面向战略规划、投资评估、新业务立项、门店扩张与产品商业化等场景,将项目假设转化为可量化的财务测算结果,帮助用户判断投入规模、回收周期、盈利空间与关键风险。支持投资回收测算、假设翻转测试、蒙特卡洛模拟、DCF 估值、财务比率分析、预算差异分析与滚动预测,并输出 Go / No-Go 判断、关键假设清单和面向管理层沟通的结论表达。
财务分析师技能概述:准备就绪的财务分析工具包,提供比率分析、周转基金估值、预算差异分析和滚动预测施工是一项面向实际任务的技能。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。
执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
一套可投入生产环境使用的财务分析工具包,支持比率分析、DCF估值、预算差异分析及滚动预测构建。专为财务建模、预测与预算编制、管理报告、业务绩效分析及投资分析场景设计。
scripts/ratio_calculator.py)基于财务报表数据计算并解读财务比率。
比率分类:
python scripts/ratio_calculator.py sample_financial_data.json python scripts/ratio_calculator.py sample_financial_data.json --format json python scripts/ratio_calculator.py sample_financial_data.json --category profitability
scripts/dcf_valuation.py)基于折现现金流法的企业价值与股权价值评估,并支持敏感性分析。
功能特性:
python scripts/dcf_valuation.py valuation_data.json python scripts/dcf_valuation.py valuation_data.json --format json python scripts/dcf_valuation.py valuation_data.json --projection-years 7
scripts/budget_variance_analyzer.py)对比实际值、预算值与上年度表现,并支持重要性阈值过滤。
功能特性:
python scripts/budget_variance_analyzer.py budget_data.json python scripts/budget_variance_analyzer.py budget_data.json --format json python scripts/budget_variance_analyzer.py budget_data.json --threshold-pct 5 --threshold-amt 25000
scripts/forecast_builder.py)基于驱动因子的营收预测工具,支持滚动现金流预测与多情景建模。
功能特性:
python scripts/forecast_builder.py forecast_data.json python scripts/forecast_builder.py forecast_data.json --format json python scripts/forecast_builder.py forecast_data.json --scenarios base,bull,bear
scripts/monte_carlo_simulator.py)运行N次迭代(默认1000次),对各项假设进行随机化抽样,生成NPV、IRR与回收期的概率分布。
功能特性:
python scripts/monte_carlo_simulator.py simulation_data.json python scripts/monte_carlo_simulator.py simulation_data.json --iterations 5000 python scripts/monte_carlo_simulator.py simulation_data.json --format json python scripts/monte_carlo_simulator.py simulation_data.json --seed 42
scripts/project_payback.py)单项目投资回收分析——回答“投多少、多久回本、之后赚多少”。
功能特性:
python scripts/project_payback.py project_data.json python scripts/project_payback.py project_data.json --format json python scripts/project_payback.py project_data.json --months 60
Go/No-Go信号灯逻辑:
scripts/assumption_flip_test.py)假设翻转测试——逐一压力测试每个假设,识别“致命假设”(恶化≤30%即导致结论反转的关键假设)。
功能特性:
python scripts/assumption_flip_test.py project_data.json python scripts/assumption_flip_test.py project_data.json --format json python scripts/assumption_flip_test.py project_data.json --stress 0.3
输入格式示例:
{
"initial_investment": 2000000,
"projection_months": 36,
"assumptions": {
"monthly_revenue": {"min": 30000, "base": 50000, "max": 80000},
"monthly_cost": {"min": 15000, "base": 25000, "max": 40000},
"growth_rate_monthly": {"min": 0.01, "base": 0.03, "max": 0.06},
"churn_rate_monthly": {"min": 0.01, "base": 0.03, "max": 0.05}
},
"discount_rate_annual": 0.10
}
scripts/excel_exporter.py)将任意分析结果导出为结构清晰、符合麦肯锡风格的Excel工作簿(.xlsx),供投资委员会审阅。
功能特性:
依赖项: openpyxl(可选 — 若未安装则降级为CSV导出)
# 安装openpyxl以启用完整Excel支持 pip install openpyxl # 导出DCF结果 python scripts/excel_exporter.py dcf_results.json --output valuation_report.xlsx --type dcf # 导出蒙特卡洛结果 python scripts/excel_exporter.py mc_results.json --output risk_analysis.xlsx --type montecarlo # 导出预测结果 python scripts/excel_exporter.py forecast_results.json --output forecast.xlsx --type forecast # 降级为CSV导出(无需openpyxl) python scripts/excel_exporter.py results.json --output report.csv --fallback-csv
| 参考文档 | 用途 |
|---|---|
references/financial-ratios-guide.md |
比率公式、解读方法与行业基准 |
references/valuation-methodology.md |
DCF方法论、WACC、终值计算、可比公司法 |
references/forecasting-best-practices.md |
驱动因子预测法、滚动预测、预测准确性管理 |
references/industry-adaptations.md |
分行业指标与考量要点(SaaS、零售、制造、金融服务、医疗健康) |
references/china-market-guide.md |
中国市场默认参数、叙事层翻译规则、竞品对标速查表 |
当分析对象为中国企业/项目时,自动加载 references/china-market-guide.md,并应用以下默认行为:
| 模板文件 | 用途 |
|---|---|
assets/variance_report_template.md |
预算差异分析报告模板 |
assets/dcf_analysis_template.md |
DCF估值分析报告模板 |
assets/forecast_report_template.md |
营收预测报告模板 |
| 指标 | 目标值 |
|---|---|
| 预测准确性(营收) | +/-5% |
| 预测准确性(费用) | +/-3% |
| 报告交付及时性 | 100%准时 |
| 模型文档完备性 | 所有假设均需完整记录 |
| 差异归因说明 | 100%覆盖重大差异 |
所有脚本均接受JSON格式输入文件。完整输入Schema请参见 assets/sample_financial_data.json,该文件覆盖全部四类工具所需字段。
核心工具(工具1–5):仅依赖Python标准库(math、statistics、json、argparse、datetime、random),无需numpy、pandas或scipy。
Excel导出器(工具6):导出.xlsx文件需依赖openpyxl;若未安装,则自动降级为CSV导出。
# 可选:安装以启用Excel导出功能 pip install openpyxl
相关专题
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 134.3万人学习
共49课时 | 82.7万人学习
最新文章