菜单
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）。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/aifinlab/FinClaw --skill a-share-dcf命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
| 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）。 |
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：
分析过去 3-5 年的关键财务趋势：
FCFF = EBIT × (1 - 税率) + 折旧摊销 - 资本开支 - 营运资金增加
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))
两种方法取平均或选其一：
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）：
| 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 |
# 调用 skill
result = run_skill({
"param1": "value1",
"param2": "value2"
})
python scripts/run_skill.py --input data.json
A股逆向选择/信息不对称分析。当用户说"逆向选择"、"adverse selection"、"信息不对称"、"知情交易者"、"逆向选择成本"、"信息劣势"时触发。基于 cn-stock-data 获取数据，度量逆向选择与信息不对称程度。支持 formal/brief 两种输出风格。
A股量价异常检测/异动监控。当用户说"异常检测"、"异动"、"anomaly"、"量价异常"、"异常波动"、"XX有异动"时触发。量化检测股价和成交量异常。支持formal和brief风格。
A股自相关/序列相关性/收益率自相关结构分析。当用户说"自相关"、"autocorrelation"、"序列相关"、"收益率预测性"、"动量还是反转"、"自相关系数"、"ACF"、"PACF"、"Ljung-Box"、"收益率是否可预测"、"随机游走检验"时触发。MUST USE when user asks about return autocorrelation, serial correlation tests, or whether a stock's returns are predictable. 量化分析收益率的自相关结构（ACF/PACF、Ljung-Box检验、随机游走检验）。支持formal和brief风格。
基于 SOC 职业分类