Pagrindinis » algoritminė prekyba » Jautrumo analizė

Jautrumo analizė

algoritminė prekyba : Jautrumo analizė
Kas yra jautrumo analizė?

Jautrumo analizė nustato, kaip skirtingos nepriklausomo kintamojo vertės veikia tam tikrą priklausomą kintamąjį pagal tam tikrą prielaidų rinkinį. Kitaip tariant, jautrumo analizė tiria, kaip įvairūs matematinio modelio netikrumo šaltiniai prisideda prie bendro modelio neapibrėžtumo. Ši technika naudojama tam tikrose ribose, kurios priklauso nuo vieno ar daugiau įvesties kintamųjų.

Jautrumo analizė naudojama verslo pasaulyje ir ekonomikos srityje. Jį dažniausiai naudoja finansų analitikai ir ekonomistai, taip pat žinomas kaip kas, jei analizė.

Pagrindiniai išvežamieji daiktai

  • Jautrumo analizė nustato, kaip skirtingos nepriklausomo kintamojo vertės veikia tam tikrą priklausomą kintamąjį pagal tam tikrą prielaidų rinkinį.
  • Šis modelis taip pat vadinamas „kas jeigu“ arba modeliavimo analize.
  • Jautrumo analizė gali būti naudojama siekiant padėti prognozuoti viešai parduodamų bendrovių akcijų kainas ar tai, kaip palūkanų normos daro įtaką obligacijų kainoms.
  • Jautrumo analizė leidžia prognozuoti remiantis tikrais istoriniais duomenimis.

Kaip veikia jautrumo analizė

Jautrumo analizė yra finansinis modelis, kuris nustato, kaip paveikiami tiksliniai kintamieji, remiantis kitų kintamųjų, vadinamų įvesties kintamaisiais, pokyčiais. Šis modelis taip pat vadinamas kas, jei arba modeliavimo analize. Tai būdas nuspėti sprendimo rezultatą, atsižvelgiant į tam tikrą kintamųjų diapazoną. Sukūręs duotą kintamųjų rinkinį, analitikas gali nustatyti, kaip vieno kintamojo pokyčiai veikia rezultatą.

Atliekant jautrumo analizę, tiksliniai ir įvestiniai, arba nepriklausomi, ir priklausomi kintamieji yra visiškai analizuojami. Asmuo, atliekantis analizę, žiūri, kaip keičiasi kintamieji, taip pat kaip įvesties kintamasis paveikia tikslą.

Jautrumo analizė gali būti naudojama siekiant padėti prognozuoti valstybinių bendrovių akcijų kainas. Kai kuriuos kintamuosius, turinčius įtakos akcijų kainoms, sudaro įmonės pajamos, neapmokėtų akcijų skaičius, skolos ir nuosavybės santykis (D / E) bei konkurentų skaičius pramonėje. Ateities akcijų kainų analizę galima patikslinti darant skirtingas prielaidas arba pridedant skirtingus kintamuosius. Šis modelis taip pat gali būti naudojamas nustatant palūkanų normos pokyčių poveikį obligacijų kainoms. Šiuo atveju palūkanų normos yra nepriklausomas kintamasis, o obligacijų kainos yra priklausomas kintamasis.

Investuotojai taip pat gali naudoti jautrumo analizę, kad nustatytų įvairių kintamųjų įtaką jų investicijų grąžai.

Jautrumo analizė leidžia prognozuoti remiantis tikrais istoriniais duomenimis. Ištyrus visus kintamuosius ir galimus rezultatus, galima priimti svarbius sprendimus dėl verslo, ekonomikos ir dėl investicijų.

1:48

Jautrumo analizė

Jautrumo analizės pavyzdys

Tarkime, kad Sue yra pardavimo vadybininkas, norintis suprasti klientų srauto įtaką bendram pardavimui. Ji nustato, kad pardavimai priklauso nuo kainos ir operacijos apimties. Valdiklio kaina yra 1 000 USD, o Sue pernai pardavė 100, o iš viso 100 000 USD buvo parduota. „Sue“ taip pat nustato, kad padidėjęs klientų srautas 10% padidina operacijų apimtį 5%. Tai leidžia jai sukurti finansinį modelį ir jautrumo analizę pagal šią lygtį remiantis „kas jei“ teiginiais. Tai gali pasakyti jai, kas nutinka su pardavimais, jei klientų srautas padidėja 10%, 50% ar 100%. Remiantis 100 operacijų šiandien, 10%, 50% arba 100% padidėjęs klientų srautas prilygsta sandorių padidėjimui atitinkamai 5%, 25% arba 50%. Jautrumo analizė rodo, kad pardavimai yra labai jautrūs klientų srauto pokyčiams.

Jautrumo ir scenarijaus analizė

Finansų srityje sukurta jautrumo analizė, siekiant suprasti įvairių kintamųjų įtaką tam tikram rezultatui. Svarbu pažymėti, kad jautrumo analizė nėra tas pats, kas scenarijaus analizė. Pavyzdžiui, tarkime, kad nuosavybės analitikas nori atlikti jautrumo analizę ir scenarijų analizę, pagrįstą pelno, tenkančio vienai akcijai (EPS), santykiniam įmonės vertinimui, naudojant kainų ir pelno (P / E) daugiklį.

Jautrumo analizė pagrįsta kintamaisiais, kurie daro įtaką vertinimui, kurį finansinis modelis gali pavaizduoti naudodamas kintamųjų kainą ir EPS. Jautrumo analizė išskiria šiuos kintamuosius ir užrašo galimų rezultatų diapazoną. Kita vertus, scenarijui analizuoti analitikas nustato tam tikrą scenarijų, pavyzdžiui, akcijų rinkos krizę ar pramonės reguliavimo pokyčius. Tada jis keičia modelio kintamuosius, kad atitiktų tą scenarijų. Apibendrinant, analitikas turi išsamų vaizdą. Dabar jis žino visą rezultatų asortimentą, atsižvelgiant į visus kraštutinumus, ir supranta, kokie būtų rezultatai, atsižvelgiant į konkretų kintamųjų rinkinį, apibrėžtą realaus gyvenimo scenarijais.

Jautrumo analizės pranašumai ir apribojimai

Jautrumo analizės atlikimas teikia nemažai naudos sprendimų priėmėjams. Pirma, tai yra išsamus visų kintamųjų tyrimas. Kadangi prognozės yra išsamesnės, prognozės gali būti daug patikimesnės. Antra, tai leidžia sprendimų priėmėjams nustatyti, kur jie gali patobulinti ateityje. Galiausiai tai suteikia galimybę priimti pagrįstus sprendimus dėl įmonių, ekonomikos ar jų investicijų.

Tačiau yra keletas tokio modelio, kaip šis, naudojimo trūkumų. Visi rezultatai pagrįsti prielaidomis, nes visi kintamieji yra pagrįsti istoriniais duomenimis. Tai reiškia, kad jis nėra tiksliai tikslus, todėl analizuojant būsimas prognozes gali būti klaidų.

Palyginkite investicinių sąskaitų teikėjo pavadinimą Aprašymas Skelbėjo informacijos atskleidimas × Šioje lentelėje pateikti pasiūlymai yra iš partnerystės, iš kurios „Investopedia“ gauna kompensaciją.

Susijusios sąlygos

Kaip veikia rizikos analizė Rizikos analizė yra neigiamo įvykio, vykstančio įmonės, vyriausybės ar aplinkos sektoriuje, tikimybės įvertinimo procesas. daugiau jautrumo Apskaičiuojant kiekvieną veiksnį, darantį neigiamą ar teigiamą poveikį tam tikrai priemonei, jautrumas yra dydis, į kurį reaguoja finansinė priemonė. daugiau Kintamasis modelis Daugiapakopis modelis yra populiari statistikos priemonė, naudojanti kelis kintamuosius numatant galimus investavimo rezultatus. daugiau Monte Karlo modeliavimas Monte Karlo modeliavimas naudojamas modeliuoti skirtingų rezultatų tikimybę procese, kurio neįmanoma lengvai nuspėti dėl atsitiktinių kintamųjų įsikišimo. daugiau kodėl stochastinis modeliavimas yra mažiau sudėtingas, nei atrodo, Stochastinis modeliavimas yra įrankis, naudojamas priimant sprendimus dėl investavimo, kuris naudoja atsitiktinius kintamuosius ir duoda daugybę skirtingų rezultatų. daugiau kaip veikia daugialypė tiesinė regresija Keli linijinė regresija (MLR) yra statistinė technika, kuriai naudojami keli aiškinamieji kintamieji, norint nuspėti atsako kintamojo rezultatą. daugiau partnerių nuorodų
Rekomenduojama
Palikite Komentarą