杜邦分析法
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_ef9e183a/financial-analysis-dubang-fenxi 到 AI 助手。
技能介绍
为什么需要自动化杜邦分析
在分析企业盈利能力时,财务人员常面临这样的困境:面对资产负债表和损益表中的海量数据,手动计算 ROE(净资产收益率)不仅耗时,还容易因公式错误导致结论偏差。尤其当需要对比多家公司或追踪多年趋势时,重复计算的工作量极大。
杜邦分析法通过将 ROE 拆解为多个驱动因素,能清晰揭示盈利能力的来源。但传统手工计算中,三因素模型的 净利润率 × 总资产周转率 × 权益乘数 和五因素模型的 税负 × 利息负担 × 营业利润率 × 周转率 × 杠杆 需要从报表中提取至少 8 项核心数据,任何一步的疏漏都会影响最终结果的准确性。
技能如何工作
该技能的核心价值在于自动化完成杜邦分析的全流程:
- 数据提取:只需提供财务报告链接,技能会自动从资产负债表和损益表中提取关键数据(如净利润、总资产、股东权益等),省去人工整理数据的环节
- 双模型计算:同时实现三因素和五因素模型的并行计算。三因素模型聚焦
净利润率 × 总资产周转率 × 权益乘数的乘积关系,五因素模型则进一步拆解为税负 × 利息负担 × 营业利润率 × 周转率 × 杠杆,从税务策略、利息成本、运营效率等多维度解析 ROE 构成 - 深度解读:计算结果不仅呈现数字,还会结合财务指标给出解读,例如分析资产周转率反映的资产使用效率,或通过权益乘数判断财务杠杆的风险水平
适用边界与注意事项
- 数据依赖性:分析结果的准确性完全依赖输入的财务报表数据质量。若报表存在数据缺失、分类错误(如将研发费用资本化),会导致模型计算偏差
- 模型局限性:杜邦分析聚焦财务指标间的数学关系,无法反映行业特性(如重资产行业的资产周转率天然较低)、市场竞争等非财务因素,需结合其他分析方法综合判断
- 理解门槛:虽然技能输出详细,但解读结果需要一定的财务知识基础,尤其是五因素模型中的
税负和利息负担因子,需结合公司的具体融资结构和税务策略来理解
使用场景
- 收到上市公司年报后,需要拆解其 ROE 构成,找出驱动盈利能力变化的具体因素
- 对比同行业多家公司的 ROE 差异时,需要用统一框架分析各驱动因子的影响
- 撰写投资分析报告,需要展示目标公司近五年 ROE 变化趋势及背后的财务原因
- 财务尽调中,需要从目标公司的资产负债表和损益表提取数据并完成杜邦分析
适合人员
- 投资分析师,需要撰写包含 ROE 深度拆解的投资分析报告
- 企业财务人员,需要定期分析本公司或竞争对手的盈利能力变化
- 审计师,需要在尽调项目中系统性分析客户的财务指标表现
- 金融专业学生,需要学习并实践杜邦分析法的具体计算过程