Back to customer stories

Customer Story

Bridgecroft Capital

Как Marcus Webb превратил десять лет данных Treasury в framework LBO по режимам ставок с Energent.ai

Мы всегда знали, что ставки меняются, но в шаблоне не было механизма показать, насколько именно. Теперь таблицы режимов — это постоянный deliverable для IC.
Marcus Webb, VP of Acquisitions at Bridgecroft Capital
Industry
Private equity
Market
North America — mid-market buyout
Use case
Анализ сценариев LBO по режимам ставок
Bridgecroft Capital

Bridgecroft Capital — это фирма mid-market buyout, которая ежегодно оценивает несколько новых platform investments. Marcus Webb, VP of Acquisitions, отвечает за раздел с допущениями по финансированию в каждой модели LBO — размер долга, прогнозы купона и покрытие обслуживания долга. Каждая подача в IC требует сценарных таблиц по режимам, которые выдерживают перекрестную проверку со стороны старших партнеров и debt arrangers.

Статические шаблоны LBO поглощали колебание ставок в 500 bps, не показывая его

Стандартные шаблоны модели LBO закладывают одну ставку финансирования и проецируют ее без изменений на весь период hold. 2-year Treasury — ориентир, определяющий большую часть pricing по leveraged-loan — за одно десятилетие вырос с 0.09% до 5.19%, то есть более чем на 500 basis points. В 21.8% торговых дней за этот период кривая доходности 10s-2s была инвертирована, сжимая гибкость рефинансирования так, как это не может отразить модель с фиксированной ставкой.

При credit spread 450 bps полная cash interest составляет примерно от 4.86% в режиме низких ставок до 8.74% в режиме высокого фронт-энда. При структуре 6.0x leverage / 40% EBITDA-to-FCF нагрузка по процентам меняется с 0.29x до 0.52x EBITDA — разрыв в 23 percentage points, достаточный, чтобы остановить deleveraging еще до любого операционного промаха.

Ручная подготовка таблиц по режимам означала загрузку сырых Treasury CSV, определение порогов, расчет cost-of-debt по bucket и сверку результатов с шаблоном LBO — многочасовая переработка по каждой сделке, при этом выбор порогов был спрятан в ячейках таблицы, которые ни один рецензент никогда не оспаривал.

Energent.ai заменил многошаговую переработку deliverable одной сессией

Marcus загрузил ежедневный Treasury CSV напрямую. Агент обработал весь стек:

Никакой ручной возни с сырыми данными. Никаких порогов, спрятанных в Excel. Никакого отдельного рецензента, который должен был бы ловить ошибки сравнения.

Rate regime threshold table

Пороги режимов, которые investment committee мог оспорить, а не просто принять

Как Marcus использует это от сделки к сделке

  1. Загружает daily Treasury rate CSV за benchmark period.
  2. Агент определяет пороги режимов, рассчитывает частоты bucket и выводит all-in rates по режимам при credit spread сделки.
  3. Агент моделирует нагрузку по процентам и чувствительность погашения; упаковывает dashboard, CSV и письменный narrative.
  4. CSV outputs попадают в существующий шаблон модели LBO; письменный анализ напрямую вставляется в IC memo.

Диапазон стоимости долга в 388 bps был рассчитан до IC, а не после

Interest burden sensitivity dashboard

"Агент сначала рассматривал определения режимов как то, что нужно было обосновать в первую очередь, еще до любого итогового числа. IC может оспаривать допущение, а не просто результат." — Marcus Webb, VP of Acquisitions at Bridgecroft Capital

Back to customer storiesBook a Demo