Colegio de Ingenieros del Perú

Capítulo de Ingeniería Industrial y de Sistemas

“Análisis de riesgo en proyectos

de inversión utilizando el método
de simulación de Montecarlo”

Expositores: Eco. Nora Moreno nmoreno@ulima.edu.pe

Ing. Cecilia Moreno mmoreno@ulima.edu.pe
Ing. Angel Agüero angelaguero@uni.edu.pe 1
 Agenda

 Visión general del análisis de

riesgo en proyectos de inversión.
 Métodos de evaluación del riesgo.

 Caso de aplicación de simulación

de Montecarlo.
 Herramientas y usos.

2
Visión general del análisis
de riesgo en proyectos de
inversión

3
 Visión general del análisis del riesgo

Toma de decisiones en
proyectos de inversión

Se basa en la PROYECCIÓN DEL

FLUJO DE CAJA VAN > 0

¿Qué tan probable es que la

rentabilidad pronosticada
se cumpla?
4
 Visión general del análisis del riesgo

EL RIESGO de un proyecto
está relacionado con la
pregunta ¿Cómo manejar la
incertidumbre de los flujos de
efectivo en un proyecto de
inversión ?

5
 Visión general del análisis del riesgo

¿CUÁNDO NOS ENCONTRAMOS

EN UNA SITUACIÓN DE RIESGO ?

Cuando las variables

pueden tomar diferentes
valores y se conoce la
probabilidad asociada
a cada valor

6
 Visión general del análisis del riesgo

¿Cuáles son los métodos

para medir el riesgo?

Ajuste de la tasa de descuento.

Equivalente cierto.
Análisis de sensibilidad.
Simulación de Montecarlo.
Árbol de decisiones.
7
Evaluación de un proyecto individual
MONTECARLO
COMBINADO
PROBABILISTA CON ÁRBOLES
DE DECISIÓN
(BAYES)

SENSIBILIDAD
POR
ESCENARIOS
DETERMINISTA ANÁLISIS DE
SENSIBILIDAD
• Univariable (punto
de quiebre)
• Bivariable
CALCULO DE INDICADORES
DE RENTABILIDAD
• Ajuste de tasa de descuento
• Equivalente cierto en los flujos 8
 Visión general del análisis del riesgo

EVALUACIÓN DETERMINISTA
CALCULO DE
ANÁLISIS DE
INDICADORES DE
SENSIBILIDAD ANÁLISIS DE
RENTABILIDAD
• Ajuste de tasa de •Univariable (punto SENSIBILIDAD
descuento de quiebre) POR
ESCENARIOS
• Equivalente cierto •Bivariable
en los flujos

ANÁLISIS DE
RIESGO

MONTECARLO COMBINADO
CON ÁRBOLES DE DECISIÓN
(BAYES)

EVALUACIÓN PROBABILÍSTICA
9
Evaluación de un proyecto individual
MONTECARLO
COMBINADO
PROBABILISTA CON ÁRBOLES
DE DECISIÓN
(BAYES)

SENSIBILIDAD
POR
ESCENARIOS
DETERMINISTA ANÁLISIS DE
SENSIBILIDAD
• Univariable (punto
de quiebre)
• Bivariable
CALCULO DE INDICADORES
DE RENTABILIDAD
• Ajuste de tasa de descuento
• Equivalente cierto en los flujos 10
 Visión general del análisis del riesgo

1. Ajuste de la Tasa de Descuento

t n
FCt
VAN   IO  
(1t d )
t
t 1

td = Tasa de Costo Oportunidad

del Capital (COK)

“La tasa de descuento expresa la

rentabilidad mínima exigida al proyecto
que evaluamos; representa la tasa de
rentabilidad de la mejor alternativa de
inversión de similar riesgo” 11
 Visión general del análisis del riesgo

1. Ajuste de la Tasa de Descuento (cont.)

td = COK + prima por riesgo

14%
Curva de
12% Indiferencia
Tasa de descuento

del mercado

10% C

8% B

6% A

4%
Tasa libre de
2% riesgo

0%
- 0.5 1.0 1.5 2.0 2.5

Riesgo (CV)
12
 Visión general del análisis del riesgo

1. Ajuste de la Tasa de Descuento (cont.)

0 1 2
Flujo de caja incierto S/. (1,000) S/. 1,370 S/. 1,700

Tasa libre de riesgo 7.0%

Prima por riesgo 17.4%
Tasa de descuento
24.4%
ajustada
Valor Actual Neto S/. 1,199.81

13
 Visión general del análisis del riesgo

2. Método del Equivalente-Cierto

del Equivalente a la Certidumbre
Se determina el factor de ajuste :

FCicierto
 i  FCiincierto 0<<1

 : Representa el punto de indiferencia

entre un flujo con certeza y el valor
esperado de un flujo sujeto a riesgo
14
Concepto de Certeza Visión general del análisis del riesgo

e Incertidumbre
Lanzar una moneda Cara: gana $500
Sello: $0

Rehuir el juego y ganar: $ 150

GANANCIA ESPERADA:
$500 x 0,5 + $0 x 0,5 = $250
REHUIR Y GANAR: $150
15
 Visión general del análisis del riesgo

2. Método del Equivalente-Cierto (cont.)

FCicierto 150
 i FCiincierto 250
   0,6

La persona le es indiferente elegir

entre dos alternativas, es decir, le es
indiferente recibir $250 riesgosos o
recibir $150 sin riesgo.

16
 Visión general del análisis del riesgo

2. Método del Equivalente-Cierto (cont.)

Para un proyecto de inversión

Se ajustan los flujos de caja por el factor

 y se actualiza a la tasa de descuento
libre de riesgo, es decir, el COK:
n ( i * FC i riesgo)
VAN   IO  
(1 COK )
i
i 1

17
 Visión general del análisis del riesgo

2. Método del Equivalente-Cierto (cont.)

Para un proyecto de inversión

0 1 2
Flujo de caja incierto S/. (1,000) S/. 1,370 S/. 1,700

Alfa 0.80 0.75 0.70

0 1 2
Flujo de caja cierto S/. (800) S/. 1,028 S/. 1,190

Tasa libre de riesgo 7.0%

Valor Actual Neto S/. 1,199.67

18
 Visión general del análisis del riesgo

3. Análisis de Sensibilidad

Examina por separado los efectos del

cambio en una variable sobre el VAN
del proyecto

“Si el VAN experimenta un cambio grande

para cambios relativamente pequeños de esa
variable, entonces, el riesgo del proyecto que
está relacionado con ella es alto”

19
 Visión general del análisis del riesgo

Sensibilidad por variables

Valor Varia- Valores
inicial ciones después de
% sensibilizar
Precio $15 -10% $13,5
VAN $2 000 -100% $0

 Un precio menor de $13,5 ocasionaría

que el proyecto deje de ser rentable

20
Evaluación de un proyecto individual
MONTECARLO
COMBINADO
PROBABILISTA CON ÁRBOLES
DE DECISIÓN
(BAYES)

SENSIBILIDAD
POR
ESCENARIOS
DETERMINISTA ANÁLISIS DE
SENSIBILIDAD
• Univariable (punto
de quiebre)
• Bivariable
CALCULO DE INDICADORES
DE RENTABILIDAD
• Ajuste de tasa de descuento
• Equivalente cierto en los flujos 21
 Visión general del análisis del riesgo

Resultados de la evaluación
determinista del caso general
presentado
Rubro \ año 0 1 2 3
Flujo de caja económico (FCE) S/. (136,681) S/. 50,118 S/. 92,837 S/. 155,587
Flujo de financiamiento neto (FFN) S/. 35,700 S/. (16,898) S/. (15,232) S/. (13,566)
Flujo de caja financiero (FCF) S/. (100,981) S/. 33,220 S/. 77,605 S/. 142,021

Tasa costo de oportunidad 20.00%

VAN Económico S/. 59,593 TIRE 41.51%
VAN Financiero S/. 62,783 TIRF 48.47%
Índice Beneficio / costo privado económico 1.05

22
 Visión general del análisis del riesgo

Sensibilidad por variables

- por intervalos-
Precio de
Variaciones
VANE VANF TIRE TIRF B/C venta
en el precio
unitario
17,50% S/. 171.317 S/. 174.507 80,73% 98,61% 1,15 S/. 11,75
15,00% S/. 155.357 S/. 158.547 75,19% 91,48% 1,13 S/. 11,50
12,50% S/. 139.396 S/. 142.586 69,64% 84,34% 1,12 S/. 11,25
10,00% S/. 123.436 S/. 126.625 64,06% 77,19% 1,11 S/. 11,00
7,50% S/. 107.475 S/. 110.665 58,46% 70,03% 1,10 S/. 10,75
5,00% S/. 91.514 S/. 94.704 52,84% 62,85% 1,08 S/. 10,50
2,50% S/. 75.554 S/. 78.743 47,19% 55,67% 1,07 S/. 10,25
0,00% S/. 59.593 S/. 62.783 41,51% 48,47% 1,05 S/. 10,00
-2,50% S/. 43.632 S/. 46.822 35,80% 41,25% 1,04 S/. 9,75
-5,00% S/. 27.672 S/. 30.861 30,05% 34,02% 1,03 S/. 9,50
-7,50% S/. 11.711 S/. 14.901 24,27% 26,78% 1,01 S/. 9,25
-10,00% S/. (4.250) S/. (1.060) 18,45% 19,52% 1,00 S/. 9,00
-12,50% S/. (20.210) S/. (17.020) 12,58% 12,24% 0,98 S/. 8,75
-15,00% S/. (36.171) S/. (32.981) 6,66% 4,94% 0,96 S/. 8,50
-17,50% S/. (52.132) S/. (48.942) 0,69% -2,38% 0,95 S/. 8,25

23
Resultados del análisis de sensibilidad
Capacidad y ventas (punto de quiebre)
Aumento o
Variable disminución
máxima
Ventas durante el horizonte de análisis -32,58%
Precio de venta por TM (sin IGV) -9,95%
Costos
Aumento o
Variable disminución
máxima
Costos totales 11,24%
1. Costos de producción 14,20%
1.1 Costo primo 22,74%
Materiales directos 45,73%
Mano de obra directa 45,74%
1.2 Costos indirectos de producción 36,40%
Materiales indirectos 182,00%
Mano de obra indirecta 91,40%
Otros costos indirectos 91,40%
2. Gastos de administración y ventas 56,70%
2.1 Gastos administrativos 79,40%
2.2 Gastos de venta y distribución 198,60%
Inversiones
Aumento o
Variable disminución
máxima
Inversiones totales 324,00%
Activo fijo 324,00%
Terreno 0,00%
Construcciones 1337,00%
Maquinaria, equipo y mobiliario de planta 429,00%
Capital de trabajo 4
24
Evaluación de un proyecto individual
MONTECARLO
COMBINADO
PROBABILISTA CON ÁRBOLES
DE DECISIÓN
(BAYES)

SENSIBILIDAD
POR
ESCENARIOS
DETERMINISTA ANÁLISIS DE
SENSIBILIDAD
• Univariable (punto
de quiebre)
• Bivariable
CALCULO DE INDICADORES
DE RENTABILIDAD
• Ajuste de tasa de descuento
• Equivalente cierto en los flujos 25
 Visión general del análisis del riesgo

Sensibilidad por Escenarios

Escenarios formulados (valores de las variables pertinentes)

Variable Pesimista Moderado Optimista

Precio unitario de venta sin IGV S/. 9,70 S/. 10,00 S/. 11,30

Materiales directos por unidad sin IGV S/. 2,10 S/. 2,00 S/. 1,90

Unidades a vender en el año 1 35.000 40.000 45.000

Unidades a vender en el año 2 40.000 50.000 60.000
Unidades a vender en el año 3 30.000 40.000 45.000

26
 Visión general del análisis del riesgo

Sensibilidad por Escenarios

Escenarios formulados (valores de las variables pertinentes)

Rubro o resultado Pesimista Moderado Optimista

Tasa de descuento 20,0% 20,0% 20,0%

Valor Actual Neto Económico (VANE) S/. 2.618 S/. 59.593 S/. 192.881
Valor Actual Neto Financiero (VANF) S/. 5.807 S/. 62.783 S/. 196.071

Índice Beneficio / Costo Económico (B/C) 1,00 1,05 1,15

Tasa Interna de Retorno Económica (TIRE) 21,1% 41,5% 83,4%

Tasa Interna de Retorno Financiera (TIRF) 23,1% 48,5% 100,5%

Costo real del préstamo 14,0% 14,0% 14,0%

27
Evaluación de un proyecto individual
MONTECARLO
COMBINADO
PROBABILISTA CON ÁRBOLES
DE DECISIÓN
(BAYES)

SENSIBILIDAD
POR
ESCENARIOS
DETERMINISTA ANÁLISIS DE
SENSIBILIDAD
• Univariable (punto
de quiebre)
• Bivariable
CALCULO DE INDICADORES
DE RENTABILIDAD
• Ajuste de tasa de descuento
• Equivalente cierto en los flujos 28
 Visión general del análisis del riesgo

4. Simulación de Montecarlo

En este método de análisis, el

VAN es calculado considerando
la distribución de probabilidad
de las variable involucradas.

29
 Visión general del análisis del riesgo

4. Simulación de Montecarlo (cont.)

Análisis de Sensibilidad
Precio VAN
Valor inicial ($) 15 2000
Variación (%) -10 -100 Simulación de Montecarlo
Valor Final ($) 13.5 0 MODELO DE SIMULACIÓNDE MONTECARLO

Generador de números aleatorios contínuos (utilizandolafunción

Variables deterministas

Análisis de Escenarios
ALEATORIO( ) del MSExcel), distribuidos uniformemente entre 0 y 1

Variables con cambios V4 V5 ..... Vn

Distribución de Distribución de Distribución de
Variable Pesimista Moderado Optimista probabilidad de la probabilidad de la probabilidad de la
v ariable aleatoria 1 v ariable aleatoria 2 v ariable aleatoria 3

Precio unitario de venta sin IGV S/. 9.70 S/. 10.00 S/. 11.30

Materiales directos por unidad sin IGV S/. 2.10 S/. 2.00 S/. 1.90

Unidades a vender en el año 1 35,000 40,000 45,000

Unidades a vender en el año 2 40,000 50,000 60,000 V1 V2 V3
Unidades a vender en el año 3 30,000 40,000 45,000

MODELOECONÓMICOFINANCIERO
DEEVALUACIÓN
Resultados
Costos de Costos de
Ingresos
Rubro o resultado Pesimista Moderado Optimista operación inv ersión

Tasa de descuento 20.0% 20.0% 20.0% Estado de pérdidas y

ganancias

Valor Actual Neto Económico (VANE) S/. 2,618 S/. 59,593 S/. 192,881 FLUJO DE CAJA
Valor Actual Neto Financiero (VANF) S/. 5,807 S/. 62,783 S/. 196,071
Índice Beneficio / Costo Económico
1.00 1.05 1.15
(B/C)
Tasa Interna de Retorno Económica
21.1% 41.5% 83.4%
(TIRE)
Tasa Interna de Retorno Financiera
23.1% 48.5% 100.5%
(TIRF)
Costo real del préstamo 14.0% 14.0% 14.0%
30
 Visión general del análisis del riesgo

4. Simulación de Montecarlo (cont.)

El uso de distribuciones de
probabilidades acumulativas y de
generadores de números aleatorios
permite obtener casi la misma
distribución de probabilidad similar
al comportamiento real

esta característica permite

usar la Simulación en la
Toma de Decisiones 31
 Método de Montecarlo

4. Simulación de Montecarlo (cont.)

¿Cómo probar que la Simulación
de Montecarlo es útil para la toma
de decisiones?
 Experimentar con una variable
discreta.
 Simular el experimento.
Se probará que los resultados
obtenidos en la experimentación
difieren muy poco a los resultados
obtenidos por el método simulado.
32
 Modelo de Simulación de Montecarlo

4. Simulación de Montecarlo (cont.)

Caso del lanzamiento de un dado

equiprobable para cada una de sus
seis caras

¿Qué pasa si se lanza un dado 300

veces, cuántas veces sale cada cara
al lanzar el dado?

33
 Modelo de Simulación de Montecarlo

4. Simulación de Montecarlo (cont.)

 Si cada lado es equiprobable en 300
lanzamientos, cada una de las 6 caras
aparece 50 veces (300/6).
 La probabilidad de ocurrencia de cada
cara es 1/6 = 0,167
 La media es: 3.5
(1/6)*1+ (1/6)*2+ (1/6)*3+ (1/6)*4+ (1/6)*5+ (1/6)*6
 La desviación estándar es: 1,7078
 3.5  1   3.5  2   3.5  3   3.5  4   3.5  5   3.5  6
2 2 2 2 2 2

6
34
 Modelo de Simulación de Montecarlo

4. Simulación de Montecarlo (cont.)

Resultados del experimento ideal
Frecuencia
Frecuencia
Cara del dado Probabilidad de Probabilidad relativa
relativa (ci) * (pi) (prom - ci)^2
(ci) ocurrencia (pi) acumulada porcentual
porcentual (hi)
acumulada (Hi)

1 0.167 0.167 16.67% 16.67% 0.1667 6.25

2 0.167 0.333 16.67% 33.33% 0.3333 2.25
3 0.167 0.500 16.67% 50.00% 0.5000 0.25
4 0.167 0.667 16.67% 66.67% 0.6667 0.25
5 0.167 0.833 16.67% 83.33% 0.8333 2.25
6 0.167 1.000 16.67% 100.00% 1.0000 6.25
Total 1.000 100.00% Promedio 3.5000 17.50
Desv. est. 1.7078

Real Simulado
Esperanza matemática 3.5433 3.5433
Desviación estándar 1.7078 1.6964
Coeficiente de variabilidad 0.4820 0.4788

35
 Modelo de Simulación de Montecarlo

4. Simulación de Montecarlo (cont.)

Histograma de frecuencias

12

10

0
0.08 0.25 0.42 0.58 0.75 0.92
Frecuencia simple 10 10 10 10 10 10

36
 Modelo de Simulación de Montecarlo

4. Simulación de Montecarlo (cont.)

Simulación del lanzamiento de un dado

VARIABLE GENERADA (CARA DEL DADO: Ci)

C1 = 1 C2 = 2 C3 = 3 C4 = 4 C5= 5 C6= 6

Hi

0,000 0,167 0,333 0,500 0,667 0,833 1,000

Número aleatorio

Simulación

37
 Modelo de Simulación de Montecarlo

4. Simulación de Montecarlo (cont.)

Tabla de frecuencias de la simulación
Frecuencia
Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia
Cara del dado relativa
simple acumulada relativa simple relativa relativa (ci) * (pi) (prom - ci)^2
(ci) porcentual
observada (fi) observada (Fi) (hi) acumulada (Hi) porcentual (hi)
acumulada (Hi)

1 47 47 0.157 0.157 15.67% 15.67% 0.1567 6.25

2 47 94 0.157 0.313 15.67% 31.33% 0.3133 2.25
3 54 148 0.180 0.493 18.00% 49.33% 0.5400 0.25
4 53 201 0.177 0.670 17.67% 67.00% 0.7067 0.25
5 46 247 0.153 0.823 15.33% 82.33% 0.7667 2.25
6 53 300 0.177 1.000 17.67% 100.00% 1.0600 6.25
Total 300 1.000 100.00% Promedio 3.5433 17.50
Desv. est. 1.7078

38
 Modelo de Simulación de Montecarlo

4. Simulación de Montecarlo (cont.)

Histograma de frecuencias del lanzamiento simulado del dado

60

50

40

30

20

10

0
1 2 3 4 5 6
Frecuencia simple 47 47 54 53 46 53

39
 Modelo de Simulación de Montecarlo

4. Simulación de Montecarlo (cont.)

Indicadores estadísticos del
experimento ideal y simulado
Teóricos Simulado
Esperanza matemática 3,5000 3,4967
Desviación estándar 1,7078 1,7078
Coeficiente de variabilidad 0,4880 0,4808

Los resultados de la simulación difieren

muy poco de los teóricos, por lo tanto, la
simulación es una herramienta útil para la
toma de decisiones 40
 Modelo de Simulación de Montecarlo

4. Simulación de Montecarlo (cont.)

Prueba de hipótesis
Cara del dado Probabilidad Probabilidad
D^2
(ci) observada teórica
1 0.157 0.167 0.0006
2 0.157 0.167 0.0006
3 0.180 0.167 0.0011
4 0.177 0.167 0.0006
5 0.153 0.167 0.0011
6 0.177 0.167 0.0006
0.0046

Grados de libertad para una la distribución 3

Nivel de confianza para prueba Chi cuadrado 95.00%
Valor de Chi cuadrado (95%; 3) 7.8147
Se acepta la hipótesis de que la muestra se distribuye
UNIFORMEMENTE entre 0 y 1, ya que 7.8147 > 0.0046
Probabilidad Chi (D^2 >= 0.0046) 0.9999
41
 Modelo de Simulación de Montecarlo

4. Simulación de Montecarlo (cont.)

¿Como medir el riesgo?
A través del cálculo del coeficiente
de variabilidad (CV) del indicador
de rentabilidad, es decir, del VAN:
El coeficiente de variabilidad del VAN es:

 VAN 0.428
CVVAN    0,10  10%
VAN 4.284
“Por cada sol de rendimiento, el
proyecto presenta un riesgo de 10%” 42
 Modelo de Simulación de Montecarlo

4. Simulación de Montecarlo (cont.)

¿QUÉ PROYECTO ELEGIR?
Proyecto VAN VAN CV =  / VAN
A 0.4521 4.284 0,105
B 0.400 2.000 0,200
“A” pues presenta un menor riesgo por unidad de
rendimiento, a pesar que su desvío es más alto.
CONCLUSIÓN: Dado que el CV capta tanto
los efectos del riesgo como los
rendimientos, es el indicador adecuado
para seleccionar entre alternativas con
diferentes niveles de riesgo y rendimiento. 43
 Modelo de Simulación de Montecarlo

5. Árbol de decisiones
Herramienta para el despliegue de la
información para la toma de decisiones
secuenciales.
Elementos:
 Nodos de decisión indica una
acción o decisión.
 Nodos de evento que indica un
estado de la naturaleza o evento
aleatorio o estado tiene una
determinada probabilidad.
44
 Modelo de Simulación de Montecarlo

5. Árbol de decisiones

Se dispone de información sobre

la probabilidad de ocurrencia de
cada rama y el valor esperado del
VAN de cada situación

45
 Caso de Aplicación de
Simulación de Montecarlo

46
Evaluación de un proyecto individual
MONTECARLO
COMBINADO
PROBABILISTA CON ÁRBOLES
DE DECISIÓN
(BAYES)

SENSIBILIDAD
POR
ESCENARIOS
DETERMINISTA ANÁLISIS DE
SENSIBILIDAD
• Univariable (punto
de quiebre)
• Bivariable
CALCULO DE INDICADORES
DE RENTABILIDAD
• Ajuste de tasa de descuento
• Equivalente cierto en los flujos 47
 Método de Montecarlo

Resultados de la evaluación
determinista del caso general
presentado
Rubro \ año 0 1 2 3
Flujo de caja económico (FCE) S/. (136,681) S/. 50,118 S/. 92,837 S/. 155,587
Flujo de financiamiento neto (FFN) S/. 35,700 S/. (16,898) S/. (15,232) S/. (13,566)
Flujo de caja financiero (FCF) S/. (100,981) S/. 33,220 S/. 77,605 S/. 142,021

Tasa costo de oportunidad 20.00%

VAN Económico S/. 59,593 TIRE 41.51%
VAN Financiero S/. 62,783 TIRF 48.47%
Índice Beneficio / costo privado económico 1.05

48
 Método de Montecarlo

¿Cómo calcular el tamaño muestral

para simular?
2
p * (1  p ) * z
n 2
E
n : tamaño de la muestra
p : probabilidad de que se cumpla un evento
Z : valor de la abscisa normal para un nivel de
confianza 
E : nivel de error esperado
A mayor número de repeticiones, la
estimación converge al verdadero valor 49
 Método de Montecarlo

¿Cómo calcular el tamaño muestral

para simular?

0.5 * (0.5) * 2.582

n  663
0.5 2

p : 0.5
Z : 2.58 para un nivel de confianza 99%
E : nivel de error del 5%

50
 Método de Montecarlo

Generación de los valores de las variables

Generador de números aleatorios contínuos (utilizando la función
Variables deterministas
ALEATORIO( ) del MSExcel), distribuidos uniformemente entre 0 y 1

Distribución de Distribución de Distribución de  Mano de obra directa por

probabilidad de la probabilidad de la probabilidad de la unidad
variable aleatoria variable aleatoria variable aleatoria  Materiales indirectos por unidad
PRECIO COSTO DE UNIDADES A VENDER  Mano de obra indirecta por
35 MATERIALES 30 unidad
30

25
DIRECTOS 25
 Otros costos indirectos por
20
30

25
20

15
unidad
 Gastos administrativos anuales
15
20

10 10
15

5 10
5  Inversiones, etc.
0 5
9.80 9.88 9.96 10.04 10.12 10.20 0
37,078 38,382 39,686 40,990 42,294 43,598
Frecuencia simple 2 19 29 2 16 2 0
1.87 1.92 1.97 2.02 2.07 2.12
Frecuencia simple 5 12 26 16 10 1
Frecuencia simple 2 4 26 19 12 7

V1 V2 V3

MODELO ECONÓMICO FINANCIERO DE EVALUACIÓN

51
 Método de Montecarlo

Cálculo del VAN

Generador de números aleatorios contínuos (utilizando la función
Variables deterministas
ALEATORIO( ) del MSExcel), distribuidos uniformemente entre 0 y 1

Distribución de Distribución de Distribución de  Mano de obra directa por

probabilidad de la probabilidad de la probabilidad de la unidad
variable aleatoria variable aleatoria variable aleatoria  Materiales indirectos por unidad
PRECIO COSTO DE UNIDADES A VENDER  Mano de obra indirecta por
35 MATERIALES 30 unidad
30

25
DIRECTOS 25
 Otros costos indirectos por
20
30

25
20

15
unidad
 Gastos administrativos anuales
15
20

10 10
15

5 10
5  Inversiones, etc.
0 5
9.80 9.88 9.96 10.04 10.12 10.20 0
37,078 38,382 39,686 40,990 42,294 43,598
Frecuencia s imple 2 19 29 2 16 2 0
1.87 1.92 1.97 2.02 2.07 2.12
2 4 26 19 12 7
Frecuencia simple 5 12 26 16 10 1
Frecuencia s im ple

V1 V2 V3

MODELO ECONÓMICO FINANCIERO DE EVALUACIÓN

Indicadores o criterios de evaluación económica y financiera (VAN, TIR, B/C, etc.) 52

 Método de Montecarlo

Proceso de simulación
Generador de números aleatorios contínuos (utilizando la función
Variables deterministas
ALEATORIO( ) del MSExcel), distribuidos uniformemente entre 0 y 1

Distribución de Distribución de Distribución de  Mano de obra directa por

probabilidad de la probabilidad de la probabilidad de la unidad
variable aleatoria variable aleatoria variable aleatoria  Materiales indirectos por unidad
PRECIO COSTO DE UNIDADES A VENDER  Mano de obra indirecta por
35 MATERIALES 30 unidad
30

25
DIRECTOS 25
 Otros costos indirectos por
20
30

25
20

15
unidad
 Gastos administrativos anuales
15
20

10 10
15

5 10
5  Inversiones, etc.
0 5
9.80 9.88 9.96 10.04 10.12 10.20 0
37,078 38,382 39,686 40,990 42,294 43,598
Frecuencia s imple 2 19 29 2 16 2 0
1.87 1.92 1.97 2.02 2.07 2.12
2 4 26 19 12 7
Frecuencia simple 5 12 26 16 10 1
Frecuencia s im ple

V1 V2 V3

MODELO ECONÓMICO FINANCIERO DE EVALUACIÓN

Indicadores o criterios de evaluación económica y financiera (VAN, TIR, B/C, etc.)

Tamaño muestral NO
¿Llegó al número de
simulaciones elegido?

SI

Distribución de probabilidad e indicadores estadísticos (promedio, desviación estándar

y coeficiente de variabilidad) de los indicadores de evaluación
53
 Método de Montecarlo

Distribuciones de las variables aleatorias

precio y costo de materiales directos
Precio unitario de venta
Intervalos de clase ]a ; b] Frecuencias relativas
Frecuencia
Promedio de datos 10.00
Frecuencia Frecuencia Desviación estándar 0.0862
Límite Límite Frecuencia Marca de Frecuencia relativa
relativa relativa
inferior superior acumulada clase simple acumulada hi
simple (%) acumulada
(decimal)
>a <= b 0 xi fi hi hi (%) -
9.76 9.84 2 9.80 2 2.86% 2.86% 0.0286
9.84 9.92 21 9.88 19 27.14% 30.00% 0.3000
9.92 10.00 50 9.96 29 41.43% 71.43% 0.7143
10.00 10.08 52 10.04 2 2.86% 74.29% 0.7429
10.08 10.16 68 10.12 16 22.86% 97.15% 0.9715
10.16 10.24 70 10.20 2 2.86% 100.01% 1.0001

70 100.01%

Costo de materiales directos

Intervalos de clase ]a ; b] Frecuencias relativas
Frecuencia Frecuencia
Frecuencia Promedio de datos 2.00
Límite Límite Frecuencia Marca de Frecuencia relativa Desviación estándar 0.0579
relativa relativa
inferior superior acumulada clase simple acumulada hi
simple (%) acumulada
(decimal)
>a <= b 0 xi fi hi hi (%) -
1.85 1.89 2 1.87 2 2.86% 2.86% 0.0286
1.89 1.94 6 1.92 4 5.71% 8.57% 0.0857
1.94 1.99 32 1.97 26 37.14% 45.71% 0.4571
1.99 2.04 51 2.02 19 27.14% 72.85% 0.7285
2.04 2.09 63 2.07 12 17.14% 89.99% 0.8999
2.09 2.14 70 2.12 7 10.00% 99.99% 0.9999

70 99.99%

54
 Método de Montecarlo
Distribuciones de las variables aleatorias
unidades a vender (años 1, 2 y 3)
Ventas año 1
Intervalos de clase ]a ; b] Frecuencias relativas

Límite Límite Frecuencia Marca de Frecuencia

Frecuencia Frecuencia
Frecuencia
relativa
Promedio de datos 40,000
relativa relativa
inferior superior acumulada clase simple
simple (%) acumulada
acumulada hi
(decimal)
Desviación estándar 1,429.43
>a <= b 0 xi fi hi hi (%) -
36,426 37,730 5 37,078 5 7.14% 7.14% 0.0714
37,730 39,034 17 38,382 12 17.14% 24.28% 0.2428
39,034 40,338 43 39,686 26 37.14% 61.42% 0.6142
40,338 41,642 59 40,990 16 22.86% 84.28% 0.8428
41,642 42,946 69 42,294 10 14.29% 98.57% 0.9857
42,946 44,250 70 43,598 1 1.43% 100.00% 1.0000

70 100.00%
Ventas año 2
Intervalos de clase ]a ; b] Frecuencias relativas
Frecuencia
Frecuencia Frecuencia
Límite Límite Frecuencia Marca de Frecuencia
relativa relativa
relativa Promedio de datos 50,000
inferior superior acumulada clase simple acumulada hi
simple (%) acumulada
(decimal) Desviación estándar 11,433.74
>a <= b 0 xi fi hi hi (%) -
9,713 22,941 1 16,327 1 1.43% 1.43% 0.0143
22,941 36,169 6 29,555 5 7.14% 8.57% 0.0857
36,169 49,397 32 42,783 26 37.14% 45.71% 0.4571
49,397 62,625 61 56,011 29 41.43% 87.14% 0.8714
62,625 75,853 69 69,239 8 11.43% 98.57% 0.9857
75,853 89,081 70 82,467 1 1.43% 100.00% 1.0000

70 100.00%
Ventas año 3
Intervalos de clase ]a ; b] Frecuencias relativas
Frecuencia
Frecuencia Frecuencia
Límite Límite Frecuencia Marca de Frecuencia
relativa relativa
relativa Promedio de datos 40,000
inferior superior acumulada clase simple acumulada hi
simple (%) acumulada
(decimal) Desviación estándar 1,579.28
>a <= b 0 xi fi hi hi (%) -
34,491 36,290 1 35,390 1 1.43% 1.43% 0.0143
36,290 38,089 8 37,189 7 10.00% 11.43% 0.1143
38,089 39,888 35 38,988 27 38.57% 50.00% 0.5000
39,888 41,687 59 40,787 24 34.29% 84.29% 0.8429
41,687 43,486 69 42,586 10 14.29% 98.58% 0.9858
43,486 45,285 70 44,385 1 1.43% 100.01% 1.0001

70 100.01%
55
 Método de Montecarlo

Proceso de simulación
Generador de números aleatorios contínuos (utilizando la función
Variables deterministas
ALEATORIO( ) del MSExcel), distribuidos uniformemente entre 0 y 1

Distribución de Distribución de Distribución de  Mano de obra directa por

probabilidad de la probabilidad de la probabilidad de la unidad
variable aleatoria variable aleatoria variable aleatoria  Materiales indirectos por unidad
PRECIO COSTO DE UNIDADES A VENDER  Mano de obra indirecta por
35 MATERIALES 30 unidad
30

25
DIRECTOS 25
 Otros costos indirectos por
20
30

25
20

15
unidad
 Gastos administrativos anuales
15
20

10 10
15

5 10
5  Inversiones, etc.
0 5
9.80 9.88 9.96 10.04 10.12 10.20 0
37,078 38,382 39,686 40,990 42,294 43,598
Frecuencia s imple 2 19 29 2 16 2 0
1.87 1.92 1.97 2.02 2.07 2.12
2 4 26 19 12 7
Frecuencia simple 5 12 26 16 10 1
Frecuencia s im ple

V1 V2 V3

MODELO ECONÓMICO FINANCIERO DE EVALUACIÓN

Indicadores o criterios de evaluación económica y financiera (VAN, TIR, B/C, etc.)

Tamaño muestral NO
¿Llegó al número de
simulaciones elegido? Simulación
SI

Distribución de probabilidad e indicadores estadísticos (promedio, desviación estándar

y coeficiente de variabilidad) de los indicadores de evaluación
56
 Método de Montecarlo

Resultados: histograma de frecuencias del

Valor actual neto financiero (663 simulaciones)
350

Promedio:
300 62,401
Desviación
250
estándar: 20,886
CV: 33.47%
200

150

100

50

-
2,361 27,810 53,259 78,708 104,157 129,606

Frecuencia simple 9 87 296 217 50 4

57
 Método de Montecarlo

Resultados de la aplicación del método

(valores actuales netos)
Rubro VANF VANE
Número de datos 663 663
Valor máximo 131,424 128,234
Valor mínimo 542 (2,647)
Promedio de datos 62,401 59,211
Desviación estándar 20,886 20,886
Coeficiente de variación 33.47% 35.27%

 VAN
CVVAN 
VAN

58
 Método de Montecarlo

Resultados de la prueba de hipótesis ¿La

distribución del Valor actual neto financiero se
distribuye normalmente?
Intervalos de clase ]a ; b] Intervalos de clase ]a ; b] Frecuencias relativas
Frecuencia
Frecuencia Frecuencia
Límite relativa
Límite inferior Frecuencia relativa relativa
Límite inferior Límite superior superior acumulada D^2
normalizado simple acumulada hi acumulada hi
normalizado Normal hi
(decimal) (decimal)
(decimal)
>a <= b >a <= b fi hi hn i (hn i)*N
(10,364) 15,085 (3.484) (2.265) 9 0.0136 0.0115 7.63 0.2460
15,085 40,534 (2.265) (1.047) 87 0.1312 0.1358 90.03 0.1020
40,534 65,983 (1.047) 0.172 296 0.4465 0.4207 278.94 1.0434
65,983 91,432 0.172 1.390 217 0.3273 0.3495 231.69 0.9314
91,432 116,881 1.390 2.608 50 0.0754 0.0777 51.52 0.0448
116,881 142,330 2.608 3.827 4 0.0060 0.0045 2.98 0.3491
663 100.00% 2.7167

Grados de libertad para una Normal 3

Nivel de confianza para prueba Chi cuadrado 95.00%
Valor de Chi cuadrado (95%; 3) 7.8147
Se acepta la hipótesis de que la muestra se distribuye
Normal, ya que 7.8147 > 2.7167

59
 Método de Montecarlo

Calcular la probabilidad de que el proyecto no

sea rentable, es decir, que tenga un VAN < 0

0 - 62,401
Z  -2.9877
20,886

Como el VAN se distribuye normalmente, es posible calcular

en tablas la probabilidad de que el VAN <0 = 0.14%

60
Herramientas y usos

61
Herramientas informáticas para
operar el modelo

Cristall Ball.
Risk.
Macros de Excel.

62
 Usos

Proyectos mineros.
Proyectos agrícolas.
Bolsa de valores.
Etc.

63