数字：代码算
所有财务数字由纯 Python 算子产生，估值输出带完整溯源，不靠语言模型。
确定性计算纯 Python 算子，带溯源
估值方法DCF / DDM / LBO / WACC / comps / 蒙特卡洛
研报13 章研究输出 + IC memo
原则数字代码算，叙述 LLM 写
估值方法
FinRobot 估值方法对照表
这些估值方法由确定性代码计算，而非 LLM 凭印象给数字。
| 方法 | 说明 |
|---|---|
| DCF（现金流折现） | 对未来自由现金流折现估值 |
| DDM（股利折现） | 基于股利的估值模型 |
| LBO（杠杆收购） | 杠杆收购情景下的估值 |
| WACC（加权平均资本成本） | 折现率计算 |
| 可比公司 / 蒙特卡洛 | 相对估值与情景模拟 |
核心原则
确定性计算 + LLM 叙述
这是 FinRobot 区别于「让模型直接给估值数字」的关键。
叙述：LLM 写
LLM 只负责推理、综合、解释与写报告，把代码算出的数字讲成研报。
估值流程
FinRobot 估值与研报流程
拉取财务数据
通过 FMP 等获取利润表、资产负债表、现金流。
确定性估值
代码计算 3 年预测、DCF、可比公司对比等。
多智能体分析
8 个专门智能体生成投资论点、风险评估、估值概览等。
生成研报
输出多页 HTML/PDF，含 15+ 图表类型与数字溯源。
研报结构
研报输出结构（Desktop/Pro）
Desktop 版本的研报输出为可追溯的 13 章研究 + IC memo。
| 输出 | 内容 |
|---|---|
| 13 章研究报告 | 公司研究、估值、风险、投资论点等 |
| IC memo | 投资委员会备忘录 |
| 证据链接 | 数字溯源与来源 |
| 辩论智能体 | 多头 / 空头 / 裁判三方推理 |
常见问题
FinRobot 估值常见问题
FinRobot 的估值数字可信吗？
估值由确定性代码计算并带溯源，比纯 LLM 编数字更可靠，但仍基于假设，不构成投资建议。
和 EasyClaw 的 DCF 有什么区别？
FinRobot 是自建管道里的多方法估值；EasyClaw 有 fp-dcf 等 Skill 可直接一句话发起 DCF 估值，免部署。
蒙特卡洛是什么？
对估值做情景模拟，输出不同假设下的估值分布，用于风险评估。
研报是 PDF 吗？
Desktop/Pro 可输出多页 HTML/PDF，含图表与数字溯源。