Caspian Advisory Partners — это трансграничная инвестиционно-консалтинговая фирма, специализирующаяся на сделках в сфере возобновляемой энергетики промышленного масштаба в Центральной Азии. Asel Bekova руководит количественным анализом сделок в pipeline компании, охватывая структурирование project finance, подготовку к кредитному комитету и отчетность для инвесторов. Компания работает в lean-формате, опираясь на глубокую экспертизу в DCF и на сроки сделок, измеряемые неделями.
Три структуры финансирования, без шаблона для Казахстана
Задача: построить 25-летнюю DCF-модель для солнечного PV-проекта промышленного масштаба в Казахстане, одновременно охватывающую три структуры — 100% equity, коммерческий банковский кредит и льготный кредит от development finance institution. Для каждой требовались NPV, Equity IRR и DSCR: девять отдельных финансовых показателей на одном горизонте проекта.
Для этого рынка не существовало шаблона. Историю инфляции Казахстана и структуру внутреннего энергобаланса нельзя было заменить европейскими бенчмарками. Цена PPA должна была опираться на реальные уровни клиринга на солнечных аукционах в Казахстане и на регулируемую тарифную сетку — а не на оценки LCOE из других рынков. Использование универсальных входных данных дает значения NPV и IRR, которые не выдерживают проверки кредитным комитетом.
Перед любым фактическим анализом пришлось пройти три последовательных шага: найти и разобрать макрофайлы Казахстана, поднять Python-окружение с numpy_financial и откалибровать Capex и цену PPA после того, как первые результаты не отразили убедительные местные рыночные условия. При ручном и последовательном выполнении это создавало риск не успеть к циклу финансирования.
Energent.ai стала слоем для модели и ее передачи
Агент взял на себя каждый этап — от исходных данных до финального результата:
- Загрузил файлы с историей инфляции Казахстана и структурой энергобаланса из локального хранилища — нашел, прочитал и разобрал их еще до того, как была написана хотя бы одна формула
- Построил 25-летнюю Python DCF-модель, охватывающую выручку, операционные расходы, графики обслуживания долга и денежные потоки к equity после долга по всем трем структурам одновременно
- Установил numpy_financial, запустил модель и сверил первоначальные результаты с рыночными условиями Казахстана
- Откалибровал Capex и цену PPA по ценам клиринга на аукционах в Казахстане и по регулируемым тарифным уровням прямо в ходе сессии, без перезапуска модели
- Подготовил структурированный аналитический отчет, охватывающий методологию DCF, сравнение структур финансирования, макроконтекст Казахстана и понятную интерпретацию метрик
- Запустил subagent для визуализации, чтобы построить интерактивный HTML-дашборд сравнения, показывающий NPV, Equity IRR и DSCR по всем трем структурам на полном 25-летнем горизонте
Никакого внешнего моделлера. Никакого отдельного шага по настройке окружения. Никакого дополнительного инструмента для визуализации.
Локальная калибровка, а не просто более быстрые вычисления
- Макровходные данные по Казахстану — история инфляции и структура энергобаланса были загружены напрямую из локальных файлов, а не заменены универсальными proxy для emerging markets, которые не выдерживают проверки кредитора
- Калибровка в ходе сессии — когда первоначальные Capex и цена PPA дали неубедительный диапазон жизнеспособности, оба параметра были скорректированы, а модель повторно запущена в рамках той же сессии, а не в рамках цикла доработок
- Параллельная подготовка deliverables — аналитический отчет и HTML-дашборд были подготовлены одновременно, что сократило многошаговый workflow до одной аудируемой сессии
- Формат, готовый для комитета — дашборду не потребовалось дополнительное форматирование и доступ к файлу модели, прежде чем его можно было распространить среди членов комитета
Девять показателей и дашборд за одну аудируемую сессию
- Девять финансовых показателей — NPV, Equity IRR и DSCR для каждой из трех структур финансирования — были рассчитаны и откалиброваны под входные данные, специфичные для Казахстана
- Два готовых к презентации артефакта были переданы: структурированный аналитический отчет и интерактивный HTML-дашборд сравнения
- Корректировка допущений была выполнена в ходе сессии, без привлечения внешнего специалиста и без перезапуска модели
- Workflow, охватывающий сбор данных, построение модели, проверку допущений и подготовку дашборда, был сжат в одну сессию
"В сделке на emerging market этап калибровки допущений — это то, на что уходит больше всего времени. То, что это было сделано в ходе сессии — при уже подготовленных материалах для комитета — означало, что мы могли сосредоточиться на вопросах оценки и принятия решений, а не на построении модели." — Asel Bekova, Senior Finance Analyst at Caspian Advisory Partners