Keuntungan:
- Memahami bagaimana kecerdasan buatan digunakan sebagai perancangan dan pengendalian penghitungan dalam analisis laporan keuangan, penghitungan rasio, dan interpretasi arus kas.
- Kemampuan menghitung ulang interpretasi keuangan yang dihasilkan oleh kecerdasan buatan dengan sumber data dan mempertanyakan asumsi dan batasan sebagai seorang ahli
- Kemampuan untuk memahami ketidakpastian perkiraan dan analisis skenario dan mempertahankan bahwa keputusan investasi/kredit adalah milik masyarakat.
Tugas seorang analis keuangan adalah membaca cerita di dalam grafik. Neraca, laporan laba rugi, dan arus kas perusahaan; Ini bercerita tentang likuiditas, profitabilitas, utang dan pertumbuhan. Dari angka-angka ini, analis menghitung suku bunga, menafsirkan tren, menyusun skenario, dan memberikan masukan dalam keputusan kredit/investasi. Dalam proses ini, kecerdasan buatan menghemat waktu dalam pembacaan tabel, rancangan penghitungan tarif, dan rancangan interpretasi. Namun inti dari analisis keuangan adalah ketidakpastian: setiap interpretasi didasarkan pada asumsi, setiap perkiraan didasarkan pada skenario. AI dapat mengatakan dengan sangat pasti bahwa “perusahaan ini benar-benar solid”; sedangkan analisis yang sebenarnya adalah mempertanyakan asumsi dan menunjukkan ketidakpastian. Keputusan akhir kredit/investasi, dengan ketidakpastiannya, bersifat manusiawi.
Dalam unit ini, kita akan melihat cara menggunakan AI sebagai rancangan dan kontrol akun dalam analisis laporan keuangan, cara menghitung ulang dan menanyakan keluarannya, dan cara mengelola ketidakpastian perkiraan/skenario.
Analisis keuangan didasarkan pada apa?
Alat dasar:
- Analisis rasio: Likuiditas (rasio lancar, uji asam), profitabilitas (margin laba bersih, laba atas ekuitas), utang (utang/ekuitas), efisiensi (rasio perputaran piutang).
- Analisis tren: Perubahan antar tahun/kuartal; pertumbuhan atau kontraksi?
- Arus kas: Apakah sebuah perusahaan yang tampaknya menguntungkan menghasilkan uang tunai—keuntungan di atas kertas bukanlah uang di mesin kasir.
- Skenario dan sentimen: Proyeksi berbasis asumsi seperti “Apa yang akan terjadi jika penjualan turun 10%?”
Tip: Profitabilitas dan arus kas adalah hal yang berbeda. Meskipun sebuah perusahaan menunjukkan laba akuntansi, perusahaan tersebut mungkin kekurangan uang tunai. Jika AI tergelincir ke dalam jalan pintas seperti “menguntungkan, maka solid”, tugas Anda adalah menangkap jebakan itu.
Memposisikan kecerdasan buatan dengan benar
Pencarian
peran AI
kendali/keputusan
Sketsa perhitungan rasio dari tabel
draf akun
Hitung ulang dari sumber
Ringkasan tren
Draf ringkasan
Ulasan para ahli
Catatan perbandingan industri
draf
Konfirmasi sumber dan mata uang
Pengeditan skenario
Draf asumsi
Asumsi pertanyaan ahli
Saran kredit/investasi
(hanya draf)
manusia memutuskan
AI tidak membuat “keputusan akhir” pada bidang apa pun; Tugas Anda adalah mengungkap asumsi dan ketidakpastian yang mendasari setiap komentar.
Perhitungan ulang dan pertanyaan asumsi
- Verifikasi tarif dari sumber. Hitung sendiri rasio saat ini, margin, rasio utang/ekuitas yang diberikan oleh kecerdasan buatan dengan nilai tabel. Model dapat mencampurkan penyebut/pembilang.
- Akurasi masukan. Apakah nilai tabel yang dibaca model sudah benar? Input yang salah memberikan hasil yang salah meskipun rumusnya benar (sampah masuk, sampah keluar).
- Buatlah asumsi tersebut terlihat. Tanyakan secara eksplisit asumsi yang menjadi dasar setiap perkiraan (“penjualan tetap konstan”, “harga tidak berubah”) dan pertanyakan realismenya.
- Hancurkan presisi yang berlebihan. Gantilah ekspresi seperti “tentu saja”, “pasti”, dengan bahasa yang tidak pasti (“menurut data yang tersedia, dengan asumsi”).
Empat templat yang dapat disalin
1) Sketsa perhitungan rasio (dengan tampilan langkah):
Hitung rasio berikut dengan nilai tabel di bawah dan tunjukkan rumus dan langkah perantara untuk masing-masing rasio: rasio lancar, margin laba bersih, utang/ekuitas. Hitung saja; Membuat penilaian "kuat/lemah".Nilai: [aset lancar, kewajiban jangka pendek, laba bersih, penjualan, total utang, ekuitas]
2) Ringkasan tren dan arus kas:
Peran Anda: asisten ringkasan analis keuangan. Ringkaslah tren secara netral dari data tiga perempat terverifikasi yang saya berikan kepada Anda. Evaluasi profitabilitas dan arus kas SECARA TERPISAH; Jika keduanya saling bertentangan, soroti hal ini. Membuat keputusan investasi yang pasti. Data: [angka]
3) Pengendalian asumsi dan ketidakpastian:
Asumsi apa yang didasarkan pada komentar keuangan berikut? Cantumkan setiap asumsi dengan jelas dan tunjukkan asumsi mana yang akan mengubah hasil jika tidak direalisasikan. Tandai pernyataan yang terlalu tepat (“mutlak”, “terjamin”). Teks: [komentar]
4) Draf skenario (sensitivitas):
Peran Anda: asisten penyusunan skenario. Buatlah dua skenario berdasarkan data dasar: (1) jika penjualan turun 10%, (2) jika beban bunga meningkat 20%, bagaimana pengaruh suku bunga dasar? Tuliskan asumsi setiap skenario dengan jelas. Ini adalah rancangan; Saya akan membuat keputusan akhir mengenai pinjaman/investasi. Data dasar: [angka]
Perintah lemah / Perintah kuat
Perintah yang lemah:
Lihatlah pernyataan perusahaan ini dan putuskan apakah kita harus memberikan pinjaman, saya ingin jawaban yang jelas: ya atau tidak.
Hal ini memindahkan keputusan ke dalam model, menyembunyikan asumsi, mengabaikan ketidakpastian, dan menimbulkan ketelitian yang berlebihan.
Perintah yang kuat:
Peran Anda: asisten pendukung keputusan, bukan pengambil keputusan. Hitung rasio dengan rumus, evaluasi tren dan arus kas secara terpisah. Tulis dengan jelas asumsi yang menjadi dasar setiap komentar dan nyatakan ketidakpastiannya. Jangan gunakan ungkapan seperti "tentu saja". Saya akan membuat keputusan kredit, menyatakan ketidakpastian.
Kemauan yang kuat membuat penghitungan menjadi transparan, membuat asumsi dan ketidakpastian terlihat, serta menyerahkan keputusan kepada manusia.
tiga kasus mini
Kasus 1 — Penghematan waktu. Seorang analis meminta AI menghitung rasio dasar portofolio 15 perusahaan dalam rancangan kasar, lalu memverifikasi semuanya dari sumbernya. Perhitungan manual 4 jam dikurangi menjadi 1 jam; Analis mencurahkan waktunya untuk menafsirkan dan mempertanyakan asumsi.
Kasus 2 — Penghitungan ulang menangkap kesalahan. Kecerdasan buatan memberikan rasio lancar perusahaan sebagai "2,4". Analis menghitung ulang: model tersebut menggunakan total utang, bukan utang jangka pendek; rasio lancar riil adalah 1,1 dan terdapat kekhawatiran likuiditas. Validasi mencegah kesan palsu tentang "solid".
Kasus 3 — Kerusakan presisi yang berlebihan. Kecerdasan buatan mengatakan "perusahaannya sangat solid, pinjaman pasti harus diberikan". Analis melihat arus kas: meskipun perusahaan tampak menguntungkan, dua kuartal terakhir menghasilkan arus kas operasi negatif. Komentar tersebut ditulis ulang dengan menambahkan ketidakpastian sebagai "menguntungkan tetapi perolehan dana lemah, jaminan tambahan dan pemantauan ketat direkomendasikan." Keputusan disampaikan kepada panitia dengan nuansa ini.
Pentingnya konteks: rasio sama, cerita berbeda
Dalam analisis finansial, angka tidak berbicara sendiri; Ini memperoleh makna seiring dengan konteksnya. Meskipun nilai "rasio lancar sebesar 1,2" cukup normal untuk jaringan ritel, hal ini mungkin mengkhawatirkan bagi perusahaan kontraktor dengan periode penagihan yang lama. AI mengetahui pola umum, tetapi seringkali tidak mengetahui konteks spesifik industri Anda, perusahaan ini, dan periode ini; sehingga bisa masuk ke jalan pintas seperti “tarif rendah = buruk.” Andalah yang menambahkan konteks.
Ajukan tiga pertanyaan ketika mempertimbangkan konteks:
- Apa norma industri? Bandingkan rasionya dengan rata-rata industri dan pesaing; Posisi relatif, bukan nilai absolut, yang penting.
- Apa trennya? Tingkat satu periode adalah menyesatkan; Apakah angkanya membaik atau memburuk? Arah seringkali lebih penting daripada level.
- Apakah ada efek satu kali saja? Penjualan aset, penyisihan tuntutan hukum, atau pendapatan yang tidak biasa dapat membuat periode tersebut terlihat baik atau buruk dan menyembunyikan gambaran sebenarnya. Lihat gambar "dibersihkan".
Tip: Saat AI menafsirkan suatu rasio, tanyakan "asumsi industri apa yang Anda bicarakan?" bertanya. Jika model tidak dapat menjelaskan asumsinya, interpretasinya tidak sesuai konteks; tidak dapat diandalkan sampai diuji dengan pengetahuan industri Anda.
Kesalahan umum
- Tidak menghitung ulang tarifnya. Tidak membenarkan rasio yang diberikan model dengan rumus; Di sinilah kebingungan pembilang/penyebut terjadi.
- Membingungkan keuntungan dengan uang tunai. Tertarik pada jalan pintas yang “menguntungkan, karena itu solid”.
- Menyembunyikan asumsi. Bukan menanyakan asumsi apa yang mendasari prediksi tersebut.
- Menerima kepastian yang berlebihan. Ekspresi seperti "benar-benar solid" disertakan dalam laporan sebagaimana adanya.
- Menyerahkan keputusan pada model. Mencoba mendelegasikan tanggung jawab dengan meminta model menyampaikan keputusan akhir pinjaman/investasi.
Perhatian: Hasil yang paling berbahaya dalam analisa keuangan adalah hasil yang penuh percaya diri namun didasarkan pada asumsi yang salah. Mempercayai suatu prediksi tanpa mengetahui “seandainya” apa yang ada di baliknya, ibarat mempercayai sebuah bangunan yang fondasinya tidak terlihat.
Singkatnya
Analisis keuangan membaca cerita di balik angka-angka dengan alat rasio, tren, arus kas, dan skenario. Kecerdasan buatan menghasilkan draf akun dan draf komentar; namun ahlilah yang harus menghitung ulang rasio dari sumbernya, memvalidasi masukan, membuat asumsi terlihat jelas, dan mengganti presisi yang berlebihan dengan bahasa ketidakpastian. Keputusan akhir kredit/investasi, dengan ketidakpastiannya, berada di tangan manusia. Dalam satu kalimat: AI merangkum angka-angkanya; Analis yang kompeten memiliki interpretasi, asumsi dan keputusan.
Tugas aplikasi
Siapkan laporan keuangan kecil (aset lancar, kewajiban lancar, laba bersih, penjualan, total kewajiban, ekuitas). Minta templat pertama menghitung rasio dan bandingkan masing-masing dengan menghitung ulang secara manual. Kemudian evaluasi profitabilitas dan arus kas secara terpisah dengan templat 2. Cetak juga komentar yang sengaja dibuat terlalu tepat dan tunjukkan bagaimana komentar tersebut diperhalus dengan memeriksa asumsi/ketidakpastian menggunakan templat ke-3.
daftar periksa
- [ ] Saya menghitung ulang tarif yang diberikan model dari sumbernya menggunakan rumus.
- [ ] Saya mengonfirmasi bahwa nilai tabel input telah dibaca dengan benar.
- [ ] Saya mengevaluasi profitabilitas dan arus kas secara terpisah.
- [ ] Saya telah memperjelas dan mempertanyakan asumsi yang mendasari setiap penafsiran.
- [ ] Saya mengganti pernyataan yang terlalu tepat dengan bahasa yang tidak pasti.
- [ ] Saya mengambil keputusan dan tanggung jawab pinjaman/investasi akhir.