Scenarioanalyse evaluerer den forventede værdi af en foreslået investering eller forretningsaktivitet. Det statistiske gennemsnit er den højeste sandsynlighedsbegivenhed, der forventes i en bestemt situation. Ved at skabe forskellige scenarier, der kan opstå, og kombinere dem med sandsynligheden for, at de vil opstå, kan en analytiker bedre bestemme værdien af ​​en investering eller forretningsvirksomhed og sandsynligheden for, at den forventede værdi beregnes faktisk vil ske.

Fastlæggelse af sandsynlighedsfordelingen af ​​en investering er lig med at bestemme risikoen i denne investering. Ved at sammenligne det forventede afkast til den forventede risiko og overlejre det med investorens risikotolerance, kan du muligvis træffe bedre beslutninger om, hvorvidt du skal investere i et potentielt venture-selskab. Denne artikel vil præsentere nogle enkle eksempler på forskellige måder at foretage scenarioanalyse og give begrundelse for deres brug. (For at lære mere om sandsynlighedsfordelinger, læs Find den rette tilpasning med sandsynlighedsfordelinger .)

Oversigt
Historiske resultatdata er påkrævet for at give et indblik i variabiliteten af ​​en investerings præstationer og for at hjælpe Investorer forstår den risiko, der tidligere er båret af aktionærerne. Ved at undersøge periodiske afkastdata kan en investor få indsigt i en investerings tidligere risiko. For eksempel, fordi variabilitet svarer til risiko, anses en investering, der leverede samme afkast hvert år, mindre risikabelt end en investering, der gav årlige afkast, som svingede mellem negative og positive. Selvom begge investeringer kan give det samme samlede afkast for en given investeringshorisont, viser de periodiske afkast risikoafvigelserne i disse investeringer. (For mere indsigt læs Mål din porteføljes ydeevne .)

Strenge regler om beregning og præsentation af tidligere afkast sikrer sammenligneligheden af ​​afkastoplysninger på tværs af værdipapirer, investeringsforvaltere og fonde. Tidligere præstationer giver dog ingen garanti for en investerings fremtidige risiko eller afkast. Scenarioanalyse forsøger at forstå et venture potentielle risiko / returprofil. Ved at udføre en analyse af flere proforma estimater for et givet venture og angive en sandsynlighed for hvert scenario, begynder man at skabe en sandsynlighedsfordeling (risikoprofil) for den pågældende virksomhed.
Eksempler
Scenarieanalyse kan anvendes på mange måder. Den mest typiske metode er at udføre multifaktoranalyse (modeller indeholdende flere variabler) på følgende måder:

• Oprettelse af et fast antal scenarier
  • Bestemmelse af høj-lav spredning
  • Oprettelse af mellemliggende scenarier
• Tilfældig faktoranalyse
  • Talrige til uendelige antal scenarier
  • Monte Carlo Analyse

Mange analytikere vil oprette en multivariabel model (en model med flere variabler), tilslutte deres bedste gæt for værdien af ​​hver variabel og komme op på en forventet værdi.Midlet af enhver sandsynlighedsfordeling er den, der har den højeste sandsynlighed for forekomsten. Ved at bruge en værdi for hver variabel, der forventes at være mest sandsynlige, beregner analytikeren faktisk middelværdien af ​​den potentielle fordeling af potentielle værdier. Selv om gennemsnittet har informativ værdi, som tidligere nævnt, viser det ikke nogen potentiel variation i resultaterne.

Risikovurdering er ved at forsøge at bestemme sandsynligheden for, at et fremtidigt resultat vil være noget andet end middelværdien. En måde at vise variation på er at beregne et estimat af de ekstreme og mindst mulige resultater på den positive og negative side af middelværdien. Den enkleste metode til at prognostisere potentielle resultater af en investering eller venture er at producere en opadrettede og nedadrettede sag for hvert udfald og derefter at spekulere på sandsynligheden for, at det vil opstå. Figur 1 anvender en tre scenariemetode, der evaluerer en basiscase (B) (middelværdi), opadvendt tilfælde (U) og en nedadgående sag (D).

Figur 1

For eksempel en simpel tofaktoranalyse:
Værdi V = Variabel A + Variabel B, hvor hver variabelværdi ikke er begrænset.

Ved at tildele to ekstreme upside- og downside-værdier for A og B, vil vi så få vores tre scenarieværdier. Ved at tildele sandsynligheden for forekomsten, lad os antage:
50% for værdi (B) = 200
25% for værdi (U) = 300
25% for værdi (D) = 1 00 > Ved tildeling af sandsynligheder skal summen af ​​de tildelte sandsynligheder være 100%. Ved at afgrænse disse værdier og deres sandsynligheder kan vi udlede en ret rå sandsynlighedsfordeling (fordelingen af ​​alle beregnede værdier og sandsynligheden for, at disse værdier forekommer). Ved at danne opadrettede og nedadrettede tilfælde begynder vi at få en forståelse af andre mulige returresultater, men der er mange andre mulige resultater inden for det sæt, der er begrænset af den ekstremt opadrettede og nedadrettede side allerede estimeret.

Figur 2 viser en metode til bestemmelse af det faste antal resultater mellem de to ekstremer. Forudsat at hver variabel virker uafhængigt, det vil sige, at dens værdi ikke er afhængig af værdien af ​​en anden variabel, vi kan foretage en opadgående, basis- og downside-sag for hver variabel. I den simplistiske tofaktormodel ville denne type analyse resultere i i alt ni resultater. En tre-faktor model, der bruger tre potentielle resultater for hver variabel, vil ende med 27 resultater og så videre. Ligningen til bestemmelse af det samlede antal resultater ved hjælp af denne metode er lig med
( Y X ⁾ , hvor Y = antallet af mulige scenarier for hver faktor og X = den antal faktorer i modellen. (Se Modern Portfolio Theory Stats Primer .) Figur 2

I figur 2 er der ni resultater, men ikke ni separate værdier. For eksempel kan resultatet for BB svare til resultatet DU eller UD. For at færdiggøre denne undersøgelse vil analytikeren tildele sandsynlighederne for hvert udfald og derefter tilføje disse sandsynligheder for enhver tilsvarende værdi.Vi ville forvente, at værdien svarende til gennemsnittet, i dette tilfælde BB, ville forekomme mest gange siden middelværdien er værdien med den højeste sandsynlighed for at forekomme. Hyppigheden af ​​lignende værdier forekommer øger sandsynligheden for forekomsten. Jo flere gange værdier gentages ikke, især middelværdien, desto større er sandsynligheden for, at fremtidige afkast vil være noget andet end gennemsnittet. Jo flere faktorer man har i en model og de mere faktor scenarier en indeholder, desto mere potentielle scenarie værdier beregnes, hvilket resulterer i en robust analyse og indsigt i risikoen for en potentiel investering.

Ulemper ved scenarioanalyse

Den væsentligste ulempe ved disse typer af faste udfaldsanalyser er de estimerede sandsynligheder og udfaldssætene afgrænset af værdierne for de ekstreme positive og negative begivenheder. Selv om de kan være lav sandsynlighedshændelser, har de fleste investeringer eller investeringsporteføljer potentialet for meget højt positivt og negativt afkast. Investorer skal huske, at selvom de ikke sker ofte, sker disse lav sandsynlighedshændelser, og det er risikoanalyse, der hjælper med at afgøre, om disse potentielle begivenheder ligger inden for investorens risikotolerance. (For relateret læsning, se
Tilpasning af risikotolerance og Risikotolerance fortæller kun halvt historien .) En metode til at omgå de problemer, der er forbundet med de foregående eksempler, er at køre en ekstrem antal forsøg i en multivariate model. Tilfældig faktoranalyse afsluttes ved at køre tusinder og endda hundredtusinder af uafhængige forsøg med en computer til at tildele værdier til faktorerne på en tilfældig måde. Den mest almindelige type tilfældighedsfaktoranalyse kaldes "Monte Carlo" -analyse, hvor faktorværdier ikke estimeres, men vælges tilfældigt fra et sæt afgrænset af variablernes egen sandsynlighedsfordeling. (For at lære mere om denne analyse, læs

Introduktion til Monte Carlo Simulation .) Konklusion

Standarder fastsat til rapportering af investeringsresultater sikrer, at investorer er forsynet med risikoprofilen (variabilitet af præstationer) for tidligere præstationer af investeringer. Fordi tidligere præstationer ikke har nogen indflydelse på fremtidig risiko eller afkast, er det op til investor eller virksomhedsejere at bestemme den fremtidige risiko for deres investeringer ved at oprette proforma-modeller. Resultatet af enhver prognose vil kun producere det forventede eller middelværdi af dette initiativ; det resultat, som analytikeren mener har den højeste sandsynlighed for forekomsten. Ved at foretage scenarioanalyse kan en investor producere en risikoprofil for en forventet investering og danne grundlag for at sammenligne potentielle investeringer.