SuperAPI AI 工具集

financial-analysis-dcf

数据与分析

查看项目

更新于 10-16 08:05

技能介绍

用途:对美国上市股票做现金流折现(DCF)估值,估算每股内在价值。数据来源为 SEC EDGAR(财务数据)、FRED(无风险利率)与 Yahoo Finance(股价、beta)。

主要能力:脚本自动获取 5 年 10-K 数据,计算无杠杆自由现金流(OCF − CapEx + 利息费用 ×(1−税率)),推导历史 FCF 增长率,从 FRED 取 10 年期国债无风险利率,从 Yahoo Finance 取 beta 与现价,计算 WACC,预测未来 FCF,用 Gordon 增长模型计算终值,并生成 WACC 与终值增长率的 5×5 敏感性表。

使用方式:无需依赖,脚本仅用 Python 标准库。运行 bash run.sh <SYMBOL>;可加参数如 --terminal-growth 3.0 --fcf-growth 15 --projection-years 7。输出三段:摘要框(内在价值、现价、涨跌幅、WACC、终值增长率、FCF 基数)、完整敏感性表(null 显示 N/A,WACC ≤ 终值增长率时为空)、解读(关键假设影响、beta 合理性、历史 FCF 增长率与预期对比、风险信号)。格式上价值与价格用 $XXX.XX,涨跌用 ▲/▼,比率保留一位小数,FCF 用 B 或 M。

适用场景与限制:模型假设 ERP 5.5%,税率与债务成本优先取自 SEC 文件(否则回退 21% 与 4%),beta 用近 5 年日收益对 SPY 回归并做 Blume 调整,采用年中折现。仅限美股。由于基于历史财务,未来可能差异显著;除用户指定外不使用分析师预测。负或波动现金流公司、银行、保险公司、无收入早期公司不适用。DCF 结果对 WACC 与增长假设高度敏感,应作为参考输入之一,并始终与敏感性表一同呈现。