1704166725
1704166726
到目前为止，我们只是简单地通过分析计算项目的NPV来决定该项目是否盈利：预测每一笔现金流的大小，将这些数字代入模型求得NPV。
1704166727
1704166728
项目的风险通常是用项目最终结果的不确定性来衡量。在考虑单个项目的风险时，我们通常用该项目NPV或IRR的分布情况来衡量风险。敏感性分析、情景分析以及蒙特卡洛模拟分析都是普遍使用的方法，这些方法通过分析不同情况下项目所产生现金流的变化幅度来衡量项目风险。
1704166729
1704166730
我们用如下的资本项目作为例子来展示上述这些方法。
1704166731
1704166732
1704166733
1704166734
1704166735
由式（2-6），初始投资为固定资产投资300000美元加上营运资本投资50000美元，即350000美元。根据式（2-7），年均税后经营性现金流为：
1704166736
1704166737
CF=（S-C-D）（1-T）+D
1704166738
1704166739
=［（5×40000）-（1.50×40000）-（50000）］（1-0.40）+50000
1704166740
1704166741
=104000（美元）
1704166742
1704166743
再由式（2-9）得期末税后非经营性现金流为：
1704166744
1704166745
TNOCF=Sal6+NWCI-T（Sal6-B6）
1704166746
1704166747
=60000+50000-0.40（60000-0）
1704166748
1704166749
=86000（美元）
1704166750
1704166751
该项目的NPV为：
1704166752
1704166753
1704166754
1704166755
1704166756
2.7.3.1 敏感性分析
1704166757
1704166758
敏感性分析法分析当输入变量发生变化时其对整个项目NPV所产生的影响，每次仅变动一个变量。上文的示例中有很多个输入变量。如果想对其中几个输入变量作敏感性分析，我们就必须指定每个输入变量的变化幅度。假设我们考虑如下变化。
1704166759
1704166760
1704166761
1704166762
1704166763
我们对上述的六个变量的值都作微小的调整。表2-23中展示了变量取基准值时的NPV以及变量取最低下限和最高上限值时各自对应的NPV。
1704166764
1704166765
表2-23 项目NPV对输入变量值的敏感性分析（美元）
1704166766
1704166767
1704166768
1704166769
1704166770
如表2-23所示，项目NPV对单价的变化最敏感，对预期残值的变化最不敏感。简单来说，项目NPV对单价和年均销售量比较敏感，对每单位可变成本，预期残值，税率不太敏感。必要收益率的变化对NPV也有较大影响，但其对NPV的影响幅度不如单价变化来得大。
1704166771
1704166772
在敏感性分析中，管理者可以选择对那些因素进行改变以及改变的幅度。许多公司用软件来帮助它们完成这项分析：软件会对某一特定变量作一定量的变动，如增加或减少单价，销售量或每单位成本10%，接着自动生成每一个变量改变后整个项目对应的NPV。敏感性分析可以用来找出那些对项目成败影响最大的几个因素。
1704166773
1704166774
2.7.3.2 情景分析