Anda di halaman 1dari 39

IV.

MARCO TERICO
ANLISIS DE RIESGO
1.1 EL RIESGO EN LOS PROYECTOS
El riesgo de un proyecto se define como la variabilidad de los flujos de caja reales
respecto a los estimados. Mientras ms grande sea esta variabilidad, mayor es el
riesgo del proyecto. De esta forma, el riesgo se manifiesta en la variabilidad de los
rendimientos del proyecto, puesto que se calculan sobre la proyeccin de los flujos
de caja.
Hay dos conceptos importantes de diferenciar: riesgo e incertidumbre. El riesgo
define una situacin donde la informacin es de naturaleza aleatoria, en que se
asocia una estrategia a un conjunto de resultados posibles, cada uno de los cuales
tienen asignada una probabilidad. La incertidumbre caracteriza a una situacin
donde los posibles resultados de una estrategia no son conocidos y, en
consecuencia, sus probabilidades de ocurrencia no son cuantificables. La
incertidumbre, por lo tanto, puede ser una caracterstica de informacin incompleta,
de exceso de datos, o de informacin inexacta, sesgada o falsa.
La incertidumbre de un proyecto crece en el tiempo. El desarrollo del medio
condicionar la ocurrencia de los hechos estimados en su formulacin. L asola
mencin de las variables principales incluidas en la preparacin de los flujos de caja
deja de manifiesto el origen de la incertidumbre: el precio y calidad de las materias
primas: el nivel tecnolgico de produccin; las escalas de remuneraciones; la
evolucin de los mercados; la solvencia de los proveedores; las variaciones de la
demanda, tanto en cantidad, calidad como e precio; las polticas del gobierno
respecto al comercio exterior (sustitucin de importaciones, liberalizacin del
comercio exterior), la productividad real de la operacin, etc.
Un diferencia menos estricta entre riesgo e incertidumbre identifica al riesgo como la
dispersin de la distribucin de probabilidades del elemento en estudio o los
resultados calculados, mientras que la incertidumbre es el grado de falta de
confianza respecto a que la distribucin de probabilidades estimadas sea la correcta.
Jhon R Canada seala y analiza ocho causas del riesgo e incertidumbre en los
proyectos. Entre esas cabe mencionar el nmero insuficiente de inversiones
similares que puedan proporcionar informacin promediable; los prejuicios
contenidos en los datos y su apreciacin, que inducen efectos optimistas o
pesimistas, dependiendo de la subjetividad del analista; los cambios ene el medio
econmico externo que anulan la experiencia adquirida en el pasado, y la
interpretacin errnea de los datos o los errores en la aplicacin de ellos.
Se han hecho muchos intentos para enfrentar la falta de certeza en las predicciones.
Las mejoras limitadas, que David B. Hertz sealaba como esfuerzos con xito
limitado que parecen no haber llegado a alcanzar la meta para hacer frente a la
incertidumbre, se han superado por diversas tcnicas y modelos cuya aplicacin ha
permitido una evaluacin de proyectos, que, aun con las limitaciones propias de
tener que trabajar sobre la base de predicciones futuras, logra incorporar la medicin
del factor riesgo.
1.2 LA MEDICIN DEL RIESGO
Se defini el riesgo de un proyecto como la variabilidad de los flujos de caja reales
respecto a los estimados. Ahora corresponde analizar las formas de medicin de esa
variabilidad como un elemento de cuantificacin del riesgo de un proyecto.
La falta de certeza de las estimaciones del comportamiento futuro se puede asociar
normalmente a una distribucin de probabilidades de los flujos de caja generados
por el proyecto. Su representacin grfica permite visualizar la dispersin de los
flujos de casa, asignando un riesgo mayor a aquellos proyectos cuya dispersin sea
mayor. Existen, sin embargo, formas precisas de medicin que alternativas de un
mismo proyecto. La ms comn es la desviacin estndar, que se calcula mediante
la expresin:


Donde A
x
es el flujo de caja de posibilidad x, P
x
es su probabilidad de ocurrencia y
es el valor esperado de la distribucin de probabilidades de los flujos de caja, que se
obtienen de:


Para ejemplificar la determinacin del valor esperado y de la desviacin estndar,
supngase la existencia d u proyecto que presente la siguiente distribucin de
probabilidades de sus flujos de caja estimados:
X PROBABILIDAD Px FLUJO DE CAJA Ax
1 0.30 2000
2 0.40 2500
3 0.30 3000

Aplicando la frmula anterior se determina que el valor esperado de la distribucin
de probabilidades es de 2500, que se obtiene de:
Px (Ax)
0.30 * 2000 = 600
0.40 * 2500 = 1000
0.30 * 3000 = 900
= 2500
Reemplazando con estos valores en la ecuacin 1.1, se calcula la desviacin
estndar en $ 387.30, que resulta de:



Ax - (Ax ) (Ax )
2
(Ax )
2
Px
2000
2500
-500 250000 (250000) * 0.30 = 75000
2500
2500
0 0 0 * 0.40
3000
2500
+500 250000 250000 * 0.30 = 75000

2 =
150000

=


Si hubiera otra alternativa de inversin cuya desviacin estndar fuese mayor que $
387.30, su riesgo sera, mayor, puesto que estara indicando una mayor dispersin
de sus resultados. La desviacin estndar, como se ver luego, se utiliza para
determinar la probabilidad de ocurrencia de un hecho. No es adecuado utilizarla
como nica medida de riesgo, porque no discrimina en funcin del valor esperado.
De esta forma, dos alternativas con valores esperados diferentes de sus retornos
netos de fondos pueden tener desviaciones estndar iguales, requiriendo de un
medicin complementaria para identificar diferenciaciones en el riesgo.
El coeficiente de variacin es, en este sentido, una unidad de medida de la
dispersin relativa, que se calcula por la expresin:


Aun cuando dos alternativas pudieran presentar desviaciones estndar iguales, si los
valores esperados de sus flujos de caja son diferentes, este procedimiento indicar
que mientras mayor sea el coeficiente de variacin, mayor es el riesgo relativo.



1.3 MTODOS PARA TRATAR EL RIESGO
Para incluir el efecto del factor riesgo en la evaluacin de proyectos de inversin se
han desarrollado diversos mtodos o enfoques que no siempre conducen a un
idntico resultado. La informacin disponible es, una vez ms, uno de los elementos
determinante en la eleccin de uno u otro mtodo.
El criterio subjetivo es uno de los mtodos ms comnmente utilizados, Se basa en
consideraciones de carcter informal de quien toma la decisin, no incorporando
especficamente el riesgo del proyecto, salvo en su apreciacin personal. Se han
intentado mejorar este mtodo sugiriendo que se considere la expectativa media y la
desviacin estndar del VAN, lo cual, aunque otorga un carcter ms objetivo a la
inclusin del riesgo, no logra incorporarlo e toda su magnitud. De igual forma, el
anlisis de fluctuaciones de los valores optimistas, ms probables y pesimistas del
rendimiento del proyecto, slo disminuye el grado de subjetividad de la evaluacin
del riesgo, pero sin eliminarla.
Los mtodos basados en mediciones estadsticas son quizs los que logran superar
en mejor forma, aunque no definitivamente, el riesgo asociado a cada proyecto. Para
ello, analizan la distribucin de probabilidades de los flujos futuros de caja para
presentar a quien tome la decisin de aprobacin o rechazo los valores probables de
los rendimientos y de la dispersin de su distribucin de probabilidad. En el apartado
1.4 se analiza este mtodo para los casos de dependencia e independencia del flujo
de caja respecto al tiempo.
Un mtodo diferente de inclusin del riesgo en la evaluacin es el del ajuste a la tasa
de descuento. Con este mtodo, el anlisis se efecta slo sobre la tasa pertinente
de descuento, sin entrar a ajustar o evaluar los flujos de caja del proyecto. Si bien
este mtodo presenta serias deficiencias, en trminos prcticos es un procedimiento
que permite solucionar las principales dificultades del riesgo.
Frente a las desventajas respecto al mtodo de ajuste a la tasa de descuento y con
similares beneficios de orden prctico, est el mtodo de la equivalencia a
certidumbre. Segn este criterio, quien decide est en condiciones de determinar su
punto de indiferencia entre flujos de caja por percibir con certeza y otros, obviamente
mayores, sujetos a riesgo. La seccin 1.6 se destina a analizar este mtodo.
Otro de los criterios que es preciso evaluar es el de los valores esperados Este
mtodo, conocido comnmente como anlisis del rbol de decisiones, combina las
probabilidades de ocurrencia de los resultados parciales y finales para calcular el
valor esperado de su rendimiento. Aunque no incluye directamente la variabilidad de
los flujos de caja del proyecto, ajusta los flujos al riesgo en funcin de la asignacin
de probabilidades. El apartado 1.7 se ocupa de este procedimiento.
El ltimo mtodo que se estudia en este texto es el anlisis de sensibilidad. La
aplicacin de este criterio permite definir el efecto que tendran sobre el resultado de
la evaluacin cambios en uno o ms de los valores estimados en sus parmetros.
1.4 DEPENDENCIA E INDEPENDENCIA DE LOS FLUJOS DE CAJA EN EL
TIEMPO
El anlisis de riesgo en los proyectos de inversin se realiza de distinta forma segn
los flujos de caja en el tiempo, sean o no dependientes entre s. Es decir, si el
resultado de un periodo depende o no de lo que haya pasado en otro periodo
anterior.
Cuando hay independencia entre las distribuciones de probabilidad de los flujos de
caja futuros, el valor esperado del valor actual neto sera:


Donde i es la tasa de descuento libre de riesgo. La desviacin estndar de la
distribucin de probabilidades de este valor actual neto es:



Incorporando en esta ecuacin la expresin 1.1, resulta:


Que corresponde a la desviacin estndar alrededor del valor esperado calculado
por la expresin 1.4.
Adems de la informacin proporcionada por las expresiones 1.4 y 1.6, es posible
calcular la probabilidad de que el VAN sea superior o inferior a cierto monto de
referencia. Para ello se reta el valor esperado del valor actual neto calculado en la
expresin 1.4 de ese valor de referencia y se divide su resultado por la desviacin
estndar. Esto es:


Donde z es la variable estandarizada o el nmero de desviaciones estndar de la
media (valor esperado del VAN).Para determinar la probabilidad de que el VAN del
proyecto sea menor o igual que x, se acude a una tabla de distribucin normal, que
muestra el rea de la distribucin normal que es x desviaciones estndar hacia la
izquierda o derecha de la media.
Para ilustrar la aplicacin de estas frmulas, supngase la existencia de una
propuesta de inversin que requiere en el momento cero de $ 100 000. Los flujos de
caja futuros se proyectan a tres periodos con las siguientes probabilidades de
ocurrencia:
PERIODO 1 PERIODO 2 PERIODO 3
PROBABILIDAD FLUJO
DE
CAJA
PROBABILIDAD FLUJO
DE
CAJA
PROBABILIDAD FLUJO
DE
CAJA
0.30 40 000 0.30 30 000 0.30 20 000
0.40 50 000 0.40 40 000 0.40 30 000
0.30 60 000 0.30 50 000 0.30 40 000
Aplicando la expresin 1.2, se obtiene que los valores esperados de los flujos de
caja para cada periodo son $ 50 000, $ 40 000 y $ 30 000.
De acuerdo con la frmula 1.4, el valor esperado del VAN es, para una tasa libre de
riesgo del 6%, de $ 7958.
Utilizando la frmula 1.6, puede obtenerse la desviacin estndar alrededor del valor
esperado, de la siguiente forma:


Se deja como una constante los 7746, por cuanto la distribucin de probabilidades
de todos los periodos tiene la misma dispersin en relacin con los valores
esperados y, por lo tanto, sus desviaciones estndar son iguales.
Si se deseara calcular la probabilidad de que el VAN de este proyecto fuese igual o
menor que cero, se utiliza la frmula 1.7, con lo que se obtiene:




Recurriendo a una tabla de distribucin normal, se obtiene que la probabilidad que
se deseaba averiguar corresponda al 33%.
Hasta ahora se ha supuesto que los flujos de caja son independientes entre s a lo
largo del tiempo. Sin embargo, en la mayora de los proyectos existe cierta
dependencia entre los resultados de dos periodos. Es importante saber si existe o no
dependencia entre los flujos, por las consecuencias que tienen sobre el anlisis del
riesgo. Si los flujos son dependientes, o sea, si estn correlacionados a travs del
tiempo, la desviacin estndar de la distribucin de probabilidad de los valores
actuales netos probables es mayor que si fueran independientes. A mayor
correlacin, mayor dispersin de la distribucin de probabilidad.
Los flujos de caja estarn perfectamente correlacionados si la desviacin del flujo de
caja de un periodo alrededor de la media de la distribucin de probabilidades en ese
periodo implica que en todos los periodos futuros el flujo de caja se desviar
exactamente de igual manera.
La desviacin estndar de los flujos de caja perfectamente correlacionados de un
proyecto se calcula aplicando la siguiente expresin:


Utilizando el mismo ejemplo anterior, se incorpora sus valores en esta frmula, para
calcular la siguiente desviacin estndar:


Esto conrma que cuando los ujos de caja estn perfectamente correlacionados, la
desviacin estndar y el riesgo son mayores que cuando existe independencia entre
ellos.
Cuando los ujos de caja no se encuentran perfectamente correlacionados, es
posible aplicar el modelo de correlacin intermedia desarrollado por Frederick Hillier.
En l se plantea que la desviacin estndar para un flujo de caja que no est
perfectamente correlacionado se encuentra en algn punto intermedio entre las dos
desviaciones antes calculadas. El problema de su clculo reside en que incorpora en
un mismo modelo tanto ujos perfectamente correlacionados como independientes.
La dificultad prctica ms relevante es la necesidad de clasificar como
independientes o perfectamente correlacionadas a las distintas variables del ujo de
caja.
David Hertz propuso un modelo de simulacin integral para calcular los resultados
probables, as como su dispersin. Su modelo se basa en la definicin de 9 factores
principales del proyecto que influyen en el resultado de la evaluacin: dimensin del
mercado, precios de venta, tasa de crecimiento del mercado, participacin en el
mercado, inversin requerida, valor de recuperacin de la inversin, costos
operativos, costos fijos y vida til de los equipos.
Para cada factor se estiman los valores probables que asumira y se le asigna una
probabilidad de ocurrencia a cada valor slo como referencia. Sin calcular un valor
esperado de cada factor se combinan al azar los 9 factores para valores probables
cambiantes. Es decir, se calculan distintos rendimientos sobre la inversin simulando
valores cambiantes para cada uno de los 9 factores.
Con los resultados observados mediante este procedimiento se elabora una tabla de
frecuencia sobre la que se calcula el resultado probable y su dispersin o riesgo.
El modelo de simulacin de Hertz es similar a uno de los criterios de anlisis de
sensibilidad que se desarrolla en el prximo captulo. Sin embargo, el modelo se
ampliar generalizndolo al uso de cualquier variable y para calcular no slo la tasa
media de rendimiento sobre la inversin. sino que cualquiera de los criterios de
decisin analizados en el captulo anterior.

1.5 EL MTODO DEL AJUSTE A LA TASA DE DESCUENTO
Una forma de ajustar los ujos de caja consiste en hacerlo mediante correcciones en
la tasa de descuento. A mayor riesgo, mayor debe ser la tasa para castigar la
rentabilidad del proyecto. De esta forma; un proyecto rentable evaluado en funcin
de una tasa libre de riesgo puede resultar no rentable, si se descuenta a una tasa
ajustada.
El principal problema de este mtodo es determinar la tasa de descuento apropiada
para cada proyecto. Al no considerar explcitamente informacin tan relevante como
la distribucin de probabilidades del ujo de caja proyectado, muchos autores
definen este mtodo como una aproximacin imperfecta para incorporar el factor
riesgo a los proyectos.

Para ajustar adecuadamente la tasa de descuento, se define una curva de
indiferencia del mercado cuya funcin relaciona el riesgo y los rendimientos con la
tasa de descuento. La curva de indiferencia del mercado se ilustra en el grfico,
cuyos ejes representan la tasa de rendimiento necesaria y el riesgo expresado en
trminos de un coeciente de variacin.
La curva de indiferencia del mercado gracada indica que los ujos de caja
asociados a un evento sin riesgo se descuentan a una tasa libre de riesgo del 5%,
que corresponde a una situacin de certeza. Los puntos B, C y D indican que para
coecientes de variacin de 0.6, 1.0 y 1.4 se precisan tasas de descuento de 8.10 y
12%, respectivamente. Al aumentar el riesgo de un proyecto se necesitan
rendimientos mayores para que ameriten aprobarse.
De esta forma, el mayor grado de riesgo se compensa por una mayor tasa de
descuento que tiende a castigar el proyecto. De acuerdo con esto, el clculo del
valor actual neto se efecta mediante la siguiente frmula:


Siendo BN, los benecios netos del perodo t y f la tasa de descuento ajustada por
riesgo, que resulta de aplicar la siguiente expresin:
f = i + p
donde i es la tasa libre de riesgo y p es la prima por riesgo que exige el inversionista
para compensar una inversin con retornos inciertos.
La dificultad de este mtodo reside en la determinacin de la prima por riesgo. Al
tener un carcter subjetivo, las preferencias personales harn diferir la tasa adicional
por riesgo entre distintos inversionistas para un mismo proyecto.
1.6 EL MTODO DE LA EQUIVALENCIA A CERTIDUMBRE
La equivalencia a certidumbre es un procedimiento de alternativa al mtodo de la
tasa de descuento ajustada por riesgo. Segn este mtodo, el ujo de caja del
proyecto debe ajustarse por un factor que represente un punto de indiferencia entre
un flujo del que se tenga certeza y el valor esperado de un flujo sujeto a riesgo. Si se
define este factor como

, se tiene que:


donde
t
es el factor de ajuste que se aplicar a los ujos de caja inciertos en el
perodo t; BNC, representa el flujo de caja en el perodo t. sobre el que se tiene
certeza y BNR representa el ujo de caja incierto en el perodo t.
El factor del coeciente varia en forma inversamente proporcional al grado de
riesgo. A mayor riesgo asociado, menor ser el coeciente , cuyo valor estar entre
cero y uno.
Weston y Brigham explican el concepto de equivalencia de certeza ejemplificando
una situacin en que debe optarse por una de dos alternativas: a) recibir 5 1000 000
si al tirar al aire una moneda perfecta resulta cara, sin obtener nada si sale sello y b)
no tirar la moneda y recibir S 300 000. El valor esperado de la primera opcin es S
500 000 (0.5 x 1 000 000 + 0.5 x 0). Si el jugador se muestra indiferente entre las
dos alternativas, los Si 300 000 son el equivalente de certeza de un rendimiento
esperado de S 500 000 con riesgo. Al reemplazar mediante estos valores en la
expresin 1.11, se tiene:



Al expresar todos los flujos de caja en su equivalencia de certeza, puede evaluarse
el proyecto a travs del VAN, actualizando estos ujos a la tasa libre de riesgo (i),
mediante la siguiente expresin:


El ndice t del coeciente a indica que ste puede variar en un mismo proyecto a
travs del tiempo. La aplicacin de este mtodo permite descontar los ujos slo
considerando el factor tiempo del uso del dinero, sin incorporar en la tasa de
descuento el efecto del riesgo. Sin embargo, en la prctica resulta muy difcil la
conversin al equivalente de certeza de los ujos de caja.
Roliichek y Myers hacen un interesante anlisis para demostrar que este mtodo es
superior al del ajuste a la tasa de descuento. Para ello suponen que la tasa de
descuento ajustada por riesgo (f) y la tasa libre de riesgo (i) permanecen constantes.
Si ambos mtodos fueran correctos, el resultado de un ajuste a la tasa de descuento
debera ser igual al ajuste a condiciones del equivalente a certeza. Para un perodo t
cualquiera, se tendra:


que no indica otra cosa que el valor actual de un ujo de caja ajustado a condiciones
de certeza descontado a la tasa libre de riesgos es igual al valor actual de un ujo de
cala descontado a una tasa ajustada por riesgo. De la ecuacin anterior se deduce:


Si ambas tasas permanecen constantes y si f es mayor que i, puede demostrarse
que
t
es mayor que
t
+ 1. O sea, al permanecer constante la tasa de descuento
ajustada por riesgo, los coecientes de conversin a condiciones de equivalente por
certeza seran decrecientes y el riesgo crecera en e} tiempo. De esta forma, el
mtodo de la tasa de descuento ajustada por riesgo supone que el riesgo aumenta
por el tiempo pe:- se. No puede armarse que existe riesgo por tiempo, pero si que
el riesgo puede ser mayor si los condicionantes del proyecto en el tiempo tienen un
riesgo mayor. Van Horne ejemplica el caso de una plantacin forestal cuyo riesgo,
ms que aumentar, decrecera en el tiempo. De esto Van Horne concluye que la
presuncin de un riesgo creciente no sera apropiada para este caso, y el proyecto
de plantacin sera penalizado si utilizaremos el mtodo de tasa de descuento
ajustada por riesgo. Con el mtodo de conversin a condiciones equivalentes por
certeza, la gerencia puede especificar directamente el grado de riesgo para cada
perodo futuro en particular, y luego descontar el ujo de caja empleando la tasa que
representa el valor tiempo del dinero.
Esta posicin parece ser bastante razonable, puesto que permite ajustar el riesgo a
cada perodo y no al proyecto en su conjunto, como seria al emplear la tasa de
descuento. De esta forma, es posible considerar que el riesgo puede variar en el
tiempo en funcin de que los factores condicionantes del proyecto en el tiempo
tengan un riesgo con carcter variable.
Un procedimiento distinto sugiere John Canaria para tratar la equivalencia por
certeza, o mtodo de expectativa y variaciones, como el lo denomina, consistente en
determinar la variacin de la expectativa relacionando el resultado previsto con la
variacin de ese resultado, mediante la expresin:
V =
donde V es la variacin de la expectativa, es la media o resultado monetario
esperado, o la desviacin estndar de ese resultado y el coeciente del temor al
riesgo.
La utilidad de este procedimiento se manifiesta en el proceso de comparacin entre
alternativas de inversin. Por ejemplo, si una alternativa A de inversin se asocia a
un valor actual esperado de $ 20 000 y su es 0.6 cuando la desviacin estndar es
de $ 4 000, se obtiene una variacin de la expectativa de $ 11 000, reemplazando
con estos valores en la expresin anterior. Esto es:
V = 20 000 0.6 * 15000
Si esta alternativa se comparase con otro cuyo valor actual esperado fuese de slo $
16000 y su de 0.8 cuando la desviacin estndar es de S 4 000, se obtendra una
variacin de la expectativa de $ 11 800, resultante de:
V = 16 000 0.8 * 4000
De acuerdo con esto, la segunda alternativa es superior a la primera.

1.7 USO DEL RBOL DE DECISIN
El rbol de decisin es una tcnica grfica que permite representar y analizar una
serie de decisiones futuras de carcter secuencial a travs del tiempo.
Cada decisin se representa grficamente por un cuadrado con un nmero
dispuesto en una bifurcacin del rbol de decisin. Cada rama que se origina en este
punto representa una alternativa de accin. Adems de los puntos de decisin, en
este rbol se expresan, mediante crculos, los sucesos aleatorios que influyen en los
resultados. A cada rama que parte de estos sucesos se le asigna una probabilidad
de ocurrencia. De esta forma, el rbol representa todas las combinaciones posibles
de decisiones y sucesos, permitiendo estimar un valor esperado del resultado nal,
como un valor actual neto, utilidad u otro.
Supngase, a manera de ejemplo, que se estudia el lanzamiento de un nuevo
producto. Las posibilidades en estudio son introducirlo en nivel nacional o regional.
Si se decide lanzar el producto regionalmente, es posible posteriormente hacerlo a
nivel nacional, si el resultado regional as lo recomendara.
En la Figura 1.1 se representa un diagrama de un rbol de decisin para este caso,
en el cual cada ramicacin conduce a un cierto valor actual neto diferente.
Para tomar la decisin ptima, se analizan los sucesos de las alternativas de
decisin ms cercanas al nal del rbol, calculando el valor esperado de sus valores
actuales netos y optando por aqulla que proporcione el mayor valor esperado del
VAN. Por ejemplo, la ltima decisin de nuestro caso es la [2], que presenta dos
sucesos de alternativa. El valor esperado del suceso (C) se calcula aplicando la
frmula 1.2, de la siguiente forma:
0.60 * 4000 = 2400
0.10 * 1000 = 100
0.30 * 2000 = 600
VE (VAN) = 1900
que representa el valor esperado del VAN en el caso de ampliar la introduccin a
nivel nacional.
En el caso de continuar en nivel regional se obtiene, por el mismo procedimiento, el
siguiente resultado:
0.60 * 2000 = 2400
0.10 * 1500 = 150
0.30 * 1000 = 300
VE (VAN) = 1650
Por lo tanto, la decisin ser ampliar a nivel nacional, porque retorna un VAN
esperado mayor.
La siguiente decisin se refiere a la introduccin inicial. Si es a nivel regional, existe
un 70% de posibilidades de que la demanda sea alta. Si as fuese, el VAN esperado
sera de 1 900, que correspondera al resultado de la decisin que se tomara de
encontrarse en ese punto de decisin. Aplicando el procedimiento anterior, se
obtiene:
0.70 * 1900 = 1330
0.10 * 2000 = 200
0.20 * 1000 = 200
VE (VAN) = 1730
Para la alternativa de introduccin nacional se tendra:
0.50 * 5000 = 1330
0.20 * 100 = 20
0.30 * 3000 = 900
VE (VAN) = 1620
En consecuencia, se optara por una introduccin inicial en el nivel regional, que
luego se ampliara a. nivel nacional. Esta combinacin de decisiones es la que
maximiza el valor esperado de los resultados.


Este mtodo, as tratado, no incluye el efecto total del riesgo, puesto que no
considera la posible dispersin de los resultados ni las probabilidades de las
desviaciones. En el ejemplo anterior, la decisin se haca sobre la base de un valor
actual neto promedio. Sin embargo, es fcil apreciar que, dependiendo de su grado
de aversin al riesgo, algunos inversionistas podran optar por continuar
regionalmente.
Una forma de obviar este problema es mediante los rboles de decisin
probabilsticos, que, adems de las caractersticas sealadas, permiten que todas
las cantidades, variables y sucesos aleatorios puedan representarse por
distribuciones continuas de probabilidad. De igual forma, la informacin acerca del
resultado de cualquier combinacin de decisiones puede ser expresada
probabilsticamente, lo que permite su comparacin considerando sus respectivas
distribuciones de probabilidad.
1.8 MODELO DE SIMULACIN DE MONTE CARLO
El modelo de Monte Carlo, llamado tambin mtodo de ensayos estadsticos, es una
tcnica de simulacin de situaciones inciertas que permite definir valores esperados
para variables no controlables, mediante la seleccin aleatoria de valores, donde la
probabilidad de elegir entre todos los resultados posibles est en estricta relacin
con sus respectivas distribuciones de probabilidades.
Si las variables inciertas relevantes en un proyecto fuesen, por ejemplo, la demanda
y la participacin de mercado, deber aplicarse en ambas la simulacin para estimar
su comportamiento en el futuro. Supngase que estudios realizados sealan que la
demanda global esperada del mercado tiene la siguiente distribucin de
probabilidades:
DEMANDA PROBABILIDAD
200 000 0.10
250 000 0.25
300 000 0.35
350 000 0.15
400 000 0.10
450 000 0.05

Al mismo tiempo, supngase que la participacin en el mercado para el proyecto,
sea tambin una variable incierta, para la cual se estima la siguiente distribucin de
probabilidades:
PARTICIPACIN PROBABILIDAD
0.08 0.26
0.09 0.22
0.10 0.16
0.11 0.13
0.12 0.10
0.13 0.07
0.14 0.05
0.15 0.01

Supngase, adems, que la demanda global del mercado est correlacionada con la
tasa de crecimiento de la poblacin, que se estima en un 2% anual a futuro. El precio
y los costos asociados al proyecto se suponen conocidos o menos incierto su
resultado futuro.
El primer paso en la solucin consiste en expresar matemticamente el problema.
En este caso, la demanda por ao que podra enfrentar el proyecto se puede
expresar como:
Dp = Dg * p
donde Dp corresponde a la demanda del proyecto, Dg a la demanda global y p al
porcentaje de participacin del proyecto en el mercado.
La tasa de crecimiento de la demanda se incorporar al final como un factor de
incremento sobre la demanda del proyecto. Una forma alternativa es incorporarlo en
la frmula anterior, lo que permite obtener el mismo resultado pero con clculos ms
complejos.
El siguiente paso del mtodo Monte Carlo es la especificacin de la distribucin de
probabilidades de cada variable. En el ejemplo, las variables que deben especificar
su distribucin de probabilidades son la demanda global del mercado y la
participacin del proyecto. En ambos casos se deber posteriormente calcular la
distribucin de probabilidad acumulada y la asignacin de rangos de nmeros entre
0 y 99 {o sea, 100 nmeros). A continuacin se muestran estos clculos para las dos
variables en estudio.
DEMANDA
GLOBAL
DISTRIBUCIN
DE
PROBABILIDAD
PROBABILIDAD
ACUMULADA
ASIGNACIN DE
NMEROS
REPRESENTATIVOS
200 000 0.10 0.10 0 9
250 000 0.25 0.35 10 34
300 000 0.35 0.70 35 69
350 000 0.15 0.85 70 84
400 000 0.10 0.95 85 94
450 000 0.05 1.00 95 - 99

La asignacin de nmeros representativos se efecta en proporcin a la probabilidad
acumulada. As, por ejemplo, si el 10% se encuentra en el rango de hasta 200 000,
deben asignarse 10 nmeros representativos (0 al 9). Como hasta 250 000 hay un
35% de probabilidades, se asignan 35 nmeros representativos (0 al 34).
La etapa siguiente del modelo requiere tomar al azar nmeros aleatorios. Para ello,
se puede usar una tabla de nmeros aleatorios como la de la Figura 18.2. Cada
nmero seleccionado debe ubicarse en la columna Asignacin de nmeros
representativos. Una vez localizado, se da el valor correspondiente de demanda
global, el cual se ajusta por el porcentaje de participacin en el mercado obtenido de
igual forma. Por ejemplo, si se usa la tabla de nmeros aleatorios de arriba hacia
abajo, se encuentra que el primer nmero es 23, el cual se ubica en el rango 10-34
de la asignacin de nmeros representativos, del cuadro de demanda global, lo que
hace seleccionar el primer valor de 250 000. El segundo nmero aleatorio es 05, el
cual se ubica en el rango 0-25 de la asignacin de nmeros representativos de la
participacin del proyecto en el mercado, lo que hace seleccionar el valor de 0.08.
De acuerdo con esto, la demanda esperada para el proyecto en el primer ao
corresponde a:
Dp = 250 000 x 0.08 = 20 000
En el mismo procedimiento se repite un nmero suficiente de veces como para que
la probabilidad de elegir entre todos los resultados posibles, guarde estrecha
relacin con sus distribuciones de probabilidades. En el ejemplo, se toman 100
pruebas para cada variable, obtenindose los resultados que se indican.

ANLISIS DE SENSIBILIDAD
En los captulos precedentes se ha tratado el tema de la evaluacin de proyectos en
condiciones de certidumbre y riesgo. En ambos casos, la evaluacin se realiza sobre
la base de una serie de antecedentes escasa o nada controlable por parte de la
organizacin que pudiera implementar el proyecto. Es necesario, entonces, que al
formular un proyecto se entreguen los mximos antecedentes, para que quien deba
tomar la decisin de emprenderlo disponga de los elementos de juicio suficientes
para ello.
Con este objeto, y como una forma especial de incorporar el valor del factor riesgo a
los resultados pronosticados del proyecto, se puede desarrollar un anlisis de
sensibilidad que permita medir cun sensible es la evaluacin realizada a
variaciones en uno o ms parmetros decisorios.
En este captulo se presentan distintos modelos de sensibilizacin de aplicacin
directa a las mediciones del valor actual neto, tasa interna de retomo y utilidad.
Aunque todos los modelos aqu presentados son de carcter econmico, la
sensibilizacin puede aplicarse al anlisis de cualquier variable del proyecto, como la
localizacin, el tamao o la demanda.
2.1 CONSIDERACIONES PRELIMINARES
La importancia del anlisis de sensibilidad se manifiesta en el hecho de que los
valores de las variables que se han utilizado para llevar a cabo la evaluacin del
proyecto, pueden tener desviaciones con efectos de consideracin en la medicin de
sus resultados.
La evaluacin del proyecto ser sensible a las variaciones de uno o ms parmetros
si, al incluir estas variaciones en el criterio de evaluacin empleado, la predecisin
inicial cambia. El anlisis de sensibilidad, a travs de los diferentes modelos que se
definirn posteriormente, revela el efecto que sobre la rentabilidad tiene las
variaciones en los pronsticos de las variables relevantes.
Visualizar qu variables tienen mayor efecto en el resultado frente a distintos grados
de error en su estimacin, permite decidir acerca de la necesidad de realizar
estudios ms profundos de esas variables, con el objeto de mejorar las estimaciones
y reducir el grado de riesgo por error.
La repercusin que un error en una variable tiene sobre el resultado de la evaluacin
vara, dependiendo del momento de la vida econmica del proyecto en que ese error
se cometa. El valor tiempo del dinero explica que errores en los perodos finales del
flujo de caja para la evaluacin tengan menor influencia que los errores en los
perodos ms cercanos. Sin embargo, son ms frecuentes las equivocaciones en las
estimaciones futuras, por Lo incierta que resulta la proyeccin de cualquier variable
incontrolable, como, por ejemplo, los cambios en los niveles de los precios reales del
producto o de sus insumos.
Dependiendo del nmero de variables que se sensibilicen simultneamente, el
anlisis se puede clasificar como unidimensional o multidimensional. En el anlisis
unidimensional, la sensibilizacin se aplica a una sola variable, mientras que en el
multidimensional se examinan los efectos sobre los resultados que se producen por
la incorporacin de variables simultneas en dos o ms variables relevantes.
Aun cuando la sensibilizacin se aplica sobre las variables econmico-financieras
contenidas en el flujo de caja del proyecto, su mbito de accin puede comprender
cualquiera de las variables tcnicas o de mercado, que son en definitiva las que
configuran la proyeccin de los estados financieros. En otras palabras, la
sensibilizacin de factores como la localizacin, el tamao o la tecnologa se reduce
al anlisis de sus inferencias econmicas en el flujo de caja.

2.2 EL MODELO UNIDIMENSIONAL DE LA SENSIBILIZACIN DEL VAN
El anlisis unidimensional de la sensibilizacin del VAN puede realizarse de dos
formas. Una, determinando hasta dnde pueden modificarse las variables para que
el proyecto siga siendo rentable, y la otra haciendo cambios en los valores de Las
variables, para ver cmo se modifica el VAN del proyecto.
Puesto que esta segunda forma se traduce en elaborar nuevos flujos de caja que
deben evaluarse de acuerdo con los criterios tradicionales presentados en el captulo
17, en este apartado se abocar un modelo matemtico simple para medir la
mxima variacin posible en cada variable para que el proyecto siga siendo rentable.
En otras palabras, para que el VAN sea, por definicin, cero.
El principio que es el fundamento de este modelo define a cada elemento del flujo de
caja como el de ms probable ocurrencia. Luego, la sensibilizacin de una variable
siempre se har sobre la evaluacin preliminar.
Como se plante en el captulo 17, el VAN es la diferencia entre los flujos de
ingresos y egresos actualizados del proyecto. Por lo tanto, para que el VAN sea igual
a cero, debe cumplirse que la inversin inicial sea igual al flujo de ingresos
actualizados menos el flujo de egresos actualizados. En trminos simples, esto
corresponde a la siguiente expresin:

Esta frmula deber desagregarse en funcin de las variables que se va a
sensibilizar. Supngase, por ejemplo, que se desea determinar las mximas
variaciones posibles en los precios de la materia prima y del producto terminado. El
primer problema se presenta en la interrelacin de los elementos contables con los
movimientos reales de caja. Como interesa evaluar el proyecto en funcin de los
flujos de caja, el modelo se transformar, en este caso, en la siguiente ecuacin:

El monto del impuesto pagadero en cada perodo resulta del tratamiento contable de
los ingresos devengados, sean o no percibidos, y de los costos de venta y otros
tambin devengados. En consecuencia, su proyeccin responder a la siguiente
ecuacin:

Explicando las variables que se debe sensibilizar, el modelo puede resumirse en la
siguiente expresin:

Donde:
p
p
= Precio del producto del proyecto
q
p
t
= Cantidad del producto que fue cancelada efectivamente en cada perodo t pn.p
= precio de la materia prima
qm*,t = Cantidad de materia prima cuyo pago se efectu en el perodo t
qpt = Cantidad del producto del proyecto vendido en el perodo t
qm, = Cantidad de materia prima ocupada en la produccin vendida en el perodo t
Ntese que el precio de la materia prima puede diferir entre el considerado en el flujo
efectivo de caja y aqul incluido en el estado contable, entre otras causas por el
sistema de contabilizacin de los inventarios empleados (LIFO, FIFO, etctera). Sin
embargo, en el nivel de estudio de pre factibilidad es posible considerar un precio
comn tanto efectivo como contable.
Una vez definido el modelo, su aplicacin es simple. Basta definir la incgnita o
variable que se debe sensibilizar y despejarla de la ecuacin, puesto que todos los
dems elementos son conocidos.
La sensibilizacin del precio del producto se efecta considerando que esta
incgnita, P", es una constante a travs del tiempo en trminos reales. De esta
forma, se extrae este factor de las sumatorias respectivas y se actualizan todas las
variables determinando el valor mnimo que puede tener el precio para que se
cumpla la igualdad. De esta forma, se tiene:

Despajando la variable que se debe sensibilizar, se llega a la siguiente ecuacin:

El mismo procedimiento se sigue para sensibilizar el precio de la materia prima o
cualquier otra variable. El resultado siempre indicar el punto o valor lmite que
puede tener el factor sensibilizado para que el VAN sea cero. La nica limitacin del
modelo es que el ndice l deja de ser relevante en la variable analizada, puesto que
adoptar siempre un valor constante.
2.3 EL MODELO MULTIDIMENSIONAL DE LA SENSIBILIZACIN DEL VAN
La operatividad de los modelos de sensibilizacin radica en la mayor o menor
complejidad de sus procedimientos. El anlisis multidimensional, a diferencia del
unidimensional, adems de incorporar el efecto combinado de dos o ms variables,
busca determinar cmo vara el VAN frente a cambios en los valores de esas
variables, como una forma de definir el efecto en los resultados de la evaluacin de
errores en las estimaciones.
El error en la estimacin se puede medir por la diferencia entre el valor estimado en
la evaluacin y otros que pudiera adoptar eventualmente la variable.
El modelo que se presenta a continuacin considera flujos de cjya constantes, como
una forma de simplificar la exposicin. Obviamente, con flujos diferenciados la
esencia del modelo no vara. Adems, se trabajar con valores actuales y no con
valores actuales netos, vale decir, excluyendo la inversin inicial, porque sta pasa a
ser irrelevante en la comparacin al ser similar para ambas estimaciones, salvo que
sea la variable por sensibilizar.
Cuando el flujo es constante, la frmula de actualizacin puede expresarse como la
suma de una serie a travs de la siguiente expresin:

Para determinar el efecto potencial de los errores en los datos de entrada del modelo
del valor actual, se supondr que la tasa de descuento permanecer constante. En
consecuencia, slo se trabajar con errores en la estimacin de la vida til, del flujo
de caja o de ambos.
Si a los valores estimados F y n se les asignan, respectivamente, los valores R y m
para su sensibilizacin, donde R y m representan los distintos valores con que se
sensibilizar el valor actual del proyecto, el error en la estimacin se calcular
mediante la siguiente expresin:

Expresando esta diferencia como porcentaje de la estimacin original, se tiene:

La aplicacin de esta frmula a diversos valores de R y de m permite la elaboracin
de un cuadro de resultados diferentes.
El anlisis multidimensional as planteado puede adaptarse al unidimensional
haciendo cero todas las variaciones, con excepcin de las correspondientes a la
variable por sensibilizar. Por ejemplo, para determinar el momento en que el
proyecto que est siendo estudiado deja de ser rentable, slo se sensibiliza la
variable n, de manera tal de establecer el porcentaje mximo de variacin del valor
actual para que la inversin siga siendo justificada.
El proyecto ser rentable si la diferencia entre el valor actual de las estimaciones es
mayor o igual a la inversin inicial. En consecuencia, el valor actual slo podr
descender hasta el monto de la inversin. Si esta diferencia se expresa como
porcentaje de las estimaciones originales, el lmite mximo estara dado por la
siguiente expresin:

donde MVA representa el monto mnimo que puede tener el valor actual para que el
VAN del proyecto sea cero.
Por ejemplo, si se supone un valor actual estimado en 1 500 y una inversin inicial
de 750, se tiene:


Es decir, el valor actual slo puede disminuir hasta un 50X Por lo tanto, para
sensibilizar la variable n y determinar cundo deja el proyecto de ser rentable, se
aplica la ecuacin 19.9 de la siguiente forma, suponiendo una tasa de descuento del
15%.

Puesto que VA/VA es igual a 0.50, F/F se anula y n es conocido, el problema se
reduce en determinar m.
Ntese que si se aplica el anlisis multidimensional, con R, por ejemplo, habra dos
incgnitas. Luego, el procedimiento ms correcto sera la elaboracin de una tabla
de errores combinados que indicar cmo vara el valor actual cuando el flujo de
caja y la vida til del proyecto se calculan en forma errnea.
Los errores combinados, cuando son en direccin opuesta, tendern a compensarse
en el valor actual, dependiendo de los cambios relativos de las variables en el valor
asignado y el estimado.
Si, como anteriormente se supuso, se asigna una tasa de descuento del 15% al
proyecto, se tiene:

Al combinar distintos valores de R y m frente a valores de F y n dados, puede
elaborarse una tabla de resultados que muestre la variacin porcentual del valor
actual para las distintas combinaciones de las variables sensibilizadas. El error en
los fliyos se presenta normalmente expresado en trminos de una proporcin entre
el valor asignado y el estimado.
El Cuadro 19.1 consiste en una tabla en que aparecen los resultados para varias
combinaciones de errores entre los flujos y la vida til del proyecto. Se ha supuesto
un n de 8 perodos y una tasa de descuento del 15%.

Los resultados de esta tabla son los que se deben comparar con aquel obtenido en
la aplicacin de la frmula 19.10. Volviendo al ejemplo en que la variacin mxima
del valor actual era del 50% para que el proyecto continuara siendo rentable, se
aprecia en este cuadro que, aun subestimando en tres perodos la vida til y en 20%
el fliyo de caja esperado, no se llega a ese extremo.
Del anlisis de la tabla anterior se deduce que el efecto de errores en la vida til del
proyecto no es simtrico ni proporcional. Las sobrestimaciones en la vida til tienen
un mayor efecto sobre el valor actual que las subestimaciones en la misma
diferencia. En trminos de incremento, el efecto es menos que proporcional ante
aumentos en las subestimaciones y ms que proporcional en las sobrestimaciones.
Cuando el signo es opuesto en los errores de las estimaciones, el efecto sobre el
valor actual depender de los errores relativos de cada variable y de la tasa de
descuento utilizada.

2.4 EL MODELO DE SENSIBILIDAD DE LA TIR
En los captulos anteriores se defini la TIR como aquella tasa de descuento que
hace igual a cero el VAN del flujo de caja del proyecto.
Si se supone que los flujos de caja son constantes y se considera el VAN igual a
cero, se puede plantear la siguiente ecuacin:

donde r es la tasa interna de rendimiento esperada.
Para medir los efectos de los errores en las estimaciones se recurre al mismo
procedimiento indicado para el anlisis multidimensional del VAN. Es decir;
planteando la siguiente ecuacin con valores asignados:

donde:
J
0
= Inversin inicial asignada
I = Tasa interna de retomo de los valores asignados
El efecto de los errores en los datos de entrada sobre las tasas de rendimiento
puede analizarse dividiendo las ecuaciones anteriores por su inversin inicial:

El modelo de sensibilizacin de la TIR define los errores en trminos porcentuales de
la siguiente forma:

donde EF representa el error porcentual en el coeficiente del flujo de caja;

siendo EN el error porcentual en la duracin del proyecto, y

donde ER es el error porcentual en la tasa interna de retomo.
Al incorporar los errores en la ecuacin 19.13 se tiene:

La sensibilizacin de la TIR se efecta calculando los errores EF y EN para distintos
valores de las variables, procediendo a determinar el valor de ER que haga a la
ecuacin igual a cero.
Si se analiza el efecto de una sola variable dejando las dems constantes, se puede
apreciar que los errores en la estimacin del flujo de c:\ja se encuentran linealmente
relacionados con errores en las tasas de rendimiento. En cambio, no sucede as
entre los errores en la vida til y las tasas de rentabilidad.
Si se supone un proyecto con una vida til estimada en 10 aos, con flujos anuales
constantes de $ 1 000 y una inversin inicial de $ 5 000, mediante la frmula 19.13
se tiene que:

De aqu se obtiene que el rendimiento esperado corresponde a una tasa del 15.09%.
Si se asigna un flujo de caja igual al estimado, resulta una relacin F/I0 = 0.20 y si a
la vida til estimada en 10 aos se asigna un duracin de 7 aos, se obtiene una
sobrestimacin de un 30% (EN = 0.30). Al aplicar estos datos al modelo de
sensibilizacin, se tiene que:

El resultado de la aplicacin del modelo indica una disminucin en la tasa de
rendimiento del 39% (EE = 0.39). Pero, si la situacin fuera opuesta y se produjese
una subestimacin de la vida til en 3 aos (in = 13 y EN = 0.30), resultara un
aumento en la tasa de rendimiento de un 16% (ER = 0.16).
El modelo aqu propuesto tambin se puede aplicar para investigar el efecto de
errores combinados; es decir, cuando se producen cambios en ms de una variable
simultneamente.
En el mismo ejemplo anterior, pero considerando que el flujo anual de caja es
subestimado en 10% (EF =- 0,10) y la vida til es subestimada en 30% (EN = 0.30),
se tiene que:

En este caso, ER tiene el valor de 032, lo que indica que se ha subestimado en un
32% la tasa interna de retomo del proyecto.
El anlisis combinado de los errores en las variables permite la elaboracin de una
tabla comparativa de sus efectos en la TIR, como la que se indica en el Cuadro 19.2.
Del anlisis anterior es posible concluir que la tasa de rendimiento es generalmente
ms sensible a los errores en el flujo de caja, excepto cuando el proyecto es de corta
duracin (10 perodos o menos).
Si bien los flujos de caja positivos y negativos de igual valor absoluto inducen a
errores positivos y negativos proporcionales en la tasa de rendimiento, no sucede

lo mismo con errores en la duracin, pues la tasa de rendimiento es ms sensible a
los errores negativos de duracin que a los positivos.
Manteniendo constante la magnitud de los errores de entrada al modelo, a medida
que aumenta la tasa esperada de rendimiento, la magnitud de los errores
porcentuales inducidos en la tasa de rendimiento decrece. De esta manera, los
proyectos que ofrecen tasas de rendimiento esperadas relativamente grandes son
menos sensibles a los errores del flujo de caja y de la duracin que los proyectos
con tasas esperadas relativamente pequeas. Esto supone que la incertidumbre que
rodea a los parmetros de presupuesto de capital en el caso de proyectos
marginales puede ser mayor que en el caso de los proyectos que posean tasas de
rentabilidad esperada mayor.

2.5 EL MODELO DE SENSIBILIDAD DA LA UTILIDAD
Este modelo consiste bsicamente en analizar las variaciones en la utilidad ante
cambios asignados en los precios y volmenes de venta previamente estimados.
Para ello se recurre al anlisis del punto de equilibrio, que se expresa en la siguiente
ecuacin:

Este modelo permite determinar el comportamiento de la utilidad ante aumentos o
disminuciones del precio de venta, con o sin variaciones en la cantidad vendida, o
ante precios constantes y variaciones en la cantidad vendida. Tambin permite
determinar el monto en que se debera aumentar el precio de venta para mantener
constante la utilidad ante una disminucin en el volumen de ventas o, viceversa, en
cunto se deberan incrementar las ventas ante bajas en el precio para mantener
constante la utilidad.
Resulta claro que esta sensibilizacin permite analizar el comportamiento esperado
de la utilidad ante variaciones en cualquiera de una o ms variables de la ecuacin
de utilidad bsica. As, por ejemplo, ser factible determinar qu combinaciones de
precio y volumen de ventas permiten alcanzar una determinada utilidad (incluyendo
el punto de equilibrio al considerar la utilidad igual a cero).
Supngase, por ejemplo, que se proyectan ventas para el prximo perodo de 1.050
kilos de un producto cualquiera, a un precio unitario de $ 75; que los costos variables
por kilo son de $ 34, y que los costos fyos totales son de $ 39 100.
El anlisis de sensibilidad permite responder, entre otras muchas interrogantes, las
siguientes:
a) Cmo afectara a la utilidad una disminucin o aumento de 50, 100 y 150
kilos en las ventas, si el precio se mantiene constante?
El siguiente cuadro presenta el efecto de asignar cambios en la cantidad al modelo
de sensibilizacin de la ecuacin 19.20, donde R es la incgnita para valores de p,
cv y CF estimados, conocidos y constantes y para valores de q optativos.
:

b) Cunto debera variar el precio para mantener constante la utilidad ante una
disminucin y aumento de 50,100 y 150 kilogramos en el volumen de ventas?
Modificando la frmula 19.19 para despejar la variable p, se obtiene la siguiente
ecuacin:

Al asignar los cambios en las variables en esta frmula, se obtiene la variacin
necesaria en los precios para mantener constante la utilidad. El Cuadro 19.4 resume
los resultados determinados:

En este caso, a partir de la utilidad deseada se ha determinado, a base de
modificaciones en los volmenes de venta, los diferentes precios que permiten
cumplir con la restriccin.
Ante aumentos y disminuciones de ventas de igual magnitud, no existe la misma
proporcionalidad en los precios para mantener la utilidad constante. Por ejemplo, un
aumento de 150 kg frente a lo estimado originalmente (1.050 kg) implica una
disminucin de precios de $ 5.1 (de $ 75 a $ 69.9). En cambio, una disminucin de
150 kg implica un aumento de precio de $ 6.9 (de $ 75 a $ 81.9).
c) Cunto debera variar el volumen de ventas ante una disminucin y aumento
en el precio de $ 5, $ 10 y $ 15, para mantener constante la utilidad?
Modificando la frmula 19.20 para despejar la variable q, se obtiene la siguiente
ecuacin:

Al aplicar esta frmula, se obtiene los resultados que se muestran en el Cuadro 19.5.

Igual que en el caso anterior, se ha determinado el nivel de ventas necesario para
mantener la utilidad en $ 3 950 ante cambios en el precio de venta.
d) Cmo se afectara la utilidad ante un aumento y una disminucin del F% en
los costos variables?
Tomando como base la frmula 19.19, se puede elaborar el Cuadro 19.6, que
muestra los cambios esperados en la utilidad.

Una reduccin en un 5% del cos variable hace, en este caso, que la utilidad se
incremente en un 46.1%. Si el costo variable se incrementara en 5%, la utilidad
bajara en un 45.1%.
Este tipo de anlisis de sensibilidad debe emplearse como indicador para posteriores
anlisis de las variables crticas y antes de plantearlo en trminos de VAN y TIR con
el propsito de utilizar mejor el tiempo. De todas maneras, los supuestos de flujo
cambian en cada uno de estos casos.

2.6 USOS Y ABUSOS DE LA SENSIBILIDAD
Aunque pueden parecer obvios los usos del anlisis de sensibilidad despus de
revisar las principales tcnicas de su aplicacin, es necesario insistir sobre
determinados aspectos que no han sido explicados an. Bsicamente, la
sensibilizacin se realiza para evidenciar la marginalidad de un proyecto, para
indicar su grado de riesgo o para incorporar valores no cuantificados.
Determinar la marginalidad de un proyect es relevante, puesto que el monto del
VAN calculado no representa una medida suficiente para calcular la proporcionalidad
de los beneficios y costos del proyecto. El anlisis de sensibilidad muestra cun
cerca del margen se encuentra el resultado del proyecto, al permitir conocer si un
cambio porcentual muy pequeo en la cantidad o precio de un insumo o del producto
hace negativo el VAN calculado. Si as fuese, el proyecto sera claramente marginal.
Tericamente, no es importante conocer la marginalidad de un proyecto si no existe
incertidumbre. Sin embargo, al ser el flujo de caja sobre los que se basa la
evaluacin el resultado de innumerables estimaciones acerca del futuro, siempre
ser necesaria su sensibilizacin.
De aqu se desprende cmo se puede emplear este anlisis para ilustrar lo riesgoso
que puede ser un proyecto. Si se determina que el valor asignado a una variable es
muy incierto, se precisa la sensibilizacin del proyecto a los valores probables de
esa variable. Si el resultado es muy sensible a esos cambios, el proyecto es
riesgoso.
El anlisis de sensibilidad, en estos trminos, es til para optar por profundizar el
estudio de una variable en particular o, a la inversa, para no profundizar ms su
estudio si, por ejemplo, se determina que el resultado del proyecto es insensible a
determinada variable. En este caso, no se justifica ser perfeccionista para calcular
exactamente un valor que se sabe es irrelevante. En general, mientras mayor sea un
valor y ms cercano est el perodo cero en el tiempo, ms sensible es el resultado a
toda variacin porcentual en la estimacin.
Aun incorporando variables cualitativas en la evaluacin, es preciso que stas sean
de alguna forma expresadas cuantitativamente. Esto mismo hace que el valor
asignado tenga un carcter incierto, por lo que se requiere su sensibilizacin.
Si bien el anlisis de sensibilidad facilita el estudio de los resultados de un proyecto,
su abuso puede conllevar serias deficiencias de la evaluacin. Hay un abuso del
anlisis de sensibilidad cuando el evaluador lo usa como excusa para no intentar
cuantificar cosas que se podran haber calculado. Lo mismo sucede cuando el
informe presenta solamente un conjunto complicado de interrelaciones entre valores
cambiantes, omitiendo proporcionar una orientacin. Es preciso que el evaluador
asuma un papel de consejero frente al inversionista, sirvindole del anlisis de
sensibilidad como de un complemento para su objetivo de recomendacin de la
aceptacin o rechazo del proyecto.