Colegio de Ingenieros del Perú

Capítulo de Ingeniería Industrial y de Sistemas

³Análisis de riesgo en proyectos de inversión utilizando el método de simulación de Montecarlo´

Expositores: Eco. Nora Moreno Ing. Cecilia Moreno Ing. Angel Agüero

nmoreno@ulima.edu.pe mmoreno@ulima.edu.pe angelaguero@uni.edu.pe

1

Agenda
Visión general del análisis de riesgo en proyectos de inversión. Métodos de evaluación del riesgo. Caso de aplicación de simulación de Montecarlo. Herramientas y usos.
2

Visión general del análisis de riesgo en proyectos de inversión
3

Visión general del análisis del riesgo Toma de decisiones en proyectos de inversión Se basa en la PROYECCIÓN DEL FLUJO DE CAJA VAN > 0 ¿Qué tan probable es que la rentabilidad pronosticada se cumpla? 4 .

Visión general del análisis del riesgo EL RIESGO de un proyecto está relacionado con la pregunta ¿Cómo manejar la incertidumbre de los flujos de efectivo en un proyecto de inversión ? 5 .

Visión general del análisis del riesgo ¿CUÁNDO NOS ENCONTRAMOS EN UNA SITUACIÓN DE RIESGO ? Cuando las variables pueden tomar diferentes valores y se conoce la probabilidad asociada a cada valor 6 .

7 . Simulación de Montecarlo. Equivalente cierto. Análisis de sensibilidad.Visión general del análisis del riesgo ¿Cuáles son los métodos para medir el riesgo? Ajuste de la tasa de descuento. Árbol de decisiones.

Evaluación de un proyecto individual PROBABILISTA MONTECARLO COMBINADO CON ÁRBOLES DE DECISIÓN (BAYES) SENSIBILIDAD POR ESCENARIOS DETERMINISTA ANÁLISIS DE SENSIBILIDAD ‡ Univariable (punto de quiebre) ‡ Bivariable CALCULO DE INDICADORES DE RENTABILIDAD ‡ Ajuste de tasa de descuento ‡ Equivalente cierto en los flujos 8 .

Visión general del análisis del riesgo CALCULO DE INDICADORES DE RENTABILIDAD ‡ Ajuste de tasa de descuento ‡ Equivalente cierto en los flujos EVALUACIÓN DETERMINISTA ANÁLISIS DE SENSIBILIDAD ‡Univariable (punto de quiebre) ‡Bivariable ANÁLISIS DE SENSIBILIDAD POR ESCENARIOS ANÁLISIS DE RIESGO MONTECARLO COMBINADO CON ÁRBOLES DE DECISIÓN (BAYES) EVALUACIÓN PROBABILÍSTICA 9 .

Evaluación de un proyecto individual PROBABILISTA MONTECARLO COMBINADO CON ÁRBOLES DE DECISIÓN (BAYES) SENSIBILIDAD POR ESCENARIOS DETERMINISTA ANÁLISIS DE SENSIBILIDAD ‡ Univariable (punto de quiebre) ‡ Bivariable CALCULO DE INDICADORES DE RENTABILIDAD ‡ Ajuste de tasa de descuento ‡ Equivalente cierto en los flujos 10 .

Visión general del análisis del riesgo 1. representa la tasa de rentabilidad de la mejor alternativa de 11 inversión de similar riesgo´ . Ajuste de la Tasa de Descuento t!n VAN !  IO  § t !1 FC t t (1  t d ) td = Tasa de Costo Oportunidad del Capital (COK) ³La tasa de descuento expresa la rentabilidad mínima exigida al proyecto que evaluamos.

) td = COK + prima por riesgo 14% Tasa de descuento 12% 10% 8% 6% 4% 2% 0% 0.Visión general del análisis del riesgo 1.5 Riesgo (CV) 12 .0 Tasa libre de riesgo Curva de Indiferencia del mercado C B A 2. Ajuste de la Tasa de Descuento (cont.5 1.0 1.5 2.

7.199.) 0 1 2 Flujo de caja incierto Tasa libre de riesgo Prima por riesgo Tasa de descuento ajustada Valor Actual Neto S/. 1.4% 1. Ajuste de la Tasa de Descuento (cont.0% 17.81 13 .370 S/. 1.700 S/. (1.Visión general del análisis del riesgo 1.4% 24.000) S/.

Método del Equivalente-Cierto del Equivalente a la Certidumbre Se determina el factor de ajuste E: i ! cierto i incierto i 0<E<1 E : Representa el punto de indiferencia entre un flujo con certeza y el valor esperado de un flujo sujeto a riesgo 14 .Visión general del análisis del riesgo 2.

5 + $0 x 0.5 = $250 REHUIR Y GANAR: $150 15 .Concepto de Certeza e Incertidumbre Visión general del análisis del riesgo Cara: gana $500 Lanzar una moneda Sello: $0 Rehuir el juego y ganar: $ 150 GANANCIA ESPERADA: $500 x 0.

6 FC iincierto 250 La persona le es indiferente elegir entre dos alternativas.) E i FC icierto 150 ! ! ! 0 . es decir. le es indiferente recibir $250 riesgosos o recibir $150 sin riesgo. 16 . Método del Equivalente-Cierto (cont.Visión general del análisis del riesgo 2.

Visión general del análisis del riesgo 2. Método del Equivalente-Cierto (cont. el COK: n !  IO  § i !1 (E i * C i riesgo ) i (1 COK ) 17 .) Para un proyecto de inversión Se ajustan los flujos de caja por el factor E y se actualiza a la tasa de descuento libre de riesgo. es decir.

028 S/.75 1 1.0 S/. 1. 0.199.000) S/.67 18 .) Para un proyecto de inversión 0 1 2 Flujo de caja incierto Alfa S/.Visión general del análisis del riesgo 2. Método del Equivalente-Cierto (cont.80 0 1.190 asa li e e ies Val ct al et 7.700 0. 1. 0. (800) S/. 1.70 2 l j e caja cie t S/.370 S/. (1.

entonces.Visión general del análisis del riesgo 3. Análisis de Sensibilidad Examina por separado los efectos del cambio en una variable sobre el VAN del proyecto ³Si el VAN experimenta un cambio grande para cambios relativamente pequeños de esa variable. el riesgo del proyecto que está relacionado con ella es alto´ 19 .

5 ocasionaría que el proyecto deje de ser rentable 20 .5 VAN $2 000 -100% $0 @ Un precio menor de $13.Visión general del análisis del riesgo Sensibilidad por variables Valor VariaValores inicial ciones después de % sensibilizar Precio $15 -10% $13.

Evaluación de un proyecto individual PROBABILISTA MONTECARLO COMBINADO CON ÁRBOLES DE DECISIÓN (BAYES) SENSIBILIDAD POR ESCENARIOS DETERMINISTA ANÁLISIS DE SENSIBILIDAD ‡ Univariable (punto de quiebre) ‡ Bivariable CALCULO DE INDICADORES DE RENTABILIDAD ‡ Ajuste de tasa de descuento ‡ Equivalente cierto en los flujos 21 .

Visión general del análisis del riesgo Resultados de la evaluación determinista del caso general presentado Rubro \ año 0 1 2 3 Flujo de caja económico (FCE) Flujo de financiamiento neto (FFN) Flujo de caja financiero (FCF) Tasa costo de oportunidad VAN Económico VAN Financiero Índice Beneficio / costo privado económico S/.00% S/.783 1.118 S/. 155.898) S/.837 S/.566) 142. (136. 77.605 S/.05 50. 92. S/.232) S/. (100. 35. 62.51% 48. (15.593 S/. 33.681) S/.220 S/. 20. (16.587 (13.981) S/.47% 22 .700 S/.021 TIRE TIRF 41. 59. S/.

210) (36. VANF 174. S/. S/.69% TIRF 98.03% 62.25 S/. S/.19% 70.00% -17.475 91.783 46.981) (48. S/.03 1.19% 69.357 139.507 158. 10.34% 77.020) (32.07 1.00% 7. 9.05 1. S/.060) (17. S/.436 107. 10.15 1.317 155.00% -12.00 0.24% 4.586 126. S/. S/.95 Precio de venta unitario S/.50% -15.27% 18. S/.00% -2.00 S/.08 1.25 S/.665 94. 9.25 23 .06% 58. S/.00 S/.704 78. S/.00% 2.554 59.52% 12.50% S/.942) TIRE 80.743 62.75 S/.02% 26.64% 64.711 (4. S/.01 1.593 43.19% 41.58% 6. S/. S/.50% -5. S/. S/. 9. S/.45% 12.50 S/. 8.547 142.12 1.50% 0. S/. 8.38% B/C 1.94% -2. 11.66% 0.25% 34.861 14.por intervalosVariaciones en el precio 17.75 S/.78% 19.50% 10. S/. S/. S/.50% -10.11 1. S/.67% 48. S/. S/.75 S/.250) (20.73% 75. 11.25 S/.Visión general del análisis del riesgo Sensibilidad por variables . 11. 9.13 1.96 0.84% 47. 11. S/. S/.50 S/. 10.50% 5.48% 84.625 110.85% 55.10 1.51% 35.171) (52.132) S/.00% -7. 8.514 75.00% 12.901 (1.50% 15.04 1.50 S/.672 11.00 S/.47% 41.98 0.80% 30. S/.396 123.50 S/. VANE 171.61% 91.632 27.75 S/. S/.05% 24.46% 52. 10.822 30.

4 0 % 1 8 2 .2 4 % 1 4 .9 5 % A u m e n to o d is m in u c ió n m á x im a 1 1 .0 0 % 9 1 .2 G a s to s d e v e n ta y d is tr ib u c ió n In v e r s io n e s V a r ia b le In v e r s io n e s to ta le s A c tiv o fijo T e rre n o C o n s tr u c c io n e s M a q u in a r ia .4 0 % 5 6 .0 0 % 4 2 9 .1 C o s to p r im o M a te r ia le s d ir e c to s M a n o d e o b r a d ir e c ta 1 .Resultados del análisis de sensibilidad Capacidad y ventas (punto de quiebre) V a r ia b le V e n ta s d u r a n te e l h o r iz o n te d e a n á lis is P r e c io d e v e n ta p o r T M (s in IG V ) C o s to s V a r ia b le C o s to s to ta le s 1 . C o s to s d e p r o d u c c ió n 1 .2 C o s to s in d ir e c to s d e p r o d u c c ió n M a te r ia le s in d ir e c to s M a n o d e o b r a in d ir e c ta O tr o s c o s to s in d ir e c to s 2 .2 0 % 2 2 .4 0 % 9 1 .7 3 % 4 5 . G a s to s d e a d m in is tr a c ió n y v e n ta s 2 .7 0 % 7 9 .4 0 % 1 9 8 .5 8 % -9 .7 4 % 4 5 .7 4 % 3 6 .6 0 % A u m e n to o d is m in u c ió n m á x im a 3 2 4 .0 0 % 0 .0 0 % 3 2 4 . e q u ip o y m o b ilia r io d e p la n ta C a p ita l d e tr a b a jo A u m e n to o d is m in u c ió n m á x im a -3 2 .0 0 % 4 24 .1 G a s to s a d m in is tr a tiv o s 2 .0 0 % 1 3 3 7 .

Evaluación de un proyecto individual PROBABILISTA MONTECARLO COMBINADO CON ÁRBOLES DE DECISIÓN (BAYES) SENSIBILIDAD POR ESCENARIOS DETERMINISTA ANÁLISIS DE SENSIBILIDAD ‡ Univariable (punto de quiebre) ‡ Bivariable CALCULO DE INDICADORES DE RENTABILIDAD ‡ Ajuste de tasa de descuento ‡ Equivalente cierto en los flujos 25 .

Visión general del análisis del riesgo Sensibilidad por Escenarios Escenarios formulados (valores de las variables pertinentes) Variabl recio itario de enta in I V /. . . . . . . /. i i ta . . . . /. . Moderado /. Opti i ta /. Materiales directos por nidad sin I V Unidades a ender en el año Unidades a ender en el año Unidades a ender en el año 26 . . /. . . .

5% 48.0% 27 .0% 2.0% 59.05 41. 5.807 S/.593 62.783 1. Pesimista 20.0% Optimista 20.4% 100.Visión general del análisis del riesgo Sensibilidad por Escenarios Escenarios formulados (valores de las variables pertinentes) Rubro o resultado Tasa de descuento Valor Actual Neto Económico (VANE) Valor Actual Neto Financiero (VANF) Índice Beneficio / Costo Económico (B/C) Tasa Interna de Retorno Económica (TIRE) Tasa Interna de Retorno Financiera (TIRF) Costo real del préstamo S/. 1.00 21. 192.1% 14.5% 14.0% Moderado 20. S/.15 83.071 1. 196.0% S/.5% 14.881 S/.618 S/.1% 23.

Evaluación de un proyecto individual PROBABILISTA MONTECARLO COMBINADO CON ÁRBOLES DE DECISIÓN (BAYES) SENSIBILIDAD POR ESCENARIOS DETERMINISTA ANÁLISIS DE SENSIBILIDAD ‡ Univariable (punto de quiebre) ‡ Bivariable CALCULO DE INDICADORES DE RENTABILIDAD ‡ Ajuste de tasa de descuento ‡ Equivalente cierto en los flujos 28 .

Simulación de Montecarlo En este método de análisis. 29 .Visión general del análisis del riesgo 4. el VAN es calculado considerando la distribución de probabilidad de las variable involucradas.

S/.1% 14.Visión general del análisis del riesgo 4.000 30. S/.15 83.000 60.000 50.0% 20. S/.0% S/. 196.4% 100.000 40.593 62.. 59.807 1.618 5.000 V1 V2 V3 Valor Actual Neto Económico (VANE) Valor Actual Neto Financiero (VANF) Índice Beneficio / Costo Económico (B/C) Tasa Interna de Retorno Económica (TIRE) Tasa Interna de Retorno Financiera (TIRF) Costo real del préstamo S/.0% S/. 11. 192.70 2.0% FLUJO DE CAJA © Tasa de descuento 20. 9.05 41.5% 48.5% 14. Vn       Costos de inv ersi n 30 .00 40. 10.00 21.5% 14.783 1. S/.90 45. 2.10 35.000 Optimista S/.000 45.881 S/.0% 20.1% 23.0% Estado de pérdidas ganancias     Resultados Rubro o resultado MODELOECONÓMICOFINANCIERO DEEVALUACIÓN Pesimista Moderado Optimista Ingresos Costos de operaci n ¡ ¢ £ Distribuci n de probabilidad de la v ariable aleatoria Distribuci n de probabilidad de la v ariable aleatoria Distribuci n de probabilidad de la v ariable aleatoria ¨§ enerador de números aleatorios contínuos (utilizandolafunci n ALEATORIO( ) del MSExcel)...071 1.00 2.000 40.5 VAN 2000 ¤ Simulación de Montecarlo MODELO DE SIMULACIÓNDE MONTECARLO Análisis de Escenarios Variables con cambios Variable Precio unitario de venta sin IGV Materiales directos por unidad sin IGV Unidades a vender en el año 1 Unidades a vender en el año 2 Unidades a vender en el año 3 Pesimista S/.30 1.000 Moderado S/. S/. distribuidos uniformemente entre ¦ ¥ Variables deterministas V4 V5 .) Análisis de Sensibilidad Precio Val r i icial ($) Variaci ( ) Val r Fi al ($) 15 -10 13. Simulación de Montecarlo (cont..

Visión general del análisis del riesgo 4.) El uso de distribuciones de probabilidades acumulativas y de generadores de números aleatorios permite obtener casi la misma distribución de probabilidad similar al comportamiento real esta característica permite usar la Simulación en la Toma de Decisiones 31 . Simulación de Montecarlo (cont.

) ¿Cómo probar que la Simulación de Montecarlo es útil para la toma de decisiones?  Experimentar con una variable discreta. 32 . Simulación de Montecarlo (cont. Se probará que los resultados obtenidos en la experimentación difieren muy poco a los resultados obtenidos por el método simulado.  Simular el experimento.Método de Montecarlo 4.

Simulación de Montecarlo (cont.) Caso del lanzamiento de un dado equiprobable para cada una de sus seis caras ¿Qué pasa si se lanza un dado 300 veces.Modelo de Simulación de Montecarlo 4. cuántas veces sale cada cara al lanzar el dado? 33 .

5 (1/6)*1+ (1/6)*2+ (1/6)*3+ (1/6)*4+ (1/6)*5+ (1/6)*6  La desviación estándar es: 1.)  Si cada lado es equiprobable en 300 lanzamientos.167  La media es: 3.Modelo de Simulación de Montecarlo 4. Simulación de Montecarlo (cont.  La probabilidad de ocurrencia de cada cara es 1/6 = 0. cada una de las 6 caras aparece 50 veces (300/6).7078 .

5 1  .3.

5  2  .3.

3.5  3  .

5  4  .3.

3.5  5  .

5  6 2 2 2 2 2 2 6 34 .3.

3333 0.167 0.5000 0.25 0.67% 16.1667 0.6964 0.167 0.67% 33.167 1.25 17.500 0.67% 16.167 0.5433 1.7078 0.25 2.67% 83.67% 16.00% Promedio Desv.00% 16.000 16. 0.6667 0. Simulación de Montecarlo (cont.333 0.5433 1.7078 6.Modelo de Simulación de Montecarlo 4.5000 1.667 0.167 0.67% 16.25 6.50 Esperanza matemática Desviación estándar Coeficiente de variabilidad Real 3.25 0.ci)^2 1 2 3 4 5 6 Total 0.4820 Simulado 3.33% 50.167 0.833 1. est.25 2.4788 35 .) Resultados del experimento ideal Cara del dado Probabilidad de (ci) ocurrencia (pi) Probabilidad acumulada Frecuencia relativa porcentual (hi) Frecuencia relativa porcentual acumulada (Hi) (ci) * (pi) (prom .0000 3.000 0.67% 16.8333 1.167 0.00% 66.33% 100.67% 100.

Simulación de Montecarlo (cont.Modelo de Simulación de Montecarlo 4.) Histog a a de f ecuencias 12 10 8 6 4 2 0 0.58 10 0.08 Fre uen ia si le 10 0.42 10 0.25 10 0.92 10 36 .75 10 0.

) Simulación del lanzamiento de un dado V A RIA BL E ENERA DA ( C A RA DEL DA DO C i) C1 = 1 Hi 0 . 33 1 .1 6 7 C2 = 2 C3 = 3 C4 = 4 C 5= 5 C 6= 6 0 .Modelo de Simulación de Montecarlo 4.3 3 3 0 .0 0 0 N ú m e r o a le a to r io Simulación 37 .0 0 0 .5 0 0 0 .6 6 7 0. Simulación de Montecarlo (cont.

823 1.25 2.180 0.157 0.25 0.153 0.177 1.313 0.67% 67. 0.) Tabla de frecuencias de la simulación Frecuencia Cara del dado simple (ci) observada (fi) Frecuencia acumulada observada (Fi) Frecuencia Frecuencia Frecuencia relativa simple relativa relativa (hi) acumulada (Hi) porcentual (hi) Frecuencia relativa porcentual acumulada (Hi) (ci) * (pi) (prom .7667 1.1567 0.493 0.00% Promedio Desv.33% 17.670 0.33% 18.00% 100.Modelo de Simulación de Montecarlo 4.00% 15.33% 82.000 15.33% 17.67% 15.67% 100.25 2.3133 0.5433 1.7078 6.157 0.00% 49.25 0.25 6.67% 15.177 0.ci)^2 1 2 3 4 5 6 Total 47 47 54 53 46 53 300 47 94 148 201 247 300 0.7067 0.0600 3. Simulación de Montecarlo (cont.5400 0.67% 31.000 0.50 38 .25 17. est.157 0.

Simulación de Montecarlo (cont.) Histo g ra m a d e fre cu e n cia s d e l la n z a m ie n to sim u la d o d e l d a d o 60 50 40 30 20 10 0 F re cu e n cia sim p le 1 47 2 47 3 54 4 53 5 46 6 53 39 .Modelo de Simulación de Montecarlo 4.

por lo tanto.Modelo de Simulación de Montecarlo 4. la simulación es una herramienta útil para la toma de decisiones 40 .) Indicadores estadísticos del experimento ideal y simulado s ranza at tica Des iaci n est ndar Coeficiente de variabilidad Teóricos 3.4808 Los resultados de la simulación difieren muy poco de los teóricos. 0 0.4880 Simulado 3.4 1. Simulación de Montecarlo (cont.5000 1. 0 0.

180 0. 3) 7.0006 0.) Prueba de hipótesis Cara del dado Probabilidad (ci) observada Probabilidad teórica D^2 1 2 3 4 5 6 0.0006 0.157 0.167 0.177 0.9999 Grados de libertad para una la distribución 41 .0046 Probabilidad Chi (D^2 >= 0. Simulación de Montecarlo (cont.153 0.177 0.0046 3 Nivel de confianza para prueba Chi cuadrado 95. ya que 7.00% Valor de Chi cuadrado (95%.8147 > 0.167 0.167 0.0046) 0.167 0.0011 0.Modelo de Simulación de Montecarlo 4.0011 0.0006 0.157 0.167 0.167 0.0006 0.8147 Se acepta la hipótesis de que la muestra se distribuye UNIFORMEMENTE entre 0 y 1.

Modelo de Simulación de Montecarlo

4. Simulación de Montecarlo (cont.) ¿Como medir el riesgo? A través del cálculo del coeficiente de variabilidad (CV) del indicador de rentabilidad, es decir, del VAN:
El coeficiente de variabilidad del VAN es:

W VAN 0.428 CVVAN ! ! ! 0,10 ! 10% VAN 4.284 ³Por cada sol de rendimiento, el proyecto presenta un riesgo de 10%´

42

Modelo de Simulación de Montecarlo

4. Simulación de Montecarlo (cont.)
¿QUÉ PROYECTO ELEGIR? VAN CV = W / VAN Proyecto WVAN A 0.4521 4.284 0,105 B 0.400 2.000 0,200 ³A´ pues presenta un menor riesgo por unidad de rendimiento, a pesar que su desvío es más alto.

CONCLUSIÓN: Dado que el CV capta tanto los efectos del riesgo como los rendimientos, es el indicador adecuado para seleccionar entre alternativas con diferentes niveles de riesgo y rendimiento. 43

Modelo de Simulación de Montecarlo

5. Árbol de decisiones
Herramienta para el despliegue de la información para la toma de decisiones secuenciales. Elementos:  Nodos de decisión indica una acción o decisión.  Nodos de evento que indica un estado de la naturaleza o evento aleatorio o estado tiene una determinada probabilidad.
44

Modelo de Simulación de Montecarlo 5. Árbol de decisiones Se dispone de información sobre la probabilidad de ocurrencia de cada rama y el valor esperado del VAN de cada situación 45 .

Caso de Aplicación de Simulación de Montecarlo 46 .

Evaluación de un proyecto individual PROBABILISTA MONTECARLO COMBINADO CON ÁRBOLES DE DECISIÓN (BAYES) SENSIBILIDAD POR ESCENARIOS DETERMINISTA ANÁLISIS DE SENSIBILIDAD ‡ Univariable (punto de quiebre) ‡ Bivariable CALCULO DE INDICADORES DE RENTABILIDAD ‡ Ajuste de tasa de descuento ‡ Equivalente cierto en los flujos 47 .

566) 142.51% 48. 92.232) S/.700 S/. (100.593 S/. 77. 155. 62.783 1.021 TIRE TIRF 41.981) S/. 59.681) S/.587 (13.00% S/.605 S/. 20. (136.47% 48 . (15. S/. S/. 33.220 S/.118 S/.Método de Montecarlo Resultados de la evaluación determinista del caso general presentado Rubro \ año 0 1 2 3 Flujo de caja económico (FCE) Flujo de financiamiento neto (FFN) Flujo de caja financiero (FCF) Tasa costo de oportunidad VAN Económico VAN Financiero Índice Beneficio / costo privado económico S/.898) S/. 35.837 S/. (16.05 50.

Método de Montecarlo ¿Cómo calcular el tamaño muestral para simular? n ! p * (1  p ) * z 2 E E 2 n : tamaño de la muestra p : probabilidad de que se cumpla un evento ZE : valor de la abscisa normal para un nivel de confianza E E : nivel de error esperado A mayor número de repeticiones. la estimación converge al verdadero valor 49 .

Método de Montecarlo ¿Cómo calcular el tamaño muestral para simular? 0.58 para un nivel de confianza 99% E : nivel de error del 5% 50 .5 * (0.58 2 n ! 2 0.5 ZE : 2.5) * 2.5 ! 663 p : 0.

@I H GD F E DA C @ BA @ 98 5 5 1 5 $# " !   ' & &% % 1 2 0( 3 3 2%0% 3 '220 '3 &1&0 2( %1(0 1( 1)'0 )(   1 5 5 1 1 1 1 5 % ' %4 ' & % 4' 1 % 3 '4 ' 2% & 24 2 2 1 14 2 1 T P UP 1 P T WU P 1 S P WU P 1 RP T SU P SQU P T VU   5 56 6 57   Generación de los valores de las variables 15     1 5 5 5 1 1 1 1 15 5 1 1 1 15 Método de Montecarlo 51 % $# " !    ' 14 2  .

9 7 26 2 .598 1 Frecuencia simple 52 .04 2 10.990 16 42.9 2 4 1 .20 2 0 Fre cu e n cia s im p le 1 .382 12 39.88 19 9.80 2 9.96 29 10.1 2 7 37.078 5 38.8 7 2 1 .294 10 43.Método de Montecarlo Cálculo del VAN 35 30 30 25 25 30 20 15 20 25 15 20 10 5 0 Frecuencia s im ple 15 10 5 0 10 5 9.0 2 19 2 .0 7 12 2 .12 16 10.686 26 40.

Y Y Y Y c qp i h dfcedcb vw u x xwX`u`x XwswuXx svss`uw `v`uv vtXut Xr g g a 5 5 3 5 3 3 3 35 X X 3 XY Y X` ` 3 —‘‘•—’ ‘’”•—’’ ˜—‘•—’ ”““‘•“ –“–’•“ —–‘•“ X‰ ˆ… ‡ †…‚„ƒ‚€y XY Y X` ` 35 5 5 5 r uwx r wrzxur rvzux r wtvrx u r vsx u w yrx u h™q p o l n ml i k h j i hg f ™d d ™e e ™ 3 5 5 5 Proceso de simulación 5 Método de Montecarlo 53 .

02 2.87 1. 6 .86% 8. 6% 0. 4 0.00 0.04 2. 0 . ] Límite inferior >a Límite superior <= ƒ   Œ Ž ’ Ž Œ “ ‘ “ ‘ ‹ Œ ‹ŽŒ ‹ ó á 70 ˆ ˆ ˆ 1. 2 0.71% 7.99 2.02 6 0.Método de Montecarlo Distribuciones de las variables aleatorias precio y costo de materiales directos Preci | it ri e vent P m D v   Œ Ž ’ Ž Œ Š “ ‘ “ ‘ ‹ Œ ‹ŽŒ ‹ Š 70 100.92 1.14 2 6 2 51 6 70 1.07 2. 6 10.94 1. 000 0.20 2 2.86% 5.4571 0. 2 0.9715 1. 9.85% 89.86% 2.99% ‚ 0 xi fi 0.00 0.00 0.89 1. 4 .12 10.29% 97.14% 17. 4% 4 .0579 54 .09 1.0857 0.24 2 2 0 2 68 70 .4 % 4.08 0.71% 72.00% 2. 6% 2 .16 †„ „„ ‡ ‡ .99% 99.12 2 4 26 19 12 7 2.86% 22.00% .0862 2.9999 Š Frecuencia acumulada Marca de clase Frecuencia simple P m D v ‘ Š Frecuencias relativas Frecuencia Frecuencia Frecuencia relativa relativa relativa acumulada hi simple ( ) acumulada (decimal) hi hi ( ) ‚ ‡ … ‡ … ‡ 29 2 16 2 ˆ ˆ … ˆ ˆ … ˆ ‡ … ‡ „ †† „ ‡ ‡ ‰ ‰ ‡ „„ ƒ ‡ ‡ ‡ .01% 0. ] € € { { ƒ Frecuencias relativas Frecuencia Frecuencia Frecuencia relativa relativa relativa acumulada hi simple ( ) acumulada (decimal) hi hi ( ) 10.04 2. 4 .15% 100.0001 † † ‚ >a …„ <= 0 xi †„ fi ‚ †   € € € †„ | ƒ ~}  Lí ite inferi r | Lí ite eri r Frecuenci cumul M rca e clase Frecuencia simple ó á ‘ Interval s de clase ]a .8999 0.57% 45.7285 0.01% Costo de materiales directos Intervalos de clase ]a . 429 0.00 0.14% 27.99% 99.09 2.0286 0.97 2.94 1.85 1.4 % 2.04 10.89 1.08 10.96 0.86% 2.14% 10.99 2.

290 38. b] Frecuencia relativa simple (%) i Frecuencias relativas Frecuencia Frecuencia relativa relativa acumulada i acumulada (decimal) i (%) 34.586 44.338 41.397 62.14% 98.730 39.397 62.9857 1.081 1 6 32 61 69 70 16.0857 0.290 38.29% 98.8428 0.00% 84.43% 50.941 36.8714 0.00% 0.6142 0.089 39.000 1.43% 100.294 43.433.43% 7. b] ímite superior   Ÿ œ a b 0 xi fi i 9.625 75.888 41.853 22.9857 1.787 42.730 39.327 29.43% 8.078 38.486 36.43% 11.990 42.946 44.0714 0.941 36.169 49.9858 1.14% 17.00% 38.01% – – ™˜ a b 0 xi fi 1.57% 100.00% 1.8429 0. b] Frecuencia relativa simple (%) i Frecuencias relativas Frecuencia Frecuencia relativa relativa acumulada i acumulada (decimal) i (%) 36.00% Ventas a o ímite inferior ž œ š Intervalos de clase ]a .14% 24.0143 0.089 39.491 36.034 40.0000 Ventas a o 3 Intervalos de clase ]a .14% 22.853 89.426 37.579.034 40.57% 34.14% 41.28% 98.29% 1.5000 0.43% 1.625 75.2428 0.888 41.29% 14.58% 100.43% 10.74 Promedio de datos Desviación estándar 40.285 1 8 35 59 69 70 35.239 82.86% 14.01% 0.57% 100.250 5 17 43 59 69 70 37.429.0000 – • í mite inferior ” ” í mite superior Frecuencia acumulada Marca de clase Frecuencia simple Promedio de datos Desviación estándar 40.783 56.14% 37.338 41.Método de Montecarlo Distribuciones de las variables aleatorias unidades a vender (años 1.988 40.28 55 .42% 84.486 45.686 40.43% 11.000 11.189 38.43 — — • • Promedio de datos Desviación estándar 50.28% 61.555 42.0143 0.385 1 7 27 24 10 1 70 1.467 1 5 26 29 8 1 70 1.713 22.642 42.71% 87. 2 y 3) Ventas a o 1 Intervalos de clase ]a .687 43.43% 100.946 › 37.382 39.14% 37.43% 100.169 49.390 37.57% 45.000 1.598 5 12 26 16 10 1 70 7.687 43.00% 0.0001 – • í mite inferior í mite superior Frecuencia acumulada Marca de clase Frecuencia simple  Frecuencia acumulada Marca de clase Frecuencia simple Frecuencia relativa simple (%)  Frecuencias relativas Frecuencia Frecuencia relativa relativa acumulada i acumulada (decimal) i (%)  – – ™˜ a b 0 xi fi 7.29% 1.011 69.642 42.4571 0.1143 0.

¢ ¢ ¢ ¢ § ¯® ­ ¬ ¨ª§©¨§¦ ³´ ²¤µ µ´¡£²£µ ¡´´²¡µ ³ £²´¤ £³£¤²³¤ ³±¡²±¤ ¡° « « ¥ 5 5 5 6 6 6 6 5 ¡¢ ¢ ¡£ £ ¡¤ ÇÂÂÅÇà ÂÃÅÇÃà ÈÇÂÅÇà ÄÄÂÅÄ ÆÄÆÃÅÄ ÇÆÂÅÄ ¸¡ÁÀ ¿¼ ¾ ½¼¹»¸º¹¸·¶ ¡¢ ¢ ¡£ £ ¡¤ ¤ 5 5 5 5 6 6 Ù ÛÝÞ Ù ÝÙàÞÛÙ ÙÜàÛÞ Ù Ý ÜÙÞ Û Ù ÜÚÞ Û Ý ßÙÞ Û ÏÉØ × Ö Ó Õ ÔÓ Ð Ò Ï Ñ Ð ÏÎ Í ÉÊ Ê ÉË Ë ÉÌ 5 5 5 6 Proceso de simulación 5 Método de Montecarlo Simulación 56 .

47% 5 5 5 - 7 7 5 5 7 7 7 5 57 57 .401 Desviación estándar: 20.886 CV: 33.Método de Montecarlo Resultados: histograma de frecuencias del Valor actual neto financiero (663 simulaciones) 5 Promedio: 62.

234 (2.47% 663 128.27% CVVAN W VAN ! VAN 58 .Método de Montecarlo Resultados de la aplicación del método (valores actuales netos) Rubro Número de datos Valor máximo Valor mínimo Promedio de datos Desviación estándar Coeficiente de variación ANF ANE 663 131.886 33.647) 59.424 542 62.401 20.886 35.211 20.

1020 1.534 65.085 40.17 0.7167 á (10.03 78.0448 0. ya que 7. 65) (1.3495 0. b] í ite inferior nor ali ado a (3.534 65.17 9 87 96 17 50 4 663 0.63 90.3491 2. b] Intervalos de clase ]a .00% 0.3 73 0.4465 0.0136 0.983 91.881 15.Método de Montecarlo Resultados de la prueba de hipótesis ¿La distribución del Valor actual neto financiero se distribuye normalmente? Intervalos de clase ]a .364) 15.69 51.4207 0. 65) (1.390 .98 0.94 31. 7.608 á á áá Frecuencia si ple fi a <= b Frecuencias relativas Frecuencia Frecuencia relativa relativa acu ulada acu ulada i or al i (deci al) (deci al) i ni Frecuencia relativa acu ulada i (deci al) D^2 3.0777 0.43 116.047) 1.047) 1.085 40.43 116.0434 0.330 0. 1 7 Se acepta la hipótesis de que la muestra se distribuye Normal.7167 59 .131 0.0045 ( n i)* 7.0115 0.1358 0.881 142.608 á á áá í ite inferior í ite superior ite superior nor ali ado <= b ( .0754 0.5 .983 91. ) 5. 460 0.484) ( .8147 > 2.9314 0.390 .0060 100.8 7 Grados de libertad para una or al ivel de confianza para prueba C i cuadrado Valor de C i cuadrado ( 5 .

62.Método de Montecarlo Calcular la probabilidad de que el proyecto no sea rentable. que tenga un VAN < 0 Z! 0 .401 20. es decir.14% ! -2.886 Como el VAN se distribuye normalmente. es posible calcular en tablas la probabilidad de que el VAN <0 = 0.9877 60 .

Herramientas y usos 61 .

Risk.Herramientas informáticas para operar el modelo Cristall Ball. 62 . Macros de Excel.

Usos Proyectos mineros. 63 . Bolsa de valores. Proyectos agrícolas. Etc.