多场景金融建模如何帮助公司应对不确定性

由罗伯特·Duinker|2020年5月11日,

当我们似乎正经历着本世纪最重要的“黑天鹅事件”时,每个人心中最大的问题之一是:我们如何在这样一个不确定的情况下进行计划?

在当前的全球经济动荡中,金融模型和决策者试图找出如何正确评估公司和项目的独特挑战和机遇出现了。有一件事是清楚的:我们不能继续依赖单一场景模型来提供我们的全貌。

单一情景金融模型在哪些方面不足

两个关键指标——净现值(NPV)和内部收益率(IRR)——通常依赖于传统财务评估计算的结果。但它们都有一个共同的弱点。它们都是基于对未来生产和现金流的预测,而这些预测都是基于单一的运营条件,无论在制定计划时这个定义是什么。

这些指标使用随时间变化的固定贴现率,通常使用“基本情况”场景来计算,该场景假设未来是过去的延续,这通常是唯一建模的场景。

在日益全球化的社会中,不可预测的事件似乎更倾向于产生大规模的全球连锁效应。新冠肺炎大流行给不同行业的供应链、熟练劳动力和生产计划带来了新的不确定性。现在比以往任何时候都更不可能出现“一切照旧”的情况。

在我们所处的时代,单场景金融模型根本不足以为未来的一系列结果做计划和准备。

多场景金融建模如何更好地应对不确定性

基于场景的生产建模对于构建全面的生产、成本和财务模型变得越来越重要,这些模型为投资者、涉众、所有者和项目经理提供准确和可操作的见解。开发多个场景可以让决策者在做出不可逆转的决定之前,通过一致的计算来理解和探索一系列风险和机会。

鉴于COVID-19大流行导致需求中断,考虑多种情况尤其重要,因为未来可能以不同方式确定,取决于关键投入的若干不确定结果。一系列场景允许在项目和计划团队中实现多样性和敏捷性,它还提供了一个结构化的框架,用于在出现不利场景时做好准备。我们对各种可能性的计划和准备越多,我们在不确定性中获得成功的机会就越大。

情景建模还允许灵活地测试各种不确定的输入,如大宗商品价格输入,并查看财务指标,如NPV和IRR,不仅作为点值,而且作为基于输入参数潜在波动的概率分布。下图显示了一个项目的模型输出IRR和NPV分布的示例,该项目使用大量场景下的随机变量输入建模:

多场景金融建模如何帮助公司应对不确定性

IRR和NPV分布模型

开发多场景财务模型的最佳实践

虽然财务模型可以适应非常多的场景,但建议至少考虑三种情况:最好的情况、不利的情况和有利的情况。应该在项目规划过程的早期开发和考虑每一种情况,以抓住机会,探索和减轻不太可能的下行风险。在决策窗口之前,多场景金融建模是最关键的,决策窗口包括项目阶段大门、项目董事会批准、重大再融资、交易、合并和收购。

场景不需要过于复杂,但应该足以确定和充实需要调查的不利缓解和有利机会。场景的类型、数量和可能性在不同的业务之间是不同的,甚至在同一行业内也是如此。两个基本情况非常相似的公司可能有非常不同的上行和下行场景。

一个很好的经验法则是,基本案例应该代表最有可能的场景,至少一个“最有可能的上行”和一个“最有可能的下行”场景,这与您的业务的关键价值驱动因素和目标相关。您可能会发现值得研究更多的选项,以便最终将它们包含在基本情况中。

通过上行和下行建模,可以探索和缓解COVID-19等“黑天鹅”事件带来的一些关键不确定性领域。这些领域包括对产量变化、成本变化、商品定价波动、计划延误和立法变化的不同设想。

通过准备管理不确定性

事实上,不确定性可以被数学建模,这应该作为一种形式的安慰,在这个时候,人们和企业。虽然我们最初看到COVID-19呈指数级增长,但我们现在开始希望看到折扣率以非常高的速度呈指数级下降。

应对不确定性的最佳解毒剂是准备,就金融建模而言,这包括制定一系列的上行和下行情景,以便我们准备好面对未来的任何情况。