基于ChatGPT的財務分析：框架、應用與效果評估

【摘要】ChatGPT作為AIGC領域的代表性技術， 為財務分析體系的優化帶來了新的契機和動力。本文在總結財務分析體系演變趨勢的基礎上， 分析ChatGPT在優化財務分析體系方面的適用性， 搭建了基于ChatGPT的財務分析體系框架， 并以Y集團財務分析為例， 具體闡述該框架的實現步驟， 對其實現效果與應用價值進行評估和總結。研究認為： 本文搭建的應用框架可以勝任財務分析的基礎工作， 包括對財務數據進行分析并形成初步結論， 并可借助插件工具完成根據用戶自然語言指令生成可視化圖表、 演示文稿等工作， 在一定程度上提高財務分析的自動化和智能化程度， 解放財務分析人員的生產力。本文的研究為AIGC時代企業財務分析體系的優化提供了新視角， 也為以ChatGPT為代表的大模型在其他財務場景的落地應用提供了參考與借鑒。

【關鍵詞】財務分析；ChatGPT；AIGC；大模型

【中圖分類號】F275 " " "【文獻標識碼】A " " "【文章編號】1004-0994（2023）19-0024-7

一、 引言

2022年國務院國資委發布的《關于中央企業加快建設世界一流財務管理體系的指導意見》指出， 企業要構建業財融合的財務報告分析體系， 利用報表、 數據、 模型、 管理會計工具， 開展價值跟蹤分析， 準確反映價值結果， 深入揭示價值成因， 更好地利用財務語言反映企業發展生態。政策層面的鼓勵支持推動企業將前沿技術全方位、 全過程地應用到財務管理中， 以更科學、 更精確的方式把握和分析財務數據， 從而更好地實現戰略的發展與突破。

ChatGPT是由OpenAI發布的基于深度學習和強化學習技術的生成式AI（Generative Artificial Intelligence）產品， 其能夠以自然語言交互的方式分析解決問題、 提供創意靈感， 以ChatGPT為代表的生成式AI正推動著人工智能突破專用智能的局限， 邁向通用智能的全新發展階段。

隨著全球經濟復雜化和資本市場成熟度的提高， 財務分析對于企業經營、 投融資決策的意義愈加重大。在實務工作中， 財務人員需要通過處理財務報表數據、 搜集內外部資料、 撰寫分析報告、 制作匯報材料等流程展開全鏈路的財務分析工作。然而， 傳統的財務分析流程普遍存在自動化和智能化程度較低、 分析時效滯后、 缺乏深度洞察等痛點。同時， 財務分析人員的非理性認知偏差， 如過度自信、 從眾心理等也會導致其做出次優甚至錯誤的決策。ChatGPT兼具運算智能、 感知智能及認知智能， 在數理邏輯計算、 上下文理解及長文本生成、 代碼理解及編寫、 跨學科知識整合等方面均表現優異。ChatGPT的以上特性能夠較好地契合財務分析工作的能力要求， 為財務分析體系的優化帶來了契機。

基于以上背景， 本文提出了基于ChatGPT的財務分析體系框架， 并以Y集團財務分析為例， 具體闡述了該框架的實現步驟， 在此基礎上進行了實現效果評估與應用價值總結。本文的研究為AIGC（AI Generated Content， 人工智能生成內容）時代企業財務分析體系的優化提供了新視角。此外， 本文的研究方法和思路也為以ChatGPT為代表的大模型在其他財務場景落地提供了參考與借鑒。

二、 ChatGPT在財務分析中的適用性分析

（一）財務分析方法的演變綜述

財務分析是以財務報表及其他相關資料為依據， 采用一系列專門的分析技術和方法， 對企業的財務狀況、 經營成果和未來發展趨勢等進行綜合評價的過程（Ross等，2019）。財務分析歷經了財務報表分析、 資本市場財務分析、 業財綜合分析、 大數據財務分析等階段。19世紀末20世紀初， 隨著工業化進程的加速和市場競爭的加劇， 投資者們需要更多的信息來做出投資決策。為了精準判斷企業的投資價值和投資風險， 財務報表分析隨之產生。為了滿足不同的信息需求， 財務報表分析方法也不斷改進和完善， 從立足于資產負債表、 利潤表和現金流量表的基本財務報表分析， 到資本市場財務分析， 再到更為全面系統的業財綜合分析與大數據財務分析， 逐漸形成了現代財務報表分析理論體系， 為企業財務管理和投資決策提供了重要的數據支持（袁天榮，2022）。

1. 財務報表分析。基本的財務報表分析是通過資產負債表、 利潤表和現金流量表數據對營運能力、 盈利能力、 償債能力、 發展能力等進行分析。營運能力常用的分析指標包括各類資產的周轉率（次數）和周轉天數； 盈利能力分析指標有營業毛利率、 營業凈利率、 總資產凈利率、 凈資產收益率等； 償債能力通常從短期償債能力和長期償債能力角度進行分析， 其中短期償債能力分析指標有流動比率、 速動比率等， 長期償債能力分析指標有資產負債率、 產權比率等； 發展能力展現了企業的成長性， 常用指標有營業收入增長率、 營業利潤增長率等。通過比較法、 比率法、 趨勢分析、 因素分析、 標桿分析法等方法對同一個公司在不同會計期間的財務指標或同一個會計期間內不同主體財務指標進行對比研究， 可以更精確地衡量企業某一方面的能力。

財務報表綜合分析是指將營運能力、 償債能力和盈利能力等諸多方面的分析納入一個有機的整體之中， 全面地對企業的經營狀況、 財務狀況進行解剖和分析， 從而對企業綜合經濟效益的優劣做出準確的評價與判斷。常用的分析方法包括杜邦分析法、 沃爾比重評分法、 經濟增加值（EVA）法、 修正的經濟增加值（REVA）法。

2. 資本市場財務分析。隨著資本市場的成熟發展， 傳統的財務報表分析已經不能滿足投資者和分析師全面、 深入了解企業經營和財務狀況的要求， 此時資本市場財務分析應運而生。資本市場財務分析不僅涵蓋了傳統的財務分析， 還包括了行業分析、 市場分析等戰略層面分析。

哈佛分析框架（Harvard Analytical Framework）創新性地從財務高度分析企業的財務經營狀況。哈佛分析框架由哈佛大學Palepu K. G.、 Healy P. M.以及Bernard V. L.三位學者提出， 主要包括戰略分析、 會計分析、 財務分析和前景分析四個維度。戰略分析作為財務分析的起點， 主要包含PEST模型下的環境分析、 波特五力模型下的行業分析和SWOT模型下的競爭戰略分析等； 會計分析主要包含會計信息披露質量、 會計政策的選擇以及關鍵會計項目分析等； 財務分析主要采用比率分析法、 趨勢分析法以及杜邦分析法； 前景分析通常采用各種模型對企業、 行業前景進行預測（石冬蓮和王博，2019）。哈佛分析框架將財務數據和非財務數據較好地結合起來， 提高了財務分析的客觀性和前瞻性。

為了在戰略視角下更好地分析企業財務狀況， 張新民（2012）基于中國情境提出了“張氏財務分析框架”， 聚焦戰略的有效性、 經營資產管理與企業競爭力、 效益與質量、 成本決定機制、 企業價值、 財務狀況質量、 風險、 企業前景等八個方面， 從質量分析和戰略分析出發延伸了資本市場財務分析的視角。

3. 業財綜合分析。傳統的財務報表分析基于企業對外公布的財務報表， 主要關注數字本身的變化， 對數字變化的原因及背后的業務無法“知其所以然”。為了財務分析日益深入到業務層面和經營層面， 促進財務人員及時了解業務的運作情況， 基于業財融合的財務分析得到廣泛應用。通過掌握業務進行過程中的薄弱環節和關鍵環節， 業財綜合分析能夠精準地對內部控制中的潛在風險點和不足進行控制、 監督， 并實施有針對性的改進（張嶸和毛麗霞，2020）。

在業財融合的背景下， 財務分析的成果具有更高的時效性、 廣度和深度， 能幫助企業及時發現和解決業務中存在的問題以及提高經濟效益。

4. 大數據財務分析。“大智移云物區”時代， 財務分析的外部環境和內在條件也在發生著深刻變化。越來越多的企業開始采用數據分析工具， 結合內部和外部數據， 深入挖掘數據背后的價值， 以期更好地理解業務、 創造價值。大數據財務分析主要存在如下優勢：

在財務分析數據上， 獲取數據的速度更快、 處理數據的效率更高。大數據財務分析更有機會突破財務數據滯后的局限性， 對即時數據開展分析， 企業也可以第一時間調整經營戰略， 更加快捷地運用財務分析成果。

在財務分析方法上， 基于海量數據， 企業能夠不拘泥于傳統的財務分析指標， 根據業務需要創造性地采用個性化的財務分析指標， 在大量數據中探索新的相關性因素， 形成多維度的分析。

在財務分析結論上， 大量的財務數據、 非財務數據能夠幫助分析者獲得更加精準的結論， 也便于分析過程中聚焦關鍵環節和關鍵產品， 得出更有針對性的分析結論。

（二）財務分析的演變趨勢

財務分析在經歷財務報表分析、 資本市場財務分析、 業財綜合分析到大數據財務分析的演變過程中， 呈現出數據來源多維化、 可視化程度提高、 自動化和智能化程度提升的趨勢。

1. 數據來源多維化。在前文所述財務分析演化的過程中， 企業逐漸不再局限于靜態報表信息， 在分析體系中不斷加入更多非財務指標。從內部視角， 分析維度經歷著從財務分析到業財綜合分析的演變； 從外部視角， 企業也逐漸在財務分析體系中加入外部環境、 行業特點等指標。數據來源的多維化不僅反映了財務分析領域方法論的深化， 也突顯了企業需求對更全面、 多角度數據分析的依賴， 以把握日趨復雜的商業機會和適應競爭環境。

2. 可視化程度提高。在財務分析方法從財務報表分析到大數據財務分析的多階段演進過程中， 分析的可視化程度也隨之顯著提高。在財務分析的早期階段， 企業主要依賴基礎圖表來呈現數據， 如柱狀圖和餅圖等， 這些可視化手段相對簡單、 易于理解， 但信息維度有限。到了大數據財務分析階段， 企業開始采用交互式儀表盤和實時數據可視化大屏， 以動態和多維的方式呈現信息。可視化工具的不斷演進， 響應了企業更精細、 全面分析的需求， 也在實踐中提高了分析的可理解性、 即時性以及可定制性， 為企業面對日趨復雜的商業環境提供了更為高效的決策支持。

3. 自動化和智能化程度提升。在財務分析方法的變化過程中， 自動化和智能化產生了越來越重要的影響。在“大智移云物鏈”背景下， 財務分析不再依賴人工處理各種數據， 而是借助自動化技術和數據挖掘算法， 快速識別、 挖掘和分析數據中的關鍵信息和趨勢， 從而準確預測未來的發展趨勢和風險。借助機器學習， 既能有效識別調減盈余的年報錯報（曾慶超和許諾，2022）， 對公司的舞弊風險進行準確衡量（伍彬等，2022）， 又能有效推動財務風險的智能預警（趙雪峰等，2022）， 同時也能構建多因子量化選股策略， 提升選股效率和投資收益， 推動企業更好地規劃和決策（謝明柱，2021）。

（三）ChatGPT在財務分析中的適用性

財務分析朝著數據來源多維化、 可視化程度提高、 自動化和智能化程度提升演變的趨勢也為ChatGPT提供了較為廣闊的應用空間。ChatGPT作為當前AIGC領域的代表性技術， 兼具運算智能、 感知智能及認知智能， 將在可預見的未來廣泛地應用于會計領域（金源和李成智，2023a）。金源和李成智（2023b）研究指出， 在ChatGPT對于13項會計職能影響的問卷調查中， 參與者總體認為ChatGPT對財務分析影響最大。大模型除了可以進行常規的財務比率分析、 趨勢分析， 還可以依據歷史數據進行建模， 挖掘數據背后的隱藏模式， 更精準地進行收入、 支出預測， 進一步擴充和豐富現代財務分析體系的內容。同時， 大模型的自動摘要功能可以節省財務人員學習和閱讀的時間， 大幅提高財務人員提取年報文本中關鍵信息的能力（金源和李成智，2023b）。此外， ChatGPT可以高效生成可視化的圖形、 以文字制作演示文稿等， 提高財務分析人員的工作效率。

三、 基于ChatGPT的財務分析體系設計

通過前文分析可知， ChatGPT在財務分析領域擁有較為廣闊的應用前景。基于ChatGPT構建財務分析體系有助于提供快速、 精準和個性化的財務分析服務， 對于推動財務管理現代化和實現企業可持續發展具有重要意義。本章將進一步闡述基于ChatGPT的財務分析體系框架的設計和具體功能實現。

（一）基于ChatGPT的財務分析體系框架

本文認為， 基于ChatGPT的財務分析體系由輸入層、 工具層、 產出層構成（如圖1所示）。輸入層主要負責業財數據的采集和預處理、 模板的準備以及相關理論知識的梳理； 工具層負責對輸入的內容進行處理和解析， 該層主要包括各種智能化、 可視化工具； 產出層是該體系的最終輸出， 主要包括生成年報摘要、 財務分析報告以及PPT演示文檔等。

1. 輸入層。

（1）數據。財務報表數據是財務分析的基礎， 其包括標準化的財務報表， 以及依據財務報表計算出來的財務指標、 財務報表項目的明細表、 變動表等財務報表附注數據。財務分析人員通常可以通過相對標準化的數據源取得這些數據。這些數據的特點是高度概括了企業生產經營活動的結果， 具有可比性。

在開展財務分析工作時通常還需要搜集除財務數據之外的信息， 包括： ①公司公告和新聞發布， 包括公司的重要公告、 新聞發布、 業內動態等。②同比公司財務報表。同比公司一般是指同行業、 同類型的上市公司， 財務分析人員可以通過分析其資產負債表、 利潤表、 現金流量表等財務報表， 財務報表附注以及管理層的分析和討論等材料進行橫向比較。③行業報告和研究資料， 包括行業報告、 研究報告、 市場分析等， 以便了解行業發展趨勢和公司所處的市場環境。④公司其他相關信息， 包括公司的管理層、 股權結構、 業務經營數據等， 以便全面了解公司的經營狀況和風險情況。

（2）模板。輸入層的模板主要包括財務分析報告內容模板、 可視化圖表模板、 演示文檔模板等： ①財務分析報告內容模板是指財務分析人員設計的財務分析報告里包含的主要內容結構， 可以包括概要、 說明、 分析、 評價和建議等部分， 針對每個部分還可設計具體內容加以擴展。②可視化圖表模板通常包括一系列高度定制化的圖表和儀表板， 以便于在戰略決策、 會議或公開報告中用于實時數據展示。③演示文檔模板主要用于準備財務分析的口頭報告或演示。這些模板通常包括標題頁、 目錄、 正文和結論等基礎架構。

（3）理論。鑒于ChatGPT在財務專業縱深領域知識的不足， 本文還借鑒金源等（2023c）提出的基于ChatGPT的問答式財務知識庫構建思路， 將經典財務分析理論和大數據財務分析等理論知識庫與ChatGPT對接， 以提高其輸出觀點的專業性。

2.工具層。工具層包括各類智能化、 可視化工具。以ChatGPT為代表的智能技術是工具層的核心， ChatGPT可以進行語義理解和報告撰寫， 并可以輔助財務分析人員進行數據分析語言Python和R語言的代碼撰寫， 以更低的門檻開展數據清洗、 篩選和分析工作。此外， GPT-4提供的豐富插件支持PPT智能生成、 PDF自動摘要等功能。上述功能有效地提高了財務分析流程的智能化程度。該層還包含PowerBI、 FineBI、 Excel等報表可視化工具。

3. 產出層。

（1）年報摘要。ChatGPT可以利用其內嵌的注意力機制來理解年報中的復雜結構和語義關系。它能夠從上百頁的上市公司年報中識別出最為關鍵的財務指標（如營業收入、凈利潤等）、 公司戰略、 風險因素等信息并輸出年報摘要。

（2）分析報告。基于財務報表數據、 分析參考資料， 按照財務分析報告內容模板的需求， 財務分析人員需要準備相關的數據、 圖表和分析說明文本。

（3）以演示文稿展示報告。財務分析人員通常會選擇以演示文稿的形式展示工作成果。在研究中筆者也注意到目前已有很多基于大模型的內容生成工具， 例如以文字生成PPT的工具。

（二）具體功能實現

1. 提煉文檔要點。借助GPT-4的AskYourPDF等插件， 用戶可以獲得PDF文檔的內容摘要。且用戶可以對此提出具體的問題， GPT-4會根據這份PDF文檔的內容給出回復。這項功能的應用場景包括： 從某政策原文中獲取要點信息、 基于某個文件的內容解答問題等。

2. 分析財務報表數據。用戶可以純文本的形式把財務報表數據發給ChatGPT并配以適當的提示詞， ChatGPT會給出分析結果。用戶可通過調整提示詞優化和控制產出的內容。同時， 為了能檢查產出的正確性， 用戶可以讓ChatGPT提供它使用的數據、 數據運算過程、 基于數據的分析和推理過程等。

如果用戶希望對財務報表數據做出更加深入的分析， 例如結合其他非財務信息挖掘數據背后的原因和價值等， 那么用戶就需要提供更多的相關信息。一種方式是用戶在提示詞中提供更多的非財務信息， 但這種方式下用戶能夠提供的內容長度是受限制的。另外一種方式是用戶通過上傳文件提供更多信息， GPT-4允許用戶上傳文本文件， 當用戶通過提示詞要求它結合上傳的文本文件做深入分析時， 它會先通過Python代碼讀取文本文件的內容， 在理解文本內容的基礎上呈現分析內容并答復用戶的提問。

3. 數據自助可視化。財務分析人員進行數據可視化的工具包括電子表格工具、 商業智能（BI）軟件等， 財務分析人員也可以指示GPT-4預置的Code Interpreter（代碼解釋器）插件工具對數據進行可視化展示。用戶可以通過調整提示詞優化展示范圍和效果。Code Interpreter能夠通過編程的方法完成數據可視化的任務， 最終它所呈現的是編寫好的程序代碼， 以及運行程序得到的數據可視化圖片和圖片的下載鏈接。

4. 以文本自動生成演示文稿。在撰寫好財務分析報告后， 財務分析人員通常會以演示文稿的形式呈現報告的主要內容和觀點。在制作演示文稿之前， 財務分析人員需要提煉、 總結財務分析報告的文字， 并且把文字羅列成有明顯層級結構的內容。財務分析人員可以將表格數據以純文本的形式發送， 指示GPT-4生成MarkDown格式大綱， 并借助第三方AI生成PPT工具制作演示文稿。

四、 基于ChatGPT的Y集團財務分析實踐案例

（一）實現目標

本部分將以Y集團財務分析為例， 探索將ChatGPT等工具應用于財務報表分析工作的可行路徑， 并進一步評價基于ChatGPT的財務分析體系的實際應用價值。希望通過系統性的研究解決以下問題： 其一， 如何將以ChatGPT為代表的新一代信息技術與傳統財務報表分析方法相結合； 其二， 基于ChatGPT的財務分析體系在準確性、 效率、 可用性、 財務分析深度和廣度等方面與傳統方法相比有何優劣； 其三， 該體系在實際應用中能為企業和決策者帶來哪些價值。

（二）實現工具

1. Microsoft Office Excel。Microsoft Office Excel是微軟辦公套件的基本產品之一， 是一個功能強大的數據處理平臺， 不僅預置了數學函數和數據分析功能， 還通過VBA代碼、 安裝插件拓展更多功能。本案例使用該工具整理財務報表數據， 并將數據儲存為.xlsx格式以備后續使用。

2. GPT-4。ChatGPT是2022年12月由OpenAI推出的專注于對話生成的語言模型， 它是OpenAI基于GPT（Generative Pre-Trained Transformer）架構開發的對話AI模型， 用戶可以通過自然語言指示其完成特定任務并給出結果， 它能夠進行邏輯分析、 數據運算， 并且以自然語言的形式給出答復以及答復背后的邏輯推理過程。本案例使用GPT-4生成財務報表分析文本以及MarkDown格式的PPT大綱。

3. Code Interpreter插件。Code Interpreter是GPT-4的代表性功能， 其可以通過自動編寫和運行Python代碼的方式解決問題， 可以理解、 分析和解釋數據， 將數據可視化、 由圖像生成視頻、 從圖像里摘錄文字等。借助編程Code Interpreter可以彌補ChatGPT在數據處理方面的不足。在本案例中， Code Interpreter用于自動生成財務指標變化趨勢圖。

4. ChatPPT。ChatPPT是一款基于語言模型驅動智能生成與輔助創作PPT演示文稿的產品， 可以幫助用戶快速生成高質量的演示文稿， 從而節省用戶的時間和精力。它可以根據用戶指定的主題自動構思內容， 并生成演示文稿的正文、 圖示， 渲染、 制作動畫效果， 為每一頁演示文稿生成演講詞。它也可以根據用戶上傳的文本生成演示文稿。在本案例中， ChatPPT工具將作為輔助工具被用來制作財務報表分析匯報材料。

（三）實現步驟

在實踐中， 本文通過以下步驟實現目標。

1. 數據準備。本文案例測試準備數據如下： ①Y集團2022年度年報； ②Y集團資產負債表、 利潤表、 現金流量表； ③從新浪股票獲取的Y集團關鍵財務指標； ④Y集團所在乳制品行業研究報告。其中， Y集團2022年度年報為PDF格式， 財務報表數據及財報關鍵指標被下載并保存在Microsoft Office Excel表格里。Y集團的關鍵財務指標包括2018 ～ 2022年的盈利能力指標、 成長能力指標、 收益質量指標、 財務風險指標、 營運能力指標。

2. 生成年報摘要。本文首先將長達267頁PDF格式的Y集團2022年度年報以URL鏈接的形式上傳ChatGPT， 并讓其總結該年報中與財務最相關的五點核心內容， 如圖2所示， ChatGPT認為資產減值損失、 股權收購、 商譽減值測試、 股本變動以及內部控制制度是Y集團年報中與財務相關的最值得關注的內容。

3. 生成財務分析報告。在實驗過程中， 首先在GPT-4的Code Interpreter模式下上傳財報分析所需的Y集團資產負債表、 利潤表、 現金流量表以及關鍵財務指標。

接下來更為關鍵的一步是進行提示詞工程（Prompt Engineering）， 該步驟是提高ChatGPT輸出內容質量至關重要的一環。提示詞的內容由角色與場景、 任務與具體要求、 財務報表數據三個部分組成。提示詞的內容具體如圖3所示。在提示詞中， 本文設定了任務背景和ChatGPT要扮演的角色， 并且描述了任務目標和詳細要求。

ChatGPT最終依據提示詞要求， 輸出了總字數超過1500字的財務分析報告。該報告內容包括財務指標分析和財務風險分析兩個部分： 財務指標分析是對盈利能力、 成長能力、 營運能力、 收益質量四個方面指標的趨勢進行分析； 財務風險分析是對流動比率、 速動比率、 現金比率、 資產負債率、 產權比率五個指標進行分析。最后， ChatGPT對Y集團的財務報表進行了如下總結： “綜上， 公司盈利能力和成長能力強， 但營運效率和財務風險增加。未來應關注存貨和應收賬款管理， 以及減少財務風險。”

從圖4可以看出， ChatGPT對指標的分析僅限于指標發生的變動， 以及對指標質量進行簡單判斷， 沒有進一步說明這些指標變化的原因。

接下來， 本文將提供2022年乳制品行業發展報告， 借助ChatGPT對Y集團相關指標變化的可能原因展開進一步剖析。由圖5可見， ChatGPT結合行業發展報告， 對Y集團“公司盈利能力和成長能力強， 但營運效率和財務風險增加”的原因給出了較為合理的推斷。

4. 形成可視化圖表。 在形成財務分析報告的文字部分之后， 可以進一步在GPT-4的Code Interpreter模式下， 自動生成可視化圖表（圖略）。

5. 轉化為MarkDown。接下來， 讓ChatGPT把上述財務報表分析報告的內容轉換為MarkDown文本， 以便后續用于生成PPT演示文稿（圖略）。MarkDown 是一種輕量級標記語言， 它允許人們使用易讀易寫的純文本格式編寫文檔， 例如MarkDown語言使用“#”把文本的格式標記為標題， 用“-”把文本標記為列表文本， 用“?”表示加粗等。

6. 制作演示文稿。下面， 使用ChatPPT工具制作演示文稿。第一步， 用戶在ChatPPT插件里上傳MarkDown格式文件， ChatPPT會解析文件內容， 生成內容大綱標題并要求用戶確認。第二步， 用戶修改并確認內容大綱標題， ChatPPT就會開始生成演示文稿。

經過比對MarkDown格式文件與生成的演示文稿的內容， 本文發現MarkDown格式文件里的內容均被包含在演示文稿里， 并且ChatPPT把總結部分原內容由兩句話擴展成一段話作為財務管理建議。此外， 演示文稿的內容結構符合MarkDown格式文件的格式標記， ChatPPT還為演示文稿增加了主題頁、 目錄頁、 章節過渡頁， 同時在頁面中適當添加了配圖。

在ChatPPT生成的演示文稿的基礎上， 還需對內容進行進一步修改， 包括把Code Interpreter生成的指標圖片插入到適當的位置、 調整內文的布局和格式等， 最終得到一份可用的演示文稿。

（四）實現效果評估與應用價值總結

1. 實現效果評估。

（1）財務分析報告生成。通過仔細對比本文設定的提示詞與ChatGPT所生成的財務分析報告發現， ChatGPT的輸出內容基本滿足提示詞中有關分析框架規范性、 用詞專業性以及分析結果可解釋性的要求。然而， 細節方面仍有不符合預期之處， 特別是關于報告字數的要求， 模型輸出僅1500余字， 未滿足提示詞中所要求的最少2000字標準。本文認為造成該現象的原因可能是在內容生成過程中， ChatGPT受到內置算法的限制， 無法生成更多與提問具有高相關度的文本。

此外， 本文認為使用ChatGPT進行財務分析仍存在一定的門檻， 主要體現在兩個方面： 一是恰當的提示詞設計； 二是財務分析報告模板設計。同時， 由于ChatGPT本身隨機初始化的技術特性， 即便使用相同的提示詞， 每次生成的報告內容也會不同， 這為高度標準化的財務分析報告生成帶來了一定挑戰。

（2）財務指標繪圖。Code Interpreter基于財務報表數據進行繪圖會產出圖片和程序代碼兩部分內容， 它能理解用戶提示詞的意圖并產出符合要求的圖片， 它撰寫的程序代碼具有易讀、 易懂的特點， 代碼里也有恰當的注釋文本幫助用戶理解代碼各部分的功能。如果在理解程序代碼時遇到問題和困難， 用戶可以進一步讓Code Interpreter對所寫的代碼進行解釋。

在研究過程中， 本文發現Code Interpreter繪圖時編寫的程序代碼運行會出錯， 最終導致繪圖失敗。盡管Code Interpreter發現程序報錯后會立即著手更正代碼， 但是它更正的代碼往往僅限于報錯部分和局部代碼， 并會單獨運行更正的局部代碼， 這樣一來程序運行報錯內容就變成了未定義某個變量的錯誤， 最終的結果會導致繪圖失敗。在這種情況下， 用戶有兩種選擇： 一是重復操作過程讓Code Interpreter重新繪圖； 二是把Code Interpreter生成和更正的代碼段復制出來， 組合成正確的代碼， 讓Code Interpreter運行或者粘貼到Python編譯器里運行， 以得到要求的圖形。

（3）演示文稿。本文經研究發現， 使用ChatPPT工具生成的演示文稿內容較為完整， 演示文稿的排版、 配圖基本可以滿足日常匯報要求。另外， 從ChatPPT工具本身的設計角度， 它把以文字生成PPT的過程簡化成人機協作的幾個簡單步驟， 改善了用戶體驗。

2. 應用價值總結。本文認為對于財務報表分析場景， 上述應用框架的價值主要體現在： ①節省撰寫文字分析內容的時間， 用戶可將精力集中在分析維度確定、 分析方法設計等更高附加值的工作上， 并且可以通過調整提示詞得到更滿意的分析結果。②一鍵生成演示文稿的模式可以大幅減輕尋找演示文稿模板、 搜集圖片素材、 美化文稿格式等工作的負荷， 幫助財務分析人員將更多精力投入文字提煉、 整理財務分析邏輯等高附加值工作上， 可以將一份財務分析PPT的制作時間縮短至幾十分鐘。③能有效降低財務分析的門檻， 經過簡單的入門培訓， 非財務人員也可以自助得到財務分析報告。④基于ChatGPT強大的語義理解能力， 本文將行業研究報告納入財務分析體系， 對財務比率分析的結果進行了進一步解釋， 得到較為理想的結果， 有效地提升了財務分析深度。

除上述優勢外， 在測試過程中也發現基于ChatGPT進行財務分析存在如下不足之處： 一方面， 利用ChatGPT開展財務分析的細節有待完善， 尤其在涉及復雜財務模型和多變量計算的場景下， 其精度和可靠性尚未達到專業財務分析軟件的水平。另一方面， ChatGPT財務分析仍需要一定量的人工操作和手動調整， 與全過程自動化存在差距。

五、 結論與展望

（一）主要結論

通過深入研究， 本文構建了基于ChatGPT的財務分析體系框架， 并且通過Y集團的案例驗證了該框架在財務分析方面的可行性和有效性。測試結果表明， 本文搭建的應用框架除了可以實現財務比率計算及解釋等基礎財務分析工作， 還可以勝任一些更為復雜的任務。如： 通過編程將復雜的數據轉換成直觀的可視化圖表； 還可以在第三方工具的加持下， 快速創建包含關鍵觀點的演示文稿。

從現實意義來看， 基于ChatGPT的財務分析方法可以自動執行財務分析中常規但費時的基礎工作， 從而讓財務分析人員有更多的時間和精力去進行分析維度、 分析方法優化等工作。這不僅提升了分析的效率， 也提高了整體的決策質量。

（二）未來展望

本文依據公開財務報表、 年報和行業研究報告， 對ChatGPT在財務分析領域的應用性能進行了全面測試。測試結果表明， ChatGPT能有效完成財務比率分析、 指標變化趨勢解釋等多項任務。然而， 當企業考慮將ChatGPT用于內部財務指標分析或業財綜合分析時， 數據安全問題就顯得尤為重要。這不僅涉及企業核心機密的保護， 也關系到合規性問題。因此， 企業在使用ChatGPT進行內部分析時， 應采取適當的數據脫敏措施， 并構建數據分類分級制度， 對可以輸入ChatGPT等大模型用于分析的數據進行明確規定。

盡管在財務分析方面的實踐已然證明ChatGPT行之有效， 但是仍待拾遺補缺。首先， 未來的研究可以通過固定場景的模板設置， 提高ChatGPT在特定財務分析場景下的精準度。其次， 大模型與其他財務工具或系統的集成也是一個值得關注的方向。目前， 許多企業已經有較為成熟的財務分析工具， 讓ChatGPT與這些系統對接， 實現數據的實時更新和分析， 將極大地提升其應用價值。最后， 未來的研究可探索如何進一步提高ChatGPT在財務分析中的專業性， 例如通過引入更多的財務指標、 行業知識、 財務分析報告示例數據等來精調大模型， 從而使得大模型在從事財務分析工作時更加游刃有余。在解決了上述問題之后， 以ChatGPT為代表的大模型有望成為財務分析領域不可或缺的輔助工具， 與人類智慧優勢互補， 構建起人機協同的財務決策模式， 這將是一個值得期待的未來。

【 主 要 參 考 文 獻 】

金源，李成智．ChatGPT對智能財務體系的影響：場景優化、技術革新與人員轉型［ J］．財會月刊，2023a（15）：23 ～ 30．

金源，李成智．ChatGPT為代表的大模型對會計人員職能轉型的影響與應對——基于調查問卷的例證［ J］．財會月刊：2023b（18）：52 ～ 59．

金源，魏振，李成智．基于ChatGPT的問答式財務知識庫構建與應用［ J］．財會月刊：2023c（17）：46 ～ 51．

石冬蓮，王博．全球哈佛分析框架：文獻綜述與研究展望［ J］．財會月刊，2019（11）：53 ～ 60．

伍彬，劉云菁，張敏．基于機器學習的分析師識別公司財務舞弊風險的研究［ J］．管理學報，2022（7）：1082 ～ 1091．

謝明柱．機器學習算法下的多因子量化選股策略［ J］．吉林工商學院學報，2021（6）：90 ～ 97．

袁天榮．大數據財務分析［M］．北京：中國財政經濟出版社，2022．

張嶸，毛麗霞．基于業財融合下的企業財務報表分析的思考［ J］．商場現代化，2020（23）：166 ～ 168．

張新民．從報表看企業——數字背后的秘密［M］．北京：中國人民大學出版社，2012．

曾慶超，許諾．機器學習對上市公司年報錯報的識別研究——財務重述預測的視角［ J］．中國注冊會計師，2022（2）：43 ～ 48．

趙雪峰，吳偉偉，吳德林，國旭，時輝凝．面向特征因果分析的CFW-Boost企業財務風險預警模型［ J］．系統管理學報，2022（2）：317 ～ 328．

Ross S. A.， Westerfield R. E.， Jaffe J.. Corporate finance［M］．New York： McGraw-Hill Education，2019．