估值建模专家

要解决的问题

传统估值分析有三个反复出现的坑：一是依赖单一模型，DCF 与 PE 的结果经常互相矛盾，没有系统化的交叉验证机制；二是 WACC、永续增长率 g 等关键假设缺少敏感性分析，参数稍微调整估值就剧烈波动，却无法量化波动幅度；三是蒙特卡洛模拟计算量太大，传统工具难以实时执行，用户最终只能拿到一个单点估值。

技能如何工作

该技能用三层架构处理上述问题：

• 数据层：通过 Tushare/AKShare 适配器获取财务数据，支持多源回退；
• 计算层：NumPy 向量化执行 DCF/WACC/PE/PB 计算，蒙特卡洛模拟采用拉丁超立方抽样并行运行 10000 次；
• 输出层：返回结构化 JSON，并生成 5×5 敏感性矩阵的 SVG 热力图。

关键算法包括 CAPM 模型计算股权成本、Gordon 增长模型计算终值。输入标的代码与 JSON 参数后，技能并行跑通五大模型（DCF、PE、PB、PEG、WACC），输出交叉验证结果与分歧度，再叠加蒙特卡洛概率分布（P5/P25/P50/P75/P95）和敏感性分析，覆盖单标的估值、组合对标、并购定价等场景。

适用边界与注意点

• DCF 仅适合自由现金流稳定可预测的成熟企业，且对 WACC 和 g 极敏感：WACC 变动 1%，估值可能变动 15–20%；
• 当 WACC ≤ g 时终值发散，技能会降级处理并标注异常；
• PE/PEG 要求盈利为正，负 EPS 时直接失效；beta 缺失时回退到行业均值；
• 运行依赖金融数据 API 访问权限，蒙特卡洛概率分布不等于对未来价格的保证。