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

etc. OBJETIVO GENERAL Desarrollar un modelo de simulación que permita determinar de manera confiable. a través de los indicadores TIR y VAN6. OBJETIVOS ESPECÍFICOS Los objetivos específicos que se persiguieron durante la realización de este proyecto fueron los siguientes: 1. podían ser grandemente mejoradas si se consideraban múltiples escenarios. A la hora de analizar la factibilidad económica de este proyecto. Construir un modelo que describa los flujos de efectivo proyectados para los siguientes cinco años. se siguieron cinco etapas. es decir solo para los valores que son mostrados dentro del modelo. 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. 2. a través de una predicción más precisa de los flujos futuros de efectivo. se recurrirá a la construcción de un modelo en Excel que será simulado mil veces bajo diferentes parámetros. Este modelo es mostrado en el Anexo A. 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. Correr el modelo de simulación y determinar la probabilidad de tener una TIR superior al costo de capital y un VAN positivo.CRM. Esta limitación será superada con el uso de Crystal Ball® que a través . el costo de capital. Para la consideración de estos escenarios. Los resultados de esta simulación permitirán trazar conclusiones más certeras acerca de la factibilidad económica de este proyecto. se vio la necesidad de contar con alguna herramienta que permita reducir el nivel de riesgo. la factibilidad económica del proyecto. Definir en el modelo las celdas de entrada y de pronóstico. utilizando la herramienta Crystal Ball®. 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. las utilidades. 3. 4. Estas conclusiones se basarán en la gran cantidad de escenarios que proveerá Crystal Ball®.

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

Visto de una manera simplificada. 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.de algún punto del rango de valores permitidos por la distribución triangular. En particular.20%. que en realidad define la probabilidad de que los valores obtenidos por la TIR sean superiores al 12%. estará determinado por números aleatorios que generará Crystall Ball® a la hora de correr la simulación. no se utilizaron mayores parámetros. en particular en este caso. como para recolectar un volumen de muestras significativo para dibujar una gráfica 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.00% de obtener un VAN positivo. correremos el modelo por mil replicaciones12. la gráfica de frecuencia de el VAN muestra que existe un porcentaje de certeza de 61. Similarmente. en 620 de las veces la TIR superaría el 12%. El punto del cual se tomarán los valores. es bastante alentador. Este número de replicaciones es lo suficientemente grande. Para la definición de estas celdas. 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. esto querría decir que si tuviéramos la hipotética oportunidad de realizar este proyecto 1000 veces. tal como muestra la siguiente figura: Nótese que la simulación proveerá múltiples valores de resultado para las variables de pronóstico.

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

para luego aplicar la herramienta de simulación Crystal Ball® que mostró en sus gráficas de pronóstico un porcentaje de certeza de 61.20% de que la TIR supere el 12% del costo de capital. 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. estas gráficas mostraron que el VAN tiene . los valores del VAN todavía resultan atractivos. Consecuentemente.000 mil simulaciones para el VAN. En este modelo se introdujeron flujos estimados de los ingresos y egresos para los próximo cinco años. Se definieron celdas de entrada y de pronóstico. tendremos un total de 10. 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. 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. Nótese que aun a pesar de que el costo de capital varíe positiva o negativamente. Similarmente.Nótese que para cada valor asumido por la variable de decisión se construirá un escenario independiente en el cual se realizarán mil simulaciones.

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

Sign up to vote on this title
UsefulNot useful