ReverseFCFFMCP

Un servidor especializado de Model Context Protocol (MCP) para ejecutar valoraciones Reverse DCF / FCFF.

En lugar de preguntar "¿Cuál es el valor dados mis supuestos?", este motor pregunta: "Dado un valor objetivo (p. ej., 2 billones de dólares), ¿qué combinación de crecimiento, márgenes, reinversión y cuota de mercado debe cumplirse?"

Características

• Tres métodos de reinversión: Sales-to-Capital, ROIC-based y Explicit.

• Convenciones de descuento: A mitad de año (predeterminado de Damodaran) y a fin de año.

• Consistencia del valor terminal: Exige que la tasa de reinversión terminal = g / ROIC.

• Solucionadores inversos: Búsqueda de raíces (brentq) para resolver el margen, el crecimiento, Sales-to-Capital o ROIC para alcanzar un valor de empresa objetivo.

• Capa de mercado de IA: Traduce los ingresos terminales en cuota de mercado de IA requerida o tamaño de industria requerido.

• Capa de gobernanza: Saneamiento de entradas, salvaguardas matemáticas (p. ej., prevención de singularidades WACC ≤ Crecimiento terminal) y evaluaciones automatizadas.

Related MCP server: modelforge

Herramientas MCP disponibles

Este servidor expone las siguientes herramientas al cliente MCP:

1. forward_dcf

Ejecuta una valoración estándar de flujo de caja descontado (DCF) hacia adelante.

• Entradas: current_revenue, revenue_cagr, ebit_margin, wacc, terminal_growth, forecast_years, net_cash, reinvestment_method, sales_to_capital / roic, etc.

• Salida: JSON con ingresos proyectados, EBIT, NOPAT, reinversiones, FCFF, factores de descuento, valores presentes, valor terminal, valor de empresa y valor del patrimonio.

2. reverse_solve_margin

Resuelve el margen EBIT exacto necesario para alcanzar un valor de empresa objetivo, dados supuestos fijos de crecimiento y reinversión.

• Entradas: target_ev, fixed (un diccionario con el resto de supuestos del DCF).

• Salida: ebit_margin (flotante) y converged (booleano).

3. reverse_solve_growth

Resuelve la CAGR de ingresos exacta necesaria para alcanzar un valor de empresa objetivo, dados supuestos fijos de margen y reinversión.

• Entradas: target_ev, fixed (un diccionario con el resto de supuestos del DCF).

• Salida: revenue_cagr (flotante) y converged (booleano).

4. validate_damodaran_consistency

Ejecuta comprobaciones de validación estructural sobre un conjunto de entradas del DCF para detectar errores de modelado comunes.

• Entradas: Un objeto DCFInput completo.

• Salida: Una lista de objetos de advertencia que detallan las reglas incumplidas (p. ej., wacc_le_terminal_growth, terminal_growth_ceiling, fundamental_growth_ceiling).

5. feasibility_grid

Realiza una búsqueda en cuadrícula entre combinaciones de crecimiento, margen y sales-to-capital para determinar qué combinaciones alcanzan un EV objetivo dentro de una tolerancia especificada.

• Entradas: target_ev, fixed (supuestos base), param_grid (diccionario de matrices a probar), tolerance.

• Salida: Una lista de diccionarios que representan cada escenario, su EV resultante y un indicador booleano feasible.

6. run_evals

Ejecuta evaluaciones de gobernanza automatizadas para verificar la integridad matemática del motor.

• Entradas: Ninguna.

• Salida: JSON que verifica si el solucionador inverso hace un viaje de ida y vuelta preciso y si las salvaguardas estrictas bloquean correctamente las entradas no válidas.

Integración con Claude Desktop (stdio local)

Para usar este servidor MCP localmente con Claude Desktop, debe tener instalado el gestor de paquetes uv (pip install uv).

1. Abra Claude Desktop y navegue a Settings > Developer > Edit Config.

2. Esto abrirá su archivo claude_desktop_config.json.

3. Añada la configuración reverse-fcff-mcp a su objeto mcpServers. Debería verse así:

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