В защиту Microsoft Excel

Стремительное развитие искусственного интеллекта и его внедрение в рабочие процессы заставляют многих специалистов периодически проводить «калибровку»: не превратилась ли их деятельность в бессмысленную рутину и осталось ли что-то, в чем человек всё еще превосходит нейросети вроде Claude или ChatGPT?

Лето — традиционное время отпусков и завершения стажировок. Это отличный момент, чтобы поразмышлять о фундаментальных навыках, необходимых для успеха в инвестиционном банкинге (IB) и прямых инвестициях (PE), где фокус смещен на качественные сделки, а не на высокочастотный трейдинг. Начнем с обсуждения «хардов» — жестких навыков.

Excel, финансовое моделирование и корпоративные финансы

На карьерных форумах и в профильных сообществах часто шутят, что знание горячих клавиш в Excel не поможет вам в личной жизни, а финансовые модели — это лишь способ подогнать цифры под уже принятые «серьезными людьми» решения. Сегодня к этому добавился скепсис из-за появления ИИ-сервисов, способных за считанные минуты создать таблицу или презентацию в стиле ведущих инвестбанков.

Однако нынешнее пренебрежение к качественному моделированию строится на двух ошибочных предпосылках.

1. Иллюзия «бычьего» рынка

Когда рынки растут десятилетиями, точность расчета ставки дисконтирования или WACC кажется второстепенной. Но как только ликвидность сжимается, инвесторы начинают требовать четких доказательств того, что их капитал не был потрачен впустую.

Примером может служить текущий кризис фондов прямых инвестиций (PE) и частного кредитования, которые скупали активы по завышенным мультипликаторам, неоправданно корректируя EBITDA. Теперь эти фонды не могут выйти из активов с обещанной доходностью. В России ситуация иная из-за высокой стоимости денег, что заставляет рынок быть более консервативным. Тем не менее, привычка игнорировать расчеты денежных потоков в фазе роста — это болезнь, которая всегда ведет к печальным последствиям.

Качественная модель — это прежде всего гигиена принятия решений. ИИ здесь может стать отличным помощником, взяв на себя рутину по оформлению и мелким корректировкам, освобождая время аналитика для глубокой проработки сути сделки.

2. Моделирование как процесс познания

Часто аналитики совершают ошибку, превращая построение модели в самоцель, детально прогнозируя даже самые незначительные расходы. Однако истинный смысл моделирования заключается в том, чтобы через структуру таблицы понять бизнес компании и вычленить ключевые драйверы ее прибыли.

Моделирование — это способ исследования. Если за вас всё строит нейросеть, вы теряете «чувство цифр». Невозможно научиться мыслить стратегически, не умея работать «руками». Прежде чем делегировать задачу машине, нужно самому понять логику построения сложных связей, оборотных капиталов и водопадов платежей.

Денежные потоки против мультипликаторов

Многие привыкли оперировать простыми мультипликаторами (например, P/E), забывая, что право на их использование нужно заслужить. Мультипликатор — это лишь сокращенная форма выражения будущих денежных потоков. Без понимания того, как именно выстраивается этот мостик, использование готовых коэффициентов может ввести в заблуждение.

Множество потенциальных сделок срывается из-за того, что стороны по-разному оценивают «справедливый» мультипликатор, не учитывая динамику денежных потоков. Глубокий анализ в Excel позволяет увидеть возможности там, где стандартные рыночные метрики сигнализируют об обратном.

Итог: Ни один интеллектуальный навык не формируется без практики. Excel остается важнейшим инструментом не потому, что в нем удобно рисовать таблицы, а потому, что он заставляет специалиста по-настоящему вникнуть в экономику бизнеса.