市场可能瞬息万变，有时会受到前所未有的事件影响，因此金融机构不能过分依赖历史数据进行资本分配。为了更有效地识别和降低风险，企业必须对预算规划的所有要素采取更加积极主动的方法，但他们可以采取哪些具体步骤呢？

金融机构每年都要进行预算分配，业务主管们要争夺资金和其他资源。他们会预测需要多少资金，以及预计能获得多少收入。

但问题在于，这些预测通常是基于当前市场趋势和公司业务线历史业绩的综合结果，因此存在很大的误差空间。

在这种方法下，当经济环境严重偏离历史时，业务线的财务收入预测就无法实现。既定目标通常会随之修订，但这种回顾性战略也存在严重缺陷。

首先，这种被动的预算规划方法缺乏灵活性和前瞻性，无助于优化资金分配。其次，它无法充分估计未来的潜在风险及其集中的重点领域。最后，它不能够建立预警指标和相应的应急计划，而这些对于经受住各种冲击是至关重要的。

更重要的是，被动财务规划的缺陷可能会对公司的收益以及投资分析师的报告产生负面影响。因此，金融机构有必要制定积极、可靠和稳健的规划方法。但究竟如何才能实现这一目标呢？

优化资本规划

通过加强治理结构和提高首席执行官的参与度，可以实现更好的规划。参与规划过程的每个人都应热衷于利用现代数据分析来支持灵活决策和优化资源配置，即使是在前所未有的市场条件下。此外，前瞻性规划必须透明，并允许在每个步骤中纳入专家判断，因为战略决策不能完全由黑匣子模型驱动。

在资本分配预测方面，重点往往是提高预测的准确性和可靠性。但这是一项不切实际、几乎不可能完成的任务，有时甚至会导致剧变——不仅是预测本身，还有公司的战略方向。

与其将希望寄托在不切实际的准确性预期上，想要改进规划的公司应该努力全面了解各种情况下的潜在结果。这将使他们能够：

1、识别未来的潜在风险，准备对资本分配计划进行主动调整。

2、结合经济前景，将业绩与宏观和市场因素联系起来。

3、根据预算分配动态地制定预警。

要实现这些优势，需要通过时间序列分析来确定行为模式，并通过情景生成和分析来发现隐藏的风险集中点。

传统上，预测需要开发三到五种情景(包括基准情景，以及最佳情况和最坏情况)——但这既没有考虑到快速变化的市场条件，也没有考虑到对潜在风险的全面估计。使用多种预测方法或频繁更新并没有帮助，因为这些方法仍然依赖于历史数据和建模者的观点，而这些方法往往会受到他们经验的偏见。

同样重要的是要记住，尾部风险是导致预测失败和资本分配决策失误的关键因素。这也是为什么通过蒙特卡洛模拟多个情景也不是万能的，因为这种模拟使用的是恒定协方差，无法对尾部风险概率进行真实评估。

不过，这并不是一个无法解决的难题。通过将预测的最佳实践与全方位情景生成相结合，公司可以利用预测的优势并避免与该方法相关的缺陷。

全方位情景分析和机器学习

通过全方位情景生成进行预测，使风险经理能够为潜在结果分配概率。这确保了管理层不会被低概率的尾部风险所困扰。相反，管理者可以在不利结果的概率增加时及时收到预警，在必要时触发应急计划。

当结合了从数据代理中学习的机器学习（ML）技术（例如对观察到的监管、市场或其他冲击的行为反应）时，这种全方位情景方法尤其有效。事实上，ML模型在预测和管理不确定性方面往往比标准回归技术表现更好。

ML技术通过提出自己的驱动因素来克服人类在选择风险驱动因素方面的偏见，然后这些因素可以由建模专家进行测试。在建模专家的监督下，结合敏感性分析，ML可以降低维度，简化财务和资本规划流程。

还可以通过更多的 ML 技术进行详尽的反向情景分析，如对生成的合成数据进行聚类分析，对数千个预测进行聚类分析。通过这种方法，企业可以识别预警指标，然后相应地调整预算分配。

管理层还可以考虑和叠加其他潜在行动（如改变定价、促销和产品组合），然后评估这些行动对每项业务的风险/收益状况（包括现金流预测）的影响。

一个实际的例子

让我们考虑一个具有6条业务线的银行的示例。图1描述了它们各自的历史月度时间序列数据的百分比变化。

从图1中，我们可以看到业务线F比其他五条业务线(BLs A-E)的波动性更大。尽管看起来在这个业务线上投入更多资金可能会产生更多的回报，但事实并非如此(参见下面的图2)。

在上述示例中，战略目标是在给定的预算分配基础上，在三年的预测周期内所有业务的总预期收入。这一预期收入是从超过1,000个生成的预测中计算得出的。该分析中的风险是以99分位数的最差情景下收入减少来衡量的，即预期值与99分位数最差情景之间的差异。

图2中的表格以及图3中的图表（见下文）显示了运行数百种不同资本配置策略的结果。

图3中的四个突出点（FP1、FP2、FP3和FP4）代表了有效边界。图2 给出了它们在各业务线之间的最优资本分配。

图3中的所有四个最佳点都建议减少对C和D业务线的分配，同时增加对A业务线的投资。大多数管理者会发现，有效边界点2（FP2）中对A业务线的分配过于集中，因此他们通常会选择FP1或FP3——与当前预算分配相比偏差最小的有效边界点。

规划部门可以通过这种全方位的情景分析方法来分析和质疑资本分配要求，从而快速适应不断变化的环境，并对战略备选方案进行持续评估。

进一步的想法

对于负责预算分配的高管来说，通过全方位的情景分析可以带来许多好处，包括对预测的信心提升、增强的敏捷性和韧性，以及更好地利用先进技术。相反，依赖自下而上、人工制定的情景的公司可能会忽略对特定目标特别相关的风险驱动因素的组合。

只有全方位的情景分析才能使高级管理层能够在全面了解风险、机遇和受到前所未有冲击的连锁效应的情况下，做出积极的、知情的决策。

此外，详尽的反向情景分析还能根据早期预警信号制定应急计划，并与董事会、监管机构和投资者进行有效沟通，说明为什么要选择特定计划，以及在什么情况下可以启动修改。

有效的决策应基于可操作的见解，而不是复杂的分析。通过数据驱动、全方位、基于情景的预测，企业可以评估尾部风险的现实可能性，从而大大提高资本分配和预算规划的稳健性。