Data & spreadsheet · DCF Kalkulator
Cara Menjalankan Analisis Sensitivitas DCF Satu Asumsi Sekaligus
· Cara kerjanya
DCF penilaian spreadsheet
DCF memberikan satu angka, tetapi jawaban jujurnya adalah rentang. Posting ini menunjukkan cara membuat tabel sensitivitas dengan tangan, input mana yang harus dilenturkan terlebih dahulu, dan cara membaca hasilnya tanpa menafsirkannya secara berlebihan.
Salah satu angka penilaian disajikan seolah-olah akurat — mengapa estimasi titik menyembunyikan betapa rapuhnya model tersebut
Satu hasil DCF adalah sebuah koordinat, bukan jawaban yang tidak bergantung pada asumsi. Estimasi titik menyembunyikan apakah perubahan kecil terhadap pertumbuhan atau tingkat diskonto hampir tidak menggerakkan model atau mengirimkannya ke rentang yang luas. Analisis sensitivitas membuat ketergantungan tersebut terlihat dan lebih jujur dibandingkan menambahkan tempat desimal pada kasus dasar.
Pelenturan satu per satu - menahan setiap input tetap dan memindahkannya (tingkat diskon, pertumbuhan, margin) melalui rentang yang masuk akal
Mulailah dengan menjaga setiap masukan tetap dan mengubah satu asumsi melalui rentang hipotetis yang dipilih secara sengaja. Hal ini mengisolasi arah dan besaran: pengujian repositori mengkonfirmasi bahwa tingkat diskonto yang lebih tinggi akan menurunkan nilai dan pertumbuhan terminal yang lebih tinggi akan meningkatkannya. Jangan mengubah pertumbuhan, margin, dan reinvestasi secara bersamaan dan kemudian menghubungkan pergerakan tersebut dengan salah satu dari keduanya.
Membangun jaringan dua arah — memasangkan tingkat diskonto dengan pertumbuhan terminal untuk melihat di mana perubahan nilai paling kuat
Grid dua arah mengulangi model untuk setiap pasangan tingkat diskonto dan pertumbuhan terminal. ToolAcre membuat matriks ini dengan tepat dan mempertahankan sel yang tidak valid sebagai nol dengan kesalahan saat pertumbuhan memenuhi atau melampaui tingkat diskonto. Oleh karena itu, sudut kosong adalah bukti bahwa rumus kekekalan tidak terdefinisi di sana, bukan hilangnya hasil yang diinginkan.
Masukan mana yang patut mendapat perhatian — memberi peringkat pada asumsi berdasarkan seberapa besar perubahan kecil dan realistis dapat mempengaruhi hasil
Beri peringkat masukan berdasarkan pergerakan yang disebabkan oleh perubahan yang sebanding, bukan berdasarkan seberapa dramatis bunyi labelnya. Model jangka panjang biasanya memberikan respons yang kuat terhadap tingkat diskonto dan pertumbuhan terminal karena keduanya mempengaruhi nilai terminal, sedangkan perkiraan pertumbuhan mengubah setiap arus kas gabungan. Peringkat yang berguna dikhususkan untuk model dan rentang yang sebenarnya Anda uji.
Contoh praktis - kasus dasar dijalankan kembali pada beberapa tingkat diskonto dan pertumbuhan dan ditabulasikan ke dalam kotak sederhana dengan kasus dasar ditandai
Untuk lima arus kas hipotetis konstan sebesar 100, jaringan dengan harga diskon 8%, 10% Dan 12% dan pertumbuhan terminal 1%, 2.5% Dan 4% berkisar dari 881.48 ke 2,168.79. Itu 10% Dan 2.5% sel dasar adalah 1,227.67. Angka-angka ini hanyalah demonstrasi aritmatika, bukan batasan yang masuk akal untuk keamanan apa pun.
Membaca grid dengan jujur — memperlakukan penyebaran sebagai jawabannya dan memperhatikan ketika sudut meja menghasilkan hal yang tidak masuk akal
Baca penyebarannya sebelum ke tengah. Sebuah grid yang sel-sel tetangganya bergerak tajam menunjukkan bahwa model tersebut tidak dapat mendukung kesimpulan yang dinyatakan secara sempit. Periksa juga kombinasi yang tidak valid dan sudut ekstrim daripada meratakannya ke titik tengah yang nyaman. ToolAcre hanya melaporkan angka dan kesalahan; ia sengaja tidak memberi label pada sel sebagai menarik atau tidak menarik.
Apa yang tidak tercakup dalam hal ini — Simulasi Monte Carlo, asumsi-asumsi yang berkorelasi, dan probabilitas skenario berada di luar jangkauan kalkulator sederhana
Grid persegi panjang tidak menetapkan probabilitas, mempertahankan korelasi antar asumsi, atau memodelkan distribusi. Analisis Monte Carlo dan probabilitas skenario memerlukan bukti tentang bagaimana input berpindah secara bersamaan. Skenario dan kisi-kisi yang diberi nama pada kalkulator adalah pemutaran ulang deterministik, yang berguna untuk mekanik namun bukan perkiraan seberapa sering hasil terjadi.
Sensitivitas adalah inti dari latihan ini — bagaimana memasukkan kembali asumsi ke dalam Kalkulator ToolAcre DCF mengubah setiap sel grid menjadi perhitungan ulang yang cepat
Sensitivitas bukanlah suatu lampiran yang ditambahkan setelah penilaian; ini adalah ujian tentang arti penilaian. Gunakan kisi bawaan untuk menemukan sel dengan pergerakan tinggi, lalu jalankan kembali dan periksa barisnya. Outputnya bergantung sepenuhnya pada rentang yang dipilih, jadi dokumentasikan pilihan tersebut alih-alih menampilkan spread terluas atau tersempit sebagai tujuan.