مدل مالی ساده؛ چرا دقیق‌تر از مدل پیچیده است

وقتی کسی می‌پرسد برای ساختن یک مدل مالی پیچیده از کجا شروع کند، بهترین توصیه شاید این باشد: «مدل پیچیده نسازید؛ مدل ساده بسازید.» یک مدل مالی ساده زودتر به نتیجه می‌رسد، راحت‌تر بازبینی می‌شود و برخلاف تصور رایج، معمولاً دقیق‌تر هم هست. در ادامه می‌بینید چرا، و چطور از ساده شروع کنید و بعد لایه‌ها را یکی‌یکی اضافه کنید.

سه فایده‌ی مدل ساده

۱. خطای کمتر. هر متغیر و هر فرمول احتمال اشتباه را بالا می‌برد. مدل ساده جای کمتری برای خطا دارد.

۲. تغییر سریع. هیچ‌کس دوست ندارد برای یک تحلیل حساسیت ساده دو ساعت منتظر بماند. مدل ساده را می‌توان در همان جلسه تغییر داد و نتیجه را نشان داد.

۳. جلب اعتماد بین‌واحدی. اگر همکاران واحدهای دیگر نتوانند منطق مدل را دنبال کنند، آن را «جعبه‌ی سیاه» می‌دانند و کمتر می‌پذیرند. مدلی که بتوان در چند دقیقه توضیحش داد، پشتیبان بیشتری پیدا می‌کند.

اما دقت چه می‌شود؟

پرسش طبیعی این است: «مدل ساده فقط چند عامل دارد؛ مگر دقتش پایین نمی‌آید؟» اغلب برعکس است، به دلیل پدیده‌ای که می‌توان آن را انباشت خطا نامید. وقتی متغیرهای زیادی دارید، خطاها فقط جمع نمی‌شوند؛ در مدل‌هایی که متغیرها در هم ضرب می‌شوند، می‌توانند هم‌دیگر را تقویت کنند.

مثال: فرض کنید درآمد را از حاصل‌ضرب چند متغیر پیش‌بینی می‌کنید، مثلاً تعداد بازدیدکننده، نرخ تبدیل، تعداد خرید هر مشتری، متوسط قیمت و سهم بازار. اگر هر کدام ۱۰٪ بالاتر از واقع برآورد شده باشند:

البته در عمل همه‌ی خطاها هم‌جهت نیستند و بخشی همدیگر را خنثی می‌کنند. اما مسئله روشن است: هرچه حلقه‌های ضرب بیشتر باشد، پراکندگی خروجی زیادتر می‌شود. مدلی با دو متغیر خوب‌سنجیده معمولاً از مدلی با پنج متغیر که چند تای آن‌ها حدسی است، قابل‌اتکاتر خواهد بود.

روش لایه‌به‌لایه

به‌جای ساختن مدل کامل از همان ابتدا، این مراحل را دنبال کنید:

مرحله ۱: هسته‌ی ساده

فقط عوامل اصلی را بگذارید. مثلاً برای مدل درآمد: قیمت، حجم فروش و یک یا دو محرک مهم. نتیجه را با واقعیت گذشته مقایسه کنید.

مرحله ۲: اعتبارسنجی

ببینید مدل ساده چقدر تاریخ را خوب توضیح می‌دهد. اگر پیش‌بینی‌های گذشته را به‌طور معقول بازتولید می‌کند، پایه‌ی محکمی دارید. اگر نه، لایه‌ی تازه اضافه نکنید؛ ابتدا همین هسته را اصلاح کنید.

مرحله ۳: افزودن یک لایه

فقط یک لایه‌ی پیچیدگی اضافه کنید، مثلاً فصلی بودن یا تفکیک محصولات. سپس بسنجید آیا دقت واقعاً بهتر شده است. اگر نه، آن را کنار بگذارید.

مرحله ۴: توقف به‌موقع

وقتی افزودن لایه‌ی بعدی بهبود معنادار نمی‌دهد، متوقف شوید. این نقطه‌ی «ساده‌ترین مدل کافی» است.

چه زمانی پیچیدگی لازم است؟

سادگی به معنای نادیده‌گرفتن واقعیت نیست. برخی تصمیم‌ها واقعاً جزئیات می‌خواهند: مدل سه‌صورتی برای تأمین مالی، مدل‌های وام‌دهنده‌ها یا مدل ارزش‌گذاری شرکت. قاعده این است که پیچیدگی باید با تصمیم متناسب باشد؛ نه بیشتر. برای ساختار استاندارد مدل‌ها، اصول یک مدل مالی خوب و سه ستون مدل‌سازی مالی را ببینید. اگر فقط به یک برآورد سریع نیاز دارید، برآورد سریع بدون مدل مالی هم می‌تواند کافی باشد.

نشانه‌های اینکه مدل شما بیش‌ازحد پیچیده شده

• فقط سازنده‌ی مدل می‌داند چه می‌کند.
• برای تغییر یک فرض باید در چند برگه جابه‌جا شوید.
• نتیجه‌ی یک تغییر کوچک را نمی‌توانید توضیح دهید.
• متغیرهایی دارید که هیچ داده‌ی قابل‌اتکایی پشتشان نیست.
• زمان به‌روزرسانی ماهانه‌ی مدل از زمان تحلیل نتایج بیشتر است.

پرسش‌های متداول

آیا مدل ساده یعنی بی‌دقتی؟ خیر. یعنی تعداد متغیرها را به آنچه واقعاً اثر دارد و قابل‌برآورد است محدود می‌کنید. دقت از کیفیت فرض‌ها می‌آید، نه تعدادشان.

چند متغیر کافی است؟ عدد ثابتی نیست. ابتدا مهم‌ترین محرک‌ها را بگذارید، سپس با مقایسه با داده‌ی گذشته ببینید افزودن متغیر جدید ارزش دارد یا نه.

اگر مدیران جزئیات بخواهند چه کنم؟ مدل ساده را هسته‌ی اصلی نگه دارید و جزئیات را در برگه‌ی پشتیبان یا پیوست بیاورید، نه در منطق اصلی مدل.

مدل ساده چه ارتباطی با تحلیل حساسیت دارد؟ مدل ساده تحلیل حساسیت را سریع‌تر می‌کند. برای روش آن، تحلیل حساسیت در مدل مالی را ببینید.

جمع‌بندی

مدل مالی ساده کم‌خطاتر، سریع‌تر و قابل‌توضیح‌تر است و اغلب از مدل پیچیده دقیق‌تر عمل می‌کند، چون انباشت خطا ندارد. از هسته‌ی کوچک شروع کنید، با داده‌ی گذشته بسنجید و فقط وقتی لایه‌ای را اضافه کنید که دقت را معنادار بالا ببرد.