AI做财务模型有多离谱？这个Skill让我见识了
说实话，第一次看到”用AI做DCF估值”的时候，我是不信的。
财务建模这东西，多少人熬了多少个夜才搞清楚WACC、现金流、折现率……一个Skill就能搞定？但最近在Smithery上发现了一个叫creating-financial-models的Skill，来自Anthropic官方Cookbooks，抱着试试看的心态用了一下——
好家伙，直接刷新认知。
这个Skill干的事情听起来很夸张：把你扔给它几年财务报表，它能自动跑出一整套DCF模型，包含现金流预测、终值计算（永续增长法和退出倍数法两种）、WACC计算、企业估值和股权估值……全部都是金融建模里最硬核的部分。
但它没停在DCF这一层。
它还支持：
- 敏感性分析——测试关键假设变化对估值的影响，生成龙卷风图（Tornado Chart）直观展示哪些变量最”要命”
- 蒙特卡洛模拟——跑几千次随机场景，算出估值置信区间，甚至能告诉你”这笔投资亏损的概率有多大”
- 情景规划——最坏/基准/最好三种情景，概率加权后给你一个风险调整后的期望值
这四块能力叠在一起，基本上覆盖了投行、PE、咨询公司做估值建模的核心套路。
使用方式极其简单。 你只需要说人话，比如：
“帮我用这份三年财务报表跑一个DCF模型”
“对这个收购案跑5000次蒙特卡洛模拟”
“做一个敏感性分析，看看增长率和WACC对估值的影响”
它就能自己理解你的意图，调用内置的dcf_model.py和sensitivity_analysis.py脚本，生成Excel级别的完整财务模型。
那它适合谁？
老实说，如果你完全不懂财务，可能接不住它的输出——它输出的模型很专业，你得看得懂才行。但对于以下几类人，这个Skill堪称神器：
- 投行/PE从业者，快速搭建估值模型原型
-创业者自己做融资材料，不用再求人 - 财务学生练手DCF，理解模型逻辑
- 分析师做并购或投资决策参考
最后说说它的局限。 官方自己也写了 disclaimer：模型依赖你的假设，garbage in garbage out。但说实话，这和所有金融建模工具一样，AI并没有神奇到凭空给你一个正确答案——它的价值在于把”机械性的重复劳动”自动化，让你把精力放在判断假设是否合理上。
GitHub链接在此，想试的自己戳：
https://github.com/anthropics/claude-cookbooks/tree/main/skills/custom_skills/creating-financial-models
评论区
登录后可评论。