Как «объяснимые» финмодели ускоряют due diligence

Актуальные исследования • 2024. №11 (193) Экономика и управление| 11 ЭКОНОМ ИКА И УПРАВЛЕНИЕ 10.5281/zenodo.17440696 АЗАТЯН Мария приглашённый (частичный) финансовый директор для DeepTech-стартапов, Армения, г. Ереван КАК «ОБЪЯСНИМЫЕ» ФИНМОДЕЛИ УСКОРЯЮТ DUE DILIGENCE Аннотация. В условиях растущей цифровизации и усложнения финансовых механизмов процесс due diligence становится все более сложным и длительным. Традиционные модели финансового анализа часто работают как "черные ящики", что снижает доверие со стороны инвесторов и аудиторов. Использование объяснимых (интерпретируемых) финмоделей позволяет повысить прозрачность, ускорить принятие решений и минимизировать риски ошибок. Это особенно важно в текущей экономической ситуации, где скорость и качество анализа играют ключевую роль при проверке компаний, оценке рисков и инвестиционных возможностей. Таким образом, статья рассматривает современные технологии и подходы, которые делают due diligence более эффективным и понятным. Ключевые слова: объяснимые финмодели, due diligence, интерпретируемость моделей, прозрачность финансового анализа, ускорение принятия решений, риск-менеджмент, цифровизация финансов, инвестиционный анализ. современных условиях высокая скорость и качество финансового анализа становятся критически важными для успешного проведения due diligence - комплексной проверки компаний перед инвестициями или сделками. Однако традиционные финансовые модели (финмодели) часто остаются непрозрачными для пользователей, что замедляет процесс принятия решений и повышает риски ошибок. В ответ на эти вызовы развивается направление объяснимых (интерпретируемых) финансовых моделей, которые позволяют не только прогнозировать показатели, но и четко понимать логику и источники результатов. Объяснимые финансовые модели обеспечивают прозрачность и доверие со стороны инвесторов, аудиторов и менеджеров, сокращая время на анализ и повышая эффективность процесса due diligence. Отметим, что объяснимые финансовые модели и их применение в due diligence являются достаточно новым, но активно развивающимся направлением в научных исследованиях и практике. В последние годы наблюдается рост интереса к методам интерпретируемого машинного обучения и аналитики, что связано с необходимостью повышения прозрачности финансового анализа и уменьшения рисков ошибок при принятии решений. Основные этапы изучения включают разработку методов интерпретации финансовых показателей, создание алгоритмов, способных объяснять свои прогнозы и рекомендации, а также интеграцию таких моделей в процессы аудита и оценки рисков. В научной литературе представлены статьи, посвящённые методам объяснимости на основе регрессионных моделей, деревьев решений и других алгоритмов, применимых к финансовым данным. Тем не менее, несмотря на значительный прогресс, проблема комплексной и универсальной объяснимости финансовых моделей остаётся частично нерешённой из-за сложности финансовых систем и разнообразия данных. В то же время внедрение таких моделей в практику due diligence продолжает расширяться, что подтверждается ростом практических кейсов и специализированных программных продуктов. Развитие финансовых моделей в процессе В Актуальные исследования • 2024. №11 (193) Экономика и управление| 12 due diligence прошло несколько ключевых этапов, отражающих эволюцию технологий и требований к оценке бизнеса. Изначально due diligence основывался на ручном анализе финансовых отчетов и стандартных бухгалтерских данных. Финансовые модели представляли собой простые таблицы и прогнозы на основе исторических данных, без глубокой автоматизации. С распространением персональных компьютеров и программ, таких как Microsoft Excel, финансовое моделирование стало более доступным и стандартизированным. В due diligence начали активно использовать построение моделей прогнозирования денежных потоков, анализа рисков и сценариев. Появление специализированных программных решений позволило автоматизировать сбор и обработку данных, улучшить точность моделей и ускорить процессы анализа. В это время стали важны более комплексные модели оценки стоимости, включая DCF, мультипликаторы и анализ чувствительности. Современный этап характеризуется активным внедрением технологий искусственного интеллекта и анализа больших данных. Финансовые модели стали более гибкими и адаптивными, способны прогнозировать будущие результаты с учетом множества факторов. Due diligence теперь включает использование explainable AI (объяснимого ИИ) для повышения прозрачности решений. Дальнейшее развитие связано с повышением точности, автоматизацией аналитики в реальном времени и интеграцией с другими бизнес-системами. Уделяется большое внимание интерпретируемости моделей, чтобы специалисты могли понимать и доверять результатам оценки. Историю финансовых моделей в due diligence можно рассматривать как переход от простых статистических методов к сложным интеллектуальным системам, что значительно повышает качество и скорость оценки инвестиционных решений. Следует отметить, что современные объяснимые финансовые модели в due diligence базируются на сочетании традиционных методов и передовых технологий, что позволяет проводить более глубокий и точный анализ компаний (рис.). Рис. Процесс due diligence [4] В основе лежат классические инструменты, такие как Excel с использованием VBA, Power Query и Power BI, которые помогают автоматизировать обработку данных и визуализировать результаты. При этом всё чаще применяются специализированные аналитические платформы – Palantir, Tableau, Alteryx – для интеграции больших объёмов данных из разных источников и создания интерактивных дашбордов. Ключевым трендом становится использование искусственного интеллекта и машинного обучения, которые позволяют прогнозировать финансовые показатели с учётом множества факторов и различных сценариев, например, оценка платежеспособности, прогноз дефолтов и анализ рыночных рисков. Такие модели становятся более прозрачными с помощью explainable AI, что важно для доверия к результатам due diligence. Также важную роль играют технологии Big Data и облачные сервисы (AWS, Azure, Google Cloud), которые обеспечивают масштабируемость работы с большими данными и доступность моделей из любой точки. Автоматизация процессов с помощью Robotic Process Automation (RPA) позволяет существенно сократить время на сбор данных и формирование моделей, интегрируя финансовую информацию напрямую из CRM и ERP систем. В практической плоскости крупные Актуальные исследования • 2024. №11 (193) Экономика и управление| 13 финансовые и инвестиционные компании, такие как BlackRock и Goldman Sachs, интенсивно используют интеллектуальные финмодели для оценки активов и управления рисками. Венчурные фонды применяют алгоритмы машинного обучения для скоринга стартапов, а команды корпоративных M&A объединяют классические DCF-модели с AI-анализом вероятности успешной сделки. Современные финмодели в due diligence – это гибрид инновационных технологий и проверенных финансовых методов, который обеспечивает быстрый, точный и многофакторный финансовый анализ, необходимый для принятия взвешенных решений в процессе оценки бизнеса (рис). Таблица Сравнительная оценка моделей измерения и управления корпоративными финансами [3, с. 159-169] Критериальный признак Учетная модель Финансовая модель Основа финансового мышления Экономический рационализм Рациональность + иррациональность Базовые концепции (поведение индивидов) Концепция «экономического человека», теории рациональных ожиданий Экономическая теория + поведенческие финансы и эмпирические закономерности на фоне абсолютизации стоимости (феномена «финансы ради финансов») Базовые концепции (трактовка капитала) Монетарная и вещественная концепции капитала (капиталом является все, что приносит доходы) Финансовая концепция капитала (капитал приносит доход/прибыль в том случае, если стоимостная оценка чистых активов на конец периода превышает их сумму на начало периода) Целеполагание Рост прибыли (валовой, операционной, чистой и т. д.) Рост стоимости компании как условие максимизации богатства ее собственников Способы достижения стратегических целей Генерирование доходов и оптимизация соотношения доходов и расходов Выявление и управление факторами создания стоимости (включая рыночные), повышение потенциала прибыльности Источники информации Финансовая отчетность Финансовая отчетность + альтернативы, упущенная выгода, стратегические планы и др. Методический инструментарий Анализ финансовых коэффициентов Анализ финансовых коэффициентов + сценарный анализ; оценка риска, теория вероятности, дисконтирование, мультипликаторы, финансовый инжиниринг и т. д. Оценочные критерии Бухгалтерская прибыль как разница между фактическими доходами и расходами Трансакционные издержки, экономическая прибыль, экономическая добавленная стоимость, чистый денежный поток, приведенная стоимость и др. Временной горизонт Оценка достигнутых результатов (состояния), т. е. преимущественно деятельность в прошлых периодах Оценка факта и перспективы, ориентация на «успешное будущее» Доминанты в оценке Балансовые оценки Фундаментальная и рыночная стоимость Сфера применения Контроль над текущими операциями (внутренняя среда) Стратегические решения и их реализация (внутренняя среда с учетом внешних факторов) Источники роста Преимущественно эндогенные (внутренне присущие) Эндогенные + экзогенные (внешние, рыночные) Причинно-следственные связи В области экономики и финансов Взаимосвязь и взаимообусловленность финансово-экономических проблем и неэкономических факторов Актуальные исследования • 2024. №11 (193) Экономика и управление| 14 Критериальный признак Учетная модель Финансовая модель Отношение к рискам Проблема рисков не анализируется Риск трактуется как неопределенность и измеряется абсолютными и относительными показателями Отношение к деньгам Инструмент измерения результата, оцениваемый номинально или с корректировкой на инфляцию Инвестиционный ресурс, имеющий стоимость во времени Преимущества Объективность оценок и достаточно высокая точность вне зависимости от внешних факторов, не поддающихся однозначному измерению Ориентация на стратегические цели и реалистичность их достижения; адекватность оценок рыночным критериям; гибкость применяемого инструментария; учет интересов многих заинтересованных лиц; относительная независимость от учетных стандартов Недостатки Ориентация на прошлые периоды без учета перспективы; невысокая актуальность оценок в силу применения исторических цен; относительная статичность оценок; игнорирование рисков, внешних факторов и интересов многих заинтересованных лиц; манипулирование отчетностью Большая роль субъективных оценок и эвристических методов; высокая формализация экономических процессов и неизбежные при этом абстракции; отсутствие привязки к методам учета и обусловленная этим недостаточная точность; множественность оценок; высокая зависимость от внешних факторов Отметим, что применение финансовых моделей в процессе due diligence сталкивается с рядом значимых проблем, которые влияют на качество анализа и принимаемые решения. Вопервых, одной из ключевых сложностей является качество и доступность исходных данных. Финансовые модели сильно зависят от полноты, точности и актуальности информации, однако на практике часто приходится работать с разрозненными, неполными или устаревшими данными, что снижает надежность прогнозов и оценок. Во-вторых, финансовые модели порой представляют собой сложные инструменты, использование которых требует глубоких технических знаний и понимания бизнес-контекста. Сложность моделей, особенно если в них применяются методы машинного обучения или статистического анализа, затрудняет их прозрачность и проверку, что снижает доверие к результатам со стороны инвесторов и аудиторов. Кроме того, значительную роль играет человеческий фактор. Ошибки в построении моделей, неверное предположение или неправильная интерпретация результатов могут привести к ошибочным выводам, что чревато неверными инвестиционными решениями. Еще одной проблемой является ограниченность финмоделей в учете качественных факторов, таких как компетентность управленческой команды, рыночные тенденции, изменения регуляторной среды и другие нефинансовые риски. Эти аспекты не всегда можно формализовать и заложить в модель, однако они существенно влияют на долгосрочные перспективы компании. Также важным препятствием является временной и ресурсный фактор. Сложные модели требуют значительных усилий на подготовку данных, настройку и валидацию, что невозможно при жестких сроках due diligence. Плюс к этому существует риск переобучения модели на исторических данных, что ведет к снижению ее прогностической способности в условиях меняющейся экономики и рынка. Наконец, использование финансовых моделей ограничено и правовыми нормами, особенно когда анализ требует обработки персональных или конфиденциальных данных. Несоблюдение законодательных требований ведет к юридическим Актуальные исследования • 2024. №11 (193) Экономика и управление| 15 рискам и ограничивает возможности полноценного анализа. В итоге применение финансовых моделей в due diligence требует тщательного баланса между технической сложностью, качеством данных, временем и ресурсами, а также учитывания человеческого фактора и ограничений, связанных с нефинансовыми аспектами бизнеса. Только комплексный и взвешенный подход способен обеспечить максимальную эффективность оценки и снизить риски ошибки. По нашему мнению, для решения проблем, возникающих при применении финансовых моделей в процессе due diligence, важно применять комплексный и системный подход. В первую очередь необходимо обеспечить высокое качество исходных данных. Для этого следует внедрять стандартизированные процедуры сбора и верификации данных, использовать надежные источники информации и регулярно обновлять базы данных. Автоматизация сбора данных с помощью современных ITинструментов и интеграция различных систем позволяют снизить человеческий фактор и повысить достоверность информации. Для повышения прозрачности и понимания моделей необходимо упрощать структуру финансовых моделей, разрабатывая их с учетом конечного пользователя. Это означает использование понятных методов анализа и визуализации результатов, что способствует лучшему восприятию информации и облегчает проверку моделей сторонними специалистами. Также важно проводить обучение сотрудников, чтобы они обладали необходимыми знаниями и умениями для корректной интерпретации и применения моделей. Чтобы снизить влияние человеческих ошибок, следует внедрять процедуры двойной проверки и ревизии моделей, а также использовать автоматические инструменты обнаружения ошибок и аномалий. Интеграция финансовых моделей с качественными методами оценки, например, экспертными оценками по нематериальным факторам, позволяет учитывать нефинансовые риски и расширяет полноту анализа. Это помогает формировать более сбалансированное и объективное представление о компании. В условиях ограниченного времени и ресурсов помогает применение типовых, адаптируемых шаблонов финансовых моделей, а также использование гибких инструментов, которые быстро настраиваются под конкретные задачи. Практика итеративного подхода с постепенным уточнением моделей позволяет эффективно справляться с временными ограничениями, минимизируя нагрузку на аналитиков. Для минимизации рисков, связанных с правовыми аспектами и обработкой персональных данных, необходимо строго соблюдать нормативные требования, внедрять политики конфиденциальности и защиты данных, применять технологии анонимизации и безопасного хранения информации. Таким образом, решение проблем при использовании финансовых моделей в due diligence базируется на улучшении качества данных, повышении прозрачности и обучении специалистов, интеграции количественных и качественных методов, оптимизации процессов и строгом соблюдении нормативов. Такой комплексный подход значительно повышает точность и надежность анализа, снижая риски и улучшая качество принимаемых решений. Эффективное использование финансовых моделей в due diligence является ключевым фактором для принятия взвешенных и обоснованных решений при оценке компаний. Для преодоления возникающих проблем необходимо обеспечить высокое качество данных, повысить прозрачность и понятность моделей, а также интегрировать количественные и качественные методы анализа. Автоматизация процессов и стандартизация подходов сокращают вероятность ошибок и повышают скорость работы. Не менее важно соблюдать правовые нормы и обеспечивать защиту информации. В совокупности такой системный подход позволяет значительно повысить надежность результатов due diligence, снизить риски и улучшить качество инвестиционных и управленческих решений. Литература 1. Нароян А.А. Зарубежный опыт англоамериканской модели корпоративного управления / А.А. Нароян, К.В. Удалова, А.Р. Саипова // Научный альманах. – № 11-1 (13). – 2015. – С. 418-421. 2. Сыпченко С.В., Щедрина И.Н. Модели управления корпоративными финансами. Политика, экономика и инновации, (6 (35)), 2020. С. 10-15. Актуальные исследования • 2024. №11 (193) Экономика и управление| 16 3. Хотинская Г.И. Современная эволюция управленческих моделей в корпоративных финансах. Сервис plus, (3), 2010, С. 159-169. 4. Что такое Due diligence и как проходит процедура? [Электронный ресурс] URL: https://www.kp.ru/guide/due-diligence.html. AZATYAN Maria Fractional CFO for DeepTech Startups, Armenia, Yerevan HOW “EXPLICABLE” FINANCIAL MODELS ACCELERATE DUE DILIGENCE Abstract. With increasing digitalization and increasing complexity of financial mechanisms, the due diligence process is becoming more complex and time-consuming. Traditional financial analysis models often operate as "black boxes", which reduces the trust of investors and auditors. The use of explicable (interpretable) financial models allows for increased transparency, faster decision-making, and minimized error risks. This is especially important in the current economic situation, where the speed and quality of analysis play a key role in verifying companies, assessing risks and investment opportunities. Thus, the article examines modern technologies and approaches that make due diligence more effective and understandable. Keywords: explicable financial models, due diligence, interpretability of models, transparency of financial analysis, acceleration of decision-making, risk management, digitalization of finance, investment analysis.