@Risk等传统蒙特卡罗模拟软件使用飓风图来分析输出变量对输入变量的敏感性。但是，飓风图只擅长回答“哪个变量平均而言与输出最相关”，但不擅长回答“变量如何交互、在什么情景下重要、对尾部风险贡献多少、为什么某个具体结果会发生”。因此，飓风图应被视为初步筛查工具，而不是完整的敏感性分析框架。

 

最新的风险决策量化分析软件Drisk 提供两套因子诊断方法：Sobol 指数和 Shap 值分析。

 

Sobol 指数用于全局敏感性分析，从方差分解的角度量化各输入因子及其交互作用对代理模型输出不确定性的贡献。

 

Shap 值分析用于局部可解释性分析，基于 Shapley 值量化每个样本中各输入因子对预测结果的贡献大小和方向，并可进一步聚合得到全局重要性。

 

两者互为补充：Sobol 侧重全局、方差贡献和因子交互，Shap 侧重样本级、方向性和具体预测解释。实际应用中，可先用 Sobol 指数识别关键因子及交互关系，再用 Shap 值分析解释这些因子如何影响具体预测结果。

 

对于投资NPV测算、项目成本测算、食品安全等高风险决策场景，还需要Sobol全局敏感性分析来揭示交互效应，用SHAP值瀑布图来实现分位数和个体归因。只有这样，风险分析才能从“知道谁重要”升级为“知道风险如何形成、如何干预”。