Tiếp theoHướng dẫn tiếp theo
Mô hình thảm họa AI
Ứng dụng
HƯỚNG DẪN ứng dụng
AI cho lập mô hình tài chính trong Excel có nghĩa là sử dụng các trợ lý như Microsoft Copilot hoặc các phần bổ trợ AI khác để soạn thảo, mở rộng, giải thích và kiểm tra các mô hình bảng tính như dự báo ba báo cáo và định giá dòng tiền chiết khấu (DCF).
Nghe hướng dẫn nàyAI thuật lại · ~3 min
Điều này quan trọng vì AI có thể xây dựng cấu trúc của mô hình trong vài phút. Một mô hình trông đã hoàn thiện vẫn có thể che giấu các lỗi lặng lẽ thay đổi giá trị, vì vậy kỹ năng quan trọng là kiểm tra mọi liên kết.
Mô hình ba báo cáo liên kết báo cáo thu nhập, bảng cân đối kế toán và báo cáo lưu chuyển tiền tệ, do đó, sự thay đổi trong một giả định, chẳng hạn như tăng trưởng doanh thu, sẽ chảy qua cả ba. Thu nhập ròng cung cấp thu nhập giữ lại trên bảng cân đối kế toán và cũng là dòng đầu tiên của báo cáo lưu chuyển tiền tệ. Những thay đổi về vốn lưu động, chi tiêu vốn và nợ giải thích sự thay đổi về tiền mặt và kết thúc việc đưa tiền mặt trở lại bảng cân đối kế toán. Nếu mọi thứ được kết nối chính xác thì tài sản bằng nợ phải trả cộng với vốn chủ sở hữu trong mọi thời kỳ. Sau đó, mô hình DCF lấy dòng tiền tự do dự kiến và chiết khấu nó theo tỷ lệ như chi phí vốn bình quân gia quyền (WACC). Nó bổ sung một giá trị cuối cùng cho những năm sau khi dự báo kết thúc. AI giúp ích ở một số nơi. Microsoft 365 Copilot trong Excel và các phần bổ trợ từ các nhà cung cấp AI khác có thể viết công thức từ mô tả, đề xuất bố cục mô hình, giải thích công thức kế thừa và tóm tắt yếu tố dẫn đến kết quả. Trợ lý trò chuyện chung có thể tìm hiểu logic của DCF hoặc đề xuất một bộ giả định hợp lý để kiểm tra. Python trong Excel cho phép người dùng chạy mã cho các mô phỏng và biểu đồ bên trong sổ làm việc. Điều nguy hiểm là lỗi thầm lặng: một mô hình tính toán mà không có bất kỳ cảnh báo nào nhưng lại đưa ra câu trả lời sai. Các vấn đề thường gặp trong các mô hình do AI xây dựng bao gồm các số được nhập theo công thức, phạm vi dừng lại một hàng, tham chiếu tương đối thay đổi khi sao chép, đơn vị trộn lẫn giữa hàng nghìn và hàng triệu và dòng tiền ra có dấu sai. Một cách khác là bảng cân đối kế toán buộc phải cân bằng với một số phích cắm không giải thích được. Một quan niệm sai lầm phổ biến là cho rằng mô hình cân bằng là đúng. Sự cân bằng chỉ chứng tỏ rằng mô hình có tính nhất quán nội tại. Những giả định sai lầm hoặc thời gian chiết khấu sai lầm vẫn có thể tạo ra một đánh giá sai lầm và cân bằng. Một quan niệm sai lầm khác là sản phẩm AI cần được đánh giá ít hơn công việc của một nhà phân tích cấp dưới. Nó cần được xem xét từng dòng một.
Một nhà phân tích yêu cầu trợ lý AI trình bày mẫu báo cáo ba báo cáo 5 năm với các tab riêng biệt cho các giả định, báo cáo thu nhập, bảng cân đối kế toán và dòng tiền. Cô ấy tự mình điền vào các số liệu lịch sử của công ty và kiểm tra xem bảng cân đối kế toán có cân đối hàng năm hay không.
Một người quản lý tài chính doanh nghiệp dán công thức IF lồng nhau lộn xộn vào cuộc trò chuyện AI và yêu cầu giải thích bằng tiếng Anh. Anh ta phát hiện ra rằng một chi nhánh đã đề cập sai tốc độ tăng trưởng của năm.
Một sinh viên xây dựng DCF yêu cầu AI xem lại phép tính giá trị cuối. Cô biết rằng mình đã đặt tốc độ tăng trưởng vĩnh viễn cao hơn tỷ lệ chiết khấu, điều này khiến công thức tăng trưởng Gordon trở nên vô nghĩa.
Một chủ doanh nghiệp nhỏ sử dụng Python trong Excel với mã do AI đề xuất để chạy bảng độ nhạy trong các kịch bản tăng trưởng doanh thu và lợi nhuận, thay vì sao chép công thức trên một lưới bằng tay.
AI trong bảng tính đang chuyển từ trò chuyện bên lề sang các tính năng hoạt động trực tiếp trên sổ làm việc: chỉnh sửa ô, xây dựng tab và giải thích các thay đổi. Điều đó làm cho tốc độ ít bị tắc nghẽn hơn và xem xét nhiều hơn một nút thắt. Các nhóm tài chính có thể dựa nhiều hơn vào các tiêu chuẩn lập mô hình, chẳng hạn như bố cục nhất quán, mã màu và các hàng kiểm tra bắt buộc, vì những điều đó giúp việc kiểm tra các chỉnh sửa của AI trở nên dễ dàng hơn. Theo dõi thay đổi cho thấy chính xác những ô mà trợ lý đã chạm vào sẽ quan trọng như chất lượng của những gì nó tạo ra. Trách nhiệm sẽ không di chuyển. Bất cứ ai ký vào bản định giá vẫn phải chịu trách nhiệm về các công thức và giả định của nó, cho dù đó là một người hay một mô hình đã viết chúng.
Bản tin miễn phí
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
AI cho lập mô hình tài chính trong Excel có nghĩa là sử dụng các trợ lý như Microsoft Copilot hoặc các phần bổ trợ AI khác để soạn thảo, mở rộng, giải thích và kiểm tra các mô hình bảng tính như dự báo ba báo cáo và định giá dòng tiền chiết khấu (DCF). Điều này quan trọng vì AI có thể xây dựng cấu trúc của mô hình trong vài phút. Một mô hình trông đã hoàn thiện vẫn có thể che giấu các lỗi lặng lẽ thay đổi giá trị, vì vậy kỹ năng quan trọng là kiểm tra mọi liên kết.
Thu nhập ròng làm tăng thu nhập giữ lại và là điểm bắt đầu của báo cáo lưu chuyển tiền tệ. Đó là những gì gắn kết ba tuyên bố với nhau.
Kiểm tra số dư xác nhận các báo cáo liên kết với nhau. Nó không nói gì về việc liệu các giả định, thời gian hoặc tỷ lệ chiết khấu có đúng hay không.
Khi g bằng hoặc cao hơn WACC, mẫu số bằng 0 hoặc âm, do đó giá trị cuối không xác định hoặc vô nghĩa. Tăng trưởng phải ở dưới mức chiết khấu.
Việc chọn các hằng số hoặc hiển thị công thức sẽ nhanh chóng hiển thị các số đã nhập ở vị trí cần có công thức.
Đây là một lỗi thầm lặng. Không có gì có vẻ bị hỏng, do đó tổng sai sẽ lan truyền khắp mô hình trừ khi có ai đó kiểm tra phạm vi.
Tiếp tục học hỏi
Đã chọn thêm hướng dẫn cho chủ đề này
Tiếp theoHướng dẫn tiếp theo
Mô hình thảm họa AI
Ứng dụng