×
畅享IT
    信息化规划
    IT总包
    供应商选型
    IT监理
    开发维护外包
    评估维权
客服电话
400-698-9918
当前位置:畅享论坛 >  企业管理  >  咨询天地 > 正文
发帖
回复
(共 20 条) 上一页 1 2
查看: 5266|回复: 21

[原创]融资需求回归分析模型

[复制链接]

等级:经理
行业:
职能部门:
城市:珠海市
金币:13416

CEO:融资需求预测的回归分析法,顾名思义,就是假设财务报表各项目,与销售收入的函数关系,是一种线性关系?

CFO:是的。例如,存货=a+b*销售收入。

CEO:我们在进行销售预测时,用到了回归分析;现在做融资需求预测,又用到了回归分析。

CFO:是的。销售预测的回归分析,自变量是时间,因变量是预计销售收入;融资需求预测的回归分析,自变量是预计销售收入,因变量是财务报表各项目。

CEO:我的理解:相关是没有方向的,回归是有方向的。销售收入,从销售预测的因变量,变成了融资需求预测的自变量。这是回归分析法,在销售预测与融资需求预测之间的区别。

同样是融资需求预测,回归分析法,与销售百分比法,是基于同样的历史数据吗?

CFO:都是基于历史数据,但不是同样的历史数据。销售百分比法确定百分比关系,用到的历史数据,可以是基期,也可以是若干期的平均数;回归分析法确定线性关系,用到的历史数据,是一个较长期间的数据,一般至少10期。

CEO:看来,历史数据的收集和存储很重要。而且,历史数据要有可比性,同一项目在不同历史时期,不能叫着相同的名称,却有着不同的意义。这样,我们就可以将沉睡的历史数据唤醒,发挥其作用了。

CFO:是的。基于历史数据,我们可通过计算相关系数,以确定相关性;我们可通过拟合回归方程,以确定线性关系中的ab。然后,根据销售收入和回归方程,就可以预计财务报表各项目的金额了,从而计算融资需求。

CEO:数据的准确性,回归分析法显然比销售百分比法要高。回归分析法在很大程度上,可以弥补销售百分比法的缺陷。回归分析法与销售百分比法,除了确定函数关系的方法不同,其他地方是一样的吧?

CFO:其他地方是一样的。回归分析,如果人工做,还是比较复杂的。现在的财务核算软件已经普及,但没有融资需求预测功能。融资需求预测软件,一般不是普及型的产品,而是定制化的项目。

有的融资需求预测软件功能很强,建有企业的历史数据库和模型库,用户可选择适用的模型;是一个实时联机系统,随时更新数据;可通过人机对话进行交互操作;使用概率分析技术;预测能与计划结合,根据预测结果出具经营与财务计划,从而支持财务决策。

CEO:《大数据时代》的作者舍恩伯格,提出三要三不要,即:要相关不要因果,要总体不要样本,要缺陷不要完美。他反对因果关系,对相关关系特别推崇。那怎么解释“种瓜得瓜,种豆得豆”、“善有善报,恶有恶报”这些因果呢?

CFO:种瓜未必得瓜。“种瓜得瓜”只能说明种瓜与得瓜之间,存在高度相关,但并不说明存在必然因果。由于转基因,可能种下的瓜,最终得到了豆;或者由于气候、人为等因素,最终一无所获。

同理,善行未必善报。“善有善报”只能说明善行与善报之间,存在高度相关,但并不说明存在必然因果。有人一辈子善行,却得恶报;有人一辈子恶行,却有善终。

在大数据时代,我们不必知道现象背后的原因,我们甚至不可能知道现象背后的所有原因。舍恩伯格的意思,就是知其然,不必知其所以然。

CEO:想想也确实如此。例如蝴蝶效应,其实就是相关效应而不是因果效应。亚州的一支蝴蝶拍了拍翅膀,美州大陆就出现了12级龙卷风;我打了个喷嚏,珠海就暴雨;我抽了根烟,北京就雾霾。这说明了相关,不代表因果。

不过仔细体会,两者似乎也有联系。因果关系,可以认为是变量穷举,算法完美条件下的特殊的相关关系;相关关系,可以认为是变量无穷,算法无效条件下的普遍的因果关系。

CFO:相关关系的应用非常广泛,例如Google利用相关关系建立流感预测模型。

Google的工程师把两套数据放在一起,一套是5000多万条频繁检索的词条,一套是美国疾控中心20032008年季节性流感传播时期的数据。他们建立了4.5亿个不同的数学模型。基于这些模型,将两套数据进行比较,分析检索词条的使用频率,与流感传播的时间、空间数据的相互关系。

最后发现,在一个特定的地理位置,越多的人通过Google搜索特定的词条,该地区就有越多的人患了流感。特定的45条检索词条的组合,用于特定的数学模型后,预测结果与20072008两年美国疾控中心记录的实际流感病例,高度拟合,相关性高达97%。通过对海量数据相关性的分析,流感的预测模型就建立起来了。

CEOGoogle的流感预测模型有两个值得注意的地方。一是流感预测模型有4.5亿个;二是将预测结果与20072008两年实际流感病例进行拟合。

CFO:是的。我们现在的一些软件,也提供了非常多的预测模型。用户的第一感觉,是功能非常强大。但实际使用起来,就会很困惑,不知道从众多的预测模型中选择哪一个才是最合适的。

CEO:就象现在的交友网站,不管你把查询条件设得多么详细,一搜总能搜出成百上千个。一开始还挺兴奋,兴奋劲一过,困惑就来了,不知道从众多的目标中选择哪一个才是最合适的。

CFO:所以,Google的流感预测模型,把历史当未来,将预测模型的预测结果,与最近两年的实际数据进行比对,拟合度越高的模型就越合适。这需要海量数据处理能力。

(二)基本理论

融资需求:

通常假设销售额与资产、负债等各项目存在线性关系,可通过回归方程法计算得出,例如:存货=a+b*销售额。

然后,根据预计销售额和回归方程,预计存货的金额。其他资产、负债各项目的预计方法也是同理。

预计股东权益=本期股东权益+预期销售额*销售净利率*1-股利支付率)

融资需求=预计总资产-不增加借款的预计总负债-预计股东权益



本文包含隐藏内容,需要登录并回复后才可以看到


畅享论坛提示:看帖后顺手回帖,是对辛苦发帖者的鼓励,是美德。


等级:总监
行业:其他
职能部门:战略与业务发展
城市:北京
金币:4460
 发表于 2015/3/27 14:23:55 | 圈子 | 发送站内信 | 加为好友 | 邀请加入圈子
top第1楼

等级:高级经理
行业:电子电器/仪器仪表
职能部门:总经理
城市:深圳市
金币:13284
 发表于 2015/4/17 17:16:47 | 博客 | 圈子 | 发送站内信 | 加为好友 | 邀请加入圈子
top第2楼

等级:经理
行业:互联网
职能部门:市场管理
城市:北京
金币:885
 发表于 2015/7/29 14:50:39 | 圈子 | 发送站内信 | 加为好友 | 邀请加入圈子
top第3楼

等级:试用期
行业:专业服务/咨询(财会/法律/人力资源等)
职能部门:其他
城市:厦门市
金币:2
 发表于 2015/9/1 11:44:09 | 圈子 | 发送站内信 | 加为好友 | 邀请加入圈子
top第4楼
不错

等级:经理
行业:机械制造
职能部门:人力资源
城市:济南市
金币:568
 发表于 2015/10/14 9:20:47 | 圈子 | 发送站内信 | 加为好友 | 邀请加入圈子
top第5楼

等级:助理
行业:计算机硬件/系统
职能部门:市场管理
城市:武汉市
金币:249
 发表于 2015/11/16 11:59:12 | 圈子 | 发送站内信 | 加为好友 | 邀请加入圈子
top第6楼
学习了。。。

等级:助理
行业:培训
职能部门:人力资源
城市:北京
金币:1162
 发表于 2015/11/23 16:55:50 | 圈子 | 发送站内信 | 加为好友 | 邀请加入圈子
top第7楼
还有这档子事

等级:试用期
行业:零售连锁分销
职能部门:财务/审计/会计
城市:
金币:11
 发表于 2015/11/30 16:13:10 | 圈子 | 发送站内信 | 加为好友 | 邀请加入圈子
top第8楼
谢谢分享

等级:助理
行业:
职能部门:
城市:洛阳市
金币:140
 发表于 2015/12/2 9:54:01 | 圈子 | 发送站内信 | 加为好友 | 邀请加入圈子
top第9楼
谢谢分享

等级:试用期
行业:
职能部门:
城市:
金币:98
 发表于 2015/12/24 15:13:02 | 圈子 | 发送站内信 | 加为好友 | 邀请加入圈子
top第10楼

等级:试用期
行业:
职能部门:研究/产品开发
城市:北京
金币:13
 发表于 2016/1/4 19:38:58 | 圈子 | 发送站内信 | 加为好友 | 邀请加入圈子
top第11楼

等级:助理
行业:汽车
职能部门:其他
城市:成都市
金币:58
 发表于 2016/1/4 21:54:17 | 圈子 | 发送站内信 | 加为好友 | 邀请加入圈子
top第12楼

等级:试用期
行业:财务
职能部门:财务/审计
城市:南京市
金币:41
 发表于 2016/1/17 10:47:29 | 圈子 | 发送站内信 | 加为好友 | 邀请加入圈子
top第13楼
这是一个好模型

等级:试用期
行业:
职能部门:
城市:
金币:11
 发表于 2016/1/22 16:39:37 | 圈子 | 发送站内信 | 加为好友 | 邀请加入圈子
top第14楼
非常好 看后让我把之前混沌的知识看的很清晰

等级:试用期
行业:
职能部门:
城市:
金币:20
 发表于 2016/5/9 18:59:52 | 圈子 | 发送站内信 | 加为好友 | 邀请加入圈子
top第15楼
学习中
(共 20 条) 上一页 1 2
您还未登录,不能对文章发表评论!请先登录
2018-11-17 10:35:20 355/2018-11-17 10:35:20 480/2018-11-17 10:35:20 511