DCF 估值模型（Intrinsic Valuation via Discounted Cash Flow）

基于恒生聚源 MCP 金融数据库 + 投行标准建模架构，执行 DCF 估值全流程分析，输出可交互模型与专业估值报告。

核心优势

功能范围

查询建议

必需输入：目标公司名称

可选输入：

• 估值目的（投资参考/并购定价/IPO 定价等）
• 特定假设要求（如"永续增长率按 2% 计算"）
• 关注重点（如"重点分析 WACC 敏感性"）
• 输出偏好（如"只需要报告，不需要模型"）

有效示例

• "为老凤祥做 DCF 估值，用于投资参考，输出估值报告"
• "用 DCF 模型评估贵州茅台的合理股价，包含敏感性分析"
• "某公司到底值多少钱？用 DCF 算一下内在价值"

环境配置

⚠️ 首次使用前必须完成配置！

📖 详细配置指南：见 references/setup-guide.md

⛔ 执行约束（AI 必须遵守）

以下行为严格禁止，违反会导致技能故障：

正确的执行流程：

1. 创建临时目录 `reports/tmp_YYYYMMDD_HHMMSS/`
       ↓
2. 严格遵循 `references/mcp-data-collection.md` 的指引，MCP **手动** 采集数据 → 保存到临时目录的 JSON 文件
       ↓
3. 运行 `python scripts/create_dcf_excel.py --tmp-dir tmp_YYYYMMDD_HHMMSS`
       ↓
4. 手动整合 `data_sources_final.json`（LLM 整合临时表为正式表）
       ↓
5. 运行 `python scripts/generate_report.py --tmp-dir tmp_YYYYMMDD_HHMMSS`
       ↓
6. 运行 `python scripts/md2pdf.py reports/tmp_XXXX/xxx.md`
       ↓
7. 输出在 `reports/tmp_YYYYMMDD_HHMMSS/` 目录下：Excel + Markdown + HTML + PDF

注意：

• 所有数据文件保存在 reports/tmp_YYYYMMDD_HHMMSS/ 临时目录中
• 每次调用 skill 时创建新的临时目录（时间戳命名）
• 临时目录永久保留，便于追溯和审计

阶段 2：数据质量检查

进入建模前，必须确认以下数据齐全：

• 至少 5 年历史财务数据完整
• 当前股价、总股本、净债务已获取
• 无风险利率、Beta、市场风险溢价已获取
• 一致预期或研报观点已获取
• 所属行业已获取（StockBelongIndustry API）
• 风险因素已归纳（FinancialResearchReport API + LLM 归纳）

如有数据缺失，按以下优先级补齐：

1. 历史财务数据缺失 → 重新调用 FinancialStatement API 获取缺失年份
2. 市场数据缺失 → 重新调用对应 API（AShareLiveQuote/MacroIndustryEDB/StockRiskAnalysis）
3. 一致预期缺失 → 尝试调用 ConsensusExpectationDetail 获取券商预测区间，或使用行业增速替代
4. 关键数据无法获取 → 在报告中标注"数据缺失"，使用行业典型值估算并注明

阶段 3：Excel 模型构建

模型架构：

Sheet 1: DCF
├── Case Selector（1=Bear, 2=Base, 3=Bull）
├── 三情景假设块（Bear/Base/Bull 独立块）
├── 合并列（INDEX 公式引用选中情景）
├── 历史 + 预测财务（5 年）
├── 自由现金流计算
├── WACC 与折现
├── 终值计算
├── 估值摘要
└── 敏感性分析（3 个 5×5 表）

Sheet 2: WACC
├── 股权成本计算（CAPM）
├── 债务成本计算
└── 资本结构权重

关键特性：

• 所有投影单元格 = Excel 公式（非硬编码）
• 蓝色字体 = 硬编码输入，黑色字体 = 公式
• 每个硬编码值都有单元格注释（来源）
• 情景切换通过 Case Selector 控制

📖 Excel 建模完整工作流：严格遵循 references/excel-model-building.md

阶段 4：模型验证

自动验证脚本：

python scripts/validate_dcf.py reports/[模型文件名].xlsx

验证项目：

• ✅ 公式错误扫描（#REF!, #DIV/0!等）
• ✅ 终值增长率 < WACC（关键约束）
• ✅ WACC 在合理范围（5-20%）
• ✅ 终值占 EV 比例（40-80%）

关于公式计算：

Excel 模型中的所有公式会在你用 Excel 打开时自动计算，无需额外步骤。

阶段 4.5：错误处理流程

验证失败处理：

1. 公式错误（#REF!, #DIV/0!） → 检查 Excel 模型中的单元格引用，重新运行 create_dcf_excel.py
2. 终值增长率 >= WACC → 调整永续增长率假设（降至 2-3%），重新生成模型
3. WACC 超出合理范围 → 检查 Beta、无风险利率输入，重新计算 WACC
4. 终值占 EV 比例异常 → 检查预测期长度和永续增长率假设

脚本报错处理：

1. Python 脚本报错 → 检查错误信息，确认 Python 依赖已安装（pip install markdown openpyxl）
2. MCP API 调用失败 → 检查网络连接和 API Key 配置，重试调用
3. 文件保存失败 → 检查 reports/ 目录权限，确认路径无中文字符

无法解决的错误 → 查看脚本输出的错误日志，联系技能开发者

阶段 5：Markdown 报告生成

报告结构：

• 摘要（核心估值结论）
• 目标公司概况
• 模型选择
• 折现率计算
• 自由现金流预测
• 终值计算
• 估值结果
• 敏感性分析
• 数据溯源
• 免责声明

📖 报告模板：严格遵循 references/report-template.md

阶段 6：PDF 转换

python scripts/md2pdf.py reports/[报告文件名].md

资源清单

jy-intrinsic-valuation-via-discounted-cash-flow/
├── SKILL.md                                 # 主技能文件
├── scripts/                                 # 脚本目录
│   ├── create_dcf_excel.py                  # Excel 模型生成器（核心）
│   ├── validate_dcf.py                      # DCF 模型验证
│   ├── generate_report.py                   # Markdown 报告生成
│   └── md2pdf.py                            # PDF 转换器（重要）
├── references/                              # 详细文档目录
│   ├── setup-guide.md                       # 环境配置指南
│   ├── mcp-data-collection.md               # MCP 数据采集工作流
│   ├── excel-model-building.md              # Excel 建模指南
│   ├── valuation-calculation-methodology.md # DCF 估值计算方法论
│   ├── report-template.md                   # 报告模板
│   ├── data-format-spec.md                  # 数据格式规范
│   ├── data_collected.template.json         # 数据采集模板
│   └── mcp_call_log.template.json           # MCP 调用日志模板
└── reports/                                 # 输出目录（首次调用 skill 时自动生成）

输出格式

输出目录：

• Excel 模型：reports/[YYYY-MM-DD]_DCF 模型_[目标公司].xlsx（直接输出到 reports/）
• Markdown 报告：reports/[YYYY-MM-DD]_DCF 报告_[目标公司].md
• HTML 中间文件：reports/[YYYY-MM-DD]_DCF 报告_[目标公司].html
• PDF 最终交付：reports/[YYYY-MM-DD]_DCF 报告_[目标公司].pdf
• 数据文件（保存在临时目录，便于追溯）：
  • reports/tmp_XXXX/mcp_call_log.json ← MCP 调用日志（数据溯源临时表）
  • reports/tmp_XXXX/data_collected.json ← 采集的有效数据
  • reports/tmp_XXXX/data_sources_final.json ← 数据溯源正式表
  • reports/[YYYY-MM-DD]_DCF 模型_[目标公司].json ← Excel 模型配套输入（与 Excel 同目录）

限制与规范

数据溯源与角标规则

数据溯源表： ⚠️ 报告中涉及到 gildata API 时，data source 需精确到 具体的 API，同时 data provider 统一写为 恒生聚源 MCP。

正文角标： ⚠️ 从 MCP 获取的原始数据需在正文中加角标 [1][2][3]...，与数据溯源正式表序号严格对应：

示例：

当前股价：36.90 元 [1]      ✅ 原始数据
内在价值：51.63 元         ✅ 模型计算值，无角标
上行空间：+39.9%           ✅ 计算值，无角标

Excel 颜色规范

单元格注释规范

每个硬编码值必须添加注释：

"Source: 恒生聚源 MCP, jy-financedata-api.FinancialStatement, 2026-05-18"

注意事项

1. 公式优先：所有计算单元格必须是 Excel 公式，不能是硬编码
2. 情景分离：Bear/Base/Bull 假设必须放在独立块中
3. 敏感性表：3 个 5×5 表，每个单元格都是完整 DCF 重算公式
4. 验证必须：交付前必须运行 validate_dcf.py
5. 中文编码：所有文件使用 UTF-8 编码