Имитационное моделирование денежных потоков по данным бухгалтерской (финансовой) отчетности организации

   Статья направлена на актуализацию подходов к проведению прогнозного анализа финансовых показателей организации в динамично меняющейся бизнес-среде и демонстрирует потенциал прикладного применения эконометрических моделей сценарного прогнозирования в условиях неопределенности. Методический базис научного исследования формируют подходы к построению имитационной модели свободного денежного потока (FCFF) организации с применением показателей эконометрического анализа массивов данных. В работе математически формализована взаимосвязь между результирующим показателем и переменными модели, определяющими изменение объекта анализа. Переменными модели выступают слагаемые прибыли до уплаты налогов и процентов (EBIT), налог на прибыль (Taxes), чистые капитальные затраты (СapEx), расходы на амортизацию материальных и нематериальных активов (D&A), а также изменение оборотного капитала компании (∆NWC). Границы изменения факторных признаков базируются на статистической оценке их ретроспективных значений на протяжении 2017–2023 гг. В процессе имитационного моделирования вариация комплекса переменных происходит с применением равномерного закона распределения случайной величины. Формирование массива имитационных экспериментов выступает основой для расчета показателей описательной статистики, характеризующих эмпирическое распределение объекта имитационного анализа, и позволяет дать ему развернутую качественную характеристику с позиции интерпретации результатов параметрической оценки рисков финансово-хозяйственной деятельности предприятия. Существенным преимуществом рассматриваемого подхода к применению имитационного моделирования выступает раскрытие исходных данных для многосценарного прогнозирования в составе публичной финансовой информации организации, что определяет возможность построения имитационной модели внешними пользователями бухгалтерской (финансовой) отчетности, существенно расширяя круг субъектов экономического анализа.

1. Abad P., Benito S., Lopez C. A comprehensive review of Value at Risk method-ologies // Spanish Review of Financial Economics. – 2014. – Vol. 12. – Is. 1. – P. 15–32.

2. Coleman T. A practical guide to risk management. – Charlottesville: Re-search Foundation of CFA Institute, 2011. – P. 101–137.

3. Ghomi S.M.T.F., Ashjari B. A simulation model for multi-project resource allocation // International Journal of Project Management. – 2002. – Vol. 20. – Is. 2. – P. 127–130.

4. Glasserman P. Monte Carlo Methods in Financial Engineering. – 1^st ed. – N.Y.: Springer-Verlag, 2004. – P. 39–77.

5. Guerrero H. Excel Data Analysis. Modeling and Simulation. – 1^st ed. – Berlin; Heidelberg: Springer-Verlag, 2010. – P. 19–51.

6. Greasley A. Using business-process simulation within a business-process reengineering approach // Business Process Management Journal. – 2003. – Vol. 9. – Is. 4. – P. 408–420.

7. Harrison J.R., Lin Z., Carroll G.R., Carley K.M. Simulation modeling in organizational and management research // Academy of Management Review. – 2007. – Vol. 32. – Is. 4. – P. 1229–1245.

8. Hendry D.F. Monte Carlo experimentation in econometrics // Handbook of Econometrics. – 1984. – Vol. 2. – P. 937–976.

9. Pritsker M. The hidden dangers of historical simulation // Journal of Bank-ing and Finance. – 2006. – Vol. 30. – Is. 2. – P. 561–582.

10. Winston W. Microsoft Excel 2016 Data analysis and Business modeling. – 5^th ed. – Redmond: Microsoft Press, 2016. – P. 683–692.

11. Wooldridge J. Econometric Analysis of Cross Section and Panel Data. – 2^nd ed. – Cambridge: MIT Press, 2010. – P. 377–385.