Ennustemenetelmiä on neljä päätyyppiä, joita finanssianalyytikot tekevät talousanalyytikoista Työnkuvaus Alla olevassa analyytikkotyöntekijän kuvauksessa annetaan tyypillinen esimerkki kaikista taidoista, koulutuksesta ja kokemuksesta, joka vaaditaan analyytikkotyöhön pankissa, laitoksessa tai yhteisössä . Suorita talousennusteiden, raportointien ja operatiivisten mittareiden seuranta, analysoi taloudelliset tiedot, luo rahoitusmalleja, joiden avulla voidaan ennustaa tulevat tulot. Myyntituotot Myyntituotot ovat yrityksen saamia tuotoja tavaroiden myynnistä tai palvelujen tarjoamisesta. Kirjanpidossa termejä "myynti" ja "tuotot" voidaan käyttää ja usein käytetään keskenään samanlaisena. Tuotot eivät välttämättä tarkoita saatuja käteisiä. , kulut ja pääomakustannukset yritykselle. Vaikka on olemassa laaja valikoima usein käytettyjä kvantitatiivisia budjettiennustustyökaluja, keskitymme tässä artikkelissa neljään tärkeimpään menetelmään: (1) suora, (2) liukuva keskiarvo, (3) yksinkertainen lineaarinen regressio ja (4) moninkertainen lineaarinen regressio.
| Tekniikka | Käyttää | Matematiikka mukana | Tarvittavat tiedot |
|---|---|---|---|
| 1. Suora viiva | Jatkuva kasvuvauhti | Vähimmäistaso | Historiatiedot |
| 2. Liukuva keskiarvo | Toistuvat ennusteet | Vähimmäistaso | Historiatiedot |
| 3. Yksinkertainen lineaarinen regressio | Vertaa yhtä riippumatonta muuttujaan | Vaadittu tilastotieto | Näyte asiaankuuluvista havainnoista |
| 4. Moninkertainen lineaarinen regressio | Vertaa useampaa kuin yhtä riippumatonta muuttujaa yhteen riippuvaan muuttujaan | Vaadittu tilastotieto | Näyte asiaankuuluvista havainnoista |
# 1 Suoraviivainen menetelmä
Suoraviivainen menetelmä on yksi yksinkertaisimmista ja helposti seurattavista ennustamismenetelmistä. Talousanalyytikko käyttää historiallisia lukuja ja suuntauksia ennustamaan tulojen kasvua tulevaisuudessa.
Alla olevassa esimerkissä tarkastelemme, kuinka suoraviivaisen ennustamisen tekee vähittäiskaupan yritys, joka olettaa jatkuvan 4 prosentin myynnin kasvun seuraavien viiden vuoden ajan.
- Suoraviivaisen ennustamisen ensimmäinen vaihe on selvittää myynnin kasvuvauhti, jota käytetään tulevien tulojen laskemiseen. Vuonna 2016 kasvuvauhti oli 4,0% historiallisen kehityksen perusteella. Voimme käyttää kaavaa = (C7-B7) / B7 tämän numeron saamiseksi. Olettaen kasvun pysyvän vakiona tulevaisuudessa, käytämme samaa verokantaa vuosina 2017-2021.
2. Tulevien tulojen ennustamiseksi ota edellisen vuoden luku ja kerro se kasvuvauhdilla. Vuoden 2017 tulojen laskennassa käytetty kaava on = C7 * (1 + D5).
3. Valitse solut D7 - H7 ja kopioi sitten kaava kokonaan oikealle pikanäppäimillä Ctrl + R.
# 2 Liukuva keskiarvo
Liukuvat keskiarvot ovat tasoitustekniikkaa, joka tarkastelee tietojoukon taustalla olevaa mallia arvioiden muodostamiseksi tulevista arvoista. Yleisimmät tyypit ovat 3 kuukauden ja 5 kuukauden liukuvat keskiarvot.
- Liikkuvan keskiarvon ennusteen suorittamiseksi tulotiedot tulisi sijoittaa pystysarakkeeseen. Luo kaksi saraketta, 3 kuukauden liukuva keskiarvo ja 5 kuukauden liukuva keskiarvo.
2. Kolmen kuukauden liukuva keskiarvo lasketaan ottamalla nykyisten ja kahden viime kuukauden tulojen keskiarvo. Ensimmäisen ennusteen pitäisi alkaa maaliskuussa, joka on solu C6. Käytetty kaava on = AVERAGE (B4: B6), joka laskee keskimääräiset tulot tammi-maaliskuussa. Kopioi kaava joulukuun loppuun painamalla Ctrl + D.
3. Samoin viiden kuukauden liukuva keskiarvo ennustaa tuloja viidennestä jaksosta eli toukokuussa. Solussa D8 käytämme kaavaa = AVERAGE (B4: B8) keskimääräisten tulojen laskemiseksi tammikuusta toukokuuhun. Kopioi kaava alas pikanäppäimillä Ctrl + D.
4. On aina hyvä luoda viivakaavio, joka näyttää tulojen ennustamismenetelmien todellisen ja MA-ennustetun arvon välisen eron. Huomaa, että 3 kuukauden myyntilupa vaihtelee suuremmalla määrällä, kun historialliset tulot kasvavat tai vähenevät merkittävästi verrattuna viiden kuukauden myyntituloihin. Kun päättää liikkuvan keskiarvon tekniikan ajanjaksosta, analyytikon tulisi harkita, pitäisikö ennusteiden kuvastaa paremmin todellisuutta vai tasoitetaanko ne viimeisimmät vaihtelut.
# 3 Yksinkertainen lineaarinen regressio
Regressioanalyysi on laajalti käytetty työkalu muuttujien välisen suhteen analysointiin ennustamistarkoituksia varten. Toisessa esimerkissä tulojen ennustamismenetelmistä tarkastelemme radiomainosten ja tulojen suhdetta suorittamalla regressioanalyysi kahdesta muuttujasta.
- Valitse radiomainokset ja tulotiedot soluista B4 - C15 ja siirry kohtaan Lisää> Kaavio> Hajonta.
2. Napsauta hiiren kakkospainikkeella datapisteitä ja valitse Alusta tietosarja. Vaihda Markkinavaihtoehdot-kohdassa väri halutuksi ja valitse ei reunaviivaa.
3. Napsauta hiiren kakkospainikkeella datapisteitä ja valitse Lisää trendiviiva. Valitse Lineaarinen viiva ja merkitse ruutuun Näytä yhtälö kaaviossa ja Näytä R-neliön arvo kaaviossa. Siirrä yhtäläruutu viivan alapuolelle. Lisää viivan leveyttä 3 pt: ksi, jotta se olisi näkyvämpi.
4. Valitse ei täyttöä eikä rajaviivaa sekä kaavion alueelle että kaavion alueelle. Poista pystysuora ja vaakasuora ristikkoviiva kaaviosta.
5. Siirry Suunnittelu-valintanauhan kohtaan Lisää kaavion elementti ja lisää sekä vaaka- että pystysuoran akselin otsikot. Nimeä pystyakseli uudelleen tuloksi ja vaaka-akseli radiomainosten lukumääräksi. Vaihda kaavion otsikoksi Mainosten ja tulojen suhde.
6. Lineaarisen regressioviivan luomisen lisäksi voit ennustaa tulot myös Excelin ennustefunktiolla. Esimerkiksi yritys julkaisee 100 mainosta seuraavan kuukauden aikana ja haluaa ennustaa tulonsa regressioon perustuen. Käytä solussa C20 kaavaa = ENNUSTE (B20, $ C $ 4: $ C $ 15, $ B $ 4: $ B $ 15). Kaava ottaa tiedot Radio-mainokset ja Tuotto-sarakkeista ennusteen luomiseksi.
7. Toinen menetelmä on käyttää regressioviivan yhtälöä. Viivan kaltevuus on 78,08 ja y-leikkaus on 7930,35. Voimme käyttää näitä kahta lukua ennustettujen tulojen laskemiseen tietyn x-arvon perusteella. Solussa C25 voimme käyttää kaavaa = ($ A $ 25 * B25) + $ A $ 26 saadaksesi selville tulot, jos radiomainoksia on 100.
# 4 Moninkertainen lineaarinen regressio
Yritys käyttää tulojen ennustamiseen useita lineaarisia regressioita, kun ennustamiseen tarvitaan kaksi tai useampia riippumattomia muuttujia. Alla olevassa esimerkissä suoritetaan regressio myynninedistämiskustannuksista, mainontakuluista ja tuloista näiden muuttujien välisen suhteen tunnistamiseksi.
- Valitse Tiedot-välilehti> Data-analyysi> Regressio. Valitse D3 - D15 tulon Y alueelle ja B3 - C15 tulon X alueelle. Valitse Tarrat-ruutu. Aseta lähtöalue solulle A33.
2. Kopioi viimeinen taulukko yhteenvetotulosteesta ja liitä se soluun A24. Taulukon kertoimien avulla voimme ennustaa tulot myynninedistämis- ja mainontakustannusten perusteella. Jos esimerkiksi oletamme, että myynninedistämiskustannukset ovat 125 ja mainontakulut ovat 250, voimme käyttää tulojen ennustamiseen solun B20 yhtälöä: = $ B $ 25 + (B18 * $ B $ 26) + (B19 * $ B $ 27) ).
Lisää resursseja
Kiitos, että olet lukenut tämän oppaan tärkeimmistä tulojen ennustamismenetelmistä. Finance on maailmanlaajuisen finanssimallinnus- ja arvostusanalyytikon (FMVA) ™ virallinen toimittaja. FMVA®-sertifiointi . Voit jatkaa urasi etenemistä alla olevista lisärahoitusresursseista:
- Taloudellisen mallinnuksen opas Ilmainen taloudellisen mallinnuksen opas Tämä taloudellisen mallinnuksen opas sisältää Excel-vinkkejä ja parhaita käytäntöjä oletuksista, ohjaimista, ennusteista, kolmen lausunnon linkittämisestä, DCF-analyysistä ja muusta
- 3 Lausekemalli 3 Lausekemalli 3-lausemalli yhdistää tuloslaskelman, taseen ja kassavirtalaskelman yhteen dynaamisesti yhdistettyyn rahoitusmalliin. Esimerkkejä, opas
- Tuloslaskelmaerien ennustaminen Tuloslaskelmaerien ennustaminen Keskustelemme eri menetelmistä tuloslaskelmaerien esittämiseen. Tuloslaskelmaerien ennustaminen alkaa myyntituotoista ja sitten kustannuksista
- Tase-erien ennustaminen Tase-erien ennustaminen Taseen rivikohtien ennustaminen käsittää käyttöpääoman, osto- ja myyntitulojen, vieraan pääoman ja nettotulojen analysoinnin. Tämä opas kertoo kuinka lasketaan
