Back to customer stories

Customer Story

Merbridge Capital Partners

Energent.ai로 Merbridge Capital이 3개 트랜치 MBI 금융 모델을 스트레스 테스트한 방법

이 벤치마크를 정리하는 작업은 이런 딜에서 보이지 않는 세금과도 같습니다 — 구조에 대해 진짜 질문을 던지기도 전에 준비 시간의 절반을 데이터 정리에 쓰게 되니까요.
Tom Haasen, Senior Analyst at Merbridge Capital Partners
Industry
Private equity / M&A advisory
Market
Mid-market leveraged acquisitions
Use case
역사적 금리 체제에 대한 MBI 금융 모델 검증
Merbridge Capital Partners

Merbridge Capital Partners는 레버리지 인수에 특화된 미들마켓 사모펀드 및 M&A 자문사입니다. Tom Haasen의 업무는 신용 구조화와 거시경제 벤치마킹의 교차점에 있습니다 — LP의 검증과 대주단 term-sheet 협상을 견딜 수 있는 자본비용 가정을 만드는 일입니다. 팀은 2명에서 4명 규모의 애널리스트로 운영되며, 연간 여러 건의 거래를 수행합니다. 수작업 데이터 엔지니어링에 시간을 쓸 여유가 없는 일정이 늘 따라붙습니다.

벤치마크 데이터셋에 빈칸이 있어 3개 트랜치 모델의 가격 산정이 불가능했습니다

MBI는 33%의 자기자본 투입을 전제로 구조화되었고, 나머지 67%는 세 가지 수단으로 조달되었습니다: 기본층의 Senior secured debt, 메자닌 층의 Payment-in-Kind (PIK) notes, 그리고 후순위 매도인 차입금인 Vendor paper입니다. 각 수단은 서로 다른 벤치마크를 기준으로 가격이 정해졌습니다 — 각각 국채 수익률, BAA 회사채 스프레드, 은행 대출 금리입니다.

이 모델의 스트레스 테스트에는 네 가지 서로 다른 거시경제 환경을 아우르는 체제별 통계가 필요했습니다: 2008년 이전의 신용 팽창기, GFC 이후의 저금리 억제 국면, 팬데믹 시기의 제로금리 하한, 그리고 2022–2023년의 긴축 사이클입니다. 역사적 벤치마크 데이터셋은 이 전체 구간을 포함하고 있었지만, 특정 연도와 시계열에서 누락된 인덱스 값이 있었습니다. 각 트랜치의 평균 금리와 암시적 자본비용 범위를 추출하려면, 그 공백을 프로그램적으로 해결하기 전까지는 작업이 진행될 수 없었습니다.

딜은 후반부 실사 단계에 있었고, 대주단 배분은 일주일 내로 예정되어 있었습니다. 3개의 수십 년치 금리 시계열을 수동으로 재인덱싱하는 데만 몇 시간이 걸릴 것으로 추정됐습니다 — 일정이 감당할 수 없는 시간이었습니다.

Energent.ai는 한 세션 만에 데이터셋을 원시 CSV에서 구조화된 분석으로 바꿔냈습니다

Haasen은 벤치마크 CSV를 업로드했습니다. 에이전트는 이후 작업을 모두 처리했습니다:

커스텀 파이프라인도 없었습니다. 별도의 디버깅 세션도 없었습니다. 수동 재인덱싱도 없었습니다.

맥락 안에서의 오류 처리가 원시 데이터와 완성된 분석 사이의 간극을 메웠습니다

MBI rate-regime dashboard

반나절을 막아섰던 데이터 정리가 한 세션으로 압축되었습니다

"CSV를 받아들이고, 누락된 인덱스 오류를 잡아내고, 수정한 뒤, 한 세션 안에 체제별 통계를 건네주는 에이전트가 있다는 사실은 딜 일정 안에서 무엇이 가능한지에 대한 판단을 완전히 바꿔놓았습니다. 특히 대시보드는 기대하지 못했던 부분이었습니다 — 역사적 스프레드 체제를 시각 자료와 함께 대주단에게 설명하는 것은 덱의 표 하나를 보여주는 것과는 전혀 다른 대화가 됩니다." — Merbridge Capital Partners의 Senior Analyst Tom Haasen

Back to customer storiesBook a Demo