Innehållsförteckning:
Finansiell prognos utförs av en mängd olika orsaker, till exempel att förutse förväntad försäljning för att anpassa kapacitetsräntorna eller som en del av budgethanteringen. Kreditgivare kräver ofta både historiska och prognostiserade finansiella rapporter när de utför sin första och pågående kreditanalys. Projicerade finansiella rapporter används också för att förbereda företagsvärderingar, vilket kan behövas för finansiell rapportering, fastighetsplanering, sammanslagningar och förvärv eller till och med företagstvister. Att förbereda ekonomiska prognoser kräver komplexa analyser, som är föremål för ett antal begränsningar och utmaningar.
Noggrannhet för historiska data
Finansiell prognos utförs ofta med historiska resultat som en proxy för framtiden. Du kan göra detta genom att analysera historisk resultaträkning och balansräkningsposter för trender, såsom tillväxttrender, och tillämpa dessa siffror framåt. Till exempel, om ett företag uppnådde en stabil tillväxt med i genomsnitt 5 procent per år de senaste fem åren, kan du förutse nästa års försäljning med en tillväxt på 5 procent. Medan den används i stor utsträckning kan detta tillvägagångssätt vara problematiskt. Om företagets resultat är ojämn från år till år kan historiska medelvärden inte ge goda indikationer för framtiden. Om företaget är igång, kan historiska resultat inte vara tillgängliga alls. Dessutom kan externa marknadsförhållanden påverka det finansiella resultatet på ett sätt som inte skulle fångas genom att analysera historiska resultat.
Tidsram
Ju längre tidsramen desto svårare blir det att exakt prognosera finansiella resultat. Det är mindre svårt att förutse nästa års finansiella resultat än förväntat antal för det kommande årtiondet. Om du till exempel extrapolerar trender med fem års historiska data när du förbereder 10-åriga finansiella prognoser, är tillämpligheten av en femårsutveckling sannolikt lägre till en 10-årig period. När mer tid löper, ökar sannolikheten för händelser som kan påverka bolagets finansiella resultat. Marknadsandelen kan öka eller minska, eller ekonomiska förhållanden kan förändras väsentligt. Som regel är kortare prognosperioder mer exakta.
Problem med Input Data
Förutom att använda historiska data utförs prognoser ofta med linjär analys, vilket pekar framtida finansiella resultat på olika beroende variabler som är korrelerade med de underliggande finansiella siffrorna. Detta kan vara mycket problematiskt - bäst fångad av uttrycket skräp i, skräp ut. Din prognoss pålitlighet är bara lika bra som de inmatningar som används för att beräkna den. Detta ger utrymme för fel som orsakats av misstag som gjorts vid insamling eller tolkning av data eller mänskligt fel vid inmatning av data i prognosmodellen. Människor är också föremål för olika förspänningar, såsom bekräftelseskänsla, som inträffar när prospekterens bedömning är skevad av predisponerade begrepp om de projicerade resultaten. Detta kan leda till att prognosmakaren lägger för mycket tonvikt på mindre relevanta dataobjekt eller vice versa.
Oförutsägbara händelser
Även om du utför de kvantitativa och kvalitativa prognosmetoderna perfekt, är det omöjligt att förutse det oförutsägbara. Dessa element kan variera i naturen men kan vara risker baserade på konkurrens, ekonomi och externa chocker på marknaden. Till exempel, efter många år av tillväxt, var Blockbuster blindsided av Netflix, vilket mycket snabbt eroderade Blockbusters marknadsandel och försäljning. Ett detaljhandelsföretag kan öppna en ny plats och utveckla stark finansiell tillväxt, bara för att en direkt konkurrent ska kunna öppnas över gatan, vilket påverkar försäljningen och resultatet.
Dessutom kan en Black Swan-händelse enkelt göra väl förberedda finansiella prognoser föråldrade. En svarta svanhändelse är en mycket osannolik händelse som uppstår, uppvisar tre faktorer - det är omöjligt att förutsäga, det har en enorm inverkan, och dess chockvärde är fantastisk, eftersom människor aldrig kunde tänka sig att en sådan händelse inträffade.