Det är viktigt att komma ihåg att när ett företag analyserar ett potentiellt projekt, förutsäger det potentiella inte faktiska kassaflöden för ett projekt. Som vi alla vet är prognoserna baserade på antaganden som kan vara felaktiga. Det är därför viktigt för ett företag att utföra en känslighetsanalys om antagandena för att få en bättre känsla av den övergripande risken för projektet som företaget ska ta.

Det finns tre riskanalysstekniker som borde vara kända för tentamen:

AD:

1. Känslighetsanalys
Känslighetsanalys är helt enkelt metoden för att bestämma hur känslig vår NPV-analys är för förändringar i våra variabla antaganden. För att börja en känslighetsanalys måste vi först ta fram ett basfallsscenario. Det här är vanligtvis NPV med antaganden som vi tror är mest exakta. Därifrån kan vi ändra olika antaganden som vi ursprungligen hade gjort baserat på andra potentiella antaganden. NPV beräknas sedan och känsligheten av NPV baserad på förändringen i antaganden bestäms. Beroende på vårt förtroende för våra antaganden kan vi avgöra hur potentiellt riskabelt ett projekt kan vara.

AD:

2. Scenarioanalys
Scenarioanalys tar känslighetsanalys ett steg längre. I stället för att bara titta på känsligheten av vår NPV-analys för förändringar i våra variabla antaganden ser scenariosanalysen också på variabilitetsfördelningen av variablerna. Liksom känslighetsanalys börjar scenariosanalys med att bygga ett basfallsscenario. Därifrån betraktas andra scenarier, så kallade "bästa fallet" och "worst case scenario". Sannolikheter tilldelas scenarierna och beräknas för att komma fram till ett förväntat värde. Med tanke på dess enkelhet är scenariosanalys en av de mest använda riskanalyssteknikerna.

AD:

3. Monte Carlo Simulering
Monte Carlo-simulering anses vara den "bästa" metoden för känslighetsanalys. Det kommer upp med oändliga beräkningar (förväntade värden) med tanke på ett antal hinder. Begränsningar läggs till och systemet genererar slumpmässiga variabler av ingångar. Därifrån beräknas NPV. I stället för att generera några få iterationer, upprepar simuleringen processen flera gånger. Från de många resultaten beräknas det förväntade värdet.