Indholdsfortegnelse:
Finansielle prognoser udføres af mange forskellige årsager, som f.eks. Projicering af det forventede salg for at tilpasse kapacitetsraterne eller som led i budgetforvaltningen. Kreditorer kræver ofte både historiske og prognoseregnskaber, når de foretager deres oprindelige og løbende kreditanalyse. Projicerede regnskaber bruges også til at forberede virksomhedsvurderinger, som kan være nødvendige til regnskabsaflæggelse, ejendomsplanlægning, fusioner og overtagelser eller endog selskabsretlige sager. Forberedelse af finansielle prognoser kræver komplekse analyser, der er underlagt en række begrænsninger og udfordringer.
Nøjagtighed af historiske data
Finansielle prognoser udføres ofte ved hjælp af historiske resultater som en proxy for fremtiden. Det kan du gøre ved at analysere historisk resultatopgørelse og balanceposter for tendenser, såsom væksttendenser, og anvende disse tal fremadrettet. F.eks. Hvis et selskab opnåede en stabil vækst på gennemsnitlig 5 procent om året i de sidste fem år, kan man prognose næste års salg ved hjælp af en vækst på 5 procent. Selvom det er meget udbredt, kan denne tilgang være problematisk. Hvis virksomhedens resultater er uberegnelige fra år til år, kan historiske gennemsnit ikke give gode indikationer for fremtiden. Hvis virksomheden er opstart, er historiske resultater muligvis ikke tilgængelige. Derudover kan eksterne markedsforhold påvirke de økonomiske resultater på en måde, der ikke ville blive fanget ved at analysere historiske resultater.
Tidsramme
Jo længere tidsrammen er, desto vanskeligere vil det være at nøjagtigt prognostisere økonomiske resultater. Det er mindre vanskeligt at forudsige næste års finansielle resultater end forventede tal for det kommende årti. Hvis du for eksempel ekstrapolerer tendenser ved hjælp af fem års historiske data, mens du forbereder 10-årige finansielle fremskrivninger, vil brugen af en femårig tendens sandsynligvis være lavere til en 10-årig periode. Efterhånden som der går længere tid, øger sandsynligheden for hændelser, som kan påvirke selskabets økonomiske resultater. Markedsandelen kan stige eller falde, eller økonomiske forhold kan ændre sig væsentligt. Som hovedregel er kortere projektionsperioder mere præcise.
Problemer med inputdata
Udover at anvende historiske data udføres prognoser ofte ved hjælp af lineær analyse, som peger fremtidens økonomiske resultater på forskellige afhængige variabler korreleret med de underliggende finansielle tal. Dette kan være meget problematisk - bedst fanget af udtrykket affald i, skrald ud. Din prognoses pålidelighed er kun så god som de input, der bruges til at beregne det. Dette giver plads til fejl forårsaget af fejltagelser i forbindelse med indsamling eller fortolkning af data eller menneskelig fejl ved indtastning af data i prognosemodellen. Mennesker er også udsat for forskellige forstyrrelser, som f.eks. Bekræftelsesforstyrrelser, der opstår, når forspillerens dom er skævt af prædisponerede forestillinger om de forventede resultater. Dette kan medføre, at forecasteren lægger for meget vægt på mindre relevante dataposter eller vice versa.
Uforudsete begivenheder
Selvom du perfekt udfører de kvantitative og kvalitative prognosemetoder, er det umuligt at forudse det uforudsete. Disse elementer kan variere i naturen, men kan være risici baseret på konkurrence, økonomi og eksterne chok til markedet. For eksempel blev Blockbuster efter mange års vækst blindsided af Netflix 'præstationer, som meget hurtigt eroderede Blockbusters markedsandel og salg. En detailbutik kan åbne en ny placering og projicere stærk finansiel vækst, kun for at få en direkte konkurrent åbnet på tværs af gaden, der påvirker salg og indtjening.
Desuden kan en Black Swan event let gengive velforberedte finansielle prognoser forældede. En sort svanehændelse er en meget usandsynlig begivenhed, der forekommer og viser tre faktorer - det er umuligt at forudsige, det har en massiv indvirkning, og dens chokværdi er fantastisk, fordi folk aldrig kunne forestille sig en sådan begivenhed.