ReverseFCFFMCP

Ein spezialisierter Model Context Protocol (MCP)-Server für die Durchführung von Reverse-DCF-/FCFF-Bewertungen.

Statt zu fragen: „Wie hoch ist der Wert bei meinen Annahmen?“, fragt diese Engine: „Welche Kombination aus Wachstum, Margen, Reinvestition und Marktanteil muss bei einem Zielwert (z. B. 2 Billionen $) gegeben sein?“

Funktionen

• Drei Reinvestitionsmethoden: Sales-to-Capital, ROIC-basiert und explizit.

• Diskontierungskonventionen: Mid-year (Damodaran-Standard) und End-year.

• Terminalwert-Konsistenz: Erzwingt Terminal-Reinvestitionsrate = g / ROIC.

• Reverse-Solver: Nullstellensuche (brentq), um Marge, Wachstum, Sales-to-Capital oder ROIC zu lösen, um einen Ziel-Unternehmenswert zu erreichen.

• KI-Markt-Ebene: Übersetzt Terminal-Umsatz in erforderlichen KI-Marktanteil oder erforderliche Branchengröße.

• Governance-Ebene: Eingabebereinigung, mathematische Schutzmechanismen (z. B. Verhinderung von WACC ≤ Terminalwachstum-Singularitäten) und automatisierte Evaluierungen.

Related MCP server: modelforge

Verfügbare MCP-Tools

Dieser Server stellt dem MCP-Client die folgenden Tools bereit:

1. forward_dcf

Führt eine standardmäßige Forward-Discounted-Cashflow-Bewertung durch.

• Eingaben: current_revenue, revenue_cagr, ebit_margin, wacc, terminal_growth, forecast_years, net_cash, reinvestment_method, sales_to_capital / roic usw.

• Ausgabe: JSON mit prognostizierten Umsätzen, EBITs, NOPATs, Reinvestitionen, FCFFs, Diskontierungsfaktoren, Barwerten, Terminalwert, Unternehmenswert und Eigenkapitalwert.

2. reverse_solve_margin

Löst nach der exakten EBIT-Marge auf, die erforderlich ist, um einen Ziel-Unternehmenswert zu erreichen, bei festen Annahmen für Wachstum und Reinvestition.

• Eingaben: target_ev, fixed (ein Wörterbuch der übrigen DCF-Annahmen).

• Ausgabe: ebit_margin (Float) und converged (Boolean).

3. reverse_solve_growth

Löst nach der exakten Umsatz-CAGR auf, die erforderlich ist, um einen Ziel-Unternehmenswert zu erreichen, bei festen Annahmen für Marge und Reinvestition.

• Eingaben: target_ev, fixed (ein Wörterbuch der übrigen DCF-Annahmen).

• Ausgabe: revenue_cagr (Float) und converged (Boolean).

4. validate_damodaran_consistency

Führt strukturelle Validierungsprüfungen an einem Satz von DCF-Eingaben durch, um häufige Modellierungsfehler zu erkennen.

• Eingaben: Ein vollständiges DCFInput-Objekt.

• Ausgabe: Eine Liste von Warnobjekten mit Details zu verletzten Regeln (z. B. wacc_le_terminal_growth, terminal_growth_ceiling, fundamental_growth_ceiling).

5. feasibility_grid

Führt eine Rastersuche über Kombinationen aus Wachstum, Marge und Sales-to-Capital durch, um zu bestimmen, welche Kombinationen einen Ziel-EV innerhalb einer bestimmten Toleranz erfolgreich erreichen.

• Eingaben: target_ev, fixed (Basisannahmen), param_grid (Wörterbuch der zu testenden Arrays), tolerance.

• Ausgabe: Eine Liste von Wörterbüchern, die jedes Szenario, seinen resultierenden EV und ein feasible-Boolean-Flag darstellen.

6. run_evals

Führt automatisierte Governance-Evaluierungen durch, um die mathematische Integrität der Engine zu verifizieren.

• Eingaben: Keine.

• Ausgabe: JSON, das verifiziert, ob der Reverse-Solver Round-Trips genau durchführt und ob die harten Schutzmechanismen ungültige Eingaben erfolgreich blockieren.

Claude-Desktop-Integration (lokales stdio)

Um diesen MCP-Server lokal mit Claude Desktop zu verwenden, muss der Paketmanager uv installiert sein (pip install uv).

1. Öffnen Sie Claude Desktop und navigieren Sie zu Einstellungen > Entwickler > Konfiguration bearbeiten.

2. Dadurch wird Ihre claude_desktop_config.json-Datei geöffnet.

3. Fügen Sie die reverse-fcff-mcp-Konfiguration zu Ihrem mcpServers-Objekt hinzu. Sie sollte wie folgt aussehen:

{
  "mcpServers": {
    "reverse-fcff-mcp": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/YOUR_USERNAME/reverse-fcff-mcp.git",
        "python",
        "-m",
        "reverse_fcff_mcp.server"
      ]
    }
  }
}