You are on page 1of 61

Gestión de Riesgos en

Proyectos 2018

“Un proyecto es una apuesta”

1
Introducción
 La incertidumbre es un hecho en la vida, existe en el
entorno de cualquier proyecto.
 No es posible predecir los resultados con una certeza
del 100%, pero se puede influir en el resultado,
evitar riesgos potenciales y estar preparado para
responder ante retos inevitables.
 Es necesario analizar los eventos futuros que pueden
afectar a un proyecto para:
 Identificar los riesgos potenciales
 Evaluar las posibles consecuencias de su ocurrencia
 Manejarlos adecuadamente para reducir su impacto.

2
Riesgo, incertidumbre y
certidumbre
 Riesgo: describe circunstancias en que
algunos elementos de una decisión son
variables y cuyo grado de variabilidad es
conocido en términos probabilísticos.
 Incertidumbre: circunstancia en que algunos
elementos son variables pero su grado de
variabilidad es desconocido (información
incompleta, exceso de datos, inexacta,
sesgada o falsa).
 Certidumbre: circunstancia en que no hay
elementos importantes variables o su
variabilidad no tiene consecuencias
relevantes. 3
Dos situaciones:
 Riesgo propiamente dicho: se conoce la
probabilidad de ocurrencia, por ejemplo
probabilidad de heladas en un lugar de
Arequipa, o probabilidad de fenómeno
del niño en un proyecto pesquero.
 Incertidumbre: se desconoce la
probabilidad de ocurrencia, por ejemplo
que aparezca una nueva tecnología.
4
Qué es el riesgo?
 El riesgo implica incertidumbre. La
incertidumbre no necesariamente implica
riesgo.
 La aversión al riesgo es una característica
inherente a cada individuo, configurando un
perfil de riesgo.
 La evaluación de las compensaciones entre
beneficios esperados y riesgos tolerables es
una función del perfil de riesgo
5
El rango de Incertidumbre
Sin información Parcial Inf.Completa
Desconocidos Desc/Conoc Conocidos

Incert. Total General Especif. Certid.

No cuantificable Cuantif.
Prob. Subjetiva Eval. Estadística

6
Exposición al riesgo
 Todos estamos expuestos a
determinados riesgos y tomamos
decisiones que tienden a disminuir el
grado de exposición a ciertos riesgos.
 Algunas decisiones, pudieran provocar
una elevación del grado de exposición
al riesgo.

7
Exposición al riesgo
 Para decidir: conocer el origen de la
rentabilidad de la inversión y el
impacto que tendría la no ocurrencia
de alguno de los parámetros
considerados en el cálculo de esa
rentabilidad.
 Un buen proyecto también es
vulnerable a la competencia,
proveedores, colaboradores, etc.
8
Herramientas para el Análisis
del Riesgo e Incertidumbre
HERRAMIENTAS PARA ANALISIS DE RIESGO E INCERTIDUMBRE

ANÁLISIS DE ESCENARIOS
Qué pasa con el VAN si se modifica el valor de una o

mas variables.

ANÁLISIS DE PUNTOS
INCERTIDUMBRE CRITICOS Hasta dónde se puede modificar el valor de una o mas variables RIESGO

para que el proyecto tenga como mínimo un VAN de 0.

SIMULACIÓN Cuál es la probabilidad de que el proyecto no sea rentable y

cuáles son las variables críticas.

9
El Riesgo desde el punto de
vista de los Proyectos
 Es la variabilidad de la rentabilidad
medida a través de algunos de sus
indicadores: VAN, TIR, PR, B/C, etc.
 A mayor variabilidad > mayor riesgo

10
Todo Proyecto es una Apuesta
 Se apuesta a ganar pero a veces se
pierde por exceso de optimismo y por
imposibilidad de predecir con precisión
los resultados.
 Los resultados pueden ser tan diversos,
y la decisión se basa en una sola
respuesta, es decir en un solo
escenario, que difícilmente se dará.
11
Riesgos en un Proyecto
 Desastres Naturales, Huelgas
 Riesgo Tecnológico
 Riesgo de Mercado
 Riesgo de Liquidez
 Riesgo Financiero
 Riesgo Cambiario
 Riesgo Ambiental
 Riesgo Político
 Riesgo País
12
Percepción del riesgo
 Influye en las decisiones económicas de individuos y
organizaciones. El problema es la no percepción derivada del
hecho de trabajar con modelos deterministas basados en
realidades que manejan incertidumbre.
 Para agudizar el nivel de percepción es preciso incorporar
incertidumbre en los modelos a través de una modelación
probabilística del problema.
 Los modelos no se construyen en piedra, deben evolucionar al
ritmo de cambio de las variables del entorno.
 Enfrentar riesgos en forma planificada convierte al dueño del
proyecto en un ente proactivo que sistemáticamente aplicará
estrategias para asegurar el éxito de los proyectos.

13
Consecuencias de los riesgos en
Proyectos
 Los costos finales exceden lo
presupuestado
 Las fechas no se cumplen
 Productos/Servicios no satisfacen las
necesidades o requerimientos
 Empresa queda en situación
desventajosa respecto a la competencia
 Combinación de los anteriores

14
I. El Riesgo y la Incertidumbre

 En resumen: presentaremos el proceso a


seguir para analizar un proyecto con riesgo.
 Ante la incertidumbre, se determinan
probabilidades de ocurrencia subjetivas sobre
la base de la experiencia del evaluador.
 Una vez definidas estas probabilidades, el
desarrollo del análisis es simular al caso de
riesgo.
Riesgos en Proyectos de
Inversión
 La inversión en activos se realiza a cambio de
flujos esperados provenientes del uso de esos
activos.
 El riesgo en un proyecto de inversión
depende de la variabilidad de los flujos
esperados, la cual está relacionada con la
incertidumbre en torno a las fuentes de
ingresos y egresos del proyecto.
 La Principal actividad de la Gestión de riesgos
es la identificación de los mismos.
16
Causas del riesgo e
incertidumbre en proyectos
 Número insuficiente de inversiones similares que
pueden proporcionar información promediable.
 Prejuicios contenidos en los datos y su apreciación

(optimismo/pesimismo)
 Cambios en el medio económico externo que anulan
la experiencia adquirida en el pasado.
 Interpretación errónea de los datos o los errores en

la aplicación de ellos.
(Jhon Canada. Técnicas de análisis económico para
administradores e ingenieros. Mexico. Diana. 1978.

17
Medición del riesgo
 Desviación estándar:
Sigma = Raiz(Sumatoria (Ax-A)2 Px)

Donde: Ax es el flujo de caja de la posibilidad x, Px es su probabilidad de


ocurrencia, y es el valor esperado de la distribución de probabilidades de los
flujos de caja, que se obtiene de
A = Sumatoria (AxPx)

Si A corresponde al valor esperado del valor actual neto, ante igualdad de riesgo
se elegirá el proyecto que exhiba el mayor valor esperado.

Cuanto mayor sea la dispersión esperada de los resultados de un proyecto, mayores


serán su desviación estándar y su riesgo.

18
Cuando hay Supuestos hay
Riesgos
• Al preparar y evaluar un proyecto se
recurre a supuestos, por ejemplo:
– Respecto al crecimiento poblacional, la
demanda, la oferta, relacionados con la
tecnología, con usos y costumbres,
– Sobre la disponibilidad de insumos,

– acerca del impacto ambiental

– en la estimación de los costos y


beneficios.
– sobre el plazo de construcción,

– etc, etc, etc.


19
Métodos de Análisis de Riesgos
 Enfoques clásicos: Utilizar tasa de
descuento más alta, Análisis de
Sensibilidad, construcción de
escenarios, estimar un valor esperado
del VAN: árboles de decisión.
 Enfoques holísticos: Simulación de
Monte Carlo, opciones reales.
 No todos conducen a resultados
idénticos. 20
Mayor tasa de descuento
 A mayor riesgo 


Referencias:
Planeamiento Estratégico Dinámico El
exigimos mayor •
Modelo CAPM, Clark y Field, MIT.
D-CAPM en México: Un modelo
rentabilidad. alternativo para estimar el costo de

capital, Oscar Carbonell.


 La relación tasa –

Rentabilidad
riesgo se desarrolla
en el CAPM

Desviación estandar

21
Análisis de sensibilidad
 Estudiar el impacto en los indicadores del
proyecto cuando cambia el valor de
distintas variables.
 Considerar especialmente aquellas con
mayor incertidumbre.
 Analizar las variables individualmente.
 Utilizar rangos razonables.
 Preferentemente hacia valores pesimistas.
22
Análisis de sensibilidad por variables

Efectos que producen sobre el VAN las variaciones en los


valores de las variables

PARA UNA VARIABLE UNIDIMENSIONAL


Sensibilidad del VAN a la cantidad anual vendida

Cantidad VAN
19000
8.000 -794,50
8.200 1.114,46
14000
8.400 3.023,42
8.600 4.932,38
VAN

8.800 6.841,34 9000


9.000 8.750,30
9.200 10.659,26 4000
9.400 12.568,22
9.600 14.477,19
-1000
9.800 16.386,15 8000 8400 8800 9200 9600 10000
10.000 18.295,11 Cantidad anual vendida
Análisis de sensibilidad por variables

PARA DOS VARIABLES BIDIMENSIONAL

Sensibilidad del VAN a la cantidad y al precio

Precio
Cantidad
5 5,5 6 6,5 7 7,5
8.000 -19.884,11 -10.339,30 -794,50 8.750,30 18.295,11 27.839,91
8.200 -18.452,39 -8.668,96 1.114,46 10.897,88 20.681,31 30.464,73
8.400 -17.020,67 -6.998,62 3.023,42 13.045,47 23.067,51 33.089,55
8.600 -15.588,95 -5.328,28 4.932,38 15.193,05 25.453,71 35.714,37
8.800 -14.157,23 -3.657,94 6.841,34 17.340,63 27.839,91 38.339,19
9.000 -12.725,50 -1.987,60 8.750,30 19.488,21 30.226,11 40.964,02
9.200 -11.293,78 -317,26 10.659,26 21.635,79 32.612,31 43.588,84
9.400 -9.862,06 1.353,08 12.568,22 23.783,37 34.998,51 46.213,66
9.600 -8.430,34 3.023,42 14.477,19 25.930,95 37.384,71 48.838,48
9.800 -6.998,62 4.693,76 16.386,15 28.078,53 39.770,92 51.463,30
10.000 -5.566,90 6.364,10 18.295,11 30.226,11 42.157,12 54.088,12
Análisis de escenarios
 Considerar un cambio simultáneo de varias
variables
 Seleccionar las de mayor impacto en el VAN
y/o con mayor incertidumbre.
 Construir escenarios definidos por un
conjunto de valores de dichas variables y
recalcular los indicadores del proyecto.
 Escenarios deben ser “razonablemente”
pesimistas u optimistas
25
Análisis de escenarios

• Escenario Optimista
• Escenario Pesimista
• Escenario Original (Promedio)

Escenario Cantidad Precio VAN


Optimista 9.400 6,20 17.054,28
Promedio 9.000 6,00 8.750,30
Pesimista 8.600 5,80 828,12
Arbol de decisiones
VAN
P=0.6 Exitoso
+1.000
Hacer el proyecto
VE = 400 Fracasa -500
P=0.4

Hacer Hacer el P=0.9Exitoso +900


proyecto Exitoso proyecto
piloto P=0.6 VE = 750 Fracasa
VE = 394 P=0.1 -600
P=0.4No hacer el proyecto +150
Fracasa el proyecto piloto -140
No hacer el proyecto +150
Valor Esperado del VAN
 Valor esperado es el promedio de los
valores que toma una variable aleatoria si se la
genera infinitas veces
 E[x] = S (xi . Pxi)
 Riesgo de la variable aleatoria puede estimarse
por:
 Varianza: sX2 = S (xi – E[X])2 Pxi
 Desviación estándar: sX = [sX2]1/2
 VAN depende de múltiples variables =>
 E[VAN] = ?
 sVAN2 = ?
Valor Esperado del VAN
Porcentaje del
Concepto Valores
total de casos
Valor medio del VAN* 9.065,19
Desviación estándar 5.384,73
Coeficiente de variación 0,59
VAN* negativos 16 5,33%
VAN* inferiores a $ 3.000 41 13,67%
VAN* inferiores a $ 5.000 71 23,67%
II. La Medición del Riesgo de un
Proyecto
 Entonces, primero se debe determinar el valor esperado o
promedio del flujo de caja de cada período, mediante la
siguiente ecuación:

s
E ( FCt )   FCti  Pi (1)
i 1

donde
F Cti: FC del período (t) si se diera el resultado (i)
s: Número de posibles resultados del F Ct.
P i: Probabilidad de ocurrencia del resultado (i)
II. La Medición del Riesgo de un
Proyecto
 Luego, a partir de los flujos de caja promedio se
determina el valor esperado del VAN
 n
FCt   n FCt 
EVAN   E  Inv   t 
 E Inv   E  t 
 t 1 (1  r )   t 1 (1  r ) 
n
E ( FCt )
  Inv   (2)
t 1 (1  r )
t

donde
n:Número de períodos
r: Tasa de descuento
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 Se tiene que elegir entre dos alternativas de
inversión. La primera consiste en abrir una
Heladería y la segunda consiste en la
elaboración de Chocolates para su
comercialización.

Ambos requieren de una inversión de S/. 100


y tienen un COK de 10%. Las distribuciones
de los flujos de caja de cada proyecto son:
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1

Cuadro 1a
DISTRIBUCIÓN DEL FLUJO DEL PROYECTO A

Heladería
Escenario FC1 Prob. FC2 Prob.
A 50 0.2 60 0.4
B 70 0.3 80 0.3
C 90 0.5 100 0.3
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1

Cuadro 1a
DISTRIBUCIÓN DEL FLUJO DEL PROYECTO B

Elaboración de chocolates
Escenario FC1 Prob. FC2 Prob.
A 50 0.1 65 0.2
B 60 0.2 70 0.3
C 80 0.3 80 0.3
D 90 0.4 85 0.2
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 Así, para el proyecto A, los flujos de caja
esperados son:
E (FC1 )  ( 50x0.2 )  ( 70x0.3 )  ( 90x0.5 )  76
E (FC2 )  ( 60x0.4 )  ( 80x0.3 )  ( 100x0.3 )  78

La esperanza del VAN es:


76 78
E (VAN A )  100   2
 33.55
(1.1) (1.1)
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 En el caso del proyecto B, los flujos de caja
esperados son:
E (FC1 )  ( 50x0.1 )  ( 60x0.2 )  ( 80x0.3 )  (90x0.4)  77
E (FC2 )  ( 65x0.2 )  ( 70x0.3 )  ( 80x0.3 )  (85x0.2)  75

El valor esperado del VAN es:


77 75
E (VAN B )  100   2
 31.98
(1.1) (1.1)
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 Tomando en cuenta este planteamiento, el
inversionista debería elegir el proyecto que
tenga un mayor VAN esperado.
En este caso, el inversionista escogería abrir la
Heladería (proyecto A).
 Aunque este criterio de decisión parezca siempre
correcto, esto no es así. Como se sabe, la
Esperanza matemática mide el valor al que
tenderá determinada variable aleatoria cuando
se repite varias veces un mismo experimento.
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 Sin embargo, el proyecto en cuestión no
se repetirá numerosas veces y el nivel de
riesgo o grado de variabilidad de la
rentabilidad es importante para que el
inversionista tome una decisión.
Por ello, es necesario desarrollar algún
otro indicador que permita involucrar
dicho nivel de riesgo.
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 El riesgo de un proyecto está asociado
con la variabilidad de los beneficios
netos estimados en cada período; es
decir, el nivel de dispersión del
beneficio promedio.
 A partir de la variabilidad de los flujos
se podrá determinar del VAN, y calcular
una medida para el nivel de riesgo
involucrado.
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 Recordemos que la dispersión de una variable
aleatoria puede ser calculada mediante la
Varianza.
Así, la Varianza de un flujo de caja sería:
s
V ( FCt )  s t2   ( FCti  E ( FCt )) 2  Pi (3)
i 1

donde:
V (F Ct): Varianza del F Ct
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 Y su Desviación Estándar:

s
DS ( FCt )  s t   ti
( FC
i 1
 E ( FCt )) 2
 Pi (4)

Así pues, si volvemos a nuestro ejemplo, las


desviaciones de los flujos de caja serían las
siguientes:
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 Para la Heladería:

s ( FC1 )  (50  76) 2  0.2  (70  76) 2  0.3  (90  76) 2  0.5
s ( FC1 )  244  15.62

s ( FC2 )  (60  78) 2  0.4  (80  78) 2  0.3  (100  78) 2  0.3
s ( FC2 )  276  16.61
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 Para la Elaboración de Chocolates:
s ( FC1 )  (50  77) 2  0.1  (60  77) 2  0.2  (80  77) 2  0.3  (90  77) 2  0.4
s ( FC1 )  201  14.17

s ( FC2 )  (65  75) 2  0.2  (70  75) 2  0.3  (80  75) 2  0.3  (85  75) 2  0.2
s ( FC2 )  55  7.41
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 No obstante, lo que interesa es la Desviación
Estándar del VAN.
Para ello, calculamos primero la Varianza del VAN
mediante la siguiente ecuación
 n
FCt  s 2 ( FC1 ) s 2 ( FCn )
V VAN   V  Inv   t 
  ...  
t 1 (1  r )  (1  r ) (1  r )
2 2n

2Cov( FC1 , FC2 ) 2Cov( FCn1 , FCn )
 ...  2 n 1
(5)
(1  r ) 3
(1  r )
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 Para llegar a una forma más reducida
de la Varianza del VAN, es necesario
determinar si existe o no dependencia
entre los flujos de caja;
Es decir, si el valor que tome el flujo de
caja en el periodo (i depende o no de
los valores que hayan tomado los flujos
de caja de años anteriores.
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 Si asumimos que los flujos de cada
período son independientes entre sí; es
decir, que los factores aleatorios que
explican el flujo de caja de un período
no afectan el de otro,
Entonces su Covarianza es igual a cero,
por lo que la ecuación (5) se reduce a:
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 n
FCt  s 2 ( FC1 ) s 2 ( FC2 ) s 2 ( FCn )
V VAN   V  Inv   t
   ... 
 t 1 (1  r )  (1  r ) 2
(1  r ) 4
(1  r ) 2n

n
s 2 ( FCt )
V VAN    (6)
t 1 (1  r )
2t

 Bajo este supuesto, la Varianza del VAN de


cada una de las alternativas de inversión para
el Ejemplo 1, serían las siguientes:
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 Para la Heladería:
244 276
V (VAN A )  2
 4
 390.16
(1.1) (1.1)
 Para la Elaboración de Chocolates:
201 55
V (VAN B )  2
 4
 203.68
(1.1) (1.1)
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 Si por el contrario asumimos que los flujos de caja
están correlacionados perfectamente; es decir, que la
desviación de un flujo de caja en un determinado
período implica que los flujos futuros se desviarán de
la misma manera,
Entonces el Coeficiente de Correlación entre dos flujos
de distintos períodos es igual a 1
Cov( FCi , FC j )
  1  Cov( FCi , FC j )  s ( FCi )  s ( FC j )
s ( FCi )  s ( FC j )
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 Reemplazando la igualdad anterior en la ecuación
(5) se obtiene:
 n
FCt  s 2 ( FC1 ) s 2 ( FCn ) 2s ( FC1 )  s ( FC2 ) 2s ( FCn 1 )  s ( FCn )
V VAN   V  Inv   t 
  ...    ... 
 t 1 (1  r )  (1  r ) 2 (1  r ) 2 n (1  r )3 (1  r ) 2 n 1
2
 s ( FCt ) n
V VAN      (7)
 t 1 (1  r ) t

 Bajo el supuesto de dependencia perfecta, la
varianza del VAN de cada una de las alternativas
de inversión del Ejemplo 1 serían
II. La Medición del Riesgo de un
Proyecto: Ejemplo 1
 Para la Heladería
2
 244 276 
V VAN A     2 
 780.11
 (1.1) (1.1) 

 Para la Elaboración de
Chocolates:
2
 201 55 
V VAN B     2 
 361.67
 (1.1) (1.1) 
Proyecto Inmobiliario
 Descripción: Pablo Arteaga, Presidente y
socio accionista de la compañía el Bosque
S.A. lidera un equipo que ha realizado los
estudios a nivel de Prefactibilidad para la
construcción de un proyecto inmobiliario,
ubicado en una zona residencial.
 Bellazeca se emplazará sobre un terreno de
5,000 metros cuadrados, cuyo propietario es
F. Guillen, ajeno a la compañía y con quien
Arteaga está en negociaciones . Se ha
proyectado la construcción de 15 unidades de
vivienda de 200 metros cuadrados cada una.
52
53
54
55
56
Técnicas de Administración de
Riesgos
 Proceso de Administración de Riesgos
 Estrategias de Administración de
Riesgos
 Formas de Transferencia de Riesgos

57
58
59
60
Conclusiones y Observaciones
 La Percepción del riesgo, influye en las decisiones económicas
de individuos y organizaciones. El problema es la no percepción
derivada del hecho de trabajar con modelos deterministas
basados en realidades que manejan incertidumbres.
 Para agudizar el nivel de percepción es preciso incorporar
incertidumbre en los modelos a través de una modelación
probabilística del problema.
 Los modelos no se construyen en piedra, deben evolucionar al
ritmo de cambio de las variables del entorno.
 Enfrentar riesgos en forma planificada convierte al dueño del
proyecto en un ente proactivo que sistemáticamente aplicará
estrategias para asegurar el éxito de los proyectos.

61