FinSight AI是一款 AI 投研代理，其中的财务风险检测模块会自动扫描上市公司年报数据，输出带严重度等级的风险信号。本文带你用 10 分钟读懂它的 4 条核心规则：利润现金含量偏弱、资产负债率偏高、毛利率连续下降、应收账款压力偏高——不看代码也能明白每条规则在"抓"什么风险。

一、风险信号是怎么产生的？

FinSight AI 的风险检测遵循一条清晰的流水线，源码位于 backend/src/main/java/com/finsight/metrics/：

1. 指标计算：CoreFinancialMetricCalculator.java 按年度财报，基于 MetricDefinitionCatalog.java 中定义的metric-dag-v2指标 DAG 计算出一整套财务指标（毛利率、资产负债率、经营现金流/净利润等）。
2. 规则扫描：RiskSignalDetector.java 把指标交给每一条实现了 RiskRule.java 接口的规则逐一评估。
3. 信号落库：MetricApplicationService.java 的recalculate()方法每次全量重建指标后，把检测到的RiskSignal存入数据库，并记录一次计算运行（计算了几份财报、几个指标、几个信号），保证每次检测可追溯。

每条规则都继承自 AbstractRiskRule.java，统一生成带唯一 ID、标题、解释文案和严重度（severity，数值越大越严重）的风险信号。

二、规则一：现金流质量（WEAK_CASH_EARNINGS）

源码：CashEarningsQualityRule.java

这条规则回答一个关键问题：利润到底有没有变成真金白银？它对每个年度财报检查两个条件：

👉新手理解：账面利润漂亮、口袋里却没有现金，是财务造假的经典前兆。第二个信号尤其危险——利润在涨、现金流却在掉，说明利润质量堪忧，严重度直接给到 3。

三、规则二：杠杆压力（HIGH_LEVERAGE）

源码：LeverageRiskRule.java

规则非常直接：资产负债率（DEBT_RATIO）> 65%的年度，就会触发"资产负债率偏高"信号（严重度 2）。

👉新手理解：65% 是一条经验警戒线。超过它意味着企业高度依赖债务运营，一旦利率上行或盈利下滑，偿债压力会明显放大。信号文案也提醒：需结合行业属性评估（地产、城投天然高杠杆，与消费品公司标准不同）。

四、规则三：盈利趋势走弱（PROFITABILITY_TREND_WEAKENING）

源码：ProfitabilityTrendRule.java

这条规则需要至少 3 年数据，检查最近三期的毛利率（GROSS_MARGIN）是否逐期连续下降：

第一年毛利率 > 第二年毛利率 > 最新年度毛利率 → 触发"毛利率连续下降"信号（严重度 2）。

👉新手理解：单年毛利率下滑可能是成本波动，但连续三期下滑往往是结构性问题——价格战、成本上升或产品结构恶化，值得重点深挖。

五、规则四：应收账款压力（HIGH_RECEIVABLE_PRESSURE）

源码：ReceivablePressureRule.java

这条规则盯住"货卖了但钱没回来"的风险，同样是逐年度检查：

👉新手理解：第二个信号是收入确认质量的重要预警——应收收得比卖得还快，可能意味着放宽信用政策冲收入，回款周期在拉长。

六、如何查看与触发风险信号？

风险检测是指标计算的一部分，由 MetricController.java 暴露的 REST API 提供服务：

• 触发全量重算（含风险检测）：POST /api/metrics/recalculate/{companySymbol}
• 查询风险信号：GET /api/metrics/{companySymbol}/risks
• 查看历史计算运行：GET /api/metrics/{companySymbol}/runs
• 查看指标定义清单：GET /api/metrics/definitions

检测出的风险信号不止是列表展示：它们会被写进 AI 分析报告的riskPoints，参与 docs/benchmark.md 中定义的评测维度（如结论一致性），并随报告一起支持 Markdown / PDF 导出与版本 Diff 对比。

如上图所示，当风险信号提示"现金流量质量偏弱"时，你可以在证据来源工作区直接检索"公司经营现金流能否支撑当前利润质量？"，从财报、公告和结构化指标中找到可核验的原始依据——这正是 FinSight AI"结论必须有证据"的设计理念。

七、四条规则速查表

总结

FinSight AI 的财务风险检测设计有三个亮点，值得每个关注基本面分析的学习者借鉴：

1. 规则即组件：每条规则一个类、一个稳定 code、阈值写在代码里，想加新规则只需实现 RiskRule.java 接口，Spring 会自动把它纳入 RiskSignalDetector.java 的扫描链路。
2. 信号可追溯：每次重算都会记录输入财报数量、指标数量、信号数量与时间戳（MetricCalculationRun），历史可查、可复现。
3. 与 AI 报告联动：风险信号会进入 AI 研报的riskPoints和数据快照哈希，底层数据一变，报告就重新生成，避免"拿旧结论回答新行情"。

更多架构细节可阅读 docs/architecture.md 与 docs/product-requirements.md。