Case01 / 05 · Financial Valuations
ClientTivaco · Сингапур
DomainHigh-stakes valuations · arbitration

Метрики из финансовой отчётности — для оценки бизнеса под арбитражи.

Заказчик — Tivaco, экспертная фирма по оценке убытков и активов для международных арбитражей. Top-5% damages-эксперты в мире, $15B+ в оценённых активах. Highest claim в портфолио — $8B+.

high-stakes valuations financial reports multi-source resolution traceability
§ a Контекст Чем дело

Tivaco делает оценку стоимости частных компаний для арбитражей. Цена ошибки — высокая.

Объекты оценки — частные (непубличные) компании. Это ключевое ограничение: у них нет рыночных мультипликаторов напрямую — приходится подбирать аналоги среди публичных компаний из той же географии и сектора.

До нас работа выполнялась вручную старшими аналитиками — $50/час+, минимум несколько дней на один документ. Финансовая отчётность — на сотни и тысячи страниц, и в одном документе у одной метрики может быть несколько значений.

Задача — надёжно извлечь финансовые метрики на конкретные даты, разрешить коллизии и подтянуть рыночный контекст.

  • a.Десятки финансовых метрик из PDF на сотни страниц.
  • b.Метрики в трёх разрезах: historical / current / forecast.
  • c.Разрешение коллизий с явным reasoning.
  • d.Подбор публичных аналогов и мультипликаторов.
§ b Что мы сделали Под капотом

Pipeline извлечения с reasoning поверх кандидатов и UI с traceability у каждой цифры.

Pipeline извлечения под структуру финансовой отчётности: PDF → разделы → таблицы → значения с контекстом источника. Учитываем таблицы, основной текст и сноски одновременно.

Разрешение коллизий между несколькими найденными значениями одной метрики на одну дату — с reasoning, почему выбран конкретный вариант.

Темпоральное измерение: одна метрика в разрезах historical / current / forecast, на конкретные даты. Это технически сложнее, чем «достать число»: одна метрика существует в нескольких разрезах одновременно.

Подбор публичных аналогов по гео и индустрии и сбор мультипликаторов (cost / market / income approach).

Интерфейс аналитика. Каждое значение показывается с цитатой из исходного PDF, объяснением выбора и ссылкой на конкретную страницу. Можно проверить, отредактировать, согласиться.

Человек остаётся источником решения — машина даёт обоснованный черновик. Это критично для высоких ставок: каждая цифра уходит в арбитражный процесс.

§ c Результат Что вышло
Result
Анализ ~10 документов укладывается в ~5 минут вместо нескольких дней на один документ. Аналитик не «доверяет ИИ на слово» — у каждой цифры есть источник, цитата и страница. Стоимость одного кейса оценки падает за счёт сокращения часов senior-аналитиков.
§ d Что было нетривиально Под капотом
  • a.Большие PDF финансовой отчётности — сотни и тысячи страниц.
  • b.Извлечение из таблиц + текста + сносок одновременно.
  • c.Cross-document консистентность одной метрики между документами.
  • d.Multi-source resolution с явным reasoning поверх кандидатов.
  • e.Подбор аналогов: гео + индустрия + мультипликаторы.
  • f.UI с traceability: цитата → страница → решение.

Другие кейсы.

Похожая задача?
Напишите.

Опишите кратко, что у вас. Дальше — в переписке: понимаем контекст, оцениваем границы и договариваемся о PoC за дни–недели.