Ölçek Büyüten Şirketler İçin Gelir Tahmini

EQT Motherbrain, ölçekli şirketlerin gelirini tahmin etmek için geliştirdiği yeni bir yaklaşımı paylaşmaktan heyecan duyuyor. Yakın zamanda 31. ACM Uluslararası Bilgi ve Bilgi Yönetimi Konferansı'nda (CIKM 2022) Lele Cao, Sonja Horn, Vilhelm von Ehrenheim, Richard Anselmo Stahl ve Henrik Landgren tarafından sunuldu.

Altta yatan sorun

Bir şirketin finansal geleceğini tahmin etmek, işletmelerin karar vermeleri için kritik öneme sahip, karmaşık ama gerekli bir görevdir. Temel olarak, tarihsel performans verilerinin incelenmesine dayanan bilinçli bir tahmindir. Yine de, hepimizin gördüğü gibi, bir modele dahil edilemeyen rastgele unsurlar nedeniyle, tahminler kolayca bozulabilir.

Yatırımcılar, bir işletmenin değerlemesini belirlerken finansal tahminlere güvenirler. İster iskonto edilmiş gelecekteki nakit akışlarına dayansın, ister değerlemeyi gelecekteki FAVÖK'ün çoklu temelinde belirleyin, tahminler bir yatırımı yapabilir veya bozabilir. Uzun bir geçmişe ve esnek nakit akışlarına sahip olgun işletmeler için, tahminler ve gerçek sonuçlar arasındaki sapmalar önemli olmayabilir. Ancak, yetersiz geçmiş verileri ve doğaları gereği belirsiz gelecek beklentileri olan, yeni kurulan şirketler ve ölçek büyütmeler gibi işletmeler için bu durum farklı görünüyor.

Bir start-up, iş modelinin ölçeklenebilirliğini ve uygulanabilirliğini gösterirken ve hızlandırılmış bir gelir artışı döngüsü yaşarken, ölçek büyütme alanına giriyor. Dış sermayenin artması genellikle bu geçişe eşlik eder.

Çoğu olgun şirketle karşılaştırıldığında, ölçek büyütme genellikle karlı değildir. Sonuç olarak, ölçek büyütmeleri değerlendirirken gelir en önemli ölçütlerden biri haline gelir ve değerleme genellikle, yatırım uzmanlarının gelecekteki şirket gelirlerini tahmin ettiği gelecekteki gelirlerin çoklu temelinde belirlenir.

Gelir tahmini, genellikle kaliteyi büyük ölçüde yatırım profesyonellerinin deneyimlerine bağlı bırakarak manuel ve ampirik olarak yapılır. İş modeli, rakip ortamı, pazar eğilimleri ve birim ekonomi gibi faktörler dikkate alınır. Görev, sahiplik süresi boyunca değerlemedeki değişikliği bildirdiğinden, bir yatırımın çekiciliğini değerlendirmek için çok önemlidir. Bununla birlikte, bu yaklaşımın otomasyon düzeyi, nesnelliği, tutarlılığı ve uyarlanabilirliği optimal olmaktan uzaktır.

Geleneksel istatistiksel yaklaşımlar veya yeni geliştirilen yapay zeka tabanlı metodolojiler gibi nicel yöntemler, geleneksel ve olgun işletmelerin tahmininde giderek daha fazla benimsenmektedir. Ama bu neden start-up ve ölçek büyütme dünyasına yayılmadı?

Cevap, olgunlaşmamış işletmeler için genellikle özel ve elde edilmesi maliyetli olan verilerde yatmaktadır. Ancak bu durum değişiyor — dijitalleşmenin yaygınlığı, özel şirketlere ilişkin büyük miktarlardaki yüksek kaliteli verilerin halka açık olarak giderek daha fazla erişilebilir olduğu anlamına geliyor.

Sire Tanıtımı

Simülasyon bilgili bir gelir ekstrapolasyon modeli olan bu zorluğun cevabını SiRE olarak adlandırıyoruz.

SiRE, tipik olarak uçakların ve uzay gemilerinin navigasyonu ve kontrolü için kullanılan bir metodoloji olan Kalman Filtresine dayanmaktadır. Sektörden bağımsızdır ve yatırımcıların onu birden fazla endüstride uygulamasına izin verir. Eğitim için yalnızca birkaç yüz ölçekli şirketin küçük veri kümelerine ihtiyaç duyar ve ekstrapolasyon, ayrıntılı tarihsel veriler olmadan bile gelir tahminlerini mümkün kılan kısa gelir zaman serilerinden başlayabilir. 5 yıl ve daha uzun tipik yatırım dönemlerini barındırarak birden çok yıla ilişkin ayrıntılı tahminler üretebilir. Her gelir tahmini, yatırımcılara sonuç kesinliği konusunda rehberlik sağlayan bir güven tahmini ile birlikte gelir. Modelin uygulanması kolaydır ve tahminler açıklanabilir olup, güven oluşturmak ve geri bildirim almak için şeffaflığı destekler.

SiRE, gelir gelişiminin benzer şirketler için tarihsel kalıpları benzer bir aşamada tekrarlamasının muhtemel olduğu ana varsayımı üzerine tasarlanmıştır. Gelecekteki her bir gelir noktası, başlangıçta karşılaştırılabilir gelir durumlarından örnek alınarak elde edilir, ardından geçmiş ve tahmin edilen gelir noktalarını dikkate alan bir Kalman Filtresi ile ayarlanır. Tahmin güvenirliği, birden çok kez ekstrapolasyon yapılarak tahmin edilir.

EQT içinde SiRE'yi nasıl kullandığımızı gösterme

Peki, bunu EQT içinde nasıl kullanırız? Portföy şirketlerimizden gelen özel bir gelir yörüngesi veri seti ve yaklaşık otuz yıllık yatırım yoluyla topladığımız diğer veriler üzerinde eğitilen SiRe iki şekilde kullanılabilir:

1. Potansiyel bir yatırımı değerlendirirken, gelir potansiyelini hızlı bir şekilde değerlendirebiliriz. Bu bize, şirketin bize verdiği verilere dayanarak potansiyel kırılma olasılığının basit bir göstergesini veriyor.
2. Yönetimden gelir tahminleri alırken ve şirketin plan yapma olasılığını değerlendirirken

SiRE ve nasıl çalıştığı hakkında daha fazla bilgi edinmek için, yöntemin açıklamasını makalemizde ve kaynak kodunu burada bulabilirsiniz.