Coverage Model — 个人投资估值模型

构建个人可理解、可控制的股权估值模型。核心哲学：人做4个定性判断，AI做180+个定量映射。

工作流程

Phase 1: 数据拉取 → Phase 2: 背景呈现 → Phase 3: 讨论定性判断 → Phase 4: 建模执行 → Phase 5: 合理性检验 → Phase 6: Excel输出

项目结构

coverage-model/
├── SKILL.md              # 完整工作流定义（Claude Skill）
├── references/
│   ├── methodology.md    # 定性→定量映射表、TAM预测方法
│   ├── formatting.md     # Excel格式规范
│   └── sanity-checks.md  # 三层合理性检验框架
├── scripts/
│   ├── fetch_financials.py   # 拉取5年损益表数据
│   ├── fetch_segments.py     # 拉取业务分部数据
│   ├── build_excel.py        # 生成估值模型Excel
│   └── googl_model_data.py   # Google模型数据示例
└── out/                      # 输出目录

快速开始

# 拉取财务数据
python scripts/fetch_financials.py NVDA --proxy 127.0.0.1:7890

# 拉取分部数据
python scripts/fetch_segments.py NVDA --proxy 127.0.0.1:7890

# 生成Excel模型
python scripts/build_excel.py --ticker GOOGL --input out/googl_model_data.json

特性

• 自上而下 TAM 方法：从行业总量出发推导公司收入
• 三情景对比：Bear / Base / Bull 自动推导
• Excel 场景切换：下拉菜单切换活跃情景，INDEX公式联动
• 合理性检验：三层验证（内部逻辑、跨情景排序、外部基准）
• 财年自动映射：自动将 FY 转换为自然年
• 多币种支持：根据公司运营主体自动选择货币单位和语言

依赖

yfinance
openpyxl
requests

数据源

数据	来源
财务报表	yfinance + SEC EDGAR
分部数据	SEC EDGAR 10-K
市场事件	WebSearch
估值历史	yfinance