Finanzmodellierung, Szenario- und Sensitivitätsanalyse

Gewinne:

• Möglichkeit, die Annahme-, Treiber- und Ausgabeebenen eines Finanzmodells mit KI klar zu trennen
• Möglichkeit zur Erstellung optimistischer/basismäßiger/pessimistischer Szenarien und univariater Sensitivitätstabellen mit KI-Unterstützung
• Fähigkeit, die Modelllogik der KI im Hinblick auf Zirkelverweise, Formel und Annahmenkonsistenz zu überprüfen

Ein Finanzmodell ist ein strukturierter Rechnungslegungsrahmen, der die Zukunft eines Unternehmens oder Projekts anhand von Zahlen simuliert. Im einfachsten Fall handelt es sich um eine „Einige Annahmen treffen, Ergebnisse erzielen“-Anordnung: Wie verändern sich Gewinne, Barmittel und Werte, wenn man die Wachstumsrate, die Kostenrate und den Investitionsbetrag ändert? Ein gutes Modell besteht aus drei klaren Ebenen: Annahmen (die von Ihnen eingegebenen Zahlen), Treiber (die Logik, die diese Zahlen mit der Ausgabe verbindet) und Ausgaben (Gewinn, Bargeld, Zinssätze). KI beschleunigt den Modellierungsprozess in vielerlei Hinsicht: Sie schlägt das Modellgerüst vor, erstellt Formellogik, repliziert Szenarien und erstellt Sensitivitätstabellen. Aber die gefährlichsten Fehler des Modells sind die unsichtbaren: Eine falsche Formel, ein versteckter Zirkelbezug oder eine inkonsistente Annahme machen das Modell stillschweigend falsch. Der Kern dieser Einheit besteht darin, die Modelllogik zu überprüfen, die die KI erstellt.

In dieser Einheit lernen wir, die drei Schichten des Modells zu trennen, optimistische/Basis-/pessimistische Szenarien und Stimmungstabellen zu erstellen und die Modelllogik der KI zu validieren.

Konzepte: Annahme: Die Zahl, die Sie manuell in das Modell eingeben (z. B. Wachstum 10 %). Treiber: Formellogik, die die Annahme mit der Ausgabe verbindet. Szenario: Vollständige Änderung einer Reihe von Annahmen (optimistisch/basismäßig/pessimistisch). Sensitivitätsanalyse: Eine einzelne Annahme Schritt für Schritt ändern und die Auswirkung auf die Ausgabe sehen. Zirkelverweis: Direkte/indirekte Verbindung einer Zelle mit sich selbst.

Drei Schichten des Modells

Die wichtigste Disziplinarregel eines Modells besteht darin, Annahmen von Berechnungen zu trennen. Annahmen werden an einem Ort gesammelt, das Konto ist mit ihnen verknüpft; Wenn Sie also eine Annahme ändern, wird das gesamte Modell konsistent aktualisiert. Erzwingen Sie diese Unterscheidung, wenn Sie KI-Modelle erstellen lassen.

Schicht

Inhalt

Gute Designregel

Annahmen

Wachstum, Marge, Laufzeit, Rabatt, Investition

Ein Ort, offenes Etikett

Treiber

Formeln wie Umsatz = Preis × Volumen

Unter der Annahme gibt es keine feste eingebettete Zahl

Ausgänge

Gewinn, Bargeld, Zinssätze, Wert

Es wird nur aus Berechnungen abgeleitet und nicht von Hand geschrieben.

Tipp: Betten Sie niemals eine „feste“ Zahl in die Formel im Modell ein (z. B. =Umsatz*0,55). Geben Sie stattdessen 0,55 in die Annahmezelle ein und verweisen Sie darauf. Wenn sich die Annahme ändert, wird das Modell auf diese Weise von einem einzigen Punkt aus aktualisiert und Sie können die verborgenen Konstanten, die die KI eingebettet hat, problemlos erfassen.

Drehbuch und Sensibilität

Szenario und Sensibilität sind verschiedene Dinge und können verwechselt werden. Das Szenario verändert mehrere Annahmen gleichzeitig (in der pessimistischen Welt sinkt sowohl das Wachstum als auch die Kosten). Die Sensitivität isoliert eine einzelne Annahme und misst deren Auswirkung auf den Output (wie sich der Wert ändert, wenn sich nur der Abzinsungssatz ändert). Zusammen zeigen sie, wo das Modell fragil ist.

Modellskelett-Eingabeaufforderung: „Erstellen Sie ein einfaches 3-Jahres-Umsatz-Gewinn-Modell für ein SaaS-Unternehmen. Trennen Sie die Ebenen: (1) ANNAHMEN (Startkunden 500, monatliches Wachstum 4 %, monatliches Abonnement 1.200 TL, Bruttomarge 78 %, monatlicher Fixaufwand 900.000 TL), (2) TREIBER (Anzahl der Kunden, Umsatz, Ausgabenformeln), (3) OUTPUTS (monatlicher Umsatz, Bruttogewinn, Betriebsgewinn) Geben Sie in Formeln keine konstanten Zahlen ein, sondern gehen Sie einfach davon aus.

Szenario-Eingabeaufforderung: „Fügen Sie diesem Modell drei Szenarien hinzu. BASIS: gegebene Annahmen. OPTIMISTISCH: monatliches Wachstum 6 %, Marge 80 %. PESIMIST: monatliches Wachstum 2 %, Marge 72 %, Fixkosten 10 % mehr. Stellen Sie den Betriebsgewinn der drei Szenarien im 36. Monat nebeneinander dar.“

Eingabeaufforderung für die Sensitivitätstabelle: „Zeigen Sie die Sensitivität des Betriebsgewinns des 36. Monats gegenüber der monatlichen Wachstumsrate. Ändern Sie das Wachstum in 1-Punkt-Schritten von 1 % auf 7 %, halten Sie andere Annahmen konstant und zeichnen Sie den Gewinn bei jedem Schritt in der Tabelle auf. Fassen Sie in einem Satz zusammen, wie empfindlich der Gewinn auf das Wachstum reagiert.“

Eingabeaufforderung für die Modellprüfung: „In dem von Ihnen erstellten Modell: (1) Sind in den Formeln feste Zahlen eingebettet, die nicht auf Annahmen basieren? (2) Gibt es ein zirkuläres Referenzrisiko? (3) Sind die Einheiten konsistent (monatlich/jährlich, TL/tausend TL)? Melden Sie jedes Risiko, das Sie finden, indem Sie es aufschlüsseln.“

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

SCHWACH: „Mach mir ein 3-Jahres-Finanzmodell.“ (Ergebnis: eine Berechnung mit gemischten Schichten, eingebetteten Konstanten, schwer zu prüfen.) STARK: „Erstellen Sie ein 3-Jahres-Modell mit separaten Annahme-/Treiber-/Ausgabeschichten, ohne feste eingebettete Formeln, Wachstums- und Margenannahmen, die an einer Stelle geändert werden können; fügen Sie dann eine Wachstumssensitivitätstabelle hinzu und prüfen Sie die Risiken zyklischer Referenzen und Einheiteninkonsistenzen im Modell.“

Mini-Hüllen

Fall 1 – Kosten der eingebetteten Konstante. Ein Analyst reduziert die Marge im KI-basierten Modell von 78 % auf 75 %, aber der Betriebsgewinn verändert sich weniger als erwartet. Als er die Kontrollaufforderung ausführt, sieht er, dass die Kostenformel auf der eingebetteten Konstante 0,22 und nicht auf der Annahme basiert. Selbst wenn sich die Randzelle änderte, verwendete die Formel den alten Wert. Das Modell reagiert korrekt, wenn es auf einer festen Annahme basiert.

Fall 2 – Fragiler Wert. In einem Investitionsentscheidungsmodell sieht das Basisszenario attraktiv aus. Wenn der Analyst eine Sensitivitätstabelle erstellt, sieht er, dass sich der Betriebsgewinn halbiert, wenn das Wachstum von 5 % auf 3 % sinkt. Der ganze Reiz des Modells beruht also auf einer einzigen optimistischen Wachstumsannahme. Dieses Bewusstsein ändert die Entscheidung von „eindeutig ja“ zu „vorsichtig, bevor sich das Wachstum bestätigt“.

Fall 3 – Zyklische Falle. Bei einem Kreditaufnahmemodell hängen die Zinsaufwendungen vom Schuldensaldo, der Schuldensaldo vom Bargeldbedarf und der Bargeldbedarf von den Zinsen ab. Bei der Installation von AI kommt es zu einem Zirkelverweis und Excel gibt eine Warnung aus. Anstatt die Warnung zu schließen und fortzufahren, überarbeitet der Analyst die Logik und unterbricht die Kette, um die Zinsen für den Saldo der vorherigen Periode zu berechnen. Somit ist das Ergebnis sowohl genau als auch nachvollziehbar.

Achtung: Ein Modell wird niemals durch ein einzelnes Szenario gerechtfertigt, das gut aussieht. Der Satz „Im Basisszenario ist es sehr profitabel“ kann keine Rechtfertigung für eine Entscheidung sein, ohne zu wissen, was im pessimistischen Szenario passiert. Fragen Sie in jedem Modell nach der am wenigsten optimistischen/basismäßigen/pessimistischen Triade und der Sensibilität gegenüber der kritischen Annahme.

Vier Fragen der Modellprüfung

Stellen Sie jedem Modell, das die KI erstellt, diese vier Fragen:

• Gibt es einen eingebetteten Fix? Basiert jede Zahl auf einer Annahme oder ist sie in die Formel eingebettet?
• Sind die Einheiten konsistent? Sind monatliche und jährliche, TL und tausend TL gemischt?
• Gibt es einen Zirkelverweis? Verbindet sich eine Zelle mit sich selbst?
• Reagiert die Ausgabe korrekt auf die Annahme? Ändert sich die Ausgabe in die erwartete Richtung, wenn Sie eine Annahme ändern?

Häufige Fehler

• Annahme und Berechnung nicht trennen. Bei der Einbettung von Konstanten in die Formel ist das Modell nicht steuerbar und reagiert falsch.
• Mit einem einzigen Szenario entscheiden. Eine Entscheidung zu treffen, ohne eine pessimistische Situation zu erkennen, ist riskant.
• Schalten Sie die zyklische Warnung aus. Eine Warnung ist ein Zeichen für einen Fehler und kein Ärgernis, das man zum Schweigen bringen sollte.
• Überspringende Empfindlichkeit. Die Robustheit des Modells kann nicht gemessen werden, ohne zu wissen, von welcher Annahme das Ergebnis abhängt.
• Einheitenverwirrung. Monatliche/jährliche und TL/tausend TL-Diskrepanzen führen zu stillen, aber großen Fehlern.

Zusammenfassend

Ein Finanzmodell ist ein Rechnungslegungsrahmen, der die Zukunft anhand von Annahmen simuliert, und seine Stärke beruht auf der Klarheit der Schichten. Das KI-Framework erstellt schnell Szenarien und Stimmungstabellen; Es kann jedoch zu unsichtbaren Fehlern wie eingebetteten Konstanten, Zirkelverweisen und Einheiteninkonsistenzen führen. Trennen Sie die Annahme von der Berechnung, fügen Sie die Triade Optimist/Basis/Pessimist und die Sensibilität für die kritische Annahme zu jedem Modell hinzu und stellen Sie die vier Prüffragen gleichzeitig. Ein einzelnes gutes Szenario kann keine Entscheidung rechtfertigen.

Anwendungsaufgabe

Lassen Sie die KI ein einfaches 3-Jahres-Umsatz-Gewinn-Modell erstellen, das in drei Schichten (Annahme/Treiber/Ausgabe) unterteilt ist, und verlangen Sie, dass in den Formeln keine Konstanten eingebettet sind. Fügen Sie drei optimistische/grundlegende/pessimistische Szenarien hinzu und stellen Sie den aktuellen Betriebsgewinn nebeneinander. Fordern Sie dann eine Sensitivitätstabelle für die kritischste Annahme (z. B. Wachstum) an. Führen Sie abschließend die Eingabeaufforderung zur Modellprüfung aus, prüfen Sie, ob eingebettete Konstanten, zyklische Referenzen und Einheiteninkonsistenzen vorliegen, und notieren Sie sich die Ergebnisse.

Checkliste

• [ ] Ich habe die Annahme-, Treiber- und Ausgabeebene getrennt.
• [ ] Ich habe überprüft, dass in den Formeln keine Konstanten eingebettet sind.
• [ ] Ich habe mindestens drei optimistische/einige/pessimistische Szenarien aufgestellt.
• [ ] Ich habe eine Sensitivitätstabelle für die kritische Annahme hinzugefügt.
• [ ] Ich habe nach Zirkelverweisen gesucht.
• [ ] Ich habe die Einheitenkonsistenz überprüft (monatlich/jährlich, TL/tausend TL).
• [ ] Ich habe eine Annahme geändert und getestet, ob die Ausgabe korrekt reagiert.