07 Analisis Bajo Incertidumbre

Captulo 7: Evaluacin de Proyectos bajo Incertidumbre, Anlisis de rboles de decisin, escenarios, sensibilidad y modelacin Monte Carlo
MAESTRIA: FORMULACIN Y GESTIN DE PROYECTOS PBLICOS Y PRIVADOS

( 3RA EDICIN 7TA VERSIN )
Carlos Gustavo Ardaya Antelo Julio de 2012 Santa Cruz - Bolivia
Contenido de la Sesin
Riesgo e incertidumbre. Arboles de decisin Anlisis de escenario y sensibilidad Modelo Monte Carlo Resumen y conclusiones
Evaluacin Financiera de Proyectos
1
PDF created with pdfFactory trial version www.pdffactory.com
Riesgo e Incertidumbre
El propsito de la evaluacin e inversiones es valorar las perspectivas econmicas de un proyecto propuesto de inversin Es una metodologa para calcular el rendimiento esperado con base en los pronsticos de los flujos de caja de muchas variables de proyectos a menudo interrelacionadas. El riesgo surge de la incertidumbre que incluye estas variables proyectadas.
rboles de decisin
Representacin del modelo para la toma de decisiones Los crculos representan las opciones a elegir.
Las lneas seguidas al cuadro las alternativas a elegir.
2
Arboles de decisin: Ejemplo*

Stewart Pharmaceuticals Co. esta considerando una inversin en el desarrollo de una medicina para curar el resfro comn. El grupo de planeacin de la empresa, con representantes de produccin, marketing e ingeniera a recomendado seguir adelante si la medicina pasa la fase de prueba. Esta pase preliminar costar en el primer ao un Mil millones de dlares, el grupo espera tener un 60% de probabilidad que las pruebas tengan xito. Si fuese un xito la fase inicial, la empresa producira la medicina a gran escala. La inversin en esta fase representara 1,6 mil millones de dlares. La produccin se llevara a cabo en los prximos cuatro aos.
(*) Ejemplo propuesto en diapositivas complementarias del Capitulo 8 de Ross-Westerfield-Jaffe, Finanzas Corporativas, Sptima Edicin, con complementaciones adicionales del docente.
Arboles de decisin: Ejemplo
Note que el Van es calculado a partir del ao 1, fecha de la inversin de 1.600 millones. Esto sucede en caso la produccin a gran escala con resultado exitoso.
3
Note que el Van es calculado a partir del ao 1, fecha de la inversin de 1.600 millones. Esto sucede en caso la produccin a gran escala con resultado no exitoso.

La empresa tiene que tomar dos desiciones: Realiza o no la prueba Invierte o no invierte
4

Regresando a la primera fase, donde la desicin depende si: se debe o no invertir. El pago esperado se ha calculado en fecha 1: Pago = Esperado Prob x Pago por + Prob. x Pago por xito Tener xito Fracaso Fracaso
Pago = (60x$3,433.75)+(40x$0)=$2,060.25 Esperado El VAN evaluado en fecha 0 es: VAN = -$1,000+$2,060.25 =$872.95 1.10 Se hara la prueba
Anlisis de escenarios: Ejemplo

Podemos ver que el VAN es muy sensible ante cambios en las ventas. En el ejemplo de Stewart Pharmaceuticals, una reduccin de 14% en ventas representa una disminusin de 61% en el VAN:
Por cada 1% de disminucin en ventas se puede esperar una cada de 4.25% en el VAN:
4.25= - 60.93% 14.29%

5
Anlisis de sensibilidad y escenarios: Ejemplo

Variable Inversin Cambio % en Ventas Precio unitario Ventas (millones $us) Costo Unitario Costos Variables Costos Fijos Depreciacin U.A.I.I. Impuestos (34%) Utilidad neta Flujo de Efectivo Pesimista Esperado Optimista -1600 -20% 0,9 5.040 0,45 2.160 1.780 400 700 238 462 862 -1600 0% 1 7.000 0,43 3.000 1.800 400 1.800 612 1.188 1.588 -1600 20% 1,2 10.080 0,42 4.320 1991 400 3.369 1.145,46
Escenario pesimista
= $1,600 +
=1 4 4
$862 = $1.132,42 (1.10)t $1.588 = $3.433,75 (1.10)t
Escenario esperado
= $1,600 +
=1
Escenario optimista
=1 4
2.623,54
= $1,600 2.223,54 +
$2.623,54 = $6.716,27 (1.10)t

Sensibilizando diversas variables de Stewart Pharmaceuticals respecto al escenario esperado de acuerdo al cuadro siguiente:
Al combinar de manera independiente cada una con el escenario esperado tendramos los siguientes VAN:
6

Si a los VAN de los tres escenarios planteados inicialmente le asignamos una probabilidad de ocurrencia como muestra el siguiente cuadro:
Podramos calcular un VAN esperado combinado los escenarios probables utilizando el calculo de la esperanza:
(*) Frmula del VAN esperado de Nassir Sapag Chain, Evaluacin de Proyectos de Inversin en la Empresa, Primera Edicin, Capitulo 9-Evaluacin de inversiones ante incertidumbre, pginas 253 a 254.

Realizando los clculos en la siguiente tabla obtenemos un E(VAN) de $ 3.728 que representa el VAN con mayor probabilidad de ocurrencia:
La ltima columna de la tabla tabula los clculos para la Desviacin Estndar que representa la variabilidad del EVAN(X) en su mismos trminos
As mismo podemos utilizar la distribucin Normal estandarizada para determinar las diferentes probabilidades de ocurrencia del VAN
(*) Frmula del la desviacin estandar adaptada de la original de Nassir Sapag Chain, Evaluacin de Proyectos de Inversin en la Empresa, Primera Edicin, Capitulo 9-Evaluacin de inversiones ante incertidumbre, pginas 253 a 254.
7
Anlisis de sensibilidad y escenarios: Distribucin de Probabilidades

Una regla emprica indica que en cualquier distribucin normal las probabilidades delimitadas entre :
Anlisis de sensibilidad y escenarios: Distribucin de Probabilidades

Del grfico anterior se puede observar que la mayor probabilidad de ocurrencia del VAN es cuando este es $ 3.728. Por otro lado existe un 68% de posibilidad de que el VAN se site entre $ 3.728 e incremente o disminuya en $ 2.176 Por otro lado se puede determinar la posibilidad de obtener un VAN menor que cero:
Utilizando la tabla de distribucin normal estndar obtenemos para Z=1,71 obtenemos 0,4564, entonces: Representando un 4,36% de obtener un VAN menor a cero 0,500,4564= 0,0436
(*) Frmula del VAN esperado del libro deVictor Chungara Castro, Estadstica y probabilidades, Edicin 2001, Capitulo 9-Distribucin de probabilidades. Pgina 248.
8
Anlisis Probabilstico de flujos de efectivo
Una forma de Interpretar el Riesgo La variabilidad de los flujos de caja, que implica la variabilidad del VAN Ahora los flujos de caja son variables Aleatorias
F2 F4 F6 F7 F8
....
F1 F3 F5 Fn
=Desviacin estndar del flujo de caja Fi VAR(Fi) = 2 =Valor esperado del flujo de caja Fi E( Fi) = Valor Esperado de la Inversin: E(VAN) = 0 + 1 + 2 + . . . + 3
(1+r) (1+r)2 (1+r)3
9

Flujos esperados de una inversin bajo incertidumbre:
Ao 1 2 3 Flujo 400 200 300 150 900 500 Probabilidad 0,4 0,6 0,7 0,3 0,6 0,4 1 2 3
0
19
Desviacin estndar de una Inversin :

Caso 1: Flujos de caja independientes Caso 2 : Flujos de caja perfectamente correlacionados Cov(Fi , Fj) = 1 = Coeficiente de correlacin

Caso 3: Flujos de caja imperfectamente correlacionados
10
Anlisis Probabilstico efectivo
de
flujo
de

Caso 1: Flujos de caja independientes
COV ( Fi , F j ) = (Fi , F j ) = 0, i j
n Ft (VPN ) = 2 F0 + = t t =1 (1 + r )
2 (Ft ) (1 + r ) 2t t =0
n
Anlisis Probabilstico efectivo
de
flujo
de

Caso 2: Flujos de caja perfectamente correlacionados (Fi , F j ) = Luego,
Ft n (VPN ) = 2 (1 + r ) t t =0 =
COV ( Fi , F j ) ( Fi ) ( F j )
= 1, i, j
i = 0 j =0
( Fi ) (F j ) (1 + r ) i + j
n ( Ft ) = (1 + r ) t t =0
n ( Ft ) = (1 + r ) t t =0 2
11

Caso 3: Flujos de caja imperfectamente correlacionados
n F (VPN) = t t = (1+ r) t =0
2
2 (Ft ) n1 n (Fi , Fj ) (Fi ) (Fj ) (1+ r)2t + 21 (1+ r)i+ j t =0 i =0 j =i +

n
Modelacin Monte Carlo

El Modelo Monte Carlo es un sistema que utiliza nmeros aleatorios para medir los efectos de la incertidumbre en un modelo de hoja de clculo. El modelo Monte Carlo es aplicable a travs de un software llamado Crystal Ball que simula la modelacin probabilstica:
12
Crystal Ball: Etapas de un modelo
Crystal Ball: Cmo funciona?

En Crystal Ball, se define un supuesto para una celda de valor eligiendo una distribucin de probabilidad que describe la incertidumbre de los datos en un celda. El tipo de distribucin de probabilidad seleccionada depender de las condiciones que tenga la variable. Las distribuciones ms usadas son las siguientes:
Durante cada simulacin, Crystal Ball calcula muchos escenarios tomando aleatoriamente los valores de la distribucin y recalculando todo el modelo, esto en muy pocos segundos. Seleccionar correctamente una distribucin de probabilidad es muy importante para el resultado u objetivo del modelo
13
Crystal Ball: Cmo funciona?

Seleccionar una distribucin para un supuesto es uno de los pasos ms desafiantes al crear un modelo Crystal Ball. Crystal Ball cuenta con 21 distribuciones continuas y discretas que puede utilizar para describir un supuesto:
Una distribucin de probabilidad continua supone que todos los valores en el rango son posibles, por lo tanto, cualquier rango contiene un nmero infinito de valores posibles. Estas distribuciones son curvas slidas y suaves. Una distribucin de probabilidad discreta describe valores distintivos, finitos y comnmente enteros. Estas distribuciones aparecen como columnas de diferentes alturas ubicadas una al lado de la otra.
El primer paso para seleccionar una distribucin de probabilidad es utilizar los datos disponibles para la variable. Si no existiesen datos, use sus conocimientos de la fsica o las condiciones de la variable para ayudarlo a seleccionar una distribucin.
Crystal Ball: Como funciona?
14
Crystal Ball: Ejemplo
15

En este reporte se observa la media o VAN esperado de $ 3.391,26 con una Desv. Estndar de $ 6.175,86

En este reporte se observa que existe un 30,37% de probabilidad de que el VAN pueda ser menor que 0 es decir VAN negativo:
16
Bibliografa
Bibliografa Bsica: Ross-Westerfield-Jaffe, Finanzas Corporativas, Sptima Edicin, Capitulo 8-Anlisis del riesgo, opciones reales y presupuesto de capital, pgina 212 a 228 Nassir Sapag Chain, Evaluacin de Proyectos de Inversin en la Empresa, Primera Edicin, Capitulo 9-Evaluacin de inversiones ante incertidumbre, pginas 253 a 256. Bibliografa complementaria: Oracle, Crystall Ball User Manual, Crystall Ball, version 11.1.1 M.L. Berenson-D.M. Levine, Estadstica para administracin y economa, Edicin Mc Graw Hill, Capitulo 6, Distribucin de probabilidades bsicas, pgina146 a 197. Victor Chungara Castro, Estadstica y probabilidades, Edicin 2001, Capitulo 9-Distribucin de probabilidades. Pgina 227 a 255.
17

07 Analisis Bajo Incertidumbre

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

07 Analisis Bajo Incertidumbre

Diunggah oleh

Hak Cipta:

Format Tersedia

Captulo 7: Evaluacin de Proyectos bajo Incertidumbre, Anlisis de rboles de decisin, escenarios, sensibilidad y modelacin Monte Carlo

MAESTRIA: FORMULACIN Y GESTIN DE PROYECTOS PBLICOS Y PRIVADOS

Carlos Gustavo Ardaya Antelo Julio de 2012 Santa Cruz - Bolivia

Evaluacin Financiera de Proyectos

Evaluacin Financiera de Proyectos

Las lneas seguidas al cuadro las alternativas a elegir.

Evaluacin Financiera de Proyectos

Arboles de decisin: Ejemplo*

Arboles de decisin: Ejemplo

Arboles de decisin: Ejemplo

Evaluacin Financiera de Proyectos

Arboles de decisin: Ejemplo

Anlisis de escenarios: Ejemplo

4.25= - 60.93% 14.29%

Anlisis de sensibilidad y escenarios: Ejemplo

$862 = $1.132,42 (1.10)t $1.588 = $3.433,75 (1.10)t

$2.623,54 = $6.716,27 (1.10)t

Evaluacin Financiera de Proyectos

Anlisis de sensibilidad y escenarios: Ejemplo

Evaluacin Financiera de Proyectos

Anlisis de sensibilidad y escenarios: Ejemplo

Anlisis de sensibilidad y escenarios: Ejemplo

Anlisis de sensibilidad y escenarios: Distribucin de Probabilidades

Evaluacin Financiera de Proyectos

Anlisis de sensibilidad y escenarios: Distribucin de Probabilidades

Anlisis Probabilstico de flujos de efectivo

Evaluacin Financiera de Proyectos

Anlisis Probabilstico de flujos de efectivo

Evaluacin Financiera de Proyectos

Anlisis Probabilstico de flujos de efectivo

Anlisis Probabilstico de flujos de efectivo

Desviacin estndar de una Inversin :

Evaluacin Financiera de Proyectos

Anlisis Probabilstico efectivo

Desviacin estndar de una Inversin :

Evaluacin Financiera de Proyectos

Anlisis Probabilstico efectivo

Desviacin estndar de una Inversin :

Evaluacin Financiera de Proyectos

Anlisis Probabilstico de flujos de efectivo

Desviacin estndar de una Inversin :

2 (Ft ) n1 n (Fi , Fj ) (Fi ) (Fj ) (1+ r)2t + 21 (1+ r)i+ j t =0 i =0 j =i +

Evaluacin Financiera de Proyectos

Modelacin Monte Carlo

Evaluacin Financiera de Proyectos

Crystal Ball: Etapas de un modelo

Evaluacin Financiera de Proyectos

Crystal Ball: Cmo funciona?

Crystal Ball: Cmo funciona?

Crystal Ball: Como funciona?

Evaluacin Financiera de Proyectos

Crystal Ball: Ejemplo

Evaluacin Financiera de Proyectos

Crystal Ball: Ejemplo

Evaluacin Financiera de Proyectos

Crystal Ball: Ejemplo

Evaluacin Financiera de Proyectos

Crystal Ball: Ejemplo

Evaluacin Financiera de Proyectos

Anda mungkin juga menyukai