AI 建好的 Excel 模型,至少要通過哪六種檢查?

六種檢查,專門抓 AI 建立的 Excel 模型常犯的錯:從資產負債表恆等式到利息循環參照。同一本活頁簿,從頭到尾走一遍。

62 篇文章
14 個小節

AI 建好的 Excel 模型,看起來完成了,數字卻可能勾稽不起來

這個系列的各個案例怎麼運作。 八個主題各自是一個獨立的合成案例:一家有四年帳目的公司、一頁專案備忘錄、一張交易條件表影像、一個七檔債券部位、一條價格序列、一個六資產投資組合,以及一檔十年期基金。每一個案例都是在 Excel 裡,從它的來源文件建起,再拿來與自己對照。公司、基金與投資組合都是建構出來的;沒有使用任何真實客戶檔案,也沒有外部市場價格驗證輸出。這些檢查測的是完成後的活頁簿內部是否一致,不是測它的輸入對不對。這些是方法示範用的合成案例;本頁沒有任何內容構成投資、稅務或法律建議。

Excel 模型稽核,就是對完成的活頁簿跑六種檢查。第一種看每一期的會計恆等式是否成立;第二種看各期公式是否彼此相符;第三種看最佳化求解器有沒有守住自己設定的條件;第四種看兩種方法能不能得到同一個數字;第五種看敏感度有沒有往正確的方向變動;第六種看方法本身有哪些已知特性。本頁用同一本活頁簿,把這六種檢查全部跑一遍:99 條檢查,全數通過。

AI 建好的模型通常一打開就很乾淨:格式正確、工作表都有命名、公式也都在,而且沒有任何地方顯示錯誤。然後你改了一個假設,資產負債表就不平了;或者點開利息那一格,發現本該是計算的地方,只躺著一個固定數字。

問題出在結構,不在表面。工具寫得出公式,卻不知道自己滿足了模型裡的哪些限制條件。而這六種檢查,正好涵蓋了這些條件。每一種都能在 Excel 裡手動執行,任何模型都適用,也不必知道模型當初是怎麼建立的。

為什麼「打開沒報錯」不算檢查

Excel 的錯誤值都是局部性的。#REF!、#DIV/0!、#VALUE! 各自只說明某一條公式算不出來;它們都不會告訴你:折舊表是從錯的欄位複製過來的、稅額在歷史與預測之間變了正負號,或者本該放計算式的位置被一個手動輸入的數字佔著。

模型可以完全沒有錯誤值,卻每一期都錯。這不是小模型才會有的毛病。一份獨立評測拿四個領先的 AI 工具,在 Apple 的三表模型上做測試。算術本身很少出錯,整合卻出了問題:公開的排名 記載,多數工具「依賴調整項(plug),而不是正確的整合」,而且沒有任何一個工具是根據計息餘額來預測利息。

這類錯誤,就是靠檢查找出來的。檢查不是把公式逐條審一遍,而是要求成品模型在工作表裡、每一個會計期間都滿足某個條件。

六種檢查類型,以及各自能查出什麼

#檢查類型它檢查什麼它能抓到什麼、人工檢視又會漏掉什麼
1結構性每一期都成立一組恆等式最後一欄正確、中間卻錯掉的明細表
2一致性每一期的公式寫法都相同藏在整段複製範圍裡的手動硬改
3限制條件答案符合模型自己設定的條件最佳化求解器回報的最佳解,其實超出自己設定的限制
4收斂性兩種獨立方法得到同一個數字只有一種方法,無從自我稽核
5敏感度輸出往正確方向、以合理幅度變動錯得一路平順、看不出破綻的模型
6已知行為能辨識方法本身的已知特性,不把它當成錯誤正確的模型被標成錯,或錯的模型被標成對

接下來逐類說明,並指出少了這類檢查,會漏掉哪種錯誤。

檢查類型 1:結構性——每一期的會計恆等式都必須成立

結構性檢查驗的是一組算術恆等式,而且必須在每一個會計期間都成立,不能只看最後一期。資產等於負債加權益;期末保留盈餘等於期初保留盈餘加淨利減股利;資產負債表上的現金,等於現金流量表上的期末現金。

那些恆等式

三表模型大約有十幾條,幾乎都離不開三種形狀:合計等於各組成項的加總、期末餘額等於期初餘額加異動,或者兩張報表報出同一個數字。整個訣竅,就在於動手檢查之前先把這些恆等式列成一張清單,因為這張清單可以跨模型、跨期間重複使用。

大家記得住的恆等式,通常只有資產負債表那一條。真正抓得到錯誤的是逐期結轉(roll-forward),尤其是保留盈餘與固定資產:這裡一旦斷掉,誤差會一路累積,而不是只出現一次。只要有一個會計期間把股利記到錯的科目,之後每一期的保留盈餘都會跟著位移,而資產負債表恆等式從頭到尾依然成立,因為兩邊是一起動的。

AI 建立的模型在這裡常犯什麼錯

常見兩種錯法,都出在結構上。

第一種,是合計不是加總出來的,而是另外獨立算出來的。工具在一欄寫了 =SUM(C5:C12),下一欄卻直接打一個數字,這樣一來,這條恆等式其實沒有被驗證到;到底是加總還是手打,只有檢查看得出來。

第二種是調整項(plug):資產負債表不平的時候,最快讓它平的方法,就是調整某一個項目,調到平為止。這樣一來,恆等式每一個會計期間都過,模型也每一個會計期間都錯。所以結構性檢查必須搭配另一條檢查,確認恆等式兩邊各自是從自己的來源建出來的。這也是為什麼下面那個實作範例最後多出 27 條檢查:這 27 條唯一的工作,就是用第二條路徑把報表重建一遍。

檢查類型 2:一致性——每一期的公式都必須相同

一致性檢查要找的,是預測期間中途改變寫法的公式,那正是手動硬改藏身的地方。

測法很機械:選取整列,逐欄往右移動比對。Excel 內建的 FORMULATEXT 會把儲存格的公式轉成文字傳回,所以同一列十期的資料可以變成十個字串,直接比對。九格相同、第十格不同,就代表這一列被人動過,不管動手的是人還是模型。

一致性也管正負號慣例。舉例來說,某個科目可能在歷史期是正的、預測期是負的;稅額也可能在一段是減項、在另一段變成加項。逐期恆等式能不能成立,要看正負號慣例;歷史段與預測段的交界處必須另外檢查。在三表活頁簿裡,這一點有明確檢查:歷史段的稅額勾稽寫的是「淨利等於稅前淨利減稅額」,預測段的勾稽則寫成「淨利等於稅前淨利加稅額」。同樣的算術,相反的符號,兩段都得寫清楚,否則檢查會在不知不覺中,把五年全部反過來。

這一類檢查也抓得到孤立儲存格(沒有任何公式參照它):它不參照任何東西,通常是某個被放棄的做法留下來的殘骸。它不會改變任何數字,也正因如此,人工檢視往往看不出來。

檢查類型 3:限制條件——最佳化求解器必須守住自己設定的條件

限制條件檢查要確認的是:模型算出來的解,真的符合模型自己設定的條件。

這種檢查只適用於「求解」型的模型,而不是單純計算的模型。以一個禁止放空、單一資產上限 20%、且要求權重加總為 1 的投資組合最佳化為例,答案本身就給出三條可檢驗的條件:沒有負權重、沒有權重超過上限、權重加總在容差內等於 1。這些測試不在乎最佳解是怎麼找到的,所以即使求解器被換掉,它們依然成立。

同樣的邏輯也適用於最佳化條件。平均數-變異數解在指定的風險趨避程度下,必須滿足自己的一階條件,而這些條件可以直接從權重回算。回算出來的條件與回報的最佳解不一致,就代表求解器提早停了。這種失敗,再怎麼檢查輸入資料都找不出來。

檢查類型 4:收斂性——兩種方法,一個數字

收斂性檢查用兩種獨立方法各算同一個量,再互相比對;這是因為單一方法無法稽核自己。

這一類檢查能把「驗證過的模型」和「只是看過的模型」分開。兩條路徑、一個數字、一個差值、一個容差。

最清楚的例子,是按平均餘額計算的利息,這本身是循環的:利息取決於餘額,餘額又取決於利息。Excel 可以用反覆運算解開,但反覆運算出來的答案不附推導過程;審閱者只看到一個數字,分不清它到底是收斂了,還是達到了反覆運算次數上限。把同一筆利息改用代數方式解開迴圈,再算一次,就得到一個不靠迴圈的數字,兩者相減就是檢查。在下面的實作範例裡,這是 99 條檢查中的 10 條;五個預測年度之間最大的差異是 5 × 10⁻¹³(以千元計)。

同樣的模式,適用於任何可以用兩種方式算出來的量:用牛頓法算債券殖利率,再拿一條重新定價迴圈來對照;用公式算存續期間,再對照有限差分的小幅擾動;用選擇權價格對照買賣權平價。這條檢查的價值,完全在於第二條路徑是否獨立。

檢查類型 5:敏感度——輸出必須朝正確方向變動

敏感度檢查改動一個輸入,確認輸出往正確的方向、以合理的幅度變動。

它抓得到所有勾稽都抓不到的問題:一個錯得一路平順、前後一致的模型。如果調高折現率,估值反而跟著變高,那只有兩種可能:某條公式的正負號錯了,或者某個儲存格參照指錯了。這兩種在靜態工作表裡都看不出來。同樣的測試也能抓到敏感度資料表裡某一列用了錯的軸來計算的情況;那種表乍看正確,但仔細看並不單調。

幅度和方向一樣重要。WACC 動一個百分點,估值就變 40%,這不是正負號寫錯;這是估值對折現率的敏感度算錯了,或者是終值占了整體估值太大的比重。合理範圍是這條檢查裡唯一需要判斷的部分,也是它給一個區間、而不是一個及格分數的原因。

檢查類型 6:已知行為——方法本身有已知特性時

有些檢查沒過,不是模型錯,而是方法本身有已知特性;這兩種情況在輸出上幾乎無法分辨。

IRR 與多重解

現金流量序列只要正負號變動超過一次,就可能有不只一個內部報酬率。Excel 的 IRR 會從一個猜測值開始反覆運算,傳回它找到的第一個根。兩個分析師用不同的猜測值,可以從同一條序列得到兩個不同的正確答案;模型也可能報出一個在算術上為真、在經濟上卻毫無意義的 IRR。

所以檢查問的不是「這個 IRR 對不對」,而是「這條序列有幾個根,現在報出來的又是哪一個」。早期一筆流出、中間長期為正、最後再一筆出資通知(capital call)的基金現金流,就是標準案例。

循環參照

Excel 預設把循環參照當成錯誤;一旦開啟反覆運算,就不再把它當錯誤。相關設定是「反覆運算次數上限」與「最大變更」,預設值分別是 100 與 0.001,Microsoft 的文件 有說明。迴圈在這些設定內收斂,沒有問題;不收斂的迴圈則完全不會報錯,只會算出一個每次重算都不一樣的數字。

所以這條檢查不能寫成錯誤測試,而要寫成行為測試:強制完整重算兩次,確認兩次的值相同。財務模型裡的循環參照 這篇文章講了三種解開迴圈的方法,以及每一種在可稽核性上要付出什麼代價。

模型驗證實作範例:一本活頁簿、99 條檢查

這套方法說起來容易,示範起來卻難,所以我們把模型從頭到尾做過一遍,連同檢查表一起公開。目前有兩個寫成完整案例,其餘的已經跑過,排隊等著寫。

輸入是兩份 PDF:一家虛構公司四年的損益表與資產負債表。指令要求做出一份五年期的三表模型:現金流量表要從那兩張報表重建、資產負債表每年都要平、利息按平均現金餘額計算,而且要算兩次,另外再用第二組欄位獨立重建一次資產負債表。標準答案在模型建完之前都沒有公布。

檢查群組檢查數通過
資產負債表恆等式99
依報表原始科目的合計88
損益表算術2121
現金流量表串接88
逐期結轉1616
利息:反覆運算與代數法1010
第二條路徑:恆等式與勾稽相符2727
合計9999

99 條檢查,零失敗;而 FY2030 的期末現金是 −1,113,因為模型裡沒有編列任何填補缺口的項目。那個數字才是這一頁最有用的地方:它說明了這些檢查涵蓋什麼、沒涵蓋什麼。報表串起來了,計畫卻不存在。三表檢查 正一篇一篇寫出來,從十二條勾稽開始。

100% 通過率是一致性的結果,不是準確性的結果。每一條檢查,比對的都是模型與同一次建模得到的另一個版本;沒有任何一條拿來源 PDF 和抄進來的數字做對照。通過的條數是下限,不是成績。

同樣的六種類型,套用在全部八個模型上。每一個都跑過了,等文章陸續發布時,每一個模型都會連同它的檢查表與限制表一起公開:

主題模型主要檢查類型檢查數狀態
財務報表三表模型,五年預測結構性99已發布
量化方法報酬與風險模擬收斂性31已跑完檢查
公司理財資本投資評估敏感度67已發布
權益評價同一家公司的四種評價方法收斂性54已跑完檢查
固定收益債券分析、存續期間與凸性收斂性55已跑完檢查
衍生性商品選擇權定價引擎已知行為17已跑完檢查
投資組合平均數-變異數配置限制條件24已跑完檢查
另類投資基金現金流與 IRR已知行為48已跑完檢查

這就是這個系列目前的情況:兩個模型從頭到尾寫完,六個跑過、排隊等著。方法本身是主張,檢查表才是證據,而證據是一個模型、一個模型慢慢累積出來的。

這些檢查背後的 Excel 操作細節,可以搭配活頁簿 Agent 指南一起看;Mica 指南 說明建模流程怎麼在檔案裡執行,DCF 實作教學 則是現金流方面的完整範例。

如果你要的是這個論點在商業上的版本,也就是公開的工具排名到底量了什麼、又漏了什麼,這篇比較文章 談的正是「快速草稿」與「可驗證模型」之間的落差。

這個系列裡的每一個模型都是用 Mica 建的。Mica 會在活頁簿裡逐步執行,並把每一格的變更都記錄下來,所以 AI 建立的模型可以重跑,也可以一行一行檢查。

Eight Excel workbooks from the model-validation series, each showing its model sheet and check count
Eight workbooks, one method: build the model, then check it against itself.

本模型驗證系列使用合成案例進行方法示範,不構成投資、稅務或法律建議。

最後更新:2026-11-01 · 內部檢查,非獨立稽核。 · 方法與審閱


本系列全部文章

深入了解 模型驗證

Tam
Tam

Tam is the Founder & CEO of MINDLINK TEC LTD, an AI creator and product builder building creative AI tools including Mica and Bobi.

Mica

在本機執行的 AI,讓試算表更聰明。用自然語言自動化 Excel 工作流程。

聯絡我們

電子郵件: service@mindlink.tools

公司:MINDLINK TEC LTD

© 2026 MINDLINK TEC LTD 保留所有權利。