Caspian Advisory Partners es una firma de asesoría de inversión transfronteriza centrada en transacciones de energía renovable a gran escala en Asia Central. Asel Bekova lidera el análisis cuantitativo de operaciones para la cartera de mercados emergentes de la firma, abarcando estructuración de project finance, preparación para comité de crédito e informes dirigidos a inversores. La firma opera con un equipo reducido, una profunda experiencia en DCF y plazos de operación medidos en semanas.
Tres estructuras de financiación, sin plantilla para Kazajistán
El encargo: construir un DCF a 25-year para un proyecto solar PV a gran escala en Kazajistán que cubriera simultáneamente tres estructuras — 100% equity, un préstamo de un banco comercial y un préstamo concesional de una institución de financiación del desarrollo. Cada una requería VAN, TIR del equity y DSCR: nueve resultados financieros distintos a partir de un único horizonte del proyecto.
No existía ninguna plantilla para este mercado. El historial de inflación de Kazajistán y su combinación energética nacional no podían sustituirse por referencias europeas. El precio del PPA tenía que anclarse a los niveles reales de adjudicación de subastas solares de Kazajistán y al calendario de tarifas reguladas, no a estimaciones de LCOE de otros mercados. Usar entradas genéricas produce cifras de VAN y TIR que no resisten el escrutinio del comité.
Tres pasos previos precedieron cualquier análisis real: localizar y procesar los archivos macroeconómicos de Kazajistán, poner en marcha un entorno Python con numpy_financial y recalibrar Capex y el precio del PPA una vez que los resultados iniciales no reflejaron condiciones creíbles del mercado local. Hacerlo manualmente y de forma secuencial implicaba el riesgo de perder por completo el ciclo de financiación.
Energent.ai se convirtió en la capa de modelo y entrega
El agente se encargó de cada paso, desde la entrada bruta hasta el entregable final:
- Ingestó los archivos de historial de inflación y combinación energética de Kazajistán desde el almacenamiento local — localizándolos, leyéndolos y procesándolos antes de escribir una sola fórmula
- Construyó un DCF en Python a 25-year que cubría ingresos, gastos operativos, calendarios de servicio de deuda y flujos de caja post-deuda para el equity en las tres estructuras simultáneamente
- Instaló numpy_financial, ejecutó el modelo y revisó los resultados iniciales frente a las condiciones del mercado de Kazajistán
- Recalibró Capex y el precio del PPA a los precios de cierre de subastas y a los niveles de tarifas reguladas de Kazajistán a mitad de sesión, sin reiniciar el modelo
- Produjo un informe analítico estructurado que cubría la metodología DCF, la comparación de estructuras de financiación, el contexto macroeconómico de Kazajistán y la interpretación de métricas en lenguaje claro
- Lanzó un subagente de visualización para crear un dashboard interactivo en HTML que mostrara VAN, TIR del equity y DSCR en las tres estructuras durante todo el horizonte de 25-year
Sin modelador externo. Sin paso separado de configuración del entorno. Sin herramienta de visualización secundaria.
Calibración local, no solo computación más rápida
- Entradas macro específicas de Kazajistán — el historial de inflación y la combinación energética se ingirieron directamente desde archivos locales, no se sustituyeron por proxies genéricos de mercados emergentes que no resisten la revisión del prestamista
- Recalibración a mitad de sesión — cuando el Capex y el precio del PPA iniciales produjeron un margen de viabilidad poco creíble, ambos inputs se corrigieron y el modelo se volvió a ejecutar dentro de la misma sesión, no en un ciclo de revisión
- Producción paralela de entregables — el informe analítico y el dashboard HTML se produjeron de forma concurrente, reduciendo un flujo de trabajo de varios pasos a una sola sesión auditable
- Formato de salida listo para comité — el dashboard no requirió formato adicional ni acceso al archivo del modelo antes de poder distribuirse a los miembros del comité
Nueve resultados y un dashboard, en una sola sesión auditable
- Nueve resultados financieros — VAN, TIR del equity y DSCR para cada una de las tres estructuras de financiación — producidos y calibrados con entradas específicas de Kazajistán
- Dos entregables listos para presentación: informe analítico estructurado y dashboard interactivo de comparación en HTML
- Corrección de hipótesis completada a mitad de sesión, sin recurrir a un especialista externo ni reiniciar el modelo
- Un flujo de trabajo que abarcó recopilación de datos, construcción del modelo, revisión de hipótesis y producción del dashboard comprimido en una sola sesión
"En una operación de un mercado emergente, el paso de calibración de hipótesis es donde se va la mayor parte del tiempo. Haberlo hecho en la sesión — con los materiales para el comité ya preparados — significó que pudimos centrarnos en las decisiones de criterio, no en la construcción del modelo." — Asel Bekova, Analista Financiera Senior en Caspian Advisory Partners