Scribd Logo
Upload

Welcome to Scribd!

  • Analisis de Riesgo

    Uploaded by

    Jhulhio Palacios Perez
    83 views34 pages
    método de montecarlo

    Original Title

    analisis de riesgo

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document
    método de montecarlo

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    83 views34 pages

    Analisis de Riesgo

    Uploaded by

    Jhulhio Palacios Perez
    método de montecarlo

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 34
    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 «

    You might also like