Добивки:
- Способност за јасно раздвојување на претпоставките, двигателите и излезните слоеви на финансискиот модел со вештачка интелигенција
- Способност за поставување оптимистички/основни/песимистички сценарија и униваријантни табели за чувствителност со поддршка за вештачка интелигенција
- Способност да се потврди логиката на моделот на вештачката интелигенција во однос на кружното упатување, формулата и конзистентноста на претпоставките
Финансиски модел е структурирана сметководствена рамка која ја симулира иднината на една компанија или проект со бројки. Наједноставно, тоа е поставување „поставете неколку претпоставки, добијте резултати“: како се менуваат профитот, готовината и вредноста кога ја менувате стапката на раст, стапката на трошоци и износот на инвестицијата? Добриот модел се состои од три јасни слоеви: претпоставки (броевите што ги внесувате), двигатели (логиката што ги поврзува тие бројки со излезот) и излези (профит, готовина, стапки). ВИ го забрзува процесот на моделирање на многу начини: го предлага скелетот на моделот, воспоставува логика на формулата, реплицира сценарија и подготвува табели за чувствителност. Но, најопасните грешки на моделот се невидливите: неточна формула, скриена кружна референца или неконзистентна претпоставка тивко го прави моделот погрешен. Суштината на оваа единица е да се провери логиката на моделот што ја гради вештачката интелигенција.
Во оваа единица, ќе научиме да ги раздвојуваме трите слоеви на моделот, да поставуваме оптимистички/основни/песимистички сценарија и табела со чувства и да ја потврдуваме моделската логика на ВИ.
Концепти: Претпоставка: Бројот што рачно го внесувате во моделот (на пр. раст од 10%). Возач: Формула логика која ја поврзува претпоставката со излезот. Сценарио: Целосна промена на збир на претпоставки (оптимистички/основни/песимистички). Анализа на чувствителност: Промена на една претпоставка чекор по чекор и гледање на ефектот врз излезот. Кружна референца: Директно/индиректно поврзување на ќелија со себе.
Три слоја на моделот
Најважното дисциплинско правило на моделот е да се одделат претпоставките од пресметките. Претпоставките се собираат на едно место, сметката е врзана за нив; така што кога менувате претпоставка, целиот модел постојано се ажурира. Спроведете ја оваа разлика кога имате модели на изработка на вештачка интелигенција.
слој
Содржина
Добро правило за дизајн
Претпоставки
Раст, маржа, рочност, попуст, инвестиции
Едно место, отворена етикета
Возачи
Формули како приходи = цена × волумен
Повикувајќи се на претпоставката, не постои фиксен вграден број
Излези
Добивка, готовина, стапки, вредност
Тоа е изведено само од пресметка, не се пишува со рака.
Совет: Никогаш не вметнувајте „фиксен“ број во формулата во моделот (на пр. =Промет*0,55). Наместо тоа, ставете 0,55 во ќелијата за претпоставка и упатете ја. На овој начин, кога се менува претпоставката, моделот се ажурира од една точка и лесно можете да ги доловите скриените константи што ги има вградено вештачката интелигенција.
Сценарио и чувствителност
Сценариото и чувствителноста се различни работи и може да се помешаат. Сценариото менува повеќе претпоставки заедно (во песимистичкиот свет и растот се намалува и трошоците се зголемуваат). Чувствителноста изолира една претпоставка и го мери нејзиното влијание врз аутпутот (како вредноста се менува ако се промени само дисконтната стапка). Тие заедно покажуваат каде моделот е кревок.
Предупредување за моделот скелет: „Поставете едноставен 3-годишен модел приход-профит за SaaS компанија. Одделете ги слоевите: (1) ПРЕТПОСТАВКИ (почетни клиенти 500, месечен раст 4%, месечна претплата 1.200 TL, бруто маржа 78%, месечен фиксен трошок DRL (200 TL) формули), (3) ИЗЛЕЗИ (месечен приход, бруто-добивка, оперативен профит) Не ставајте константни бројки во формулите, само претпоставете се.
Промпт за сценарио: "Додадете три сценарија на овој модел. ОСНОВА: дадени претпоставки. ОПТИМИСТИЧКИ: месечен раст 6%, маржа 80%. ПЕСИМИСТ: месечен раст 2%, маржа 72%, фиксен трошок 10% повеќе. Табелата на 36-тиот месец оперативна добивка од трите сценарија рамо до рамо."
Навестување за табела за чувствителност: „Покажете ја чувствителноста на оперативниот профит од 36-от месец на месечната стапка на раст. Променете го растот од 1% на 7% во чекори од 1 поен, одржувајте ги другите претпоставки константни и запишете го профитот на секој чекор во табелата. Резимирајте колку е чувствителен профитот на растот во една реченица“.
Предупредување за ревизија на моделот: „Во моделот што го изградивте: (1) дали има фиксни бројки вградени во формулите што не се засноваат на претпоставки? (2) дали постои некој кружен референтен ризик? (3) дали единиците се конзистентни (месечни/годишни, TL/илјада TL)? Пријавете го секој ризик што ќе го најдете со тоа што ќе го наведете“.
Слаба навестување / Силен навестување
СЛАБ: „Направи ме 3-годишен финансиски модел“. (Резултат: пресметка со измешани слоеви, вградени константи, тешки за ревизија.) СИЛНО: „Изградете 3-годишен модел со посебни претпоставки/двигатели/излезни слоеви, без фиксни вградени во формулите, претпоставки за раст и маргина што може да се променат на едно место; потоа додадете табела за чувствителност на раст во цикличната ризична единица и проверете ја референтната единица на ризикот на моделот и референтните единечни ризици“.
Мини футроли
Случај 1 - Цена на вградената константа. Аналитичарот ја намалува маржата од 78% на 75% во моделот изграден со вештачка интелигенција, но оперативниот профит се менува помалку од очекуваното. Кога ќе го изврши контролниот промпт, тој гледа дека формулата за трошоци се заснова на вградената константа 0,22, а не на претпоставката. Дури и ако ќелијата за маргина се смени, формулата ја користеше старата вредност. Моделот реагира правилно кога се заснова на фиксна претпоставка.
Случај 2 - Кревка вредност. Во моделот на инвестициска одлука, основното сценарио изгледа привлечно. Кога аналитичарот прави табела за чувствителност, тој гледа дека оперативната добивка е преполовена кога растот се намалува од 5% на 3%. Значи, целата привлечност на моделот почива на една оптимистичка претпоставка за раст. Оваа свест ја менува одлуката од „дефинитивно да“ во „претпазливо пред да се потврди растот“.
Случај 3 — Циклична стапица. Во моделот на задолжување, расходот од камата зависи од салдото на долгот, салдото на долгот зависи од потребата од готовина, а потребата од готовина зависи од каматата. При инсталирање на вештачка интелигенција, се појавува кружна референца и Excel дава предупредување. Наместо да го затвори предупредувањето и да продолжи, аналитичарот ја ревидира логиката и го прекинува синџирот за пресметување на каматата на салдото од претходниот период. Така, резултатот е и точен и може да се следи.
Внимание: моделот никогаш не се оправдува со едно сценарио кое изгледа добро. Реченицата „Многу е профитабилно во основното сценарио“ не може да биде оправдување за одлука без да се знае што се случува во песимистичкото сценарио. Во секој модел, побарајте најмалку оптимистичка/основа/песимистичка тријада и чувствителност на критичката претпоставка.
Четири прашања за проверка на моделот
Прашајте го секој модел што вештачката интелигенција ги создава овие четири прашања:
- Дали има некој вграден фиксен? Дали секој број е заснован на претпоставка или е вграден во формулата?
- Дали единиците се конзистентни? Дали се мешаат месечните и годишните, TL и илјади TL?
- Дали има кружна референца? Дали ќелијата се поврзува со себе?
- Дали излезот реагира правилно на претпоставката? Кога менувате претпоставка, дали излезот се менува во очекуваната насока?
Вообичаени грешки
- Не одвојување на претпоставката од пресметката. Кога константите се вградени во формулата, моделот не може да се контролира и реагира погрешно.
- Одлучување со едно сценарио. Одлуката донесена без да се види песимистичка ситуација е ризична.
- Исклучете го цикличното предупредување. Предупредувањето е знак на грешка, а не навреденост да се замолчи.
- Прескокнување на чувствителност. Робустноста на моделот не може да се измери без да се знае од која претпоставка зависи резултатот.
- Конфузија на единицата. Месечните/годишните и TL/илјада TL несовпаѓањата создаваат тивки, но големи грешки.
Сумирано
Финансискиот модел е сметководствена рамка која ја симулира иднината со претпоставки, а неговата моќ доаѓа од јасноста на слоевите. Рамката за вештачка интелигенција брзо создава табели за сценарија и чувства; но може да воведе невидливи грешки како што се вградена константа, кружна референца и неконзистентност на единицата. Одделете ја претпоставката од пресметката, додајте ја оптимистичката/основата/песимистичката тријада и чувствителноста на критичката претпоставка за секој модел, поставувајте ги четирите ревизорски прашања одеднаш. Едно добро сценарио не може да оправда одлука.
Задача за апликација
Нека вештачката интелигенција изгради едноставен 3-годишен модел за приходи-профит поделен на три слоја (претпоставка/двигател/излез) и побарајте да не се вградени константи во формулите. Додадете три оптимистички/основни/песимистички сценарија и ставете ја најновата оперативна добивка рамо до рамо. Потоа побарајте табела за чувствителност за најкритичната претпоставка (на пр. раст). Конечно, извршете го промптот за проверка на моделот и проверете дали има вградени константи, циклични референци и недоследности на единиците и забележете ги наодите.
листа за проверка
- [ ] Ги издвоив претпоставните, драјверите и излезните слоеви.
- [ ] Потврдив дека нема вградени константи во формулите.
- [ ] Поставив најмалку три оптимистички/некои/песимистички сценарија.
- [ ] Додадов табела за чувствителност за критичната претпоставка.
- [ ] Проверив за кружна референца.
- [ ] Ја потврдив конзистентноста на единицата (месечно/годишно, TL/илјада TL).
- [ ] Сменив претпоставка и тестирав дали излезот реагира правилно.