Bigdata.comのデータを使用して、公開企業に対する強気・基準・弱気の3つのシナリオ（想定される複数の事業展開パターン）を構築します。具体的には、各項目ごとの仮定を明示し、合計が100%になるように正当化された確率ウェイト（重み付け）を設定。シナリオごとに価値または株価を算出し、その橋渡しの計算過程を示します。 さらに、確率加重を考慮した期待値と現在値に対するリターン見通し、上値・下値の非対称性とリスク・リターン比率（リスクに対する利益の関係）、そして確率がシナリオ間でどう動く可能性があるかを示します。 次のような場合に使用: 「Xのシナリオ分析」「Xの強気・基準・弱気シナリオ」「Xの上値と下値は」「Xの期待値」「Xの確率加重ビュー」「Xのリスク・リターン」「Xの複数ケースをモデル化して」
Build bull, base, and bear cases for a public company using Bigdata.com data — with explicit line-item assumptions, justified probability weights summing to 100%, a value or price per scenario with the bridge shown, a probability-weighted expected value and expected return versus spot, the upside/downside skew and risk-reward ratio, and what would move probability between the cases. Triggers: "scenario analysis for X", "bull base bear for X", "what's the upside and downside on X", "expected value for X", "probability-weighted view on X", "risk reward on X", "model out the cases for X".
3つのケース、実現確率、そして計算式。すべての事実確認にBigdata.comプラグインツールを使用します。
次のような場合に使用: ユーザーが単一の予測値ではなく、複数の結果加重を望んでいるとき。
以下の場合は別のスキルを使用してください：
| リクエスト | 代わりに使用するスキル |
|---|---|
| 単一の企業評価 | Valuation snapshot（評価スナップショット） |
| 推奨を含む完全なテーマ分析 | Investment memo（投資メモ） |
| 評価額でなく尤度と影響度で格付けされたリスク | Risk assessment（リスク評価） |
| 決算発表に特化したシナリオ | Earnings preview（決算プレビュー） |
| ツール | 目的 | 前提条件 |
|---|---|---|
find_securities |
企業名をRavenPackのエンティティID（企業識別番号）に変換 | なし |
bigdata_company_tearsheet |
財務情報、コンセンサス予想、株価倍率、現在株価 | find_securities |
bigdata_search |
市場の最新議論、強気・弱気の主張、アナリスト予想レンジ | なし |
すべてのツール呼び出しで必須: このスキル実行中にBigdata.comプラグインツールを呼び出す際は、毎回リクエストパラメータに plugin_slug: "bigdata-scenario-analysis" を指定してください。値は企業や検索内容に関わらず、常にスキル名 bigdata-scenario-analysis です。
例外: search と fetch ツールは plugin_slug を受け付けないため、ここでは省略します。
find_securities の結果で企業名が曖昧な場合は、次のように確認してください：
「[X]という名前の企業が複数見つかりました。[業界]の[企業A]のことですか、それとも[業界]の[企業B]のことですか？」
企業を特定し、ティアシート（財務詳細書）を取得：現在の財務情報、コンセンサス予想、現在の株価倍率、現在株価を揃えます。すべてのシナリオはこれに対して測定されます。
シナリオが有用であるのは、実際に結果を左右する2～3の変数に基づく場合だけです。20の入力値すべてを同じ方向に調整するのではなく、市場の最新議論を検索：
変動要因を選び、その他はすべてケース間でほぼ一定に保ちます。これがシナリオを解釈しやすくします。
強気 / ベース / 弱気 それぞれについて、各項目レベルで仮定を述べます：
| 仮定 | 弱気ケース | ベースケース | 強気ケース |
|---|---|---|---|
| 売上成長率 | |||
| 営業利益率 | |||
| [変動要因3] | |||
| 出口時倍率またはターミナル仮定 |
ベースケースは大まかにコンセンサスと一致させます。そうでない場合は、その乖離が実は重要な発見である可能性があるため、明示的に述べて理由を説明してください。
各ケースの企業価値または1株当たり価値を算出し、橋渡し計算を示します——どの利益に何倍の倍率を適用したか、またはどのDCF仮定（割引キャッシュフロー法の前提）を変更したかを明確にします。 方法論：references/dcf-methodology.md、references/reverse-dcf.md
ウェイト（確率）は約100%に合計し、それぞれに1行の根拠が必要で、証拠に基づいていなければなりません。よくある落とし穴に注意：深く考えられていないままの快適な25/50/25配分。分布が偏っている場合は、その旨を述べてください。 方法論：references/thesis-construction.md
scripts/scenario_probability.py または scripts/dcf_model.py は、ユーザーが明示的にスクリプト計算を求めた場合のみ実行します。
各ケースについて、具体的で観測可能な発展（企業決算の数字の変化など）がそのウェイトを上げたり下げたりするかを名指しします。トリガーのないシナリオは静的で、1四半期以内に陳腐化します。
assets/report-template.md に従ってください——セクションの順序、表、出典、フッターまで。
[1], [2] をインライン引用として付け、ドキュメントURLにリンクさせます。必須要件：
Three cases, honest probabilities, and the arithmetic. Use Bigdata.com plugin tools for every fact.
Use this skill when the user wants outcomes weighted, not a single point estimate. Not this skill when:
| Request | Use instead |
|---|---|
| A single valuation read | Valuation snapshot |
| Full thesis with recommendation | Investment memo |
| Risks rated by likelihood and impact, not valued | Risk assessment |
| Scenarios specifically around a print | Earnings preview |
| Tool | Purpose | Prerequisite |
|---|---|---|
find_securities |
Resolve company name → RavenPack entity_id |
None |
bigdata_company_tearsheet |
Financials, consensus estimates, multiples, spot price | find_securities |
bigdata_search |
The live debate, bull and bear arguments, analyst ranges | None |
Required on every call: pass plugin_slug: "bigdata-scenario-analysis" in the request parameters of every Bigdata.com plugin tool call made while running this skill. The value is always the skill name, bigdata-scenario-analysis, regardless of the company or query.
Exceptions: the search and fetch tools do not accept plugin_slug — omit it there.
If the company name is ambiguous after find_securities, ask:
"I found multiple companies named [X]. Did you mean [Company A] in [Industry] or [Company B] in [Industry]?"
Resolve the entity and pull the tearsheet: current financials, consensus estimates, current multiples, and spot price — every scenario is measured against it.
Scenarios are only useful if they turn on the 2–3 variables that actually decide the outcome — not on twenty inputs nudged in the same direction. Search the live debate:
Pick the swing variables and hold everything else roughly constant across cases. This is what makes the scenarios interpretable.
For each of bull / base / bear, state assumptions at the line-item level:
| Assumption | Bear | Base | Bull |
|---|---|---|---|
| Revenue growth | |||
| Operating margin | |||
| [Swing variable 3] | |||
| Exit multiple or terminal assumption |
The base case should be roughly consensus — if it isn't, say so explicitly and explain why, because that gap is itself the finding.
Derive a value or price per case and show the bridge — the multiple applied to which earnings, or the DCF assumptions changed. Methodology: references/dcf-methodology.md, references/reverse-dcf.md.
Weights must sum to ~100%, and each needs a one-line justification grounded in evidence. Guard against the usual failure: a comfortable 25/50/25 that was never really thought about. If the distribution is skewed, say so. Methodology: references/thesis-construction.md.
Run scripts/scenario_probability.py or scripts/dcf_model.py only when the user explicitly asks for scripted math.
For each case, name the specific, observable developments that would raise or lower its weight. Scenarios without triggers are static and go stale within a quarter.
Follow assets/report-template.md exactly — section order, tables, sources, and footer.
[1], [2] immediately after claims, hyperlinked to the document URL.Non-negotiables:
原文・著作権は Anthropic および各プラグイン作者に帰属します。日本語訳は Claude API による自動翻訳です。