Decisiones De Inversión

16,505 views

Published on

Decisiones De Inversión

Published in: Economy & Finance
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
16,505
On SlideShare
0
From Embeds
0
Number of Embeds
47
Actions
Shares
0
Downloads
243
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Decisiones De Inversión

  1. 1. Decisiones de Inversión Ignacio Vélez Pareja
  2. 2. Introducción <ul><li>DECISIONES BAJO INCERTIDUMBRE </li></ul><ul><ul><ul><li>¡Ay, cómo es cruel la incertidumbre! </li></ul></ul></ul><ul><ul><ul><li>Si ella merece mi dolor </li></ul></ul></ul><ul><ul><ul><li>o yo la tengo que olvidar. </li></ul></ul></ul><ul><ul><ul><li>(Gonzalo Curiel. Incertidumbre) </li></ul></ul></ul><ul><ul><ul><li>...Aureliano saltó once páginas para no perder el tiempo en hechos demasiado conocidos, y empezó a descifrar el instante que estaba viviendo, descifrándolo a medida que lo vivía, profetizándose a sí mismo en el acto de descifrar la última página de los pergaminos,... </li></ul></ul></ul><ul><ul><ul><li>(Gabriel García Márquez, Cien años de Soledad ) </li></ul></ul></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  3. 3. ¡Ah! ... el futuro <ul><li>Con relación a las consecuencias futuras de una decisión, se pueden presentar tres situaciones: </li></ul><ul><li>a) determinísticas o de certidumbre total </li></ul><ul><li>b) no determinísticas </li></ul><ul><ul><ul><ul><ul><li>Riesgo </li></ul></ul></ul></ul></ul><ul><ul><ul><ul><ul><li>Incertidumbre y </li></ul></ul></ul></ul></ul><ul><li>c) ignorancia total. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  4. 4. Certidumbre total <ul><li>Se supone que el decisor conoce con probabilidad 1 todos los eventos posibles . </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  5. 5. Ejemplo de certidumbre total <ul><li>Un ejemplo es un papel de descuento: Supóngase que se compra un título del Estado al 95% de su valor nominal y después de 3 meses se vende por el 100% de su valor. Hay certeza absoluta de que a los noventa días, si compró $950,000 en ese título se recibirá $1,000,000. Con esta información y dada una tasa de descuento, se podrán establecer criterios de decisión sobre la bondad de esa alternativa. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  6. 6. No determinísticas: riesgo e incertidumbre <ul><li>En particular, cuando se habla de riesgo e incertidumbre se confunden los términos, tal vez porque existe un conocimiento previo -intuitivo quizás- de lo que es la incertidumbre. Para muchos, la incertidumbre es el desconocimiento del futuro; en este contexto se considera que el riesgo y la incertidumbre se producen por la variabilidad de los hechos futuros y por su desconocimiento. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  7. 7. Diferencias <ul><li>En la literatura a veces se usa indistintamente. Algunos hablan de riesgo e incertidumbre como si fueran iguales. Otros, hacen la distinción entre riesgo e incertidumbre. Lo cierto es que existen grados de incertidumbre y en la medida en que ella disminuye con la información recolectada se puede manejar en forma analítica cada vez más. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  8. 8. ¿Cuándo hay incertidumbre? <ul><li>Se dice que hay incertidumbre cuando no se posee información suficiente como para asignarle una distribución de probabilidad. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  9. 9. Ejemplo de incertidumbre <ul><li>Un muchacho desea vender periódicos en la cafetería de la universidad y tiene que decidir cuántos deberá comprar. Estima vagamente la cantidad que podría vender en 15, 20, 25 ó 30 periódicos. (Para simplificar, se acepta que cantidades intermedias no ocurrirán). Por lo tanto considera que tendrá que adquirir 15, 20, 25 ó 30 periódicos. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  10. 10. Riesgo <ul><li>Los casos de riesgo son muy particulares y los más comunes están relacionados con situaciones de azar (loterías, ruletas, rifas, etc.) o con decisiones a las cuales se les ha asignado una distribución de probabilidad </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  11. 11. Ejemplo de riesgo <ul><li>En una empresa se ha reunido un grupo de ejecutivos para estudiar la introducción de un nuevo producto. Ellos con base en estudios de mercado y en su experiencia han producido cálculos calificados, han sido capaces de estimar ciertas cifras relacionadas con la inversión a realizar y sus resultados. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  12. 12. ... con cifras <ul><li>FLUJO DE CAJA EN MILES PARA UN PRODUCTO NUEVO </li></ul><ul><li>Año Valor esperado Desviación estándar </li></ul><ul><li>0 -5,000 200 </li></ul><ul><li>1 1,500 100 </li></ul><ul><li>2 1,500 150 </li></ul><ul><li>3 1,500 200 </li></ul><ul><li>4 1,400 300 </li></ul><ul><li>5 1,500 350 </li></ul><ul><li>6 1,200 350 </li></ul><ul><li>7 1,300 400 </li></ul><ul><li>8 2,000 550 </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  13. 13. Riesgo e incertidumbre: precisiones <ul><li>Se acepta que el concepto de incertidumbre implica que no se asignan distribuciones de probabilidad (definidas en términos de sus parámetros, tales como la media y la desviación estándar); el riesgo, por el contrario, implica que sí se le puede asignar algún tipo de distribución de probabilidad. El término incertidumbre también se utiliza para indicar una situación de desconocimiento del futuro y lo impredecible de los hechos. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  14. 14. Ignorancia total <ul><li>Por último, la situación de ignorancia total, es en realidad una situación irreal que en la práctica no existe. Algo similar se podría decir de la certidumbre total, porque en rigor, ni siquiera la estabilidad económica del Estado, responsable de las inversiones que se hacen en ciertos títulos, se puede garantizar y en consecuencia es posible que no ocurra el evento en teoría cierto. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  15. 15. Causas del riesgo y de la incertidumbre <ul><li>Las causas de la variabilidad son básicamente atribuibles al comportamiento humano; sin embargo existen fenómenos no atribuíbles directamente al ser humano que también causan riesgo e incertidumbre. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  16. 16. ... por ejemplo <ul><li>Inexistencia de datos históricos directamente relacionados con las alternativas que se estudian. </li></ul><ul><li>Sesgos en la estimación de datos o de eventos posibles. </li></ul><ul><li>Cambios en la economía, tanto nacional como mundial. </li></ul><ul><li>Cambios en políticas de países que en forma directa o indirecta afectan el entorno económico local. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  17. 17. y... <ul><li>Análisis e interpretaciones erróneas de la información disponible. </li></ul><ul><li>Obsolescencia. </li></ul><ul><li>Situación política. </li></ul><ul><li>Catástrofes naturales o comportamiento del clima. </li></ul><ul><li>Baja cobertura y poca confiabilidad de los datos estadísticos con que se cuenta. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  18. 18. Cómo disminuir el grado de incertidumbre <ul><li>Obtener información antes de tomar la decisión, v. gr. información acerca del mercado. </li></ul><ul><li>Aumentar el tamaño de las operaciones, se asume menos riesgo al perforar 50 pozos de petróleo que al perforar uno. </li></ul><ul><li>Diversificar Ver Markowitz y Sharpe. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  19. 19. Pronósticos <ul><li>Dos grandes clases de modelos: </li></ul><ul><li>causales y </li></ul><ul><li>de series de tiempo </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  20. 20. Métodos de Descomposición <ul><li>Un método de pronóstico para analizar series de tiempo es el de descomposición. </li></ul><ul><li>Se identifican cuatro patrones típicos: horizontal o estacionaria </li></ul><ul><li>estacional </li></ul><ul><li>cíclico y </li></ul><ul><li>tendencia </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  21. 21. El modelo y sus componentes <ul><li>dato = patrón + error. </li></ul><ul><li>= f(tendencia, estacionalidad, ciclo) + error. </li></ul><ul><li>X t = f(T t , E t , C t , Er t ) = T t x E t xC t x Er t </li></ul><ul><li>donde </li></ul><ul><li>X t = dato al período t. </li></ul><ul><li>T t = componente de tendencia en el período t. </li></ul><ul><li>E t = componente o índice de estacionalidad del período t. </li></ul><ul><li>C t = componente cíclico del período t. </li></ul><ul><li>y Er t = error del período t. </li></ul><ul><li>Ver archivo Pronóstico.xls </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  22. 22. Tasa de descuento bajo riesgo <ul><li>Cuando se analizan los flujos de caja basados en la distribución de probabilidad de las variables que lo determinan, se debe utilizar una tasa de interés libre de riesgo; de otra manera se estaría contando doble el efecto del riesgo: una vez como la componente de riesgo que hay en la tasa de interés y otra cuando se reconoce la variación de manera explícita, a través de una distribución de probabilidad. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  23. 23. Actitudes hacia el riesgo <ul><li>Hay gente que juega lotería o ruleta, hay quienes son toreros o astronautas; otros aceptan gerenciar empresas quebradas, otros se atreven a ser rectores universitarios, hay empresarios visionarios (y exitosos), hay eternos enamorados que se entregan por completo, etc. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  24. 24. Diferencias en la percepción del riesgo <ul><li>Por el otro lado, hay quienes se resignan a un cómodo empleo que no presenta retos, ni amenazas, hay quienes nunca juegan y nunca serán espontáneos en una plaza de toros, otros, como un columnista de la página económica de un periódico, dice que &quot;una buena inversión debe hacerse teniendo en cuenta que no quite el sueño, aunque no de para comer muy bien&quot; y hay, por último, algunos que nunca salen de sí mismos porque les da miedo la entrega total. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  25. 25. Diferentes actitudes hacia el riesgo <ul><li>Todas estas diferencias en el comportamiento humano se deben a las diferentes actitudes hacia el riesgo. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  26. 26. El valor esperado monetario VEM <ul><li>Cuando en un curso universitario se plantea el problema de un juego con probabilidad 0.5 de ganar $0 y 0.5 de ganar $1,000 y se pregunta que cuánto dinero daría cada estudiante por participar en él, la respuesta es de $500. Al analizar más el problema y someter al interrogado a confrontaciones y escogencia, se encuentra que la cifra no es $500, sino otra muy diferente. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  27. 27. ... a veces no funciona <ul><li>La primera cifra -$500- se denomina valor esperado monetario. Valor esperado monetario de una decisión es el promedio ponderado de todos los valores que pueden resultar y que corresponden a todos y cada uno de los resultados posibles, dado que el decisor ha optado por elegir una alternativa. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  28. 28. Maximizar el VEM <ul><li>Se dice, en general, que cuando hay poco dinero en juego, la gente decide de acuerdo con el valor esperado del juego y trata de decidirse por la alternativa que lo maximiza. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  29. 29. Y, ¿lo duda? <ul><li>Para aquellos que dudan acerca de la forma de tomar decisiones cuando está involucrado el azar (decisiones bajo riesgo), se propone el análisis de dos casos: uno hipotético (la paradoja de San Petersburgo) y uno real (cualquiera de las loterias que se venden en el país). </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  30. 30. La paradoja de San Petersburgo <ul><li>Se proponen las siguientes alternativas: </li></ul><ul><li>A: un regalo, libre de impuestos, de $10,000. </li></ul><ul><li>o </li></ul><ul><li>B: un pago de 2 n centavos, donde n es el número de veces que se lanza una moneda al aire hasta cuando aparezca sello. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  31. 31. Juega una sola vez <ul><li>Solo se puede participar una vez en el juego y la secuencia de lanzamientos se detiene cuando aparezca sello por primera vez. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  32. 32. VEM infinito <ul><li>El valor esperado de cada una de las alternativas es: </li></ul><ul><li>E(A) = $10,000.oo </li></ul><ul><li>= 1 + 1 + 1 + 1 +....... =  </li></ul><ul><li>Nadie escogería la alternativa B a pesar de tener un valor esperado igual a infinito, a menos que haya una gran propensión al riesgo. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  33. 33. LOTERIA DE SANTANDER <ul><li>Sorteo No. 2703 efectuado el día 7 de septiembre de 1979 </li></ul><ul><li>Premio Mayor No. 0836 $3,000,000 </li></ul><ul><li>Premios secos </li></ul><ul><li>Primer premio seco N. 7205 $100,000 </li></ul><ul><li>Segundo premio seco N. 1285 50,000 </li></ul><ul><li>Tercer premio seco N. 7717 20,000 </li></ul><ul><li>Mayor invertido N. 6380 5,000 </li></ul><ul><li>Anterior al mayor N. 0835 10,000 </li></ul><ul><li>Posterior al mayor N. 0837 10,000 </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  34. 34. ¡Más premios! <ul><li>APROXIMACIONES AL MAYOR </li></ul><ul><li>Los billetes con las 3 últimas cifras ganan c/u 2,000 </li></ul><ul><li>Los billetes con las 2 últimas cifras ganan c/u 1,700 </li></ul><ul><li>Los billetes con la última cifra ganan c/u 1,600 </li></ul><ul><li>Los billetes con las 3 primeras cifras ganan c/u 2,000 </li></ul><ul><li>Los billetes con las 2 primeras cifras ganan c/u 1,700 </li></ul><ul><li>Los billetes con las 2 primeras cifras y última del mayor ganan cada uno 3,330 </li></ul><ul><li>Premio mayor en cualquier orden. 2,400 </li></ul><ul><li>Valor del billete en el Dpto de Santander. 1,000 </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  35. 35. La lotería <ul><li>Se puede calcular el valor esperado de cualquier lotería. En este caso se tiene: </li></ul><ul><li>C = $1,000 (precio del billete) </li></ul><ul><li>D = Todos los premios de la lotería. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  36. 36. ¿Quién gana? <ul><li>Suponiendo que todos los billetes se venden, que no existen impuestos sobre los premios y desechando las combinaciones tales como, premio mayor y secos, secos e invertido, etc., por ser despreciables (en valor esperado no alcanzan a sumar 10 centavos), se tiene: </li></ul><ul><li>Valor esperado de C = E(C) = $1,000 </li></ul><ul><li>Valor esperado de D = E(D) = $504.03 </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  37. 37. ¿Usted compra lotería? <ul><li>No se ha tenido en cuenta la posibilidad de que alguno de los premios menores incluyan las aproximaciones, lo cual disminuiría el valor esperado. </li></ul><ul><li>Como se puede apreciar, el valor esperado de esta lotería es mucho menor que su precio y sin embargo, gran cantidad de personas compran lotería, rifas apuestas, etc. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  38. 38. ¿Cómo se explica esto? <ul><li>Estos dos ejemplos ilustran que bajo riesgo, muchas personas no tratan de maximizar el valor esperado de sus ganancias. O sea, que entran en juego otros factores. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  39. 39. Von Neumann y Morgerstern <ul><li>Ante situaciones como éstas, los estudiosos del tema han presentado teorías que permiten explicar (teorías descriptivas) o predecir el comportamiento de un individuo en particular cuando se encuentra enfrentado a decisiones bajo riesgo o incertidumbre reducida a riesgo, por medio del estimativo de probabilidades subjetivas. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  40. 40. Teoría de la Utilidad Cardinal TUC <ul><li>Los ejemplos presentados obligan a preguntarse cómo se explica entonces, el proceso de decisión. La teoría expuesta ofrece esta explicación, aunque con limitaciones. En términos más sencillos: cada individuo cuando se enfrenta a situaciones de riesgo, puede asignar un valor a cada una de las alternativas que analiza. Estos son los índices de utilidad cardinal. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  41. 41. Teoría de la Utilidad Cardinal: ¿sirve? <ul><li>Esta teoría parece ser aceptable a corto plazo: cuando el individuo tiene que tomar la decisión y los resultados son inmediatos. Puede no ser válida cuando la decisión implica resultados futuros. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  42. 42. ¿Averso o propenso? <ul><li>Las personas pueden ser aversas, propensas o indiferentes al riesgo. Una persona que esté dispuesta a pagar por &quot;jugar&quot; una lotería podrá determinar su actitud al riesgo, según el monto que pague. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  43. 43. Propensión al riesgo <ul><li>Una persona totalmente propensa al riesgo, enfrentada ante el siguiente juego: $0 con probabilidad 0.5 y $10,000 con probabilidad 0.5, estará dispuesta a pagar más del valor esperado del juego por participar en él. O sea, pagará más de $5,000 por participar en este juego. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  44. 44. Aversión al riesgo <ul><li>Si esa misma persona fuera totalmente aversa al riesgo y se enfrenta a la misma situación, pagará menos del valor esperado del juego por participar en él. O sea pagará menos de $5,000. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  45. 45. Indiferencia al riesgo <ul><li>Si la mencionada persona fuera indiferente al riesgo, pagaría exactamente $5,000 por participar en el juego. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  46. 46. Ni lo uno, ni lo otro <ul><li>En la realidad las personas no son, ni totalmente aversas, ni totalmente propensas al riesgo. Existe alguna evidencia empírica de que hay rangos de valores en los cuales las personas son aversas al riesgo y rangos en los cuales son propensas al riesgo. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  47. 47. Depende de muchas cosas <ul><li>También parece existir evidencia de que los individuos tienden a ser propensos al riesgo cuando hay en juego pequeñas sumas de dinero (el caso de las loterías, que además dividen el billete en fracciones de bajo costo) y aversos cuando las sumas de dinero son altas. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  48. 48. ¿Qué significa mucho? <ul><li>Muchas veces se debe tratar de cuantificar una apreciación subjetiva. Esto es necesario, no porque se subestime la apreciación como tal, sino para verificar si el criterio con que se hizo es consistente con el del decisor. Por ejemplo, si alguien aprecia que alguna variable es alta, para el decisor es importante saber si “alto” significa lo mismo para ambos. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  49. 49. Calibración de un Estimativo <ul><li>Supóngase que se desea estimar la probabilidad de que se ganará una demanda instaurada. Existe cierta información conocida por el abogado (p. ej. antecedentes del juez, jurisprudencia existente, etc.) que le indica que hay posibilidades de ganar. Supóngase, además, que ese pleito se puede representar como una lotería: </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  50. 50. Se la cambio <ul><li>_______gana__________ $300,000 </li></ul><ul><li>o </li></ul><ul><li>______pierde_________ -$150,000 </li></ul><ul><li>Ahora, se compra esa lotería con un procedimiento calibrador. Supóngase que se tiene una bolsa con bolas rojas y blancas (50 rojas y 50 blancas) y se le ofrece al abogado el siguiente juego o lotería: </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  51. 51. ... por esto <ul><li>_____roja P(R) =0.5_____ $300,000 </li></ul><ul><li>o </li></ul><ul><li>____blanca p(B)=0.5 ____ -$150,000 </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  52. 52. ¿Qué prefiere? <ul><li>Si se prefiere la primera lotería, se puede afirmar que su percepción de la probabilidad de ganar es: </li></ul><ul><li>P(ganar) > 0.5 </li></ul><ul><li>Ahora bien, si se cambia el contenido de la bolsa por 90 rojas y 10 blancas, el nuevo juego o lotería es : </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  53. 53. Y, ¿ahora? <ul><li>____roja P(R) =0.9_____ $300,000 </li></ul><ul><li>o </li></ul><ul><li>___blanca p(B)=0.1 _____ -$150,000 </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  54. 54. ... ¿qué prefiere? <ul><li>Si prefiere este segundo juego, al primero, se puede afirmar que que su percepción de la probabilidad de ganar es: </li></ul><ul><li>P(ganar) < 0.90 </li></ul><ul><li>Con esta información se tiene entonces: </li></ul><ul><li>0.5 < P(ganar) < 0.9 </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  55. 55. Repítalo <ul><li>Este proceso se puede repetir ajustando las probabilidades (la proporción de bolas rojas y blancas) y reducir el rango en el cual se encuentra P(ganar) hasta precisar su valor. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  56. 56. Hasta el final <ul><li>Por ejemplo, se puede llegar hasta </li></ul><ul><li>y así sucesivamente hasta determinar un intervalo suficientemente corto que permita definir su valor. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  57. 57. Determinación de la Probabilidad Subjetiva <ul><li>Muchas personas tienden a pensar que ésto es imposible. Sin embargo, por un proceso de aproximaciones sucesivas se pueden hacer estimativos subjetivos de la probabilidad de ciertos valores o intervalos. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  58. 58. Cómo se hace <ul><li>La metodología es sencilla y pretende asignar probabilidad 1 a un cierto intervalo y a partir de allí dividir en forma sucesiva ese intervalo en otros a los cuales se les asigna una probabilidad igual a la mitad del intervalo de origen. Después se hace una verificación de consistencia, hasta cuando el decisor queda “satisfecho” con los estimativos a los que se llegó. Ejemplo. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  59. 59. Medición analítica del riesgo <ul><li>El método propuesto por Hillier para manejar este tipo de situaciones hace uso del Teorema del Límite Central de la Estadística y dice que la distribución del Valor Presente Neto, Costo Anual Equivalente o Tasa Interna de Rentabilidad es aproximadamente normal. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  60. 60. Uso de la Estadística 19/02/98 Copyright Ignacio Vélez Pareja © De acuerdo con el método de Hillier, se tiene:
  61. 61. ... con estas variables <ul><li>donde: </li></ul><ul><li>E(.) = Valor esperado de la expresión que está dentro del paréntesis. </li></ul><ul><li>Ij = Flujo de caja del período j. </li></ul><ul><li>Var(.) = Varianza de la expresión que está dentro del paréntesis. </li></ul><ul><li>I = Tasa de descuento </li></ul><ul><li>N = Vida del proyecto en años. </li></ul><ul><li>j = Período que se analiza </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  62. 62. El camaleón <ul><li>Simulación en el sentido más común de la palabra significa imitar. Y de esto se trata; se va a imitar el comportamiento de un sistema a través de la manipulación de un modelo que representa una realidad. </li></ul><ul><li>Ver archivo Simulación.xls </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  63. 63. Simulación ayuda cuando hay complejidad <ul><li>Hay ciertos problemas que son muy complejos y cuya solución analítica es prácticamente imposible de hacer. La propuesta de Hillier supone un manejo analítico del problema; sin embargo, la complejidad de las distribuciones de probabilidad puede ser alta, de manera que conocer sus parámetros es muy difícil o imposible. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  64. 64. Simulación: ¿costosa? <ul><li>A pesar de que la técnica de simulación tiende a ser un procedimiento costoso, es uno de los enfoques más prácticos para abordar un problema, aunque hoy los recursos computacionales han reducido en forma substancial ese costo. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  65. 65. Implica la construcción de un modelo <ul><li>La simulación implica la construcción de un modelo, el cual es matemático en gran parte. Antes de describir el comportamiento total del sistema, la simulación describe la operación de ese sistema en términos de eventos individuales de cada componente del sistema, cuyo comportamiento se puede describir, por lo menos en términos de distribuciones de probabilidad. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  66. 66. Combine todos los eventos <ul><li>La interrelación entre estos componentes se puede involucrar dentro del modelo. La combinación de los eventos posibles y el efecto de la interrelación entre los mismos, le permite al analista determinar la configuración adecuada de los subsistemas. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  67. 67. No es exacta <ul><li>Como la simulación trabaja con un número finito de pruebas, se incurre en un error estadístico que hace imposible garantizar que el resultado es el óptimo. De hecho, muchas veces no se busca el óptimo de una solución sino el comportamiento de determinado parámetro. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  68. 68. Simulación de Monte Carlo <ul><li>Una manera cruda o aproximada de hacer una simulación es la llamada técnica de Monte Carlo. Antes de ilustrar el uso de la simulación conviene presentar algunas ideas sobre los números o dígitos aleatorios y la forma de generarlos. Estos números permiten tener en cuenta la interrelación entre las variables aleatorias. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©
  69. 69. Arboles de decisión 19/02/98 Copyright Ignacio Vélez Pareja ©
  70. 70. Conclusión <ul><li>En conclusión, el gerente debe visualizar la realidad como incierta y debe hacer el esfuerzo de tratar de asignar valores y probabilidades a los eventos posibles. Lo máximo que va a encontrar es una medida del riesgo en términos de probabilidad. Después de eso, es él, con su experiencia quien debe decidir ayudado con la información disponible. </li></ul>19/02/98 Copyright Ignacio Vélez Pareja ©

×