Finansiel prognose udføres af en lang række årsager, såsom at fremskrive forventet salg for at justere kapacitetsrater, eller som en del af budgetstyring. Kreditorer kræver ofte både historiske og forventede regnskaber, når de udfører deres indledende og løbende kreditanalyse. Forventede regnskaber bruges også til at udarbejde forretningsvurderinger, som kan være nødvendige til regnskabsaflæggelsesformål, ejendomsplanlægning, fusioner og opkøb eller endda virksomhedssager. Udarbejdelse af økonomiske prognoser kræver komplekse analyser, som er underlagt en række begrænsninger og udfordringer.
Finansielle prognoser udføres ofte ved at bruge historiske resultater som en proxy for fremtiden. Du kan gøre dette ved at analysere historiske resultatopgørelser og balanceposter for tendenser, såsom væksttendenser, og anvende disse tal fremadrettet. For eksempel, hvis en virksomhed opnåede en stabil vækst på i gennemsnit 5 procent om året i de sidste fem år, kunne du forudsige næste års salg ved at bruge en vækstrate på 5 procent. Selvom den er udbredt, kan denne tilgang være problematisk. Hvis virksomhedens resultater er uregelmæssige fra år til år, giver historiske gennemsnit muligvis ikke gode indikationer for fremtiden. Hvis virksomheden er en nystartet virksomhed, er historiske resultater muligvis slet ikke tilgængelige. Derudover kan eksterne markedsforhold påvirke finansielle resultater på en måde, som ikke ville blive fanget ved at analysere historiske resultater.
Jo længere tidsramme, jo sværere vil det være at præcist forudsige økonomiske resultater. Det er mindre vanskeligt at forudsige næste års økonomiske resultater end at forudse tal for det kommende årti. For eksempel, hvis du ekstrapolerer tendenser ved hjælp af fem års historiske data, mens du forbereder 10-årige finansielle fremskrivninger, vil anvendeligheden af femårige tendenser sandsynligvis være lavere til en 10-årig periode. Efterhånden som der går længere tid, øges sandsynligheden for, at der indtræffer begivenheder, som kan påvirke virksomhedens økonomiske resultater. Markedsandele kan stige eller falde, eller økonomiske forhold kan ændre sig væsentligt. Som en generel regel er kortere fremskrivningsperioder mere nøjagtige.
Udover at bruge historiske data, udføres prognoser ofte ved hjælp af lineær analyse, som knytter fremtidige økonomiske resultater til forskellige afhængige variabler korreleret med de underliggende finansielle tal. Dette kan være meget problematisk - bedst indfanget af udtrykket skrald ind, skrald ud. Din prognoses pålidelighed er kun så god som de input, der blev brugt til at beregne den. Dette giver plads til fejl forårsaget af fejl begået ved indsamling eller fortolkning af data, eller menneskelige fejl ved indtastning af data i prognosemodellen. Mennesker er også underlagt forskellige skævheder, såsom bekræftelsesbias, som opstår, når prognosemagerens dømmekraft er skævt af prædisponerede forestillinger om de forventede resultater. Dette kan få prognosemageren til at lægge for meget vægt på mindre relevante dataelementer eller omvendt.
Selvom du perfekt udfører de kvantitative og kvalitative prognosemetoder, er det umuligt at forudse det uforudsigelige. Disse elementer kan variere i karakter, men kan være risici baseret på konkurrence, økonomi og eksterne stød på markedet. For eksempel blev Blockbuster efter mange års vækst forblændet af Netflix præstationer, som meget hurtigt udhulede Blockbusters markedsandel og salg. En detailforretning kan åbne en ny lokation og projektere stærk økonomisk vækst, kun for at få en direkte konkurrent til at åbne sig på den anden side af gaden, hvilket påvirker salg og indtjening.
Ydermere kan en Black Swan-begivenhed nemt gøre velforberedte økonomiske prognoser forældede. En Black Swan-begivenhed er en højst usandsynlig hændelse, der indtræffer, der udviser tre faktorer -- det er umuligt at forudsige, det har en massiv indvirkning, og dets chokværdi er forbløffende, fordi folk aldrig kunne forestille sig, at en sådan hændelse indtræffer.