现金流折现估值模型：把“拍脑袋估值”变成可审计、可复算的专业 DCF Excel 模型
- 它是什么：一个按照投行标准搭建 DCF（现金流折现）模型的 AI 技能，输入公司标识与增长假设，即可产出带情景切换与敏感性分析的 Excel 估值模型。
- 产出物很实在：两张工作表（DCF 主模型 + WACC 计算表）、Bear/Base/Bull 三套情景、三张 5×5 敏感性表，全部由活公式驱动，改一个假设，全表自动重算。
- 专业性有硬约束：公式优先不写死数值、每个硬编码输入必须带来源批注、终值占企业价值 50%–70% 的合理性校验、终值增长率必须小于 WACC、交付前必须零公式错误。
- 过程可控：不会一次性从头到尾黑箱生成，而是在数据获取、收入预测、FCF、WACC、终值、估值桥每一步与你确认后再往下走。
- 适合谁：投研分析师、PE/VC 投资经理、企业战投与 FP&A、商科学生与转行者，以及任何需要“把估值逻辑说清楚”的人。
1. 该技能叫什么？如何一键安装 AI 技能提升开发效率？
基本信息
| 项目 | 内容 |
|---|---|
| 技能中文名 | 现金流折现估值模型 |
| 技能英文名 | 现金流折现估值模型（技能内部标识为 DCF Model Builder） |
| 技能 ID | 14237 |
它解决什么问题
传统做 DCF 的痛点非常集中：财务数据要在 10-K、行情软件、Excel 之间来回搬；模型结构每次重搭；敏感性表靠手工拉“数据表”功能，一旦改假设就崩；最要命的是——很多模型里塞的是算好的死数字，别人一改收入假设，利润、自由现金流、每股价值全部不动，模型失去意义。
这个技能把上述流程标准化：从数据获取 → 历史分析 → 收入预测 → 费用建模 → 自由现金流 → WACC → 折现与终值 → 企业价值到股权价值桥 → 敏感性分析，全部按投行建模规范执行，最后交付一个改假设就自动重算的 Excel 模型。
一键安装的思路与步骤
所谓“一键安装”，本质是把这套建模方法论、约束规则与脚本能力，一次性挂载到你的 AI 助手上，之后每次对话都能直接调用，不必反复粘贴长篇提示词。
- 确认安装前提
- 一个支持“技能（Skill）/插件”机制的 AI 客户端或 Agent 运行环境；
- 若要生成独立 .xlsx 文件，需要 Python 环境（含 openpyxl）以及配套的
recalc.py重算脚本（该脚本由技能所依赖的xlsx技能提供）； - 若在 Excel 加载项（Office JS）环境中运行，则无需 Python，直接用 Office JS 写公式，由 Excel 原生计算；
- 如需自动拉取结构化财务数据，可提前配置可用的 MCP 数据服务。具体支持的服务清单与配置方式以官方说明为准。
- 执行安装
- 在技能市场/技能库中按技能 ID 14237 或名称“现金流折现估值模型”检索，点击安装/启用；也可按官方文档指引将技能包导入本地技能目录。具体入口路径与命令以官方说明为准。
- 验证是否生效
- 新建一个对话，输入类似“用 DCF 模型评估某公司内在价值，预测期 5 年，采用一致预期增长”的请求；
- 若技能生效，它会先索要/抓取公司标识与关键输入，并明确告知将产出
DCF与WACC两张工作表，而不是直接甩给你一段文字结论； - 也可在技能列表中确认该技能状态为“已启用”。
提示：安装环节涉及的具体命令、目录、账号与权限、是否收费等细节，本技能详情中未作规定，请以官方说明为准，不要轻信第三方教程里的“万能命令”。
2. 该技能的主要功能和特点
核心功能
- 多源数据获取与校验：优先级为“已配置的 MCP 结构化财务数据 → 用户提供的财务资料 → 网络检索补充行情数据（股价、Beta、债务与现金）”，并强制做校验清单：净负债还是净现金、稀释后股本是否含回购/增发影响、历史利润率是否符合商业模式、增长率是否偏离行业基准、税率是否落在 21%–28% 的合理区间。
- 3–5 年历史分析：输出收入复合增速、毛利率/EBIT 利润率/FCF 利润率走势、D&A 与资本开支占收入比、营运资本效率、ROIC/ROE 趋势等指标表。
- 三情景假设体系：Bear / Base / Bull 各自独立成块，假设横向铺在预测年份上，配一个“情景选择器”（1=悲观、2=基准、3=乐观），再用 INDEX 公式汇总成“选定情景”列供预测公式引用，避免满表嵌套 IF 导致无法审计。
- 完整自由现金流链条：EBIT → 税 → NOPAT → 加回 D&A → 减资本开支 → 减营运资本变动 → 无杠杆自由现金流，营运资本按“收入变动的一定百分比”建模。
- WACC 独立计算表：CAPM 口径计算股权成本（10 年期国债收益率 + 5 年月度 Beta × 5%–6% 股权风险溢价）、税后债务成本、按市值权重加权；明确处理“净现金”导致债务权重为负的特殊情况。
- 中期折现惯例：折现期取 0.5、1.5、2.5……而非 1、2、3，更贴近真实现金流发生节奏。
- 终值双方法：永续增长法（默认，强制终值增长率 < WACC）与退出倍数法（8–15× EBITDA），并做“终值占 EV 50%–70%”的合理性告警。
- 估值桥：PV(明确期 FCF) + PV(终值) = 企业价值 → 减净负债（净现金则加回）→ 股权价值 → 除以稀释股本 → 隐含每股价值 → 对比现价得出上行/下行空间。
- 三张敏感性表：WACC × 终值增长率、收入增长 × EBIT 利润率、Beta × 无风险利率，每张 5×5，中心格必须等于基准情形的隐含股价（这是一致性自检），并用中蓝底色高亮。
与普通工具相比强在哪
- 公式优先，拒绝写死：所有预测、利润率、折现因子、现值、敏感性单元格必须是 Excel 活公式，唯一允许硬编码的只有历史原始数据、假设驱动项和当前市场数据。这一点直接决定了模型“能不能被别人接着用”。
- 可审计：每个蓝色输入单元格都要带来源批注，格式为“来源：系统/文档、日期、页码/条目、链接（如适用）”，且要求写一个批注再写下一段，不允许最后统一补。
- 分步确认，防止返工：数据、收入预测、FCF、WACC、终值分别确认，避免敏感性表建完才发现毛利率假设错了，导致下游全部重建。
- 交付即用：交付前必须运行重算脚本直至状态为 success、零公式错误（#REF!、#DIV/0! 等一个都不允许），敏感性表不留占位文字、不留“请手动用数据表功能填充”的偷懒说明。
- 专业呈现：蓝色字体=输入、黑色=公式、绿色=跨表引用；深蓝章节头 + 浅蓝列头 + 中蓝结论行的克制配色；主要板块加粗边框。
3. 如何使用该技能？
第 1 步：准备输入
最低要求只有两项：公司标识（股票代码或公司名）与增长假设（或直接说“用一致预期”）。可选参数包括预测期（默认 5 年；高成长公司可 7–10 年，成熟公司 3–5 年）、三情景增长率与利润率假设、终值增长率（默认 2.5%–3.0%）、以及自定义的 WACC 输入。
示例提问：
“帮我用 DCF 给一家云计算公司做估值：代码 XXX，预测期 5 年，基准情形收入增速 16%/14%/12%/10%/9%，EBIT 利润率从 48% 提升到 52%，终值增长率 3%，另外做悲观和乐观两套情景，最后一页要三张敏感性表。”
第 2 步：触发技能并确认数据
技能会先抓取数据并展示“原始输入块”——收入、利润率、股本、净负债/净现金，等你确认后再开始预测。此时请重点核对净负债符号、稀释股本口径、税率是否合理。
第 3 步：确认收入预测
它会给出各年收入金额与计算出的增速，并解释“前两年高增长、后两年向行业均值收敛、第五年逼近终值增速”的逻辑。
第 4 步：确认费用与自由现金流
检查 S&M、R&D、G&A 是否以收入为基数建模（而不是以毛利为基数，这是新手最常见的错误），以及经营杠杆是否体现为费用率随规模下降。
第 5 步：确认 WACC
查看股权成本拆分（无风险利率、Beta、股权风险溢价）、税后债务成本与资本结构权重；若公司是净现金状态，注意债务权重为负是正常的。
第 6 步：确认终值与企业价值到股权价值的桥
检查终值占比是否落在 50%–70%，隐含股价与现价的对比是否合理。
第 7 步：验收交付物
最终文件命名为 [代码]_DCF_Model_[日期].xlsx，包含 DCF 与 WACC 两张表，敏感性表位于 DCF 表底部（不单独建表）。打开文件后，把情景选择器从 2 改成 1 或 3，观察整表是否联动重算——这是判断“是活模型还是死数字”的最快方式。
4. 同类型竞品对比分析
| 方案名称 | 定位 | 核心功能 | 安装/使用门槛 | 适用场景 | 优势与不足 |
|---|---|---|---|---|---|
| 现金流折现估值模型 Skill（本技能，ID 14237） | 投行标准 DCF 建模自动化 | 数据获取与校验、三情景假设、FCF 全链条、WACC/CAPM、终值、估值桥、三张 5×5 敏感性表、专业 Excel 交付 | 需支持技能机制的 AI 环境；独立 .xlsx 需 Python + 重算脚本 | 单公司内在价值评估、投研初稿、尽调支撑、教学演示 | 优势：公式全活、可审计、分步确认、交付即用；不足：依赖数据可得性，特殊行业（金融、地产）需额外口径调整 |
| 直接让通用大模型“口算 DCF” | 快速结论型 | 生成一段估值分析与结论文字 | 几乎为零 | 快速建立直觉、非正式讨论 | 优势：几秒钟出话；不足：数字不可复算、公式不可见、换个假设结论就飘，无法作为交付物 |
| 手工 Excel 估值模板 | 传统做法 | 结构化的三表模型与敏感性表 | 需要自建或购买模板并手动填数 | 正式投研报告、内部立项 | 优势：完全可控；不足：搭表耗时、公式易错、数据搬运繁琐、敏感性表依赖手工“数据表”功能，改假设易出错 |
| 专业金融数据终端内置估值模块 | 数据+模型一体化 | 一致预期、可比公司、倍数与 DCF 模块 | 订阅成本与学习成本高，通常按席位授权 | 机构级投研、卖方研究 | 优势：数据权威、更新快；不足：价格昂贵、模型结构封闭、难以按自己逻辑深度定制 |
结论：如果你要的是可交付、可复用、逻辑透明的模型文件，本技能的定位最贴；如果只是要一个“大概值多少”的直觉，通用对话更轻；如果对数据权威性与合规流程要求极高，专业终端仍不可替代。
5. 该技能的典型应用场景与实际体验情况
场景一：卖方/买方投研分析师的估值初稿
痛点：一份深度报告要在两三天内出模型，光搭表和数据搬运就耗掉一半时间。使用方式：把代码、情景假设、预测期一次性交代清楚，让技能先出数据块，分析师核对后逐段确认。 实际体验：上手难度中等偏低（会读三张表就能验收），效率提升最明显的是“从零到有结构”的那一段；注意事项是别跳过每一步确认，尤其是净负债口径，符号错了每股价值会整体偏移。
场景二：PE/VC 投资经理的快速定价与压力测试
痛点：项目节奏快，需要在有限信息下判断“这个价格贵不贵”，并向上会解释为什么。使用方式：先用基准情景跑一版，再让技能把 WACC 和终值增长率作为敏感性轴，看估值区间宽度。 实际体验：三张敏感性表是最好用的部分，中心格必须等于基准隐含股价这一约束，让表格不会“看起来很美但和主模型对不上”。注意：早期公司现金流不稳定，5 年预测期往往不够，应主动改成 7–10 年并压低终值占比。
场景三：CFO/FP&A 的内部战略与预算论证
痛点：要回答“扩产这笔钱值不值”“如果增速掉 3 个点估值差多少”。使用方式：让技能把情景切换器做成经营情景（保守/预算/进取），并把资本开支、营运资本假设调成公司内部口径。 实际体验：公式全部为活公式带来的好处在此场景最明显——会上有人提出“毛利率再降 2 个点”，直接改假设，全表联动。注意事项：内部数据需要自行准备并逐项核对来源批注，否则模型虽漂亮但不可审计。
场景四：商科学生与转行者的 DCF 学习工具
痛点：教科书讲得懂，自己搭表就乱；不知道自己搭得对不对。使用方式：让技能生成一个完整模型，然后逐行阅读公式、对照本技能内置的常见错误清单（如用毛利而非收入做费用基数、终值增长率大于 WACC）。 实际体验：最大的价值不是得到那个每股价格，而是得到一个“标准答案结构”；注意事项是不要只看结论单元格，要顺着 NOPAT → FCF → 折现因子一路点进去看公式引用是否指向正确行。
6. 该技能能为用户带来的价值
效率层面：把“找数据 + 搭结构 + 写公式 + 做敏感性表 + 查错”这条长链条压缩成一次对话加几轮确认。原本需要半天到一天的结构性工作，主要时间可以转移到“想清楚假设”这件真正创造价值的事情上。仅敏感性表一项，3 张 5×5 共 75 个单元格若手工逐个写全 DCF 重算公式，本身就是数小时的工作量。
质量层面：内置的约束清单（终值增长率必须小于 WACC、终值占 EV 50%–70%、税率 21%–28%、费用以收入为基数、敏感性表行列数为奇数以保证有唯一中心格、中心格必须等于基准股价）相当于一位随时在场的复核人，把新手最容易犯的错误挡在交付之前。零公式错误的强制要求，避免了“发给客户后一打开满屏 #REF!”的尴尬。
门槛层面：不需要会写 Python、不需要精通 openpyxl、不需要背 Excel 的“数据表”功能怎么用，也能拿到一份结构符合投行规范的模型。对非财务背景的产品、运营、创业者而言，这是理解“一家公司值多少钱”的最短路径。
长期价值：交付的是一份别人能接着改的模型资产。公式透明、输入带来源、情景可切换，意味着它可以被复用为下一个项目的模板、被同事接手继续完善、被审计追溯每一个数字的出处。这种“可传承性”，是任何一段文字结论都无法替代的。
7. 常见问题 FAQ
Q1：怎么安装？我该从哪里开始？ 先确认你的 AI 环境支持技能/插件机制，然后在技能库中按技能 ID 14237 或名称“现金流折现估值模型”检索并启用。若要生成独立 .xlsx 文件，还需要 Python 环境与配套的重算脚本；在 Excel 加载项环境中运行则可直接用 Office JS 写公式、无需 Python。具体入口、命令与权限配置以官方说明为准。
Q2：收费吗？需要额外买数据吗？ 本技能详情中未涉及定价信息，收费情况请以官方说明为准。数据方面，技能会优先使用你已配置的 MCP 数据服务和你自己提供的财务资料，必要时通过网络检索补充股价、Beta 等行情数据；若你没有配置数据服务，就需要自行提供历史财务数据。
Q3：适合谁用？完全不懂财务能用吗？ 最适合投研分析师、投资经理、企业战投与 FP&A，以及正在学习估值的商科学生。完全零基础也能跑出模型，但必须有能力验收：至少要看懂收入、利润率、自由现金流、WACC、终值这几个环节的假设是否合理，并认真完成技能要求的分步确认，否则容易得到一个“结构正确但假设离谱”的模型。
Q4：它和直接问 AI“这家公司值多少钱”有什么区别？ 直接问得到的是一段文字结论，数字无法复算、假设不可调整；本技能交付的是带活公式的 Excel 模型，改一个假设，收入、利润、FCF、折现、终值、每股价值、敏感性表全部联动重算，并且每个输入都有来源批注，可以被复核与接手。
Q5：和手工 Excel 模板、专业金融终端怎么选？ 要“结构透明 + 可定制 + 交付即用”，选本技能；只想要个大概直觉，用通用对话最快；对数据权威性、合规流程和团队协作要求极高的机构场景，专业终端仍是标配。实践中常见做法是：用本技能快速搭出可讨论的模型骨架，再用机构数据源替换关键输入完成定稿。