For the complete documentation index, see llms.txt. Markdown versions of documentation pages are available by appending .md to the page URL.
Navigation principale

Suggestions
API Dashboard
Essayer ChatGPT
Codex

Codex use case

Créer un modèle de valorisation DCF

Transformez des données financières en un classeur de valorisation modifiable.

Difficulty Intermédiaire
Time horizon 30 min

Joignez les données financières historiques, les hypothèses de valorisation et les notes de modélisation, puis demandez à ChatGPT de créer un classeur DCF modifiable que vous pourrez examiner et modifier dans ChatGPT.

Idéal pour

  • Les analystes qui transforment des données financières historiques et des hypothèses en un classeur DCF.
  • Les équipes financières qui souhaitent examiner et affiner le classeur dans ChatGPT.
  • Les équipes qui préparent un modèle de valorisation à partir de fichiers sources.

Contents

    ← Tous les cas d’utilisation

    Créer un modèle de valorisation DCF

    Transformez des données financières en un classeur de valorisation modifiable.

    Joignez les données financières historiques, les hypothèses de valorisation et les notes de modélisation, puis demandez à ChatGPT de créer un classeur DCF modifiable que vous pourrez examiner et modifier dans ChatGPT.

    Intermédiaire
    30 min

    Joignez les données financières historiques, les hypothèses de valorisation et les notes de modélisation, puis demandez à ChatGPT de créer un classeur DCF modifiable que vous pourrez examiner et modifier dans ChatGPT.

    Intermédiaire
    30 min

    Liens connexes

    Skills d’agent Fichiers d’entrée

    Idéal pour

    • Les analystes qui transforment des données financières historiques et des hypothèses en un classeur DCF.
    • Les équipes financières qui souhaitent examiner et affiner le classeur dans ChatGPT.
    • Les équipes qui préparent un modèle de valorisation à partir de fichiers sources.

    Skills et plugins

    • Spreadsheets
      Créez des classeurs de calcul modifiables à partir de données d’entrée jointes, de formules et d’hypothèses.
    Skill Why use it
    Spreadsheets Créez des classeurs de calcul modifiables à partir de données d’entrée jointes, de formules et d’hypothèses.

    Prompt de démarrage

    Utilisez $spreadsheets pour créer un classeur DCF concernant l’entreprise décrite dans les fichiers sources joints. Incluez des facteurs opérationnels explicites pour la croissance du chiffre d’affaires, les marges, les dépenses d’investissement et le besoin en fonds de roulement. Calculez le flux de trésorerie disponible sans effet de levier, le WACC, la valeur terminale et la valeur d’entreprise. Si la structure du capital et le nombre d’actions après dilution sont fournis, partez de la valeur d’entreprise pour calculer la valeur implicite des capitaux propres, puis la valeur implicite par action. Utilisez toutes les hypothèses figurant dans les fichiers sources. Si une hypothèse est manquante, ajoutez un espace réservé clairement libellé dans l’onglet des hypothèses au lieu de la masquer dans une formule. Si les données nécessaires à un bilan complet ou à un tableau des flux de trésorerie sont manquantes, créez les prévisions d’exploitation nécessaires au calcul du flux de trésorerie disponible sans effet de levier et signalez les données manquantes pour ces états financiers. Générez le résultat sous la forme d’un classeur .xlsx modifiable.
    Utilisez $spreadsheets pour créer un classeur DCF concernant l’entreprise décrite dans les fichiers sources joints. Incluez des facteurs opérationnels explicites pour la croissance du chiffre d’affaires, les marges, les dépenses d’investissement et le besoin en fonds de roulement. Calculez le flux de trésorerie disponible sans effet de levier, le WACC, la valeur terminale et la valeur d’entreprise. Si la structure du capital et le nombre d’actions après dilution sont fournis, partez de la valeur d’entreprise pour calculer la valeur implicite des capitaux propres, puis la valeur implicite par action. Utilisez toutes les hypothèses figurant dans les fichiers sources. Si une hypothèse est manquante, ajoutez un espace réservé clairement libellé dans l’onglet des hypothèses au lieu de la masquer dans une formule. Si les données nécessaires à un bilan complet ou à un tableau des flux de trésorerie sont manquantes, créez les prévisions d’exploitation nécessaires au calcul du flux de trésorerie disponible sans effet de levier et signalez les données manquantes pour ces états financiers. Générez le résultat sous la forme d’un classeur .xlsx modifiable.

    Introduction

    ChatGPT peut vous aider à créer un classeur DCF entièrement fonctionnel, que vous pouvez examiner et modifier.

    ChatGPT peut utiliser plusieurs fichiers comme contexte, notamment les données financières historiques, les hypothèses de valorisation et les éventuelles notes de modélisation. Vous pouvez fournir ces fichiers directement ou utiliser des références de fichiers si les données se trouvent dans Google Drive ou dans une autre source connectée. Dans ce cas, fournissez les références exactes des fichiers : cette méthode sera plus efficace que de demander à ChatGPT de rechercher parmi tous vos fichiers.

    Créez le classeur

    1. Joignez les données financières historiques, les hypothèses de valorisation et les éventuelles notes de modélisation, ou fournissez les références exactes des fichiers en indiquant leur source.
    2. Exécutez le prompt de démarrage et demandez un classeur .xlsx modifiable.
    3. Ouvrez le classeur généré dans ChatGPT. Affichez-le en plein écran pour examiner les onglets du modèle, les formules, les hypothèses et la synthèse de la valorisation.
    4. Poursuivez dans la même discussion pour vérifier les liens entre les formules, modifier les hypothèses, ajouter des scénarios ou affiner le modèle.

    Lorsque le classeur apparaît dans la discussion, ouvrez-le et affichez-le en plein écran. Examinez les données sources, les facteurs de prévision, les résultats de la valorisation et les tableaux de sensibilité, puis demandez à ChatGPT de modifier directement ce même classeur.

    Vérifiez la valorisation

    Avant d’utiliser le classeur, demandez à ChatGPT de passer le modèle en revue comme le ferait un collègue de l’équipe financière : concordance avec les données sources, formules, hypothèses saisies en dur et résultats de la valorisation.

    Passez en revue le classeur DCF avant que je l’utilise. Vérifiez les points suivants : - concordance des données historiques avec les fichiers sources - facteurs de prévision et hypothèses visibles - distinction entre les formules et les valeurs saisies en dur - calcul du flux de trésorerie disponible sans effet de levier - WACC, valeur terminale, valeur d’entreprise et tout calcul permettant de passer à la valeur des capitaux propres - formules des tableaux de sensibilité - éléments manquants concernant la structure du capital, le nombre d’actions après dilution ou les hypothèses et devant être vérifiés par une personne Corrigez les problèmes de mise en forme ou de formule lorsque vous pouvez le faire sans risque, puis dressez la liste de tout ce que je dois vérifier manuellement.

    Modifiez une hypothèse

    Après avoir examiné le classeur, demandez des modifications ciblées dans la même discussion. Ne modifiez qu’un facteur à la fois pour pouvoir en évaluer facilement l’impact.

    Mettez à jour le modèle DCF afin que [revenue growth, EBITDA margin, WACC, terminal growth, or capex] utilise [new assumption]. Conservez l’ancienne hypothèse dans une note visible, mettez à jour les formules qui en dépendent et indiquez-moi quels onglets ont été modifiés.

    Cas d’utilisation associés

    Créez un tableau d’analyse des facteurs d’écart

    Fournissez à ChatGPT le réalisé, le budget, les prévisions, les données des KPI, les seuils...

    Données Travail intellectuel

    Nettoyer et réviser un modèle financier

    Fournissez à ChatGPT un modèle financier et les documents sources associés, puis...

    Données Travail intellectuel

    Établir une prévision de trésorerie

    Fournissez à ChatGPT les données de trésorerie et les contraintes du modèle, puis...

    Données Travail intellectuel