Back to customer stories

Customer Story

Meridian Equity Research

Energent.ai 如何帮助 Meridian Equity Research 将原始 SEC XBRL 数据转化为经过验证的三表模型

过去最耗时的部分并不是建模,而是在我打开工作簿之前就先判断哪些数据事实值得信任。代理在我通常还没完成申报文件范围界定时,就已经准备好了经过验证的三表模型。
David Park, 投资分析师 at Meridian Equity Research
Industry
投资研究
Market
United States
Use case
SEC XBRL 提取与三表财务模型
Meridian Equity Research

Meridian Equity Research 是一家精品投资研究公司,为机构客户覆盖公开股票。公司投资分析师 David Park 负责每个项目的完整尽调流程——从 SEC 10-K 申报文件中获取数据,搭建整合财务模型,并生成书面叙述和可视化摘要,供投资委员会审阅。对于市值较小且未被覆盖的标的,数据起点是原始 XBRL 事实:没有供应商数据库,也没有预先建好的财务模型。

XBRL 验证在任何建模工作开始前就耗尽了时间窗口

每个新申报公司的项目都从同样的流程开始。Park 从 SEC EDGAR 下载 XBRL facts JSON,并手动处理数千个带标签的概念:区分年度期间、季度期间和时点事实;规范以 USD、USD-thousands 和每股口径报告的数值;分类那些超出 US-GAAP taxonomy 的申报方自定义扩展标签。所有这些工作都无法在不同申报公司之间复用。

在每个新项目中,建模前阶段消耗了大部分总耗时——甚至在任何公式接触工作簿之前。若在起草后才发现标签错误,会连锁影响全部三项交付物:工作簿、书面叙述和可视化仪表板都必须基于修正后的提取结果重新制作。

Energent.ai 成为提取引擎,并在建模前设置方法论检查点

Park 上传了目标申报公司的 XBRL facts JSON,并指定了完整交付范围:五年期整合三表模型、书面报告和可视化仪表板。

该代理:

无需自定义脚本。无需按申报公司单独配置。提取决策变更时也无需返工。

带有风险标记的提取方法论

方法论检查点将提取风险前置到第一天

建模前阶段被压缩;三项交付物在一次会话中完成

带有跨报表检查的三表模型

"这是我第一次遇到一个问题,不再意味着要重做三件事——工作簿、报告和仪表板都来自同一次经过验证的提取。" — David Park, Meridian Equity Research 的投资分析师

Back to customer storiesBook a Demo