Back to customer stories

Customer Story

Harborview Capital

Cómo James Whitfield construyó un modelo DCF listo para auditoría a partir de archivos EDGAR en bruto con Energent.ai

Convertir el JSON bruto de EDGAR en una tabla de FCF limpia me habría llevado buena parte de una mañana. El agente lo hizo en minutos — y luego detectó por sí mismo el problema de valores estáticos y reconstruyó la cadena de fórmulas antes incluso de que yo revisara el primer borrador.
James Whitfield, Analista sénior de renta variable at Harborview Capital
Industry
Servicios financieros / research de renta variable
Market
United States
Use case
Valoración DCF construida a partir de archivos SEC EDGAR y FRED en bruto
Harborview Capital

James Whitfield cubre empresas tecnológicas cotizadas en Harborview Capital, una firma de inversión estadounidense de tamaño medio. Cada entrega debe basarse en fórmulas y ser trazable a las fuentes — los valores estáticos pegados son inaceptables desde el punto de vista del cumplimiento cuando el resultado va a parar a los gestores de cartera y a un comité de inversión. Para una valoración de Microsoft con una fecha límite de presentación fija, utilizó Energent.ai para construir el DCF completo a partir de archivos fuente API en bruto en una sola sesión.

JSON bruto de EDGAR, una serie de Fed Funds ausente y cero margen para errores de fórmula

Convergieron cuatro puntos de fricción. El flujo de caja libre requería calcular dos etiquetas GAAP a lo largo de cinco archivos 10-K anuales, en lugar de extraerlos de un proveedor de datos. El archivo de tipos de FRED no incluía la serie de Fed Funds, lo que exigía un proxy de WACC basado en CAPM que debía documentarse explícitamente para los revisores. Cada celda del libro de trabajo tenía que contener una fórmula activa — los valores estáticos pegados no superarían una auditoría —, con un mapa de filas estable para que cualquier cambio en los supuestos se propagara por el WACC, las proyecciones, el valor terminal y la matriz de sensibilidad. La fecha límite era fija: un error sin resolver el día de la presentación significaba rehacerlo desde cero, no parchearlo.

Energent.ai se convirtió en el constructor del modelo y en su corrector automático

Sin preprocesamiento manual de datos. Sin cadena de fórmulas parcheada. Sin paso de creación de gráficos aparte.

Libro de trabajo DCF con fórmulas activas

Arquitectura correcta, no solo entrada de datos más rápida

Valor empresarial verificado de $1,262.3bn, con la cadena de auditoría intacta

"Ese tipo de auto-revisión automatizada es lo que normalmente se espera que detecte un segundo par de ojos. Aquí venía integrado." — James Whitfield, Analista sénior de renta variable en Harborview Capital

Back to customer storiesBook a Demo