5 принципов построения финансовой модели. Не только для стартапа

Принцип консерватизма – основной при построении финансовой модели, но не единственный. Финансовые модели одной и той же фирмы могут быть или неуклюжими и непригодными к использованию, или изящными и эффективными. Принципы моделирования, которым следуют профессионально выполненные модели, могут быть сформулированы как:

1. Разумность
2. Неизбыточность
3. Гибкость
4. Наглядность
5. Аудируемость

1. Разумность: материально важные обстоятельства не должны быть упущены

«Материальными» в праве и финансах принято называть события, которые оказывают объективное влияние на состояние фирмы, в первую очередь, денежное. Иными словами, планируя модель, аналитик должен не упустить из виду ни одного важного для бизнеса фактора и не пренебречь ни одной переменной или связью, которые имеют важное значение. Разумность предполагает, что модель подобна описываемому ею бизнесу во всех без исключения особенностях и фрагментах, имеющих значение на выбранном аналитиком уровне важности. Это предполагает, что аналитик должен либо понимать, что заставляет фирму «тикать», как устроен ее бизнес в целом и в деталях, или же, что чаще, грамотно задавать вопросы знающим людям. У разумности нет алгоритма – аналитик определяет ее степень сам, поверяя знаниями и опытом свою интуицию.

2. Неизбыточность: важные факторы должны быть отделены от мелочей, а число переменных не должно быть безграничным

Неизбыточность – дополняющая пара к разумности. Вместе они образуют своего рода инь-янь. Если разумность стремится не упустить в модели ничего, что достаточно важно, то неизбыточность, напротив, выбрасывает все, что недостаточно важно. Зачем? Количество степеней свободы модели увеличивается по мере роста числа переменных, и предсказательная сила такой модели падает. Парадоксально, но попытка учесть все приведет к тому, что ни один вариант развития событий нельзя будет определить со сколь-либо значимой степенью достоверности. Поэтому если без предположений можно обойтись – без них нужно обойтись. Хорошая модель пренебрегает неважным, чтобы выделить и очистить от шума эффект важного.

3. Гибкость: модель должна быть легко изменяема и давать возможность проверять разные сценарии и события

Финансовая модель делается не для личного пользования аналитика. У нее как минимум два пользователя, чаще – несколько, иногда – десятки. Модель почти всегда – предмет обсуждения. Она служит не для того, чтоб любоваться ею в завершенном виде. Оракулу иногда разрешается вещать, но чаще ему задают вопросы и ждут ответов. Модель – это инструмент получения ответов на вопросы вида «что будет, если». Что будет, если мы начнем работу на полгода раньше? Что будет, если мы сосредоточим все усилия на работе в одном городе вместо пяти? Что будет, если мы заменим в продуктовом портфеле один продукт на другой? Когда вопрос касается только численных переменных, которые можно поменять, метод получения ответа может быть не быстрым, но хотя бы ясным. Если он касается связей модели – задача гораздо сложнее, если модель негибкая. Неопытный аналитик, поняв, что модель не содержит пути к ответу, начинает возиться с ней, пытаясь перенастроить для получения ответа. Пока он возится, другие участники совещания, среди которых, как правило, Люди, Имеющие Право Требовать Ответов, ждут. Иногда аналитик, переведя дух, наконец дает ответ. В других же случаях он покрывается холодной испариной и неуверенно сообщает: для ответа на этот вопрос ему нужно переделать модель, что займет день-два. Наверно, нет такого финансового аналитика, который в процессе своего профессионального роста не попадал в эту ситуацию, чреватую, между прочим, и ущербом для профессионального роста. А опытный и профессиональный аналитик щелкает несколько раз клавишами и спокойно сообщает новый результат. Он может себе это позволить, потому что его модель изначально создавалась как гибкая.

4. Наглядность: логика, структура и выводы модели должны быть очевидны и для автора, и для посторонних лиц

Вопросы по модели для аналитика – в общем, комплимент. Это значит, что те, кто ее читает, в общем виде понимают, что и как в ней работает. Хуже, когда те, кто смотрит на модель, не в состоянии задать ни одного вопроса – потому как не могут понять, что там к чему. Вот эта клетка откуда берет данные? А тут что за формула? А вот эта сумма вообще что значит? А тут ссылка на что стоит? Еще неприятнее то, что стоит аналитику отложить модель на несколько дней и отвлечься от решаемой ею проблемы, занявшись другими делами – и вернувшись к ней, он перестает понимать, почему она устроена так, а не иначе. Это на самом деле не исключение, а скорее правило. Каждый аналитик оказывался в ситуации, когда для понимания своей модели ему приходилось буквально расшифровать и разбирать ее на части, чтобы вспомнить, как она была сделана. Гибкость и наглядность тоже взаимно дополняют друг друга: гибкость как правило достигается усложением кода модели, а вот наглядность – наоборот, его же упрощением. У профессионала гибкость и наглядность сбалансированы, а код документирован и снабжен комментариями и для других, и для себя.

5. Аудируемость: модель должна легко поддаваться исследованию и проверке на ошибки

Ошибки делают все. И новички, и профессионалы. Сделать модель без единой ошибки невозможно. Отсутствие видимых ошибок должно настораживать: скорее всего, это признак того, что ошибка спрятана или неочевидна. Когда колонку разрывает огромное число или на листе стоят целые ряды кодов ошибки – это следует считать везением. В Excel есть встроенные инструменты поиска ошибок и проверки формул, некоторые очень удобные, но полагаться только на них нельзя. Модель следует строить исходно так, чтоб она поддавалась проверке. Причем, далеко не все ошибки может поймать сам автор модели. Профессиональным литераторам известно такое явление, как «замыленный глаз» – неспособность видеть свои ошибки после того, как проведешь над текстом много времени. Аналитики точно так же страдают от этой проблемы: привыкнув к своей схеме, они могут пройти даже мимо очевидной ошибки много раз. Нужен отстраненный и свежий взгляд, чтобы увидеть. Иногда этого можно достигнуть, оторвавшись от работы на время. Но чаще «бюджет времени» такой роскоши не позволяет. Поэтому поиск ошибок должен быть облегчен самой организацией модели. И конечно, за найденные другим читателем ошибки в модели аналитик может его только поблагодарить. И не надо их стыдиться – для аналитика это контрпродуктивно.

В дальнейшем мы будем изучать технические приемы, способствующие соблюдению этих принципов.

Автор – преподаватель МФТИ, текст написан в сотрудничестве с Центром технологий и инноваций PwC.

Добавить комментарий

Заполните поля или щелкните по значку, чтобы оставить свой комментарий:

Логотип WordPress.com

Для комментария используется ваша учётная запись WordPress.com. Выход /  Изменить )

Google photo

Для комментария используется ваша учётная запись Google. Выход /  Изменить )

Фотография Twitter

Для комментария используется ваша учётная запись Twitter. Выход /  Изменить )

Фотография Facebook

Для комментария используется ваша учётная запись Facebook. Выход /  Изменить )

Connecting to %s