用 AI 讀財報的實際流程：這個網站的每篇分析是怎麼做出來的

財報發布後的那一週，是資訊品質最差的一週。不是因為資訊太少，而是太多——同一家公司、同一個星期，不同媒體會給你完全不同的數字。

一個實際的例子：NVIDIA 這季財報後，媒體報導引用的本益比，從「不到 15 倍」到「33 倍」都有——同一家公司，八種數字。它們大多沒有說明分母用的是哪一種每股盈餘，而 NVIDIA 這季恰好是 GAAP 與調整後盈餘方向相反的罕見情況，用錯分母，「便宜」和「不便宜」的結論會直接對調。

這篇文章不談任何一家公司，談方法：這個網站上每一篇財報分析，是用什麼流程做出來的。這套流程的核心工具是 AI，而它的每一步，一般投資人現在都做得到。

第一步：從官方文件拿數字，不從新聞

所有財務數字只有一個來源：公司向美國證券交易委員會（SEC）申報的官方文件——財報發布是 8-K、季報是 10-Q、年報是 10-K。這些文件全部公開、免費，任何人都能下載。

過去不這麼做的原因很簡單：一份季報動輒上百頁，逐頁讀完不現實，所以大家讀的是媒體的摘要。AI 改變的正是這件事——讓 AI 直接讀原始文件，把三大報表、附註、管理層討論逐項抽出來，人只看整理後的結果。轉述的環節消失了，上面那張圖的問題就消失了。

📖 口徑：同一個指標的不同計算方式。例如本益比的分母可以是 GAAP 每股盈餘、調整後每股盈餘、過去十二個月或未來十二個月的預估值——四種組合算出四種本益比，都叫「本益比」。讀到任何倍數，第一件事是問「分母是什麼」。

第二步：讓 AI 驗算，不讓 AI 直接給答案

AI 會出錯，所以流程裡驗證比抽取更重要。實際做法有兩層：

• 數字互相驗算：抽出來的毛利率，用同一份文件裡的毛利除以營收重算一次；年增率用今年與去年的原始數字重算。算不攏就標記，不放行。
• 口徑對齊：每個指標記下它的計算方式。前面那張圖裡我方的兩個數值（GAAP 26.37 倍、調整後 29.2–31.3 倍）之所以可以放心用，是因為分子分母都寫得出來。

這一步聽起來繁瑣，但它是 AI 分析與「請 AI 隨便聊聊這檔股票」的分界線。

第三步：先掃市場風向，再決定寫什麼

數字整理完，下一步不是動筆，是先讀市場——財報後兩三天的媒體報導、分析師動作、管理層受訪。目的有兩個：

1. 知道市場在爭論什麼：文章要回答讀者正在想的問題，而不是自顧自地把報表講一遍。
2. 建立對照清單：媒體說了什麼、文件實際寫了什麼，逐項對過去。多數時候兩邊一致；不一致的地方，往往就是最有價值的內容——例如媒體整週都在引用的低本益比，文件口徑算出來其實高了一截。

第四步：判斷留給人

AI 在這套流程裡做的是苦工：讀文件、抽數字、驗算、掃新聞、畫圖。但「這代表什麼」的判斷仍然是人做的——哪個矛盾值得寫、風險偏多還是偏空、結論下到什麼程度，這些是作者的責任，也是文章的價值所在。

AI 沒有讓判斷消失，它讓判斷第一次建立在完整的資料上。過去是「讀了三篇新聞就下結論」，現在是「讀完原始文件、對完市場說法之後下結論」——判斷的品質差在輸入，不在智商。

想自己動手的三個起點

1. 下一次看到本益比，先問口徑：分母是 GAAP 還是調整後、是過去還是預估。只做這一件事，就能過濾掉大部分誤導性的「便宜／太貴」說法。
2. 找一份原始文件讀讀看：SEC 的 EDGAR 系統免費公開所有申報文件。不必逐頁讀，先看財報新聞稿（8-K 附件）的損益表，對照當天新聞的說法。
3. 讓 AI 當你的第一位讀者：把文件交給 AI，要求它「列出數字並註明出處頁碼」，再自己抽查幾個。從第一天就養成驗證的習慣，這比任何工具技巧都重要。

這套方法是可以系統性學會的。我把完整流程——從工具設定、文件取得、驗證方法到產出分析——做成了線上課程「高效 AI 投資術」，不需要寫程式，照著流程操作就能建立自己的分析習慣：【課程連結】

結論

1. 財報週的媒體數字彼此矛盾是常態（同一週八種本益比），根源是口徑不透明；解法不是找更多新聞，是回到官方文件。
2. AI 讓「直接讀原始文件」從專業機構的特權變成一般投資人的日常，但流程的關鍵在驗證——數字互相驗算、口徑逐項對齊。
3. AI 做苦工，人做判斷：這個網站的每篇分析都出自這套流程，而它的每一步都學得會。