البيانات وجداول البيانات · DCF الآلة الحاسبة
كيفية تشغيل DCF تحليل الحساسية على افتراض واحد في كل مرة
· كيف يعمل
dcf تقييم جداول البيانات
DCF يعطي رقمًا واحدًا، لكن الإجابة الصادقة هي نطاق. يوضح هذا المنشور كيفية إنشاء جدول الحساسية يدويًا، والذي يتم إدخاله للثني أولاً، وكيفية قراءة النتيجة دون المبالغة في تفسيرها.
تم تقديم أحد أرقام التقييم كما لو كان دقيقًا - لماذا يخفي تقدير النقطة مدى هشاشة النموذج
إحدى نتائج DCF هي إحداثيات، وليست إجابة مستقلة عن الافتراضات. يخفي تقدير النقطة ما إذا كان التغيير الطفيف في النمو أو معدل الخصم بالكاد يحرك النموذج أو يرسله عبر نطاق واسع. تحليل الحساسية يجعل هذا الاعتماد مرئيًا وأكثر صدقًا من إضافة منازل عشرية إلى الحالة الأساسية.
المرونة مرة واحدة - الاحتفاظ بكل المدخلات ثابتة وتحريك المدخلات (معدل الخصم، النمو، الهامش) من خلال نطاق معقول
ابدأ بتثبيت كل المدخلات وتغيير افتراض واحد من خلال نطاق افتراضي تم اختياره عمدًا. وهذا يعزل الاتجاه والحجم: تؤكد اختبارات المستودع أن معدل الخصم الأعلى يخفض القيمة وأن النمو النهائي الأعلى يرفعها. لا تغير النمو والهوامش وإعادة الاستثمار معًا ثم تنسب الحركة إلى أحدهما.
بناء شبكة ذات اتجاهين - ربط معدل الخصم بالنمو النهائي لمعرفة أين تتأرجح القيمة بشكل أكبر
وتكرر الشبكة ذات الاتجاهين النموذج لكل زوج من معدل الخصم والنمو النهائي. ToolAcre ينشئ هذه المصفوفة بالضبط ويحافظ على الخلايا غير الصالحة باعتبارها فارغة مع وجود خطأ عندما يصل النمو إلى معدل الخصم أو يتجاوزه. وبالتالي فإن الزاوية الفارغة هي دليل على أن صيغة الأبدية غير محددة هناك، وليست نتيجة إيجابية مفقودة.
ما هي المدخلات التي تستحق الاهتمام - ترتيب الافتراضات حسب مدى تأثير التغيير الواقعي الصغير في النتيجة
قم بترتيب المدخلات حسب الحركة الناتجة عن تغيير مماثل، وليس حسب مدى روعة تسمياتها. عادة ما تستجيب النماذج طويلة الأجل بقوة لمعدل الخصم والنمو النهائي لأن كلاهما يؤثر على القيمة النهائية، في حين أن النمو المتوقع يغير كل تدفق نقدي مركب. التصنيف المفيد خاص بالنموذج والنطاق الذي اختبرته بالفعل.
مثال عملي — إعادة تشغيل الحالة الأساسية بعدة معدلات خصم ونمو وجدولتها في شبكة بسيطة مع وضع علامة على الحالة الأساسية
بالنسبة لخمسة تدفقات نقدية افتراضية ثابتة تبلغ 100، تتراوح الشبكة بمعدلات الخصم 8% و10% و12% والنمو النهائي 1% و2.5% و4% من 881.48 إلى 2,168.79. الخلية الأساسية 10% و2.5% هي 1,227.67. هذه الأرقام عبارة عن مظاهرات حسابية، وليست حدودًا معقولة لأي أمان.
قراءة الشبكة بأمانة - التعامل مع السبريد كإجابة وملاحظة متى ينتج عن أحد أركان الجدول هراء
قراءة انتشار قبل المركز. تشير الشبكة التي تتحرك خلاياها المجاورة بشكل حاد إلى أن النموذج لا يمكنه دعم استنتاج محدد بشكل ضيق. قم أيضًا بفحص المجموعات غير الصالحة والزوايا المتطرفة بدلاً من توسيطها في نقطة وسط مريحة. ToolAcre يُبلغ عن الأرقام والأخطاء فقط؛ فهو لا يصنف الخلايا عمدًا على أنها جذابة أو غير جذابة.
ما لا يغطيه هذا هو أن محاكاة مونت كارلو والافتراضات المترابطة واحتمالات السيناريوهات هي أبعد من مجرد آلة حاسبة بسيطة
لا تقوم الشبكة المستطيلة بتعيين الاحتمالات أو الحفاظ على الارتباط بين الافتراضات أو نموذج التوزيع. يتطلب تحليل مونت كارلو واحتمالات السيناريو أدلة حول كيفية تحرك المدخلات معًا. تعد السيناريوهات والشبكة المسماة في الآلة الحاسبة عبارة عن عمليات إعادة تشغيل حتمية، وهي مفيدة للميكانيكيين ولكنها ليست تنبؤًا بعدد مرات حدوث النتائج.
الحساسية هي الهدف من التمرين - كيف تقوم إعادة إدخال الافتراضات في ToolAcre DCF بتحويل كل خلية في الشبكة إلى عملية إعادة حساب سريعة
الحساسية ليست ملحقًا يضاف بعد التقييم؛ إنه اختبار لما يعنيه التقييم. استخدم الشبكة المضمنة للعثور على الخلايا عالية الحركة، ثم أعد تشغيلها وتفقد الصفوف. يعتمد الناتج كليًا على النطاقات المختارة، لذا قم بتوثيق تلك الاختيارات بدلاً من تقديم أوسع أو أضيق انتشار كهدف.