Beruflich Dokumente
Kultur Dokumente
conjuntos borrosos a
las decisiones de
inversión
Juan Carlos Gutiérrez Betancur1.
jgutie31@eafit.edu.co
Resumen
Palabras clave: Incertidumbre, números triangulares borrosos, tasas de interés borrosas, valor presente
neto borroso.
Abstract
Based on the genesis of a generalized theory of uncertainty, this article deals with
the importance of using a fuzzy logic approach in economics and finance, with the
1
Administrador de Empresas. Universidad Pontificia Bolivariana. Magíster en Finanzas, ITESM (México). Profesor asistente en
el Departamento de Finanzas de la Universidad EAFIT, Medellín.
62
purpose of defining the non stochastic character of uncertainty of one of the main
financial decision-making criteria: current net value. To achieve this objective we
have designed fuzzy triangular numbers, in order to get the fuzzy current net value;
incorporating the gradual nature of financial decision making and the granularity
of the human thinking process.
Key words
Uncertainty modeling, fuzzy triangular numbers, fuzzy interest rates, fuzzy net present value.
63
adelantaba un estudio de los fenómenos de Sin embargo, tuvieron que transcurrir veintidós
circulación atmosférica con el propósito de siglos hasta que Jan Lukaciewicz, en 1910,
mejorar los pronósticos meteorológicos. Con señalara que existen proposiciones que no
tal fin elaboró un modelo tridimensional que son verdaderas ni falsas, sino indeterminadas;
presentó formas de comportamiento caótico lo cual le permitió enunciar su “principio de
e hipersensibilidad a las condiciones iniciales, valencia” (cada proposición tiene un valor de
fenómeno este último que denominó “efecto verdad), originando así los fundamentos de las
mariposa”. Al resolver numéricamente el lógicas multivalentes.
sistema simplificado que representa el proceso
de convección de calor en la atmósfera, Hacia 1923, el teórico de la lógica Bertrand
encontró que “todas las soluciones eran Russell (84-92) escribió que “todo concepto es
inestables, y casi todas no periódicas” (Lorenz, vago en un grado del que no somos conscientes
1963,). hasta que intentamos precisar dicho concepto”,
con lo cual, el autor pretendía representar el
Según Aristóteles (384 – 322 a.C./1997,), concepto de vaguedad, o la forma como los
“las proposiciones, sean positivas o objetos se transforman continuamente pasando
negativas, son por necesidad verdaderas o de A a no A, siendo durante la mayor parte
falsas. Y de las proposiciones que se oponen del tiempo de existencia una mezcla de ambas
contradictoriamente debe ser una verdadera cosas.
y una falsa”. Es a Crisipo de Soli (208 a.
C.) a quien se le atribuye la formulación del Luego, en 1937, el filósofo cuántico Max Black
“principio del tercio excluso” (una proposición definía el primer conjunto borroso mediante
AD-MINISTER Universidad EAFIT Medellín Número 9 jul - dic 2006
Gráfico 1
64
En este gráfico, Black estableció por primera principio sirve para ilustrar que los humanos
vez que todo es en cierto grado A y en cierto son seres perceptivos que emiten impulsos
grado no A, acercándose a los extremos, sin neuronales que escapan al mecanicismo de la
necesariamente tener que llegar a ellos. Las razón pura, lo que los convierte en tomadores
curvas no son un brusco salto de 0 a 1 o de 1 de decisiones “racionalmente matizadas”.
a 0. Con ello, Black logró extender la lógica A su vez, la aplicación de este principio ha
multivaluada a la teoría de conjuntos, con el dado lugar a un abundante material teórico
fin de representar la vaguedad de la realidad. que se denomina “matemática borrosa de la
incertidumbre” y a toda una tecnología de
Posteriormente, Zadeh (1965), profesor de la aplicación en las más diversas ramas incluyendo
Universidad de California en Berkeley, publicó la economía y las finanzas.
el artículo seminal sobre el cual se ha construido
la teoría de los subconjuntos borrosos; una Con estos desarrollos, la gestión de la incerti-
teoría rigurosa para el tratamiento de la dumbre cuenta con un nuevo enfoque, el cual
incertidumbre. Era una época en la cual los debe entenderse como complementario y no
científicos usaban matemáticas clásicas para como competitivo del enfoque probabilístico,
escrutar los sistemas complejos en ingeniería, un enfoque que permite valorar la percepción
economía, predicción del clima y biología. Pero y la imprecisión presente en los sistemas so-
Zadeh decidió aplicar la lógica multivaluada a cioeconómicos altamente inestables.
la teoría de sistemas porque notó que a medida
que el sistema se hacía más complejo los
enunciados precisos tenían menos significado. 2. Distinción entre datos aleatorios y
65
Se cuenta con “datos aleatorios” cuando se de estas parcialidades; porque se fundamenta en
conocen los estados y únicamente se pueden la lógica aristotélica bivalente. Para la teoría de
probabilidades, un proceso es estocástico o no
afectar los valores asociados a estos estados
estocástico; una serie temporal es estacionaria o
a través de leyes de probabilidad. El proceso
no estacionaria; un evento sucede o no sucede;
de tratamiento se convierte en un proceso una acción es irreversible o no lo es; los eventos
estocástico. También pueden encontrarse A y B son independientes o no independientes;
sistemas en donde los propios estados son y así sucesivamente. Luego, la negación de la
aleatorios. verdad o posibilidad parcial restringe seriamente
la habilidad de la teoría de probabilidades para
Se está en presencia de “datos inciertos” cuan- afrontar los problemas económicos y de gestión
do no pueden obtenerse leyes de probabilidad en los cuales la posibilidad es una cuestión de
grado”.
debido al conocimiento parcial o al descono-
cimiento de la forma de dicha distribución. Se
En opinión de este autor (2002, 236), “la
pasa de lo medible a lo valuable, ya que las va-
más importante desventaja de la teoría de
luaciones son captadas a través de estimacio-
probabilidades consiste en que no posee la
nes numéricas subjetivas, puesto que en estas
capacidad para procesar información basada
situaciones, el camino hacia el conocimiento
en la percepción, la sensación, la expectativa;
de los problemas de gestión económico -fi-
esto debido a que la teoría de probabilidades
nanciera, parte de la percepción de elementos
no cuenta con mecanismos para representar
inherentes al proceso bajo estudio. Se ingre-
el significado de las percepciones, y computar
sa entonces en el ámbito de aplicación de la
dichas representaciones”.
matemática de la incertidumbre: intervalos de
AD-MINISTER Universidad EAFIT Medellín Número 9 jul - dic 2006
66
3. Razones para el uso de la teoría de paradoja que presenta grados de pertenencia
conjuntos borrosos en economía y hacia las esquinas del equilibrio y desequilibrio
finanzas absolutos, los extremos ideales que no siempre
se alcanzan. Esto permite entender que la rea-
Tarrazo (2001, 43) sugiere las siguientes lidad económica y financiera transcurre entre
razones fundamentales: estos dos opuestos la mayor parte del tiempo.
Razón numérica. Siempre existen errores de Razón conductual. Los seres humanos poseen
medición. La corrección de errores puede ser racionalidad limitada y son proclives al error,
crítica en algunas áreas, pero en las ciencias lo cual separa las predicciones de los modelos
inexactas como la economía, las finanzas y la “exactos” y de “equilibrio general”, de las ob-
gestión de empresas siempre se tendrá que vivir servaciones de los hechos. A diario, los datos
con aproximaciones. económicos y financieros muestran los patro-
nes de conducta de los agentes, los cuales sin-
Razón probabilística. La teoría estadística tetizan el grado de borrosidad y asimetría de los
es frecuentista, y no aborda el cambio y impulsos neuronales de los agentes humanos.
la dependencia estructural futura de las
variables que inciden sobre la economía y los Razón cognitiva. Los seres humanos están natu-
negocios. La lógica borrosa evita la pérdida ralmente dotados para gestionar la imprecisión
de información que se produce con el uso de y la incertidumbre no frecuentista pero si, per-
métodos estadísticos que realizan manipulación ceptible y valuable mediante sensaciones.
numérica, puesto que trabajan con promedios,
67
financiera, pues estos modelos deben partir de el valor de cierta variable entre dos extremos,
los juicios razonados que emite la gerencia, el uno inferior y otro superior. Así, por ejemplo,
experto financiero o los agentes del mercado (a se podría decir: el tipo de cambio $ Col. Peso
través de la evidencia de los precios) acerca de / US $ para el próximo trimestre se situará
lo que va a suceder. De acuerdo con Haugen entre [2350, 2400]. Un intervalo de confianza
(1996, 86-87), “en un contexto de mercados correctamente especificado es mejor que
imperfectos el cálculo del costo de capital y pronosticar una variable con un dato concreto
de la deuda no debería fundamentarse sólo en en condiciones de incertidumbre.
modelos teóricos precisos basados en sistemas
de ecuaciones simultáneas y muy apropiados Tripletas y cuádruplos de confianza
para entornos de menor complejidad, sino en
sistemas de ecuaciones aproximadas, que refle- La tripleta de confianza es un dato incierto
jen un enfoque más evolutivo y cambiante”. definido por dos extremos que acotan el valor
previsional de la variable bajo estudio y un
En este sentido, los modelos financieros borro- valor central indicativo del valor con mayor
sos aplicados a la planificación financiera y a posibilidad de obtenerse.
la administración de portafolios de inversión,
lucen muy promisorios por su utilidad para Así mismo, el cuádruplo de confianza es un
establecer rangos de incertidumbre, así como dato incierto definido por dos extremos que
intervalos de riesgo – rentabilidad que permi- acotan el valor previsional de la variable bajo
tan vincular razonablemente la optimización estudio y un valor central indicativo de mayor
financiera con la formación de expectativas. presunción definido dentro de otro que acota
AD-MINISTER Universidad EAFIT Medellín Número 9 jul - dic 2006
68
Escala binaria Escala ternaria
0: falso 0: falso
1 : verdadero 0.5: ni verdadero ni falso
1 : verdadero
Escala endecadaria
0: falso
0.1: prácticamente falso
0.2: casi falso
0.3: bastante falso
En estas escalas se observa que un dato valuado reales en sus elementos. Una función crisp
como falso o verdadero, es un caso particular mapea números reales en números reales. Una
69
observación del número de huevos consumidos Subconjuntos borrosos discretos
por John por un período de 100 días". La
diferencia evidente consiste en que ∑x Px (x)= En el campo discontinuo, los valores posibles
1 y ∑x πx(x) no es necesariamente igual a 1. de la variable objeto de estudio son datos
Por ejemplo, los valores de πx(x) y Px(x) se concretos distanciados entre sí. De esta forma,
observan en la tabla 1: por ejemplo, si asuminos que el plazo de cobro
de una venta a crédito oscila entre 60 y 120
Tabla 1 días, tomando distancias entre valores de 10
días, el tesorero podría estimar el plazo de cobro
x 1 2 3 4 5 6 7 8 a partir del siguiente subconjunto borroso S:
70
Gráfico 2
Se observa que el nivel de presunción crece linealmente desde el extremo inferior (3%) al valor más
posible (3,5%), y decrece linealmente desde este valor hasta el extremo inferior (3,8%).
Tabla 3
0 Si TCE ≤ 3%
(TCE - 3%)/(3,5%-3%) Si 3% < TCE ≤ 3,5%
μ=
(3,8% - TCE)/(3,8% -3,5%) Si 3,5% < TCE ≤ 3,8%
0 Si TCE > 3,8%
Donde TCE es la tasa de crecimiento económico prevista por el economista. De esta forma, la
función de pertenencia se definirá por el rango que se elija.
En términos generales, dado un subconjunto borroso triangular genérico definido por una tripleta
(a, b, c) para una variable X, tendría la siguiente representación gráfica:
71
Gráfico 3.
a) La variable objeto de estudio toma valores 5. Una aplicación a las finanzas: el cálculo
en el campo de los números reales. del valor presente neto borroso
72
caja borroso P = P0,...,Pn con tasa de interés
(1)
borrosa ro para representar el costo de capital
de la empresa. Siendo Po un número borroso
Si se dispone de un número de propuestas de negativo, y los otros Pi con la posibilidad de ser
inversión con flujos de caja P, E,..., el analista números borrosos negativos o positivos. Luego,
puede clasificar las propuestas de mayor a el valor presente neto borroso de P es:
menor VPN y seleccionar inversiones hasta
agotar el presupuesto de capital de la empresa. (2)
(3)
(4)
O, lo que es lo mismo:
(6)
(7)
(8)
73
de caja son los números borrosos triangulares
(9) (NBT) de la tabla 5, donde también se
representan los costos anuales de capital
mediante tripletas de confianza, se debe
(10) tener cuidado al calcular el VPN del proyecto
B, puesto que los flujos de caja para i>0 no
siempre son números borrosos positivos. En
este caso se aplica la solución correspondiente
(11) a las ecuaciones (6) a (11) para once valores
de|. De otro lado, los α-cortes del proyecto de
Por ejemplo, si se desea estimar el VPN de dos inversión A se calculan fácilmente usando la
posibles proyectos de inversión cuyos flujos expresión (5).
Tabla 5
Flujos de caja de los proyectos A y B
AD-MINISTER Universidad EAFIT Medellín Número 9 jul - dic 2006
(r1,m1,s1) = (5%,6%,7%); (r2, m2, s2) = (4%, 5%, 6%); (r3, m3, s3) = (3%, 4%, 5%)
(1 + r1(α))(1 + r2(α))(1 + r3(α)) = (1.05 + 0.01 α) (1.04 + 0.01 α) (1.03 + 0.01α) (16)
74
Y a partir de aquí, se obtiene:
Luego, para obtener el factor de actualización borroso aplicable a cada período, se asignan valores
a α de acuerdo con el sistema endecadario en [0,1] . Así, para el primer año:
Tabla 6
Gráfico 4
75
Para el segundo año se realiza el mismo procedimiento obteniendo el resultado siguiente:
Tabla 7
Tabla 8
AD-MINISTER Universidad EAFIT Medellín Número 9 jul - dic 2006
(22)
Con esto se consigue expresar el factor de actualización a través de un número borroso expresado
por un par intervalo de confianza – nivel de presunción.
76
Ahora bien, para el tratamiento del problema de selección de inversiones con tasas de interés
imprecisas y factores de descuento inciertos a través del tiempo, expresados mediante NBT, se tiene
que el VPN está dado por:
(23)
Con esta expresión se obtienen los posibles beneficios actualizados, expresados por intervalos
asociados a los niveles de presunción.
Aplicando esta expresión a los proyectos A y B se obtienen los número borrosos VαA, y VαB,
respectivamente. Para los flujos del extremo inferior de VαA se tendrá:
Tabla 9
77
Donde al invertir la forma de presentar el número borroso VαA, poniendo en la parte inferior el
nivel 0 y en la superior el 1, se obtiene el siguiente gráfico del NBT:
Gráfico 5
AD-MINISTER Universidad EAFIT Medellín Número 9 jul - dic 2006
Tabla 10
78
Gráfico 6
Para los flujos del extremo superior del intervalo, se tendrá el siguiente VαA:
Tabla 11
79
Gráfico 7
AD-MINISTER Universidad EAFIT Medellín Número 9 jul - dic 2006
Al inspeccionar los máximos niveles de Según esto, el máximo nivel de presunción del
presunción de los gráficos 5, 6 y 7 se concluye VPN de A es de 1290, pero el proyecto en el
que pueden obtenerse tres tipos de tripletas de peor de los casos generaría valor por tan sólo
VPN para representar el perfil del proyecto A: 636, y en el más optimista de los casos 1658,
eventos extremos de gran impacto y mínima
Tripleta de extremos inferiores: posibilidad.
[636, 1253, 1573]
En el caso del proyecto B, para los flujos del
Tripleta de máxima presunción: extremo inferior de VαB se tendrá:
[665, 1290, 1615]
80
Tabla 12
Invirtiendo la forma de presentar el número borroso VαB poniendo en la parte inferior el nivel 0 y
en la superior el 1, se obtiene el siguiente gráfico del NBT:
81
Tabla 13
Gráfico 9
AD-MINISTER Universidad EAFIT Medellín Número 9 jul - dic 2006
Para los flujos del extremo superior del intervalo, se tendrá el siguiente VαB:
82
Se obtiene el siguiente gráfico del NBT:
Tabla 14
Gráfico 10
83
AD-MINISTER Universidad EAFIT Medellín Número 9 jul - dic 2006
Igualmente, al inspeccionar los máximos para posteriores desarrollos, con el fin de
niveles de presunción de los gráficos 8, 9 y 10 hacer borrosos los modelos clásicos, cuando
se concluye que pueden obtenerse tres tipos de sea necesario y posible. Se espera haber
tripletas de VPN para representar el perfil del evidenciado los procesos requeridos para la
proyecto B: transformación de los esquemas válidos en
contextos deterministas, en esquemas útiles
Tripleta de extremos inferiores: para la gestión de la incertidumbre.
[3962, 4120, 4284]
Es inevitable que la aplicación de la lógica
Tripleta de máxima presunción: borrosa a los problemas de gestión económica
[4254, 4417, 4586] y financiera crezca en importancia en los
próximos años. Esto será posible en alto
Tripleta de extremos superiores: grado, debido a que los enfoques tradicionales
[4577, 4744, 4917] basados en la lógica bivalente no se ajustan
bien a la realidad; una realidad impregnada
Según esto, el máximo nivel de presunción del de imprecisión, incertidumbre y verdades
VPN de B es de 4417, pero el proyecto en el parciales.
peor de los casos generaría valor por tan sólo
3962, y en el más optimista de los casos 4917, El argumento fundamental de la lógica binaria
eventos extremos de gran impacto y mínima es el principio del tercio excluso, según el cual las
posibilidad. Es decir, es muy posible que el cosas son o no son, sin permitir la granularidad
proyecto B genere en la incertidumbre 3,42 o admitir situaciones con grados de verdad.
AD-MINISTER Universidad EAFIT Medellín Número 9 jul - dic 2006
(4417/1290) veces más valor que el proyecto Por su parte, la lógica borrosa permite entender
A. que todo es cuestión de grado; lo cual facilita
ajustarse a la realidad, para trabajar, no sólo con
datos en certeza y aleatoriedad, sino también
Conclusiones con información basada en la percepción
puesto que es ampliamente conocido que en
Con el presente artículo se ha pretendido los mercados financieros y en la economía
presentar algunos resultados de investigación en general predominan las emociones y las
iniciales, que en ningún caso son definitivos, percepciones humanas.
pero que tienen el potencial de abrir el camino
84
Bibliografía
Aristóteles. 1977. “De la expresión o interpreta- ________. 1993. Técnicas Especiales para la
ción”, en: Obras Lógicas. Barcelona: Aguilar. Gestión de Expertos. Barcelona: Milladoiro.
376 p.
Black, M. 1937. “Vagueness: An Exercise in
Logical Analysis”, in: Philosophy of Science. 4, Klir, G. y T.A. Folger. 1988. Fuzzy Sets, Uncertainty,
pp. 427 - 455. and Information. New York Prentice Hall.
Borkowski, L. y J. Lukasiewicz. 1970. “Studies in Kosko, B. 1986. “Fuzzy Entropy and Conditioning”,
Logic and the Foundations of Mathematics”, in: Information Sciences, vol. 40, pp. 165 – 174.
in: Selected Works. North Holland. Editado
por L. Borkowski. 405p. Lorenz, E. N. 1963. “Deterministic Nonperiodic
Flow”, in: Journal of the Atmospheric Sciences,
Buckley, J.; Eslami, E. & Feuring, T. 2002. Fuzzy 20. pp.130-141.
Mathematics in Economics and Engineering.
Studies in fuzziness and soft computing. New Russell, B. 1923. “Vagueness”, in: Australian
York: Physica Verlag, 272 p. Journal of Philosophy, 1, pp. 84 – 92.
Gil Aluja, J. 1996. Lances y desventuras del Sen, A. 2004. “Economic Methodology:
nuevo paradigma de la decisión. Buenos Heterogeneity and Relevance”, in: Social
Aires: Proceedings of the International Research. 71, 3. Academia Research Library.
Society Congress on Management and Fuzzy pp. 583 – 614.
Economy.
Sorman, G. 1992. Los verdaderos pensadores de
85