Was ist eine Sensitivitätsanalyse? (mit Beispielen) • BUOM

24. Juni 2021

Die Sensitivitätsanalyse ist ein Finanzmodellierungstool, das dabei hilft, das mögliche Ergebnis auf der Grundlage von Unsicherheiten in den Eingabevariablen vorherzusagen. Dies hilft Entscheidungsträgern wie Finanzanalysten zu erkennen, wie sich bestimmte Situationen auf die Zukunft auswirken können. Mithilfe der Lernsensitivitätsanalyse können Sie potenzielle Ergebnisse bewerten und fundiertere Entscheidungen treffen. In diesem Artikel definieren wir, was eine Sensitivitätsanalyse ist, listen einige ihrer Vorteile auf, stellen einige Best Practices für die Verwendung der Sensitivitätsanalyse vor und vergleichen die Sensitivitätsanalyse mit der Szenarioanalyse.

Was ist eine Sensitivitätsanalyse?

Die Sensitivitätsanalyse oder Was-wäre-wenn-Analyse ist ein Werkzeug, das in der Finanzmodellierung verwendet wird, um zu bewerten, wie die Auswirkungen von Unsicherheiten in einer oder mehreren Eingabevariablen zu Unsicherheiten in den Ausgabevariablen führen können. Es hilft dabei, das Ergebnis vorherzusagen, das nach der Ausführung eines bestimmten Verhaltens eintreten kann. Zum Beispiel: „Was könnte mit diesem Computermodell passieren, wenn ich dieses Design ändere?“ Bei der Sensitivitätsanalyse geht es darum, das Modell zu ändern und das Verhalten zu beobachten. Ökonomen, Finanzanalysten und Manager nutzen diese Analyse, um fundierte Entscheidungen zu treffen.

Vorteile der Sensitivitätsanalyse

Die Durchführung einer Sensitivitätsanalyse hilft Ihnen, tiefer in alle Variablen einzudringen, was zu zuverlässigeren Vorhersagen führen kann. Dies kann Unternehmen dabei helfen, fundiertere Entscheidungen zu treffen. Zu den weiteren Vorteilen der Sensitivitätsanalyse gehören:

• Einschätzung des potenziellen Risikos einer Strategie

• Fehler im Finanzmodell finden

• Dient dazu, Fakten zu überprüfen und die Wahrscheinlichkeit des Eintretens von Umständen zu bestimmen.

• Verbesserung der Zuverlässigkeit von Finanzmodellen durch Tests

• Identifizieren Sie Bereiche mit Verbesserungspotenzial in der Zukunft

• Ermöglicht Unternehmen eine bessere Ressourcenzuteilung

Sensitivität im Vergleich zur Szenarioanalyse

Obwohl Sensitivitätsanalyse und Szenarioanalyse nützliche Werkzeuge zur Quantifizierung und Analyse verschiedener Ergebnisse sind, unterscheiden sie sich geringfügig voneinander. Im Gegensatz zur Sensitivitätsanalyse, bei der die Auswirkungen einer Reihe unabhängiger Variablen auf abhängige Variablen untersucht werden, untersucht die Szenarioanalyse ein bestimmtes Szenario im Detail. Normalerweise haben solche Umstände große wirtschaftliche Auswirkungen, beispielsweise eine Veränderung des Weltmarktes.

Ein weiterer Unterschied zwischen der Sensitivitätsanalyse und der Szenarioanalyse besteht im Schätzbereich und der Anzahl der untersuchten Variablen. Bei der Sensitivitätsanalyse berücksichtigen Schätzer eine einzelne Variable über einen weiten Wertebereich. Für die Szenarioanalyse berücksichtigen sie jedoch alle Variablen für einen begrenzten Wertebereich. Finanzanalysten verwenden in der Regel Sensitivitätsanalysen, um die Auswirkungen einzelner Inputs zu untersuchen, beispielsweise die Anhebung des Mindestlohns, und verwenden Szenarioanalysen für Finanzinvestitionen, beispielsweise die Eröffnung eines neuen Geschäfts.

Best Practices für die Sensitivitätsanalyse

Um eine erfolgreiche Sensitivitätsanalyse durchzuführen, beachten Sie die folgenden Tipps:

Konzentrieren Sie sich auf das Layout

Stellen Sie bei der Strukturierung eines Modells für die Sensitivitätsanalyse sicher, dass es gut organisiert ist, damit Benutzer es verstehen können. Platzieren Sie dazu alle Ihre Annahmen in einem Bereich und überlegen Sie, eine andere Schriftfarbe zu verwenden, um sie vom Rest des Modells abzuheben. Weitere Überlegungen, die beim Layout hilfreich sein werden, umfassen die Berücksichtigung der wichtigsten Annahmen beim Testen, die Schaffung eines separaten Bereichs für die Analyse und das Verständnis der Beziehung zwischen den unabhängigen und abhängigen Variablen.

Verwenden Sie visuelle Hilfsmittel

Erstellen Sie Grafiken, Tabellen und Diagramme, um Benutzern die Visualisierung Ihrer Daten zu erleichtern. Dies kann als Möglichkeit dienen, die Ergebnisse Ihrer Analyse anzuzeigen. Um die Auswirkung auf eine abhängige Variable nach der Änderung einer oder zweier unabhängiger Variablen auszudrücken, sollten Sie die Verwendung einer Datentabelle in Betracht ziehen. Mit Tornado-Diagrammen können Sie die Auswirkungen von Änderungen in mehreren Variablen gleichzeitig darstellen. Beim Sortieren der Daten in solchen Diagrammen werden sie von der höchsten zur niedrigsten Wertigkeit sortiert, wodurch eine Tornado-Kegelform entsteht.

Bitte beachten Sie, dass die Ergebnisse variieren können.

Da die Vorhersage der Zukunft mit einigen Unsicherheiten behaftet sein kann, beachten Sie bitte, dass sich die Ergebnisse Ihrer Sensitivitätsanalyse ändern können. Obwohl sich diese Ergebnisse weiterentwickeln, geben sie Ihnen eine Vorstellung davon, wie sich die Ergebnisse in der Zukunft entwickeln könnten. Aus diesem Grund ist es gut, eine Reihe möglicher Ergebnisse zu haben, um mögliche Veränderungen zu berücksichtigen.

Beispiele für Sensitivitätsanalysen

Hier einige Beispiele für Sensitivitätsanalysen:

Beispiel 1

Chloe ist Verkaufsleiterin einer Geschenkeboutique und rechnet mit steigenden Umsätzen, je näher die Feiertage rücken. Sie möchte den genauen Betrag der Umsatzsteigerung im Verhältnis zur Steigerung des Kundenverkehrs in ihrem Geschäft wissen. Die Geschenkboutique verkauft einen selbstgemachten Schneemann für 12 Dollar. Letztes Jahr verkaufte die Boutique in den Monaten vor den Feiertagen im Oktober, November und Dezember 200 Schneemann-Ornamente für insgesamt 2.400 US-Dollar.

Chloe führt eine Sensitivitätsanalyse durch und stellt fest, dass ein 10-prozentiger Anstieg des Verkehrs in den Wintermonaten zu einem 7-prozentigen Anstieg der Verkäufe von Schneemanndekorationen führen könnte. Mithilfe dieser Informationen kann Chloe anhand der Anzahl der Kundenbesuche vorhersagen, wie viel Geld sie verdienen kann. Wenn beispielsweise der Kundenverkehr um 50 % steigt, kann sie mit einem Anstieg der Schmuckverkäufe um 35 % rechnen. Die Ergebnisse ihrer Analyse helfen Chloe dabei, zu planen, wie viele Produkte sie für ihre Boutique bestellen soll, und den Return on Investment (ROI) zu ermitteln.

Beispiel 2

Timber Rock, eine Stadt in Michigan, führt dieses Jahr eine Umweltverträglichkeitsanalyse durch, um zur Verbesserung ihrer Gemeinde beizutragen. Zu den Eingabevariablen, die sie betrachten, gehört ihr Naturkapital wie Seen, örtliche Parks und Wälder. Sie berücksichtigen auch Interessengruppen wie Bürger und Touristen sowie den Grad des Interesses von Interessengruppen, beispielsweise an vom Tourismus betroffenen Gebieten.

Durch Analysen erstellt Timber Rock eine Karte der ökologischen Nachhaltigkeit verschiedener Gebiete, basierend auf der Nutzung des Naturkapitals und dem Interesse der Stakeholder an dessen Erhaltung. Dies ermöglicht es ihnen, fundierte Entscheidungen darüber zu treffen, was mit bestimmtem Naturkapital geschehen soll. Es hilft Timber Rock auch dabei, zu bestimmen, auf welche Naturgebiete der Schwerpunkt für Qualitätsverbesserungen in seiner Stadt gelegt werden soll.