Метод Монте-Карло замість річного бюджету: фінансове моделювання в тумані війни

Анотація

У 2025 році український бізнес працює в умовах, які класична теорія менеджменту визначає як «екстремальну невизначеність». Традиційні методи детермінованого бюджетування (Static Budgeting), що спираються на лінійну екстраполяцію історичних даних, демонструють критичну неспроможність. Помилка прогнозування EBITDA у статичних моделях українських компаній у 2024 році сягала 40–60%. Цей звіт пропонує перехід до ймовірнісного (стохастичного) планування із застосуванням симуляцій Монте-Карло. Документ містить макроекономічний аналіз на 2025–2026 роки, математичне обґрунтування вибору розподілів, практичні кейси реальних компаній та методологію впровадження.

---

Чому річний бюджет більше не працює?

Грудень 2024 року став для багатьох CFO точкою неповернення. У переговорних кімнатах, часто освітлених лише світлом генераторів, розігрувався ритуал затвердження річного бюджету з педантичною точністю: курс 44,5 грн, інфляція 9,7%, зростання ФОП на 14% — і ці цифри перетворювалися на директивні KPI та основу бонусних схем.

Горизонт достовірного планування стиснувся до операційного тижня, а базові припущення можуть бути обнулені за лічені години.

Коли Національний банк України помиляється у прогнозі інфляції на 50% (прогноз 8,4% на початку 2025 vs. факт 15,9% у травні), коли блекаути тривають по 4–12 годин на добу, коли 74% роботодавців не можуть знайти персонал — традиційний статичний бюджет втрачає сенс. Він маскує критичні ризики ліквідності та залишає компанію беззахисною перед касовим розривом у момент реалізації негативного сценарію. Статичний бюджет, що фіксує єдиний сценарій майбутнього, присипляє пильність менеджменту «зеленими» зонами план-факт аналізу в спокійні періоди й залишає компанію беззахисною перед касовим розривом у момент реалізації негативного сценарію.

Шість змінних, які зламали бюджет

Змінна	Заклали	Отримали	Помилка
Курс USD/UAH	38,0 (поч. 2024)	42,39 (кінець 2025)	12%
Інфляція 2025	8,4% (прогноз НБУ)	15,9% (пік травня)	89%
Години роботи	24/7	8–16 год. (блекаути)	–33% до –67%
Зростання ФОП	+5–7% індексація	+14,4% фактичне	×2
Дефіцит кадрів	55% (осінь 2023)	74% (2025)	35%
Втрати генерації	Часткові	~9 ГВт (третина)	Критично

Джерела: NBU Inflation Report, EBA, IEA, World Bank RDNA4

«Фундаментальний ціновий тиск залишався стійким через високі витрати бізнесу на оплату праці та енергоресурси» — Андрій Пишний, голова НБУ, жовтень 2025.

---

Фактори, що ламають бюджетну математику

Валютна волатильність

Валютний курс в Україні перестав бути суто макроекономічним індикатором і став похідною від допомоги, військово-політичної ситуації, інтервенцій НБУ та очікувань ринку. Для корпоративних казначейств це означає: «якір» зник, курс дрейфує за участі регулятора, що згладжує, але не фіксує. Траєкторія курсу: 29,25 → 36,57 → 38,02 → 42,00+ UAH/USD. Прогнози на 2026 — дрейф до 45,0 і вище. Ринкові очікування коливаються в діапазоні 43,7–45,0 грн/$, створюючи «вилку» у 3–5% маржинальності. У періоди турбулентності спред між офіційним курсом і готівковим ринком сягав 28%. Ключовий ризик для бюджету — не сам тренд девальвації, а непередбачуваність темпів і моментів прискорення. Розрив між офіційним і ринковим курсами створює транзакційні витрати й приховані ризики для компаній із готівковою валютою та складними розрахунками.

Енергодефіцит

Енергетика перетворилася на ключову ймовірнісну змінну виживання бізнесу. Вона б’є по моделі не лише через виручку, а й через вибухове, нелінійне зростання собівартості. Втрати генерації ~9 ГВт — третина довоєнного споживання. Знищено 100% теплових електростанцій ДТЕК. Прогноз дефіциту на опалювальний сезон 2025–2026: 4–6 ГВт. Тут критична «вартість безперервності» (Cost of Continuity): генератори, пальне й ремонт інфраструктури стали постійною статтею витрат і прямо відзначаються НБУ як фактор, що стримує дезінфляцію. Нелінійність витрат: 1 кВт·год із мережі: 7–9 грн без ПДВ vs 1 кВт·год від генератора: 20–30 грн. Щойно блекаут перевищує ємність батарей, вартість енергозабезпечення зростає у 3–4 рази.

Дефіцит персоналу

За даними EBA, 74% роботодавців заявляють про гострий дефіцит кадрів. Реальні зарплати у 2024 зросли на 14,4%. Ризик мобілізації має бінарний характер: втрата ключового співробітника — повна зупинка напряму на 3–6 місяців. Дефіцит, посилений міграцією (близько 6,7 млн українців за кордоном) та мобілізацією, запускає «зарплатні перегони»: індексація на офіційну інфляцію більше не утримує людей.

---

Чому прибутковий P&L часто закінчується касовим розривом?

Прибутковий P&L закінчується касовим розривом, тому що війна посилює розрив між «економікою угоди» та «часом грошей». Бюджет фіксує маржу і витрати, але недооцінює час: дебіторку, «завислі» запаси та швидкість зростання обов’язкових платежів при стрибку цін. Типовий ланцюжок 2025–2026: відключення → падіння випуску → зрив строків → затримка оплати → передоплата постачальнику через його ризик. На папері маржа «тримається», але cash conversion стає негативним.

---

Чому 13-тижневий cash-flow став базовим форматом управління ліквідністю?

13 тижнів — це горизонт, на якому CFO ще може впливати на операційні важелі: дебіторку, графік платежів, закупівлі, змінність, ціни та короткостроковий CAPEX. Річний бюджет занадто довгий для управління шоками, а тижневий горизонт — занадто короткий, щоб побачити накопичення ризику. У war-mode 13 тижнів — це і горизонт розмов із банком та постачальниками: ліміти, ковенанти, передоплати та відстрочки. Тому Монте-Карло поверх 13-тижневого cash-flow дає «бойовий» ризик-радар, а не звіт «для презентації».

---

Монте-Карло для CFO: простий підхід замість гадання на трьох сценаріях

Метод Монте-Карло звучить як щось складне з вищої математики, але його суть геніально проста. Уявіть, що замість того, щоб один раз спрогнозувати прибуток компанії, ви проживаєте наступний рік 10 000 разів у віртуальній реальності. В одному «житті» курс долара виріс, але електрика була стабільною. В іншому — курс упав, але склад розбомбили. У третьому — все погано. У четвертому — все ідеально.

Метод Монте-Карло — це обчислювальний алгоритм, який моделює тисячі можливих сценаріїв розвитку подій, підставляючи випадкові значення із заданих розподілів для невизначених факторів, щоб показати розподіл імовірностей підсумкового результату. Суть методу: Монте-Карло — це чисельний метод симуляції, що дозволяє розрахувати розподіл результату Y на основі невизначених входів X.

---

Від ядерної бомби до EBITDA

Метод народився у 1940-х роках у Лос-Аламосі. Станіслав Улам і Джон фон Нейман працювали над Манхеттенським проєктом (створення ядерної зброї). Їхнє завдання: розрахувати середню відстань, яку нейтрони проходять через різні матеріали. Формули були надто складними. Улам, який тоді хворів і розкладав пасьянси, подумав: «Що простіше — теоретично обчислити ймовірність, що пасьянс зійдеться, чи просто розкласти його 100 разів і порахувати результат?». І запропонував: давайте симулюємо тисячі траєкторій випадково й подивимося на розподіл результатів.

У 1964 році Девід Герц опублікував статтю в Harvard Business Review і ввів метод у корпоративні фінанси. Сьогодні, за даними McKinsey, 90% CFO глобальних компаній використовують сценарне моделювання в кризових умовах — це дані за підсумками COVID-19. У бізнес-фінансах він став стандартом там, де ціна помилки висока: ризик-менеджмент, оцінка проєктів, управління ліквідністю та кредитними ковенантами.

Важливо: Монте-Карло — не заміна управлінського обліку, а надбудова над ним. Облік дає структуру P&L/CF/BS і драйвери, а симуляція відповідає на запитання ризику: «що буде з цими звітами при різних поєднаннях шоків».

Так фізика подарувала фінансам потужний інструмент. Замість запитувати: «Якою буде EBITDA?», ми починаємо запитувати: «Яка ймовірність, що EBITDA буде нижче нуля?».

---

Фундаментальний зсув мислення

Згадайте книгу Сема Севіджа «The Flaw of Averages» («Помилка усереднення»). Його класичний приклад: «Якщо ви спробуєте перейти річку, середня глибина якої 1 метр, ви потонете». Бо десь глибина 10 см, а десь — 3 метри.

Український бізнес зараз намагається перейти бурхливу річку. Бюджет, побудований на середніх значеннях (середній курс, середні продажі, середній час простою), гарантовано «втопить» компанію в ямі касового розриву, яку «середнє» згладило. Монте-Карло показує рельєф дна.

Бізнес-аналогія

Уявіть, що перед затвердженням річного плану у вас є унікальна можливість прожити 2025 рік 10 000 разів у паралельних всесвітах. В одному всесвіті курс долара залишився 42,0, зима була теплою, але ваш головний конкурент демпінгував ціни. В іншому — курс злетів до 48,0, почалися жорсткі блекаути, логістика встала на місяць, але попит на вашу продукцію різко зріс через вихід імпортерів.

Після цих 10 000 віртуальних «життів» ми не отримуємо один рядок «Прибуток буде 10 млн грн». Ми отримуємо карту ймовірностей: «У 80% всесвітів ми отримуємо прибуток. У 15% — збитки. У 5% — стикаємося з касовим розривом і банкрутством. Щоб вижити у 95% сценаріїв, нам потрібно мати резерв ліквідності 6 млн грн».

Суть: замість одного прогнозу «виручка = 100 млн грн» ви отримуєте розподіл: «з імовірністю 50% виручка вище 95 млн, з імовірністю 90% — вище 82 млн».

---

Чим Монте-Карло відрізняється від «трьох сценаріїв»?

Сценарії — це кілька заздалегідь придуманих «історій». Симуляція — це простір можливих комбінацій, включно з рідкісними й неприємними, які не «ловляться» трьома сценаріями.

У сценаріях кореляції часто ігноруються. У Монте-Карло кореляції задаються явно — і видно, як один і той самий шок б’є по кількох рядках звіту та посилює збиток.

Порівняння методів планування

Метод	Обмеження	Перевага Монте-Карло
Сценарний аналіз (best/base/worst)	3–5 сценаріїв без ваг	Тисячі сценаріїв, зважених за ймовірністю
Аналіз чутливості	Одна змінна за раз	Усі змінні одночасно з кореляціями
Детермінований прогноз	Точкова оцінка маскує ризик	Розкриває діапазон результатів

---

Чому детермінований бюджет математично помилковий?

Помилка усереднення (The Flaw of Averages)

Центральна проблема детермінованого бюджетування за високої волатильності описується математичним феноменом, відомим як нерівність Єнсена, або «помилка усереднення». Постулат: функція від середнього значення випадкової змінної не дорівнює середньому значенню функції від цієї змінної.

Середній прибуток не дорівнює прибутку за середніх умов. Якщо ви будуєте бюджет на основі «середнього курсу» і «середніх відключень світла», ви систематично переоцінюєте фінансовий результат, тому що негативний вплив екстремальних значень (шоків) непропорційно вищий за позитивний вплив спокійних періодів.

Практичний приклад

Планування бюджету на пальне для генераторів:

• Сценарій А (літо, немає обстрілів): 0 годин роботи генератора на день
• Сценарій Б (зима, атаки на підстанції): 10 годин роботи генератора на день
• Середнє арифметичне: 5 годин роботи генератора на день

У компанії батареї покривають перші 4 години відключень (витрати ~0 грн). Генератор вмикається лише з 5-ї години.

• При 0 год. (літо): витрати 0
• При 5 год. (середнє): генератор працює 1 год.
• При 10 год. (зима): генератор працює 6 год.

Реальний середній час роботи генератора: (0 + 6) / 2 = 3 години. Бюджет, побудований на «середніх 5 годинах», передбачає роботу генератора лише 1 годину. Результат: статичний бюджет занижує реальні витрати у 3 рази.

Це класична пастка нелінійності, у яку потрапляють 90% компаній, що використовують середні показники в бюджетуванні. В умовах війни, де більшість ризиків (енергія, логістика, штрафи) мають порогові значення та нелінійні наслідки, використання середніх величин гарантовано веде до недооцінки збитків.

---

Ризик проти невизначеності: навігація за Найтом

У фундаментальній праці «Ризик, невизначеність і прибуток» (1921) економіст Френк Гайнеман Найт розрізнив:

• Ризик: майбутні результати невідомі, але відомий розподіл їх імовірностей (монета, рулетка). Ризик можна застрахувати або закласти в ціну.
• Невизначеність (Knightian Uncertainty): невідомі не лише результати, а й їх імовірності (початок війни, революційні інновації).

Традиційний бюджет ігнорує і те, і інше, удаючи, що майбутнє детерміноване. Метод Монте-Карло дозволяє CFO перевести найтівську невизначеність у площину керованого ризику. Він змушує менеджмент чітко формулювати припущення щодо діапазонів можливих подій: «Ми не знаємо точно, якою буде інфляція, але з імовірністю 90% вона буде між 8% і 16%». Так невизначеність стає видимою, обговорюваною та керованою.

---

Які змінні моделювати?

Для українського бізнесу 2025–2026 ключові драйвери невизначеності (підтверджені офіційними джерелами — НБУ, OECD, World Bank): курс, інфляція/собівартість, енергодефіцит (режими), ризик втрати персоналу та логістичні затримки. Важливо обирати драйвери так, щоб модель залишалася керованою: «2–3 змінні» дають перший інсайт швидше, ніж ідеальна модель «на 50 факторів».

1) Валютний курс (USD/UAH, EUR/UAH)

• Тип розподілу: логнормальний (Lognormal)
• Чому: курс має асиметричний профіль ризику — теоретично необмежений зверху, але обмежений знизу (не може бути від’ємним і навряд чи впаде нижче рівня підтримки НБУ). Логнормальний розподіл описує це як «довгий правий хвіст».
• Параметри: Mean (очікуваний курс, напр. консенсус-прогноз 44,5), Standard Deviation (історична волатильність за 12–24 місяці).

2) Інфляція та собівартість

• Тип розподілу: PERT (Beta-PERT)
• Чому: коли історичні дані «зламані» війною, краще спиратися на експертні оцінки. PERT дозволяє задати три точки: Min, Mode, Max. На відміну від трикутного, PERT сильніше зважує центральну тенденцію, але коректно враховує екстремуми.
• Приклад: інфляція Min 6%, Mode 9%, Max 15%.

3) Енергодефіцит (години роботи на генераторі)

• Тип розподілу: користувацький дискретний або суміш розподілів (Mixture Distribution)
• Чому: енергорежим — це не неперервна величина, а перемикання між режимами (Regime Switching). Доцільно моделювати два стани:
  • «Тиша»: імовірність 70%. Відключення 0–4 год. (покриваються батареями)
  • «Стрес»: імовірність 30% (зима, атаки). Відключення 8–16 год. (робота генераторів)

4) Ризик втрати персоналу / мобілізації

• Тип розподілу: Бернуллі (Bernoulli) або біноміальний
• Чому: для ключової позиції це бінарна подія «є/немає», а не «мінус 10% ефективності».
• Приклад: імовірність втрати головного технолога p=15%. Якщо подія настає, продуктивність лінії падає на 100% на 3 місяці (пошук заміни).

5) Логістичні затримки (Lead Time)

• Тип розподілу: гамма (Gamma) або Вейбулла (Weibull)
• Чому: є жорстке обмеження зліва (мінімальний час доставки) і довгий правий хвіст (затримки на кордоні на тижні). Гамма-розподіл точно описує процеси черг і очікування.

Практична таблиця розподілів

Змінна	Розподіл	Чому	Джерело
Курс USD/UAH	Логнормальний	Не може бути <0, права асиметрія	Історична волатильність НБУ
Інфляція	PERT	Мало даних, зрозумілі межі	Min/Max/Mode експертно
Енергодефіцит	Суміш розподілів	«Тиша» vs «стрес»	Імовірності експертно
Мобілізація	Бернуллі	Бінарна подія	Експертна оцінка HR
Логістика	Гамма	Довгий правий хвіст	Історичні дані ERP
Виручка	Нормальний/логнормальний	Залежить від моделі бізнесу	Середнє за 12–24 міс.
Енерговитрати	Трикутний/PERT	Мало даних, зрозумілі межі	Min/Max/Mode
DSO (строки оплати)	Логнормальний	Затримки мають «правий хвіст»	Історичні дані ERP

---

Деталі для тих, хто заглиблюється

Практична карта факторів: що ламає бюджет і як це моделювати

Фактор	Як ламає бюджет	Як моделювати в Монте-Карло	Примітка
Енергетика (дефіцит/відключення)	Ростуть прямі витрати на «вартість безперервності»; падає випуск; зростають брак і простої	Розподіл доступності енергії/змін; розподіл дод. витрат; імовірнісні зупинки	Типовий «режимний зсув»: навесні 2024 втрачено ще ~9 ГВт генерації
Інфляція і ціни	Помилка щодо інфляції масштабується на всю собівартість і ФОП	Розподіл інфляції по кварталах; індекси за групами витрат; лаги переносу в ціни	У травні 2025 інфляція сягала 15,9% р/р
Курс і валютні обмеження	Змінюється імпортна собівартість і валютні платежі; рухаються маржа і DSCR	Розподіл курсу; стрес-курси; імовірності обмежень	Враховувати кореляцію «курс → інфляція → зарплати»
Ринок праці	Зростання витрат на персонал і зриви планів; подовження циклів	Розподіл ставки праці/премій; імовірність недоукомплекту; вартість заміщення	74% роботодавців повідомляли про дефіцит кадрів
Логістика і постачання	Зрив строків; ріст запасів; ріст дебіторки; штрафи та повернення	Розподіл lead time; імовірність обриву маршруту; розподіл вартості фрахту	Ключове — вплив на оборотний капітал
Попит і платіжна дисципліна	Провали попиту; подовження DSO; ріст прострочення	Розподіл обсягу/конверсії; розподіл DSO і bad debt	Сегментувати клієнтів і задавати різні розподіли

---

Як враховувати ключові кореляції?

Фатальна помилка — моделювати змінні незалежно. У кризі кореляції «прямують до одиниці» (ефект зараження), і саме це ламає cash-flow. Ігнорування кореляцій призводить до недооцінки ризику касового розриву на 20–30%.

Пара змінних	Кореляція	Логіка
Курс USD ↔ Вартість пального	+0,8	Імпортний дизель прив’язаний до курсу
Години блекауту ↔ Виручка (ритейл)	–0,6	Менше світла — менше клієнтів
Години блекауту ↔ Витрати на пальне	+0,9	Пряма залежність
Логістична затримка ↔ Оборотний капітал	+1,0	Замороження грошей у товарі «в дорозі»

---

Чотири кроки методу

Крок 1. Визначення змінних (драйвери невизначеності)

Виділіть 3–5 факторів, які найбільше впливають на результат і які ви не контролюєте. Для України 2025 року типовий набір:

• Курс UAH/USD
• Обсяг продажів (Sales Volume): попит відкладений і «рваний»
• Вартість енергоносіїв (Blended Cost of Energy): суміш тарифу мережі й собівартості генерації
• Строк обігу дебіторської заборгованості (DSO): платіжна дисципліна в умовах війни падає

Крок 2. Вибір розподілів (форма невизначеності)

Це найважливіший етап: ви описуєте математично, як поводиться кожна змінна.

• Нормальний розподіл: для інфляції або коливань собівартості сировини на світових ринках (середнє + стандартне відхилення).
• PERT (або трикутний): для експертних оцінок при дефіциті даних. Ви питаєте керівника продажів:
  • Мінімум: «якщо все рухне, скільки продамо?» (напр., 50 млн)
  • Максимум: «якщо “попре”?» (напр., 120 млн)
  • Найімовірніше: «на що реально цілімось?» (напр., 80 млн)
• Бернуллі: «так/ні» — для ризиків втрати активів.
  Подія: «приліт по складу». Ймовірність: 2% (умовно). Наслідок: якщо «так» → списання ТМЦ на суму X.

Крок 3. Симуляція (магія великих чисел)

За допомогою формул (в Excel можна через Таблиці даних або RAND(), але краще через надбудови) запускаємо перерахунок моделі 10 000 разів. У кожній ітерації комп’ютер «кидає кубики»:

• Ітерація 1: курс 41, продажі високі, склад цілий → прибуток 10 млн
• Ітерація 2: курс 45, продажі низькі, склад цілий → збиток 2 млн
• …
• Ітерація 10 000: курс 50, місяць без електрики → банкрутство

Крок 4. Інтерпретація (P10, P50, P90)

На виході — не одна цифра прибутку, а гістограма. Далі — мова P-значень:

• P90 (консервативний край): значення, яке буде перевищено з імовірністю 90% (умовне «дно»). Якщо P90 ліквідності від’ємний — є проблема.
• P50 (медіана): реалістичний базовий орієнтир, але не гарантія.
• VaR (Value at Risk): максимальний збиток за заданої довірчої імовірності (напр., 90%) на заданому горизонті.

Інтерпретація P10/P50/P90

Метрика	Що показує	Застосування
P90	90% імовірність, що результат буде вищим за це значення	Консервативний бюджет
P50	Медіанний результат	Базовий сценарій
P10	Лише 10% імовірність перевищити	Оптимістичний сценарій

Це дає фінансовому директору мову розмови з акціонерами не про «прибутки», а про надійність і запас міцності системи.

---

Практичні кейси

Кейс №1: Стоматологічна клініка (сфера послуг), Київ

Цей кейс базується на реальних даних за 2022–2025 роки (фінансові показники та аналітичні дані змінено для дотримання зобов’язання про нерозголошення комерційної інформації) та внутрішній документації приватної медичної клініки, проаналізованої в межах дослідження. Він яскраво демонструє, як висока волатильність грошових потоків у поєднанні з агресивною дивідендною політикою може призвести до технічного дефолту навіть операційно прибуткового бізнесу.

Контекст і проблематика

Приватна стоматологічна клініка в Києві надає широкий спектр послуг: від високорентабельних (комп’ютерна томографія, гнатологія, імплантація) до низькомаржинальних (терапія, стерильні пакети).

• Валютна експозиція: критична залежність собівартості від курсу. Імпланти, цементи, анестетики закуповуються з прив’язкою до EUR/USD. При цьому ціни на послуги зафіксовані в гривні й переглядаються рідко (планове підвищення — лише з лютого 2026 року).
• Дивідендна політика: агресивна та несистемна. Аналіз 12 попередніх років показав екстремальну волатильність і несистемність виплат; історично власники «виймали» до 100% вільного грошового потоку.
• Енергозалежність: робота клініки неможлива без електрики. Встановлено генератори, що споживають до 20 л/год.
• Ризик: політика повного вилучення прибутку залишає бізнес без резервів ліквідності перед ризиками 2026 року.

Архітектура моделі

Побудовано стохастичну модель Cash Flow з кроком 1 місяць на горизонт 12 місяців.

Вхідні змінні (Inputs):

• Пацієнтопотік (попит): PERT. Min: 5 візитів/день, Mode: 15, Max: 25. Додано сезонний коефіцієнт зниження на 20% у відповідні місяці — для врахування факторів тривог і логістичних складнощів пацієнтів.
• Курс EUR/UAH: логнормальний. Mean: 45,0; StdDev: 2,0. «Довгий хвіст» враховує ризик стрибка до 55 грн/€.
• Енергопостачання:
  • «Режим»: бімодальний розподіл.
  • При роботі від мережі: 8 грн/кВт·год без ПДВ.
  • При роботі від генератора: 20 л/год × 60 грн/л = 1200 грн/год.
  • «Години генерації»: трикутний (0 / 4 / 12 год/день) залежно від сезону.
• Ключовий персонал: ризик мобілізації провідного хірурга-імплантолога (ймовірність 10% за Бернуллі). Якщо ризик реалізується — виручка напряму «Імплантація» падає на 80% на 3 місяці (пошук і адаптація заміни).

Результати симуляції (10 000 ітерацій)

Після прогону 10 000 сценаріїв отримано гістограму розподілу чистого грошового потоку (Net Cash Flow).

• Детермінований прогноз (традиційний бюджет): модель на середніх значеннях (курс 44, світло є, хірург працює) показала річний прибуток 3,0 млн грн. Власники планували продовжити вилучення дивідендів у звичному режимі.
• Монте-Карло P50 (медіана): очікуваний прибуток 2,1 млн грн. Уже тут видно, що волатильність і нелінійні витрати на генератор «з’їли» 30% очікуваного прибутку.
• Монте-Карло P5 (стрес-сценарій, Value at Risk): у 5% найгірших сценаріїв (кожна 20-та симуляція) клініка отримує збиток –0,5 млн грн. Це сценарії, де збіглися холодна зима (генератор >8 год/день), стрибок курсу >50 грн/€ і тимчасова втрата хірурга.

Управлінські висновки й рішення

Моделювання виявило екзистенційну загрозу, невидиму в звичайному бюджеті.

• Зміна дивідендної політики: практика «виймати все» у сценарії P5 (5% — це висока ймовірність для ризику банкрутства) призведе до касового розриву. Рішення: заморозити виплати до формування резерву.
• Буфер ліквідності (Safety Cash): щоб гарантовано пережити «ідеальний шторм» (P5), потрібно тримати незнижуваний залишок = 3 місяці постійних витрат + покриття прогнозованого збитку (500 тис. грн).
• Динамічне ціноутворення: введено тригер хеджування. Якщо курс НБУ перевищує 48 грн/€, CFO автоматично ініціює позачерговий перегляд прайсу на 10% для компенсації зростання матеріалів.
• Зниження залежності: запущено програму підготовки дублера для ключового хірурга, щоб мінімізувати ризик зупинки напряму.

---

Кейс №2: Виробнича компанія «Х»

Цей кейс моделює ситуацію середнього промислового експортера (металообробка), який стикається з класичними «ножицями» валютних курсів і логістичними блокадами.

Контекст

• Розташування: Дніпропетровська область
• Модель: закупівля металу в Україні, але з прив’язкою до світових цін у USD; експорт 80% до ЄС (виручка в EUR)
• Проблема: довгий цикл оборотного капіталу та залежність від логістики на західному кордоні
• Фінансова ціль: виконання банківських зобов’язань за кредитним портфелем. Банк вимагає Interest Coverage Ratio (ICR = EBITDA / Interest) ≥ 2,5×.

Моделювання змінних

• Логістична затримка (Border Delay): ключовий фактор; гамма-розподіл. У нормі 3–5 днів, але «довгий хвіст» до 20–30 днів (блокади, страйки, черги).
  Вплив: кожен день затримки лінійно подовжує Cash Conversion Cycle, заморожуючи гроші в товарі «в дорозі» та зсуваючи надходження валютної виручки.
• Крос-курс EUR/USD: логнормальний; ризик, бо витрати в USD, виручка в EUR.
• Виробнича собівартість (Energy Mix): змінна «частка генерації». Взимку ймовірність роботи на генераторі (енергія ×3) = 50% для режиму 12 год і 20% для режиму 16 год.

Результати та ковенанти

• Статичний бюджет (Base Case): EBITDA 45,0 млн грн, ICR = 4,0×. Ковенанти виконуються «з запасом».
• Монте-Карло (P90 — негативний сценарій): EBITDA падає до 12,5 млн грн.
  Механіка: при затримці на кордоні >15 днів цикл оборотного капіталу подовжується настільки, що компанія повністю вибирає овердрафт; відсотки ростуть; паралельно генерація й несприятливий крос-курс стискають валову маржу.
• Ймовірність порушення ковенанти: частка сценаріїв, де ICR < 2,5, становить 22%.

Стратегічні рішення

• Превентивна реструктуризація: CFO використав графіки розподілу ICR у переговорах із банком до настання кризи. Домовлено про «ковенантні канікули» (waiver) у разі офіційного оголошення дефіциту в енергосистемі.
• Диверсифікація логістики: контракт із залізничним оператором. Тариф вищий, але варіативність часу доставки суттєво нижча — це «обрізало» довгий хвіст логістичних ризиків і знизило ймовірність касового розриву.

---

Кейс №3: Логістичний оператор / ритейл

Кейс базується на публічній інформації про підходи великих логістичних операторів (наприклад, Nova Poshta) та ритейлерів, які адаптують процеси до невизначеності.

Контекст

Велика логістична мережа з тисячами відділень. Основний ризик — не стільки втрата виручки, скільки операційний хаос і зростання питомих витрат під час блекаутів.

Моделювання змінних

• Кореляція «світло — виручка»: для ритейлу/логістики характерна сильна від’ємна кореляція. Немає світла — не працюють термінали/каси — падає клієнтський трафік. Прийнято коефіцієнт –0,7.
• Паливний ризик: великий автопарк робить бізнес чутливим до ціни дизелю. Ціну пального змодельовано з сильною прив’язкою до курсу долара (кореляція +0,9).

Ковзне прогнозування (Rolling Forecast)

Акцент — на інтеграції Монте-Карло в rolling forecast. Замість спроби «вгадати» річний бюджет, компанія щомісяця оновлює прогноз на наступні 12 тижнів.

• Механіка: щомісяця в модель завантажують свіжі дані (ціни на пальне, ситуація на фронті) і запускають симуляцію на короткий горизонт (13 тижнів).
• Результат: CFO отримує карту ризиків касових розривів на найближчий квартал і може оперативно керувати ліквідністю: наприклад, переносити CAPEX, якщо ймовірність касового розриву наступного місяця перевищує 15%.

---

«Диявол у деталях»: заперечення та обмеження методу

Переваги Монте-Карло вражають, але практик має поставити чесне запитання: чому тоді всі не відмовилися від бюджетів? Тут важливо визнати як контраргументи скептиків, так і реальні обмеження методу.

Заперечення «потрібна одна цифра для KPI і бонусів» — управлінськи зрозуміле, але ризиковане. Компроміс — діапазон: 100% бонусу при досягненні P50 і надбонус при досягненні P90, зі збереженням імовірнісного «ореолу» для контролю ризиків.

Які обмеження має метод Монте-Карло?

«Сміття на вході — сміття на виході» (GIGO)

Якість результатів рівно така, як якість припущень. Якщо ви закладете max курс 48, а він піде до 55 — модель цього не «передбачить». Монте-Карло не є магічним інструментом передбачення — він лише математично коректно обробляє введені припущення.

Проблема «чорних лебедів»

Нассим Талеб справедливо критикує моделі за недооцінку екстремальних подій («товстих хвостів»). Монте-Карло працює для «відомих невідомих» (курс може бути 42 або 48). Він не працює для «невідомих невідомих» (ядерний інцидент, повне закриття кордонів, раптове завершення війни).

Рішення: комбінувати Монте-Карло зі стрес-тестами — окремими детермінованими сценаріями катастрофічних умов, які модель «вважає неможливими», але які слід розглянути.

Ілюзія точності 2.0

Небезпека: отримати «ймовірність касового розриву 23,7%» і повірити в неї буквально. Монте-Карло не дає абсолютних ймовірностей — він дає ймовірності за заданих припущень. Змінюєте припущення — змінюються ймовірності.

Типові заперечення бізнесу

• «Потрібна одна цифра, щоб ставити KPI і бонуси». Компроміс: бонуси за діапазоном (100% при P50; надбонус при P90) + імовірнісний «ореол» для ризик-контролю.
• «Складно і незрозуміло власнику». Завдання CFO — перекласти графіки розподілів на мову рішень: «З імовірністю 80% нам знадобиться $0,5 млн кредиту, тож ліміт погодимо завчасно». Тут допомагають візуалізації (віялові графіки, S-криві).
• «Немає достатньо даних». Це радше аргумент на користь впровадження. Монте-Карло не потребує ідеальної статистики: стартуйте з експертних три-точкових оцінок, а процес покаже, які дані критично збирати.
• «Все одно прилетить “чорний лебідь”». Так, метод не «передбачає» невідоме. Але він виявляє вразливості: якщо всі симуляції валять компанію при падінні виручки >50% або відключеннях >2 місяців — зрозуміло, що бізнес не переживе аналог 2022 року без резервів/страхування/стрес-планів. Найкращий підхід: стохастична модель + окремі стрес-сценарії.

---

Ключовий висновок

Річний бюджет в Україні 2025–2026 перетворився з інструмента управління на ритуал самоуспокоєння і став артефактом звітності: його припущення змінюються швидше, ніж встигає закриватися місяць. Шість змінних — курс, інфляція, енергопостачання, кадри, логістика, макрополітика — демонструють волатильність, несумісну з детермінованим плануванням.

Альтернатива — не «ще один сценарій», а ймовірнісна модель, яка оцінює діапазони результатів і ймовірність касових розривів, а не обіцяє точність там, де її фізично немає. Метод Монте-Карло перетворює невизначеність із ворога на керований об’єкт.

Метод Монте-Карло в управлінському контурі — це спосіб зробити невизначеність видимою і перетворити страх на набір вимірюваних ризиків: ми не «вгадуємо» курс, інфляцію чи доступність енергії, а задаємо реалістичні розподіли і перевіряємо стійкість бізнесу до тисяч комбінацій шоків. У результаті CFO отримує не цифру «маржа 18%», а відповіді рівня власника:

• яка ймовірність мінуса по cash через 8 тижнів;
• який буфер ліквідності потрібен;
• які три фактори найчастіше «ламають» модель.

Типові управлінські питання, які варто «приземляти» через Монте-Карло

• ймовірність касового розриву на горизонті 4/8/13 тижнів і очікувана глибина провалу;
• мінімальний ліквідний буфер (у гривні та валюті) за заданого risk appetite;
• ймовірність порушення ковенантів (DSCR, Net Debt/EBITDA, liquidity covenant) і потрібні дії;
• стійкість цінової політики: на скільки можна підвищити ціну для компенсації витрат без втрати обсягу;
• ефект змін оборотного капіталу (DSO/DPO/DIO) на cash runway;
• оцінка інвестпроєктів: імовірність окупності та ризик «поганого хвоста», а не середній NPV.

---

Висновок (заключення)

Ми не можемо розігнати «туман війни». Ніхто не скаже точний курс долара на грудень 2025 року або графік відключень світла в Харкові.

Але різниця між професійним CFO і гравцем у рулетку в тому, що перший знає свої шанси. Метод Монте-Карло дозволяє замінити страх перед невідомістю холодним розрахунком ризиків. Замість того щоб «молитися» на виконання нереалістичного бюджету, ви отримуєте карту мінних полів.

Ви знатимете: «Так, ми не можемо гарантувати прибуток 100 млн, але ми на 95% впевнені, що не впадемо нижче точки беззбитковості, якщо зарезервуємо ось цей фонд». У 2025 році така впевненість — найдорожчий актив.

У 2025–2026 роках традиційне запитання «Скільки ми заробимо?» поступається місцем запитанню: «Де наші межі міцності?».

Метод Монте-Карло не усуває невизначеність — це неможливо. Але він робить її видимою і перетворює страх на набір вимірюваних ризиків.

Коли ви знаєте, що з імовірністю 90% знадобиться додатково 10 млн грн ліквідності у лютому, ви не панікуєте у лютому — ви відкриваєте кредитну лінію у листопаді.

Почніть з малого: один критичний показник, 2–3 змінні, 1 000 симуляцій.

---

FAQ: часті запитання про метод Монте-Карло

1. Скільки ітерацій потрібно для надійного результату?
   Для швидкого аналізу достатньо 1 000 ітерацій. Для стандартного — 10 000. Для високої точності — 100 000+.
2. Чи можна використовувати метод без спеціального софту?
   Так. Базову модель можна побудувати в Excel з RAND() і NORM.INV(). Надбудови прискорюють, але не є обов’язковими для старту.
3. Як часто оновлювати модель?
   В умовах української невизначеності — мінімум щомісяця; оптимально — вбудувати в rolling forecast з 13-тижневим горизонтом і відстежувати критичні тригери щотижня.
4. Що робити, якщо немає історичних даних?
   Почати з експертних оцінок min/max/most likely та трикутного або PERT-розподілу; у міру накопичення даних — калібрувати.
5. Як пояснити результати раді директорів/акціонерам?
   Використовувати мову ймовірностей і рішень, візуалізувати, уникати статистичного жаргону.
6. Чи працює метод для малого бізнесу?
   Так, але з застереженнями: для дуже малого бізнесу (виручка <10 млн грн/рік) складність може не окупитися. Старт — 3 змінні, 1 000 ітерацій, 13-тижневий cash.
7. А що як прилетить «чорний лебідь»?
   Метод не передбачає подій поза закладеними припущеннями, але виявляє вразливості. Доповнюйте модель стрес-тестами катастрофічних сценаріїв.

Автор статті Ліпатников Сергій

Ця стаття має інформаційно-аналітичний характер. Описані підходи до фінансового моделювання ґрунтуються на припущеннях та відомих даних, але не гарантують точність прогнозу чи досягнення певних результатів – війна завжди вносить елемент непередбачуваності. Метод Монте-Карло є інструментом для оцінки ризиків, а не усунення невизначеності. Будь-які ухвалені управлінські рішення залишаються на відповідальності керівництва компанії. Рекомендується адаптувати методику під свою специфіку та за необхідності консультуватися з експертами з ризик-менеджменту. Автори не несуть відповідальності за можливі збитки при використанні матеріалів статті – ціль публікації в тому, щоб допомогти бізнесу в кращому розумінні невизначеності, а не дати універсальний рецепт.

Використані джерела:

1. National Bank of Ukraine. (October 2025). Inflation Report. [Link: bank.gov.ua] (Прогнозы ВВП и инфляции).
2. IMF. (2025). World Economic Outlook: Ukraine Forecasts. [Link: imf.org] (Макроэкономические сценарии).
3. Savage, S. L. (2009). The Flaw of Averages: Why We Underestimate Risk in the Face of Uncertainty. John Wiley & Sons. (Теоретическая база).
4. Hubbard, D. W. (2014). The Failure of Risk Management: Why It’s Broken and How to Fix It. (Критика матриц рисков, обоснование Монте-Карло).
5. DTEK & Ukrenergo. (2024-2025). Official reports on energy infrastructure status. (Данные по дефициту генерации).
6. Centre for Economic Strategy (CES). (2025). Consensus Forecast. (Независимые оценки экономики).
7. ProbabilityManagement.org. SIPmath Standard. (Инструментарий для Excel).
8. Vose, D. (2008). Risk Analysis: A Quantitative Guide. (Методология PERT и корреляций).
9. Internal Analysis. Based on aggregate data from Ukrainian export-oriented manufacturing sector (Logistics & Production constraints).