# A Share Valuation Triangulation

> 为A股公司选择并并列执行DCF、可比公司、历史区间、PB-ROE/剩余收益、SOTP或中周期估值，展示假设、敏感性和方法分歧。用于估值区间与反向隐含预期；不机械加权成目标价，也不输出买卖建议。

- Skill: `cyijun/a-share-valuation-triangulation` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add cyijun/a-share-valuation-triangulation`
- Raw SKILL.md: https://api.skillmd.com/api/skills/cyijun/a-share-valuation-triangulation/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: cyijun (https://skillmd.com/u/cyijun)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/cyijun/a-share-valuation-triangulation

---


# A股多方法估值

估值输出是假设下的价值范围和分歧来源，不是精确目标价。

## 工作流

1. 先调用`a-share-research-evidence`固定估值日、股价日、财务预测版本、股本、净债务、少数股东和非经营资产。
2. 使用`china-market-data`获取同日`daily_basic`、原始行情、三表和指标；历史区间必须满足PIT与同口径要求。
3. 判断公司类型与盈利阶段后选择方法，并说明未采用方法的原因。
4. 建立基础、压力和乐观运营情景，情景由收入、利润率、资本强度、营运资本和周期位置驱动，不赋主观概率。
5. DCF明确FCFF/FCFE、WACC/Ke构成、预测期、终值、净债务桥和稀释股本，并展示敏感性。
6. 可比公司先定义业务、规模、阶段、资本结构和会计口径可比性，再使用同一时点和期间的倍数。
7. 周期品使用中周期盈利；金融机构优先PB-ROE、剩余收益或DDM；多业务公司考虑SOTP。
8. 并列方法区间和隐含假设，解释差异，并反向求解当前价格隐含的增长、利润率、ROE或周期位置。

## DCF执行要求

非金融企业使用`china-dcf-model/scripts/dcf_model.py`或同等可审计实现。至少显式输入估值日、来源清单、收入基数、逐年增长/EBIT率/税率/D&A/资本开支/营运资本、估值日WACC构成、终值增长、净债务桥和稀释股本；输出逐年FCFF、显式期现值、终值占比、企业价值到股权价值桥、每股价值及WACC×永续增长敏感性。敏感性必须自动包含基础WACC和基础增长率，中心格与基础估值一致。

任何工作簿或脚本的公式生成、公式重算和生产数据验证是三种状态；未调用重算引擎时写`formula_recalculation_unverified`。

## 硬约束

- 风险利率、风险溢价、Beta、债务成本和税率必须带日期与来源。
- 可比公司选择必须先于倍数结果。
- 不可比口径先调整或扩大区间，不假装精确。
- 不机械加权、不取无依据中间值，不给评级、买卖或仓位。

## 输出契约

输出估值基准、方法选择、假设、方法结果、敏感性、反向隐含预期、分歧、不可验证项和失效条件。

需要方法选择时读取[references/method-selection.md](references/method-selection.md)。