name: financial-analyst description: 执行财务比率分析、DCF估值、预算差异分析和滚动预测构建,以进行战略决策
财务分析师技能
概览
生产就绪的财务分析工具包,提供比率分析、DCF估值、预算差异分析和滚动预测构建。为具有3-6年经验的财务分析师设计,他们执行财务建模、预测和预算编制、管理报告、业务绩效分析和投资分析。
5阶段工作流程
第1阶段:范围界定
- 定义分析目标和利益相关者要求
- 确定数据源和时间段
- 建立重要性阈值和准确性目标
- 选择适当的分析框架
第2阶段:数据分析与建模
- 收集和验证财务数据(损益表、资产负债表、现金流量表)
- 计算5个类别的财务比率(盈利能力、流动性、杠杆率、效率、估值)
- 构建DCF模型,包括WACC和终值计算
- 构建预算差异分析,包括有利/不利分类
- 开发基于驱动因素的预测,包括情景建模
第3阶段:洞察生成
- 解释比率趋势并与行业标准进行基准比较
- 识别重大差异及其根本原因
- 通过敏感性分析评估估值范围
- 评估预测情景(基础/牛市/熊市)以支持决策
第4阶段:报告
- 生成包含关键发现的执行摘要
- 按部门和类别制作详细的差异报告
- 提供带有敏感性表的DCF估值报告
- 提交带有趋势分析的滚动预测
第5阶段:后续跟进
- 跟踪预测准确性(目标:收入±5%,费用±3%)
- 监控报告交付及时性(目标:100%准时)
- 随着实际数据的可用性更新模型
- 根据差异分析细化假设
工具
1. 比率计算器(scripts/ratio_calculator.py)
从财务报表数据计算和解释财务比率。
比率类别:
- 盈利能力: ROE, ROA, 毛利率,营业利润率,净利率
- 流动性: 流动比率,速动比率,现金比率
- 杠杆率: 债务对权益比率,利息覆盖率,DSCR
- 效率: 资产周转率,库存周转率,应收账款周转率,DSO
- 估值: P/E, P/B, P/S, EV/EBITDA, PEG比率
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
2. DCF估值(scripts/dcf_valuation.py)
折现现金流企业和股权估值及敏感性分析。
特点:
- 通过CAPM计算WACC
- 收入和自由现金流预测(默认5年)
- 通过永续增长和退出倍数方法计算终值
- 企业价值和股权价值推导
- 双向敏感性分析(折现率与增长率)
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
3. 预算差异分析器(scripts/budget_variance_analyzer.py)
分析实际与预算与去年表现的差异,并进行重要性过滤。
特点:
- 美元和百分比差异计算
- 重要性阈值过滤(默认:10%或$50K)
- 有利/不利分类与收入/费用逻辑
- 部门和类别细分
- 执行摘要生成
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
4. 预测构建器(scripts/forecast_builder.py)
基于驱动因素的收入预测,滚动现金流预测和情景建模。
特点:
- 基于驱动因素的收入预测模型
- 13周滚动现金流预测
- 情景建模(基础/牛市/熊市情况)
- 使用简单线性回归进行趋势分析(标准库)
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
知识库
| 参考 | 目的 |
|---|---|
references/financial-ratios-guide.md |
比率公式、解释、行业基准 |
references/valuation-methodology.md |
DCF方法论,WACC,终值,比较 |
references/forecasting-best-practices.md |
基于驱动因素的预测,滚动预测,准确性 |
模板
| 模板 | 目的 |
|---|---|
assets/variance_report_template.md |
预算差异报告模板 |
assets/dcf_analysis_template.md |
DCF估值分析模板 |
assets/forecast_report_template.md |
收入预测报告模板 |
行业适应
SaaS
- 关键指标:MRR, ARR, CAC, LTV, 流失率,净收入保留
- 收入确认:基于订阅的,递延收入跟踪
- 单位经济学:CAC回收期,LTV/CAC比率
- 队列分析用于保留和扩展收入
零售
- 关键指标:同店销售,每平方英尺收入,库存周转率
- 预测中的季节性调整因素
- 按产品类别的毛利率分析
- 营运资本周期优化
制造业
- 关键指标:按产品线毛利率,产能利用率,COGS分解
- 材料清单成本分析
- 吸收与变动成本影响
- 资本支出计划和ROI
金融服务
- 关键指标:净利息差,效率比率,ROA,一级资本
- 监管资本要求
- 信贷损失准备和储备
- 费用收入分析和多样化
医疗保健
- 关键指标:每位患者收入,支付者组合,应收账款天数,营业利润率
- 按支付者报销率分析
- 病例混合指数对收入的影响
- 合规成本分配
关键指标与目标
| 指标 | 目标 |
|---|---|
| 预测准确性(收入) | +/-5% |
| 预测准确性(费用) | +/-3% |
| 报告交付 | 100%准时 |
| 模型文档 | 所有假设完整 |
| 差异解释 | 100%的重要差异 |
输入数据格式
所有脚本接受JSON输入文件。请参阅assets/sample_financial_data.json了解涵盖所有四个工具的完整输入模式。
依赖项
无 - 所有脚本仅使用Python标准库(math, statistics, json, argparse, datetime)。不需要numpy, pandas或scipy。