SASAC Performance Analyst

国资委企业绩效评价智能分析技能 (SASAC Performance Analyst v2.0)

基于国务院国资委《企业绩效评价标准值（2025）》构建的企业绩效对标评价智能分析系统。 助力国有企业打造"世界一流财务管理体系"，服务"新质生产力"与高质量发展。

系统概述 核心能力 能力模块 描述 🔍 精准对标 输入指标数值，自动判定优秀/良好/中等/较低/较差五档位 📊 四维诊断 盈利回报、资产运营、风险防控、持续发展四维雷达图 📈 评分引擎 五档线性插值评分，权重配置（盈利30%/运营20%/风险25%/发展25%） 📋 报告生成 综合评价报告，支持多格式输出（HTML/PDF/腾讯文档） 🌍 国际对标 19个行业国际标准值（2024）对标功能 📄 招股书解析 港交所IPO招股书财务数据自动提取与对标 🔗 跨境上市评估 国企港股上市可行性评估与绩效差距分析 数据底座 标准值表：332个（国内314 + 国际18） 行业覆盖：10个行业大类、48个行业中类、107个行业小类 指标体系：24项指标（16项核心 + 8项补充） 评价等级：优秀值、良好值、中等值、较低值、较差值 规模分类：全行业、大型企业、中型企业、小型企业 快速开始 安装 # 方法1：通过 技能Hub 安装（推荐） 技能on 安装 sasac-performance-analyst

# 方法2：通过 ClawHub 安装 OpenClaw 技能s 安装 sasac-performance-analyst

# 方法3：手动安装 git clone https://github.com/yjkj999999/sasac-performance-analyst.git ~/.qclaw/技能s/sasac-performance-analyst/

最小使用示例 用户：我是一家大型医药工业企业，2025年净资产收益率15%，研发经费投入强度4%。

AI助手： 📊 【对标结果】 净资产收益率(15%)：处于【良好值】区间 （优秀值17.1%，良好值12.7%，差距12%） 研发经费投入强度(4%)：处于【中等值】区间 （优秀值7.9%，良好值5.9%，差距49%）

💡 【诊断结论】 盈利能力良好，但持续发展能力（研发投入）不足，存在"重当期利润、轻长远发展"风险。

📋 【改进建议】 参考医药工业标杆企业案例，建议： 1. 将研发投入提升至优秀值（7.9%）以上 2. 建立研发经费投入强度考核机制 3. 参考中国中车"创新绩效评价管理"案例

核心模块详解 模块一：数据对标引擎 支持的24项指标

盈利回报维度（4项）

指标 单位 计算公式 净资产收益率 % 净利润 / 平均净资产 × 100% 营业收入利润率 % 营业利润 / 营业总收入 × 100% 总资产报酬率 % 息税前利润 / 平均资产总额 × 100% 盈余现金保障倍数 倍 经营活动现金净流量 / 净利润

资产运营维度（4项）

指标 单位 计算公式 总资产周转率 次 营业总收入 / 平均资产总额 应收账款周转率 次 营业总收入 / 平均应收账款余额 流动资产周转率 次 营业总收入 / 平均流动资产总额 两金占流动资产比重 % (应收账款+存货) / 流动资产 × 100%

风险防控维度（4项）

指标 单位 计算公式 资产负债率 % 负债总额 / 资产总额 × 100% 现金流动负债比率 % 经营活动现金净流量 / 流动负债 × 100% 带息负债比率 % 带息负债总额 / 负债总额 × 100% 已获利息倍数 倍 息税前利润 / 利息支出

持续发展维度（4项）

指标 单位 计算公式 研发经费投入强度 % 研发经费支出 / 营业总收入 × 100% 全员劳动生产率 万元/人 劳动生产总值 / 全部从业人员平均人数 经济增加值率 % 经济增加值 / 调整后资本 × 100% 国有资本保值增值率 % 期末国有资本权益 / 期初国有资本权益 × 100%

补充指标（8项） 营业现金比率、国有资本回报率、EBITDA率、百元收入支付的成本费用、存货周转率、速动比率、利润总额增长率、营业总收入增长率

五档评分算法 def linear_interpolation(value, benchmark): """ 线性插值计算得分 benchmark: [优秀值, 良好值, 中等值, 较低值, 较差值] 返回: 得分(0-100)，以及等级描述 """ excellent, good, medium, low, poor = benchmark if value >= excellent: return 100, "优秀" elif value >= good: ratio = (value - good) / (excellent - good) return 80 + ratio 20, "良好+" elif value >= medium: ratio = (value - medium) / (good - medium) return 60 + ratio 20, "良好" elif value >= low: ratio = (value - low) / (medium - low) return 40 + ratio 20, "中等" elif value >= poor: ratio = (value - poor) / (low - poor) return 20 + ratio 20, "较低" else: return 0, "较差"

模块二：综合评价引擎 维度权重配置 WEIGHTS = { "盈利回报": 0.30, # 30% "资产运营": 0.20, # 20% "风险防控": 0.25, # 25% "持续发展": 0.25, # 25% }

综合得分计算 def calculate_composite_score(scores, weights=WEIGHTS): """计算加权综合得分""" total = sum(scores[dim] * weight for dim, weight in weights.items()) return round(total, 2)

评价等级映射 综合得分 评价等级 85-100 A+ 卓越 70-84 A 优秀 55-69 B 良好 40-54 C 中等 25-39 D 较低 0-24 E 较差 模块三：行业分类映射 证监会行业分类 ↔ 国民经济行业分类 ↔ SASAC分类 映射表 INDUSTRY_M应用ING = { # 证监会大类 → SASAC大类 "农、林、牧、渔业": "农林牧渔业", "采矿业": "工业", "制造业": "工业", "电力、热力、燃气及水生产和供应业": "电力工业 / 水生产和供应业", "建筑业": "建筑业", "批发和零售业": "批发和零售业", "交通运输、仓储和邮政业": "交通运输、仓储及邮政业", "住宿和餐饮业": "住宿和餐饮业", "信息传输、软件和信息技术服务业": "信息技术服务业", "房地产业": "房地产业", "租赁和商务服务业": "社会服务业", "文化、体育和娱乐业": "文化、体育和娱乐业", }

模块四：港股IPO招股书数据集成 数据来源 知识库：IMA「香港上市招股书」（知识库ID: UEGKn91QubH8gaMsReTGEYZ0qMzWdS-RPYN__3pcKUk=） 覆盖规模：3,629家港股上市公司（其中已上市1,251家） 行业分布：科技/半导体(145)、生物医药(141)、金融(41)、新能源(17)、消费(16) 招股书解析流程 def 解析_prospectus_financial_data(pdf_path): """ 从港股IPO招股书提取财务数据 支持IFRS与CAS准则差异调整 """ # 1. 定位财务表格（fitz PDF解析） # 2. 识别货币单位（人民币千元 / 港币千元） # 3. 提取3年财务数据 # 4. IFRS → CAS 准则调整 # 5. 计算24项指标 # 6. 对标SASAC标准值 # 7. 生成差距分析报告

IFRS与CAS准则差异调整 项目 IFRS CAS 调整说明 研发支出 费用化为主 有条件资本化 需加回资本化研发支出 政府补助 冲减相关资产成本 单独确认为收益 需调整政府补助处理 公允价值计量 更广泛使用 更谨慎使用 需调整公允价值变动损益 工具函数 performance_calculator.py from 工具s.performance_calculator 导入 ( evaluate_indicator, # 单指标对标 full_diagnosis, # 全面诊断 calculate_composite_score, # 综合评分 linear_interpolation, # 线性插值 获取_benchmark, # 获取标准值 classify_size, # 企业规模分类 )

# 示例：单指标对标 结果 = evaluate_indicator( industry="医药工业", size="大型企业", indicator="净资产收益率", value=15.0 ) # 返回: {"level": "良好值", "score": 72.5, "gap_to_excellent": "12%"}

# 示例：全面诊断 报告 = full_diagnosis( industry="医药工业", size="大型企业", data={ "净资产收益率": 15.0, "营业收入利润率": 12.0, "总资产报酬率": 8.5, # ... 其他22项指标 } )

可视化.py from 工具s.可视化 导入 ( 生成_radar_图表, # 雷达图 生成_bar_图表, # 柱状图 生成_trend_图表, # 趋势图 生成_full_报告, # 完整报告 )

# 生成雷达图 radar_path = 生成_radar_图表( scores={"盈利回报": 72.5, "资产运营": 68.0, "风险防控": 55.0, "持续发展": 45.0}, title="某医药工业企业绩效雷达图", 输出_path="输出/radar.png" )

# 生成完整HTML报告 报告_path = 生成_full_报告(