a-share-dcf

name a-share-dcf description A股DCF估值模型/现金流折现。当用户说“DCF”、“现金流折现”、“DCF估值”、“内在价值”、“intrinsic value”、“帮我算一下XX值多少钱”、“合理估值”、“目标价推导”时触发。基于 cn-stock-data 获取历史财务数据，构建自由现金流折现模型（FCFF），计算 WACC，输出含敏感性分析的估值 Excel。支持机构 DCF 报告风格（formal）和个人估值笔记风格（brief）。不适用于可比公司估值法（用 a-share-comps）或财报分析（用 a-share-earnings-analysis）。 数据源 SCRIPTS= " $SKILLS_ROOT /cn-stock-data/scripts" # 历史财务指标（收入/利润/折旧/资本开支/营运资金等） python " $SCRIPTS /cn_stock_data.py" finance --code [CODE] # 最新行情（市值、股价，用于 WACC 和对比） python " $SCRIPTS /cn_stock_data.py" quote --code [CODE] # 行业可比公司行情（用于 Beta/WACC 参考） python " $SCRIPTS /cn_stock_data.py" quote --code [COMP1],[COMP2],[COMP3] 补充：通过 web 搜索获取： 无风险利率（10 年期国债收益率） 行业 Beta 参考值 公司债务成本（如有公开债券） 分析师收入/利润预测（用于交叉验证） Workflow Step 1: 数据收集 通过 cn-stock-data finance 获取过去 3-5 年财务数据 通过 cn-stock-data quote 获取当前市值 Web 搜索：10 年期国债收益率、公司有息负债利率 Step 2: 历史分析 分析过去 3-5 年的关键财务趋势： 收入增速趋势 EBIT/EBITDA 利润率趋势 资本开支/收入 比率 营运资金/收入 比率 折旧摊销/收入 比率 有效税率 Step 3: 收入预测 基于历史趋势 + 行业增速 + web 搜索的分析师预期 预测期：通常 5 年（高增长公司可延长到 7-10 年） 构建 Base 情景，可选 Bull/Bear Step 4: 利润率与费用建模 毛利率预测（基于历史趋势 + 竞争格局判断） 运营费用率预测 EBIT/EBITDA 推导 折旧摊销预测（基于历史比率或资本开支的固定比例） 资本开支预测 营运资金变动预测 Step 5: 自由现金流(FCFF)计算 FCFF = EBIT × (1 - 税率) + 折旧摊销 - 资本开支 - 营运资金增加 Step 6: WACC 计算 A 股 WACC 参数: - 无风险利率 Rf: 10 年期国债收益率（web 搜索获取，通常 2.5%-3.5%） - 市场风险溢价 ERP: A 股通常取 5%-7%（高于美股的 4%-6%，反映新兴市场溢价） - Beta: 优先用 web 搜索获取；若不可用，取行业平均或根据公司特征估计 - 股权成本 Ke = Rf + Beta × ERP - 债务成本 Kd: 公司实际借款利率或同类公司债利率 - 税率: A 股一般企业 25%，高新技术企业 15% - WACC = Ke × (E/(E+D)) + Kd × (1-T) × (D/(E+D)) Step 7: 终值(Terminal Value)计算 两种方法取平均或选其一： 永续增长法 : TV = FCFF_最后年 × (1+g) / (WACC - g) A 股永续增长率 g 通常取 2%-3%（GDP 长期增速预期） 退出倍数法 : TV = EBITDA_最后年 × Exit Multiple Exit Multiple 参考行业可比公司 EV/EBITDA 中位数 Step 8: 估值汇总与敏感性分析 估值桥 : FCFF 现值之和 + 终值现值 = 企业价值(EV) - 净债务（有息负债 - 现金） - 少数股东权益 = 股权价值 / 总股本 = 每股价值 vs 当前股价 → 上行/下行空间(%) 敏感性分析表 （必须）： WACC vs 永续增长率 → 每股价值 收入增速 vs EBIT 利润率 → 每股价值 可选：Beta vs 无风险利率 → WACC 输出 Excel 输出（formal 模式） Sheet 1 "DCF": 历史数据 → 预测数据 → FCFF → 折现 → 估值汇总 → 敏感性分析表 Sheet 2 "WACC": 资本成本计算详细过程 格式规则： 蓝色字体 = 输入假设 黑色字体 = 公式计算 所有派生值必须是 Excel 公式 敏感性分析表每个单元格是完整公式（非线性插值） 基准情景（中心格）用蓝色底色 + 粗体标注 Markdown 输出（brief 模式） 直接输出 Markdown 表格 包含：关键假设 → FCFF 预测表 → 估值结果 → 简化敏感性分析 在结果下方给出个人判断 风格说明 维度 formal（机构 DCF） brief（个人估值笔记） 输出格式 Excel (.xlsx) Markdown 预测年数 5-7 年 3-5 年 WACC 完整推导过程 直接给出假设值 敏感性 3 张 5×5 表 1 张简化 3×3 表 情景 Base + 可选 Bull/Bear 仅 Base 数据源标注 每个输入附来源 关键假设说明即可 免责声明 需要 不需要 关键规则 公式优先于硬编码 ：Excel 中所有计算值必须是公式，不硬编码数字 假设透明 ：每个关键假设（增长率、利润率、WACC 参数）都必须明确标注 合理性检验 ： 每股价值 vs 当前股价差异 > 50% 时必须解释原因 永续增长率不应超过长期 GDP 增速 终值占比不应超过总价值的 75%（否则预测期不够长） A 股特殊考量 ： ERP 取 5%-7%（新兴市场溢价） 注意限售股对总股本的影响 部分行业有政府补贴，需判断是否持续 关联交易可能扭曲利润，需调整 不做精确预测 ：DCF 的价值在于理解价值驱动因素和估值区间，而非得出一个"精确"的目标价 与其他 skill 联动 ：建议用 a-share-comps 的估值中位数交叉验证 DCF 结果 使用示例 示例 1: 基本使用 # 调用 skill result = run_skill({ "param1" : "value1" , "param2" : "value2" }) 示例 2: 命令行使用 python scripts/run_skill.py --input data.json