企业官网建设流程全解析

简介：这份资源是中国人民大学会计系列教材《财务管理学》（荆新主编）第11章的配套授课课件，面向会计、财务管理专业学生及备考相关课程的读者，用于系统梳理股利理论与政策这一企业财务决策中的核心章节。压缩包共1个ppt文件，约639KB，以幻灯片形式呈现课堂讲义框架，包含知识点罗列、公式推导与案例数据，便于直接用于复习、备课或课堂展示。内容围绕股利及其分配、股利理论、股利政策及其选择、股票分割与股票回购四大板块展开，具体涵盖利润分配程序中弥补亏损、计提法定与任意公积金、向股东支付股利的顺序，现金股利、股票股利、财产股利与负债股利的区别及对每股收益、每股市价的影响，宣布日、股权登记日、除息日与股利发放日的完整流程，并以宝钢股份2007年分红方案为实例演示；同时结合A股上市公司分红比例偏低、连续多年不分红的现实讨论，与成熟市场形成对照，帮助读者理解股利政策背后的公司治理与投资价值逻辑。目前已有53人学习。

1. 一份股利理论课件，为什么值得当成可解析的数据源

人大《财务管理学》第 11 章《股利理论与政策》这套课件，多数人拿到手的第一反应是打开翻一遍，把 11.1 到 11.4 的知识点背下来交差。但换个用法，把它当成结构化数据源来处理，收获完全不同：这份 PPT 里同时躺着三类可编程的东西——可计算模型（利润分配顺序、股票股利对每股收益和每股市价的稀释公式）、可校验的日期链（宝钢股份 2007 年分红从预案公布日到派息日的完整时间轴）、以及可复现的统计口径（62 家"铁公鸡"筛选规则，从 1826 家一路筛到 62 家）。这三类内容恰好对应财务信息化里最常见的三种工作：算得对、对得上、查得出。

适合读这份材料的人，一类是做财务系统或报表工具的工程师，需要把制度性的分配顺序翻译成代码分支；一类是做教学辅助、题库生成的开发者，需要把课件正文里的公式和案例抽成可参数化的模板；还有一类是纯自学者，想用可运行的数字去验证课件里那些"看起来很明白、算起来容易错"的结论。课件本身是静态的，但里面的每一个数字都能被重算一遍，这才是它真正的价值所在。

2. 用 python-pptx 拆解课件结构：从幻灯片树到知识点索引

2.1 先做目录映射，别急着抽正文

课件的组织方式是典型的"章—节—小节"三级标题：11.1 股利及其分配下面挂 11.1.1 利润分配程序、11.1.2 股利的种类、11.1.3 股利发放程序。这个层级本身就是天然的主键，直接按幻灯片顺序把文字全抽出来，得到的是一坨没有归属的字符串；按标题切段，才拿到可检索的知识点索引。

处理的思路是先做一张映射表，明确每类内容最终要变成什么，再决定抽取粒度：

这张表决定了一件事：不要试图把课件整段转成 Markdown 就完事。公式要单独走一条清洗管线，日期单独存成结构化字段，案例数字单独进表，其余描述性文字才进全文检索。

2.2 递归遍历 shape 树提取标题与正文

PPT 的文本不在一个平面结构里。组合形状（GroupShape）会嵌套，正文可能被拆成多个占位符，标题占位符的idx通常是 0，但版式被改过的页面未必如此。所以遍历必须递归，并且对没有文本帧的形状直接跳过。

from pptx import Presentation from pptx.enum.shapes import MSO_SHAPE_TYPE def iter_text_shapes(shapes, depth=0): """递归展开组合形状，产出 (shape, 嵌套深度)""" for sh in shapes: if sh.shape_type == MSO_SHAPE_TYPE.GROUP: yield from iter_text_shapes(sh.shapes, depth + 1) else: yield sh, depth def parse_deck(path): prs = Presentation(path) index = [] for page, slide in enumerate(prs.slides, start=1): title, body, tables = "", [], [] for sh, _ in iter_text_shapes(slide.shapes): if getattr(sh, "has_table", False) and sh.has_table: rows = [[c.text.strip() for c in r.cells] for r in sh.table.rows] tables.append(rows) continue if not getattr(sh, "has_text_frame", False) or not sh.has_text_frame: continue # 段落级拼接，段落之间的换行在后续清洗里统一处理 text = "\n".join( p.text.strip() for p in sh.text_frame.paragraphs if p.text.strip() ) if not text: continue # idx == 0 视为标题占位符，非占位符形状一律归为正文 if getattr(sh, "is_placeholder", False) and sh.placeholder_format.idx == 0: title = text else: body.append(text) index.append({"page": page, "title": title, "body": body, "tables": tables}) return index

iter_text_shapes里的depth主要给调试用：嵌套超过两层的形状通常是被包装过的图示，抽出来的文字顺序会乱，可以单独标记人工核对。parse_deck的容错点在于has_table和has_text_frame都要用getattr兜一层，不同版本的库对图形、图片占位符的属性支持并不一致，硬写属性名会在某几页直接抛异常。标题判断只认idx == 0是有代价的——课件里如果有封面页用了自定义文本框当标题，这一页的title会是空串，后面按标题建索引时记得跳过空标题页，而不是让它们覆盖上一页的标题。

2.3 文本清洗与公式归一

原始课件里的文字有两个明显特征。一是重复：11.1.2 讲现金股利的那段，"现金股利是以现金支付的股利，它是股利支付的主要方式"连着出现了两遍；二是符号混用：公式写成E0÷(1+Ds)，全角除号、上下标和普通字符混排。这两件事都得在入库前解决，否则检索会命中重复条目，公式也没法参与计算。

import re DUP_TAIL = re.compile(r"^(.{6,}?)\1$") # 整段自我复制 NBSP = re.compile(r"[\u00a0\u3000]") MULTISPACE = re.compile(r"[ \t]{2,}")

def clean_lines(lines, min_len=4): seen, out = set(), [] for ln in lines: ln = MULTISPACE.sub(" ", NBSP.sub(" ", ln)).strip() m = DUP_TAIL.match(ln) if m: # 整段复制时只保留前半段 ln = m.group(1) key = ln.replace(" ", "") # 去空格后再判重，避免排版空格造成漏判 if len(key) < min_len or key in seen: continue seen.add(key) out.append(ln) return out

min_len=4是为了过滤掉页码、"一、"这类噪声；DUP_TAIL的.{6,}?用了非贪婪匹配，长度小于 6 的短句不会误判成复制，因为短句重复更可能是正常的排比表述。

符号层面做一层归一表就够了，不必上符号计算库：

注意：含税和税后这两个口径一旦混用，后面算除息参考价会直接错一个数量级。建议在数据结构里就用两个字段名把它们钉死，不要依赖注释说明。

3. 股利计算模型的代码化：分配顺序、股票股利稀释与除权除息价

3.1 把利润分配程序写成有顺序的函数

11.1.1 给的是一个严格顺序：弥补亏损 → 计提法定公积金 → 计提任意公积金 → 向股东支付股利。顺序不能调换，因为后一步的基数依赖前一步扣完之后的余额。写代码时最容易犯的错是把它写成四个独立计算再相加，那样只要某一年亏损没弥补完，结果就全错。

def allocate(profit_before_tax, accumulated_loss, registered_capital, legal_reserve=0.0, tax_rate=0.25, legal_ratio=0.10, legal_cap_ratio=0.50, arbitrary_ratio=0.0): """按 11.1.1 的四步顺序推演一次分配，返回每步剩余可分配额""" net = profit_before_tax * (1 - tax_rate) # 税后利润 flow = [("税后利润", round(net, 2))] net -= min(accumulated_loss, net) # 1 弥补以前年度亏损 flow.append(("弥补亏损后", round(net, 2))) cap = registered_capital * legal_cap_ratio # 法定公积金计提上限 legal = 0.0 if legal_reserve >= cap else min(net * legal_ratio, cap - legal_reserve) net -= legal # 2 计提法定公积金 flow.append(("计提法定公积金", round(net, 2))) arbitrary = net * arbitrary_ratio # 3 计提任意公积金 net -= arbitrary flow.append(("计提任意公积金", round(net, 2))) flow.append(("可向股东分配", round(net, 2))) # 4 支付股利的上限 return flow

参数含义：accumulated_loss是年初未弥补亏损，用min截断是因为亏损大于当年税后利润时只能弥补一部分，剩余结转到下一年；legal_cap_ratio对应"法定公积金累计额达到注册资本 50% 时可不再计提"这条规则，legal_reserve传入当前累计余额，函数内部用cap - legal_reserve做封顶；arbitrary_ratio默认 0，因为任意公积金的计提比例由股东会决定，没有法定下限。

提示：allocate返回的是分配上限，不是最终方案。真实决策里还要叠加现金余额约束——课件 11.1.2 明确写了支付现金股利"除了要有累计盈余外，还要有足够的现金"，账上有利润不等于账上有钱。

3.2 股票股利的稀释公式落地

股票股利不改变资产总额、负债总额和所有者权益总额，改变的是所有者权益的内部结构和股数。课件给的两个公式是核心：

def after_stock_dividend(e0, m, ds): """e0=发放前每股收益, m=发放前每股市价, ds=每股送股比例(10送2 -> 0.2)""" return round(e0 / (1 + ds), 4), round(m / (1 + ds), 4)

ds的口径必须和公告口径对齐：公告写"10 送 2 转 3"，那么ds = (2 + 3) / 10 = 0.5，送股和转增在这个公式里是合并计算的，因为两者对股数的影响一致，区别只在于资金来源是未分配利润还是资本公积。用e0=1.20、m=18.00、ds=0.5代进去，得到每股收益 0.80、每股市价 12.00，股数增加 50%，正好印证课件里"股数增加、每股收益下降、每股市价下降，但股东持股的市场价值总额不变"的结论——前提是盈利总额和市盈率不变，这个前提不能丢。

3.3 宝钢股份 2007 分红方案的时间轴与除息价

课件给的案例是 10 派 3.5（含税），税后派 3.15，预案公布日 2008-03-27，股东大会审议日 2008-04-28，宣布日 2008-05-07，股权登记日 2008-05-12，除权除息日 2008-05-13，派息日 2008-05-16。这张时间轴的关键在于：股权登记日收盘时持有的人有资格拿股利，除息日当天买入的人没有，价格在除息日开盘时做技术性下调。

from datetime import date def ex_rights_price(prev_close, cash_per_share, share_ratio): """除权除息参考价 = (前收盘价 - 每股现金股利) / (1 + 每股送转比例)""" return round((prev_close - cash_per_share) / (1 + share_ratio), 2) # 宝钢案例：只有现金分红，无送转 print(ex_rights_price(9.80, 0.35, 0.0)) # 9.45 print(ex_rights_price(9.80, 0.315, 0.0)) # 9.48（按税后口径）

同一个前收盘价 9.80，含税口径算出 9.45，税后口径算出 9.48，差 3 分钱。差异来源不是公式错，而是"股东实际到手多少"这个口径不一致——含税口径下扣掉的 0.35 里有 0.035 是代扣的税，交易所公布的除息参考价通常按含税股利计算，所以对账时先确认对方用的哪个口径。这里share_ratio传 0 是因为宝钢该次方案只派现不送转；如果方案是"10 派 3.5 送 2"，cash_per_share = 0.35、share_ratio = 0.2，两步同时生效，先减后除，顺序同样不能颠倒。

4. 复现"62 家铁公鸡"筛选口径：pandas 与 SQL 双路校验

4.1 把筛选规则拆成可执行的条件链

课件里那段统计描述信息量很大，但写成文字后步骤是纠缠的。把它拆成条件链是这样的：在 1826 家 A 股公司里，先剔除过去三年期末平均未分配利润为负值的，剩 1388 家；计算"三年平均未分配利润 / 三年平均净资产"，全市场该比值平均为 11.95%；剔除低于 11.95% 的；再剔除三年平均未分配利润低于 1 亿元的；剩 852 家；最后剔除三年内有过分红记录的公司和期间新上市的公司，得到 62 家。按行业分布，化工 8 家居首，医药生物 6 家，房地产和机械设备各 5 家。

4.2 pandas 实现

import pandas as pd MIN_RATIO, MIN_PROFIT = 0.1195, 1e8 # df 长表结构：code, year, undist_profit(期末未分配利润), net_assets(期末净资产), dividend_paid g = df.groupby("code").agg( avg_up=("undist_profit", "mean"), avg_na=("net_assets", "mean"), div_years=("dividend_paid", lambda s: (s > 0).sum()), yrs=("year", "nunique"), ) pool = g[g.avg_up > 0].copy() # 剔除平均未分配利润为负 pool["ratio"] = pool.avg_up / pool.avg_na pool = pool[(pool.ratio >= MIN_RATIO) & (pool.avg_up >= MIN_PROFIT)] iron = pool[(pool.div_years == 0) & (pool.yrs == 3)] # 有分红能力但三年未分红 print(len(pool), len(iron)) # 期望 852 / 62

agg里用nunique而不是count统计年数，是因为财务表里同一家公司同一年可能因为更正公告出现两条记录，count会把它算成两年。div_years用匿名函数统计派息大于 0 的年份数，直接写(s > 0).sum()，比先过滤再计数少一次数据搬运。ratio用pool.avg_up / pool.avg_na而不是逐行除，是为了避免对已过滤掉的空值做无意义的运算。

4.3 SQL 版本与结果对账

生产环境里这类筛选往往跑在数仓上，把同样的口径翻译成 SQL 便于复用和审计：

WITH base AS ( SELECT code, AVG(CASE WHEN year BETWEEN 2007 AND 2009 THEN undist_profit END) AS avg_up, AVG(CASE WHEN year BETWEEN 2007 AND 2009 THEN net_assets END) AS avg_na, SUM(CASE WHEN year BETWEEN 2007 AND 2009 AND dividend_paid > 0 THEN 1 ELSE 0 END) AS div_years, COUNT(DISTINCT year) AS yrs FROM fin_year GROUP BY code ) SELECT code, avg_up, avg_na, ROUND(avg_up / avg_na, 4) AS ratio FROM base WHERE avg_up > 0 AND avg_up / avg_na >= 0.1195 -- 分红能力比值门槛 AND avg_up >= 100000000 -- 平均未分配利润不低于 1 亿元 AND div_years = 0 AND yrs = 3 ORDER BY ratio DESC;

跑完两条路径，重点比对家数和排序。按课件口径，比值最高的是辽宁成大，三年年均未分配利润 34.59 亿元、年均净资产 56.7 亿元，比值 61.02%；紧随其后的七喜控股是 2.77 亿 / 6.95 亿 = 39.78%；比值超过 30% 的一共 16 家。如果两个实现出来的头部名单不一致，八成是分母口径或年份范围出了问题，而不是筛选逻辑本身。

注意：课件里的 11.95% 是全市场均值，属于样本相关的门槛。把它硬编码进脚本只适合复现当期结论；换成其他年份的数据，应当先重算均值再套用，否则筛出来的公司数量会剧烈漂移。

5. 占位符批量替换：把课件改造成可复用的股利政策教学模板

课件里的案例数字是死的，但结构是可复用的。想批量生成不同参数下的讲解版本，最省事的做法是把案例页做成占位符模板，再用脚本灌数据。坑在于 PPT 的文本经常被拆成多个 run——同一段话说了一半换字体，就断成两个 run，直接对text_frame.text整体赋值会把字体、字号、颜色全部冲掉。

from pptx import Presentation def fill_slide(slide, mapping): """run 级替换，保留原有字符格式""" for sh in slide.shapes: if not getattr(sh, "has_text_frame", False) or not sh.has_text_frame: continue for para in sh.text_frame.paragraphs: # 先尝试把跨 run 的占位符合并到首 run，避免 {{ }} 被拆开 joined = "".join(r.text for r in para.runs) for key, val in mapping.items(): if key in joined and not any(key in r.text for r in para.runs): para.runs[0].text = joined.replace(key, str(val)) for r in para.runs[1:]: r.text = "" break for run in para.runs: for key, val in mapping.items(): if key in run.text: run.text = run.text.replace(key, str(val)) prs = Presentation("ch11_template.pptx") ctx = {"{{EPS0}}": "1.20", "{{PRICE}}": "18.00", "{{DS}}": "0.5", "{{CASH}}": "0.35", "{{REG_DATE}}": "2008-05-12"} fill_slide(prs.slides[8], ctx) prs.save("ch11_case_v2.pptx")

替换分两条路径：joined那条处理占位符被 run 拆开的情况，代价是丢失该段内部的混合格式，所以只在检测到"占位符不完整落在任何单个 run 里"时才走；正常情况走最后那段逐 run 替换，格式完全保留。mapping的键用双花括号包住，是为了避免正文里正常出现的"每股收益"被误替换成变量值。

生成完必须回读校验，不能只看文件能不能打开：

回读校验可以直接复用第 2 章的parse_deck，把生成后的文件重新解析成 JSON，再和灌进去的ctx做集合比对——模板数量一多，人工翻页是翻不过来的。这套流程跑顺之后，把ctx换成从 Excel 读进来的一批案例参数，一次生成几十份不同分红方案的教学材料也只是循环次数的问题；真正需要盯紧的还是那两个老地方：股利口径是含税还是税后，以及送转比例有没有把送股和转增合并计算。

本文还有配套的精品资源，点击获取