| 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="$SKILLS_ROOT/cn-stock-data/scripts"
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE]
python "$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
result = run_skill({
"param1": "value1",
"param2": "value2"
})
示例 2: 命令行使用
python scripts/run_skill.py --input data.json
