| name | comps-valuation-analyst |
| description | Use when valuing a public company with peer multiples, building comparable-company tables, or pressure-testing a valuation range with EV/EBITDA, P/E, and EV/Sales. |
| zh_description | 用于可比公司、估值、分析，支持投资研究、风险评估和报告生成。 |
| version | 1.0.0 |
| author | seaworld008 |
| source | in-house |
| source_url | |
| tags | ["analyst", "comps", "finance", "valuation"] |
| created_at | 2026-03-18 |
| updated_at | 2026-03-20 |
| quality | 2 |
| complexity | intermediate |
Comps Valuation Analyst (可比公司估值分析师)
快速构建可比公司估值表（Peer Table），并能像资深股票研究助理一样解释估值区间，而非仅仅罗列枯燥的比率。本技能专注于从市场共识中提取公允价值，并通过多维度倍数（Multiples）交叉验证，为投资决策提供坚实的估值锚点。
安装与前提条件
pip install pandas numpy openbb
cat assets/sample_comps_input.json
触发条件 / When to Use
- 公开市场相对估值：需要为一家拟上市（IPO）或已上市公司的公允价值寻找市场参照。
- 同行对比表构建：为投委会（IC）、投资备忘录（Memo）或财报发布会（Earnings Prep）准备详细的 Peer Table。
- DCF 估值交叉验证：利用市场倍数法（Market Approach）对现金流折现法（Income Approach）的结果进行“压力测试”。
- 估值区间框架设定：根据乐观/中性/悲观三种情景，设定目标价（Target Price）的波动带。
- 并购（M&A）定价参考：分析行业内近期交易的估值水平。
核心能力 / Core Capabilities
1. 同行组筛选与分类 (Peer Selection)
- 操作步骤：
- 识别目标公司的业务构成（Business Segments）。
- 搜索相同子行业、类似市值（Market Cap）和相似增长率（Growth Rate）的公司。
- 剔除财务异常或正在进行重大重组的“干扰公司”。
- 最佳实践：至少包含 5-8 家核心对标公司，并将它们分为“直接竞争对手”和“相关行业参照”两组。
2. 财务数据标准化 (Data Normalization)
- 操作步骤：
- 统一报告货币（Currency）及会计准则（IFRS vs US GAAP）。
- 调整非经常性损益（Non-recurring Items），计算“Normalized EBITDA”和“Adjusted EPS”。
- 统一财务周期（LTM - Last Twelve Months vs NTM - Next Twelve Months）。
- 最佳实践：特别注意负债结构对 EV (Enterprise Value) 的影响，确保净债务（Net Debt）计算口径一致。
3. 倍数选择与计算 (Multiple Calculation)
- 操作步骤：
- 计算 EV/EBITDA（剔除资本结构差异）、P/E（衡量盈利能力）、EV/Sales（适用于高增长或亏损企业）。
- 运行
scripts/calculate_comps.py 自动化生成统计值。
- 识别并处理离群值（Outliers），如倍数过高或为负的情况。
- 最佳实践：对于重资产行业，优先使用 EV/EBITDA；对于轻资产/软件行业，优先使用 P/S 或 P/FCF。
4. 估值溢价/折价分析 (Valuation Context)
- 操作步骤：
- 分析目标公司相对于 Peer Median 的溢价/折价原因（如：品牌护城河、技术壁垒、治理风险）。
- 撰写专业论述：为什么该标的值得 15x 还是 12x 的倍数？
- 最佳实践：结合 ROIC (资本回报率) 和 G (增长率) 的对比，证明溢价的合理性。
常用命令/模板 / Common Patterns
可比估值分析输入 JSON 模板 (Input Template)
{
"target_company":
