【文章內(nèi)容簡介】 加融資 股本和準備金 資產(chǎn)負債表的變動額 短期債務和準備金 資產(chǎn)負債表的變動額 長期債務和準備金 資產(chǎn)負債表的變動額融資所導致的現(xiàn)金流入/流出 現(xiàn)金增加/減少 加流向銀行的凈現(xiàn)金流 現(xiàn)金 資產(chǎn)負債表的變動額核對圖 71給出了現(xiàn)金流各項目的數(shù)據(jù)來源，當數(shù)據(jù)信息來自于資產(chǎn)負債表年初至年末的變動額和損益表變動額時，標明數(shù)據(jù)來源就顯得特別重要。．現(xiàn)金流來源模型Cash_Flow_Statemen展示了最后時期的現(xiàn)金流是如何計算得出的。現(xiàn)金流量表根據(jù)資產(chǎn)負債表與損益表的有關數(shù)據(jù)編制而成。（）圖72 現(xiàn)金流(第118頁，fig ) 資產(chǎn)負債表統(tǒng)計了每年的資產(chǎn)負債變動情況。在資產(chǎn)負債表中，資產(chǎn)的增加意味著現(xiàn)金耗費，減少意味著現(xiàn)金增加。如果債務人增加，則說明公司產(chǎn)生現(xiàn)金的能力下降，因此需要更多的現(xiàn)金以維持生產(chǎn)周期的持續(xù)性。對于債權(quán)人增加，說明公司享有獲得了更高的信用度，現(xiàn)金來源拓寬。某些項目，比如固定資產(chǎn)需要同時考慮資產(chǎn)負債表和損益表中的相關項目才能得出。它由固定資產(chǎn)凈值的變動額與損益表的折舊相加得到。現(xiàn)金流量表底部的調(diào)整項幫助進行單元格程序編碼。當所有行的數(shù)據(jù)全部被統(tǒng)計后誤差必須為0。作為這種模型的部分檢驗，你需要試驗幾個不同的公司以確保所有項目都被包括在模型之中。例如，此公司不需要任何無形資產(chǎn)投資，你需要保證當你給這些項目(如無形資產(chǎn))被賦值之后模型依舊有效。損益表中的未分配利潤項和資產(chǎn)負債表中準備金與相應的實際增加的數(shù)額之差可以被現(xiàn)金流量表中的調(diào)整項目一一捕捉。這些可能包括前一年的調(diào)整，轉(zhuǎn)移調(diào)整，期票股利，商譽核銷以及其他調(diào)整。 凈經(jīng)營現(xiàn)金流（NOCF）此現(xiàn)金流量表顯示公司上一時期盈利能力有所下降，因為其經(jīng)營現(xiàn)金流是負的三百三十萬，比以前任何一個時期減少的量都要大。雖然公司仍然在盈利，但是主營業(yè)務卻在消耗現(xiàn)金而非賺取。如果將設備投資考慮進去，現(xiàn)金流出將達到六百萬。但是新增債務抵消了部分現(xiàn)金流出，所以才使得最終的現(xiàn)金流出額減小到三百四十萬。這些分析結(jié)果將使得比率分析更加有價值，因為公司業(yè)績的下滑已經(jīng)對公司的現(xiàn)金儲備產(chǎn)生了巨大的負面影響。公司的管理者需要確定公司是否能夠通過主營業(yè)務為現(xiàn)有和新增的債務籌集償債資金。對于現(xiàn)有的債務量而言，借新債來償還舊債利息已經(jīng)于是無補。比率表的底部包括現(xiàn)金流量比率，它的計算方法是用不同的現(xiàn)金衡量指標除以銷售收入? EBITDA/銷售收入（%）?凈經(jīng)營現(xiàn)金流/銷售收入? 融資前現(xiàn)金流/銷售收入 單元格L43用現(xiàn)金流量除以銷售收入=IF（Ine!M100,Cashflow!M12/Ine!M10*100,0） 自由現(xiàn)金流對于現(xiàn)金流有諸多定義，更深入些的定義稱為“自由現(xiàn)金流”。這是可以用于清償債務和支付股利的現(xiàn)金流。它的定義如下：經(jīng)營利潤（NOP）+折舊/攤銷/非現(xiàn)金項目利息、稅收、折舊、攤銷前的收益（EBITDA）+/—凈營運資產(chǎn)的變化額凈經(jīng)營現(xiàn)金流（NOCF） —固定資產(chǎn)支出/銷售收益 —稅收所導致的凈現(xiàn)金流出自由現(xiàn)金流 以下是Financial_Analysis模型中的Free_Cash_Flows表。它包括現(xiàn)金流量表中的數(shù)據(jù)。（見圖 73）。由于巨量的廠房設備投資，自由現(xiàn)金流出超過了5百萬。圖 73 自由現(xiàn)金流 (原書120頁,) 補倉率，名義利率，資產(chǎn)價值和期末價值（未來價值）。這個模型計算每年的租金額以及不同現(xiàn)金流需要的補倉數(shù)額（）。這里更需要關注的是現(xiàn)金而不是貸款分攤及利息。例如，一個租賃公司想要了解現(xiàn)金流的敏感度和不確定性，這個方法可以突出風險所在之處。在這個例子中，2百萬的貸款是有風險的，并且并沒有被及時補倉。單元格F29使用PMT函數(shù)計算年度支付額：=IF（SUM（F23：F26）0,PMT(F24,F23,ABS(F25),F26,D89),0）Figure 貸款補倉 (原書121頁,fig ) . 總結(jié)現(xiàn)金是公司的血液，只有各種財務比率而不能揭示現(xiàn)金流來源的模型是不完備的。雖然有許多方法可以揭示資金的來源與用途，但本章提供的這種方法概括了資金的主營業(yè)務與非主營業(yè)務用途。這種方法也可以計算出不同地位的出資人可以獲得的現(xiàn)金流水平。8．預測模型無論是進行戰(zhàn)略規(guī)劃還是制定年度預算都需要對未來進行預測。風險水平和各種不確定性是難以提前預知的，預測就是試圖對各種影響最終結(jié)果的因素進行描述與分析。公司管理層通常希望對銷售收入和成本進行預測，而本章將討論一些在Excel中常用的預測方法。預測模型的例子包括：? 生產(chǎn)計劃和原料采購計劃? 人力規(guī)劃? 項目或投資分析? 現(xiàn)金預算數(shù)量化的預測是從歷史數(shù)據(jù)開始，并主要經(jīng)過以下步驟：? 明確預測的目的、要求達到的細節(jié)水平及預測的信息的使用者? 時間范圍，時刻牢記預測的時間越長不確定性越大? 確定假設條件或不確定性的因素? 可選擇使用的預測技術? 對預測結(jié)果進行場景分析和敏感度分析? 考察并改進假設這里需要注意的是，許多人往往輕信基于Excel的預測結(jié)果，因為它們結(jié)構(gòu)精美并且如果不對整個模型進行審核往往難以對結(jié)果進行證偽。實際上，由于缺乏精確的模型設計程序，產(chǎn)生錯誤的可能性非常大，因此需要對預測結(jié)果進行數(shù)學和程序錯誤審核。這就是對商務模型進行審核以確保模型生成的預測結(jié)果準確無誤的原因。 歷史預測歷史模型或者稱之為原始模型都是基于一系列簡單變量之間的關系而構(gòu)建的。它們并不關注變量本身。一旦基本變量的價值或是重要性發(fā)生變化，這些變量之間的原有關系就不復存在。在現(xiàn)實生活中恒定的變量是不存在的，所以一定的誤差幅度必須加以考慮。在Excel中，有許多方法可以用來進行數(shù)據(jù)預測，打開文件“Forecast_Trends”選擇“Trend”表格。這里展示了一系列取自“FinAnalysis”模型的以藍色標注的銷售數(shù)據(jù)。你可以突出你想預測的數(shù)據(jù)并且將數(shù)據(jù)往前拖動五年。Excel能夠理解這種數(shù)字級數(shù)或數(shù)據(jù)表。例如，星期中的每一天。使用同樣的方法，你可以檢查列表或者往”工具(T)”，”選項(O)…”，”自定義序列”里添加新數(shù)據(jù)。另一種預測方法是使用趨勢函數(shù)。它使用已知的X值和Y值確定新的X的值。單元格I12使用I8作為下一欄的日期。=TREND（$D$10:$H$10,$D$8:$H$8,I8）這種簡單的預測方法的優(yōu)點在于利用圖表向?qū)Ь秃苋菀椎禺嫵鲞@些趨勢圖。畫圖使結(jié)果看起來更加直觀清晰。單元格H12記錄最近的歷史數(shù)值，歷史值與預測值都在一個圖中畫出，以便他們觀察他們之間的聯(lián)系。通過右鍵單擊歷史序列，可以增添一條簡單的歷史趨勢線。使用“選項”,趨勢被向前延長1850個單位。第8行的數(shù)據(jù)是時間序列，因此按天詳細記述。5年大概等于1850單位。趨勢線與拖動數(shù)據(jù)和趨勢函數(shù)所做出的預測相當接近。趨勢線中的選項之一是標明R2相關性和序列方程。前者提供衡量相關性的標準。由于1表示完全的相關性，所以這個例子的相關性是相當令人滿意的。方程y=mx+b代表線形趨勢。作為進一步的預測方法，這在第14行進行計算。圖81 趨勢(原書124頁,) 用于分析的趨勢線趨勢線可以附加一些控制器以便進行高級分析，即在一個表格中對幾條趨勢線同時進行分析?！癋inancial_Analysis”包括兩個報告表：操作概要Management_Summary和操作分析Management_Analysis。后者包含三個曲線圖，它們根據(jù)第79行至第214行的數(shù)據(jù)繪制一條曲線。數(shù)據(jù)取自損益表、資產(chǎn)負債表、現(xiàn)金流量表、財務比率和估價表以及將在下一章討論的預測表。所用的技巧是將C欄和D欄數(shù)據(jù)集中在Q欄，例如單元格Q79，為下拉列表提供一列輸入數(shù)據(jù)。=CONCATENATE（C79，D79）更新后的單元格隨后成為OFFSET函數(shù)的輸入值，并對每一欄進行回歸。因此，當使用者選擇某一行對第16行的結(jié)果進行分析時，數(shù)據(jù)會自動更新并且做出相應的圖表。單元格C16和C11的標簽也進行更新以使整個過程動態(tài)化。單元格F16的公式是：=OFFSET（F$78,$k$13,0）圖 82 動態(tài)圖表(原書125頁,fig )第一個圖表是散點圖，它將F列至K列作為第一序列，而預測則是從K欄到O欄，所以兩個圖表看上去首尾相接，連為一體。趨勢線可以貫穿第一序列然后使用趨勢選項擴展五年，（）這樣可以使使用者看出發(fā)展趨勢是否好過前幾個時期。在文件“Forecast_Trend”中存在兩個技巧。由于周期、季節(jié)、循環(huán)變量的影響，數(shù)據(jù)往往并不十分符合要求。這兩個技巧是指數(shù)平均法和指數(shù)平滑處理法。.移動平均是指取兩個或多個數(shù)據(jù)點的平均數(shù)?？梢苑抡铡癕oving _Average”表手動完成這個計算，或者借助趨勢線得出平均數(shù)（）。此方法易于理解、數(shù)學要求低。主要不足之處在于假定所有數(shù)據(jù)的權(quán)重相同，而邏輯上最近的數(shù)據(jù)應該被賦予最大的權(quán)重。第二個技巧可以解決這個問題，指數(shù)平滑法將歷史數(shù)據(jù)賦予不同的權(quán)重。從統(tǒng)計的角度講，未來更傾向于建立在最近的歷史數(shù)據(jù)基礎之上而非很老的數(shù)據(jù)。圖83 移動平均(原書126頁,)公式是： ynew =用做預測的平滑平均值yold =最近一期歷史數(shù)據(jù)yforecas =最近的平滑預測值A =平滑常數(shù)這個模型使用工具欄中的Solver函數(shù),可以在最大程度上減少錯誤并再次計算平滑常數(shù)。預測數(shù)據(jù)與實際數(shù)據(jù)的差額取平方后相加存儲到單元格G23,然后再把G23單元格中的結(jié)果取平方根后得到的數(shù)值放在單元格C27(圖 84).，這減少了單元格C27中的均值平方誤差。整個Visual Basic中的運算過程及程序編碼如下：Sub Solver()SolverResetSolverOptions precision:=SolverAdd CellRef:=Range(“d6”), Relation:=3, FormulaText:=0SolverOk SetCell:=”$C$27”, MaxMinVal:=2, ValueOf:=”0”,ByChange:=”$D$6”SolverSolve userFinish:=TrueEnd Sub這些編碼重新設定求解器并第一次限定常數(shù)必須大于零。其次，程序編碼調(diào)用規(guī)劃求解命令，通過改變單元格D6（常數(shù)）的方法將單元格C27(平均數(shù)平方誤差)設為最小。UserFinish:=True 將Solver對話框置于處理過程的最后。如果要在宏里使用規(guī)劃求解，則必須確保事先在Visual Basic編輯器里已經(jīng)注冊，注冊方法是通過訪問工具reference進行注冊。然后單擊Solver，從而使Excel知道在每次打開文件時裝載Solver.()圖84 (原書127頁,)圖85 (原書128頁,fig )使用Solver意味著使用者不需要引入新的常量以減少錯誤，這是因為Solver使用高等數(shù)學方法，能夠根據(jù)所要結(jié)果進行逆推取得期望的答案。 循環(huán)和季節(jié)調(diào)整當數(shù)據(jù)由于季節(jié)因素或循環(huán)因素而波動時，可以使用名為古典分解（classical deposition）的方法。這在表格“Seasonality”中的文件“Forecast_Trend”中可以找到。（見圖86）。此方法如下：? 計算四期移動平均數(shù)（G列）? 平均數(shù)居中（H列）? 用銷售收入除以居中的移動平均數(shù)以生成隨機因素（column I）? 通過對Q1，Q2，Q3，Q4求平均數(shù)以求各個季節(jié)因素的平均數(shù)（J欄和K欄）? 通過除以相關季節(jié)性因素延長數(shù)據(jù)（L欄）? 使用增長函數(shù)預測延長數(shù)據(jù)（單元格L34至L37）? 使數(shù)據(jù)合理化從而建立預測表（單元格F34至F37） 圖86 (原書129頁,fig )圖87 (原書129頁,fig )：? 實際數(shù)據(jù)與平滑后的歷史數(shù)據(jù)? 預測平滑數(shù)列和季節(jié)數(shù)列? 銷售收入趨勢線 總結(jié)本章介紹了基于歷史的預測方法和更高級的預測方法，如指數(shù)平滑法，時間序列分解法等。無論哪種方法，都需要仔細觀察所預測的數(shù)據(jù)基礎并保證有足夠的基礎數(shù)據(jù)支持預測結(jié)果。例如，考慮數(shù)據(jù)來源及可靠性，可能的偏好或隨機因素的出現(xiàn)以及預測完成的可能性。這對于銷售預測十分重要，因為銷售預測與有關資源的策略和決策密切關聯(lián)。9．財務預測上一章介紹了預測銷售額和其他變量的統(tǒng)計方法，本章將介紹如何利用文件“Financial_Analysis”來根據(jù)歷史的損益表數(shù)據(jù)進行預測。進行戰(zhàn)略預測的公司和銀行都十分關心未來現(xiàn)金流的計算，以確定公司是否能夠按期償還貸款或進行項目融資。比率分析和現(xiàn)金流分析是事后分析，預測則為評估公司的未來業(yè)績提供了一種可能。因為我們把模型按照“Financial_Analysis”的形式建立，所以前面各章介紹的各種技術已經(jīng)在現(xiàn)有的表格中上列出。這樣的優(yōu)點在于：? 所有財務報表的框架已經(jīng)存在? 最終的模型將更加全面、實用性更強? 這種方法使得使用者不必重新學習新的格式完整的模型將可以回答許多問題，例如：? 公司對于預期的增長率是否具有