Qu'est-ce que l'analyse de sensibilité?
Une analyse de sensibilité détermine comment différentes valeurs d'une variable indépendante affectent une variable dépendante particulière sous un ensemble d'hypothèses donné. En d'autres termes, les analyses de sensibilité étudient comment diverses sources d'incertitude dans un modèle mathématique contribuent à l'incertitude globale du modèle. Cette technique est utilisée dans des limites spécifiques qui dépendent d'une ou plusieurs variables d'entrée.
L'analyse de sensibilité est utilisée dans le monde des affaires et dans le domaine de l'économie. Il est couramment utilisé par les analystes financiers et les économistes, et est également connu comme une analyse par simulation.
Points clés à retenir
- Une analyse de sensibilité détermine comment différentes valeurs d'une variable indépendante affectent une variable dépendante particulière sous un ensemble d'hypothèses donné. Ce modèle est également appelé analyse de simulation ou simulation. prix des sociétés cotées en bourse ou comment les taux d'intérêt affectent les prix des obligations. L'analyse de sensibilité permet de prévoir à l'aide de données historiques et vraies.
Fonctionnement de l'analyse de sensibilité
L'analyse de sensibilité est un modèle financier qui détermine comment les variables cibles sont affectées en fonction des changements dans d'autres variables appelées variables d'entrée. Ce modèle est également appelé analyse par simulation ou simulation. C'est un moyen de prédire le résultat d'une décision compte tenu d'une certaine plage de variables. En créant un ensemble de variables donné, un analyste peut déterminer comment les changements d'une variable affectent le résultat.
Les variables cible et d'entrée - ou indépendantes et dépendantes - sont entièrement analysées lors de l'analyse de sensibilité. La personne qui fait l'analyse regarde comment les variables se déplacent ainsi que la façon dont la cible est affectée par la variable d'entrée.
L'analyse de sensibilité peut être utilisée pour aider à faire des prévisions sur les cours des actions des sociétés ouvertes. Certaines des variables qui affectent les cours des actions comprennent les bénéfices des sociétés, le nombre d'actions en circulation, les ratios d'endettement (D / E) et le nombre de concurrents dans l'industrie. L'analyse peut être affinée sur les cours futurs des actions en faisant différentes hypothèses ou en ajoutant différentes variables. Ce modèle peut également être utilisé pour déterminer l'effet des variations des taux d'intérêt sur les prix des obligations. Dans ce cas, les taux d'intérêt sont la variable indépendante, tandis que les prix des obligations sont la variable dépendante.
Les investisseurs peuvent également utiliser une analyse de sensibilité pour déterminer les effets de différentes variables sur le rendement de leurs investissements.
L'analyse de sensibilité permet de faire des prévisions à l'aide de données historiques et vraies. En étudiant toutes les variables et les résultats possibles, des décisions importantes peuvent être prises concernant les entreprises, l'économie et les investissements.
Analyse de sensibilité
Exemple d'analyse de sensibilité
Supposons que Sue soit un directeur des ventes qui souhaite comprendre l'impact du trafic client sur les ventes totales. Elle détermine que les ventes sont fonction du prix et du volume de transactions. Le prix d'un widget est de 1 000 $, et Sue en a vendu 100 l'année dernière pour des ventes totales de 100 000 $. Sue détermine également qu'une augmentation de 10% du trafic client augmente le volume de transactions de 5%. Cela lui permet de construire un modèle financier et une analyse de sensibilité autour de cette équation basée sur des déclarations de simulation. Il peut lui dire ce qui arrive aux ventes si le trafic client augmente de 10%, 50% ou 100%. Sur la base de 100 transactions aujourd'hui, une augmentation de 10%, 50% ou 100% du trafic client équivaut à une augmentation des transactions de 5%, 25% ou 50% respectivement. L'analyse de sensibilité démontre que les ventes sont très sensibles aux changements du trafic client.
Analyse sensibilité / scénario
En finance, une analyse de sensibilité est créée pour comprendre l'impact d'une série de variables sur un résultat donné. Il est important de noter qu'une analyse de sensibilité n'est pas la même chose qu'une analyse de scénario. Par exemple, supposons qu'un analyste des actions veuille faire une analyse de sensibilité et une analyse de scénario autour de l'impact du bénéfice par action (BPA) sur la valorisation relative d'une entreprise en utilisant le multiple cours / bénéfice (P / E).
L'analyse de sensibilité est basée sur les variables qui affectent la valorisation, qu'un modèle financier peut représenter en utilisant le prix et le BPA des variables. L'analyse de sensibilité isole ces variables puis enregistre la gamme des résultats possibles. D'autre part, pour une analyse de scénario, l'analyste détermine un certain scénario tel qu'un krach boursier ou un changement dans la réglementation de l'industrie. Il modifie ensuite les variables du modèle pour s'aligner sur ce scénario. Mis ensemble, l'analyste a une image complète. Il connaît maintenant la gamme complète des résultats, compte tenu de tous les extrêmes, et a une compréhension de ce que seraient les résultats, compte tenu d'un ensemble spécifique de variables définies par des scénarios réels.
Avantages et limites de l'analyse de sensibilité
La réalisation d'une analyse de sensibilité présente un certain nombre d'avantages pour les décideurs. Premièrement, il agit comme une étude approfondie de toutes les variables. Parce que c'est plus en profondeur, les prévisions peuvent être beaucoup plus fiables. Deuxièmement, il permet aux décideurs d'identifier où ils peuvent apporter des améliorations à l'avenir. Enfin, il permet de prendre des décisions judicieuses concernant les entreprises, l'économie ou leurs investissements.
Mais l'utilisation d'un modèle comme celui-ci présente certains inconvénients. Les résultats sont tous basés sur des hypothèses car les variables sont toutes basées sur des données historiques. Cela signifie qu'il n'est pas exactement précis, il peut donc y avoir place à l'erreur lors de l'application de l'analyse aux prévisions futures.
