Fin M And A

What it does

When your agent uses it

• Deal evaluation
• Valuation disputes
• Structure design
• Earn-out design

Example prompts

• “/fin-m-and-a”

Workflow steps

4 steps, taken from the first numbered list in SKILL.md.

1. 1這個目標的內在價值（Standalone Value）？
2. 2我們能創造的綜效價值（Synergy Value）？
3. 3我們願意支付的最高價（Walk-away Price）？
4. 4失敗的替代方案（BATNA）？

What it can do on your machine

Read from SKILL.md and the folder at commit 4e7f4f8. It shows what the files ask for, not the result of running them.

• Tool permissions

  Pre-approves nothing: there is no allowed-tools line, so your agent's usual permission prompts apply.

  From allowed-tools in the SKILL.md frontmatter.

• Runs code

  No scripts in the folder and no shell commands in SKILL.md (its code samples are markdown).

  From the folder's file list and the shell code blocks in SKILL.md.

• Network

  No URLs in SKILL.md.

  From URLs in SKILL.md, links to its own repository left out.

• Credentials

  Names no API keys, tokens, secrets or passwords.

  From names ending in _API_KEY, _TOKEN, _SECRET, _KEY or _PASSWORD in SKILL.md.

Context cost

Fin M And A loads about 2.4k tokens when it runs, and up to ~17k if it reads all its reference files. Until then it costs about 192 tokens; SKILL.md has 549 words of instructions outside code blocks.

Always · name and description, kept in context so the agent knows when to use it

~192

When it runs · the whole SKILL.md, loaded when a task matches

~2.4k

With references · SKILL.md plus every file in references/, read only if the agent opens them

~17k

Estimates: characters ÷ 4, the usual rule of thumb; real counts depend on the model's tokenizer. Scripts and assets cost tokens only if the agent reads them.

Safety

Automated static check — not a guarantee. Review scripts before installing. It scans the text of SKILL.md for risky patterns (piping downloads into a shell, reading credential files, hidden Unicode, destructive commands); files beside SKILL.md are not scanned.

SKILL.md

The full file from asgard-ai-platform/skills at commit 4e7f4f8, republished under its MIT licence (© asgard-ai-platform). 549 words, ~2,445 tokens.

name

fin-m-and-a

description

M&A integration playbook covering eight modules: strategic rationale, target screening, due diligence (financial/legal/commercial), valuation with valuation bridge, synergy analysis, deal structuring (stock vs. asset, cash vs. equity, earn-out), SPA key clauses, and post-merger integration (PMI). Use for deal evaluation, valuation disputes, structure design, earn-out design, synergy breakdown, integration risk, or hostile takeover defense. Triggers: 『併購』『收購』『M&A』『盡職調查』『DD』『估值橋』『綜效』『earn-out』『換股比例』『PMI』『買殼』『借殼上市』『敵意併購』『交易結構』. For Taiwan EMBA 財管組 case studies and term reports (台大／政大／陽交). Complements Asgard `biz-dcf` and `fin-modeling` (valuation tools) plus `biz-corporate-governance` (governance layer) by providing the transaction-layer framework.

metadata.category

WP-08 商學院—財務

metadata.tags

m-and-a, mergers-acquisitions, due-diligence, valuation-bridge, synergy, earn-out, pmi, deal-structure, emba

metadata.audience

台灣 EMBA 財管組學員、投行／PE 從業者、企業發展主管、創辦人／大股東

IRON LAW 1：70% 併購案毀滅股東價值
多個學術研究（KPMG、BCG、McKinsey 長期追蹤）顯示：
買方股東 1 年後累積異常報酬為負的比例約 60–70%。
不是「為什麼要併購」，而是「為什麼不做時勢會更好」。
沒通過這個挑戰的併購案應放棄。

IRON LAW 2：綜效（Synergy）永遠被高估
成本綜效（裁員、共採）達成率約 70%；
營收綜效（交叉銷售、整合市場）達成率 < 30%。
任何營收綜效在估值模型中都該打 0.3 係數。
「保守估計綜效」是所有併購報告的底線。

IRON LAW 3：整合（PMI）在 Day 1 之前就要規劃
60% 的併購失敗可追溯到 PMI 規劃不足。
交易結束才開始想怎麼整合 = 已經輸一半。
DD 階段必須產出初版 100-day plan，簽約前完成詳版。

┌───────────────────────────────────────┐
│ 模組 8：整合（PMI）                    │
│   100-day plan、文化融合、人才保留    │
├───────────────────────────────────────┤
│ 模組 7：合約條款（SPA）                │
│   關鍵條款、Reps & Warranties         │
├───────────────────────────────────────┤
│ 模組 6：交易結構                       │
│   股權 vs. 資產、支付工具、稅務       │
├───────────────────────────────────────┤
│ 模組 5：綜效分析                       │
│   營收／成本／稅務／財務四類          │
├───────────────────────────────────────┤
│ 模組 4：估值與估值橋                   │
│   EV-to-Equity、三種方法交叉驗證       │
├───────────────────────────────────────┤
│ 模組 3：盡職調查（DD）                 │
│   財稅／法律／商業三大類              │
├───────────────────────────────────────┤
│ 模組 2：目標篩選                       │
│   策略契合度、市場地位、可併性        │
├───────────────────────────────────────┤
│ 模組 1：戰略動機                       │
│   Why M&A vs. Organic vs. JV          │
└───────────────────────────────────────┘

目標公司
  ↓ 初篩 (> 100 家)
產業契合、規模適配、地理可控
  ↓ 中篩 (10–20 家)
財務健康、成長性、競爭地位
  ↓ 深篩 (3–5 家)
文化相容、管理層品質、可併性
  ↓ 正式接觸 (1–2 家)
詳細分析、投資邏輯書

Standalone Value（獨立經營價值）
  + 控制權溢價（Control Premium, 20–40%）
  + 綜效分享（買方通常拿多數）
  − DD 調整（瑕疵折減）
  − 營運資金／退休金／訴訟／稅務調整
  = Transaction Value（交易對價）

# M&A 交易分析：{案件名稱／買方 vs. 賣方}

## 一、戰略動機
- Why M&A（相對於 Build / JV）
- 六大動機對應
- 動機紅旗檢核

## 二、目標評估
- 策略契合度
- 可併性（Acquirability）
- 四個關鍵問題回答

## 三、DD 發現
- 財稅發現（紅旗與調整）
- 法律發現
- 商業／營運發現
- Deal Breaker 識別

## 四、估值分析
- 三種方法交叉驗證
- EV to Equity 橋
- Valuation Bridge（Standalone → Transaction）
- 敏感度分析

## 五、綜效拆解
- 四類綜效各估算（保守、基本、樂觀）
- 實現率與時程
- 實施成本

## 六、交易結構建議
- 股權 vs. 資產
- 支付工具組合
- Earn-out（若適用）
- 稅務考量

## 七、SPA 關鍵條款
- R&W 重點
- 賠償機制（Basket / Cap / Survival）
- 特別保證
- 競業禁止

## 八、PMI 規劃
- Day 1 / Day 100 / 365 重點
- 關鍵人才
- 文化融合
- 綜效追蹤儀表板

## 九、風險與限制
- 執行風險
- 整合風險
- 法遵風險
- 分析資料侷限

© asgard-ai-platform, MIT. Rendered from Markdown: HTML in the file is shown as text, images as links, and headings moved down two levels. Raw file

Files

SKILL.md and 8 other files (references) in fin-m-and-a of asgard-ai-platform/skills.

• SKILL.md
• examples/taiwan-sea-cross-border.md
• references/dd-checklist.md
• references/emba-ma-courses.md
• references/pmi-playbook.md
• references/spa-key-clauses.md
• references/synergy-analysis.md
• references/tw-ma-regulation.md
• references/valuation-bridge.md

Open the folder on GitHubat commit 4e7f4f8