Analisi di sensibilità: identificare le variabili critiche del tuo investimento

L'analisi di sensibilità è una tecnica che misura quanto i risultati di un modello finanziario (NPV, IRR, Payback) variano al cambiare di una o più variabili di input. Il suo scopo è identificare le variabili critiche — quelle il cui cambiamento ha il maggiore impatto sui risultati — e quantificare il rischio associato all'incertezza delle ipotesi.

In uno studio di fattibilità, le ipotesi (prezzo di vendita, costi delle materie prime, volumi di produzione, tasso di sconto) sono stime basate sulle migliori informazioni disponibili. Ma le stime possono rivelarsi sbagliate. L'analisi di sensibilità risponde alla domanda: 'cosa succede se le mie ipotesi sono sbagliate del 10%? Del 20%?'.

Non si tratta di prevedere il futuro, ma di capire quali errori di stima possono trasformare un buon investimento in uno cattivo — e di concentrare l'attenzione (e le risorse di verifica) sulle variabili che contano davvero.

Il metodo più semplice e diffuso è l'analisi OAT (one-at-a-time): si varia una sola variabile alla volta, mantenendo tutte le altre costanti al valore base, e si osserva l'effetto sul risultato.

Ad esempio: si calcola il NPV con i valori base, poi si ricalcola aumentando il prezzo di vendita del 10%, poi riducendolo del 10%, mantenendo tutti gli altri parametri invariati. Si ripete per ogni variabile chiave: costi, volumi, tasso di sconto, durata del progetto.

Il risultato tipico è un diagramma a tornado (tornado chart): un grafico a barre orizzontali che ordina le variabili per impatto sul NPV, dalla più influente alla meno influente. Le barre più lunghe indicano le variabili critiche.

Limiti dell'OAT: assume che le variabili siano indipendenti (nella realtà sono spesso correlate — un aumento dei costi può accompagnarsi a una riduzione dei volumi) e non tiene conto dell'interazione tra più variabili che cambiano contemporaneamente.

Per superare i limiti dell'OAT, si possono utilizzare approcci che fanno variare più variabili contemporaneamente.

Analisi a scenari: si definiscono tre scenari — ottimistico, base (most likely) e pessimistico — con valori coerenti per tutte le variabili. Ad esempio: nello scenario pessimistico i costi aumentano del 15%, i volumi calano del 10% e il prezzo di vendita scende del 5%. Si calcola il NPV per ciascuno scenario.

Tabelle a doppia entrata (data table): si selezionano due variabili critiche e si calcola il NPV per ogni combinazione dei loro valori. Il risultato è una matrice che mostra le zone di convenienza (NPV > 0) e le zone di non convenienza (NPV < 0).

Valore di break-even: per ciascuna variabile critica, si calcola il valore che rende il NPV = 0 (punto di pareggio). Se il break-even del prezzo di vendita è 95 EUR e il prezzo atteso è 100 EUR, il margine di sicurezza è solo del 5% — un segnale di vulnerabilità.

Non tutte le variabili meritano un'analisi di sensibilità. La selezione deve essere guidata da due criteri: impatto potenziale e incertezza.

Variabili ad alto impatto e alta incertezza: sono le priorità assolute. Tipicamente: prezzo di vendita del prodotto/servizio, volumi di produzione/vendita, costo delle materie prime principali, tasso di sconto, tempistiche di avvio (ritardi nell'avvio producono mancati ricavi).

Variabili ad alto impatto e bassa incertezza: importanti ma meno critiche. Ad esempio: il costo di acquisto della macchina (noto o negoziato) o le imposte (aliquota definita per legge).

Variabili a basso impatto: da escludere dall'analisi per evitare rumore. Piccole variazioni nel costo dell'illuminazione o nei materiali di consumo non cambiano la convenienza dell'investimento.

Per gli investimenti Transizione 5.0, variabili critiche specifiche da testare: aliquota effettiva del credito d'imposta (dipende dalla classe di risparmio energetico), risparmio energetico effettivo (se inferiore all'atteso, la classe di credito scende), tempi di ottenimento del credito (impatto sul cash flow).

L'analisi di sensibilità mostra l'effetto di singole variazioni, ma nella realtà tutte le variabili possono cambiare contemporaneamente. La simulazione Monte Carlo è il passo successivo: assegna una distribuzione di probabilità a ciascuna variabile incerta ed esegue migliaia di simulazioni, generando una distribuzione probabilistica del NPV.

Il risultato non è un singolo numero ('NPV = 150.000 EUR') ma una distribuzione: 'il NPV ha il 70% di probabilità di essere positivo, con valore medio di 150.000 EUR e 5° percentile di -20.000 EUR'. Questa informazione è enormemente più utile per la decisione.

L'analisi di sensibilità e il Monte Carlo sono complementari: la sensibilità identifica le variabili critiche, il Monte Carlo quantifica il rischio complessivo. La piattaforma DESUTEA integra entrambi gli strumenti nel flusso di analisi.

Per investimenti importanti (> 500.000 EUR) o ad alto rischio, il Monte Carlo è fortemente raccomandato. Per investimenti più piccoli o a basso rischio, l'analisi di sensibilità OAT con scenari è spesso sufficiente.

La comunicazione dei risultati è tanto importante quanto l'analisi stessa. Ecco le best practice.

Diagramma a tornado: il primo grafico da mostrare. Ordina le variabili per impatto e comunica immediatamente le priorità. Va accompagnato dalla spiegazione: 'una variazione del 10% del prezzo di vendita cambia il NPV di 80.000 EUR, mentre una variazione del 10% dei costi energetici lo cambia di solo 12.000 EUR'.

Tabella degli scenari: mostrare il NPV, l'IRR e il Payback per i tre scenari (ottimistico, base, pessimistico). I decisori comprendono immediatamente il range di risultati possibili.

Valori di break-even: per le variabili critiche, indicare il margine di sicurezza. 'Il prezzo di vendita può scendere fino a 95 EUR (margine -5%) prima che l'investimento diventi non conveniente'.

Mappa rischio-rendimento: se si confrontano più alternative, posizionarle su un grafico con NPV atteso (asse x) e variabilità del NPV (asse y, come deviazione standard dal Monte Carlo). Permette di visualizzare il trade-off rischio/rendimento.