Back to customer stories

Customer Story

Harborview Capital

Wie James Whitfield mit Energent.ai aus rohen EDGAR-Filings ein revisionssicheres DCF-Modell erstellte

Das rohe EDGAR-JSON in eine saubere FCF-Tabelle zu überführen, hätte mich den besseren Teil eines Vormittags gekostet. Der Agent erledigte das in Minuten — und entdeckte dann selbst das Problem mit den statischen Werten und baute die Formelkette neu auf, noch bevor ich den ersten Entwurf überhaupt geprüft hatte.
James Whitfield, Seniorer Aktienanalyst at Harborview Capital
Industry
Finanzdienstleistungen / Aktienanalyse
Market
United States
Use case
DCF-Bewertung auf Basis roher SEC-EDGAR- und FRED-Dateien
Harborview Capital

James Whitfield betreut bei Harborview Capital, einer mittelgroßen US-Investmentgesellschaft, börsennotierte Technologieunternehmen. Jede Ausarbeitung muss formelbasiert und quellennachvollziehbar sein — statische eingefügte Werte sind aus Compliance-Sicht ein No-Go, wenn die Ergebnisse an Portfoliomanager und ein Investmentkomitee gehen. Für eine Microsoft-Bewertung mit festem Präsentationstermin nutzte er Energent.ai, um das komplette DCF in einer einzigen Sitzung aus rohen API-Quelldateien zu erstellen.

Rohes EDGAR-JSON, eine fehlende Fed-Funds-Serie und kein Spielraum für Formelfehler

Vier Reibungspunkte kamen zusammen. Der Free Cash Flow erforderte die Berechnung von zwei GAAP-Tags über fünf jährliche 10-K-Filings hinweg, statt ihn aus einem Datenanbieter zu ziehen. In der FRED-Zinsdatei fehlte die Fed-Funds-Serie, sodass ein auf CAPM basierender WACC-Proxy nötig war, der für Prüfer ausdrücklich dokumentiert werden musste. Jede Zelle in der Arbeitsmappe musste eine live Formel enthalten — statische eingefügte Werte würden einer Prüfung nicht standhalten —, und das bei einer stabilen Zeilenstruktur, damit jede Annahmeänderung sich durch WACC, Prognosen, Terminal Value und die Sensitivitätsmatrix fortpflanzte. Der Termin stand fest: Ein ungeklärter Fehler am Präsentationstag bedeutete einen Neuaufbau von Grund auf, nicht bloß ein Nachbessern.

Energent.ai wurde zum Modellbauer und Selbstkorrektor

Keine manuelle Datenvorverarbeitung. Keine nachträglich geflickte Formelkette. Kein separater Schritt für die Diagrammerstellung.

DCF workbook with live formulas

Die richtige Architektur, nicht nur schnellere Dateneingabe

Verifizierter Unternehmenswert von $1,262.3bn, vollständige Audit-Kette intakt

"Genau für diese Art automatisierter Selbstprüfung verlässt man sich normalerweise auf ein zweites Augenpaar. Hier war sie eingebaut." — James Whitfield, Seniorer Aktienanalyst bei Harborview Capital

Back to customer storiesBook a Demo