Sensibilidad, Escenarios y Simulacion PDF

Sensibilidad, escenarios y simulacin
Jairo Gutirrez Carmona

gutierrezcarmona@gmail.com
Marzo de 2011
Contenido
1.
MODELOS FINANCIEROS
1.1
MODELOS FINANCIEROS CON ENFOQUE DE SISTEMAS .............................. 2
2.
HERRAMIENTAS DEL EXCEL PARA EL MODELAJE FINANCIERO
2.1
2.2
2.3
FUNCIONES ........................................................................................................ 5
TABLAS DE DATOS ............................................................................................ 6
ESCENARIOS ...................................................................................................... 9
3.
ANALISIS DE SENSIBILIDAD
3.1
3.2
ANLISIS DE SENSIBILIDAD DE VALOR ......................................................... 14

ANALISIS DE SENSIBILIDAD DE HIPOTESIS .................................................. 19
4.
SIMULACION DE RESULTADOS
4.1
4.2
4.3
SIMULACION DE MONTECARLO ..................................................................... 23

ANALISIS DE RIESGO ...................................................................................... 29
SIMULACION CON CRYSTAL BALL ................................................................. 30
BIBLIOGRAFIA
12
21
35
1. MODELOS FINANCIEROS
Un modelo puede definirse como una abstraccin de la realidad. De esta forma se
planean tres tipos de modelos 1:
Modelos fsicos: cuando la realidad se representa fsicamente utilizando materiales, de
tal manera que es posible observarla sin necesidad de recurrir al objeto real. Por
ejemplo la maqueta de un edificio, que sin ser el edificio lo representa y da una idea de
cmo se ver cuando est construido, as mismo, se pueden hacer correcciones sobre
el modelo antes de llevar a cabo la obra.
Eppen (2000), Pg. 9
Modelos anlogos: cuando la realidad se representa en un medio diferente a travs de

las relaciones entre sus componentes, de tal manera que es posible entenderla sin
necesidad de tenerla presente. Por ejemplo el mapa de la ruta entre dos ciudades, que
sin ser el terreno real lo representa y permite verificar el relieve y las distancias, asi
mismo, se pueden hacer clculos de tiempo de recorrido y planear un viaje, antes de
iniciar la marcha.
Modelos simblicos: cuando la realidad es abstracta y se representa a travs de
variables que se relacionan matemticamente, de tal manera que se pueden cuantificar
los resultados de esas relaciones. Por ejemplo el balance general de una compaa,
que sin ser la empresa la representa y permite llegar a conclusiones sobre su situacin
actual y perspectivas, asi mismo se pueden hacer simulaciones de los resultados antes
de tomar una decisin.
En resumen, un modelo financiero es la representacin simblica de situaciones
empresariales2 y modelaje financiero es la accin de crear modelos para
reproducir situaciones y consiste en descubrir las relaciones que se presentan en una
situacin determinada y plasmarlas, a travs de smbolos, en un modelo que pueda
calcular resultados.
Entonces, utilizando el modelaje financiero es posible descubrir y establecer todas las
relaciones que se presentan en una situacin y por lo tanto estudiar su funcionamiento y
los resultados que producir ante determinadas circunstancias. Entre mayor sea la
desagregacin de los componentes mayor ser la complejidad del modelo, no solo por
que se multiplica la cantidad de relaciones que se presentan, si no tambin por la
cantidad de supuestos que se deben hacer para cada componente.
1.1 MODELOS FINANCIEROS CON ENFOQUE DE SISTEMAS
Para mejorar la efectividad en la construccin de modelos financieros se debe utilizar un
enfoque sistmico que considere como elementos integrantes del modelo los datos de
entrada (variables y parmetros, polticas y supuestos), el procesamiento de los mismos
(relaciones entre los componentes) y la presentacin de resultados (variables de
salida).
Dado que las finanzas tienen relacin con las decisiones que se toman en todas las reas de la empresa, es posible utilizar los
modelos financieros para analizar y cuantificar monetariamente los resultados de cualquier situacin empresarial.
1
Tanto en el proceso como en la salida las celdas contienen formulas y no
valores absolutos.
Este enfoque de sistemas es lo que se conoce como un anlisis estructural 3, segn el
cual se busca encontrar un resultado (salida) aplicando operaciones matemticas a las
relaciones (proceso) que se presentan entre las variables elementales (entrada). Para
construir un modelo utilizando este enfoque se siguen los siguientes pasos:
a.
Identificar los elementos de la situacin, es decir conocer cuales son las variables
elementales del problema (tanto de decisin como ambientales)
b.
Identificar las variables de resultado y los indicadores que se utilizarn para medir el
logro de los objetivos
c.
Conocer como se relacionan una variables con otras
d.
Determinar cuales son las variables clave. Este es uno de los puntos ms
importantes, ya que es la base para los anlisis que se hagan con el modelo
e.
Asignar valor a todas las variables (tanto de decisin y como ambientales)

dependiendo de los estudios y pronsticos que se hayan adelantado
f.
Desarrollar el modelo, construyendo relaciones matemticas entre las variables

hasta llegar a las variables de resultado
Finalmente, el producto de un modelo financiero es una serie de salidas expresadas en

funcin de variables intermedias y de resultados que se utilizan para analizar una
situacin empresarial, que se puede generalizar con la siguiente expresin:
Mojca (1991), Pg. 35: Esto es lo que sucede con la tcnica de anlisis estructural: Los elementos (o variables) que constituyen
el caso que se est estudiando no son analizados independientemente unos de otros sino conformando un sistema. Por lo tanto,
cada elemento es percibido segn las relaciones que tiene con los otros, vale decir que el mtodo nos permite visualizar la manera
como un elemento influye sobre los otros, dentro de esa maraa intrincada que es la realidad
Por ejemplo, la utilidad bruta en ventas depende de la cantidad vendida, del precio de
venta, de las cantidades de materias primas que se utilicen por unidad producida, del
precio de las materias primas, del salario de la mano de obra directa, etc.
2. HERRAMIENTAS DEL EXCEL PARA EL MODELAJE FINANCIERO

A continuacin se presenta un resumen de la clasificacin de los modelos financieros:
Clase de modelo Utilizacin ms comn
Normativo
Ayudan a tomar decisiones dentro de marcos

legales
Experimental
Ayudan a tomar decisiones de poltica financiera
Exploratorio
Ayudan a tomar decisiones operativas
De pronstico
Anticipan el grado de cumplimiento de los

objetivos
Operacionales
Apoyan al rea operativa para sustentar

decisiones
De control
Ayudan al rea administrativa a controlar las

operaciones
De planeacin
Apoyan al rea directiva a planear la consecucin

de objetivos
De optimizacin
Apoyan la toma de decisiones
De simulacin
Apoyan la administracin para comprender mejor

una situacin
Determinsticos
Facilitan la cuantificacin de resultados
Probabilsticos
Apoyan la toma de decisiones bajo incertidumbre
Explicativos
Explicar un concepto terico
Aplicativos
Se aplicar a la realidad
Se concluye que el objetivo de los modelos financieros es apoyar la toma de

decisiones en todos los niveles de la organizacin, teniendo en cuenta el
ambiente particular de la empresa y los objetivos que le han predeterminado los
propietarios, utilizando herramientas que permiten entender mejor las
operaciones que se realizan.
La conclusin anterior se puede desagregar as:
Apoyar la toma de decisiones: esta es la principal funcin de los modelos financieros,

ya que generan informacin detallada sobre una situacin de negocios afianzando las
bases sobre las cuales se toman las decisiones.
En todos los niveles de la organizacin: los modelos financieros pueden utilizarse en
cualquier rea de la empresa y solo se diferencian en la clase de datos que utilizan y en
el horizonte de tiempo que tienen en cuenta.
Ambiente particular de la empresa: un mismo modelo no se puede utilizar en dos
empresas, as sean del mismo sector, ya que cada una tiene estructura, objetivos y
recursos diferentes.
Objetivos predeterminados: cada modelo calcula sus propias variables de resultado
de acuerdo con las polticas de la empresa y para ello tiene en cuenta los objetivos que
los propietarios le han predeterminado.
Utilizando herramientas: los modelos financieros recurren a conceptos de finanzas,
contabilidad, clculo, matemticas financieras, investigacin de operaciones, etc., por lo
tanto requieren de herramientas que faciliten su interrelacin y arrojen informacin clara
sobre la situacin que se est estudiando.
Las herramientas que utilizan los modelos financieros, atendiendo a las facilidades
ofrecidas por la hoja de clculo Excel, se pueden reunir en los siguientes grupos:
Funciones,
Tablas de datos,
Escenarios,
A continuacin se exponen estas herramientas en su aspecto prctico.
2.1 FUNCIONES
Las funciones son frmulas que resuelven problemas generales y vienen incorporadas
al Excel; su caracterstica principal es que de una manera rpida y sencilla ejecutan
clculos complejos. Las funciones dejan el resultado que calculan en la celda donde
han sido escritas.
El siguiente es el formato general de una funcin:
= NombreFuncin(argumento_1,argumento_2, .... ,argumento_n)
Como se aprecia, las funciones del Excel constan de tres partes:
1.
El signo igual (=) que precede a toda funcin para indicar que es una frmula
(cuando la funcin est empleada como argumento, es decir que no aparece al
principio de la entrada, no requiere el signo igual),
5
2.
El nombre de la funcin, que tiene una ortografa definida y por lo tanto siempre
debe escribirse de la misma manera,
3.
Los argumentos que tienen una sintaxis definida y por lo tanto siempre se deben
escribir en el mismo orden. Los argumentos van entre parntesis y hacen referencia
a los datos, celdas o rangos sobre los cuales operar la funcin. Los argumentos
pueden ser nmeros, direcciones de celda, nombres de celda u otras funciones.
El principio de las funciones es ahorrar tiempo en los clculos dispendiosos, esto quiere
decir que es ms importante conocer el significado del resultado que arroja que conocer
la mecnica de su creacin, puesto que adems el Excel, para introducir una funcin,
cuenta con el Asistente para Funciones, para lo cual basta con seleccionar INSERTAR |
FUNCION u oprimir el icono Insertar funcin de la barra de formulas.
2.2 TABLAS DE DATOS
Las tablas de datos son una herramienta del Excel que permite calcular el valor que
tomar una variable intermedia o una variable de salida, ante los valores concretos que
se asignan a una o dos variables de entrada, intermedias o de salida.
Para ilustrar el funcionamiento de las tablas de datos se utilizar un ejemplo elemental:
Cul es el valor de la cuota de un crdito de cinco millones de pesos, con cuotas
mensuales, concedido a un plazo de un ao, a diferentes valores de tasa de inters (ver
archivo HERRAMIENTAS EJEMPLO 1.xls):
Aqu se busca el valor que tomar una variable de salida (la cuota), ante cambios en
una variable de entrada (la tasa de inters), permaneciendo constantes las dems
variables. Para resolver este caso se recurre a las tablas de datos, los pasos para
utilizarlas son los siguientes:
1. Se efectan los clculos originales, en este caso se calcula el valor de la cuota de
un crdito
En este ejemplo las variables de entrada son
el valor del crdito, la tasa de inters y el plazo
del crdito; mientras que el valor de la cuota
constante es la variable de salida.
2. Se digitan los valores que

tomar la variable cuyo efecto
se desea probar. Estos valores
pueden ser subjetivos, en este
caso para el cambio la tasa de
inters se tomarn variaciones
de 0.25 puntos porcentuales
hacia arriba y hacia abajo del valor utilizado en el modelo (2% como se aprecia en la
celda B2).
3. Colocar en la celda diagonal al
primer valor escrito (en el
ejemplo G3 que est diagonal a
F4) una referencia a la celda que
contiene la variable de respuesta
que se est analizando (en G3
se escribi =B5). Este resultado
debe depender directa o indirectamente de la variable que ha tomado valores (en
este caso el valor de la cuota depende directamente la tasa de inters).
La tabla queda conformada por: el rango F3:G12.
4. Se selecciona el rango de la
tabla (F3:G12) y se elige la
opcin DATOS | TABLA del
men de texto, para que se abra
el cuadro de dialogo Tabla
El cuadro de dialogo Tabla ofrece dos cajas de

entrada para introducir la direccin de la celda
donde se encuentra la variable cuyo efecto se
est probando.
Celda de entrada fila: se utiliza cuando los valores que se asignan a la variable se
han escrito a los largo de una fila.
Celda de entrada columna: se utiliza cuando los valores que se asignan a la

variable se han escrito a los largo de una columna, como es el caso del ejemplo que
se est desarrollando (columna F4:F12)
5. Se introduce la direccin de la
variable que afecta la respuesta,
en este caso B2 o sea la
direccin de la tasa de inters
que es la variable seleccionada
para afectar el resultado o sea la
cuota:
Se oprime el botn Aceptar y se

obtienen las respuestas
Las cifras que aparecen en la
segunda columna de la tabla
corresponden al valor de la
cuota, a diferentes niveles de
tasa de inters, mantenindose constante el monto del crdito y el plazo
Utilizando la expresin generalizada de un modelo financiero, se puede ilustrar
grficamente la funcin de las tablas de datos de la siguiente manera:
Es decir que la funcin de las tablas de datos es medir el efecto que una variable
de entrada tiene en una variable de salida. En las tablas de datos se establece una
relacin de uno a uno que mide el impacto que tiene una variable independiente en una
dependiente:
2.3 ESCENARIOS
El administrador de escenarios es una herramienta del Excel que permite almacenar y
recuperar varios valores en una celda de entrada, de manera que al seleccionar un
escenario la celda tome el valor que le corresponde.
Para ilustrar su funcionamiento, se utilizar el
mismo modelo de la cuota de un crdito suponiendo
que el evento a estudiar es el anuncio de una
restriccin crediticia que elevar la tasa de inters y
reducir el plazo de los crditos (ver archivo
HERRAMIENTAS EJEMPLO 2.xls). Como no se
conocen los valores que tomarn estas variables en el futuro, se debe recurrir a
hiptesis (escenarios) sobre su comportamiento futuro. Las hiptesis deben provenir de
estudios efectuados sobre previsiones del futuro, ya sea por el administrador financiero
o por entidades externas (gobierno, gremios, etc.)
Los pasos para crear y usar los escenarios del Excel son los siguientes:
1. Planificar los escenarios que se utilizarn, definiendo
a. Cuntos escenarios (hiptesis) se estudiarn
Se definen tres escenarios: Situacin actual, restriccin leve y restriccin grave.
b. Cules variables conformarn cada escenario
Se utilizarn dos variables: Tasa de inters y plazo de los crditos
c. Cul ser el valor que tomarn las variables en cada escenario
En cada escenario, las variables toman los siguientes valores:
VARIABLES
TASA DE
INTERES
PLAZO (meses)
SITUACION RESTRICCION RESTRICCION

ACTUAL
LEVE
GRAVE
2.00%
2.50%
3.50%
12
10
Los valores que se asignen a las variables en cada escenario no tienen ninguna
proporcionalidad, ya que slo obedecen a las especulaciones que se hagan sobre el
futuro de una situacin.
2. Se elige HERRAMIENTAS | ESCENARIOS del

men de texto y se despliega la ventana principal
de la herramienta. Como no se han creado
todava escenarios, la ventana se presenta con el
siguiente aspecto:
Para crear los escenarios que se hayan
planificado, se debe entrar por el botn Agregar
que permite iniciar el trabajo
El botn Agregar despliega una ventana en la cual se puede crear el primer escenario,
diligenciando las dos cajas de texto que ofrece la
ventana:
Nombre del escenario: es el nombre que se haya
elegido para la hiptesis en la etapa de
planificacin.
Celdas cambiantes: es la direccin donde se
encuentran las variables elementales (celdas de
entrada) que conforman la hiptesis. Las celdas cambiantes tienen que contener
nmeros
3. Al aceptar la entrada de los datos anteriores

(nombre del escenario y celdas cambiantes), se
muestra una ventana que permite la entrada de
los valores que van a tomar las variables. En
este caso para la direccin B2 donde se
almacena la tasa de inters se digita 0.02 o 2%4
y para la direccin B3 que es el plazo se digita
12, que son los valores que se quieren para esas variables en la hiptesis que ha
4
El separador de decimales que se utilice -- punto (.) o coma (,) -- es determinante en la entrada de los valores de las variables que
conforman un escenario, ya que si se crea en un Excel que tenga como separador de decimales la coma (,) el escenario no
funcionar en otro Excel que tenga como separador de decimales el punto (.)
10
llamado situacin actual. Para continuar creando los otros escenarios que se han
planificado se oprime el botn agregar y se repiten los pasos 3 y 4.
4. Una vez creados todos los escenarios que se

han planificado se oprime aceptar y se regresa a
la ventana inicial de la herramienta, en la cual ya
figuran los escenarios creados. Para ver el efecto
de cada escenario basta con seleccionarlo en la
caja de los escenarios y oprimir el botn Mostrar
e inmediatamente se modifican los datos de
entrada en el modelo y por lo tanto se recalculan
todas las variables, mostrando los efectos que
produce ese escenario en los resultados.
En el ejemplo que se est siguiendo se ha
seleccionado el escenario RESTRICCION
GRAVE, por lo tanto la tasa de inters se modifica a 3.5%, el plazo a 6 meses y la
cuota se ha recalculado en $938,341.
Para apreciar mejor el efecto de las diferentes

hiptesis en los resultados del modelo se oprime el
botn Resumen y se muestra una ventana que pide
las direcciones de las celdas resultantes que se
quieren o sea aquellas variables en las cuales se
quiere apreciar el impacto de los cambios. en este
caso se han seleccionado la celdas B1 y B5 que
representan el monto del crdito y el valor de la
cuota.
5. Al oprimir el botn aceptar, la herramienta inserta una nueva hoja en la cual se

presentan todos los escenarios que se han creado, mostrando los valores que
toman las celdas cambiantes en cada escenario y los resultados que se calculan en
las celdas resultantes:
11
Utilizando la expresin generalizada de un modelo financiero, se puede ilustrar

grficamente la funcin de la herramienta Escenarios del Excel de la siguiente manera:
Es decir que la funcin de los escenarios es medir el efecto que un conjunto de

variables de entrada, tiene en un conjunto de variables de proceso o de salida.
Con los escenarios se establece una relacin de varios a varios que mide el efecto de
las variables independiente en las dependientes:
3. ANALISIS DE SENSIBILIDAD
Con el anlisis de sensibilidad se busca hacer un estudio de la situacin para:
12
Encontrar el grado en que cada variable de entrada del modelo (de decisin o
ambiental) afecta los resultados
Conocer el impacto que la ocurrencia de una hiptesis (de poltica o del entorno)
tiene sobre los resultados
Los dos estudios anteriores llevan a dos clases de anlisis de sensibilidad:

a.
Anlisis de sensibilidad de valor,
b.
Anlisis de sensibilidad de hiptesis,
Estas dos clases de anlisis de sensibilidad se analizan y ejemplifican en los siguientes

apartados, utilizando un modelo bsico de proyeccin de estados financieros que se
describe de la siguiente manera (Ver archivo EJEMPLO ANALISIS DE
SENSIBILIDAD.xls):
Este modelo proyecta tres meses del estado de resultados de una empresa que inicia
operaciones. Los datos de entrada son los siguientes:
Datos
comerciales y de
produccin:
Gastos:
13
Con los datos anteriores se proyecta el estado de resultados y como salida se calculan
algunos indicadores del estado de resultados proyectado.
Esta es una empresa que entra al mercado con un precio de lanzamiento muy reducido
el cual piensa aumentar dependiendo del impacto que cause el producto en el mercado.
Este ser el modelo que se utilice para ilustrar las diferentes formas de trabajar el
anlisis de sensibilidad.
3.1 ANLISIS DE SENSIBILIDAD DE VALOR
En general el anlisis de sensibilidad de valor busca encontrar el grado en que cada
variable de entrada del modelo afecta las variables de salida, para ello se aplican
variaciones en las variables de entrada y se mide su efecto en los resultados del
modelo.
Entre mayor sea el impacto que los cambios en las entradas provoquen sobre los
resultados del modelo, mayor ser la sensibilidad del resultado a esa variable; por lo
tanto el anlisis de sensibilidad de valor sirve para encontrar cules son las variables
determinantes del resultado, con el fin de tomar medidas ya sea para controlarlas mejor
en cuanto a su estabilidad o para estudiar ms detenidamente los pronsticos de esa
variable que se utilicen en el modelo.
Para efectuar el anlisis de sensibilidad de valor en un modelo

financiero desarrollado en Excel, se utilizan las tablas de datos como
herramienta principal
El anlisis de sensibilidad de valor efecta cambios en una entrada y estudia su impacto

en un resultado, es decir que va de la variable independiente (entrada) hacia la variable
dependiente (salida).
La funcin de las tablas de datos es medir el efecto que una variable de entrada tiene
en una variable de proceso o de salida. En las tablas de datos se establece una relacin
de uno a uno que mide el efecto de la variable independiente en la dependiente:
14
El anlisis de sensibilidad sirve para encontrar el grado en que cada variable del modelo
afecta los resultados, por lo tanto es el proceso de medir cunto cambia el resultado
ante cambios controlados en las variables de entrada; el resultado de este anlisis de
sensibilidad es el grado de sensibilidad puntual (GSP) de los parmetros, que se puede
medir con la siguiente expresin:
GSP
Variacin porcentual del resultado

% Y
Variacin porcentual de la entrada

% X
Al elaborar un modelo financiero una pregunta que siempre se hace el analista es:
Cules de las variables de entrada tienen mayor influencia sobre el resultado? Esto
quiere decir que se debe seleccionar un resultado para evaluar como se ve afectado
ante cambios en las variables de entrada. En el ejemplo se seleccionar como variable
de resultado el costo de ventas del trimestre y como variables de entrada se utilizar el
precio de compra de las materias primas, con lo cual se busca responder la siguiente
pregunta: Cul de las materias primas influye ms en el costo de ventas? Para
responder la pregunta se recurre a las tablas de datos.
Los siguientes son los resultados que se obtienen:
Interpretando los resultados se dir que, ante un cambio del 5% en el precio de las
materias primas, se presentaran los siguientes cambios en el costo de ventas: 1.03%
para las materias primas A y B, y 1.31% para la materia prima C. Para generalizar la
respuesta en el nivel de precios actual se calcula el grado de sensibilidad puntual, de la
siguiente manera:
15
GSP

Variacin porcentual de la entrada
Para la materia prima B
1.03%
0.205
5%
Para la materia prima A y B
Para la materia prima C
1.03%
0.205
5%
1.31%
0.263
5%
Se concluye que la materia prima que ms influye en el costo de ventas es la materia

prima C, ya que tiene un grado de sensibilidad (GSP) de 0.26, lo cual quiere decir que
ante un aumento del 1% en el precio de la materia prima C se presenta un aumento del
0.26% en el costo de ventas. Esto quiere decir que el inversionista debe tener especial
cuidado con las negociaciones que se hagan con los proveedores de la materia prima
C.
Para llegar a los resultados anteriores se efectuaron los siguientes pasos:
1.
Seleccionar el resultado que se analizar (costo de ventas).
2.
Seleccionar las variables a las que se medir el grado de sensibilidad (precio de las
materias primas A, B y C).
3.
Definir una variacin porcentual que se aplicar a los valores de las variables (5% en
el ejemplo, tal como se aprecia en la celda J95)
4.
Digitar los valores que tomarn las variables seleccionadas. Como se trata de una
variacin porcentual, se escribe una frmula que permita aumentar y disminuir el
valor de la variable; para ello se recomienda digitar en el centro el valor de la
variable utilizado en el modelo.
Valor utilizado en el modelo (No se puede utilizar frmula)
Posteriormente calcular valores de la variable hacia arriba y hacia abajo, aplicando

la variacin porcentual seleccionada:
El valor de la variable disminuye
El valor de la variable aumenta
16
5.
A travs de las tablas de datos calcular el valor que tomar el resultado para cada
valor de la variable seleccionada (Valor del costo de ventas a diferentes precios de
compra de la materia prima A) Esto permitir verificar la exactitud de los clculos:
Valor tomado del modelo (Celda F47)
Valor calculado en la tabla, debe ser igual al valor

calculado en el modelo para el precio de la materia
prima A utilizado en el modelo
6.
Calcular la variacin porcentual de los resultados. Realmente slo se requiere

calcular una variacin y se acostumbra tomar la del primer aumento
7.
Finalmente se calcula el grado de sensibilidad puntual de la variable, como la

divisin de la variacin porcentual del resultado entre la variacin porcentual de la
variable
Grado de sensibilidad puntual
17
Tambin puede hacerse un anlisis de la sensibilidad, graficando los resultados que se

obtienen al efectuar cambios en los precios de las materias primas.
El grfico anterior tiene las siguientes caractersticas:

En el eje horizontal (de las x) se colocan las variaciones porcentuales aplicadas (-2,
-1, 0, 1, 2) y no el precio de venta de cada materia prima, ya que cada una tiene un
precio bien diferente y no seran comparables.
El grado de sensibilidad puntual de las variables de entrada se mide por la pendiente
de cada recta.
Signo y valor del grado de sensibilidad
El grado de sensibilidad puntual mide el efecto que una variable de entrada tiene en una
variable de salida y se sabe que entre ms alto sea ese grado de sensibilidad mayor
ser el efecto de la variable en los resultados. Adems de lo anterior, tambin debe
considerarse el signo del grado de sensibilidad, asi:
Grado de sensibilidad positivo: Indica que existe una relacin directa entre la
variable y el resultado, por lo tanto la pendiente de la recta tambin ser positiva. Es
decir que, cuando la variable de entrada (independiente) aumenta, el resultado
(dependiente) tambin aumentar.
Grado de sensibilidad negativo: Indica que entre la variable independiente y la
dependiente existe una relacin inversa, por lo tanto cuando la variable de entrada
aumenta, la variable de salida disminuye.
18
3.2 ANALISIS DE SENSIBILIDAD DE HIPOTESIS

El anlisis de sensibilidad de hiptesis ofrece informacin sobre las consecuencias que
tiene para algn resultado la ocurrencia de una situacin particular en la cual se
involucra un conjunto de variables de entrada (de decisin o del ambiente), tambin se
conoce con el nombre de anlisis de escenarios, ya que las variables elementales que
se ven involucradas se comportan de manera particular segn ocurran ciertos sucesos
en el futuro.
Para efectuar el anlisis de sensibilidad de hiptesis en un modelo

financiero desarrollado en Excel, se utilizan los escenarios como
herramienta principal
El anlisis de sensibilidad de hiptesis se utiliza para conocer las consecuencias que

tiene para la empresa adoptar una determinada poltica (comercial, financiera, de
personal, etc.) o verse enfrentada a un determinado futuro (apertura econmica,
reforma tributaria, etc.); en ambos casos se obtiene informacin sobre el futuro de la
empresa segn sea la situacin que ocurra y por lo tanto apoya la toma de decisiones.
Este anlisis de sensibilidad efecta cambios simultneos en varias variables que
forman una situacin particular esperada (hiptesis) y estudia su impacto en los
resultados, es decir que va de la variable independiente (parmetro) hacia la variable
dependiente (resultado).
La funcin de los escenarios es medir el efecto que un conjunto de variables

elementales (que conforman una hiptesis), tiene en un conjunto de variables
intermedia o de resultado. Con los escenarios se establece una relacin de varios a
varios que mide el efecto de las variables independiente en las dependientes:
19
Para el ejemplo que se est desarrollando se quiere saber cual sera la situacin para la
empresa dependiendo del impacto que el producto cause en el mercado, utilizarn las
siguientes hiptesis:
VARIACION EN
INGRESOS
Precio
Mes 1
Mes 2
Mes 3
Cantidad
Mes 1
Mes 2
Mes 3
Otras variables
Precio materia prima C
Comisiones por ventas
IMPACTO
BAJO
IMPACTO
MEDIO
IMPACTO
ALTO
250,000
250,000
275,000
280,000
300,000
310,000
300,000
320,000
350,000
800
800
1,000
1,000
1,200
1,300
1,200
1,500
1,750
14,500
7.5%
16,000
5.0%
18,500
3.0%
Para poder apreciar todas las consecuencias se debe

recurrir a los escenarios. Para el efecto se construyen
tres escenarios que tienen como celdas cambiantes el
precio de venta, la cantidad vendida, la comisin por
ventas y el precio de compra de la materia prima C, tal
como se muestra en la figura siguiente:
20
Al ejecutar el resumen de los escenarios es posible tener un estado de resultados y el

anlisis financiero de las tres situaciones esperadas:
4. SIMULACION DE RESULTADOS
La simulacin es una metodologa para experimentar con una situacin a travs de un
modelo financiero, con el fin de entender mejor las relaciones entre las variables5.
Segn la forma de cuantificar las variables los modelos financieros se clasifican en
modelos determinsticos y modelos probabilsticos, segn los siguientes conceptos:
Modelos determinsticos: Este tipo de modelos supone que conoce con certeza el
valor de las variables de entrada y por lo tanto les asigna valores subjetivos, se pueden
La simulacin es una tcnica numrica para reproducir fenmenos en un medio diferente de donde ocurren Pinilla (2004) Pg. 11
Simulation is the process of building a mathematical or logical model of a system or a decision problem, and experimenting with the
model (usually with a computer) to obtain insight into de systems behavior or to assist in solving the decision problem Evans (2002)
Pg. 2
21
estudiar utilizando el anlisis de sensibilidad, que es la mejor herramienta para anlisis

para los modelos determinsticos.
Modelos probabilsticos: En este tipo de modelos se reconoce que no se conoce con
certeza el valor que las variables de entrada tomarn en el futuro, pero si se conocen
los rangos dentro de los cuales se ubicarn. Es asi como, a algunas de ellas se les
asignan valores al azar (no se le asignan valores fijos) tomados de una distribucin de
probabilidades. Este proceso tambin se conoce como simulacin de Montecarlo, ya
que a las variables de entrada se les asignan valores al azar para calcular los
resultados del modelo.
En la representacin general de los modelos,
los probabilsticos se pueden expresar asi:
El procedimiento de la simulacin es como sigue:

1.
Se seleccionan las variables que se van a estudiar 6.
2.
Se le asigna una distribucin de probabilidades a los valores que tomarn las

variables en el experimento7.
3.
Se genera un nmero aleatorio por un sistema que permita que todos los nmeros
aleatorios entre 0 y 1 tengan la misma probabilidad de salir.
4.
Se asigna a la variable el valor que corresponda al nmero aleatorio generado

dentro de la distribucin de probabilidades
5.
Se resuelve el modelo con los nuevos valores de las variables asignados al azar
6.
Se registra el valor de la solucin del modelo
Los pasos 3 a 6 (generar el nmero aleatorio, asignar valores al azar a las variables,
calcular la solucin del modelo y registrar la solucin calculada) se efectan una
cantidad elevada de veces, de tal manera que se pueda obtener una distribucin de
probabilidades de las respuestas; igualmente se puede calcular medidas de dispersin
(promedio, desviacin estndar, etc.) a los resultados registrados.
6
Se deben seleccionar las variables de mayor importancia para el modelo, ya sea por su impacto en los resultados o por lo incierto
de sus valores futuros. Para saber cuales son esas variables se utiliza el anlisis de sensibilidad de valor
7
Por tratarse de experimento socio-econmico no se dispone de los valores que tomarn las variables, por lo tanto se debe recurrir
a las probabilidades subjetivas y a la experiencia del analista
22
La hoja de clculo Excel no cuenta con una herramienta en particular que

permite efectuar simulaciones automticamente, pero se pueden combinar
varias herramientas y funciones para conseguir este fin
Dado que en el Excel no existe una herramienta que efecte todos los pasos de la
simulacin, a continuacin se hace un paralelo entra las caractersticas de la simulacin
y las herramientas del Excel que deben ser utilizadas:
Caracterstica de la simulacin
Herramienta del Excel utilizada
Contar con una distribucin de

probabilidades de los valores que tomarn
algunas variables de entrada, que por su
importancia son determinantes de los
resultados del modelo
El anlisis de sensibilidad de las variables

del modelo, con el fin de encontrar cules
son las ms importantes para los resultados
y dentro de que valores se pueden mover
Asignar valores al azar a las variables de

entrada (tomados de la distribucin de
probabilidades)
La funcin Aleatorio, que genera nmeros

aleatorios y la funcin Buscar, para
seleccionar el valor correspondiente al
nmero aleatorio generado
Solucionar el modelo un nmero elevado de

veces y registrar la respuesta obtenida
Las macros para repetir el proceso de

solucin y registrar los resultados obtenidos
Obtener una distribucin de probabilidades

de las soluciones
La funcin Frecuencia, para obtener la

distribucin de frecuencia de los resultados
4.1 SIMULACION DE MONTECARLO

Este tipo de simulacin se enmarca dentro de la toma de decisiones bajo riesgo, ya que
algunas variables pueden tomar cualquier valor dentro de un rango, sin saberse por lo
tanto cual ser el valor de la solucin; pero si se puede asignar la probabilidad de
ocurrencia de cada valor dentro del rango y construir una distribucin de probabilidades
de las respuestas.
A continuacin se presenta un ejemplo para ilustrar el proceso de simulacin en
modelos financieros utilizando la hoja de clculo Excel, se trata de simular el efecto que
tiene sobre el ROE el nmero de almuerzos vendidos en un restaurante (Ver archivo
EJEMPLO SIMULACION MONTECARLO.xls). Los pasos a seguir son los siguientes:
1. Construir un modelo financiero. En este caso se trata de un inversionista que esta
estudiando la posibilidad de invertir en un restaurante, pero tiene reservas sobre la
rentabilidad del negocio, teniendo en cuenta la gran variabilidad de las ventas en
unidades.
23
Los datos de entrada del modelo son bastante sencillos y se han dividido en dos
grupos:
Datos de
ventas:
produccin
Datos de gastos:
Inicialmente se soluciona el modelo de manera determinstica, suponiendo que por

trabajarse con el promedio real de ventas de los ltimos cuatro meses (ver celda
B5), se estn considerando las variaciones que puede presentar esta variable. Los
resultados obtenidos son los siguientes:
24
Por este sistema se pronostica que el negocio

del restaurante arroja un ROE de 20.9% y si el
inversionista espera una rentabilidad de sus
recursos de por ejemplo 20%, se concluira que
es un buen negocio y por lo tanto debe
aceptarse. Sin embargo, debe tenerse en
cuenta que por solucionarse de manera
determinstica se supone que las ventas en
unidades sern iguales al promedio de los
ltimos cuatro meses.
Al observar estas ventas en detalle se aprecia
que la cantidad de almuerzos vendidos en un
mes depende principalmente del nmero de
dias hbiles del mes y de los dias de la semana
en que ocurra el pago quincenal de salarios,
por lo tanto no es posible generalizar una
situacin determinada y es mejor hacer simulaciones, con diferentes niveles de
venta, de acuerdo con la probabilidad que se analice.
2. Seleccionar las variables que se van estudiar, (considerando principalmente

aquellas que tengan mayor incertidumbre en el futuro). En este caso se ha
seleccionado el nmero de almuerzos vendidos en el mes, teniendo en cuenta que
los promedios diarios observados en los ltimos cuatro meses tienen una alta
variabilidad y que su valor tiene una gran influencia en el ROE, tal como puede
apreciarse con los siguientes datos:
Promedio
ltimos
tres
Almuerzos
meses
diarios
mes 1
126
mes 2
107
mes 3
117
mes 4
103
25
3. Asignar una distribucin de probabilidades a los valores que van a tomar las
variables seleccionadas para el experimento. Quiere decir que debe tenerse una
distribucin de probabilidades para el nmero de almuerzos diarios, para el ejemplo
que se est desarrollando se ha tomado la siguiente distribucin:
Interpretando la tabla se dir que el inversionista ha asignado la misma probabilidad

de ocurrencia a los valores extremos de los ltimos cuatro meses (20% de
probabilidad tanto para 126 como para 103 almuerzos diarios vendidos). Como se
ha dicho, estas probabilidades son subjetivas, ya que son asignadas por un experto
en la materia, considerando las expectativas que se tengan sobre el futuro.
Estos valores esperados son los que se utilizarn en el modelo para calcular el ROE
con diferentes cantidades de almuerzos diarios vendidos, pero se seleccionan
aleatoriamente.
4. Generar nmeros aleatorios para seleccionar un valor de la variable al azar. Se
busca obtener valores al azar de la cantidad de almuerzos diarios vendidos para
calcular el ROE; para ello se utiliza la probabilidad acumulada (rango D4:E7) para
seleccionar de las cantidades de almuerzos diarios probables (rango B4:B7) el valor
que se utilizar para resolver el modelo (celda F11), como se observa en la siguiente
figura:
26
El nmero aleatorio se genera en la celda F9 a travs de la funcin Aleatorio() y el

valor que se utilizar para resolver el modelo se ubica inicialmente en la celda F11,
utilizando la funcin Buscar(), como se explica a continuacin:
=BUSCAR(F9,D4:D7,B4:B7)8, que se interpreta de la siguientes forma: buscar el
nmero aleatorio generado (F9), comparndolo con los valores que existan en el
vector de comparacin que es el limite inferior de las probabilidades acumuladas
(D4:D7) y traer el valor que le corresponda en vector de resultado que contiene los
valores que tomar la variable aleatoria (B4:B7), en este caso el nmero de
almuerzos vendidos que se tomar para solucionar el modelo. Tal como se aprecia a
continuacin:
5. Registrar la solucin del modelo ante el nuevo valor de las variables. En el

modelo, cuando se obtiene un nmero de almuerzos vendidos recalcula nuevamente
el estado de resultados y el ROE.
6. Automatizar el proceso de registrar la respuesta. Dado que los pasos de generar
el nmero aleatorio, asignar valor a la variable y calcular la solucin del modelo se
efectan una cantidad elevada de veces, es necesario que ese proceso se efecte
de manera automtica, para ello hay que recurrir a las macros
Para crear la macro que automatiza la simulacin de Montecarlo se deben tener
presente los siguientes aspectos:
a. Reunir en un rango contiguo todos los resultados cuyo valor se quiere registrar.
Para este ejemplo se han seleccionado las variables Ventas, Utilidad y ROE, que
en el modelo se encuentran dispersas en las celdas B54, B71 y B73.
Al rango donde se renan las variables se le debe colocar un nombre para
efectos de manejarlo como un todo en la macro, en este caso se utilizar el
La funcin Buscar tiene dos sintaxis: vectorial y matricial, para trabajos de simulacin debe seleccionarse la sintaxis vectorial que
utiliza tres argumentos y busca un valor en un rango (vector de comparacin) y devuelve el valor que est en la misma posicin en
un segundo rango (vector de resultado)
27
nombre
RESULTADO
que
corresponde
a
las
celdas
B79:D79, donde se han trado
con referencia las los resultados que se quieren conservar.
b. Debe crearse tambin un rea para registrar los resultados, la cual se encabeza
con una serie de medidas estadsticas de los datos. Esta rea debe recibir un
nombre que en este caso ser SALIDA que corresponde a la celda B84:
c. Hay que asignar un nombre a la

primera fila de las respuestas
que se registren, que se
utilizar posteriormente para
borrar
los
resultados
registrados cuando se quiera
hacer nuevos experimentos. El nombre asignado es DATOS y corresponde al
rango B88:D88
La macro utilizada en este proceso es la siguiente:
Sub SIMULACION()
' Macro grabada el 26/07/2004 por JAIRO GUTIERREZ CARMONA
' Acceso directo: CTRL+q
VECES = InputBox("Favor digitar nmero de simulaciones", "SIMULACION DE
MONTECARLO")
Application.Goto Reference:="DATOS"
Range(Selection, Selection.End(xlDown)).Select
Selection.ClearContents
For N = 1 To VECES
28
Application.Goto Reference:="RESULTADO"
Selection.Copy
Application.Goto Reference:="SALIDA"
Selection.End(xlDown).Select
ActiveCell.Offset(1, 0).Range("A1").Select
Selection.PasteSpecial Paste:=xlPasteValues
Next
End Sub
En el modelo de este ejemplo

se ordena ejecutar la macro
1,000 veces, obteniendo los
siguientes resultados.
Con la simulacin efectuada se llega a la conclusin que el ROE promedio del

negocio es 19.4% por lo tanto se concluye que existe la probabilidad de que la
rentabilidad del restaurante sea inferior al 20% esperado por el inversionista. Lo
anterior quiere decir que se debe hacer un anlisis de riesgo los resultados.
4.2 ANALISIS DE RIESGO
El riesgo puede expresarse como la prdida que se podra sufrir debido a cambios en
las variables de entrada y se mide con la dispersin que se presente en el resultado. De
aqu se desprenden dos puntos importantes para efectuar anlisis de riesgo con Excel:
a.
En un modelo financiero el riesgo lo introducen las variables independientes.
b.
En un modelo financiero el riesgo se mide en las variables de resultados o de salida
Una vez realizado el experimento un nmero elevado de veces, se puede construir una
distribucin de frecuencias de los resultados y asignar probabilidades de ocurrencia a
los valores, tal como se aprecia a continuacin en una inversin en un bono, (ver
archivo EJEMPLO SIMULACION BONO.xls).
29
Para efectuar la distribucin de frecuencias

se puede recurrir a la funcin Frecuencia,
que arroja los siguientes resultados:
La distribucin de
probabilidades de los
resultados ser la siguiente:
Se aprecia que ya no se habla con certeza de la respuesta y se pasa a hablar de

probabilidades y de tendencias, esta es la caracterstica principal de los resultados de la
simulacin.
4.3 SIMULACION CON CRYSTAL BALL9
Crystal Ball es un complemento del Excel que automatiza los pasos del proceso de
simulacin de Montecarlo. Tales pasos son10:
1.
Crear un modelo paramtrico del problema que se desea estudiar (este paso
siempre ser igual para todas las herramientas)
2.
Definir las celdas aleatorias (assumption cells) que son las variables de entrada que
introducen la incertidumbre al modelo
3.
Asignar una distribucin de probabilidades a las variables aleatorias. Este es el gran

aporte del Crystal Ball, ya que este paso se hace automticamente seleccionando la
distribucin de una galera de distribuciones que se ofrecen.
Crystal Ball es un complemento (add-in) desarrollado por Decisioneering, Inc (www.decisioneering.com o www.crystalball.com)
10
Decisioneering (2004), Pg. 129
30
4.
Definir las celdas de resultado (forecast cells) que son variables de salida que se
ven afectadas por la incertidumbre de las variables de entrada que se han
seleccionado como aleatorias
5.
Ejecutar la simulacin. En este paso no es necesario elaborar la macro ya que el

programa Crystal Ball ejecuta todo el trabajo 11
A continuacin se desarrollar con Crystal Ball el modelo EJEMPLO SIMULACION DE

MONTECARLO.xls, que trata sobre la inversin en un restaurante en la cual se tiene
incertidumbre sobre el nmero de almuerzos que se puedan vender en un dia, para ello
llevan a cabo los siguientes pasos:
1. Crear un modelo paramtrico. El modelo se desarrolla tal como se describi en la
pgina 23
2. Definir las celdas aleatorias (assumption
cells). Se selecciona el nmero de almuerzos
diarios vendidos de la celda B5 que es la
variable cuyo comportamiento se desconoce
3. Asignar una distribucin de probabilidades a las variables aleatorias. Aqui es

donde entra el Crystal Ball al definir para la variable Nmero de almuerzos (B5) una
distribucin de probabilidades tomada de la galera de distribuciones que se ofrece.
Este paso se hace llevando a cabo la siguiente secuencia:
a. Se ubica el cursor en la celda aleatorio (B5)
b. Se oprime el icono Define assumption para desplegar la galera de
distribuciones:
Icono Define assumption
11
Es cierto que con Crystal Ball se automatiza el proceso de simulacin de Montecarlo y se obtiene la informacin de una manera
muy rpida, sin embargo hay dos aspectos que deben tenerse presentes:
1.
De todas maneras se debe construir un modelo, por lo tanto las recomendaciones dadas aqui siguen vigentes, y
2.
En el segundo semestre del 2005 la versin Professional Edition de Crystal Ball tena un valor de US$ 1.795, por lo tanto no
sobra saber hacer simulacin con macros, especialmente cuando es un trabajo ocasional y en una empresa con recursos muy
limitados
31
De la galera de distribuciones se selecciona aquella distribucin de probabilidades

que ms se ajuste al comportamiento de la variable. Para la variable nmero de
almuerzos se seleccionar una distribucin de probabilidades uniforme, suponiendo
que las ventas en unidades pueden variar entre un mnimo100 y un mximo de 130
almuerzos diarios, teniendo la misma probabilidad de ocurrir cualquiera de los
valores entre los dos extremos. Al seleccionar la distribucin uniforme se despliega
la ventana de entrada de los datos mnimo y mximo de la variable:
c. Se oprime el botn OK crear la celda aleatoria con las condiciones seleccionadas

4. Definir las celdas de resultado (forecast cells). El procedimiento es muy similar al
anterior, ya que se debe ubicar el cursor en la celda de salida que se desea registrar
y oprimir el icono Define forecast. Las celdas de resultado seleccionadas son las
ventas (B48) y el ROE (B67).
Icono Define forecast
32
Solo basta con definir las unidades de medida de la variable.
5. Ejecutar la simulacin. Para ejecutar la simulacin se oprime el icono Start

simulation
Icono Start simulation
Icono Reset simulation
Se ejecuta el Crystal Ball y se produce un grfico por cada variable de resultado que
se haya seleccionado, en el cual se muestra la distribucin de frecuencia de los
resultados.
33
Si se desea tener un informe de los resultados de la simulacin se oprime el icono

Create report:
Icono Create report
Se despliega la ventana Create report en la cual se definen las caractersticas que

se desean para el informe:
Al oprimir el botn OK se genera

el informe con los datos
solicitados:
34
BIBLIOGRAFIA
Gutirrez, Jairo. Modelos financiero con Excel. Bogot, ECOE 2008
Alemn, C., Gonzlez, E. Modelos financieros en Excel. Mxico, Cecsa 2003
Decisioneering. Crystal Ball User manual. Denver, Decisioneering, Inc. 2004
Evans, J y Olson, D. Simulation and risk analysis. New Jersey, Prentice-Hall 2002
Vlez, Ignacio. Decisiones empresariales bajo riesgo e incertidumbre. Bogot, Norma
2003
Benninga, Simon. Financial Modeling. Cambridge, MIT Press 2000
COMPLEMENTARIA
Berenson, M. y otros. Estadstica para administracin. Mxico, Prentice-Hall 2001
Day, Alastair. Mastering financial modelling. Londres, Prentice-Hall 2001
Eppen, G. Investigacin de operaciones en la ciencia administrativa. Mxico, Prentice-Hall
2000
Holden, Craig. Spreadsheet modeling in the corporate finance. New Jersey, Prentice Hall
2002
Jacobson, Reed. Excel 2002 macros y Visual Basic. Madrid, McGraw-Hill 2002
Mojca, Francisco. La prospectiva. Bogot, Legis 1991
Pinilla, Vicente. Simulacin. Bogot, Uniandes 2004
Shim, Jae. Financial analysis, forecasting & modeling. Paramus, Prentice Hall 1988
Vose, David. Quantitative risk analysis. Chichester, Wiley 1996
35

Sensibilidad, Escenarios y Simulacion PDF

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

Sensibilidad, Escenarios y Simulacion PDF

Cargado por

Copyright:

Formatos disponibles

Sensibilidad, escenarios y simulacin

Jairo Gutirrez Carmona

MODELOS FINANCIEROS CON ENFOQUE DE SISTEMAS .............................. 2

HERRAMIENTAS DEL EXCEL PARA EL MODELAJE FINANCIERO

ANLISIS DE SENSIBILIDAD DE VALOR ......................................................... 14

SIMULACION DE MONTECARLO ..................................................................... 23

Eppen (2000), Pg. 9

Sensibilidad, escenarios y simulacin

Jairo Gutirrez Carmona

Modelos anlogos: cuando la realidad se representa en un medio diferente a travs de

Sensibilidad, escenarios y simulacin

Jairo Gutirrez Carmona

Conocer como se relacionan una variables con otras

Asignar valor a todas las variables (tanto de decisin y como ambientales)

Desarrollar el modelo, construyendo relaciones matemticas entre las variables

Finalmente, el producto de un modelo financiero es una serie de salidas expresadas en

Sensibilidad, escenarios y simulacin

Jairo Gutirrez Carmona

2. HERRAMIENTAS DEL EXCEL PARA EL MODELAJE FINANCIERO

Ayudan a tomar decisiones dentro de marcos

Ayudan a tomar decisiones de poltica financiera

Ayudan a tomar decisiones operativas

Anticipan el grado de cumplimiento de los

Apoyan al rea operativa para sustentar

Ayudan al rea administrativa a controlar las

Apoyan al rea directiva a planear la consecucin

Apoyan la toma de decisiones

Apoyan la administracin para comprender mejor

Facilitan la cuantificacin de resultados

Apoyan la toma de decisiones bajo incertidumbre

Explicar un concepto terico

Se concluye que el objetivo de los modelos financieros es apoyar la toma de

Sensibilidad, escenarios y simulacin

Jairo Gutirrez Carmona

Apoyar la toma de decisiones: esta es la principal funcin de los modelos financieros,

Sensibilidad, escenarios y simulacin

Jairo Gutirrez Carmona

Sensibilidad, escenarios y simulacin

Jairo Gutirrez Carmona

2. Se digitan los valores que

El cuadro de dialogo Tabla ofrece dos cajas de

Sensibilidad, escenarios y simulacin

Jairo Gutirrez Carmona

Celda de entrada columna: se utiliza cuando los valores que se asignan a la

Se oprime el botn Aceptar y se

Sensibilidad, escenarios y simulacin

Jairo Gutirrez Carmona

SITUACION RESTRICCION RESTRICCION

Sensibilidad, escenarios y simulacin

Jairo Gutirrez Carmona

2. Se elige HERRAMIENTAS | ESCENARIOS del

3. Al aceptar la entrada de los datos anteriores

Sensibilidad, escenarios y simulacin

Jairo Gutirrez Carmona

4. Una vez creados todos los escenarios que se

Para apreciar mejor el efecto de las diferentes

5. Al oprimir el botn aceptar, la herramienta inserta una nueva hoja en la cual se

Sensibilidad, escenarios y simulacin

Jairo Gutirrez Carmona

Utilizando la expresin generalizada de un modelo financiero, se puede ilustrar

Es decir que la funcin de los escenarios es medir el efecto que un conjunto de

Sensibilidad, escenarios y simulacin

Jairo Gutirrez Carmona