DCF 股权估值建模器
构建带 WACC、现金流预测和敏感性分析的专业 DCF 估值模型。
技能要求逐步向用户确认输入、使用公式而非硬编码、添加来源批注，并强调终端增长率低于WACC，显示出一定的数据流透明度和人工复核意识。扣分原因是未明确最小权限、敏感财务数据处理、外部MCP/Web访问授权、回滚机制或交付前的用户同意边界；来源URL还是可选项。
文档提供了较完整的DCF流程、公式规则、布局规划、故障排查和一个验证脚本，正常路径具有可执行性。扣分原因是静态材料未证明关键路径已运行；引用的recalc.py未出现在所给文件中，依赖安装和失败恢复不完整，且场景选择的IF与后文推荐INDEX存在方法切换。
目标用户、DCF估值场景、输入来源、Excel输出和敏感性分析范围较清楚，也给出了若干不适用或特殊情形。扣分原因是触发排除条件、行业适用边界、异常输入行为和中文支持未明确；核心数据获取依赖可能需要订阅或API密钥的海外MCP/Web服务，未说明中国大陆网络可达性。
技能采用概览、约束、流程、正确模式、错误模式和独立故障排查文档，信息架构较好；仓库材料提供Apache-2.0许可、CI校验和官方组织来源。扣分原因是技能自身没有版本、变更记录、明确维护责任、依赖安装说明或稳定的更新路径，且recalc.py等引用依赖未在给定材料中得到确认。
文档覆盖历史分析、预测、FCF、WACC、终值、权益桥接和三类敏感性表，并规定输出专业Excel模型和CSV估值摘要，核心任务设计完整。按静态校准最高只能给7分；扣分原因是没有实际生成模型、代表性输出或执行证据，结果正确性和相对手工方案的收益无法验证。
源文件包含详细公式、验证脚本、故障检查逻辑，以及仓库层面的插件校验和密钥扫描CI，提供了一定的审计线索。扣分原因是没有给出覆盖DCF关键路径的已执行测试结果、提交的测试套件或第三方交叉验证，因此静态证据不足以支持更高分。
- 交付前必须确认外部数据源、API权限和敏感财务数据边界，并核验所有输入的日期、来源和可追溯性。
- 不要假设引用的recalc.py或openpyxl环境存在；应先确认依赖、实际公式重算能力和错误缓存状态。
- 在中国大陆使用时，应预先验证所需MCP/Web数据服务的网络可达性和合规性；否则核心数据获取可能不可用。
它能做什么 & 适用场景
该技能用于根据 DCF 方法进行公司股权估值。它可从 SEC 文件、分析师报告、用户提供的数据、MCP 服务器和网络获取财务资料，建立收入、利润率、自由现金流、WACC 和终值模型。输出重点是包含敏感性分析的 Excel 模型，并要求通过公式、来源注释和分步确认保持可审计性。它适合需要内在价值分析和情景估值的投行、研究或财务建模流程，但不构成投资、法律、税务或会计建议。
读取用户数据及可用的 MCP、SEC 文件、分析师报告和网络数据；验证净债务、稀释后股份、历史利润率和税率；建立 Bear、Base、Bull 情景下的收入、运营费用、EBIT、NOPAT、D&A、CapEx、营运资本和无杠杆自由现金流预测；使用 CAPM、债务成本和资本结构计算 WACC，并按中期约定折现现金流；通过永续增长法或退出倍数法计算终值，完成企业价值到每股价值的桥接；生成含三类敏感性表的 Excel DCF 模型，并使用 recalc.py 检查公式错误。
- 投行分析师为上市公司建立五年预测、终值和每股内在价值模型。
- 股票研究员在更新历史财务数据后，比较 Bear、Base、Bull 三种增长和利润率情景。
- 私募或企业财务团队需要用 WACC、净债务和稀释股份计算企业价值与股权价值。
- 财务建模人员需要在 Excel 中生成 WACC、终值以及收入增长与 EBIT 利润率敏感性分析。
优缺点一览
- 覆盖从数据验证到每股估值的完整 DCF 工作流。
- 要求投影、折现、终值和敏感性单元格使用可调整的 Excel 公式。
- 包含 Bear、Base、Bull 情景、WACC 计算和三类敏感性分析。
- 要求为硬编码输入添加来源注释，并在交付前检查公式错误。
- 依赖可用的财务数据来源、网络或 MCP 连接，且部分数据提供商可能需要订阅或 API 密钥。
- Excel 生成方式取决于运行环境：独立文件使用 Python/openpyxl，Excel 插件环境使用 Office JS。
- 源材料未提供测试套件、具体数据供应商配置或完整的 `recalc.py` 实现。
- 技能明确要求分阶段与用户确认，因此不适合完全不间断的端到端自动建模。
如何安装
在 Claude Code 中添加并安装仓库的金融分析插件：claude plugin marketplace add anthropics/financial-services，然后运行 claude plugin install financial-analysis@claude-for-financial-services。也可以在 Cowork 的 Settings → Plugins → Add plugin 中粘贴 https://github.com/anthropics/financial-services，再选择金融分析垂直插件。该技能位于 plugins/vertical-plugins/financial-analysis/skills/dcf-model/SKILL.md。
如何使用
安装后使用 /dcf 触发 DCF 工作流，或提出类似“为 ABC 公司建立一个五年 DCF 模型，使用 Bear、Base、Bull 情景，并输出带 WACC 和敏感性分析的 Excel 文件”的请求。准备公司名称或股票代码、历史财务数据、增长假设，以及可选的预测年限、终值增长率和 WACC 参数。流程会要求在数据、收入预测、自由现金流、WACC、终值和敏感性表等阶段逐步确认。
对比同类
方法上，该技能以永续增长法作为首选终值方法，同时支持退出倍数法作为替代；两者都用于终值计算，但退出倍数法需要行业可比公司或交易倍数。