Huvud » algoritmisk handel » Känslighetsanalys

Känslighetsanalys

algoritmisk handel : Känslighetsanalys
Vad är känslighetsanalys?

En 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 osäkerhetskällor i en matematisk modell bidrar till modellens övergripande osäkerhet. Denna teknik används inom specifika gränser som är beroende av en eller flera inputvariabler.

Känslighetsanalys används i näringslivet och inom ekonomin. Det används ofta av finansanalytiker och ekonomer och är också känt som en vad-om-analys.

Key Takeaways

  • En känslighetsanalys avgör hur olika värden på en oberoende variabel påverkar en viss beroende variabel under en given uppsättning antaganden.
  • Den här modellen benämns också en "what-if" eller simuleringsanalys.
  • Känslighetsanalys kan användas för att hjälpa till att göra förutsägelser i aktiekurserna i börsnoterade företag eller hur räntorna påverkar obligationspriserna.
  • Känslighetsanalys möjliggör prognoser med hjälp av historiska, sanna data.

Hur känslighetsanalys fungerar

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

Både mål- och input- eller oberoende och beroende-variabler analyseras fullständigt när känslighetsanalys genomförs. Personen som gör analysen ser på hur variablerna rör sig och hur målet påverkas av ingångsvariabeln.

Känslighetsanalys kan användas för att göra förutsägelser i aktiekurserna i offentliga företag. Några av de variabler som påverkar aktiekurserna inkluderar företagsintäkter, 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 den effekt som förändringar i räntor har på obligationspriserna. I detta fall är räntorna den oberoende variabeln, medan obligationspriserna är den beroende variabeln.

Investerare kan också använda känslighetsanalys för att bestämma vilka effekter olika variabler har på deras investeringsavkastning.

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

01:48

Känslighetsanalys

Exempel på känslighetsanalys

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

Känslighet kontra scenarieanalys

Inom ekonomi skapas en känslighetsanalys för att förstå vilken inverkan ett antal variabler har på ett visst resultat. Det är viktigt att notera att en känslighetsanalys inte är densamma som en scenarioanalys. Anta som ett exempel att en kapitalanalytiker vill göra en känslighetsanalys och en scenarioanalys kring effekterna av vinst per aktie (EPS) på ett företags relativa värdering med hjälp av multipelet pris / vinst (P / E).

Känslighetsanalysen är baserad på de variabler som påverkar värderingen, som en finansiell modell kan avbilda med variablernas pris och EPS. Känslighetsanalysen isolerar dessa variabler och registrerar sedan intervallet med möjliga resultat. Å andra sidan, för en scenarioanalys, bestämmer analytikern ett visst scenario som en börskrasch eller förändring av branschregleringen. Han ändrar sedan variablerna inom modellen för att anpassa sig till det scenariot. Sammantaget har analytikern en omfattande bild. Han känner nu till hela utfallet, med tanke på alla ytterligheter, och har en förståelse för vad resultaten skulle bli, med tanke på en specifik uppsättning variabler som definieras av verkliga scenarier.

Fördelar och begränsningar av känslighetsanalys

Att genomföra känslighetsanalys ger ett antal fördelar för beslutsfattarna. Först fungerar det som en djupgående studie av alla variabler. Eftersom det är mer djupgående kan förutsägelserna vara mycket mer pålitliga. För det andra gör det möjligt för beslutsfattare att identifiera var de kan göra förbättringar i framtiden. Slutligen tillåter det möjligheten att fatta sunda beslut om företag, ekonomin eller deras investeringar.

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

Jämför investeringskonton Leverantörs namn Beskrivning Annonsörens upplysning × Erbjudandena som visas i denna tabell kommer från partnerskap från vilka Investopedia erhåller ersättning.

Relaterade villkor

Hur riskanalys fungerar Riskanalys är processen för att utvärdera sannolikheten för en negativ händelse som inträffar inom företag, myndigheter eller miljö. mer Känslighet Redovisning för varje faktor som påverkar ett visst instrument negativt eller positivt, är känslighet storleken på vilken ett finansiellt instrument reagerar. mer Multivariat modell Den multivariata modellen är ett populärt statistiskt verktyg som använder flera variabler för att förutse möjliga investeringsresultat. mer Monte Carlo-simulering Monte Carlo-simuleringar används för att modellera sannolikheten för olika resultat i en process som inte lätt kan förutsägas på grund av ingripandet av slumpmässiga variabler. mer Varför stokastisk modellering är mindre komplicerad än det låter Stokastisk modellering är ett verktyg som används i investeringsbeslut som använder slumpmässiga variabler och ger många olika resultat. mer Hur multipel linjär regression fungerar Multipel linjär regression (MLR) är en statistisk teknik som använder flera förklarande variabler för att förutsäga resultatet av en svarsvariabel. mer Partnerlänkar
Rekommenderas
Lämna Din Kommentar