Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sensibilidad, Escenarios y Simulacion PDF
Sensibilidad, Escenarios y Simulacion PDF
Contenido
1.
MODELOS FINANCIEROS
1.1
2.
2.1
2.2
2.3
FUNCIONES ........................................................................................................ 5
TABLAS DE DATOS ............................................................................................ 6
ESCENARIOS ...................................................................................................... 9
3.
ANALISIS DE SENSIBILIDAD
3.1
3.2
4.
SIMULACION DE RESULTADOS
4.1
4.2
4.3
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.
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.
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.
f.
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.
Experimental
Exploratorio
De pronstico
Operacionales
De control
De planeacin
De optimizacin
De simulacin
Determinsticos
Probabilsticos
Explicativos
Aplicativos
Se aplicar a la realidad
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.
Celda de entrada fila: se utiliza cuando los valores que se asignan a la variable se
han escrito a los largo de una fila.
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:
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)
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.
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
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.
11
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
b.
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.
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
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
1.03%
0.205
5%
1.03%
0.205
5%
1.31%
0.263
5%
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.
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:
7.
17
18
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%
20
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
2.
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.
5.
Se resuelve el modelo con los nuevos valores de las variables asignados al azar
6.
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
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
Los datos de entrada del modelo son bastante sencillos y se han dividido en dos
grupos:
Datos de
ventas:
produccin
Datos de gastos:
24
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:
26
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:
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
b.
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
La distribucin de
probabilidades de los
resultados ser la siguiente:
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.
Crystal Ball es un complemento (add-in) desarrollado por Decisioneering, Inc (www.decisioneering.com o www.crystalball.com)
10
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.
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
32
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
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