valuation-models
Skill10 starsChanged 6 months agoMITView on GitHub
运用 DCF、相对估值、PEG、历史估值区间等方法评估资产内在价值，给出安全边际和情景分析。 当用户询问"这只股票贵不贵"、"现在能买入吗"、"目标价是多少"、"估值贵还是便宜"、 "合理价值是多少"，或提到 PE、PB、DCF、估值分位、安全边际等时，**务必使用此技能**进行结构化估值分析。 只要涉及价格与价值的比较，就应主动启用此技能。
In this repository24 other files it gives its agents.
- AGENTS.mdAGENTS.md
- .claude/CLAUDE.mdCLAUDE.md
- CLAUDE.mdCLAUDE.md
- openspec-apply-changeSkill
- openspec-archive-changeSkill
- openspec-exploreSkill
- openspec-learningSkill
- openspec-proposeSkill
- openspec-sync-specsSkill
- openspec-update-changeSkill
- event-driven-analysisSkill
- fundamental-analysisSkill
- investment-notesSkill
- macro-analysisSkill
- market-data-lookupSkill
- market-info-recordingSkill
- portfolio-managementSkill
- report-consultingSkill
- risk-assessmentSkill
- sentiment-analysisSkill
- stock-analysisSkill
- task-managementSkill
- technical-analysisSkill
- transaction-managementSkill
The file
Files
估值模型
当用户询问资产价格是否合理或目标价位时，请从以下估值维度展开分析。
分析维度
1. 相对估值
- PE（市盈率）：当前值 vs 历史中枢 vs 行业均值
- PB（市净率）：适用场景与当前水平
- EV/EBITDA：适用于重资产或高折旧行业
- PS（市销率）：适用于尚未盈利的成长股
2. PEG 估值
- 当前 PE / 盈利增速
- 判断标准：PEG < 1 为低估，> 2 为高估
- 增速假设的合理性校验
3. DCF 框架（若数据允许）
- 关键假设：增速、WACC、永续增长率
- 敏感性分析：不同假设下的估值区间（乐观/中性/悲观）
- 终端价值占比是否合理（应 < 50%，否则假设过重）
- 适用性判断：哪些公司适合 DCF？哪些不适合？
4. 历史估值区间
- 近 3 年/5 年 PE/PB 分位数
- 当前处于历史什么位置（高估/合理/低估）
- 估值扩张/收缩的驱动因素
5. 安全边际与情景分析（重点）
- 三种情景估值：
- 乐观情景：高增长 + 低折现率
- 中性情景：共识预期
- 悲观情景：低增长/衰退 + 高折现率
- 当前价格偏离度：
- 当前股价 vs 合理估值区间的中值/下沿
- 若当前价格高于乐观情景估值，提示高估风险
- Monte Carlo 模拟思路（若数据允许）：
- 对增速和折现率进行概率分布假设
- 给出估值的概率分布而非单点估计
分析框架
估值方法选择矩阵
| 公司类型 | 首选方法 | 次选方法 | 不适用方法 |
| 成熟盈利企业 | PE + DCF | PEG | PS |
| 高成长企业 | PEG + PS | DCF | PE（可能失真） |
| 周期型企业 | PB + EV/EBITDA | 历史估值区间 | PE（周期高点失真） |
| 重资产企业 | EV/EBITDA | PB | PE |
| 尚未盈利企业 | PS + DCF（远期） | 可比交易 | PE、PEG |
| 金融企业 | PB | PE | DCF（杠杆复杂） |
| REITs/公用事业 | DCF（股息折现） | EV/EBITDA | PE |
安全边际判断标准
| 当前价格位置 | 判断 | 策略倾向 |
| 低于悲观情景估值下沿 | 显著低估 | 可考虑配置 |
| 位于悲观~中性区间 | 轻度低估 | 可分批建仓 |
| 位于中性区间 | 合理 | 持有或观望 |
| 位于中性~乐观区间 | 轻度高估 | 谨慎追高 |
| 高于乐观情景估值 | 显著高估 | 考虑减仓 |
DCF 适用性检查清单
开始做 DCF 前，确认以下条件：
- 公司有稳定盈利历史（至少 3 年盈利）
- 行业前景可预测（非剧烈变化行业）
- 资本支出模式相对可预测
- 宏观环境相对稳定
若不符合，用相对估值替代 DCF。
输出模板
1. 估值概览
- 分析方法组合（如 PE + DCF + 历史分位）
- 数据完整度（完整 / 部分缺失 / DCF 不可行）
2. 相对估值表
| 指标 | 当前值 | 历史中枢 | 行业均值 | 历史分位 | 判断 |
| PE(TTM) | |||||
| PB | |||||
| EV/EBITDA | |||||
| PS | |||||
| PEG | - | - | - |
3. DCF 估值（如适用）
| 情景 | 假设 | 合理估值 | 当前价格偏离 |
| 乐观 | 增速 X%，WACC Y% | ||
| 中性 | 增速 X%，WACC Y% | ||
| 悲观 | 增速 X%，WACC Y% |
附：关键假设说明（永续增长率、增速预测来源、WACC 计算逻辑）
4. 安全边际评估
| 评估项 | 结果 |
| 合理估值区间 | [下限] ~ [上限] |
| 当前价格位置 | 低估/合理/高估 |
| 安全边际 | 当前价低于中值 X% / 高于中值 X% |
| 估值结论 | 显著低估 / 轻度低估 / 合理 / 轻度高估 / 显著高估 |
5. 情景推演与概率
| 情景 | 概率估计 | 目标估值区间 | 潜在收益率 |
| 乐观 | ~20% | +X% | |
| 基准 | ~50% | +Y% | |
| 悲观 | ~20% | -Z% | |
| 尾部风险 | ~10% | 重大损失 |
6. 估值结论
- 核心判断：一句话总结估值结论
- 关键假设风险：哪些假设一旦变化会显著改变结论
- 与同行估值比较：结构性差异的原因
- 适合介入的价格区间（如适用）
示例
输入
"宁德时代现在贵不贵？大概值多少钱？"
输出
估值概览
- 分析方法：PE + PEG + DCF（有限数据）+ 历史分位
- 数据完整度：部分缺失（远期增速假设依赖一致性预期）
相对估值表
| 指标 | 当前值 | 历史中枢 | 行业均值 | 历史分位 | 判断 |
| PE(TTM) | 28x | 35x | 22x | 25%分位 | 偏低 |
| PB | 5.2x | 8x | 4.5x | 30%分位 | 偏低 |
| EV/EBITDA | 18x | 25x | 15x | 28%分位 | 偏低 |
| PS | 2.8x | 4.5x | 2.2x | 32%分位 | 偏低 |
| PEG | 0.9x | - | - | - | 轻度低估 |
DCF 估值（简要）
| 情景 | 假设 | 合理估值 | 当前价格偏离 |
| 乐观 | 未来5年增速25%，WACC 9% | ~280元 | +22% |
| 中性 | 未来5年增速18%，WACC 10% | ~230元 | +0% |
| 悲观 | 未来5年增速12%，WACC 11% | ~180元 | -22% |
附：永续增长率 3%，终端价值占比 48%
安全边际评估
| 评估项 | 结果 |
| 合理估值区间 | 180 ~ 280 元 |
| 当前价格位置 | 中性偏下（230元） |
| 安全边际 | 当前价约等于中性估值中值 |
| 估值结论 | 合理偏低 |
情景推演与概率
| 情景 | 概率估计 | 目标估值区间 | 潜在收益率 |
| 乐观 | 20% | 260-300元 | +13%~+30% |
| 基准 | 50% | 210-250元 | -9%~+9% |
| 悲观 | 20% | 160-200元 | -30%~-13% |
| 尾部风险 | 10% | <150元 | -35%以下 |
估值结论
- 核心判断：当前估值处于历史偏低区间，PEG < 1 提示成长型价值，但需警惕增速放缓风险
- 关键假设风险：若全球电动车销量增速低于 15%，当前估值可能偏高；若储能业务超预期，估值仍有上行空间
- 与同行比较：较国内二线电池厂估值溢价约 30%，但毛利率和品牌溢价支撑该差异
- 适合介入的价格区间：200元以下安全边际较高，250元以上追高风险增大
注意事项
- 避免精确目标价：给出"合理区间"而非"目标价 X 元"
- 标注假设敏感性：指出对结论影响最大的 2-3 个参数
- DCF 谨慎使用：数据不足时明确说明，宁可用相对估值也不做不可靠的 DCF
- 历史分位≠买卖信号：即使处于历史最低分位，也不意味着一定会反弹
- 区分估值与择时：估值回答"贵不贵"，不回答"什么时候涨"
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.