MODELO DE SIMULACIÓN PARA EL ANÁLISIS DE FACTIBILIDAD ECONÓMICA DE UN PROYECTO

Juan de Dios Banda Jara Director del Departamento de Sistemas Informáticos y Electrónica Universidad del Valle – La Paz RESUMEN El presente artículo surgió a raíz de la necesidad de estimar la factibilidad económica de establecer una empresa consultora especializada en el desarrollo de software para datawarehousing y datamining . Los flujos proyectados para los siguientes cinco años de funcionamiento de esta empresa fueron plasmados en un modelo de Excel que fue simulado utilizando la herramienta Crystal Ball®. El objetivo de la simulación fue determinar si los indicadores de la Tasa Interna de Retorno y el Valor Actual Neto resultaban lo suficientemente atractivos, como para recomendar la ejecución de este proyecto. Los resultados provistos por Crystal Ball® fueron verificados con el afán de establecer el posible impacto de las variaciones para diferentes costos de capital. Finalmente, se concluyó que este proyecto podría resultar rentable; desde luego, la simulación por sÍ sola no puede asegurar el éxito o fracaso de un proyecto, ya que su rol es proveer mayor y mejor información para tomar las decisiones correctas. INTRODUCCIÓN La creciente competencia entre las empresas privadas y públicas, ha provocado que se preste cada vez mayor atención a los clientes, para lo cual se requiere contar con información cada vez más detallada y actualizada que permita identificar las posibles tendencias de consumo a ser explotadas. Para albergar la gran cantidad de información proveniente de los clientes, paradigmas como el datawarehousing han sido desarrollados. Los datawarehouse por sí solos no proveen información útil, a menos que se apliquen técnicas de datamining destinadas a identificar tendencias de compra, comportamiento, preferencia o aceptación. La necesidad de proveer estas tecnologías a las empresas del medio, fue el motor que impulsó la idea de crear una empresa consultora dedicada exclusivamente a proporcionar soluciones de datawarehousing, datamining y

Este modelo es mostrado en el Anexo A. utilizando la herramienta Crystal Ball®. A la hora de analizar la factibilidad económica de este proyecto. a través de una predicción más precisa de los flujos futuros de efectivo. Nótese que en este modelo inicial solo es posible obtener el TIR y el VAN para un escenario. Fue así que se descubrió que las técnicas tradicionales del análisis de factibilidad basadas en el cálculo de la Tasa Interna de Retorno y el Valor Actual Neto. Los resultados de esta simulación permitirán trazar conclusiones más certeras acerca de la factibilidad económica de este proyecto. etc. podían ser grandemente mejoradas si se consideraban múltiples escenarios. Estas conclusiones se basarán en la gran cantidad de escenarios que proveerá Crystal Ball®. 4. Esta limitación será superada con el uso de Crystal Ball® que a través . Definir en el modelo las celdas de entrada y de pronóstico. 2. es decir solo para los valores que son mostrados dentro del modelo. el costo de capital.CRM. Construir un modelo que describa los flujos de efectivo proyectados para los siguientes cinco años. se recurrirá a la construcción de un modelo en Excel que será simulado mil veces bajo diferentes parámetros. Para la consideración de estos escenarios. Desarrollar múltiples escenarios en los cuales se varíe el costo de capital y se analice el impacto sobre el VAN PROCEDIMIENTOS Y MÉTODOS Para la construcción de este modelo. 3. se vio la necesidad de contar con alguna herramienta que permita reducir el nivel de riesgo. a través de los indicadores TIR y VAN6. los costos. a saber: PRIMERA ETAPA: CONSTRUCCIÓN DEL MODELO EN EXCEL En una hoja de Excel se procedió a construir un modelo que considerara los flujos de efectivo proyectados. OBJETIVO GENERAL Desarrollar un modelo de simulación que permita determinar de manera confiable. Correr el modelo de simulación y determinar la probabilidad de tener una TIR superior al costo de capital y un VAN positivo. la factibilidad económica del proyecto. se siguieron cinco etapas. las utilidades. OBJETIVOS ESPECÍFICOS Los objetivos específicos que se persiguieron durante la realización de este proyecto fueron los siguientes: 1.

Precisamente la distribución triangular10 presenta esta característica. el siguiente paso consistió en declarar las celdas de entrada dentro de Crystal Ball®. mostradas en la siguiente tabla. se muestra la siguiente figura que contiene los parámetros introducidos en Crystal Ball® para la utilidad inicial. Crecimiento del Costo de Operación y Costo Inicial del Proyecto. el valor mínimo y el valor máximo. ya que el proyecto es completamente nuevo y los datos de otros proyectos similares no serían del todo aplicables. El considerar múltiples escenarios es definitivamente una técnica que ayudará a determinar la posibilidad de que las celdas de pronóstico asuman valores que caigan dentro de intervalos con cierto grado de confiabilidad. es necesario definir valores que varíen siguiendo algún tipo de distribución. Una vez definidas las variables de entrada y los parámetros de la distribución triangular que se aplicarán a las mismas. Esta declaración es muy similar para todas las variables. SEGUNDA ETAPA: DEFINICIÓN DE LAS CELDAS DE ENTRADA Para poder realizar la simulación del modelo. Recuérdese que Crystal Ball® tomará valores11 para las variables de entrada . Consecuentemente. Así pues llegamos a realizar las siguientes estimaciones empíricas. Costo de Operación. se hace necesario trabajar con una distribución cuyos parámetros sean relativamente fáciles de estimar. En nuestro modelo es imposible contar con información histórica. Recuérdese que este tipo de distribución requiere de tres parámetros: el caso base.de la simulación considerará múltiples escenarios. Crecimiento de la Utilidad. y a manera de ejemplo. que permitieron estimar las distribuciones triangulares que definirán el comportamiento de los valores que asumirán las variables Utilidad Inicial.

estará determinado por números aleatorios que generará Crystall Ball® a la hora de correr la simulación. en 620 de las veces la TIR superaría el 12%. Este número de replicaciones es lo suficientemente grande. en particular en este caso. En particular. tal como muestra la siguiente figura: Nótese que la simulación proveerá múltiples valores de resultado para las variables de pronóstico. CUARTA ETAPA: INTERPRETACIÓN DE LOS RESULTADOS La gráfica de pronósticos nos permite estimar de manera gráfica y numérica el porcentaje de certeza de que la TIR o VAN asuman ciertos valores.de algún punto del rango de valores permitidos por la distribución triangular. correremos el modelo por mil replicaciones12. Para la definición de estas celdas. El punto del cual se tomarán los valores. es bastante alentador. la gráfica de frecuencia de el VAN muestra que existe un porcentaje de certeza de 61. esto querría decir que si tuviéramos la hipotética oportunidad de realizar este proyecto 1000 veces. como para recolectar un volumen de muestras significativo para dibujar una gráfica de pronóstico.00% de obtener un VAN positivo. podemos utilizar la gráfica de pronósticos13 de la TIR para determinar el porcentaje de certeza de que obtendremos una TIR mayor o igual al 12%: Nótese que este porcentaje de certeza del 61. Visto de una manera simplificada.20%. TERCERA ETAPA: DEFINICIÓN DE LAS CELDAS DE PRONÓSTICO Las celdas de pronóstico en este caso serán las correspondientes a las de cálculo del TIR y el VAN. Similarmente. . no se utilizaron mayores parámetros. que en realidad define la probabilidad de que los valores obtenidos por la TIR sean superiores al 12%.

80% de certeza de obtener un VAN positivo. ya que la tendencia general se mantiene. Sin embargo. ya que son atribuibles a factores exógenos. complicando o favoreciendo la factibilidad del proyecto. tenemos una aproximación bastante exacta. se hace imprescindible definir variables de decisión. Para poder trabajar con estos escenarios. Por otro lado. en nuestro caso el costo de capital se convertirá en una variable de decisión continua que variará entre el 10% y el 14%. podemos construir escenarios en los cuales se consideren los efectos de estas variaciones. se pude afirmar que con 1000 replicaciones.2%. Estas variaciones son incontrolables. resulta lógico suponer que el costo de capital podría experimentar variaciones imprevistas.75% de certeza de obtener una TIR superior al 12% y 60. QUINTA ETAPA: ANÁLISIS DE SENSIBILIDAD Con el afán de validar los resultados obtenidos. se corrió el modelo por un número de 2000 replicaciones y los resultados no variaron grandemente: 60. Nótese que en modelo. La definición de esta variable de decisión se realizó en Crystal Ball® de la siguiente manera: .Adicionalmente. En consecuencia. un incremento en el número de replicaciones solo contribuye a afinar ligeramente los resultados. podemos analizar el reporte de percentiles14 de la TIR muestra que existe un 60% de que la TIR sea como mínimo de el 12.

20% de que la TIR supere el 12% del costo de capital.Nótese que para cada valor asumido por la variable de decisión se construirá un escenario independiente en el cual se realizarán mil simulaciones. estas gráficas mostraron que el VAN tiene . Similarmente.000 mil simulaciones para el VAN. Se definieron celdas de entrada y de pronóstico. tendremos un total de 10. En este modelo se introdujeron flujos estimados de los ingresos y egresos para los próximo cinco años. para luego aplicar la herramienta de simulación Crystal Ball® que mostró en sus gráficas de pronóstico un porcentaje de certeza de 61. La siguiente tabla resume los resultados de este reporte para el indicador VAN: En la tabla anterior puede observarse claramente que el costo de capital se correlaciona negativamente con el VAN. Nótese que aun a pesar de que el costo de capital varíe positiva o negativamente. los valores del VAN todavía resultan atractivos. El reporte conocido como tabla de decisión muestra los valores asumidos por la variable de pronóstico VAN para cada uno de los escenarios que considera un costo de capital diferente. CONCLUSIONES En el presente trabajo se logró formular un modelo para el cálculo de la TIR y VAN para el proyecto de creación de una empresa consultora. Consecuentemente.

2002. South-Western College Publishing. Introduction to Management Science: A Modeling and Case Studies Approach with Spreadsheets. Si bien el número de corridas es por demás significativo y aparentemente los indicadores TIR y VAN son bastante alentadores.. Más aún. Operations Management: Concepts in Manufacturing and Services. 2000.. Introduction to Simulation and Risk Analysis. Second Edition. OLSON DAVID L.. la decisión final debe tomarse con cuidado. ISBN 0-13-032928-2. ISBN 0-324-00715-9. EVANS JAMES R. 1997.. EVANS JAMES R. ISBN 0-53887831-2. Second Edition. VICKERY SHAWNEE K. DAVIS ROBERT A. Finalmente. 2003. Management Science & Decision Technology. McGraw-Hill/Irwin. South-Western College Publishing. Crystall Ball® se muestra como una herramienta tremendamente útil.un porcentaje de certeza del 61... Second Edition. la utilización de la Simulación y en particular de Crystal Ball® ha probado ser grandemente útil a la hora de proveer una gran cantidad de escenarios posibles que permiten un análisis más amplio de las posibles repercusiones de realizar este proyecto.00% de obtener un valor positivo. .. También se procedió a analizar el comportamiento del costo de capital. MARKLAND ROBERT E. First Edition.. BIBLIOGRAFÍA     CAMM JAFFREY D. a la hora de realizar simulación de modelos que puedan plasmarse en Excel. a través de la definición de variables de decisión que contribuyeron a crear escenarios que mostraron que un incremento del costo de capital produciría un decremento del VAN.. ISBN 0-07-249368-2. ya que como en todo proyecto de inversión. las estimaciones de los flujos de fondos pueden ser irreales. HILLIER FREDERICK S. HILLIER MARK S. Prentice Hall.