Back to customer stories

Customer Story

Cascade Capital Advisors

How Cascade Capital Advisors built a DCF workbook from raw 10-K data in one session with Energent.ai

예전에는 가장 많은 시간을 되돌릴 수 없이 잡아먹던 부분이, 몇 시간을 들여 찾아보기 전까지 공시 안에 무엇이 들어 있는지 알 수 없다는 점이었습니다. 에이전트는 템플릿을 열기도 전에 두 가지 아키텍처 옵션을 먼저 제시했고 — 이 특정 공시의 커버리지를 기준으로 각각이 왜 타당한지도 설명했습니다.
David Mercer, 수석 애널리스트 at Cascade Capital Advisors
Industry
투자 / 주식 리서치
Market
United States
Use case
SEC 10-K 공시를 기반으로 한 DCF NPV/IRR 모델링
Cascade Capital Advisors

Cascade Capital Advisors는 애널리스트가 5개년 DCF 운영 모델을 처음부터 끝까지 직접 책임지는 중견 투자 회사입니다. Mercer의 팀은 SEC EDGAR 공시에서 재무 데이터를 수집해 NPV와 IRR 결과가 포함된 Excel 워크북을 투자위원회에 제공하며, 최근에는 48시간 내 납기 요구가 점점 늘고 있습니다.

모든 10-K 모델 구축 전에는 몇 시간에 걸친 분류 체계 검색이 선행됐다

새로운 공시 모델 작업은 늘 같은 방식으로 시작됐습니다. SEC company-facts JSON을 다운로드하고, 빈 템플릿을 연 뒤, EDGAR 분류 체계 태그를 매출, EBIT, D&A, capex, 유효세율, 운전자본의 6개 모델링 범주에 수동으로 매칭하는 데 몇 시간을 보냈습니다. D&A는 손익계산서, 현금흐름표, 보충 주석에 나타나곤 했고, 종종 중복되기도 했습니다. capex는 인수 관련 지출이 제외되었는지 확인해야 했습니다.

이 병목은 수석 애널리스트에게 집중됐습니다. 어떤 EDGAR 태그가 경제적으로 사용할 수 있는지 판단하려면 공시별 판단이 필요했고, 주니어 팀원은 이를 제공할 수 없었습니다. 딜 일정은 1주일에서 48시간으로 압축됐습니다. 실적 시즌에는 같은 주에 여러 공시가 한꺼번에 들어왔습니다. 수작업 방식은 확장성이 없었습니다.

Energent.ai는 모델링 전 데이터 레이어가 됐다

애널리스트는 원시 SEC company-facts JSON을 업로드합니다. 형식 변환도, 사전 처리도 없습니다. 에이전트는 한 세션에서 다섯 단계의 구조화된 작업을 수행합니다.

수동 태그 탐색은 없습니다. 데이터를 이해하기 전에 템플릿을 여는 일도 없습니다. 셀을 채우는 단계로 아키텍처 결정을 미루는 일도 없습니다.

Taxonomy map and architecture options

아키텍처 결정을 먼저 내리고, 공시별 트레이드오프를 명확히 했다

David Mercer가 일상적으로 사용하는 방식

  1. SEC company-facts JSON을 Energent.ai 세션에 업로드합니다.
  2. 스키마와 커버리지 점검을 검토하고, 모델링 연도와 이력 공백을 확인합니다.
  3. 모델의 목적에 맞춰 두 가지 UFCF 아키텍처 옵션을 평가합니다.
  4. 아키텍처를 선택하면 에이전트가 Excel에서 5개년 전망, UFCF 워터폴, DCF 결과를 구축합니다.
  5. 위원회 발표 전에 NPV와 IRR 결과를 검토해 가정의 일관성을 확인합니다.

분류 체계 매핑은 몇 시간짜리 작업에서 한 세션으로 바뀌었다

NPV / IRR output sensitivity

"에이전트가 만들어낸 분류 체계 맵 — 커버된 태그, 누락된 태그, 6개 범주 전반의 플래그 항목 — 은 내가 수년간 EDGAR를 다루며 쌓아온 머릿속 체크리스트를 대체했습니다. 이제는 우리가 무엇이든 만들기 전에 아키텍처 논의를 위한 작업 문서가 됐습니다." — David Mercer, Cascade Capital Advisors의 수석 애널리스트

Back to customer storiesBook a Demo