TypingMindTypingMindThe best frontend for AI
Dcf Valuation logo

Dcf Valuation

Community
kangarooking
dcf-valuation

当用户在评估一只股票"便不便宜"、纠结该不该基于PE/PB做买卖决策、 或试图用DCF公式精算企业价值时，激活此skill。 核心判断信号：用户提到"估值""PE多少倍""DCF模型""算一算值多少钱"， 或在纠结"这个价格能不能买"。 此skill将估值从数学计算还原为商业判断——用"未来现金流折现"作为思维 方式而非公式，通过"毛估估"判断是否明显便宜，以"封仓十年"的视角检验 理解深度，用E/E替代PE以纳入负债影响。 不适用于：需要精确估值建模的场景（如并购定价）、短期交易择时、 无法产生现金流的资产（如加密货币）。

Overview

Publisherkangarooking
Repositoryduan-yongping-skill
Skill namedcf-valuation
Stars
57
Forks
13
Bundled files
1
LicenseMIT
Links
Skill sourceRepository
  • Markdown instructions

    A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

  • Works with any LLM

    AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

  • 1 bundled files

    Scripts, templates, and references the model can read while it works. Files are read-only and never executed.

  • Open source

    Published by kangarooking on GitHub. Read the source before you install it.

Installation

Install the Dcf Valuation AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

1

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

  1. Open the app and go to Plugins → Skills.
  2. Choose "Install from GitHub".
  3. Paste the skill folder URL below and confirm.
    https://github.com/kangarooking/duan-yongping-skill/tree/main/investment-logic/dcf-valuation
  4. Enable the skill in any chat where you want it available.
Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.
2

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills
git clone --depth 1 https://github.com/kangarooking/duan-yongping-skill.git /tmp/duan-yongping-skill
mkdir -p .claude/skills
cp -r /tmp/duan-yongping-skill/investment-logic/dcf-valuation .claude/skills/dcf-valuation
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Dcf Valuation in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads Dcf Valuation on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so Dcf Valuation is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

  • Loaded only when it is needed

    The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

  • Switch models mid-chat

    Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

DCF思维估值法（未来现金流折现思维方式，含毛估估+封仓十年）

R — 原文 (Reading)

买股票就是买公司，买公司就是买公司的未来现金流折现，句号！未来现金流折现只是一种思维方式，只有在自己的能力圈范围内的公司，投资人才能毛估估看明白。没人真用公式的，至少剩者都是不用公式的。再次强调：未来现金流折现指的是一种思维方式，想用公式的请到学校去用哈。

— 段永平，第一章 投资的信仰 / 第五章 估值逻辑

I — 方法论骨架 (Interpretation)

  1. DCF是思维方式，不是公式。 估值的本质是回答"这家公司未来整个生命周期里能赚多少钱"，而不是打开Excel建模型、调参数。芒格说从未见过巴菲特算过DCF，巴菲特自己也说没有计算内在价值的公式。
  2. 毛估估——"300斤的胖子不用秤"。 如果你需要按计算器才能算出便宜，那就不够便宜。估值只需"一眼看过去明显便宜"——姚明走进来，不用尺子就知道他很高。毛估估当然要考虑成长性，折现本身就是考虑成长性以后的结果。
  3. 封仓十年——用时间维度检验理解深度。 买入前问自己：如果股市关闭10年，你还愿意持有吗？"不打算拿10年的股票为什么要拿10天"不是真的要拿10年，而是检验你是否真正理解这家公司的未来。
  4. PE是倒后镜，E/E更诚实。 PE的分母是历史利润，不反映负债。通用汽车PE只有5倍却破产了。E/E（Enterprise Value / Earnings = 市值+负债-现金 / 利润）让投资者看到买下整家公司真正要花的钱。
  5. 估值是"功夫"——需要多年积累。 巴菲特5分钟决定投高盛，背后是50年理解的积累。估值能力等于对企业的了解深度，没有捷径。

A1 — 书中的应用 (Past Application)

案例 1: Yahoo DCF教学案例（分部估值法）

  • 问题: Yahoo股价低迷，市场忽视其持有的大量资产（Yahoo日本、阿里巴巴集团股份）
  • 方法论的使用: 段永平用"毛估估"分部加总：现金3 + 上市资产6.7 + Yahoo自身业务9.6（给12倍PE）= 每股约19.3美元。再加上"白送"的淘宝+支付宝（估500亿），Yahoo明显便宜。实际只花70亿就买到了整个Yahoo（扣除上市资产后）
  • 结论: "怎么看都值30块钱"，而当时价格远低于此
  • 结果: 段永平大量买入Yahoo，后续阿里巴巴上市验证了判断

案例 2: 苹果估值（猜5年后利润500亿）

  • 问题: 苹果2011年市值约3000亿，很多人觉得"涨太多了"不敢买
  • 方法论的使用: 不看过去股价、不看PE，只问"苹果未来能赚多少钱"。判断苹果可能是地球上年利润最先过500亿美元的公司，5000亿市值非常合理。不看苹果曾经50亿的市值，只看"现在的盈利、账上的现金以及未来可能的盈利"
  • 结论: "我觉得我买的价钱还很便宜"
  • 结果: 2015年苹果净利润达534亿美元，验证了毛估估判断。段永平继续持有并预判10年内利润过1000亿

案例 3: 网易（没认真估值但一眼便宜）

  • 问题: 网易2001年股价跌至不到1美元，处于低谷期
  • 方法论的使用: "有个300斤的胖子走进来，不用秤就知道他很胖。" 段永平凭游戏行业经验，判断网易市值不到2000万美元却拥有庞大用户群和现金流潜力，一眼就看出便宜。"我买网易时可真没认真估过值"
  • 结论: 不需要精确计算，明显便宜就买
  • 结果: 持有8-9年，平均买入价约0.25（拆股后），大部分在30-35卖出，回报超100倍

A2 — 触发场景 (Future Trigger) ★

用户会在什么情境下需要这个 skill?

  1. 正在用PE/PB等指标判断一只股票贵不贵，却越算越困惑——比如"PE只有8倍是不是很便宜"或"PE=50是不是太贵了"
  2. 试图建立DCF模型精算企业价值，纠结折现率和增长率的参数选取——打开了Excel却不知道填什么数字
  3. 面对一家理解其业务的公司，犹豫当前价格是否值得买入——"这家公司我看得懂，但不知道现在这个价格能不能买"

语言信号 (用户的话里出现这些就应激活)

  • "这个PE多少倍，能不能买"
  • "我算了一下DCF模型/现金流折现，结果是……"
  • "这家公司便不便宜/值多少钱/怎么估值"

与相邻 skill 的区分

  • 与 good-business（好生意识别法）的区别: 好生意识别判断的是"这是不是好生意"（定性），DCF思维估值判断的是"这个价格便不便宜"（定价）。先用good-business确认好公司，再用DCF思维判断价格。
  • 与 opportunity-cost（机会成本决策框架）的区别: 机会成本解决的是"买了A还是买B"的比较问题，DCF思维解决的是"A本身值不值这个价"的绝对判断问题。DCF是机会成本的输入——你必须先知道A值多少钱，才能和替代选项比较。
  • 与 capability-circle（能力圈决策框架）的区别: 能力圈判断的是"你能不能看懂这家公司"，DCF思维要求你已经在能力圈内才能"毛估估"。看不懂的公司无法估值，直接跳过。

E — 可执行步骤 (Execution)

当 skill 被激活后, agent 应按以下步骤执行:

  1. 确认用户是否真正理解这家公司的生意

    • 问：你能用一句话说清楚这家公司靠什么赚钱吗？如果明天股市关闭5年，你还愿意持有吗？
    • 完成标准：用户能清晰描述公司的商业模式和竞争优势，能给出"封仓十年"的判断。如果不能——停止估值，回到理解公司的步骤，或放弃该标的。

  2. 用"毛估估"做粗略价值判断

    • 引导用户思考：这家公司未来5-10年大概能赚多少钱？（不是精确数字，是"至少值X亿"的区间判断）
    • 用Enterprise Value视角：市值+负债-现金=买下整家公司实际要花的钱，除以年利润，多少年回本？
    • 检验："如果这不是上市公司，你用这个价钱买下整个公司，你愿意吗？"
    • 完成标准：得出一个"明显便宜/差不多/明显贵"的定性结论，而不是一个精确数字。
    • 判停条件：若用户说"我判断不了未来利润"则跳回步骤1（说明理解不够），或建议放弃该标的。

  3. 与机会成本对比做最终决策

    • 将判断结果与用户手中最好的替代投资机会比较（至少与长期国债回报比较）
    • 确认安全边际：毛估估价值 vs 当前价格，是否有明显差距？如果需要按计算器才能算出来便宜，说明不够便宜。
    • 完成标准：用户能回答"这个价格我买了5-10年不操心"或"明显不便宜，不碰"。

B — 边界 (Boundary) ★

不要在以下情况使用此 skill

  • 需要精确估值建模的场景（如并购定价、私募股权交易）——段永平的方法是定性判断框架，不产出精确数值，"告诉你可以算出公司价值的人都是蒙人的"
  • 短期交易择时——DCF思维的时间维度是5-10年以上，短期价格波动不在考虑范围内
  • 无法产生现金流的资产（如比特币、黄金、收藏品）——段永平明确说"没有现金流的东西不知道怎么看"，这类资产需要完全不同的分析框架
  • 周期股顶点判断——PE最低的时候往往是周期股利润最高的时候，PE看似便宜实则极贵，需要用完整周期平均利润而非当前利润做分母

作者在书中警告的失败模式

  • 被PE误导: 通用汽车PE长期5倍左右，但负债极高最终破产。PE只反映过去，不反映负债结构。PE=8可能意味着盈利即将大幅下滑（周期股顶点），看起来便宜实际极贵
  • 精确的错误: 花大量时间调整DCF模型参数（折现率、增长率），得出的数字看似精确实则毫无意义。"用公式的人往往会陷于细节而忽略整体"
  • 长期持有买错的股票: 封仓十年不是无脑持有——前提是买对了公司。"有些人本来只打算拿10天的股票，因为亏钱而决定改为拿10年，这种决定往往会让人亏更多"

作者的盲点 / 时代局限

  • 案例集中在消费（茅台）和科技（苹果/网易），未涉及周期股、金融、公用事业等品类，这些行业的估值需要补充不同的分析维度
  • 段永平作为大型投资者的操作逻辑（集中、长期、不择时）对小资金投资者未必最优，小资金有时间成本
  • "好公司长期股价一定会反映价值"的假设在现实中可能面临市场非理性持续时间远超预期的问题

容易混淆的邻近方法论

  • 格雷厄姆式"烟蒂"投资: 同属价值投资但关注点不同——格雷厄姆关注资产净值的安全边际，段永平关注未来现金流的持续性。"老巴发现便宜货的未来现金流折现比成长公司的还小"——这是芒格推动的进化
  • 华尔街分析师的DCF模型: 形式相似但本质不同——分析师追求精确计算和参数敏感性分析，段永平追求"不用计算器就能看出便宜"的商业直觉

相关 skills (阶段 3 填充)

  • depends-on: [ownership-mindset, good-business]
  • contrasts-with: []
  • composes-with: [opportunity-cost]

审计信息

  • 验证通过: V1 ✓ / V2 ✓ / V3 ✓
  • 测试通过率: 待阶段4
  • 蒸馏时间: 2026-04-16

Bundled files

The model reads these on demand while the skill is loaded. They are exposed as readable files and are never executed.

Frequently asked questions

What does the Dcf Valuation AI skill do?

当用户在评估一只股票"便不便宜"、纠结该不该基于PE/PB做买卖决策、 或试图用DCF公式精算企业价值时，激活此skill。 核心判断信号：用户提到"估值""PE多少倍""DCF模型""算一算值多少钱"， 或在纠结"这个价格能不能买"。 此skill将估值从数学计算还原为商业判断——用"未来现金流折现"作为思维 方式而非公式，通过"毛估估"判断是否明显便宜，以"封仓十年"的视角检验 理解深度，用E/E替代PE以纳入负债影响。 不适用于：需要精确估值建模的场景（如并购定价）、短期交易择时、 无法产生现金流的资产（如加密货币）。

Why use Dcf Valuation on TypingMind?

Because you install it once and use it with any model. Dcf Valuation is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install Dcf Valuation in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/kangarooking/duan-yongping-skill/tree/main/investment-logic/dcf-valuation. TypingMind reads its SKILL.md and bundles its files and installs it as a skill you can enable per chat.

Which AI models can use Dcf Valuation?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with Dcf Valuation?

As many as you like. As long as a model supports skills, you can use Dcf Valuation with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the Dcf Valuation AI skill free?

Yes. It is published on GitHub by kangarooking under the MIT license. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

Related AI Skills

View all
HKUDS logo

Cli Anything Godot

HKUDS
OrganizationPopular

Agent-native CLI for Godot project management, scenes, exports, and script execution.

4.6K
49.5K
Instructions
View
HKUDS logo

Cli Anything Intelwatch

HKUDS
OrganizationPopular

Zero friction. Full context. Competitive intelligence, M&A due diligence, and OSINT directly from your terminal. Uses Node.js/npx.

4.6K
49.5K
Instructions
View
kepano logo

Defuddle

kepano
CommunityPopular

Extract clean Markdown from HTML pages with Defuddle CLI.

3.5K
48.5K
Instructions
View
vectorize-io logo

Memory Reflect

vectorize-io
OrganizationPopular

Answer questions about history, habits and past decisions by reasoning over Hindsight memory. Use when asked what was decided about something, how something is usually done, what changed over time, or…

6K
48.5K
Instructions
View

Set up your own AI workspace now

Get notified about new features and future giveaways by subscribing to our newsletter 👇