基于ChatGPT的财务分析：框架、应用与效果评估

金 源（正高级会计师），庄璐怡，魏 振，李成智

一、引言

2022 年国务院国资委发布的《关于中央企业加快建设世界一流财务管理体系的指导意见》指出，企业要构建业财融合的财务报告分析体系，利用报表、数据、模型、管理会计工具，开展价值跟踪分析，准确反映价值结果，深入揭示价值成因，更好地利用财务语言反映企业发展生态。政策层面的鼓励支持推动企业将前沿技术全方位、全过程地应用到财务管理中，以更科学、更精确的方式把握和分析财务数据，从而更好地实现战略的发展与突破。

ChatGPT 是由OpenAI 发布的基于深度学习和强化学习技术的生成式AI（Generative Artificial Intelligence）产品，其能够以自然语言交互的方式分析解决问题、提供创意灵感，以ChatGPT为代表的生成式AI正推动着人工智能突破专用智能的局限，迈向通用智能的全新发展阶段。

随着全球经济复杂化和资本市场成熟度的提高，财务分析对于企业经营、投融资决策的意义愈加重大。在实务工作中，财务人员需要通过处理财务报表数据、搜集内外部资料、撰写分析报告、制作汇报材料等流程展开全链路的财务分析工作。然而，传统的财务分析流程普遍存在自动化和智能化程度较低、分析时效滞后、缺乏深度洞察等痛点。同时，财务分析人员的非理性认知偏差，如过度自信、从众心理等也会导致其做出次优甚至错误的决策。ChatGPT 兼具运算智能、感知智能及认知智能，在数理逻辑计算、上下文理解及长文本生成、代码理解及编写、跨学科知识整合等方面均表现优异。ChatGPT 的以上特性能够较好地契合财务分析工作的能力要求，为财务分析体系的优化带来了契机。

基于以上背景，本文提出了基于ChatGPT 的财务分析体系框架，并以Y集团财务分析为例，具体阐述了该框架的实现步骤，在此基础上进行了实现效果评估与应用价值总结。本文的研究为AIGC（AI Generated Content，人工智能生成内容）时代企业财务分析体系的优化提供了新视角。此外，本文的研究方法和思路也为以ChatGPT为代表的大模型在其他财务场景落地提供了参考与借鉴。

二、ChatGPT 在财务分析中的适用性分析

（一）财务分析方法的演变综述

财务分析是以财务报表及其他相关资料为依据，采用一系列专门的分析技术和方法，对企业的财务状况、经营成果和未来发展趋势等进行综合评价的过程（Ross等，2019）。财务分析历经了财务报表分析、资本市场财务分析、业财综合分析、大数据财务分析等阶段。19 世纪末20 世纪初，随着工业化进程的加速和市场竞争的加剧，投资者们需要更多的信息来做出投资决策。为了精准判断企业的投资价值和投资风险，财务报表分析随之产生。为了满足不同的信息需求，财务报表分析方法也不断改进和完善，从立足于资产负债表、利润表和现金流量表的基本财务报表分析，到资本市场财务分析，再到更为全面系统的业财综合分析与大数据财务分析，逐渐形成了现代财务报表分析理论体系，为企业财务管理和投资决策提供了重要的数据支持（袁天荣，2022）。

1.财务报表分析。基本的财务报表分析是通过资产负债表、利润表和现金流量表数据对营运能力、盈利能力、偿债能力、发展能力等进行分析。营运能力常用的分析指标包括各类资产的周转率（次数）和周转天数；盈利能力分析指标有营业毛利率、营业净利率、总资产净利率、净资产收益率等；偿债能力通常从短期偿债能力和长期偿债能力角度进行分析，其中短期偿债能力分析指标有流动比率、速动比率等，长期偿债能力分析指标有资产负债率、产权比率等；发展能力展现了企业的成长性，常用指标有营业收入增长率、营业利润增长率等。通过比较法、比率法、趋势分析、因素分析、标杆分析法等方法对同一个公司在不同会计期间的财务指标或同一个会计期间内不同主体财务指标进行对比研究，可以更精确地衡量企业某一方面的能力。

财务报表综合分析是指将营运能力、偿债能力和盈利能力等诸多方面的分析纳入一个有机的整体之中，全面地对企业的经营状况、财务状况进行解剖和分析，从而对企业综合经济效益的优劣做出准确的评价与判断。常用的分析方法包括杜邦分析法、沃尔比重评分法、经济增加值（EVA）法、修正的经济增加值（REVA）法。

2.资本市场财务分析。随着资本市场的成熟发展，传统的财务报表分析已经不能满足投资者和分析师全面、深入了解企业经营和财务状况的要求，此时资本市场财务分析应运而生。资本市场财务分析不仅涵盖了传统的财务分析，还包括了行业分析、市场分析等战略层面分析。

哈佛分析框架（Harvard Analytical Framework）创新性地从财务高度分析企业的财务经营状况。哈佛分析框架由哈佛大学Palepu K.G.、Healy P.M.以及Bernard V.L.三位学者提出，主要包括战略分析、会计分析、财务分析和前景分析四个维度。战略分析作为财务分析的起点，主要包含PEST模型下的环境分析、波特五力模型下的行业分析和SWOT 模型下的竞争战略分析等；会计分析主要包含会计信息披露质量、会计政策的选择以及关键会计项目分析等；财务分析主要采用比率分析法、趋势分析法以及杜邦分析法；前景分析通常采用各种模型对企业、行业前景进行预测（石冬莲和王博，2019）。哈佛分析框架将财务数据和非财务数据较好地结合起来，提高了财务分析的客观性和前瞻性。

为了在战略视角下更好地分析企业财务状况，张新民（2012）基于中国情境提出了“张氏财务分析框架”，聚焦战略的有效性、经营资产管理与企业竞争力、效益与质量、成本决定机制、企业价值、财务状况质量、风险、企业前景等八个方面，从质量分析和战略分析出发延伸了资本市场财务分析的视角。

3.业财综合分析。传统的财务报表分析基于企业对外公布的财务报表，主要关注数字本身的变化，对数字变化的原因及背后的业务无法“知其所以然”。为了财务分析日益深入到业务层面和经营层面，促进财务人员及时了解业务的运作情况，基于业财融合的财务分析得到广泛应用。通过掌握业务进行过程中的薄弱环节和关键环节，业财综合分析能够精准地对内部控制中的潜在风险点和不足进行控制、监督，并实施有针对性的改进（张嵘和毛丽霞，2020）。

在业财融合的背景下，财务分析的成果具有更高的时效性、广度和深度，能帮助企业及时发现和解决业务中存在的问题以及提高经济效益。

4.大数据财务分析。“大智移云物区”时代，财务分析的外部环境和内在条件也在发生着深刻变化。越来越多的企业开始采用数据分析工具，结合内部和外部数据，深入挖掘数据背后的价值，以期更好地理解业务、创造价值。大数据财务分析主要存在如下优势：

在财务分析数据上，获取数据的速度更快、处理数据的效率更高。大数据财务分析更有机会突破财务数据滞后的局限性，对即时数据开展分析，企业也可以第一时间调整经营战略，更加快捷地运用财务分析成果。

在财务分析方法上，基于海量数据，企业能够不拘泥于传统的财务分析指标，根据业务需要创造性地采用个性化的财务分析指标，在大量数据中探索新的相关性因素，形成多维度的分析。

在财务分析结论上，大量的财务数据、非财务数据能够帮助分析者获得更加精准的结论，也便于分析过程中聚焦关键环节和关键产品，得出更有针对性的分析结论。

（二）财务分析的演变趋势

财务分析在经历财务报表分析、资本市场财务分析、业财综合分析到大数据财务分析的演变过程中，呈现出数据来源多维化、可视化程度提高、自动化和智能化程度提升的趋势。

1.数据来源多维化。在前文所述财务分析演化的过程中，企业逐渐不再局限于静态报表信息，在分析体系中不断加入更多非财务指标。从内部视角，分析维度经历着从财务分析到业财综合分析的演变；从外部视角，企业也逐渐在财务分析体系中加入外部环境、行业特点等指标。数据来源的多维化不仅反映了财务分析领域方法论的深化，也突显了企业需求对更全面、多角度数据分析的依赖，以把握日趋复杂的商业机会和适应竞争环境。

2.可视化程度提高。在财务分析方法从财务报表分析到大数据财务分析的多阶段演进过程中，分析的可视化程度也随之显著提高。在财务分析的早期阶段，企业主要依赖基础图表来呈现数据，如柱状图和饼图等，这些可视化手段相对简单、易于理解，但信息维度有限。到了大数据财务分析阶段，企业开始采用交互式仪表盘和实时数据可视化大屏，以动态和多维的方式呈现信息。可视化工具的不断演进，响应了企业更精细、全面分析的需求，也在实践中提高了分析的可理解性、即时性以及可定制性，为企业面对日趋复杂的商业环境提供了更为高效的决策支持。

3.自动化和智能化程度提升。在财务分析方法的变化过程中，自动化和智能化产生了越来越重要的影响。在“大智移云物链”背景下，财务分析不再依赖人工处理各种数据，而是借助自动化技术和数据挖掘算法，快速识别、挖掘和分析数据中的关键信息和趋势，从而准确预测未来的发展趋势和风险。借助机器学习，既能有效识别调减盈余的年报错报（曾庆超和许诺，2022），对公司的舞弊风险进行准确衡量（伍彬等，2022），又能有效推动财务风险的智能预警（赵雪峰等，2022），同时也能构建多因子量化选股策略，提升选股效率和投资收益，推动企业更好地规划和决策（谢明柱，2021）。

（三）ChatGPT在财务分析中的适用性

财务分析朝着数据来源多维化、可视化程度提高、自动化和智能化程度提升演变的趋势也为ChatGPT提供了较为广阔的应用空间。ChatGPT 作为当前AIGC 领域的代表性技术，兼具运算智能、感知智能及认知智能，将在可预见的未来广泛地应用于会计领域（金源和李成智，2023a）。金源和李成智（2023b）研究指出，在ChatGPT对于13 项会计职能影响的问卷调查中，参与者总体认为ChatGPT 对财务分析影响最大。大模型除了可以进行常规的财务比率分析、趋势分析，还可以依据历史数据进行建模，挖掘数据背后的隐藏模式，更精准地进行收入、支出预测，进一步扩充和丰富现代财务分析体系的内容。同时，大模型的自动摘要功能可以节省财务人员学习和阅读的时间，大幅提高财务人员提取年报文本中关键信息的能力（金源和李成智，2023b）。此外，ChatGPT 可以高效生成可视化的图形、以文字制作演示文稿等，提高财务分析人员的工作效率。

三、基于ChatGPT 的财务分析体系设计

通过前文分析可知，ChatGPT 在财务分析领域拥有较为广阔的应用前景。基于ChatGPT构建财务分析体系有助于提供快速、精准和个性化的财务分析服务，对于推动财务管理现代化和实现企业可持续发展具有重要意义。本章将进一步阐述基于ChatGPT的财务分析体系框架的设计和具体功能实现。

（一）基于ChatGPT的财务分析体系框架

本文认为，基于ChatGPT 的财务分析体系由输入层、工具层、产出层构成（如图1所示）。输入层主要负责业财数据的采集和预处理、模板的准备以及相关理论知识的梳理；工具层负责对输入的内容进行处理和解析，该层主要包括各种智能化、可视化工具；产出层是该体系的最终输出，主要包括生成年报摘要、财务分析报告以及PPT演示文档等。

图1 基于ChatGPT的财务分析体系架构

1.输入层。

（1）数据。财务报表数据是财务分析的基础，其包括标准化的财务报表，以及依据财务报表计算出来的财务指标、财务报表项目的明细表、变动表等财务报表附注数据。财务分析人员通常可以通过相对标准化的数据源取得这些数据。这些数据的特点是高度概括了企业生产经营活动的结果，具有可比性。

在开展财务分析工作时通常还需要搜集除财务数据之外的信息，包括：①公司公告和新闻发布，包括公司的重要公告、新闻发布、业内动态等。②同比公司财务报表。同比公司一般是指同行业、同类型的上市公司，财务分析人员可以通过分析其资产负债表、利润表、现金流量表等财务报表，财务报表附注以及管理层的分析和讨论等材料进行横向比较。③行业报告和研究资料，包括行业报告、研究报告、市场分析等，以便了解行业发展趋势和公司所处的市场环境。④公司其他相关信息，包括公司的管理层、股权结构、业务经营数据等，以便全面了解公司的经营状况和风险情况。

（2）模板。输入层的模板主要包括财务分析报告内容模板、可视化图表模板、演示文档模板等：①财务分析报告内容模板是指财务分析人员设计的财务分析报告里包含的主要内容结构，可以包括概要、说明、分析、评价和建议等部分，针对每个部分还可设计具体内容加以扩展。②可视化图表模板通常包括一系列高度定制化的图表和仪表板，以便于在战略决策、会议或公开报告中用于实时数据展示。③演示文档模板主要用于准备财务分析的口头报告或演示。这些模板通常包括标题页、目录、正文和结论等基础架构。

（3）理论。鉴于ChatGPT 在财务专业纵深领域知识的不足，本文还借鉴金源等（2023c）提出的基于ChatGPT的问答式财务知识库构建思路，将经典财务分析理论和大数据财务分析等理论知识库与ChatGPT 对接，以提高其输出观点的专业性。

2.工具层。工具层包括各类智能化、可视化工具。以ChatGPT 为代表的智能技术是工具层的核心，Chat-GPT 可以进行语义理解和报告撰写，并可以辅助财务分析人员进行数据分析语言Python 和R 语言的代码撰写，以更低的门槛开展数据清洗、筛选和分析工作。此外，GPT-4提供的丰富插件支持PPT 智能生成、PDF 自动摘要等功能。上述功能有效地提高了财务分析流程的智能化程度。该层还包含PowerBI、FineBI、Excel等报表可视化工具。

3.产出层。

（1）年报摘要。ChatGPT 可以利用其内嵌的注意力机制来理解年报中的复杂结构和语义关系。它能够从上百页的上市公司年报中识别出最为关键的财务指标（如营业收入、净利润等）、公司战略、风险因素等信息并输出年报摘要。

（2）分析报告。基于财务报表数据、分析参考资料，按照财务分析报告内容模板的需求，财务分析人员需要准备相关的数据、图表和分析说明文本。

（3）以演示文稿展示报告。财务分析人员通常会选择以演示文稿的形式展示工作成果。在研究中笔者也注意到目前已有很多基于大模型的内容生成工具，例如以文字生成PPT的工具。

（二）具体功能实现

1.提炼文档要点。借助GPT-4 的AskYourPDF 等插件，用户可以获得PDF 文档的内容摘要。且用户可以对此提出具体的问题，GPT-4会根据这份PDF文档的内容给出回复。这项功能的应用场景包括：从某政策原文中获取要点信息、基于某个文件的内容解答问题等。

2.分析财务报表数据。用户可以纯文本的形式把财务报表数据发给ChatGPT 并配以适当的提示词，ChatGPT会给出分析结果。用户可通过调整提示词优化和控制产出的内容。同时，为了能检查产出的正确性，用户可以让ChatGPT 提供它使用的数据、数据运算过程、基于数据的分析和推理过程等。

如果用户希望对财务报表数据做出更加深入的分析，例如结合其他非财务信息挖掘数据背后的原因和价值等，那么用户就需要提供更多的相关信息。一种方式是用户在提示词中提供更多的非财务信息，但这种方式下用户能够提供的内容长度是受限制的。另外一种方式是用户通过上传文件提供更多信息，GPT-4允许用户上传文本文件，当用户通过提示词要求它结合上传的文本文件做深入分析时，它会先通过Python 代码读取文本文件的内容，在理解文本内容的基础上呈现分析内容并答复用户的提问。

3.数据自助可视化。财务分析人员进行数据可视化的工具包括电子表格工具、商业智能（BI）软件等，财务分析人员也可以指示GPT-4 预置的Code Interpreter（代码解释器）插件工具对数据进行可视化展示。用户可以通过调整提示词优化展示范围和效果。Code Interpreter 能够通过编程的方法完成数据可视化的任务，最终它所呈现的是编写好的程序代码，以及运行程序得到的数据可视化图片和图片的下载链接。

4.以文本自动生成演示文稿。在撰写好财务分析报告后，财务分析人员通常会以演示文稿的形式呈现报告的主要内容和观点。在制作演示文稿之前，财务分析人员需要提炼、总结财务分析报告的文字，并且把文字罗列成有明显层级结构的内容。财务分析人员可以将表格数据以纯文本的形式发送，指示GPT-4 生成MarkDown 格式大纲，并借助第三方AI生成PPT工具制作演示文稿。

四、基于ChatGPT 的Y 集团财务分析实践案例

（一）实现目标

本部分将以Y 集团财务分析为例，探索将ChatGPT等工具应用于财务报表分析工作的可行路径，并进一步评价基于ChatGPT的财务分析体系的实际应用价值。希望通过系统性的研究解决以下问题：其一，如何将以ChatGPT 为代表的新一代信息技术与传统财务报表分析方法相结合；其二，基于ChatGPT 的财务分析体系在准确性、效率、可用性、财务分析深度和广度等方面与传统方法相比有何优劣；其三，该体系在实际应用中能为企业和决策者带来哪些价值。

（二）实现工具

1.Microsoft Office Excel。Microsoft Office Excel 是微软办公套件的基本产品之一，是一个功能强大的数据处理平台，不仅预置了数学函数和数据分析功能，还通过VBA 代码、安装插件拓展更多功能。本案例使用该工具整理财务报表数据，并将数据储存为.xlsx 格式以备后续使用。

2.GPT-4。ChatGPT 是2022 年12 月由OpenAI 推出的专注于对话生成的语言模型，它是OpenAI 基于GPT（Generative Pre-Trained Transformer）架构开发的对话AI模型，用户可以通过自然语言指示其完成特定任务并给出结果，它能够进行逻辑分析、数据运算，并且以自然语言的形式给出答复以及答复背后的逻辑推理过程。本案例使用GPT-4生成财务报表分析文本以及MarkDown格式的PPT大纲。

3.Code Interpreter 插件。Code Interpreter 是GPT-4

的代表性功能，其可以通过自动编写和运行Python 代码的方式解决问题，可以理解、分析和解释数据，将数据可视化、由图像生成视频、从图像里摘录文字等。借助编程Code Interpreter 可以弥补ChatGPT 在数据处理方面的不足。在本案例中，Code Interpreter 用于自动生成财务指标变化趋势图。

4.ChatPPT。ChatPPT 是一款基于语言模型驱动智能生成与辅助创作PPT 演示文稿的产品，可以帮助用户快速生成高质量的演示文稿，从而节省用户的时间和精力。它可以根据用户指定的主题自动构思内容，并生成演示文稿的正文、图示，渲染、制作动画效果，为每一页演示文稿生成演讲词。它也可以根据用户上传的文本生成演示文稿。在本案例中，ChatPPT 工具将作为辅助工具被用来制作财务报表分析汇报材料。

（三）实现步骤

在实践中，本文通过以下步骤实现目标。

1.数据准备。本文案例测试准备数据如下：①Y 集团2022年度年报；②Y集团资产负债表、利润表、现金流量表；③从新浪股票获取的Y集团关键财务指标；④Y集团所在乳制品行业研究报告。其中，Y 集团2022 年度年报为PDF 格式，财务报表数据及财报关键指标被下载并保存在Microsoft Office Excel 表格里。Y 集团的关键财务指标包括2018 ～2022 年的盈利能力指标、成长能力指标、收益质量指标、财务风险指标、营运能力指标。

2.生成年报摘要。本文首先将长达267 页PDF 格式的Y 集团2022 年度年报以URL 链接的形式上传Chat-GPT，并让其总结该年报中与财务最相关的五点核心内容，如图2 所示，ChatGPT 认为资产减值损失、股权收购、商誉减值测试、股本变动以及内部控制制度是Y集团年报中与财务相关的最值得关注的内容。

图2 ChatGPT生成年报摘要

3.生成财务分析报告。在实验过程中，首先在GPT-4的Code Interpreter 模式下上传财报分析所需的Y 集团资产负债表、利润表、现金流量表以及关键财务指标。

接下来更为关键的一步是进行提示词工程（Prompt Engineering），该步骤是提高ChatGPT输出内容质量至关重要的一环。提示词的内容由角色与场景、任务与具体要求、财务报表数据三个部分组成。提示词的内容具体如图3 所示。在提示词中，本文设定了任务背景和Chat-GPT要扮演的角色，并且描述了任务目标和详细要求。

图3 财报分析Prompt提示词设计

ChatGPT 最终依据提示词要求，输出了总字数超过1500字的财务分析报告。该报告内容包括财务指标分析和财务风险分析两个部分：财务指标分析是对盈利能力、成长能力、营运能力、收益质量四个方面指标的趋势进行分析；财务风险分析是对流动比率、速动比率、现金比率、资产负债率、产权比率五个指标进行分析。最后，ChatGPT 对Y 集团的财务报表进行了如下总结：“综上，公司盈利能力和成长能力强，但营运效率和财务风险增加。未来应关注存货和应收账款管理，以及减少财务风险。”

从图4 可以看出，ChatGPT 对指标的分析仅限于指标发生的变动，以及对指标质量进行简单判断，没有进一步说明这些指标变化的原因。

图4 ChatGPT财务分析结果

接下来，本文将提供2022 年乳制品行业发展报告，借助ChatGPT 对Y集团相关指标变化的可能原因展开进一步剖析。由图5可见，ChatGPT结合行业发展报告，对Y集团“公司盈利能力和成长能力强，但营运效率和财务风险增加”的原因给出了较为合理的推断。

图5 ChatGPT结合行业发展报告展开进一步分析

4.形成可视化图表。在形成财务分析报告的文字部分之后，可以进一步在GPT-4 的Code Interpreter 模式下，自动生成可视化图表（图略）。

5.转化为MarkDown。接下来，让ChatGPT 把上述财务报表分析报告的内容转换为MarkDown 文本，以便后续用于生成PPT 演示文稿（图略）。MarkDown 是一种轻量级标记语言，它允许人们使用易读易写的纯文本格式编写文档，例如MarkDown语言使用“#”把文本的格式标记为标题，用“-”把文本标记为列表文本，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，用户在ChatPPT插件里上传MarkDown格式文件，ChatPPT会解析文件内容，生成内容大纲标题并要求用户确认。第二步，用户修改并确认内容大纲标题，ChatPPT就会开始生成演示文稿。

经过比对MarkDown 格式文件与生成的演示文稿的内容，本文发现MarkDown 格式文件里的内容均被包含在演示文稿里，并且ChatPPT 把总结部分原内容由两句话扩展成一段话作为财务管理建议。此外，演示文稿的内容结构符合MarkDown格式文件的格式标记，ChatPPT还为演示文稿增加了主题页、目录页、章节过渡页，同时在页面中适当添加了配图。

在ChatPPT 生成的演示文稿的基础上，还需对内容进行进一步修改，包括把Code Interpreter 生成的指标图片插入到适当的位置、调整内文的布局和格式等，最终得到一份可用的演示文稿。

（四）实现效果评估与应用价值总结

1.实现效果评估。

（1）财务分析报告生成。通过仔细对比本文设定的提示词与ChatGPT 所生成的财务分析报告发现，ChatGPT的输出内容基本满足提示词中有关分析框架规范性、用词专业性以及分析结果可解释性的要求。然而，细节方面仍有不符合预期之处，特别是关于报告字数的要求，模型输出仅1500 余字，未满足提示词中所要求的最少2000字标准。本文认为造成该现象的原因可能是在内容生成过程中，ChatGPT 受到内置算法的限制，无法生成更多与提问具有高相关度的文本。

此外，本文认为使用ChatGPT 进行财务分析仍存在一定的门槛，主要体现在两个方面：一是恰当的提示词设计；二是财务分析报告模板设计。同时，由于ChatGPT本身随机初始化的技术特性，即便使用相同的提示词，每次生成的报告内容也会不同，这为高度标准化的财务分析报告生成带来了一定挑战。

（2）财务指标绘图。Code Interpreter基于财务报表数据进行绘图会产出图片和程序代码两部分内容，它能理解用户提示词的意图并产出符合要求的图片，它撰写的程序代码具有易读、易懂的特点，代码里也有恰当的注释文本帮助用户理解代码各部分的功能。如果在理解程序代码时遇到问题和困难，用户可以进一步让Code Interpreter对所写的代码进行解释。

在研究过程中，本文发现Code Interpreter 绘图时编写的程序代码运行会出错，最终导致绘图失败。尽管Code Interpreter 发现程序报错后会立即着手更正代码，但是它更正的代码往往仅限于报错部分和局部代码，并会单独运行更正的局部代码，这样一来程序运行报错内容就变成了未定义某个变量的错误，最终的结果会导致绘图失败。在这种情况下，用户有两种选择：一是重复操作过程让Code Interpreter 重新绘图；二是把Code Interpreter 生成和更正的代码段复制出来，组合成正确的代码，让Code Interpreter 运行或者粘贴到Python 编译器里运行，以得到要求的图形。

（3）演示文稿。本文经研究发现，使用ChatPPT工具生成的演示文稿内容较为完整，演示文稿的排版、配图基本可以满足日常汇报要求。另外，从ChatPPT 工具本身的设计角度，它把以文字生成PPT 的过程简化成人机协作的几个简单步骤，改善了用户体验。

2.应用价值总结。本文认为对于财务报表分析场景，上述应用框架的价值主要体现在：①节省撰写文字分析内容的时间，用户可将精力集中在分析维度确定、分析方法设计等更高附加值的工作上，并且可以通过调整提示词得到更满意的分析结果。②一键生成演示文稿的模式可以大幅减轻寻找演示文稿模板、搜集图片素材、美化文稿格式等工作的负荷，帮助财务分析人员将更多精力投入文字提炼、整理财务分析逻辑等高附加值工作上，可以将一份财务分析PPT的制作时间缩短至几十分钟。③能有效降低财务分析的门槛，经过简单的入门培训，非财务人员也可以自助得到财务分析报告。④基于ChatGPT强大的语义理解能力，本文将行业研究报告纳入财务分析体系，对财务比率分析的结果进行了进一步解释，得到较为理想的结果，有效地提升了财务分析深度。

除上述优势外，在测试过程中也发现基于ChatGPT进行财务分析存在如下不足之处：一方面，利用ChatGPT开展财务分析的细节有待完善，尤其在涉及复杂财务模型和多变量计算的场景下，其精度和可靠性尚未达到专业财务分析软件的水平。另一方面，ChatGPT 财务分析仍需要一定量的人工操作和手动调整，与全过程自动化存在差距。

五、结论与展望

（一）主要结论

通过深入研究，本文构建了基于ChatGPT的财务分析体系框架，并且通过Y 集团的案例验证了该框架在财务分析方面的可行性和有效性。测试结果表明，本文搭建的应用框架除了可以实现财务比率计算及解释等基础财务分析工作，还可以胜任一些更为复杂的任务。如：通过编程将复杂的数据转换成直观的可视化图表；还可以在第三方工具的加持下，快速创建包含关键观点的演示文稿。

从现实意义来看，基于ChatGPT 的财务分析方法可以自动执行财务分析中常规但费时的基础工作，从而让财务分析人员有更多的时间和精力去进行分析维度、分析方法优化等工作。这不仅提升了分析的效率，也提高了整体的决策质量。

（二）未来展望

本文依据公开财务报表、年报和行业研究报告，对ChatGPT 在财务分析领域的应用性能进行了全面测试。测试结果表明，ChatGPT 能有效完成财务比率分析、指标变化趋势解释等多项任务。然而，当企业考虑将Chat-GPT 用于内部财务指标分析或业财综合分析时，数据安全问题就显得尤为重要。这不仅涉及企业核心机密的保护，也关系到合规性问题。因此，企业在使用ChatGPT进行内部分析时，应采取适当的数据脱敏措施，并构建数据分类分级制度，对可以输入ChatGPT 等大模型用于分析的数据进行明确规定。

尽管在财务分析方面的实践已然证明ChatGPT 行之有效，但是仍待拾遗补缺。首先，未来的研究可以通过固定场景的模板设置，提高ChatGPT 在特定财务分析场景下的精准度。其次，大模型与其他财务工具或系统的集成也是一个值得关注的方向。目前，许多企业已经有较为成熟的财务分析工具，让ChatGPT 与这些系统对接，实现数据的实时更新和分析，将极大地提升其应用价值。最后，未来的研究可探索如何进一步提高ChatGPT在财务分析中的专业性，例如通过引入更多的财务指标、行业知识、财务分析报告示例数据等来精调大模型，从而使得大模型在从事财务分析工作时更加游刃有余。在解决了上述问题之后，以ChatGPT 为代表的大模型有望成为财务分析领域不可或缺的辅助工具，与人类智慧优势互补，构建起人机协同的财务决策模式，这将是一个值得期待的未来。

【 主要参考文献】

金源，李成智.ChatGPT 对智能财务体系的影响：场景优化、技术革新与人员转型［J］.财会月刊，2023a（15）：23 ～30.

金源，李成智.ChatGPT 为代表的大模型对会计人员职能转型的影响与应对——基于调查问卷的例证［J］.财会月刊：2023b（18）：52 ～59.

金源，魏振，李成智.基于ChatGPT的问答式财务知识库构建与应用［J］.财会月刊：2023c（17）：46 ～51.

石冬莲，王博.全球哈佛分析框架：文献综述与研究展望［J］.财会月刊，2019（11）：53 ～60.

伍彬，刘云菁，张敏.基于机器学习的分析师识别公司财务舞弊风险的研究［J］.管理学报，2022（7）：1082 ～1091.

谢明柱.机器学习算法下的多因子量化选股策略［J］.吉林工商学院学报，2021（6）：90 ～97.

袁天荣.大数据财务分析［M］.北京：中国财政经济出版社，2022.

张嵘，毛丽霞.基于业财融合下的企业财务报表分析的思考［J］.商场现代化，2020（23）：166 ～168.

张新民.从报表看企业——数字背后的秘密［M］.北京：中国人民大学出版社，2012.

曾庆超，许诺.机器学习对上市公司年报错报的识别研究——财务重述预测的视角［J］.中国注册会计师，2022（2）：43 ～48.

赵雪峰，吴伟伟，吴德林，国旭，时辉凝.面向特征因果分析的CFW-Boost企业财务风险预警模型［J］.系统管理学报，2022（2）：317 ～328.

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