mcpField
C
creating-financial-models

creating-financial-models

github.com/anthropicsデータ・データベース53.9k413 回インストール4 日前に更新
リポジトリ

creating-financial-models について

一般的な手法で投資分析、評価、リスク査定を行う財務モデリングスキルです。DCF、感応度分析、モンテカルロシミュレーション、シナリオ計画に対応し、DCFと感応度分析のスクリプトも含みます。

主な機能

  1. 01成長シナリオと終価を用いたDCF評価
  2. 02感応度表とトルネードチャート
  3. 03モンテカルロ評価とリスク指標
  4. 04最良・基本・最悪シナリオの比較
  5. 05貸借対照表とキャッシュフローの検査

活用シーン

  1. 01過去の財務諸表に基づく企業価値評価
  2. 02成長率とWACCが評価に与える影響の検証
  3. 03買収評価の不確実性の推定
  4. 04拡張プロジェクトのシナリオ比較

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/anthropics/claude-cookbooks --skill creating-financial-models

インストール後、Claude Code で/creating-financial-modelsを入力して読み込まれたか確認します。

同梱ファイルdcf_model.pysensitivity_analysis.py

詳細

財務モデリングスイート

業界標準の方法論を用いた投資分析、バリュエーション、リスク評価のための包括的な財務モデリングツールキットです。

主な機能

1. 割引キャッシュフロー(DCF)分析
  • 複数の成長シナリオを含む完全な DCF モデルを構築
  • 永久成長法と出口マルチプル法を用いたターミナルバリューの算出
  • 加重平均資本コスト(WACC)の算出
  • エンタープライズバリューとエクイティバリューの評価額を算出
2. 感度分析
  • バリュエーションに対する主要な前提条件の影響を検証
  • 複数の変数に対するデータテーブルを作成
  • 感度のランキングを示すトルネードチャートを生成
  • 重要な価値ドライバーを特定
3. モンテカルロシミュレーション
  • 確率分布を用いて数千のシナリオを実行
  • 主要な入力値の不確実性をモデル化
  • バリュエーションの信頼区間を生成
  • 目標達成の確率を算出
4. シナリオプランニング
  • 楽観/基本/悲観の各シナリオを構築
  • 異なる経済環境をモデル化
  • 戦略的代替案を検証
  • 結果の確率を比較

入力要件

DCF 分析の場合
  • 過去の財務諸表(3~5年分)
  • 売上成長率の前提条件
  • 営業利益率の予測
  • 設備投資の予測
  • 運転資本の要件
  • ターミナル成長率または出口マルチプル
  • 割引率の構成要素(リスクフリーレート、ベータ、マーケットプレミアム)
感度分析の場合
  • 基本ケースのモデル
  • 検証する変数の範囲
  • 追跡する主要指標
モンテカルロシミュレーションの場合
  • 不確実な変数の確率分布
  • 変数間の相関の前提条件
  • 反復回数(通常 1,000~10,000 回)
シナリオプランニングの場合
  • シナリオの定義と前提条件
  • シナリオの確率ウェイト
  • 追跡する主要業績評価指標

出力形式

DCF モデルの出力
  • 完全な財務予測
  • フリーキャッシュフローの計算
  • ターミナルバリューの算出
  • エンタープライズバリューとエクイティバリューのサマリー
  • 示唆されるバリュエーションマルチプル
  • 完全なモデルを含む Excel ワークブック
感度分析の出力
  • 価値の範囲を示す感度テーブル
  • 主要ドライバーのトルネードチャート
  • 損益分岐点分析
  • 関係性を示すチャート
モンテカルロの出力
  • バリュエーションの確率分布
  • 信頼区間(例: 90%、95%)
  • 統計サマリー(平均、中央値、標準偏差)
  • リスク指標(VaR、損失確率)
シナリオプランニングの出力
  • シナリオ比較テーブル
  • 確率加重された期待値
  • デシジョンツリーの可視化
  • リスクリターンプロファイル

対応するモデルタイプ

  1. 企業価値評価

    • キャッシュフローが安定した成熟企業
    • J カーブの予測を持つ成長企業
    • 業績回復局面
  2. プロジェクトファイナンス

    • インフラプロジェクト
    • 不動産開発
    • エネルギー関連プロジェクト
  3. M&A 分析

    • 買収バリュエーション
    • シナジーのモデリング
    • 増益/希薄化分析
  4. LBO モデル

    • レバレッジドバイアウト分析
    • リターン分析(IRR、MOIC)
    • 債務調達余力の評価

適用されるベストプラクティス

モデリング基準
  • 一貫した書式と構成
  • 前提条件の明確な文書化
  • 入力、計算、出力の分離
  • エラーチェックと検証
  • バージョン管理と変更履歴の追跡
バリュエーションの原則
  • 複数のバリュエーション手法を用いたトライアンギュレーション
  • 適切なリスク調整の適用
  • 市場の類似企業の考慮
  • 取引マルチプルとの整合性の検証
  • 主要な前提条件の明確な文書化
リスク管理
  • 主要リスクの特定と定量化
  • 確率加重シナリオの活用
  • 極端なケースのストレステスト
  • 相関効果の考慮
  • 信頼区間の提供

使用例

「添付の財務諸表を用いて、このテクノロジー企業の DCF モデルを構築してください」

「この買収モデルに対して 5,000 回の反復でモンテカルロシミュレーションを実行してください」

「成長率と WACC がバリュエーションに与える影響を示す感度分析を作成してください」

「この拡張プロジェクトについて、確率ウェイトを付けた 3 つのシナリオを作成してください」

含まれるスクリプト

  • dcf_model.py: 完全な DCF 評価エンジン
  • sensitivity_analysis.py: 感度テストフレームワーク

制限事項と免責事項

  • モデルは前提条件の精度を超えることはできません
  • 過去の実績は将来の結果を保証するものではありません
  • 市場環境は急速に変化する可能性があります
  • 規制や税制の変更が結果に影響を与える可能性があります
  • 結果の解釈には専門的な判断が必要です
  • 専門的な財務アドバイスの代替とはなりません

品質チェック

モデルは以下を自動的に実行します:

  1. 貸借対照表のバランスチェック
  2. キャッシュフローの照合
  3. 循環参照の解決
  4. 感度の範囲チェック
  5. モンテカルロ結果の統計的検証

更新とメンテナンス

  • モデルは最新の財務理論と実務を採用しています
  • 市場パラメータのデフォルト値の定期的な更新
  • 規制変更の反映
  • 利用パターンに基づく継続的な改善

コメント