AI 技能AI 插件金融科技【免费下载链接】UZI-Skill冰冷的钱就这样流进我温暖的口袋-游资UZISkills — 让我们欢迎股海贼王66位投资大佬帮你看盘 · 22维数据 × 180条量化规则 × 17种机构分析方法 · A股/港股/美股项目地址https://gitcode.com/gh_mirrors/uz/UZI-Skill点击查看免费下载本文面向使用 UZI-Skill 进行个股深度分析的研究者讲解commands/lbo.md中定义的/lbo命令它通过lib.fin_models.quick_lbo()模拟 PE 基金以 5x 杠杆按市场价买入、5 年后退出测算能否赚到 20% IRR从而给 DCF 估值提供一个私募买方视角的独立交叉校验。读完本文你将掌握 LBO 快速测试的输入参数、计算流水线、verdict 阈值语义以及如何在 22 维机构建模流程中把它与 DCF、Comps、三表预测组合成三角验证。1. 命令定位LBO 在 UZI-Skill 中的角色UZI-Skill 是面向 A 股/港股/美股的个股深度分析工作流产出 22 维数据 × 180 条量化规则 × 17 种机构分析方法见 skills/deep-analysis/SKILL.md。/lbo是其中估值交叉验证家族的一员定义于 commands/lbo.md其核心问题非常朴素如果一家 PE 基金今天按市场价买入这只股票用标准杠杆5x EBITDA5 年后按同样的估值倍数退出它能赚到 20% 的 IRR 吗这个问题的答案直接刻画了私募买方视角的估值下限——LBO 测试的定位在 commands/lbo.md 中写得很清楚如果一个股票连 PE 基金加杠杆都赚不到钱说明市场定价已经很贵了。它不替代 DCF而是对 DCF 的独立交叉校验。从源码结构看LBO 属于 Task 1.5机构级建模维度dim 20 的一部分由 scripts/compute_deep_methods.py 的compute_dim_20()在 Task 1 采集完原始数据后自动执行底层实现位于 scripts/lib/fin_models.py 的quick_lbo()函数。2. 工作流quick_lbo 的标准调用方式commands/lbo.md 给出了命令的核心调用代码它直接使用 Python 库函数from lib.fin_models import quick_lbo result quick_lbo(features, entry_multiple8.0, # 入场 EV/EBITDA debt_multiple5.0, # 杠杆倍数 (5x EBITDA) exit_multiple8.0, # 退出 EV/EBITDA hold_years5, ebitda_growth0.08, # 年化 EBITDA 增速 interest_rate0.06, )其中features是从 Task 1 原始数据中提取的标准化特征字典108 个特征见 skills/deep-analysis/SKILL.md 的工具箱速查。在深度分析流水线中这段代码被封装进compute_dim_20()以一行lbo quick_lbo(features)自动执行结果写入raw[dimensions][20_valuation_models]下的data.lbo字段见 scripts/compute_deep_methods.py。quick_lbo的完整函数签名与默认值scripts/lib/fin_models.py如下参数类型默认值含义featuresdict必填标准化股票特征至少含ebitda_yientry_multiplefloat8.0入场 EV/EBITDA 倍数debt_multiplefloat5.0杠杆倍数债务 倍数 × EBITDAexit_multiplefloat8.0退出 EV/EBITDA 倍数hold_yearsint5持有年数ebitda_growthfloat0.08年化 EBITDA 增速interest_ratefloat0.06债务利率3. 输出结构从入场到退出的完整流水线quick_lbo返回一个结构化的 dictscripts/lib/fin_models.py完整覆盖 commands/lbo.md 中输出一节列出的全部要素字段含义entry_ebitda_yi/entry_ev_yi入场 EBITDA 及对应 EVentry_debt_yi/entry_equity_yi入场债务与股权EV − 债务leverage_turns杠杆倍数ebitda_path5 年 EBITDA 成长路径逐年列表debt_schedule债务偿还进度含第 0 期逐年列表exit_ebitda_yi/exit_ev_yi/exit_equity_yi退出时 EBITDA、EV、股权价值moic投入资本倍数退出股权 / 入场股权irr_pct年化 IRR百分比保留 1 位小数pass_pe_test布尔值irr 0.20verdict中文结论见下节methodology_log5 步计算审计日志3.1 计算流水线的五步结合 commands/lbo.md 的输出描述与 scripts/lib/fin_models.py 的实现整个 LBO 测试按以下五步推进入场定价entry_ev entry_multiple × EBITDAentry_debt debt_multiple × EBITDAentry_equity entry_ev − entry_debt即 PE 实际掏出的本金。5 年 EBITDA 路径从基期 EBITDA 起每年乘以(1 ebitda_growth)生成hold_years个节点。债务偿还进度每年用 EBITDA 的 50% 作为近似 FCF扣除当年利息后取 70% 用于还债paydown max(0, fcf * 0.7)债务逐年递减但不为负。注意源码中 FCF ≈ EBITDA × 50%、偿债比率 70% 是硬编码的简化假设commands/lbo.md 中FCF × 70% 还债指的就是这条规则。退出定价exit_ev exit_multiple × Y5 EBITDAexit_equity exit_ev − 剩余债务。收益测算moic exit_equity / entry_equityirr moic^(1/hold_years) − 1若入场或退出股权不为正MOIC/IRR 记为 0。3.2 EBITDA 缺失时的估算兜底如果features中没有ebitda_yi源码会走近似路径scripts/lib/fin_models.py优先用revenue_latest_yi × net_margin估算净利润再按net_income / 0.6反推 EBITDA若净利润不为正则退化为revenue × 15%的经验近似。从源码结构看这种真数据 代理估算 默认值的优先级设计是整个 fin_models 库的统一原则见 references/fin-methods/README.md。4. verdict 阈值语义何时 PE 会买commands/lbo.md 定义了三级判读quick_lbo在 scripts/lib/fin_models.py 中实现了完全一致的逻辑IRR ≥ 20%→ PE 买方可赚 20% IRRPE 基金今天愿意买15% ≤ IRR 20%→ PE 买方 15-20% IRR边际不太会买IRR 15%→ 低于 PE 收益门槛PE 基金会放弃。这三个阈值在 references/task1.5-institutional-modeling.md 的LBO 交叉验证一节中被再次明确并给出了关键的使用语义如果 DCF 说高估但 LBO 说 IRR 仍有 21%那通常是 DCF 的折现率设得过高或增长假设过低——反之连杠杆都赚不到钱就说明市场定价很贵了。5. 在 22 维流程中的使用三角验证与假设审查5.1 作为估值维度的自动产出在compute_dim_20()中LBO 与 DCF、Comps、三表预测一起被打包为估值模型维度并在 summary 里与 DCF 并列输出scripts/compute_deep_methods.pysummary: { dcf_intrinsic: dcf.get(intrinsic_per_share), dcf_safety_margin_pct: dcf.get(safety_margin_pct), dcf_verdict: dcf.get(verdict), lbo_irr_pct: lbo.get(irr_pct), lbo_verdict: lbo.get(verdict), comps_verdict: comps.get(valuation_verdict), }在 Task 4 的综合研判synthesis中标准引用格式是机构级建模三角验证references/task1.5-institutional-modeling.md 机构级建模三角验证 • DCF: ¥{dcf.intrinsic_per_share} · {dcf.safety_margin_pct}% · {dcf.verdict} • Comps: {comps.valuation_verdict} (PE 分位 {comps.target_percentile.pe}%) • LBO: IRR {lbo.irr_pct}% · {lbo.verdict}5.2 分析师必须审查默认假设skills/deep-analysis/SKILL.md 明确脚本跑 LBO 用的是默认假设Stage 1 growth 10%、Stage 2 growth 5%、terminal g 2.5%、Beta 1.0、目标债务比例 30%、税率 25%分析师有审查责任。对/lbo而言最需要斟酌的是ebitda_growth与debt_multiple高成长赛道半导体/光学/AI 硬件、新能源车可把ebitda_growth提到 15-25%entry/exit_multiple相应提高周期股煤炭/钢铁/化工增速可能为负LBO 会快速变红这本身就是周期高位警示实际调用时可在quick_lbo(features, ebitda_growth0.12, ...)中覆盖默认值与默认结果并列展示分歧。5.3 报告中的可视化呈现LBO 结果在最终 Bloomberg 风格 HTML 报告中由 scripts/lib/report/institutional.py 的_render_lbo_block()渲染为独立的 QUICK LBO 卡片展示入场 EBITDA/EV、杠杆倍数/债务、退出 IRR/MOIC、结论并以内嵌 SVG 迷你图绘制5 年 EBITDA 路径与债务偿还进度两条曲线。IRR 颜色遵循阈值语义≥20% 绿色、15-20% 橙色、15% 红色。该渲染函数有对应的回归测试scripts/tests/test_v3_3_2_issue_fixes.py、scripts/tests/test_loss_making_stock_recovery.py确保含ebitda_path/debt_schedule时不会出现渲染 NameError、且输出包含退出 IRR等关键文案。6. 为什么重要LBO 是私募买方视角的估值下限commands/lbo.md 的为什么重要一节给出了本节的核心论点LBO 测试是私募买方视角的估值下限。它的价值在于提供一个与散户视角完全不同的定价锚DCF 回答现金流折现下来值多少钱Comps 回答同行怎么定价LBO 回答一个能加杠杆、能还债、能熬 5 年的机构买方今天这个价还赚不赚钱。三者独立计算、互相校验是 UZI-Skill 中22 维数据 × 17 种机构分析方法里估值交叉验证的完整闭环。当 LBO 给出的 IRR 显著高于 20% 时说明当前定价对杠杆买方仍有吸引力估值尚未透支当 IRR 跌入 15% 以下则意味着仅靠 EBITDA 增长和偿债杠杆已无法获得机构级回报市场定价已经很贵。7. 延伸与 LBO 同族的并购模型quick_lbo所在的 scripts/lib/fin_models.py 还提供了同族的并购增厚/摊薄模型accretion_dilution()同文件 #L564-L618它模拟收购方报价溢价 现金/换股比例 协同效应对 pro-forma EPS 的影响。两者合起来覆盖了杠杆买入退出与并购整合两个机构级交易视角同样由compute_dim_20()纳入估值维度输出。8. 快速上手小结触发方式在 UZI-Skill 工作流中使用/lbo 股票代码命令定义见 commands/lbo.md或在 Python 中直接调用lib.fin_models.quick_lbo(features, ...)底层实现scripts/lib/fin_models.py自动执行入口scripts/compute_deep_methods.py默认参数与 A 股适配references/task1.5-institutional-modeling.md判读阈值IRR ≥ 20% 可买 / 15-20% 边际 / 15% 放弃使用原则默认假设需结合行业与公司特征审查见 skills/deep-analysis/SKILL.md并与 DCF、Comps 并列呈现形成三角验证。赞分享AI 技能AI 插件金融科技【免费下载链接】UZI-Skill冰冷的钱就这样流进我温暖的口袋-游资UZISkills — 让我们欢迎股海贼王66位投资大佬帮你看盘 · 22维数据 × 180条量化规则 × 17种机构分析方法 · A股/港股/美股项目地址https://gitcode.com/gh_mirrors/uz/UZI-Skill点击查看免费下载相关推荐UZI-Skill 速判模式指南30 秒快扫一只 A 股/港股/美股的核心 4 维 Top 10 大佬投票UZI Skill 速判模式指南30 秒快扫一只 A 股/港股/美股的核心 4 维 Top 10 大佬投票 本篇技术指南聚焦于 UZI Skill 开源仓AI 技能AI 插件金融科技UZI-Skill 机构级财务分析方法库全解22 种估值/研究/决策方法在 A 股、港股、美股的落地与源码实现UZI Skill 机构级财务分析方法库全解22 种估值/研究/决策方法在 A 股、港股、美股的落地与源码实现 本指南以 skills/deep analysAI 技能AI 插件金融科技UZI-Skill 数据源权威清单A 股/港股/美股深度分析流水线的稳定来源与三级 Fallback 体系UZI Skill 数据源权威清单A 股/港股/美股深度分析流水线的稳定来源与三级 Fallback 体系 本文是 UZI Skill 深度分析引擎 skiAI 技能AI 插件金融科技上一篇GE模式匹配融合Pass示例下一篇CMS扩展性测试Instatic插件加载性能与资源占用全解析创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
