Instituto Politécnico Nacional

Escuela Superior de Cómputo

Análisis de
Sensibilidad

M. En C. Eduardo
Bustos Farías
Métodos alternativos para
tratar el Riesgo

„ Análisis de Sensibilidad

„ Análisis de Escenarios

„ Método de Simulación de Monte Carlo

 Análisis de Sensibilidad
„ Estima la sensibilidad de los resultados del proyecto(VAN)
a cambios de un parámetro. Análisis “que pasa si”.
„ Permite conocer qué variables de riesgo son importantes
(como fuente de riesgo)
„ Una variable es importante dependiendo de:
a) Su participación porcentual en los beneficios o costos
b) Su rango de valores probables
„ El análisis de sensibilidad permite determinar la dirección
del cambio en el VAN.
„ El análisis de punto de quiebre permite determinar cuánto
una variable puede cambiar hasta que su VAN se vuelva
negativo.
Análisis de Sensibilidad para
el Problema 2(1)
Tabla de pa rámetros

Vida Proyecto 5 años Cap.W 80,000 $

Volumen 20,000 uds. Recuper. 80%
Maquinaria 200,000 $ P.Venta 18 $
VU maq 5 años C.Variables 8 $
V.rezago 25,000 $ F.Erogables 60,000 $
VU Contable 4 años IGA 30%
Vresidual 20,000 $ Tasa corte 15%

Cuadro de Resulta dos

Año 0 Año 1 Año 2 Año 3 Año 4 Año 5

Ventas 360.0 360.0 360.0 360.0 360.0

Costos V. (160.0) (160.0) (160.0) (160.0) (160.0)
Costos Fijos (60.0) (60.0) (60.0) (60.0) (60.0)
Amortizaciones (45.0) (45.0) (45.0) (45.0)
Util.extra 5.0
Perdida CW (16.0)
Benef.antes IGA 95.0 95.0 95.0 95.0 129.0
IGA (28.5) (28.5) (28.5) (28.5) (38.7)
Benef.desp.IGA 66.5 66.5 66.5 66.5 90.3

Flujo de Fondos
Año 0 Año 1 Año 2 Año 3 Año 4 Año 5

Maquina (200.0)
Cap.W (80.0)
Ventas 360.0 360.0 360.0 360.0 360.0
Costos V. (160.0) (160.0) (160.0) (160.0) (160.0)
Costos Fijos (60.0) (60.0) (60.0) (60.0) (60.0)
IGA (28.5) (28.5) (28.5) (28.5) (38.7)
Vta.Maq 25.0
Vta.CW 64.0

FF (280.0) 111.5 111.5 111.5 111.5 190.3

VAN $132.94
 Análisis de Sensibilidad para
el Problema 2(2)
Var.Variable P.Venta VAN Var VAN C.Variables VAN Var VAN C.Fijos VAN Var VAN
Base 18 $133 0% 8 $133 0% 60000 $133 0%
-30% 12.6 ($120) -191% 5.6 $246 85% 42000 $175 32%
-20% 14.4 ($36) -127% 6.4 $208 56% 48000 $161 21%
-10% 16.2 $48 -64% 7.2 $170 28% 54000 $147 11%
10% 19.8 $217 64% 8.8 $95 -28% 66000 $119 -11%
20% 21.6 $302 127% 9.6 $58 -56% 72000 $105 -21%
30% 23.4 $386 191% 10.4 $20 -85% 78000 $91 -32%

Var.Variable Volumen VAN Var VAN V.Maquina VAN Var VAN Tasa IGA VAN Var VAN
Base 20000 $133 0% 200000 $133 0% 30% $133 0%
-30% 14000 ($8) -106% 140000 $180 35% 21% $163 23%
-20% 16000 $39 -71% 160000 $164 24% 24% $153 15%
-10% 18000 $86 -35% 180000 $149 12% 27% $143 8%
10% 22000 $180 35% 220000 $117 -12% 33% $123 -8%
20% 24000 $227 71% 240000 $102 -24% 36% $113 -15%
30% 26000 $274 106% 260000 $86 -35% 39% $103 -23%
 Análisis de Sensibilidad para
el Problema 2(3)
$400 250%

200%

$300
150%

100%

$200
50%

0%
-30% -20% -10% 0% 10% 20% 30%
V AN

$100

-50%

-100%
$-

P.V e nta -150%

C.V ariable s
C.Fijos
-200%
$(100) V olum e n
V .Maquina
Tasa IGA -250%

$(200) -300%
Variación Variable
 Limitaciones del Análisis de
Sensibilidad
1. Rango y distribución de probabilidad de variables
„ El Análisis de Sensibilidad típicamente no representa

el posible rango de valores.

„ El Análisis de Sensibilidad no representa las

probabilidades para cada rango. Generalmente hay

una pequeña probabilidad de estar en el extremo.
2. Dirección de los efectos
„ Para la mayoría de variables, la dirección es obvia

A)Ingresos suben → VAN sube

B)Costos suben → VAN baja
C)Inflación → No tan obvio
Limitaciones del Análisis de
Sensibilidad(2)
3. Un análisis basado en el cambio de una sola
variable no es realista porque las variables están
correlacionadas.
A) Si el precio de venta sube, la cantidad vendida
bajará.
B) Si la inflación cambia, todos los precios cambian.
C) Si el tipo de cambio varía, todos los precios de los
bienes transables y pasivos con el exterior cambian.
Un método que toma en cuenta estos efectos
combinados o correlacionados es el análisis de
escenarios.
 Análisis de Escenarios(1)
„ El análisis de escenarios reconoce que ciertas
variables están correlacionadas.
Como resultado, un pequeño número de variables puede
ser alterado de manera consistente al mismo tiempo.
„ ¿Cuál es el conjunto de circunstancias que producen
diferentes “casos” o “escenarios”?
A. El Peor Caso/ Caso pesimista
B. Caso más probable/ El mejor estimado
C. El Mejor Caso/ Caso Optimista
Nota: El análisis de escenarios no toma en cuenta la
probabilidad de los casos que ocurren,
 Análisis de Escenarios(2)
„ La interpretación es fácil cuando los resultados son
robustos:
A. Aceptar proyecto si VAN > 0 aún en el peor caso.
B. Rechazar proyecto si VAN < 0 aún en el mejor caso.
C. Si VAN es a veces positivo o negativo, los resultados
no son concluyentes.
 Análisis de Escenarios para el
Problema 2(1)
Escenario Pesimista
Debido a competencia creciente la empresa se ve obligada a reducir
el precio de venta un 10% cada año, y paralelamente por el mayor
número de oferentes el volumen de ventas baja un 5% por año. Los
costos variables que contienen un alto componente importado
aumentan 10% cada año por sucesivas devaluaciones.

V a ria ción de va ria ble s A ño 1 A ño 2 A ño 3 A ño 4 A ño 5

P rec io V enta 18.0 16.2 14.6 13.1 11.8

V olum en 20,000 19,000 18,050 17,148 16,290
C.V ariables 8.0 8.8 9.7 10.6 11.7

V AN ($81.96)
 Análisis de Escenarios para el
Problema 2(2)
Escenario Optimista
Debido a ausencia de competidores la empresa puede aumentar el
precio de venta un 5% cada año, y debido a una creciente demanda
el volumen de ventas aumenta un 5% por año. Los costos
variables disminuyen 10% cada año por optimizaciones en compra
de insumos.

V a ria cion de va ria ble s A ño 1 A ño 2 A ño 3 A ño 4 A ño 5

P recio V enta 18.0 18.9 19.8 20.8 21.9

V olum en 20,000 21,000 22,050 23,153 24,310
C.V ariables 8.0 7.2 6.5 5.8 5.2

V AN $330.81
 Análisis de Escenarios para el
Problema 2(3)

„ Escenario Pesimista VAN = ($ 81.96)

„ Escenario más probable VAN = $ 132.94
„ Escenario Optimista VAN = $ 330.81

„ Conclusión: los resultados no son

concluyentes.
 El Método Monte Carlo de
Análisis de Riesgo
„ Una extensión del análisis de sensibilidad y de escenarios.
„ Simultáneamente toma en cuenta las diferentes
distribuciones de probabilidades y los diferentes rangos de
los valores para las variables claves del proyecto.
„ Permite la correlación entre variables.
„ Análisis de tipo dinámico. Escenarios aleatorios consistentes.
„ Genera una distribución de probabilidad de resultados del
proyecto (VAN) en vez de un solo estimado. Perfil
riesgo/rendimiento.
„ La distribución de probabilidad del proyecto facilita la toma de
decisiones pero existen problemas de interpretación y uso.
 Pasos para llevar a cabo una
simulación Monte Carlo
1. Modelo Matemático: Planilla del proyecto
2. Identificar variables claves que son sensibles e
inciertas.
3. Definir el riesgo
„ Establecer un rango de opciones (mínimo y

máximo)
„ Asignar distribución de probabilidad

- Distribución Normal
- Distribución Triangular
- Distribución Uniforme
- Distribución xxxx
 Pasos para llevar a cabo una
simulación Monte Carlo(2)
4. Identificar y definir variables correlacionadas
„ Correlación positiva o negativa

„ Grado de correlación

5. Modelo de Simulación
6. Análisis de resultados
„ Resultados estadísticos

„ Distribuciones
 2. Identificar variables claves
que son sensibles e inciertas.
„ Pequeña desviación de su valor proyectado es
probable y potencialmente dañina para el
rendimiento.
„ Regla:
- No incluir :
Rendimiento muy sensible, incertidumbre débil.
Rendimiento poco sensible, incertidumbre alta.
„ Solo variables cruciales,
- A mayor cantidad, mayores escenarios
inconsistentes.
- Costo( en $ y T) de definir distribuciones y
condiciones de correlación.
 3. Definir el riesgo
De una distribución a una Distribución de
Probabilidad
Valor de la variable

F r e c u e n c ia

Máx imo

→ 5
3
Mínimo
1 1

0 2 4 6 8 10 12 M á x im o
V a lo r d e la V a r i a b l e
Observaciones Probabilidad

→
0.5
0.3

0.1 0.1
Mínimo Máximo
Valor de la Variable
 3. Definir el riesgo para el
Problema 2
Variables clave y distribuciones(1)
A s s u m p tio n : V o lu m e n ( c a n tid a d )

N o rm a l d is trib u tio n with p a ra m e te rs :

Me a n 2 0 ,0 0 0 .0 0
S ta n d a rd D e v . 2 ,0 0 0 .0 0

S e le c te d ra n g e is fro m -In fin ity to +In fin ity

Volumen( cantidad)

14,000.00 17,000.00 20,000.00 23,000.00 26,000.00

 3. Definir el riesgo para el
Problema 2(2)
Variables clave y distribuciones(2)
As s um p tio n : P .Ve nta

Cus to m d is trib utio n with p a ra m e te rs : R e la tive P ro b .

Co ntinuo us ra ng e 12.00 to 14.00 0.100000
Co ntinuo us ra ng e 14.00 to 22.00 0.800000
Co ntinuo us ra ng e 22.00 to 24.00 0.100000
T o ta l R e la tive P ro b a b ility 1.000000

P.Venta

12.00 15.00 18.00 21.00 24.00

 3. Definir el riesgo para el
Problema 2(3)
Variables clave y distribuciones(3)
As s umption: C.Variable s Assumption: F.Erogables

Triangular distribution with parameters:

Uniformdistribution with parameters:
Minimum 6.50
Minimum 54,000.00
Likeliest 8.00
Maximum 9.50 Maximum 66,000.00

F.Erogables
Selected range is from 6.50 to 9.50

C.Variables

54,000.00 57,000.00 60,000.00 63,000.00 66,000.00

6.50 7.25 8.00 8.75 9.50
 4. Identificar y definir
variables correlacionadas
„ Dos variables correlacionadas tienden a variar juntas de
manera sistemática. Ej: variación de precio de venta y
variación de cantidad vendida.
„ Su existencia puede distorsionar resultados por la
aleatoriedad → violar correlación → resultados sesgados o
fuera del blanco.
„ Condiciones de correlación→ restringen selección aleatoria.
„ Solución: se utilizan coeficientes de correlación
-Se indica dirección (+ ó -)
-Estimado de validez de la asociación
„ En Problema 2 se correlaciona el precio de Venta con el
volumen vendido. Coef. de correlación= - 0.8
5. Modelo de Simulación
„ Computadora asume el mando.
„ Selección aleatoria de variables de riesgo
según rango, distribución y correlación.
„ Procesa reiteradamente el modelo
generando suficientes resultados
representativos, mayor a 300 ejecuciones.
„ Resultados pueden ser: VAN, TIR, Flujo año
x, Beneficio año x, etc.
„ Cada ejecución genera un resultado distinto.
„ Resultados se calculan y almacenan.
 6. Análisis de resultados
„ Distribución de probabilidades de posibles resultados
del proyecto.( valor esperado, varianza)
„ Cada ejecución : p = 1/N
„ Probabilidad VAN < Z = p x ( Cantidad de ejecuciones
con VAN < Z).
„ Riesgo del proyecto representado en la posición y
forma de la distribución de probabilidades acumuladas.
„ A través del valor esperado, criterios de decisión
mantienen su aplicabilidad.
„ Con perfil, decisión final subjetiva según actitud del
inversionista al riesgo.
 Caso 1: Probabilidad de VAN
Negativo = 0
Distribución Acumulada Probabilidad

- 0 VAN +
VAN
- 0 +

Decisión: Aceptar
El límite menor de la distribución acumulada está a la
derecha del VAN con valor de cero.
 Caso 2: Probabilidad de VAN
Positivo = 0
Distribución Acumulada Probabilidad

- VAN 0 +
VAN
- 0 +

Decisión: Rechazar
El límite mayor de la distribución acumulada está a la
izquierda del VAN con valor de cero.
 Caso 3: La Probabilidad de un VAN
de cero es mayor a 0 pero menor a 1
DistribuciónAcumulada Probabilidad

VAN - 0 VAN +
0
- +

Decisión: Ambigua
VAN de cero atraviesa la distribución acumulada.
 Caso 4: Proyectos Mutuamente
Excluyentes
1 - Dada la misma probabilidad, un proyecto siempre
muestra un mayor rendimiento
Dis tr ibuc ión Ac umulada Probabilidad

Proy ec to A
Proyecto A Proyecto B
Proyecto B

VAN VAN
- + - +

Decisión: Elegir Proyecto B

Las distribuciones acumuladas no se intersectan en ningún punto.
 Caso 5: Proyectos Mutuamente
Excluyentes(2)
2 - Alto Rendimiento vs. Pequeña Pérdida
Distribución Ac umulada Probabilidad

Proyec to B

Proy ecto B
Pr oyecto A

Proyecto A

VAN VAN
- + - +

Decisión: Ambigua
Las distribuciones acumuladas se intersectan.
Es necesario saber las actitudes frente al riesgo
 Medidas de riesgo
„ Valor esperado
„ Pérdida esperada: Total de rendimientos negativos x
probabilidad respectiva.
„ Ganancia esperada: Total de rendimientos positivos
x probabilidad respectiva.
„ Razon de pérdida esperada:
⏐Pérdida esperada ⏐
Ganancia esperada + ⏐Pérdida esperada ⏐
valores: 0 a 1
„ Coeficiente de variación = Desviación standard /
Valor esperado.
< Coeficiente → < Riesgo
 Resultados Problema 2(1)
„ Valor esperado = $ 121.23

„ Pérdida esperada = ($ 13.98)

„ Ganancia esperada = $ 135.21

„ Razón de pérdida esperada:

13.98 / (135.21 + 13.98) = 0.0937

„ Coeficiente de variación = 116.39 / 121.23 = 0.96

„ Probabilidad VAN < 0 = 17.74%

 Resultados Problema 2(2)
Cry s ta l B a ll R e p o rt

Overlay Chart

Frequency Comparison
.024

.018

.012 VAN

.006

.000

($200.00) ($25.00) $150.00 $325.00 $500.00

 Resultados Problema 2(3)
Forecast: VAN

10,000 Trials Cumulative Chart 0 Outliers

1.000 10000

.750

.500

.250

.000 0

($200.00) ($25.00) $150.00 $325.00 $500.00

Certainty i s 17.74%from -Infinity to $0.00 $
 Resultados Problema 2(4)
F o re c a s t: VAN

S umma ry:
Ce rta inty Le ve l is 17.74%
Ce rta inty R a ng e is fro m -Infinity to $0.00 $
Dis p la y R a ng e is fro m ($200.00) to $500.00 $
E ntire R a ng e is fro m ($178.95) to $448.58 $
Afte r 10,000 T ria ls , the S td . E rro r o f the Me a n is $1.16

S ta tis tic s : Va lue

T ria ls 10000
Me a n $121.23
Me d ia n $127.95
Mo d e ---
S ta nd a rd De via tio n $116.39
Va ria nc e $13,546.15
S ke wne s s -0.18
Kurto s is 2.22
Co e ff. o f Va ria b ility 0.96
R a ng e Minimum ($178.95)
R a ng e Ma ximum $448.58
R a ng e Wid th $627.52
Me a n S td . E rro r $1.16
Resultados Problema 2(5)
Sensitivity Chart

Target Forecast: VAN

* P.Venta .93

* Volumen( cantidad) -.60

C.Variables -.23

F.Erogables -.07

* - Correlated assumption -1 -0.5 0 0.5 1

Measured by Rank Correlation
 ¿Cómo reducir el costo del
riesgo?
Uso de Contratos para reasignar riesgos y rendimientos
„ Opciones disponibles
„ Contratos que limitan el rango de valores a un ítem del flujo
de caja neto.
Por ejemplo, un comprador puede aceptar comprar una
cantidad mínima o pagar un precio mínimo a fin de asegurar
la oferta; estas medidas podrían establecer un límite mínimo
a los ingresos brutos
„ Contratos que reestructuran la correlación de los
componentes del Flujo de Caja del proyecto reducen el
riesgo de los inversionistas.
Por ejemplo, contratos de reparto de utilidades con los
trabajadores, precio del producto indexado con costo de
materia prima.
Uso de contratos para reducir
riesgo en el Problema 2
„ Se estudia la posibilidad de hacer contratos de venta
con los clientes de tal forma de atar el precio de
venta al costo variable, de tal forma que:
- si los cv bajan, el precio baja. Estableciendo un
precio mínimo de $12.
- si los cv aumentan, el precio aumenta.
Estableciendo un precio máximo de $24.
- Se incorpora al modelo estableciendo una
correlación positiva de 1 entre las variables: pv y cv.
 Resultados Problema 2 con
Contrato(1)
Cry s ta l B a ll Re p o rt

Fo re c a s t: VA N

S um m a ry :
Ce rta i nty Le v e l is 9. 4 2 %
C e rta inty R a ng e is fr om -In finity to $0 .0 0 $
Dis p la y R a ng e is fro m ($10 0.0 0) to $3 50. 00 $
Entire R a ng e is from ($8 5.1 7) to $3 49. 42 $
Afte r 10,0 00 Tria ls , the S td . E rro r o f the Me a n is $ 0.8 6

S ta tis tic s : Va lue

T ria ls 1 000 0
Me a n $12 2.3 7
Me dia n $12 8.0 1
Mod e ---
S ta nd a rd D e via tio n $8 5.6 9
Va ria nc e $7 ,34 2.6 7
Co e ff. o f Va ria b ility 0.7 0
R a ng e Minim u m ($8 5.1 7)
R a ng e Ma xim u m $34 9.4 2
R a ng e W id th $43 4.5 9
Me a n S td. E rro r $ 0.8 6

Forec ast: VAN

10,0 00 Tri als Cumulative Chart 0 Outlier s

1.00 0 1000 0

.75 0

.50 0

.25 0

.00 0 0

($100.0 0) $12.5 0 $125.0 0 $237.5 0 $350.0 0

Cert ainty is 9.42 % from -Infin ity to $0.00 $
 Resultados Problema 2 con
Contrato(2)
Sin Contrato Con Contrato
„ Valor esperado $ 121.23 $ 122.37

„ Pérdida esperada $ (13.98) $ (5.38)

„ Ganancia esperada $ 135.21 $ 127.75

„ Razón de pérdida esperada: 0.094 0.022

„ Coeficiente de variación 0.96 0.70

„ Probabilidad VAN < 0 17.74% 9.42%