Beruflich Dokumente
Kultur Dokumente
En las prximas tres entregas, trataremos la ltima de las metodologas utilizadas para introducir
el riesgo en la evaluacin de proyectos.
Antes, un poco de historia. La primera vez que se menciona a la
Simulacin Montecarlo, es en el artculo Risk Analysis in Capital
Investment de David B. Hertz, publicado en la edicin enero-febrero de
1964 de la revista Harvard Business Review. Si gusta, puede encontrarlo
en este enlace.
En simple, esta metodologa, mezcla el anlisis de escenarios con la
tcnica de mediciones estadsticas (por lo que, le pido revisar las
entregas Anlisis de Sensibilidad parte 2 y Mediciones estadsticas del
riesgo en un proyecto partes 1 y 2); pero, y aqu est lo importante,
las variables crticas, es decir, aquellas cuya variacin impacta
fuertemente en la rentabilidad del proyecto, se insertan dentro de una
distribucin de probabilidades ad hoc para cada una de ellas. Y por
qu se denomina Simulacin Montecarlo? Pues, debido a que los valores
de cada una de las variables, se escogen de manera aleatoria, al igual
que los nmeros que se obtienen en una ruleta. No se preocupe que, en
un momento, le explico paso a paso esta tcnica.
Es importante notar que, en los primero 30 aos de su existencia, esta
tcnica no fue muy utilizada. Recin, a partir de la segunda mitad de
los 90, es que se vuelve popular entre los evaluadores de proyectos.
Razones?, bsicamente dos, la primera tiene que ver con el desarrollo
de hardware (capacidad de procesamiento); y, la segunda, con la
aparicin de software que corre en Excel y que facilita, grandemente,
su aplicacin. Probablemente, haya escuchado de alguno de ellos; los
ms conocidos son: el Crystall Ball y el Risksimulator.
La tcnica se desarrolla a travs de seis pasos, a saber: uno.
Elaboracin del modelo de pronstico; dos. Seleccin de las variables
de riesgo; tres. Asignacin de la distribucin de probabilidades a cada
variable; cuatro. Inclusin de condiciones de correlacin; cinco.
Simulacin; y seis. Anlisis de resultados. Empecemos a desarrollarlas:
1. Elaboracin del modelo de pronstico
No se asuste, no es nada del otro mundo, tiene el programa Excel?,
s?, entonces, lo nico que tiene que hacer, es proyectar el estado de
ganancias y prdidas y el flujo de caja del proyecto que est
analizando, incluya el indicador de rentabilidad correspondiente (VPN,
TIR, etc.). No se olvide de adicionar el panel de variables de entrada
en su hoja (revise por favor la entrega El riesgo en la evaluacin de
proyectos para recordar el porqu, esto ltimo, es tan importante).
Note, como se linkean las ventas del ao 1, al panel de variables de entrada ventas (celda $B$4)
x precio (celda $B$5).
2. Seleccin de variables de riesgo
Una vez elaborado el modelo, el paso siguiente es seleccionar las
variables que impactan ms en la rentabilidad del modelo. Observe que,
anteriormente, ya lo hemos hecho (si no se acuerda, por favor revise la
entrega El anlisis de sensibilidad (parte 1). Le debe quedar claro,
que el concepto es el mismo, debemos escoger precio y cantidad de todas
maneras y, el resto de variables, dependiendo de las caractersticas
particulares del proyecto que estamos evaluando; y, en cuanto al
nmero, pues ni muchas ni pocas. Si quiere una mejor aproximacin,
escoja las variables que luego del anlisis de sensibilidad
unidimensional, son las que afectan, de manera importante, al VPN del
proyecto.
En el caso de SIPECA, se escogieron: nmero de unidades vendidas, el precio de venta, los costos
variables y los costos fijos.
Esta es la segunda de tres entregas, en donde desarrollaremos la Simulacin Montecarlo. En la
entrega anterior, habamos determinado los seis pasos necesarios para llevar a cabo esta
metodologa. Repasmoslas: uno. Elaboracin del modelo de pronstico; dos. Seleccin de las
variables de riesgo; tres. Asignacin de la distribucin de probabilidades a cada variable; cuatro.
Inclusin de condiciones de correlacin; cinco. Simulacin; y, seis. Anlisis de resultados.
En esa misma entrega, explicamos las dos primeras. Toca ahora, hablar
sobre las dos siguientes; pero antes, no se olvide, que debemos haber
elaborado nuestro modelo de pronstico con un panel de variables de
entrada, que estn linkeadas con las proyecciones del estado de
ganancias y prdidas y el flujo de caja (paso 1) y seleccionado las
variables de riesgo, es decir, aquellas cuyas variaciones, a nuestro
juicio, impactan ms en la rentabilidad del proyecto (paso 2).
3. Asignacin de la distribucin de probabilidades:
Debemos tener en cuenta que las variables crticas (en realidad, todas
las variables del proyecto), son de naturaleza riesgosa, pues pueden
comportarse de manera diferente a lo esperado. Se ha abordado este
problema anteriormente, sea efectuando un anlisis unidimensional (por
variable), multidimensional (por escenario), hallando el punto de
equilibrio o mediante el anlisis estadstico; pero para, ejecutar la
Simulacin Montecarlo a cada una de las variables crticas, debe
asignrsele una distribucin de probabilidades.
Antes de continuar, definamos de manera simple este concepto. Una
distribucin de probabilidad es, esencialmente, la asignacin de
probabilidades de ocurrencia a una variable sobre un rango de valores
discretos o continuos. Un aparte, un valor discreto, es una variable
que se puede asociar a un nmero natural (por ejemplo, nmero de
unidades vendidas), en tanto que, una variable continua, es aquella
cuyo rango se encuentra dentro de un continuo de valores (i.e. monto de
las ventas en soles).
Las distribuciones de probabilidad, son utilizadas para regular la
probabilidad de seleccionar variables dentro de rangos definidos y
sirven, especficamente, para expresar cuantitativamente las creencias
y expectativas acerca del resultado de un evento futuro.
Ejecucin de la simulacin:
Esto, lo hace el programa que haya elegido (riskease, risksimulator,
@risk, crystall ball, etc.); pero eso no quita que entendamos la lgica
detrs de la ejecucin.
En realidad, debemos tener claro, que el proceso es aleatorio (y de ah
el nombre Montecarlo, por el juego de ruleta), escogiendo al azar, un
dato por cada variable de riesgo seleccionada y procediendo a
reemplazarlos en el panel de variables de entrada. Dada la vinculacin
entre este, las proyecciones y el indicador de rentabilidad (en este
caso el VPN), automticamente, se recalcular todo el modelo de
pronstico, incluyendo el VPN y, a este valor, le llamaremos VPN1.
Inmediatamente despus, se seleccionar otro dato por cada una de las
variables de riesgo, se reemplazar en el panel de variables de
entrada, se recalcular el modelo y se obtendr un nuevo VPN, al que
llamaremos VPN2. Este proceso se repite hasta que contemos con tantos
VPN, como simulaciones hayamos pedido que ejecute al programa (100,
500, 1,000, 10,000 etc.).