Anlisis bajo

Incertidumbre y
Riesgo
Mtodos alternativos para tratar el
Riesgo
Anlisis de Sensibilidad
Anlisis de Escenarios
Mtodo de Simulacin de Monte Carlo
Estima la sensibilidad de los resultados del proyecto(VAN)
a cambios de un parmetro. Anlisis que pasa si.
Permite conocer qu variables de riesgo son importantes
(como fuente de riesgo)
Una variable es importante dependiendo de:
a) Su participacin porcentual en los beneficios o costos
b) Su rango de valores probables
El anlisis de sensibilidad permite determinar la direccin
del cambio en el VAN.
El anlisis de punto de quiebre permite determinar cunto
una variable puede cambiar hasta que su VAN se vuelva
negativo.
Anlisis de Sensibilidad
Anlisis de Sensibilidad para el
Problema
Tabla de parmetros
Vida Proyecto 5 aos Cap.W 80,000 $
Volumen 20,000 uds. Recuper. 80%
Maquinaria 200,000 $ P.Venta 18 $
VU maq 5 aos C.Variables 8 $
V.rezago 25,000 $ F.Erogables 60,000 $
VU Contable 4 aos IGA 30%
Vresidual 20,000 $ Tasa corte 15%
Cuadro de Resultados
Ao 0 Ao 1 Ao 2 Ao 3 Ao 4 Ao 5
Ventas 360.0 360.0 360.0 360.0 360.0
Costos V. (160.0) (160.0) (160.0) (160.0) (160.0)
Costos Fijos (60.0) (60.0) (60.0) (60.0) (60.0)
Amortizaciones (45.0) (45.0) (45.0) (45.0)
Util.extra 5.0
Perdida CW (16.0)
Benef.antes IGA 95.0 95.0 95.0 95.0 129.0
IGA (28.5) (28.5) (28.5) (28.5) (38.7)
Benef.desp.IGA 66.5 66.5 66.5 66.5 90.3
Flujo de Fondos
Ao 0 Ao 1 Ao 2 Ao 3 Ao 4 Ao 5
Maquina (200.0)
Cap.W (80.0)
Ventas 360.0 360.0 360.0 360.0 360.0
Costos V. (160.0) (160.0) (160.0) (160.0) (160.0)
Costos Fijos (60.0) (60.0) (60.0) (60.0) (60.0)
IGA (28.5) (28.5) (28.5) (28.5) (38.7)
Vta.Maq 25.0
Vta.CW 64.0
FF (280.0) 111.5 111.5 111.5 111.5 190.3
VAN $132.94
Anlisis de Sensibilidad para el
Problema
Var.Variable P.Venta VAN Var VAN C.Variables VAN Var VAN C.Fijos VAN Var VAN
Base 18 $133 0% 8 $133 0% 60000 $133 0%
-30% 12.6 ($120) -191% 5.6 $246 85% 42000 $175 32%
-20% 14.4 ($36) -127% 6.4 $208 56% 48000 $161 21%
-10% 16.2 $48 -64% 7.2 $170 28% 54000 $147 11%
10% 19.8 $217 64% 8.8 $95 -28% 66000 $119 -11%
20% 21.6 $302 127% 9.6 $58 -56% 72000 $105 -21%
30% 23.4 $386 191% 10.4 $20 -85% 78000 $91 -32%
Var.Variable Volumen VAN Var VAN V.Maquina VAN Var VAN Tasa IGA VAN Var VAN
Base 20000 $133 0% 200000 $133 0% 30% $133 0%
-30% 14000 ($8) -106% 140000 $180 35% 21% $163 23%
-20% 16000 $39 -71% 160000 $164 24% 24% $153 15%
-10% 18000 $86 -35% 180000 $149 12% 27% $143 8%
10% 22000 $180 35% 220000 $117 -12% 33% $123 -8%
20% 24000 $227 71% 240000 $102 -24% 36% $113 -15%
30% 26000 $274 106% 260000 $86 -35% 39% $103 -23%
Anlisis de Sensibilidad para el
Problema
$(200)
$(100)
$-
$100
$200
$300
$400
-30% -20% -10% 0% 10% 20% 30%
Variacin Variable
V
A
N
-300%
-250%
-200%
-150%
-100%
-50%
0%
50%
100%
150%
200%
250%
P.Ve nta
C.Variable s
C.Fijos
Volume n
V.Maquina
Tasa IGA
1. Rango y distribucin de probabilidad de variables
El Anlisis de Sensibilidad tpicamente no representa
el posible rango de valores.
El Anlisis de Sensibilidad no representa las
probabilidades para cada rango. Generalmente hay
una pequea probabilidad de estar en el extremo.
2. Direccin de los efectos
Para la mayora de variables, la direccin es obvia
A)Ingresos suben VAN sube
B)Costos suben VAN baja
C)Inflacin No tan obvio
Limitaciones del Anlisis de
Sensibilidad
3. Un anlisis basado en el cambio de una sola variable
no es realista porque las variables estn
correlacionadas.
A) Si el precio de venta sube, la cantidad vendida
bajar.
B) Si la inflacin cambia, todos los precios cambian.
C) Si el tipo de cambio vara, todos los precios de los
bienes transables y pasivos con el exterior cambian.
Un mtodo que toma en cuenta estos efectos
combinados o correlacionados es el anlisis de
escenarios.
Limitaciones del Anlisis de
Sensibilidad
El anlisis de escenarios reconoce que ciertas
variables estn correlacionadas.
Como resultado, un pequeo nmero de variables
puede ser alterado de manera consistente al mismo
tiempo. Se conoce como modelo de sensibilizacin de
Hertz o multidimensional.
Cul es el conjunto de circunstancias que
producen diferentes casos o escenarios?
A. El Peor Caso/ Caso pesimista
B. Caso ms probable/ El mejor estimado
C. El Mejor Caso/ Caso Optimista
Nota: El anlisis de escenarios no toma en cuenta la
probabilidad de los casos que ocurren,

Anlisis de Escenarios
La interpretacin es fcil cuando los resultados son
robustos:
A. Aceptar proyecto si VAN > 0 an en el peor caso.
B. Rechazar proyecto si VAN < 0 an en el mejor caso.
C. Si VAN es a veces positivo o negativo, los resultados
no son concluyentes.

Anlisis de Escenarios
Anlisis de Escenarios para el
Problema
Escenario Pesimista
Debido a competencia creciente la empresa se ve obligada a reducir el
precio de venta un 10% cada ao, y paralelamente por el mayor nmero
de oferentes el volumen de ventas baja un 5% por ao. Los costos
variables que contienen un alto componente importado aumentan 10%
cada ao por sucesivas devaluaciones.
V a ri a ci n d e va ri a b l e s A o 1 A o 2 A o 3 A o 4 A o 5
P rec i o V ent a 18. 0 16. 2 14. 6 13. 1 11. 8
V ol um en 20, 000 19, 000 18, 050 17, 148 16, 290
C. V ari abl es 8. 0 8. 8 9. 7 10. 6 11. 7
VAN ($81.96)
Anlisis de Escenarios para el
Problema
Escenario Optimista
Debido a ausencia de competidores la empresa puede aumentar el precio
de venta un 5% cada ao, y debido a una creciente demanda el volumen
de ventas aumenta un 5% por ao. Los costos variables disminuyen
10% cada ao por optimizaciones en compra de insumos.


V a ri a ci o n d e va ri a b l e s A o 1 A o 2 A o 3 A o 4 A o 5
P rec i o V ent a 18. 0 18. 9 19. 8 20. 8 21. 9
V ol um en 20, 000 21, 000 22, 050 23, 153 24, 310
C. V ari abl es 8. 0 7. 2 6. 5 5. 8 5. 2
VAN $330.81
Anlisis de Escenarios para el
Problema


Escenario Pesimista VAN = ($ 81.96)
Escenario ms probable VAN = $ 132.94
Escenario Optimista VAN = $ 330.81

Conclusin: los resultados no son
concluyentes.

El Mtodo Monte Carlo para Anlisis
de Riesgo
Una extensin del anlisis de sensibilidad y de escenarios.
Simultneamente toma en cuenta las diferentes
distribuciones de probabilidades y los diferentes rangos de
los valores para las variables claves del proyecto.
Permite la correlacin entre variables.
Anlisis de tipo dinmico. Escenarios aleatorios consistentes.
Genera una distribucin de probabilidad de resultados del
proyecto (VAN) en vez de un solo estimado. Perfil
riesgo/rendimiento.
La distribucin de probabilidad del proyecto facilita la toma de
decisiones pero existen problemas de interpretacin y uso.
Pasos para llevar a cabo una
simulacin Monte Carlo
1. Modelo Matemtico: Planilla del proyecto
2. Identificar variables claves que son sensibles e
inciertas.
3. Definir el riesgo
Establecer un rango de opciones (mnimo y
mximo)
Asignar distribucin de probabilidad
- Distribucin Normal
- Distribucin Triangular
- Distribucin Uniforme
- Distribucin (otra)
Pasos para llevar a cabo una
simulacin Monte Carlo
4. Identificar y definir variables correlacionadas
Correlacin positiva o negativa
Grado de correlacin
5. Modelo de Simulacin
6. Anlisis de resultados
Resultados estadsticos
Distribuciones
Identificar variables claves que son
sensibles e inciertas.
Pequea desviacin de su valor proyectado es
probable y potencialmente daina para el
rendimiento.
Regla:
- No incluir :
Rendimiento muy sensible, incertidumbre dbil.
Rendimiento poco sensible, incertidumbre alta.
Solo variables cruciales,
- A mayor cantidad, mayores escenarios
inconsistentes.
- Costo( en $ y T) de definir distribuciones y
condiciones de correlacin.


Definir el riesgo
De una distribucin a una Distribucin de
Probabilidad
0 2 4 6 8 1 0 1 2
Observaciones
V
a
l
o
r

d
e

l
a

v
a
r
i
a
b
l
e
M x imo
Mn imo
F r e c u e n c i a
1
3
5
1
V a l o r d e l a V a r i a b l e
M x i m o
0.1
0.5
0.3
0.1
Valor de la Variable
Probabilidad
Mximo
Mnimo
Definir el riesgo para el Problema
Variables clave y distribuciones
As s u m p ti o n : Vo l u m e n ( c a n ti d a d )
N o rm a l d is trib u tio n with p a ra m e te rs :
Me a n 2 0 ,0 0 0 .0 0
S ta n d a rd D e v . 2 ,0 0 0 .0 0
S e le c te d ra n g e is fro m -In fin ity to +In fin ity
14,000.00 17,000.00 20,000.00 23,000.00 26,000.00
Volumen( cantidad)
Definir el riesgo para el Problema
Variables clave y distribuciones
As s ump tio n: P . Ve nta
Cu s to m d is trib u tio n with p a ra m e te rs : R e la tiv e P ro b .
Co n tin u o u s ra n g e 1 2 .0 0 to 1 4 .0 0 0 .1 0 0 0 0 0
Co n tin u o u s ra n g e 1 4 .0 0 to 2 2 .0 0 0 .8 0 0 0 0 0
Co n tin u o u s ra n g e 2 2 .0 0 to 2 4 .0 0 0 .1 0 0 0 0 0
T o ta l R e la tiv e P ro b a b ility 1 .0 0 0 0 0 0
12.00 15.00 18.00 21.00 24.00
P.Venta
Definir el riesgo para el Problema
Variables clave y distribuciones
As s umption: C.Variable s
Tria ngula r dis tribution with pa ra me te rs :
Minimum 6.50
Like lie s t 8.00
Ma ximum 9.50
Se le cte d ra nge is from 6.50 to 9.50
6.50 7.25 8.00 8.75 9.50
C.Variables
Assumption: F.Erogables
Uniform distribution with parameters:
Minimum 54,000.00
Maximum 66,000.00
54,000.00 57,000.00 60,000.00 63,000.00 66,000.00
F.Erogables
Identificar y definir variables
correlacionadas
Dos variables correlacionadas tienden a variar juntas de
manera sistemtica. Ej: variacin de precio de venta y
variacin de cantidad vendida.
Su existencia puede distorsionar resultados por la
aleatoriedad violar correlacin resultados sesgados o
fuera del blanco.
Condiciones de correlacin restringen seleccin aleatoria.
Solucin: se utilizan coeficientes de correlacin
-Se indica direccin (+ -)
-Estimado de validez de la asociacin
En Problema se correlaciona el precio de Venta con el
volumen vendido. Coef. de correlacin= - 0.8
Modelo de Simulacin
Computadora asume el mando.
Seleccin aleatoria de variables de riesgo segn
rango, distribucin y correlacin.
Procesa reiteradamente el modelo generando
suficientes resultados representativos, mayor a 300
ejecuciones.
Resultados pueden ser: VAN, TIR, Flujo ao x,
Beneficio ao x, etc.
Cada ejecucin genera un resultado distinto.
Resultados se calculan y almacenan.
Anlisis de resultados
Distribucin de probabilidades de posibles resultados
del proyecto.( valor esperado, varianza)
Cada ejecucin : p = 1/N
Probabilidad VAN < Z = p x ( Cantidad de ejecuciones
con VAN < Z).
Riesgo del proyecto representado en la posicin y
forma de la distribucin de probabilidades acumuladas.
A travs del valor esperado, criterios de decisin
mantienen su aplicabilidad.
Con perfil, decisin final subjetiva segn actitud del
inversionista al riesgo.
Caso 1: Probabilidad de VAN
Negativo = 0
Decisin: Aceptar
El lmite menor de la distribucin acumulada est a la
derecha del VAN con valor de cero.
VAN
Distribucin Acumulada
0
-
+
VAN
Probabilidad
0 -
+
Caso 2: Probabilidad de VAN
Positivo = 0
Decisin: Rechazar
El lmite mayor de la distribucin acumulada est a la
izquierda del VAN con valor de cero.
VAN
Distribucin Acumulada
-
+
0
VAN
Probabilidad
-
+ 0
Caso 3: La Probabilidad de un VAN
de cero es mayor a 0 pero menor a 1
Decisin: Ambigua
VAN de cero atraviesa la distribucin acumulada.
VAN
Distribucin Acumulada
-
+
0
VAN
Probabilidad
-
+
0
Decisin: Elegir Proyecto B
Las distribuciones acumuladas no se intersectan en ningn punto.
Caso 4: Proyectos Mutuamente
Excluyentes
1 - Dada la misma probabilidad, un proyecto siempre
muestra un mayor rendimiento
VAN
Probabilidad
- +
Proyecto B
Proyecto A
VAN
Distribucin Acumulada
-
+
Proyecto B
Proyecto A
Caso 5: Proyectos Mutuamente
Excluyentes(2)
Decisin: Ambigua
Las distribuciones acumuladas se intersectan.
Es necesario saber las actitudes frente al riesgo
2 - Alto Rendimiento vs. Pequea Prdida
VAN
Distribucin Acumulada
-
+
Proyecto B
Proyecto A
VAN
Probabilidad
- +
ProyectoB
Proyecto A
Medidas de riesgo
Valor esperado
Prdida esperada: Total de rendimientos negativos x
probabilidad respectiva.
Ganancia esperada: Total de rendimientos positivos
x probabilidad respectiva.
Razn de prdida esperada:
Prdida esperada ___________
Ganancia esperada Prdida esperada
valores: 0 a 1
Coef. de variacin = Desv. standard / Valor
esperado.
< Coeficiente < Riesgo
Resultados Problema (1)
Valor esperado = $ 121.23

Prdida esperada = ($ 13.98)

Ganancia esperada = $ 135.21

Razn de prdida esperada:
13.98 / (135.21 + 13.98) = 0.0937

Coeficiente de variacin = 116.39 / 121.23 = 0.96

Probabilidad VAN < 0 = 17.74%
Resultados Problema (2)
Crys ta l Ba ll Re p o rt
Frequency Comparison
.000
.006
.012
.018
.024
($200.00) ($25.00) $150.00 $325.00 $500.00
VAN
Ov erlay Chart
Resultados Problema (3)
Cumulative Chart
Certainty i s17.74%from-Infinity to $0.00 $
.000
.250
.500
.750
1.000
0
10000
($200.00) ($25.00) $150.00 $325.00 $500.00
10,000 Trials 0 Outliers
Forecast: VAN
Resultados Problema (4)
F o re c a s t: V A N
S u m m a ry :
C e rta in ty Le v e l is 1 7 .7 4 %
C e rta in ty R a n g e is fro m -In fin ity to $ 0 .0 0 $
D is p la y R a n g e is fro m ($ 2 0 0 .0 0 ) to $ 5 0 0 .0 0 $
E n tire R a n g e is fro m ($ 1 7 8 .9 5 ) to $ 4 4 8 .5 8 $
Afte r 1 0 ,0 0 0 T ria ls , th e S td . E rro r o f th e Me a n is $ 1 .1 6
S ta tis tic s : Va lu e
T ria ls 1 0 0 0 0
Me a n $ 1 2 1 .2 3
Me d ia n $ 1 2 7 .9 5
Mo d e ---
S ta n d a rd D e v ia tio n $ 1 1 6 .3 9
Va ria n c e $ 1 3 ,5 4 6 .1 5
S k e wn e s s -0 .1 8
Ku rto s is 2 .2 2
C o e ff. o f Va ria b ility 0 .9 6
R a n g e Min im u m ($ 1 7 8 .9 5 )
R a n g e Ma xim u m $ 4 4 8 .5 8
R a n g e W id th $ 6 2 7 .5 2
Me a n S td . E rro r $ 1 .1 6
Resultados Problema (5)
Target Forecast: VAN
P.Venta .93 *
Volumen( cantidad) -.60 *
C.Variables -.23
F.Erogables -.07
-1 -0.5 0 0.5 1
Measured by Rank Correlation
* - Correlated assumption
Sensitivity Chart
Cmo reducir el costo del riesgo?
Uso de Contratos para reasignar riesgos y rendimientos
Opciones disponibles
Contratos que limitan el rango de valores a un tem del flujo
de caja neto.
Por ejemplo, un comprador puede aceptar comprar una
cantidad mnima o pagar un precio mnimo a fin de asegurar
la oferta; estas medidas podran establecer un lmite mnimo
a los ingresos brutos
Contratos que reestructuran la correlacin de los
componentes del Flujo de Caja del proyecto reducen el
riesgo de los inversionistas.
Por ejemplo, contratos de reparto de utilidades con los
trabajadores, precio del producto indexado con costo de
materia prima.
Uso de contratos para reducir riesgo
en el Problema
Se estudia la posibilidad de hacer contratos de venta
con los clientes de tal forma de atar el precio de venta al
costo variable, de tal forma que:
- si los cv bajan, el precio baja. Estableciendo un precio
mnimo de $12.
- si los cv aumentan, el precio aumenta. Estableciendo
un precio mximo de $24.
- Se incorpora al modelo estableciendo una correlacin
positiva de 1 entre las variables: pv y cv.
Resultados Problema con
Contrato(1)
C r y s t a l B a l l R e p o rt
F o r e c a s t : V A N
S u m m a r y :
C e r t a i n t y L e v e l i s 9 . 4 2 %
C e r t a i n t y R a n g e i s fr o m - In fi n i t y to $ 0 .0 0 $
D is p l a y R a n g e i s fr o m ( $ 1 0 0 . 0 0 ) t o $ 3 5 0 . 0 0 $
E n t ir e R a n g e i s f r o m ( $ 8 5 . 1 7 ) t o $ 3 4 9 . 4 2 $
A f te r 1 0 , 0 0 0 T r ia l s , th e S t d . E r r o r o f th e M e a n i s $ 0 . 8 6
S ta t i s t ic s : V a l u e
T r i a l s 1 0 0 0 0
M e a n $ 1 2 2 . 3 7
M e d i a n $ 1 2 8 . 0 1
M o d e - - -
S ta n d a r d D e v i a t i o n $ 8 5 . 6 9
V a r i a n c e $ 7 ,3 4 2 . 6 7
C o e ff . o f V a r i a b i l i t y 0 . 7 0
R a n g e M i n i m u m ( $ 8 5 . 1 7 )
R a n g e M a x i m u m $ 3 4 9 . 4 2
R a n g e W i d t h $ 4 3 4 . 5 9
M e a n S t d . E rr o r $ 0 . 8 6
C u m u l a t i v e C h a r t
C e r t a i n t y i s 9 . 4 2 % f r o m -I n f i n i t y t o $ 0 . 0 0 $
. 0 0 0
. 2 5 0
. 5 0 0
. 7 5 0
1 . 0 0 0
0
1 0 0 0 0
( $ 1 0 0 . 0 0 ) $ 1 2 . 5 0 $ 1 2 5 . 0 0 $ 2 3 7 . 5 0 $ 3 5 0 . 0 0
1 0 , 0 0 0 T r i a l s 0 O u t l i e r s
F o r e c a s t: V A N
Resultados Problema con
Contrato(2)
Sin Contrato Con Contrato
Valor esperado $ 121.23 $ 122.37

Prdida esperada $ (13.98) $ (5.38)

Ganancia esperada $ 135.21 $ 127.75

Razn de prdida esperada: 0.094 0.022

Coeficiente de variacin 0.96 0.70

Probabilidad VAN < 0 17.74% 9.42%
Resultados Problema con
Contrato(2)
Skewness es una medida de la falta de simetra. Una distribucin, o
conjunto de datos, es simtrico si se observa lo mismo hacia la
izquierda que hacia la derecha a partir de un punto medio.

Kurtosis es una medida de si un conjunto de datos tiene un peak o
es plano relativo a una distribucin normal. Esto es, un conjunto de
datos con alta kurtosis tiende a tener un peak distintivo cerca de la
media, declina rpidamente y tiene pesadas colas. Los conjuntos de
datos con baja kurtosis tienden a tener un tope plano cerca de la
media. La distribucin uniforme sera un caso extremo.

Para datos univariados Y1, Y2, ..., YN, la formula para la skewness
es:

Resultados Problema con
Contrato(2)
Donde Y raya es la media, S es la desviacin estndar y N es el
nmero de datos. La skewness para una distribucin normal es 0, y
cualquier conjunto de datos simtrico debera tener una skewness
cerca de 0.

Los valores negativos para la skewness indica conjunto de datos que
estn sesgados hacia la izquierda y valores positivos indica sesgo
hacia la derecha.
Resultados Problema con
Contrato(2)
Definicin de Kurtosis
Para datos univariados Y1, Y2, ..., YN, la frmula para kurtosis es:

donde es la media, es la desvacin estndar, y N es el numero
de datos.

La kurtosis para una distribucin estndar normal es 3. Por esta
razn, algunas fuentes usan la siguiente definicin de kurtosis:

Cuando esta definicin es usada la desviacin estndar normal
tiene una kurtosis de cero. Adems, con la segunda definicin, una
kurtosis positiva indica una distribucin con peak y una kurtosis
negativa indica una distribucin plana.