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

Suggestions
Tableau de bord de l’API
Essayez ChatGPT
Codex

Codex use case

Construire un modèle de valorisation DCF

Transformez vos données financières en un classeur de valorisation modifiable.

Difficulty Intermediate
Time horizon 30m

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

Best for

  • Analystes qui construisent un classeur DCF à partir de données financières historiques et d’hypothèses.
  • Équipes financières qui souhaitent examiner et affiner le classeur dans ChatGPT.
  • Équipes qui préparent un modèle de valorisation à partir de fichiers sources.

Contents

    ← All use cases

    Construire un modèle de valorisation DCF

    Transformez vos 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 que vous pourrez examiner et modifier directement dans ChatGPT.

    Intermediate
    30m

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

    Intermediate
    30m

    Related links

    Skills des agents Fichiers d’entrée

    Best for

    • Analystes qui construisent un classeur DCF à partir de données financières historiques et d’hypothèses.
    • Équipes financières qui souhaitent examiner et affiner le classeur dans ChatGPT.
    • Équipes qui préparent un modèle de valorisation à partir de fichiers sources.

    Skills & Plugins

    • Spreadsheets
      Créez des classeurs modifiables à partir des données, des formules et des hypothèses jointes.
    Skill Why use it
    Spreadsheets Créez des classeurs modifiables à partir des données, des formules et des hypothèses jointes.

    Starter prompt

    Utilisez $spreadsheets pour créer un classeur de valorisation par actualisation des flux de trésorerie (DCF) pour l’entreprise décrite dans les fichiers sources joints. Indiquez explicitement les facteurs opérationnels qui déterminent la croissance du chiffre d’affaires, les marges, les dépenses d’investissement et le besoin en fonds de roulement. Calculez les flux de trésorerie disponibles avant financement, le coût moyen pondéré du capital (WACC), la valeur terminale et la valeur d’entreprise. Si la structure du capital et le nombre d’actions après dilution sont fournis, détaillez le passage de la valeur d’entreprise à la valeur implicite des capitaux propres, puis calculez la valeur implicite par action. Reprenez toutes les hypothèses figurant dans les fichiers sources. Si une hypothèse manque, prévoyez une cellule à renseigner dans l’onglet des hypothèses et indiquez clairement à quoi elle correspond. Ne dissimulez pas cette hypothèse dans une formule. Si les données du bilan ou du tableau des flux de trésorerie sont incomplètes, établissez les prévisions d’exploitation nécessaires au calcul des flux de trésorerie disponibles avant financement et signalez les données manquantes. Générez le résultat sous forme de classeur .xlsx modifiable.
    Utilisez $spreadsheets pour créer un classeur de valorisation par actualisation des flux de trésorerie (DCF) pour l’entreprise décrite dans les fichiers sources joints. Indiquez explicitement les facteurs opérationnels qui déterminent la croissance du chiffre d’affaires, les marges, les dépenses d’investissement et le besoin en fonds de roulement. Calculez les flux de trésorerie disponibles avant financement, le coût moyen pondéré du capital (WACC), la valeur terminale et la valeur d’entreprise. Si la structure du capital et le nombre d’actions après dilution sont fournis, détaillez le passage de la valeur d’entreprise à la valeur implicite des capitaux propres, puis calculez la valeur implicite par action. Reprenez toutes les hypothèses figurant dans les fichiers sources. Si une hypothèse manque, prévoyez une cellule à renseigner dans l’onglet des hypothèses et indiquez clairement à quoi elle correspond. Ne dissimulez pas cette hypothèse dans une formule. Si les données du bilan ou du tableau des flux de trésorerie sont incomplètes, établissez les prévisions d’exploitation nécessaires au calcul des flux de trésorerie disponibles avant financement et signalez les données manquantes. Générez le résultat sous forme de classeur .xlsx modifiable.

    Introduction

    ChatGPT peut vous aider à créer un classeur de valorisation par actualisation des flux de trésorerie (DCF), entièrement fonctionnel, que vous pouvez examiner et modifier.

    Pour créer ce classeur, ChatGPT peut s’appuyer sur plusieurs fichiers, notamment les données financières historiques, les hypothèses de valorisation et les éventuelles notes de modélisation. Vous pouvez joindre ces fichiers directement ou en fournir les références s’ils se trouvent dans Google Drive ou dans une autre source connectée. Dans ce cas, indiquez leurs références exactes. C’est plus efficace que de demander à ChatGPT de les chercher parmi tous vos fichiers.

    Créez le classeur

    1. Joignez les données financières historiques, les hypothèses de valorisation et les éventuelles notes de modélisation, ou indiquez les références exactes des fichiers en précisant leur source.
    2. Envoyez le prompt de départ 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 références utilisées dans les formules, modifier les hypothèses, ajouter des scénarios ou affiner le modèle.

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

    Vérifiez la valorisation

    Avant d’utiliser le classeur, demandez à ChatGPT d’examiner le modèle comme le ferait un collègue de l’équipe finance. Demandez-lui de rapprocher les chiffres des données sources et de vérifier les formules, les hypothèses saisies en dur et les résultats de la valorisation.

    Examinez le classeur DCF avant que je l’utilise. Vérifiez les points suivants : - la concordance des données historiques avec les fichiers sources - les paramètres de prévision et les hypothèses affichées - la distinction entre les valeurs calculées par formule et celles saisies en dur - le calcul des flux de trésorerie disponibles avant financement - le coût moyen pondéré du capital (WACC), la valeur terminale, la valeur d’entreprise et, le cas échéant, le calcul permettant de passer de la valeur d’entreprise à la valeur des capitaux propres - les formules des tableaux de sensibilité - les éventuelles données manquantes sur la structure du capital ou le nombre d’actions après dilution, ainsi que les hypothèses qui nécessitent une vérification humaine Corrigez les problèmes de mise en forme ou de formule que vous pouvez résoudre sans risque, puis indiquez les points que je dois vérifier moi-même.

    Modifiez une hypothèse

    Après avoir examiné le classeur, demandez des modifications ciblées dans la même discussion. Modifiez un seul paramètre à la fois pour en mesurer facilement l’effet.

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

    Related use cases

    Actualiser les prévisions et le plan opérationnel

    Fournissez à ChatGPT le modèle opérationnel, les derniers résultats réels, les hypothèses...

    Data Knowledge Work

    Analyse des écarts entre budget et réalisé

    Fournissez à ChatGPT un budget, un export des données réelles et des notes de clôture

    Data Knowledge Work

    Créer un tableau de décomposition des écarts par facteur

    Fournissez à ChatGPT les résultats réels, le budget, les prévisions, les indicateurs clés de...

    Data Knowledge Work