name: sensitivity-analyzer description: 用于识别关键输入并理解模型在不确定性下行为的敏感性分析技能 allowed-tools:

Read
Write
Glob
Grep
Bash metadata: specialization: 决策智能 domain: 商业 category: 模拟 priority: high shared-candidate: true tools-libraries:
- SALib
- openturns
- sensitivity
- numpy

敏感性分析器

概述

敏感性分析器技能提供了全面的能力，用于识别关键输入并理解模型输出如何响应参数变化。它支持局部（单因素）和全局敏感性分析方法，能够在不确定性下实现稳健的决策。

能力

单因素（OAT）敏感性分析
全局敏感性分析（Sobol指数， Morris筛选法）
龙卷风图生成
蛛网图创建
参数重要性排序
阈值识别
盈亏平衡分析
情景比较

使用流程

用于决策支持的蒙特卡洛模拟
多准则决策分析（MCDA）
规范性分析与优化
假设分析框架

使用方法

单因素（OAT）分析

# 定义OAT分析
oat_config = {
    "base_case": {
        "price": 100,
        "volume": 10000,
        "cost": 60,
        "fixed_costs": 200000
    },
    "variations": {
        "price": {"range": [-20, 20], "step": 5, "unit": "%"},
        "volume": {"range": [-30, 30], "step": 10, "unit": "%"},
        "cost": {"range": [-15, 15], "step": 5, "unit": "%"},
        "fixed_costs": {"range": [-10, 10], "step": 5, "unit": "%"}
    },
    "output_variable": "profit"
}

全局敏感性（Sobol指数）

# 定义Sobol分析
sobol_config = {
    "parameters": {
        "price": {"bounds": [80, 120], "distribution": "uniform"},
        "volume": {"bounds": [7000, 13000], "distribution": "uniform"},
        "cost": {"bounds": [50, 70], "distribution": "uniform"}
    },
    "sample_size": 10000,
    "calculate_second_order": True
}

Morris筛选法

针对多参数的高效筛选方法：

识别影响可忽略的参数
区分线性与非线性的影响
检测交互效应

敏感性指数

指数	含义
S1 (一阶)	参数的直接影响
ST (总效应)	直接影响 + 所有交互效应
S2 (二阶)	成对的交互效应

可视化类型

龙卷风图：显示影响范围的横向条形图
蛛网图：显示输出与每个输入百分比变化关系的线图
散点图：输出与单个输入的关系图，带趋势线
Sobol条形图：一阶和总效应指数的比较
Morris图：基本效应的均值与标准差

输入模式

{
  "analysis_type": "OAT|sobol|morris|breakeven",
  "model": "函数或表达式",
  "parameters": {
    "param_name": {
      "base_value": "数值",
      "range": ["数值", "数值"],
      "distribution": "字符串"
    }
  },
  "options": {
    "sample_size": "数值",
    "output_variable": "字符串",
    "calculate_interactions": "布尔值",
    "confidence_level": "数值"
  }
}

输出模式

{
  "analysis_type": "字符串",
  "parameter_rankings": [
    {
      "parameter": "字符串",
      "importance_score": "数值",
      "effect_direction": "positive|negative",
      "first_order_index": "数值",
      "total_index": "数值"
    }
  ],
  "breakeven_points": {
    "parameter": {
      "breakeven_value": "数值",
      "current_distance": "数值"
    }
  },
  "interactions": [
    {
      "parameters": ["字符串", "字符串"],
      "interaction_index": "数值"
    }
  ],
  "tornado_data": {
    "parameter": {
      "low_output": "数值",
      "high_output": "数值",
      "swing": "数值"
    }
  },
  "visualization_paths": ["字符串"]
}

最佳实践

对于多参数（>10），从Morris筛选法开始
对顶级参数使用Sobol指数进行详细分析
当存在参数相关性时，将其纳入考虑
报告敏感性指数的置信区间
考虑非线性效应（总效应与一阶指数）
使用龙卷风图向管理层传达结果
记录参数范围及其合理性

解读指南

Sobol指数解读

高S1，高ST：重要的直接影响
低S1，高ST：通过交互作用产生重要影响
高S1，低ST-S1：交互作用较少
低ST：参数可固定为标称值

盈亏平衡分析

识别参数值达到以下情况的点：

NPV = 0
利润 = 0
决策改变
阈值被跨越

集成点

从蒙特卡洛引擎接收模型
为决策可视化提供图表数据
支持MCDA方法的权重敏感性分析
与实物期权分析器连接，分析波动性影响