跳到主要内容

Lbo Model

在 Excel 中构建杠杆收购模型——资金来源与用途、债务计划、现金清扫、退出倍数、IRR/MOIC 敏感性分析。与 excel-author 配合使用。适用于 PE 筛选、主导方案估值或 pitch 中的示意性 LBO。

Skill 元数据​

来源可选——通过 aigenlabs skills install official/finance/lbo-model 安装
路径optional-skills/finance/lbo-model
版本1.0.0
作者Anthropic（由 AigenLabs 改编）
许可证Apache-2.0
平台linux, macos, windows
标签finance, valuation, lbo, private-equity, excel, openpyxl, modeling
相关 skillsexcel-author, pptx-author, dcf-model, 3-statement-model

参考：完整 SKILL.md​

信息

以下是 AigenLabs 在触发此 skill 时加载的完整 skill 定义。这是 agent 在 skill 激活时所看到的指令内容。

环境​

本 skill 假设使用无界面 openpyxl——你在磁盘上生成 .xlsx 文件。 遵循 excel-author skill 关于单元格着色、公式、命名区域和敏感性表格的约定。 交付前重新计算：python /path/to/excel-author/scripts/recalc.py ./out/model.xlsx。

模板要求​

本 skill 使用模板构建 LBO 模型。请始终优先检查是否附有模板文件。

开始任何 LBO 模型之前：

  1. 如果附有模板文件：严格使用该模板的结构——复制它并填入用户数据
  2. 如果未附模板：询问用户："您是否有特定的 LBO 模板希望我使用？如果没有，我可以使用标准模板，其中包含资金来源与用途、运营模型、债务计划和回报分析。"
  3. 如果使用标准模板：以 examples/LBO_Model.xlsx 为起点进行复制，并填入用户的假设数据

重要：当附有 LBO_Model.xlsx 等文件时，必须将其作为模板使用——不得从头构建。即使模板看起来复杂或功能超出需求，也应复制并根据用户需求进行调整。当提供了模板时，绝不能决定"从头构建"。

关键指令——请先阅读​

使用 Python/openpyxl。写入公式字符串（ws["D20"] = "=B5*B6"），然后在交付前运行 excel-author skill 的 recalc.py 辅助脚本。

核心原则​

  • 每个计算都必须是 Excel 公式——绝不在 Python 中计算值后将结果硬编码到单元格。使用 openpyxl 时，写 cell.value = "=B5*B6"（公式字符串），而非 cell.value = 1250（计算结果）。模型必须是动态的，在输入变化时能自动更新。
  • 使用模板结构——遵循 examples/LBO_Model.xlsx 或用户提供模板中的组织方式。不得自行设计布局。
  • 使用正确的单元格引用——所有公式应引用相应单元格。绝不将本应来自其他单元格的数字直接输入。
  • 保持符号约定一致性——遵循模板使用的符号约定（有些用负数表示流出，有些用正数）。全程保持一致。
  • 逐节完成，每步与用户确认——完整完成一节，向用户展示构建内容，运行该节的验证检查，获得确认后再进入下一节。不得端到端构建整个模型后再呈现——后续章节依赖前面章节，若在回报已构建完成后才发现资金来源与用途有误，将导致全面返工。

公式颜色约定​

  • 蓝色（0000FF）：硬编码输入——不引用其他单元格的直接输入数字
  • 黑色（000000）：含计算的公式——使用运算符或函数的任何公式（=B4*B5、=SUM()、=-MAX(0,B4)）
  • 紫色（800080）：链接到同一标签页的单元格——无计算的直接引用（=B9、=B45）
  • 绿色（008000）：链接到不同标签页的单元格——跨表引用（=Assumptions!B5、='Operating Model'!C10）

填充颜色调色板——专业蓝灰配色（除非用户/模板另有指定）​

  • 保持简洁——仅使用蓝色和灰色填充单元格。不得引入绿色、黄色、红色或多种强调色。专业的 LBO 模型讲究克制。
  • 默认填充调色板：
    • 节标题（资金来源与用途、运营模型等）：深蓝 #1F4E79，白色粗体文字
    • 列标题（第 1 年、第 2 年等）：浅蓝 #D9E1F2，黑色粗体文字
    • 输入单元格：浅灰 #F2F2F2（或纯白）——蓝色字体是信号，填充为辅
    • 公式/计算单元格：白色，无填充
    • 关键输出（IRR、MOIC、退出权益）：中蓝 #BDD7EE，黑色粗体文字
  • 这就是完整调色板。 3 种蓝色 + 1 种灰色 + 白色。如果模板使用自己的颜色，则遵循模板。
  • 注意：上述蓝/黑/紫/绿字体颜色用于区分输入、公式和链接。这与此处的填充调色板是分开的——两者协同工作。

数字格式标准​

  • 货币：$#,##0;($#,##0);"-" 或 $#,##0.0，取决于模板
  • 百分比：0.0%（一位小数）
  • 倍数：0.0"x"（一位小数）
  • MOIC/详细比率：0.00"x"（两位小数，提高精度）
  • 所有数字单元格：右对齐

首先明确需求​

填写任何公式之前：

  • 检查模板结构——识别所有节，了解时间线（哪些列对应哪些期间），注意现有公式
  • 如有不明确之处，询问用户——如果模板结构、计算方法或需求存在歧义，在继续之前先询问
  • 确认关键假设——任何关键输入、计算偏好或特定需求
  • 仅在理解模板之后，再开始填写公式

模板分析阶段——请先执行此步骤​

填写任何公式之前，请彻底检查模板：

  1. 绘制结构图——识别每个节的位置及其相互关系。注意哪些节会输入到其他节。

  2. 理解时间线——哪些列代表哪些期间？是否有"结算"或"备考"列？预测期从哪里开始？

  3. 识别输入单元格与公式单元格——模板通常使用颜色编码、边框或阴影来标示哪些单元格需要输入，哪些需要公式。遵守这些约定。

  4. 仔细阅读现有标签——行标签会准确告诉你预期的计算内容。不要假设——阅读模板的要求。

  5. 检查现有公式——有些模板已部分填写。除非明确要求，否则不得覆盖有效公式。

  6. 注意模板特定约定——符号约定、小计结构、节的组织方式、不同组件是否有独立标签页等。

填写公式——通用方法​

对于每个需要公式的单元格，遵循以下优先级：

第一步：检查模板​

  • 单元格是否已有公式？如果有，验证其正确性后继续。
  • 是否有注释或说明指示预期计算？
  • 行/列标签是否使计算显而易见？
  • 相邻单元格是否显示出应遵循的规律？

第二步：检查用户指令​

  • 用户是否指定了特定的计算方法？
  • 是否有影响此公式的既定假设？
  • 是否有特殊需求？

第三步：应用标准实践​

  • 如果模板和用户均未指定，使用标准 LBO 建模约定
  • 记录所做的任何假设
  • 如确实不确定，询问用户

常见问题区域​

以下计算模式在 LBO 模型中频繁出现问题。遇到这些情况时请特别注意：

平衡节​

  • 当两个节必须相等时（例如，资金来源 = 资金用途），通常有一个项目作为"插值"（平衡数字）
  • 识别哪个项目是插值，并将其计算为差额

税务计算​

  • 税务公式应仅引用相关收入行和税率
  • 不应引用无关节（例如，债务计划）
  • 考虑亏损是否产生税盾或直接忽略

利息与循环引用​

  • 如果利息引用受现金流影响的余额，可能产生循环引用
  • 使用期初余额（而非平均值或期末余额）来打破循环引用
  • 模式：利息 → 现金流 → 还款 → 期末余额（如果利息使用期末余额，则会循环回来）

债务还款/现金清扫​

  • 当存在多个债务档次时，通常有优先顺序
  • 现金清扫应遵守优先级瀑布
  • 余额不能为负——适当使用 MAX 或 MIN 函数

回报计算（IRR/MOIC）​

  • 现金流必须有正确的符号：投资 = 负数，收益 = 正数
  • 如果使用 XIRR，需要对应日期
  • 如果使用 IRR，现金流应在连续期间内
  • MOIC = 总收益 / 总投资

敏感性表格​

  • 使用奇数维度（5×5 或 7×7）——绝不使用 4×4 或 6×6。奇数维度保证有真正的中心单元格。
  • 中心单元格 = 基准情景。 围绕模型实际假设对称构建行列轴值（例如，如果基准进入倍数 = 10.0x，轴 = [8.0x, 9.0x, 10.0x, 11.0x, 12.0x]）。中心单元格的 IRR/MOIC 必须等于模型的实际 IRR/MOIC 输出——这是表格连接正确的验证。
  • 突出显示中心单元格——中蓝填充（#BDD7EE）+ 粗体字，使基准情景在视觉上有锚点。
  • Excel 的数据表功能可能无法与 openpyxl 配合使用——改为编写引用行/列标题的显式公式
  • 每个单元格应显示不同的值——如果全部相同，说明公式没有正确变化
  • 使用混合引用（例如，行输入用 $A5，列输入用 B$4）

验证清单——完成后运行​

运行公式验证​

python /path/to/excel-author/scripts/recalc.py model.xlsx

必须返回成功且零错误。

节平衡​

  • 必须平衡的节（资金来源/用途、资产/负债）完全平衡
  • 插值项目作为平衡数字正确计算
  • 跨节应匹配的金额保持一致

收入/运营预测​

  • 收入/顶线从驱动因素或增长率正确构建
  • 所有成本和费用项目计算适当
  • 小计和合计正确求和
  • 利润率和比率合理
  • 与假设的链接正确

资产负债表（如适用）​

  • 资产 = 负债 + 权益（必须平衡）
  • 所有项目链接到适当的计划或滚动表
  • 期初余额 = 上期期末余额
  • 包含检查行且显示为零

现金流量（如适用）​

  • 从正确的收入数字开始
  • 非现金项目适当加减
  • 营运资本变化符号正确
  • 期末现金 = 期初现金 + 净现金流
  • 现金余额在各报表间一致

支持性计划​

  • 滚动计划平衡（期初 + 变动 = 期末）
  • 计划正确链接到主要报表
  • 计算项目使用适当的驱动因素
  • 所有期间计算一致

债务/融资计划（如适用）​

  • 期初余额与来源或上期挂钩
  • 利息按适当余额计算（通常为期初）
  • 还款遵守现金可用性和优先级
  • 期末余额不能为负
  • 合计正确汇总各档次

回报/输出分析​

  • 退出/终值计算正确
  • 包含所有相关调整
  • 现金流符号正确（投资为负，收益为正）
  • IRR/MOIC 公式引用完整区间
  • 结果对该情景合理

敏感性表格（如适用）​

  • 网格维度为奇数（5×5 或 7×7）——存在真正的中心单元格
  • 行列轴值围绕基准情景对称（[基准-2Δ, 基准-Δ, 基准, 基准+Δ, 基准+2Δ]）
  • 中心单元格输出等于模型的实际 IRR/MOIC——确认表格连接正确
  • 中心单元格已突出显示（中蓝填充 #BDD7EE，粗体字）
  • 行列标题包含适当的输入值
  • 每个数据单元格包含公式（非硬编码）
  • 每个数据单元格显示不同的值
  • 值的变化方向符合预期（退出倍数越高 → IRR 越高，等）

格式​

  • 硬编码输入为蓝色（0000FF）
  • 计算公式为黑色（000000）
  • 同标签页链接为紫色（800080）
  • 跨标签页链接为绿色（008000）
  • 所有数字右对齐
  • 全程应用适当的数字格式
  • 无单元格显示错误值（#REF!、#DIV/0!、#VALUE!、#NAME?）

逻辑合理性检查​

  • 数字量级合理
  • 趋势合理（增长、下降、稳定，符合预期）
  • 无明显错误值（应为正数处为负数、不可能的百分比等）
  • 关键输出在该类分析的合理范围内

常见错误须避免​

错误问题所在修复方法
硬编码计算值输入变化时模型不更新始终使用引用源单元格的公式
复制后单元格引用错误公式指向错误单元格验证所有链接，使用适当的 $ 锚定
循环引用错误模型无法计算对利息类计算使用期初余额，打破循环
节不平衡应匹配的合计不匹配确保有一个项目作为插值（计算为差额）
不可能出现负余额的地方出现负值支付/使用超过可用量适当使用 MAX(0, ...) 或 MIN 函数
IRR/回报错误符号错误或区间不完整检查现金流符号，确保公式覆盖所有期间
敏感性表格显示相同值公式未随输入变化检查单元格引用——需要混合引用（$A5、B$4）
滚动表不衔接期初 ≠ 上期期末验证期间之间的链接
符号约定不一致加法变减法或反之全程一致遵循模板约定

与用户协作——逐节检查点​

  • 如果模板结构不清晰，在继续之前先询问
  • 如果用户需求与模板冲突，确认其偏好
  • 完成每个主要节后，停下来与用户确认，再继续：
    • 资金来源与用途完成后 → 展示平衡表，确认插值正确，获得认可后再构建运营模型
    • 运营模型/预测完成后 → 展示预测损益表，确认增长率和利润率看起来正确，获得认可后再做债务计划
    • 债务计划完成后 → 展示期初/期末余额和利息，确认瀑布逻辑，获得认可后再做回报
    • 回报（IRR/MOIC）完成后 → 展示现金流序列和输出，确认符号和区间，获得认可后再做敏感性表格
    • 敏感性表格完成后 → 展示每个单元格的变化，确认基准情景落在预期位置
  • 如果验证过程中发现错误，在进入下一节之前修复
  • 展示你的工作——在有帮助时解释关键公式或假设
  • 绝不在未经每节确认的情况下呈现完整模型——在源头发现错误的单元格引用比从损坏的 IRR 向后追溯要快得多

本 skill 通过在模板中填写正确公式、适当格式和经过验证的计算，生成投资银行质量的 LBO 模型。该 skill 适应任何模板结构，同时确保财务准确性和专业呈现标准。

数据来源——优先使用 MCP，其次使用网络​

以下许多段落提到"使用 S&P Kensho MCP / Daloopa MCP / FactSet MCP"。这些是原始 Cowork 插件上下文中的商业金融数据 MCP。在 AigenLabs 中：

  • 如果配置了任何结构化金融数据 MCP（AigenLabs 支持 MCP——参见 native-mcp skill），优先使用它获取时点可比数据、前例交易和文件。
  • 否则，回退到：
    • 针对 SEC EDGAR（https://www.sec.gov/cgi-bin/browse-edgar）使用 web_search / web_extract 获取美国文件
    • 公司 IR 页面获取新闻稿、财报演示文稿
    • 使用 browser_navigate 访问交互式数据门户
    • 用户提供的数据（当上下文中没有时，明确询问）
  • 绝不捏造数据。如果某个倍数、前例或文件数字无法溯源，将该单元格标记为 [UNSOURCED] 并向用户说明。

归属​

本 skill 改编自 Anthropic 的 Claude for Financial Services 插件套件（Apache-2.0）。Office-JS / Cowork 实时 Excel 路径已移除；此版本通过 excel-author skill 的约定面向无界面 openpyxl。原始来源：https://github.com/anthropics/financial-services