Uncertainty and Sensitivity Analysis in Risk Assessment and Management Emanuele Borgonovo, Ph.D. (MIT) Istituto di Metodi Quantitativi Bocconi University [email protected] 1 Il Problema Siete manager di un’azienda che gestisce parcheggi e dovete decidere se e come costruire un nuovo parcheggio. Siete manager evoluti dal punto di vista quantitativo, ovvero avete seguito il corso del Prof. Rocca. 2 Il Processo di Decisione Ipotesi Input (Paramteri) Analisi di Sensibilità Modello a Supporto delle decisioni Criterio di Valutazione Clemen (1997, Ch.1) 3 Modelli Un modello è uno strumento matematico-logico che l’analista, il manager, lo scienziato, l’ingegnere sviluppa per: Predire il comportamento della realtà Predire l’andamento di un mercato Prendere una decisione relativa ad un investimento Elementi comuni ai modelli: Incertezza iniziale Una serie di ipotesi Una serie di input Eventi Risultato (output) del modello 4 Attenzione!! Forecasting is easy … …. for the past by (Niels Bohr, Nobel Prize for Physics) 5 Costruzione del modello Costruire un modello conoscenza approfondita di: richiede una Problema Eventi rilevanti rispetto al problema Fattori che influenzano il comportamento delle quantità di interesse Raccolta dei dati e delle informazioni Statement e calcolo delle incertezze Occorre la verifica della coerenza del modello mediante analisi empirica, se possibile, e analisi di sensibilità 6 Esempio: la legge di gravità Vogliamo descrivere la caduta verticale di un corpo sulla superficie della terra. Adottiamo il modello: F=mg per la caduta dei corpi Ipotesi (?): Corpo puntiforme (niente rotazioni) Niente attrito Niente correnti atmosferiche Funziona per la caduta di un corpo posto a grande distanza dalla superficie terrestre? 7 Il modello in generale Modello: Y = f(X1, X2,..., Xn ) Output Parametri: sono I fattori Che influenzano l’output Forma Funzionale non Necessariamente Nota 8 Esempio Torniamo alla forza di gravità: F = mg Vediamo il modello in generale: F →Y x1 = m, x2 = g Y = f (x1 , x2 ) = x1 x2 9 Un primo uso dell’analisi di sensibilità Cosa succede se m passa dal suo valore di riferimento al suo doppio, da m0 a 2m0? Dettagliamo meglio la domanda: F aumenta o diminuisce? Stessa domanda ma più in generale: L’output (Y) risponde con segno positivo o negativo alla variazione di uno o più parametri? Samuelson (1947, Nobel prize per l’Economia): “the response of our system to changes in certain parameters” 10 Attenzione… Le cose si complicano nella vita reale, perchè i modelli diventano complessi e non sono di solito trattabili analiticamente Y x ? Input Output D’ora in poi, quindi assumiamo di non conoscere più la forma funzionale: ovvero, I metodi che discutiamo si applicano ad ogni modello 11 Cos’è la Sensitivity Analysis E’ un insieme di metodi matematici che permettono, tramite la risposta a domande: “What if….?” di aprire la scatola nera 12 Black Box “Sensitivity analysis: would You go to an orthopaedist that does not use X-Ray?” By A.Saltelli, Joint Research Center EC 13 Cosa “esce” dalla Black-Box Misure di Importanza Analisi di Rischio Analisi di Incertezza Verifica della Correttezza 14 Importanza dei fattori in gioco •E’ possibile stabilire l’importanza di ciascun fattore? • Quale ipotesi influenza l’output del modello e quindi la decisione di più? •E’ possibile quantiticare l’importanza di gruppi di ipotesi? •L’applicazione dell’Analisi di Sensibilità permette di rispondere a queste domande 15 Analisi di Incertezza E’ possibile avere una misura del livello di confidenza nei risultati del modello? E’ possibile ripartire l’incertezza nei vari fattori? Dove ci si dovrebbe focalizzare per ridurre il più possibile l’incertezza nei risultati? L’applicazione di tecniche dell’Analisi di Sensibilità (globale) permette di rispondere a queste domande 16 Informazioni nell’analisi del rischio •Come si distribuisce il rischio tra i fattori? Quale ipotesi tenere sotto osservazione per ridurre il rischio? E’ possibile trarre indicazioni dall’analisi di sensibilità in relazione all’analisi del rischio (anzi, l’origine è proprio quella…!) 17 Requisiti dei metodi di SA La tecnica utilizzata dovrebbe essere: Quantitativa e indipendente dal modello Capace di evidenziare interazioni, ovvero l’effetto di più variabili Evitare di escludere parametri rilevanti 18 Metodi di SA 19 Numerical Convenience Uncertainty Categorie di Metodi di SA Tecniche di SA locali [Cheok et al (1998), Borgonovo and Apostolakis (2001), Borgonovo et al (2003)] Screening Methods Morris (1991) and Kleijnen (2005)] Non-Parametric Techniques [Saltelli and Marivoet (1990)] Variance Based Techniques [Saltelli et al (1999), Sobol’ (1993), (2001), (2003)] Moment Independent Global SA techniques [Park and Ahn (1994), Chun et al (2000), Borgonovo (2005) and (2006)] 20 Analisi di Sensibilità Locale Y=f(X1,X2) Y0 x 10 x 20 X1 X2 21 Il Rationale delle tecniche di sensibilità locale 22 La misura di importanza differenziale Sia f(x) differenziabile in x0 . Allora, si definisce importanza differenziale del parametro xi la quantità [Borgonovo and Apostolakis, 2001; Borgonovo and Peccati, 2004, and 2006]: di Y Di = dY x0 Di è la frazione del differenziale di f(x0) associate con xi. 23 Proprietà m 1) Additività: Ds ,s ,...,s ( x , dx) Ds ( x , dx) 0 1 2 m j1 n 0 j 0 0 2) Somma ad 1: DS ( x , dx ) Ds ( x , dx) 1 j1 j 3) Generalizza Derivate Parziali ed Elasticità H1: Uniform Changes dx j dx i i, j H2: Proportional Changes dx j dx i i, j (i j) 0 D1s ( x ) 0 fs ( x ) n f (x j1 j 0 fs ( x ) x 0s 0 D2s ( x ) 0 ) n f (x j1 j 0 ) x 0j 24 Misura di Importanza Differenziale Applicazioni Inventory Models Influence Diagrams Investment Project Evaluation Food Safety Probabilistic Risk Assessment 25 Applicazione all’analisi di investimento Investire in un parcheggio 26 Project Contractual Structure Shareholder Agreement Insurance Contracts Loan Agreement SPC Engineering Procurement Construction Contract Merchant Sale Operation & Mantenance Contract 27 Large Projects Valuation: Criteria Sponsor’s Side: N Lender’s Side e CFi NPV i i 0 1 ke or DSCR j FCFj I j Pj or N CFi 0 i i 0 1 IRR e FCF N e LLCR j k j k (1 k d ) k D jN 28 Model Structure Inputs Auxiliary Calculations Finstats Results 29 Stima dei flussi di cassa Balance Sheet Income Statement Re ve nue s Ne t o f Turno ve r Ta x LESS Op e ra ting Exp e nse s Cash Flow Statement EBITDA LESS Long-term loans interest Subdebt Interests Interest Income EBTDA LESS Taxes Net Profit LESS Equals Operating Expenses LESS Taxes Operating Cash Flows Trapped cash Previous year Cash Before Capex Capital Expenditures Equity Injections Subdebt Injection Principal Injections Cash Flows Available for interest payment Debt Interests Cash Flows Available for principal payment Depreciation EBT LESS Revenues Net of Turnover Tax LESS Dividends Retained Earnings Legal Reserve Plus LESS Plus Plus Plus Less LESS Princ ip a l Rep a ym ent equals Ca sh Flow s Ava ila b le for SD interest LESS Shareholder Interests Equals Cash Flows Available for SD Principal LESS LESS Shareholder Principal IOE Cash flow available for dividends Dividends Trapped cash equals Equals Assets Current Assets Cash Inventory Riceivable Long Term Assets Total Assets Liabilities Current Debt Equity Retained Earnings Legal Reserve Shareholder Debt Debt Total Liabilities Proiezione della vita economica del progetto Livello di dettaglio molto elevato per progetti di ampio respiro 30 Determinazione dei Key-Drivers “Complex Non-linear models” (Van Groenendaal (1998), Kleijnen and Van Groenendaal (1997), (2002)). L’elevato numero di parametri in genere produce: Assenza della conoscenza di f(x) Problemi di computo (i.e., alti costi e tempi di calcolo [Kleijnen and Van Groenendaal (2002)] ) Problemi nella comunicazione dei risultati SA gioca ruolo cruciale nello svelare la dipendenza del Modello dai parametri SA è quindi essenziale nello sfruttare l’informazione del modello 31 Metodologia Numero di parametri: 428 Categorie: Entrate Costi di Costruzione Fiscali Finanziari Macroeconomici Spese Operative Valuation Criteria: NPV e <DSCR> Tre livelli di raggruppamento Level 3: parametri (428) Level 2: 17 grouppi Level 1: 6 grouppi Confronto attraverso i Savage Score corr. Coeff. 32 Algoritmo di calcolo δR s Definizione Operativa: D s ( x , dx ) lim δ x 0 δR 0 j 0 Allora la successione: r j : r R x i δx i R0 , i 1,..., n n i j 0 R x s δx s R 0 s 1 j1 tende a D per ogni successione xj tendente a 0. Per i=1,…,n, definendo: 0 ωi c i0 xi j , δ x j1 i j j ω ωi mωi i Si usa il criterio di Cauchy per fermare l’algoritmo. m n Test: max i r(ω ) r(ω ) ε Notate che si ottiene una risposta automatica ad una 33 serie di “what if” questions Local Risk Risk: “… potential variability of financial outcomes …” (White, Fried,1997) (=dV). Sondhi and Thus, locally, the parameter that is associated with the highest Ds is the one that causes the highest change in the valuation criterion (Borgonovo and Peccati (2006a). 34 Equity NPV, dalla parte degli investitori 35 Parameter ranking (Level 3) Rank NPV 1 1 3 3 5 6 7 7 9 10 11 14 366 367 Parameter Nr. Of parking slots from 5 year on Daily occupation days from 5 year on Tariff for first two hours Rotation number for the first 2 hours Percentage of Occupation of the First 2 hours ke Tariff after the first two hours Rotation number after the first 2 hours VAT on Revenues kd Night Tariff Rotation Number Percentage of nightly occupation Rooms construction costs Geological Inspection Cost Days payables for electricity connection costs 36 NPV: Level 1 NPV: factors grouped into 6 main categories 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 Opex Constr. Costs Infl Rev Ass Fisc. Financing 37 NPV: Level 2, 17 categories NPV: Importanza gruppi di ipotesi (Livello 2) 60% 50% 40% 30% 20% 10% 0% Opex Parcheggi Autom Amm GiOcc Perc. Occ. mesiOccupaz Ass.Fiscali k 38 Riassunto sui risultati per l’NPV 1. I parametri relativi alle entrate sono i più importanti 2. ke gioca un ruolo importante 3. La leva finanziaria non è tra i 20 fattori più importanti 4. 60 Parametri non influenti 39 Debt Service Coverage Ratio: dalla parte della Banca 40 DSCR: Level 3 Rank DSCR 1 1 3 3 3 6 7 8 9 9 9 12 13 13 13 368 Parameter Nr. Of parking slots from 5 year on Daily occupation days from 5 year on Tariff for first two hours Rotation number for the first 2 hours Percentage of occupation for the first two hours after 5° year kd Rooms construction costs Leverage Tariff after first 2 hours Rotation number after first two hours Percentage of Occupation after 5 two hours from year 5 on VAT on Revenues Night Tariff Number of Night Rotation Percentage of Night Occupation after 5 year Cost for workplace set up 41 DSCR: Level 1 DSCR: Level 1 1.60 1.40 1.20 1.00 0.80 0.60 0.40 0.20 0.00 Opex Constr. Costs Infl Rev Ass Fisc. Financing 42 DSCR: Level 3 DSCR Level 3 60% 50% 40% 30% 20% 10% 0% Opex Aule Parch. Viab. V. Autom. Infl. Amm. Tariffe GiOcc Nrot Perc. Occ. PostiDiSt mesiOcc PostMot Ass.Fisc. Ass.Fin/k k 43 Riassunto sui risultati per l’NPV 1. Parametri delle entrate sono i più importanti 2. Il costo del debito gioca un ruolo importante (simmetrico a kd) 3. La leva è significativa (8th) 4. Equity relevant parameters ke and retention ratio are non influential 5. Tasse impattano di più NPV che DSCR 44 Confronto incrociato 45 Parametri singoli Rank NPV 1 1 3 3 5 6 7 7 9 10 11 14 366 367 Parameter Nr. Of parking slots from 5 year on Daily occupation days from 5 year on Tariff for first two hours Rotation number for the first 2 hours Rank DSCR 1 1 3 3 Parameter Nr. Of parking slots from 5 year on Daily occupation days from 5 year on Tariff for first two hours Rotation number for the first 2 hours Percentage of Occupation of the First 2 hours ke Tariff after the first two hours Rotation number after the first 2 hours VAT on Revenues kd Night Tariff Rotation Number Percentage of nightly occupation Rooms construction costs Geological Inspection Cost Days payables for electricity connection costs 3 6 7 8 9 9 9 12 13 13 13 368 Percentage of occupation for the first two hours after 5° year kd Rooms construction costs Leverage Tariff after first 2 hours Rotation number after first two hours Percentage of Occupation after 5 two hours from year 5 on VAT on Revenues Night Tariff Number of Night Rotation Percentage of Night Occupation after 5 year Cost for workplace set up 46 Analisi del Ranking X <= -45.8 5.0% 2.5 X <= 65.7 95.0% •30 parametri invariati di posizione •338 shifts. •Max Shift: -352 (ke) •Media: +9 positions. Values x 10^-2 2 1.5 1 0.5 0 -400 -350 -300 -250 -200 -150 -100 -50 0 50 Rank Correlation: 0.88 100 Savage Score Correlation: 0.93 1) C’è un sostanziale accordo 2) Key drivers tendono a coincidere 3) Differenze rilevanti: ke e kd che si invertono leva 47 Level 3 NPV vs DSCR: Parameter Group Importance 1.6 1.4 1.2 1 0.8 NPV 0.6 DSCR 0.4 0.2 0 Opex Constr. Costs Infl Rev Ass Fisc. Financing Financial Structuring 48 0% k FINANCIAL FISCAL Slots for bikes OCC TIME Nr of PLACES PERC.OCC ROTATIONS DAYS TARIFF AMORTIZ INFLATION AUTOM GREEN PARKING ROOMS OPEX NPV vs DSCR, Level 2 NPV vs DSCR importance of 17 categories 60% 50% 40% 30% 20% NPV DSCR 10% 49 Conclusioni Introduzione alla SA (Misura di Importanza differenziale, Complesso) Applicazione a modello Analisi di SA consente di sfruttare appieno lo sforzo (ed il costo) della costruzione del modello 50 Grazie!! Domande? 51