Está en la página 1de 14

EVALUACIÓN DE PROYECTOS

Simulación de Montecarlo

ES…  una técnica que combina conceptos estadísticos (muestreo aleatorio) con la capacidad que tienen los ordenadores para generar números pseudo-aleatorios y automatizar cálculos. .

la simulación de Monte Carlo se ha venido aplicando a una infinidad de ámbitos como alternativa a los modelos matemáticos exactos o incluso como único medio de estimar soluciones para problemas complejos. . cuando investigaban el movimiento aleatorio de los neutrones [W1].Los orígenes   Los orígenes de esta técnica están ligados al trabajo desarrollado por Stan Ulam y John Von Neumann a finales de los 40 en el laboratorio de Los Alamos. En años posteriores.

8]. la simulación de Monte Carlo está presente en todos aquellos ámbitos en los que el comportamiento aleatorio o probabilístico desempeña un papel fundamental . industrial e incluso social [5. empresarial. económica. En otras palabras.Usos  en la actualidad es posible encontrar modelos que hacen uso de simulación Monte Carlo en las áreas informática.

. análisis de escenarios (“what-if anaylisis”). donde abundan los casinos de juego y donde el azar.Proviene   Monte Carlo proviene de la famosa ciudad de Mónaco. la probabilidad y el comportamiento aleatorio conforman todo un estilo de vida.

. proceso o actividad que se quiere analizar.La Clave  La clave de la simulación Monte Carlo consiste en crear un modelo matemático del sistema. identificando aquellas variables (inputs del modelo) cuyo comportamiento aleatorio determina el comportamiento global del sistema..

se lleva a cabo un experimento consistente en (1) generar – con ayuda del ordenador-muestras aleatorias (valores concretos) para dichos inputs.La Clave  Una vez identificados dichos inputs o variables aleatorias. y (2) analizar el comportamiento del sistema ante los valores generados. .

lo cual nos será de utilidad para entender el funcionamiento del mismo – obviamente. nuestro análisis será tanto más preciso cuanto mayor sea el número n de experimentos que llevemos a cabo .La Clave  Tras repetir n veces este experimento. dispondremos de n observaciones sobre el comportamiento del sistema.

.

Usos  El Data Warehouse aplicado al análisis de riesgos financieros ofrece capacidades avanzadas de desarrollo de aplicaciones para dar soporte a las diversas actividades de gestión de riesgos. gracias a la potencionalidad estadística aplicada al riesgo de crédito. . Es posible desarrollar cualquier herramienta utilizando las funciones que incorpora la plataforma.

etc. Simulaciones. . Cálculo de sensibilidades. Análisis what/if.Funcionalidades  Así se puede usar para llevar a cabo las siguientes funcionalidades: Para la gestión de la posición:  Determinación de la posición. Monitorización riesgos contra límites.

. Desarrollo/modificación modelos. Stress testing. Modelos de covarianzas. Simulación de Montecarlo. etc. Calibración modelos valoración.Funcionalidades   Para la medición del riesgo: Soporte metodología RiskMetrics (Metodología registrada de J. Simulación de escenarios históricos.P. Establecimiento y seguimiento. Análisis de rentabilidad. de límites. Modelos de valoración. Morgan / Reuters).

) . tanto motivados por cambios en la regulación. se pueden realizar usando series históricas. como en avances en la modelización de estos instrumentos financieros.Funcionalidades   El uso del Data Warehouse ofrece una gran flexibilidad para creación o modificación de modelos propios de valoración y medición de riesgos. etc. ARIMA. Ello por cuanto se puede almacenar y poner a disposición información histórica de mercado y el uso de técnicas de Data Mining nos simplifica la implantación de cualquier método estadístico. Los métodos de previsión. (GARCH.

31.97../63.76:0 5  3036 1:5:/31.0 59:6: 065.: :5.31.945.33.1: #.: .5065.:5065. 513.0.  &43.065:  65.3 4.9.9.0 513.1: : :71:.:.9.0 .69.76:0 5 .3.1: 5 3::.9.

61636 . 906:  6136:106.: &43.9.96::.5065.4.0 5 5 3::1 95.9: &43.%:2 .0.936  6136:1./31.9::.1 #  69./3045..0 .369.31.0 546136:..0 51 65.9.5 .9:.9.3.:.5.0 546136:  &.410 5139:6 &6769.0 51:05.6  13 4.90: .1.5 %.: :.3/9.61636 .369.6:45.1 :.9963364610.1: #.0 5  .

616 :.. 1:76:0 55694.5.0 .4/6:53..9..05.50:53. 5556: :4730.09.:1..1 490.:  % %   . 90.945.516:9::.0 5410 519:6: .31..4613.6:71.0 5146136: 79676:1.616:179: 5 :715 9.0 51:.473.0 564610.5065.0 5:.9:.. 050..97659.6 46.1 :.0 510.5.6:5:..6: 5.3894 .93.17.5096: 3367690.5.34..0 5 06465 .1: 3:613.16 3:61..3.9.96:6905. 3.06 6:4 .5 3/31. 90.16:7690.369.