Κέρδη:
- Κατανοήστε πώς η τεχνητή νοημοσύνη χρησιμοποιείται ως έλεγχος σύνταξης και υπολογισμού στην ανάλυση των οικονομικών καταστάσεων, τον υπολογισμό του δείκτη και την ερμηνεία ταμειακών ροών.
- Δυνατότητα επανυπολογισμού της οικονομικής ερμηνείας που παράγεται από την τεχνητή νοημοσύνη με δεδομένα πηγής και υποθέσεις και όρια ερωτήσεων ως ειδικός
- Ικανότητα κατανόησης της αβεβαιότητας των προβλέψεων και της ανάλυσης σεναρίων και να υποστηρίζει ότι οι επενδυτικές/πιστωτικές αποφάσεις ανήκουν στους ανθρώπους.
Η δουλειά ενός οικονομικού αναλυτή είναι να διαβάζει την ιστορία μέσα στα διαγράμματα. Ισολογισμός, κατάσταση λογαριασμού αποτελεσμάτων και ταμειακές ροές μιας εταιρείας. Αφηγείται μια ιστορία για τη ρευστότητα, την κερδοφορία, το χρέος και την ανάπτυξη. Από αυτούς τους αριθμούς, ο αναλυτής υπολογίζει τα επιτόκια, ερμηνεύει τις τάσεις, κατασκευάζει σενάρια και παρέχει στοιχεία σε μια απόφαση πίστωσης/επένδυσης. Σε αυτή τη διαδικασία, η τεχνητή νοημοσύνη εξοικονομεί χρόνο για ανάγνωση πίνακα, προσχέδιο υπολογισμού ποσοστού και προσχέδιο ερμηνείας. Αλλά η καρδιά της χρηματοοικονομικής ανάλυσης είναι η αβεβαιότητα: κάθε ερμηνεία βασίζεται σε μια υπόθεση, κάθε πρόβλεψη βασίζεται σε ένα σενάριο. Η τεχνητή νοημοσύνη μπορεί να πει με υπερβολική βεβαιότητα ότι «αυτή η εταιρεία είναι απολύτως σταθερή». ενώ η αληθινή ανάλυση αφορά την αμφισβήτηση των υποθέσεων και την επισήμανση της αβεβαιότητας. Η τελική πιστωτική/επενδυτική απόφαση, με την αβεβαιότητά της, είναι ανθρώπινη.
Σε αυτήν την ενότητα, θα δούμε πώς να χρησιμοποιήσουμε την τεχνητή νοημοσύνη ως προσχέδιο και έλεγχο λογαριασμού στην ανάλυση οικονομικών καταστάσεων, πώς να υπολογίσουμε εκ νέου και να ρωτήσουμε τα αποτελέσματά της και πώς να διαχειριστούμε την αβεβαιότητα πρόβλεψης/σεναρίου.
Σε τι βασίζεται η οικονομική ανάλυση;
Βασικά εργαλεία:
- Ανάλυση δείκτη: Ρευστότητα (δείκτης τρέχουσας κατάστασης, οξέος έλεγχος), κερδοφορία (καθαρό περιθώριο κέρδους, απόδοση ιδίων κεφαλαίων), χρέος (χρέος/ίδια κεφάλαια), αποτελεσματικότητα (λόγος κύκλου εργασιών εισπρακτέων).
- Ανάλυση τάσεων: Αλλαγή μεταξύ ετών/τριμήνων. ανάπτυξη ή συστολή;
- Ταμειακές ροές: Είτε μια φαινομενικά κερδοφόρα εταιρεία παράγει μετρητά, το κέρδος στα χαρτιά δεν είναι χρήματα στο ταμείο.
- Σενάριο και συναίσθημα: Προβολές που βασίζονται σε υποθέσεις όπως "Τι θα συμβεί εάν οι πωλήσεις μειωθούν κατά 10%;"
Συμβουλή: Η κερδοφορία και η ταμειακή ροή είναι διαφορετικά πράγματα. Ενώ μια εταιρεία εμφανίζει λογιστικό κέρδος, μπορεί να έχει έλλειψη μετρητών. Εάν η τεχνητή νοημοσύνη γλιστρήσει σε μια συντόμευση όπως "κερδοφόρα, επομένως σταθερή", είναι δουλειά σας να πιάσετε αυτήν την παγίδα.
Σωστή τοποθέτηση της τεχνητής νοημοσύνης
Αναζήτηση
ρόλος AI
έλεγχος/απόφαση
Σκίτσο υπολογισμού αναλογίας από τον πίνακα
προσχέδιο λογαριασμού
Υπολογισμός εκ νέου από την πηγή
Σύνοψη τάσης
Περίληψη προσχέδιο
Κριτικές ειδικών
Σημείωση σύγκρισης κλάδου
προσχέδιο
Επιβεβαίωση πηγής και νομίσματος
Επιμέλεια σεναρίου
Προσχέδιο υπόθεσης
Ερωτήσεις εμπειρογνωμόνων παραδοχή
Πιστωτικές/επενδυτικές συμβουλές
(μόνο πρόχειρο)
αποφασίζει ο άνθρωπος
Το AI δεν λαμβάνει μια «τελική απόφαση» σε καμία γραμμή. Είναι δουλειά σας να αποκαλύψετε την υπόθεση και την αβεβαιότητα που κρύβεται πίσω από κάθε σχόλιο.
Επανυπολογισμός και αμφισβήτηση υποθέσεων
- Επαληθεύστε τις τιμές από την πηγή. Υπολογίστε μόνοι σας την τρέχουσα αναλογία, περιθώριο, αναλογία χρέους/μετοχικό κεφάλαιο που δίνεται από την τεχνητή νοημοσύνη με τιμές πίνακα. Το μοντέλο μπορεί να συνδυάζει παρονομαστή/αριθμητή.
- Ακρίβεια εισαγωγής. Είναι σωστές οι τιμές του πίνακα που διαβάζονται από το μοντέλο; Η λανθασμένη εισαγωγή δίνει λάθος αποτελέσματα ακόμα και με τη σωστή φόρμουλα (σκουπίδια μέσα, σκουπίδια έξω).
- Κάντε την υπόθεση ορατή. Ρωτήστε ρητά την υπόθεση στην οποία βασίζεται κάθε πρόβλεψη ("οι πωλήσεις παραμένουν σταθερές", "το ποσοστό δεν αλλάζει") και αμφισβητήστε τον ρεαλισμό της.
- Σπάστε την υπερβολική ακρίβεια. Αντικαταστήστε εκφράσεις όπως «απόλυτα», «σίγουρα» με γλώσσα αβεβαιότητας («σύμφωνα με τα διαθέσιμα δεδομένα, υποθέτοντας»).
Τέσσερα πρότυπα με δυνατότητα αντιγραφής
1) Σκίτσο υπολογισμού αναλογίας (με οθόνη βημάτων):
Υπολογίστε τους ακόλουθους δείκτες με τις τιμές του πίνακα παρακάτω και δείξτε τον τύπο και τα ενδιάμεσα βήματα για καθεμία: τρέχουσα αναλογία, καθαρό περιθώριο κέρδους, χρέος/ίδια κεφάλαια. Απλά κάντε τα μαθηματικά. Κάνοντας μια "ισχυρή/αδύναμη" κρίση. Αξίες: [κυκλοφορούν ενεργητικό, βραχυπρόθεσμη υποχρέωση, καθαρό κέρδος, πωλήσεις, συνολικό χρέος, ίδια κεφάλαια]
2) Σύνοψη τάσεων και ταμειακών ροών:
Ο ρόλος σας: συνοπτικός βοηθός του οικονομικού αναλυτή. Συνοψίστε ουδέτερα τις τάσεις από τα επαληθευμένα δεδομένα τριών τετάρτων που σας δίνω. Αξιολογήστε την κερδοφορία και τις ταμειακές ροές ΞΕΧΩΡΙΣΤΑ. Εάν τα δύο έρχονται σε αντίθεση μεταξύ τους, επισημάνετε αυτό. Λήψη οριστικών επενδυτικών αποφάσεων. Δεδομένα: [φιγούρες]
3) Παραδοχή και έλεγχος αβεβαιότητας:
Ποιες παραδοχές βασίζονται στο ακόλουθο οικονομικό σχόλιο; Καταγράψτε κάθε υπόθεση με σαφήνεια και υποδείξτε ποιες θα άλλαζαν το αποτέλεσμα εάν δεν πραγματοποιούνταν. Επισήμανση δηλώσεων που είναι υπερβολικά ακριβείς ("απόλυτα", "εγγυημένη"). Κείμενο: [σχόλιο]
4) Προσχέδιο σεναρίου (ευαισθησίας):
Ο ρόλος σας: βοηθός σύνταξης σεναρίου. Ορίστε δύο σενάρια με βάση τα βασικά δεδομένα: (1) εάν οι πωλήσεις μειωθούν κατά 10%, (2) εάν το κόστος των τόκων αυξηθεί κατά 20%, πώς θα επηρεαστούν τα βασικά επιτόκια; Καταγράψτε με σαφήνεια την υπόθεση κάθε σεναρίου. Αυτό είναι ένα προσχέδιο. Θα πάρω την τελική απόφαση δανείου/επένδυσης. Βασικά δεδομένα: [στοιχεία]
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Δείτε τις δηλώσεις αυτής της εταιρείας και αποφασίστε αν πρέπει να δώσουμε δάνειο, θέλω μια ξεκάθαρη απάντηση: ναι ή όχι.
Μεταφορτώνει την απόφαση στο μοντέλο, κρύβει υποθέσεις, αγνοεί την αβεβαιότητα και προκαλεί υπερβολική ακρίβεια.
Ισχυρή προτροπή:
Ο ρόλος σας: βοηθός υποστήριξης αποφάσεων, όχι υπεύθυνος λήψης αποφάσεων. Υπολογίστε τους δείκτες με τύπο, αξιολογήστε την τάση και τις ταμειακές ροές ξεχωριστά. Γράψτε ξεκάθαρα την υπόθεση στην οποία βασίζεται κάθε σχόλιο και αναφέρετε τυχόν αβεβαιότητες. Μην χρησιμοποιείτε εκφράσεις όπως «απολύτως». Θα πάρω την απόφαση πίστωσης, δηλώνοντας την αβεβαιότητα.
Η ισχυρή θέληση κάνει τον υπολογισμό διαφανή, κάνει ορατές την υπόθεση και την αβεβαιότητα και αφήνει την απόφαση στον άνθρωπο.
τρεις μίνι θήκες
Περίπτωση 1 — Εξοικονόμηση χρόνου. Ένας αναλυτής βάζει την τεχνητή νοημοσύνη να υπολογίσει τις υποκείμενες αναλογίες ενός χαρτοφυλακίου 15 εταιρειών σε ένα πρόχειρο σχέδιο και στη συνέχεια να τις επαληθεύσει όλες από την πηγή. Ο χειροκίνητος υπολογισμός 4 ωρών μειώνεται σε 1 ώρα. Ο αναλυτής αφιερώνει το χρόνο του στην ερμηνεία και την αμφισβήτηση των υποθέσεων.
Περίπτωση 2 — Ο επανυπολογισμός εντοπίζει το σφάλμα. Η τεχνητή νοημοσύνη δίνει την τρέχουσα αναλογία μιας εταιρείας ως "2,4". Ο αναλυτής υπολογίζει εκ νέου: το μοντέλο χρησιμοποιούσε το συνολικό χρέος αντί για το βραχυπρόθεσμο χρέος. Ο πραγματικός δείκτης τρέχοντος ρεύματος είναι 1,1 και υπάρχει ανησυχία για ρευστότητα. Η επικύρωση αποτρέπει την εσφαλμένη εντύπωση του "στερεού".
Περίπτωση 3 — Υπερβολικά σπασίματα ακριβείας. Η τεχνητή νοημοσύνη λέει «η εταιρεία είναι πολύ στιβαρή, το δάνειο πρέπει οπωσδήποτε να δοθεί». Ο αναλυτής εξετάζει τις ταμειακές ροές: αν και η εταιρεία φαίνεται κερδοφόρα, τα δύο τελευταία τρίμηνα έχουν δημιουργήσει αρνητικές λειτουργικές ταμειακές ροές. Το σχόλιο ξαναγράφεται προσθέτοντας αβεβαιότητα καθώς «η κερδοφόρα αλλά η δημιουργία μετρητών είναι αδύναμη, οι πρόσθετες εξασφαλίσεις και η στενή παρακολούθηση συνιστάται». Η απόφαση παρουσιάζεται στην επιτροπή με αυτή την απόχρωση.
Η σημασία του πλαισίου: ίδια αναλογία, διαφορετική ιστορία
Στη χρηματοοικονομική ανάλυση, οι αριθμοί δεν μιλούν μόνοι τους. Αποκτά νόημα με το πλαίσιο. Ενώ η ίδια τιμή "τρέχουσα αναλογία 1,2" είναι απολύτως φυσιολογική για μια αλυσίδα λιανικής, μπορεί να είναι ανησυχητική για μια συμβαλλόμενη εταιρεία με μακρά περίοδο είσπραξης. Η τεχνητή νοημοσύνη γνωρίζει γενικά πρότυπα, αλλά συχνά όχι το συγκεκριμένο πλαίσιο του κλάδου σας, αυτής της εταιρείας και αυτής της περιόδου. ώστε να μπορεί να γλιστρήσει σε συντομεύσεις όπως "χαμηλό ποσοστό = κακό". Είστε αυτός που προσθέτει το πλαίσιο.
Κάντε τρεις ερωτήσεις όταν εξετάζετε το πλαίσιο:
- Ποιος είναι ο κανόνας του κλάδου; Συγκρίνετε την αναλογία με τον μέσο όρο του κλάδου και τους ανταγωνιστές. Η σχετική θέση, όχι η απόλυτη τιμή, είναι σημαντική.
- Ποια είναι η τάση; Το ποσοστό μιας μεμονωμένης περιόδου είναι παραπλανητικό. Το ποσοστό βελτιώνεται ή επιδεινώνεται; Η κατεύθυνση είναι συχνά πιο σημαντική από το επίπεδο.
- Υπάρχουν εφάπαξ εφέ; Μια πώληση περιουσιακών στοιχείων, μια πρόβλεψη για μια αγωγή ή ένα ασυνήθιστο εισόδημα μπορεί να κάνει την περίοδο να φαίνεται καλή ή κακή και να κρύψει την πραγματική εικόνα. Δείτε την «καθαρισμένη» εικόνα.
Συμβουλή: Όταν η τεχνητή νοημοσύνη ερμηνεύει μια αναλογία, ρωτήστε "για ποια υπόθεση του κλάδου μιλάτε;" παρακαλώ. Εάν το μοντέλο δεν μπορεί να εξηγήσει την υπόθεσή του, η ερμηνεία του είναι χωρίς πλαίσιο. αναξιόπιστο μέχρι να δοκιμαστεί με τις γνώσεις του κλάδου σας.
Συνήθη λάθη
- Μη επανυπολογισμός του ποσοστού. Μη επιβεβαίωση της αναλογίας που δίνεται από το μοντέλο με τον τύπο. Εδώ μπαίνει η σύγχυση αριθμητή/παρονομαστή.
- Μπερδεύοντας το κέρδος με τα μετρητά. Πέφτουμε στην «κερδοφόρα, επομένως σταθερή» συντόμευση.
- Απόκρυψη της υπόθεσης. Μη ρωτώντας σε ποια υπόθεση βασίζεται η πρόβλεψη.
- Αποδοχή υπερβολικής βεβαιότητας. Εκφράσεις όπως "απολύτως συμπαγείς" περιλαμβάνονται στην έκθεση ως έχουν.
- Αφήνοντας την απόφαση στο μοντέλο. Προσπαθώντας να μεταβιβάσετε την ευθύνη βάζοντας το μοντέλο να πει την τελική κρίση δανείου/επένδυσης.
Προσοχή: Το πιο επικίνδυνο αποτέλεσμα στη χρηματοοικονομική ανάλυση είναι μια σίγουρη αλλά βασισμένη σε λανθασμένη υπόθεση. Το να εμπιστεύεσαι μια πρόβλεψη χωρίς να ξέρεις τι κρύβεται πίσω από αυτό είναι σαν να εμπιστεύεσαι ένα κτίριο του οποίου τα θεμέλια δεν φαίνονται.
Συνοπτικά
Η χρηματοοικονομική ανάλυση διαβάζει την ιστορία πίσω από τους αριθμούς με εργαλεία αναλογίας, τάσης, ταμειακών ροών και σεναρίων. Η τεχνητή νοημοσύνη παράγει προσχέδια λογαριασμών και προσχέδια σχολίων. αλλά εναπόκειται στον ειδικό να υπολογίσει εκ νέου τους λόγους από την πηγή, να επικυρώσει τα δεδομένα εισόδου, να κάνει ορατές τις υποθέσεις και να αντικαταστήσει την υπερβολική ακρίβεια με τη γλώσσα της αβεβαιότητας. Η τελική πιστωτική/επενδυτική απόφαση, με την αβεβαιότητά της, ανήκει στον άνθρωπο. Σε μια πρόταση: Η τεχνητή νοημοσύνη συνοψίζει τους αριθμούς. Ο αρμόδιος αναλυτής κατέχει την ερμηνεία, την υπόθεση και την απόφαση.
Εργασία εφαρμογής
Ετοιμάστε μια μικρή οικονομική κατάσταση (κυκλοφορούν στοιχεία ενεργητικού, βραχυπρόθεσμες υποχρεώσεις, καθαρά κέρδη, πωλήσεις, συνολικές υποχρεώσεις, ίδια κεφάλαια). Ζητήστε από το 1ο πρότυπο να υπολογίσει τις αναλογίες και να τις συγκρίνετε υπολογίζοντάς τις ξανά με μη αυτόματο τρόπο. Στη συνέχεια, αξιολογήστε ξεχωριστά την κερδοφορία και τις ταμειακές ροές με το πρότυπο 2. Εκτυπώστε επίσης ένα σκόπιμα υπερβολικά ακριβές σχόλιο και δείξτε πώς γίνεται πιο ήπιο ελέγχοντας για υπόθεση/αβεβαιότητα με το 3ο πρότυπο.
λίστα ελέγχου
- [ ] Υπολόγισα ξανά τους ρυθμούς που δίνει το μοντέλο από την πηγή χρησιμοποιώντας τον τύπο.
- [ ] Επιβεβαίωσα ότι οι τιμές του πίνακα εισαγωγής διαβάστηκαν σωστά.
- [ ] Αξιολόγησα ξεχωριστά την κερδοφορία και τις ταμειακές ροές.
- [ ] Έχω κάνει ορατή και αμφισβήτησα την υπόθεση στην οποία βασίζεται κάθε ερμηνεία.
- [ ] Αντικατέστησα τις υπερβολικά ακριβείς δηλώσεις με γλώσσα αβεβαιότητας.
- [ ] Πήρα την τελική απόφαση δανείου/επένδυσης και την ευθύνη.