每周扫描高股息陷阱并生成风险摘要

原文要点

这是n8n.io上WeblineIndia发布的免费模板（工作流20010）。流程为：周计划触发器读取Google Sheets自选股Watchlist并只保留enabled行；HTTP请求拉取未来7天除息日历与分红基本面（模板默认是mock URL需替换）；按派息率、盈利增长、营收增长、分红增长、近五年削减记录计算可持续分与陷阱风险分；风险分≥60的标的交OpenAI仅依据给定指标生成caution_note、key_concern、investor_question三段JSON；结果写入Sheets的Risk Results页和Supabase的dividend_risk_analysis表，最后把排序后的周报发Slack与Gmail，无风险时发no-risk摘要。enabled字段接受true、yes、1或布尔true。

这次做成什么

在自己的n8n实例里搭一条每周自动扫描的股息陷阱检测流：用合成测试数据先跑通全链路，确认打分、AI解读、双路存储和双路通知都工作，再决定是否接入真实行情数据源。

准备什么

• 一个可编辑的n8n实例（Cloud或自托管均可），以及OpenAI、Google Sheets、Supabase、Slack、Gmail五组凭据
• Google Sheets中准备含symbol和enabled列的Watchlist页，以及用于写入结果的Risk Results页
• 一个Supabase项目，并预先建好dividend_risk_analysis表（列见下方材料）
• OpenAI API key（模型调用会按OpenAI计费），Slack目标频道ID和Gmail收件人地址

具体怎么做

1. 导入模板并准备Watchlist测试表

   在n8n中从模板库导入该工作流（作者提供模板页可复制，本站不另造可导入JSON）。在Google Sheets建Watchlist页，列至少为symbol、enabled，可选company_name、sector、notes。填入下方合成测试数据，enabled列用true/yes/1/布尔true均被识别；先在Prepare Watchlist Context节点手动执行，确认只有启用的行被保留。

2. 用合成数据替换两个HTTP节点

   原模板两个HTTP节点（Get Upcoming Ex-Dividend Data1、Get Dividend Fundamentals1）默认指向mock URL。练习阶段不要急着接真实API：把节点临时换成Code节点或本地测试端点，返回下方材料里的两段合成JSON，字段必须包含symbol、ex_dividend_date、dividend_yield、payout_ratio、earnings_growth、revenue_growth、dividend_growth、dividend_cuts_last_5_years，否则下游打分节点会因字段缺失给出异常低分。

3. 核对打分与60分阈值分支

   依次执行Calculate Dividend Sustainability1、Calculate Yield Trap Risk1、Identify Yield Trap Red Flags1三个Code节点，查看每条输出中的可持续分、风险分和红旗列表。Risk Above Threshold节点只放行风险分≥60的记录。用合成数据中的TRAP（高派息率、负增长、五年两次削减）应过阈值，SAFE（低派息率、正增长、无削减）应被拦下，以此验证分支逻辑。

4. 配置OpenAI解读节点

   在Message a model节点填入下方完整提示词，让模型只基于传入指标输出三个字段的JSON。执行后在Normalize AI Response节点确认解析出caution_note、key_concern、investor_question三个键；若为空，通常是模型没返回合法JSON，需要在提示词中强调只输出JSON。

5. 接通双存储与双通知

   Log Flagged Risks to Google Sheets节点填Spreadsheet ID和Risk Results页名并核对列映射；Store Flagged Risks in Supabase节点选dividend_risk_analysis表并确认字段名一致。Slack节点填频道ID，Gmail节点填收件人。各发一条测试消息后手动跑一次完整流程：有过阈值记录时应收到排序后的风险周报，全部低于60时应收到no-risk摘要。

可直接复制的材料

你是一名谨慎的股息投资研究助手。下面给你一只股票的分红基本面指标，请只基于这些指标判断其股息可持续性风险，不要引入外部数据或编造未提供的数字。

输入指标：
- 股票代码：{{ $json.symbol }}
- 股息率：{{ $json.dividend_yield }}
- 派息率：{{ $json.payout_ratio }}
- 盈利增长：{{ $json.earnings_growth }}
- 营收增长：{{ $json.revenue_growth }}
- 分红增长：{{ $json.dividend_growth }}
- 近五年削减分红次数：{{ $json.dividend_cuts_last_5_years }}
- 已识别红旗：{{ $json.red_flags }}
- 陷阱风险分：{{ $json.risk_score }}

请严格只输出一个JSON对象，不要输出任何其他文字，格式如下：
{"caution_note":"两到三句中文警示说明，指出为什么这只股票可能是高股息陷阱","key_concern":"一句中文，指出最核心的一个担忧","investor_question":"一句中文，给出投资者在买入前应该追问公司的一个问题"}

[
  {"symbol":"TRAP","ex_dividend_date":"2026-10-05","dividend_yield":0.118},
  {"symbol":"SAFE","ex_dividend_date":"2026-10-06","dividend_yield":0.031},
  {"symbol":"SKIP","ex_dividend_date":"2026-11-20","dividend_yield":0.055}
]

[
  {"symbol":"TRAP","dividend_yield":0.118,"payout_ratio":0.96,"earnings_growth":-0.15,"revenue_growth":-0.08,"dividend_growth":-0.20,"dividend_cuts_last_5_years":2},
  {"symbol":"SAFE","dividend_yield":0.031,"payout_ratio":0.42,"earnings_growth":0.09,"revenue_growth":0.06,"dividend_growth":0.07,"dividend_cuts_last_5_years":0}
]

create table dividend_risk_analysis (
  id bigint generated always as identity primary key,
  symbol text not null,
  scan_date date not null default current_date,
  dividend_yield numeric,
  payout_ratio numeric,
  sustainability_score numeric,
  risk_score numeric,
  risk_level text,
  red_flags text,
  caution_note text,
  key_concern text,
  investor_question text
);

输入与输出示例

本站虚构演示，风险分值与AI文本均为示意，并非模板实际运行结果。

输入

Watchlist中启用TRAP与SAFE两只股票；日历返回TRAP除息日2026-10-05（7天内）、股息率11.8%，SAFE除息日2026-10-06、股息率3.1%；基本面返回TRAP派息率0.96、盈利增长-0.15、五年削减2次，SAFE派息率0.42、盈利增长0.09、削减0次。

对应输出

TRAP经打分后风险分假设为78（本站设定的示意值，实际分值取决于模板内公式），过60阈值进入OpenAI节点，得到{"caution_note":"TRAP股息率高达11.8%但派息率96%，盈利和营收双双负增长，分红难以为继。","key_concern":"派息率接近100%且五年内已两次削减分红。","investor_question":"管理层是否有明确计划在不举债的情况下维持当前分红水平？"}；SAFE风险分假设为22被拦下；Slack收到1条标的的周报，Sheets与Supabase各写入1行。

做完检查这些

• Prepare Watchlist Context只输出enabled为true/yes/1的行，禁用行不出现
• 日历过滤后SKIP因除息日超出7天被剔除，TRAP与SAFE保留
• TRAP风险分≥60进入OpenAI分支，SAFE被Risk Above Threshold拦下
• Normalize AI Response输出含caution_note、key_concern、investor_question三个非空键
• Risk Results页和dividend_risk_analysis表各新增一行且symbol与分数一致
• Slack频道与Gmail收件箱都收到同一周的摘要邮件/消息

容易卡住的地方

• enabled列若写成大写TRUE以外的变体（如on、启用）会判为未启用，导致无股票被处理
• 两个HTTP端点返回的symbol集合必须一致，否则基本面合并后字段缺失、风险分异常偏低
• OpenAI若返回带解释文字的非法JSON，Normalize AI Response会得到空字段，需在提示词中强制只输出JSON
• 原模板打分公式与风险等级边界未在导读中公开，练习中的分值是本站示意，接入真实决策前必须读模板内Calculate节点代码
• 本流程输出仅为研究辅助，不构成投资建议；接入真实行情源需自行确认数据许可与费用