Finansiella prognoser utförs av en mängd olika skäl, som att prognostisera förväntad försäljning för att justera kapacitetsnivåer, eller som en del av budgethanteringen. Kreditgivare kräver ofta både historiska och prognostiserade finansiella rapporter när de utför sin första och pågående kreditanalys. Prognostiserade finansiella rapporter används också för att förbereda företagsvärderingar, vilket kan behövas för ekonomisk rapporteringsändamål, fastighetsplanering, fusioner och förvärv eller till och med företagstvister. Att utarbeta finansiella prognoser kräver komplexa analyser, som är föremål för ett antal begränsningar och utmaningar.

Noggrannhet av historiska data

Finansiella prognoser utförs ofta med historiska resultat som en proxy för framtiden. Du kan göra detta genom att analysera historiska resultat- och balansposter för trender, såsom tillväxttrender, och tillämpa dessa siffror framåt. Till exempel, om ett företag uppnått en stabil tillväxt på i genomsnitt 5 procent per år under de senaste fem åren, kan du prognostisera nästa års försäljning med en tillväxttakt på 5 procent. Även om detta tillvägagångssätt används ofta kan det vara problematiskt. Om företagets resultat är oregelbundet från år till år, kan historiska medelvärden inte ge bra indikationer för framtiden. Om företaget är ett nystartat företag kanske historiska resultat inte är tillgängliga alls. Dessutom kan externa marknadsförhållanden påverka finansiella resultat på ett sätt som inte skulle fångas genom att analysera historiska resultat.

Tidsram

Ju längre tidsram, desto svårare blir det att korrekt prognostisera ekonomiska resultat. Det är mindre svårt att prognostisera nästa års ekonomiska resultat än att förutse siffror för det kommande decenniet. Om du till exempel extrapolerar trender med hjälp av fem års historisk data medan du förbereder 10-åriga finansiella prognoser, skulle tillämpligheten av en femårig trend troligen vara lägre till en 10-årsperiod. När mer tid går ökar sannolikheten för att händelser inträffar som kan påverka företagets ekonomiska resultat. Marknadsandelar kan öka eller minska, eller ekonomiska förutsättningar kan förändras avsevärt. Som en allmän regel är kortare projektionsperioder mer exakta.

Problem med indata

Förutom att använda historiska data, utförs prognoser ofta med linjär analys, som kopplar framtida finansiella resultat till olika beroende variabler korrelerade med de underliggande finansiella siffrorna. Detta kan vara mycket problematiskt -- fångas bäst av uttrycket skräp in, skräp ut. Din prognos tillförlitlighet är bara så bra som de indata som används för att beräkna den. Detta lämnar utrymme för fel orsakade av misstag som gjorts vid insamling eller tolkning av data, eller mänskliga fel vid inmatning av data i prognosmodellen. Människor är också föremål för olika fördomar, såsom bekräftelsebias, som uppstår när prognosmakarens bedömning är snedvriden av predisponerade föreställningar om de prognostiserade resultaten. Detta kan göra att prognosmakaren lägger för stor vikt vid mindre relevanta dataposter, eller vice versa.

Oförutsebara händelser

Även om du perfekt utför de kvantitativa och kvalitativa prognosmetoderna är det omöjligt att förutse det oförutsedda. Dessa faktorer kan variera till sin natur, men kan vara risker baserade på konkurrens, ekonomi och externa chocker på marknaden. Till exempel, efter många år av tillväxt, blev Blockbuster förblindad av Netflix prestanda, vilket mycket snabbt urholkade Blockbusters marknadsandel och försäljning. En butik kan öppna en ny plats och projicera stark ekonomisk tillväxt, bara för att få en direkt konkurrent att öppna sig tvärs över gatan, vilket påverkar försäljning och resultat.

Dessutom kan ett Black Swan-evenemang lätt göra väl förberedda ekonomiska prognoser föråldrade. En Black Swan-händelse är en högst osannolik händelse som inträffar och uppvisar tre faktorer -- det är omöjligt att förutsäga, det har en massiv påverkan och dess chockvärde är fantastiskt, eftersom människor aldrig skulle kunna föreställa sig en sådan händelse.