智识库 | 金融服务公司的FP&A：超越基础

金融服务公司在分析财务和进行预测时面临一些独特的挑战。

金融服务领域的世界素以复杂著称，它依赖于各部门、工具和数据来源之间的多种不同互动。而成功取决于该系统在遵守该行业的严格监管限制的同时，大规模管理风险和回报的能力。

没有强大且复杂的企业财务规划与分析（FP&A）技术堆栈，这一切都不可能实现。该技术堆栈允许将复杂性作为竞争优势来利用和驾驭。在本文中，我们将从实际角度探讨其具体表现，以及在技术、工作流和流程方面的正确决策如何对结果产生重大影响。

金融服务公司的结构

如果我们窥探一下任何一家金融服务公司及其 FP&A 的幕后，你往往会发现几个共同的组成部分，它们的共同作用是实现了复杂的规划和分析。当然，这份清单并不详尽，因为每家公司的运营结构都略有不同，但这是一个很好的起点，让我们了解这些公司如何整合产品信息，从日常运营中导入真实数据，然后运行分析，对未来发生的事情做出明智的预测。

通过将各组成部分分解为数据源、核心模型和输出，我们可以更好地了解可能出现的挑战、风险和潜在瓶颈，并求助于技术加以解决。

将数据源整合到单一系统中

所有 FP&A 系统的核心都是单层基础架构，目的是将所有数据和信息集中到一个地方进行处理和利用。在金融服务公司，通常由财务 ERP 系统扮演这一角色。企业资源规划系统不仅包含标准的会计记录，还包含与发票开具、费用报告、人员配置等相关的一系列辅助财务信息。将这些信息整合到一个单一的数据仓库中，再进行进阶分析结果，则会受益无穷。这才是现代化商业和数据驱动决策的核心。

不过，仅收集数据不一定完全有效。数据源还可以包括公司内部创建的模型，如资产负债模型和资金转移定价模型。这些计算结果可以作为第一手数据使用，并在汇总层面上创建了更多针对具体情况的前瞻性信息，再输入到不同业务部门的进阶模型中。

综上所述，任何金融服务企业要想使其 FP&A 井然有序，首先要做的就是有效、高效地管理所有数据源。要从电子表格的堆砌中解脱出来，转而使用单一的集成数据视图，从而真正高效地利用业务背后的信息。当然，这早已是业内公认的事情，但要在现有传统系统的泥潭中过渡到这一系统，并非易事。这是另一个话题，但值得一提的原因是，大型金融服务机构并非没有尝试，而是很难控制发展。设想如果是你，重新从头开始可能会怎样搭建。

基于驱动因素的收入模型旨在确定与收入相关的关键变量，了解其中的因果关系，然后根据真实数据进行预测。与凭直觉猜测收入可能是多少相比，更有意义的做法是研究潜在的量化驱动因素，从而做出更准确、更细致的收入预测。

在金融服务领域，根据产品类型的不同，预测算法也会大相径庭。举例来说，基于客户行为和市场环境的独特性，交易账户需要采用与储蓄账户或资产管理账户不同的预测算法。

在交易账户中，每天的平均交易次数乘以预期的交易账户数量的计算方式可能会比较合理。根据这一简易预测方法，一家拥有 100 个账户和每天 20 笔交易的公司每天将会有 2,000 笔交易。但这完全不同于对储蓄账户的看法，因为在储蓄账户中，你的客户终身价值可能更能说明你将如何长期利用这些闲置的存款--这才是真正的收入来源。

基于驱动因素的收入模式的复杂性

预测未来收入是经营任何金融服务公司最重要也是最具挑战性的项目之一。所有有关风险管理、增长、招聘、产品开发等方面的决策，都要根据下个月、下一季度或下一年的收入情况来决定。在这种情况下，企业必须转向基于驱动因素的收入模型，从根本上进行预测。

再以交易为例，计算关键绩效指标（KPIs）的一个范例是查看历史平均值。例如可以使用 3 个月的滚动平均值或 6 个月的滚动平均值来计算每天的交易量。有了正确的系统，这一点就可以直接内嵌于系统中，这样分析师就可以选择持续时间，并排除异常月份，从而更谨慎地使用统计趋势。

这些争论是 FP&A 专业人员的真正工作所在，因为要调查因果关系，而不会被假性关系所误导。当我们开始调整这些算法以纳入其他重要变量时，这些计算的深入程度会令人惊讶。一旦你整合了所有的输入、调整、增长百分比等等，你就会开始理解为什么拥有一个能够管理所有这些数据的单一系统会带来如此大的不同。

我们在一位客户身上亲眼见证，该客户最初认为他们的计算非常简单，但最终却有几十个变量影响了输出结果。业务是复杂的，能够看到计算的所有组成部分有助于提高模型的准确性，并确保预测周期的假设是正确的。

了解在模型中进行调整的位置是一项重要特点，以便能够在内部和向监管机构证明预测的合理性。随着复杂性的增加，您对软件的依赖性也会增加，因为这些软件能够在您扩大规模时提供您所需的收入预测功能。

利用基于驱动因素的费用规划

与上一节探讨的逻辑类似，基于驱动因素的费用规划是运行一个有效的金融机构的另一个关键方面。实际上对于金融机构来说，实现可靠利润的最可靠途径是关注他们收入与支出之间的差额，并在此过程中找到一些优化的机会。

费用计算的驱动因子可能包括账户数量、家庭户数量、通胀压力以及影响现金流出的许多其他因素。同样，能够为每种类型的成本和每种产品选择正确的驱动因子将决定这些预测的准确性。

费用计算还应纳入非直接驱动因子的数据，如账户季节性、同比增长以及其他可能影响费用随时间增长的上层调整。当然，并非所有驱动因子都适用于所有情况，因此您的技术必须有能力处理某些产品的例外规划。这种灵活性是进行细致入微的精密预测的关键，也是最有可能接近实际情况的方法。

基于驱动因子的费用模型也非常有助于制定现实的目标和管理预期。如果您的模型包含对每股收益（EPS）的迭代计算，这将有助于绩效管理，微小的费用因子变化可能会对目标产生巨大的影响，重要的是首先要在内部了解这一点，以便对外沟通更加准确且有数据支持。

强大的净息差模型的力量

如上所述，金融服务公司的盈利能力取决于存款和贷款活动之间强大的净息差。任何一家金融服务公司都有责任深入了解影响其业务的收益率、利差和利率，以及这些因素在未来可能产生的影响。事实上，几乎所有大公司都有专门的团队，他们唯一的工作就是进行这些预测，因为这些对长期资本规划和风险管理非常重要。

净利息收益率模型就是实现这些预测的方法--通过不同的数据源，进行细致入微的预测，供企业内不同的团队使用。通常情况下，FP&A 团队会与集团财务部密切合作，提供一个与内部数据相关的模型，这些数据包括目前的存款和贷款基础，以及预测可能影响未来发展的宏观经济因素的经济指标模型。

金融服务公司根据不同的联邦基金利率和预期抵押贷款利率，结合交易和家庭的驱动因素进行预测，旨在得出一个净息差模型，该模型与股东的风险回报任务、消费者的承受能力以及相关司法管辖区宏观经济前景的长期观点相一致。

这是一个非常重要的模型，因为它可以为许多其他模型提供信息，其中最重要的有两个：

- 资金转移定价模型，该模型允许机构预测投资和贷款，以了解额外资金可能对机构产生的影响；以及

- 资产负债模型：整合关键数据以预测资产负债表，重点关注流动性、偿付能力和管理各种监管要求等关键方面。

管理这些相互关联的组件的最有效方法是使用一个单一系统，将所有模型整合到一个地方，以便为所有信息用户提供标准化、完整且前后一致的报告和分析。在 Cubewise，我们正是基于这个原因实施了 IBM Planning Analytics (TM1)，并致力于帮助客户将 Microsoft Excel、统计建模（如 SPSS 或 Python）和其他各种系统集成到一个地方。随后可能出现的 TM1 组合模型可用于大型并购，以整合财务数据并执行成本分摊，从而实现整个组织的快速标准化财务数据，以及按产品进行成本分摊，以更好地了解盈利能力。

针对不利情况制定计划

金融服务公司面临的外部市场风险可能比任何其他行业都要大，因为他们要与整个金融系统互动，并依靠消费者的行为来保持较高的盈利能力。因此，将压力测试纳入公司的工作流程至关重要。为了在困难时期保持稳定，需要有一定的远见，知道以公司目前的配置，可以承受系统受到的巨大冲击。

这实际上意味着，金融服务公司需要根据灾难性事件持续进行不利测试，这些事件可能导致市场暂时崩溃、通胀达到极高水平或其他各种不利结果。在发生战争、气候、自然灾害和其他大规模事件等危机时，积极主动的压力测试可使公司保护投资者的资金并维持业务运作。

这些压力测试通常分为三类，每一类的严重程度不同：

- 基础：了解正常状态下的经济现实。

- 不利因素：探讨严重扰乱正常业务的严重负面外部因素的影响。

- 严重不利因素：设想最坏的情况，即公司可能面临倒闭的严重风险，以及如何应对这种逆境。

要在常规工作流程中建立这种级别的压力测试，企业需要拥有多个相同数字的活动版本，以执行所有不同的情景分析，尤其是当不同团队运行不同模拟时。IBM Planning Analytics 凭借其强大的基于 RAM 的计算引擎在这方面大放异彩，该引擎允许近乎实时地执行更新。此外，它还可以使用不同的统计模型和工具，提供更强大、更多样化的情景分析。

一旦进行了这些情景测试，就更有助于部门的领导者做出可信度更高的预测，同时在系统中足够的弹性，也有利于应对未来潜在风险。

正确进行监管报告

作为金融系统的心脏，金融机构面临着巨大的监管审查。根据不同的司法管辖区和机构规模，金融服务提供商必须遵守一系列的监管要求，这些要求必须及时提交稳健、准确和经过审计的文件。因此，为了使流程更加安全、简化和高效，需要付出大量努力。

拥有像 IBM Planning Analytics 这样的统一财务系统，可以使这些监管报告工作流程更加顺畅和准确，同时还能根据法规的变化进行灵活调整。为了说明这一点，让我们来看看两份不同的监管报告，以及正确的技术是如何发挥作用的。

Dodd-Frank Act Stress Testing (DFAST)

每家资产超过 500 亿美元的银行都必须遵守这项压力测试，而事实证明，这项测试是众所周知的繁琐。即使提交的数据既繁琐又不及时，金融服务提供商也必须认真对待。因此，由于涉及到额外的工作，这最终会成为一个时间成本很高的过程，更不用说如果在提交过程中出现任何错误，还会产生额外的罚款和其他处罚。

IBM Planning Analytics / TM1 能够在这些环境中应对自如，因为它可以整理来自各种不同来源的数据，并以一种在提交前可以进行细致审查的方式将其组合起来。团队成员可以检查和理解任何颗粒度的数据，以确保一切正常，从而大大降低了提交过程中出现错误的几率。此外，该平台还可以直接连接所有自动输入 DFAST 提交的模型，进一步简化流程和工作流。

全面资本分析和审查 (CCAR)

大型银行的另一项监管报告要求是向美联储提交各种数据。这份特殊的报告旨在确保金融机构的内部流程足以应对所有相关风险。美联储通过对现有控制措施的质量进行管理，可以履行其职责，保护依赖于稳定和健全金融体系的普通公民。

在美联储不断调整战略以适应金融体系发展的过程中，这一申报还允许对各机构的资本水平进行评估和相互比较。报告要求与 DFAST 类似，但申报有自己的周期、审批路径和技术障碍。

IBM Planning Analytics / TM1 再次提供了强大的监管报告功能，无论涉及的复杂程度如何，都能使这一过程变得更加简单、省时。

整合经济指标

如果 FP&A 系统无法整合影响金融服务公司及其所服务客户业绩的关键经济指标，那么该系统就不是完整的（有时甚至是危险的）。这些核心变量为企业内许多不同的模型和预测提供了依据，有效管理这些变量的能力是成功的关键驱动力。

IBM Planning Analytics / TM1 允许使用一个大型内置指标数据集，确保所有进行预测和分析的小组使用一致的、经批准的比率。这个数据集可以有额外的安全性和业务流程，以控制这些基本驱动因素，从而使所有部门的组织经济前景保持一致。

不同机构在此包含的指标可能有所不同，但对于金融服务公司而言，通常包括以下内容：

- 联邦基金利率

- LIBOR（伦敦银行同业拆借）利率（不同时期）；

- 失业率

- 市场升值；

- 住房市场指标；以及

- 通货膨胀假设。

单独在一个地方输入这些变量，并让它们实时作用于组织内的所有模型，可以大大加快在各种情况下加强分析和规划的速度。正确的做法看似只是提高了生活质量，但实际上却带来了显著的优势。

通过更好的管理报告改进决策

管理报告对于任何机构都是至关重要。这类报告必须与监管报告同步，但也必须面向日常业务运营决策。在许多情况下，分析师每个月都要花费 3 周的时间来准备一份包含预测和历史趋势的财务业绩报告，供不同的管理人员审阅、讨论战略和开展其他规划活动。

广泛来说，通常会有一份大型管理报告，包括在上文提及的所有模型（以及更多模型）的摘要。

通过 IBM Planning Analytics / TM1，可以自动创建该报告，包括所有标准图形、图表和表格。它甚至可以预先设置一些通用语句，如"该产品的账户比上一季度增加了 20%"。

这些自动化大大提高了报告的速度和准确性，从而腾出更多的时间和资源在业务解析上，这正是推动决策的关键所在，也是在信息速度至关重要的现代社会推动创新和强劲业绩所必需的。

IBM Planning Analytics 能为您提供什么？

正如所见，复杂的金融服务需要一个功能齐全的集成技术堆栈，以汇集现代组织运行所需的所有数据。IBM Planning Analytics / TM1 正是能够实现这一目标的工具，具有以下关键基础功能：

- 简单集成：轻松连接各种数据源，包括现有的基于电子表格的计划、预算和预测应用程序以及 ERP、CRM 和任何 API。

- 强大的 IBM 引擎：独一无二的内存数据库和基于 TM1 技术的计算引擎保证了实时、多维数据分析。

- 自动预测：通过简单易用的预测和人工智能功能，优化您的计划并提供更准确的预测。

- 灵活性和规模：IBM Planning Analytics / TM1 和 Cubewise 提供了灵活、可扩展的解决方案，能够适应行业业务需求，并适应扩张、不断变化的需求和不断发展的市场动态。

这是一个可以作为数字化转型核心的平台，您可以将精力集中在一个单一且统一的系统上，从而实现大规模的数据驱动决策。如果这正是贵公司所需要的解决方案，请联系我们Cubewise，让我们一起探讨它能为贵公司提供的帮助。