Ý nghĩa của việc phân tích độ nhạy
Show
Phân tích độ nhạy: Một dự án đầu tư thường có tuổi thọ lâu dài. Nhưng các tính toán lại dựa trên giả định. Thực tế diễn ra không đúng như giả định, do đó dự án có thể không đứng vững. Vì vậy, cần phải phân tích để biết dự án có chắc chắn không khi có những thay đổi bất lợi so với các giả định ban đầu. Đó là phân tích độ nhạy của dự án. Vậy, phân tích độ nhạy là phân tích mối quan hệ giữa các đại lượng đầu vào không an toàn và đại lượng đầu ra. Các đại lượng đầu vào không an toàn thường là: - Mức lãi suất tính toán trong dự án - Sản lượng sản phẩm dịch vụ tiêu thụ - Giá cả đơn vị sản phẩm dịch vụ - Chi phí khả biến - Thời kỳ hoạt động của dự án.. Các đại lượng đầu ra bị ảnh hưởng là: - Giá trị hiện tại thuần (NPV) - Tỷ lệ thu hồi nội tại (IRR) - Thời gian thu hồi vốn có xét yếu tố thời gian của tiền tệ (Thv) - Điểm hoà vốn... Nếu kết quả phân tích cho thấy: Sự thay đổi bất lợi của các đại lượng đầu vào mà dự án vẫn có hiệu quả thì đó là một dự án chắc chắn, có thể triển khai được. Còn trong trường hợp ngược lại, phải có biện pháp đề phòng hoặc khước từ dự án. Phân tích độ nhạy của dự án gồm các bước sau: - Xác định các đại lượng đầu vào không an toàn chủ yếu của dự án - Ước tính những thay đổi dễ xảy ra nhất trong giá trị của các đại lượng này - Xác định sự ảnh hưởng của mỗi sự thay đổi đến chi phí và lợi ích và tính toán chỉ tiêu hiệu quả tương ứng với sự thay đổi đó. - Giải thích kết quả thu được và ý nghĩa của chúng. Một số phương pháp phân tích độ nhạy của dự án: * Chỉ số nhạy cảm của dự án Phương pháp phân tích độ nhạy (tiếng Anh: Sensitivity analysis) là việc xem xét sự thay đổi của các chỉ tiêu hiệu quả tài chính khi các yếu tố có liên quan đến chỉ tiêu đó thay đổi.
Hình minh hoạ (Nguồn: news) Khái niệm Phương pháp phân tích độ nhạy trong tiếng Anh được gọi là Sensitivity analysis. Khi thực hiện thẩm định dự án có thể sử dụng rất nhiều các phương pháp và kĩ thuật thẩm định dự án khác nhau. Phương pháp phân tích độ nhạy là một trong những phương pháp thẩm định được sử dụng phổ biến để thẩm định dự án. Phương pháp phân tích độ nhạy là việc xem xét sự thay đổi của các chỉ tiêu hiệu quả tài chính khi các yếu tố có liên quan đến chỉ tiêu đó thay đổi. Thẩm định dự án đầu tư là việc tổ chức xem xét đánh giá một cách khách quan, khoa học và toàn diện các nội dung cơ bản có ảnh hưởng trực tiếp đến khả năng thực hiện và hiệu quả của dự án để từ đó ra quyết định đầu tư, cho phép đầu tư hoặc tài trợ vốn cho dự án. Theo Luật đầu tư năm 2014: Dự án đầu tư là tập hợp các đề xuất bỏ vốn trung và dài hạn để tiến hành các hoạt động đầu tư trên địa bàn cụ thể, trong khoảng thời gian xác định. Qui trình thực hiệnQui trình thực hiện phương pháp phân tích độ nhạy gồm ba bước sau: Bước 1: Xác định các yếu tố có ảnh hưởng lớn đến chỉ tiêu hiệu quả xem xét Bước 2: Cho các yếu tố đó thay đổi (tăng hoặc giảm) theo một tỉ lệ nhất định (thông thường là 5%,10% hoặc 15%) Bước 3: Tính lại các chỉ tiêu hiệu quả và đưa ra kết luận Nếu có nhiều yếu tố bất lợi xảy ra đối với dự án (như vượt tổng mức vốn đầu tư, công suất giảm, giá đầu vào tăng, giá tiêu thụ sản phẩm giảm...) mà dự án vẫn đạt được hiệu quả thì dự án đó được coi là đạt hiệu quả vững chắc về mặt tài chính. Ưu nhược điểm và ứng dụng- Ưu điểm Giúp biết được dự án nhạy cảm với yếu tố nào để từ đó có biện pháp quản lí phù hợp, hạn chế rủi ro trong quá trình thực hiện dự án Giúp lựa chọn được những dự án có độ an toàn cao Giúp đánh giá rủi ro tài chính dự án - Nhược điểm Chỉ xem xét sự thay đổi của từng yếu tố trong khi kết quả lại chịu tác động của nhiều yếu tố cùng một lúc Điểm bắt đầu của phân tích độ nhạy là các giả định -Ứng dụng Được sử dụng để đánh giá rủi ro của các chỉ tiêu hiệu quả tài chính của dự án. (Tài liệu tham khảo: Công tác tổ chức và phương pháp thẩm định dự án, Trung tâm đào tạo từ xa, ĐH Kinh tế Quốc dân) Diệu Nhi Phân tích độ nhạy (SA) là kỹ thuật làm thế nào để phân chia sự không chắc chắn trong kết quả đầu ra của một mô hình toán học hoặc một hệ thống (hệ thống số hoặc các hệ thống khác) thành các nguồn không chắc chắn khác nhau ở đầu vào mô hình đó.[1] Một kỹ thuật liên quan khác có tên là phân tích độ không chắc chắn, kỹ thuật này tập trung nhiều hơn vào định lượng độ không chắc chắn và sự lan truyền sự không chắc chắn. Lý tưởng nhất, phân tích độ nhạy và phân tích độ không chắc chắn nên được tiến hành song song. Trong không chắc chắn điều khoản nói chung và phân tích độ nhạy điều tra sự vững mạnh của một nghiên cứu khi nghiên cứu bao gồm một số hình thức [[mô hình thống kê. Phân tích độ nhạy có thể hữu ích để lập mô hình máy tính cho một loạt các mục đích,[2] bao gồm:
Hãy để chúng tôi đưa ra một ví dụ: trong bất kỳ quá trình lập ngân sách luôn có những biến không chắc chắn. Mức thuế suất trong tương lai, lãi suất, tỷ lệ lạm phát, số lượng nhân viên, chi phí hoạt động và các biến khác có thể không được biết đến với độ chính xác tuyệt vời. Độ nhạy phân tích trả lời câu hỏi, "nếu các biến này đi chệch từ kỳ vọng, những gì các hiệu ứng sẽ là (kinh doanh, hệ thống, mô hình, hoặc bất cứ điều gì đang được phân tích)?" Mục lục
Tổng quanSửa đổiVấn đề gặp nhau trong lĩnh vực khoa học xã hội, kinh tế, tự nhiên có thể dẫn đến việc sử dụng các mô hình máy tính, mà nói chung không cho vay mình một sự hiểu biết đơn giản của mối quan hệ giữa các yếu tố đầu vào (những gì đi vào mô hình) và đầu ra (phụ thuộc vào mô hình của các biến). Đánh giá cao như vậy, tức là sự hiểu biết về mô hình hoạt động đáp ứng với những thay đổi trong đầu vào của nó, được tầm quan trọng cơ bản để đảm bảo sử dụng đúng các mô hình. Mô hình máy tính được xác định bởi một loạt các phương trình, yếu tố đầu vào, các thông số, và các biến nhằm mục đích mô tả các quá trình đang được điều tra. Đầu vào là nhiều nguồn của sự không chắc chắn bao gồm cả lỗi của đo lường, sự vắng mặt của thông tin và sự thiếu hiểu biết hoặc một phần của các lực lượng và cơ chế lái xe. Không chắc chắn này áp đặt một giới hạn về sự tự tin của chúng tôi trong các phản ứng hoặc đầu ra của mô hình. Hơn nữa, các mô hình có thể phải đối phó với biến đổi bản chất tự nhiên của hệ thống, chẳng hạn như sự xuất hiện của sự kiện ngẫu nhiên. Thực hành mô hình tốt yêu cầu cung cấp một đánh giá rằng mô hình của sự tự tin trong mô hình, có thể đánh giá những điều không chắc chắn liên quan đến quá trình mô hình hóa và với kết quả của mô hình chính nó. [[Không chắc chắn và độ nhạy Phân tích cung cấp các công cụ giá trị đặc trưng cho sự không chắc chắn liên quan với một mô hình. Phân tích không chắc chắn (UA) định lượng không chắc chắn trong các kết quả của một mô hình. Phân tích độ nhạy cảm có vai trò bổ sung đặt hàng bởi tầm quan trọng của sức mạnh và sự liên quan của các yếu tố đầu vào trong việc xác định sự thay đổi ở đầu ra.[1] Trong các mô hình liên quan đến nhiều phân tích độ nhạy cảm biến đầu vào là một thành phần thiết yếu của xây dựng mô hình và đảm bảo chất lượng. Cơ quan quốc gia và quốc tế tham gia trong các nghiên cứu đánh giá tác động bao gồm phần dành để phân tích độ nhạy trong hướng dẫn của họ. Ví dụ như Ủy ban châu Âu, Văn phòng Quản lý và Ngân sách Nhà Trắng, ban liên chính phủ về biến đổi khí hậu và Cơ quan Bảo vệ Môi trường Hoa Kỳ. Đôi khi một phân tích độ nhạy có thể tiết lộ những hiểu biết đáng ngạc nhiên về các chủ đề quan tâm. Ví dụ, lĩnh vực của ra quyết định đa tiêu chí (MCDM) nghiên cứu (trong số các chủ đề khác) vấn đề làm thế nào để lựa chọn thay thế tốt nhất trong số một số lựa chọn thay thế cạnh tranh. Đây là một nhiệm vụ quan trọng trong ra quyết định. Trong bối cảnh như vậy, thay thế từng được mô tả trong điều khoản của một tập hợp các chỉ tiêu đánh giá. Các tiêu chí này được kết hợp với trọng lượng quan trọng. Trực giác, người ta có thể nghĩ rằng lớn hơn trọng lượng cho tiêu chí quan trọng hơn mà tiêu chí cần có. Tuy nhiên, điều này có thể không phải là trường hợp. Điều quan trọng là để phân biệt khái niệm "tới hạn" với tầm quan trọng "" By "quan trọng.", Chúng tôi có nghĩa là một tiêu chí với sự thay đổi nhỏ (như là một tỷ lệ phần trăm) trọng lượng của nó, có thể gây ra một thay đổi đáng kể của giải pháp cuối cùng. Đó là tiêu chí có thể với trọng lượng khá nhỏ tầm quan trọng (ví dụ, những người mà không phải là rất quan trọng trong đó tôn trọng) là quan trọng hơn trong một tình huống nhất định hơn so với người có trọng lượng lớn hơn.[3][4] Đó là, một phân tích độ nhạy có thể làm sáng tỏ các vấn đề không dự đoán vào đầu của một nghiên cứu. Điều này, đến lượt nó, có thể cải thiện đáng kể hiệu quả của các nghiên cứu ban đầu và hỗ trợ trong việc thực hiện thành công của giải pháp cuối cùng. Phương pháp luậnSửa đổiSampling-based sensitivity analysis by scatterplots. Y (vertical axis) is a function of four factors. The points in the four scatterplots are always the same though sorted differently, i.e. by Z1, Z2, Z3, Z4 in turn. Note that the abscissa is different for each plot: (−5, +5) for Z1, (−8, +8) for Z2, (−10, +10) for Z3 and Z4. Z4 is most important in influencing Y as it imparts more 'shape' on Y. Có một số thủ tục có thể thực hiện sự không chắc chắn (UA) và phân tích độ nhạy (SA). Các lớp học quan trọng của phương pháp là:
where the subscript x 0 {\displaystyle {\textbf {x}}^{0}} chỉ ra rằng phái sinh được thực hiện tại một số điểm cố định trong không gian của đầu vào (vì thế các địa phương trong tên của lớp). liên hợp mô hình[5][6] and Automated Differentiation[7] là phương pháp trong lớp này.
Chương trình lý tưởng của một phân tích độ nhạy có thể lấy mẫu dựa trên. Sự không chắc chắn phát sinh từ các nguồn khác nhau - sai sót trong dữ liệu, thủ tục lập dự toán thông số, cấu trúc mô hình thay thế được tuyên truyền thông qua mô hình để phân tích không chắc chắn và tầm quan trọng tương đối của họ được định lượng thông qua phân tích độ nhạy. Thường (ví dụ như dựa trên phương pháp lấy mẫu) UA và SA được thực hiện phối hợp thực hiện các mô hình liên tục cho sự kết hợp của các giá trị yếu tố lấy mẫu với một số phân phối xác suất. Các bước sau đây có thể được liệt kê:
Các ứng dụngSửa đổiPhân tích độ nhạy có thể được sử dụng
Nó cung cấp thông tin cũng như trên:
Kinh doanhSửa đổiTrong một vấn đề quyết định, các nhà phân tích có thể muốn xác định các trình điều khiển chi phí cũng như số lượng khác mà chúng ta cần phải tiếp thu kiến thức tốt hơn để ra một quyết định. Mặt khác, một số lượng không ảnh hưởng đến các dự đoán, để chúng ta có thể tiết kiệm tài nguyên tại mà không làm giảm độ chính xác bằng cách thư giãn một số điều kiện. Tài chính doanh nghiệp: xác định số lượng không chắc chắn. Phân tích độ nhạy có thể giúp đỡ trong một loạt các trường hợp khác mà có thể được xử lý bởi các thiết lập được minh họa dưới đây:
Tuy nhiên cũng có một số vấn đề liên quan đến phân tích nhạy cảm trong bối cảnh kinh doanh:
Trong kinh tế hiện đại, sử dụng phân tích độ nhạy để dự đoán những lời chỉ trích là chủ đề của một trong các điều răn mười ứng dụng kinh tế (từ Kennedy, năm 2007[35]):
Động học phản ứngSửa đổiVới sự tích lũy kiến thức về các cơ chế động học được điều tra và trước sức mạnh của công nghệ máy tính hiện đại, chi tiết mô hình động học phức tạp đang ngày càng được sử dụng như một công cụ dự báo và hỗ trợ cho sự hiểu biết các hiện tượng cơ bản. Một mô hình động học thường được mô tả bởi một tập hợp các phương trình vi phân biểu diễn mối quan hệ theo thời gian. Phân tích độ nhạy đã được chứng minh là một công cụ mạnh mẽ để điều tra một mô hình động học phức tạp.[37][38][39] Các thông số động học thường xuyên được xác định từ dữ liệu thực nghiệm thông qua dự toán phi tuyến. Phân tích độ nhạy có thể được sử dụng tối ưu thiết kế thử nghiệm, ví dụ như xác định điều kiện ban đầu, vị trí, đo lường, và thời gian lấy mẫu, để tạo ra dữ liệu thông tin đó rất quan trọng đến độ chính xác dự toán. Một số lượng lớn các thông số trong một mô hình phức tạp có thể là ứng cử viên cho dự toán nhưng không phải tất cả là tôn kính.[39] Phân tích độ nhạy có thể được sử dụng để xác định các thông số ảnh hưởng có thể được xác định từ dữ liệu có sẵn trong khi sàng lọc ra những người không quan trọng. Phân tích độ nhạy cảm cũng có thể được sử dụng để xác định các loài dự phòng và phản ứng cho phép giảm mô hình. Trong phân tích metaSửa đổiTrong một phân tích meta, độ nhạy kiểm tra phân tích nếu kết quả là nhạy cảm với hạn chế về các dữ liệu bao gồm. Ví dụ thường gặp là những thử nghiệm lớn, thử nghiệm chất lượng cao hơn, và các thử nghiệm gần đây chỉ. Nếu kết quả phù hợp cung cấp bằng chứng mạnh mẽ hơn về hiệu quả và khái quát.[40] Xem thêmSửa đổi
Chú thíchSửa đổi
Tham khảoSửa đổi
Đọc thêmSửa đổi
Liên kết ngoàiSửa đổi
|