贷款 贷款攻略 新型贷款 针对投资标的,你会做财务分析做判断吗?
针对投资标的,你会做财务分析做判断吗?

欢迎来到信用时代。提到信用分析,不可避免的会涉及对公司财务报表的研读分析,以及建立相关的模型。

财务分析有哪些价值?

财务分析是否等同于建立财务模型?

财务分析和建模是否就是信用分析的全部?

这篇文章,我们着重讨论这个话题。

首先,财务分析是信用分析的一个重要维度。

我们之所以这么说,因为财务报表是从各行各业、不同盈利模式和运营管理的公司中,总结出来的标准化“语言”,通过这套语言,我们有了量化的基础、比较的标准,以及彼此之间沟通的方式。一般情况下,通过对报表的研读,我们大致可以了解和分析企业的盈利状况、运营能力和风险疑点。 其次,财务分析不全等于财务科学建模。

我们提到的财务科学建模,是指在结合公司运营和财务报表的相关数据,通过数学和计算机等方法,建立公司违约概率、风险疑点等相关量化模型的工作。

一般普通财务分析,更强调分析师的个人价值和观点,艺术性比较强,不容易量化度量和比较;而科学建模,更强调发现内在普适规律,通过量化技术分析问题,并注重验证方法逻辑的合理性、稳定性。科学建模不是替代普通的财务分析,而是建立在理解财务的基础上,发展和升华,并高效率的解决问题。

以我们内部建设的信用决策支持系统为例。财务分析模型是其中一个重要分析工具和维度。我们参考了大量国内外评级公司、大型投资基金的方法论;在债券信用投资实操中积累宝贵经验,反复论证和推敲;建模和运算中采用了回归分析、神经元分析、决策树、逐层蒙特卡洛模拟等数学方法;选用了适合海量运算的底层数据分析系统。

经过了这些步骤扎实的工作后,整套模型系统可以很好的为信用分析和风险管理服务,成为投资研究中必不可少的重要环节。 我们根据五年以上,十万条以上发行主体相关运营和财务数据建模分析,通过了违约问题债券、降级债券等一系列的目标验证,模型的稳定性比较显著。简单的说,符合2080原理:80%的问题集中在财务模型揭示的最大风险的20%的样本库之中,而且用多年数据检验都有效。

好的财务分析模型不仅仅给出分值,而且可以结合信用分析师的财务经验,建立一套可操作的实用方法论,通过维度分解,逐层探索,时间序列分析等角度,高效、快速侦查和初步分析发行主体的信用问题所在,并聚焦关注的要点和疑点。 再次,财务分析模型很重要但不能解决所有问题。 前方我们提到,80%问题集中在20%的问题库中。所以有人不免问题,干嘛不试图建立一个100%解决问题的“精确”模型?

这里有两个原因:

1、财务数据不能反映公司所有的问题。前面我们也提到,财务报表是标准化通用语言,通过它能反应多数企业的大部分运营状况,这点不错。但是,使用再标准化通用语言,也无法替代所有的沟通工作。正如一对热恋的情侣,仅通过语言和表面的行为上,无法完全了解彼此内心。何况甜言蜜语的背后是否有浮夸的成分,更需要了解。我们分析过的企业中,确实存在一些有华丽的财务报表数据,不错的财务模型分数,但真实运营存在质疑,需要更多的维度和手段来分析。

2、过度精确未必是件好事。数学建模分析中,有一个词语叫做过度精确。简单的说,所谓过度精确,就是一味追求建模的样本组的所谓准确,而忽略了对照组、实验组等的稳定性、协同性。模型的原理可以先忽略,但背后的道理可以说人话:追求过度准确性本质上是企图通过过去的信息(或者已知的信息),完全解释未来(或未知)的事件。

但是这显然和实务世界不相符。投资是技术和艺术的综合体,对于大多数的金融模型,我们更倾向于认为追求粗糙的准确大于精确的错误。 最后,除了财务分析和建模,我们还需要做哪些工作?

前面提到,财务分析和建模,只是信用分析其中的一个维度。同样是20-80分析,我们可能要将80%的精力放在有待于解决的这20%的问题上。举例而言,在采用财报数据建模之前,我们通过基于大数据分析的造假模型,判断财务数据的真实性;又如,采用独特的表外数据,构建增广信用模型:通过历史数据验证,增广信用模型稳定性良好,而且可以把99%以上的信用违约主体排除在外,大大提高了普通财务信用模型的有效性。

除了财务维度以外,我们采用了特别的信息和数据来源,建立了近10个不同的智能信用维度,尽量覆盖信用分析需要关注的所有疑点。天网恢恢疏而不漏,人工智能有助于我们看清问题所在,提高决策的效率。 金融世界已经进入信用时代——如何通过互联网的数据狂潮找到我们有用的信息;如何面对充斥而来的各种真假不一的信息;如何提炼并且利用这些信息。

undefined
新型贷款 更多

快速申请

同意《百度金融服务条款》 快速申请

热门贷款

×
您在哪个城市工作
机构仅办理当地工作人士申请
全国
北京
其他城市