важно иметь в виду, что, когда компания анализирует потенциальный проект, он прогнозирует потенциальные не фактические потоки денежных средств для проекта. Как мы все знаем, прогнозы основаны на предположениях, которые могут быть неверными. Поэтому важно, чтобы компания провела анализ чувствительности по своим предположениям, чтобы лучше понять общий риск проекта, который компания собирается принять.

Существует три метода анализа риска, которые должны быть известны для экзамена:

1. Анализ чувствительности
Анализ чувствительности - это просто метод определения того, насколько чувствителен наш анализ NPV к изменениям наших переменных допущений. Чтобы начать анализ чувствительности, мы должны сначала разработать базовый сценарий. Это, как правило, NPV с использованием предположений, которые мы считаем наиболее точными. Оттуда мы можем изменить различные предположения, которые мы изначально сделали, исходя из других потенциальных предположений. Затем вычисляется NPV, и определяется чувствительность NPV, основанная на изменении допущений. В зависимости от нашей уверенности в наших предположениях мы можем определить, насколько потенциально рискован проект.

2. Анализ сценариев
Анализ сценариев делает анализ чувствительности еще одним шагом. Вместо того, чтобы просто анализировать чувствительность нашего анализа NPV к изменениям наших переменных допущений, сценарийный анализ также рассматривает распределение вероятностей переменных. Подобно анализу чувствительности, анализ сценариев начинается с построения базового сценария. Оттуда рассматриваются другие сценарии, известные как «наилучший сценарий» и «наихудший сценарий». Вероятности присваиваются сценариям и вычисляются для достижения ожидаемого значения. Учитывая его простоту, сценарийный анализ является одним из наиболее часто используемых методов анализа риска.

3. Монте-Карло Моделирование
Моделирование методом Монте-Карло считается «лучшим» методом анализа чувствительности. Он приходит с бесконечными вычислениями (ожидаемыми значениями) с учетом ряда ограничений. Добавляются ограничения, и система генерирует случайные переменные входных данных. Оттуда вычисляется NPV. Вместо того, чтобы генерировать всего несколько итераций, симуляция повторяет процесс много раз. Из многочисленных результатов рассчитывается ожидаемое значение.