DCF 模型建構器
概述
此技能可建立符合機構品質的 DCF 模型用於股權估值，遵循投資銀行標準。每次分析都會產出一個詳細的 Excel 模型（在 DCF 工作表底部包含敏感度分析）。
工具
- 預設使用使用者提供的所有資訊以及可用的 MCP 伺服器進行資料來源擷取。
關鍵限制 - 請先閱讀
這些限制適用於所有 DCF 模型建構過程。請在開始前審閱：
環境：Office JS vs Python/openpyxl：
- 如果在 Excel 內部執行（Office 增益集 / Office JS 環境）： 請直接使用 Office JS — 不要使用 Python/openpyxl。透過
range.formulas = [["=D19*(1+$B$8)"]]編寫公式。不需要單獨的重新計算步驟；Excel 會原生計算。使用range.format.*進行樣式設定。同樣適用的公式優先於硬編碼規則：對於衍生儲存格，請始終設定.formulas，切勿設定.values。 - 如果產生獨立的 .xlsx 檔案（無即時 Excel 工作階段）： 使用如下的 Python/openpyxl，然後在交付前執行
recalc.py。 - 此技能的其餘部分使用 openpyxl 範例 — 在該環境中請轉換為 Office JS API 呼叫，但所有原則（公式字串、儲存格註解、區段檢查點、敏感度表格迴圈）都完全相同。
⚠️ Office JS 合併儲存格陷阱： 在建立合併儲存格的區段標題時，不要對合併範圍呼叫 .merge() 然後設定 .values — Office JS 仍會回報該範圍的原始維度，並拋出 InvalidArgument: The number of rows or columns in the input array doesn't match the size or dimensions of the range。應改為先將值寫入左上角儲存格，然後再合併並格式化整個範圍：
// 錯誤 — 會拋出 InvalidArgument：
const hdr = ws.getRange("A7:H7");
hdr.merge();
hdr.values = [["市場數據與關鍵輸入"]]; // 1×1 陣列 vs 1×8 範圍 → 失敗
// 正確 — 先在單一儲存格設定值，然後合併 + 格式化範圍：
ws.getRange("A7").values = [["市場數據與關鍵輸入"]];
const hdr = ws.getRange("A7:H7");
hdr.merge();
hdr.format.fill.color = "#1F4E79";
hdr.format.font.bold = true;
hdr.format.font.color = "#FFFFFF";
這適用於 DCF 中的每個合併區段標題（市場數據、情境區塊、現金流量預測、終值、估值摘要、敏感度表格）.
公式優先於硬編碼（不可協商）：
- 每個預測、邊際、折現因子、現值 (PV) 和敏感度儲存格都必須是即時的 Excel 公式 — 絕不能是在 Python 中計算後寫入的數值
- 使用 openpyxl 時：
ws["D20"] = "=D19*(1+$B$8)"是正確的；ws["D20"] = calculated_revenue是錯誤的 - 唯一允許的硬編碼數字是：(1) 原始歷史輸入，(2) 假設驅動因子（成長率、WACC 輸入、終值成長率 g），(3) 當前市場數據（股價、債務餘額）
- 如果你發現自己在 Python 中計算某個值並將結果寫入 — 立即停止。模型必須能夠在使用者更改假設時靈活調整。
與使用者逐步驗證（不要一口氣從頭做到尾）：
- 資料檢索後 → 向使用者顯示原始輸入區塊（營收、利潤率、股數、淨債務），確認後再進行預測
- 營收預測後 → 顯示預測的營收和成長率，確認後再建立利潤率結構
- 自由現金流 (FCF) 建立後 → 顯示完整的 FCF 時間表，確認邏輯後再計算 WACC
- WACC 計算後 → 顯示計算過程和輸入，確認後再進行折現
- 終值 + 現值 (PV) 計算後 → 顯示權益橋樑（企業價值 EV → 權益價值 → 每股價值），確認後再建立敏感度表格
- 在每個階段捕捉錯誤 — 如果在敏感度表格建立後才發現錯誤的利潤率假設，則需要重建下游所有內容。
敏感度表格：
- 使用奇數行和奇數列（標準為 5×5，有時為 7×7）— 這可確保有一個真正的中心儲存格
- 中心儲存格 = 基準情境。 建構軸值，使中間的行標題和中間的欄標題與模型的實際假設完全相等（例如，如果基準 WACC = 9.0%，則中間行就是 9.0%；如果終值成長率 g = 3.0%，則中間欄就是 3.0%）。因此，中心儲存格的輸出必須等於模型實際的隱含股價 — 這是驗證表格建構是否正確的完整性檢查。
- 高亮中心儲存格，使用中藍色填滿 (
#BDD7EE) + 粗體字型，以便立即識別哪個儲存格是基準情境。 - 填滿所有儲存格（通常為 3 個表格 × 25 個儲存格 = 75 個）並使用完整的 DCF 重新計算公式
- 使用 openpyxl 迴圈（或 Office JS 迴圈）以程式化方式編寫公式
- 沒有預留位置文字，沒有線性近似，不需要手動步驟
- 每個儲存格必須針對該假設組合重新計算完整的 DCF
儲存格註解：
- 在建立每個硬編碼值時立即加入儲存格註解
- 格式：「來源：[系統/文件]，[日期]，[參考]，[URL 若適用]」
- 在進入下一個區段之前，每個藍色輸入都必須有註解
- 不要延遲到最後才做，也不要寫「待辦：加入來源」
模型版面規劃：
- 在編寫任何公式之前，先定義所有區段的列位置
- 先編寫所有標題和標籤
- 其次編寫所有區段分隔線和空白列
- 然後使用固定的列位置編寫公式
- 建立後立即測試公式
公式重新計算：
- 在交付前執行
python recalc.py model.xlsx 30 - 修復所有錯誤，直到狀態為「success」
- 要求零公式錯誤（#REF!、#DIV/0!、#VALUE! 等）
情境區塊：
- 為熊市/基準/牛市案例建立單獨的區塊
- 在每個區塊中，將假設水平顯示在預測年份中
- 使用 IF 公式：
=IF($B$6=1,[熊市儲存格],IF($B$6=2,[基準儲存格],[牛市儲存格])) - 驗證公式是否參考了正確的情境區塊儲存格
DCF 處理流程
步驟 1：資料檢索與驗證
從 MCP 伺服器、使用者提供的資料以及網際網路擷取資料。
資料來源優先順序：
- MCP 伺服器（若已設定）— 來自 Daloopa 等提供者的結構化財務資料
- 使用者提供的資料 — 使用者研究中的歷史財務資料
- 網路搜尋/擷取 — 需要時的當前價格、Beta、債務和現金
驗證檢查清單：
- 驗證淨債務與淨現金（對估值至關重要）
- 確認稀釋後流通在外股數（檢查近期庫藏股買回/增發）
- 驗證歷史利潤率與商業模式一致
- 交叉比對營收成長率與行業基準
- 驗證稅率是否合理（通常為 21-28%）
步驟 2：歷史分析（3-5 年）
分析並記錄：
- 營收成長趨勢：計算年複合成長率 (CAGR)，找出驅動因素
- 利潤率演變：追蹤毛利率、EBIT 利潤率、FCF 利潤率
- 資本密集度：折舊攤銷 (D&A) 和資本支出 (CapEx) 佔營收百分比
- 營運資金效率：淨營運資金 (NWC) 變動佔營收成長百分比
- 回報指標：ROIC、ROE 趨勢
建立摘要表格，顯示如下：
歷史指標（LTM）：
營收：X 百萬美元
營收成長：X% CAGR
毛利率：X%
EBIT 利潤率：X%
D&A 佔營收百分比：X%
CapEx 佔營收百分比：X%
FCF 利潤率：X%
步驟 3：建立營收預測
方法論：
- 從最新實際營收開始（LTM 或最近會計年度）
- 為每個預測年度應用成長率
- 同時顯示金額和計算出的成長率百分比
成長率架構：
- 第 1-2 年：較高成長，反映近期能見度
- 第 3-4 年：逐步趨緩，朝行業平均水準邁進
- 第 5 年以後：接近終值成長率
公式結構：
- 營收(第 Y 年) = 營收(第 Y-1 年) × (1 + 成長率(第 Y 年))
- 成長率 = 使用者提供的或根據指導原則計算的百分比值