Det er ikke uvanlig å høre et selskaps ledelse snakke om prognoser: "Salget vårt oppfylte ikke de forventede tallene, " eller "vi føler oss trygge på den forventede økonomiske veksten og forventer å overstige våre mål." Til slutt blir alle økonomiske prognoser, enten det gjelder detaljene i en virksomhet, som salgsvekst eller spådommer om økonomien som helhet, informerte gjetninger., vil vi se på noen av metodene bak økonomiske prognoser, så vel som prosessen, og noen av risikoene som dukker opp når vi prøver å forutsi fremtiden.
Finansielle prognosemetoder
Det er flere forskjellige metoder som en bedriftsprognose kan gjøres. Alle metodene faller inn i en av to overordnede tilnærminger: kvalitativ og kvantitativ.
Kvalitative modeller
Kvalitative modeller har typisk vært vellykket med kortsiktige forutsigelser, der omfanget av prognosen var begrenset. Kvalitative prognoser kan betraktes som ekspertdrevne, ved at de er avhengige av markedsklubber eller markedet som helhet for å veie inn med en informert konsensus. Kvalitative modeller kan være nyttige for å forutsi kortsiktig suksess for selskaper, produkter og tjenester, men har begrensninger på grunn av sin avhengighet av mening om målbare data. Kvalitative modeller inkluderer:
- Markedsundersøkelser Polling av et stort antall mennesker på et bestemt produkt eller en tjeneste for å forutsi hvor mange som vil kjøpe eller bruke det en gang lansert. (For mer om kvalitativ modellering, les "Kvalitativ analyse: Hva gjør et selskap stort?")
Grunnleggende om virksomhetsprognoser
Kvantitative modeller
Kvantitative modeller rabatter ekspertfaktoren og prøver å fjerne det menneskelige elementet ut av analysen. Disse tilnærmingsmåtene er utelukkende opptatt av data og unngår folklighet som ligger til grunn for tallene. De prøver også å forutsi hvor variabler som salg, bruttonasjonalprodukt, boligpriser og så videre, vil være på lang sikt, målt i måneder eller år. Kvantitative modeller inkluderer:
- Indikatortilnærmingen: Indikatortilnærmingen avhenger av forholdet mellom visse indikatorer, for eksempel BNP og arbeidsledighet, og forblir relativt uendret over tid. Ved å følge relasjonene og deretter følge indikatorene som er ledende, kan du estimere ytelsen til de hengende indikatorene ved å bruke de ledende indikatordataene. Økonometrisk modellering: Dette er en mer matematisk streng versjon av indikatortilnærmingen. I stedet for å anta at forholdene forblir de samme, tester økonometrisk modellering den interne konsistensen av datasett over tid og betydningen eller styrken i forholdet mellom datasett. Econometric modellering brukes noen ganger for å lage tilpassede indikatorer som kan brukes til en mer nøyaktig indikatortilnærming. Imidlertid blir de økonometriske modellene oftere brukt i faglige felt for å evaluere økonomisk politikk. (For en grunnleggende forklaring på bruk av økonometriske modeller, les "Regresjonsgrunnlag for forretningsanalyse.") Tidsseriemetoder: Dette refererer til en samling forskjellige metodologier som bruker tidligere data for å forutsi fremtidige hendelser. Forskjellen mellom tidsseriemetodologiene er vanligvis i fine detaljer, som å gi nyere data mer vekt eller neddiskontere visse utleggerpoeng. Ved å spore hva som skjedde i det siste, håper prognoskriveren å kunne gi en bedre enn gjennomsnittlig spådom om fremtiden. Dette er den vanligste typen virksomhetsprognoser fordi den er billig og ikke er bedre eller dårligere enn andre metoder.
Hvordan fungerer prognoser?
Det er mye variasjon på praktisk nivå når det kommer til bedriftsprognoser. Imidlertid, på et konseptuelt nivå, følger alle prognoser den samme prosessen.
- Et problem eller datapunkt er valgt. Dette kan være noe som "vil folk kjøpe en high-end kaffetrakter?" eller "hva blir salget vårt i mars neste år?" Teoretiske variabler og et ideelt datasett er valgt. Det er her prognoser identifiserer relevante variabler som må vurderes og bestemmer hvordan data skal samles inn. Antagelsestid. For å kutte ned tiden og dataene som trengs for å lage en prognose, gjør prognosmakeren noen eksplisitte forutsetninger for å forenkle prosessen. En modell er valgt. Forhåndshaveren velger modellen som passer til datasettet, valgte variabler og forutsetninger. Analyse. Ved bruk av modellen blir dataene analysert og en prognose laget fra analysen. Bekreftelse. Forhåndsspilleren sammenligner prognosen med hva som skjer med å finpusse prosessen, identifisere problemer eller i sjeldne tilfeller av en nøyaktig prognose, klappe seg selv på ryggen.
Problemer med prognoser
Forretningsvarsling er veldig nyttig for bedrifter, ettersom det lar dem planlegge produksjon, finansiering og så videre. Det er imidlertid tre problemer med å stole på prognoser:
- Dataene blir alltid gamle. Historiske data er alt vi trenger å gå på, og det er ingen garanti for at forholdene i det siste vil fortsette i fremtiden. Det er umulig å ta del i unike eller uventede hendelser eller eksternaliteter. Forutsetninger er farlige, for eksempel forutsetningene om at bankene screenet låntakere riktig før subprime-sammenbruddet. Og svarte svanhendelser har blitt mer vanlig ettersom vår avhengighet av prognoser har vokst. Prognoser kan ikke integrere sin egen innvirkning. Ved å ha prognoser, nøyaktige eller unøyaktige, påvirkes virksomhetenes handlinger av en faktor som ikke kan inkluderes som en variabel. Dette er en konseptuell knute. I verste fall blir ledelsen slave for historiske data og trender i stedet for å bekymre seg for hva virksomheten gjør nå.
Bunnlinjen
Prognosering kan være en farlig kunst, fordi prognosene blir et fokus for selskaper og myndigheter, mentalt begrenser deres handlingsområde, ved å presentere den korte til langsiktige fremtiden som allerede er bestemt. Dessuten kan prognoser lett brytes sammen på grunn av tilfeldige elementer som ikke kan integreres i en modell, eller de kan være helt gale fra starten av.
Negativene til side, forretningsforutsigelser går ikke noe sted. Ved å bruke passende prognoser, lar bedrifter planlegge foran behovene sine og øke sjansene for å holde seg sunne gjennom alle markeder. Det er en funksjon av forretningsforutsigelser som alle investorer kan sette pris på.
