Co potřebujete vědět o chybách pro finanční modelování v Excelu

Možnost chyby ve finančním modelu je věc číslo jedna, která finančnímu modeláři v noci nedává spát. Jako modelář musíte mít zdravý respekt k tabulkovým procesorům a jejich náchylnosti k chybám.

Představte si, že pracujete na novém vzrušujícím projektu. Poskytli jste finanční model, který se používá pro projekt nebo klíčovou funkci vašeho podnikání. Vypadá to fantasticky. Lidé jsou zapáleni; peníze se utrácejí. Ale po týdnech nebo měsících projektu se čísla najednou nesčítají. Proč je projekt tak daleko přes rozpočet?

Při kontrole najednou zjistíte, že ve vašich původních výpočtech došlo k chybě. Fuj! Vaše důvěryhodnost a důvěra ve vaši práci jsou zpochybňovány, což vede k některým nepříjemným okamžikům během schůzek (nemluvě o obavách o vaši budoucnost ve společnosti).

Zájmová skupina European Spreadsheets Risks Interest Group (EuSpRiG) pořádá dobře zavedenou výroční konferenci, na které představuje nejnovější výzkum a zjištění na toto téma. Existuje mnoho dobře zdokumentovaných případů závažných chyb modelu Excel. Některé z nich jsou zdokumentovány EuSpRiG . Vzhledem k neochotě většiny podniků mluvit o svých chybách vede počet a četnost příběhů zdokumentovaných EuSpRiG mnohé k domněnce, že chyby v tabulkách jsou ve většině organizací běžným jevem.

Jakou podobu mohou mít tyto chyby? Obecně lze chyby modelování seskupit do tří širokých kategorií: chyby vzorců, chyby předpokladů nebo vstupních chyb a logické chyby.

Chyby vzorce ve vašem finančním modelu

Chyby ve vzorcích jsou chyby, které se nejsnáze dělají a lze je relativně snadno odhalit, ale když jsou odhaleny, jsou strašně trapné. Těmto druhům „mechanických“ chyb lze také nejsnáze předejít samokontrolou a opravou.

Běžnou chybou vzorce je jednoduše vybrání nesprávné buňky ve vzorci – například propojení s buňkou B98, která obsahuje 6, namísto buňky B97, která obsahuje 0,6. Tato chyba se zpočátku může zdát docela nepatrná, ale řekněme, že vaše počáteční investice byla 100 000 $. Prostřednictvím svého modelování zjistíte, že existuje 60procentní zisková marže, ale kvůli této chybě předpovídáte zisk 600 000 USD místo 60 000 USD. Jejda!

Chyby předpokladů nebo zadání ve vašem finančním modelu

Vzorce vašeho modelu možná počítají perfektně, ale předpoklady ve finančních modelech jsou učebnicovým příkladem „odpadku dovnitř, smetí ven“. Pokud jsou předpoklady, které jste použili jako vstupy, nesprávné, model bude také nesprávný.

Pokud jde o vstupní chyby, je třeba zvážit dva hlavní typy:

• Zadávání dat: K chybám při zadávání dat může snadno dojít, pokud například aktualizujete provozní náklady každý týden. Pokud tyto náklady nejsou správně propojeny nebo se pravidelně neaktualizují, můžete získat neúplný nebo nepřesný obrázek o procesu. Někdy lze tento proces automatizovat a urychlit propojením těchto informací se samostatným, automaticky generovaným souborem a použitím některých nových moderních nástrojů Excelu, jako je Get & Transform (dříve nazývané Power Query). Nezapomeňte také potvrdit, kdo je odpovědný za aktualizaci tabulky, a ujistěte se, že žádné změny procesu nebo plánu aktualizace neovlivní váš model.
• Uživatelský vstup: K chybám uživatelského vstupu dochází častěji, když jste méně obeznámeni s produktem nebo projektem, který modelujete. Například pokud jde o mzdové náklady programu, můžete započítat výhody, které zaměstnanec obdrží, a předpokládat, že to bude 5 procent jejího platu, což je poměrně standardní všeobecný předpoklad. Protože jste však v organizaci nováčkem, možná nezohledníte další faktory, které ovlivňují zaměstnanecké benefity, jako je zvýšení nákladů na poskytování zubního a lékařského programu, na který je společnost hrdá. Najednou to vyžene náklady na 12,5 procenta platu, což zcela vyfoukne všechny náklady na zaměstnance, které jste tak pečlivě spočítali.

Pokud vytváříte předpoklady, musíte je zaznamenat, zvážit a pečlivě rozložit do svého modelu. Je také dobré si tyto vstupy ověřit u klíčových zainteresovaných stran.

Staré rčení „Příliš mnoho kuchařů kazí vývar“ zcela jistě platí pro budování finančního modelu. Pokud nemáte přísnou sadu norem pro spolupráci, která zajistí, že je model rozvržen a předpoklady jsou zadány konzistentně, dosáhnete nejlepšího výsledku tím, že na sestavení modelu bude pracovat pouze jeden modelář.

Pokud však jde o použití modelu, každý by měl být schopen používat dobře postavený model. Pokud se obáváte, že by lidé zpackali vaše výpočty nebo zadali vstupy nesprávně, ujistěte se, že vaše pokyny a dokumentace vysvětlují, jak model používat. Aplikujte na model také ověření dat nebo ochranu buněk, abyste omezili změny, které může uživatel provést.

Logické chyby ve vašem finančním modelu

Chyby v logice modelu je pravděpodobně nejobtížnější odhalit, protože předpoklady, vstupy a vzorce mohou fungovat perfektně, ale logika a metodologie – způsob, jakým je model sestaven – mohou být stále nesprávné. Musíte zachytit logiku a zajistit, aby byl přístup stavitele jasný. V opačném případě, pokud ztratíte klíčovou osobu, která model postavila, může dojít ke zmatku.

Tento model například ukazuje procento investorových prostředků, které byly zapůjčeny. Procento bylo vypočítáno vydělením investičního zůstatku (aktuální investice plus nová investice) zůstatkem portfolia (aktuální úvěry plus nové úvěry mínus úvěry, které skončily).

Výpočet poměrů investičního portfolia.

Vydrž chvíli. Počítáte to na základě počtu sepsaných úvěrů nebo kumulativního zůstatku? Můžete vidět, jak způsob výpočtu poměru může způsobit zmatek pro ty, kteří tento model neznají. Je důležité zdokumentovat, jak to počítáte. Můžete si také snadno splést měsíční částky s kumulativním zůstatkem; můžete vidět, že je to jasně zdokumentováno ve sloupci B.