В нашем Telegram-канале мы уже рассказывали, как создавали финансовую модель с использованием нейросети (ссылку на пост найдете в конце статьи). Теперь разберем, какие шаги прошли, какие нюансы учли и что делать, если данных мало, экспертов в отрасли нет, а в расчетах помогает искусственный интеллект.
О проекте
Речь идет о строительстве гостиничного комплекса под управлением отельного оператора. Финансовая модель охватывала две фазы:
- Инвестиционная – строительство отеля.
- Операционная – его последующая эксплуатация.
На старте мы определили ключевые параметры:
- площадь участка,
- количество номеров,
- площадь коммерческих помещений,
- категорию отеля.
На них и строили финансовую модель.
С чего начали?
Когда проект относится к новой для вас сфере или подпадает под государственные программы, важно учесть отраслевые нормы, налоговые аспекты и госрегулирование. Для этого:
- Изучите нормативные акты – они определяют правила работы в отрасли, стандарты.
- Разберитесь с налогообложением – учтите все налоги, взносы и сборы, которые повлияют на затраты на этапе эксплуатации.
В нормативных документах можно найти важные параметры:
- допустимую долю государственного участия,
- порядок финансирования,
- условия получения средств.
Эти данные напрямую влияют на расчет бюджетных форм: Бюджета движения денежных средств (БДДС) и Бюджета доходов и расходов (БДР).
Исходные данные
Любая финансовая модель начинается с исходных данных. Полный перечень формируется в процессе работы, но базовые параметры фиксируются сразу. В нашей модели они включали:
- Сроки реализации проекта.
- Макроэкономические показатели.
- Базовые параметры объекта (площадь, количество номеров, категория отеля).
- Финансовые условия (банковское и собственное финансирование).
Сроки реализации проекта
Для нашего проекта были важны три параметра:
- Общий срок реализации – учитывая участие в госпрограмме.
- Срок проектирования.
- Срок строительства.
Финансовая модель не только фиксирует сроки, но и позволяет их контролировать. Сравнивая план с фактическими данными, можно выявлять отклонения и учитывать их при оценке будущих проектов.
Макроэкономические показатели
В модели используются макроэкономические данные, которые изменяются со временем. Поэтому расчеты ведутся по годам на весь период реализации.
Преимущество такого подхода – возможность сценарного анализа. Например, можно спрогнозировать, как повлияет изменение инфляции только в один из периодов.
Как использовали нейросеть?
Для определения сроков проектирования и строительства мы запрашивали данные в Perplexity. Важно учитывать параметры, влияющие на сроки – в нашем случае это категория отеля и количество номеров.
Бюджет проекта
На этапе оценки потенциала проекта избыточная детализация не повышает точность расчетов, но вызывает вопросы: "На каком основании сделаны такие предположения?"
Поэтому мы выбрали детализацию по ключевым статьям бюджета.
Как использовали нейросеть?
У нас уже был опыт реконструкции отеля, поэтому мы взяли за основу структуру затрат из предыдущей модели.
Однако стоимость и долевое распределение расходов (за исключением цены земельного участка) проверяли через Perplexity. После сравнения с прошлыми данными оказалось, что нейросеть дала довольно точный результат.
При поиске важно учитывать параметры, влияющие на стоимость:
- количество номеров,
- категорию отеля.
Если данные не совпадают с ожиданиями, можно скорректировать их коэффициентами. Главное – четко фиксировать все допущения.
Выводы
Нейросети помогают автоматизировать расчеты и находить справочную информацию, но:
- не заменяют экспертов,
- требуют проверки данных,
- не гарантируют обоснованность полученных результатов.
ИИ в финансовом моделировании – это хороший инструмент, но не волшебная палочка.
Продолжение следует...
Автор: Вера Питинова