Cascade Capital Advisors è una società di investimento mid-market in cui gli analisti gestiscono end-to-end modelli operativi DCF a cinque anni. Il team di Mercer reperisce i dati finanziari dai filing SEC EDGAR e consegna workbook Excel con output NPV e IRR ai comitati investimenti, sempre più spesso con tempi di consegna di 48 ore.
Le ricerche tassonomiche di più ore precedevano ogni build di un modello 10-K
Ogni nuovo modello su un filing iniziava allo stesso modo: scaricare il JSON company-facts della SEC, aprire un template vuoto e passare diverse ore a mappare manualmente i tag della tassonomia EDGAR su sei categorie di modellazione — ricavi, EBIT, D&A, capex, aliquota fiscale effettiva e capitale circolante. D&A compariva nel conto economico, nel rendiconto finanziario e nelle note integrative — spesso in modo ridondante. Il capex richiedeva di verificare che il tag escludesse la spesa legata ad acquisizioni.
Il collo di bottiglia ricadeva sugli analisti senior. Stabilire quali tag EDGAR fossero economicamente utilizzabili richiedeva un giudizio specifico per ciascun filing che i membri junior del team non potevano fornire. Le tempistiche delle operazioni si sono compresse da una settimana a 48 ore. La stagione degli utili significava più filing in arrivo nella stessa settimana. L’approccio manuale non era scalabile.
Energent.ai è diventato il layer dati pre-modello
L’analista carica il JSON grezzo company-facts della SEC — nessuna conversione di formato, nessun pre-processing. L’agente copre cinque passaggi strutturati in una sola sessione:
- Schema e copertura sottoposti ad audit — confermati gli esercizi fiscali disponibili e segnalate le lacune storiche prima di qualsiasi impegno di modellazione
- Tassonomia mappata su tutte e sei le categorie, identificando i tag candidati e valutandone la copertura lungo i periodi di reporting
- Driver operativi triaged — separati gli elementi di linea utilizzabili dai tag assenti o economicamente fuorvianti
- Identificate due architetture UFCF praticabili con trade-off espliciti basati sulla reale copertura del filing
- Costruito il workbook Excel — forecast operativo a cinque anni, waterfall UFCF, output NPV e IRR e visualizzazioni pronte per il comitato
Nessuna caccia manuale ai tag. Nessun template aperto prima di aver compreso i dati. Nessuna decisione architetturale rinviata alla popolazione delle celle.
La decisione architetturale viene prima, con trade-off specifici del filing resi espliciti
- Due percorsi di costruzione UFCF prima di qualsiasi output. L’agente ha identificato architetture concorrenti allineate a ciò che questo specifico 10-K riportava davvero — non a un template generico — così la scelta strutturale è stata fatta prima di compilare una sola cella.
- Analisi cross-statement simultanea. Ricavi, EBIT, D&A, capex, imposte e capitale circolante valutati in un unico passaggio, incrociando conto economico, stato patrimoniale e rendiconto finanziario per individuare gap e sovrapposizioni.
- Flag espliciti sui tag fuorvianti. I tag assenti per la variazione del capitale circolante e le voci di capex inclusive di acquisizioni sono emersi prima di arrivare in una cella, non scoperti nelle riconciliazioni a valle.
- Capacità senior reindirizzata al giudizio. La scelta architetturale arrivava come una decisione strutturata con trade-off già articolati — così il tempo degli analisti veniva applicato alla selezione e alla definizione delle assunzioni, non alla manipolazione dei dati.
Come David Mercer lo usa nel lavoro quotidiano
- Carica il JSON company-facts della SEC nella sessione Energent.ai.
- Rivede l’audit di schema e copertura; conferma gli anni di modellazione ed eventuali lacune storiche.
- Valuta le due opzioni di architettura UFCF rispetto all’uso previsto del modello.
- Seleziona un’architettura; l’agente costruisce il forecast a cinque anni, la waterfall UFCF e gli output DCF in Excel.
- Rivede gli output NPV e IRR per verificarne la coerenza delle assunzioni prima della presentazione al comitato.
La mappatura tassonomica è passata da un’attività di più ore a una sola sessione
- Tutte e sei le categorie di modellazione mappate in una sola sessione a partire dal JSON grezzo — eliminando la ricerca manuale della tassonomia che precedeva ogni nuovo build su filing.
- Due architetture UFCF praticabili emerse con trade-off prima che l’analista toccasse un template.
- Il punto decisionale architetturale è stato raggiunto prima che venisse popolata qualsiasi cella, eliminando il rischio nascosto di riconciliazione che emergeva solo a metà dei build manuali.
- Il workbook Excel finale includeva un modello DCF strutturato con output NPV e IRR insieme a visualizzazioni pronte per il comitato.
"La mappa tassonomica prodotta dall’agente — tag coperti, tag assenti, elementi segnalati in tutte e sei le categorie — ha sostituito la checklist mentale che avevo costruito in anni di esposizione a EDGAR. Ora è il documento di lavoro per la discussione sull’architettura prima di costruire qualsiasi cosa." — David Mercer, Senior Analyst at Cascade Capital Advisors