mcpField
F
financial-modeling

financial-modeling

github.com/seb1n数据与数据库236126 次安装12 周前更新
代码仓库

关于 financial-modeling

financial-modeling 是根据业务假设和历史数据构建财务预测与估值分析的技能。它涵盖经营预测、自由现金流、DCF 指标、情景分析和敏感性分析,可用于规划和交易评估。

主要功能

  1. 01定义业务假设
  2. 02预测收入与运营费用
  3. 03预测自由现金流
  4. 04DCF 估值与关键指标
  5. 05情景和敏感性分析
  6. 06检查假设与计算

适用场景

  1. 01构建初创企业财务预测
  2. 02评估企业收购
  3. 03比较不同估值情景
  4. 04制定预算和业务规划

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/seb1n/awesome-ai-agent-skills --skill financial-modeling

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

详细介绍

财务建模

构建结构化财务预测,包括损益表、折现现金流(DCF)模型和估值分析。这项技能将一组业务假设转化为多期财务预测,并计算净现值(NPV)、内部收益率(IRR)、EBITDA 利润率和营收增长率等关键指标。适用于初创公司融资、收购分析、预算编制和战略规划。

工作流

  1. 定义核心假设 收集所有基础输入:营收增长率、定价层级、客户获取率、流失率、成本结构、税率、折现率和终值增长率。验证各项假设在内部是否一致——例如,员工人数增长应与预测营收所需的产能相符。记录每项假设的来源或依据。

  2. 构建营收模型 根据可用数据,采用自下而上或自上而下的方法进行营收预测。对于订阅业务,按客户群建模 MRR,并纳入扩张和流失。对于交易型业务,按交易量 × 平均交易金额建模。如果业务包含多个产品线或地区,则按细分项拆分营收。

  3. 预测运营费用 按类别预测销售成本、毛利率和运营费用:人员、营销、研发、一般及行政费用(G&A)和基础设施。综合使用固定成本和可变成本假设。根据薪酬基准制定员工人数计划。在适用时纳入规模经济——随着用户量增长,单位用户的托管成本应下降。

  4. 计算自由现金流 根据预测的损益表得出 EBITDA,然后调整资本支出、营运资本变动和税费,计算各期无杠杆自由现金流(UFCF)。明确区分经营、投资和融资活动产生的现金流。

  5. 计算估值指标 使用 WACC 折现预测现金流,通过 DCF 计算企业价值。采用永续增长模型或退出倍数法计算终值。得出 NPV、IRR 和回本周期。针对不同折现率和增长率区间运行敏感性分析表。

  6. 压力测试并总结 通过调整 2-3 项关键假设,运行悲观/基准/乐观情景。在汇总表中展示结果范围,并指出对估值影响最大的假设。

用法

提供业务假设、历史财务数据(如有)以及所需的模型类型。说明预测周期和希望计算的具体指标。

示例提示词:

为一家 B2B SaaS 初创公司构建为期 3 年、按月编制的损益表预测。起始 MRR 为 $45K,第 1 年环比增长 8%,第 2 年放缓至 5%,第 3 年放缓至 3%。毛利率为 78%。运营费用从每月 $60K 开始,每月增长 4%。展示 EBITDA 和现金余额。

示例

示例 1:SaaS 初创公司 3 年损益预测

输入: B2B SaaS,起始 MRR 为 $45K,按年份分别以 8%/5%/3% 的月环比增长率增长,毛利率为 78%,起始运营费用为 $60K,每月增长 4%。

输出(年末汇总):

指标第 1 年第 2 年第 3 年
年收入$853,971$1,753,589$2,754,401
销货成本(22%)$187,874$385,790$605,968
毛利润$666,097$1,367,799$2,148,433
运营费用$901,548$1,443,408$2,310,943
EBITDA($235,451)($75,609)($162,510)
EBITDA 利润率-27.6%-4.3%-5.9%
EBITDA 累计亏损($235,451)($311,060)($473,570)

此计算惯例将第 1 个月视为所述的 $45K MRR,第 2 至第 12 个月按 8% 增长,第 13 至第 24 个月按 5% 增长,第 25 至第 36 个月按 3% 增长。由于毛利金额始终未超过运营费用,每月 EBITDA 均为负值;EBITDA 累计亏损约为 $474K。若没有期初现金、营运资金、资本支出、税费和融资假设,则无法计算实际现金状况。因此,该计划需要明确的现金缓冲并降低运营费用增速;仅凭该计划无法判断融资是否充足。

示例 2:小型企业收购的 DCF 模型

输入: 目标企业每年产生 $500K 的 UFCF,未来 5 年每年增长 6%。WACC 为 12%。终值增长率为 2.5%。收购价格为 $2.1M。

输出:

年份UFCF折现因子UFCF 现值
1$530,0000.893$473,214
2$561,8000.797$447,864
3$595,5080.712$423,871
4$631,2380.636$401,163
5$669,1130.567$379,673
  • 预测期现值: $2,125,785
  • 终值: $669,113 × 1.025 / (0.12 − 0.025) = $7,219,377
  • 终值现值: $7,219,377 / 1.12⁵ = $4,096,468
  • 企业价值: $6,222,253
  • 企业价值减去所述收购价格: $4,122,253,未计入债务、现金、交易成本、税费和尽职调查调整

在这些假设下,模型得出的企业价值高于所述收购价格,但这不足以说明该交易能增厚价值或显然值得买入。在报告 NPV 或 IRR 之前,应先计算股权价值、融资现金流、交易成本、税费,以及明确的退出或持有期现金流计划。对 WACC、终值增长率、运营表现和下行情景进行压力测试。

最佳实践

  • 始终将假设与计算分开,以便利益相关方调整输入,而无需修改公式。
  • 前 1-2 年采用月度粒度,此后采用季度或年度粒度,以兼顾细节与可读性。
  • 尽可能以可比公司数据或历史业绩为假设提供依据。
  • 至少针对两个关键变量(例如增长率和折现率)进行敏感性分析。
  • 清楚标注所有单位——区分月度与年度数据,以及千位数与实际数值。
  • 交叉核对模型:净利润加上 D&A,应与营运资金变动前的经营现金流相符。

安全边界

  • 将输出视为分析支持,而非个性化的财务、税务、投资或会计建议。
  • 保留源数据,并明确列出假设、公式、单位和勾稽检查,以便审阅者复现结果。
  • 未经用户明确授权,不得发起付款、交易、日记账分录、申报或账户变更。
  • 对重大决策、受监管申报或基于不完整数据得出的结论,应要求具备资质的专业人士进行审核。

边界情况

  • 尚未产生收入的初创公司: 使用自下而上的 TAM/SAM/SOM 方法和转化漏斗,而不是历史增长率。需注明预测具有很强的推测性。
  • 所有期间的自由现金流均为负: DCF 仍然适用,但终值占比会很高。需说明其敏感性,并考虑使用收入倍数进行合理性检查。
  • 超高速增长导致的失真: 当 MoM 增长超过 15% 时,复合增长 36 个月会得出不切实际的数值。应限制增长率,或改用带饱和点的 S 曲线模型。
  • 币种不匹配: 如果收入和成本使用不同币种,应明确设定汇率假设,并展示汇率变动 ±10% 的影响。
  • 季节性业务: 月度模型必须考虑季节性。应使用历史月度收入分布百分比,而不是假设增长平稳。

评论

支持 Markdown