SegunJorge Amalric.

Criterios subjetivos
Estos criterios estn basados en caractersticas intangibles por lo que no han
alcanzado grado de desarrollo. Si bien resulta dificultoso cuantificar los factores
intangibles, estos no deben ser dejados de lado durante el proceso de
seleccin, no olvidando que en algunas oportunidades estos puedan
predominar por sobre los anlisis objetivos en la toma de decisiones.
Son aquellas variables que pertenecen directamente al proyecto de inversin o
a la empresa y que tienen control directo por ella misma o por sus
administradores. Pueden ser manipuladas o estimadas de acuerdo al
comportamiento de las variables externas y son impactadas por stas ltimas.
Estas son:
Ingresos (de la actividad principal), Otros ingresos, Gastos, Costos, Nivel
de financiacin. (en unidades monetarias), Nivel de inversin. (en
unidades monetarias), Tasa de descuento apropiada por parte del
inversionista.
Rotacin de cuentas por cobrar, Rotacin de inventarios, Rotacin de
cuentas por pagar, Tasa de ganancia para determinar el precio del
producto, servicio o comercializacin. 9 Distribucin de utilidades,
Niveles mnimo de caja para operar.

SegunJorge Amalric.
Simulacin de Montecarlo
La simulacin de Monte Carlo es una tcnica cuantitativa que hace uso de la
estadstica y los ordenadores para imitar, mediante modelos matemticos, el
comportamiento aleatorio de sistemas reales no dinmicos (por lo general,
cuando se trata de sistemas cuyo estado va cambiando con el paso del tiempo,
se recurre bien a la simulacin de eventos discretos o bien a la simulacin de
sistemas continuos

Permite llevar a cabo la valoracin de los proyectos de inversin considerando

que una, o varias, de las variables que se utilizan para la determinacin de los
flujos netos de caja no son variables ciertas, sino que pueden tomar varios
valores. Por tanto, se trata de una tcnica que permite introducir el riesgo en la
valoracin de los proyectos de inversin. La tcnica de la simulacin de Monte
Carlo se basa en simular la realidad a travs del estudio de una muestra, que
se ha generado de forma totalmente aleatoria, resulta, por tanto, de gran
utilidad en los casos en los que no es posible obtener informacin sobre la
realidad a analizar, o cuando la experimentacin no es posible, o es muy
costosa.

Procedimiento para la aplicacin del modelo.

Generar series con nmeros aleatorios con base en una distribucin

normal estandarizada (matriz X).

A partir de la matriz de varianza-covarianza aplicar la descomposicin de

Cholesky para obtener una nueva matriz (matriz A T).

Determinar la matriz Y= A T *X donde Y ~ N (0, ).
Generar 4,000 simulaciones de los factores de riesgo (al valor actual del

factor de riesgo se agrega el valor de las variaciones simuladas).

Revaluar el portafolio con cada uno de los valores estimados de los

factores de riesgo.
Calcular prdidas y ganancias del portafolio. (se obtienen de la
diferencia entre el valor del portafolio simulado en cada uno de los
escenarios y el valor del portafolio vigente en la fecha de evaluacin.

Ordenar los resultados del portafolio de mayores prdidas a mayores

ganancias y calcular el VaR con base en el nivel de confianza elegido.

Simulacin de Monte Carlo.

Ejemplo

1) Comienza con los datos de nuestra muestra. Ahora haremos

operaciones en bolsa, se puede por ejemplo hacer una lista con los
resultados de las operaciones del backtest.En este caso tengo un
sistema de trading que en simulado ha generado estos resultados:

2) Asigna los resultados a rangos. Crea grupos de resultados y atribuye

cada
En se

resultado
realiza

con:

a
Funciones

su

grupo

Categora

Matriz

correspondiente.

Frecuencia.

Siguiendo con el ejemplo anterior, slo hay una operacin con una
prdida mayor a 600, 3 operaciones con resultados entre -300 y -200 y
as consecutivamente hasta distribuir toda la muestra.

3) Calcula la frecuencia relativa o probabilidad con que se da cada rango

(Frecuencia/N
Tambin

Total
calcula

las

de

operaciones).

frecuencias

acumuladas.

A partir de estas frecuencias acumuladas puedes obtener los intervalos

de nmeros aleatorios asociados a cada operacin.
4) Ahora se cambia el orden de las operaciones al azar buscamos

generar secuencias aleatorias de operaciones. Por ello con la

funcin BUSCAR

donde

seleccionamos

como

criterio

bsqueda ALEATORIO () y la matriz de correspondencia entre los

de

Grupos y los intervalos (entre 0 y 0.9999).Simulacin de Montecarlo en una

hoja de clculo
Cada nmero aleatorio estar vinculado a un rango cuya probabilidad sea
menor o igual al nmero aleatorio obtenido. As si por ejemplo el nmero
generado es el 0,35 esto corresponder con el rango de 100.
5) A partir de las secuencias de operaciones, puedes dibujar las distintas
curvas de beneficios (o las curvas de capital si aades).Curvas de
beneficio de las simulaciones de ejemplo

Como puedes ver en este ejemplo al poner aleatorio el orden de las

operaciones las curvas de capital arrojan resultados diferentes.
6) Tomando como base estas curvas puedes calcular la esperanza del
sistema de trading , la dispersin de los resultados, el nivel drawdown
mximo que puede esperar, y cualquier otro ratio que necesites.

Segn Paul Lira

Mediciones Estadsticas.
Estadsticamente, el riesgo es definido, como el grado de dispersin de
los resultados observados frente al promedio. A mayor dispersin, mayor
riesgo. Esa dispersin, tambin se conoce como volatilidad y, es
medida, a travs de la desviacin estndar; la cual, es la raz
cuadrada de la varianza. Mientras ms alta sea la desviacin estndar,
mayor ser la volatilidad y, por ende, el riesgo.
Imaginemos que el proyecto que estamos evaluando, es la instalacin de
una panadera, la cual ser operada por 5 aos. Uno de los supuestos
bsicos que se ha utilizado para construir el FC del proyecto es,
obviamente, el precio del pan. Nuestras estimaciones han arrojado que,
el pan podr ser vendido a S/.0.15 por unidad. Si utilizamos ese precio
para los cinco aos que dura la operacin del proyecto, estaremos
suponiendo que la probabilidad de ocurrencia de nuestra estimacin es
del 100%. Le pregunto es realista suponer, que a lo largo de ese
perodo de tiempo, el precio del pan no variar? Obviamente, no. El
precio del pan puede ser mayor o menor de S/.0.15. Es decir, existe la
probabilidad que el precio se comporte de manera diferente a lo
originalmente estimado.

Ejemplo
Supongamos, que estamos pensando invertir en bolsa. Para tal fin,
estamos viendo el comportamiento de dos acciones (A y B) durante los
ltimos
5
das
(Estamos
simplificando
la
situacin para fines didcticos). Las rentabilidades observadas en ese
perodo, se presentan en la tabla siguiente (en %):

El promedio de la rentabilidad es el mismo para las dos acciones. Tanto

la accin A como la B, tienen una rentabilidad promedio de 5.3%. A
juzgar por el comportamiento anterior, ambas pueden dar la misma
rentabilidad. Ahora toca saber cul es la ms voltil. Es decir, cul

es la que presenta un mayor grado de dispersin de la rentabilidad

observada con respecto a su promedio.
Esta es la frmula que nos permite obtener la desviacin estndar,
representada por la letra griega sigma

. Para

hallar

la

desviacin

estndar

de

la

rentabilidad de la accin A, hay que obtener primero el promedio. En

este

caso,

ya

lo

hicimos

(5.3%).

Luego,

toca

operar

la

frmula

planteada. Un segundo aparte, el denominador es n -1, donde n es el

tamao de la muestra (en nuestro ejemplo las rentabilidades de 5 das).
El por qu se le resta una unidad a la muestra tiene que ver con el
concepto estadstico de grados de libertad. Debido a que el rendimiento
promedio se obtiene de los mismos datos de la muestra, se pierde un
grado de libertad al utilizarse uno de los datos puntuales; lo que
implica, que para el clculo de la varianza, se tiene en realidad, slo
n-1 datos adicionales en los cuales basarse.
Para la accin A, la desviacin estndar es de 0.54% (a diferencia de
la varianza, la desviacin estndar siempre est expresada en las
unidades de la variable (soles, kilogramos, metros, porcentajes, etc.)
y se obtiene de esta expresin:

La accin B, por su parte, tiene una desviacin estndar de 3.60%, esta accin,
tiene una volatilidad mayor que A o tambin podemos decir que, la rentabilidad
de la accin B, presenta una variacin mayor frente a su promedio, que las
de la accin A.

Evaluacin de Proyectos de inversin Paul Lira Briceo - 2013 Lima, Per

http://estrategiastrading.com/metodo-de-montecarlo

Conclusin.

Considero que La simulacin Monte Carlo ofrece a la persona responsable de

tomar las decisiones una serie de posibles resultados, as como la probabilidad
de que se produzcan segn las medidas tomadas. Muestra las posibilidades
extremas, los resultados de tomar la medida ms arriesgada y la ms
conservadora, as como todas las posibles consecuencias de las decisiones
intermedias.
De los Mtodo estudiados considero que el mtodo basado en mediciones
estadsticas es el mtodo que logra en mejor forma, aunque no definitivamente
el riesgo asociado a cada proyecto. La falta de certeza de las estimaciones del
comportamiento futuro se pueden normalmente asociar a una distribucin de
probabilidades, especficamente cuando hay comparaciones de alternativas
proyectos y el mtodo ms comn es la desviacin estndar.

Bibliografa

Francisco Huerta Benites. Administracin de Riesgo en los negocios.

Recuperado

de:

http://www.iee.edu.pe/doc/Presentaciones/IEE-

GestionDeRiesgos.pdf
Diego Pocohuanca Paredes, recuperado de:
http://www.monografias.com/trabajos82/evaluacion-financieracondiciones-riesgo/evaluacion-financiera-condiciones-riesgo2.shtml
Martn Lpez, Sonia Recuperado de:
http://www.expansion.com/diccionario-economico/simulacion-demonte-carlo.html
Gomez,
Recuperado
de:
http://www.monografias.com/trabajos83/analisis-riesgo/analisisriesgo.shtml#conclusina#ixzz4QJSUPXPd