Повна структура аналізу
Це карта всієї системи Cashalot AI: 20 аналітичних модулів, 30 спеціалізованих плагінів, 150+ фінансових метрик, об'єднаних в один 4-стадійний конвеєр. Кожен блок пояснюємо без жаргону — так, щоб зрозумів приватний інвестор без фінансової освіти.
Кожен звіт проходить чотиристадійний pipeline. На кожній стадії працюють спеціалізовані модулі, які передають результати наступній. Це не «один промпт у ChatGPT» — це послідовність з reconciliation на кожному кроці.
Розвідка компанії: розуміємо що це за бізнес, у якій галузі, що відбувається навколо. Вирішуємо, чи є сенс йти далі.
Збираємо всі цифри з SEC filings (звітності компанії), рахуємо 150+ метрик, читаємо earnings calls у пошуках червоних прапорців.
Різні «фахівці» дивляться на компанію: forensic auditor шукає маніпуляції, strategist дивиться moat, red team шукає де ми не праві.
Зводимо все разом через Paid layer-шар (S01 Final Synthesis Memorandum) — 14 sections, 5 interactive tools embedded, multi-format deliverable. Cashalot — Research Publisher, не Investment Advisor: жодних рекомендацій, тільки research findings.
Тому що одна модель ніколи не бачить всю картину. Один analyst може пропустити fraud (шахрайство), інший побачить manipulation only через NLP аналіз tone, третій знайде inconsistency через ratios. 20 модулів та 30 плагінів, єдиний PRO-продукт + 2 безкоштовних бонус-тести — це система з Self-Check Protocol на кожному кроці, де кожен висновок підтверджується кількома незалежними методами. Так працюють buy-side hedge funds.
Коли ви отримуєте 100+ сторінковий меморандум — ви бачите фінальний продукт. За кадром залишається обсяг роботи, який потрібен для його створення. Ось що відбувається для одного звіту.
Перш ніж 20 авторських модулів почнуть працювати, дані проходять Phase 0 — три попередніх модулі, які гарантують, що в аналіз потрапляють верифіковані числа, а не результат LLM-галюцинації. Це причина, з якої Cashalot називається «forensic-grade», а не «AI-огляд за 30 секунд».
11 правил парсингу 10-K / 10-Q / 8-K / DEF 14A. CoVe-верифікація у 4 етапи: extraction → claim generation → independent re-extraction → consistency check. Frame Consistency Validator математично звіряє всі пари (період, значення) до того як вони потраплять у M_MATH.
Детерміновані формули (Python/scipy, не LLM): Beneish 8-компонент · Altman Z · Piotroski 9-test · Schilit 7 Shenanigans · Dechow F-Score. Monte Carlo DCF 10 000 ітерацій. 30+ valuation методів (Reverse-DCF · EPV · Residual Income · SOTP · та ін.).
Не sentiment-емоції, а forensic-маркери: тон · хеджуюча мова · CEO/CFO divergence · Schilit linguistic markers · evasion tactics · Proxy Statement analysis. Pre-Earnings mode активується коли event ≤ 30 днів.
Phase 0 — це детермінований шар. LLM не пише числа у фінальний меморандум напряму: кожна цифра в дослідженні Cashalot пройшла через M_ETL → CoVe → Frame Validator → M_MATH. LLM використовується тільки для інтерпретації вже перевірених результатів. Це і є «forensic-grade» — не маркетингове слово, а архітектурне зобов'язання. Поверх цього працює Self-Check Protocol (SCP — 7 фільтрів коду + чесний STOP): за відсутності даних система не вгадує, а зупиняється. І 5 епістемічних фільтрів калібрують підсумкову впевненість: decay (затухання сигналу в часі), multiple-testing (поправка на множинні гіпотези), costs (витрати та проковзування), survivorship (помилка вцілілого) та regime (зміна ринкового режиму).
Кожне дослідження Cashalot зібране з 20 модулів за групами (плюс 30 плагінів, що підключаються за необхідності). Це не один analyst report — а layered architecture, де кожен шар розкриває компанію під своїм кутом і залишає впевненість розпакованою. Розділи M01–M18 — безкоштовні; вердикт та рішення (M19/M20/S01) — у PRO.
Бізнес-модель, географія, сегментна виручка, ключові цифри, ownership structure.
Porter 5 forces, peer comparison (3–5 конкурентів), TAM/SAM/SOM де застосовно, конкурентна позиція.
150+ метрик за 7 групами: рентабельність, ефективність, ліквідність, leverage, зростання, cash conversion, per-share. Тренди 5–10 років.
7 Powers (Helmer) + 5 типів moat (Dorsey) + Philip Fisher 15 пунктів + unit economics + customer retention.
Mauboussin / Thorndike framework — куди менеджмент спрямовує capital і з яким return. ROIIC tracking, incentives.
5 forensic-моделей: Beneish M-Score · Altman Z · Piotroski F · Schilit 7-shenanigans · Dechow F. + supplementary: Sloan accruals, Three-FCF, Non-GAAP gap, working-capital.
DCF (Monte Carlo 10 000 ітерацій), Reverse DCF, EPV (Greenwald), SOTP, Mauboussin EV, Asset-based — з reconciliation. Breakeven Discount Rate.
Insider Form 4 (5 років), опціонні потоки, market microstructure. Підрозділ «Технічний аналіз» — тільки як контекст режиму, не сигнал входу.
13F institutional holders, альт-дані, dark-pool паттерни. Підрозділ «Настрої ринку» — затухаючий контекст, не сигнал до дії.
Cycle position, interest-rate sensitivity, FX exposure, regulatory & geopolitical environment де material.
Bull / Base / Bear з probability + reasoning. Probability-weighted fair value. «Right but Losing Money» band — історична смуга path-drawdown.
Емерджентні ризики та перспективи (новий підрозділ, новий конкурент, regime-зсув), яких ще немає в консенсусі. У PRO — список рекомендованих доп-досліджень.
Кожен critical risk та top prospect розкладається рекурсивно на 3 рівні. Bayesian log-odds aggregation. Confidence intervals через Monte Carlo perturbation 1000 ітерацій. «Один рівень — думка. Три рівні — аргумент.»
5 lateral lenses: Adjacent · Apex Spawner · Crisis · Counter-Positioning · Asymmetric. Non-consensus angles.
8 шкіл: Graham · Buffett · Munger · Greenwald · Klarman · Marks · Damodaran · Lynch + Disagreement Map.
12 стратегій з фільтром thesis × IV × tolerance. Per strategy: structure, scenarios, Greeks, ризики, monitoring. Educational layer 50%. Окрема сторінка.
Усі терміни дослідження пояснені людською мовою, 3 мовами (RU·UK·EN). Методологічні пояснення «як рахується».
Research Publisher позиціонування, епістемічні обмеження, honest limits. Юридично вивірений шар.
Крім основних модулів, конкретне дослідження може викликати plugin-модулі: Beneish M-Score detail, Sloan ratio, Dechow F, Piotroski breakdown, Mauboussin expectations investing, Kelly Criterion calculator і ще 22 спеціалізованих tool'а — кожен підключається, коли тип компанії / індустрія / forensic-прапорець це вимагає. M16 (головні цитати) — внутрішній модуль маркетинг-воронки.
Уся аналітика (M01–M18) — безкоштовна: докази. Єдиний платний продукт PRO збирає їх у вирок: фінальний синтез S01, дебати з Pre-Mortem (M19), чек-лист 20 питань (M20), вердикт Cluster A, Kelly-сайзинг та Independence Meter. Межа проста — докази безкоштовно, вирок у PRO.
Apex-деліверейбл: S01 — 14 секцій (8 core + 6 premium) інтегрують всі модулі в coherent narrative. M19 Дебати + Pre-Mortem, M20 Чек-лист 20 питань, вердикт Cluster A, Kelly-сайзинг. Embedded interactive: Reverse-DCF · Sell-Trigger · Assumption Audit · Sankey · Decay-Aware Confidence. Specialized SCP audit.
Сигнатурний диференціатор: поруч із числом згодних сигналів K показуємо ефективне число незалежних доказів M_eff. «5 модулів згодні — але незалежних ~1.8». Коли все сходиться, це може бути один доказ, порахований 5 разів.
Наприкінці кожного звіту читачеві видаються 2 освітньо-психологічних тести. Їх value не в дослідженні компанії, а в self-awareness інвестора. Тому безкоштовно для всіх, без email-gate.
25 questions × 7 dimensions: Business · Financials · Valuation · Risks · Competition · Management · Industry. Personalised knowledge gap map з прямими посиланнями на weak modules. Stateless, без email.
Психологічна перевірка готовності перед action. Lite (12Q · 3 хв) · Standard (18Q · 5 хв) · Deep (28Q · 9 хв). Three-axis scoring: thesis quality · bias risk · survivability. Stateless.
Відкрити тест →Повний набір метрик, які M2 Math Engine рахує для кожної компанії. Згруповані за 8 категоріями. Це те, що професійний аналітик рахував би вручну в Excel годин 30–40.
ROIC – WACC spread — головний показник якості бізнесу: створює компанія цінність чи руйнує? Позитивний spread = compounding machine. Близький до нуля = commodity-business. ROIIC (Return on Incremental Invested Capital) — те саме на marginal capital: куди йде кожен новий долар.
У v14 цей spread — master diagnostic. Усі інші 150+ метрик підпорядковані йому: чим ширший і стійкіший spread, тим менша залежність від точності terminal value у DCF.
Cashalot v14 перевертає класичний підхід. Раніше DCF був primary («наша оцінка vs ціна»). У v14 Implied Expectations — головний фрейм: «що ціна вже передбачає». Reverse DCF розгортає поточну ціну в неявні очікування зростання та марж. Далі — перевірка реалістичності через 6 додаткових моделей. Коли всі конвергують — висока evidence quality. Коли розходяться — треба зрозуміти чому.
Реверс-DCF розгортає поточну ціну в неявні очікування. На якому темпі зростання, якій маржі та терміні reinvestment ринок заробляє свою необхідну прибутковість? Тоді далі: чи реалістичні ці embedded expectations?
На простій мові: замість «наша FV $X vs ціна $Y» — «ціна $Y вже передбачає, що компанія буде зростати на 12% річних 10 років поспіль. Це реалістично?» Цей фрейм вбудований в interactive A1 Reverse-DCF Explorer.
Sustained growth + permanent margin expansion + lower WACC. Це «все пішло добре» сценарій.
На простій мові: «скільки компанія коштуватиме якщо все, що обіцяє менеджмент — здійсниться». Це стеля optimistic case.
No-growth value з cycle-averaged margins. Це floor — підлога, нижче якої справедлива ціна не повинна впасти за нормальних умов.
На простій мові: «скільки компанія коштує якщо прибрати все зростання і залишити тільки поточний нормалізований грошовий потік». Це «безпечний» minimum.
P/E, EV/EBITDA, P/FCF на основі peer median. Cycle-peak, cycle-trough, і historical median multipliers.
На простій мові: «скільки коштують схожі компанії у цій галузі, і яка справедлива ціна цієї компанії за тією ж логікою».
4 сценарії (Bull / Base / Bear / Black Swan) з probability weighting. Expected Value = Σ(P_scenario × Value_scenario).
На простій мові: «справедлива ціна з урахуванням всіх сценаріїв та їх ймовірності». Враховує що bull case може не збутися, а bear case — може.
Вирішує зворотну задачу: який темп зростання закладає поточна ціна? Якщо implied growth > історичних темпів індустрії у 2x — overvalued.
На простій мові: «не намагаємося вгадати справедливу ціну; замість цього запитуємо — які нереальні припущення потрібні, щоб виправдати поточну ціну?». Це test of sanity.
Кожна компанія проходить чотири незалежних forensic gate. Усі чотири розроблені академічними дослідниками і довели свою ефективність на історичних кейсах: Enron, WorldCom, Wirecard, Luckin Coffee — всі вони провалили ці перевірки до того, як обвалилися.
Composite індикатор ймовірності earnings manipulation. Threshold: M-Score > -1.78 = вразливість до manipulation.
На простій мові: Профессор Daniel Beneish з Indiana University розробив формулу з 8 коефіцієнтів, яка історично передбачала manipulation у 76% випадків. Якщо M-Score високий — компанія статистично ймовірно «накручує».
Howard Schilit's framework: premature revenue, fictitious revenue, expense capitalization, expense deferral, fake assets, hiding liabilities, manipulating cash flow.
На простій мові: 7 класичних трюків, якими компанії спотворюють звітність. Наприклад: показати виручку якої ще немає (Enron), або капіталізувати витрати які повинні бути в P&L (WorldCom). Кожна компанія перевіряється на всі 7.
5-факторна формула передбачення bankruptcy протягом 2 років. Z < 1.81 = distress zone; Z > 2.99 = safe zone.
На простій мові: Edward Altman з NYU створив формулу, яка передбачає банкрутство з 80%+ точністю за 2 роки вперед. Це первинний test «чи не банкрут компанія в найближчий рік?».
9 простих binary tests фінансової сили: Profitability (4), Leverage/Liquidity (3), Operating Efficiency (2). Score 0-9.
На простій мові: Joseph Piotroski зі Stanford показав, що компанії з F-Score 8-9 у середньому outperformuють market на 7.5% на рік. Це quick check «чи здорова компанія фінансово?».
Buy/hold/sell — це тільки частина рішення. Не менш важливо: скільки відсотків портфеля виділити? Де stop loss? Коли виходити? Cashalot використовує Kelly criterion + Bayesian penalty + pre-committed exit rules для математично обґрунтованого рішення.
Формула: f* = (p×b - q) / b, де p = ймовірність win, q = ймовірність loss, b = win/loss ratio. Використовується в poker, sports betting, і institutional investing.
На простій мові: Kelly дає математично optimal % портфеля, який треба вкласти з урахуванням probability та payoff. Якщо ймовірність win 60% і upside у 2 рази більший за downside — Kelly = 40% портфеля. (Ніколи не використовується в повну силу — звідси half-Kelly.)
Modifies Kelly downward based on evidence quality (HIGH / MEDIUM / LOW). Чим слабша доказова база — тим менший розмір позиції. У v14: conviction reframed → evidence quality (no-recommendations positioning).
На простій мові: Сама формула Kelly передбачає, що ми точно знаємо probability win. На практиці ми не знаємо точно. Bayesian Penalty зменшує розмір пропорційно нашій невпевненості — так щоб уникнути over-betting на shaky thesis.
RETAIL profile = 2% NAV maximum. INSTITUTIONAL profile = 5-10% NAV. Cap завжди binding — ніколи не перевищується навіть якщо Kelly дає більше.
На простій мові: навіть якщо всі цифри кажуть «вклади 30% портфеля», retail-інвестор не повинен вкладати більше 2% в одну акцію. Концентровані позиції — для тих, хто може дозволити собі total loss.
Pre-defined exit rules: hard stop (10-20%), catastrophic stop (30%+), time stop (90 днів), 10 thesis-break triggers. Усі правила прописані заздалегідь.
На простій мові: Улісс наказав команді прив'язати його до щогли, щоб він не почув сирен. Аналогічно, ми заздалегідь прописуємо правила виходу — до того, як емоції (паніка, FOMO) можуть на них вплинути. Це і є професійний risk management.
Це фундамент кожного дослідження Cashalot AI v14. 20 модулів та 30 плагінів, єдиний PRO-продукт + 2 безкоштовних бонус-тести, 150+ метрик, 5 forensic-моделей, ROIC–WACC spread як master diagnostic, Implied Expectations як primary frame — все це працює на кожному аналізі. Готові спробувати?
Замовити Custom Research Підписатися на оновлення