Le assunzioni sugli input tendono a rappresentare valori plausibili e credibili; spesso, però, gli analisti preferiscono considerare “forchette” di valori anziché stime puntuali per ciascun input (costi del capitale inclusi). Da ciò, emerge un’incertezza intrinseca che potrebbe non essere interamente gestita dai costi del capitale. Pertanto, diventa cruciale condurre un‍’‍analisi di sensibilità per studiare le variazioni degli indicatori finanziari in risposta a modifiche nelle variabili stimate. In questo capitolo, ci concentreremo su una tecnica avanzata di analisi di sensibilità denominata Clean Finite Change Sensitivity Index. Questa tecnica, sviluppata in Magni et al. (2020), rappresenta un affinamento del “Finite Change Sensitivity Index” (FCSI) di Borgonovo (2010a, 2010b). Essa consente di variare simultaneamente tutti gli input, identificando i principali fattori di variabilità dell‍’‍output e determinando la distribuzione percentuale del peso di ciascun input sull‍’‍output finale. Come vedremo, l‍’‍algoritmo del Clean FCSI, riassunto nell‍’‍unica formula (eq. (10.13)), è semplice da applicare e può essere implementato su un qualsiasi foglio di calcolo.