Back to customer stories

Customer Story

Meridian Equity Research

Как Meridian Equity Research превратила сырые данные SEC XBRL в верифицированную 3-отчетную модель с Energent.ai

Самая долгая часть раньше была не моделирование — а понимание, каким данным можно доверять, еще до того, как я открывал рабочую книгу. Агент подготовил верифицированную 3-отчетную модель раньше, чем я обычно успевал завершить постановку задачи по отчетности.
David Park, Инвестиционный аналитик at Meridian Equity Research
Industry
Инвестиционные исследования
Market
United States
Use case
Извлечение SEC XBRL и 3-отчетная финансовая модель
Meridian Equity Research

Meridian Equity Research — это бутик-исследовательская компания, занимающаяся анализом публичных акций для институциональных клиентов. David Park, Investment Analyst в компании, ведет весь контур due diligence по каждому проекту — от поиска данных в отчетности SEC 10-K до построения интегрированных финансовых моделей и подготовки письменного анализа и визуального резюме для рассмотрения инвестиционным комитетом. По компаниям малой капитализации и по неохваченным бумагам данные начинаются с сырых XBRL-фактов: без базы данных вендора, без заранее смоделированной отчетности.

Валидация XBRL съедала окно времени еще до начала работы над моделью

Каждый новый проект начинался одинаково. Park загружал JSON с XBRL-фактами из SEC EDGAR и вручную разбирал тысячи размеченных концептов: отделял годовые периоды от квартальных и точечных фактов; нормализовал показатели, представленные в USD, USD-thousands и на акцию; классифицировал расширения, заданные самим эмитентом, которые выходят за рамки таксономии US-GAAP. Ничто из этого нельзя было переиспользовать между эмитентами.

Этап подготовки до построения модели занимал большую часть общего времени по каждому новому проекту — еще до того, как в рабочей книге появлялась первая формула. Ошибка в разметке, обнаруженная после начала работы, затрагивала все три результата: рабочую книгу, письменный анализ и визуальный дашборд приходилось переделывать на основе исправленного извлечения.

Energent.ai стала движком извлечения, а перед построением появился контрольный этап методологии

Park загрузил JSON с XBRL-фактами целевого эмитента и указал полный набор результатов: 3-отчетную модель за пять лет, письменный отчет и визуальный дашборд.

Агент:

Никаких кастомных скриптов. Никакой настройки под каждого эмитента. Никакой переделки, если менялось решение по извлечению.

Методология извлечения с отметками рисков

Контрольный этап методологии перенес риск извлечения на первый день

Этап до построения сократился; три результата были получены за одну сессию

3-отчетная модель с межотчетными проверками

"Впервые одна найденная проблема не означала, что нужно переделывать три вещи — рабочую книгу, отчет и дашборд, потому что все они были получены из одного и того же верифицированного извлечения." — David Park, Investment Analyst at Meridian Equity Research

Back to customer storiesBook a Demo