mcpField
F
financial-analysis-dcf

financial-analysis-dcf

github.com/pionex-official数据与数据库5112 次安装14 周前更新
代码仓库

关于 financial-analysis-dcf

通过折现现金流模型估算美国上市股票的每股内在价值。技能收集财务与市场输入、预测自由现金流，并提供敏感性表及假设和限制说明。

主要功能

  1. 01获取 SEC EDGAR 财务数据
  2. 02使用 FRED 利率和 Yahoo Finance 市场数据
  3. 03预测自由现金流与终值
  4. 04生成 WACC 和增长率的 5×5 敏感性表
  5. 05说明假设、解读方式及模型限制

适用场景

  1. 01估算美国上市股票的内在价值
  2. 02比较不同假设下的估值结果
  3. 03结合估值审视现金流与债务情况

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/pionex-official/pionex-skills --skill financial-analysis-dcf

安装后在 Claude Code 中输入/financial-analysis-dcf确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

run.sh
scripts/
get_beta.py
get_dcf.py
get_fundamentals.py
get_quote.py

详细介绍

DCF 估值

使用贴现现金流模型估算每股内在价值。数据来自 SEC EDGAR（财务数据）、FRED（无风险利率）和 Yahoo Finance（价格、贝塔）。

设置

无需依赖项。所有脚本仅使用 Python 标准库。

工作流

步骤 1 — 运行 DCF 脚本
bash run.sh <SYMBOL>
# With custom assumptions:
bash run.sh <SYMBOL> --terminal-growth 3.0 --fcf-growth 15 --projection-years 7

脚本将：

  1. 从 SEC EDGAR 获取 5 年的 10-K 数据
  2. 计算无杠杆 FCF = OCF − CapEx + 利息费用 × (1−T)
  3. 推算历史 FCF 增长率（或使用覆盖值）
  4. 从 FRED 获取无风险利率（10 年期国债）
  5. 从 Yahoo Finance 获取贝塔和当前价格
  6. 计算 WACC = Ke × E/V + Kd × (1−T) × D/V
  7. 预测 FCF，计算终值（Gordon 增长模型）
  8. 生成 5×5 敏感性表（WACC 与终值增长率）
步骤 2 — 第 1 部分：摘要

首先输出此摘要框：

[TICKER] — DCF VALUATION

Intrinsic value:  $XXX.XX  |  Current price: $XXX.XX  |  ▲/▼ XX.X%
WACC:             X.X%     |  Terminal growth: X.X%   |  FCF base: $X.XB
步骤 3 — 第 2 部分：敏感性表

显示 JSON 输出中的完整 5×5 敏感性表：

Terminal Growth \\ WACC  |  8.2%   |  9.2%   |  10.2%
------------------------|---------|---------|--------
1.5%                    | $198.4  | $176.2  | $158.1
2.5%                    | $221.3  | $194.5  | $172.6
3.5%                    | $251.7  | $218.0  | $191.4

对于 null 值（WACC ≤ 终值增长率），显示 N/A。

步骤 4 — 第 3 部分：解读

说明关键假设及其影响：

  • 哪些输入造成的差异最大（通常是 WACC 和增长率）
  • 该公司的贝塔是否合理
  • 历史 FCF 增长率与分析师预期相比如何
  • 是否存在任何风险信号（FCF 为负的年份、现金流波动较大、债务较高）

免责声明：DCF 输出对 WACC 和增长假设高度敏感。应将其作为众多参考因素之一，而非确定的目标价格。务必同时展示敏感性表和单点估值。

模型假设

  • ERP：5.5%（Damodaran 市场平均值）
  • 税率：根据 SEC 文件推算（IncomeTaxExpense / PreTaxIncome）；数据不足时使用 21%
  • 债务成本：根据 SEC 文件推算（InterestExpense / LongTermDebt）；数据不足时使用 4%
  • FCF：无杠杆 FCF = OCF − CapEx + InterestExpense × (1−T)，取自最近一份 10-K
  • FCF 增长率：根据历史 10-K 数据计算每股 UFCF CAGR（考虑股票回购）；数据不足时使用 3%
  • 贝塔：使用每日收益率对比 SPY 进行 OLS 回归（约 5 年）；应用 Blume 调整（调整后 = 0.67 × 原始值 + 0.33）
  • 流通股数：来自 SEC EDGAR；数据不足时使用市值 / 价格
  • 年中约定：FCF 和终值均按年中贴现

格式规则

  • 内在价值和当前价格：$XXX.XX
  • 上涨/下跌幅度：▲ +XX.X% 或 ▼ −XX.X%
  • WACC 和增长率：保留一位小数，例如 9.2%
  • FCF：使用 B 或 M，例如 $12.3B

不适用情形

  • FCF 为负或波动较大：自由现金流为负的公司无法通过 DCF 估值，因为模型需要正的基础 FCF 才能进行未来预测
  • 银行和金融机构：其营收和现金流结构本质不同（利息收入与经营收入不同）；应改用市净率或股息贴现模型
  • 保险公司：与银行类似，其收益由承保和投资收入驱动，而非经营现金流
  • 尚未产生收入或处于早期阶段的公司：缺乏有意义的 FCF 历史数据，无法进行外推

局限性

  • 仅限美国股票：SEC EDGAR 数据适用于在美国上市的股票
  • 基于历史数据：使用历史财务数据，未来可能存在显著差异
  • 不包含分析师预测：除非用户提供增长率，否则根据历史数据外推

评论

支持 Markdown