本書以 Amazon 作為貫穿案例，先完成三大財務報表與各項預測排程，再進入估值。全書重點不是只算單一比率，而是建立一個能互相勾稽、可重算、可做情境分析的完整財務模型。
| 主要框架 | 可解決的問題 | 適合的資料類型 | Excel／AI 的角色 | 限制與風險 |
|---|---|---|---|---|
| 三大財報與預測 | 把歷史損益、現金流與資產負債表轉為未來財務預測 | 歷史財報、營收成長率、費用率、資產負債科目 | Excel 建立連結與公式；AI 協助檢查假設與解釋變動 | 預測高度依賴假設；不可把模型輸出當成確定事實 |
| 折舊、營運資金與債務排程 | 讓資產負債表、現金流與利息費用彼此連動 | 資本支出、折舊年限、應收應付、庫存、債務 | Excel 負責 schedule 與循環參照；AI 協助除錯與情境比較 | 時間軸、正負號與循環參照最容易造成模型錯誤 |
| 折現現金流 | 由未來自由現金流推估企業價值 | 自由現金流、資本成本、終值假設 | Excel 執行折現與敏感度；AI 協助解讀 WACC、終值與敏感度 | 終值與折現率變動會大幅影響估值 |
| 可比公司分析 | 以市場交易倍數推估相對價值 | 同業財報、市值、企業價值、LTM 指標 | Excel 做 calendarization 與倍數；AI 協助比較可比性 | 可比公司選擇不當會造成系統性偏差 |
| 先例交易分析 | 以過往併購交易倍數推估控制權價值 | 交易價值、營收、EBITDA、交易日期與背景 | Excel 標準化交易指標；AI 協助辨識交易差異 | 交易時點、市場條件與控制權溢價不一定可直接類比 |
| 估值整合與 Football Field | 比較不同估值方法形成合理區間 | DCF、Comps、Precedent、52-week high/low | Excel 彙整估值區間；AI 協助說明方法差異 | 不同方法不是同一種「真值」，應解讀為多組觀察角度 |
Amazon 是主要貫穿案例；第 10 章另以 Netflix 建立可比公司分析，第 11 章處理 Amazon／Whole Foods 與其他先例交易，第 12 章把不同估值方法整合成 Football Field。
Excel 負責公式、財報連結、排程、折現、倍數、敏感度與可重算模型。AI 適合協助解釋假設、比較情境、找出矛盾、整理管理意義與建立檢查清單；AI 不應取代應由模型精確計算的數字。