Back to customer stories

Customer Story

Meridian Capital Advisors

Energent.aiを活用し、Meridian Capital AdvisorsがCardinal Healthの10-K提出書類から3年分のコスト構造予測を自動化した方法

EDGARからきれいな実績値を取り出すために、比較対象の各行を一つひとつ手作業で確認するのは、モデル構築で最も気が重い作業でした。エージェントが税体系のマッピングと期間フィルタリングを一度で処理してくれたので、ワークブックを開いたときにはFY22の数値が正しく入っていました。
James Whitfield, FP&Aアナリスト at Meridian Capital Advisors
Industry
ヘルスケア / 投資リサーチ
Market
United States
Use case
SEC EDGARの10-K提出書類から作成する3年予測テンプレート
Meridian Capital Advisors

Meridian Capital Advisorsは、上場ヘルスケア流通企業を対象とする米国拠点の投資リサーチ会社です。James Whitfieldは、投資判断、資本配分レビュー、シナリオプランニングに用いる将来予測モデルを構築しています。同社には専任のデータエンジニアリング機能がなく、アナリストがデータの収集、クレンジング、モデリングを一気通貫で担っています。

EDGARの比較対象構造が、モデリング開始前にFY2022の実績値を壊していた

信頼できる3年予測を作るには、Cardinal HealthのSEC EDGAR上の10-K提出書類から、Revenue、COGS、SG&A、Interest Expense、Capital Expenditures、Accounts Receivable、Accounts Payable、Inventoryの8項目について、FY2022、FY2023、FY2024の正確な実績値を取得する必要がありました。

手作業での抽出を妨げていた失敗要因は2つありました。1つ目は、US-GAAPの税体系では概念名が経済的な行項目に直感的に対応しておらず、同じ項目でも提出企業ごとの開示慣行によって異なるタグで表示されることがある点です。8つの概念についてこの税体系をたどるのに、近道はありません。

2つ目は、EDGARのJSON構造が、当期の数値と並んで前年比較値も表示する点です。会計年度ラベルでグループ化する素朴な抽出では、重複値や不一致の値を拾ってしまい、モデリング開始前に実績値が壊れてしまいます。Cardinal Healthの場合、この構造上の特徴だけでFY2022の実績値は完全に壊れていたはずです。抽出の正確性に加え、Inventoryは3年のルックバック期間で大きく変動しており、予測レイヤーに単純な過去平均比率を適用すると、警告なしに信頼性の低い推計が出てしまう状態でした。

Energent.aiは、1回のセッションで抽出エンジンとワークブックビルダーの両方になった

エージェントはCardinal HealthのEDGAR JSON factsファイルを読み込み、以下を一括で処理しました。

比較対象の手作業での突合は不要。税体系の手動検索も不要。次の10-Kが提出されても、モデルを作り直す必要もありません。

実績値の信頼性を高めたのは、提出ラベルではなく期末日でのグループ化だった

CAH 3-year forecast workbook

8つの行項目、3会計年度、1回のセッション

CAH historical financial dashboard

"在庫のUnstable Ratioフラグは、3年目に数式が静かに意味のない予測を出してしまうのを防ぐ、まさに必要なガードレールです。" — James Whitfield, Meridian Capital AdvisorsのFP&Aアナリスト

Back to customer storiesBook a Demo