Morgan Stanley 风格财务模型生成器#

适用场景#

场景说明典型输出首次覆盖 (Initiation)卖方研究团队首次覆盖标的，需完整 DCF + SOTP + Comps全套 12+ Sheet 投资级模型季度业绩更新 (Earnings Update)财报季后更新预测假设与估值结论更新 Forecast + Sensitivity并购估值 (M&A Valuation)收购方/财务顾问对目标公司进行独立估值Bear/Base/Bull 三情景 DCF + SOTPIPO 定价 (IPO Pricing)承销商对拟上市公司进行估值锚定DCF + PE Band + Comps 多维交叉验证内部审议 (Internal Review)投资委员会/风控委员会审议项目敏感性矩阵 + 情景对比摘要压力测试 (Stress Test)风险管理团队进行极端情景模拟WACC/TGR 双维敏感性矩阵

核心能力#

1. 三情景 DCF 估值模型 (Bear / Base / Bull)#

• 按 业务分部 (Segment) 逐行预测收入，支持 9 个独立分部
• 每个分部独立设置 FY25 基数 + 5 年复合增长率 (CAGR)
• EBITDA Margin 逐年递进，支持利润率扩张/收缩假设
• UFCF 完整拆解：EBITDA → D&A → EBIT → Tax → NOPAT → CapEx → ΔNWC → UFCF
• Terminal Value 双重计算：Gordon Growth Model + Exit Multiple Method
• Equity Bridge：EV → Net Debt → Equity Value → Per Share

2. WACC 加权平均资本成本拆解#

• CAPM 驱动的 Cost of Equity：Rf + Beta x ERP + Size Premium + Country Risk
• Cost of Debt 税后调整
• 可自定义 E/D 权重结构
• 公式驱动（非硬编码），修改假设后自动联动

3. 敏感性分析矩阵 (4 组)#

矩阵X 轴Y 轴输出WACC x TGR → Implied EVTerminal Growth Rate (2.0%~4.0%)WACC (8%14%)Enterprise ValueWACC x Exit Multiple → Implied EVExit Multiple (6x18x)WACC (8%~14%)Enterprise ValueWACC x TGR → Implied PPSTerminal Growth RateWACCPrice Per ShareScenario ComparisonBear / Base / BullKey Metrics三情景对比摘要

• 基准情景交叉点黄色高亮 (Cross-highlight)
• 每个单元格均为 Excel 公式，支持实时联动

4. SOTP 分部估值 (Sum-of-the-Parts)#

• 按业务分部独立估值，支持 EV/EBITDA 和 EV/Revenue 两种方法
• 每个分部可设置不同估值倍数和方法
• Corporate-level 调整：Net Debt、Minority Interest
• 饼图可视化各分部 EV 占比

5. PE Band 历史估值区间#

• 3~5 年 PE 历史轨迹（High / Low / Close）
• 中位数 (Median) 标注线
• 当前 PE vs Forward PE 对比
• 面积图可视化历史估值区间

6. 可比公司分析 (Comparable Companies)#

• 多市场分组：US / HK (港股) / A (A股)
• 每组独立计算中位数 (Median)
• 估值指标：EV/Revenue LTM & NTM、EV/EBITDA LTM & NTM、3Y CAGR
• 支持备注 (Note) 字段标注可比逻辑

7. 运营 KPI 仪表板#

• 交付量、用户数、发射次数、订阅数等多维运营指标
• 历史 (Historical) + 预测 (Forecast) 并列展示
• 支持自定义单位 (K units / M / Times)

8. 出版级图表 (5 种)#

图表类型数据源说明Revenue & EBITDA 双柱图DCF Sheet收入与 EBITDA 并列柱状对比EBITDA Margin 折线图DCF Sheet利润率趋势折线SOTP 饼图SOTP Sheet各分部 EV 占比PE Band 面积图PE Band Sheet历史估值区间面积

快速开始#

Python API 调用#

python

from ms_financial_model import make_financial_model, sample_data

# 使用内置示例数据快速生成
data = sample_data()
output = make_financial_model(data, "output/my_model.xlsx", theme="classic", language="zh")
print(f"模型已生成: {output}")

# 使用自定义数据
my_data = {
    "company_name": "My Corp",
    "ticker": "MYCO",
    "report_date": "2026-06-13",
    "analyst": "Research Team",
    "currency": "USD",
    "shares_outstanding": 500,
    "historical": {
        "years": ["FY22A", "FY23A", "FY24A", "FY25A"],
        "revenue": [3000, 4000, 5500, 7000],
        "ebitda": [450, 640, 935, 1260],
    },
    "forecast_years": ["FY26E", "FY27E", "FY28E", "FY29E", "FY30E"],
    "scenarios": {
        "base": {
            "label_zh": "基准情景",
            "label_en": "Base Case",
            "core_assumptions": "Steady growth",
            "ebitda_margin": [0.20, 0.21, 0.22, 0.23, 0.24],
            "da_pct_revenue": 0.035,
            "capex_pct_revenue": 0.055,
            "nwc_pct_rev_change": 0.08,
            "tax_rate": 0.21,
            "wacc": {
                "rf": 0.044, "erp": 0.055, "beta": 1.5,
                "size_premium": 0.003, "country_risk": 0.0,
                "kd": 0.055, "tax_rate": 0.21,
                "e_weight": 0.92, "d_weight": 0.08,
            },
            "terminal_growth_rate": 0.03,
            "exit_multiple_ebitda": 12.0,
            "net_debt": 2000,
        },
        "bear": { ... },
        "bull": { ... },
    },
}
output = make_financial_model(my_data, "output/custom_model.xlsx")

CLI 命令行#

bash

# 使用示例数据生成中文模型
python scripts/run.py output/model_zh.xlsx

# 生成英文模型
python scripts/run.py output/model_en.xlsx --lang en

# 指定主题
python scripts/run.py output/model.xlsx --theme classic

输出结构#

生成的 .xlsx 文件包含以下 Sheet（按顺序）：

#Sheet 名称内容1Cover封面：公司概览、业务分部摘要、情景估值对比、投资要点2DCF - Bear Case熊市情景 DCF：收入预测 → UFCF → Terminal Value → Equity Value3DCF - Base Case基准情景 DCF（同上结构）4DCF - Bull Case牛市情景 DCF（同上结构）5WACC加权平均资本成本拆解（公式驱动）6Sensitivity4 组敏感性分析矩阵7SOTP分部估值（Sum-of-the-Parts）8KPIs运营关键指标仪表板9PE Band历史市盈率区间分析10Comps可比公司分析（多市场分组）

数据字典#

必选字段 (Required)#

字段类型说明company_name``str公司名称ticker``str股票代码report_date``str报告日期 (YYYY-MM-DD)currency``str货币代码 (USD/CNY/HKD/EUR)shares_outstanding``float流通股数（百万）historical``dict历史财务数据（见下）forecast_years``list[str]预测年份标签，如 ["FY26E", "FY27E", ...]``scenarios``dict三情景数据 (bear/base/bull)

historical 子结构#

python

"historical": {
    "years": ["FY21A", "FY22A", "FY23A", "FY24A", "FY25A"],  # 历史年份标签
    "revenue": [5300, 7800, 11200, 15600, 20000],             # 收入 (百万)
    "ebitda": [530, 1014, 1680, 2500, 3600],                  # EBITDA (百万)
}

scenarios 子结构（每个情景）#

python

"scenarios": {
    "bear": {
        "label_zh": "熊市情景",          # 中文标签
        "label_en": "Bear Case",         # 英文标签
        "core_assumptions": "...",        # 核心假设描述
        "ebitda_margin": [0.18, 0.19, 0.19, 0.20, 0.20],  # 5年 EBITDA 利润率
        "da_pct_revenue": 0.045,          # D&A 占收入比
        "capex_pct_revenue": 0.07,        # CapEx 占收入比
        "nwc_pct_rev_change": 0.12,       # ΔNWC 占收入变动比
        "tax_rate": 0.21,                 # 企业所得税率
        "wacc": {                         # WACC 参数
            "rf": 0.044,                  # 无风险利率
            "erp": 0.055,                 # 股权风险溢价
            "beta": 1.80,                 # Beta 系数
            "size_premium": 0.005,         # 规模溢价
            "country_risk": 0.0,           # 国家风险溢价
            "kd": 0.065,                  # 债务成本
            "tax_rate": 0.21,             # 债务税盾税率
            "e_weight": 0.90,              # 权重占比
            "d_weight": 0.10,              # 债务占比
        },
        "terminal_growth_rate": 0.020,    # 永续增长率
        "exit_multiple_ebitda": 8.0,       # 退出 EBITDA 倍数
        "net_debt": 5000,                  # 净债务 (百万)
    },
    "base": { ... },
    "bull": { ... },
}

可选字段 (Optional)#

字段类型说明触发模块analyst``str分析师/机构名称Coverbusiness_overview``list[dict]业务分部概览 [{name, description, revenue_estimate}]Coverhistorical.segments``dict分部历史收入 {segment_name: {revenue: [...]}}DCFscenarios.*.segments``dict分部预测 {segment_name: {fy25_base, growth_rates}}DCFcomparable_companies``list[dict]可比公司列表（见下）Compssotp``dictSOTP 分部估值数据（见下）SOTPoperational_kpis``dict运营 KPI 数据（见下）KPIspe_band``dictPE Band 数据（见下）PE Bandcover_subtitle``str封面副标题Coverkey_takeaways``list[str]关键要点列表Coverinvestment_thesis``str投资逻辑摘要Coverrisk_factors``list[str]风险因素列表Cover

comparable_companies 子结构#

python

"comparable_companies": [
    {
        "name": "Tesla", "ticker": "TSLA", "market": "US",
        "mcap": 800000, "ev": 750000,
        "ev_rev_ltm": 5.2, "ev_rev_ntm": 4.8,
        "ev_ebitda_ltm": 25.0, "ev_ebitda_ntm": 20.0,
        "cagr_3y": 0.35, "note": "Closest comp",
    },
    # market 字段: "US" / "HK" / "A" 用于分组
]

sotp 子结构#

python

"sotp": {
    "segments": [
        {
            "name": "Tesla Auto",
            "revenue_ltm": 77000, "ebitda_ltm": 15400,
            "ev_multiple": 8.0, "ev": 123200,
            "method": "EV/EBITDA", "note": "Comparable median",
        },
    ],
    "net_debt": -28000,
    "minority_interest": 0,
    "shares_outstanding": 3200,
}

operational_kpis 子结构#

python

"operational_kpis": {
    "metrics": [
        {
            "name": "Tesla Deliveries",
            "unit": "K units",
            "historical": [1310, 1390, 1810, 1636, 1790],
            "forecast": [2000, 2200, 2400, 2600, 2800],
        },
    ],
}

pe_band 子结构#

python

"pe_band": {
    "current_pe": 35.0,
    "forward_pe": 28.0,
    "median_pe": 55.0,
    "pe_history": [
        {"period": "FY2021", "high": 120, "low": 45, "close": 95, "eps": 2.5},
    ],
}

主题配色#

主题说明classic摩根士丹利经典深蓝 (Deep Navy #1F3864) + 金色点缀

当前版本默认使用 classic 主题。更多主题（如 dark, light, print）将在后续版本中扩展。

语言支持#

语言代码说明影响范围zh简体中文（默认）所有 Sheet 标题、标签、注释en英文所有 Sheet 标题、标签、注释

通过 t(key, lang) 函数实现 i18n，覆盖 100+ 标签键值对。

API 参考#

make_financial_model(data, output_path, theme="classic", language="zh")#

生成摩根士丹利风格 DCF 财务模型 Excel 文件。

参数：

参数类型默认值说明data``dict—模型数据字典（参见 sample_data() 返回结构）output_path``str—输出 .xlsx 文件路径theme``str``"classic"颜色主题language``str``"zh"语言： "zh" 或 "en"

返回值： str — 生成文件的绝对路径

sample_data() -> dict#

返回完整的示例数据字典（Musk Empire Holdings 演示数据），包含全部可选字段。可直接传入 make_financial_model() 用于快速测试。

依赖#

依赖最低版本说明Python>= 3.9类型注解支持openpyxl>= 3.1Excel 读写、图表、样式

安装依赖：

bash

pip install openpyxl>=3.1

字体颜色规范#

模型遵循华尔街标准配色规范，便于快速识别单元格性质：

颜色色值含义使用场景蓝色 (Blue)#2F75B6输入假设 (Input)可手动修改的假设单元格黑色 (Black)#000000公式计算 (Formula)自动计算的公式单元格绿色 (Green)#006100实际数据 (Actual)已公告的历史实际值红色 (Red)#C00000警示/负值 (Alert)负数或需关注的数据灰色 (Gray)#595959注释说明 (Note)说明性文字

背景填充规范#

填充色色值含义浅黄#FFF2CC输入假设区域浅绿#E2EFDA关键计算行 (UFCF)浅蓝紫#D9E1F2汇总行浅橙#FCE4D6CapEx / ΔNWC 行纯黄#FFFF00敏感性矩阵基准交叉点

---

Author: WANG DONG JIE ( @yjkj999999 | Clawhub)

Version: 1.1.0 | License: MIT | Category: Financial Modeling

适用于 CGMA/ACCA/CPA/CFA 持证人及全球 200 万专业会员。生成符合投行标准的 DCF/SOTP 投资级财务模型。