Mga Hamon at Mga Limitasyon ng Pagtaya sa Pananalapi

Ang pagtataya sa pananalapi ay ginaganap para sa maraming uri ng mga kadahilanan, tulad ng pag-project ng inaasahang mga benta upang maayos ang mga rate ng kapasidad, o bilang bahagi ng pamamahala ng badyet. Kadalasan ay nangangailangan ng mga creditors ang parehong makasaysayang at pagtataya ng mga pinansiyal na pahayag kapag nagsagawa ng kanilang paunang at patuloy na pagtatasa ng kredito. Ang inaasahang mga pahayag sa pananalapi ay ginagamit din upang maghanda ng mga pagtatasa ng negosyo, na maaaring kailanganin para sa mga layunin sa pag-uulat sa pananalapi, pagpaplano ng ari-arian, pagsasanib at pagkuha, o kahit na paglilitis sa korporasyon. Ang paghahanda ng mga pagtataya sa pananalapi ay nangangailangan ng mga kumplikadong pag-aaral, na napapailalim sa isang bilang ng mga limitasyon at hamon.

Ang isang karaniwang error ay mag-drill down masyadong malalim at tangkain upang mag-forecast ng masyadong maraming mga item item.credit: Medioimages / Photodisc / Photodisc / Getty Images

Katumpakan ng Data ng Kasaysayan

Ang madalas na pagtataya ng pananalapi ay ginagampanan gamit ang makasaysayang mga resulta bilang isang proxy para sa hinaharap. Maaari mong gawin ito sa pamamagitan ng pag-aaral ng makasaysayang pahayag ng kita at mga item sa balanse para sa mga uso, gaya ng mga trend ng paglago, at pag-aaplay ng mga numerong ito nang pasulong. Halimbawa, kung ang isang kumpanya ay nakakamit ng matatag na paglago ng average na 5 porsiyento bawat taon sa loob ng nakaraang limang taon, maaari mong forecast ang mga benta sa susunod na taon gamit ang 5 porsiyento na rate ng paglago. Habang malawakang ginagamit, ang diskarte na ito ay maaaring maging problema. Kung ang mga resulta ng kumpanya ay hindi maliwanag sa bawat taon, ang mga makasaysayang average ay hindi maaaring magbigay ng magandang indications para sa hinaharap. Kung ang kumpanya ay isang start-up, ang makasaysayang mga resulta ay maaaring hindi magagamit sa lahat. Bilang karagdagan, ang mga panlabas na kondisyon ng merkado ay maaaring makaapekto sa mga resulta sa pananalapi sa isang paraan na hindi mahuli sa pamamagitan ng pagtatasa ng mga makasaysayang resulta.

Frame ng Oras

Ang mas mahaba ang time frame, mas mahirap ito ay tumpak na mag-forecast ng mga resulta sa pananalapi. Ito ay mas mahirap na mag-forecast ng mga resulta sa pananalapi sa susunod na taon kaysa mahulaan ang mga numero para sa darating na dekada. Halimbawa, kung nagpapalabas ka ng mga trend na gumagamit ng limang taon ng makasaysayang datos habang naghahanda ng 10 taon na projection ng pananalapi, ang paggamit ng limang taon na trend ay malamang na mas mababa sa 10 taon. Habang lumalagpas ang mas maraming oras, ang posibilidad ng mga pangyayaring nagaganap na maaaring makaapekto sa mga pagtaas ng pinansiyal na resulta ng kumpanya. Maaaring tumaas o bumaba ang bahagi ng merkado, o maaaring mabago nang malaki ang mga kondisyon ng ekonomiya. Bilang isang pangkalahatang tuntunin, mas maikli ang mga proyektong panahon.

Mga Problema Sa Input Data

Bukod sa paggamit ng makasaysayang data, ang mga pagtataya ay kadalasang ginagampanan gamit ang linear analysis, na hinahawak ang hinaharap na pagganap sa pananalapi sa iba't ibang mga dependent variable na nauugnay sa pinagbabatayan na mga numero sa pananalapi. Ito ay maaaring maging lubhang problemado - pinakamahusay na nakuha ng mga basura ng basura sa, basura out. Ang pagiging maaasahan ng iyong forecast ay kasing ganda lamang ng mga input na ginamit upang makalkula ito. Nag-iiwan ito ng silid para sa mga error na dulot ng mga pagkakamali na ginawa sa pagkolekta o pagbibigay-kahulugan sa data, o kamalian ng tao sa pagpasok ng data sa modelo ng pagtataya. Gayundin, ang mga tao ay napapailalim sa iba't ibang mga biases, tulad ng mga bias sa pagkumpirma, na nangyayari kapag ang paghuhukom ng manghuhula ay sinasadya ng mga nakababahalang mga opinyon tungkol sa inaasahang mga resulta. Ito ay maaaring maging sanhi ng nangunguna sa pananalapi upang ilagay ang labis na diin sa mas kaukulang mga bagay sa data, o kabaligtaran.

Mga Hindi Kinalkula na Kaganapan

Kahit na ganap mong isagawa ang quantitative at qualitative forecasting methods, imposibleng makita ang hindi inaasahan. Ang mga sangkap na ito ay maaaring mag-iba sa kalikasan, ngunit maaaring maging mga panganib na batay sa kumpetisyon, ekonomiya, at mga panlabas na pagkaligtas sa merkado. Halimbawa, pagkatapos ng maraming mga taon ng pag-unlad, ang Blockbuster ay nabulag ng pagganap ng Netflix, na mabilis na nakakapagod sa market share at sales ni Blockbuster. Ang isang retail outlet ay maaaring magbukas ng isang bagong lokasyon at magpapatibay ng malakas na paglago sa pananalapi, upang magkaroon lamang ng direktang kakumpitensya sa buong kalye, na nakakaapekto sa mga benta at kita.

Higit pa rito, ang isang kaganapan sa Black Swan ay maaaring madaling mag-render nang mahusay na mga taya ng pananalapi na hindi na ginagamit. Ang isang kaganapan sa Black Swan ay isang hindi inaasahang pangyayari na nagpapakita, na nagpapakita ng tatlong mga kadahilanan - imposible upang mahulaan, nagdadala ito ng napakalaking epekto, at ang shock value nito ay kamangha-manghang, sapagkat ang mga tao ay hindi maaring maglarawan ng naturang kaganapan na nagaganap.