Känslighetsanalys

Vad är känslighetsanalys?

Känslighetsanalys avgör hur olika värden på en oberoende variabel påverkar en viss beroende variabel under en given uppsättning antaganden. Med andra ord studerar känslighetsanalyser hur olika källor till osäkerhet i en matematisk modell bidrar till modellens övergripande osäkerhet. Denna teknik används inom specifika gränser som beror på en eller flera indatavariabler.

Känslighetsanalys används inom näringslivet och inom ekonomiområdet. Den används ofta av finansanalytiker och ekonomer och är också känd som en vad-om-analys.

Hur känslighetsanalys fungerar

Känslighetsanalys är en finansiell modell som bestämmer hur målvariabler påverkas baserat på förändringar i andra variabler som kallas ingångsvariabler. Denna modell kallas också för vad-om eller simuleringsanalys. Det är ett sätt att förutsäga resultatet av ett beslut givet ett visst urval av variabler. Genom att skapa en given uppsättning variabler kan en analytiker bestämma hur förändringar i en variabel påverkar resultatet.

Både mål- och indatavariablerna – eller oberoende och beroende – analyseras fullständigt när känslighetsanalys utförs. Den som gör analysen tittar på hur variablerna rör sig samt hur målet påverkas av indatavariabeln.

Känslighetsanalys kan användas för att göra förutsägelser om aktiekurserna i börsbolag. Några av de variabler som påverkar aktiekurserna inkluderar företagets resultat, antalet utestående aktier, skuldsättningsgraden (D/E) och antalet konkurrenter i branschen. Analysen kan förfinas om framtida aktiekurser genom att göra olika antaganden eller lägga till olika variabler. Denna modell kan också användas för att bestämma vilken effekt förändringar i räntor har på obligationspriserna. I det här fallet är räntorna den oberoende variabeln, medan obligationspriserna är den beroende variabeln.

Investerare kan också använda känslighetsanalyser för att avgöra vilka effekter olika variabler har på deras investeringsavkastning.

Känslighetsanalys möjliggör prognoser med hjälp av historiska, sanna data. Genom att studera alla variabler och möjliga utfall kan viktiga beslut fattas om företag, ekonomi och att göra investeringar.

Exempel på känslighetsanalys

Antag att Sue är en försäljningschef som vill förstå vilken effekt kundtrafiken har på den totala försäljningen. Hon fastställer att försäljningen är en funktion av pris och transaktionsvolym. Priset på en widget är 1 000 $ och Sue sålde 100 förra året för en total försäljning på 100 000 $. Sue fastställer också att en 10 % ökning av kundtrafiken ökar transaktionsvolymen med 5 %. Detta gör att hon kan bygga en finansiell modell och känslighetsanalys kring denna ekvation baserat på vad-om-uttalanden. Den kan berätta för henne vad som händer med försäljningen om kundtrafiken ökar med 10 %, 50 % eller 100 %. Baserat på 100 transaktioner idag, motsvarar en ökning på 10 %, 50 % eller 100 % i kundtrafik en ökning av transaktioner med 5 %, 25 % respektive 50 %. Känslighetsanalysen visar att försäljningen är mycket känslig för förändringar i kundtrafiken.

Känslighet vs. Scenariosanalys

Inom finans skapas en känslighetsanalys för att förstå vilken inverkan en rad variabler har på ett givet utfall. Det är viktigt att notera att en känslighetsanalys inte är detsamma som en scenarioanalys. Som ett exempel, anta att en aktieanalytiker vill göra en känslighetsanalys och en scenarioanalys kring inverkan av vinst per aktie (EPS) på ett företags relativa värdering genom att använda multipla pris-till-vinst (P/E).

Känslighetsanalysen baseras på de variabler som påverkar värderingen, vilket en finansiell modell kan avbilda med hjälp av variablernas pris och EPS. Känslighetsanalysen isolerar dessa variabler och registrerar sedan intervallet av möjliga utfall.

Å andra sidan, för en scenarioanalys, bestämmer analytikern ett visst scenario som en börskrasch eller förändring i branschreglering. Han ändrar sedan variablerna i modellen för att överensstämma med det scenariot. Sammantaget har analytikern en heltäckande bild. Han känner nu till hela skalan av utfall, givet alla ytterligheter, och har en förståelse för vad utfallen skulle bli, givet en specifik uppsättning variabler definierade av verkliga scenarier.

Fördelar och begränsningar med känslighetsanalys

Att genomföra känslighetsanalyser ger en rad fördelar för beslutsfattare. För det första fungerar det som en fördjupad studie av alla variabler. Eftersom det är mer djupgående kan förutsägelserna vara mycket mer tillförlitliga. För det andra tillåter det beslutsfattare att identifiera var de kan göra förbättringar i framtiden. Slutligen ger det möjlighet att fatta sunda beslut om företag, ekonomin eller deras investeringar.

Men det finns vissa nackdelar med att använda en modell som denna. Utfallen är alla baserade på antaganden eftersom variablerna alla är baserade på historiska data. Det betyder att den inte är exakt exakt, så det kan finnas utrymme för fel när analysen tillämpas på framtida förutsägelser.

##Höjdpunkter

• Känslighetsanalys avgör hur olika värden på en oberoende variabel påverkar en viss beroende variabel under en given uppsättning antaganden.

– Den här modellen kallas också för vad-om- eller simuleringsanalys.

– Känslighetsanalys kan användas för att göra förutsägelser i börsnoterade företags aktiekurser eller hur räntor påverkar obligationspriserna.

• Känslighetsanalys möjliggör prognoser med hjälp av historiska, sanna data.