Analiza de sensibilitate
Ce este analiza sensibilității?
O analiză de sensibilitate determină modul în care diferite valori ale unei variabile independente afectează o anumită variabilă dependentă într-un set dat de ipoteze. Cu alte cuvinte, analizele de sensibilitate studiază modul în care diferite surse de incertitudine dintr-un model matematic contribuie la incertitudinea generală a modelului. Această tehnică este utilizată în limite specifice care depind de una sau mai multe variabile de intrare.
Analiza sensibilității este utilizată în lumea afacerilor și în domeniul economic. Este folosit în mod obișnuit de către analiștii financiari și economiști și este, de asemenea, cunoscut ca o analiză de tipul „dacă se întâmplă”.
Chei de luat masa
- O analiză de sensibilitate determină modul în care diferite valori ale unei variabile independente afectează o anumită variabilă dependentă într-un set dat de ipoteze.
- Acest model este, de asemenea, denumit analiza de ce-ar fi sau de simulare.
- Analiza sensibilității poate fi utilizată pentru a ajuta la efectuarea de previziuni ale prețurilor acțiunilor companiilor cotate la bursă sau a modului în care ratele dobânzii afectează prețurile obligațiunilor.
- Analiza sensibilității permite prognozarea utilizând date istorice, adevărate.
Cum funcționează analiza de sensibilitate
Analiza sensibilității este un model financiar care determină modul în care variabilele țintă sunt afectate pe baza modificărilor în alte variabile cunoscute sub numele de variabile de intrare. Acest model este, de asemenea, denumit analiza ce-ar fi sau simulare. Este o modalitate de a prezice rezultatul unei decizii, având în vedere o anumită gamă de variabile. Prin crearea unui set dat de variabile, un analist poate determina modul în care modificările dintr-o variabilă afectează rezultatul.
Atât variabilele țintă, cât și cele de intrare – sau independente și dependente – sunt analizate pe deplin atunci când se efectuează analiza sensibilității. Persoana care face analiza analizează modul în care variază variabilele, precum și modul în care ținta este afectată de variabila de intrare.
Analiza sensibilității poate fi utilizată pentru a contribui la predicții ale prețurilor acțiunilor companiilor publice. Unele dintre variabilele care afectează prețurile acțiunilor includ câștigurile companiei, numărul de acțiuni restante, ratele datoriei / capitalurilor proprii (D / E) și numărul de concurenți din industrie. Analiza poate fi rafinată cu privire la prețurile viitoare ale acțiunilor, făcând diferite ipoteze sau adăugând variabile diferite. Acest model poate fi, de asemenea, utilizat pentru a determina efectul pe care îl au modificările ratelor dobânzii asupra prețurilor obligațiunilor. În acest caz, ratele dobânzii sunt variabile independente, în timp ce prețurile obligațiunilor sunt variabile dependente.
Investitorii pot utiliza, de asemenea, analiza de sensibilitate pentru a determina efectele diferitelor variabile asupra rentabilității investițiilor lor.
Analiza sensibilității permite prognozarea utilizând date istorice, adevărate. Studiind toate variabilele și rezultatele posibile, pot fi luate decizii importante despre întreprinderi, economie și despre efectuarea investițiilor.
Exemplu de analiză a sensibilității
Presupunem că Sue este un manager de vânzări care dorește să înțeleagă impactul traficului clienților asupra vânzărilor totale. Ea determină că vânzările sunt o funcție a prețului și a volumului tranzacțiilor. Prețul unui widget este de 1.000 USD, iar Sue a vândut 100 anul trecut pentru vânzări totale de 100.000 USD. Sue determină, de asemenea, că o creștere de 10% a traficului clienților crește volumul tranzacțiilor cu 5%. Acest lucru îi permite să construiască un model financiar și o analiză a sensibilității în jurul acestei ecuații, bazată pe declarații de tip „what-if”. Îi poate spune ce se întâmplă cu vânzările dacă traficul clienților crește cu 10%, 50% sau 100%. Pe baza a 100 de tranzacții astăzi, o creștere cu 10%, 50% sau 100% a traficului clienților echivalează cu o creștere a tranzacțiilor cu 5%, 25% sau, respectiv, 50%. Analiza sensibilității demonstrează că vânzările sunt extrem de sensibile la schimbările din traficul clienților.
Sensibilitate vs. Analiza scenariului
În finanțe, se creează o analiză de sensibilitate pentru a înțelege impactul pe care îl au o serie de variabile asupra unui rezultat dat. Este important de reținut că o analiză de sensibilitate nu este aceeași cu o analiză de scenariu. De exemplu, să presupunem că un analist de capital vrea să facă o analiză de sensibilitate și o analiză a scenariului în jurul impactului câștigurilor pe acțiune (EPS) asupra evaluării relative a unei companii, utilizând multiplul preț-câștig (P / E).
Analiza sensibilității se bazează pe variabilele care afectează evaluarea, pe care un model financiar le poate descrie folosind prețul variabilelor și EPS. Analiza sensibilității izolează aceste variabile și apoi înregistrează gama de rezultate posibile. Pe de altă parte, pentru o analiză a scenariului, analistul determină un anumit scenariu, cum ar fi o prăbușire a pieței bursiere sau modificarea reglementărilor din industrie. Apoi schimbă variabilele din cadrul modelului pentru a se alinia la scenariul respectiv. Pus împreună, analistul are o imagine cuprinzătoare. Acum cunoaște întreaga gamă de rezultate, având în vedere toate extremele, și înțelege care ar fi rezultatele, având în vedere un set specific de variabile definite de scenarii din viața reală.
Beneficii și limite ale analizei sensibilității
Realizarea analizei sensibilității oferă o serie de avantaje pentru factorii de decizie. În primul rând, acționează ca un studiu aprofundat al tuturor variabilelor. Deoarece este mai aprofundat, predicțiile pot fi mult mai fiabile. În al doilea rând, permite factorilor de decizie să identifice unde pot face îmbunătățiri în viitor. În cele din urmă, permite capacitatea de a lua decizii solide cu privire la companii, economie sau investițiile acestora.
Dar există unele dezavantaje ale utilizării unui model ca acesta. Rezultatele se bazează pe ipoteze, deoarece variabilele se bazează pe date istorice. Aceasta înseamnă că nu este tocmai exactă, deci poate exista spațiu pentru erori atunci când se aplică analiza la predicții viitoare.