O análise sensitiva é a técnica que determina como diferentes valores de uma variável independente impactam em uma variável dependente sob um conjunto de suposições. Estude como a incerteza no resultado de um modelo matemático ou sistema pode ser atribuída a diferentes fontes em suas variáveis de entrada.
Essa técnica é usada dentro de limites específicos que dependem de uma ou mais variáveis de entrada, como o efeito que as mudanças nas taxas de juros (variável independente) têm sobre os preços dos títulos (variável dependente)..
A análise de sensibilidade, dada uma determinada gama de variáveis, é uma forma de prever o resultado de uma decisão. Também é conhecido como simulação ou análise "what if". Ao criar um determinado conjunto de variáveis, um analista pode determinar como as mudanças em uma variável afetam o resultado.
Uma prática relacionada é a análise de incerteza, que se concentra mais na quantificação e propagação da incerteza. Idealmente, a incerteza e a análise de sensibilidade devem ser executadas juntas.
Índice do artigo
Uma das principais aplicações da análise de sensibilidade é o uso de modelos por gerentes e tomadores de decisão. Todo o conteúdo necessário para o modelo de decisão pode ser usado por meio da aplicação repetida de análise de sensibilidade.
Ajuda os analistas de decisão a compreender as incertezas, prós e contras, com as limitações e o escopo de um modelo de decisão.
A maioria das decisões é tomada sob incerteza. Uma técnica para chegar a uma conclusão é substituir todos os parâmetros incertos pelos valores esperados; então a análise de sensibilidade é realizada.
Seria uma trégua para um tomador de decisão ter alguma indicação de quão sensíveis serão as escolhas ao alterar uma ou mais variáveis de entrada. A boa prática de modelagem requer que o modelador execute uma avaliação de confiança do modelo.
Primeiro, isso requer quantificar a incerteza nos resultados de qualquer modelo (análise de incerteza); e segundo, avaliar o quanto cada entrada contribui para a incerteza do resultado.
A análise de sensibilidade aborda o segundo desses pontos (embora a análise de incerteza seja um precursor necessário), desempenhando o papel de classificar a força e a relevância das variáveis de entrada para determinar a variação no resultado..
Em modelos que envolvem muitas variáveis de entrada, a análise de sensibilidade é um ingrediente essencial para a construção do modelo e para a garantia de qualidade..
- A principal aplicação da análise de sensibilidade é indicar a sensibilidade de uma simulação às incertezas nos valores de entrada do modelo..
- É um método de prever o resultado de uma decisão se uma situação for diferente em comparação com as principais previsões.
- Ajuda a avaliar o risco de uma estratégia.
- É usado para identificar o quão dependente é o resultado de uma determinada variável de entrada. Analise se a dependência ajuda a avaliar o risco associado.
- Ajuda a tomar decisões informadas e adequadas.
- É usado para procurar erros no modelo, ao encontrar relações inesperadas entre as entradas e os resultados.
Uma análise de sensibilidade, também conhecida como análise "what-if", é a mais frequentemente usada por analistas financeiros para prever o resultado de uma ação específica quando realizada sob certas condições.
A análise de sensibilidade é realizada dentro de limites definidos, determinados pelo conjunto de variáveis de entrada independentes..
Por exemplo, a análise de sensibilidade pode ser usada para estudar o efeito de uma mudança nas taxas de juros sobre os preços dos títulos se as taxas de juros aumentarem em 1%..
A pergunta "E se ...?" Seria: O que acontece com o preço de um título se as taxas de juros subirem 1%? Esta pergunta foi respondida com análise de sensibilidade.
A análise pode ser realizada em planilha do Microsoft Excel, na seção "Dados" do menu de opções, utilizando o botão "Análise de hipóteses", que contém "Objetivo da pesquisa" e "Tabela de dados".
Existem diferentes métodos para realizar a análise de sensibilidade:
- Técnicas de modelagem e simulação.
- Ferramentas de gerenciamento de cenários através do Microsoft Excel.
Existem basicamente duas técnicas para analisar a sensibilidade:
É baseado em derivadas (numéricas ou analíticas). O termo local indica que as derivadas são tomadas em um único ponto. Este método é adequado para funções de custo simples.
Porém, não é viável para modelos complexos, como os modelos com descontinuidades, pois nem sempre possuem derivadas.
Matematicamente, a sensibilidade da função de custo com respeito a certos parâmetros é igual à derivada parcial da função de custo com respeito a esses parâmetros.
A análise de sensibilidade local é uma técnica "um de cada vez". Analisa o impacto de um único parâmetro por vez na função de custo, mantendo os demais parâmetros fixos.
A análise de sensibilidade global é a segunda abordagem para a análise de sensibilidade, que geralmente é implementada usando técnicas de Monte Carlo. Essa abordagem usa um conjunto global de amostras para explorar o espaço de design..
John é o responsável pelas vendas da Holiday CA, que vende decorações de Natal em um shopping. John sabe que as festas de fim de ano estão chegando e o shopping estará lotado..
Você quer saber se um aumento no tráfego de clientes no shopping aumentará a receita total de vendas da loja e, em caso afirmativo, em que valor.
O preço médio de um pacote de decorações de Natal é $ 20. Durante a temporada de festas do ano passado, a Holiday CA vendeu 500 pacotes de decorações de Natal. Isso resultou em um total de vendas de $ 10.000.
Após realizar uma análise de sensibilidade, é determinado que um aumento de 10% no tráfego de clientes no shopping resulta em um aumento de 7% nas vendas totais.
Usando essas informações, John pode prever quanto dinheiro a loja ganhará se o tráfego de clientes aumentar em 20%, 40% ou 100%..
Com base na análise de sensibilidade apresentada, verifica-se que haverá um aumento nas vendas totais de 14%, 28% e 70%, respectivamente..
Ainda sem comentários