Back to customer stories

Customer Story

Meridian Capital Partners

How David Park at Meridian Capital Partners eliminated XBRL template traps with Energent.ai

以前いちばん気が重かったのは、XBRLタグの調査でした。企業ごとにタクソノミーの使い方が少しずつ違うんです。エージェントがcompany-factsファイル全体を走査して、3つの財務諸表にまたがる使えるタグを洗い出し、この提出書類の中で減価償却の加算戻しがどこにあるのかまで正確に示してくれました。
David Park, シニアアナリスト at Meridian Capital Partners
Industry
投資 / 株式リサーチ
Market
United States, mid-market M&A
Use case
SEC EDGARデータからの3表財務モデルテンプレート構築

Meridian Capital Partnersは、米国のミッドマーケット向け投資会社であり、専任のデータエンジニアリング層を持たずに、SEC EDGARの生データ取り込みから投資委員会向けアウトプットまで、アナリストがモデリング全体を担っています。David Parkは株式リサーチとM&A支援を担当し、投資前レビューのたびに公開企業の提出書類から統合された3表財務モデルを構築しています。モデリング前段階でのスピードと精度が、その案件期間内にチームが評価できる企業数を直接左右します。

XBRLタグの乱立が、あらゆる汎用テンプレートを機能不全にした

単一企業の生のEDGAR company-facts JSONには、同じ勘定科目に対して何十もの重複タグが含まれています。たとえば、純利益の複数表現、減価償却費のいくつかのバリエーション、報告期間ごとに一貫しないタグ階層などです。誤ったタグを選ぶと、その影響はモデル全体に静かに積み重なり、最終的には貸借対照表が一致しなくなります。

タグ選定に加えて、財務諸表間の接続も誤りやすいポイントです。純利益は損益計算書からキャッシュフロー計算書へ流れなければならず、運転資本の変動は貸借対照表の動きと整合していなければならず、減価償却の加算戻しは営業活動区分に入っていなければなりません。これを手作業で行うと、期間ごとの検証だけで1社あたり2日以上のアナリスト工数を消費していました。しかも、1本の数式も書く前の段階です。

Energent.aiがモデリング前の精査エンジンになった

手作業のタグ棚卸しは不要。期間ごとの追跡も不要。テンプレートの不一致による静かな数式エラーもありません。

David Parkの日常運用

  1. company-facts JSONをそのままEnergent.aiのセッションにアップロードします。
  2. エージェントがファイルスキーマを確認し、存在する財務諸表カテゴリをマッピングします。
  3. エージェントがXBRLタグ調査を実行し、年間期間で値が入っているタグの厳選リストを返します。
  4. エージェントが主要な年間値を抽出し、その企業特有の報告上の癖を可視化します。
  5. エージェントが財務諸表間の接続をすべてマッピングし、モデリングの進め方として2つの実行オプションを提示します。

提出書類固有の分析が、テンプレート前提を置き換えた

モデリング前の精査は、数日から1回のセッションへと圧縮された

"I went into the model with a clean connection map instead of spending the first two hours just figuring out what I was working with." — David Park, Senior Analyst at Meridian Capital Partners

Back to customer storiesBook a Demo