EL MÉTODO DE MONTE CARLO

El método de Monte Carlo es una herramienta de investigación y planeamiento;

básicamente es una técnica de muestreo artificial, empleada para operar numéricamente
sistemas complejos que tengan componentes aleatorios.

Las técnicas estadísticas numéricas, en particular la técnica de Monte Carlo, sirven

para estimar la incertidumbre en las tasas de emisión (a partir de incertidumbres en las
medidas de actividad y los factores de emisión) cuando:

Las incertidumbres son grandes;

No tienen una distribución gaussiana;
Los algoritmos son funciones complejas;
Existen correlaciones entre algunos de los conjuntos de datos de actividad, factores
de emisión o ambos.

Las incertidumbres en los factores de emisión y/o datos de actividad a menudo son
grandes y pueden no tener distribuciones normales. En esos casos, quizá sea difícil o
imposible combinar incertidumbres por medio de las reglas estadísticas convencionales.
Se puede utilizar el método de Monte Carlo, que consiste en hacer muchas veces los
cálculos del inventario en una computadora electrónica, cada vez eligiendo al azar (por
computadora) los factores de emisión o parámetros modelo y datos de actividad inciertos
a partir de la distribución de incertidumbres que el usuario especifique al comienzo.

¿En qué consiste la simulación de Montecarlo?

La simulación Monte Carlo es una técnica matemática computarizada que permite tener
en cuenta el riesgo en análisis cuantitativos y tomas de decisiones. Esta técnica es
utilizada por profesionales de campos tan dispares como los de finanzas, gestión de
proyectos, energía, manufacturación, ingeniería, investigación y desarrollo, seguros,
petróleo y gas, transporte y medio ambiente.

La simulación Monte Carlo ofrece a la persona responsable de tomar las decisiones una
serie de posibles resultados, así como la probabilidad de que se produzcan según las
medidas tomadas. Muestra las posibilidades extremas “los resultados de tomar la medida
más arriesgada y la más conservadora” sí como todas las posibles consecuencias de las
decisiones intermedias.
 Imaginemos que tenemos una secuencia de operaciones históricas y queremos saber
si el método de trading utilizado producirá en el futuro resultados semejantes si las cosas
funcionaran como hasta el momento. La secuencia de operaciones históricas contiene dos
medidas importantes del éxito o fracaso de nuestro método. Por una parte, tenemos el
resultado final y por otro el drawdown o riesgo máximo asumido.
Cuando nosotros utilizamos un sistema o método de trading, seleccionándolo en
función de las estadísticas del mismo, nuestra intención es que en el futuro el sistema se
comporte de manera similar. Pero ello no quiere decir que lo esperamos es la misma
secuencia de operaciones. Simplemente esperamos que, a largo plazo, los estadísticos más
representativos del sistema (% acierto, ganancia media por operación, ratio ganadoras /
perdedoras, etc...) sean lo más parecidos posibles a los datos históricos.

¿Para qué podemos utilizar las simulaciones de Montecarlo?

Con el uso de las simulaciones de Montecarlo, podemos encontrar respuesta a muchas

preguntas que hasta ahora ni siquiera nos realizábamos, como por ejemplo:

¿Cuál es el rango de resultados esperados por un sistema representado por una lista
de operaciones históricas?
¿Qué drawdown podemos esperar que ocurra en el futuro en un sistema representado
por una lista de operaciones históricas?
¿Cuánto capital se necesita para poder operar un determinado sistema?
¿Hasta dónde puede caer nuestra inversión inicial sin que comencemos a ponernos
nerviosos?
¿Cuál es la racha de operaciones positivas consecutivas que podemos esperar? ¿Y la
de operaciones negativas?
¿Cuánto tiempo podemos estar en drawdown?
Etc...

Como verán, muchas de las respuestas a estas preguntas son vitales para poder encontrar
el éxito en nuestros sistemas y habitualmente son preguntas a las que no le prestamos la
debida atención.

Aplicación del Método de Monte Carlo en el Análisis de Riesgo de los Proyectos

Automatización del Modelo de Monte Carlo

De forma simplificada, se puede aplicar el Modelo de Monte Carlo en el

Excel de la siguiente forma:
 1. Estimar la escala de valores que podría alcanzar cada factor, y la
probabilidad de ocurrencia asociada a cada valor.

2. Elegir, aleatoriamente, uno de los valores de cada factor, y

dependiendo de la combinación seleccionada, computar la tasa de rendimiento
resultante

3. Repetir el mismo proceso una y otra vez, la cantidad de veces que sea
necesaria, que permita definir y evaluar la probabilidad de ocurrencia de cada
posible tasa de rendimiento. Como existen millones de posibles combinaciones
de factores, necesitamos efectuar un número de pruebas suficientemente grande
para que pueda apreciarse la posibilidad de ocurrencia de las varias tasas de
rendimiento. El resultado a que se llegará será una lista de distintas tasas de
rendimiento que podrían lograrse, que puede variar desde una pérdida (si los
factores son adversos) hasta la ganancia máxima que sea posible lograr conforme
con los pronósticos que se hayan efectuado

4. Se calcula la tasa media esperada, que es el promedio ponderado de

todas las tasas resultantes de las sucesivas pruebas realizadas, siendo la base
de ponderación la probabilidad de ocurrencia de cada una.

5. También se determina la variabilidad de los valores respecto del

promedio, lo que es importante porque a igualdad de otros factores, la empresa
presumiblemente preferirá los proyectos de menor variabilidad.

Dependiendo de la política de decisión, el proceso lo podremos aplicar a la tasa

interna de retorno o al valor actual neto. Los ejercicios aquí presentados trabajan en
base al valor actual neto
Ejemplo