Анализ чувствительности: определение, преимущества и примеры

17 ноября 2021 г.

Эксперты используют анализ чувствительности, чтобы определить, как различные значения в наборе независимых переменных повлияют на конкретную зависимую переменную. Экономисты и финансовые аналитики используют анализ чувствительности, чтобы предсказать цены акций компаний или увидеть влияние процентных ставок. В этой статье мы обсудим, что такое анализ чувствительности и каковы его преимущества, сравним его со сценарным анализом и приведем пример того, как вы можете его использовать.

Что такое анализ чувствительности?

Анализ чувствительности, также называемый анализом «что, если», представляет собой математический инструмент, используемый в научном и финансовом моделировании для изучения того, как неопределенности в модели влияют на общую неопределенность этой модели. Это способ определить, как различные значения независимой переменной могут повлиять на конкретную зависимую переменную при определенном наборе допущений.

Вы можете использовать анализ чувствительности, когда существуют границы, зависящие от входных переменных, и когда вы хотите ответить на такие вопросы, как:

• Изменятся ли результаты исследования, если мы будем использовать другие предположения?

• Насколько мы уверены в этих предположениях?

Вы можете использовать анализ чувствительности, чтобы изучить, как конкретное изменение повлияет на вас. Например, если вы хотите узнать, повлияет ли изменение процентных ставок на цены облигаций, если процентная ставка увеличится на 2%. Вы можете превратить это в утверждение «что, если»:

«Что произойдет со стоимостью облигации, если процентная ставка вырастет на 2%?»

Методы применения анализа чувствительности

Вот два метода, используемые для анализа чувствительности:

Прямой метод

В прямом методе вы подставите разные числа в предположение в модели. Например, предположим, что ваше предположение о росте доходов составляет 20% в годовом исчислении, тогда формула дохода будет следующей:

• (Выручка прошлого года) x (1 + 20%)

Используя прямой метод, мы подставляем разные числа, чтобы заменить темпы роста, чтобы увидеть, каковы итоговые суммы доходов.

Косвенный метод

В косвенном методе вы вставляете процентное изменение в формулы вместо прямого изменения значения предположения. Например, если ваше предположение о росте выручки составляет 20% в годовом исчислении, и мы знаем, что формула выручки такова:

• (Выручка прошлого года) x (1 + 20%)

Вместо того, чтобы менять 20% на другое число, мы меняем формулу на:

• (Выручка за прошлый год) x (1 + (20% + X)), где X — значение в области анализа чувствительности модели.

Чувствительность в сравнении со сценарным анализом

Анализ чувствительности может предсказать результаты события с учетом определенного диапазона переменных, и аналитик может использовать эту информацию, чтобы понять, как изменение одной переменной влияет на другие переменные или результаты. Анализ чувствительности может изолировать определенные переменные и показать диапазон результатов.

Однако анализ сценариев определяет, что произойдет в определенной ситуации, например, при изменении отраслевых правил или крахе фондового рынка. Аналитик может использовать информацию, относящуюся к определенному сценарию, для изменения переменной в модели, обеспечивая понимание результата для конкретной реальной ситуации.

Преимущества анализа чувствительности

Есть несколько преимуществ использования анализа чувствительности. Важно помнить, что анализ чувствительности использует набор результатов, основанных на предположениях и переменных, которые затем основаны на исторических данных. Из-за этого анализ чувствительности представляет собой модель с возможностью ошибки и может быть не совсем точным, но это ценный и широко используемый инструмент.

Основные преимущества использования анализа чувствительности:

• Лучшее принятие решений: анализ чувствительности предоставляет лицам, принимающим решения, ряд результатов, которые помогают им принимать более эффективные бизнес-решения.

• Более надежные прогнозы: он обеспечивает углубленное изучение переменных, что делает прогнозы и модели более надежными.

• Выделяет области, требующие улучшения: анализ чувствительности помогает лицам, принимающим решения, определить области для будущих улучшений.

• Обеспечивает более высокий уровень достоверности: анализ чувствительности повышает достоверность финансовых моделей, проверяя их на широком наборе возможностей.

Использование анализа чувствительности

Существует несколько применений анализа чувствительности во многих профессиях и отраслях. Различные ситуации требуют использования анализа чувствительности для прогнозирования, предсказания, выявления областей улучшения или внесения корректировок. Вот некоторые распространенные применения анализа чувствительности:

• Понимание того, как входные переменные связаны с выходными переменными

• Создание гипотезы для тестирования определенных сценариев

• Рекомендации

• Обмен данными и результатами

• Определение точек безубыточности, критических значений и оптимальных изменений стратегии

• ТЭО для идеального решения

• Оценка требований к выходным и входным переменным

• Количественные параметры

• Делать предположения, позволяющие принимать решения

• Оценка величины риска для сценария или стратегии

• Идентификация чувствительных переменных

• Разработка рекомендаций

Сферы карьеры, в которых используется анализ чувствительности

Многие области карьеры и предприятия используют анализ чувствительности для важного процесса принятия решений, но наиболее распространенными являются следующие профессии:

• Химия: Химики и другие ученые могут использовать анализ чувствительности для измерения позиций.

• Социальные науки: анализ чувствительности может создавать эконометрические модели, которые используются для прогнозирования будущих тенденций в экономике.

• Бизнес: компании могут использовать анализ чувствительности для направления будущих потоков данных, распределения ресурсов и выявления критических предположений.

• Мета-анализ: анализ чувствительности проверяет, приводят ли ограничения к конфиденциальным результатам, включая решения, критичные ко времени.

• Инжиниринг: инженеры используют анализ чувствительности для проверки своих проектов и моделей.

• Окружающая среда: анализ чувствительности может помочь в создании моделей для измерения глобального климата или воздействия очистки воды.

Примеры анализа чувствительности

Вот два гипотетических примера, когда можно использовать анализ чувствительности:

Пример 1

Питер продает рюкзаки в киоске в торговом центре. Он знает, что ажиотаж в школе начнется в августе, и хочет определить, увеличит ли увеличение потока покупателей в торговом центре его доход от продаж, и если да, то насколько.

Средняя цена рюкзака, который продает Питер, составляет 40 долларов. В прошлом году, во время школьной спешки, он продал 250 рюкзаков, в результате чего выручка составила 10 000 долларов. После использования программы для работы с электронными таблицами Питер обнаружил, что когда поток покупателей в торговом центре увеличился на 20 %, его продажи выросли на 14 %.

Теперь, когда Питер знает эту информацию, он может использовать ее, чтобы предсказать, насколько увеличится или уменьшится его доход от продаж. Если трафик клиента увеличится до 40%, его продажи должны увеличиться на 28%. Если трафик клиента уменьшится на 10%, то его продажи должны уменьшиться на 7%.

Пример 2

Джейн — менеджер по продажам, и она хочет лучше понять, как увеличение числа покупателей в праздничные дни влияет на общий объем продаж ее отдела. Используя данные прошлогодних праздничных продаж, Джейн узнает, что общий объем праздничных продаж зависит от объема транзакций и цены. Она определила, что когда число праздничных покупателей увеличивается на 10%, продажи увеличиваются на 5%.

Джейн может построить финансовую модель и использовать формулировки анализа чувствительности «что, если», используя эту информацию. Исходя из этого, Джейн теперь понимает, что если количество покупателей в праздничные дни увеличилось на 50 %, общий объем продаж должен увеличиться на 25 %.