技能介绍

问题：个人投资者的分析门槛

面对一只股票，个人投资者和初级分析师常遇到三个难题：不知道该用哪种估值模型、财务比率太多无从下手、风险排查缺乏系统框架。手动搭建 DCF 模型需要理解折现率与增长率假设，杜邦分析要拆解 ROE 的五个驱动因素，而财务造假识别更是需要交叉验证多个维度的信号。每个环节单独处理不仅耗时，还容易遗漏关键假设。

技能如何工作

该技能将财务分析拆解为三个可调用的模块，通过自然语言指令驱动 Agent 逐步执行。

估值建模模块 提供八种工具：从 dcf-zero-growth 到 dcf-two-stage 覆盖不同增长阶段，加上 pe-valuation、pb-valuation、ps-valuation、peg-valuation 四种可比估值，以及 wacc-calculation 计算折现率。输入参数后，Agent 解析指令、执行核心逻辑，返回含状态码、结果数据和运行日志的结构化输出。

财务比率分析模块 以 financial-ratio-framework 的五维体系为核心，辅以 dupont-five-factor 拆解 ROE、gross-margin-analysis 分析成本结构、revenue-analysis 评估收入质量，以及现金流预测与营运资本分析。用户用自然语言描述需求，Agent 自动匹配对应工具。

风险评估模块 包含 fraud-risk-detection 识别财务造假信号、liquidity-risk-assessment 评估短期偿债能力、earnings-quality-analysis 检验利润可持续性，以及敏感性分析、趋势分析、可比公司分析等。三个维度交叉验证，避免单一指标误导结论。

使用时，用户通过自然语言描述分析目标（如"帮我分析一下贵州茅台的财务状况"），Agent 解析输入参数后调用对应模块，输出结构化分析结果。

适用边界

该工具定位为入门级分析框架，免费版仅支持单标的深度分析，不支持批量处理和自动化报告生成。分析结果的准确性高度依赖输入数据的质量——缺失关键科目或数据不完整会导致结论偏差。估值结果对增长率、折现率等假设非常敏感，建议配合敏感性分析测试不同情景。运行环境需要 Python 3.8+，数值计算可选依赖 numpy 和 pandas。工具本身不提供实时市场数据，需用户自行准备财务数据输入。