ReverseFCFFMCP

一个专门用于运行 反向 DCF / FCFF 估值 的模型上下文协议（MCP）服务器。

这个引擎不会问“根据我的假设，价值是多少？”，而是会问： “给定一个目标价值（例如 2 万亿美元），怎样的增长、利润率、再投资和市场份额组合必须成立？”

功能

• 三种再投资方法：销售资本比、基于 ROIC 的方法和显式法。

• 折现惯例：年中（Damodaran 默认）和年末。

• 终值一致性：强制终期再投资率 = g / ROIC。

• 反向求解器：使用求根算法（brentq）求解利润率、增长率、销售资本比或 ROIC，以命中目标企业价值。

• AI 市场层：将终期收入转换为所需的 AI 市场份额或所需的行业规模。

• 治理层：输入清理、数学护栏（例如防止 WACC ≤ 终期增长率导致的奇点），以及自动化评估。

Related MCP server: modelforge

可用的 MCP 工具

此服务器向 MCP 客户端提供以下工具：

1. forward_dcf

运行标准的正向贴现现金流（DCF）估值。

• 输入：current_revenue, revenue_cagr, ebit_margin, wacc, terminal_growth, forecast_years, net_cash, reinvestment_method, sales_to_capital / roic 等。

• 输出：包含预测收入、EBIT、NOPAT、再投资、FCFF、折现因子、现值、终值、企业价值和股权价值的 JSON。

2. reverse_solve_margin

在增长和再投资的固定假设下，求解实现目标企业价值所需的确切 EBIT 利润率。

• 输入：target_ev、fixed（一个包含其余 DCF 假设的字典）。

• 输出：ebit_margin（浮点数）和 converged（布尔值）。

3. reverse_solve_growth

在利润率和再投资的固定假设下，求解实现目标企业价值所需的确切收入 CAGR。

• 输入：target_ev、fixed（一个包含其余 DCF 假设的字典）。

• 输出：revenue_cagr（浮点数）和 converged（布尔值）。

4. validate_damodaran_consistency

对一组 DCF 输入运行结构验证检查，以捕获常见的建模错误。

• 输入：一个完整的 DCFInput 对象。

• 输出：一份警告对象列表，详细说明任何违反的规则（例如 wacc_le_terminal_growth、terminal_growth_ceiling、fundamental_growth_ceiling）。

5. feasibility_grid

在增长率、利润率和销售资本比的组合上执行网格搜索，以确定哪些组合能在指定容差内成功命中目标 EV。

• 输入：target_ev、fixed（基础假设）、param_grid（要测试的数组字典）、tolerance。

• 输出：一个字典列表，表示每个场景、其产生的 EV，以及一个 feasible 布尔标志。

6. run_evals

运行自动化治理评估，以验证引擎的数学完整性。

• 输入：无。

• 输出：JSON，用于验证反向求解器能否准确往返，以及硬性护栏能否成功阻止无效输入。

Claude Desktop 集成（本地 stdio）

要在本地通过 Claude Desktop 使用此 MCP 服务器，你必须安装 uv 包管理器（pip install uv）。

1. 打开 Claude Desktop，转到 设置 > 开发者 > 编辑配置。

2. 这将打开你的 claude_desktop_config.json 文件。

3. 将 reverse-fcff-mcp 配置添加到你的 mcpServers 对象中。它应该如下所示：

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