Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema5 PDF
Tema5 PDF
- LA DECISIÓN DE INVERTIR
EN UN CONTEXTO DE
RIESGO
5.1.- Introducción.
Situaciones según el nivel de información:
Certeza.
Incertidumbre parcial o riesgo:
(Inversiones con riesgo)
Incertidumbre total:
(Inversiones con incertidumbre)
5.2.- Algunos criterios de decisión en
contexto de incertidumbre total.
Matriz de decisión:
M M M M M
Si Ri1 Ri2 … Rij … Rim
M M M M M
Sn Rn1 Rn2 … Rnj … Rnm
Criterios de decisión:
a) Criterio de WALD:
Mejor Peor R ij
i j
i = 1,2, L , n
j = 1,2, L , m
b) Criterio optimista:
Mejor Mejor R ij
i j
i = 1,2, L , n
j = 1,2, L , m
c) Criterio de Hurwicz:
Mejor {α R i + (1 − α ) ri }
i
i = 1,2, L, n
j = 1,2, L, m
α : Grado de propensión al riesgo o grado de optimismo.
(1 - α) : Grado de aversión al riesgo o pesimismo.
ri : Peor resultado de la estrategia i.
R i : Mejor resultado de la estrategia i.
d) Criterio de Laplace:
Sucesos equiprobables: misma probabilidad de
ocurrencia, 1/m.
1 m
( )
Mejor E Si R ij = ∑ R ij
m j=1
i
i = 1,2,L, n
j = 1,2,L, m
( )
E Si R ij : Resultado medio esperado a obtener con
la estrategia Si .
e) Criterio de Savage:
Coste de oportunidad:
Cij = Mejor R ij − R ij = R *j − R ij
i =1, 2,L, n
j = 1,2, L , m
Criterio:
Mejor Peor Cij
i j
i = 1,2, L, n
j = 1,2, L, m
5.3.- La introducción del riesgo en la
valoración de inversiones.
Métodos de introducción del riesgo:
( )
q
~
E FNC j = ∑ FNCij Pji
i =1
o Varianza:
( ) [ ( )] = ∑[ ( )]
q
2 ~ ~ ~ 2 ~ i ~ 2 i
σ FNCj = E FNCj − E FNCj FNCj − E FNCj Pj
i=1
donde
( ~
E FNC j ) esperanza matemática del FNC del
período j; j = 1, 2, …, n.
~ i
FNC j Flujo Neto de Caja del período j = 1, 2, …, n
con probabilidad de ocurrencia i = 1, 2, …, q.
Pji Probabilidad de ocurrencia del FNCji, j = 1,..., n;
i = 1, ..., q.
• VAN variable aleatoria:
~ ~ ~
~ FNC1 FNC 2 FNC n
VAN = − D + ~ + ~ 2 +L+ ~
(1 + k ) (1 + k ) (1 + k ) n
= −D +
~
(
E FNC1 E FNC 2
+
) ( ~
)
+L+
(~
E FNC n )
(1 + k ) (1 + k ) 2
(1 + k ) n
=∑
n σ 2 FN~
(Cj )
+ ∑∑
n n Cov FN ~
(
C j , FNCi
~
.
)
j=1 (1 + k )
2j j+ i
j=1 i =1 (1 + k )
i≠ j
ρ=
~
( ~
Cov FNC j , FNCi )
; con - 1 ≤ ρ ≤ 1.
~
( ~
σ FNC j σ FNCi )( )
~
(
σ VAN = ∑
2
)
n ~
(
σ 2 FNC j )=
j=1 (1 + k )2 j
=
~
σ 2 FNC1( ) + σ (FN~C ) + L + σ (FN~C ).
2
2
2
n
(1 + k )2 (1 + k )4 (1 + k ) 2n
~
• FN C variables aleatorias perfectamente
correlacionadas:
(
~ ~
) ( )( )
~ ~
Cov FNC j , FNCi = σ FNC j σ FNCi ⇒ ρ = 1.
σ(FNC )σ(FNC )
~ n~ n
+ ∑∑ =
j
(1 + k )j+ i
i
j=1 i =1
j≠1
σ FN
=
~
(
C1 σ FNC 2
+
~
+L+
) ( ~
σ FNC n ) ( )
2
(1 + k ) (1 + k ) (1 + k )n
2
~
• FN C variables aleatorias inversamente
correlacionadas ⇒ ρ=-1.
(
~ ~
) ~
( ~
)(
Cov FNC j , FNCi = −σ FNC j σ FNCi ⇒ ρ = −1. )
( ~
σ 2 VAN =
σ
)
2 ~
F N(C 1
+
)σ 2 ~
FN( C 2 )+ L +
σ (
2 ~
FNC n ) +
(1 + k )2
(1 + k ) 4
(1 + k )2n
n n σ FN ~
( )(
C j σ FNCi
~
)
− ∑∑ (1 + k ) j+ i
j=1 i =1
j≠1
~
• FNC variables aleatorias parcialmente
correlacionadas ⇒ -1 < ρ < 1.
Situación habitual. Se utiliza la expresión
general de la varianza.
~
Si FN C puede descomponerse en dos partes,
~ IND
una independiente, FN C , y otra
~ PC
perfectamente correlacionada, FNC , con
~ ~ IND ~ PC
FNC = FNC + FNC
entonces la varianza queda:
( ~
)
σ 2 VAN =
σ F (
2 ~ IND
N C 1 )
+
σ (
2 ~ IND
F N C 2 ) + L +
σ (
2 ~ IND
FNC n ) +
(1 + k ) (1 + k )4 (1 + k )2n
2
+
σ FN (
~ PC
C1 ) (
+
~ PC
σ FNC 2 ) + +
(
σ FNC n )
~ PC 2
n
L
(1 + k ) (1 + k )2
(1 + k )
ν=
(~
σ VAN )
(~
E VAN )
Cuanto menor es este coeficiente, menor es la
dispersión que se produce en torno a la media
del rendimiento esperado.
Ventajas del criterio del comportamiento
probabilístico del VAN
Se introduce el riesgo de forma más objetiva
que en los otros dos criterios. Permite adaptarse
a distribuciones probabilísticas de cada
fenómeno.
Críticas del criterio del comportamiento
probabilístico del VAN
Sólo es válido para fenómenos sometidos a
la ley de los grandes números, lo que es
raro en fenómenos económicos.
Se supone indiferencia al riesgo por parte
del agente decisor, suponiendo que no
existe riesgo de ruina.
No garantiza que el (los) proyecto(s)
seleccionado(s) proporcionen el VAN igual
al esperado.
Ejemplo:
Proyecto de duración igual a 2 años, con
desembolso cierto de 1.000 u.m.,
comportándose los FNC así:
500 u.m. con p = 0'2
~
FNC1 = 1000 u.m. con p = 0'3
1600 u.m. con p = 0'5
800 u.m. con p = 0'1
~
FNC2 = 1000 u.m. con p = 0'5
2300 u.m. con p = 0'4
Determine la rentabilidad esperada del proyecto
de inversión para un coste de capital k=10%, y
estime la varianza de la misma suponiendo dos
casos: que los FNC son variables aleatorias
independientes y que son vv. aa. perfectamente
correlacionadas.
Solución:
Como el desembolso es cierto su esperanza
coincide con su importe y la varianza es cero.
~
E(FNC1 ) = 500(0'2) + 1000(0'3) + 1600(0'5) = 1200
~
[ ][
σ 2 (FNC1 ) = (500 − 1200)2 × 0'2 + (1000 − 1200)2 × 0'3 + ]
[
+ (1600 − 1200)2 × 0'5 = 190.000 ]
~
E(FNC2 ) = 800 × 0'1 + 1000 × 0'5 + 2300 × 0'4 = 1500
~
[ ][
σ 2 (FNC2 ) = (800 − 1500)2 × 0'1 + (1000 − 1500)2 × 0'5 + ]
[
+ (2300 − 1500)2 × 0'4 = 430.000 ]
Por tanto
( ~
)
E VAN = −1000 +
1200
+
1500
(1 + 0'1) (1 + 0'1) 2
= 1330'5785 u.m.
~
( )
σ VAN = 671'357 u.m.
=
2
(1 + k ) (1 + k ) 2 (1 + 0'1) (1 + 0'1)
= [938'19]2 = 880200'4761 u.m.2
( ~
)
σ VAN = 938'19 u.m.
5.4.2.- Distribución de probabilidad del VAN
Teorema Central del Límite:
“La suma de variables aleatorias independientes
se distribuye como una normal cuando el
número de sumandos tiende a infinito. Esto es
así con independencia de la distribución de
dichas variables aleatorias.”
~
[(~
) ( ~
VAN ∼ N E VAN , σ 2 VAN )]
Se puede usar esto para conocer, tras una
tipificación, cuál es la probabilidad de que el
VAN de un proyecto sea positivo, por ejemplo.
Así, tipificando el VAN aleatorio se tiene una
variable que se distribuirá como una normal de
media 0 y varianza 1.
~ ~
~ε = VAN − E (VAN ) ∼ N[0, 1]
~
σ(VAN )
Ejemplo: Un proyecto de inversión tiene:
~
E (VAN ) = 1330 u.m.;
~
σ 2 (VAN ) = 528099 u.m.2 ;
~
σ(VAN ) = 726'7 u.m.;