Gevoeligheids analyse
Wat is gevoeligheidsanalyse?
Een gevoeligheidsanalyse bepaalt hoe verschillende waarden van een onafhankelijke variabele een bepaalde afhankelijke variabele beïnvloeden onder een bepaalde reeks aannames. Met andere woorden, gevoeligheidsanalyses bestuderen hoe verschillende bronnen van onzekerheid in een wiskundig model bijdragen aan de algehele onzekerheid van het model. Deze techniek wordt gebruikt binnen specifieke grenzen die afhankelijk zijn van een of meer invoervariabelen.
Gevoeligheidsanalyse wordt gebruikt in het bedrijfsleven en op het gebied van economie. Het wordt vaak gebruikt door financiële analisten en economen, en staat ook bekend als een wat-als-analyse.
Belangrijkste leerpunten
- Een gevoeligheidsanalyse bepaalt hoe verschillende waarden van een onafhankelijke variabele een bepaalde afhankelijke variabele beïnvloeden onder een bepaalde reeks aannames.
- Dit model wordt ook wel een what-if- of simulatieanalyse genoemd.
- Gevoeligheidsanalyse kan worden gebruikt om voorspellingen te doen over de aandelenkoersen van beursgenoteerde bedrijven of hoe rentetarieven de obligatiekoersen beïnvloeden.
- Gevoeligheidsanalyse maakt prognoses mogelijk met behulp van historische, echte gegevens.
Hoe gevoeligheidsanalyse werkt
Gevoeligheidsanalyse is een financieel model dat bepaalt hoe doelvariabelen worden beïnvloed op basis van veranderingen in andere variabelen die bekend staan als invoervariabelen. Dit model wordt ook wel what-if of simulatieanalyse genoemd. Het is een manier om de uitkomst van een beslissing te voorspellen, gegeven een bepaald aantal variabelen. Door een bepaalde set variabelen te maken, kan een analist bepalen hoe veranderingen in een variabele de uitkomst beïnvloeden.
Zowel de target als de input – of onafhankelijke en afhankelijke – variabelen worden volledig geanalyseerd wanneer een gevoeligheidsanalyse wordt uitgevoerd. De persoon die de analyse uitvoert, kijkt naar hoe de variabelen bewegen en hoe het doel wordt beïnvloed door de invoervariabele.
Gevoeligheidsanalyse kan worden gebruikt om voorspellingen te doen in de aandelenkoersen van beursgenoteerde bedrijven. Enkele van de variabelen die de aandelenkoersen beïnvloeden, zijn onder meer de bedrijfswinsten, het aantal uitstaande aandelen, de schuld / eigen vermogen-ratio’s (D / E) en het aantal concurrenten in de branche. De analyse van toekomstige aandelenkoersen kan worden verfijnd door verschillende aannames te doen of door verschillende variabelen toe te voegen. Dit model kan ook worden gebruikt om het effect te bepalen dat renteveranderingen hebben op de obligatiekoersen. In dit geval zijn de rentetarieven de onafhankelijke variabele, terwijl de obligatiekoersen de afhankelijke variabele zijn.
Beleggers kunnen ook gevoeligheidsanalyses gebruiken om te bepalen welke effecten verschillende variabelen hebben op hun beleggingsrendement.
Gevoeligheidsanalyse maakt prognoses mogelijk met behulp van historische, echte gegevens. Door alle variabelen en de mogelijke uitkomsten te bestuderen, kunnen belangrijke beslissingen worden genomen over bedrijven, de economie en over het doen van investeringen.
Voorbeeld van gevoeligheidsanalyse
Stel dat Sue een verkoopmanager is die de impact van klantenverkeer op de totale verkoop wil begrijpen. Ze stelt vast dat verkopen een functie zijn van prijs en transactievolume. De prijs van een widget is $ 1.000, en Sue heeft vorig jaar 100 verkocht voor een totale verkoop van $ 100.000. Sue stelt ook vast dat een toename van 10% in het klantenverkeer het transactievolume met 5% doet toenemen. Dit stelt haar in staat om een financieel model en gevoeligheidsanalyse rond deze vergelijking op te bouwen op basis van wat-als-uitspraken. Het kan haar vertellen wat er met de verkoop gebeurt als het klantenverkeer met 10%, 50% of 100% toeneemt. Op basis van 100 transacties vandaag, staat een toename van 10%, 50% of 100% in klantverkeer gelijk aan een toename van transacties met respectievelijk 5%, 25% of 50%. De gevoeligheidsanalyse toont aan dat verkopen zeer gevoelig zijn voor veranderingen in het klantenverkeer.
Gevoeligheid versus scenario-analyse
In de financiële sector wordt een gevoeligheidsanalyse gemaakt om inzicht te krijgen in de impact die een reeks variabelen heeft op een bepaald resultaat. Het is belangrijk op te merken dat een gevoeligheidsanalyse niet hetzelfde is als een scenarioanalyse. Stel bijvoorbeeld dat een aandelenanalist een gevoeligheidsanalyse en een scenarioanalyse wil doen rond de impact van de winst per aandeel (EPS) op de relatieve waardering van een bedrijf door gebruik te maken van de koers-winstverhouding (P / E).
De gevoeligheidsanalyse is gebaseerd op de variabelen die van invloed zijn op de waardering, die een financieel model kan weergeven met behulp van de variabelen ‘prijs en winst per aandeel’. De gevoeligheidsanalyse isoleert deze variabelen en legt vervolgens het bereik van mogelijke uitkomsten vast. Aan de andere kant bepaalt de analist voor een scenarioanalyse een bepaald scenario, zoals een beurscrash of wijziging in de regelgeving van de sector. Vervolgens wijzigt hij de variabelen binnen het model om in overeenstemming te zijn met dat scenario. Samengevat heeft de analist een totaalbeeld. Hij kent nu het volledige scala aan uitkomsten, gegeven alle uitersten, en heeft inzicht in wat de uitkomsten zouden zijn, gegeven een specifieke reeks variabelen die zijn gedefinieerd door real-life scenario’s.
Voordelen en beperkingen van gevoeligheidsanalyse
Het uitvoeren van gevoeligheidsanalyses biedt een aantal voordelen voor besluitvormers. Ten eerste fungeert het als een diepgaande studie van alle variabelen. Omdat het meer diepgaand is, kunnen de voorspellingen veel betrouwbaarder zijn. Ten tweede stelt het besluitvormers in staat te identificeren waar ze in de toekomst verbeteringen kunnen aanbrengen. Ten slotte biedt het de mogelijkheid om verantwoorde beslissingen te nemen over bedrijven, de economie of hun investeringen.
Maar er zijn enkele nadelen aan het gebruik van een model als dit. De uitkomsten zijn allemaal gebaseerd op aannames omdat de variabelen allemaal gebaseerd zijn op historische gegevens. Dit betekent dat het niet precies nauwkeurig is, dus er kan ruimte zijn voor fouten bij het toepassen van de analyse op toekomstige voorspellingen.