|
经常听到公司的管理层谈论预测：“我们的销售未达到预测的数字”，“我们对预测的经济增长充满信心，并有望超过目标。” 最后，所有财务预测都是有根据的猜测，无论它们是否反映了业务的详细信息（例如销售增长）或整个经济形势的预测。我们研究了财务预测背后的一些方法和过程，以及尝试预测未来的风险。 公司使用预测来帮助他们制定业务策略。尽管不确定，但财务和运营决策是根据经济状况以及未来的前景而做出的，收集并分析过去的数据，以便可以找到规律。如今，大数据和人工智能已经改变了业务预测方法。 有几种不同的方法来进行业务预测，所有方法都属于两种总体方法之一：定性和定量。 01 定 性 定性模型通常可以在短期预测中获得成功，而预测范围有限。定性预测可以被认为是专家驱动，因为它们依赖市场专家或整个市场来获得情报信息。定性模型可用于预测公司，产品和服务的短期成功，但由于依赖于对可测量数据的意见而有局限性。例如： 市场研究对特定产品或服务的大量人员进行调查，以预测一旦推出，就会有多少人购买或使用它。 德尔菲法：向现场专家征询一般意见，然后将其汇总成预测。 02 定 量 定量模型不考虑专家因素，并尝试从分析中删除人为因素，这些方法仅与数据有关，避免了数字背后的人浮躁。这些方法还试图预测变量（例如销售，国内生产总值，住房价格等）从长远来看将在哪里，以月或年为单位。例如： 该指标的方法取决于某些指标之间的关系，例如，GDP和失业率保持相对不变，随着时间的推移。通过遵循关系然后遵循领先指标，您可以使用领先指标数据来估算滞后指标的性能。 计量经济学建模：计量经济学建模不是假设关系保持不变，而是随着时间的推移测试数据集的内部一致性以及数据集合之间关系的重要性或强度，应用计量经济学建模来创建针对性更强的自定义指标。计量经济学模型在学术领域更常用于评估经济政策。 时间序列方法：时间序列使用过去的数据来预测未来的事件。时间序列方法之间的区别在于细节，例如，为新近数据提供更多权重或打折某些离群值。通过跟踪过去发生的事情，预报员希望至少能获得比平均水平更好的未来展望。这是最常见的业务预测类型，因为它便宜且不会比其他方法好或坏。 03 预测要素 在业务预测方面，实际水平上存在很大差异。所有预测都遵循相同的过程，选择问题或数据点。这可能类似于“人们会购买高端咖啡机吗？” 或“明年三月我们的销售额将是多少？” 选择理论变量和理想数据集，预测员在此处确定需要考虑的相关变量，并决定如何收集数据。 假设时间：为了减少预测所需的时间和数据，预测员会做出一些明确的假设以简化流程。 选择一个模型：预测员选择适合数据集，所选变量和假设的模型。 分析：使用该模型，可以对数据进行分析，并根据分析结果做出预测。 验证：将预测与识别问题，调整某些变量的实际情况进行比较。 04 预测问题 业务预测对企业至关重要，因为它使他们能够计划生产，融资和其他策略。但是，依赖预测存在3个问题： 1、数据总是会过时的。历史数据是我们所要做的，并且不能保证过去的情况会在未来继续下去。 2、不可能考虑到独特或意外事件或外部性。这些假设是危险的，例如假设银行在次级抵押贷款崩溃之前已经在适当地筛选借款人。 随着对预测的依赖增加，黑天鹅事件变得越来越普遍。 3、预测无法整合自身的影响。通过具有准确或不准确的预测，企业的行为会受到无法作为变量包含的因素的影响。在最坏的情况下，管理成为历史数据和趋势的奴隶，而不用担心企业现在正在做什么。 |
|
|
