Back to customer stories

Customer Story

Harborview Capital

Comment James Whitfield a construit un modèle DCF prêt pour audit à partir de dépôts EDGAR bruts avec Energent.ai

Transformer le JSON EDGAR brut en un tableau de FCF propre m’aurait pris la meilleure partie d’une matinée. L’agent l’a fait en quelques minutes — puis il a lui-même détecté le problème de valeurs statiques et reconstruit la chaîne de formules avant même que je n’examine la première version.
James Whitfield, Analyste actions senior at Harborview Capital
Industry
Services financiers / recherche actions
Market
United States
Use case
Valorisation DCF construite à partir de fichiers SEC EDGAR et FRED bruts
Harborview Capital

James Whitfield couvre les entreprises technologiques cotées en bourse chez Harborview Capital, une société d’investissement américaine de taille intermédiaire. Chaque livrable doit être piloté par des formules et traçable à la source — des valeurs statiques collées sont rédhibitoires en matière de conformité lorsque le résultat est destiné aux gérants de portefeuille et à un comité d’investissement. Pour une valorisation de Microsoft avec une échéance de présentation fixe, il a utilisé Energent.ai pour construire le DCF complet à partir de fichiers sources API bruts en une seule session.

JSON EDGAR brut, une série Fed Funds manquante et aucune marge d’erreur de formule

Quatre points de friction se sont cumulés. Le free cash flow nécessitait de calculer deux balises GAAP sur cinq dépôts annuels 10-K plutôt que de les extraire d’un fournisseur de données. Le fichier de taux FRED ne contenait pas la série Fed Funds, ce qui imposait un proxy de CMPC basé sur le CAPM, devant être explicitement documenté pour les relecteurs. Chaque cellule du classeur devait contenir une formule active — des valeurs statiques collées ne passeraient pas l’audit — avec une cartographie des lignes stable afin que toute modification d’hypothèse se propage dans le CMPC, les projections, la valeur terminale et la matrice de sensibilité. L’échéance était fixe : une erreur non résolue le jour de la présentation signifiait tout reconstruire à partir de zéro, pas simplement corriger.

Energent.ai est devenu à la fois le constructeur du modèle et son correcteur

Aucun prétraitement manuel des données. Aucune chaîne de formules bricolée. Aucune étape de création de graphiques séparée.

Classeur DCF avec formules actives

Une architecture correcte, pas seulement une saisie de données plus rapide

Valeur d’entreprise vérifiée de $1,262.3bn, chaîne d’audit intacte

"Ce genre d’auto-vérification automatisée, on compte normalement sur une deuxième paire d’yeux pour le repérer. Ici, c’était intégré." — James Whitfield, Analyste actions senior chez Harborview Capital

Back to customer storiesBook a Demo