Dato un modello il cui output dipende da un vettore di parametri, qual è l’influenza di un parametro sul risultato del modello? I cambiamenti dei parametri inducono una riduzione o una crescita dell’output? Quanto della variazione dell’output è determinata dai contributi individuali dei parametri e quanto dalla loro interazione? Quali sono i parametri più importanti e quelli meno importanti? Quali i più rischiosi e i meno rischiosi? Come è possibile ripartire in modo completo (al 100%) la variazione dell’output nei contributi totali (individuali + interattivi) dei parametri del modello?
A queste domande risponde il Clean Finite Change Sensitivity Index. Questa tecnica di analisi di sensibilità è ottenuta come fine-tuning del Finite Change Sensitivity Index introdotto in Borgonovo (2010, European Journal of Operational Research) e può essere applicata in presenza di variazioni finite nei parametri ad un costo computazionale pari a quello dei metodi one-at-a-time. Le possibili applicazioni contabili, aziendali e finanziarie sono molteplici: confronto tra risultati consuntivi e realizzati all’analisi degli scostamenti di grandezze e indici contabili/finanziari, studio della performance di un portafoglio finanziario, identificazione dei value drivers a maggior impatto per un investimento industriale, analisi evolutiva del rating di un’azienda.
Il corso sarà tenuto da Carlo Alberto Magni, Professore Associato presso il Dipartimento di Economia “Marco Biagi” e presso la Scuola di Dottorato E4E (Engineering for Economics – Economics for Engineering) dell’Università di Modena e Reggio Emilia
Data: 4 Marzo 2020 alle 18.00
Il corso sarà trasmesso sul canale Canale MSTeams Dedicato