Курс/Финансовый анализ и инвестиционное моделирование

Модуль 2 • Урок 19

#19 из 52

AI в подготовке аналитики и проверке гипотез

Метрики, финансовая модель, сценарный анализ и проверка гипотез без псевдонауки и рекламной упаковки.

В модуле11 / 11
Прогресс модуля100%
Навигация по модулю

Цель урока

Понять, как использовать AI как ускоритель аналитики, не превращая его в источник неконтролируемых ошибок.

После урока вы должны:

  • знать, где AI полезен;
  • понимать, где ему нельзя доверять без верификации;
  • уметь строить рабочий процесс «AI как помощник, аналитик как ответственный».

1. Где AI действительно полезен

AI хорошо работает в следующих задачах:

  • структурирование информации по объекту;
  • сбор и классификация факторов риска;
  • подготовка вопросов для due diligence;
  • сравнение нескольких объектов по заданным критериям;
  • подготовка черновой логики investment memo;
  • поиск логических дыр в описании проекта;
  • формирование сценарных вопросов для проверки модели.

2. Где AI особенно опасен

AI опасен, если вы пытаетесь использовать его как источник:

  • точных рыночных данных без проверки;
  • юридических выводов без первоисточников;
  • финансовых показателей без контроля потока;
  • окончательного инвестиционного решения.

Главная проблема: AI может уверенно формулировать то, что не подтверждено.

3. Правильная роль AI

AI должен:

  • ускорять сбор и структурирование;
  • помогать замечать пробелы;
  • предлагать варианты сценариев;
  • помогать упаковывать вывод.

Но он не должен:

  • заменять проверку цифр;
  • подменять анализ источников;
  • подтверждать то, что вы сами не проверили.

4. Рабочий процесс

Правильная последовательность такая:

  1. собрать исходные данные;
  2. нормализовать факты отдельно от предположений;
  3. использовать AI для структурирования и проверки логики;
  4. вернуть выводы в ручную верификацию;
  5. только потом включать их в модель или меморандум.

5. Полезные типы промптов

Промпт 1. Разбор объекта

«Разложи этот объект на источники потока, ключевые риски, возможные скрытые расходы и вопросы, которые нужно задать до моделирования».

Промпт 2. Проверка предпосылок

«Какие предпосылки в этой модели выглядят агрессивными и какие из них сильнее всего влияют на IRR и NPV?»

Промпт 3. Сценарный анализ

«Предложи realistic downside-сценарий для этого объекта без апокалиптических допущений».

Промпт 4. Investment memo

«Структурируй инвестиционный тезис по блокам: вход, поток, риски, сценарии, выход, критические вопросы».

6. Практический пример

У вас есть сырое описание объекта от продавца.

AI может помочь:

  • превратить его в список проверяемых утверждений;
  • выделить допущения;
  • предложить список вопросов;
  • построить черновую матрицу рисков.

Но аналитик обязан сам проверить:

  • цифры;
  • юридические факты;
  • налоговую логику;
  • рыночные аналоги;
  • сценарий выхода.

7. Типовые ошибки

  • просить AI «оценить объект» без структуры;
  • принимать сгенерированные цифры за факты;
  • подменять due diligence красивым текстом;
  • использовать AI как авторитет, а не как вспомогательный инструмент;
  • не отделять confirmed data от working assumptions.

8. Чек-лист

AI уместен, если:

  • у вас уже есть данные;
  • вы понимаете предметную область;
  • вы используете его для ускорения, а не замены анализа;
  • вы проверяете результат вручную;
  • вы не делегируете ему финальное суждение.

9. Контрольные вопросы

  1. В чём главная сила AI в инвестиционной аналитике?
  2. Почему AI опасен как источник «точных данных» без проверки?
  3. Как правильно встроить AI в процесс анализа?
  4. Какие типы промптов особенно полезны в моделировании?

10. Мини-кейс

У вас есть презентация проекта, где много текста и мало структуры.

Нужно:

  • описать, как вы используете AI, чтобы быстро превратить её в рабочий аналитический каркас;
  • указать, что именно вы не доверите AI без ручной проверки;
  • составить 3 прикладных промпта под этот кейс.

# Итог Модуля 2

После прохождения модуля слушатель должен уметь:

  • отличать анализ объекта от анализа проекта;
  • понимать смысл и ограничения базовых метрик;
  • собирать и нормализовать операционный поток;
  • использовать ROI, cash-on-cash, payback, IRR и NPV по назначению;
  • строить сценарный анализ;
  • задавать предпосылки модели профессионально;
  • собирать базовую арендную и проектную модель;
  • распознавать манипуляции цифрами;
  • использовать AI как вспомогательный аналитический инструмент.

# Практические задания по модулю

Задание 1. Пересборка рекламной модели

Возьмите любое предложение с заявленной доходностью и:

  • отделите факты от предположений;
  • соберите base case;
  • соберите downside case;
  • укажите, какие метрики после этого действительно имеют смысл.

Задание 2. Матрица предпосылок

Составьте таблицу по объекту с колонками:

  • параметр;
  • факт / допущение;
  • диапазон;
  • источник;
  • чувствительность.

Задание 3. Базовая арендная модель

На 5-летнем горизонте соберите каркас:

  • вход;
  • CAPEX;
  • аренда;
  • вакансия;
  • OPEX;
  • NOI;
  • выход;
  • ROI / IRR / NPV.

Задание 4. Анти-манипуляционный аудит

Возьмите чужую таблицу и найдите:

  • 5 мягких предпосылок;
  • 3 скрытых расхода;
  • 2 места, где завышен exit;
  • 1 параметр, который сильнее всего ломает тезис.

Задание 5. AI-практика

Используя AI, подготовьте:

  • список вопросов к объекту;
  • черновой risk matrix;
  • структуру investment memo.

После этого вручную отметьте:

  • что было полезно;
  • что требует проверки;
  • что оказалось недостоверным или слишком общим.

# Приложение 1. Базовая структура финансовой модели

  1. Параметры входа
  2. Цена покупки / входа
  3. Разовые затраты
  4. Поток по аренде или продажам
  5. Вакансия / простои
  6. OPEX
  7. CAPEX
  8. Налоги
  9. Чистый поток по годам
  10. Exit
  11. Метрики
  12. Сценарии
  13. Чувствительность

# Приложение 2. Матрица проверки финансовой модели

По каждой модели нужно отдельно проверить:

  • какие цифры подтверждены фактами;
  • какие являются прогнозом;
  • где завышен доход;
  • где занижен расход;
  • как обоснован срок;
  • как обоснован exit;
  • как задана стоимость капитала;
  • что происходит в downside.

# Приложение 3. Базовые AI-промпты для аналитика

  1. «Разложи этот объект на источник денежного потока, ключевые расходы, сценарий выхода и слабые места инвестиционного тезиса».
  1. «Проверь эту модель на агрессивные предпосылки: аренда, вакансия, CAPEX, срок, цена выхода, ставка дисконтирования».
  1. «Собери realistic downside-case для объекта, не используя катастрофические допущения».
  1. «Сравни два объекта по блокам: поток, риск, ликвидность, горизонт, чувствительность к цене выхода».
  1. «Структурируй investment memo по блокам: вход, экономика, риски, сценарии, exit, критические вопросы».

# Финальный вывод по итерации 3

Итерация 3 завершена после объединения:

  • части 1 Модуля 2;
  • части 2 Модуля 2;
  • практического и прикладного слоя.

Модуль 2 теперь закрывает центральный блок курса: как считать, проверять и оспаривать инвестиционную экономику объекта и проекта.

# Итерация 4 — Модуль 3 курса (часть 1) Тема: Инвестиционные продукты недвижимости и их продажа Язык: русский Актуальность редакции: 15.04.2026

О модуле

Если в предыдущих модулях мы зафиксировали базовую оптику рынка и инструменты финансового анализа, то здесь переходим к самому прикладному уровню: каким именно продуктом вы работаете, кому он подходит, за счёт чего в нём возникает доходность, где скрыт риск и как этот продукт продаётся без дешёвого маркетинга.

Задача модуля:

  • научиться различать продукты не по упаковке, а по экономике;
  • понимать, кому и когда реально подходит тот или иной формат;
  • уметь соотносить актив с профилем инвестора;
  • видеть, как меняется инвестиционная логика при высокой стоимости денег;
  • понимать, как продавать продукт профессионально, а не через обещания.