ANALISIS DE INVERSION_SIMULACION DE MONTECARLO
-
Upload
demetrio-carita-chambi -
Category
Documents
-
view
1.183 -
download
3
Transcript of ANALISIS DE INVERSION_SIMULACION DE MONTECARLO
1
“Análisis de riesgo en proyectos de inversión utilizando el método
de simulación de Montecarlo”
Eco. Nora Moreno [email protected]. Cecilia Moreno [email protected]. Angel Agüero [email protected]
Expositores:
Colegio de Ingenieros del PerúCapítulo de Ingeniería Industrial y de Sistemas
2
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.
3
Visión general del análisis
de riesgo en proyectos de
inversión
4
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?
5
Visión general del análisis del riesgo
está relacionado con la pregunta ¿Cómo manejar la
incertidumbre de los flujos de efectivo en un proyecto de
inversión ?
EL RIESGO de un proyecto
6
¿CUÁNDO NOS ENCONTRAMOS EN UNA SITUACIÓN DE RIESGO ?
Visión general del análisis del riesgo
Cuando las variables pueden tomar diferentes
valores y se conoce la probabilidad asociada
a cada valor
7
Visión general del análisis del riesgo
Ajuste de la tasa de descuento.
Equivalente cierto.
Análisis de sensibilidad.
Simulación de Montecarlo.
Árbol de decisiones.
¿Cuáles son los métodos para medir el riesgo?
8
Evaluación de un proyecto individual
CALCULO DE INDICADORES DE RENTABILIDAD• Ajuste de tasa de descuento
• Equivalente cierto en los flujos
ANÁLISIS DE SENSIBILIDAD
• Univariable (punto de quiebre)
• Bivariable
SENSIBILIDAD POR
ESCENARIOS
MONTECARLO COMBINADO CON ÁRBOLES DE DECISIÓN (BAYES)
PROBABILISTA
DETERMINISTA
9
Visión general del análisis del riesgo
CALCULO DE INDICADORES DE RENTABILIDAD• Ajuste de tasa de
descuento
• Equivalente cierto en los flujos
ANÁLISIS DE SENSIBILIDAD
•Univariable (punto de quiebre)
•Bivariable
ANÁLISIS DE SENSIBILIDAD
POR ESCENARIOS
MONTECARLO COMBINADO CON ÁRBOLES DE DECISIÓN
(BAYES)
ANÁLISIS DE RIESGO
EVALUACIÓN PROBABILÍSTICA
EVALUACIÓN DETERMINISTA
10
Evaluación de un proyecto individual
CALCULO DE INDICADORES DE RENTABILIDAD• Ajuste de tasa de descuento
• Equivalente cierto en los flujos
ANÁLISIS DE SENSIBILIDAD
• Univariable (punto de quiebre)
• Bivariable
SENSIBILIDAD POR
ESCENARIOS
MONTECARLO COMBINADO CON ÁRBOLES DE DECISIÓN (BAYES)
PROBABILISTA
DETERMINISTA
11
1. Ajuste de la Tasa de Descuento
Visión general del análisis del riesgo
nt
tt
tO
td
FCIVAN
1 )1(
“La tasa de descuento expresa la rentabilidad mínima exigida al proyecto que evaluamos; representa la tasa de rentabilidad de la mejor alternativa de
inversión de similar riesgo”
td = Tasa de Costo Oportunidad
del Capital (COK)
12
Visión general del análisis del riesgo
0%
2%
4%
6%
8%
10%
12%
14%
- 0.5 1.0 1.5 2.0 2.5
Riesgo (CV)
Tasa
de
des
cuen
to
Curva de Indiferencia del mercado
Tasa libre de riesgo
A
B
C
td = COK + prima por riesgo
1. Ajuste de la Tasa de Descuento (cont.)
13
Visión general del análisis del riesgo
1. Ajuste de la Tasa de Descuento (cont.)
0 1 2Flujo de caja incierto S/. (1,000) S/. 1,370 S/. 1,700
Tasa libre de riesgo 7.0%Prima por riesgo 17.4%Tasa de descuento ajustada
24.4%
Valor Actual Neto S/. 1,199.81
14
Visión general del análisis del riesgo
2. Método del Equivalente-Cierto del Equivalente a la Certidumbre
Se determina el factor de ajuste :
: Representa el punto de indiferencia entre un flujo con certeza y el valor esperado de un flujo sujeto a riesgo
inciertoFC
ciertoFC
i
i
i 0 < < 1
15
Visión general del análisis del riesgo
Lanzar una moneda
Rehuir el juego y ganar: $ 150
Cara: gana $500
Sello: $0
GANANCIA ESPERADA: $500 x 0,5 + $0 x 0,5 = $250
REHUIR Y GANAR: $150
Concepto de Certeza e Incertidumbre
16
Visión general del análisis del riesgo
6,0250
150
inciertoFC
ciertoFC
i
i
i
La persona le es indiferente elegir entre dos alternativas, es decir, le es indiferente recibir $250 riesgosos o
recibir $150 sin riesgo.
2. Método del Equivalente-Cierto (cont.)
17
Visión general del análisis del riesgo
n
i
iO
COK
riesgoFCIVAN i
i
1 )1(
)*(
Se ajustan los flujos de caja por el factor y se actualiza a la tasa de descuento
libre de riesgo, es decir, el COK:
Para un proyecto de inversión
2. Método del Equivalente-Cierto (cont.)
18
Visión general del análisis del riesgo
Para un proyecto de inversión
2. Método del Equivalente-Cierto (cont.)
0 1 2Flujo de caja incierto S/. (1,000) S/. 1,370 S/. 1,700
Alfa 0.80 0.75 0.70
0 1 2Flujo de caja cierto S/. (800) S/. 1,028 S/. 1,190
Tasa libre de riesgo 7.0%Valor Actual Neto S/. 1,199.67
19
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
“Si el VAN experimenta un cambio grande para cambios relativamente pequeños de esa variable, entonces, el riesgo del proyecto que
está relacionado con ella es alto”
20
Sensibilidad por variablesVisión general del análisis del riesgo
Valor inicial
Varia-ciones
%
Valores después de sensibilizar
Precio $15 -10% $13,5
VAN $2 000 -100% $0
Un precio menor de $13,5 ocasionaría que el proyecto deje de ser rentable
21
Evaluación de un proyecto individual
CALCULO DE INDICADORES DE RENTABILIDAD• Ajuste de tasa de descuento
• Equivalente cierto en los flujos
ANÁLISIS DE SENSIBILIDAD
• Univariable (punto de quiebre)
• Bivariable
SENSIBILIDAD POR
ESCENARIOS
MONTECARLO COMBINADO CON ÁRBOLES DE DECISIÓN (BAYES)
PROBABILISTA
DETERMINISTA
22
Resultados de la evaluación determinista del caso general
presentado
Visión general del análisis del riesgo
Rubro \ año 0 1 2 3
Flujo de caja económico (FCE) S/. (136,681) S/. 50,118 S/. 92,837 S/. 155,587 Flujo de financiamiento neto (FFN) S/. 35,700 S/. (16,898) S/. (15,232) S/. (13,566)Flujo de caja financiero (FCF) S/. (100,981) S/. 33,220 S/. 77,605 S/. 142,021
Tasa costo de oportunidad 20.00%VAN Económico S/. 59,593 TIRE 41.51%VAN Financiero S/. 62,783 TIRF 48.47%Índice Beneficio / costo privado económico 1.05
23
Sensibilidad por variables- por intervalos-
Visión general del análisis del riesgo
Variaciones en el precio
VANE VANF TIRE TIRF B/CPrecio de
venta unitario
17,50% S/. 171.317 S/. 174.507 80,73% 98,61% 1,15 S/. 11,75 15,00% S/. 155.357 S/. 158.547 75,19% 91,48% 1,13 S/. 11,50 12,50% S/. 139.396 S/. 142.586 69,64% 84,34% 1,12 S/. 11,25 10,00% S/. 123.436 S/. 126.625 64,06% 77,19% 1,11 S/. 11,00 7,50% S/. 107.475 S/. 110.665 58,46% 70,03% 1,10 S/. 10,75 5,00% S/. 91.514 S/. 94.704 52,84% 62,85% 1,08 S/. 10,50 2,50% S/. 75.554 S/. 78.743 47,19% 55,67% 1,07 S/. 10,25 0,00% S/. 59.593 S/. 62.783 41,51% 48,47% 1,05 S/. 10,00 -2,50% S/. 43.632 S/. 46.822 35,80% 41,25% 1,04 S/. 9,75 -5,00% S/. 27.672 S/. 30.861 30,05% 34,02% 1,03 S/. 9,50 -7,50% S/. 11.711 S/. 14.901 24,27% 26,78% 1,01 S/. 9,25
-10,00% S/. (4.250) S/. (1.060) 18,45% 19,52% 1,00 S/. 9,00 -12,50% S/. (20.210) S/. (17.020) 12,58% 12,24% 0,98 S/. 8,75 -15,00% S/. (36.171) S/. (32.981) 6,66% 4,94% 0,96 S/. 8,50 -17,50% S/. (52.132) S/. (48.942) 0,69% -2,38% 0,95 S/. 8,25
24
Resultados del análisis de sensibilidad (punto de quiebre)
VariableAumento o
disminución máxima
Ventas durante el horizonte de análisis -32,58%Precio de venta por TM (sin IGV) -9,95%
Costos
VariableAumento o
disminución máxima
Costos totales 11,24%1. Costos de producción 14,20% 1.1 Costo primo 22,74% Materiales directos 45,73% Mano de obra directa 45,74% 1.2 Costos indirectos de producción 36,40% Materiales indirectos 182,00% Mano de obra indirecta 91,40% Otros costos indirectos 91,40%2. Gastos de administración y ventas 56,70% 2.1 Gastos administrativos 79,40% 2.2 Gastos de venta y distribución 198,60%
Inversiones
VariableAumento o
disminución máxima
Inversiones totales 324,00%Activo fijo 324,00% Terreno 0,00% Construcciones 1337,00% Maquinaria, equipo y mobiliario de planta 429,00%Capital de trabajo 4
Capacidad y ventas
25
Evaluación de un proyecto individual
CALCULO DE INDICADORES DE RENTABILIDAD• Ajuste de tasa de descuento
• Equivalente cierto en los flujos
ANÁLISIS DE SENSIBILIDAD
• Univariable (punto de quiebre)
• Bivariable
SENSIBILIDAD POR
ESCENARIOS
MONTECARLO COMBINADO CON ÁRBOLES DE DECISIÓN (BAYES)
PROBABILISTA
DETERMINISTA
26
Visión general del análisis del riesgo
Sensibilidad por Escenarios
Variable Pesimista Moderado Optimista Precio unitario de venta sin IGV S/. 9,70 S/. 10,00 S/. 11,30
Materiales directos por unidad sin IGV S/. 2,10 S/. 2,00 S/. 1,90
Unidades a vender en el año 1 35.000 40.000 45.000 Unidades a vender en el año 2 40.000 50.000 60.000 Unidades a vender en el año 3 30.000 40.000 45.000
Escenarios formulados (valores de las variables pertinentes)
27
Visión general del análisis del riesgo
Sensibilidad por Escenarios
Escenarios formulados (valores de las variables pertinentes)
Rubro o resultado Pesimista Moderado Optimista Tasa de descuento 20,0% 20,0% 20,0% Valor Actual Neto Económico (VANE) S/. 2.618 S/. 59.593 S/. 192.881 Valor Actual Neto Financiero (VANF) S/. 5.807 S/. 62.783 S/. 196.071 Índice Beneficio / Costo Económico (B/C) 1,00 1,05 1,15 Tasa Interna de Retorno Económica (TIRE) 21,1% 41,5% 83,4%Tasa Interna de Retorno Financiera (TIRF) 23,1% 48,5% 100,5% Costo real del préstamo 14,0% 14,0% 14,0%
28
Evaluación de un proyecto individual
CALCULO DE INDICADORES DE RENTABILIDAD• Ajuste de tasa de descuento
• Equivalente cierto en los flujos
ANÁLISIS DE SENSIBILIDAD
• Univariable (punto de quiebre)
• Bivariable
SENSIBILIDAD POR
ESCENARIOS
MONTECARLO COMBINADO CON ÁRBOLES DE DECISIÓN (BAYES)
PROBABILISTA
DETERMINISTA
29
4. Simulación de Montecarlo
Visión general del análisis del riesgo
En este método de análisis, el VAN es calculado considerando la distribución de probabilidad de las variable involucradas.
30
4. Simulación de Montecarlo (cont.)Visión general del análisis del riesgo
Simulación de Montecarlo
Variables con cambiosVariable Pesimista Moderado Optimista
Precio unitario de venta sin IGV S/. 9.70 S/. 10.00 S/. 11.30 Materiales directos por unidad sin IGV S/. 2.10 S/. 2.00 S/. 1.90 Unidades a vender en el año 1 35,000 40,000 45,000 Unidades a vender en el año 2 40,000 50,000 60,000 Unidades a vender en el año 3 30,000 40,000 45,000
ResultadosRubro o resultado Pesimista Moderado Optimista
Tasa de descuento 20.0% 20.0% 20.0% Valor Actual Neto Económico (VANE) S/. 2,618 S/. 59,593 S/. 192,881 Valor Actual Neto Financiero (VANF) S/. 5,807 S/. 62,783 S/. 196,071 Índice Beneficio / Costo Económico (B/C)
1.00 1.05 1.15 Tasa Interna de Retorno Económica (TIRE)
21.1% 41.5% 83.4%Tasa Interna de Retorno Financiera (TIRF)
23.1% 48.5% 100.5% Costo real del préstamo 14.0% 14.0% 14.0%
Análisis de Escenarios
Precio VANValor inicial ($) 15 2000Variación (%) -10 -100Valor Final ($) 13.5 0
Análisis de Sensibilidad
Distribución deprobabilidad de lavariable aleatoria 3
Distribución deprobabilidad de lavariable aleatoria 2
Distribución deprobabilidad de lavariable aleatoria 1
Generador de números aleatorios contínuos (utilizando la funciónALEATORIO( ) del MSExcel), distribuidos uniformemente entre 0 y 1
V1 V2V3
V4 V5 Vn.....
IngresosCostos deoperación
Costos deinversión
Estado de pérdidas yganancias
FLUJO DE CAJA
Variables deterministas
MODELO ECONÓMICO FINANCIERODE EVALUACIÓN
MODELO DE SIMULACIÓN DE MONTECARLO
31
Visión general del análisis del riesgo
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
4. Simulación de Montecarlo (cont.)
32
Experimentar con una variable discreta.
Simular el experimento.
Se probará que los resultados obtenidos en la experimentación difieren muy poco a los resultados obtenidos por el método simulado.
Método de Montecarlo
4. Simulación de Montecarlo (cont.)
¿Cómo probar que la Simulación de Montecarlo es útil para la toma
de decisiones?
33
Modelo de Simulación de Montecarlo
Caso del lanzamiento de un dado equiprobable para cada una de sus
seis caras
¿Qué pasa si se lanza un dado 300 veces, cuántas veces sale cada cara
al lanzar el dado?
4. Simulación de Montecarlo (cont.)
34
Modelo de Simulación de Montecarlo
Si cada lado es equiprobable en 300 lanzamientos, cada una de las 6 caras aparece 50 veces (300/6).
La probabilidad de ocurrencia de cada cara es 1/6 = 0,167
La media es: 3.5 (1/6)*1+ (1/6)*2+ (1/6)*3+ (1/6)*4+ (1/6)*5+ (1/6)*6 La desviación estándar es: 1,7078
4. Simulación de Montecarlo (cont.)
6
63.553.543.533.523.513.5 222222
35
Modelo de Simulación de Montecarlo
4. Simulación de Montecarlo (cont.)
Resultados del experimento ideal
Cara del dado (ci)
Probabilidad de ocurrencia (pi)
Probabilidad acumulada
Frecuencia relativa
porcentual (hi)
Frecuencia relativa
porcentual acumulada (Hi)
(ci) * (pi) (prom - ci)^2
1 0.167 0.167 16.67% 16.67% 0.1667 6.25 2 0.167 0.333 16.67% 33.33% 0.3333 2.25 3 0.167 0.500 16.67% 50.00% 0.5000 0.25 4 0.167 0.667 16.67% 66.67% 0.6667 0.25 5 0.167 0.833 16.67% 83.33% 0.8333 2.25 6 0.167 1.000 16.67% 100.00% 1.0000 6.25
Total 1.000 100.00% Promedio 3.5000 17.50 Desv. est. 1.7078
Real Simulado3.5433 3.5433 1.7078 1.6964 0.4820 0.4788 Coeficiente de variabilidad
Esperanza matemáticaDesviación estándar
36
Modelo de Simulación de Montecarlo
4. Simulación de Montecarlo (cont.)
Histograma de frecuencias
0
2
4
6
8
10
12
Frecuencia simple 10 10 10 10 10 10
0.08 0.25 0.42 0.58 0.75 0.92
37
Modelo de Simulación de Montecarlo
Simulación del lanzamiento de un dado
0,167
C1= 1
0,3330,000 0,500 0,667 0,833 1,000
VARIABLE GENERADA (CARA DEL DADO: Ci)
C2= 2 C
3= 3 C
4= 4 C
5= 5 C
6= 6
Hi
Número aleatorio
4. Simulación de Montecarlo (cont.)
Simulación
38
Modelo de Simulación de Montecarlo
4. Simulación de Montecarlo (cont.)
Tabla de frecuencias de la simulación
Cara del dado (ci)
Frecuencia simple
observada (fi)
Frecuencia acumulada
observada (Fi)
Frecuencia relativa simple
(hi)
Frecuencia relativa
acumulada (Hi)
Frecuencia relativa
porcentual (hi)
Frecuencia relativa
porcentual acumulada (Hi)
(ci) * (pi) (prom - ci)^2
1 47 47 0.157 0.157 15.67% 15.67% 0.1567 6.25 2 47 94 0.157 0.313 15.67% 31.33% 0.3133 2.25 3 54 148 0.180 0.493 18.00% 49.33% 0.5400 0.25 4 53 201 0.177 0.670 17.67% 67.00% 0.7067 0.25 5 46 247 0.153 0.823 15.33% 82.33% 0.7667 2.25 6 53 300 0.177 1.000 17.67% 100.00% 1.0600 6.25
Total 300 1.000 100.00% Promedio 3.5433 17.50 Desv. est. 1.7078
39
Modelo de Simulación de Montecarlo
4. Simulación de Montecarlo (cont.)
Histograma de frecuencias del lanzamiento simulado del dado
0
10
20
30
40
50
60
Frecuencia simple 47 47 54 53 46 53
1 2 3 4 5 6
40
Modelo de Simulación de Montecarlo
Teóricos Simulado3,5000 3,4967 1,7078 1,7078 0,4880 0,4808 Coeficiente de variabilidad
Esperanza matemáticaDesviación estándar
Indicadores estadísticos del experimento ideal y simulado
Los resultados de la simulación difieren muy poco de los teóricos, por lo tanto, la simulación es una herramienta útil para la toma de decisiones
4. Simulación de Montecarlo (cont.)
41
Modelo de Simulación de Montecarlo
Prueba de hipótesisCara del dado
(ci)Probabilidad observada
Probabilidad teórica
D^2
1 0.157 0.167 0.0006 2 0.157 0.167 0.0006 3 0.180 0.167 0.0011 4 0.177 0.167 0.0006 5 0.153 0.167 0.0011 6 0.177 0.167 0.0006
0.0046
Grados de libertad para una la distribución 3 Nivel de confianza para prueba Chi cuadrado 95.00%Valor de Chi cuadrado (95%; 3) 7.8147 Se acepta la hipótesis de que la muestra se distribuyeUNIFORMEMENTE entre 0 y 1, ya que 7.8147 > 0.0046Probabilidad Chi (D^2 >= 0.0046) 0.9999
4. Simulación de Montecarlo (cont.)
42
¿Como medir el riesgo?
%1010,0284.4428.0
VANCV VAN
VAN
A través del cálculo del coeficiente de variabilidad (CV) del indicador
de rentabilidad, es decir, del VAN:
“Por cada sol de rendimiento, el proyecto presenta un riesgo de 10%”
El coeficiente de variabilidad del VAN es:
Modelo de Simulación de Montecarlo
4. Simulación de Montecarlo (cont.)
43
Proyecto VAN VAN CV = / VAN
A 0.4521 4.284 0,105
B 0.400 2.000 0,200
¿QUÉ PROYECTO ELEGIR?
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.
“A” pues presenta un menor riesgo por unidad de rendimiento, a pesar que su desvío es más alto.
Modelo de Simulación de Montecarlo
4. Simulación de Montecarlo (cont.)
44
5. Árbol de decisiones
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.
Modelo de Simulación de Montecarlo
Herramienta para el despliegue de la información para la toma de decisiones
secuenciales.
45
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
Modelo de Simulación de Montecarlo
46
Caso de Aplicación de
Simulación de Montecarlo
47
Evaluación de un proyecto individual
CALCULO DE INDICADORES DE RENTABILIDAD• Ajuste de tasa de descuento
• Equivalente cierto en los flujos
ANÁLISIS DE SENSIBILIDAD
• Univariable (punto de quiebre)
• Bivariable
SENSIBILIDAD POR
ESCENARIOS
MONTECARLO COMBINADO CON ÁRBOLES DE DECISIÓN (BAYES)
PROBABILISTA
DETERMINISTA
48
Resultados de la evaluación determinista del caso general
presentado
Rubro \ año 0 1 2 3
Flujo de caja económico (FCE) S/. (136,681) S/. 50,118 S/. 92,837 S/. 155,587 Flujo de financiamiento neto (FFN) S/. 35,700 S/. (16,898) S/. (15,232) S/. (13,566)Flujo de caja financiero (FCF) S/. (100,981) S/. 33,220 S/. 77,605 S/. 142,021
Tasa costo de oportunidad 20.00%VAN Económico S/. 59,593 TIRE 41.51%VAN Financiero S/. 62,783 TIRF 48.47%Índice Beneficio / costo privado económico 1.05
Método de Montecarlo
49
A mayor número de repeticiones, la estimación converge al verdadero valor
Ezpp
n 2
2*)1(*
¿Cómo calcular el tamaño muestral para simular?
n : tamaño de la muestrap : probabilidad de que se cumpla un eventoZ : valor de la abscisa normal para un nivel de
confianza E : nivel de error esperado
Método de Montecarlo
50
6630.52
2.582*(0.5)*0.5n
¿Cómo calcular el tamaño muestral para simular?
p : 0.5Z : 2.58 para un nivel de confianza 99%E : nivel de error del 5%
Método de Montecarlo
51
Generación de los valores de las variables
Distribución deprobabilidad de lavariable aleatoria
UNIDADES A VENDER
Distribución deprobabilidad de lavariable aleatoria
COSTO DEMATERIALES
DIRECTOS
Distribución deprobabilidad de lavariable aleatoria
PRECIO
Generador de números aleatorios contínuos (utilizando la funciónALEATORIO( ) del MSExcel), distribuidos uniformemente entre 0 y 1
V1 V2 V3
Mano de obra directa porunidad
Materiales indirectos por unidad Mano de obra indirecta por
unidad Otros costos indirectos por
unidad Gastos administrativos anuales Inversiones, etc.
Variables deterministas
MODELO ECONÓMICO FINANCIERO DE EVALUACIÓN
0
5
10
15
20
25
30
Frecuencia simple 5 12 26 16 10 1
37,078 38,382 39,686 40,990 42,294 43,598
0
5
10
15
20
25
30
35
Frecuencia simple 2 19 29 2 16 2
9.80 9.88 9.96 10.04 10.12 10.20
0
5
10
15
20
25
30
Frecuencia simple 2 4 26 19 12 7
1.87 1.92 1.97 2.02 2.07 2.12
Método de Montecarlo
52
Cálculo del VAN
Distribución deprobabilidad de lavariable aleatoria
UNIDADES A VENDER
Distribución deprobabilidad de lavariable aleatoria
COSTO DEMATERIALES
DIRECTOS
Distribución deprobabilidad de lavariable aleatoria
PRECIO
Generador de números aleatorios contínuos (utilizando la funciónALEATORIO( ) del MSExcel), distribuidos uniformemente entre 0 y 1
V1 V2 V3
Mano de obra directa porunidad
Materiales indirectos por unidad Mano de obra indirecta por
unidad Otros costos indirectos por
unidad Gastos administrativos anuales Inversiones, etc.
Indicadores o criterios de evaluación económica y financiera (VAN, TIR, B/C, etc.)
Variables deterministas
MODELO ECONÓMICO FINANCIERO DE EVALUACIÓN
0
5
10
15
20
25
30
Frecuencia simple 5 12 26 16 10 1
37,078 38,382 39,686 40,990 42,294 43,598
0
5
10
15
20
25
30
35
Frecuencia simple 2 19 29 2 16 2
9.80 9.88 9.96 10.04 10.12 10.20
0
5
10
15
20
25
30
Frecuencia simple 2 4 26 19 12 7
1.87 1.92 1.97 2.02 2.07 2.12
Método de Montecarlo
53
Proceso de simulación
Distribución deprobabilidad de lavariable aleatoria
UNIDADES A VENDER
Distribución deprobabilidad de lavariable aleatoria
COSTO DEMATERIALES
DIRECTOS
Distribución deprobabilidad de lavariable aleatoria
PRECIO
Generador de números aleatorios contínuos (utilizando la funciónALEATORIO( ) del MSExcel), distribuidos uniformemente entre 0 y 1
V1 V2 V3
Mano de obra directa porunidad
Materiales indirectos por unidad Mano de obra indirecta por
unidad Otros costos indirectos por
unidad Gastos administrativos anuales Inversiones, etc.
Indicadores o criterios de evaluación económica y financiera (VAN, TIR, B/C, etc.)
Variables deterministas
¿Llegó al número desimulaciones elegido?
Distribución de probabilidad e indicadores estadísticos (promedio, desviación estándary coeficiente de variabilidad) de los indicadores de evaluación
MODELO ECONÓMICO FINANCIERO DE EVALUACIÓN
Tamaño muestral
SI
NO
0
5
10
15
20
25
30
Frecuencia simple 5 12 26 16 10 1
37,078 38,382 39,686 40,990 42,294 43,598
0
5
10
15
20
25
30
35
Frecuencia simple 2 19 29 2 16 2
9.80 9.88 9.96 10.04 10.12 10.20
0
5
10
15
20
25
30
Frecuencia simple 2 4 26 19 12 7
1.87 1.92 1.97 2.02 2.07 2.12
Método de Montecarlo
54
Distribuciones de las variables aleatoriasprecio y costo de materiales directos
Precio unitario de venta
Límite inferior
Límite superior
Frecuencia acumulada
Marca de clase
Frecuencia simple
Frecuencia relativa
simple (%)
Frecuencia relativa
acumulada
Frecuencia relativa
acumulada hi (decimal)
> a <= b 0 xi fi hi hi (%) - 9.76 9.84 2 9.80 2 2.86% 2.86% 0.0286 9.84 9.92 21 9.88 19 27.14% 30.00% 0.3000 9.92 10.00 50 9.96 29 41.43% 71.43% 0.7143
10.00 10.08 52 10.04 2 2.86% 74.29% 0.7429 10.08 10.16 68 10.12 16 22.86% 97.15% 0.9715 10.16 10.24 70 10.20 2 2.86% 100.01% 1.0001
70 100.01%
Intervalos de clase ]a ; b] Frecuencias relativas
Costo de materiales directos
Límite inferior
Límite superior
Frecuencia acumulada
Marca de clase
Frecuencia simple
Frecuencia relativa
simple (%)
Frecuencia relativa
acumulada
Frecuencia relativa
acumulada hi (decimal)
> a <= b 0 xi fi hi hi (%) - 1.85 1.89 2 1.87 2 2.86% 2.86% 0.0286 1.89 1.94 6 1.92 4 5.71% 8.57% 0.0857 1.94 1.99 32 1.97 26 37.14% 45.71% 0.4571 1.99 2.04 51 2.02 19 27.14% 72.85% 0.7285 2.04 2.09 63 2.07 12 17.14% 89.99% 0.8999 2.09 2.14 70 2.12 7 10.00% 99.99% 0.9999
70 99.99%
Intervalos de clase ]a ; b] Frecuencias relativas
Promedio de datos 2.00 Desviación estándar 0.0579
Promedio de datos 10.00 Desviación estándar 0.0862
Método de Montecarlo
55
Distribuciones de las variables aleatoriasunidades a vender (años 1, 2 y 3)
Ventas año 1
Límite inferior
Límite superior
Frecuencia acumulada
Marca de clase
Frecuencia simple
Frecuencia relativa
simple (%)
Frecuencia relativa
acumulada
Frecuencia relativa
acumulada hi (decimal)
> a <= b 0 xi fi hi hi (%) - 36,426 37,730 5 37,078 5 7.14% 7.14% 0.0714 37,730 39,034 17 38,382 12 17.14% 24.28% 0.2428 39,034 40,338 43 39,686 26 37.14% 61.42% 0.6142 40,338 41,642 59 40,990 16 22.86% 84.28% 0.8428 41,642 42,946 69 42,294 10 14.29% 98.57% 0.9857 42,946 44,250 70 43,598 1 1.43% 100.00% 1.0000
70 100.00%
Intervalos de clase ]a ; b] Frecuencias relativas
Ventas año 2
Límite inferior
Límite superior
Frecuencia acumulada
Marca de clase
Frecuencia simple
Frecuencia relativa
simple (%)
Frecuencia relativa
acumulada
Frecuencia relativa
acumulada hi (decimal)
> a <= b 0 xi fi hi hi (%) - 9,713 22,941 1 16,327 1 1.43% 1.43% 0.0143
22,941 36,169 6 29,555 5 7.14% 8.57% 0.0857 36,169 49,397 32 42,783 26 37.14% 45.71% 0.4571 49,397 62,625 61 56,011 29 41.43% 87.14% 0.8714 62,625 75,853 69 69,239 8 11.43% 98.57% 0.9857 75,853 89,081 70 82,467 1 1.43% 100.00% 1.0000
70 100.00%
Intervalos de clase ]a ; b] Frecuencias relativas
Ventas año 3
Límite inferior
Límite superior
Frecuencia acumulada
Marca de clase
Frecuencia simple
Frecuencia relativa
simple (%)
Frecuencia relativa
acumulada
Frecuencia relativa
acumulada hi (decimal)
> a <= b 0 xi fi hi hi (%) - 34,491 36,290 1 35,390 1 1.43% 1.43% 0.0143 36,290 38,089 8 37,189 7 10.00% 11.43% 0.1143 38,089 39,888 35 38,988 27 38.57% 50.00% 0.5000 39,888 41,687 59 40,787 24 34.29% 84.29% 0.8429 41,687 43,486 69 42,586 10 14.29% 98.58% 0.9858 43,486 45,285 70 44,385 1 1.43% 100.01% 1.0001
70 100.01%
Intervalos de clase ]a ; b] Frecuencias relativas
Promedio de datos 40,000 Desviación estándar 1,429.43
Promedio de datos 50,000 Desviación estándar 11,433.74
Promedio de datos 40,000Desviación estándar 1,579.28
Método de Montecarlo
56
Proceso de simulación
Distribución deprobabilidad de lavariable aleatoria
UNIDADES A VENDER
Distribución deprobabilidad de lavariable aleatoria
COSTO DEMATERIALES
DIRECTOS
Distribución deprobabilidad de lavariable aleatoria
PRECIO
Generador de números aleatorios contínuos (utilizando la funciónALEATORIO( ) del MSExcel), distribuidos uniformemente entre 0 y 1
V1 V2 V3
Mano de obra directa porunidad
Materiales indirectos por unidad Mano de obra indirecta por
unidad Otros costos indirectos por
unidad Gastos administrativos anuales Inversiones, etc.
Indicadores o criterios de evaluación económica y financiera (VAN, TIR, B/C, etc.)
Variables deterministas
¿Llegó al número desimulaciones elegido?
Distribución de probabilidad e indicadores estadísticos (promedio, desviación estándary coeficiente de variabilidad) de los indicadores de evaluación
MODELO ECONÓMICO FINANCIERO DE EVALUACIÓN
Tamaño muestral
SI
NO
0
5
10
15
20
25
30
Frecuencia simple 5 12 26 16 10 1
37,078 38,382 39,686 40,990 42,294 43,598
0
5
10
15
20
25
30
35
Frecuencia simple 2 19 29 2 16 2
9.80 9.88 9.96 10.04 10.12 10.20
0
5
10
15
20
25
30
Frecuencia simple 2 4 26 19 12 7
1.87 1.92 1.97 2.02 2.07 2.12
Método de Montecarlo
Simulación
57
Resultados: histograma de frecuencias del Valor actual neto financiero (663 simulaciones)
-
50
100
150
200
250
300
350
Frecuencia simple 9 87 296 217 50 4
2,361 27,810 53,259 78,708 104,157 129,606
Promedio: 62,401
Desviación estándar: 20,886
CV: 33.47%
Método de Montecarlo
58
Resultados de la aplicación del método(valores actuales netos)
Rubro VANF VANE
Número de datos 663 663 Valor máximo 131,424 128,234 Valor mínimo 542 (2,647)Promedio de datos 62,401 59,211 Desviación estándar 20,886 20,886 Coeficiente de variación 33.47% 35.27%
VANCV VAN
VAN
Método de Montecarlo
59
Resultados de la prueba de hipótesis ¿La distribución del Valor actual neto financiero se
distribuye normalmente?
Límite inferior Límite superiorLímite inferior normalizado
Límite superior
normalizado
Frecuencia simple
Frecuencia relativa
acumulada hi (decimal)
Frecuencia relativa
acumulada Normal hi (decimal)
Frecuencia relativa
acumulada hi (decimal)
D^2
> a <= b > a <= b fi hi hn i (hn i)*N
(10,364) 15,085 (3.484) (2.265) 9 0.0136 0.0115 7.63 0.2460 15,085 40,534 (2.265) (1.047) 87 0.1312 0.1358 90.03 0.1020 40,534 65,983 (1.047) 0.172 296 0.4465 0.4207 278.94 1.0434 65,983 91,432 0.172 1.390 217 0.3273 0.3495 231.69 0.9314 91,432 116,881 1.390 2.608 50 0.0754 0.0777 51.52 0.0448
116,881 142,330 2.608 3.827 4 0.0060 0.0045 2.98 0.3491 663 100.00% 2.7167
Intervalos de clase ]a ; b] Intervalos de clase ]a ; b] Frecuencias relativas
Grados de libertad para una Normal 3 Nivel de confianza para prueba Chi cuadrado 95.00%Valor de Chi cuadrado (95%; 3) 7.8147 Se acepta la hipótesis de que la muestra se distribuyeNormal, ya que 7.8147 > 2.7167
Método de Montecarlo
60
Calcular la probabilidad de que el proyecto no sea rentable, es decir, que tenga un VAN < 0
Como el VAN se distribuye normalmente, es posible calcular en tablas la probabilidad de que el VAN <0 = 0.14%
Método de Montecarlo
9877.2-20,886
62,401-0Z
61
Herramientas y usos
62
Cristall Ball.
Risk.
Macros de Excel.
Herramientas informáticas para
operar el modelo
63
Proyectos mineros.
Proyectos agrícolas.
Bolsa de valores.
Etc.
Usos