Analýza scénářů hodnotí očekávanou hodnotu navrhované investice nebo obchodní činnosti. Statistická střední hodnota je nejvyšší pravděpodobnostní událost očekávaná v určité situaci. Vytvořením různých scénářů, které se mohou vyskytnout a jejich kombinací s pravděpodobností, že se objeví, analytik může lépe určit hodnotu investičního nebo podnikatelského podniku a pravděpodobnost, že vypočítaná očekávaná hodnota skutečně nastane.

Určení rozdělení pravděpodobnosti investice se rovná určení rizika, které je v této investici spojeno. Porovnáním očekávaného výnosu s očekávaným rizikem a překonáním rizika s tolerancí vůči riziku investora byste mohli být schopni lépe rozhodovat o tom, zda investovat do potenciálního podnikatelského záměru. Tento článek bude představovat několik jednoduchých příkladů různých způsobů, jak provést analýzu scénářů a poskytnout odůvodnění pro jejich použití. (Chcete-li se dozvědět více o rozložení pravděpodobnosti, přečtěte si Najděte správnou sestavu s pravděpodobnostním rozdělením .)

Přehled
Údaje o historických výkonnostech jsou potřebné k tomu, aby poskytly nějaký přehled o variabilitě výkonnosti investice investoři chápou riziko, které v minulosti nesly akcionáři. Zkoumáním pravidelných údajů o návratu může investor získat přehled o minulém riziku investice. Například, protože variabilita se rovná riziku, investice, která poskytla stejnou výnosnost každý rok, se považuje za méně rizikovou než investice, která poskytla roční výnosy, které kolísaly mezi negativním a pozitivním. I když obě investice mohou poskytnout stejnou celkovou návratnost za daný investiční horizont, periodické výnosy ukazují rozdíly v riziku v těchto investicích. (Pro více informací si přečtěte Měření výkonu portfolia .)

Přísné předpisy týkající se výpočtu a vykazování výnosů z minulosti zajišťují srovnatelnost informací o navrácení cenných papírů, investičních správců a fondů. Dosavadní výkonnost však neposkytuje žádnou záruku ohledně budoucího rizika nebo návratnosti investice. Analýza scénářů se snaží pochopit potenciální riziko / návratnost profilu podniku. Analýzou více pro-forma odhadů pro daný podnik a označením pravděpodobnosti pro každý scénář začíná vytvářet distribuci pravděpodobnosti (rizikový profil) pro daný podnik.
Příklady
Analýza scénářů může být použita mnoha způsoby. Nejvíce typickou metodou je provádět vícefaktorovou analýzu (modely obsahující více proměnných) následujícími způsoby:

- 9 ->

• Vytvoření pevného počtu scénářů
  • Určení vysoko-nízkého rozložení
  • Vytvoření středně pokročilých scénářů
• Analýza náhodných faktorů
  • Analýza
  • Mnoho analytiků vytvoří multivariační model (model s více proměnnými), zapojí nejlepší odhad o hodnotě každé proměnné a přijde s jednou prognózovanou hodnotou.Průměrná pravděpodobnost rozdělení je ta, která má nejvyšší pravděpodobnost výskytu. Použitím hodnoty pro každou proměnnou, která se očekává jako nejpravděpodobnější, analytik ve skutečnosti vypočítá průměrnou hodnotu potenciální distribuce potenciálních hodnot. Přestože průměr má informativní hodnotu, jak již bylo uvedeno, nevykazuje žádnou potenciální změnu ve výsledcích.

Analýza rizik se zabývá snahou zjistit pravděpodobnost, že budoucí výsledek bude něco jiného než střední hodnota. Jeden způsob, jak zobrazit variaci, je vypočítat odhad extrémních a nejméně pravděpodobných výsledků na pozitivní a negativní straně průměru. Nejjednodušší metodou pro prognózu potenciálních výsledků investice nebo podniku je vytvořit pro každý výsledek případ ups a downside a pak spekulovat pravděpodobnost, že k tomu dojde. Obrázek 1 používá metodu tří scénářů, která vyhodnocuje základní případ (B) (střední hodnota), případ upside (U) a dolní část (D).

Obrázek 1

Například jednoduchá analýza dvou faktorů:

Hodnota V = Proměnná A + Proměnná B, kde každá proměnná hodnota není omezena.
Přiřazením dvou extrémních horních a dolních hodnot pro A a B bychom získali naše tři hodnoty scénáře. Přiřazením pravděpodobnosti výskytu předpokládejme:

50% pro hodnotu (B) = 200
25% pro hodnotu (U) = 300
25% pro hodnotu (D) > Při přiřazování pravděpodobností musí být součet přiřazených pravděpodobností rovný 100%. Grafem těchto hodnot a jejich pravděpodobností můžeme vyvodit spíše hrubé rozdělení pravděpodobnosti (rozdělení všech vypočtených hodnot a pravděpodobnost těchto hodnot). Formováním vzestupných a nevýhodných případů se začínáme seznámit s dalšími možnými výnosovými výsledky, avšak existuje mnoho dalších potenciálních výsledků v rámci souboru, které jsou ohraničeny extrémním horním a dolním okrajem, které již byly odhadnuty.
Obrázek 2 představuje jednu metodu pro stanovení pevného počtu výsledků mezi těmito dvěma extrémy. Za předpokladu, že každá proměnná pracuje nezávisle, tj. Její hodnota nezávisí na hodnotě jakékoliv jiné proměnné, můžeme pro každou proměnnou provádět obrácený, základový a downside případ. V modelu zjednodušeného dvou faktorů by tento typ analýzy vedl k celkem devíti výsledkům. Trojfaktorový model využívající tři potenciální výstupy pro každou proměnnou by skončil s 27 výsledky a tak dále. Rovnice pro určení celkového počtu výsledků pomocí této metody se rovná

(
Y X ) ^{, kde Y = počet možných scénářů pro každý faktor a X = počet faktorů v modelu. (Další informace naleznete v části} Moderní teorie portfolia statistik Primer .) Obrázek 2 Na obrázku 2 je devět výsledků, ale ne devět oddělených hodnot. Například výsledek pro BB se může rovnat výsledku DU nebo UD. K dokončení této studie by analytik přiřadil pravděpodobnosti pro každý výsledek a poté přidal tyto pravděpodobnosti pro jakékoliv podobné hodnoty.Očekávali bychom, že hodnota odpovídající průměru, v tomto případě BB, se bude zdát nejvíce, jelikož průměr je hodnota s největší pravděpodobností výskytu. Četnost podobných hodnot zvyšuje pravděpodobnost výskytu. Časy vícekrát se neopakují, zejména střední hodnota, tím vyšší je pravděpodobnost, že budoucí výnosy budou něco jiného než průměr. Čím více faktorů má jeden model a tím více scénářů faktorů jeden, tím více potenciálních hodnot scénářů se vypočítá, což vede k robustní analýze a nahlédnutí do rizika potenciální investice.

Nevýhoda analýzy scénářů

Nejdůležitějším nedostatkem těchto typů analýz pevných výsledků jsou odhadované pravděpodobnosti a výsledné soubory ohraničené hodnotami pro extrémní pozitivní a negativní události. Ačkoli to mohou být události s nízkou pravděpodobností, většina investic nebo portfolia investic má potenciál pro velmi vysoké kladné a záporné výnosy. Investoři si musí pamatovat, že ačkoli se to nestane často, tyto události s nízkou pravděpodobností se stane a analýza rizik pomáhá určit, zda jsou tyto potenciální události v toleranci rizika investora. (Pro související čtení viz

Přizpůsobení rizikové tolerance
a Tolerance rizika pouze informuje o polovině příběhu .) Metodou obtěžování problémů vyplývajících z předchozích příkladů je spustit extrémní počet testů multivariačního modelu. Analýza náhodných faktorů je dokončena spuštěním tisíců a dokonce stovek tisíc nezávislých testů s počítačem, které náhodným způsobem přiřazují hodnoty faktorům. Nejběžnější typ analýzy náhodných faktorů se nazývá analýza "Monte Carlo", kde hodnoty faktorů nejsou odhadnuty, ale jsou náhodně vybrány z množiny ohraničené vlastní distribucí pravděpodobností proměnných. (Více informací o této analýze si přečtěte Úvod do simulace Monte Carlo

.) Závěr Standardy pro vykazování investiční výkonnosti zajišťují, aby investoři měli rizikový profil (variabilita výkonu) minulou výkonnost investic. Vzhledem k tomu, že minulá výkonnost nemá vliv na budoucí riziko nebo návratnost, je na vlastníka investora nebo podniku, aby určil budoucí riziko svých investic vytvořením modelů pro forma. Produkce jakékoli prognózy bude produkovat pouze očekávanou nebo střední hodnotu této iniciativy; což je podle analytika nejvyšší pravděpodobnost výskytu. Analýzou scénáře může investor vytvořit rizikový profil pro předpokládanou investici a vytvořit základ pro porovnání potenciálních investic.