A análise de cenários avalia o valor esperado de um investimento ou atividade comercial proposta. A média estatística é o evento de maior probabilidade esperado em uma determinada situação. Ao criar vários cenários que podem ocorrer e combiná-los com a probabilidade de que eles ocorram, um analista pode determinar melhor o valor de um investimento ou empresa e a probabilidade de que o valor esperado calculado realmente ocorra.

Determinar a distribuição de probabilidade de um investimento é igual a determinar o risco inerente a esse investimento. Ao comparar o retorno esperado com o risco esperado e a sobreposição que, com a tolerância ao risco de um investidor, você pode tomar melhores decisões sobre se deve investir em um empreendimento prospectivo. Este artigo apresentará alguns exemplos simples de várias maneiras de conduzir a análise de cenários e fornecer justificativas para seu uso. (Para saber mais sobre distribuições de probabilidade, leia Encontrar o ajuste correto com Distribuições de probabilidade .)

Visão geral
Os dados de desempenho históricos são necessários para fornecer uma visão detalhada sobre a variabilidade do desempenho de um investimento e para ajudar os investidores entendem o risco que tem sido suportado pelos acionistas no passado. Ao examinar os dados de retorno periódicos, um investidor pode obter uma visão do risco passado de um investimento. Por exemplo, porque a variabilidade equivale a risco, um investimento que forneceu o mesmo retorno a cada ano é considerado menos arriscado do que um investimento que forneceu retornos anuais que flutuaram entre negativo e positivo. Embora ambos os investimentos possam fornecer o mesmo retorno geral para um determinado horizonte de investimento, os retornos periódicos demonstram os diferenciais de risco nesses investimentos. (Para mais informações, leia Medir o desempenho da sua carteira .)

Regulamentos estritos sobre o cálculo e a apresentação dos retornos passados ​​garantem a comparabilidade das informações de retorno entre os valores mobiliários, gestores de investimento e fundos. No entanto, o desempenho passado não fornece nenhuma garantia sobre o risco ou retorno futuro de um investimento. A análise de cenários tenta entender o risco potencial / perfil de retorno de um empreendimento. Ao realizar uma análise de várias estimativas pró-forma para um determinado empreendimento e denotando uma probabilidade para cada cenário, um começa a criar uma distribuição de probabilidade (perfil de risco) para essa empresa comercial.
Exemplos
A análise de cenários pode ser aplicada de várias maneiras. O método mais típico é realizar análises multifatoriais (modelos que contêm múltiplas variáveis) nas seguintes formas:

• Criando um número fixo de cenários
  • Determinando a alta - baixa propagação
  • Criando cenários intermediários
• Análise de fator aleatório
  • Numeroso para número infinito de cenários
  • Monte Carlo Análise

Muitos analistas criarão um modelo multivariável (um modelo com variáveis ​​múltiplas), conectam seu melhor palpite para o valor de cada variável e apresentam um valor previsto.A média de qualquer distribuição de probabilidade é a que tem maior probabilidade de ocorrência. Ao usar um valor para cada variável que se espera que seja o mais provável, o analista está de fato calculando o valor médio da distribuição potencial de valores potenciais. Embora a média tenha valor informativo, como afirmado anteriormente, não mostra nenhuma variação potencial nos resultados.

A análise de risco está preocupada com a tentativa de determinar a probabilidade de que um resultado futuro seja algo diferente do valor médio. Uma maneira de mostrar variação é calcular uma estimativa dos resultados extremos e os menos prováveis ​​no lado positivo e negativo da média. O método mais simples para prever resultados potenciais de um investimento ou empreendimento é produzir um argumento para cima e para baixo para cada resultado e depois especular a probabilidade de que ele ocorra. A Figura 1 usa um método de três cenários avaliando um caso base (B) (valor médio), caso ascendente (U) e um caso negativo (D).

Figura 1

Por exemplo, uma análise simples de dois fatores:
Valor V = Variável A + Variável B, onde cada valor de variável não está limitado.

Ao atribuir dois valores extremos para cima e para baixo para A e B, obtivemos os nossos três valores de cenário. Ao atribuir a probabilidade de ocorrência, suponha:
50% para o Valor (B) = 200
25% para o Valor (U) = 300
25% para o Valor (D) = 1 00 > Ao atribuir probabilidades, a soma das probabilidades atribuídas deve ser igual a 100%. Ao representar graficamente esses valores e suas probabilidades, podemos inferir uma distribuição de probabilidade bastante baixa (a distribuição de todos os valores calculados e a probabilidade de esses valores ocorrerem). Ao formar os casos de reversão e desvantagem, começamos a entender os outros possíveis resultados de retorno, mas existem muitos outros resultados potenciais dentro do conjunto delimitado pela extrema e reversão já estimada.

A Figura 2 apresenta um método para determinar o número fixo de resultados entre os dois extremos. Supondo que cada variável atua independentemente, ou seja, seu valor não é dependente do valor de qualquer outra variável, podemos conduzir um caso para cima, base e negativo para cada variável. No modelo simplista de dois fatores, esse tipo de análise resultaria em um total de nove resultados. Um modelo de três fatores com três resultados potenciais para cada variável acabaria com 27 resultados, e assim por diante. A equação para determinar o número total de resultados usando este método é igual a
( Y X ⁾ , onde Y = o número de cenários possíveis para cada fator e X = o número de fatores no modelo. (Para mais, veja Modern Portfolio Theory Stats Primer .) Figura 2

Na Figura 2, existem nove resultados, mas não 9 valores separados. Por exemplo, o resultado para BB pode ser igual ao resultado DU ou UD. Para finalizar este estudo, o analista atribui as probabilidades para cada resultado e depois adiciona essas probabilidades para valores semelhantes.Esperamos que o valor correspondente à média, neste caso, ser BB apareceria na maioria das vezes, uma vez que a média é o valor com maior probabilidade de ocorrência. A frequência de valores similares que ocorre aumenta a probabilidade de ocorrência. Os valores de mais vezes não repetem, especialmente o valor médio, quanto maior a probabilidade de que os retornos futuros sejam algo diferente da média. Quanto mais fatores se tem em um modelo e quanto mais fatores de fator um inclui, mais valores de cenário potencial são calculados resultando em uma análise robusta e visão do risco de um potencial investimento.

Desvantagens da Análise de Cenários

A principal desvantagem para esses tipos de análises de resultados fixos são as probabilidades estimadas e os conjuntos de resultados limitados pelos valores para os eventos extremos positivos e negativos. Embora possam ser eventos de baixa probabilidade, a maioria dos investimentos ou carteiras de investimentos têm potencial para retornos positivos e negativos muito altos. Os investidores devem lembrar que, embora não ocorram frequentemente, esses eventos de baixa probabilidade acontecem e é uma análise de risco que ajuda a determinar se esses eventos potenciais estão dentro da tolerância ao risco de um investidor. (Para leitura relacionada, veja
Personalizando tolerância ao risco e A tolerância ao risco apenas conta a metade da história .) Um método para contornar os problemas inerentes aos exemplos anteriores é executar um extremo número de ensaios de um modelo multivariante. A análise de fatores aleatórios é completada executando milhares e até mesmo centenas de milhares de testes independentes com um computador para atribuir valores aos fatores de forma aleatória. O tipo mais comum de análise de fator aleatório é chamado de análise "Monte Carlo", onde os valores do fator não são estimados, mas são escolhidos aleatoriamente a partir de um conjunto delimitado pelas variáveis ​​própria distribuição de probabilidade. (Para saber mais sobre esta análise, leia

Introdução à simulação de Monte Carlo .) Conclusão

Padrões estabelecidos para relatar o desempenho do investimento garantem que os investidores recebam o perfil de risco (variabilidade de desempenho) para desempenho passado dos investimentos. Como o desempenho do passado não tem influência no risco ou retorno futuro, cabe ao investidor ou aos proprietários de empresas determinar o risco futuro de seus investimentos, criando modelos pró-forma. A produção de qualquer previsão apenas produzirá o valor esperado ou médio dessa iniciativa; O resultado que o analista acredita tem maior probabilidade de ocorrência. Ao realizar a análise de cenários, um investidor pode produzir um perfil de risco para um investimento previsto e criar uma base para comparar investimentos prospectivos.