Сценарии и риск: tornado, Monte Carlo сезона, вероятность кассового разрыва, VaR-lite, стресс-тесты
Количественная оценка неопределённости сезона: какие допущения сильнее всего двигают прибыль (tornado), каков разброс результата (Monte Carlo), с какой вероятностью сезон окажется убыточным или упрёт в кассовый разрыв, какой «запас на плохой случай» нужен (VaR-lite) и что будет при жёстких стрессах. Решение: размер закупки, подушка денег и триггеры пересмотра плана.
Зачем этот документ
Документ читают финансовый директор и собственник, когда утверждают бюджет сезона и решают, какой запас прочности держать. Один прогноз прибыли скрывает неопределённость, а решения принимают именно под неё. Tornado показывает, какое допущение двигает результат сильнее всего и за чем следить, Monte Carlo даёт вероятность убыточного сезона или кассового разрыва. Стресс-тест отвечает, переживёт ли бизнес плохой, но реальный сценарий. Без этого запас прочности и кредитный лимит выбирают наугад.
Коротко
- Что это за документ и зачем он нужен?
- Количественная оценка неопределённости сезона: какие допущения сильнее всего двигают прибыль (tornado), каков разброс результата (Monte Carlo), с какой вероятностью сезон окажется убыточным или упрёт в кассовый разрыв, какой «запас на плохой случай» нужен (VaR-lite) и что будет при жёстких стрессах. Решение: размер закупки, подушка денег и триггеры пересмотра плана.
- Кто отвечает за документ и как часто его пересчитывать?
- Финансовый директор и аналитик планирования; расчёт перед утверждением бюджета сезона и при каждом заметном изменении курса, спроса или условий; результат идёт на совет и в лимиты казначейства.
- Какие ошибки встречаются чаще всего?
- Строят один «пессимистичный» сценарий → вероятность и размер потерь неизвестны → tornado, Monte Carlo и стресс вместе. Считают риск только по прибыли → прибыльный сезон упирается в кассовый разрыв → отдельная модель денег по месяцам. Задают независимые драйверы → хвост занижен → корреляция спроса и снижений и стресс «всё плохо».
Для кого
- Бренд
- Бренд несёт риск закупки заранее: объём фиксируется за месяцы, а спрос, курс и возвраты партнёров неизвестны; главные драйверы это спрос сезона, курс закупки, снижение цены и возвраты партнёров. Кассовый разрыв возникает из-за разрыва между оплатой производства и поступлением от опта.
- Ритейл
- Ритейлер несёт риск остатков и постоянных расходов (аренда, персонал): при падении трафика расходы не уменьшаются, а закупка уже оплачена. Главные драйверы — это трафик и конверсия, снижение цены, аренда и курс закупки; кассовый разрыв приходится на пик оплаты поставщикам до высокого сезона.
Из чего состоит
Модель сезона
- Учебная модель: закупка 10 000 шт. по себестоимости 1 000 ₽, цена 3 300 ₽ без НДС, средний спрос 9 400 шт. по полной цене, возвраты 6 %, среднее снижение цены 12 %, остаток уходит по 30 % цены, постоянные расходы 10,5 млн ₽. Базовая прибыль сезона 5,75 млн ₽.
- Модель должна быть простой: 5–8 драйверов, которые бизнес реально обсуждает; чем больше параметров, тем меньше доверия к результату и тем труднее его объяснить.
Tornado: что двигает прибыль
- Каждый драйвер сдвигают в плохую и хорошую сторону при остальных на базе и смотрят изменение прибыли. Самый сильный драйвер в примере: Спрос сезона ±15 % (от −2,45 до +1,04 млн ₽); следующий Глубина снижения цены 8 % / 18 % (от −1,75 до +1,17).
- Несимметрия tornado это информация: спрос ограничен закупкой, поэтому рост спроса выше плана почти не добавляет прибыли, а падение бьёт полностью. Диаграмма показывает, где держать резервы и за чем следить еженедельно.
Monte Carlo: распределение результата
- Драйверы задают распределениями (спрос логнормальный с σ 18 %, снижение цены нормальное ±3,5 п. п., возвраты ±1,5 п. п., курс закупки σ 5 %, постоянные расходы σ 5 %) и разыгрывают 10 000 сезонов с фиксированным зерном. Средняя прибыль 4,96 млн ₽ ниже базовой из-за ограничения спроса закупкой; вероятность убытка 2,1 %.
- Корреляции важны: плохой спрос обычно идёт вместе с более глубокими снижениями цены; независимая модель занижает хвост. Если связь известна, её задают коэффициентом; если нет, добавляют стресс-сценарий, где всё плохо сразу.
Кассовый разрыв, VaR-lite и стресс
- Деньги по месяцам: начальный остаток 10,2 млн ₽, оплата закупки 50/50 в первые два месяца, продажи по кривой сезона. Вероятность, что остаток хотя бы раз уйдёт в минус, 13,8 %, хотя сезон убыточен лишь в 2,1 % случаев: прибыльный сезон может упереться в кассовый разрыв.
- VaR-lite: 5-й перцентиль прибыли 0,86 млн ₽ (в 95 % случаев результат не хуже), среднее по худшим 5 % случаев (expected shortfall) −0,05 млн ₽. Это простая оценка, не формальный VaR финансового рынка: распределение смоделировано допущениями.
- Стресс-тесты: спрос −25 % даёт 1,67 млн ₽, курс +20 % даёт 3,75, оба вместе −0,33, а с глубоким снижением цены −3,18 млн ₽. Для каждого стресса заранее задают действия: сократить дозаказ, ускорить переоценку, использовать кредитную линию.
Бренд и ритейл: что считают в риск-модели
- Бренд: драйверы бренда: спрос партнёров (sell-out), курс закупки, возвраты и компенсации партнёрам, сроки фабрики и оплата производства; ключевой разрыв денег это время от оплаты производства до поступления от опта.
- Ритейл: драйверы ритейлера: трафик и конверсия, средний чек, снижения цены, аренда и персонал, курс закупки; ключевой разрыв денег это пик оплат поставщикам до высокого сезона при постоянных расходах.
- Бренд: стресс бренда: срыв поставки фабрикой, потеря партнёра, рост курса на 20 %, отказ партнёров от заказа сезона; для каждого заранее задают действия по заказам и по финансированию.
- Ритейл: стресс ритейлера: падение трафика на 15–20 %, закрытие ТРЦ, срыв поставки, рост курса и ставки аренды; для каждого заранее задают действия по закупке, площадям и персоналу.
- Бренд: tornado бренда показывает, что объём закупки ограничивает выигрыш от спроса: для бренда важна гибкость (дозаказ ткани, малые партии) и условия возврата партнёров.
- Ритейл: tornado ритейлера показывает силу постоянных расходов: при слабом трафике аренда и персонал не уменьшаются, поэтому важны переменные части аренды и гибкость расписания.
- Бренд: кассовый разрыв бренд закрывает авансами партнёров, кредитной линией, факторингом или отсрочкой поставщику; условия согласуют до сезона, а не в момент разрыва.
- Ритейл: кассовый разрыв ритейлер закрывает кредитной линией, отсрочкой поставщикам, ускоренной переоценкой остатков и сдвигом капитальных расходов; план действий привязан к порогам остатка денег.
- Бренд: VaR-lite бренд показывает совету вместе с вероятностью кассового разрыва: решение о размере закупки сезона принимают по этим двум числам, а не по базовой прибыли.
- Ритейл: VaR-lite ритейлер показывает вместе с запасом по ковенантам: если ковенанты нарушаются при плохом сезоне, закупку сокращают или заранее договариваются с банком.
Откуда берутся данные
| Источник данных | Поля |
|---|---|
| Бюджет сезона | План продаж, цена, себестоимость, возвраты, снижения, постоянные расходы, график оплат и поступлений. |
| История отклонений | Отклонения факта от плана по спросу, снижению цены, возвратам и курсу за прошлые сезоны: из них берут разброс драйверов. |
| Казначейство | Остатки денег, кредитные линии и лимиты, ковенанты, ставка и условия овердрафта. |
Как собрать по шагам
- Шаг 1. Постройте модель прибыли и денег сезона на 5–8 драйверах; сверьте базу с утверждённым бюджетом.
- Бренд: Шаг 2. Добавьте разрыв оплаты производства и поступления от опта и возвраты партнёров как отдельные драйверы.
- Ритейл: Шаг 3. Добавьте трафик и конверсию, аренду и постоянные расходы и пик оплат поставщикам перед сезоном.
- Шаг 4. Задайте диапазоны драйверов (плохо, база, хорошо) по истории отклонений, а не «по ощущениям».
- Шаг 5. Постройте tornado: сдвиг каждого драйвера при остальных на базе; отсортируйте по размаху.
- Шаг 6. Задайте распределения драйверов и корреляции, разыграйте не менее 5 000 сезонов с фиксированным зерном.
- Шаг 7. Получите среднее, перцентили, вероятность убытка, VaR-lite и expected shortfall; проверьте устойчивость к числу прогонов.
- Шаг 8. Постройте денежный поток по месяцам для каждого прогона и найдите вероятность ухода в минус и перцентили остатка по месяцам.
- Шаг 9. Задайте 3–5 стресс-сценариев с действиями и триггерами и посчитайте результат по каждому.
- Шаг 10. Определите подушку денег и объём закупки: подушка закрывает худший месяц на уровне перцентиля, закупку уменьшают, если вероятность разрыва выше допустимой.
Формулы
| Показатель | Формулы | Пояснение |
|---|---|---|
| Прибыль сезона | Π = min(Q, D)·(1 − r)·P·(1 − m) + (Q − min(Q, D))·P·k − Q·C·φ − F | Q закупка, D спрос, r возвраты, m снижение цены, k цена ликвидации, φ курсовой множитель, F постоянные расходы. Допущение: возвращённые единицы не перепродаются и в остаток не попадают, себестоимость по ним уже уплачена, поэтому оценка осторожная. Если возвраты пригодны к перепродаже по цене ликвидации, к прибыли добавляется r·min(Q, D)·P·k: в примере около 0,56 млн ₽. |
| Размах tornado | R_j = max(|Π(x_j^low) − Π₀|, |Π(x_j^high) − Π₀|) | Драйверы сортируют по R_j. |
| Monte Carlo оценка | P̂(Π < 0) = (1/N)·Σ 1[Π_i < 0]; ошибка ≈ √( p̂(1 − p̂)/N ) | Для N = 10 000 и p = 2 % ошибка около 0,14 п. п. |
| VaR-lite и expected shortfall | VaR₅ = P₅(Π); ES₅ = среднее Π по худшим 5 % прогонов | Не регуляторный VaR; опирается на допущенные распределения. |
| Остаток денег | S_t = S_(t−1) + Receipts_t − Purchases_t − Fixed_t; разрыв, если min_t S_t < 0 | Поступления зависят от кривой сезона и отсрочек; оплаты от графика поставщиков. |
| Логнормальный спрос | D = D₀·exp(σ·Z − σ²/2), Z ~ N(0, 1) | Поправка −σ²/2 сохраняет среднее D₀. |
| Подушка денег | Подушка = max(0, −P₁₀(min_t S_t)) | Уровень перцентиля задаёт политика риска; 10 % условный. |
Формулы в записи
- Спрос
D = D₀·exp(σ·Z − σ²/2), Z ~ N(0; 1)
Логнормальный спрос с сохранением среднего.- Вероятность убытка
p̂ = (1/N) · Σ_i 1[ Π_i < 0 ]
Оценка Monte Carlo; ошибка √(p̂(1−p̂)/N).- VaR-lite
VaR_5 = P_5(Π); ES_5 = E[ Π | Π ≤ P_5(Π) ]
Квантиль и среднее хвоста.
Пример с числами
Стресс-тесты сезона: прибыль при сдвиге драйверов, млн ₽
| Сценарий | Прибыль, млн ₽ | Изменение к базе, млн ₽ |
|---|---|---|
| База | 5,75 | 0 |
| Спрос −25 % | 1,67 | −4,09 |
| Курс +20 % | 3,75 | −2 |
| Спрос −25 % и курс +20 % | −0,33 | −6,09 |
| Спрос −25 %, курс +20 %, снижение цены 25 % | −3,18 | −8,93 |
Базовая прибыль 5,75 млн ₽; Monte Carlo (10 000 прогонов): среднее 4,96, VaR-lite 5 % 0,86, вероятность убытка 2,1 %, вероятность кассового разрыва 13,8 %. Сценарий «спрос −25 %, курс +20 %, снижение 25 %» убыточен: нужны действия по сокращению закупки и использованию кредитной линии. Все вводные условные.
Рисунки
- Плохой сдвиг
- Хороший сдвиг
Данные таблицей
| Показатель | Плохой сдвиг | Хороший сдвиг |
|---|---|---|
| Спрос сезона ±15 % | −2,45 | 1,04 |
| Глубина снижения цены 8 % / 18 % | −1,75 | 1,17 |
| Постоянные расходы ±10 % | −1,05 | 1,05 |
| Курс закупки ±10 % | −1 | 1 |
| Возвраты 9 % / 3 % | −0,82 | 0,82 |
Tornado: изменение прибыли при сдвиге драйверов. Каждая строка показывает плохой и хороший сдвиг; спрос бьёт вниз сильнее, чем помогает вверх, потому что ограничен закупкой.
Данные таблицей
| Показатель | Доля прогонов, % |
|---|---|
| -2 | 0,7 |
| -1 | 2,3 |
| 0 | 5,6 |
| 2 | 9,7 |
| 3 | 14,3 |
| 4 | 17,7 |
| 5 | 20,4 |
| 6 | 17,2 |
| 8 | 9,2 |
| 9 | 2,5 |
Распределение прибыли сезона (Monte Carlo). Распределение скошено влево (спрос ограничен закупкой): левый хвост длиннее; убыточных прогонов 2,1 %. По оси: нижняя граница интервала прибыли, млн ₽.
- Перцентиль 10
- Медиана
- Перцентиль 90
- Ноль
Данные таблицей
| Показатель | Перцентиль 10 | Медиана | Перцентиль 90 | Ноль |
|---|---|---|---|---|
| 1 | 4,27 | 4,67 | 5,06 | 0 |
| 2 | −0,17 | 0,88 | 1,79 | 0 |
| 3 | 2,57 | 4,65 | 6,11 | 0 |
| 4 | 5,83 | 9,18 | 11,3 | 0 |
| 5 | 8,46 | 13 | 15,7 | 0 |
| 6 | 12 | 15,4 | 18 | 0 |
Остаток денег по месяцам: коридор 10-50-90 %. Нижняя граница коридора уходит в минус во втором месяце, когда оплата закупки уже прошла, а продажи ещё малы. По оси: месяц сезона.
Данные таблицей
| Показатель | Прибыль, млн ₽ |
|---|---|
| База | 5,75 |
| Спрос −25 % | 1,67 |
| Курс +20 % | 3,75 |
| Спрос −25 % и курс +20 % | −0,33 |
| Спрос −25 %, курс +20 %, снижение цены 25 % | −3,18 |
Стресс-тесты: прибыль сезона. Спрос и курс по отдельности оставляют прибыль положительной, вместе уводят её к нулю, а с глубоким снижением цены в убыток.
Особенности по категориям
- Одежда
- Главный риск — это погода и объём закупки сезона; спрос ограничен закупкой, поэтому tornado несимметричен; кассовый разрыв приходится на оплату производства до начала продаж.
- Обувь
- Долгий цикл и импорт: курс закупки и размерный риск сильнее всего; остаток по размерам хуже ликвидируется, поэтому цена ликвидации в модели ниже, а хвост убытка тяжелее.
- Аксессуары
- Пик подарочных продаж концентрирует риск в нескольких неделях: недельная модель и стресс «пик не удался»; оборачиваемость высокая, разрыв короткий, но глубокий.
- Детское
- Школьный сезон с жёсткой датой: стресс по срыву поставки; размерный остаток теряется быстро, поэтому цена ликвидации низкая; спрос зависит от демографии и доходов семей.
- Мужское
- Спрос стабильнее, σ спроса ниже, хвост убытка легче; базовые позиции допускают перенос остатка, поэтому цена ликвидации выше; главные риски курс и цена хлопка и материалов.
- Женское
- Широкий модный ассортимент: σ спроса выше, снижения цены глубже и коррелируют со слабым спросом; в модели важна положительная корреляция спроса и снижений.
Типичные ошибки
- Строят один «пессимистичный» сценарий → вероятность и размер потерь неизвестны → tornado, Monte Carlo и стресс вместе.
- Считают риск только по прибыли → прибыльный сезон упирается в кассовый разрыв → отдельная модель денег по месяцам.
- Задают независимые драйверы → хвост занижен → корреляция спроса и снижений и стресс «всё плохо».
- Берут разброс драйверов с потолка → красивая, но пустая цифра → разброс по истории отклонений.
- Принимают VaR-lite за гарантию → худший случай бывает хуже → показывайте expected shortfall и стресс с действиями.
- Не называют действия при стрессе → цифра есть, решения нет → каждому стрессу действие, владелец и срок.
Особенности России
- Кредитные линии и займы часто содержат ковенанты (DSCR, долг/EBITDA, минимальный остаток): стресс-тест проверяет, не нарушатся ли ковенанты при плохом сезоне, и заранее согласует с банком отступление.
- Платёжный график поставщикам и налогам (НДС, налог на прибыль, взносы) задаёт календарь оттока денег; в РФ налоговые платежи приходятся на фиксированные даты и должны быть в модели денег. Норма: НК РФ ст. 164: Налоговый кодекс РФ, ст. 164 (ставки НДС) (проверка нормы не завершена).
- Резерв под снижение стоимости запасов в стресс-сценарии нужно оценить по ФСБУ 5/2019: убыток от обесценения запасов уменьшает прибыль и ковенантные показатели. Норма: приказ 180н от 15.11.2019: Приказ Минфина от 15.11.2019 № 180н (ФСБУ 5/2019 «Запасы») (проверка нормы не завершена).