Innholdsfortegnelse:
Finansiell prognose utføres av mange ulike årsaker, for eksempel å projisere forventet salg for å justere kapasitetsrenten, eller som en del av budsjettforvaltningen. Kreditorer krever ofte både historiske og prognoseregnskap når de foretar sin første og løpende kredittanalyse. Forventet regnskap er også brukt til å utarbeide verdsettelser for virksomheten, som kan være nødvendig for finansiell rapporteringsformål, eiendom planlegging, fusjoner og oppkjøp, eller til og med bedriftssaker. Forberedelse av økonomiske prognoser krever komplekse analyser, som er gjenstand for en rekke begrensninger og utfordringer.
Nøyaktighet av historiske data
Finansiell prognose utføres ofte ved bruk av historiske resultater som en proxy for fremtiden. Du kan gjøre dette ved å analysere historisk resultatregnskap og balanseelementer for trender, for eksempel veksttrender, og bruke disse tallene fremover. For eksempel, hvis et selskap oppnådde en stabil vekst på gjennomsnittlig 5 prosent per år de siste fem årene, kan du prognose neste års salg ved hjelp av en vekst på 5 prosent. Mens det er mye brukt, kan denne tilnærmingen være problematisk. Hvis selskapets resultater er uregelmessige fra år til år, kan historiske gjennomsnitt ikke gi gode indikasjoner på fremtiden. Hvis selskapet er en oppstart, kan det hende at historiske resultater ikke er tilgjengelige. I tillegg kan eksterne markedsforhold påvirke økonomiske resultater på en måte som ikke ville bli fanget ved å analysere historiske resultater.
Tidsramme
Jo lengre tidsramme, desto vanskeligere blir det å nøyaktig prognostisere økonomiske resultater. Det er mindre vanskelig å prognose neste års finansielle resultater enn forventet tall for det kommende tiåret. Hvis du for eksempel ekstrapolerer trender ved å bruke fem års historisk data mens du forbereder 10-årige økonomiske prognoser, vil bruken av en femårig trening sannsynligvis være lavere til en 10-årig periode. Etter hvert som mer tid går, øker sannsynligheten for hendelser som kan påvirke selskapets økonomiske resultater. Markedsandelen kan øke eller redusere, eller økonomiske forhold kan endre seg vesentlig. Som regel er kortere projeksjonsperioder mer nøyaktige.
Problemer med Input Data
Foruten bruk av historiske data utføres prognoser ofte ved hjelp av lineær analyse, som peker fremtidig finansiell ytelse til ulike avhengige variabler korrelert med de underliggende finansielle tallene. Dette kan være svært problematisk - best fanget av uttrykket søppel i, søppel ut. Din prognoses pålitelighet er bare like god som inngangene som brukes til å beregne den. Dette gir rom for feil forårsaket av feil som er gjort for å samle eller tolke dataene, eller menneskelig feil ved å legge inn data i prognosemodellen. Også mennesker er gjenstand for ulike forstyrrelser, for eksempel bekreftelsesforstyrrelser, som oppstår når forspillerens vurdering er skjev av predisponerte forestillinger om de projiserte resultatene. Dette kan føre til at forecasteren legger for mye vekt på mindre relevante dataposter, eller omvendt.
Uforutsette hendelser
Selv om du utfører de kvantitative og kvalitative prognosemetoder perfekt, er det umulig å forutse uforutsigbar. Disse elementene kan variere i naturen, men kan være risiko basert på konkurranse, økonomi og ytre sjokk til markedet. For eksempel, etter mange års vekst, ble Blockbuster blindsided av ytelsen til Netflix, som svært raskt eroderte Blockbusters markedsandel og salg. Et utsalgssted kan åpne en ny plassering og projisere sterk finansiell vekst, bare for å få en direkte konkurrent å åpne seg over gaten, noe som påvirker salg og inntjening.
Videre kan en Black Swan-begivenhet enkelt gjøre velforberedte økonomiske prognoser foreldet. En Black Swan-hendelse er en svært usannsynlig forekomst som oppstår, og viser tre faktorer - det er umulig å forutsi, det har en massiv innvirkning, og dens sjokkverdi er fantastisk, fordi folk aldri kunne tenke på en slik hendelse som oppstår.