Inden for finans overlever ingen model mødet med den virkelige verden uændret. Derfor spiller følsomhedsanalyse en afgørende rolle i værdiansættelse. Den gør det muligt at undersøge, hvordan ændringer i forudsætninger—såsom omsætningsvækst eller diskonteringsrente—påvirker den estimerede værdi af en virksomhed.

En DCF-model er kun så pålidelig som de input, den er baseret på. Vækstrater, terminalværdier og diskonteringsrenter er alle skøn, ofte baseret på prognoser og vurderinger. Følsomhedsanalyse tager disse centrale variable og tester "hvad nu hvis?"-scenarier. Hvad hvis diskonteringsrenten er 1 % højere? Hvad hvis væksten er langsommere end forventet?

Ved at justere én variabel ad gangen—eller nogle gange to på én gang—kan vi observere, hvor følsom virksomhedsværdien er over for ændringer i forudsætningerne. Hvis en lille ændring i WACC fører til en stor udsving i værdiansættelsen, er modellen meget følsom, og der skal udvises ekstra omhu ved formidling af resultaterne.

En af de mest effektive måder at visualisere dette på er gennem en to-vejs datatabel, hvor rækkerne kan repræsentere forskellige WACC-værdier og kolonnerne forskellige terminale vækstrater. Hver celle i tabellen viser den resulterende virksomhedsværdi, hvilket hjælper analytikere og beslutningstagere med hurtigt at se spændet af mulige udfald.

Dette er ikke blot en akademisk øvelse—det er essentielt for at kommunikere risiko. Det viser investorer, hvor afhængig din værdiansættelse er af visse forudsætninger, og hjælper med at opbygge tillid til din proces ved at gøre usikkerheder tydelige.

Følsomhedsanalyse giver din model dybde. Den forvandler et enkelt estimat til et spektrum—og det er netop, hvad god finans handler om: at forstå ikke kun svaret, men også usikkerheden omkring det.