Jautrumo analizė
Jautrumo analizė yra metodas, kuriuo įvertinama, kaip prognozuojamas rezultatas kinta keičiantis pagrindinėms prielaidoms. Ji taikoma finansinėms prognozėms, investicijų vertinimams ir rizikos matavimui, kai keli kintamieji veikia kartu. Esmė – nustatyti, kurie įėjimai labiausiai lemia išvesties dydį ir kokia jo svyravimo kryptis.
Taikant šį metodą, pasirenkamas modelis ir apibrėžiami kintamieji: pavyzdžiui, pajamų augimas, palūkanų norma, valiutos kursas ar sąnaudų lygis. Kiekvienas kintamasis keičiamas atskirai arba pagal scenarijus, fiksuojant kitus rodiklius, ir stebima išvesties reakcija. Rezultatams apibūdinti naudojami pokyčio dydžiai, intervalai ir proporcinis jautrumas.
Finansų ir investavimo praktikoje ši priemonė padeda interpretuoti vertinimo neapibrėžtumą. Ji naudojama akcijų ir portfelių modeliuose, kredito rizikos vertinime, biudžeto planavime bei taupymo planų projekcijose. Taip pat ji naudojama pensijų kaupimo dokumentuose, kai reikia paaiškinti, kaip grąža ir išlaidos veikia galutinę sukauptą sumą.
Ką turite žinoti?
Pagrindinių prielaidų vaidmuo
Jautrumas matuoja, kurie įėjimai labiausiai keičia prognozuojamą rezultatą. Kuo didesnis išvesties pokytis, tuo svarbesnė prielaida modelio struktūroje.
Vieno kintamojo keitimas
Dažniausias taikymas – keisti vieną kintamąjį, laikant kitus pastoviais. Taip aiškiau atskiriamas konkretaus veiksnio poveikis rezultatui.
Scenarijų logika
Kai kintamieji gali kisti kartu, taikomi keli scenarijai su nuosekliomis prielaidomis. Tokiu atveju vertinama ne tik kryptis, bet ir tarpusavio sąveikos poveikis.
Pokyčio matavimo vienetai
Išvestis dažnai vertinama procentiniais pokyčiais arba absoliučiais skirtumais. Pasirinktas matavimo būdas lemia interpretaciją ir palyginamumą tarp modelių.
Neapibrėžtumo ribos
Metodas leidžia suformuoti rezultato intervalus, priklausomus nuo prielaidų svyravimo. Tai tampa pagrindu rizikos komunikacijai ir modelio patikimumo vertinimui.
Klaidos, kurios siejamos su šiuo terminu
Painiava su prognozės garantija
Jautrumo analizė nepatvirtina, kad rezultatas būtinai įvyks. Ji aprašo galimą reakciją į prielaidų pokyčius, o ne ateities tikrumą.
Vien tik koreliacijų interpretavimas
Jei modelyje pastebimas ryšys, tai nereiškia priežastinio poveikio. Reikia atskirti statistinį ryšį nuo modelio prielaidų mechanizmo.
Per siauri prielaidų intervalai
Nustačius pernelyg mažus kintamųjų svyravimo rėmus, jautrumas gali atrodyti nereikšmingas. Realistiški intervalai būtini, kad išvesties kaita būtų informatyvi.
Kitų kintamųjų ignoravimas
Keičiant tik vieną rodiklį, gali būti nepastebėta tarpusavio sąveika. Praktikoje svarbu įvertinti, ar prielaidų grupės juda kartu.
Modelio priklausomybė nuo prielaidų formos
Rezultatai priklauso nuo to, kaip modelis matematiškai apibrėžia ryšius. Tas pats duomenų rinkinys skirtinguose modeliuose gali duoti skirtingą jautrumo vaizdą.