从官方披露渠道（巨潮资讯网 cninfo，证监会指定信息披露平台）自动获取 A 股上市公司定期报告， 抽取三大合并报表金额，统计首位数字 1–9 的分布，并检验其是否符合 Benford 对数分布。
图形界面 ｜ 命令行 ｜ 可复用 Python 包 ｜ Python 3.10+ ｜ MIT License
- 🔍 任意 A 股：输入代码 / 简称 / 拼音搜索，自动列出该公司全部年报、半年报、一季报、三季报
- 📊 严谨的检验：卡方拟合优度、Nigrini MAD 阈值、KS 型统计量，以及不依赖固定阈值的蒙特卡洛 MAD 检验
- 🔢 首位 + 末位双重检验：首位数字对比 Benford 对数分布；末位数字检验 0-9 均匀性， 并自动剔除整元/整百等明显取整金额（其末位被舍入固定，不满足均匀前提）
- 🧮 多口径稳健性：本期/期末金额、含同比列、去重唯一值、绝对值阈值、分表、分时段共 9 个数据集
- ✅ 数据质量自证：会计恒等式（资产 = 负债 + 所有者权益）与跨报告期衔接逐项核对
- 🧩 版式自适应：带序号标题、纯数字附注列、章节引用列、表格页被抽成一行等情况都能处理
- ⚡ 快：pypdfium2 抽取 + 按需 pdfplumber 复核，13 份年报约 30 秒（不含首次下载 PDF）； PDF / 文本 / 结果三级缓存，重复分析同一公司只需数秒
到 Releases 下载：
| 文件 | 说明 |
|---|---|
EconomyCheck-v1.0.0-win64-portable.zip |
便携包（推荐）：解压即用，启动快，内含 GUI 与 CLI |
EconomyCheck-v1.0.0-onefile.zip |
单文件版：每个程序仅一个 exe，便于单独拷贝（启动需解压到临时目录） |
SHA256SUMS.txt |
压缩包校验和 |
无需安装 Python 与依赖；解压后双击 EconomyCheck.exe 即可。需要联网（数据取自巨潮资讯网官方披露）。
未做代码签名，首次运行 SmartScreen 可能提示"未知发布者" → 「更多信息」→「仍要运行」。
依赖装在项目内的 .pylibs，不污染全局 Python 环境：
$env:PIP_USER="0"
python -m pip install --no-user --target .\.pylibs -r requirements.txt.\启动GUI.bat # 双击亦可，无控制台窗口
python run_gui.py 601799 # 或任意终端启动，并自动搜索该代码python run_cli.py 601799 --kinds annual --last 8 # 最近 8 期年报
python run_cli.py 宁德时代 --from-year 2018 # 支持简称，2018 年至今
python run_cli.py 300750 --kinds annual,semi --out .\out\catl| ① 选择公司 / ② 选择报告 | ③ 分析结果 |
|---|---|
 |
|
| 质量校验（恒等式 + 跨期衔接） | 搜索非上市公司时的提示 |
|---|---|
 |
 |
操作流程：① 搜索公司 → 双击选中 → ② 勾选报告类型/年份，一键「推荐（近 8 期年报）」→ ▶ 开始分析 → ③ 查看分布图、检验结论、分布明细、质量校验 → ④ 筛选明细数据、导出 CSV / 报告 / 图片。 分析在工作线程中执行，界面不卡顿，随时可「停止」。
数据全部来自巨潮资讯网 A 股定期报告披露库：
| 输入示例 | 是否支持 | 说明 |
|---|---|---|
| 星宇股份 / 601799 / 300750 / 833171 | ✅ | 沪市 6xxxxx、深市 0xxxxx/3xxxxx、北交所 4xxxxx/8xxxxx |
| 字节跳动 / 抖音 / 华为 | ❌ | 非上市公司没有公开定期报告，界面会明确提示并给出建议 |
| 腾讯 00700 / 阿里巴巴 09988 | ❌ | 港股定期报告在香港交易所披露，不在该库中（界面提示「均非 A 股」） |
python run_cli.py <代码或简称> [选项]
--kinds annual,semi,q1,q3 报告类型，默认 annual
--from-year / --to-year 年份区间
--last N 只取最近 N 期
--out DIR 输出目录（默认 data/<代码>_<简称>）
--include-summary 包含报告摘要（默认排除）
--list-only 只列出报告，不下载分析
退出码：0 成功，1 有报告未解析出数据，2 公司不存在或非 A 股。
from echeck import cninfo, pipeline
comp = cninfo.search_companies("601799")[0] # {'code','name','org_id',...}
reps = cninfo.list_reports(comp["code"], comp["org_id"], ["annual"])
reps = [r for r in reps if not r["is_summary"] and not r["is_hk"]]
reps.sort(key=lambda r: r["period"]) # 接口默认按公告日期倒序
res = pipeline.run_analysis(comp, reps[-8:]) # 进度/取消回调可选
m = res.main
print(m["n"], f"χ²={m['chi2']:.2f}", f"p={m['p_value']:.3f}", m["verdict"])
print(res.validation["identity_ok"], "/", res.validation["identity_total"])
print(res.paths["results"]) # 报告/图/CSV 输出目录底层模块也可单独用：pdftext.extract_text() → parse.rows_from_text() →
stats.validate() / stats.analyze_all() / viz.render_figure()。
每家公司的工作目录为 data/<代码>_<简称>/，其中：
| 路径 | 内容 |
|---|---|
pdf/ txt/ |
官方 PDF 与抽取文本（带缓存版本头，升级解析逻辑后会自动重抽） |
results/benford_report.md |
完整结论：分布明细表、子样本稳健性、校验结果、局限 |
results/benford_first_digit.png |
实际分布 vs Benford 期望对比图 |
results/last_digit.png |
末位数字 0-9 分布图（含 10% 期望参考线） |
results/benford_first_digit.csv |
各数据集 × 首位数字的明细统计 |
results/validation.md |
会计恒等式 + 跨报告期衔接（含差异明细） |
results/amounts_raw.csv |
解析出的全部报表数据行 |
results/manifest.json |
本次分析所用报告的官方下载地址 |
数据覆盖 13 期定期报告（2015–2025 年报 + 2026 半年报 + 2026 一季报）的三大合并报表：
| 项目 | 结果 |
|---|---|
| 样本 | 本期/期末金额 n = 1400（另有 2715 条含同比列的金额） |
| 卡方检验 | χ² = 7.33，df = 8，p = 0.502 |
| MAD | 0.0069（Nigrini：可接受） |
| 蒙特卡洛 MAD（2 万次） | p = 0.331 |
| KS 型统计量 | D = 0.0139 < 5% 临界值 0.0363 |
| 结论 | 符合 Benford 对数分布（9 个首位数字的 |z| 均 < 1.96） |
| 首位数字 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
|---|---|---|---|---|---|---|---|---|---|
| 实际占比 | 28.71% | 17.86% | 14.14% | 10.43% | 7.21% | 6.43% | 6.29% | 4.57% | 4.36% |
| Benford 期望 | 30.10% | 17.61% | 12.49% | 9.69% | 7.92% | 6.69% | 5.80% | 5.12% | 4.58% |
末位数字 0-9 均匀性：候选 1400 个 → 剔除明显取整 91 个（6.5%）→ 有效 n = 1309， χ² = 15.84（df=9，p = 0.070），蒙特卡洛 p = 0.134 → 不拒绝 0-9 均匀分布。
| 末位数字 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
|---|---|---|---|---|---|---|---|---|---|---|
| 实际占比 | 7.64% | 11.54% | 10.47% | 9.93% | 10.47% | 8.63% | 9.63% | 10.62% | 9.93% | 11.15% |
| 期望 | 10% | 10% | 10% | 10% | 10% | 10% | 10% | 10% | 10% | 10% |
数据质量校验：会计恒等式 13/13 期通过（差异 0.00），跨报告期衔接 902/933 项一致（96.7%）。 差异项逐条核对后确认均为真实重述/重分类，例如 2018 年新金融工具准则将应收利息与应收股利 并入其他应收款、2021 与 2024 年运输费在销售费用与营业成本之间的重分类、每股收益的四舍五入。
与早期一次性脚本的差异（点击展开）
results/ 是用本工具链复算 13 期报告的输出，与早期脚本 tools/（pdfplumber 路径）的结果
差异 ≤0.2%：n = 1400 vs 1402，χ² = 7.33 vs 7.14，结论相同。差异来自两种 PDF 后端对个别
换行的切分方式，不影响结论。
搜索公司 → 列定期报告 → 下载 PDF → 抽取文本 → 定位三大合并报表 → 抽取金额
→ 数据质量校验 → 首位数字(Benford) + 末位数字(0-9 均匀) 检验 → 出报告/图/CSV
- 搜索公司：cninfo
topSearch接口，返回代码 / 简称 / 拼音 / orgId - 列定期报告：
hisAnnouncement接口按类别分页拉取，解析报告期标签（2025年报、2026H1、2026Q1）， 过滤摘要与港股公告，同一期的「正文/全文」只保留全文 - 下载 PDF：
static.cninfo.com.cn/finalpage/...，带重试与缓存 - 抽取文本：pypdfium2 为主（比 pdfplumber 快约 40 倍），逐页检测「整页被合并成一行」的表格页， 只对这些页改用 pdfplumber 重抽
- 解析报表：以「标题独占一行 + 随后出现编制单位 / 单位：元」定位合并资产负债表、利润表、现金流量表，
清洗附注索引列（
七、1）、章节引用（第十一节、）、条目编号（（2））、页码与日期 - 质量校验：会计恒等式 + 跨报告期衔接；不达标时自动改用 pdfplumber 整份复核并取更优结果
- 首位数字检验：主口径 + 8 个子样本对比 Benford 对数分布，卡方 / MAD / KS / 蒙特卡洛
- 末位数字检验：先剔除明显取整的金额（报告形态下 ≥2 个连续尾零）， 再用卡方（df=9）+ 蒙特卡洛检验 0-9 是否均匀；输出报告、CSV 与两张分布图
run_gui.py / 启动GUI.bat 图形界面入口（另附「启动GUI-带日志.bat」排障用）
run_cli.py 命令行入口
echeck/ 工具包
config.py 路径与报表标题等常量
cninfo.py cninfo 官方接口：搜索 / 列报告 / 下载
pdftext.py PDF → 文本（含表格页修复与缓存）
parse.py 定位三大合并报表并抽取金额
stats.py 统计检验 + 数据质量校验 + 报告导出
viz.py Pillow 绘图（不依赖 matplotlib）
pipeline.py 端到端编排（进度回调 + 可取消）
gui.py tkinter 界面
data/<代码>_<简称>/ 每家公司的工作目录（pdf/ txt/ results/）
raw/ 星宇股份示例的原始 PDF / 文本 / 早期解析结果
results/ 星宇股份示例的分析产物
tools/ 自检、回归与早期一次性脚本
logs/gui.log GUI 启动与异常日志
各家年报的表格版式差别很大，以下是实测踩到并已处理的情况：
| 现象 | 实例 | 处理方式 |
|---|---|---|
| 报表标题带序号 | 青岛食品 1、合并资产负债表 |
比对前先去掉行首序号（1、/（一）/一、） |
| 附注列是纯数字 | 贵州茅台 货币资金 1 51,690,610,946.50 |
识别「纯数字 ≤999 且后面还有带小数金额」的首列是附注号并丢弃 |
| 附注列是章节引用 | 国航远洋 货币资金 第十一节、 230,739,368.97 |
清洗时一并剔除 第十一节、 这类引用 |
| 表格页被抽成一行 | 青岛食品 2025 年报第 62 页 | 逐页检测「疑似合并行」，只对这些页改用 pdfplumber 重抽 |
| 版式仍不理想 | 三表没定位齐 / 每表不足 10 行 / 项目名被污染 | 自动改用 pdfplumber 整份复核并取更优结果（复核标记写入缓存，不重复跑慢路径） |
| 同一期有正文和全文 | 2020年第一季度报告正文（不含报表） |
列表去重，优先保留「全文」 |
| 项目名跨行断开 | 所有者权益（或股 + 东权益）合计 |
按多种相邻行组合还原，取「像项目名」的那个 |
| 结果不可复现 | 同一 PDF 两次解析结果不同 | 文本统一转 LF 并以 newline="\n" 写缓存，杜绝 Windows 换行转换改变行结构 |
双击 启动GUI.bat 没反应 / 闪一下就没了
启动脚本会把全过程写入 logs/gui.log，失败时还会弹出错误框：
Get-Content logs\gui.log -Tail 30| 日志内容 | 原因 | 处理 |
|---|---|---|
缺少依赖：pillow, pdfplumber, pypdfium2 |
依赖未装或装到了别处 | 按弹窗提示执行 pip install --target .\.pylibs ... |
[ERROR] Python 3 not found in PATH |
未安装 Python 或未加入 PATH | 安装 Python 3 并勾选 Add to PATH |
| 无任何日志 | 启动脚本未被执行 | 改用「启动GUI-带日志.bat」或 python run_gui.py 查看报错 |
微软商店版 Python 的进程名是
pythonw3.10而不是pythonw，因此启动器不做进程名探测， 改由程序自身写日志与弹框。
搜索某公司没有反应 / 搜不到
只支持 A 股上市公司。非上市公司（字节跳动、华为）与港股（腾讯 00700、阿里 09988） 没有对应的定期报告披露库，界面顶部会显示红色的「未找到匹配的上市公司」并给出原因。
提示「没有解析到任何报表数据」
工具会逐期说明原因（未定位到报表 / 疑似扫描件 / 版式不符）并给出建议。常见处理： 确认勾选的是「年度报告全文」而非摘要；换其它报告期；若文本汉字数极少，多为扫描版 PDF， 需要 OCR，本工具暂不支持。
结论是「拒绝 Benford」，是不是有问题？
先看样本量。n 小于约 500 时检验结论不稳定，界面会主动提示「样本偏小，建议多勾选几期」。 一般建议至少 6–8 期年报（n ≥ 600）。此外公司规模快速增长会使金额整体上移， 抬高首位 1–2 的占比，这属于正常的规模效应。
# GUI 自检：渲染断言
python tools\gui_selftest.py
# 输出界面截图（results/gui/）
python tools\gui_selftest.py --shots
# 联网 + 多线程全流程自检
python tools\gui_selftest.py --online
# 跨公司版式回归（沪/深/北/科创 7 家公司）
python tools\regression_companies.py
# 复算星宇股份交付结果并与工具输出对账
python tools\verify_delivery.py
# 打包 Windows 可执行文件（需先装 pyinstaller：pip install --target .\.pylibs pyinstaller）
python tools\make_icon.py # 生成 assets/icon.ico
python tools\build_exe.py # 同时产出便携包与单文件包到 build/release/
python tools\build_exe.py --mode onedir # 只做便携包（启动快）当前回归结果（每家公司取最新年报）：
OK 601799 星宇股份 行数 108 (BS 45/IS 35/CF 28) 恒等式 1/1
OK 001219 青岛食品 行数 114 (BS 48/IS 33/CF 33) 恒等式 1/1
OK 300750 宁德时代 行数 150 (BS 63/IS 48/CF 39) 恒等式 1/1
OK 600519 贵州茅台 行数 126 (BS 52/IS 40/CF 34) 恒等式 1/1
OK 000625 长安汽车 行数 141 (BS 61/IS 44/CF 36) 恒等式 1/1
OK 833171 国航远洋 行数 118 (BS 48/IS 38/CF 32) 恒等式 1/1
OK 688981 中芯国际 行数 156 (BS 47/IS 41/CF 68) 恒等式 1/1
- 卡方检验假设样本独立，而同一报表内各科目存在会计勾稽关系，p 值应视为参考而非严格推断
- 样本量偏小、公司规模快速变化、行业特性都会影响首位数字分布，结论需要结合具体业务判断
- 末位数字检验只对末位不受人为约束的数有效：工具已剔除明显取整的金额
（报告形态下 ≥2 个连续尾零，如
100,000,000.00、500,000）， 剔除数量与占比会在报告中列明；若剔除后样本量过小，结论稳定性下降 - Benford / 末位数字检验只能说明「数字分布是否自然」，不能单独证明或排除财务舞弊
- 数据来自公开披露文件，解析结果可能存在误差，不构成任何投资建议；请以官方披露原文为准
MIT License © 2026 Carry