Probada en una tarea realOficial de AnthropicNegocio y productividad

DCF Valuation Model

Obtén una valuación viva en Excel de una empresa que cotiza en bolsa, con casos pesimista, base y optimista y tablas de sensibilidad.

Mira lo que creó

Instala DCF Valuation Model gratis

Deja tu email y los pasos de instalación se abren aquí mismo: un prompt para pegar en tu herramienta de IA. Sirve para las 149 skills.

Nuestra nota: 6/10
Funciona en: Claude, ChatGPT+7 más
Claude Code, Claude app, Codex, ChatGPT, Cursor, GitHub Copilot, Gemini CLI, Antigravity, OpenCode, Windsurf y más de 60 herramientas de IA que leen skills.
¿Hace falta programar?: Un poco
Tiempo hasta el resultado: 30 min
Creado por: Anthropic
Probada: 19 oct 2026

Datos de entrada y casos — El libro DCF: cada celda calculada es una fórmula viva, con casos pesimista, base y optimista.

La respuesta corta

DCF Valuation Model es una skill de los plugins de servicios financieros de Anthropic que arma un modelo de flujo de caja descontado (DCF), una forma de estimar cuánto vale una empresa a partir del efectivo que va a generar, como un archivo de Excel totalmente vivo. Le sirve a inversionistas, estudiantes de finanzas y analistas que valúan una empresa que cotiza en bolsa y pueden juzgar datos como el WACC, la tasa de descuento. Le dimos 6/10: la hoja de cálculo de nuestra prueba fue profesional y sin errores de fórmula, pero sus números son tan buenos como los datos que le das, y es pesada para quienes no son de finanzas.

Ideal para: Inversionistas, estudiantes de finanzas y analistas que quieren una plantilla DCF limpia y auditable para una empresa que cotiza en bolsa, con datos reales cargados.

¿Quieres este resultado en tu propio trabajo?

Regístrate gratis e instala DCF Valuation Model en un minuto. Un solo email abre los pasos de instalación de todas las skills del sitio.

Cuándo vale la pena usarla

Revisa una acción que tienes

Tienes algunas acciones y te preguntas si el precio tiene sentido. En nuestra prueba, una vendedora de Etsy que tiene acciones de Etsy obtuvo un modelo que pone el caso base en unos $48.50 por acción contra un precio placeholder de $55, con casos pesimista y optimista que se cambian desde una celda.

Aprende cómo se arma un DCF

Eres estudiante de finanzas y quieres ver un modelo limpio. Los datos tecleados van en azul con una nota de fuente en cada uno, las fórmulas en negro, y cada paso de ingresos a precio por acción es una fórmula que puedes seguir.

Pon a prueba tus supuestos

Quieres ver cuánto se mueve el valor si cambian el crecimiento o las tasas. La skill agrega tres tablas de 5 por 5 (tasa de descuento vs crecimiento a largo plazo, crecimiento vs margen, beta vs tasa libre de riesgo), y cada celda rehace la valuación completa.

Cómo conseguir un gran resultado

Instálala (pasos abajo)
Viene en el plugin de análisis financiero de Anthropic. Luego pide un DCF de una empresa por su nombre o ticker; el largo del pronóstico y los escenarios son opcionales.
Conecta o pega datos actuales
Activa la búsqueda web o un conector de datos financieros si tienes uno, o pega tú las cifras más recientes. La skill usa primero los conectores, luego tus datos y luego la web; nuestra prueba no tenía ninguno, así que cada dato se marcó como aproximado.
Aprueba cada punto de control
La skill se detiene para mostrarte los datos de entrada, luego las proyecciones y flujos de caja, y luego la tasa de descuento (WACC) antes de seguir. Lee cada uno: aquí es donde corregir un margen o una cantidad de acciones equivocados cuesta poco.
Abre el archivo de Excel
Recibes un archivo con el nombre del ticker y la fecha y dos hojas: DCF, con bloques de escenarios y tres tablas de sensibilidad abajo, y WACC. Cambia la celda selectora de caso a 1, 2 o 3 para pasar entre pesimista, base y optimista.
Reemplaza los datos en azul
Las celdas azules son números tecleados, cada una con un comentario que indica su fuente. Actualiza el precio de la acción y todo lo marcado como aproximado, y el modelo entero, tablas de sensibilidad incluidas, se recalcula.

Este es el prompt exacto con el que empezamos nuestra prueba:

El prompt que usamos

Vendo en Etsy y tengo algunas de sus acciones. ¿Puedes armarme un modelo DCF de Etsy para ver si el precio tiene sentido? Con escenarios base, pesimista y optimista, por favor.

Cómo fue la sesión

La conversación de nuestra prueba, resumida. Unos 30 minutos desde el primer prompt hasta el resultado final.

Tú: Vendo en Etsy y tengo algunas de sus acciones. ¿Puedes armarme un modelo DCF de Etsy para ver si el precio tiene sentido? Con escenarios base, pesimista y optimista, por favor.
AI: Ingresos 2022-2024 de unos $2.57bn, $2.75bn, $2.81bn; margen EBIT ajustado de un 15-17% (sin deterioros de goodwill); 112M acciones diluidas; deuda de $2.3bn en convertibles vs $1.0bn en efectivo, así que deuda neta de $1.3bn; precio placeholder de $55. Esto sale de memoria, no de datos en vivo. ¿Sigo?
Tú: Claro, después corrijo el precio.
AI: Base: crecimiento 3%, 4%, 5%, 5%, 4%; margen EBIT subiendo de 15.5% a 17.5%; impuesto 23%; D&A 6%; capex 2%; el capital de trabajo libera 1% del cambio en ingresos. FCF de $462M a $604M.
Tú: Bien.
AI: tasa libre de riesgo 4.2%, beta 1.6, ERP 5.5% -> costo del patrimonio 13.0%; deuda después de impuestos 2.7%; ponderaciones 83/17 -> WACC 11.2%.
Tú: Ok. escribí build.py con layout de filas fijo, caso seleccionado con CHOOSE, las 75 celdas de sensibilidad como recálculos completos del DCF (la tabla crecimiento/margen re-proyecta cada año). corrí el recalc.py de xlsx (con un parche para Python 3.9): éxito, 236 fórmulas, 0 errores. comprobado: celda central de las tres tablas = $48.50 = precio implícito; valor terminal 69.9% del EV (dentro de la banda de 50-70% de la skill); g terminal 3% < WACC...
AI: Valor implícito del caso base de unos $48.50 por acción vs el placeholder de $55, alrededor de 12% de caída. El caso optimista o una beta más baja te llevan por encima de $55. Gran advertencia: los datos son aproximados y no están en vivo; reemplaza las celdas azules gris amarillento con números actuales antes de confiar en el modelo. No es asesoramiento de inversión.

Qué funcionó y dónde se quedó corta

Qué funcionó

Produce un modelo de verdad al estilo banca de inversión: datos de entrada en azul con comentarios de fuente, selector de escenario, bordes y fórmulas vivas en todo el archivo
Las tres tablas de sensibilidad de 5x5 son recálculos reales y sus celdas centrales coinciden exactamente con el valor principal ($48.50)
El flujo con puntos de control hace que Claude muestre los datos de entrada, las proyecciones y el WACC antes de seguir, que es como alguien no experto puede detectar un supuesto malo

Dónde se quedó corta

Necesita datos financieros reales: sin conector de datos ni acceso a la web en nuestra prueba, cada dato (ingresos, acciones, deuda, beta) salió de la memoria de Claude y el precio de la acción fue un placeholder de $55, así que el resultado es aproximado y desactualizado. Consejo: pega en tu primer mensaje las cifras del último informe anual y el precio de la acción de hoy.
El pronóstico empieza en un año que ya terminó: el archivo tiene fecha de octubre de 2026, pero el último año real que Claude conocía era 2024, así que el primer año proyectado es 2025. Consejo: dile cuál es el último año reportado y pide que el pronóstico empiece después.
Pesado para alguien que no programa: la jerga (WACC, beta, NWC) y una skill de 1,263 líneas hacen que tengas que confiar en los valores por defecto o saber de finanzas, y el validate_dcf.py incluido no es confiable (un falso error de 'crecimiento terminal >= WACC', espera una hoja Sensitivity que la skill prohíbe, y falló en una verificación).

¿Quieres este resultado en tu propio trabajo?

Regístrate gratis e instala DCF Valuation Model en un minuto. Un solo email abre los pasos de instalación de todas las skills del sitio.

Prompts que funcionan

Cambia las partes entre corchetes por tus propios datos. No hace falta nombrar la skill: pide el trabajo y tu herramienta de IA la usa sola.

DCF con tres escenarios

Tengo algunas acciones de [empresa]. ¿Puedes armarme un modelo DCF de [empresa o ticker] para ver si el precio tiene sentido? Con escenarios base, pesimista y optimista, por favor.

Pronóstico a cinco años con tus cifras

Arma un modelo DCF de [empresa] con un pronóstico a cinco años. Usa estas cifras del último informe anual: [ingresos, utilidad operativa, efectivo, deuda, acciones diluidas]. El precio de la acción hoy es [$X].

Explica primero la tasa de descuento

¿Cuál es el valor intrínseco de [empresa]? Muestra tus supuestos de WACC y explica cada uno con palabras simples antes de armar el modelo.

Tablas de sensibilidad de los factores clave

Crea un DCF en Excel de [empresa] con tablas de sensibilidad de crecimiento de ingresos y tasa de descuento. Usa una tasa de crecimiento terminal de [2.5%].

Consejos de nuestra prueba

Dale tú el precio de la acción de hoy. En nuestra prueba el precio fue un placeholder de $55, así que la cifra de subida o caída no significaba nada hasta reemplazarlo.
Pídele a Claude que explique cada punto de control con palabras simples. La skill se detiene en los datos de entrada, las proyecciones y el WACC, pero términos como beta, NWC (capital de trabajo) y valor terminal suponen conocimientos de finanzas.
Revisa qué tan recientes son las cifras reales. En nuestra prueba, hecha desde memoria, el último año real fue 2024, así que el primer año pronosticado fue 2025, un año que ya había terminado. Dale las últimas cifras reportadas y pide que el pronóstico empiece después.
Usa las celdas centrales resaltadas como control de cordura. El centro de cada tabla de sensibilidad debería ser igual al precio principal del modelo; en nuestra prueba las tres mostraron $48.50.
Fíjate cuánto depende del valor terminal, el valor de todos los años después del pronóstico. La skill apunta a un 50 a 70% del total; en nuestra prueba fue 69.9%, así que los supuestos de largo plazo determinaron la mayor parte de la respuesta.
Confía en el recálculo de fórmulas más que en el verificador incluido. En nuestra prueba el recálculo reportó 236 fórmulas y 0 errores, mientras que el script de validación aparte de la skill dio un falso error.

Lo que necesitas: Claude Pro o superior, en Claude Code o en Claude.ai con la ejecución de código activada, También la skill de Excel (xlsx) de Anthropic: la skill DCF usa su script para recalcular fórmulas, En tu propia computadora: Python 3.10 o más nuevo con openpyxl, y LibreOffice para el recálculo, Idealmente un conector de datos financieros o búsqueda web para tener cifras actuales.

Cómo instalarla

Las skills siguen el estándar abierto Agent Skills, así que esta no depende de una sola empresa. Elige la herramienta de IA que usas. ¿No lo tienes claro? La primera pestaña cubre la mayoría en un solo paso.

Lo más fácil: pega esto en tu herramienta de IA

Instala esta skill para que funcione en todos mis proyectos: ejecuta `npx skills add https://github.com/anthropics/financial-services/tree/main/plugins/vertical-plugins/financial-analysis/skills/dcf-model -g -y` en mi terminal. Si falta Node.js, dime primero cómo instalarlo. Cuando termines, confirma que la skill quedó instalada y dime cómo empezar a usarla.

O hazlo tú mismo:

Un solo comando instala la skill en las herramientas de IA de tu computadora. Detecta las que tienes y te pregunta en cuáles añadirla: Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, Windsurf, OpenCode y más de 60 más.

$npx skills add https://github.com/anthropics/financial-services/tree/main/plugins/vertical-plugins/financial-analysis/skills/dcf-model -g

Necesitas tener Node.js instalado (gratis, en nodejs.org). La opción -g hace que la skill esté disponible en todos tus proyectos.

Bueno saber: El mismo marketplace ofrece skills de comparables, LBO, tres estados financieros y pitch decks. No es asesoría de inversión.

Desbloquea los pasos de instalación

Gratis. Deja tu email una vez para abrir los pasos de instalación de las 149 skills y recibir cada mes las mejores skills nuevas.

Cómo lo verificamos

Confirmamos la skill en su fuente original el 18 de octubre de 2026: el SKILL.md está donde debe estar, los archivos se actualizaron en el último año y la licencia (Apache-2.0) permite usarla. Después, el 19 de octubre de 2026, la instalamos, la usamos en la tarea de arriba sin modificarla y anotamos lo que pasó, incluido lo que salió mal.

Preguntas frecuentes

¿Necesito saber programar o finanzas para usar la skill DCF?

Programar no, pero saber de finanzas ayuda mucho. Claude escribe la hoja de cálculo, pero te pide aprobar los datos de entrada, las proyecciones y la tasa de descuento, y la skill supone que sabes qué significan WACC, beta y capital de trabajo.

¿La skill DCF funciona en Claude.ai o solo en Claude Code?

En ambos. Es parte del plugin de análisis financiero de Anthropic, que puedes agregar en Claude Code o subir como plugin en Claude.ai. La probamos en Claude Code.

¿Qué plan o herramientas necesita la skill DCF?

Necesita Claude Pro o superior, ejecución de código y acceso a datos financieros, como informes oficiales, búsqueda web o un conector de datos. También depende de la skill de Excel (xlsx) de Anthropic para recalcular fórmulas; en Claude Code en tu propia computadora eso significa Python con openpyxl y LibreOffice, como en nuestra prueba.

¿En qué se diferencia de pedirle a Claude un DCF sin la skill?

La skill impone reglas de estilo bancario: cada número una fórmula viva, datos de entrada en azul con comentarios de fuente, bloques pesimista, base y optimista, descuento a mitad de año y 75 celdas de sensibilidad que rehacen cada una toda la valuación, más puntos de control contigo. En nuestra prueba eso dio un modelo con cero errores de fórmula cuyas tres tablas coincidieron con el precio principal.

¿El resultado del DCF es asesoramiento de inversión?

No. El modelo solo muestra lo que implican sus supuestos, y en nuestra prueba esos supuestos salieron de memoria y eran aproximados. Tómalo como una herramienta para poner a prueba tu propia opinión, y verifica cada dato contra los informes actuales.