Unidad 4 Analisis de Riesgo e Incertidumbre

Análisis de riesgo e incertidumbre
Posgrados
Maestría en
Gestión de Proyectos
Autor: Mgs. Jaime Benito Gumbaña Quinde
Tema: Análisis de riesgo e incertidumbre
Unidad: 4
Módulo: Evaluación De Proyectos Privados
1
Índice
Análisis de riesgo e incertidumbre....................................................... 4

Introducción.................................................................................. 4
Análisis de sensibilidad.................................................................. 4
Análisis de escenarios.................................................................... 7
Simulación mediante Monte Carlo.................................................. 9
2
Índice de tablas
Tabla 4. 1 Análisis de escenarios.......................................................
Índice de figuras
Figura 4.1 Ejemplo de Simulación utilizando @RISK........................... 13
3
Introducción
Esta unidad trata sobre el análisis de riesgo e incertidumbre

en los proyectos, las cifras calculadas en todas las unidades
anteriores tienen cierto grado de inexactitud.
Los contenidos de la unidad son:
Análisis de sensibilidad
Análisis de escenarios
Simulación mediante Monte Carlo
Análisis de sensibilidad
El punto de partida para entrar en el análisis de riesgo en un

proyecto implica determinar la incertidumbre inherente de
los flujos de efectivo del proyecto. Estos análisis se pueden
ver de varias maneras, que van desde los juicios informales
hasta complejos análisis estadísticos que demandan grandes
modelos.
Ejemplo: las ventas proyectadas para los flujos se establecieron

en 20000 unidades cada año, pero, es seguro que cuando se
llegue al tiempo verdaderamente, estos valores serán mas
bajos o mas altos que 20000, el diferencial entre el valor
observado y estimado se considera como riesgo. En realidad,
las estimaciones de las variables ventas y precio son valores
4
esperados que toman una determinada distribución de

probabilidad.
ANÁLISIS DE SENSIBILIDAD
El análisis de sensibilidad es una técnica que muestra

aproximadamente cuanto cambiará el valor presente neto en
respuesta a un cambio en una determinada variable de entrada,
si todo lo demás se mantiene sin variación (constante).
Los flujos de efectivo, con las que se determinaron la

aceptabilidad del proyecto, están con pronósticos inciertos, ya
que pueden estar correlacionadas con condiciones económicas
futuras. La metodología sería la siguiente:
1. Identificar el caso base

2. A cada variable se cambia por puntos porcentuales por
arriba y por abajo del valor esperado (estos cambios se
puede realizar de acuerdo a algún estudio que determine
que las variables pueden modificarse).
3. Encontrar el valor presente neto considerando el cambio
del punto 2.
4. Encontrar la pendiente que indica: cuanto más inclinada
es la pendiente, más sensible será el VPN ante un cambio
en la variable.
El análisis de sensibilidad determinará las variables que se

deben tomar menor o mayor atención al momento de la toma de
decisiones. Al comparar dos proyectos; el que tenga lineas de
sensibilidad más pronunciadas se considerará más riesgoso.
En general, el riesgo de un proyecto depende tanto de:
5
1. La senibilidad de su VPN a los cambios en las variables

claves
2. Del intervalo de valores probables de estas variables según
lo reflejan sus distribuciones de probabilidad.
EJEMPLO DEL CASO
La situación base (crecimiento de las ventas 10% cada año)
¿Qué sucedería si las ventas no crecen en el periodo estudiado?

(crecimiento de las ventas 0% cada año)
En este caso, tanto el valor actual neto como la tasa interna de

retorno disminuyeron, pero siguen siendo aceptables, por tanto,
el crecimiento de las ventas no afectan de manera significativa
en la decisión.
Este mismo proceso se puede aplicar para las siguientes

variables y ver cuál de ellas tienen mayor impacto sobre los
beneficios del proyecto.
6
El análisis de sensibilidad es una técnica incompleta, puesto

que solo abarca el 50% del estudio del riesgo de un proyecto,
por ello es necesario avanzar hacia el análisis de escenarios.
Lectura
Para profundizar estos temas, se recomienda realizar las siguientes

lecturas:
Capítulo 8: Evaluación financiera: páginas 283-290 del texto de

Miranda M, J. (2017).
Capítulo 18: Análisis de sensibilidad: páginas 315-326 del texto de

Sapag, N., Sapag, R. & Sapag, J. (2014).
El análisis de escenarios es una técnica de análisis de riesgo

que examina tanto la sensibilidad del VPN ante los cambios
de las variables clave como el intervalo probable de valores
variables. También se puede definir como el análisis de riesgos
que compara conjuntos “buenos” y “malos” de circunstancias
financieras con la situación más probable o caso base.
La metodología se puede resumir de la siguiente forma:
1. Identificar los escenarios, esto se puede hacer con la

ayuda de los gerentes que identifiquen situaciones malas
y buenas.
2. Definir los escenarios que pueden ser los siguientes:
7
y Escenario bueno
y Escenario promedio (normal)
y Escenario malo
3. Definir los valores de cada variable para cada escenario.

4. Definir la probabilidad de ocurrencia de cada escenario (es
discutible su precisión).
5. Obtener el VPN para cada escenario.
6. Encontrar medidas estadísticas (Media, desviación
estándar y coeficiente de variación). La media determina
el VPN esperado, la desviación estándar y el coeficiente
de variación mide el riesgo del proyecto, mientras su valor
aumente incrementa también el riesgo.
Tabla 4. 1
Elaboración: Propia
En este caso, se puede evidenciar que las ventas pueden

enfrentarse a diferentes escenarios (bueno, promedio y malo),
los resultados del valor presente neto esperado es positivo y
conlleva a seguir aceptando el proyecto a pesar de tener altas
probabilidades de un escenario malo.
La desviación estándar permite intuir que el error de estimación

difícilmente será negativo, corroboramos esto también con el
8
coeficiente de variación que es bajo. La conclusión es, entonces,

que si las ventas se enfrentan a cualquiera de los escenarios
sigue siendo rentable el proyecto.
A pesar de brindar un buen aporte para decidir sobre los

proyectos tiene también limitaciones, y, estos van encaminados
a considerar solo valores de resultados discretos del proyecto y
la realidad es que existen muchas mas probabilidades, por ello
es mejor avanzar hacia la simulación de Monte Carlo.
Lectura
Para profundizar estos temas, se recomienda realizar las siguientes

lecturas:

Capítulo 18: Análisis de sensibilidad: páginas 315-326 del texto de

Sapag, N., Sapag, R. & Sapag, J. (2014).
Simulación mediante Monte Carlo
La simulación suele ser más complicada debido a que la

distribución de probabilidad de cada variable de flujo de
efectivo incierta, se elige de manera aleatoria para calcular los
flujos de efectivo del proyecto, y después estos valores se usan
para determinar el VPN del proyecto. En definitiva, esta técnica
analiza el riesgo en la cual los eventos futuros probables se
simulan en una computadora (n interacciones) que genera una
9
distribución de probabilidad para indicar los resultados más

probables.
El método de Monte Carlo es un método de simulación que

permite calcular estadísticamente el valor final de una secuencia
de sucesos no deterministas (sujetos a variabilidad), como
es el caso del precio o el coste de un proyecto. La simulación
Monte Carlo permite ver todos los resultados posibles de las
decisiones que tomamos y evaluar el impacto del riesgo, lo
cual nos permite tomar mejores decisiones en condiciones de
incertidumbre.
Como la simulación se realiza mediante computadora se

recomienda utilizar: Oracle Crystal Ball o @RISK. Para este
módulo se utilizará el segundo software.
La metodología propuesta sería la siguiente:
1. Definir adecuadamente el modelo: el problema y el objetivo.

2. Identificar variables críticas (inputs)
y Son variables que están sujeto a cambios.

y Hay poco o ningún control.
y No debe haber fórmula en la celda, ya que el software
cambiará esta variable.
y Modelar solo las variables críticas (inversión inicial,
unidades vendidas, precio unitario, costos unitarios,
tasa de crecimiento en venta)
3. Identificar variables de resultado (outputs)
Cuando corremos una simulación de Monte Carlo lo

hacemos porque queremos entender el impacto del riesgo
10
sobre VAN; TIR; PR, COSTO/BENEFICIO. El output debe

tener una fórmula.
4. Definir las distribuciones
Para aquellas variables que introducen riesgo al

modelo se identifican los valores que pueden adoptar
y sus probabilidades (funciones de distribución). Las
distribuciones se eligen en función de estimaciones
subjetivas o de criterios objetivos según el fenómeno de
que se trate y la información con la que se cuente.
Las distribuciones pueden ser:
y Normal – O “curva de campana”. El usuario

simplemente define la media o valor esperado y
una desviación estándar para describir la variación
con respecto a la media. Los valores intermedios
cercanos a la media tienen mayor probabilidad de
producirse. Es una distribución simétrica y describe
varios fenómenos naturales, como puede ser la
estatura de una población. Ejemplos de variables que
se pueden describir con distribuciones normales son
los índices de inflación y los precios de la energía.
y Lognormal – Los valores muestran una clara

desviación; no son simétricos como en la distribución
normal. Se utiliza para representar valores que no
bajan por debajo del cero, pero tienen un potencial
positivo ilimitado. Ejemplos de variables descritas
por la distribución lognormal son los valores de las
11
propiedades inmobiliarias y bienes raíces, los precios

de las acciones de bolsa y las reservas de petróleo.
y Uniforme – Todos los valores tienen las mismas

probabilidades de producirse; el usuario sólo tiene
que definir el mínimo y el máximo. Ejemplos de
variables que se distribuyen de forma uniforme son
los costos de manufacturación o los ingresos por las
ventas futuras de un nuevo producto.
y Triangular – El usuario define los valores mínimo, más

probable y máximo. Los valores situados alrededor
del valor más probable tienen más probabilidades
de producirse. Las variables que se pueden describir
con una distribución triangular son el historial de
ventas pasadas por unidad de tiempo y los niveles
de inventario.
y PERT – El usuario define los valores mínimo, más

probable y máximo, como en la distribución triangular.
Los valores situados alrededor del más probable
tienen más probabilidades de producirse; es decir, los
extremos no tienen tanto peso. Un ejemplo de uso de
la distribución PERT es la descripción de la duración
de una tarea en un modelo de gestión de un proyecto.
y cDiscrete – El usuario define los valores específicos

que pueden ocurrir y la probabilidad de cada uno. Un
ejemplo podría ser los resultados de una demanda
legal: 20% de posibilidades de obtener un veredicto
positivo, 30% de posibilidades de obtener un veredicto
12
negativo, 40% de posibilidades de llegar a un acuerdo,

y 10% de posibilidades de que se repita el juicio.
5. Establecer el número de interacciones y correr la simulación

6. Analizar los resultados
Figura 4.1
Ejemplo de Simulación utilizando @RISK
Elaboración: Propia
Luego del proceso se evidencia, en el ejemplo, que el valor

presente neto sigue siendo positivo, por tanto se acepta el
proyecto.
13
Lectura
Para profundizar estos temas, se recomienda las siguientes lecturas:

Capítulo 17: Análisis de riesgo: páginas 299-314 del texto de Sapag,

N., Sapag, R. & Sapag, J. (2014).
Capítulo 6: Análisis y administración del riesgo: páginas 235-245 del

texto de Baca U, G. (2016).
Capítulo 6: Distribución de probabilidades: páginas 180 del texto de

Lind, D., Marchal, W. & Wathen, S. (2019)
14

Unidad 4 Analisis de Riesgo e Incertidumbre

Cargado por

Copyright:

Formatos disponibles

Unidad 4 Analisis de Riesgo e Incertidumbre

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad 4 Analisis de Riesgo e Incertidumbre

Cargado por

Copyright:

Formatos disponibles

Análisis de riesgo e incertidumbre

Autor: Mgs. Jaime Benito Gumbaña Quinde

Tema: Análisis de riesgo e incertidumbre

Módulo: Evaluación De Proyectos Privados

Análisis de riesgo e incertidumbre....................................................... 4

Tabla 4. 1 Análisis de escenarios.......................................................

Figura 4.1 Ejemplo de Simulación utilizando @RISK........................... 13

Análisis de riesgo e incertidumbre

Esta unidad trata sobre el análisis de riesgo e incertidumbre

Los contenidos de la unidad son:

El punto de partida para entrar en el análisis de riesgo en un

Ejemplo: las ventas proyectadas para los flujos se establecieron

esperados que toman una determinada distribución de

El análisis de sensibilidad es una técnica que muestra

Los flujos de efectivo, con las que se determinaron la

1. Identificar el caso base

El análisis de sensibilidad determinará las variables que se

En general, el riesgo de un proyecto depende tanto de:

1. La senibilidad de su VPN a los cambios en las variables

EJEMPLO DEL CASO

La situación base (crecimiento de las ventas 10% cada año)

¿Qué sucedería si las ventas no crecen en el periodo estudiado?

En este caso, tanto el valor actual neto como la tasa interna de

Este mismo proceso se puede aplicar para las siguientes

El análisis de sensibilidad es una técnica incompleta, puesto

Para profundizar estos temas, se recomienda realizar las siguientes

Capítulo 8: Evaluación financiera: páginas 283-290 del texto de

Capítulo 18: Análisis de sensibilidad: páginas 315-326 del texto de

El análisis de escenarios es una técnica de análisis de riesgo

La metodología se puede resumir de la siguiente forma:

1. Identificar los escenarios, esto se puede hacer con la

3. Definir los valores de cada variable para cada escenario.

En este caso, se puede evidenciar que las ventas pueden

La desviación estándar permite intuir que el error de estimación

coeficiente de variación que es bajo. La conclusión es, entonces,

A pesar de brindar un buen aporte para decidir sobre los

Para profundizar estos temas, se recomienda realizar las siguientes

Capítulo 8: Evaluación financiera: páginas 283-290 del texto de

Capítulo 18: Análisis de sensibilidad: páginas 315-326 del texto de

Simulación mediante Monte Carlo

La simulación suele ser más complicada debido a que la

distribución de probabilidad para indicar los resultados más

El método de Monte Carlo es un método de simulación que

Como la simulación se realiza mediante computadora se

La metodología propuesta sería la siguiente:

1. Definir adecuadamente el modelo: el problema y el objetivo.

y Son variables que están sujeto a cambios.

3. Identificar variables de resultado (outputs)

Cuando corremos una simulación de Monte Carlo lo

sobre VAN; TIR; PR, COSTO/BENEFICIO. El output debe

4. Definir las distribuciones

Para aquellas variables que introducen riesgo al

Las distribuciones pueden ser:

y Normal – O “curva de campana”. El usuario

y Lognormal – Los valores muestran una clara

propiedades inmobiliarias y bienes raíces, los precios

y Uniforme – Todos los valores tienen las mismas

y Triangular – El usuario define los valores mínimo, más

y PERT – El usuario define los valores mínimo, más