輸出要求

所有 Excel 檔案

零公式錯誤

• 每個 Excel 模型必須以零公式錯誤交付（#REF!、#DIV/0!、#VALUE!、#N/A、#NAME?）

保留現有範本（更新範本時）

• 修改檔案時，研究並完全符合現有格式、樣式和慣例
• 絕不對具有既定模式的檔案強加標準化格式
• 現有範本慣例始終優先於這些指南

財務模型

色彩編碼標準

除非使用者或現有範本另有說明

產業標準色彩慣例

• 藍色文字（RGB: 0,0,255）：硬編碼輸入，以及使用者將為情境變更的數字
• 黑色文字（RGB: 0,0,0）：所有公式和計算
• 綠色文字（RGB: 0,128,0）：從同一活頁簿內其他工作表拉取的連結
• 紅色文字（RGB: 255,0,0）：外部檔案連結
• 黃色背景（RGB: 255,255,0）：需要注意的關鍵假設或需要更新的儲存格

數字格式化標準

必要格式規則

• 年份：格式化為文字字串（例如：「2024」而非「2,024」）
• 貨幣：使用 $#,##0 格式；始終在標題中指定單位（「Revenue ($mm)」）
• 零值：使用數字格式將所有零顯示為「-」，包括百分比（例如：「$#,##0;($#,##0);-」）
• 百分比：預設為 0.0% 格式（一位小數）
• 倍數：估值倍數格式化為 0.0x（EV/EBITDA、P/E）
• 負數：使用括號 (123) 而非減號 -123

公式建構規則

假設放置

• 將所有假設（成長率、利潤率、倍數等）放在獨立的假設儲存格中
• 在公式中使用儲存格參照而非硬編碼值
• 範例：使用 =B5*(1+$B$6) 而非 =B5*1.05

公式錯誤預防

• 驗證所有儲存格參照是否正確
• 檢查範圍中的偏移錯誤
• 確保所有預測期間的公式一致
• 使用邊界情況測試（零值、負數）
• 驗證沒有非預期的循環參照

硬編碼的文件要求

• 註解或在旁邊的儲存格中（如果在表格末尾）。格式：「來源：[系統/文件]，[日期]，[特定參考]，[URL（如適用）]」
• 範例：
  • 「來源：公司 10-K，FY2024，第 45 頁，營收附註，[SEC EDGAR URL]」
  • 「來源：公司 10-Q，Q2 2025，Exhibit 99.1，[SEC EDGAR URL]」
  • 「來源：Bloomberg Terminal，8/15/2025，AAPL US Equity」
  • 「來源：FactSet，8/20/2025，Consensus Estimates Screen」

XLSX 建立、編輯和分析

概述

使用者可能會要求您建立、編輯或分析 .xlsx 檔案的內容。針對不同的任務，您有不同的工具和工作流程可供使用。

重要要求

公式重新計算需要 LibreOffice：您可以假設已安裝 LibreOffice，使用 recalc.py 腳本重新計算公式值。腳本會在首次執行時自動設定 LibreOffice

讀取和分析資料

使用 pandas 進行資料分析

對於資料分析、視覺化和基本操作，請使用 pandas，它提供強大的資料操作功能：

import pandas as pd

# 讀取 Excel
df = pd.read_excel('file.xlsx')  # 預設：第一個工作表
all_sheets = pd.read_excel('file.xlsx', sheet_name=None)  # 所有工作表作為字典

# 分析
df.head()      # 預覽資料
df.info()      # 欄位資訊
df.describe()  # 統計資料

# 寫入 Excel
df.to_excel('output.xlsx', index=False)

Excel 檔案工作流程

重要：使用公式，而非硬編碼值

始終使用 Excel 公式，而非在 Python 中計算值並硬編碼它們。 這確保試算表保持動態且可更新。

❌ 錯誤 - 硬編碼計算值

# 不良：在 Python 中計算並硬編碼結果
total = df['Sales'].sum()
sheet['B10'] = total  # 硬編碼 5000

# 不良：在 Python 中計算成長率
growth = (df.iloc[-1]['Revenue'] - df.iloc[0]['Revenue']) / df.iloc[0]['Revenue']
sheet['C5'] = growth  # 硬編碼 0.15

# 不良：Python 計算平均值
avg = sum(values) / len(values)
sheet['D20'] = avg  # 硬編碼 42.5

✅ 正確 - 使用 Excel 公式

# 良好：讓 Excel 計算總和
sheet['B10'] = '=SUM(B2:B9)'

# 良好：成長率作為 Excel 公式
sheet['C5'] = '=(C4-C2)/C2'

# 良好：使用 Excel 函數計算平均值
sheet['D20'] = '=AVERAGE(D2:D19)'

這適用於所有計算 - 總計、百分比、比率、差異等。試算表應該能夠在來源資料變更時重新計算。

常見工作流程

1. 選擇工具：pandas 用於資料，openpyxl 用於公式/格式化
2. 建立/載入：建立新活頁簿或載入現有檔案
3. 修改：新增/編輯資料、公式和格式
4. 儲存：寫入檔案
5. 重新計算公式（使用公式時為必要）：使用 recalc.py 腳本

   python recalc.py output.xlsx
   

6. 驗證並修正任何錯誤：
   • 腳本回傳包含錯誤詳細資訊的 JSON
   • 如果 status 為 errors_found，檢查 error_summary 以了解特定錯誤類型和位置
   • 修正識別出的錯誤並再次重新計算
   • 常見要修正的錯誤：
     • #REF!：無效的儲存格參照
     • #DIV/0!：除以零
     • #VALUE!：公式中的資料類型錯誤
     • #NAME?：無法識別的公式名稱

建立新 Excel 檔案

# 使用 openpyxl 處理公式和格式化
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Alignment

wb = Workbook()
sheet = wb.active

# 新增資料
sheet['A1'] = 'Hello'
sheet['B1'] = 'World'
sheet.append(['Row', 'of', 'data'])

# 新增公式
sheet['B2'] = '=SUM(A1:A10)'

# 格式化
sheet['A1'].font = Font(bold=True, color='FF0000')
sheet['A1'].fill = PatternFill('solid', start_color='FFFF00')
sheet['A1'].alignment = Alignment(horizontal='center')

# 欄寬
sheet.column_dimensions['A'].width = 20

wb.save('output.xlsx')

編輯現有 Excel 檔案

# 使用 openpyxl 保留公式和格式
from openpyxl import load_workbook

# 載入現有檔案
wb = load_workbook('existing.xlsx')
sheet = wb.active  # 或 wb['SheetName'] 用於特定工作表

# 處理多個工作表
for sheet_name in wb.sheetnames:
    sheet = wb[sheet_name]
    print(f"Sheet: {sheet_name}")

# 修改儲存格
sheet['A1'] = 'New Value'
sheet.insert_rows(2)  # 在位置 2 插入列
sheet.delete_cols(3)  # 刪除第 3 欄

# 新增新工作表
new_sheet = wb.create_sheet('NewSheet')
new_sheet['A1'] = 'Data'

wb.save('modified.xlsx')

重新計算公式

openpyxl 建立或修改的 Excel 檔案包含字串形式的公式，但不包含計算值。使用提供的 recalc.py 腳本重新計算公式：

python recalc.py <excel_file> [timeout_seconds]

範例：

python recalc.py output.xlsx 30

腳本會：

• 首次執行時自動設定 LibreOffice 巨集
• 重新計算所有工作表中的所有公式
• 掃描所有儲存格以找出 Excel 錯誤（#REF!、#DIV/0! 等）
• 回傳包含詳細錯誤位置和數量的 JSON
• 支援 Linux 和 macOS

公式驗證檢查清單

快速檢查以確保公式正常運作：

基本驗證

• 測試 2-3 個範例參照：在建立完整模型之前，驗證它們提取正確的值
• 欄對應：確認 Excel 欄對應正確（例如：第 64 欄 = BL，非 BK）
• 列偏移：記住 Excel 列是 1 索引（DataFrame 第 5 列 = Excel 第 6 列）

常見陷阱

• NaN 處理：使用 pd.notna() 檢查空值
• 最右側的欄：財年資料通常在第 50+ 欄
• 多重比對：搜尋所有出現項目，而非只有第一個
• 除以零：在公式中使用 / 之前檢查分母（#DIV/0!）
• 錯誤參照：驗證所有儲存格參照都指向預期的儲存格（#REF!）
• 跨工作表參照：使用正確格式（Sheet1!A1）連結工作表

公式測試策略

• 從小處開始：在廣泛套用之前，先在 2-3 個儲存格上測試公式
• 驗證相依性：檢查公式中參照的所有儲存格是否存在
• 測試邊界情況：包括零、負數和非常大的值

解讀 recalc.py 輸出

腳本回傳包含錯誤詳細資訊的 JSON：

{
  "status": "success",           // 或 "errors_found"
  "total_errors": 0,              // 總錯誤數
  "total_formulas": 42,           // 檔案中的公式數量
  "error_summary": {              // 僅在發現錯誤時顯示
    "#REF!": {
      "count": 2,
      "locations": ["Sheet1!B5", "Sheet1!C10"]
    }
  }
}

最佳實踐

函式庫選擇

• pandas：最適合資料分析、批次操作和簡單資料匯出
• openpyxl：最適合複雜格式化、公式和 Excel 特定功能

使用 openpyxl

• 儲存格索引是 1 為基礎（row=1, column=1 指的是儲存格 A1）
• 使用 data_only=True 讀取計算值：load_workbook('file.xlsx', data_only=True)
• 警告：如果以 data_only=True 開啟並儲存，公式會被值取代並永久遺失
• 對於大型檔案：讀取時使用 read_only=True，寫入時使用 write_only=True
• 公式會被保留但不會被評估 - 使用 recalc.py 更新值

使用 pandas

• 指定資料類型以避免推斷問題：pd.read_excel('file.xlsx', dtype={'id': str})
• 對於大型檔案，讀取特定欄：pd.read_excel('file.xlsx', usecols=['A', 'C', 'E'])
• 正確處理日期：pd.read_excel('file.xlsx', parse_dates=['date_column'])

程式碼風格指南

重要：為 Excel 操作產生 Python 程式碼時：

• 撰寫最小化、簡潔的 Python 程式碼，不含不必要的註解
• 避免冗長的變數名稱和重複的操作
• 避免不必要的 print 陳述式

對於 Excel 檔案本身：

• 為具有複雜公式或重要假設的儲存格新增註解
• 為硬編碼值記錄資料來源
• 為關鍵計算和模型章節包含註記