データとスプレッドシート · DCF 計算機
DCF 感度解析を一度に 1 つの仮定で実行する方法
· 仕組み
dcf 評価 スプレッドシート
DCF は 1 つの数値を与えますが、正直な答えは範囲です。この投稿では、感度テーブルを手動で作成する方法、最初にフレックスする入力、および結果を過度に解釈せずに読み取る方法を示します。
まるで正確であるかのように提示された 1 つの評価数値 — 点推定がモデルの脆弱性を隠す理由
DCF 結果の 1 つは座標であり、仮定に依存しない答えではありません。点推定では、成長率や割引率の小さな変化がモデルをほとんど動かさないのか、モデルが広範囲に影響を与えるのかがわかりません。感度分析により、その依存関係が可視化され、基本ケースに小数点以下の桁を追加するよりも正確になります。
一度に 1 つずつ変更 — すべての入力を固定し、入力 (割引率、成長率、マージン) を妥当な範囲内で移動します
まず、すべての入力を固定し、意図的に選択された仮説範囲を通じて 1 つの仮定を変更します。これにより、方向と規模が区別されます。リポジトリのテストでは、割引率が高くなると価値が下がり、端末の成長が大きくなると価値が上がることが確認されています。成長率、利益率、再投資を一緒に変更して、その変動がそのうちの 1 つに起因するものと考えないでください。
双方向グリッドの構築 — 割引率と端末の増加を組み合わせて、値が最も大きく変動する場所を確認します
双方向グリッドは、割引率と最終成長のペアごとにモデルを繰り返します。 ToolAcre はまさにこのマトリックスを構築し、成長率が割引率以上になると、無効なセルを null として保存し、エラーが発生します。したがって、空白の隅は、そこでは永久公式が定義されていないことの証拠であり、好ましい結果が欠けているわけではありません。
どの入力が注目に値するか - 小さく現実的な変更が結果にどの程度影響を与えるかによって仮定をランク付けする
ラベルがどれだけ劇的に聞こえるかではなく、同等の変化によって引き起こされる動きによって入力をランク付けします。長期モデルは通常、割引率と最終成長率に強く反応します。これは、どちらも最終価値に影響を与える一方、予測成長率によって各複利キャッシュ フローが変化するためです。有用なランキングは、実際にテストしたモデルと範囲に固有のものです。
作業例 — いくつかの割引率と成長率で基本ケースを再実行し、基本ケースにマークを付けて単純なグリッドに表化したもの
100 の 5 つの一定の仮想キャッシュ フローの場合、割引率 8%、10%、12%、最終成長率 1%、2.5%、4% のグリッドは、881.48 ～ 2,168.79。 10% および 2.5% の基本セルは 1,227.67 です。これらの数字は算術的な実証であり、いかなる証券にとっても妥当な限界ではありません。
グリッドを正直に読む — スプレッドを答えとして扱い、テーブルの隅がナンセンスを生み出していることに気づく
センターの前にスプレッドを読みます。隣接するセルが急激に移動するグリッドは、モデルが厳密に述べられた結論をサポートできないことを示します。また、無効な組み合わせや極端なコーナーを平均して快適な中間点にするのではなく、検査します。 ToolAcre は数値とエラーのみを報告します。セルを魅力的か魅力的でないかというラベルを意図的に付けません。
この内容の対象外 — モンテカルロ シミュレーション、相関仮定、シナリオ確率は単純な計算機を超えています
長方形グリッドは、確率を割り当てたり、仮定間の相関を保持したり、分布をモデル化したりしません。モンテカルロ分析とシナリオの確率には、入力がどのように連動するかについての証拠が必要です。カリキュレーターの名前付きシナリオとグリッドは決定的な再実行であり、メカニズムには役立ちますが、結果が発生する頻度を予測するものではありません。
感度が演習のポイントです。ToolAcre DCF 計算ツールに仮定を再入力することで、グリッドの各セルが迅速な再計算にどのように変換されるかがわかります。
感度は評価後に追加される付録ではありません。それは評価が何を意味するのかを試すテストなのです。組み込みのグリッドを使用して動きの多いセルを見つけ、それらを再実行して行を検査します。出力は選択した範囲に完全に依存するため、目的として最も広いまたは最も狭いスプレッドを提示するのではなく、それらの選択を文書化してください。