المكاسب:
- القدرة على الفصل بوضوح بين طبقات الافتراض والمحرك والمخرجات للنموذج المالي باستخدام الذكاء الاصطناعي
- القدرة على إعداد سيناريوهات متفائلة/قاعدية/متشائمة وجداول حساسية أحادية المتغير بدعم من الذكاء الاصطناعي
- القدرة على التحقق من منطق نموذج الذكاء الاصطناعي من حيث المرجع الدائري واتساق الصيغة والافتراضات
النموذج المالي هو إطار محاسبي منظم يحاكي مستقبل الشركة أو المشروع بالأرقام. في أبسط صوره، إنه إعداد "وضع بعض الافتراضات، والحصول على النتائج": كيف تتغير الأرباح والنقد والقيمة عند تغيير معدل النمو ومعدل التكلفة ومبلغ الاستثمار؟ يتكون النموذج الجيد من ثلاث طبقات واضحة: الافتراضات (الأرقام التي تدخلها)، والدوافع (المنطق الذي يربط هذه الأرقام بالمخرجات)، والمخرجات (الربح، والنقد، والأسعار). يعمل الذكاء الاصطناعي على تسريع عملية النمذجة بعدة طرق: فهو يقترح الهيكل العظمي للنموذج، ويؤسس منطق الصيغة، ويكرر السيناريوهات، ويعد جداول الحساسية. لكن أخطر أخطاء النموذج هي الأخطاء غير المرئية: صيغة غير صحيحة، أو مرجع دائري مخفي، أو افتراض غير متسق يجعل النموذج خاطئًا بصمت. جوهر هذه الوحدة هو التحقق من منطق النموذج الذي يبنيه الذكاء الاصطناعي.
في هذه الوحدة، سوف نتعلم كيفية فصل الطبقات الثلاث للنموذج، وإعداد سيناريوهات متفائلة / أساسية / متشائمة وجدول المشاعر، والتحقق من صحة منطق نموذج الذكاء الاصطناعي.
المفاهيم: الافتراض: الرقم الذي تدخله يدويًا في النموذج (مثل النمو 10%). برنامج التشغيل: منطق الصيغة الذي يربط الافتراض بالمخرجات. السيناريو: تغيير كامل لمجموعة من الفرضيات (متفائل/قاعد/متشائم). تحليل الحساسية: تغيير افتراض واحد خطوة بخطوة ورؤية التأثير على المخرجات. المرجع الدائري: اتصال مباشر/غير مباشر للخلية بنفسها.
ثلاث طبقات من النموذج
أهم قاعدة تأديبية للنموذج هي فصل الافتراضات عن الحساب. يتم جمع الفرضيات في مكان واحد، والحساب مرتبط بها؛ بحيث أنه عند تغيير الافتراض، يتم تحديث النموذج بأكمله باستمرار. قم بفرض هذا التمييز عند بناء نماذج الذكاء الاصطناعي.
طبقة
المحتوى
قواعد التصميم الجيد
الافتراضات
النمو، الهامش، النضج، الخصم، الاستثمار
مكان واحد، تسمية مفتوحة
السائقين
الصيغ مثل الإيرادات = السعر × الحجم
وبالإشارة إلى الافتراض، لا يوجد رقم ثابت مضمن
النواتج
الربح والنقد والأسعار والقيمة
فهو لا يُشتق إلا بالحساب، ولا يُكتب باليد.
نصيحة: لا تقم مطلقًا بتضمين رقم "ثابت" في الصيغة الموجودة في النموذج (على سبيل المثال، =الدوران*0.55). بدلاً من ذلك، ضع 0.55 في خلية الافتراض وقم بالإشارة إليها. بهذه الطريقة، عندما يتغير الافتراض، يتم تحديث النموذج من نقطة واحدة ويمكنك بسهولة التقاط الثوابت المخفية التي قام الذكاء الاصطناعي بدمجها.
السيناريو والحساسية
السيناريو والحساسية شيئان مختلفان ويمكن الخلط بينهما. يغير السيناريو افتراضات متعددة معًا (في العالم المتشائم، ينخفض النمو وترتفع التكاليف). تعزل الحساسية افتراضًا واحدًا وتقيس تأثيره على الإنتاج (كيف تتغير القيمة إذا تغير معدل الخصم فقط). يظهرون معًا مكان هشاشة النموذج.
نموذج الهيكل العظمي موجه: "قم بإعداد نموذج بسيط للإيرادات والأرباح لمدة 3 سنوات لشركة SaaS. افصل بين الطبقات: (1) الافتراضات (بدء العملاء 500، النمو الشهري 4٪، الاشتراك الشهري 1200 ليرة تركية، هامش الربح الإجمالي 78٪، النفقات الثابتة الشهرية 900 ألف ليرة تركية)، (2) السائقين (عدد العملاء، الإيرادات، صيغ النفقات)، (3) المخرجات (الإيرادات الشهرية، إجمالي الربح، الربح التشغيلي) لا تضع أرقامًا ثابتة في الصيغ، فقط افترض كل شيء."
موجه السيناريو: "أضف ثلاثة سيناريوهات إلى هذا النموذج. الأساس: افتراضات معينة. متفائل: نمو شهري 6%، هامش 80%. متشائم: نمو شهري 2%، هامش 72%، نفقات ثابتة 10% أكثر. جدول أرباح التشغيل للشهر السادس والثلاثين للسيناريوهات الثلاثة جنبًا إلى جنب."
موجه جدول الحساسية: "أظهر حساسية الربح التشغيلي للشهر السادس والثلاثين لمعدل النمو الشهري. قم بتغيير النمو من 1% إلى 7% في خطوة واحدة، وحافظ على ثبات الافتراضات الأخرى وسجل الربح في كل خطوة في الجدول. لخص مدى حساسية الربح للنمو في جملة واحدة."
موجه تدقيق النموذج: "في النموذج الذي قمت بإنشائه: (1) هل هناك أرقام ثابتة مضمنة في الصيغ التي لا تستند إلى افتراضات؟ (2) هل هناك أي مخاطر مرجعية دائرية؟ (3) هل الوحدات متسقة (شهرية/سنوية، ليرة تركية/ألف ليرة تركية)؟ قم بالإبلاغ عن كل خطر تجده عن طريق تفصيله."
موجه ضعيف / موجه قوي
ضعيف: "اجعلني نموذجًا ماليًا لمدة 3 سنوات." (النتيجة: عملية حسابية ذات طبقات مختلطة، وثوابت مضمنة، يصعب تدقيقها.) قوي: "قم ببناء نموذج مدته 3 سنوات مع طبقات افتراض/محرك/مخرجات منفصلة، بدون أي ثابت مضمن في الصيغ، وافتراضات النمو والهامش التي يمكن تغييرها في مكان واحد؛ ثم قم بإضافة جدول حساسية النمو وتحقق من مخاطر المرجع الدوري وعدم اتساق الوحدة في النموذج."
حالات صغيرة
الحالة 1 - تكلفة الثابت المضمن. يقوم أحد المحللين بتخفيض الهامش من 78% إلى 75% في النموذج المبني بالذكاء الاصطناعي، لكن الأرباح التشغيلية تتغير بشكل أقل من المتوقع. عندما يقوم بتشغيل موجه التحكم، فإنه يرى أن صيغة التكلفة تعتمد على الثابت المضمن 0.22، وليس على الافتراض. حتى إذا تغيرت خلية الهامش، فإن الصيغة تستخدم القيمة القديمة. يستجيب النموذج بشكل صحيح عندما يعتمد على افتراض ثابت.
الحالة 2 - القيمة الهشة. في نموذج قرار الاستثمار، يبدو السيناريو الأساسي جذابًا. عندما يقوم المحلل ببناء جدول الحساسية، يرى أن الربح التشغيلي ينخفض إلى النصف عندما ينخفض النمو من 5٪ إلى 3٪. لذا فإن جاذبية النموذج بالكامل تعتمد على افتراض واحد متفائل بشأن النمو. وهذا الوعي يغير القرار من "نعم بالتأكيد" إلى "الحذر قبل تأكيد النمو".
الحالة 3 - المصيدة الدورية. في نموذج الاقتراض، تعتمد مصروفات الفائدة على رصيد الدين، ويعتمد رصيد الدين على الحاجة النقدية، وتعتمد الحاجة النقدية على الفائدة. أثناء تثبيت الذكاء الاصطناعي، يحدث مرجع دائري ويعطي Excel تحذيرًا. وبدلاً من إغلاق التحذير والاستمرار، يقوم المحلل بمراجعة المنطق وكسر السلسلة لحساب الفائدة على رصيد الفترة السابقة. وبالتالي، فإن النتيجة دقيقة ويمكن تتبعها.
تحذير: لا يمكن تبرير النموذج أبدًا بسيناريو واحد يبدو جيدًا. جملة "إنه مربح جدًا في السيناريو الأساسي" لا يمكن أن تكون مبررًا لاتخاذ قرار دون معرفة ما يحدث في السيناريو المتشائم. في كل نموذج، اسأل عن الثالوث الأقل تفاؤلاً/القاعدة/التشاؤم والحساسية تجاه الافتراض النقدي.
أربعة أسئلة لفحص النماذج
اسأل كل نموذج، حيث يبني الذكاء الاصطناعي هذه الأسئلة الأربعة:
- هل هناك أي ثابتة جزءا لا يتجزأ؟ هل يعتمد كل رقم على افتراض أم مضمن في الصيغة؟
- هل الوحدات متناسقة؟ هل الشهرية والسنوية مختلطة بالليرة التركية والألف ليرة تركية؟
- هل هناك مرجع دائري؟ هل الخلية تتصل بنفسها؟
- هل يتفاعل الإخراج بشكل صحيح مع الافتراض؟ عند تغيير افتراض، هل يتغير الناتج في الاتجاه المتوقع؟
الأخطاء الشائعة
- عدم فصل الافتراض عن الحساب. عندما يتم تضمين الثوابت في الصيغة، لا يمكن التحكم في النموذج ويتفاعل بشكل غير صحيح.
- اتخاذ القرار بسيناريو واحد. إن اتخاذ قرار دون رؤية موقف متشائم أمر محفوف بالمخاطر.
- قم بإيقاف تشغيل التحذير الدوري. التحذير هو علامة على خطأ، وليس مصدر إزعاج يجب إسكاته.
- تخطي الحساسية. ولا يمكن قياس متانة النموذج دون معرفة الافتراض الذي تعتمد عليه النتيجة.
- ارتباك الوحدة تؤدي التناقضات الشهرية/السنوية وTL/الألف ليرة تركية إلى حدوث أخطاء صامتة ولكنها كبيرة.
في ملخص
النموذج المالي هو إطار محاسبي يحاكي المستقبل بالافتراضات، وقوته تأتي من وضوح الطبقات. يقوم إطار الذكاء الاصطناعي ببناء السيناريوهات وجداول المشاعر بسرعة؛ ولكنها يمكن أن تؤدي إلى أخطاء غير مرئية مثل الثابت المضمن والمرجع الدائري وعدم تناسق الوحدة. افصل الافتراض عن الحساب، وأضف ثالوث المتفائل/الأساسي/المتشائم وحساسية الافتراض الحاسم لكل نموذج، واطرح أسئلة التدقيق الأربعة في كل مرة. سيناريو واحد جيد لا يمكن أن يبرر القرار.
مهمة التطبيق
اطلب من الذكاء الاصطناعي أن يبني نموذجًا بسيطًا للإيرادات والربح لمدة 3 سنوات مقسمًا إلى ثلاث طبقات (الافتراض/المحرك/الناتج) واطلب عدم وجود ثوابت مضمنة في الصيغ. أضف ثلاثة سيناريوهات متفائلة / أساسية / متشائمة وضع آخر ربح تشغيلي جنبًا إلى جنب. ثم اطلب جدول حساسية للافتراضات الأكثر أهمية (مثل النمو). أخيرًا، قم بتشغيل موجه التحقق من النموذج وتحقق من الثوابت المضمنة والمراجع الدورية وتناقضات الوحدة ولاحظ النتائج.
قائمة مرجعية
- [ ] لقد قمت بفصل طبقات الافتراض والسائق والإخراج.
- [ ] لقد تحققت من عدم وجود ثوابت مضمنة في الصيغ.
- [ ] قمت بإعداد ثلاثة سيناريوهات متفائلة/بعضها/متشائمة على الأقل.
- [ ] أضفت جدول حساسية للافتراض النقدي.
- [ ] لقد قمت بالتحقق من وجود مرجع دائري.
- [ ] لقد قمت بالتحقق من اتساق الوحدة (شهريًا/سنويًا، ليرة تركية/ألف ليرة تركية).
- [ ] لقد غيرت الافتراض واختبرت أن المخرجات استجابت بشكل صحيح.