Escolar Documentos
Profissional Documentos
Cultura Documentos
Artículo
Resumen
En este trabajo se presenta, a través de un caso práctico, la utilización de la planilla
electrónica en el análisis de rentabilidad de inversiones bajo riesgo. Específicamente se
describe como operar el producto Microsoft Excel, para llevar adelante la construcción del
método de Monte Carlo aplicado la evaluación de proyectos de inversión.
Abstract
This article presents, through a practical case, the utilization of the electronic spreadsheet in
the return analysis of investments under risk. Specifically , it is described how to operate the
Microsoft Excel product in order to develope the construction of the Monte Carlo method
applied to the evaluation of investment proyects.
1.- Introducción
El método de Monte Carlo es una herramienta de investigación y planeamiento; básicamente
es una técnica de muestreo artificial, empleada para operar numéricamente sistemas
complejos que tengan componentes aleatorios.
Gracias a la constante evolución de las microcomputadoras, en lo que se refiere a su
capacidad de procesamiento de la información, el método de Monte Carlo es cada ves más
frecuentemente utilizado.
Esta metodología provee como resultado, incorporada a los modelos financieros,
aproximaciones para las distribuciones de probabilidades de los parámetros que están siendo
estudiados.
Para ello son realizadas diversas simulaciones donde, en cada una de ellas, son generados
valores aleatorios para el conjunto de variables de entrada y parámetros del modelo que están
sujetos a incertidumbre. Tales valores aleatorios generados siguen distribuciones de
probabilidades específicas que deben ser identificadas o estimadas previamente.
Vale destacar que el concepto de simulación, adoptado en este trabajo, es el descripto en los
estudios de Robert E. Shannon [1975] donde la Simulación es el proceso de diseñar y
desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con
este modelo, a fin de entender el comportamiento del sistema o evaluar varias estrategias con
las cuales se puede operar el sistema. El conjunto de resultados, producidos a lo largo de
todas las simulaciones, podrán ser analizados estadísticamente y proveer resultados en
términos de probabilidad. Esas informaciones serán útiles en la evaluación de la dispersión
total de las apreciaciones del modelo, causado por el efecto combinado de las incertidumbres
de los datos de entrada y en al evaluación de las probabilidades de ser violados los padrones
de las proyecciones financieras.
En lo que se refiere al uso de la computadora, podemos asegurar que los procedimiento a
desarrollar para obtener una visión clara de la variabilidad y el rédito de los proyectos bajo
análisis, requerirá de técnicas simples; como por ejemplo, y lo vamos a mostrar en este
trabajo, la planilla de cálculo puede emplearse para obtener valiosa información sobre la
sensibilidad del posible rendimiento frente a las variaciones de factores determinados, y sobre
la probabilidad de obtener diversos niveles de rendimiento.
Esta información será fundamental como respaldo de decisiones gerenciales; no pueden
quedar dudas que el conocimiento de la probabilidad de ocurrencia de toda la gama de
posibles rendimientos, brinda una cierta seguridad de que la información disponible ha sido
empleada con la máxima eficacia.
El ejercicio de razonar en base a la incertidumbre contribuye a mejorar la habilidad de elegir
las inversiones, porque comprender la incertidumbre y el riesgo equivale a comprender el
secreto de los negocios, y es la llave para abrir la puerta a la buenas oportunidades.
3.- Ejercicios
Se presentan dos problemas de selección de inversiones mediante los criterios del Valor Actual
Neto (VAN); ambos problemas contienen la determinación de una estimación de los flujos de
caja pesimista, más probable y optimista que genera la inversión en un período de tiempo.
El modelo del Valor Actual Neto (VAN) se aplica para valorar todos los rendimientos del
proyectos de inversión al momento de su inicio, y obedece a la fórmula:
donde A es es desembolso inicial del proyecto; T su duración; Qt, t=1,..., T, el flujo de caja
producido en el período t; y rs, s=1,...,t, la tasa de descuento aplicable en dicho período.
A B C
1 Valor Actual Neto Probabilidad Acumulada
2 VAN P(f) P(f)ac
3 100 0,3 0,0
4 200 0,6 0,3
5 300 0,1 0,9
6
7 VAN (1)
8 Riesgo (2)
(1)=BUSCAR(ALEATORIO();C3:C5;A3:A5)
(2)=SUMAPRODUCTO((A3:A5-SUMAPRODUCTO(A3:A5;B3:B5))^2;B3:B5)^(1/2)
Tabla 1. Flujos de caja pesimista, más probable y optimista
A B C
10 VAN Promedio Desvío
11 300 300 #¡DIV/0!
12 200 250 70,7107
13 100 200 100,0000
En la celda A11 corresponde =BUSCAR(ALEATORIO();$C$3:$C$5;$A$3:$A$5)
En la celda B11 corresponde =PROMEDIO($A$11:A11)
En la celda C11 corresponde =DESVEST($A$11:A11)
Tabla 2. Función buscar combinada con función aleatorio e identificación del VAN correspondiente
Ploteando el gráfico de los números de simulaciones con los valores del promedio y el desvío,
puede percibirse que próximo a las 200 simulaciones, los valores se tienden a estabilizar.
Figura 1. Representación del promedio y del desvío correspondiente a la Tabla 1.
Distribuciones Continuas:
En nuestro modelo de simulación estocástico, existen varias variables aleatorias
intercatuando. Y estas variables, siguen distribuciones de probabilidad teóricas o empíricas
distintas a la distribución uniforme. Por esta razón, para simular este tipo de variables, es
necesario contar con un generador de números uniformes y una función que a través de un
método específico, transforme estos números en valores de distribución normal.
Existen varios procedimientos para lograr este objetivo, en este trabajo se adoptó el siguiente
procedimiento especial para generar números al azar que sigan la distribución de probabilidad.
Para cada tipo de distribución continua, se puede montar una función estocástica; en nuestro
caso, una distribución normal puede ser expresado por:
Tiene una distribución normal estándar a medida que n se aproxima a infinito. Si las variables
que se están sumando son uniformes en el intervalo (0;1) entonces:
A B C D
1
2
3 Inversión Inicial 900000
4 Vida Útil 20 años
5 Costos Variables 60% sobre las Vtas
6 Costos Fijos 172000 supuestas e iguales
7 Impuesto 35% a las ganancias
8 Amortización 45000 lineal para los 20 años
9 Costo del Capital 14%
10 Política de precios unitarios
11 Gaseosas
12 precio en $ prob_cola prob_lima prob_naranja
13 20 0,12 0,10 0,30
14 30 0,63 0,60 0,45
15 40 0,25 0,30 0,25
16 Pronóstico de Ventas en unidades
17 Cola Lima Naranja
18 Media 16000 8000 6500
19 Sigma 1500 750 610
Luego y en función de estos valores se procede al cálculo del Valor Actual Neto, utilizando la
función predeterminada del Excel VNA; recuerde que la inversión inicial correspondiente al
momento 0, va leteando a esta función.
A B C
31 1 2
32 cantidad cola =$B$29
33 precio cola =$B$28
34 ingreso cola =B32*B33
35 cantidad lima =$C$29
36 precio lima =$C$28
37 ingreso lima =B35*B36
38 cantidad naranja =$D$29
39 precio naranja =$D$28
40 ingreso naranja =B38*B39
41 Ingresos =B34+B37+B40
42 costo variable total =$B$5*B41
43 amortización =$B$8
44 costos fijos =$B$6
45 ganancia operativa =B41-(B42+B43+B44)
46 impuestos =B45*$B$7
47 ganancia neta =B45-B46
48 flujo neto =B47+B43
49
50 VAN =VNA($B$9;B48:U48)-$B$3
51
52
53
54
Las ecuaciones para el primer período se repiten para los 19 períodos restantes
Tabla 5. Representación del Flujo de Fondos y cálculo del Valor Actual Neto del proyecto
Una vez que se tiene la estructura para el cálculo del Valor Actual Neto, se puede realizar una
macro que valla acumulando los registros de cada valor puntual que correspondan al Valor
Actual Neto, a medida que se activa la función aleatoria para cada simulación. Además se
puede ir calculando los valores correspondientes del promedio y del desvío, a fin de poder
estudiar el comportamiento del modelo.
A B C D
1 Fila Juego VAN PROMEDIO DESVÍO
2 1 -385966,92=PROMEDIO($B$2:B2) =DESVEST($B$2:B2)
3 2 784623,72=PROMEDIO($B$2:B3) =DESVEST($B$2:B3)
4 3 -35313,22=PROMEDIO($B$2:B4) =DESVEST($B$2:B4)
5 ...
6 1000 -147485,21=PROMEDIO($B$2:B1001) =DESVEST($B$2:B1001)
La macro para realizar este proceso puede tener las siguientes instrucciones:
Esta macro requiere que:
Sub montecarlo()
' imprime un contador de 1 a 1000
' imprime una lista de 1000 valores resultantes de Monte Carlo
End Sub
Se puede construir el Histograma correspondiente a los valores del Valor Actual Neto, para ello
se recurre a la opción Histograma localizada en el Análisis del datos, que se encuentra en
Herramientas del asistente; utilizando la función de Análisis de datos.
Figura 2. Uso de la Herramienta Análisis de datos, Histograma
F G H I
1 Clases Frecuencia
2 Promedio (1) (8) (15)
3 Desvío (2) (9) (15)
4 Mínimo (3) (10) (15)
5 Máximo (4) (11) (15)
6 Confianza 0,95 (5) (12) (15)
7- (6) (13) (15)
8+ (7) (14) (15)
9
(1)=PROMEDIO(B2:B1001)
(2)=DESVEST(B2:B1001)
(3)=MIN(B2:B1001)
(4)=MAX(B2:B1001)
(5)=INTERVALO.CONFIANZA(0,05;G3;CONTAR(B2:B1001))
(6)=G2-G6
(7)=G6+G2
(8)=$G$2+(-3*$G$3)
(9)=$G$2+(-2*$G$3)
(10)=$G$2+(-1*$G$3)
(11)=$G$2+(0*$G$3)
(12)=$G$2+(1*$G$3)
(13)=$G$2+(2*$G$3)
(14)=$G$2+(3*$G$3)
(15)=FRECUENCIA(B2:B1001;H2:H8)
4.- Conclusión.
Cuando se parte de un modelo simple, se cuentan con las herramientas necesarias y se posee
el suficiente conocimiento como para poder utilizarlas; el administrador tiene en sus manos
todos los elementos que se requieren para poder crear buenos Sistemas de Soporte de
Decisiones. En este artículo también se deja demostrando, que no se precisan ni grandes
recursos, ni grandes equipos de trabajo para llevar adelante un Proyecto Informático.
5.- Bibliografía
BRUNI, Adriano Leal; FAMÁ, Rubens; DE OLIVEIRA SIQUEIRA, José. Análise Do Risco Na
Avaliaçao De Projetos De Investimento: Uma Aplicaçao Do Método De Monte Carlo. Caderno
de Pesquisas em Administraçao. 1998, vol. 1, núm. 6.
FAULÍN, Javier, et al. "Simulación de Monte Carlo con Excel". Proyecto e-Math.
HERRERÍAS PLEGUEZUELO, Rafael; FERNANDEZ, Herminia Calvete. "Una ley de problabilidad
para el estudio de los flujos de caja de una inversión". Programación, Selección y Control de
Proyectos en Ambiente de Incertidumbre. Granada: Rafael Herrerías Pleguezuelo, 2001.
Disponible en World Wide Web:
<http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/pert_van/INDICE.pdf>.
HERTZ, David B."La incertidumbre y el riesgo en la evaluación de proyectos de inversión".
Harvard Business Review. 1964, enero-febrero , pág. 95.
NARVÁEZ, Jorge Luis. El lado Oscuro de la Estrategia, Buenos Aires: C&C, 1996
PÉRISSÉ, Marcelo Claudio. "Sistema para el Soporte de Decisiones - Una Metodología para su
Desarrollo". Aplicación Tributaria Revista Informate, Noviembre 2000.
PÉRISSÉ, Marcelo Claudio. "Sistema para el Soporte de Decisiones - Una Metodología para su
Desarrollo". Aplicación Tributaria Revista Informate, Noviembre 2000.
RAUIL, Coss Bu. Simulación Un enfoque práctico. México : Editorial Limusa, 1995
SEILA, Andrew F. y BANKS, Jerry. Spreadsheer Risk Analysis Using Simulation. 1990.
SHANNON, Robert E. la Simulación de los Sistemas: El Arte y Ciencia, los Precipicios de
Englewood, N.J.: Prentice-Hall, 1975
1988 Informe Nº 1 Análisis de la rentabilidad de inversiones en la empresa argentina:
Federación Argentina de Consejos Profesionales en Ciencias Económicas, Área Administración.
Buenos Aires: Ediciones Macchi.
6.- Agradecimientos
Ing. Ricardo Luis Marini. Investigador del Centro de Investigaciones Aplicadas (CIA), Córdoba
Argentina