100% encontró este documento útil (1 voto)
100 vistas34 páginasAnalisis de Riesgo
método de montecarlo
Cargado por
Jhulhio Palacios PerezDerechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF o lee en línea desde Scribd
100% encontró este documento útil (1 voto)
100 vistas34 páginasAnalisis de Riesgo
método de montecarlo
Cargado por
Jhulhio Palacios PerezDerechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF o lee en línea desde Scribd
Analisis de riesgos
e incertidumbre
En este capitulo aprendera a:
e Analizar la sensibilidad de la rentabilidad del proyecto frente a los
cambios que pueda tener una o mas de sus variables influyentes.
* Realizar una simulacion con el método Montecarlo. El actual proceso de globalizacién de la economia ha ampliado el espectro de
oportunidades para el desarrollo de nuevos proyectos de inversion. Sin em-
bargo, simulténeamente, han surgido nuevos riesgos que afectan el proceso
de toma de decisiones y que dependen principalmente de la calidad de la in-
formaci6n disponible.
Los eventos incluidos en los diversos estudios que integran un proyecto de
inversion, es decir, el estudio de mercado, el técnico, el organizacional y el
financiero, pueden Hevarse a cabo o no de la manera prevista; por lo tanto,
pueden comprometer el éxito del proyecto.
Cuando un proyecto es muy rentable se tendra que considerar la reaccién de la
competencia que intentara imitar u ofrecer sustitutos al producto exitoso, de
los proveedores que trataran de participar en este éxito subiendo los precios
de los insumos e, incluso, de los trabajadores que presionaran por mejoras
salariales ante los buenos resultados previstos para el proyecto.
La posibilidad de estas reacciones debe preverse mediante el andlisis de sensi-
bilidad de las principales variables o supuestos determinaron las estructuras
de costos y beneficios como precio, demanda, tasas de interés, etc.
En este capitulo, se analizan los conceptos de «riesgo», «incertidumbre» y
«sensibilidad», y se exponen las principales herramientas o métodos para tra-
tarlos.
1. Conceptos
Antes de estudiar las herramientas que permite medir el riesgo, es impor-
tante revisar previamente algunos conceptos como los que se mencionan a
continuacion.
1.4 Riesgo e incertidumbre
Cuando se hace la evaluacion de un proyecto no se tiene la certeza de que
las estimaciones realizadas para proyectar los flujos de caja se cumplan,
es decir, siempre se va a encontrar ante una situacién de riesgo o incerti-
dumbre,
Los términos «riesgo» e «incertidumbre» estan relacionados, pero tienen
connotaciones diferentes: lol ee ee
A. Riesgo
Elriesgo de un proyecto se define como la variabilidad que presentan
los componentes (0 variables) del flujo de caja respecto a los estima-
dos que se han hecho en el afio base. Estadisticamente, es el grado
de dispersion de los resultados observados respecto del promedio.
A mayor variabilidad (o dispersién) de los indicadores que miden el
rendimiento, mayor sera el riesgo del proyecto. Esto porque el rendi-
miento se calcula con base en la proyeccién del flujo de caja.
El riesgo define una situacion donde el resultado depende de va-
rios eventos posibles, cada uno de los cuales tiene una probabilidad
asignada.
8B. Incertidumbre
La incertidumbre caracteriza a una situacion donde los posibles re-
sultados de un evento no son conocidos y, en consecuencia, se igno-
ran las probabilidades de ocurrencia de dichos eventos. Por ejemplo,
la posibilidad de que la fabrica se daiie por la caida de un avién.
© En condiciones de incertidumbre es muy dificil tomar decisiones ade-
cuadas, debido a que se dispone de poca informacion.
Existe «riesgo» cuando los posibles escenarios y sus resultados se co-
nocen, y cuando hay antecedentes para estimar su distribucion de fre-
cuencia. Hay «incertidumbre» cuando los escenarios, 0 la distribucién
de frecuencia de sus resultados, se desconocen y no se pueden calcular
las probabilidades.
1.2 Distribucién normal
También conocida como «la campana de Gauss», es una distribucion simé-
trica, es decir, que la mayoria de observaciones realizadas (ventas, renta-
bilidades, pesos, estatura, etc.) se encontraran situadas alrededor del pro-
medio. Por ejemplo, si se quiere medir el peso de todos los peruanos y se
escoge una muestra representativa de la poblacién, entonces la mayoria de
los resultados de esa muestra se encontraran alrededor del promedio de
peso hallado. Una distribucion normal, como se muestra en la figura 12.1,
tiene la forma de una campana. (er
EES
uw (promedio)
Figura 12.1 Grafica de una distribucion normal
Se observa que:
° La mayoria de los valores de la curva se agrupa alrededor del promedio
(wy hay pocos resultados en los extremos.
La amplitud se mide con la desviacién estandar que se denota con la
letra griega sigma (c). Tradicionalmente, se toma este indicador como
una aproximacion al riesgo.
Como se aprecia en la figura 12.2, la distribucién normal es simeétrica, lo
que significa que existe una probabilidad del 50 % de que la variable en
estudio sea mayor que el promedio (1).
1 (promedio)
Figura 12.2 Simetria de la distribucién normal La distribucion normal tiene la propiedad de los intervalos centrales que se
muestra graficamente en la figura 12.3.
n+ 30 99.74% w+ 30
Figura 12.3 Intervalos de confianza centrales
Los intervalos de confianza se muestran en la siguiente tabla:
fo ie Se ieee
eae eter
” ate
5»), Plguea 12.4 Probabilidades de los intervalos de conflanza Gspeiull 12: Bndlisie de riesgo © incertidumbre
Ejemplo
Sip = 20 y c= 2, entonces:
Hay una probabilidad de 68.26 % de que la variable se encuentre entre
18 y 22
(20-1 2,20+1x 2)
Hay una probabilidad de 95.44 % de que la variable se encuentre entre
AG y 24
(20-2 x 2,20+2x 2)
Hay una probabilidad de 99.74 % de que la variable se encuentre entre
14 y 26
(20-32, 204+3%x 2)
1.3 Desviacion estaéndar
La desviacion estandar (denotada con el simbolo o) es una medida de dis-
persion para un conjunto de observaciones de una variable.
Se calcula como la raiz cuadrada de la media de los cuadrados de las dife-
rencias entre cada valor de la variable y la media aritmética de la distribu-
cién. Su formula es:
Donde:
o : Desviacion estandar
n : Numero de observaciones
x, :Un valor de una variable (una observacién)
X : Media aritmética (oc promedio) de las observaciones
Este concepto se asocia con la medicién del riesgo entendido como una
medida de la variabilidad del retorno esperado (0 de la desviacion estandar
del retorno esperado) respecto del retorno medio. Mientras mas alta sea
la desviacion estandar, mayor sera la variabilidad del retorno y, por consi-
guiente, el riesgo. Ge eee
En una empresa en funcionamiento, es muy posible encontrar informacion.
en sus archivos de datos histéricos que permita efectuar un anélisis de
riesgo de un nuevo proyecto. Este procedimiento para calcular la desvia-
cion estandar en base histérica se aplica a diferentes elementos del pro-
yecto, como el nivel de respuesta de la demanda que se amplia permanen-
temente a nuevos sectores geograficos, o la rentabilidad de una inversion
replicable, etc.
Ejemplo 2
Suponga que las rentabilidades promedios anuales sobre las inversio-
nes repetitivas, en ocho locales de venta de comida rapida, son las que
se muestran en la tabla 12.1.
Tabla 12.1 Calculo de las desviaciones sobre observaciones hist6ricas
Aeretuicigeg
observada (%)
(eee ise
£n una hoja de Excel, la desviacion estandar se obtiene directamente
con la funcién DESVEST, tal como se muestra en la figura 12.5. Coe
Figura 12.5 Uso de la funcion DESVEST de Excel para determinar la desviacion estandar
Esto indica que existe:
© 68.3 % de posibilidades de que la rentabilidad de un nuevo local de ven-
tas se sitde entre 9.88 + 3.27 % (0 sea, entre 6.60 % y 13.15 %)
* 95.4 % de que esté entre 9.88 % + 2 x (3.27 %) (0 sea, entre 3.33 % y 16.42 %).
1.4 Escenarios
Un «escenario» es el ambiente donde el proyecto operara. En @1 operan.
varios factores que podrian constituir un elemento de riesgo, tales como:
© Tasas de interés
@ Volumen de ventas
® Precios de los productos que genera la empresa
* Costos de la materia prima
© Costos de la mano de obra que interviene en el proceso de produccién
* Gastos financieros
* Porcentaje de impuesto a la renta
Es decir, todos aquellos aspectos que influyen en el calculo de los flujos
de efectivo y la rentabilidad (VAN) que produciré el proyecto de inversion.
Seguin el escenario en el que se desenvuelva el proyecto, se obtendran de-
terminados voltimenes de flujos de efectivo y, con ello, diferentes niveles
del VAN. Para evaluar los proyectos de inversion deben considerarse los diferentes
escenarios en que estos podrian operar, En cada uno de los escenarios se
hacen supuestos de comportamiento de los factores antes mencionados.
Los escenario que se acostumbran a evaluar son el pesimista, el probable
y el optimista. Suponga que se consulta a un experto en el tema y que nos
brinda su opinion sobre las variables consultadas (ver figura 12.6).
Figura 12,6 Tres son los escenarios que normalmente se evalian
Ejemplc 3
Para estimar el precio de venta de un producto se ha definido tres esce-
narios:
© Optimista, con un precie de $/15
* Probable, con un precio de $/12
* Pesimista, con un precio de $/9
En este caso, el precio de venta puede variar desde un valor bajo de $/9
hasta un valor alto de $/15. Es posible asociar una probabilidad de ocu-
rrencia a cada escenario.
1.5 Herramientas o métodes para el analisis
El evaluador de proyectos dispone de varias herramientas 0 métodos que
permitirén conocer las posibilidades de que la rentabilidad suba o baje, ya
sea por el riesgo 0 por la incertidumbre de que cambie el valor de cualquier
variable pronosticada para medir dicha rentabilidad.
Entre las herramientas (Lira Bricefio, 2013) que se pueden emplear estén
las siguientes: © Anilisis de sensibilidad: por variable y por escenario
© Analisis estadistico: promedio y desviacion estandar del VAN
© Simulacion de Montecarlo
« Arboles de decision
Es conveniente recalcar que sea cual sea el método escogido para hacer
el analisis, en todos los casos debe empezarse elaborando un modelo de
pronéstico. Simplemente se trata de desarrollar en una hoja de Excel el
flujo de caja del proyecto, pero es importante incluir un panel de datos en
donde se introduzcan los valores de todas las variables que se utilizan en
Jas proyecciones. De modo que introduciendo en la celda correspondiente
la variacion (0 variaciones), se vea reflejado el cambio en los indicadores
de rentabilidad (VAN o TIR).
2. Analisis de sensibilidad
Este método mide la variacién que se produce en la rentabilidad calculada
(principalmente el VAN) ante posibles variaciones de los factores que defi-
nen un proyecto como la inversién, el COK, el porcentaje de crecimiento de
las ventas, entre otros. Asimismo, se trata de estimar el grado de confianza
de los resultados (ver figura 12.7).
ff
Los cambios en las variables de entrada producen cambios en las variables de salida
Una vez terminada la evaluacién financiera del proyecto, conviene hacer
el andlisis de sensibilidad que consiste basicamente en identificar aquellas
variables del proyecto con mayor peso relativo, tanto en el periodo
preoperativo como operativo, y aplicarles variaciones porcentuales para
sefialar los efectos en los resultados del proyecto, mediante el recalculo
de los flujos netos de caja y la aplicacion de cualquiera de los indicadores
VAN, TIR 0 REC. Hoy con el uso de la computadora y de herramientas como
Excel es facil el desarrollo del anélisis de sensibilidad. ole
Esta técnica también se conoce como «what if...?» (cuya traduccion al espa-
fiol es «zqué sucederia si...?>), reconociendo que lo que se trata de deter-
minar es qué pasaria con la rentabilidad, si una o mas variables cambian.
La utilidad principal de este andlisis es conocer qué factor o variable afecta
en mayor medida el resultado de operacion del proyecto de inversion. Para
esto se calcula el indice de sensibilidad con la siguiente formula:
_ % variaci6n en la rentabilidad
% variacion en el factor que se analiza
Donde:
IS: indice de sensibilidad
Segun la cantidad de variables que se modifique, el analisis de sensibilidad
puede clasificarse en:
» Analisis de sensibilidad por variables: Si se modifica una variable (ana-
lisis unidimensional) o dos variables (analisis bidimensional).
© Anilisis de sensibilidad por escenarios: Si se modifican mas de dos
variables (anilisis multidimensional),
2.1 Analisis de sensibilidad por variables
Para realizar el analisis de sensibilidad se debe seguir los siguientes pasos:
1. Elaborar el modelo de prondstico, es decir, hacer las proyecciones en
una hoja de calcula, la que debe incluir el flujo de caja y los indicadores
de rentabilidad. Debe incluir un panel de variables de entrada.
Bp
. Escoger las variables del panel de entrada que tienen mas probabilidad
de oscilar con respecto a su valor esperado. Se recomienda hasta un
maximo de cuatro variables, las que se iran analizando una por una.
3. Tomar una sola de las variables escogidas. Por ejemplo, el precio de
venta y asignarle valores por abajo y por arriba de este esperado y, sin
realizar modificaciones a los demas elementos, calcular nuevamente los
valores de rendimiento. En este caso, no se debe calcular nada, puesto
que la hoja de calculo recalcula todo automaticamente.
4, Repetir el andlisis para todas las variables escogidas en el paso 2. Vee
5. Elaborar un cuadro resumen de los indicadores de rentabilidad asi obte-
nidos. Este cuadro ayudara a conocer con qué variables la rentabilidad
del proyecto es mas sensible.
Ejemplo 4
Primero, se elabora el modelo de pronéstico con ia siguiente informa-
cién proporcionada por el gerente de finanzas:
Se considera una inversién de $500,000 para un equipo que se depre-
ciard en cinco afios por ej método de ia Imnea recta, La tasa de descuento
(COK) que se utilizara es del 10 % y la tasa de impuesto a la renta es del
30 %. Se supone que todos los ingresos y egresos se reciben y se pagan
en efective.
Se constraye el flujo de caja, como se muestra en la figura 12.8.
“Variables de entrada
(Wentas tonidades} 23,008,
Precio venta unitario 50
d costo variable unitario. 39
‘leoneatios 00000
Inversion son
2 \mguesto aierenta 20%
icon 50%
EY tneresos
i
(Costes fijos
Figura 12.8 Modelo de presupuesto incluyendo el flajo de caja, el VAN y las variables de
entrada,
Segundo, se escoge tres variables de entrada como variables criticas:
ventas, precio e inversion. Tercero, se constraye una tabla, como la mostrada en Ja figura 12.9,
donde se va a realizar el analisis de sensibilidad que incluye una colum-
na con factor que se multiplica por la variable que se va a analizar. Por
ejemplo, para el factor 1.3, las ventas seran = 25,000 x 1.3 = 32,500,
Es muy importante incluir una celda que incluye a la variable de salida
(en este caso el VAN), Esta celda se inchuye para cada una de las tres va-
riables. En este caso, las celdas K3, M3 y 03 hacen referencia a la celda
B22 donde esta calculado el VAN.
Figura 12.9 Tabla para realizar el andlisis de sensibilidad
Cuarto, uma vez construida la tabla de andlisis, se empieza a calcular el.
VAN para cada una de jas variaciones de fa variable precio. Este calculo
se hace con Excel con la siguiente secuencia:
1. Debe seleccionar el rango J3:K10 que incluye las columnas de ventas
y de VAN (ver figura 12.10).
Figura 12.10 Los datos variables estan en la columna J y corresponden a la variable
de entrada ventas (celda B2)
2. Luego, en la pestafia DATOS > grupo Herramientas de datos > haga
clic en el boton Andlisis de Hipétesis y elija la opcion Tabla de Datos. ‘itrador de scant
susce eb.
3. En la ventana que aparece, en Celda de entrada (columna) clija B2,
que corresponde a la variable «ventas» del panel de variables de en-
trada, como aparece en la figura 12.11.
4, Al hacer clic en Aceptar, se calculan los valores del VAN para las dis-
tintas variaciones de las ventas como se aprecia en la figura 12.11.
5. Se repite el mismo andlisis de les pasos 3 y 4 para la variable «pre-
cio». En este caso se elige la celda B3.
Figura 12.11 Los datos variables estan en la columna Ly corresponden a la varia:
ble de entrada Precio (celda B3)
6, Se repite el mismo anilisis de los pasos 3 y 4 para la variable «inver-
siény, En este caso se elige la celda B6 (ver figura 12.12).
Figura 12.12 Los datos variables estén en la columna N y corresponden ala
variable de entrada Inversi6n (celda BG} =
a
egress
Figura 12.13 Cuadro resumen que reine el calculo del VAN para los cambios en
las tres varlables de entrada
8, Como este cuadro esta calculado con valores absolutos no se puede
ver claramente las variables criticas. Para solucionar esto, se cons-
truye una tabla en términes de indice como Ja mostrada en la figura
12.14,
Aqui el factor 1.0 tiene el valor 100. Los dems factores se calculan
mediante una regla de tres simple. Por ejemplo, Si 191,941 es igual a
100, entonces 589,974 sera igual a:
589.974
100 x Tor 941
307
Figura 12.14 Cuadro resumen calculado por indices Ejemplo 5
Con los mismos datos del ejemplo anterior, se desea calcular:
a. Ei volumen de ventas para el cual el VAN es igual a cero {a esto se
conoce come punto de equilibric de ventas)
b, Hasta qué precio se puede bajar sin ocasionar pérdidas (VAN = 0)
Esto se soluciona con la herramienta Buscar objetivo de Excel. Se pro-
cede asi:
1. En la pestaiia DATOS > grupo Herramientas de datos > haga clic en
el botén Anilisis de hipétesis y elija la opcion Buscar objetivo (ver
figura 12.15).
Aadiisnder degen,
Figura 12.15 La herramienta Buscar objetivo de Excel
2. En la ventana que aparece, en Definir la celda elija B22 (corresponde
al calculo del VAN), Con el valor en 0 y Cambiando la celda a B2 (de
las ventas) tal como aparece en la figura 12.16.
Figura 12.16 Ventana Buscar objetivo para calcular el punto de equilibrio
3, Se aprecia el resultado de 21,383 (ver figura 12.17) que son las ventas
correspondientes al punto de equilibrio, Figura 12.17 Ventas del punto de equilibrio
4. De igual modo se procede con el precio. El objetive es el mismo (ha-
cer que el VAN sea cero), pero cambiando el precio (celda B3), como
se aprecia en Ja figura 12.18,
Figura 12.18 Ventana Buscar objetivo para calcular el precio det punto de
equilibrio
5. El resultado es 47 (ver figura 12.19). Esto indica que el precio puede
caer hasta $47 paya que al vender 25 mil unidades se alcance un VAN
igual a cero,
Figura 12.19 Cuadro resumen caleulado por indices
2.2 Analisis de sensibilidad por escenarios
En este caso se va a modificar dos variables mas para analizar como se
afecta la rentabilidad del proyecto.
Los escenarios normalmente son tres: optimista, pesimista y el escenario
probable (también se le llama «escenario base» o «escenario normal»). Ejemplo 6
Continuando con los datos del ejemplo 1, se desea evaluar el VAN para
los escenarios los escenarios mostrados en la siguiente tabla:
F npuesto alavenia
ces
Se procede del siguiente modo.
1. En la pestafia DATOS > grupo Herramientas de datos > haga clic en
el boton Anilisis de hipétesis y elija la opcién Administrador de es-
cenarios.
2. En la ventana Administrador de escenarios, haga clic en Agregar.
3. En Ja ventana Modificar escenario, escriba el nombre del escenario
y elija las celdas cambiantes, como se muestra en la figura 12.20.
En este caso, se elige el rango B2:B4 que corresponde a las celdas de
«ventas», «precio» y «costo variable unitario» (as demas variables de
entrada permanecen constantes para los tres escenarios). Figura 12.20 Creacion del escenario optimista
4. Haga clic en Aceptar y, a continuacién, complete los valores dei esce-
nario «Optimista» como se muestra en la figura 12.21.
5. Haga clic en Aceptar.
Figura 12.21 Valores del escenario Optimista
6. Haga clic en Agregar, para crear el escenario «Pesimista», del mismo
modo en que creé el escenario anterior. Las celdas cambiantes son las
iismas, solo cambia el nombre del escenario.
7. Emeste caso, complete los valores como se muestra en Ja figura 12.22.
Figura 12,22 Valores del escenario Pestmista 8. Al hacer clic en Aceptar, se habra creado los escenarios «Optimista» y
«Pesimistay, como se muestra en Ja figura 12.23. Si se desea cambiar
algim valor, debera hacer clic en Modificar.
9, Para continuar, haga clic en Resumen.
Figura 12.23 Los escenarios Optimista y Pesimista han quedado
definidos
10. Finalmente, indique como celda de resultado a B22 (la celda donde
se calcula el VAN) y haga clic en Aceptar.
Figura 12.2 En la ventana Resumen del escenario se indica la varia~
ble de salida
11. Los resultados apareceran en otra hoja de calculo Hamada Resumen
del escenario (ver figura 12.25), Figura 12.25 Los resultados se crean en una hoja de calculo adicional
3. Mediciones estadisticas del riesgo
Cuando a los escenarios se les asigna una probabilidad de ocurrencia se pue-
de calcular el flujo neto esperado y su variabilidad 0 desviacion estandar.
3.1 Flujo neto de efectivo esperado
El primer indicador estadistico que se calcula con los flujos de efectivo es
el valor esperado de los flujos de efectivo. De acuerdo con la probabilidad
de ocurrencia de cada valor de los flujos de efectivo, su formula es:
ENE = SENER,
&
Donde:
FNE _ ; Flujo neto de efectivo esperado
FNE, _: Flujo de efectivo asociado con la probabilidad de ocurrencia K
n : Numero de posibles resultados en el afio de analisis
P, : Probabilidad de ocurrencia del flujo de efectivo asociado con el
flujo de efectivo
Los valores de los flujos de efectivo que producen los proyectos de inver-
sién pueden presentar diversos valores, segtin se desenvuelva la economia
durante un afio determinado. Por lo tanto, los diferentes valores se mul-
tiplican por su probabilidad de ocurrencia y se obtiene el flujo neto de
efectivo esperado. pce the ops e incerlidyiibre
3.2 Desviacion estandar de los flujos de efectivo
La desviacién estandar, de acuerdo con los posibles escenarios futuros a
los cuales se puede asignar una probabilidad de ocurrencia, se calcula me-
diante la siguiente expresion:
o= /3>(ENE, - FNE) *P,
&
o _ : Desviacion estandar anual de los flujos de efectivo
Flujo neto de efectivo asociado con la probabilidad k
FNE : Flujo neto de efectivo promedio
P.__: Probabilidad asociada con cada flujo de efectivo k
Esta es una medida resumen de dispersién de la desviacion promedio, que
se deriva de la varianza y se expresa en las mismas unidades que las ob-
servaciones mismas.
Dado que la desviacion estandar se calcula mediante una variacion, las
dispersiones mayores de flujos de efectivo, a partir de su valor esperado,
provocaran una mayor desviacién estandar, ya que cuan mayor sea el coe-
ficiente de desviacion estandar, mayores seran las variaciones de los flujos
de efectivo y, por ende, el riesgo.
3.3 Coeficiente de variacion
Este coeficiente se calcula dividiendo la desviacion estandar de una dis-
tribucion probabilistic por el correspondiente valor esperado, y se usa la
formula:
Donde:
CV : Coeficiente de variacion
o _: Desviacion estandar
FNE : Flujo neto de efectivo esperado La ventaja del coeficiente de variacion sobre el promedio y la desviacion
estandar es que puede usarse para comparar el riesgo de las distribuciones
de probabilidad, inclusive cuando los valores esperados no son iguales.
Ejemplo 7
Suponga la existencia de un proyecto que presente la distribucion de
probabilidades de sus flujos de caja estimados como se muestra en la
tabla 12.2.
Tabla 12.2 Caleulo del flujo neto esperado
Bes
Probabilidad Becive
PX ENE,
Al multipiicar el flujo neto efective por sus respectivas probabilidades
y sumarlos, se determina que el flujo neto de efectivo esperado que es
igual a 2.500.
En la tabla 12.3 se muestra ef calculo de Ia desviacion estandar de los
flujos de efective cuyo valor es de 387.30.
Tabla 12,3 Célculo de la desviacion esténdar del flujo neto de efectivo
ec emus Si hubiera otra alternativa de inversion cuya desviacién estandar fuese
mayor que $387.30, su riesgo seria mayor, puesto que estaria indicando
una mayor dispersion de sus resultados. La desviacion estandar no de-
beria ser la inica medida de riesgo, se puede apoyar con el coeficiente
de variacién que se calcula asi.
o__ 387.30
25.00
CV = =0.15,
4, Método Montecarlo
Mediante el empleo del métode Montecarlo se realiza un andalisis de cada
una de las variables inciertas del proyecto. A cada una de ellas ya no se le
asigna un Unico valor, sino un rango de valores y la probabilidad de que
tome cada uno de estos (distribucion). Una vez definido el modelo en el que
se reflejan los calculos de valores y probabilidades de las variables incier-
tas, la simulacién Montecarlo se encarga de asignar de manera aleatoria el
valor a cada una de las variables definidas como inciertas (dentro del rango
especificado para cada una) y recalcular el valor actual neto (VAN) que co-
rresponde a cada conjunto de valores de todas las variables.
La simulaci6n comprende hacer un numero suficiente de iteraciones, es de-
cir, el ntimero de veces que se asignan valores a las diferentes variables
aleatorias del proyecto de inversidn, con lo cual se obtiene el valor presente
neto mas probable. El resultado final de la simulacién Montecarlo es an
conjunto definido de posibles valores tanto de las variables inciertas como
del resultado final del valor presente neto. Este proceso permite cuantificar
el impacto de los riesgos de ocurrencia en cada variable incierta en el valor
presente neto del proyecto.
El método Montecarlo es denominado asi porque se basa en las matematicas
de las apuestas que se hacian en los casinos, Este método vincula las sensi-
bilidades y las distribuciones de probabilidades de las variables de insumo.
Si bien se puede hacer con Excel, es mucho mas sencillo trabajarlo con el
Crystal Ball, un programa del tipo add in que se adapta facilmente a ta hoja
de cAlculo de Excel (Foppiano Rabinovich, 2013). Para explicar el procedi-
miento que se sigue en este método se usara los datos de la hoja de Excel
mostrados en la figura 12.26. Observe que ya esta instalado el complemento
CRYSTAL BALL. Figura 12.26 Modelo de pronéstico a usar en ejemplo
El proceso que sigue este método es el siguiente:
i. Construir el flujo de caja referenciando las celdas a aquellas sobre las
cuales se aplicara la simulacion. Cualquier software de simulacion re-
quiere que todos los valores del flujo, que dependan del valor que asume
aleatoriamente cada factor que servira para hacer la prueba, se modifi-
quen automaticamente en funcién del valor obtenido. En este caso se
har uso del software Crystal Ball.
2. Para este ejemplo se asume que las dos variables de entrada se compor-
tan segim la distribucién normal y que sus parametros son:
a. Para la variable «
