¿Qué es el análisis de sensibilidad?

Un análisis de sensibilidad es aquel que determina cómo los diferentes valores de una variable independiente afectan a una variable dependiente dada durante un conjunto dado de supuestos. En otras palabras, los análisis de sensibilidad estudian cómo las diferentes fuentes de incertidumbre en un modelo matemático contribuyen a la incertidumbre total del modelo. Esta técnica se usa dentro de límites específicos que dependen de una o más variables de entrada.

El análisis de sensibilidad se utiliza en los negocios y en la economía. A menudo es utilizado por analistas financieros y economistas y también se conoce como un análisis hipotético.

El análisis de sensibilidad se puede utilizar para cualquier actividad o sistema. Desde la planificación de unas vacaciones familiares con las variables en mente hasta las decisiones a nivel corporativo, se puede hacer a través del análisis de sensibilidad. Este modelo también se llama análisis de simulación.

El análisis de sensibilidad se puede utilizar para hacer predicciones del precio de las acciones en compañías cotizadas o cómo las tasas de interés afectan los precios de los bonos.

El análisis de sensibilidad permite pronósticos utilizando datos históricos y verdaderos.

Cómo funciona el análisis de sensibilidad.

El análisis de sensibilidad es un modelo financiero que determina cómo se ven afectadas las variables objetivo en función de los cambios en otras variables llamadas variables de entrada. 

Este modelo también se llama análisis hipotético o de simulación. Es una forma de predecir el resultado de una decisión dado un cierto número de variables. Al crear un conjunto dado de variables, un analista puede determinar cómo los cambios en una variable afectan el resultado.

Tanto el objetivo como la entrada, o las variables independientes y dependientes, se analizan completamente cuando se realiza el análisis de sensibilidad. La persona que realiza el análisis observa cómo se mueven las variables y cómo el objetivo se ve afectado por la variable de entrada.

El análisis de sensibilidad se puede utilizar para hacer predicciones de precios de acciones en empresas públicas. Algunas de las variables que afectan los precios de las acciones incluyen los ingresos de la compañía, el número de acciones en circulación, la relación deuda/capital (D/E) y el número de competidores en la industria. 

El análisis se puede refinar sobre los precios futuros de las acciones haciendo diferentes suposiciones o agregando diferentes variables. Este modelo también se puede utilizar para determinar el efecto que los cambios en las tasas de interés tienen en los precios de los bonos. En este caso, las tasas de interés son la variable independiente, mientras que los precios de los bonos son la variable dependiente.

Los inversores también pueden usar el análisis de sensibilidad para determinar los efectos que las diferentes variables tienen en su retorno de la inversión.

El análisis de sensibilidad permite pronósticos utilizando datos históricos y verdaderos. Al estudiar todas las variables y los posibles resultados, se pueden tomar decisiones importantes sobre las empresas, la economía y las inversiones.

Ejemplos de análisis de sensibilidad.

Supongamos que Karla es una gerente de ventas que quiere entender cómo el tráfico de clientes afecta las ventas generales. Ella decide que las ventas son una función del precio y el volumen de transacciones. El precio de un widget es de $1,000, y Karla vendió 100 el año pasado para una venta total de $100,000.

Karla también decide que un aumento del 10% en el tráfico de clientes aumenta el volumen de transacciones en un 5%. Esto le permite construir un modelo financiero y un análisis de sensibilidad en torno a esta ecuación basada en declaraciones hipotéticas. Puede decirle qué sucede con las ventas si el tráfico de clientes aumenta en un 10%, 50% o 100%.

Con base en 100 transacciones actuales, un aumento del 10%, 50% o 100% en el tráfico de clientes corresponde a un aumento de las transacciones del 5%, 25% o 50%. El análisis de sensibilidad muestra que las ventas son muy sensibles a los cambios en el tráfico de clientes.

Sensibilidad vs. Análisis de escenarios

En finanzas, se crea un análisis de sensibilidad para comprender el impacto que una serie de variables tiene en un resultado dado. Es importante tener en cuenta que un análisis de sensibilidad no es lo mismo que un análisis de escenario. 

Como ejemplo, supongamos que un analista de renta variable quiere hacer un análisis de sensibilidad y un análisis de escenarios sobre el impacto de las ganancias por acción (EPS) en la valoración relativa de una empresa utilizando el precio múltiple/ganancias (P/E).

El análisis de sensibilidad se basa en las variables que afectan la valoración, que un modelo financiero puede representar utilizando las variables precio y EPS. El análisis de sensibilidad aísla estas variables y luego registra el rango de posibles resultados. 

Por otro lado, para un análisis de escenarios, el analista determina un escenario determinado, como una caída del mercado de valores o un cambio en la regulación del sector. Luego cambia las variables dentro del modelo para alinearlas con este escenario. Juntos, el analista tiene una imagen completa. Ahora conoce la gama completa de resultados, considerando todos los extremos, y comprende cuáles serían los resultados, considerando un conjunto específico de variables definidas por escenarios de la vida real.

Medición de análisis de sensibilidad

A continuación se detallan los pasos utilizados para realizar el análisis de sensibilidad:

• Primero, se define la salida del caso base; diga VPN en un valor de entrada de efectivo base específico (V1) para el cual se debe medir la sensibilidad. Todas las demás entradas del modelo se mantienen constantes
• Luego, se calcula el valor de salida con un nuevo valor de entrada (V2), manteniendo constantes otras entradas
• Encuentre el cambio porcentual en la salida y el cambio porcentual en la entrada
• La sensibilidad se calcula dividiendo el cambio porcentual en la salida por el cambio porcentual en la entrada

Este proceso de prueba de sensibilidad para otra entrada (por ejemplo, tasa de crecimiento del flujo de efectivo), manteniendo constante el resto de las entradas, se repite hasta que se obtiene el valor de sensibilidad para cada entrada. La conclusión sería que cuanto mayor sea el número de sensibilidad, más sensible será el resultado de cualquier cambio en esa entrada y vice-versa.

Técnicas para el análisis de sensibilidad

Técnicas de modelado y simulación.

Herramientas de gestión de escenarios a través de Microsoft Excel.

Existen principalmente dos enfoques para analizar la sensibilidad:

• Análisis de sensibilidad local
• Análisis de sensibilidad global

El análisis de sensibilidad local: se basa en una derivada (numérica o analítica). El término local indica que los derivados se obtienen en un solo punto. Este método es adecuado para funciones de costo simples, pero no es factible para modelos complejos, ya que los modelos con discontinuidades no siempre tienen derivados.

Matemáticamente, la sensibilidad de la función de costo en relación con ciertos parámetros es igual a la derivada parcial de la función de costo en relación con esos parámetros.

El análisis de sensibilidad local es una técnica única a la vez (OAT) que analiza el impacto de un parámetro en la función de costo a la vez, manteniendo los otros parámetros fijos.

El análisis de sensibilidad global: es el segundo enfoque para el análisis de sensibilidad, a menudo implementado utilizando técnicas de Monte Carlo. Este enfoque utiliza un conjunto global de muestras para explorar el espacio de diseño.

Las diversas técnicas ampliamente aplicadas incluyen:

Análisis de sensibilidad diferencial: también se refiere al método directo. Implica resolver derivadas parciales simples al análisis de sensibilidad temporal. Aunque este método es computacionalmente eficiente, la resolución de ecuaciones es una tarea intensiva de manejar.

Medidas de sensibilidad de una en una: es el método más fundamental con diferenciación parcial, en el que se toman valores de parámetros variables uno por uno. También se llama análisis local, ya que es un indicador solo para las estimaciones puntuales abordadas y no para la distribución completa.

Análisis factorial: implica la selección de un número dado de muestras para un parámetro específico y luego ejecutar el modelo para las combinaciones. El resultado se utiliza para llevar a cabo la sensibilidad del parámetro.

A través del índice de sensibilidad, se puede calcular la diferencia de% de salida cuando un parámetro de entrada varía del valor mínimo al máximo.

• El análisis de correlación ayuda a definir la relación entre variables independientes y dependientes
• El análisis de regresión es un método integral utilizado para obtener respuestas a modelos complejos
• Análisis de sensibilidad subjetiva: en este método, se analizan los parámetros individuales. Este es un método subjetivo, simple, cualitativo y un método fácil de descartar parámetros de entrada

Beneficios y limitaciones del análisis de sensibilidad.

La realización de análisis de sensibilidad proporciona varios beneficios para los tomadores de decisiones. Primero, actúa como un estudio en profundidad de todas las variables. Para ser más profundos, los pronósticos pueden ser mucho más confiables. 

En segundo lugar, permite a los tomadores de decisiones identificar dónde pueden hacer mejoras en el futuro. Finalmente, permite la capacidad de tomar buenas decisiones sobre las empresas, la economía o sus inversiones.

Pero hay algunas desventajas al usar un modelo como este. Los resultados se basan en supuestos, porque las variables se basan en datos históricos. Esto significa que no es exactamente exacto; por lo tanto, puede haber margen de error al aplicar el análisis a pronósticos futuros.