This is the second part of a lecture I gave at Leipzig University of Applied Sciences (HTWK) on Financial Modeling with Analytica in December 2014. The course was tailored for Master students in economics, showing them what is financial modeling and how we can create financial models that are transparent, easy to understand, flexible, and useful for running sensitivity analyses and Monte Carlo simulations—with Analytica. This second day had more practical, hands-on modeling tasks for the students, so the slides contain only part of the stuff.

1. Financial Modeling
mit Analytica

2. TAG 2
Wiederholung
Monte Carlo
Simulation
Financial Modeling

3. TAG 2
Wiederholung und
Monte Carlo
Financial Modeling
Aufgabenstellungen
beim Modellieren

6. WHATIF

7. Monte Carlo
Simulation

9. 80 90 100 110 120 13070

11. Stück Preis Wechsel-
kurs
x x = Umsatz

12. Stück Preis Wechsel-
kurs
x x = Umsatz
2,012 1,152 1.06 2,449,827#1

13. Stück Preis Wechsel-
kurs
x x = Umsatz
2,012 1,152 1.06 2,449,827#1
2,016 1,086 1.22 2,671,535#2
1,971 1,090 1.19 2,555,510#3
1,938 1,105 1.17 2,516,307#4
2,000 1,146 1.16 2,647,883#5
1,968 1,166 1.07 2,465,771#6
2,174 1,143 1.24 3,072,286#7
2,055 1,298 1.18 3,141,262#8
2,144 1,115 1.18 2,831,511#9
1,941 1,084 1.14 2,400,131#10
1,886

14. Items
sold
Price per
item FX rate
x x = Umsatz
1,970 1,186 1.24 2,899,259#998
2,072 1,252 1.09 2,824,524#999
1,951 1,093 1.15 2,455,838#1,000

15. Items
sold
Price per
item FX rate
x x = Umsatz
1,970 1,186 1.24 2,899,259#998
2,072 1,252 1.09 2,824,524#999
1,951 1,093 1.15 2,455,838#1,000
2.0 2.5 3.0 3.5 4.0

16. Let’s explore the uncertainty.

17. Demo-Model-D1-6-Monte-Carlo-Sim.ana

18. TAG 2
Wiederholung und
Monte Carlo
Financial Modeling
Aufgabenstellungen
beim Modellieren

19. Essentially, all
models are wrong,
but some are useful.”
“ —George E. P. Box

23. Financial Modeling
Accounting
vs.

37. Gibt es eine
Grundstruktur?

38. Inputs OutputsCalculations

39. Inputs OutputsCalculations

43. Zielgrößen

44. Entscheidungs-
möglichkeiten

45. Entscheidungen mit
Zielgrößen verbinden

46. Entscheidungen mit
Zielgrößen verbinden

47. Ein kreativer Prozess

48. ✗
Ignorieren, was keinen
Einfluss auf Zielgröße hat

49. 1. Ziel- bzw. Entscheidungsgrößen
identifizieren
2. Entscheidungsmöglichkeiten herausfinden
3. Entscheidungen mit Zielgrößen verbinden
• Von Input zu Output
• Von Output zu Input
• Von beiden Seiten
4. Irrelevante Größen ignorieren
Checklist

50. A theory should be
as simple as possible,
but no simpler.”
“ —Albert Einstein

51. 1. Ziel- bzw. Entscheidungsgrößen
identifizieren
2. Entscheidungsmöglichkeiten herausfinden
3. Entscheidungen mit Zielgrößen verbinden
• Von Input zu Output
• Von Output zu Input
• Von beiden Seiten
4. Irrelevante Größen ignorieren
5. Modelllogik einfach halten
Checklist

52. If I have seen further than
[others] it is by standing upon
the shoulders of giants.”
“ —Sir Isaac Newton

53. 1. Ziel- bzw. Entscheidungsgrößen
identifizieren
2. Entscheidungsmöglichkeiten herausfinden
3. Entscheidungen mit Zielgrößen verbinden
• Von Input zu Output
• Von Output zu Input
• Von beiden Seiten
4. Irrelevante Größen ignorieren
5. Modelllogik einfach halten
6. Vorhandene Modelle oder Teile nutzen
Checklist

54. Now you’ll build a model.

55. The Business Case

56. Sommer
✈

57. Winter✈

58. Eine kleine Fluggesellschaft
möchte einmal pro Woche ein
Ferienziel für Kurzurlauber
anfliegen: Im Sommer an die
Ostsee, im Winter in ein Skigebiet.
Der Umsatz wird durch verkaufte
Tickets gemacht. Kosten entstehen
für jeden Passagier bzw. jedes
verkaufte Ticket. Das sind die
variablen Kosten. Die weiteren
Kosten sind fix und bestehen im
Grunde nur aus einer festen „Full-
Service-Charter“-Gebühr für das
benötigte Flugzeug. Der Betrieb
des Flugzeugs usw. wird also im
Grunde „outgesourced“.
Man erwartet, dass man zehn
Monate im Jahr fliegen kann,
jeweils zur Hälfte in die beiden
Zielgebiete. Was man noch nicht so
genau abschätzen kann ist die
Nachfrage nach solchen Flügen.
Außerdem kommen zwei
Flugzeugtypen mit unterschied-
licher Kapazität in Frage.
Was man wissen will ist:
1. Rechnet sich das überhaupt?
Hierfür soll erst mal nur die
Umsatzrentabilität angesehen
werden.
2. Welches Flugzeug sollte man
chartern?
Aufgabe

60. HTWK-FinancialModelingWithAnalytica-D2-Business-Case.pdf

61. Eine kleine Fluggesellschaft
möchte einmal pro Woche ein
Ferienziel für Kurzurlauber
anfliegen: Im Sommer an die
Ostsee, im Winter in ein Skigebiet.
Der Umsatz wird durch verkaufte
Tickets gemacht. Kosten entstehen
für jeden Passagier bzw. jedes
verkaufte Ticket. Das sind die
variablen Kosten. Die weiteren
Kosten sind fix und bestehen im
Grunde nur aus einer festen „Full-
Service-Charter“-Gebühr für das
benötigte Flugzeug. Der Betrieb
des Flugzeugs usw. wird also im
Grund „outgesourced“.
Man erwartet, dass man zehn
Monate im Jahr fliegen kann,
jeweils zur Hälfte in die beiden
Zielgebiete. Was man noch nicht so
genau abschätzen kann ist die
Nachfrage nach solchen Flügen.
Außerdem kommen zwei
Flugzeugtypen mit unterschied-
licher Kapazität in Frage.
Was man wissen will ist:
1. Rechnet sich das überhaupt?
Hierfür soll erst mal nur die
Umsatzrentabilität angesehen
werden.
2. Welches Flugzeug sollte man
chartern?
Aufgabe

62. TAG 2
Wiederholung und
Monte Carlo
Financial Modeling
Aufgabenstellungen
beim Modellieren

64. f(x)
f(x)
f(x)
f(x) f(x)

65. Test as you build

66. f(x)

67. f(x)
f(x)
f(x)
f(x)

68. f(x)
f(x)
f(x)
f(x)

69. f(x)
f(x)
f(x)
f(x) f(x)

73. Okay, now the numbers…

74. BMSim-Airline-1-concept-with-description.ana