aifinlab/global-approval-anomaly

Global Approval Anomaly Risk Identifier

Skill 名称

Global Approval Anomaly Risk Identifier（上市企业审批异常风险识别）

数据来源

本 Skill 使用公网可查、可复核的数据源，对上市企业进行审批异常风险识别：

1. 巨潮资讯网（CNINFO）公告
   用于抓取上市公司公告标题、公告时间、公告类型与摘要线索，重点检索以下关键词：

   • 未履行审议程序
   • 未履行审批程序
   • 追认
   • 补充审议
   • 关联交易
   • 对外担保
   • 资金占用
   • 内部控制缺陷
   • 问询函
   • 监管函

2. 中国证监会/地方证监局公开处罚与监管信息
   用于提取企业是否存在因未履行审批程序、违规担保、信息披露违规、关联交易未审议等被处罚或点名的记录。

3. 上市公司年报、半年报、内控评价报告（若能在公网直接获取）
   用于识别“审批异常 + 财务或治理异常”的联动模式，例如：

   • 审批异常与对外担保高发并存
   • 审批异常与资金占用并存
   • 审批异常与内控否定/保留意见并存

默认示例企业：广东柏堡龙股份有限公司（002776.SZ）。该公司曾被证监会认定存在“对外担保未履行审批程序且未及时披露”等问题，适合作为审批异常风险识别案例。

功能

1. 识别审批异常事件

自动从公告与监管文本中识别以下异常模式：

• 未履行董事会/股东大会审议程序
• 事后追认或补充审议
• 重大担保未经审批
• 关联交易未经审批或披露不足
• 非经营性资金占用对应审批缺失
• 重大事项先实施后审议

2. 事件打分与分级

对每个事件按关键词、金额、事件类型、监管层级进行打分，输出：

• 单条事件风险分
• 企业总体审批异常风险分
• 风险等级：Low / Medium / High / Critical

3. 生成可审计结论

输出结构化结果：

• company
• event_date
• source_type
• title
• matched_rules
• risk_score
• evidence
• final_level

4. 支持规则扩展

通过 script/fraud_rules.json 可自行扩展规则词典，便于加入行业特定审批异常特征。

使用示例

安装依赖

pip install -r requirements.txt

运行示例（默认分析柏堡龙）

python script/run_demo.py

指定企业代码与名称

python script/run_demo.py --symbol 002776 --company "柏堡龙"

自定义公告抓取页数

python script/run_demo.py --symbol 002776 --company "柏堡龙" --pages 5

输出结果文件

执行后会在 output/ 目录生成：

• events.csv：识别到的审批异常事件
• summary.json：企业总体风险摘要
• evidence.md：证据汇总报告

交易说明

1. 本 Skill 仅用于风险研究、合规排查、投研辅助和教学示例，不构成任何证券投资建议。
2. 审批异常风险识别是基于公开文本规则与启发式评分，不能替代律师、会计师、审计、内控或监管结论。
3. 结果可能受到公告遗漏、网页反爬、历史数据缺失、关键词歧义等影响，应结合原始公告全文与监管文件复核。
4. 对于投资交易使用场景，建议将该 Skill 的输出作为预警信号，而非直接买卖依据。
5. 若用于自动化交易或量化筛选，请加入人工复核、公告全文解析、时间窗校验和误报控制机制。

License

• 本 Skill 自编代码采用 MIT License。详见根目录 LICENSE 文件。
• 第三方公网数据的知识产权归原始发布机构或网站所有；使用者应自行遵守相应网站条款、robots 规则、版权说明和监管要求。
• 若目标站点接口策略、字段或访问方式发生变化，需要自行维护抓取逻辑。