ALGUNOS CRITERIOS DE INVERSIÓN

APLICADOS EN EXCEL

Septiembre 2001

Autores:
1
Calcagno, Juan Carlos
2
Licari, Juan Manuel
3
Pellegrini, Santiago

Abstract: En el mundo de los negocios se presentan muy a

menudo alternativas de inversión sobre las cuales hay que
optar. La utilización de software simplifica considerablemente
esta tarea. Es por ello que el objetivo del presente ensayo es
utilizar las herramientas brindadas por Excel en esta materia.

Palabras Claves: Excel – Criterios de Decisión – Escenarios

alternativos – Programación Matemática – Método de
Montecarlo – Análisis de Portafolio

1
calca@eco.unc.edu.ar
2
licarijm@eco.unc.edu.ar
3
sanpelle@eco.unc.edu.ar

1
Introducción

El objetivo principal del presente trabajo es aplicar distintos criterios de decisión

para casos y escenarios alternativos. Para tal fin se hará uso del instrumental brindado

por el software Excel del paquete Microsoft Office.

Se dividirá el estudio en tres secciones. En la primera de ellas evaluaremos la

toma de decisiones entre múltiples alternativas, suponiendo perfecta información sobre

los cash flows futuros y con restricciones presupuestarias. El criterio ha utilizar surge

de la Programación Matemática.

En la sección siguiente levantamos el supuesto de certeza para entrar al

campo probabilístico introduciendo al Riesgo en el análisis. Esta cuestión es tratada

aplicando la técnica de Montecarlo.

Por último, se presenta una situación donde las alternativas representan

inversiones financieras y se aplica el Análisis de Portafolio.

En la estructura de cada sección se destacan dos partes bien definidas: un

marco teórico que describe los conceptos fundamentales de los criterios a utilizar y un

ejercicio de aplicación que sintetiza y ejemplifica el método descripto.

Para la resolución de los casos prácticos se construyeron sendos archivos en

Excel que se adjuntan en un disquete. Se recomienda la lectura previa del desarrollo

de los mismos para una mejor comprensión.

2
Sección I: Alternativas Múltiples bajo perfecta certidumbre

En este capítulo se observarán los aspectos fundamentales de aquellos métodos

utilizados para la toma de decisiones de inversión. Primeramente, veremos dos de las
alternativas para resolver este problema, a saber, el método de la “Tasa de Retorno” y del
“Valor Presente”. Luego, se profundizará el análisis en la Programación Matemática,
aplicando este método a un ejercicio determinado. Por último, se tratará de hacer un examen
de sensibilidad, observando cómo las decisiones varían luego de liberar alguno o varios
parámetros que forman parte del problema de optimización.
Para enmarcar el estudio debemos realizar los supuestos pertinentes sobre el tipo de
decisión a tomar y bajo qué escenarios. A lo largo de esta sección estaremos buscando cuál es
la decisión que maximiza nuestra inversión, en términos de elegir la colocación de fondos en la
aplicación de proyectos de inversión real que demandan un flujo de dinero inicial y brindan
beneficios netos a lo largo del tiempo de duración del mismo. A su vez, se enriquecerá el
análisis con restricciones de presupuesto e interrelaciones entre los proyectos.
Otro punto a tener en cuenta es que partimos con la información perfecta sobre los
cash flows futuros, es decir, bajo un ámbito de certeza. Más adelante en el trabajo
romperemos este supuesto para observar cuáles son las maneras más utilizadas para resolver
la falta de certidumbre. En definitiva, nos centraremos en la selección de la mejor combinación
posible de colocación de fondos dados los Valores Presentes Netos de cada alternativa.
Debemos saber que cuando pueden escogerse distintas alternativas de inversión,
éstas pueden ser independientes o estar interrelacionadas. En el primer caso, al ser
funcionalmente diferentes, es fácil rankear los proyectos según algún criterio en particular,
como la TIR o el VPN de cada uno de ellos. Sin embargo, la introducción en el problema de
restricciones presupuestarias convierte a las alternativas en financieramente interdependientes,
ya que la aceptación de una resta dinero disponible para la realización de las demás.
Otros tipos de dependencias pueden surgir de la función o servicio que realizan las
posibles inversiones. Si queremos optar, por ejemplo, por una serie de máquinas de diferentes
marcas, pero que trabajan en la misma tarea, nos quedaremos sólo con una de ellas, al ser
propuestas mutuamente excluyentes. También existen las llamadas alternativas contingentes,
definidas como aquéllas que su realización está supeditada a la aceptación previa de alguna
otra. Un ejemplo extremo sería el de agregar un piso a algún edificio que aún no está
construido. Evidentemente, es imposible concretar la inversión sino está anteriormente
edificada la “planta baja”.
A continuación describiremos brevemente los criterios de la Tasa de Retorno y del
Valor Presente Neto, argumentando las desventajas de cada una. El desarrollo se basa
4
principalmente en el libro de Neufville y Stafford .

4
Stafford J. And Neufville R.(1980) System Analysis for Engineers and Managers Cap 9.

3
Método de la tasa de retorno

Derivado de la teoría microeconómica de maximización de rentabilidad de la firma, este

criterio sugiere rankear los proyectos desde los que poseen más altas tasas de retorno hacia el
que posee la menor. Se realizarían aquellos proyectos jerarquizados que superen el costo del
capital o tasa de descuento.
Si existiera una limitación monetaria, se aceptan las propuestas de mayor rentabilidad
hasta agotar la disponibilidad de fondos. El cuadro I.1 ejemplifica lo desarrollado.

Cuadro I.1
Proyecto TIR (%) Inversión Inicial ($) Fondos Utilizados ($)
A 14 -1200 -1200
B 12,5 -800 -2000
C 11 -250 -2250
D 8 -750 -3000
E 7 -500 -3500
F 6,5 -900 -4400
G 6 -450 -4850

Si dispusiéramos de más de $ 4850 para gastar, dado el costo de capital (r) de 6,5 %
optaríamos por realizar todos los proyectos que posean TIR mayores que ese valor, es decir,
hasta el proyecto F inclusive. La propuesta G (en rojo) no nos conviene, aún a pesar de contar
con los fondos para realizarla. Ahora bien, si sólo contamos con $ 3000, la alternativa D (en
azul) agotaría nuestro presupuesto y, por ende, dejaríamos de lado la E y F aún de ser
convenientes por sí mismas (TIR > r).
Existen una serie de desventajas y problemas en la aplicación de este criterio. Lorie y
5
Savage demostraron que la TIR no es una medida apropiada de los beneficios por dólar
invertido. Jerarquizar los proyectos según su TIR no necesariamente lleva a la maximización de
la riqueza presente del inversor. Únicamente cuando la TIR representa la fracción de los
beneficios por inversión requerida, podemos hablar de una comparación homogénea. Eso se
dará en el momento que los proyectos obtengan flujos uniformes de ingresos y periodos de
vida iguales, un supuesto bastante restrictivo.

Método del valor presente

Este método consiste en calcular el VPN de cada proyecto por separado, jerarquizarlos
según el ratio de esos valores y los costos de inversión iniciales y elegirlos uno a uno hasta
contener todo el presupuesto o, sino hay restricción monetaria, hasta que se hagan negativos.
Los supuestos en los que se basa este criterio para tener consistencia son bastante limitantes

5
Lorie J. and J. Savage(1965) “Three Problems in Capital Rationing”, pp 229 - 239

4
ya que, tenemos que hacer divisibles los proyectos, estos deben ser independientes entre sí y
sólo podemos considerar la restricción presupuestaria en un período.
En general, la mayoría de los problemas en las decisiones de inversión viola los
supuestos en el que el método del VPN se basa. Principalmente, respecto a restricciones
presupuestarias en varios períodos.
Una vez vistos los anteriores criterios nos centraremos en el que recurre a la
Programación Matemática, que es el que nos concierne en esta sección del trabajo.

Programación Matemática

El planteo general de un problema de programación matemática surge de optimizar una

función real de variable vectorial sujeto a determinadas restricciones. En términos simbólicos:
Dado X = [ X1, X2 ,......, Xn ]

Maximizo (o minimizo) Z = g ( X ) = g ( X1,....., Xn )

Sujeto a h i ( X ) ≤ b i i =1→m

La función objetivo a optimizar es Z, la cual puede ser o no lineal. A su vez, las

restricciones de desigualdad no estricta pueden estar compuestas por funciones no lineales en
X.
Teniendo en cuenta cómo se conforma este problema es bastante sencillo poder
llevarlo al campo de la toma de decisiones de inversión.
Para desarrollar las utilidades y ventajas que posee este método, tomaremos como
6
modelo el planteado por Lorie y Savage , por ser el que mejor pone en evidencia la diferencia
entre los criterios ya estudiados.
El problema consiste en una firma que se confronta a una variedad de posibles
inversiones con un capital limitado en cada periodo y desea maximizar el valor presente de sus
fondos colocados. El flujo de caja asociado a cada proyecto se presume conocido, al igual que
el costo del capital. Estos supuestos guardan relación con lo enunciado al comienzo de la
sección respecto de la certidumbre y perfecta información.
Desde el punto de vista de la programación matemática, plantemos el problema como
una optimización de la siguiente manera:
n
Maximizar VPNTOTAL = ∑ b j x j
j=1

n
∑ c t j x j ≤ Ct ∀ t = 1,2,....,T
j=1
Sujeto a (I.1)
0 ≤ xj ≤ 1 ∀ j = 1,2,.....,n

6
Op. cit.

5
 El coeficiente bj representa el valor presente neto del proyecto “j”. Cada ctj es la
inversión necesaria en el período “t” para realizar el proyecto “j”, también en valores presentes.
La restricción presupuestaria en cada período se evidencia en el valor de Ct. Las variables
relevantes en este problema (xj) se restringen por una sencilla razón: Si es que pueden
fraccionarse los proyectos, la decisión de concretarlo es correspondida por el valor “1”, la de no
tenerlo en cuenta por el valor “0” y la aplicación de una parte del mismo por un valor entre 0 y
1. Más adelante observaremos qué ocurre con aquellas propuestas indivisibles.
En este caso más general, no existen interrelaciones entre los proyectos más que la
dependencia financiera ya descripta anteriormente.
Fácilmente nos damos cuenta que tanto la función objetivo como las restricciones son
lineales en las variables, por lo tanto, podemos restringir el análisis a la Programación Lineal
(PL).
Para dar solución al planteo de un problema de PL existen varios algoritmos numéricos
y métodos geométricos que exceden el ámbito de estudio de esta sección. No obstante; cabe
aclarar que en el Disquete anexo se resolverá el caso planteado posteriormente mediante la
poderosa herramienta Solver de Excel.
Volviendo a nuestro modelo de optimización, debemos decir el objetivo es maximizar
una determinada suma de dinero en términos de valores actualizados. La solución a este
problema no sólo me brindará la combinación de propuestas óptimas, sino que nos permite
realizar un análisis de dualidad, con valores de precios sombra que tienen una importancia bien
marcada.

Las Interdependencias
Anteriormente hablábamos de la posibilidad de encontrarse con propuestas que no
fueran independientes, sino que por el contrario estén relacionadas de manera que la
realización de una afecte a alguna o a todas las demás. Si estamos frente un conjunto de
alternativas con estas características, debemos insertar esta restricción en el problema,
partiendo de la suposición lógica que el dominio de cada decisión se encuentra entre 0 y 1.
Siguiendo el caso planteado en el cuadro (I.2), vemos que existen proyectos mutuamente
excluyentes, contingentes e independientes.
Cuadro I.2
Proyecto Relación
A Excluyentes (B, C, D)
B Excluyentes (A, C, D)
C Excluyentes (A, B, D)
D Excluyentes (A, B, C)
E Independientes
F Independientes
G Independientes
H Independientes

6
 I Contingente de a
J Contingente de b y g

Para introducir la condición de excluyencia, debemos pensar que para cualquiera de

ellos, sólo escogeremos uno de todos (o eventualmente ninguno). La siguiente sería una
manera de plantear la restricción:

∑ xj ≤ 1 ∀ j = 1,2,.....,s (I.2)
ME

La inecuación (I.2) me dice que la suma para el conjunto de “s” propuestas

mutuamente excluyentes (ME) debe ser menor o igual que la unidad. La lógica se evidencia al
momento de aceptar la concreción de una de esas “s”, ya que según esta restricción todas las
demás variables asumirán el valor de cero, es decir, no se realizarán. Cabe aclarar que cuando
estamos trabajando con proyectos divisibles debemos tomar precauciones sobre la definición
de excluyencia, porque pueden suscitarse algunos problemas si plantemos la anterior
condición. En términos del ejemplo, tendremos que:
xA + x B + x C + x D ≤ 1 (a)

Respecto a la contingencia, debe quedar especificado en el modelo que la alternativa

dependiente esté supeditada a la decisión de la propuesta requerida para su realización. Bajo
el criterio anterior, llegamos a que:
x j − x s ≤ 0 , donde x j es contingente de xs (I.3)

Según (I.3), cuando no se escoge a x s , tampoco se hará x j porque el primer miembro

de esta inecuación no puede ser positivo. No obstante; si realizo la propuesta x s , estoy

habilitado para escoger a x j . Nuevamente debemos hacer la aclaración pertinente sobre el

fraccionamiento de las alternativas y sus consecuencias, tema que será descartado al

momento de quitar del análisis el supuesto de divisibilidad. Continuando con el ejemplo citado,
introducimos las dos restricciones pertinentes:
xI − x A ≤ 0 (b)

2 x J − ( xB + xG ) ≤ 0 (c)

La restricción (c) es una versión más compleja de (I.3), ya que el proyecto se puede
realizar si y sólo si dos de los proyectos estén realizados (el B y el G).
A modo de síntesis, observemos cuál sería el problema de optimización para el caso
planteado:

Maximizar:
VPNTOTAL = b A x A + b B x B + b C x C + b D x D + b E x E + b F x F + b G x G + b H x H + b I x I + b J x J

7
 x A + xB + x c + xD ≤ 1 (a)
xI − x A ≤ 0 (b)
Sujeto a
2 x J − ( xB + x G ) ≤ 0 (c)
Restricciones Presupuestarias

El Presupuesto
Dado que es posible conocer las inversiones futuras necesarias para realizar cada uno
de los proyectos, podemos restringir la elección a partir de colocar límites en el monto a
desembolsar para cada período. Cuando existe un único período (el actual) en donde se hace
efectiva la inversión requerida, no habría mayores problemas en cuanto a la homogeneidad
entre los valores que estamos trabajando. Sin embargo; si poseemos restricciones
multiperiódicas, debemos actualizar este flujo de fondos necesarios, al igual que el límite
arbitrariamente impuesto.
Al comienzo de esta sección señalábamos que la introducción de condiciones de
presupuesto convertía inmediatamente a los proyectos en financieramente interdependientes.
En definitiva, desde ese momento debemos pensar no sólo en aquellas propuestas con VPN
positivos, sino también en el monto de sus inversiones iniciales.
Para la Programación Matemática, la implementación de estos límites de gasto no
reviste ningún problema en particular. En términos algebraicos, y siguiendo el ejemplo del
cuadro 1.2 tenemos:
c A t x A + cB t xB + L + cIt xI + c Jt x J ≤ Ct ∀ t = 1,2,L,T (d)

El valor de T responde al último período en que exista alguna restricción en el capital

invertido.
Es interesante observar la relación existente entre la divisibilidad de los proyectos y el
remanente de dinero disponible en cada período, una vez encontrada la solución. Mientras los
proyectos puedan ser fraccionados, las restricciones presupuestarias son utilizadas casi en su
totalidad. En otras palabras, no hay tantos remanentes de dinero. Sin embargo; cuando
trabajamos en el campo de variables discretas, existe la posibilidad de no gastar una cantidad
considerable de los recursos. Esto tiene muchas implicancias al evaluar el problema dual y los
precios sombra. En el ejercicio integrador que se desarrollará más adelante se podrá observar
la diferencia que citamos líneas arriba. Describamos ahora brevemente el problema dual y el
significado de sus variables.

7
El Dual
Como todo planteo de programación lineal, existe su problema “espejo” llamado Dual,
que se construye con los mismos datos, pero bajo un enfoque diferente. Mientras que uno
generalmente maximiza el beneficio de determinado proyecto sujeto a determinadas

7
La mayor parte del desarrollo de este tema ha sido extraído del libro Mathematical Porgramming and the
Analysis of Capital Budgeting Problems (1974), Weingartner. pp 24 -28

8
restricciones técnicas o de otra índole; el otro, paralelamente, está minimizando el costo de
oportunidad de utilizar determinados insumos, bajo ciertas condicionen. El Cuadro I.3 nos
sintetiza las diferencias de cada uno en este caso específico de selección de alternativas de
inversión que maximicen el VPN de nuestra colocación.

Cuadro I.3

PRIMAL DUAL

n T n
Función Objetivo Max Z = ∑ b j x j Min W = ∑ y t Ct + ∑ u j
j=1 t =1 j=1

n T
Restricción 1 ∑ c t j x j ≤ Ct ∑ c j t yt + u j ≥ b j
j=1 t =1

Restricción 2 0 ≤ xj ≤ 1 yt , u j ≥ 0

Es evidente que en el Dual existen dos clases de variables bien determinadas, a pesar
de que las dos representan los costos de oportunidad a minimizar. Los “yt” se los toma como
los “evaluadores” de las restricciones presupuestarias. En el óptimo, constituye el valor
presente de un $ adicional al monto arbitrario en el período t (Ct). Si se ha utilizado la totalidad
8
del presupuesto, este costo de oportunidad será indudablemente distinto de cero . Es por este
motivo que existen T valores distintos para cada período con presupuesto restringido.
La otra clase de duales, las “uj”, están asociadas con la condición de que los proyectos
deben asumir valores entre cero y uno (o sólo estos dos valores si trabajamos con
programación entera). Si arreglamos la restricción del cuadro vemos que, en el óptimo:
T
u*j ≥ b j − ∑ c jt y *t (I.4)
t =1

Cuando un proyecto es escogido para realizarse en su totalidad (xj = 1), la sujeción (I.4)
se transforma en igualdad. En otras palabras, el precio sombra o valor implícito de un proyecto
que es aceptado es igual al exceso de su valor presente (bj) sobre la suma de los costos de
oportunidad de los fondos limitados en cada período. Cuando el VPN del proyecto (j) no
alcanza a cubrir el costo de oportunidad presupuestario más este valor implícito (uj), la decisión
óptima será la de no realizarlo (xj = 0).
Una vez desarrollados los temas pertinentes nos avocaremos a observar lo expuesto a
partir de un ejercicio numérico particular, resuelto por medio del herramental de Excel.

8
También hace referencia al Teorema de la Holgura Complementaria, que dice que cuando una variable
de holgura es positiva en alguno de los dos problemas, la correspondiente variable de decisión en el otro
planteo es cero y viceversa.

9
Ejercicio de aplicación

Plantearemos por último un caso integrador que permite plasmar todos los aspectos
anteriormente descriptos en un ejercicio numérico.
Para esto se especificó un número de 10 posibles proyectos, designados
respectivamente por letras minúsculas. Además, se determinó que serán tres los períodos
donde el inversor deberá soportar desembolsos de dinero. Estos valores, junto con los VPN de
cada propuesta y las sumas actualizadas de las restricciones presupuestarias, se presentan en
el Cuadro I.4.
Se suponen que los proyectos no son independientes entre sí, sino que existen algunas
relaciones de contingencia o excluyencia, como lo señala la última columna de la derecha.

Cuadro I.4

Valor Presente de las Inversiones Relación de

Proyecto VPN
Proyectos
Periodo 1 Periodo 2 Periodo 3
a 0 20 24 16 6 Independiente
b 0 16 12 10 2 Contingente de g
c 0 11 8 6 6 Contingente de a y d
d 0 4 6 4 7 Independiente
e 0 4 1 6 9 Excluyentes (f,g)
f 0 18 18 18 20 Excluyentes (e,g)
g 0 7 13 8 0 Excluyentes (e,f)
h 0 19 14 8 12 Independiente
i 0 24 16 20 24 Independiente
j 0 4 4 6 8 Independiente

TOTAL 0 0 0 0

Presupuesto 50 30 30

Para simbolizar el planteo del problema primal, definamos los vectores de variables y
de constantes:
 xa  20  24  16  6
  16  12  10  2
 xb         
 xc   11 8 6 6
         
 xd  4 6 4 7
x  4 1 6 9
X= 
e
B=  I1 =   I2 =   I3 =  
xf  18  18  18  20 
  7 13  8 0
 xg         
x  19  14  8 12 
 h        
 xi  24  16   20  24 
 
 x j   4   4   6   8 

10
 Según estos vectores, la maximización restringida del VPN Total (Z) se puede
determinar de la siguiente manera:

Maximizar Z = B ' X (FO1 )

I1' X ≤ 50 (R1 )
I'2 X ≤ 30 (R 2 )
I'3 X ≤ 30 (R3 )
Sujeto a xb − x g ≤ 0 ( R4 )
2 x c − xb − x g ≤ 0 ( R5 )
xe + x f + xg ≤ 1 ( R6 )
0 ≤ xα ≤ 1 ∀ α = a,b,c, d, e, f, g,h,i, j ( R7 )

Las primeras tres restricciones hacen alusión al presupuesto determinado para los
períodos de inversión; mientras que (R4), (R5) y (R6) tienen que ver con las interrelaciones entre
las propuestas. De ellas, las dos primeras representan a los proyectos contingentes y la
restante surge de las alternativas mutuamente excluyentes. El significado de cada una de ellas
se ha descrito en el desarrollo de la Programación.
Por último, cabe aclarar que (R7) nos deja la posibilidad de que en la solución existan
proyectos fraccionados, es decir, que se decida realizar en parte. Resolveremos primero este
tipo de modelo y luego introduciremos el supuesto de indivisibilidad.
Mediante la herramienta Solver de Excel encontramos el vector solución que hace
máximo el valor de Z (FO1). El Cuadro I.5 nos presenta el resultado encontrado:

Cuadro I.5
Valor Presente de las
Solución 1 VPN Inversiones
Periodo 1 Periodo 2 Periodo 3
a 0.78947368 20 24 16 6
b 0 16 12 10 2
c 0.89473684 11 8 6 6
d 1 4 6 4 7
e 0 4 1 6 9
f 0 18 18 18 20
g 0 7 13 8 0
h 1 19 14 8 12
i 0 24 16 20 24
j 0 4 4 6 8

TOTAL 48.638 46.105 30 29.105

Presupuesto 50 30 30

11
 El procedimiento para utilizar la función de Excel se detalla en el archivo
correspondiente situado en el Disquete adjunto al trabajo.
Los Beneficios actualizados de nuestro dinero invertido se marcan con letra azul. Estos
ascienden a poco más de $48,6 producto de la realización completa del proyecto d y h, además
de decidir concretar una fracción de a y c (columna Solución 1). Existe un teorema demostrado
9
formalmente por Weingartner , que nos asegura que existirán como máximo en la solución
tantas propuestas fraccionadas como períodos de restricción presupuestaria haya. Este
ejercicio es un claro ejemplo de ello.
Se destaca, además, la presencia de remanentes presupuestarios en los períodos 1 y
3. En otras palabras, se cuenta con un monto de dinero luego de desembolsar lo necesario
para realizar los proyectos aceptados. En este caso no tenemos en cuenta la posibilidad de
utilizar este sobrante en determinadas colocaciones financieras, que rindan un interés positivo.
Sin embargo, no reviste mayor complejidad al análisis que hemos estado haciendo.
Ahora bien, hasta ahora venimos hablando la divisibilidad como un ejemplo teórico, que
trae supuestos proporciones fijas a los costos de capital y beneficios entre otras cosas. No
obstante; un modelo más realista es el que no permite “hacer a medias” ningún proyecto,
determinándose así dos valores posibles para las variables relevantes: cero si no se realiza o
uno si se acepta. Esta nueva restricción se debe adjuntar a las siete ya encontradas en la hoja
anterior. Excel nos propone dos caminos para hacerlo: dejamos a (R6) y agregamos una nueva
que diga que las variables deben ser enteras, o la borramos y colocamos una referencia que
trabaje en el campo de los números binarios. Simbólicamente, tenemos que:
xα = int (entero) ∀α = a, b, c, d, e, f, g, h, i, j (R8a )
xα = bin (binario) ∀α = a, b, c, d, e, f, g, h, i, j (R7b )
En el Cuadro I.6 se detalla el nuevo vector solución, conjuntamente con las
restricciones presupuestarias y el Valor de la Riqueza Actual.

Cuadro I.6
Valor Presente de las
Solución 1 VPN Inversiones
Periodo 1 Periodo 2 Periodo 3
a 0 20 24 16 6
b 1 16 12 10 2
c 0 11 8 6 6
d 1 4 6 4 7
e 0 4 1 6 9
f 0 18 18 18 20
g 1 7 13 8 0
h 1 19 14 8 12
i 0 24 16 20 24

9
Op. cit. Pp.35

12
 j 0 4 4 6 8

TOTAL 46 45 30 21
Presupuesto 50 30 30

La primera gran diferencia existente se evidencia en el VPN Total. Ahora, obtenemos

un valor menor de $46, producto de la aplicación de cuatro propuestas (b, d, g y h). Los
proyectos “d” y “h” se realizan en ambos modelos independientemente de la posibilidad de
fraccionar las alternativas. Sin embargo; aquéllos que se concretaban en parte (a y c), ahora no
forman parte de la decisión óptima y dos de ellos que no eran aceptados (b y d) entran en la
solución entera.
La justificación de este comportamiento se puede encontrar en las necesidades de
inversión de cada propuesta, ya que ahora juega un papel más importante en la toma de
decisiones. Esto también se observa en los remanentes de dinero para los períodos 1 y 3. Es
bastante mayor la cantidad de fondos no utilizados, debido a que los saltos desde un vector a
otro distinto son enteros, es decir, si quisiéramos concretar una propuesta a costa de alguna
otra, el cambio en los fondos a invertir son grandes y pueden impedir cumplir con los
presupuestos. Por ejemplo, en el período 3, si antes nos sobraban “centavos” (tomados en
valor actual), con la programación entera nos quedan $9.

El Dual del Ejercicio

Para plantear el problema Dual de este caso, definamos las variables relevantes y las
restricciones como vectores de la siguiente manera:

 y1  50  24 12 8 6 1 18 13 14 16 4 
  30  16
 y2     10 6 4 6 18 8 8 20 6 
 y3  30  6
  2 6 7 9 20 0 12 24 8 
ua     
u  1 1 0 0 0 0 0 0 0 0 0
 b 1 0 1 0 0 0 0 0 0 0 0
uc     
  1 0 0 1 0 0 0 0 0 0 0
ud  1 0 0 0 1 0 0 0 0 0 0
u     
e 1 0 0 0 0 1 0 0 0 0 0
Y=  C=  T
I = 
 f 
u
1 0 0 0 0 0 1 0 0 0 0
  1 0
ug  0 0 0 0 0 1 0 0 0
u     
 h 1 0 0 0 0 0 0 0 1 0 0
ui  1 0 0 0 0 0 0 0 0 1 0
     
u j  1 0 0 0 0 0 0 0 0 0 1
s  0 0 1 0 0 0 0 -1 0 0 0 
 1    
 s2  0 -1 0 2 -1 0 0 0 0 0 0 
     
s3   1  0 0 0 0 1 1 1 0 0 0 

13
 El nuevo vector de variables responde a la cantidad de restricciones que teníamos en
el Primal. Así las yt responden al límite presupuestario (en cada período). Con color azul se
muestran las uα que surgen de la condición (R7) para la toma de decisiones. Las últimas tres

(en rojo) hacen referencia a las restricciones de interdependencia entre los proyectos. Cada
uno de estos tres grupos, como vimos anteriormente, tiene un significado especial.
Observemos cuál es el planteo de este problema, bajo la definición de los nuevos
vectores y los anteriores.

Minimizar W = C ' Y (FO2)

Y ' IT ≥ B (R1* )
Sujeto a
Y ≥θ (R*2 )

La función objetivo a minimizar es (W) que representa el Costo de Oportunidad del

problema principal. Las restricciones se definen matricialmente, donde el primer conjunto se
refiere a las descriptas en el Cuadro 1.3 y el segundo nos asegura la no-negatividad de las
variables. El Cuadro I.7 nos presenta el vector final, luego de correr en Excel el algoritmo
necesario.
Cuadro I.7

RESTRICCIONES
Variables Costos
a b c d e f g h I J
y1 0 50 24 12 8 6 1 18 13 14 16 4
y2 1.3421 30 16 10 6 4 6 18 8 8 20 6
y3 0 30 6 2 6 7 9 20 0 12 24 8
u1 0 1 1 0 0 0 0 0 0 0 0 0
u2 0 1 0 1 0 0 0 0 0 0 0 0
u3 0 1 0 0 1 0 0 0 0 0 0 0
u4 0.1053 1 0 0 0 1 0 0 0 0 0 0
u5 0 1 0 0 0 0 1 0 0 0 0 0
u6 0 1 0 0 0 0 0 1 0 0 0 0
u7 0 1 0 0 0 0 0 0 1 0 0 0
u8 8.2632 1 0 0 0 0 0 0 0 1 0 0
u9 0 1 0 0 0 0 0 0 0 0 1 0
u10 0 1 0 0 0 0 0 0 0 0 0 1
s1 2.5789 0 0 1 0 0 0 0 -1 0 0 0
s2 1.4737 0 -1 0 2 -1 0 0 0 0 0 0
s3 0 1 0 0 0 0 1 1 1 0 0 0

Costo Total 48.6316 20 16 11 4 8.1 24 8.2 19 27 8.1

VPN de Cada Proyecto 20 16 11 4 4 18 7 19 24 4

14
 El valor positivo de y2 hace alusión, como desarrollamos anteriormente, al Costo de
Oportunidad en la utilización de todo el presupuesto. Marginalmente, se puede decir que el
valor presente del aumento en una unidad del presupuesto para el segundo período es igual a
$1,34.
Por otro lado, u4 y u8, ambos con valores distintos de cero, nos dicen que existe otro
precio sombra, relacionado con aquellas propuestas que han sido escogidas en el Primal (con
fraccionamiento). Su valor representa, entonces, el costo de dejar de lado otros proyectos para
utilizar esos dos. Llama la atención el valor de u8 ($8,236), quien se corresponde con la
alternativa “h”. Para darle una explicación a esto recurrimos al Cuadro I.8 que nos muestra un
indicador de rentabilidad sobre el capital invertido en los tres períodos: el ratio VPN sobre la
inversión a valores actuales. Es interesante porque nos daríamos cuenta de qué nos sugiere
esta clasificación respecto de la solución.
Cuadro I.8
Relación de
Ratio VPN - Inversión
Proyectos

b 0.667 Contingente de g
h 0.559 Independiente
c 0.55 Contingente de a y d
a 0.435 Independiente
i 0.4 Independiente
g 0.333 Excluyentes (e,f)
f 0.321 Excluyentes (e,g)
e 0.25 Excluyentes (f,g)
d 0.235 Independiente
j 0.222 Independiente

La propuesta independiente con el mayor ratio es la “h”. En otras palabras, esta

alternativa es la más ventajosa o conveniente dada su característica y, por ende, su precio
sombra es bastante mayor que el de los otros escogidos, como es el caso del proyecto “d”.
También podemos observar que las restricciones presupuestarias y de interdependen-
cia hacen que este criterio del ratio no se condiga con la solución. Por ejemplo, aunque el
proyecto “b” es el de mayor “rentabilidad”, al ser contingente de otro condiciona su aceptación.
Mientras tanto, al gozar de independencia, la opción “d” es aceptada a pesar de su baja
rentabilidad.
Por último, cabe aclarar que del último grupo de variables (“s”), sólo serán distintos de
cero aquéllos respectivos a las restricciones de interdependencia que se cumplieron en el
Primal.

15
Sensibilidad de la Solución
A fin de darle un mayor valor agregado a la aplicación de Programación Matemática en
Excel para “Capital Budgeting Optimization”; concluiremos el caso realizando un sencillo
ejercicio de sensibilidad. El mismo consiste en hacer variar algún parámetro que se suponía fijo
o dado, para observar cómo se va modificando el vector solución y el valor de la función
objetivo.
En primer lugar nos pareció interesante averiguar qué ocurre con el VPN de la riqueza
del inversor a medida que vamos modificando las restricciones presupuestarias. Bajo el
supuesto de inversiones fraccionadas, se decide disminuir un determinado valor el límite para
el primer período (que eran $50), entregándoselo al período 2 ($30). Con la ayuda de algunos
comandos de Visual Basic Aplicados a Excel, construimos una Macro que nos simule este
10
comportamiento . El Cuadro I.9 nos muestra los resultados.

Cuadro I.9

PRESUPUESTO
VPN TOTAL
Período 1 Período 2
50 30 48,63157895
49 31 49,97368421
48 32 51,06157635
47 33 51,79679803
46 34 52,44741874
45 35 52,94646272
44 36 52,97183099
43 37 52,08450704
42 38 51,1971831
41 39 50,30985915
40 40 49,42253521
39 41 48,53521127
38 42 47,64788732
37 43 46,76056338
36 44 45,87323944
35 45 44,98591549
34 46 44,09859155
33 47 43,21126761
32 48 42,32394366
31 49 41,43661972

Podemos observar un comportamiento parabólico del VPN ante los cambios en el

presupuesto. De esta manera, extraemos el valor máximo posible que surge de una
combinación de montos de presupuestos determinada. La fila marcada en azul, con un límite
de $44 para el período 1 y de $36 para el segundo, nos brinda un Valor Actualizado de nuestra
Riqueza de $52,9718, el más alto entre todos los posibles.

10
En el archivo correspondiente de Excel (adjuntado en el diskette) se puede observar la
programación necesaria

16
 Este estudio de sensibilidad es muy interesante ya que es una manera muy eficaz de
proponer arbitrariamente las restricciones. Si nosotros contamos con un monto determinado de
fondos a repartir en tres períodos (ya actualizados), y tenemos que decidir cuál es la mejor
forma de distribuirlos, este método simplifica ampliamente la tarea.
Otro uso de este análisis bastante difundido es el que determina el VPN de un proyecto
“j” necesario para formar parte del vector solución; es decir, para que sea aceptado. No lo
hemos hecho explícitamente en Excel, pero la idea es la misma que observamos
anteriormente. La única diferencia es que lo que quiero saber no es el monto del VPN Total,
sino del valor para el proyecto en particular, manteniendo los demás constantes, cuando
asume un valor distinto de cero.

Palabras finales

En esta sección hemos podido mostrar brevemente cuanto más completa es la

utilización de la Programación Matemática para la resolución de alternativas múltiples de
inversión, con presupuesto restringido e interdependencia entre las propuestas. En relación a
otros criterios, la Programación los engloba y sintetiza en una sola, además de brindarle mayor
generalidad y realismo al problema al dejar de lado supuestos bastante fuertes.
Ante la decisión de usar este método en la toma de decisiones, vimos que la
Herramienta Solver de Excel, complementada con VBA (Visualk Basic Applicartions) es muy
poderosa para encontrar soluciones robustas, de forma rápida y sencilla.
En las secciones 2 y 3 veremos cómo este programa del paquete Office nos ofrece una
buena plataforma para trabajar en situaciones de riesgo en la toma decisiones para inversiones
reales y financieras.

17
Sección II: Toma de decisiones bajo riesgo

La ausencia de certeza asociada a todo proyecto de inversión implica, en la vida real,

desconocer el valor exacto de los parámetros que definen la rentabilidad de un proyecto. La

importancia de estos parámetros, exige una representación de esa incertidumbre por medio de

cifras que permitan manejar el riesgo asociado a los procesos de decisión. La teoría de las

probabilidades proporciona esa propiedad. Bajo esta óptica, a partir de la técnica de

Montecarlo es posible obtener la distribución de probabilidad de un resultado, partiendo de las

distribuciones asignadas a cada variable incierta. La presente sección tiene como objetivo

realizar un breve repaso teórico de los conceptos relacionados, para luego aplicarlos a la

resolución de un caso específico.

Método de Montecarlo

En su esencia, este tipo de simulación puede considerarse como un “ensayo de

laboratorio”. El proceso es el siguiente: una vez determinados los parámetros relevantes, se les
asigna una distribución de probabilidad. A través de la generación de números aleatorios y
considerando las distribuciones específicas con las que se trabaje se calculan medidas de
rentabilidad sobre el proyecto (índices). La principal ventaja de este método es que muestra el
rango de posibles resultados junto con sus probabilidades respectivas, en lugar de arrojar tan
sólo una estimación puntual del indicador elegido.
Partiendo de las frecuencias obtenidas, es posible conocer la probabilidad de éxito y
fracaso del proyecto. Señalaremos con seguridad que un proyecto es factible si su VAN resulta
siempre positivo. Existirán, sin embargo, situaciones donde el valor actual del proyecto asume
tanto valores positivos como negativos. Aquí el valor esperado de la variable VAN juega un rol
importante en la toma de decisiones. En estas situaciones quien deba decidir se encuentra
ante dos posibilidades: puede tomar su decisión en función a la información disponible o bien
intentar obtener mayor información. Este “costo de la incertidumbre” representa el valor
esperado de las posibles ganancias que se dejan de percibir cuando un proyecto es rechazado,
o el valor esperado de las pérdidas que se arriesgan cuando aceptamos un proyecto. Por lo
tanto, es una función de la información disponible y está determinado por la esperanza de los
valores actualizados netos con signo opuesto al de la media de toda la distribución. La decisión
de disminuir ese costo de incertidumbre dependerá de si la reducción posible es mayor que el
costo de obtenerla. Además, esta reducción posee un límite, ya que es poco probable que sea
eliminada totalmente.

18
 Una vez determinado si es conveniente o no adquirir información adicional resta por
establecer cuales serán las reglas de decisión. Si bien estos criterios se basan a apreciaciones
11
subjetivas del inversor, las pautas generales son las siguientes:

1. E (VPN) > 0
2. σ < E (VPN)
3. Probabilidad de VPN negativo < a %
4. E (VPN negativo) ≤ b % E (VPN )

Ejercicio de aplicación

Empresarios de la zona consideran la posibilidad de poner en marcha un proyecto de

inversión en la ciudad de Córdoba. Han contratado los servicios de especialistas en distintas
ramas para el estudio del caso. La recolección de datos ha sido realizada satisfactoriamente,
quedando en manos del economista del equipo, la realización del estudio de factibilidad. La
información disponible es la siguiente:

Información disponible:

1. Características de la inversión: consiste en el establecimiento de una empresa dedicada

al sector agrario. La empresa deberá alquilar los campos necesarios, realizar mejoras en
infraestructura, y adquirir las maquinarias específicas para el tipo de explotación que
desea realizar. Según la legislación actual, el contrato de alquiler deberá realizarse por un
plazo mínimo de seis años y un máximo de diez.

2. Niveles de inversión: según las características mencionadas, la empresa deberá

inicialmente invertir en instalaciones e infraestructura básica. Para el normal desarrollo de
la producción será necesario en períodos subsiguientes la importación de maquinarias.

Período Concepto Importes

0 Instalaciones 100

1 Maquinarias de importación 60

2 Maquinarias de importación 60

11
En función al riesgo que éste desee asumir.

19
3. Tasa de interés: su composición puede expresarse de la siguiente manera:

i =i* + σ

donde:
i = tasa de interés doméstica

i * = tasa de interés internacional

σ = riesgo país

4. Tipo de cambio: La Ley de Convertibilidad establece que la relación de cambio entre

pesos y dólares es 1$ = 1U$S. Recientemente, esta Ley fue ampliada a una Canasta de
Monedas, en la cual $ 1 = 0,5 U$S 1 + 0,5 € 1. A pesar de que el nuevo régimen cambiario
entrará en vigencia a partir del día siguiente a aquél en el que un Euro cotice a un Dólar, o
12
lo supere, el gobierno decidió crear un esquema transitorio de flotación denominado
Factor de Convergencia o empalme. Con este nuevo instrumento se adopta una prima a
las exportaciones equivalente a UN DÓLAR ESTADOUNIDENSE menos el promedio
13
simple de UN DÓLAR ESTADOUNIDENSE y UN EURO de la UNION EUROPEA ; por
cada Dólar presentado. Su fórmula de cálculo queda definida a continuación:

 1 + cot ización euro 

FC =1 −  
 2 
5. Ingresos: dadas las particularidades de la producción, se espera comenzar las ventas a
partir del período tres y éstas estarán dirigidas al mercado interno.
6. La Inversión no posee valor de recupero.
7. Se acepta que cada uno de los diferentes valores de las variables de test podrían estar
combinados con uno de cada uno de las otras, al azar.

Restricciones
Sobre la base del estudio de contexto económico reinante en el país, y a las
características propias del proyecto de inversión, se establece que cada una de las variables
de test deberá considerar la existencia de distintos escenarios: pesimista, normal y optimista.
En relación con ello, el economista considera que los valores y las probabilidades asociadas a
las variables de test son los siguientes:

12
Basado en Decreto Nª 803 del 18 de junio de 2001
13
A su cotización en DOLARES ESTADOUNIDENSES en el mercado interbancario de Londres

20
 Tabla II.1: Valores y probabilidades para las variables de Test

Concepto Valores Probabilidad

2% 0,2
Tasa internacional 3% 0.3
4% 0.4
8% 0.4
Riesgo País 12% 0.5
16% 0.1
10 0.25
Períodos con 8 0.5
beneficios 6 0.25
10% 0.2
Variación Tipo de
cambio con relación al 0% 0.3
período 0 -10% 0.5

10% 0.2
Variación Tipo de
cambio con relación al 0% 0.5
período 1 -10% 0.3
100 0.3
Beneficios Esperados 80 0.4
40 0.3

Los valores relacionados a la tasa de interés internacional, el riesgo país y el tipo de

14
cambio fueron obtenidos en base a su evolución histórica . Se realizó un estudio de
estadística descriptiva, para obtener los parámetros necesarios. Los beneficios esperados y su
duración fueron estimados en función a las características técnicas del caso. Los inversores
están interesados en la evaluación económica y financiera del proyecto, y han impuesto las
siguientes reglas de decisión:

1. E (VPN) > 0

2. σ < x
3. Probabilidad de VPN negativo < 20 %

4. E (VPN) negativo ≤ 0.15 x

En particular la cuarta regla de decisión fue determinada a partir del costo de obtener
mayor información. Este ha sido establecido como un 15% de la media del VPN.

Análisis de factibilidad:

Una vez asignados los valores y probabilidades a las variables de test, se realizó una
simulación por el método de Montecarlo para 500 repeticiones. A partir de los valores obtenidos
para la tasa de interés doméstica y el número de períodos con beneficios, se calculó el Factor
de Actualización. Los distintos tipos de cambio nos permitieron trabajar con los costos de la

14
Para el caso particular del tipo de cambio, los valores fueron obtenidos simulando la
existencia de una Canasta de Monedas a partir de 1991.

21
inversión ya que la importación de maquinarias se encuentra directamente relacionada con la
evolución de éstos. Una vez actualizados los costos, se procedió a realizar una tarea similar
con los beneficios. Estos fueron trabajados en dos etapas, primero se los actualizó hasta el
período tres y luego hasta el período inicial. En función de éstos valores se calcularon los
distintos VPN. A continuación se exponen los datos relevantes su distribución de probabilidad.

Tabla II.3: Estadística descriptiva

Indicador Valor

Valor Mínimo -87,6240221

Valor Máximo 298,724554

Promedio del VPN 67,2296816

Desvío estándar del VPN 88,4286845

Costo de incertidumbre -12,2544062

Fue necesario construir la distribución de frecuencias relativas por intervalos. Las

mismas fueron ordenadas de menor a mayor y cada intervalo fue construido basándose en:
Límite mayor - Límite menor
= Amplitud de int ervalos
Número de intervalos

La cantidad de intervalos fue establecida arbitrariamente y el primero fue calculado

sustrayendo al valor mínimo, la amplitud del intervalo. La construcción definitiva se presenta en
la tabla II.2
Tabla II.2: Distribución de frecuencias por intervalos y distribución
de probabilidades del VPN

Valor medio Frecuencia Frecuencia Frecuencia Costo de

Xi Absoluta Relativa Acumulada Incertidumbre

-77,96530768 21 0,042 0,042 -3,27454292

-58,64787887 42 0,084 0,126 -4,92642183
-39,33045006 39 0,078 0,204 -3,0677751
-20,01302124 19 0,038 0,242 -0,76049481
-0,695592427 13 0,026 0,268 -0,0180854
18,62183639 29 0,058 0,326
37,9392652 24 0,048 0,374
57,25669401 45 0,09 0,464
76,57412283 55 0,11 0,574
95,89155164 27 0,054 0,628
115,2089805 45 0,09 0,718
134,5264093 42 0,084 0,802
153,8438381 26 0,052 0,854
173,1612669 14 0,028 0,882
192,4786957 26 0,052 0,934
211,7961245 13 0,026 0,96
231,1135533 5 0,01 0,97
250,4309822 8 0,016 0,986
269,748411 3 0,006 0,992
289,0658398 3 0,006 0,998
y más .. 1 0,002 1

22
 Control 500 1 -12,0473201

Donde
Frecuencia absoluta
Frecuencia relativa: P(x i ) =
N°de pruebas

n
Frecuencia acumulada: ∑ P(x i ) i :1, 2,...., 20
i

n
Costo de incertidumbre: ∑ x P(x i ) ∀ x i < 0 (puesto que E (x) > 0)
i

El análisis gráfico de la distribución de frecuencias relativas y acumuladas permitirá una

mejor compresión de los datos obtenidos.

Gráfico II.1: Distribución de frecuencias relativas

0,12

0,1

0,08

0,06

0,04

0,02

0
115,21

134,53

153,84

173,16

192,48

211,80

231,11

250,43

269,75

289,07
-77,97

-58,65

-39,33

-20,01

18,62

37,94

57,26

76,57

95,89
-0,70

y más ..

Gráfico II.2: Distribución acumulada

23
 1

0,8

0,6

0,4

0,2

115,21

134,53

153,84

173,16

192,48

211,80

231,11

250,43

269,75

289,07
-77,97

-58,65

-39,33

-20,01

18,62

37,94

57,26

76,57

95,89
-0,70

y más ..
En base a los datos obtenidos y a las reglas de decisión establecidas por los inversores, se

presenta a continuación los resultados y la conclusión final.

Parámetros de Decisión Resultado

E (VPN) > 0 67,2296816 > 0

σ < E (VPN) 88,4286845 > 67,2296816

Probabilidad de VPN negativo < 20 % 26,8 % > 20%

E (VPN negativo) ≤ 0,15 E (VPN ) 12,0473201> 10.08445224

El proyecto se rechaza por no satisfacer las reglas de decisión 2, 3 y 4.

24
Sección III: Elección entre activos financieros

En este capítulo se analizará la toma de decisiones donde intervienen inversiones

financieras alternativas para la colocación de cierto capital. Esta tarea se llevará a cabo
considerando la existencia de riesgo. Justamente, lo que el inversor deberá conseguir es
diversificar al mismo según le convenga.
Es nuestra intención destacar los conceptos principales que rodean a este tipo de
tratamientos así como ejemplificar de manera clara su posible aplicación.
Para lograr el primero de los dos objetivos mencionados, se hará uso de herramientas
estadísticas y matemáticas orientadas a formalizar el modelo en cuestión. Aspectos
relacionados con la Programación Matemática asumen un importante rol en este tratamiento,
puesto que permiten resolver diversos planteos de manera adecuada y simplificada.
Para alcanzar el segundo objetivo planteado, hemos creado una serie de ejemplos que
permiten aplicar las ideas propuestas. El planteo de los mismos se desarrolló en archivos con
formato Excel que se adjuntan al presente. Avanzando sobre esta cuestión, queremos destacar
lo efectuado en materia de Programación en Visual Basic que nos ha permitido solucionar sin
inconvenientes muchos de los ejemplos citados.

Armado del modelo

A lo largo del análisis, supondremos la existencia de un conjunto de n activos financieros.

Requerimos para cada uno de ellos determinada información tal que permita conocer aspectos
relacionados con su rentabilidad y su riesgo. Una vez consideradas estas cuestiones, lo que
debemos buscar es la combinación entre ellos que sea más conveniente para el inversor
potencial. En otras palabras, se intenta hallar la composición de la cartera de activos óptima.
Decimos óptima en el sentido de ser aquella que minimiza el riesgo del portafolio dada una
rentabilidad deseada.

Rentabilidad de un activo

Se supone que el rendimiento de un activo financiero cualquiera está dado por la

siguiente expresión:

(Pit +1 − Pit )
Ri = ∀ i = 1,2,..., n (3.1)
Pit

Donde:
Ri : Rendimiento de un activo i

Pit +1 : Precio del activo en el período t+1

Pit : Precio del activo en el período t

25
 Situados en el momento t, el inversor conoce el precio actual de los activos y deberá
estimar el valor futuro de los mismos. Con ello, se obtendrá una apreciación del rendimiento
asociado.
Surge entonces la idea de tomar a las Ri como variables inciertas (aleatorias) y por ende
la necesidad de predecir su comportamiento.
Una manera habitual de tratar este tema es generando escenarios factibles (con
probabilidades de ocurrencia asociadas). Otros desarrollos deciden estimar el precio futuro
utilizando determinadas funciones de distribución (ejemplo de ello se encuentra en las
distribuciones Log Normal para los precios de acciones).
En esta oportunidad hemos optado por el primero de los enfoques. Según esta
alternativa, puede armarse la siguiente tabla ejemplificativa:

Tabla III.1: Precios esperados de los n activos

Escenarios factibles

1 2 3 L m
t +1 t +1 t +1
1 P11 P 12 P 13 L P1t +m1

+1 +1 +1
2 P t21 P t22 P t23 L P2t +m1
Activo

+1 t +1 t +1 +1
3 P t31 P32 P33 L P3tm

M M M M O M

n P tn+11 t +1
P11 Pnt +31 L
t +1
Pnm

P( j ) P(1) P(2) P(3) L P(m)

Las columnas reflejan los diferentes estados de la naturaleza (que están enumerados
desde 1 hasta m). Cada uno de ellos posee una probabilidad asociada: P(j) ∀ j = 1,2,..., m

(incorporada en la última fila de la tabla). A su vez, las filas desde la tercera hasta la de orden
(n+2) dan origen a los n activos existentes en este análisis. Para cada uno se consideran los

posibles valores de su precio futuro según el escenario que corresponda. En símbolos: Pijt +1

refleja el precio del activo i según el escenario j para el período t+1. Su probabilidad de
ocurrencia será P(j).

Conociendo el precio estimado, se calcula el rendimiento de cada activo de la siguiente

manera:

(Pijt +1 − Pijt )
R ij = ∀ i = 1,2,..., n ; j = 1,2,..., m (3.2)
Pijt

26
 El precio actual de cada activo es el mismo independientemente de los escenarios
futuros. Algebraicamente:

Pi1t = Pit2 = ... = Pim

t
= Pit ∀ i = 1,2,..., n

Utilizando la información brindada por (3) en (2), se obtiene:

(Pijt +1 − Pit )
R ij = ∀ i = 1,2,..., n ; j = 1,2,..., m (3.3)
Pit

Estamos en condiciones de plantear una tabla con los rendimientos de cada activo:

Tabla III.2: Rentabilidad esperada de activos financieros

Escenarios factibles

1 2 L m
t +1 t +1 +1
( P11 − P1t ) ( P12 − P1t ) ( P1tm − P1t )
1 R 11 = R12 = L R1m =
P1t P1t P1t

t +1 t +1
( P21 − P2t ) ( P22 − P2t ) +1
(P2t m − P2t )
2 R 21 = R 22 = L R 2m =
Activo

P2t P2t P2t

M M M O M

( Pnt1+1 − Pnt ) ( Pnt +21 − Pnt ) t +1

( Pnm − Pnt )
N R n1 = R n2 = L R nm =
Pnt Pnt Pnt

P(j) P(1) P(2) L P(m)

Cálculo de medidas estadísticas

Se ha generado la variable aleatoria “Rentabilidad” para cada activo. Se conocen,
además, las probabilidades de ocurrencia de la misma con lo que podemos calcular:
Rentabilidad esperada de una activo cualquiera:
m
E(R i ) = ∑ p( j) R ij ∀ i = 1,2,..., n (3.4)
j =1

Varianza de la Rentabilidad de un activo:

[ ]
m
V(Ri ) = ∑ p( j) Rij − E(Ri ) 2 ∀ i = 1,2,..., n (3.5)
j=1

Covarianza entre Rentabilidades de dos activos (i y s):

27
 m
[ ][ ]
Cov(R i , R s ) = ∑ p( j) R ij − E(R i ) R sj − E(R s )
∀ i = 1,2,..., n ; s = 1,2,..., n
∧(i ≠ s)
(3.6)
j=1

Composición del Portafolios

El inversor deberá optar por la combinación de activos que más le convenga. La cartera
que elija tendrá un rendimiento dado por el promedio ponderado de la rentabilidad de cada
activo que la compone. Los ponderadores representan la proporción de la inversión que se
corresponde al activo en cuestión. En términos formales, la Rentabilidad del Portfolio (R)
resulta:
n
R = ∑ w i Ri (3.7)
i=1

n
Y además: ∑ wi = 1
i=1

Donde:
R: Rentabilidad del Portafolios
wi: Proporción de lo invertido en el activo i respecto del total a invertir

Sabiendo que cada Ri es una variable aleatoria (con esperanza E(Ri), varianza V(Ri) y
covarianza entre activos Cov(Ri, Rs)) y por ser R una combinación lineal de variables inciertas;
se deduce que R es una variable aleatoria. Puede procederse al cálculo del valor esperado y
de la varianza de la Rentabilidad Total.

Esperanza de R (sabiendo que wi se toma como constante):

n  n n
E(R) = E  ∑ w i R i  = ∑ E( w i R i ) = ∑ w i E(R i ) (3.8)
i=1  i=1 i=1

En términos vectoriales:
 E(R1 ) 
 
E(R) = [w1 w 2 K w n ] 
E(R 2 )
= w E(R i ) (3.9)
 M 
 
E(Rn )
Varianza de R:
Es sabido que la varianza de una combinación lineal de variables aleatorias resulta ser
una forma cuadrática. Los elementos de la matriz de la forma son las varianzas y covarianzas
de las variables aleatorias intervinientes. Para nuestro caso la expresión (3.10) quedará:

 V(R1 ) Cov (R1, R2 ) K Cov (R1, R 2 )  w1 

   
K Cov (R1, R 2 )
V(R) = [w1 w 2 K w n ] 
Cov (R1, R 2 ) V(R 2 )  w 2  = w V(R ) w'
 M M O M   M  i
   
Cov (R ,
1 2R ) Cov (R 1, R 2 ) K V(Rn )  wn 

En términos algebraicos:

28
 n  n
V(Rp) = V  ∑ w i (Ri )  = ∑ w i2 V(Ri ) + ∑ ∑ w i w s Cov (Ri, Rs ) (3.11)
 i=1  i=1 i≠ s

O lo que es lo mismo:
n
V(Rp) = ∑ w i2 V(Ri ) + 2 ∑ ∑ w i w s Cov (Ri, Rs )
i =1 i< s

La variabilidad en el rendimiento de la cartera se asocia al riesgo de la misma (en la

medida que establece una idea de la dispersión de la variable respecto de su valor esperado).
A mayor varianza, el inversor enfrentará mayor riesgo.
Si nos concentramos en un valor determinado de E(R), observamos que el mismo puede
alcanzarse utilizando infinitas combinaciones diferentes entre los wi. Pero cada elección
alternativa tiene asociada una varianza de RT (y por ende un riesgo). Deberemos elegir
entonces aquella combinación que, permitiendo alcanzar la rentabilidad deseada, genere el
menor riesgo. Matemáticamente:
Minimizar: V(R) = w V(R i ) w'

E(R) = w E(R i ) = E(R)0

Sujeto a: n
∑ wi = 1
i=1

Para resolver el planteo anterior hemos optado por aplicar los multiplicadores de
Lagrange, con lo que se tiene la función L:
 n   n 
L = V(R) + λ1 E(R)0 - ∑ w i E(Ri )  + λ2 1 - ∑ w i  (3.12)
 i=1   i=1 

La condición de primer orden establece que el vector gradiente de L debe igualarse al

nulo. Efectuando este razonamiento, se obtiene el siguiente sistema de n+2 ecuaciones con
n+2 incógnitas:

29
 n
∂L/∂w 1 = 2 w1 V(R1 ) + 2 ∑ w i Cov( R1, R i ) - λ 1 E(R 1) - λ 2 = 0
i =2
n
∂L/∂w 2 = 2 w 2 V(R 2 ) + 2 w1 Cov( R 1,R 2 ) + 2 ∑ w i Cov( R 2 , R i ) - λ 1 E(R 2 ) - λ 2 = 0
i =3
2 n
∂L/∂w 3 = 2 w 3 V(R 3 ) + 2 ∑ w i Cov( R i , R 3 ) + 2 ∑ w i Cov( R 3 , R i ) - λ 1 E(R 3 ) - λ 2 = 0
i=1 i= 4
.................................................................................................
n-1
∂L/∂w n = 2 w n V(R n ) + 2 ∑ w i Cov( R i ,R n ) - λ 1 E(R n ) - λ 2 = 0
i=1
n
∂L/∂λ 1 = E(R)0 - ∑ w i E(R i ) = 0
i=1
n
∂L/∂λ 2 = 1 - ∑ w i = 0
i=1

En el conjunto de ecuaciones anterior se aprecia que las variables intervinientes son:

X = [w1 w 2 K w n λ1 λ 2 ] '

Esto es, la solución del problema nos brindará la composición de la cartera óptima al
otorgarnos los valores de wi (considerando la rentabilidad del portafolio fijada).
El sistema es lineal, con lo que puede ser expresado en forma matricial AX = B
El vector columna de variables (de orden n+2) ya ha sido definido. Resta conocer la
estructura de la matriz A y del vector de constantes B.

La matriz A viene dada por:

 2V(R1) 2Cov( R1, R 2 ) 2Cov( R1, R3 ) K 2Cov( R1, Rn ) - E(R1) - 1
 
 2Cov( R ,
1 2R ) 2V(R2 ) 2Cov( R2 , R3 ) K 2Cov( R2 , Rn ) - E(R2 ) - 1
2Cov( R1, R3 ) 2Cov( R2 , R3 ) 2V(R3 ) K 2Cov( R3 , Rn ) - E(R3 ) - 1
 
A = K K K O K K K
2Cov( R , R ) 2Cov( R , R ) 2Cov( R , R ) K 2V(Rn ) - E(Rn ) - 1
 1 n 2 n 3 n

 - E(R 1 ) - E(R 2 ) - E(R 3 ) K - E(R n ) 0 0
 K 0 
 -1 -1 -1 -1 0

Observando la composición de A se advierte que sus elementos son producto del estudio
de escenarios efectuado con anterioridad. Alteraciones en dicho análisis repercutirán sobre
algunos elementos de A y con ello, modificarán la solución del sistema. En otras palabras,
ajustes que se realicen en la estimación de las medidas estadísticas impactarán sobre la
composición del portafolio óptimo (puesto que cambiarán los valores de wi).

El vector B resultará:

30
  0 
 
 0 
 0 
 
B=  M 
 0 
 
- E(R)0 
 -1 
 

En este vector aparece el valor de rentabilidad esperada del portafolio fijada al comenzar
el análisis. Alterando este valor, podremos resolver el problema para rendimientos alternativos.
Una posibilidad para solucionar este planteo es recurrir al método de la inversa.
Siguiendo esta mecánica, el vector solución X* resultará del siguiente producto matricial:

-1
X* = A B (3.13)

La lectura de la solución debe efectuarse como sigue: dada la rentabilidad deseada del
inversor para el portafolio (que aparece en B) y dadas las estimaciones estadísticas
practicadas con el estudio de escenarios (incluidas en A) deberemos optar por las
participaciones de los n activos que aparecen en X* (wi para i = 1, 2, ..., n).
Si estamos interesados en conocer la solución para diferentes rentabilidades de la
cartera, sólo necesitamos alterar el valor de E(R)0 en B y recalcular X* según (3.13). Además,
al reemplazar los wi solución en (3.11) se encontrará el riesgo (la varianza) de cada alternativa.
Repitiendo el procedimiento descripto para todos los posibles valores de E(R) se tendrán
los portafolios eficientes y las varianzas de cada uno de ellos. Representando en un sistema de
dos ejes cartesianos a E(R) y sus correspondientes V(R) mínimas se genera una relación
bastante conocida en materia de Administración Financiera dada a llamar: “Frontera de
carteras eficientes”. El aspecto de la misma puede verse en el siguiente gráfico:

Gráfico 1: Frontera de carteras eficientes La pendiente de la frontera asume un valor

positivo. Esto refleja la obligación para el
inversor de aceptar mayor riesgo si
pretende alcanzar rendimientos cada vez
más altos. Conozcamos el valor numérico
de la pendiente: se sabe a partir de (3.12)
que la derivada de L con respecto a E(R)0
es λ1 . Además, la función L en el óptimo es

igual a la función V(R) puesto que las dos restricciones del problema se cumplen. Con esto,
λ1 puede verse como la derivada de la V(R) respecto de E(R) y representa por lo tanto el valor

recíproco de la pendiente de la frontera.

Algebraicamente:

31
 ∂L* ∂ V (R)*
= = λ1
∂E(R )0 ∂ E(R )0

Por lo que la pendiente de la frontera resulta:

∂ E(R) 1
= (3.14)
∂ V (R) * λ1

Se han expuesto ya las principales características de este tipo de problemas. A manera

de conclusión queremos recalcar que el resultado del estudio presentado se refleja en la
frontera de portafolios eficientes, la que debe utilizarse por el inversor para decidir el curso de
acción de sus negocios. El encargado de decidir qué tipo de activos comprar y en qué monto
hacerlo tiene dos alternativas posibles: una primera que consiste en fijar la rentabilidad que
quiere obtener y una segunda estableciendo el riesgo al que está dispuesto a exponer su
capital.
Siguiendo la primera opción, establecido el valor de E(R) observamos su correspondiente
vector X* según (3.13). En los primeros n elementos que componen al mismo tendremos la
respuesta a nuestro planteo: los wi representativos de la proporción a invertir en cada activo.
Una vez decidido el capital a invertir sólo resta efectuar el producto entre dicho valor y cada
proporción. Formalmente:
Ci = C w i (3.15)

Donde Ci representa el monto (medido en unidades monetarias) a invertir en el activo i,

siendo C el Capital Total.
Calculado Ci resta conocer cuántas unidades físicas de cada activo se busca comprar
con la decisión tomada. Para ello, simplemente dividimos a Ci por el precio actual del activo en
cuestión.
Su formulación queda como sigue:

q i = C i / Pit (3.16)

Si optamos en cambio por la segunda alternativa, para el nivel de riesgo a afrontar (V(R))
buscamos su correspondiente E(R) en la frontera. Conocido el rendimiento, se procede a hallar
X* y se repite el procedimiento efectuado para el primer caso. Obviamente el resultado al que
se llega por ambos caminos es el mismo.

Presentación de ejemplos

Ha llegado la hora de desarrollar algunos ejemplos de manera tal que los conceptos
previamente expuestos sean aclarados.

1) Caso de dos activos financieros alternativos

32
 Supongamos que tenemos un capital de $1000 que podemos destinar a la compra de
dos activos financieros: 1 y 2 cuyos precios actuales son $1 y $1 respectivamente. El análisis
de escenarios factibles arroja la existencia de tres estados de la naturaleza posibles
(mutuamente excluyentes): Uno favorable, otro intermedio y por último uno pesimista. Las
probabilidades de ocurrencia de cada uno de ellos son: 0.25, 0.5 y 0.25 respectivamente. Los
precios futuros estimados se presentan en la tabla siguiente:

Tabla III.3: Dos activos y tres escenarios

Precio futuro según escenarios factibles

Optimista Intermedio Pesimista Precio actual

Uno $ 1,8 $ 1,7 $ 1,6 $1

Activos

Dos $ 2,8 $ 2,5 $ 2,1 $1

Probabilidad 0,25 0,5 0,25

Con los datos brindados, pueden completarse los rendimientos de cada activo siguiendo
el razonamiento efectuado en la Tabla III.2. De esta manera:

Tabla III.4: Rendimientos de los activos del ejemplo 1)

Rendimiento según escenarios factibles

Optimista Intermedio Pesimista

Uno 0,8 0,7 0,6

Activos

Dos 1,8 1,5 1,1

Probabilidad 0,25 0,5 0,25

Estamos en condiciones de calcular ahora las medidas estadísticas asociadas a los dos
activos:

E(R1) = 0.8 × 0.25 + 0.7 × 0.5 + 0.6 × 0.25 = 0.7 E(R2) = 1.475

V(R1) = 0.25 × (0.8 − 0.7 )2 + 0.5 × (0.7 − 0.7 )2 + 0.25 × (0.6 − 0.7 )2 = 0.005

V(R2) = 0,061875
Cov(R1, R 2 ) = 0.25 × (0.8 − 0.7 )(1.8 − 1.475) + 0.5 × (0.7 − 0.7 )(1.5 − 1.475) +
+ 0.25 × (0.6 − 0.7 )(1.1 − 1.475) = 0.0175

En términos matriciales y vectoriales:

33
 E(R i ) = [0.7 1.475] '

 0.05 0.0175 
V(R i ) =  
 0. 0175 0 .061875

Armando el Portafolios:

El mismo deberá contemplar proporciones de los dos activos: w1 y w2.

A) El rendimiento esperado de la cartera es en este caso según (3.8):

E(R) = 0.7 w1 + 1.475 w2

Y según (3.9):
 0.7 
E(R) = [w1 w 2 ]  
1.475

B) El riesgo del portafolio medido por su varianza queda, siguiendo a (3.11), como
sigue:

V(R) = 0.05 w12 + 0.061875 w 22 + 2 × 0.0175 w1 w 2

Lo que es lo mismo según (3.10):

 0.05 0.0175   w1 
V(R) = [w1 w 2 ]    
0.0175 0.061875  w 2 
C) Problema a resolver:
Minimizar V(R); sujeto a E(R) = E(R)0 y a w1+ w2 = 1

Reemplazando:

Minimizar: V(R ) = 0.05 w12 + 0.061875 w 22 + 0.035 w1 w 2

E(R) = 0.7 w1 + 1.475 w 2 = E(R)0

Sujeto a:
w1 + w 2 = 1

Solución del mismo:

Armando la función L según (3.12):

L = 0.05 w12 + 0.061875 w 22 + 0.035 w1 w 2 + λ1[ E(R)0 − 0.7 w1 − 1.475 w 2 ] + λ 2 [1 − w1 − w 2 ]

Puede verse que la misma representa una relación real de variable vectorial; esto es,
su dominio está conformado por el espacio de los vectores de cuatro componentes reales
(w1,w2, λ1 , λ 2 ) mientras que su recorrido lo conforma el espacio de los números reales (L).

34
- Condición de primer orden: el vector gradiente se iguala al nulo. Con ello:

 ∂L 
 ∂w = 0 
 1 
 ∂L = 0
 ∂w 2 
 ∂L 
 =0
 ∂λ1 
 ∂L 
 = 0
 ∂λ 2 

La expresión anterior da origen al siguiente sistema de cuatro ecuaciones lineales con

cuatro incógnitas:

 0.1 0.035 − 0.7 − 1  w1   0 

     
0.035 0.12375 − 1.475 − 1  w 2  =  0 
 − 0.7 − 1.475 0 0   λ1  − E(R)o 
     
 −1 −1 0 0   λ2   − 1 

Para solucionarlo, tal como fue expuesto en (3.13):

−1
 w1   0.1 0.035 − 0.7 − 1  0 
     
 w 2  = 0.035 0.12375 − 1.475 − 1  0 
 λ1   − 0.7 − 1.475 0 0 − E(R)o 
     
 λ2   − 1 −1 0 0  −1 

Con lo explicado hasta el momento, puede identificarse que para cada valor de rendimiento
del portafolio, este mecanismo nos brinda la proporción a comprar de cada activo de
manera tal que el riesgo asociado a esta operación sea mínimo.
Pasemos a conocer los valores de w1 y w2 para diferentes E(R)0:
El cálculo de la inversa de la matriz que aparece en la última expresión se ha realizado en
Excel y posee los siguientes valores:

0 0 1,290322581 -1,903225806
-1 0 0 -1,290322581 0,903225806
A =
1,290322581 -1,290322581 -0,164412071 0,10541103
-1,903225806 0,903225806 0,10541103 -0,077013528

Efectuando el producto descripto en (3.13), se tabulan a continuación los resultados para

distintos valores de E(R)0.

35
 Tabla III.5: Solución para dos activos

E(R) w1 w2 V(R)
0,4 1,39 -0,39 0,000
0,6 1,13 -0,13 0,002
0,8 0,87 0,13 0,009
1 0,61 0,39 0,019
1,2 0,35 0,65 0,034
1,4 0,10 0,90 0,054
1,6 -0,16 1,16 0,077
1,8 -0,42 1,42 0,105
2 -0,68 1,68 0,137
2,2 -0,94 1,94 0,173
2,4 -1,19 2,19 0,213
2,6 -1,45 2,45 0,258
2,8 -1,71 2,71 0,307
3 -1,97 2,97 0,360

La existencia de valores negativos en una de las proporciones (cumpliéndose de todas

maneras que la suma de ambas es igual a la unidad) supone la posibilidad de realizar
“Operaciones en corto”. Graficando la frontera de carteras eficientes, tenemos en este
caso:

Gráfico 2 : Ejemplo 1)
E (R)

0 V(R )
0 0,1 0,2 0,3 0,4

Si el inversor desea por ejemplo alcanzar una rentabilidad del 1%, deberá enfrentar un
riesgo mínimo de 0.019. La operación que debe realizar consiste en destinar una
proporción 0.61 del capital al activo 1 (w1 = 0.69) y 0.39 al restante (w2 = 0.39). En el caso
que estamos tratando, hemos supuesto que el monto destinado a estas inversiones sea de
$1000; por lo que se recomienda gastar $610 en el primer activo y $390 en el segundo.
Dado que los precios actuales de ambos activos son de $1 y $1 respectivamente;
necesitará comprar 610 unidades del primero y 390 del segundo.

36
2) Cuatro activos financieros, sin escenarios.

Se presenta en este caso directamente la información requerida por la matriz de

varianzas y covarianzas y por el vector de esperanzas. Puede el lector recurrir al archivo
adjunto: “Portfolio.xls” para observar detalladamente este ejemplo. Además, tiene la posibilidad
de modificar los valores de las medidas estadísticas que desee y observar automáticamente la
nueva solución.

La matriz V(Ri) es de orden 4× 4 y viene dada por:

2 0.3 1 2
0.3 4 1.1 1.5
V(Ri) =
1 1.1 5 2
2 1.5 2 11

El vector columna de valores esperados:

1
1.2
E(Ri) =
1.8
1.9

Al igual que en el caso anterior, el objetivo del inversor será diversificar su capital entre
los activos disponibles. Buscará minimizar el riesgo de la cartera, resolviendo (tal como ha sido
demostrado en el cuerpo teórico de la presente Sección) el sistema de ecuaciones lineal
planteado en (3.13).
En dicho planteo aparece la expresión AX = B, que para el ejemplo que estamos
tratando viene dad por:

4 0.6 2 4 -1 -1
0.6 8 2.2 3 -1.2 -1
2 2.2 10 4 -1.8 -1
A =
4 3 4 22 -1.9 -1
-1 -1.2 -1.8 -1.9 0 0
-1 -1 -1 -1 0 0

0 W1
0 W2
0 W3
B = X =
0 W4
-E(R)o lambda1
-1 lambda2

37
 El vector X (solución) se ha obtenido numéricamente a partir de la generación de
diferentes valores para el rendimiento del portafolio. Algunos valores interesantes del
mencionado procedimiento se listan a continuación:

Tabla III.6: Solución para cuatro activos

Valor de E(R) w1 w2 w3 w4 lambda1 Varianza

1,1 0,651 0,290 0,108 -0,049 0,030 1,400

1,3 0,438 0,256 0,266 0,040 2,075 1,611
1,5 0,225 0,221 0,424 0,129 4,120 2,230
1,7 0,013 0,186 0,582 0,219 6,165 3,259
1,9 -0,200 0,152 0,741 0,308 8,210 4,696
2,1 -0,413 0,117 0,899 0,397 10,255 6,543
2,3 -0,626 0,082 1,057 0,487 12,299 8,798
2,5 -0,839 0,047 1,215 0,576 14,344 11,462
2,7 -1,051 0,013 1,374 0,665 16,389 14,536
2,9 -1,264 -0,022 1,532 0,754 18,434 18,018
3,1 -1,477 -0,057 1,690 0,844 20,479 21,909
3,3 -1,690 -0,091 1,848 0,933 22,524 26,209
3,5 -1,903 -0,126 2,006 1,022 24,568 30,919
3,7 -2,115 -0,161 2,165 1,112 26,613 36,037
3,9 -2,328 -0,196 2,323 1,201 28,658 41,564
4,1 -2,541 -0,230 2,481 1,290 30,703 47,500
4,3 -2,754 -0,265 2,639 1,379 32,748 53,845
4,5 -2,967 -0,300 2,798 1,469 34,793 60,599
4,7 -3,179 -0,335 2,956 1,558 36,838 67,762
4,9 -3,392 -0,369 3,114 1,647 38,882 75,334

La representación gráfica de la frontera puede verse en el archivo adjunto (con formato Excel).

38
Comentarios Finales

A manera de conclusión queremos destacar que todos los criterios utilizados han sido

desarrollados con éxito en Excel. Además, el universo de ejemplos de aplicación que se

pueden modelizar y resolver con este programa es casi ilimitado; por lo que recomendamos

generalizar su uso. La compatibilidad con Microsoft Visual Basic solidifica la programación

computacional tendiente a resolver problemas de optimización.

Aún a pesar de que en la actualidad existen numerosos paquetes preparados para

solucionar planteos puntuales en materia de evaluación de proyectos de inversión, no es
posible encontrar programas que sean cien por cien efectivos para todos los problemas. La
flexibilidad que nos da Excel, juntamente con los conocimientos teóricos necesarios, permiten,
sin lugar a dudas, desenvolverse fácilmente en el mundo de la toma de decisiones.
Es necesario remarcar que la tarea del consultor economista es relevante al momento
de recabar la información disponible e interpretar el escenario, ya que sin su aporte profesional,
cualquier herramienta de análisis carece totalmente de valor.

Bibliografía

Huang, C.J. y Crooke, P.S. 1997, Mathematics and Mathematica for Economists, Editorial

Blackwell. Malden, Massachussets.

Information for Investment Decisions, Inc., 1983. “Los usos del análisis de riesgo en la
evaluación de proyectos”. Washington D.C. ( HCatálogo Vertical)
Licari, Juan Manuel 2000. “Toma de decisiones financieras”. XVI Jornadas Nacionales para

alumnos de Administración, Contabilidad y Economía. Santa Fe. Argentina.

Microsoft Corporation. 1999 Manual de Aplicaciones Excel. Microsoft ® Excel 2000

9.0.2812. Copyright © 1985-1999.
Nerlove, Marc. 1997. “Notes on Montecarlo, Bootstrapping and estimation by simulation” en
www.arec.umd.edu/mnerlove/mnerlove.htm
Neufville, R.; Stafford, J. H., 1971. Systems analysis for engineers and managers. McGraw
Hill.
Simon, C. y Blume, L. 1999, Mathematics for Economists, Norton.

Thuesen H.G., Fabrycky W.J., Thuesen G.J., 1994. Ingeniería Económica. Prentice Hall
Hisp., México
Weingartner, H. M., 1974. Mathematical programming and the analysis of capital budgeting
problems. Kershaw Publishing Company Ltyd., London

39