做港股研究的人都知道，年报里 200 多页 PDF 里那几十个关键数字才是真的有用 —— 但提取它们的方式可以差出一个数量级的工作量。
本文对比当前主流的三种港股年报数字提取方法：
- 方法一：手抄到 Excel
- 方法二：用 Wind / 同花顺 / Bloomberg 终端的二次分发
- 方法三：用 HKFilings 这样的自动抽取工具
每种方法都有它适合的场景。我们按 4 个维度逐一拆解：可追溯性、成本、规模化、可维护性。
方法一：手抄到 Excel
最古老、也最准确的方法。打开 PDF，找到合并财务报表，逐行抄到 Excel 模板里。一份港股年报通常 200-400 页，需要找的是：
- 综合损益表（收入、毛利、经营利润、归母净利润 等 ~12 行）
- 财务状况表（总资产、各类流动 / 非流动资产、负债、权益 等 ~30 行）
- 现金流量表（经营 / 投资 / 筹资三大活动 + 各自细项 ~25 行）
- 分部信息附注（按业务 / 地理拆分，互联网公司常 7+ 分部）
- 关键 KPI（如友邦的 VONB / EV，互联网的 GMV / Take Rate）
优点
- 100% 可追溯：你自己抄的，自然知道每个数字在第几页
- 会计口径完全清晰：边抄边读附注，对披露背景理解最深
- 无任何工具成本：Excel 够用
缺点
- 耗时极高：一份港股年报熟练分析师 4-8 小时，新人 12-16 小时
- 易出错：千 / 百万 / 亿单位混排、繁简英术语切换、人手抄错率 1-3%
- 难规模化：要追踪 30 家公司的最近 4 期数据 = 120 份报告 × 6 小时 = 720 工时
- 跨期可比性差：一旦披露口径变更（如阿里 2024 年新增分部），需要回溯调整历史数据
适合：评估 1-2 家公司的深度研究，新分析师培训，或确认终端数据存疑时的人工复核。
方法二：Wind / 同花顺 / Bloomberg 终端
大多数机构研究员的默认选择。每月 / 每年支付订阅费，从终端的「财务报表」模块直接拿表格化数据。
优点
- 快：拉一家公司近 5 年三表 = 几分钟
- 覆盖广：不止港股，A 股 / 美股 / 欧股全市场
- 结合行业 + 宏观 + 资讯：在同一个终端解决多个研究需求
缺点
- 口径不透明：终端给「成品数字」，但对披露口径变更（restated、剥离、并购）的追溯调整经常未披露
- 不可点回原文：终端的数字背后没有源页定位，遇到怀疑只能自己去翻 PDF 复核（又回到方法一）
- 非标准 KPI 缺失：互联网公司的「调整后 EBITA」、保险公司的「VONB Margin」终端常不及时收录
- API 价格昂贵：Wind API 数万 RMB / 年，Bloomberg API 数十万美元 / 年；批量喂模型 / Agent 不友好
- 授权限制：终端数据不允许重新分发，无法直接入自己的数据库或建研究底稿
适合：以宏观 + 二级市场报价 + 卖方研报为主的综合性投研团队；不需要源页可追溯的快速对比；预算充足的大机构。
方法三：HKFilings 这样的自动抽取工具
把港股年报 PDF 直接作为输入，自动解析 + 抽取 + 校验，输出结构化财务事实。每个数字附 source_page + bbox，可点回 PDF 原文位置。
HKFilings 怎么做的
- 下载：HKEXnews 公告 PDF（按 ticker + 年度自动拉，或上传本地 PDF）
- 解析：PyMuPDF + pdfplumber 提取文本 + 表格 + bbox
- 双通道抽取：规则匹配（三表核心指标）+ LLM 抽取（非标披露 / 行业 KPI）
- 校验：10 条会计 / 同比 / 单位一致性规则自动跑（资产 = 负债 + 权益 等）
- 持久化：结构化事实写入数据库，附 schema 版本签名
- 复核：失败字段进入复核队列，分析师点击 = 跳转源页 + 高亮数字
优点
- 速度 ≈ 方法二 + 准确性 ≈ 方法一：3-8 分钟拿一份完整结构化结果
- 源页可追溯：每个数字都能反查到 PDF 第几行 + bbox 高亮位置
- 会计口径透明：10 条结构化校验规则全部公开，校验失败自动入复核
- 规模化便宜：Pro 每月 200 份 ¥499 ≈ 12 个分析师工时（按港股研究团队人力成本估算）
- API 友好：v1 REST + Python SDK + 冻结 JSON Schema，可直接喂模型 / Agent
- 数据归你：JSON / CSV / MD / Excel 全格式无水印导出，可入自己数据库
缺点 / 局限
- 当前覆盖 50 家头部港股（持续扩展中）—— 非头部小盘 / 复杂结构需要等 golden set 扩
- 不做宏观 + 二级市场报价 + 卖方研报（不是综合终端）
- ≥ 95% fact-level 命中率意味着 ~5% 字段需要复核 —— 不是 100% 自动
适合：聚焦港股深度研究的卖方分析师 / 买方研究员、小型私募 / 家办自建数据库、AI 投研 / 量化团队需要稳定 API。
4 维对比表
| 维度 | 手抄 | Wind / 同花顺 | HKFilings |
|---|---|---|---|
| 可追溯性 | ★★★★★ | ★★ | ★★★★★ |
| 速度 / 份报告 | ★（4-8 小时） | ★★★★★（分钟） | ★★★★（3-8 分钟） |
| 边际成本 | ★（高时间成本） | ★★★（订阅） | ★★★★（订阅） |
| 规模化 (30+ 公司) | ★ | ★★★★ | ★★★★★ |
| API 友好性 | — | ★★（贵） | ★★★★★（标准 REST） |
| 数据所有权 | ★★★★★（你抄的） | ★（授权限制） | ★★★★★（你导出的） |
| 会计口径透明度 | ★★★★★ | ★★ | ★★★★★（10 条公开校验） |
什么时候用哪种？
- 1-2 家公司的深度研究：手抄。慢但理解最透。
- 跨市场 + 综合研究（宏观 + 港股 + A 股 + 资讯）：终端。覆盖广。
- 纯港股深度研究 / 自建数据库 / API 喂模型：HKFilings。源页可追溯 + 规模化便宜。
- 混合用：实际上是终端 + HKFilings 的组合最常见 —— 终端拿宏观 + 资讯，HKFilings 拿可追溯的港股财务事实。
下一步
想试试 HKFilings？免费 5 份报告，覆盖 50 家头部港股。或者看 完整抽取流程 / 定价 / API 文档。