aula
ANÁLISIS riesgo económico
Uso de técnicas analíticas y de Monte Carlo
BRENDAN R. O'DONNELL,' MICHAEL A. Hickner, 2 BR U C E A. BA R N A sensibilidad a los valores de entrada
Universidad Tecnológica de Michigan • Houghton,
MI
decisiones / tratados de inversión se basan típicamente
en alguna forma de análisis de flujo de caja, tales como
el valor presente neto (VPN) o tasa interna de retorno
(TIR). El análisis es primeros per-
formado usando rendimiento previsto del proyecto durante la
vida del proyecto como si las predicciones fueron determinista.
La naturaleza estocástica de estas predicciones puede entonces
ser manejado usando una variedad de técnicas de análisis de
riesgo, tales como: mejores escenarios de casos / peor; análisis
de sensibilidad de un solo parámetro (parcelas Strauss); la
propagación del error analítico; Simulación del Monte Carlo; y
los árboles de decisión. En este trabajo, se presenta el
desarrollo y la aplicación de una plantilla de hoja de cálculo de
Microsoft Excel que facilita el análisis de riesgos analítica y
Monte Carlo de las decisiones de inversión. Hemos encontrado
la plantilla particularmente
Métodos para evaluarútil en el análisis de riesgos de
el riesgo
enseñanza para estudiantes de nivel superior en el curso de
Mejor / peor de los casos escenarios calculan un retorno
diseño.
de la inversión para el conjunto más rentable de las
condiciones de inversión y otro cambio de la peor posible de
condiciones. Este enfoque analiza los dos extremos del
espectro en términos de rentabilidad. En general, sin
embargo, el peor de los casos, no será superior a la
rentabilidad mínima y el mejor de los casos lo hará. Debido
a que el resultado esperado es en algún lugar entre los dos
extremos, la mayoría de las evaluaciones no serán resueltos
por este método. El método es útil para aquellos pocos casos
en que el peor de los casos se encuentra que es aceptable o
el mejor de los casos se encuentra que es inaceptable.
análisis de sensibilidad de un solo parámetro pruebas de
la variabilidad de los resultados con respecto a una
variable económica. Este tipo de análisis de riesgos es
común porque los cálculos y la interpretación son simples.
Sólo una variable se cambia en un momento dado, y el
resultado (que es con frecuencia lineal) se puede mostrar
gráficamente en una parcela Strauss (NPV frente a cambio
en la variable de interés). Debido a que toda la
información se puede derivar de una pequeña cantidad de
trabajo, algunas empresas exigen que todas las solicitudes
de medidas de capital ir acompañados de pruebas de
94
clave como materia prima
Me Actualmente hará? IBM, inc., Burlington, Vermont
2
Actualmente en la Universidad Virginia Tech, en Blacksburg, Virginia
precio, la mano de obra, servicios públicos, etc. Esta técnica
se puede mostrar el punto de equilibrio para cada una de las
variables económicas fundamentales.
métodos analíticos utilizar el análisis de la propagación de
errores de evaluar el riesgo que implica. Este enfoque utiliza
identidades estadísticos para relacionar la variabilidad de
cada parámetro para su distribución. Con el fin de definir la
variabilidad en la medida de riesgo se desea, la relación entre
los parámetros y la medida deseada se combina en forma de
ecuación. Esta ecuación combina todas las facetas de la
variabilidad en los valores de entrada económicas en una
única expresión de la variabilidad en la medición de riesgo
deseado. La inclusión de la variabilidad y multiparamétrico
influencia sobre el resultado hace que el método analítico
aplicable para el examen de riesgo donde la variabilidad está
bien definida y los parámetros de entrada se supone
independiente.
simulaciones de Monte Carlo se han utilizado para simular
la variación aleatoria en conjuntos de variables relacionados.
En primer lugar, una distribución estadística se especifica
para cada entrada. A continuación, la simulación selecciona
al azar un valor para cada entrada de la distribución
especificada para ese artículo. El conjunto de valores de
entrada al azar se utiliza para calcular un resultado. Este
proceso se repite un número suficiente de veces para que la
distribución de los resultados se puede utilizar para predecir
de forma fiable la variabilidad del resultado calculado. La
simulación se puede ejecutar cientos o incluso miles de
veces para explorar todas las combinaciones posibles de
variables. métodos de Monte Carlo han ganado cada vez
más atención debido a la mayor potencia y reducido el coste
del equipo de escritorio
Brendan O'Donnell recibió su maestría en ingeniería química de la
tecnología de Michigan en el verano de 2001. Su investigación graduado
centrado en el desarrollo de herramientas de software para ayudar en el
diseño de procesos, evaluación económica, y la mejora de procesos. Él
posee una licenciatura en ingeniería química de la tecnología de Michigan
y actualmente trabaja como ingeniero de fotolitografía para IBM en
Burlington, Vermont.
Bruce Barna es profesor de Ingeniería Química de la Universidad
Tecnológica de Michigan. Posee una licenciatura y maestría de tecnología
de Michigan y un doctorado de la Universidad Estatal de Nuevo México
Enseñanza de la Ingeniería Química
que trabajó como ingeniero de procesos de Metales y Exxon de Reynold
y como ingeniero de planta y gerente de planta de Kalsec. Inc., antes de
unirse a la facultad en MTU.
Michael Hickner es actualmente un estudiante de doctorado de ingeniería
química en la Universidad Virginia Tech. Su investigación implica
sintetizar y caracterizar nuevas membranas de intercambio de protón
para pilas de combustible. Ha llevado a cabo parte de su investigación
de pilas de combustible en el Laboratorio Nacional de Los Álamos.
Recibió su licenciatura en ingeniería química de la tecnología de Michigan
en 1999.

© Derechos de autor de la colinesterasa División ASEE 2002

la parte superior de computación. Una vez que las base teórica para cada análisis y su aplicación en la hoja de
distribuciones son elegidos para cada entrada económica, cálculo Excel real.
repitiendo los cálculos se vuelve trivial. la primavera de 2002
Árboles de decisión emplear un método de ponderar el
impacto económico de un evento por su probabilidad. El uso
de árboles de decisión sigue una progresión de izquierda a
derecha, donde cada decisión se basa en el anterior hasta que En este trabajo, se presenta el
se alcanza un resultado final. Cada rama del árbol de decisión desarrollo y la aplicación de una
tiene una probabilidad y un valor económico. El valor
esperado de una decisión se puede calcular sumando el
plantilla de hoja de cálculo de
producto de la probabilidad y el resultado económico a cada Microsoft Excel que facilita el
nodo de decisión. Al comparar el resultado de cada nodo de análisis de riesgos analítica y Monte
probabilidad dará lugar a una decisión definitiva, en base
numérica. La ventaja de este método es la capacidad de
Carlo de las decisiones de inversión.
incorporar probabilidades calculadas y los factores económicos
para dar un resultado numérico para un proceso de toma de
decisiones complejas ".
El lugar lógico para enseñar estas técnicas de análisis de MÉTODO ANALÍTICO
riesgo en la mayoría planes de estudios de ingeniería química El análisis de flujo de caja proporciona la relación entre
es en el curso de diseño de culminación. Las mejores técnicas / nuestros resultados y los insumos: ingresos, gastos de
peor de los casos y técnicas de sensibilidad de un solo capital, la inversión y la tasa de inflación de trabajo. Con el
parámetro se dominan fácilmente por todos los estudiantes. fin de determinar la variabilidad en el resultado, vamos a
Las técnicas analíticas, Monte Carlo, y la toma de árbol puede utilizar el método de propagation.1231 de error Cuando una
ser más que un reto, dependiendo de los antecedentes variable, c, es una función de una serie de variables, x 1, x ,,
estadísticos de los estudiantes y el tiempo disponible para que ... x., Se puede escribir
puedan escribir sus propias rutinas de simulación. El
reconocimiento de este fue el impulso para desarrollar una C = 4) (X, X 2, ... X n (6)
herramienta de aprendizaje basado en la hoja de cálculo que De ello se deduce que si cada xi es independiente y 0,2
podría ser utilizado para facilitar el análisis de riesgo utilizando representa la varianza de c, entonces
ambos métodos analíticos y de Monte Carlo. 2_(y/
C.A 2 do
2 6x (7)
EJECUCIÓN Los métodos analíticos y de C.A
- - un) 2
7 (
+ (-) 2
hacha , - +()...
+
Monte Carlo UX i ' X2 2
hach norte
Se utilizó un análisis de flujo de caja para demostrar las a
Aplicando esta ecuación a la variación económica, con el
norte
técnicas analíticas y de Monte Carlo. Una tabla de flujo de VPN como c, la inversión de capital fijo (Inv) como xi, los
caja de la muestra se generó usando el valor actual neto ingresos (Inc) como x2, gastos (exp) como x3, capital de
(NPV) como resultado de interés trabajo (WC) como x4, y la inflación (INF) como x5, se
llega a la siguiente expresión para la variación del valor
Nueva Yorkorejas Constante actual neto:
Valor Actual flujo neto de efectivo = L
ANPV = ° Inv "Inc
i = i (I + MAO 2 (aiI1V
Flujo de Caja (Tasa de inflación 1+ ANPV ) 2 2 ( ANPV) 2 2
Flujo de Caja )' alt1C
Constante'= Flujo de Caja = ANPV ) 2 (52 ( ANPV) 2 ANPV ) 2 02
AEXP Exp AWC wc AINF IR TF
Ingresos - Gastos - Inversión - Capital de Trabajo -tax impuestos = (8)
Gananciaantes de impuestos * Tasa de
impuesto Usando la ecuación. (8), si podemos definir todos los
términos en el lado derecho de la ecuación, debemos ser
Beneficio antes de impuestos = Ingresos - Gastos - Depreciación capaces de calcular la variación del valor actual neto. El
problema se convierte entonces en una de cálculo de los
Esta tabla de flujo de efectivo se incorporó en una plantilla de elementos de la derecha.
hoja de cálculo para facilitar el análisis analítico y Monte Carlo
del NPV. La plantilla permite al usuario adaptar la analítica y La aproximación de los diferenciales thepartial •
Monte Carlo analiza a un conjunto específico de variables diferenciales parciales representan la pendiente de la función
económicas, incluyendo la distribución de cada variable. La con respecto a la variable de interés en un pequeño
siguiente parte de este artículo se describirá en primer lugar la incremento. Si suponemos que la función responde casi
linealmente debido a un cambio incremental en la variable de
interés, entonces podríamos aproximar el diferencial parcial
cambiando la variable de un pequeño porcentaje por encima
y por debajo del valor del caso base y el cálculo de la
pendiente de los dos puntos resultantes . La Figura 1 muestra
un cambio tal y NPV resultante con una línea de ajuste.
Podemos utilizar este método para calcular las derivadas
parciales de VPN con respecto al resto de las variables de
seguimiento
95
 ing un procedimiento similar. La tarea se convierte entonces
en una de estimar las varianzas para cada variable.
La estimación de las variaciones individuales • Definición
de la varianza requiere estimación basada en la experiencia
pasada o predicción futura. Para nuestros propósitos, se supone
que cada una de las cinco variables de entrada sigue una de las
tres distribuciones: normal, uniformes, o beta-modificado.
Aunque se podrían añadir otras distribuciones, estas tres
distribuciones pueden representar la mayor parte de los tipos de
distribuciones encontradas. Cada distribución requiere entradas
adicionales para definir la varianza. La distribución normal
requiere la desviación estándar como una entrada (la varianza es
simplemente el cuadrado de la desviación estándar). El valor
medio se supone que es el valor del caso base, m. Para las otras
dos distribuciones, necesitamos estimaciones de la máxima, la
mínima, y el valor más probable de la distribución beta. Por lo
tanto, definimos
a = valor mínimo
b = valor máximo
m = valor más probable (modo)
La varianza de la distribución uniforme se puede calcular
usingm
a = 2 (B-a) 2
(9)
12
fórmula de la distribución beta modificada utiliza estas entradas
máximos y mínimos para calcular la varianza de la siguiente
PERT (Programa de Evaluación y Revisión Técnica)
simplificaron: 151
a2 = [(1) -12
(10)
6 Inversión {MM $)
distribuciones-beta de modificación pueden estar sesgadas
ya sea positiva o negativamente. La media esperada es
diferente del valor más probable y se calcula
= A + c + 4m
1.1 ___________
6
La implementación del enfoque analítico sobre una hoja de
cálculo Una vez que la varianza para cada variable y el
diferencial parcial de NPV con respecto a cada variable (o
entrada) se ha aproximado, la varianza global puede ser
calculado. La derivada parcial para cada variable se estima
mediante la modificación del parámetro individual un
porcentaje fijo (especificado por el usuario) y el cálculo de la
pendiente entre los dos puntos perturbados. La varianza de
cada parámetro necesario para satisfacer la ecuación. (8)
puede ser correlacionada de valores de entrada de
incertidumbre. Ecuación 8 combina las partes para calcular la
variación en el valor actual neto. Ahora hemos cuantificado
la incertidumbre en nuestra variable de decisión económica
utilizando el método analítico. El supuesto de independencia
es un aspecto débil del método analítico. Algunas de las
96
variables son a menudo relacionados entre sí. Por ejemplo,
los gastos son a menudo relacionados con la inversión,
capital de trabajo a veces se relaciona con la inversión, etc.
En este sentido, la simulación de Monte Carlo puede ser más
apropiado cuando existan dichas interrelaciones. La técnica
de Monte Carlo no lo hace explícitamente representan
interrelaciones tampoco, pero más combinaciones de
variables se exploró, como se ilustra en los siguientes
párrafos.
Método de Monte Carlo
simulaciones de Monte Carlo pueden reducir los errores en
comparación con el enfoque analítico mediante la realización
de paseos aleatorios dentro de distribuciones especificados y
determinando los resultados directamente a partir de ensayos
repetidos. En este caso, estamos interesados en la búsqueda de
la variabilidad en el valor actual neto sobre la base de la
variabilidad en los cinco parámetros económicos mencionados
anteriormente.
El uso de supuestos para la variabilidad individual,
Parámetro sola parcela Strauss - Inversión
1.80
1.60 1.39
1.40
1.20
09
1.00
2
5.
0.80
pendiente = -1.0
z 0.60 0.59
0.40
0.20
0.00
9,4 9,6 9,8 10,0 10,2 10,4 10,6
podemos elegir juegos de azar gastos, ingresos, inversiones,
etc., y calcular el resultado de dicho juego usando las
ecuaciones de flujo de caja (. Ecuaciones 1-5) para encontrar
un valor presente neto para el conjunto . La variación en el
valor actual neto entonces se puede extraer directamente de
la distri-
Figura 1. La determinación de la derivada parcial de NPV
con respecto a la inversión, mediante un gráfico Strauss-
solo parámetro.
Enseñanza de la Ingeniería Química
Figura 2. gráfico de probabilidad normal para media =
10 y
un 2 = 4.

0.25 -
0.20-
0.15
X
0.10
0.05

0.00 __
0 10 20

X
bución de los presentes resultados netos de valor. 67% de todos los valores se encuentran dentro de una
derivación estadística• Normal, uniformes, y beta desviación estándar de la media, el 95% se encuentran
modificada distribuciones se utilizan para la simulaciones dentro de dos desviaciones estándar, y el 99% se
de Monte Carlo también. La distribución normal encuentran dentro de tres. Una variable normalmente
representa la curva normal o gaussiana estándar. Para distribuida puede ser caracterizado por su media y
una distribución tal, aproximadamente varianza (o desviación estándar). La Figura 2 ilustra una
curva de probabilidad normal con media de diez y varianza
0,20 0,15 1 <, de cuatro. Por supuesto, la suma de las probabilidades de
todas las ocurrencias es uno.
0.10 La distribución uniforme da igual probabilidad para
cualquier ocurrencia entre los puntos extremos mínimo y
0.05
máximo, y está completamente caracteriza por estos valores.
0.00 La Figura 3 muestra una distribución uniforme con un
mínimo y un máximo de diez y dos, respectivamente.
0
La distribución-beta modificado puede ser sesgada en
2 4 6 8 10 12 cualquier dirección desde el punto medio. Se caracteriza por su
valor lo más probable (modo) y estimaciones de valores bajos y
X altos. La Figura 4 muestra la distribución de probabilidad de
una distribución-beta modificada muestra con un modo de dos,
Figura gráfica de probabilidad 3. Uniforme de mínimo 2 y un mínimo de cero y un máximo de siete. En este caso, existe
máximo 10. una probabilidad inferior de los valores a la izquierda de la
modo que a la derecha.
3.50
El uso de las distribuciones para un análisis de Monte Carlo
3.00 requiere una programación nuestra hoja de cálculo para generar
2.50 números aleatorios y luego para extraer un valor de la normal,
uniforme, o distribuciones-beta modificada establecidas por la
2.00
entrada de incertidumbre para las variables.
1.50
La generación de valores aleatorios dentro de una
1.00
distribución• La hoja de cálculo de Microsoft Excel tiene
0.50 algunas funciones integradas de estadísticas. Por
ejemplo, dado un número aleatorio, una media, una
0.00
0 24 6 8 10 desviación estándar, y una distribución estándar, la
función de
X

Figura gráfica de probabilidad 4.-beta modificada de DISTR.NORM.INV (RANDO, MEDIA, STANDARD -

mínimo 0, máximo 7, y el modo de 2.
Figura 5. acumulativa-beta modificada probabilidad
distribución
ción para un mínimo de 0, máximo 7, y el modo de 2.
la primavera de 2002
DESVIACIÓN)
devolverá un valor aleatorio de esa distribución. Existe una
función similar para la distribución uniforme. No existe tal
función para la distribución-beta modificado, sin embargo, por
lo que tuvo que ser programada por separado. El
procedimiento siguiente describe la rutina de cálculo para la
distribución-beta modificada. El mismo enfoque se podría
aplicar a cualquier distribución deseada.
Utilizando la función de distribución de probabilidad-beta
modificada (Ec. 12, la figura de 4), integramos para obtener
la distribución de probabilidad acumulativa (véase la Figura
5). Entonces, Excel genera un número aleatorio entre la una
y cero que corresponde a una f (x) (Figura 5). El valor de x se
selecciona basándose en la f aleatorio (X) y escalado para el
rango mínimo y máximo especificado. El resultado es un
valor aleatorio dentro de la distribución
f (x) - (a + b + 1)! xa (1- x) b (12)
un * b!
dónde
 a = valor mínimo
valor máximo
La generación de las simulaciones • El valor aleatorio
de una variable de entrada (por ejemplo, gastos) se
combina entonces con los otros valores aleatorios de las
variables en un conjunto
97
usando las ecuaciones. (1-5) para calcular una NPV. En una
simulación de Monte Carlo, el cálculo de NPV se repite varias
veces, cada una de un nuevo conjunto de entradas aleatorias.
Inicialmente, se previó que 50 a 100 iteraciones producirían una
distribución NPV estable y reproducible. Con este número de
iteraciones, se encontró que los resultados eran muy sensibles al
tamaño bin seleccionado para el análisis de frecuencia y, a
menudo no se habían estabilizado. Teniendo en cuenta que la
potencia de cálculo es fácilmente disponible y que un cálculo
requiere sólo uno o dos segundos, aumentamos el número de
iteraciones a 500, que resultó ser suficiente.
La variabilidad en el valor actual neto se puede extraer
directamente de la base de datos. El uso específico de la
hoja de cálculo se discute a continuación, seguido por un
estudio de caso.
USO DE LA HERRAMIENTA DE CALCULO
hojas de cálculo modernas tienen la utilidad de ser
programable, extensible y fácil de usar, y buenas herramientas
de enseñanza. A diferencia de diferentes lenguajes de
programación que se esconden los resultados intermedios, hojas
de cálculo permiten al usuario ver las entradas, el conjunto de
datos, y cualquier cálculo. La plantilla de análisis de riesgo
desarrollado aquí proporciona todos estos aspectos, tanto para
análisis de la analítica y Monte Carlo.
Para utilizar la plantilla, en primer lugar el usuario debe
suministrar los insumos en la primera pestaña de la hoja de
cálculo. Las entradas incluyen caso base (media o modo)
los valores para la inversión, gastos, ingresos, tasa de
inflación, y capital de trabajo. Los análisis de flujo de caja
también se basan en las variables preestablecidas, tales
como vida del proyecto, rendimiento mínimo aceptable,
tasa de impuestos, depreciación y el horario. rendimiento
mínimo aceptable (MAR) y tasa de impuestos son las
únicas variables preestablecidas que pueden ser
modificados por el usuario en esta herramienta. La
amortización se fija en el sistema de siete años modificada
acelerado de recuperación de costos (MACRS) y la vida
del proyecto se fija en diez años, todos los valores típicos
para un proyecto industrial.
A continuación, el usuario debe seleccionar las
distribuciones para cada una de las variables. Hay un menú
desplegable para seleccionar el tipo de distribución: normal,
uniforme, o-beta modificada. A continuación las listas
desplegables son células para la especificación de la
variabilidad de la distribución, seleccionados por
• normal Requiere la desviación estándar, CT; utiliza
valores del caso base como media
• uniforme Requiere un (mínimo) y b (máximo)
-Beta modificada • Requiere un (mínimo) y b
(máximo); utiliza valores del caso base como
más probable (modo)
Estas entradas enlaza con pestañas de cálculo en la hoja
de cálculo. No se requiere entrada del usuario adicional. El
resultado analítico para la varianza se muestra en la
pestaña de entrada, mientras que los resultados de Monte
Carlo se muestran en la hoja de resultados. En la ficha
HISTOGRAMAS son histogramas de valor presente neto,
así como para cada variable. Aquí el usuario puede evaluar
si la simulación representa adecuadamente la distribución
de entrada. Porque
98
el cálculo Monte Carlo es dependiente de la generación de
números aleatorios, volver a calcular la hoja de cálculo
puede resultar en ligeramente diferentes distribuciones.
Ambos resultados analíticos y de Monte Carlo se
compone de un intervalo de confianza para NPV. A veces es
más útil para calcular la probabilidad de un valor actual neto
mayor que cero (13Npv ()). Dicho cálculo representaría la
probabilidad de que la reunión del proyecto o superior a la
rentabilidad mínima aceptable teniendo en cuenta la
variación esperada en las variables. Si el resultado de
distribución se distribuye normalmente, a continuación, una
técnica sencilla para el cálculo de los valores de p en Excel
es utilizar el
DISTR.NORM (VALOR, MEDIA, STANDARD DESVIACIÓN, TRUE)
-
función. Ajuste del valor de = O y restando el resultado de un
calculará la probabilidad de que el NPV proyecto exceder el
rendimiento mínimo aceptable. Si la distribución no es normal,
entonces probabilidades deben determinarse directamente a
partir del histograma de distribución de frecuencia.
CASO ESTUDIAR
Un estudio de caso simple basado en un hipotético
proyecto puede ayudar a ilustrar la aplicación de la plantilla.
Las distribuciones de las variables han sido seleccionados en
base a la experiencia histórica, probable error en la
estimación de costes, etc. El retorno mínima aceptable
(MAR) está fijado en un 20% y la tasa de impuesto fijado en
el nivel federal del 34%. de vida del proyecto es de 10 años.
La Tabla 1 resume las entradas necesarias para el cálculo de
un análisis de riesgos analítica y Monte Carlo.
Figura 6. Histograma de valor presente neto con- dado
straints en la Tabla 1.
Enseñanza de la Ingeniería Química

TABLA 1
Parámetros del caso base del análisis de riesgos
Estudio de caso
Variable Caso base Distribución Afiff Std. del%
Inversión de $ 10MM Unifor
capital $ IMM $ me
circulante normales
4 mm $ 8
Gastos Ingresos Modified-beta 5
milímetr
Modified-beta 10 7
Inflación os
3% Normal

VAN
histograma
120 -
100

1
80
60

111
4
u. 40
20 11
0

CGB tP`b.? :73

1
; \ •
• • <D

VAN ($)
1