---
name: aifinlab/a-share-dividend
source: https://app.decimal.ai/s/aifinlab-a-share-dividend@1/SKILL.md
source_sha256: 40154e159c91
---

### 数据源
```bash
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"

# 个股财务指标（盈利/现金流 — 分红可持续性基础）
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]

# 个股行情（计算当前股息率）
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE]

# K线（股价走势 vs 除权日）
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [2年前日期]
```
补充 web 搜索（分红数据 cn-stock-data 不直接提供）：
- 历史分红方案（每股派息、除权除息日）
- 分红频率（年度/半年度/特别分红）
- 分红公告
- 行业分红对比数据

### Workflow (5 steps):

**Step 1: 确定分析模式**
- **个股分红分析**："XX分红怎么样" → 分析单只股票的分红历史和可持续性
- **高股息筛选**："高分红股推荐" → 全市场筛选高股息标的
- **红利策略评估**："红利策略怎么样" → 评估红利因子的市场表现

**Step 2: 数据获取**

**个股模式**：
1. cn-stock-data finance 获取财务数据（净利润、现金流、EPS）
2. cn-stock-data quote 获取当前股价和市值
3. Web 搜索：近 5 年分红方案

构建分红历史表：
| 年度 | 每股派息(元) | 分红总额(亿) | 分红率(%) | 股息率(%) | 除权日 |
|------|------------|------------|---------|---------|--------|

**筛选模式**：
1. Web 搜索高股息率排名（最新数据）
2. cn-stock-data 获取 Top 标的的财务数据验证

**Step 3: 分红质量分析**

**可持续性评估**（核心）：
- 分红率（派息/净利润）：30%-70% 为健康区间
- 经营现金流覆盖度：经营现金流 / 分红总额 > 1.5 为安全
- 连续分红年数：连续 5 年+ 为稳定
- 利润稳定性：净利润波动率，波动越小分红越可持续
- 负债率：高负债公司分红可能不可持续

**分红意愿评估**：
- 大股东持股比例（高→分红意愿强，因为大股东自己收到分红）
- 国企 vs 民企（国企分红政策更稳定，有考核要求）
- 公司章程中的分红政策（部分公司有明确分红承诺）

**Step 4: 估值与收益分析**

- 当前股息率 vs 历史股息率区间
- 股息率 vs 10 年国债收益率（溢价=有吸引力）
- 股息率 vs 行业平均
- 全收益分析：分红收益 + 资本利得

**Step 5: 输出**

### 风格说明
| 维度 | formal（机构红利研究） | brief（个人分红笔记） |
|------|---------------------|---------------------|
| 篇幅 | 3-5 页 | 1 页 |
| 分红历史 | 近 5-10 年完整表格 | 近 3 年关键数据 |
| 可持续性 | 多维度详细评估 | 核心 2-3 项判断 |
| 行业对比 | 同行分红对比表 | 一句话行业对比 |
| 策略评估 | 红利因子历史表现分析 | 当前适合性判断 |
| 免责声明 | 需要 | 不需要 |

### 关键规则
1. **股息率是动态的**：股价下跌会提高股息率，不要仅因高股息率就判断为好标的 — 需排除"价值陷阱"
2. **分红率 vs 股息率**：分红率 = 分红/利润（公司视角），股息率 = 分红/股价（投资者视角），两个都要看
3. **现金流优先于利润**：分红需要真金白银，经营现金流比账面利润更能反映分红能力
4. **关注特别分红**：一次性特别分红不可持续，分析时应剔除
5. **税后收益**：A 股分红需缴纳个人所得税（持股>1年免税，1月-1年10%，<1月20%）
6. **政策推动**：近年监管鼓励上市公司分红，国企分红率提升是确定趋势

## 使用示例

### 示例 1: 基本使用

```python
# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})
```

### 示例 2: 命令行使用

```bash
python scripts/run_skill.py --input data.json
```