Simulación Cooperativa de Creditos y Ahorros PDF

Universidad de La Serena
Facultad de Ingeniería
Departamento de Ingeniería Industrial
Simulación Operativa
Simulación Cooperativa de créditos

y ahorros
Integrantes:
Ruth Caroca Rivera (2501) ruth_cari9114@hotmail.com

Camila Díaz Núñez (2501) camiladian@gmail.com
Wen Espinoza Chang (2501) wen_espinoza@hotmail.es
Ana López Mánquez (2501) alopezmanquez@gmail.com
Ivanna Tobar Tobar (2501) ivanna.tobar@hotmail.com
Profesor:
Mg. Oscar Contreras

Índice
1.INTRODUCCIÓN 2
2.IDENTIFICACIÓN DEL SISTEMA 3
2.1. FASES DEL SISTEMA 3

2.2. MÉTODO 4
3.TOMA DE DATOS Y COMPORTAMIENTO ESTADÍSTICO 4
4.DESARROLLO DEL MODELO 5
4.1. CARACTERIZACIÓN DE VARIABLES 5

4.1.1. MODELO 5
5.DETERMINACIÓN DE PROTOTIPO Y NÚMERO DE SIMULACIONES Y/O CORRIDAS 6
6. ANÁLISIS Y SIMULACIÓN 7
6.1. ESTACIONALIDAD LIBRETAS DE AHORRO 7

6.1.1. FRECUENCIA SEMANAL 8
6.1.2. FRECUENCIA QUINCENAL 9
6.2. SIMULACIÓN DE LIBRETAS DE AHORRO 10
EN EL GRÁFICO SE PUEDE APRECIA QUE LOS DATOS MODELADOS SE COMPORTAN SIMILAR A LOS REALES ES POR ESTO
QUE SE PUEDE SUPONER QUE LA SIMULACIÓN FUE CORRECTA. 12
6.3. ESTACIONALIDAD DE LOS CRÉDITOS 14
6.4.SIMULACIÓN CRÉDITOS 17
7.CONCLUSIONES 21
1
1.Introducción
Al hablar de simulación, nos centramos directamente en analizar y estudiar

sistemas, reuniendo la información pertinente sobre el comportamiento de este.
El ámbito de la simulación trae consigo una serie de procesos, dentro de estos

están las relaciones de entrada y salida de un sistema, forjando una de las mayores
incertidumbres dentro de un sistema financiero, o para nuestro caso en particular, de una
cooperativa de ahorro y crédito.
Según la ley de cooperativas, estos entes son las cooperativas de servicio que
tengan por objeto único y exclusivo brindar servicios de intermediación financiera en
beneficio de sus socios.
Para ello, entre otras actividades, esta entidad puede recibir depósitos de sus
socios y de terceros, otorgar préstamos, además de emitir y operar tarjetas de crédito.
A raíz de esto y considerado que la simulación no es una técnica de optimización, el

siguiente informe aislará el sistema de entradas y salidas de créditos y ahorros,
modelándolo, considerando los datos históricos entregados por la empresa en cuestión;
analizándolos, verificándolos, validándolos y simulándolos, estimando de esta forma las
medidas de desempeño de la cooperativa, obteniendo así una herramienta para la futura
programación, planificación y toma de decisiones.
2
2.Identificación del sistema
La entidad en cuestión es actualmente la Cooperativa de Ahorro y Crédito de

mayor tamaño a nivel nacional y una de las más importantes de América Latina
entregando créditos y libretas de ahorro todos los días a los clientes que lo requieran.
El proceso comienza cuando un cliente se acerca una sucursal a solicitar crédito o

apertura de libreta, solicitud la cual queda en estado pendiente hasta que finalmente,
posterior a una revisión de datos y antecedentes, son aprobadas o desaprobadas.
Los montos de créditos solicitados, corresponden a una variable aleatoria (no

controlada), por esta razón, la cooperativa desea ser muy cuidadoso con las asignaciones
de los créditos y con tal motivo se ha decidido realizar un modelo de simulación que le
informe cuanto es el monto total que entrega la sucursal por créditos en términos
mensuales. Evaluando además su comportamiento en términos quincenales y semanales.
De esta forma, es evidente, que estos comportamientos solamente pueden ser apreciados
mediante estacionalidades, pues al tratarse de datos mensuales o trimestrales, los datos
anuales y semestrales quedan ocultos.
2.1. Fases del sistema

1) Definir variables aleatorias:
 Cantidad de créditos solicitados

 Monto del crédito solicitado por el cliente
 Cantidad de Libretas de ahorro solicitadas
2) Definir variables controladas:
 Monto del crédito entregado por la financiera
3) Calcular la función de distribución de las variables aleatorias (no controladas)
4) Integración de los elementos en el modelo:
 Combinar los números aleatorios obtenidos con Excel con la función de

distribución de var. aleatorias y simular la cantidad de dinero que entrega la
corporativa en función de las varíales del modelo
5) Función de distribución de los egresos simulados como herramienta de decisión
6) Comparación de los egresos esperados.
3
2.2. Método
Para el desarrollo del informe se utilizó una simulación de Montecarlo con Excel, el cual
corresponde a un método cuantitativo que a partir de una muestra estadística y una serie
de números aleatorios analiza el comportamiento de sistemas reales no dinámicos.
3.Toma de datos y comportamiento estadístico
El tratamiento de datos, ya sea mediante su toma o comportamiento estadístico es

una de las etapas más importantes para una buena simulación de estos. Esto se basa en el
ordenamiento de los datos con el objetivo de lograr una información potencialmente
utilizable.
Para este caso se utilizó una base de datos facilitada por la empresa a tratar, la cual
se centra principalmente en dos flujos de productos, libretas de ahorro y créditos de
consumo. Esta base de datos pertenece a los valores ya antes mencionados, en el periodo
de tiempo Enero 2014- Octubre 2014 para todo lo relacionado con los créditos y Octubre
2013- Octubre 2014 para los datos relacionados con las cuentas de ahorro. Con esto será
posible determinar una cierta estacionalidad, además como se dijo anteriormente una
ventaja en cuanto a la toma de decisiones futuras.
Ambas variables (créditos y ahorro) forman parte del modelo que se mostrará más
adelante, si bien ambas tienen un tratamiento similar en cuanto a los datos, se debe tener
presente qué tipo de variables son.
Por concepto de solicitudes tanto de crédito como libretas de ahorro, la palabra

“solicitud” nos aclara de manera notoria que se está en frente de variables aleatorias
discretas, ya que se presenta como números enteros.
Ahora bien, lo mismo ocurre con el concepto de montos. Aunque de cierto modo
es un tanto más difícil de visualizar, porque esta variable fue tratada como intervalo, pero
pertenece a una variable aleatoria discreta.
Por lo tanto se tiene que;
 Cantidad de créditos solicitados (variable discreta)

 Monto del crédito solicitado por el cliente (variable discreta)
 Cantidad de Libretas de ahorro solicitadas (variable discreta)
Una vez recolectados los datos e identificadas las variables, se inicia con su
procesamiento según la necesidad del sistema, en este caso se utilizaron los datos para
simular el modelo que se detallará en el siguiente ítem.
4
4.Desarrollo del modelo
4.1. Caracterización de variables
Para el desarrollo del modelo se procedió a plantear el siguiente sistema con su respetiva
forma general, como función:
Sistema Créditos y ahorro
Recibir Solicitud
Clientes (solicitud Monto por crédito

Evaluar Rechazado
crédito y ahorro)
Pendiente Aceptado
4.1.1. Modelo
El modelo presentado solo nos numeraliza la simulación de créditos, no la de libretas de

ahorro.
𝑄 = Σ𝑀𝑖 , donde i=1,2,3…….10 (*)
Dónde:
Q= Cantidad de dinero que es entregada por la cooperativa en términos mensuales.
M= Monto de crédito expresado en pesos ($).
i=Mes en que es asignado el crédito.
*Se consideran los créditos entregados entre Enero 2014 y Octubre 2014, por lo tanto la
variable “i” toma valores entre cero y diez.
5
Considerando esto, para deducir el modelo se cuenta con las siguientes variables:
 Solicitud del crédito

 Monto de dinero del créditos
 Solicitud Libretas de ahorro
En primer lugar se debe tener claro que un crédito es un préstamo realizado por una
entidad financiera a una persona natural, con el fin de hacer la compra de un bien o
servicio ;el pago correspondiente más los intereses devengados son enterados en un plazo
que se haya convenido entre las partes pero que normalmente se realiza en el corto o
mediano plazo. Por lo mismo tanto la solicitud y el monto son variables que no pueden
estar una sin la otra, pues el valor incide directamente en que si la solicitud se aceptada o
no, ya que si bien cada entidad financiera tiene su propia política para aceptar o rechazar,
el complemento monto v/s sueldo es un gran peso en cundo a aceptar o no un crédito.
Por otro lado las libretas de ahorro, como todos lo sabes son documentos que un banco o
caja entrega a la persona que abre una cuenta y en la que se van registrando los
movimientos que hace con su dinero.
5.Determinación de prototipo y número de simulaciones y/o

corridas
Para el cálculo del número óptimo de simulaciones, debido a que ninguna variable se
ajusta a la distribución del tipo normal, se utilizara el teorema de Tchebycheff, el cual nos
entrega el número óptimo de simulaciones a realizar.
El teorema se expresa de la siguiente forma:
𝑚^2
𝑛=
𝛼
Dónde:
n: número de corridas óptimo de simulación.
α: probabilidad de error permitida.
k=1/m: número máximo de desviaciones estándar permitido sobre la media de la

distribución a simular.
6
Entonces dado una probabilidad de error permitida de 5% y considerando que la

simulación de la cantidad de cuentas aprobadas por la financiera, no puede diferir más de
±0,11547 del valor real (como dato arbitrario), se tiene:
1
M= = 8,66025
0,11547
α=0,05
Entonces:
1
( )^2
0,11547
𝑛= = 1500
0,05
El número óptimo de corridas para el modelo a simular, es de 1500 iteraciones, siendo

estos, calculados con los parámetros anteriormente nombrados.
6. Análisis y simulación
6.1. Estacionalidad libretas de ahorro

Cada mes del año se comporta diferente uno del otro, este análisis trata de
identificar un índice estacional asociada a cada mes, trimestre, semana del año, o, en
otras palabras, un conjunto de índices mensuales que consiste en 12 índices que son
representativos de los datos para un período de 12 meses o, cuatro índices si se trata de
trimestres y 52 índices si se trata de semanas.
El método usado para determinar estos índices se llama método de razón a

promedio móvil y elimina las componentes de tendencia, cíclica e irregular y está descrito
en el ejemplo siguiente.
Los índices obtenidos por este método se utilizan para ajustar los datos originales
con lo que se obtienen los valores desestacionalizados o datos ajustados estacionalmente
a partir de las cuales se procede a obtener pronósticos para los trimestres futuros.
7
6.1.1. Frecuencia semanal

Los datos siguientes representan las frecuencias semanales de aperturas de
libretas
Semana1 Semana2 Semana3 Semana4 Semana5

Nov 8 7 11 4
Dic 7 7 8 6
Ene 2 12 9 15 11
Feb 10 15 13 15
Mar 16 17 12 9
Abr 20 7 9 8 7
May 18 16 13 12
Jun 11 5 3 8
Jul 6 6 10 12 17
Ago 8 4 9 4
Sep 4 12 4 7
Oct 4 5 5
1. Construcción de gráfica de la serie de tiempo e interpretar los datos

Como se puede observar en la gráfica es difícil apreciar el comportamiento de los
datos de manera semanal en el año, es por esto que se calculara el índice estacional para
eliminar la las influencias de las componentes de tendencia, cíclica e irregular
Frecuencia
30
20
10 frecuencia
0
0 10 20 30 40 50 60
2. Obtener los índices estacionales semanales
Para calcular el índice estacional semanal es necesaria la construcción de dos tablas, la

primera para obtener los valores estacionales específicos. Y la segunda para poder
analizar el resultado de la primera tabla y obtener los índices estacionales semanales.
Mes Media Media*F.
Semana
nov dic ene feb mar abr may jun jul ago sep oct modificad ajust*100
1 1,018 0,281 0,8 1,058 1,72 1,398 1,222 0,906 0,81 0,604 0,78 0,796871 82,30971
2 1,037 1,433 1,176 1,193 0,629 1,133 0,69 0,75 0,508 1,882 1,167399 120,5819
3 0,599 1,255 0,847 0,929 0,857 0,96 0,937 0,49 1,013 1,565 0,593 1,279389 132,1495
4 0,604 0,941 1,304 1 0,679 0,877 1,032 1,422 1,043 0,64 1,191 1,004228 103,7278
5 0,917 0,615 1,545 0,916667 94,68349
5,164554
Factor de ajuste 1,032911
8
* Al calcular la media modificada de cada semana, se suman los valores obtenidos

pero sin considerar los valores más alto y más bajo.
3. Estos índices implican que:

 Para la semana 1, cuyo índice es 82,30971 significa que la frecuencia de apertura
de libretas en esa semana estarán (100-82,30971=) 17,69029% por debajo del
promedio típico.
de libretas en esa semana estarán (120,5819-100=) 20,5819% por sobre el
promedio típico.
de libretas en esa semana estarán (132,1495-1000=) 32,1495% por sobre el
promedio típico.
de libretas en esa semana estarán (103,7278-100=) 3,7278% por sobre el promedio
típico.
 Para la semana 5, cuyo índice es 94,6834 significa que la frecuencia de apertura de
libretas en esa semana estarán (100-94,6834=) 5,3166% por debajo del promedio
típico.
6.1.2. Frecuencia quincenal

Los datos siguientes representan las frecuencias quincenales de aperturas de
libretas
quincena frecuencia quincena frecuencia
Q1 nov 15 Q1 may 35
Q2 nov 15 Q2 may 27
Q1 dic 14 Q1 jun 19
Q2 dic 15 Q2 jun 9
Q1 ene 20 Q1 jul 17
Q2 ene 28 Q2 jul 28
Q1 feb 25 Q1 ago 17
Q2 feb 28 Q2 ago 13
Q1 mar 33 Q1 sep 16
Q2 mar 29 Q2 sep 13
Q1 abr 28 Q1 oct 7
Q2 abr 12 Q2 Oct 5
9

Como se puede apreciar en la
Frecuencia gráfica los meses de enero a abril
40 son lo que hay más frecuencia de
30
apertura de libretas.
20
frecuencia
10
0
0 5 10 15
Con el mismo procedimiento que el punto anterior e indicaciones de los cuadros

naranjos se obtiene la siguiente tabla:
Mes Media Media*Faju
Semana
nov dic ene feb mar abr may jun jul ago sep oct modifica st*100
Q1 0,97 0,96 1,08 1,07 1,15 1,28 1,03 0,96 0,91 1,42 0,90 1,28 145,85
Q2 1,02 0,94 1,03 0,92 0,97 0,55 1,00 0,67 1,24 0,88 1,13 1,00 114,68
2,28

 Para la Quincena1, cuyo índice es 145,8513 significa que la frecuencia de apertura
de libretas en esa semana estarán (145,8513-100=) 45,8513% por encima del
promedio típico.
 Para la Quincena2, cuyo índice es 114,6846 significa que la frecuencia de apertura
de libretas en esa semana estarán (114,6846-100=) 14,6846% por encima del
promedio típico.
6.2. Simulación de libretas de ahorro

La siguiente tabla muestra las frecuencias de apertura de libretas de ahorro
mensualmente con su probabilidad.
10
Libretas de ahorro
Prob.
Mes Mes Fecuencia Prob.
acumulada
1 Noviembre 30 0,064103 0,06410256
2 Diciembre 28 0,059829 0,12393162
3 Enero 49 0,104701 0,22863248
4 Febrero 53 0,113248 0,34188034
5 Marzo 54 0,115385 0,45726496
6 Abril 51 0,108974 0,56623932
7 Mayo 59 0,126068 0,69230769
8 Junio 27 0,057692 0,75
9 Julio 51 0,108974 0,85897436
10 Agosto 25 0,053419 0,91239316
11 Septiembre 27 0,057692 0,97008547
12 Octubre 14 0,029915 1
Total 468
Para poder simular lo que pasara con las libretas de ahorro fue necesario calcular
500 números pseudoaleatorio validados correctamente, tablas que se pueden apreciar en
los Excel adjuntos al trabajo. Dando como resultado la siguiente tabla que se muestra,
aquí se muestra un posible escenario futuro para la apertura de libretas con su respectivo
intervalo de confianza.
Valor más probable Intervalo de confianza

Mes apertura libretas Lim. Inf. Lim. Sup.
Noviembre 34 19 49
Diciembre 19 4 34
Enero 55 40 70
Febrero 66 51 81
Marzo 65 50 80
Abril 56 41 71
Mayo 71 56 86
Junio 27 12 42
Julio 43 28 58
Agosto 24 9 39
Septiembre 29 14 44
Octubre 11 -4 26
11
80 En el gráfico se puede
70 aprecia que los datos
60 modelados se comportan
50
40 similar a los reales es por
30 Fecuencia Real esto que se puede
20
10
suponer que la
Frecuencia modelado
0 simulación fue correcta.
Julio
Diciembre
Abril
Mayo
Octubre
Agosto
Enero
Febrero
Marzo
Junio
Noviembre
Septiembre
6.2.2. Frecuencia Quincenal

La siguiente tabla muestra las frecuencias de apertura de libretas de ahorro pero
esta vez quincenalmente.
Libretas de ahorro
F. relativa
Mes Mes Fecuencia F. relativa
absoluta
1 Q1 nov 15 0,03 0,03
2 Q2 nov 15 0,03 0,06
3 Q1 dic 14 0,03 0,09
4 Q2 dic 15 0,03 0,13
5 Q1 ene 20 0,04 0,17
6 Q2 ene 28 0,06 0,23
7 Q1 feb 25 0,05 0,28
8 Q2 feb 28 0,06 0,34
9 Q1 mar 33 0,07 0,41
10 Q2 mar 29 0,06 0,47
11 Q1 abr 28 0,06 0,53
12 Q2 abr 12 0,03 0,56
13 Q1 may 35 0,07 0,63
14 Q2 may 27 0,06 0,69
15 Q1 jun 19 0,04 0,73
16 Q2 jun 9 0,02 0,75
17 Q1 jul 17 0,04 0,79
18 Q2 jul 28 0,06 0,85
19 Q1 ago 17 0,04 0,88
20 Q2 ago 13 0,03 0,91
21 Q1 sep 16 0,03 0,95
22 Q2 sep 13 0,03 0,97
23 Q1 oct 7 0,01 0,99
24 Q2 Oct 5 0,01068376 1
Total 468
12
Repitiendo el proceso anterior se volvieron a simular 500 numeros pseudoaleatorio y a

validarlos, obteniendo la siguiente tabla:

Quinena apertura libretas Lim. Inf. Lim. Sup.
Q1 nov 13 5 21
Q2 nov 21 13 29
Q1 dic 8 0 16
Q2 dic 14 6 22
Q1 ene 21 13 29
Q2 ene 31 23 39
Q1 feb 21 13 29
Q2 feb 45 37 53
Q1 mar 39 31 47
Q2 mar 37 29 45
Q1 abr 31 23 39
Q2 abr 12 4 20
Q1 may 34 26 42
Q2 may 39 31 47
Q1 jun 18 10 26
Q2 jun 9 1 17
Q1 jul 13 5 21
Q2 jul 23 15 31
Q1 ago 20 12 28
Q2 ago 11 3 19
Q1 sep 17 9 25
Q2 sep 13 5 21
Q1 oct 5 -3 13
Q2 Oct 5 -3 13
En el gráfico se 0,1
puede apreciar que 0,09
se comportan de 0,08
manera similar los 0,07
datos reales con los 0,06
datos simulados. 0,05 Prob.
0,04
Frecuencia relativa
0,03
0,02
0,01
0
Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1
nov dic ene feb mar abr may jun jul ago sep oct
13
6.3. Estacionalidad de los créditos

Los datos siguientes representan las frecuencias semanales de aperturas de
libretas
Sem1 Sem2 Sem3 Sem4 sem5
enero 10 35 27 34 31
febrero 23 38 24 31
marzo 29 36 34 22
abril 33 36 32 29 28
mayo 38 35 31 40
junio 40 50 48 40
julio 37 38 38 52 35
agosto 35 30 50 51
septiembre 50 46 39 45
octubre 48 59 71
A lo largo del año se ve como el número de solicitudes de créditos va aumentando,

ahora se procederá a analizar la estacionalidad sin la tendencia ni nada que la perturbe.
80
70
60
50
40
Series1
30
20
10
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41
14
Mes Media Media*F.aj

Semana
Ene Feb Mar Abr May Jun Jul Ago Sep Oct modificada ust*100
1 0,76 0,93 1,06 1,16 0,94 0,94 0,88 1,04 0,90 0,93 93,64
2 0,93 1,31 1,15 1,14 1,01 1,12 0,96 0,93 1,01 1,12 113,33
3 1,12 0,81 1,11 1,00 0,86 1,09 0,93 1,10 0,87 1,08 109,31
4 1,03 1,02 0,70 0,92 1,04 0,95 1,29 1,05 0,98 1,04 104,68
5 0,87 0,87 0,87 87,97
5,0444032

libretas en esa semana estarán (100-96,64=) 6,36% por debajo del promedio típico.
libretas en esa semana estarán (113,33-100=) 13,33% por sobre el promedio típico.
libretas en esa semana estarán (100-87,97=) 22,03% por debajo del promedio
típico.
En resumen se puede observar que es en la segunda semana donde se aprecia un

mayor número de solicitudes, por el contrario en los meses que tiene 5 semanas en
esta última es donde hay menos flujo de solicitudes.
6.3.2. Frecuencia quincenal

Los datos siguientes representan las frecuencias quincenales de aperturas de
libretas
Quincena Fecuencia Quincena Fecuencia
Q1 Ene 62 Q1 Jun 90
Q2 Ene 75 Q2 Jun 98
Q1 Feb 61 Q1 Jul 88
Q2 Feb 55 Q2 Jul 91
Q1 Mar 65 Q1 Ago 76
Q2 Mar 60 Q2 Ago 101
Q1 Abr 76 Q1 Sep 108
Q2 Abr 74 Q2 Sep 97
Q1 May 68 Q1 Oct 124
Q2 May 80
15

Igual que con el grafico semanal, se puede apreciar que las solicitudes de créditos va
aumentando en el año.
140
120
100
80
60 Series1
40
20
0
1 2 3 4 5 6 7 8 9 10111213141516171819
Con el mismo procedimiento que el punto anterior e indicaciones de los cuadros

naranjos se obtiene la siguiente tabla:
Mes Media Media*Faju

Semana
Ene Feb Mar Abr May Jun Jul Ago Sep modificada st*100
Q1 0,97 1,06 1,06 0,94 1,01 0,96 0,88 1,04 1,01 104,12
Q2 1,10 0,93 0,92 1,01 1,01 1,05 1,05 1,05 0,91 1,04 107,39

 Para la Quincena1, cuyo índice es 104,12 significa que la frecuencia de solicitudes
de créditos en la primera quincena estarán (104,12-100=) 4,12% por encima del
promedio típico.
 Para la Quincena2, cuyo índice es 107,39 significa que la frecuencia de apertura de
libretas en esa semana estarán (107,39-100=) 7,39% por encima del promedio
típico.
A pesar de que en las 2 quincenas el índice de estacionalidad está por sobre el

promedio típico, la diferencia es muy baja por lo que se podría inferir es que las quincenas
funcionan similarmente, y es en la segunda donde se haya una alza mayor.
16
6.4.Simulación créditos
Para solucionar la problemática de cuántas son las posibles solicitudes que
ingresan a la financiera mensualmente y cuál es el flujo de efectivo que egresa en el
mismo periodo de tiempo (Enero-Octubre) es que se decidió simular el flujo de caja con
los egresos por mes. Para esto se siguió la metodología Montecarlo, se realizaron 1500
simulaciones (ya que es un valor cercano al real dentro del mismo periodo) en base a la
función de densidad de cada uno de los items.
Los datos históricos 2014 (Enero-Octubre) de los créditos solicitados, aprobados y

sus montos se muestran a continuación, al igual que sus distribuciones de probabilidad.
Créditos solicitados Créditos aprobados

Mes Mes Frecuencia Frec. relativa Frec. Acum. Frecuencia Frec. relativa Frec. Acum.
1 Enero 137 0,08488228 0,08488228 131 0,08744993 0,08744993
2 Febrero 116 0,07187113 0,15675341 111 0,0740988 0,16154873
3 Marzo 125 0,07744734 0,23420074 122 0,08144192 0,24299065
4 Abril 150 0,0929368 0,32713755 144 0,09612817 0,33911883
5 Mayo 148 0,09169765 0,41883519 144 0,09612817 0,435247
6 Junio 188 0,11648079 0,53531599 180 0,12016021 0,55540721
7 Julio 179 0,11090458 0,64622057 173 0,11548732 0,67089453
8 Agosto 177 0,10966543 0,755886 164 0,10947931 0,78037383
9 Septiembre 205 0,12701363 0,88289963 194 0,12950601 0,90987984
10 Octubre 189 0,11710037 1 135 0,09012016 1
Total 1614 1498
Costo anual
Intervalo Intervalo Frecuencia Frec. relativa Frec. Acum.
1 0-1.933.197 1235 0,76517968 0,76517968
2 1.933.198-3.866.395 187 0,11586121 0,88104089
3 3.866.396-5.799.593 77 0,04770756 0,92874845
4 5.799.594-7.732.791 54 0,03345725 0,9622057
5 7.732.792-9.665.989 25 0,01548947 0,97769517
6 9.665.990-11.599.187 19 0,011772 0,98946716
7 11.599.188-13.532.385 11 0,00681537 0,99628253
8 13.532.386-15.465.583 3 0,00185874 0,99814126
9 15.465.584-17.398.781 1 0,00061958 0,99876084
10 17.398.782-19.331.979 1 0,00061958 0,99938042
11 19.339.980-21.265.177 0 0 0,99938042
17
12 21.265.178 o más 1 0,00061958 1

Total 1.614
N° de intervalos: 1+3,3log(N)
N= 1614
Como se mencionó anteriormente, se realizaron 1500 números aleatorios

debidamente validados para cada uno de los casos (solicitudes, aprobaciones y montos),
los cuales se asignaron a las distribuciones de probabilidad acumulada correspondiente,
para así realizar la simulación, obteniendo como resultado el valor más probable y el
intervalo de confianza (+/- 1σ). La simulación de cada escenario y las gráficas comparativas
se muestra a continuación:
Solicitud de créditos
Solicitud de créditos
250
Mes Créditos solicitados Lim. Inf. Lim. Sup.
Enero 118 88 148 200
Febrero 101 71 131
Marzo 120 90 150 150
Abril 130 100 160
100
Mayo 140 110 170
Junio 189 159 219 50
Julio 183 153 213
Agosto 181 151 211 0
1 2 3 4 5 6 7 8 9 10
Septiembre 180 150 210
Real Simulación
Octubre 158 128 188
18
Créditos aprobados
Créditos aprobados
250
Mes Créditos aprobados Lim. Inf. Lim. Sup.
Enero 122 95 149 200
Febrero 118 91 145
150
Marzo 127 100 154
Abril 135 108 162 100
Mayo 150 123 177
50
Junio 176 149 203
Julio 182 155 209 0
Agosto 167 140 194 1 2 3 4 5 6 7 8 9 10
Septiembre 204 177 231 Real Simulación
Octubre 119 92 146
Valor crédito Valor más probable

Intervalo monto Créditos en el rango Valor de los créditos
0-1.933.197 1151 1400
1.933.198-3.866.395 177 1200
3.866.396-5.799.593 80 1000
5.799.594-7.732.791 48 800
7.732.792-9.665.989 14 600
9.665.990-11.599.187 15 400
11.599.188-13.532.385 9 200
13.532.386-15.465.583 3 0
15.465.584-17.398.781 2 1 2 3 4 5 6 7 8 9 10 11 12
17.398.782-19.331.979 1 Real Simulación
19.339.980-21.265.177 0
21.265.178 o más 0
Con estas simulaciones se puede estimar cuántos son los créditos que serán
solicitados y aprobados cada mes, al igual que el intervalo de dinero al cual pertenece la
mayoría de los créditos. Es precisamente con este valor que se puede estimar el flujo de
egresos de dinero de la financiera mensualmente, utilizando como el valor del intervalo la
media entre sus 2 extremos.
Para esto se calcularon según Montecarlo 1500 créditos con sus montos
respectivos (números aleatorios validados diferentes para cada caso), los cuales
permitieron obtener la siguiente estimación de egresos mensuales (+/- 1σ).
19

Mes Aprobaciones Monto total aprobaciones Lim. Inf. Lim. Sup.
Enero 122 $ 218.451.313 $ 211.610.265,68 $ 225.292.360,32
Febrero 118 $ 226.184.107 $ 219.343.059,68 $ 233.025.154,32
Marzo 127 $ 244.549.484 $ 237.708.436,18 $ 251.390.530,82
Abril 135 $ 238.749.886 $ 231.908.838,18 $ 245.590.932,82
Mayo 150 $ 297.712.417 $ 290.871.369,68 $ 304.553.464,32
Junio 176 $ 347.975.552 $ 341.134.504,68 $ 354.816.599,32
Julio 182 $ 332.509.965 $ 325.668.917,68 $ 339.351.012,32
Agosto 167 $ 327.676.978 $ 320.835.930,18 $ 334.518.024,82
Septiembre 204 $ 369.240.716 $ 362.399.668,68 $ 376.081.763,32
Octubre 119 $ 223.284.310 $ 216.443.262,18 $ 230.125.356,82
Total anual $ 2.826.334.726 $ 2.757.924.253 $ 2.894.745.199
De esta forma se puede prever cuánto dinero egresará de la financiera

mensualmente por concepto de créditos con sus respectivos intervalos de confianza.
20
7.Conclusiones
La simulación es una de las áreas y herramientas más importante para la ingeniería

industrial, ya que es un método por el cual se puede probar o experimentar que sucede en un
determinado proceso, descartando el riego de que posteriormente haya consecuencias
inesperadas.
En el análisis de la cooperativa de ahorro y crédito tratada, se pueden observar tres

variables aleatorias, las cuales funcionan con fórmulas en las que el azar es el protagonista,
evitando su control y la estimación de su comportamiento.
No obstante, la simulación nos arroja valores muy probables, cercanos a la realidad, y de

este modo, soluciona las problemáticas de planificación, incertidumbre y funcionamiento de la
empresa. Por ejemplo, sirve para la toma de decisiones en un eventual periodo de estacionalidad
(más servidores para ese tipo de producto, aceleración de los tiempos de atención, etc).
Siguiendo con el tema de la estacionalidad, se puede concluir que los meses de mayor
flujo de clientes son Enero y Febrero, que según apreciación personal, puede deberse a la
disponibilidad del público en general, tanto como la disponibilidad de la sucursal (periodo de
vacaciones, flujo más expedito).
21

Simulación Cooperativa de Creditos y Ahorros PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Simulación Cooperativa de Creditos y Ahorros PDF

Uploaded by

Copyright:

Available Formats

Universidad de La Serena

Simulación Cooperativa de créditos

Ruth Caroca Rivera (2501) ruth_cari9114@hotmail.com

Mg. Oscar Contreras

2.IDENTIFICACIÓN DEL SISTEMA 3

2.1. FASES DEL SISTEMA 3

3.TOMA DE DATOS Y COMPORTAMIENTO ESTADÍSTICO 4

4.DESARROLLO DEL MODELO 5

4.1. CARACTERIZACIÓN DE VARIABLES 5

5.DETERMINACIÓN DE PROTOTIPO Y NÚMERO DE SIMULACIONES Y/O CORRIDAS 6

6.1. ESTACIONALIDAD LIBRETAS DE AHORRO 7

Al hablar de simulación, nos centramos directamente en analizar y estudiar

El ámbito de la simulación trae consigo una serie de procesos, dentro de estos

A raíz de esto y considerado que la simulación no es una técnica de optimización, el

2.Identificación del sistema

La entidad en cuestión es actualmente la Cooperativa de Ahorro y Crédito de

El proceso comienza cuando un cliente se acerca una sucursal a solicitar crédito o

Los montos de créditos solicitados, corresponden a una variable aleatoria (no

2.1. Fases del sistema

 Cantidad de créditos solicitados

2) Definir variables controladas:

 Monto del crédito entregado por la financiera

3) Calcular la función de distribución de las variables aleatorias (no controladas)

4) Integración de los elementos en el modelo:

 Combinar los números aleatorios obtenidos con Excel con la función de

5) Función de distribución de los egresos simulados como herramienta de decisión

6) Comparación de los egresos esperados.

3.Toma de datos y comportamiento estadístico

El tratamiento de datos, ya sea mediante su toma o comportamiento estadístico es

Por concepto de solicitudes tanto de crédito como libretas de ahorro, la palabra

Por lo tanto se tiene que;

 Cantidad de créditos solicitados (variable discreta)

4.Desarrollo del modelo

4.1. Caracterización de variables

Clientes (solicitud Monto por crédito

El modelo presentado solo nos numeraliza la simulación de créditos, no la de libretas de

𝑄 = Σ𝑀𝑖 , donde i=1,2,3…….10 (*)

Q= Cantidad de dinero que es entregada por la cooperativa en términos mensuales.

M= Monto de crédito expresado en pesos ($).

i=Mes en que es asignado el crédito.

 Solicitud del crédito

5.Determinación de prototipo y número de simulaciones y/o

El teorema se expresa de la siguiente forma:

n: número de corridas óptimo de simulación.

α: probabilidad de error permitida.

k=1/m: número máximo de desviaciones estándar permitido sobre la media de la

Entonces dado una probabilidad de error permitida de 5% y considerando que la

El número óptimo de corridas para el modelo a simular, es de 1500 iteraciones, siendo

6.1. Estacionalidad libretas de ahorro

El método usado para determinar estos índices se llama método de razón a

6.1.1. Frecuencia semanal

Semana1 Semana2 Semana3 Semana4 Semana5

1. Construcción de gráfica de la serie de tiempo e interpretar los datos

2. Obtener los índices estacionales semanales

Para calcular el índice estacional semanal es necesaria la construcción de dos tablas, la

* Al calcular la media modificada de cada semana, se suman los valores obtenidos

3. Estos índices implican que:

6.1.2. Frecuencia quincenal

1. Construcción de gráfica de la serie de tiempo e interpretar los datos

2. Obtener los índices estacionales semanales

Con el mismo procedimiento que el punto anterior e indicaciones de los cuadros

3. Estos índices implican que:

6.2. Simulación de libretas de ahorro