Kassavirran ennustettavuus kirjanpitodatan avulla

Abstract

Kassavirta ja sen ennustaminen ovat tärkeässä roolissa yritysten talousraportoinnissa. Taloushallinnon digitalisoituminen ja digitalisten työkalujen kehittyminen ovat mahdollistaneet myös kirjanpitodatan hyödyntämisen kassavirran ennustamisessa. Kasvava tarve kassavirtaennusteille ja kassavirran raportoinnille aiheuttavat sen, että kohdeyrityksen täytyy kehittää ja parantaa nykyistä ennusteprosessiaan. Työn tavoitteena on tutkia, kuinka kirjanpitodatan avulla voidaan parantaa nykyistä ennustusprosessia. Keskeinen tutkimusalue on eri mallien ennustuskyky ja kassavirtaerien käyttäytyminen kassavirran ennustamisessa.

Työ toteutetaan tapaustutkimuksena, joka hyödyntää konstruktiivista tutkimusmenetelmää. Työ koostuu kahdesta osasta, joista ensimmäinen on kirjallisuuskatsaus kassavirtaan ja sen ennustamisen tutkimuksiin. Aikaisempi kirjallisuus luo pohjan työn toisessa osassa tehtävään empiiriseen tutkimukseen, jossa kuvataan kohdeyrityksen kassavirtaennustamisen nykytilaa sekä analysoidaan kirjanpitodataa tilastollisten menetelmien avulla. Tutkimuksessa käytettävä kirjanpitodata muokataan kassavirtaeriin, joista muodostetaan testattavat mallit. Kuukausi- ja kvartaalitason mallien avulla analysoidaan ennustemallien toimivuutta ja vertaillaan saatuja tuloksia aiemmin tehtyyn tutkimukseen.

Työn tuloksista havaitaan, että kirjapitodatasta laadittua suoraa kassavirtamallia voidaan hyödyntää kassavirran ennustamisessa. Aikaisempiin tutkimuksiin verraten sekä kvartaali- että kuukausitasolla päästään merkittäviin selitysasteisiin. Merkittävimmiksi kassavirtaeriksi nousevat ostoihin, velkoihin, myynteihin ja investointeihin liittyvät rahavirrat. Lisäksi huomataan, että pääasialliset haasteet kirjanpitodatan hyödyntämisessä liittyvät itsessään kirjanpitodataan ja tarvittavaan tietotaitoon. Työssä luotu datan muokkausmalli on helposti muunneltavissa, mikä mahdollistaa joustavan jatkokehityksen. Koko ennustusprosessin muutos vaatii kuitenkin tarkempaa analysointia eri mallien ja kirjanpitojärjestelmien toimivuudesta. Työn tulosten pohjalta yrityksen ennustusprosessin kehittäminen on aloitettu.

Cash flow and its prediction play a remarkable role in corporate financial reporting. The digitalization of financial management and evolution of digital tools have also made it possible to utilize accounting in cash flow prediction. The increasing needs for cash flow forecasts and reporting means that the target company must improve its current forecasting process. The scope of this research is to investigate how the current forecasting process can be improved by using accounting data. A key area of research is to observe the prediction power of different models and cash flow items in cash flow forecasting.

The thesis is a case study that utilizes a constructive research method. It consists of two parts. The first part is a literature review on cash flow and its prediction theories. The previous research provides the basis for an empirical study in the second part of the thesis, which describes the current state of the target company's cash flow prediction process and analyzes accounting data using statistical methods. The accounting data used in the study is modified into direct cash flow statement to form a testable model. Monthly and quarterly models are used to analyze the performance of the forecast models and to compare the results with previous research.

The results show that the direct cash flow model prepared from the accounting data can be utilized in forecasting cash flow. Compared to previous studies, significant explanatory levels are reached at both the quarterly and monthly levels. The most significant cash flow items are cash flows related to purchases, liabilities, sales, and investments. Furthermore, it is noted that the main challenges in utilizing accounting data are related to accounting data itself and the knowledge required for its use. The created model can be easily modified, which enables flexible further development. However, the change in the whole forecasting process requires a more detailed analysis of the performance of different models and accounting systems. Based on the results, the development of company’s forecasting process has already begun.