Η ανάλυση σεναρίου αξιολογεί την αναμενόμενη αξία μιας προτεινόμενης επένδυσης ή επιχειρηματικής δραστηριότητας. Ο στατιστικός μέσος όρος είναι το υψηλότερο συμβάν πιθανότητας που αναμένεται σε μια συγκεκριμένη κατάσταση. Δημιουργώντας διάφορα σενάρια που μπορεί να προκύψουν και συνδυάζοντάς τα με την πιθανότητα να συμβούν, ένας αναλυτής μπορεί να προσδιορίσει καλύτερα την αξία μιας επένδυσης ή επιχειρηματικού εγχειρήματος και την πιθανότητα να προκύψει πραγματικά η αναμενόμενη αξία.

Ο προσδιορισμός της κατανομής πιθανότητας μιας επένδυσης ισούται με τον προσδιορισμό του κινδύνου που ενυπάρχει στην εν λόγω επένδυση. Με τη σύγκριση της αναμενόμενης απόδοσης με τον αναμενόμενο κίνδυνο και την επικάλυψή του με την ανοχή του επενδυτή σε κίνδυνο, ίσως μπορέσετε να λάβετε καλύτερες αποφάσεις σχετικά με το εάν θα επενδύσετε σε μια πιθανή επιχειρηματική επιχείρηση. Αυτό το άρθρο θα παρουσιάσει μερικά απλά παραδείγματα διαφόρων τρόπων διεξαγωγής ανάλυσης σεναρίων και παροχής λογικών στοιχείων για τη χρήση τους. (Για να μάθετε περισσότερα σχετικά με τις κατανομές πιθανοτήτων, διαβάστε Βρείτε το σωστό εργαλείο με πιθανότητες διανομές .)

Επισκόπηση
Τα δεδομένα ιστορικής απόδοσης απαιτούνται για να δώσουν κάποια εικόνα για τη μεταβλητότητα των επιδόσεων μιας επένδυσης και για να βοηθήσουν οι επενδυτές κατανοούν τον κίνδυνο που βαρύνουν τους μετόχους στο παρελθόν. Με την εξέταση των περιοδικών στοιχείων απόδοσης, ο επενδυτής μπορεί να αποκτήσει μια εικόνα για τον κίνδυνο του παρελθόντος μιας επένδυσης. Για παράδειγμα, επειδή η μεταβλητότητα ισοδυναμεί με κίνδυνο, μια επένδυση που παρείχε την ίδια απόδοση κάθε χρόνο θεωρείται ότι είναι λιγότερο επικίνδυνη από μια επένδυση που παρείχε ετήσιες αποδόσεις που κυμαίνονται μεταξύ αρνητικών και θετικών. Παρόλο που και οι δύο επενδύσεις μπορούν να παρέχουν την ίδια συνολική απόδοση για έναν συγκεκριμένο επενδυτικό ορίζοντα, οι περιοδικές αποδόσεις καταδεικνύουν τις διαφορές κινδύνου στις επενδύσεις αυτές. (Για περισσότερες πληροφορίες, διαβάστε Μετρήστε την απόδοση του χαρτοφυλακίου σας .)

Οι αυστηροί κανονισμοί για τον υπολογισμό και την παρουσίαση προηγούμενων αποδόσεων διασφαλίζουν τη συγκρισιμότητα των πληροφοριών επιστροφής μεταξύ των χρεογράφων, των διαχειριστών επενδύσεων και των κεφαλαίων. Ωστόσο, οι προηγούμενες επιδόσεις δεν παρέχουν καμία εγγύηση σχετικά με τον μελλοντικό κίνδυνο ή την απόδοση της επένδυσης. Η ανάλυση σεναρίων προσπαθεί να κατανοήσει το πιθανό προφίλ κινδύνου / απόδοσης μιας επιχείρησης. Με την πραγματοποίηση μιας ανάλυσης πολλαπλών εκτιμήσεων pro-forma για μια συγκεκριμένη επιχείρηση και την πιθανότητα για κάθε σενάριο, αρχίζει η δημιουργία κατανομής πιθανότητας (προφίλ κινδύνου) για τη συγκεκριμένη επιχείρηση.
Παραδείγματα
Η ανάλυση σεναρίων μπορεί να εφαρμοστεί με πολλούς τρόπους. Η πιο χαρακτηριστική μέθοδος είναι η διεξαγωγή ανάλυσης πολλαπλών παραγόντων (μοντέλα που περιέχουν πολλαπλές μεταβλητές) με τους ακόλουθους τρόπους:

• Δημιουργία ενός σταθερού αριθμού Σενάρια
  • Καθορισμός του Υψηλή - Χαμηλή εξάπλωση
  • Δημιουργία Ενδιάμεσο Σενάρια
• Τυχαία Factor Analysis
  • Πολυάριθμες με άπειρο αριθμό Σενάρια
  • Μόντε Κάρλο Ανάλυση

Πολλοί αναλυτές θα δημιουργήσουν ένα μοντέλο πολλαπλών μεταβλητών (ένα μοντέλο με πολλαπλές μεταβλητές), θα συνδέσουν την καλύτερη εικασία για την αξία κάθε μεταβλητής και θα βρουν μια προβλεπόμενη τιμή.Ο μέσος όρος οποιασδήποτε κατανομής πιθανότητας είναι αυτός που έχει την υψηλότερη πιθανότητα εμφάνισης. Χρησιμοποιώντας μια τιμή για κάθε μεταβλητή που αναμένεται να είναι η πιο πιθανή, ο αναλυτής υπολογίζει στην πραγματικότητα τη μέση τιμή της δυνητικής κατανομής των δυνητικών τιμών. Αν και ο μέσος όρος έχει ενημερωτική αξία, όπως αναφέρθηκε προηγουμένως, δεν παρουσιάζει καμία πιθανή διακύμανση των αποτελεσμάτων.

Η ανάλυση κινδύνου αφορά την προσπάθεια να προσδιοριστεί η πιθανότητα ότι ένα μελλοντικό αποτέλεσμα θα είναι κάτι διαφορετικό από τη μέση τιμή. Ένας τρόπος για να δείξετε παραλλαγές είναι να υπολογίσετε μια εκτίμηση των ακραίων και των λιγότερο πιθανών αποτελεσμάτων στη θετική και την αρνητική πλευρά του μέσου όρου. Η απλούστερη μέθοδος για την πρόβλεψη δυνητικών αποτελεσμάτων μιας επένδυσης ή επιχείρησης είναι να δημιουργηθεί μια ανοδική και αρνητική περίπτωση για κάθε αποτέλεσμα και στη συνέχεια να υποθέσουμε την πιθανότητα ότι θα συμβεί. Το σχήμα 1 χρησιμοποιεί μια μέθοδο τριών σεναρίων που αξιολογεί μια βασική περίπτωση (Β) (μέση τιμή), την ανοδική περίπτωση (U) και μια κατώτερη περίπτωση (D).

Εικόνα 1

Για παράδειγμα μια απλή ανάλυση δύο παραγόντων:
Τιμή V = Μεταβλητή A + Μεταβλητή Β, όπου κάθε μεταβλητή τιμή δεν είναι περιορισμένη.

Αν αναθέσουμε δύο ακραίες ανοδικές και αρνητικές τιμές για τα Α και Β, τότε θα έχουμε τις τρεις τιμές σεναρίου. Με την εκχώρηση της πιθανότητας εμφάνισης, ας υποθέσουμε ότι:
50% για την τιμή (B) = 200
25% για την τιμή (U) = 300
25% για την αξία (D) > Κατά την εκχώρηση πιθανότητες το άθροισμα των πιθανών αποδόσεων πρέπει να είναι ίσο με το 100%. Με τη γραφική παράσταση αυτών των τιμών και των πιθανοτήτων τους μπορούμε να συμπεράνουμε μια μάλλον ακαθάριστη κατανομή πιθανοτήτων (κατανομή όλων των υπολογισμένων τιμών και της πιθανότητας εμφάνισης αυτών των τιμών). Με το σχηματισμό των περιπτώσεων ανοδικών και μειονεκτουσών, αρχίζουμε να κατανοούμε άλλα πιθανά αποτελέσματα επιστροφής, αλλά υπάρχουν και πολλά άλλα δυνητικά αποτελέσματα στο σύνολο που οριοθετούνται από την ακραία ανοδική και αρνητική πλευρά που έχει ήδη εκτιμηθεί.

Το σχήμα 2 παρουσιάζει μία μέθοδο για τον προσδιορισμό του σταθερού αριθμού των αποτελεσμάτων μεταξύ των δύο ακραίων ορίων. Υποθέτοντας ότι κάθε μεταβλητή ενεργεί ανεξάρτητα, δηλαδή, η αξία της δεν εξαρτάται από την αξία οποιασδήποτε άλλης μεταβλητής, μπορούμε να διεξάγουμε μια ανοδική, βασική και αρνητική περίπτωση για κάθε μεταβλητή. Στο απλοϊκό μοντέλο δύο παραγόντων, αυτός ο τύπος ανάλυσης θα είχε ως αποτέλεσμα συνολικά εννέα αποτελέσματα. Ένα μοντέλο τριών παραγόντων που χρησιμοποιεί τρία δυνητικά αποτελέσματα για κάθε μεταβλητή θα κατέληγε σε 27 αποτελέσματα και ούτω καθεξής. Η εξίσωση για τον προσδιορισμό του συνολικού αριθμού των αποτελεσμάτων με τη μέθοδο αυτή είναι ίση με
( Y X ⁾ , όπου Y = αριθμός πιθανών σεναρίων για κάθε παράγοντα και X = αριθμός παραγόντων στο μοντέλο. (Για περισσότερες πληροφορίες, ανατρέξτε στο Σύγχρονος Χαρτοφυλάκιο Θεωρίας Χαρτοφυλακίου Primer .) Σχήμα 2

Στο Σχήμα 2, υπάρχουν εννέα αποτελέσματα αλλά όχι εννέα ξεχωριστές τιμές. Για παράδειγμα, το αποτέλεσμα για το BB μπορεί να είναι ίσο με το αποτέλεσμα DU ή UD. Για να ολοκληρώσει αυτή τη μελέτη, ο αναλυτής θα αναθέσει τις πιθανότητες για κάθε αποτέλεσμα και στη συνέχεια θα προσθέσει αυτές τις πιθανότητες για οποιεσδήποτε παρόμοιες τιμές.Αναμένουμε ότι η τιμή που αντιστοιχεί στον μέσο όρο, στην περίπτωση αυτή το BB, θα εμφανιστεί στις περισσότερες φορές, αφού ο μέσος όρος είναι η τιμή με την υψηλότερη πιθανότητα εμφάνισης. Η συχνότητα εμφάνισης παρόμοιων τιμών αυξάνει την πιθανότητα εμφάνισης. Οι περισσότερες φορές τιμές δεν επαναλαμβάνονται, ειδικά η μέση τιμή, τόσο μεγαλύτερη είναι η πιθανότητα ότι οι μελλοντικές αποδόσεις θα είναι κάτι διαφορετικό από το μέσο όρο. Όσο περισσότεροι παράγοντες υπάρχουν σε ένα μοντέλο και οι περισσότεροι σενάρια παράγοντα συμπεριλαμβάνουν, τόσο πιο πιθανές τιμές σεναρίου υπολογίζονται με αποτέλεσμα μια ισχυρή ανάλυση και κατανόηση του κινδύνου μιας πιθανής επένδυσης.

Τα μειονεκτήματα της ανάλυσης σεναρίων

Το κύριο μειονέκτημα για αυτούς τους τύπους αναλύσεων σταθερών αποτελεσμάτων είναι οι εκτιμώμενες πιθανότητες και τα σύνολα αποτελεσμάτων που οριοθετούνται από τις τιμές για τα ακραία θετικά και αρνητικά συμβάντα. Αν και ενδέχεται να είναι γεγονότα χαμηλής πιθανότητας, οι περισσότερες επενδύσεις ή χαρτοφυλάκια επενδύσεων έχουν τη δυνατότητα για πολύ υψηλές θετικές και αρνητικές αποδόσεις. Οι επενδυτές πρέπει να θυμούνται ότι παρόλο που δεν συμβαίνουν συχνά, αυτά τα συμβάντα χαμηλής πιθανότητας συμβαίνουν και είναι μια ανάλυση κινδύνου που βοηθά να προσδιοριστεί κατά πόσον αυτά τα δυνητικά γεγονότα βρίσκονται μέσα στην ανοχή κινδύνου ενός επενδυτή. (Για σχετική ανάγνωση, βλέπε
Προσωπικοποίηση ανοχής κινδύνου και Ανεκτικότητα κινδύνου λέει μόνο το μισό της ιστορίας .) Μια μέθοδος για να παρακάμψετε τα προβλήματα που είναι εγγενή στα προηγούμενα παραδείγματα είναι να εκτελέσετε μια ακραία αριθμός δοκιμών ενός πολυπαραγοντικού μοντέλου. Η ανάλυση τυχαίων παραγόντων ολοκληρώνεται με την εκτέλεση χιλιάδων αλλά και εκατοντάδων χιλιάδων ανεξάρτητων δοκιμών με έναν υπολογιστή για την εκχώρηση αξιών στους παράγοντες με τυχαίο τρόπο. Ο πιο συνηθισμένος τύπος ανάλυσης τυχαίων παραγόντων ονομάζεται ανάλυση "Monte Carlo", όπου οι τιμές συντελεστή δεν υπολογίζονται αλλά επιλέγονται τυχαία από ένα σύνολο που οριοθετείται από την κατανομή των ίδιων των μεταβλητών πιθανότητας. Για να μάθετε περισσότερα σχετικά με αυτήν την ανάλυση, διαβάστε την

Εισαγωγή στην προσομοίωση του Monte Carlo . Συμπέρασμα

Τα πρότυπα που καθορίζονται για την απόδοση των επενδυτικών επιδόσεων εξασφαλίζουν ότι οι επενδυτές διαθέτουν το προφίλ κινδύνου (μεταβλητότητα απόδοσης) προηγούμενες επιδόσεις επενδύσεων. Επειδή οι προηγούμενες επιδόσεις δεν έχουν καμία σχέση με τον μελλοντικό κίνδυνο ή την επιστροφή, εναπόκειται στον επενδυτή ή στους ιδιοκτήτες επιχειρήσεων να καθορίσουν τον μελλοντικό κίνδυνο των επενδύσεών τους δημιουργώντας μοντέλα pro-forma. Η παραγωγή οποιασδήποτε πρόβλεψης θα παράγει μόνο την αναμενόμενη ή τη μέση αξία της πρωτοβουλίας αυτής. το αποτέλεσμα που πιστεύει ο αναλυτής έχει την υψηλότερη πιθανότητα εμφάνισης. Με τη διεξαγωγή ανάλυσης σεναρίων, ο επενδυτής μπορεί να παράγει ένα προφίλ κινδύνου για μια προβλεπόμενη επένδυση και να δημιουργήσει μια βάση για τη σύγκριση των μελλοντικών επενδύσεων.