डेटा और स्प्रेडशीट · DCF कैलकुलेटर
DCF संवेदनशीलता विश्लेषण एक समय में एक धारणा कैसे चलाएं
· यह काम किस प्रकार करता है
डीCAफ मूल्यांकन स्प्रेडशीट
DCF एक संख्या देता है, लेकिन ईमानदार उत्तर एक सीमा है। यह पोस्ट दिखाती है कि हाथ से एक संवेदनशीलता तालिका कैसे बनाई जाए, पहले कौन से इनपुट को फ्लेक्स किया जाए, और बिना अधिक व्याख्या किए परिणाम को कैसे पढ़ा जाए।
एक मूल्यांकन आंकड़ा इस तरह प्रस्तुत किया गया जैसे कि यह सटीक हो - क्यों एक बिंदु अनुमान यह छिपाता है कि मॉडल कितना नाजुक है
एक DCF परिणाम एक समन्वय है, न कि मान्यताओं से स्वतंत्र उत्तर। एक बिंदु अनुमान यह छिपाता है कि क्या विकास में एक छोटा सा बदलाव या छूट दर मुश्किल से मॉडल को आगे बढ़ाती है या इसे एक विस्तृत श्रृंखला में भेजती है। संवेदनशीलता विश्लेषण उस निर्भरता को दृश्यमान बनाता है और आधार मामले में दशमलव स्थान जोड़ने की तुलना में अधिक ईमानदार है।
एक-एक-समय पर फ्लेक्सिंग - प्रत्येक इनपुट को स्थिर रखना और एक (छूट दर, विकास, मार्जिन) को एक प्रशंसनीय सीमा के माध्यम से आगे बढ़ाना
प्रत्येक इनपुट को स्थिर रखने और जानबूझकर चुनी गई काल्पनिक सीमा के माध्यम से एक धारणा को बदलने से शुरुआत करें। यह दिशा और परिमाण को अलग करता है: रिपॉजिटरी परीक्षण पुष्टि करते हैं कि उच्च छूट दर मूल्य को कम करती है और उच्च टर्मिनल वृद्धि इसे बढ़ाती है। विकास, मार्जिन और पुनर्निवेश को एक साथ न बदलें और फिर उनमें से किCAक को आंदोलन का श्रेय दें।
दो-तरफा ग्रिड का निर्माण - टर्मिनल विकास के साथ छूट दर को जोड़कर यह देखने के लिए कि मूल्य कहां सबसे अधिक उतार-चढ़ाव करता है
दो-तरफ़ा ग्रिड प्रत्येक छूट-दर और टर्मिनल-विकास जोड़ी के लिए मॉडल को दोहराता है। ToolAcre बिल्कुल इसी मैट्रिक्स का निर्माण करता है और जब वृद्धि छूट दर से मिलती है या उससे अधिक हो जाती है, तो त्रुटि के साथ अमान्य कोशिकाओं को शून्य के रूप में संरक्षित करता है। इसलिए एक खाली कोना इस बात का सबूत है कि शाश्वतता का सूत्र वहां अपरिभाषित है, न कि गायब अनुकूल परिणाम।
कौन से इनपुट ध्यान देने योग्य हैं - एक छोटा, यथार्थवादी परिवर्तन परिणाम को कितना प्रभावित करता है, इसके आधार पर धारणाओं की रैंकिंग
तुलनीय परिवर्तन के कारण होने वाले आंदोलन द्वारा रैंक इनपुट, न कि उनके लेबल कितने नाटकीय लगते हैं। लंबे समय तक चलने वाले मॉडल आमतौर पर छूट दर और टर्मिनल वृद्धि पर दृढ़ता से प्रतिक्रिया करते हैं क्योंकि दोनों टर्मिनल मूल्य को प्रभावित करते हैं, जबकि पूर्वानुमानित वृद्धि प्रत्येक मिश्रित नकदी प्रवाह को बदल देती है। उपयोगी रैंकिंग उस मॉडल और रेंज के लिए विशिष्ट है जिसका आपने वास्तव में परीक्षण किया था।
कार्यान्वित उदाहरण - एक बेस केस को कई छूट और विकास दरों पर फिर से चलाया गया और बेस केस को चिह्नित करके एक सरल ग्रिड में सारणीबद्ध किया गया
100 के पांच निरंतर काल्पनिक नकदी प्रवाह के लिए, छूट दरों पर ग्रिड 8%, 10% और 12% और टर्मिनल वृद्धि 1%, 2.5% और 4% तक होती है। 881.48 से 2,168.79। 10% और 2.5% बेस सेल 1,227.67 है। ये आंकड़े अंकगणितीय प्रदर्शन हैं, किसी भी सुरक्षा के लिए प्रशंसनीय सीमा नहीं हैं।
ग्रिड को ईमानदारी से पढ़ना - प्रसार को उत्तर के रूप में मानना और ध्यान देना कि मेज का कोई कोना कब बकवास उत्पन्न करता है
केंद्र से पहले प्रसार पढ़ें. एक ग्रिड जिसकी पड़ोसी कोशिकाएँ तेजी से चलती हैं, कहती है कि मॉडल एक संकीर्ण रूप से बताए गए निष्कर्ष का समर्थन नहीं कर सकता है। अमान्य संयोजनों और चरम कोनों का भी निरीक्षण करें बजाय उन्हें आरामदायक मध्यबिंदु में औसत करने के। ToolAcre केवल आंकड़ों और त्रुटियों की रिपोर्ट करता है; यह जानबूझकर कोशिकाओं को आकर्षक या अनाकर्षक के रूप में लेबल नहीं करता है।
इसमें क्या शामिल नहीं है - मोंटे कार्लो सिमुलेशन, सहसंबद्ध धारणाएं और परिदृश्य संभावनाएं एक साधारण कैलकुलेटर से परे हैं
एक आयताकार ग्रिड संभावनाएं निर्दिष्ट नहीं करता है, मान्यताओं के बीच सहसंबंध को संरक्षित नहीं करता है या वितरण को मॉडल नहीं करता है। मोंटे कार्लो विश्लेषण और परिदृश्य संभावनाओं के लिए इस बात के साक्ष्य की आवश्यकता होती है कि इनपुट एक साथ कैसे चलते हैं। कैलकुलेटर के नामित परिदृश्य और ग्रिड नियतात्मक पुन: संचालन हैं, जो यांत्रिकी के लिए उपयोगी हैं लेकिन यह पूर्वानुमान नहीं है कि परिणाम कितनी बार घटित होते हैं।
संवेदनशीलता अभ्यास का बिंदु है - कैसे ToolAcre DCF कैलकुलेटर में मान्यताओं को फिर से दर्ज करना ग्रिड के प्रत्येक सेल को त्वरित पुनर्गणना में बदल देता है
संवेदनशीलता मूल्यांकन के बाद जोड़ा गया कोई परिशिष्ट नहीं है; यह इस बात की परीक्षा है कि मूल्यांकन का क्या अर्थ है। उच्च-गति वाली कोशिकाओं को खोजने के लिए अंतर्निहित ग्रिड का उपयोग करें, फिर उन्हें फिर से चलाएँ और पंक्तियों का निरीक्षण करें। आउटपुट पूरी तरह से चुनी गई कैटेगरी पर निर्भर करता है, इसलिए सबसे व्यापक या सबसे संकीर्ण प्रसार को उद्देश्य के रूप में प्रस्तुत करने के बजाय उन विकल्पों का दस्तावेजीकरण करें।