You are on page 1of 72

Decisiones de Inversión

2
CAPÍTULO 10
DECISIONES BAJO INCERTIDUMBRE
¡Ay, cómo es cruel la incertidumbre!
Si ella merece mi dolor
 o yo la tengo que olvidar.
(Gonzalo Curiel. Incertidumbre)

...Aureliano saltó once páginas para no perder el tiempo en hechos
demasiado conocidos, y empezó a descifrar el instante que estaba
viviendo, descifrándolo a medida que lo vivía, profetizándose a sí
mismo en el acto de descifrar la última página de los pergaminos,...
(Gabriel García Márquez, Cien años de Soledad)
3
¡Ah! ... el futuro
Con relación a las consecuencias futuras de
una decisión, se pueden presentar tres
situaciones:
a) determinísticas o de certidumbre total
b) no determinísticas
Riesgo
Incertidumbre y
c) ignorancia total.
4
Certidumbre total
Se supone que el decisor conoce
con probabilidad 1 todos los
eventos posibles.
5
Ejemplo de certidumbre total
Un ejemplo es un papel de descuento: Supóngase que
se compra un título del Estado al 95% de su valor
nominal y después de 3 meses se vende por el 100%
de su valor. Hay certeza absoluta de que a los
noventa días, si compró $950,000 en ese título se
recibirá $1,000,000. Con esta información y dada una
tasa de descuento, se podrán establecer criterios de
decisión sobre la bondad de esa alternativa.
6
No determinísticas: riesgo e incertidumbre

En particular, cuando se habla de riesgo e
incertidumbre se confunden los términos,
tal vez porque existe un conocimiento
previo -intuitivo quizás- de lo que es la
incertidumbre. Para muchos, la
incertidumbre es el desconocimiento del
futuro; en este contexto se considera que el
riesgo y la incertidumbre se producen por la
variabilidad de los hechos futuros y por su
desconocimiento.
7
Diferencias
En la literatura a veces se usa indistintamente.
Algunos hablan de riesgo e incertidumbre
como si fueran iguales. Otros, hacen la
distinción entre riesgo e incertidumbre. Lo
cierto es que existen grados de incertidumbre
y en la medida en que ella disminuye con la
información recolectada se puede manejar en
forma analítica cada vez más.
8
¿Cuándo hay incertidumbre?
Se dice que hay incertidumbre cuando
no se posee información suficiente como
para asignarle una distribución de
probabilidad.
9
Ejemplo de incertidumbre

Un muchacho desea vender periódicos en la
cafetería de la universidad y tiene que decidir
cuántos deberá comprar. Estima vagamente la
cantidad que podría vender en 15, 20, 25 ó 30
periódicos. (Para simplificar, se acepta que
cantidades intermedias no ocurrirán). Por lo tanto
considera que tendrá que adquirir 15, 20, 25 ó 30
periódicos.
10
Riesgo

Los casos de riesgo son muy particulares y los
más comunes están relacionados con
situaciones de azar (loterías, ruletas, rifas, etc.)
o con decisiones a las cuales se les ha asignado
una distribución de probabilidad
11
Ejemplo de riesgo

En una empresa se ha reunido un grupo de
ejecutivos para estudiar la introducción de
un nuevo producto. Ellos con base en
estudios de mercado y en su experiencia han
producido cálculos calificados, han sido
capaces de estimar ciertas cifras
relacionadas con la inversión a realizar y
sus resultados.
12
... con cifras
FLUJO DE CAJA EN MILES PARA UN PRODUCTO NUEVO
Año Valor esperado Desviación estándar

0 -5,000 200
1 1,500 100
2 1,500 150
3 1,500 200
4 1,400 300
5 1,500 350
6 1,200 350
7 1,300 400
8 2,000 550

13
Riesgo e incertidumbre: precisiones
Se acepta que el concepto de incertidumbre
implica que no se asignan distribuciones de
probabilidad (definidas en términos de sus
parámetros, tales como la media y la desviación
estándar); el riesgo, por el contrario, implica que sí
se le puede asignar algún tipo de distribución de
probabilidad. El término incertidumbre también se
utiliza para indicar una situación de
desconocimiento del futuro y lo impredecible de
los hechos.
14
Ignorancia total
Por último, la situación de ignorancia total,
es en realidad una situación irreal que en la
práctica no existe. Algo similar se podría
decir de la certidumbre total, porque en
rigor, ni siquiera la estabilidad económica
del Estado, responsable de las inversiones
que se hacen en ciertos títulos, se puede
garantizar y en consecuencia es posible que
no ocurra el evento en teoría cierto.
15
Causas del riesgo y de la incertidumbre
Las causas de la variabilidad son básicamente
atribuibles al comportamiento humano; sin
embargo existen fenómenos no atribuíbles
directamente al ser humano que también
causan riesgo e incertidumbre.
16
... por ejemplo
Inexistencia de datos históricos directamente
relacionados con las alternativas que se estudian.
Sesgos en la estimación de datos o de eventos
posibles.
Cambios en la economía, tanto nacional como
mundial.
Cambios en políticas de países que en forma
directa o indirecta afectan el entorno económico
local.
17
y...
Análisis e interpretaciones erróneas de la
información disponible.
Obsolescencia.
Situación política.
Catástrofes naturales o comportamiento del clima.
Baja cobertura y poca confiabilidad de los datos
estadísticos con que se cuenta.
18
Lo mismo, pero en Colombia
En una investigación desarrollada entre 1985
y 1986 por García y Marín de EAFIT, los
ejecutivos de las empresas más grandes de
Colombia percibían como principales causas
del riesgo las siguientes:
19
... en Colombia
a) Inestabilidad de las medidas económicas y falta de
continuidad en los programas sectoriales.
b) Factores políticos e institucionales. Inestabilidad
política.
c) Política cambiaria y de comercio exterior.
d) Inestabilidad social. Inseguridad. Orden público.
20
Cómo disminuir el grado de incertidumbre
Obtener información antes de tomar la
decisión, v. gr. información acerca del
mercado.
Aumentar el tamaño de las operaciones, se
asume menos riesgo al perforar 50 pozos de
petróleo que al perforar uno.
Diversificar Ver Markowitz y Sharpe.
21
Pronósticos

Dos grandes clases de modelos:
causales y
de series de tiempo

22
Métodos de Descomposición

Un método de pronóstico para analizar series de
tiempo es el de descomposición.
Se identifican cuatro patrones típicos: horizontal
o estacionaria
estacional
cíclico y
tendencia
23
El modelo y sus componentes
dato = patrón + error.
= f(tendencia, estacionalidad, ciclo) + error.
X
t
= f(T
t
, E
t
, C
t
, Er
t
) = T
t
x E
t
xC
t
x Er
t

donde
X
t
= dato al período t.
T
t
= componente de tendencia en el período t.
E
t
= componente o índice de estacionalidad del período t.
C
t
= componente cíclico del período t.
y Er
t
= error del período t.
 Ver archivo Pronóstico.xls

24
Tasa de descuento bajo riesgo
Cuando se analizan los flujos de caja basados
en la distribución de probabilidad de las
variables que lo determinan, se debe utilizar
una tasa de interés libre de riesgo; de otra
manera se estaría contando doble el efecto del
riesgo: una vez como la componente de riesgo
que hay en la tasa de interés y otra cuando se
reconoce la variación de manera explícita, a
través de una distribución de probabilidad.
25
Actitudes hacia el riesgo
Hay gente que juega lotería o ruleta, hay quienes son
toreros o astronautas; otros aceptan gerenciar
empresas quebradas, otros se atreven a ser rectores
universitarios, hay empresarios visionarios (y
exitosos), hay eternos enamorados que se entregan
por completo, etc.
26
Diferencias en la percepción del riesgo
Por el otro lado, hay quienes se resignan a un
cómodo empleo que no presenta retos, ni amenazas,
hay quienes nunca juegan y nunca serán espontáneos
en una plaza de toros, otros, como un columnista de
la página económica de un periódico, dice que "una
buena inversión debe hacerse teniendo en cuenta que
no quite el sueño, aunque no de para comer muy
bien" y hay, por último, algunos que nunca salen de
sí mismos porque les da miedo la entrega total.
27
Diferentes actitudes hacia el riesgo
Todas estas diferencias en el comportamiento
humano se deben a las diferentes actitudes
hacia el riesgo.
28
El valor esperado monetario VEM
Cuando en un curso universitario se plantea el
problema de un juego con probabilidad 0.5 de
ganar $0 y 0.5 de ganar $1,000 y se pregunta
que cuánto dinero daría cada estudiante por
participar en él, la respuesta es de $500. Al
analizar más el problema y someter al
interrogado a confrontaciones y escogencia, se
encuentra que la cifra no es $500, sino otra
muy diferente.
29
... a veces no funciona
La primera cifra -$500- se denomina valor
esperado monetario. Valor esperado monetario
de una decisión es el promedio ponderado de
todos los valores que pueden resultar y que
corresponden a todos y cada uno de los
resultados posibles, dado que el decisor ha
optado por elegir una alternativa.
30
Maximizar el VEM
Se dice, en general, que cuando hay poco
dinero en juego, la gente decide de acuerdo
con el valor esperado del juego y trata de
decidirse por la alternativa que lo maximiza.
31
Y, ¿lo duda?
Para aquellos que dudan acerca de la forma de
tomar decisiones cuando está involucrado el
azar (decisiones bajo riesgo), se propone el
análisis de dos casos: uno hipotético (la
paradoja de San Petersburgo) y uno real
(cualquiera de las loterias que se venden en el
país).
32
La paradoja de San Petersburgo
Se proponen las siguientes alternativas:
A: un regalo, libre de impuestos, de $10,000.
o
B: un pago de 2
n
centavos, donde n es el
número de veces que se lanza una moneda al
aire hasta cuando aparezca sello.
33
Juega una sola vez
Solo se puede participar una vez en el juego y
la secuencia de lanzamientos se detiene
cuando aparezca sello por primera vez.
34
VEM infinito
El valor esperado de cada una de las
alternativas es:
E(A) = $10,000.oo
= 1 + 1 + 1 + 1 +....... = 
Nadie escogería la alternativa B a pesar de
tener un valor esperado igual a infinito, a
menos que haya una gran propensión al
riesgo.
35
LOTERIA DE SANTANDER
Sorteo No. 2703 efectuado el día 7 de septiembre de 1979
Premio Mayor No. 0836 $3,000,000
Premios secos
Primer premio seco N. 7205 $100,000
Segundo premio seco N. 1285 50,000
Tercer premio seco N. 7717 20,000
Mayor invertido N. 6380 5,000
Anterior al mayor N. 0835 10,000
Posterior al mayor N. 0837 10,000
36
¡Más premios!
APROXIMACIONES AL MAYOR
Los billetes con las 3 últimas cifras ganan c/u 2,000
Los billetes con las 2 últimas cifras ganan c/u 1,700
Los billetes con la última cifra ganan c/u 1,600
Los billetes con las 3 primeras cifras ganan c/u 2,000
Los billetes con las 2 primeras cifras ganan c/u 1,700
Los billetes con las 2 primeras cifras y última del mayor
ganan cada uno 3,330
Premio mayor en cualquier orden. 2,400
Valor del billete en el Dpto de Santander. 1,000

37
La lotería
Se puede calcular el valor esperado de
cualquier lotería. En este caso se tiene:
C = $1,000 (precio del billete)
D = Todos los premios de la lotería.
38
¿Quién gana?
Suponiendo que todos los billetes se venden,
que no existen impuestos sobre los premios y
desechando las combinaciones tales como,
premio mayor y secos, secos e invertido, etc.,
por ser despreciables (en valor esperado no
alcanzan a sumar 10 centavos), se tiene:
Valor esperado de C = E(C) = $1,000
Valor esperado de D = E(D) = $504.03
39
¿Usted compra lotería?
No se ha tenido en cuenta la posibilidad de
que alguno de los premios menores incluyan
las aproximaciones, lo cual disminuiría el
valor esperado.
Como se puede apreciar, el valor esperado de
esta lotería es mucho menor que su precio y
sin embargo, gran cantidad de personas
compran lotería, rifas apuestas, etc.

40
¿Cómo se explica esto?
Estos dos ejemplos ilustran que bajo riesgo,
muchas personas no tratan de maximizar el
valor esperado de sus ganancias. O sea, que
entran en juego otros factores.
41
Von Neumann y Morgerstern
Ante situaciones como éstas, los estudiosos
del tema han presentado teorías que permiten
explicar (teorías descriptivas) o predecir el
comportamiento de un individuo en particular
cuando se encuentra enfrentado a decisiones
bajo riesgo o incertidumbre reducida a riesgo,
por medio del estimativo de probabilidades
subjetivas.
42
Teoría de la Utilidad Cardinal TUC
Los ejemplos presentados obligan a preguntarse
cómo se explica entonces, el proceso de decisión. La
teoría expuesta ofrece esta explicación, aunque con
limitaciones. En términos más sencillos: cada
individuo cuando se enfrenta a situaciones de riesgo,
puede asignar un valor a cada una de las alternativas
que analiza. Estos son los índices de utilidad cardinal.
43
Teoría de la Utilidad Cardinal: ¿sirve?
Esta teoría parece ser aceptable a corto plazo:
cuando el individuo tiene que tomar la
decisión y los resultados son inmediatos.
Puede no ser válida cuando la decisión implica
resultados futuros.
44
¿Averso o propenso?
Las personas pueden ser aversas, propensas o
indiferentes al riesgo. Una persona que esté
dispuesta a pagar por "jugar" una lotería podrá
determinar su actitud al riesgo, según el monto
que pague.
45
Propensión al riesgo
Una persona totalmente propensa al riesgo,
enfrentada ante el siguiente juego: $0 con
probabilidad 0.5 y $10,000 con probabilidad
0.5, estará dispuesta a pagar más del valor
esperado del juego por participar en él. O sea,
pagará más de $5,000 por participar en este
juego.
46
Aversión al riesgo
Si esa misma persona fuera totalmente aversa
al riesgo y se enfrenta a la misma situación,
pagará menos del valor esperado del juego por
participar en él. O sea pagará menos de
$5,000.
47
Indiferencia al riesgo
Si la mencionada persona fuera indiferente al
riesgo, pagaría exactamente $5,000 por
participar en el juego.
48
Ni lo uno, ni lo otro
En la realidad las personas no son, ni
totalmente aversas, ni totalmente propensas al
riesgo. Existe alguna evidencia empírica de
que hay rangos de valores en los cuales las
personas son aversas al riesgo y rangos en los
cuales son propensas al riesgo.
49
Depende de muchas cosas
También parece existir evidencia de que los
individuos tienden a ser propensos al riesgo
cuando hay en juego pequeñas sumas de
dinero (el caso de las loterías, que además
dividen el billete en fracciones de bajo costo)
y aversos cuando las sumas de dinero son
altas.
50
¿Qué significa mucho?
Muchas veces se debe tratar de cuantificar una
apreciación subjetiva. Esto es necesario, no
porque se subestime la apreciación como tal,
sino para verificar si el criterio con que se hizo
es consistente con el del decisor. Por ejemplo,
si alguien aprecia que alguna variable es alta,
para el decisor es importante saber si “alto”
significa lo mismo para ambos.
51
Calibración de un Estimativo
Supóngase que se desea estimar la
probabilidad de que se ganará una demanda
instaurada. Existe cierta información conocida
por el abogado (p. ej. antecedentes del juez,
jurisprudencia existente, etc.) que le indica
que hay posibilidades de ganar. Supóngase,
además, que ese pleito se puede representar
como una lotería:
52
Se la cambio
_______gana__________ $300,000

o
______pierde_________ -$150,000
Ahora, se compra esa lotería con un procedimiento
calibrador. Supóngase que se tiene una bolsa con
bolas rojas y blancas (50 rojas y 50 blancas) y se le
ofrece al abogado el siguiente juego o lotería:
53
... por esto
_____roja P(R) =0.5_____ $300,000

o
____blanca p(B)=0.5 ____ -$150,000
54
¿Qué prefiere?
Si se prefiere la primera lotería, se puede
afirmar que su percepción de la probabilidad
de ganar es:
P(ganar) > 0.5
Ahora bien, si se cambia el contenido de la bolsa
por 90 rojas y 10 blancas, el nuevo juego o
lotería es :
55
Y, ¿ahora?
____roja P(R) =0.9_____ $300,000

o
___blanca p(B)=0.1 _____ -$150,000

56
... ¿qué prefiere?
Si prefiere este segundo juego, al primero, se
puede afirmar que que su percepción de la
probabilidad de ganar es:
P(ganar) < 0.90
Con esta información se tiene entonces:
0.5 < P(ganar) < 0.9
57
Repítalo
Este proceso se puede repetir ajustando las
probabilidades (la proporción de bolas rojas y
blancas) y reducir el rango en el cual se
encuentra P(ganar) hasta precisar su valor.
58
Hasta el final
Por ejemplo, se puede llegar hasta


y así sucesivamente hasta determinar un
intervalo suficientemente corto que permita
definir su valor.

70 . 0 ) ( 65 . 0   ganar P
59
Determinación de la Probabilidad Subjetiva
Muchas personas tienden a pensar que ésto es
imposible. Sin embargo, por un proceso de
aproximaciones sucesivas se pueden hacer
estimativos subjetivos de la probabilidad de
ciertos valores o intervalos.
60
Cómo se hace
La metodología es sencilla y pretende asignar
probabilidad 1 a un cierto intervalo y a partir
de allí dividir en forma sucesiva ese intervalo
en otros a los cuales se les asigna una
probabilidad igual a la mitad del intervalo de
origen. Después se hace una verificación de
consistencia, hasta cuando el decisor queda
“satisfecho” con los estimativos a los que se
llegó. Ejemplo.
61
Medición analítica del riesgo
El método propuesto por Hillier para manejar
este tipo de situaciones hace uso del Teorema
del Límite Central de la Estadística y dice que
la distribución del Valor Presente Neto, Costo
Anual Equivalente o Tasa Interna de
Rentabilidad es aproximadamente normal.
62
Uso de la Estadística
 
 








n
j
n
j
n
j
i
i
I Var
VPN Var
I
VPN E
j
j
0
2
0
1
1
) (
) (
) (
De acuerdo con el método de Hillier, se tiene:
63
... con estas variables
donde:
E(.) = Valor esperado de la
expresión que está dentro
del paréntesis.
Ij = Flujo de caja del período j.
Var(.) = Varianza de la expresión
que está dentro del
paréntesis.
I = Tasa de descuento
N = Vida del proyecto en años.
j = Período que se analiza
64
El camaleón
Simulación en el sentido más común de la
palabra significa imitar. Y de esto se trata; se
va a imitar el comportamiento de un sistema a
través de la manipulación de un modelo que
representa una realidad.
 Ver archivo Simulación.xls
65
Simulación ayuda cuando hay complejidad
Hay ciertos problemas que son muy
complejos y cuya solución analítica es
prácticamente imposible de hacer. La
propuesta de Hillier supone un manejo
analítico del problema; sin embargo, la
complejidad de las distribuciones de
probabilidad puede ser alta, de manera que
conocer sus parámetros es muy difícil o
imposible.
66
Simulación: ¿costosa?
A pesar de que la técnica de simulación tiende
a ser un procedimiento costoso, es uno de los
enfoques más prácticos para abordar un
problema, aunque hoy los recursos
computacionales han reducido en forma
substancial ese costo.
67
Implica la construcción de un modelo
La simulación implica la construcción de un modelo,
el cual es matemático en gran parte. Antes de
describir el comportamiento total del sistema, la
simulación describe la operación de ese sistema en
términos de eventos individuales de cada componente
del sistema, cuyo comportamiento se puede describir,
por lo menos en términos de distribuciones de
probabilidad.
68
Combine todos los eventos
La interrelación entre estos componentes se
puede involucrar dentro del modelo. La
combinación de los eventos posibles y el
efecto de la interrelación entre los mismos, le
permite al analista determinar la configuración
adecuada de los subsistemas.
69
No es exacta
Como la simulación trabaja con un número
finito de pruebas, se incurre en un error
estadístico que hace imposible garantizar que
el resultado es el óptimo. De hecho, muchas
veces no se busca el óptimo de una solución
sino el comportamiento de determinado
parámetro.
70
Simulación de Monte Carlo
Una manera cruda o aproximada de hacer una
simulación es la llamada técnica de Monte
Carlo. Antes de ilustrar el uso de la simulación
conviene presentar algunas ideas sobre los
números o dígitos aleatorios y la forma de
generarlos. Estos números permiten tener en
cuenta la interrelación entre las variables
aleatorias.
71
Arboles de decisión
Compra 15
Compra
20
Compra 25
Compra 30
Ventas Gananci a
15
20
25
30
15
20
25
30
15
20
25
30
15
20
25
30
15
15
15
15
-8.75
20
20
20
-32.5
-3.75
25
25
-56.25
-27.5
1.25
30
72
Conclusión
En conclusión, el gerente debe visualizar la realidad
como incierta y debe hacer el esfuerzo de tratar de
asignar valores y probabilidades a los eventos
posibles. Lo máximo que va a encontrar es una
medida del riesgo en términos de probabilidad.
Después de eso, es él, con su experiencia quien debe
decidir ayudado con la información disponible.