业绩天花板 DCF 估值模型（空间叙事 / 穿透叙事）
一、何时用这个 skill
用户要对某家公司做估值，且希望用业绩天花板 / 空间叙事 / DCF 第一性原理的框架，而不是传统的 PE 倍率或 PEG。
典型触发语：「用DCF估一下 XX」「用穿透叙事 DCF 估一下 XX」「用业绩天花板模型估 XX」「按邹佩轩 DCF 给 XX 算合理 PE」「XX 的合理动态 PE 该给多少」。
二、模型公理与核心结论
- 公理：股价 = 目之所及的所有未来现金流折现值（DCF 是估值第一性原理）。
- 把公司叙事压缩为三参数：m（业绩天花板倍数）、n（到达年限）、r（折现率）。
- 核心结论：合理动态 PE 几乎只由 m 和 r 决定，与 n 弱相关。 估值主战场是"终局空间 m"，不是"增速多快"。
- 正确打开方式（书中方法论）：先判业绩天花板（空间），再判复合增速；增速只是观察能否顺利达天花板的窗口。
三、完整公式（当前归母净利润基准=1）
g_ann = m ** (1/n) # 年化复合增速
PV_g = Σ_{t=1}^{n} (g_ann/(1+r)) ** t # 成长阶段现值
PV_term = m / (r · (1+r) ** n) # 永续稳态现值（达峰后利润恒为 m）
P0 = PV_g + PV_term # 理论股价（基准=1）
动态PE = P0 / g_ann # 对应【下一年】净利润（基期+1年，即 E0×g_ann）；与静态PE（用当前年E0）不同，比较须统一口径
市值 = P0 × E0 # 给当前归母净利润 E0 时
反向（已知动态PE 求隐含 m）：P0(m) 随 m 单调增，二分求解（见脚本 implied_m）。
永续增长兼容：g_perp>0 时按 r_eff = r − g_perp 代入基础模型（书中"按 8% 查表"即此意）。
四、执行工作流（"确认几个参数即可估值"）
第 1 步：先给基于研究的参数建议，再请用户校准（不要直接把"m 是多少"丢回给用户——AI 应先有主张、有依据，再让用户调整）：
- 业绩天花板倍数 m（终局归母净利润是当前的几倍）——这是核心叙事判断。AI 必须先基于对该公司/行业的研究主动给出建议值或区间，并陈述推导理由：①行业终局空间与市占率上限；②历史复合增速能否线性外推；③竞争优势（护城河）能否支撑持续兑现；④资本配置（再投资扩张 vs 高分红），再投资空间决定 m 的上限。给出基准情景值 + 乐观/悲观情景区间，再请用户确认或调整，不要空问"m 给几"。
- 折现率 r（必填，无默认值）：用户必须给出具体数字，AI 不替用户假设 10%。AI 可提供决策参考（如 ROE 中枢、国债收益率+风险溢价、强周期上浮 / 类债公用事业下浮的逻辑区间）辅助判断，但最终 r 由用户填定。
第 2 步：取默认参数（可不再问，但要在结论里写清默认值）：
> 注意：折现率 r 不在此列——r 是必填项，必须由用户填写具体数字，无默认值（见第1步）。
- 到达年限 n：默认 10（5~15 年区间对 PE 影响 < ±10%）。若用户有明确判断（如 5 年）则采用。
- 永续增长率 g_perp：默认 0（不建议给永续增长；若用户坚持，按 r_eff = r − g_perp）。
- 当前归母净利润 E0（基期，基准=1）：若用户只想要 PE 可不填；若要绝对市值则必填。必须标注 E0 的年份口径与来源：最近完整年报（如 2025 年报）/ TTM / 卖方一致预期（如 2026E），并写明具体数值；若用一致预期须注明来源平台（Wind / 东财 / 同花顺）。不同口径（年报值 vs 一致预期）不可混用。
第 3 步：调用计算脚本（本 skill 目录下 dcf_model.py）：
# 前向：给定 m、r（及可选 n、g_perp、E0）
python dcf_model.py --m <m> --r <r> [--n 10] [--g 0] [--e0 <E0>]
# 反向：已知当前动态 PE，反推隐含业绩天花板
python dcf_model.py --pe <当前动态PE> --r <r> [--n 10]
> 运行环境：使用本机托管 Python（如 C:\Users\53276\.workbuddy\binaries\python\versions\3.13.12\python.exe）。
> 若只需手算/口算，直接用公式或查 formula_reference.md 第五节速查表（r=10%、n=10：m=2→15.3、m=3→20.1、m=5→28.8、m=10→48.6）。
第 4 步：输出结论，至少包含：
1. 采用的参数（m、r、n、g_perp、E0）——明确标注哪些是默认值；m 必须附推导理由与情景假设（基准/乐观/悲观），让用户看清主张来源，而非凭空给数。
2. E0 口径强制披露：必须写明 E0 取自哪一年、什么来源（最新年报 / TTM / 一致预期）、具体数值；若用一致预期，注明平台（Wind / 东财 / 同花顺）及一致预期数值，并提示其与最新年报实际值的差异。
3. 合理动态 PE（核心输出，明确为下一年口径——即相对 E0×g_ann）+ 合理市值（若给了 E0）。
4. 若用户输入的是当前 PE，则输出隐含业绩天花板 m，并提示"当前价格隐含的预期是终局利润达到当前的 X 倍"。
5. 敏感度提示 + 口径提醒：m 与 r 是动态 PE 的主风险敞口；n 弱相关；提醒景气度陷阱（增速上修但若天花板下修，PE 反降）。并强调：动态 PE 对应下一年净利润（E0×g_ann），若与行情软件显示的"静态 PE（当前年）"对比，须先换算同一口径再比，避免误判贵贱。
五、与书中算例的核对
dcf_model.py 自带核对（直接 python dcf_model.py 运行），已验证 r=10% 下 m=2/3/5/10 × n=10/5 全部复现；并覆盖 m=10+g_perp=2%→66.3 的永续增长兼容。
注意：书内 m=3 行（10年→20.9 / 5年→20.1）与 m=2/5/10 的一致规律相反，判定为源笔误，本 skill 采用模型自洽值（10年→20.1 / 5年→20.9）。
六、边界与合规
- 本 skill 仅沉淀数学公式与从第一性原理重推导/核对的结果，不整段复制原书文字；来源见邹佩轩《穿透叙事：寻找A股投资解析解》第1章1.2节，供溯源。
- 估值结论基于用户对 m/r 的主观叙事判断，仅供参考，不构成投资建议。
- 模型假设"达峰后利润永续稳定"，对强周期股、公用事业、消费龙头更适用；对终局高度不确定的早期成长股，m 的拍板应更保守。
