Guadagni:
- Capacità di separare chiaramente i livelli di presupposto, driver e output di un modello finanziario con l'intelligenza artificiale
- Capacità di impostare scenari ottimistici/base/pessimistici e tabelle di sensibilità univariate con supporto AI
- Capacità di verificare la logica del modello di intelligenza artificiale in termini di riferimento circolare, formula e coerenza dei presupposti
Un modello finanziario è un quadro contabile strutturato che simula il futuro di un’azienda o di un progetto con i numeri. Nella sua forma più semplice, si tratta di una configurazione "inserisci alcune ipotesi e ottieni risultati": come cambiano i profitti, la liquidità e il valore quando si modifica il tasso di crescita, il tasso di costo e l'importo dell'investimento? Un buon modello è costituito da tre livelli chiari: ipotesi (i numeri immessi), driver (la logica che collega tali numeri all’output) e output (profitto, liquidità, tassi). L’intelligenza artificiale accelera il processo di modellazione in molti modi: propone lo scheletro del modello, stabilisce la logica della formula, replica gli scenari e prepara tabelle di sensibilità. Ma gli errori più pericolosi del modello sono quelli invisibili: una formula errata, un riferimento circolare nascosto o un’ipotesi incoerente rendono silenziosamente il modello sbagliato. L'essenza di questa unità è verificare la logica del modello costruito dall'IA.
In questa unità impareremo a separare i tre livelli del modello, a impostare scenari ottimistici/di base/pessimistici e la tabella dei sentiment e a convalidare la logica del modello dell'intelligenza artificiale.
Concetti: Presupposto: il numero inserito manualmente nel modello (ad esempio crescita 10%). Driver: logica della formula che collega il presupposto all'output. Scenario: cambiamento completo di una serie di ipotesi (ottimista/base/pessimistica). Analisi di sensibilità: modificare passo dopo passo una singola ipotesi e vedere l'effetto sull'output. Riferimento circolare: Collegamento diretto/indiretto di una cella a se stessa.
Tre strati del modello
La regola disciplinare più importante di un modello è separare le ipotesi dal calcolo. Le ipotesi sono raccolte in un unico posto, il conto è legato ad esse; in modo che quando si modifica un'ipotesi, l'intero modello viene aggiornato in modo coerente. Applicare questa distinzione quando si utilizzano modelli di creazione dell'intelligenza artificiale.
strato
Contenuto
Buona regola di progettazione
Ipotesi
Crescita, margine, scadenza, sconto, investimento
Un posto, etichetta aperta
Driver
Formule come entrate = prezzo × volume
Facendo riferimento al presupposto, non esiste un numero incorporato fisso
Uscite
Profitto, contanti, tassi, valore
Deriva solo dal calcolo, non è scritto a mano.
Suggerimento: non incorporare mai un numero "fisso" nella formula del modello (ad esempio = Fatturato*0,55). Inserisci invece 0,55 nella cella delle ipotesi e fai riferimento ad esso. In questo modo, quando il presupposto cambia, il modello viene aggiornato da un unico punto e puoi facilmente catturare le costanti nascoste che l'IA ha incorporato.
Sceneggiatura e sensibilità
Scenario e sensibilità sono cose diverse e possono essere confuse. Lo scenario modifica insieme più ipotesi (nel mondo pessimistico, sia la crescita diminuisce sia i costi aumentano). La sensibilità isola una singola ipotesi e misura il suo impatto sulla produzione (come cambia il valore se cambia solo il tasso di sconto). Insieme mostrano dove il modello è fragile.
Prompt dello scheletro del modello: "Impostare un semplice modello ricavi-profitti triennali per un'azienda SaaS. Separare i livelli: (1) IPOTESI (clienti iniziali 500, crescita mensile 4%, abbonamento mensile 1.200 TL, margine lordo 78%, spese fisse mensili 900 mila TL), (2) DRIVER (numero di clienti, entrate, formule di spesa), (3) OUTPUT (entrate mensili, profitto lordo, profitto operativo) Non fare metti numeri costanti nelle formule, supponi tutto."
Scenario suggerito: "Aggiungi tre scenari a questo modello. BASE: dati presupposti. OTTIMISTA: crescita mensile 6%, margine 80%. PESIMISTA: crescita mensile 2%, margine 72%, spese fisse 10% in più. Tabella l'utile operativo del 36° mese dei tre scenari fianco a fianco."
Suggerimento per la tabella di sensibilità: "Mostra la sensibilità dell'utile operativo del 36° mese al tasso di crescita mensile. Modifica la crescita dall'1% al 7% in incrementi di 1 punto, mantieni costanti le altre ipotesi e registra il profitto in ogni passaggio nella tabella. Riassumi quanto è sensibile il profitto alla crescita in una frase."
Richiesta di audit del modello: "Nel modello che hai costruito: (1) ci sono numeri fissi incorporati nelle formule che non sono basati su ipotesi? (2) esiste qualche rischio di riferimento circolare? (3) le unità sono coerenti (mensile/annuale, TL/migliaia di TL)? Segnala ogni rischio che trovi dettagliandolo."
Prompt debole / Prompt forte
DEBOLE: "Fammi un modello finanziario a 3 anni." (Risultato: un calcolo con livelli misti, costanti incorporate, difficile da verificare.) FORTE: "Costruisci un modello a 3 anni con livelli separati di ipotesi/fattori trainanti/output, senza elementi fissi incorporati nelle formule, ipotesi di crescita e margine che possono essere modificate in un unico posto; quindi aggiungi una tabella di sensibilità alla crescita e controlla i rischi di riferimento ciclico e incoerenza unitaria nel modello."
Mini custodie
Caso 1: costo della costante incorporata. Un analista riduce il margine dal 78% al 75% nel modello basato sull’intelligenza artificiale, ma l’utile operativo cambia meno del previsto. Quando esegue il prompt di controllo, vede che la formula del costo è basata sulla costante incorporata 0,22, non sul presupposto. Anche se la cella del margine cambiava, la formula utilizzava il vecchio valore. Il modello risponde correttamente se basato su un presupposto fisso.
Caso 2 — Valore fragile. In un modello decisionale di investimento, lo scenario di base sembra attraente. Quando l'analista costruisce una tabella di sensibilità, vede che l'utile operativo si dimezza quando la crescita diminuisce dal 5% al 3%. Quindi l’intero fascino del modello si basa su un’unica ipotesi ottimistica di crescita. Questa consapevolezza trasforma la decisione da “sì definitivo” a “cauta prima che la crescita sia confermata”.
Caso 3 – Trappola ciclica. In un modello di prestito, la spesa per interessi dipende dal saldo del debito, il saldo del debito dipende dal fabbisogno di liquidità e il fabbisogno di liquidità dipende dagli interessi. Durante l'installazione di AI, si verifica un riferimento circolare ed Excel fornisce un avviso. Invece di chiudere l'avviso e proseguire, l'analista rivede la logica e interrompe la catena per calcolare gli interessi sul saldo del periodo precedente. Pertanto, il risultato è accurato e tracciabile.
Attenzione: un modello non è mai giustificato da un unico scenario che sembra buono. La frase "È molto redditizio nello scenario di base" non può essere una giustificazione per una decisione senza sapere cosa succede nello scenario pessimistico. In ciascun modello, chiedere la triade meno ottimista/base/pessimista e la sensibilità all'ipotesi critica.
Quattro domande sul controllo del modello
Chiedi a ciascun modello costruito dall'IA queste quattro domande:
- C'è qualche correzione incorporata? Ogni numero è basato su un presupposto o incorporato nella formula?
- Le unità sono coerenti? Mensile e annuale, TL e migliaia di TL sono misti?
- Esiste un riferimento circolare? Una cellula si connette a se stessa?
- L'output reagisce correttamente al presupposto? Quando si modifica un'ipotesi, l'output cambia nella direzione prevista?
Errori comuni
- Non separare l'ipotesi dal calcolo. Quando nella formula sono incorporate costanti, il modello non può essere controllato e reagisce in modo errato.
- Decidere con un unico scenario. Una decisione presa senza vedere una situazione pessimistica è rischiosa.
- Disattiva l'avviso ciclico. Un avvertimento è il segnale di un errore, non un fastidio da mettere a tacere.
- Saltare la sensibilità. La robustezza del modello non può essere misurata senza sapere da quale ipotesi dipende il risultato.
- Confusione delle unità. Le discrepanze mensili/annuali e TL/migliaia di TL creano errori silenziosi ma di grandi dimensioni.
In sintesi
Un modello finanziario è una struttura contabile che simula il futuro con ipotesi e il suo potere deriva dalla chiarezza dei livelli. Il framework AI costruisce rapidamente scenari e tabelle di sentiment; ma può introdurre errori invisibili come la costante incorporata, il riferimento circolare e l'incoerenza delle unità. Separare l'ipotesi dal calcolo, aggiungere la triade ottimista/base/pessimista e la sensibilità all'ipotesi critica per ciascun modello, porre le quattro domande di audit alla volta. Un singolo scenario positivo non può giustificare una decisione.
Compito dell'applicazione
Chiedi all'intelligenza artificiale di costruire un semplice modello ricavi-profitti triennale diviso in tre livelli (presupposto/fattore determinante/output) e non richiedere costanti incorporate nelle formule. Aggiungi tre scenari ottimistici/di base/pessimistici e affianca gli ultimi profitti operativi. Quindi chiedi una tabella di sensibilità per l'ipotesi più critica (ad esempio crescita). Infine, esegui il prompt di controllo del modello e verifica la presenza di costanti incorporate, riferimenti ciclici e incoerenze di unità e annota i risultati.
lista di controllo
- [ ] Ho separato i livelli di presupposto, driver e output.
- [ ] Ho verificato che non ci sono costanti incorporate nelle formule.
- [ ] Ho impostato almeno tre scenari ottimistici/alcuni/pessimistici.
- [ ] Ho aggiunto una tabella di sensibilità per l'ipotesi critica.
- [ ] Ho controllato il riferimento circolare.
- [ ] Ho verificato la coerenza delle unità (mensile/annuale, TL/migliaia di TL).
- [ ] Ho modificato un'ipotesi e ho testato che l'output rispondesse correttamente.