用途：把已完成的单点 DCF 估值转成价值分布，回答置信区间、当前股价在分布中的位置、价值归零概率等问题。模型不在本技能内重写，每次试验调用 dcf-valuation-engine 的引擎，使模拟与基准情形使用同一套代码。
主要能力：提供 simulate（基准 DCF 载荷加驱动分布，输出价值分布、百分位、价格胜率、拒绝计数）、sample（单独抽样一个或多个分布，输出矩、百分位与实际相关性）、scenarios（带概率的命名情境，输出各情境价值与概率加权期望值）、percentiles（对一组数值或已发布百分位表计算百分位、矩及价格位置）。脚本为 resources/simulate.py，使用标准库，无需安装。
使用方式：python3 resources/simulate.py simulate --example 查看输入格式；python3 resources/simulate.py simulate --in run.json 运行模拟；python3 resources/simulate.py selftest 校验引擎。种子为必填输入而非可选，需随结果记录以保证可复现。驱动因子以点号路径指向基准载荷的叶子节点，可选分布类型为 uniform、triangular、normal、lognormal、discrete。相关性采用单共同因子模型，通过 factor 与 loading 设定，输出会同时报告请求相关性和实际抽样相关性。
适用场景：真正不确定的是“程度”而非“哪个故事”时使用分布模拟；与商品价格高度绑定的公司可用 linear_map 在模拟内完成截距加斜率换算。若不确定的是几个命名故事中哪个为真，应改用 scenarios。
限制：不修复错误的商业叙述，模型风险不在输出中；输出的是假设的分布而非现实的分布；仅与输入分布同等可靠；不额外增加风险，折现率已含风险；范围不是答案，仍需判断相信哪一段。二元风险不应放入连续分布，应使用情景或 DCF 失败分支。默认丢弃被拒绝的试验，而拒绝集中在某一尾部，拒绝比例超过几个百分点应视为收紧输入分布的信号。最大和最小值为单次抽样，应引用 10 到 90 百分位作为工作区间，并以中位数而非基准情形为首要数字。官方资料未提供收费、价格或平台信息。