公開企業（上場企業）の企業価値と割安・割高の判定を、Bigdata.com のデータ（株価倍数指標、利益予想、利益率、業界平均の比較データ）を使って回答します。 以下の内容を提供します： - **倍数指標クロスチェック**：その企業の過去の水準と業界平均中央値との比較 - **現在の株価に含まれた期待値の読み取り**：逆算DCF分析（詳細モデル構築は不要）により、株価が何を織り込んでいるかを解析 - **主要な価値変動要因**：利益拡大や成長に最も影響する2～3つの要素を特定 - **価値判定**：割安／妥当／割高のいずれかの判定 **次のような場合に使用：** 「X社の企業価値は」「X社は割高か」「X社の株価スナップショット」「X社の株価には何が織り込まれているか」「X社は同業他社と比べて割安か」「X社はどう評価されているか」「X社の適正株価は」
Answer what a public company is worth and whether it is cheap or expensive, using Bigdata.com data (tearsheet multiples, estimates, margins, peer context). Produces a multiples cross-check against the company's own history and peer median, an implied-expectations read on what the current price already embeds (reverse-DCF reasoning, no model build required), the 2-3 value drivers that dominate, and a cheap / fair / rich verdict. Triggers: "what is X worth", "is X expensive", "valuation snapshot for X", "what's priced in for X", "is X cheap vs peers", "how is X valued", "fair value for X".
軽量な企業評価ツールです。「現在の価値はいくら？」という質問に対して、詳細な分析レポートなしで素早く答えます。Bigdata.com のプラグインツールを使ってすべての情報を集めます。
次のような場合に使用: ユーザーが詳細な分析レポート無しで企業の評価を知りたいとき
このスキルを使わない場合:
| 要望 | 代わりに使うスキル |
|---|---|
| 推奨銘柄と確信度を含む完全な分析レポート | Investment memo（投資見通し書） |
| 強気・中立・弱気の複数シナリオと確率、企業価値 | Scenario analysis（シナリオ分析） |
| 多くの指標で競合企業と比較した詳細な表 | Peer comparables（競合比較） |
| 決算発表を控えた企業の評価 | Earnings preview（決算見通し） |
| 構築したDCF（将来キャッシュフロー割引）または資産評価モデルの出力 | Investment memo（スクリプト付き） |
| ツール | 役割 | 事前準備 |
|---|---|---|
find_securities |
企業名 → RavenPack の企業ID に変換 | 不要 |
bigdata_company_tearsheet |
現在および過去の利益倍率、利益予想、利益率、フリーキャッシュフロー、事業セグメント | find_securities の実行後 |
bigdata_search |
競合企業との評価比較、アナリスト見方、評価についての議論 | 不要 |
すべての呼び出しで必須: このスキル実行中に Bigdata.com プラグインツールを呼び出すときは、毎回リクエストパラメータに plugin_slug: "bigdata-valuation-snapshot" を指定してください。企業や検索内容に関わらず、この値はスキル名のままです。
例外: search と fetch ツールはこのパラメータを受け付けないため、それらでは省略してください。
企業名が find_securities で曖昧な場合は、以下のように尋ねてください：
「[X] という名前の複数の企業が見つかりました。[業種]の[企業A]、それとも[業種]の[企業B]のどちらですか？」
企業名を find_securities に入力して、企業ID を取得します。
bigdata_company_tearsheet を呼び出して、現在および過去の利益倍率、利益予想、利益率、フリーキャッシュフロー、事業セグメントの情報を取得します。
モデルを建てずに、現在の株価に組み込まれている前提を言葉にします：
手法の詳細: references/reverse-dcf.md。ユーザーがより深い説明を求めた場合は DCF の詳しい仕組み: references/dcf-methodology.md。スクリプト形式やスプレッドシート形式の出力をユーザーが明確に要望した場合のみ scripts/reverse_dcf.py または scripts/dcf_model.py を実行します。
利益倍率の複合判定、内在期待値、企業価値を実際に左右する2～3の要因 を合わせて評価します。株式が内在期待値に比べて 割安・適正・割高 のいずれかを明確に述べ、その判定を変える要素を示します。
assets/report-template.md のテンプレートに厳密に従ってください — セクション順序、表、情報源、末尾の表記など。
[1]、[2] として、ドキュメント URL にリンクさせます提出前に次の3点を確認してください：何が違うのか？ 何が重要か（2～3の要因）？ どうすべきか？（総合評価、主要なリスク、次の注視ポイント — ポジションサイジング不要）
すべてのスナップショットで必ず満たすべき要件：
The lightweight answer path for "what is it worth" — no full memo, no standalone model build. Use Bigdata.com plugin tools for every fact.
Use this skill when the user wants a valuation read without a full thesis. Not this skill when:
| Request | Use instead |
|---|---|
| Full thesis with recommendation and conviction | Investment memo |
| Explicit bull/base/bear with probabilities and EV | Scenario analysis |
| Detailed peer table across many metrics | Peer comparables |
| Valuation in the context of an upcoming print | Earnings preview |
| Built DCF or sum-of-parts model output | Investment memo (with scripts) |
| Tool | Purpose | Prerequisite |
|---|---|---|
find_securities |
Resolve company name → RavenPack entity_id |
None |
bigdata_company_tearsheet |
Current and historical multiples, estimates, margins, FCF, segments | find_securities |
bigdata_search |
Peer valuation context, analyst views, valuation debates | None |
Required on every call: pass plugin_slug: "bigdata-valuation-snapshot" in the request parameters of every Bigdata.com plugin tool call made while running this skill. The value is always the skill name, bigdata-valuation-snapshot, 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]?"
Call find_securities with the company name to get the entity_id.
Call bigdata_company_tearsheet for current and historical multiples, consensus estimates, margins, FCF where shown, and segment context.
Without building a model, articulate what has to go right at the current price:
Methodology: references/reverse-dcf.md. Full DCF mechanics if the user wants depth: references/dcf-methodology.md. Run scripts/reverse_dcf.py or scripts/dcf_model.py only when the user explicitly asks for scripted or spreadsheet-style output.
Combine the multiples cross-check, the implied expectations, and the 2–3 value drivers that actually move fair value. State plainly whether the stock screens cheap, fair, or rich relative to embedded expectations — and name what would change that.
Follow assets/report-template.md exactly — section order, tables, sources, and footer.
[1], [2] immediately after claims, hyperlinked to the document URL.Pass the PM test before delivering: What's different? What matters (2–3 drivers)? What should I do about it? (net assessment, key risk, next catalyst — no position sizing).
Non-negotiables in every snapshot:
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。