Professional Documents
Culture Documents
Crite Rios de Inversion
Crite Rios de Inversion
APLICADOS EN EXCEL
Septiembre 2001
Autores:
1
Calcagno, Juan Carlos
2
Licari, Juan Manuel
3
Pellegrini, Santiago
1
calca@eco.unc.edu.ar
2
licarijm@eco.unc.edu.ar
3
sanpelle@eco.unc.edu.ar
1
Introducción
para casos y escenarios alternativos. Para tal fin se hará uso del instrumental brindado
los cash flows futuros y con restricciones presupuestarias. El criterio ha utilizar surge
de la Programación Matemática.
marco teórico que describe los conceptos fundamentales de los criterios a utilizar y un
2
Sección I: Alternativas Múltiples bajo perfecta certidumbre
4
Stafford J. And Neufville R.(1980) System Analysis for Engineers and Managers Cap 9.
3
Método de la tasa de retorno
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.
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
Sujeto a h i ( X ) ≤ b i i =1→m
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
∑ xj ≤ 1 ∀ j = 1,2,.....,s (I.2)
ME
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)
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
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:
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
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
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.
Y ' IT ≥ B (R1* )
Sujeto a
Y ≥θ (R*2 )
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
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
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
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
17
Sección II: Toma de decisiones bajo riesgo
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
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
Método de Montecarlo
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
Información disponible:
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
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
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
1. E (VPN) > 0
2. σ < x
3. Probabilidad de VPN negativo < 20 %
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.
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
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 ..
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
24
Sección III: Elección entre activos financieros
Rentabilidad de un activo
(Pit +1 − Pit )
Ri = ∀ i = 1,2,..., n (3.1)
Pit
Donde:
Ri : Rendimiento de un activo i
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:
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
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).
(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:
(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:
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
M M M O M
[ ]
m
V(Ri ) = ∑ p( j) Rij − E(Ri ) 2 ∀ i = 1,2,..., n (3.5)
j=1
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
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.
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:
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
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
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
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.
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:
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
31
∂L* ∂ V (R)*
= = λ1
∂E(R )0 ∂ E(R )0
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.
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:
Con los datos brindados, pueden completarse los rendimientos de cada activo siguiendo
el razonamiento efectuado en la Tabla III.2. De esta manera:
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
33
E(R i ) = [0.7 1.475] '
0.05 0.0175
V(R i ) =
0. 0175 0 .061875
Armando el Portafolios:
B) El riesgo del portafolio medido por su varianza queda, siguiendo a (3.11), como
sigue:
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:
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
−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
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
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.
2 0.3 1 2
0.3 4 1.1 1.5
V(Ri) =
1 1.1 5 2
2 1.5 2 11
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:
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
pueden modelizar y resolver con este programa es casi ilimitado; por lo que recomendamos
Bibliografía
Huang, C.J. y Crooke, P.S. 1997, Mathematics and Mathematica for Economists, Editorial
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
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