Microsoft Excel 中的財務建模/分析
理解結果至關重要。第一個測試是您的結果是否為您提供了分析客戶問題所需的資訊。
然後，您需要使用模型來測試不同輸入的影響，以瞭解其對變化的敏感性。理想情況下，您希望獲得穩健的結果（即，它們對您的輸入不太敏感）。
所有財務建模都存在不確定性，因為我們無法預測未來，事情可能不會按照我們的假設進行。
模型的強大之處在於它們是動態的（這被視為第一個電子表格 Visicalc 的主要優勢）。您可以更改假設並立即檢視效果。
閱讀這篇關於專案融資的論文 [1]，尤其關注第 3.2 節，以瞭解更多關於敏感性測試的資訊。
您通常會從一組“基本情景”假設和輸入開始。這些是您的最佳估計，您將使用它們來生成一組預期結果。
通常會設定替代情景，例如悲觀、預期和樂觀，並將其透過模型執行。每個情景將包含由使用者選擇的一組假設和輸入。重要的是，假設需要保持一致，例如，如果您假設通貨膨脹率僅為 2%，那麼工資增長也可能很低。
這種方法對於業務計劃和風險管理非常有用，因為它顯示了不同條件的影響。
情景測試速度很快，並且易於向管理層展示結果，向他們展示最好和最壞的情況。另一方面，它無法告訴您每個情景發生的可能性，或者是否需要測試其他重要情景。您完全依賴於設定情景的人員的技能和經驗，並希望他們想到了所有內容。
總而言之，這種方法
- 讓我們看到最壞情況和最佳情況與預期結果的差異，
- 在電子表格中易於設定，並且
- 使向客戶展示替代方案變得簡單。
弱點在於
- 您不知道每個情景發生的可能性，
- 您無法估計平均結果，同時考慮所有替代方案，並且
- 您無法估計可能結果的範圍或生成百分位數。
注意：Excel 具有“情景”功能，允許您在情景名稱下儲存多個輸入的值。問題是情景詳細資訊被隱藏了。最好在表格中設定所有情景（如上例所示），以便輕鬆比較。
壓力測試與情景測試相關。假設您已經建立了一個保險公司未來財務狀況的模型。您可以透過設定各種災難情景，然後對每種情況下保險公司的財務狀況進行建模來“壓力測試”保險公司。理想情況下，保險公司將能夠在每種情況下都生存下來。
壓力測試可以基於實際的過去事件或想象的事件。
與隨機測試（如下）一樣，設定假設可能很困難，正如美國一份關於其住房機構之一的報告摘錄所示
隨著基本模型開發的完成，我們現在深入到敏感性測試中；也就是說，將完整的一套實際企業資料透過模型執行，以評估其元件的各種“設定”是否適合壓力測試。
例如，我們必須確定管理國債收益率曲線形狀的適當規範、國債利率與企業借款利率之間的關係以及房價與利率之間的關係。這些完整的模擬執行有助於我們評估壓力測試選項，並額外地幫助識別我們需要解決的可能的模型異常或程式錯誤。
這在型別的模型開發專案中是標準的。
模型還可以用於顯示更改一個假設或可能幾個相關假設的影響。這種敏感性測試可以顯示哪些輸入對結果影響最大。
敏感性測試還可以測試模型是否現實，因為使用者通常會對進行更改時預期會發生什麼有一些瞭解。
敏感性測試還可以幫助確定模型是否足夠準確。例如，假設一家公司有一個預算模型，並且需要該模型的準確度在 200 萬美元以內。敏感性測試可能會顯示影響最大的假設是投資率，並且該比率僅變化 0.5% 就會產生 200 萬美元的影響。這意味著使用者必須選擇一個與實際比率（我們還不知道，因為它在未來）不超過 0.5% 的投資假設。如果使用者無法確定是否能夠達到如此準確的程度，那麼該模型就無法提供公司想要的準確度。
敏感性測試是突出模型部分的強大方法。它加深了您對模型如何對變化做出反應的理解，您應該使用它來熟悉您以前從未使用過的新的模型。
敏感性測試也有其侷限性。您必須小心更改每個假設的程度以及如何比較一個假設的敏感性與另一個假設的敏感性。
因為它專注於一次更改一個（或可能幾個）元素以檢視效果，因此您無法瞭解最壞情況或最佳情況，也無法瞭解良好或不良結果的機率。因此，應將其與其他測試一起使用，而不是單獨使用。
隨機測試使用隨機數來模擬現實生活中可能發生的許多替代情景。然後，我們可以計算百分位數以瞭解不同財務結果的機率。
示例：精算師希望評估由於投資回報率低而導致基金在未來破產的可能性。她使用投資模型生成（例如）1,000 組獨立的模擬投資回報，可能如下所示……
每組利率都輸入模型，因此將有 1,000 組結果。這些結果可以進行排序以查詢（例如）10% 和 90% 的百分位數，這使精算師能夠了解未來情況的良好或糟糕程度。
隨機測試的最大好處是它讓您更好地瞭解可能的經驗範圍，無論是高還是低。
不幸的是，它也是最複雜的構建方式，並且需要更復雜的假設，例如利率的統計分佈以及另一個工資增長的統計分佈——您必須考慮它們之間是否存在需要考慮的相關性，因此也許這些分佈是相關的。
由於所有這些問題，構建投資市場的隨機模型非常困難。對死亡率進行隨機建模要容易得多。
在您的分析中還有另一種使用隨機測試的方法。如果您有多個輸入，並且每個輸入都可以在一定範圍內變化，那麼這將是需要測試的大量輸入組合，以防它們很重要。
一種簡單的近似方法是隨機建立大量輸入集，即在您為每個輸入設定的範圍內隨機選擇每個輸入。
下面是一個示例……
等等。
每個這些集合都可以透過模型執行，並對結果進行排序以檢視是否存在任何模式，例如哪些輸入始終給出高結果？
這是一種快速簡便的方法，可以嘗試大多數輸入組合。
一些模型需要包含反饋迴圈，因為在現實世界中，假設和輸入不會隨著時間推移而保持不變。
例如，如果您正在對養老基金進行建模，並且資產低於負債，則僱主很可能會額外支付款項以消除差額。您的模型可能需要透過包含一個模擬僱主對財務狀況反應的演算法來允許這種情況。
如果您正在對銀行或金融機構進行建模，並且以某種方式借方交易總額超過貸方交易總額，那麼我們需要迴圈讀取交易。