CVA 2月25日 预测指引

二、预测指引

在介绍了如何构建一个简易的财务模型并对其进行重组拆分之后,下面将贴近实务,来看下在面对老板下发的财务建模任务时,我们应当如何一步一步搭建与打磨,最终得到完整的财务模型。

(一)几个预测原则

建模的第一步,也是首先要面对的,就是如何将历史期数据进行整合,并作为依据进行预测期模型的构建。以下是几个预测时应当遵循的原则,遵循它们能确保分析围绕合理的预测数据展开,而不会陷入脱离实际的假设中去。

(1)不要“机械式”地依赖历史。历史期的表现就算再过完美,再过规律,也不能完全不考虑其他因素而将其作为预测未来的准绳。企业或项目的运营,必然会受到宏观环境、行业景气程度以及商业竞争等多种因素影响,单单依靠历史数据而不加独立的思考,所得出的结果也不免会有偏颇。

(2)比率驱动的预测基础。对于历史数据的利用,各比率指标是一个相对准确且实用的预测参数。毛利率、周转率、占营收比等各种比率在企业发展趋于稳定时(成熟行业中尤为明显)将具有一定程度的可信赖度。当然,在将其作为预测驱动指标前一定要进行思考和判断,未来运营环境的波动将导致历史比率的失效,只有结合经验和研究才能保证基于比率的预测具有科学合理性,避免出现上一条中所述的“机械式”应用。

(3)所有的预测都是估计和近似值,不要过于纠结精度。任何人都无法准确预知未来,因此我们的模型预测也仅仅能够得到估计和近似的数值,因此,对于数值到底是四舍还是五入、折旧年限到底是5年还是6年等诸如此类的精确性问题,过于纠结是没有意义的,哪怕花了大量的时间在此并得到令自己满意的结果,也可能已经犯了所谓“精确的错误”。

(4)结果过于乐观时需要特别注意。如果预测值在进行行业内横向对比或公司历史期纵向对比后显得过于优秀,则需要警惕是否出现了假设错误,而且出于谨慎性原则的考虑,过于乐观的结果可能本身就已经内含了人为的情绪导向,需要进行模型整体的筛查与审视。当然,强势的增长和好的业绩并不是不会出现,例如有并购或资源整合情况的出现,公司未来很可能出现爆发式增长,但常规情况下,还是应当对过于乐观的预测持谨慎态度。

(二)具体预测方法

下面将对需要进行预测的模块进行单独讲解:

(1)收入

收入是利润模块一开始出现的项目,也是整个财务模型中最重要的一个参数,其作为其他数据的驱动项,相当于整体预测框架的地基。在进行收入预测时,需要注意:

①周全考虑影响因素与驱动因子:简单来讲,收入无非受两个因素直接影响,一是价,二是量,关注价格、产销情况,市场份额以及行业增长等因素综合作用的结果。其次,可以比照杜邦分析的思路进行收入分拆,并考量各驱动因子的变动对收入的影响。

②做好外部环境分析:在对外部环境进行分析时,可使用PEST、产业生命周期分析等方法进行理解,重点关注行业发展所处阶段,考虑未来收入增长的潜力几何。同时,若收入受政策影响较大,则应加入政策因素。

(2)比率

在对历史期的数据进行整合分析后,可以得到历史期各个比率的数值,如何根据历史期比率数据得到预测期的数值,可参照如下几种方法:

(1)取历史期平均值

(2)取历史期最大值

(3)取历史期最小值

(4)取最后一个历史期的值

(5)设定周期,根据未来行业状况进行周期值假设

究竟使用哪种方法,可在对各比率的构成因子进行分析后决定,例如对于毛利率,图中显示了几种情况下选择的比率预测方法:

(3)其他模块预测

除了收入与比率外,还有其他预测项需要进行计算,例如折旧、利息费用、税金以及股利等,每一项预测都会有对应的计算公式或计算表。

以折旧为例,可以构建折旧计算表进行预测。步骤为:

(1)首先在假设工作表中输入与固定资产、资本性支出相关的数据,如下图所示。

(2)随后在报告表中搭建折旧计算表,并引用假设表中的数据,然后将折旧划分为两部分,一部分是历史期结束时现存的原固定资产产生的折旧,另一部分是预测期投入的资本性支出形成的折旧,预测折旧即为两者之和,如下图所示:

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 220,063评论 6 510
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,805评论 3 396
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 166,403评论 0 357
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,110评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,130评论 6 395
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,877评论 1 308
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,533评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,429评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,947评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,078评论 3 340
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,204评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,894评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,546评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,086评论 0 23
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,195评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,519评论 3 375
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,198评论 2 357

推荐阅读更多精彩内容