LECTURA TRES – VALORACIÓN ECONÓMICA DE

LAS SITUACIONES DE INCERTIDUMBRE

Es bien sabido que las consecuencias de la mayoría de las decisiones que
se toman en la organización no se pueden predecir con absoluta certeza.
Una compañía que esté considerando el lanzamiento de un producto
nuevo no sabe qué tan exitoso será, o un inversionista en el mercado de
acciones está inseguro de los retornos que le generará el portafolio en el
futuro. La predicción del comportamiento de los fenómenos de interés ha
sido siempre el principal dolor de cabeza de los planificadores en toda
organización. Estos fenómenos generalmente tienen relacionado un costo
o utilidad asociados a su desempeño y al entorno bajo el cual ocurren. En
las metodologías vistas en las semanas anteriores se evidencian las
probabilidades de ocurrencia de estos fenómenos, cuando se conocen,
para relacionarlas con un componente monetario y valorar su viabilidad o
conveniencia.
Generalmente, el valor esperado de una ganancia o utilidad de un
fenómeno se aproxima como un promedio, siempre y cuando el proceso
analizado se repita un gran número de veces, en situaciones altamente
repetitivas por largos periodos de tiempo. Sin embargo, en muchas
situaciones, la decisión no se toma frecuentemente y sólo hay una
oportunidad de escoger la mejor opción. Si las cosas no resultan como se
esperaba no habrá chance de recuperar las pérdidas en futuras
ocasiones; en estas circunstancias algunos pueden preferir la alternativa
de menor riesgo.
En esta semana, involucraremos el componente monetario al análisis de
manera más detallada, a la vez que aplicaremos criterios para estudiar la
factibilidad y conveniencia de las decisiones.

CRITERIO MAXIMIN

Consideremos la siguiente situación. Cada mañana un fabricante de

comidas debe decidir cuántos lotes de producto debe producir. Cada lote
tiene unos costos de producción de $800 y lo vende a $1000. Cualquier lote
que no se venda se pierde. La demanda diaria del producto puede ser
uno o dos lotes, pero en el momento de generar la producción la
demanda del día es desconocida; el fabricante no se siente capaz de
estimar las probabilidades para los dos posibles niveles de demanda. Al
fabricante le gustaría determinar el número óptimo de lotes que debería
producir cada mañana.
Claramente el fabricante tiene un dilema. Si produce demasiados lotes
desperdiciará su dinero en producir alimentos que tendrá que desechar al
final del día. Si produce pocos, puede perder ventas potenciales. Esta
situación se puede representar como una tabla de decisión (Tabla 1).

Ganancias diarias Demanda (cantidad de lotes)

Alternativas 1 2
Producir 1 lote $200 $200
Producir 2 lotes -$600 $400
Tabla 1. Tabla de decisión para el fabricante

Los valores monetarios en la tabla muestran las ganancias que se

obtendría por día para diferentes niveles de producción y demanda. Por
ejemplo, si se produce un lote y se demanda un lote, se obtendría una
ganancia de $1000 - $800 = $200. Dadas estas ganancias y pérdidas
potenciales, ¿cuál debería ser la decisión del fabricante, asumiendo que
sólo hay un objetivo de maximizar el valor monetario?
De acuerdo al criterio maximin, el fabricante primero debe identificar la
peor ganancia posible por cada alternativa y luego escoger la alternativa
que arroje la mejor entre las peores ganancias. Si el fabricante produce un
lote obtendrá la misma ganancia sin importar la demanda, de tal manera
que la peor ganancia posible es de $200. Si decide producir dos lotes, la
peor ganancia es -$600. Por lo tanto, la mejor entre las peores de las
ganancias (el MÁXimo de los MÍNimos posibles) está asociada con la
producción de un lote por día.
No obstante, el principal inconveniente con el criterio maximin es su
pesimismo inherente. Cada opción se evalúa sólo según su peor resultado,
de tal forma que los demás resultados son ignorados. La presunción
implícita es que lo peor que puede suceder es la única cota de referencia,
cuando en realidad es posible que las probabilidades de que este peor
escenario ocurra son bajas. Por ejemplo, supongamos que tenemos la
opción de invertir $1000 por aceptar una apuesta, la cual tiene una
probabilidad del 99,99% de ganar $1 millón, y sólo el 0,01% de perder los
$1000. El criterio maximin sugeriría que no deberíamos tomar el riesgo de
aceptar la apuesta porque asumiría, a pesar de las probabilidades, que
perderíamos. Sin embargo, la aversión tan extrema al riesgo de este criterio
puede ser bastante apropiada en aquellos casos donde están implicados
la seguridad pública o daños irreversibles al entorno.
CRITERIO DEL VALOR MONETARIO ESPERADO (VME, VEM ó EMV)

Si el fabricante de comidas es capaz, o desea estimar las probabilidades

relacionadas con la demanda, entonces lo más apropiado sería escoger
la alternativa con la ganancia esperada más alta. Si toma la decisión en
esta base está aplicando el criterio de valor económico esperado VME. La
tabla 2 muestra la situación pero ahora con las probabilidades añadidas.
(Ganancias diarias) Demanda (cantidad de lotes)
1 2
Alternativas Probabilidad 0,3 0,7
Producir 1 lote $200 $200
Producir 2 lotes -$600 $400
Tabla 2. Tabla de decisión para el fabricante con probabilidades

Las ganancias diarias esperadas para los dos niveles de producción serán
entonces:
Producir 1 lote:
Ganancia diaria esperada = (0,3 x $200) + (0,7 x $200) = $200
Producir 2 lotes:
Ganancia diaria esperada = (0,3 x -$600) + (0,7 x $400) = $100
Estos valores esperados muestran que la ganancia promedio más alta se
genera cuando se produce un lote diario; si el criterio VME es aceptable
para el fabricante entonces ésta debería ser la decisión a tomar.
Es claro que las probabilidades y las ganancias utilizadas en este ejemplo
sólo pueden ser unas estimaciones previas o, si están basadas en datos
históricos confiables, pueden estar sujetas a cambios. Por lo tanto, es aquí
donde el análisis de sensibilidad cobra suma importancia para la
evaluación completa y robusta de las alternativas, tal como se vio en la
anterior unidad temática.
El criterio VME es bastante apropiado para el fabricante porque sólo está
preocupado por los retornos monetarios; su decisión se repite un gran
número de veces, de forma que el resultado tiene gran relevancia en el
largo plazo. Sin embargo, los escenarios son distintos y la forma como debe
aplicarse el criterio puede variar.
Consideremos la siguiente situación. Imagine que usted posee una
compañía de tecnología de punta que está desarrollando un
componente nuevo para un cliente corporativo importante. Existen dos
alternativas de diseño, aún no probadas; por restricciones de recursos sólo
una de ellas se puede desarrollar.
 RESULTADOS
Fracaso total Éxito parcial Éxito total
Ganancias Ganancias Ganancias
($millones) Probab. ($millones) Probab. ($millones) Probab.
Alter. -1 0.1 0 0,1 3 0,8
1
Alter. -6 0,3 1 0,1 10 0,6
2
Tabla 3. Ganancias y probabilidades para el caso del componente nuevo
La tabla 3 muestra los retornos netos esperados dependiendo de qué tan
exitoso resulte el diseño, junto con las probabilidades asociadas.
El retorno esperado para la alternativa 1 es:
0,1 x (-$1) + 0,1 x $0 + 0,8 x ($3) = $2,3 millones
La ganancia esperada para la alternativa 2 es:
0,3 x (-$6) + 0,1 x ($1) + 0,6 x ($10) = $4,3 millones
De acuerdo al criterio VME deberíamos escoger la alternativa 2. Pero ¿qué
implicaciones conllevaría escoger esta alternativa? Hay un 30% de
probabilidad que el diseño 2 y falle y arroje una pérdida de $6 millones. Si
la compañía es pequeña o está atravesando una situación financiera
complicada este tipo de pérdidas la sacaría del mercado. La alternativa 1
tiene una probabilidad de fracaso menor, así como las posibles pérdidas
que se generarían. Claramente, el riesgo inherente en la alternativa 2 se
ignora utilizando el criterio.
Otra debilidad del criterio VME es que asume que el decisor tiene una
función de valor lineal del dinero. Un incremento en las ganancias desde
$0 a $1 millón puede ser mucho más representativo que un aumento desde
$9 a $10 millones. El VEM asumiría que ambos incrementos tienen el mismo
grado de relevancia.

FUNCIÓN DE UTILIDAD

La actitud frente al riesgo de un decisor puede evaluarse o cuantificarse a

través de una función de utilidad. Este tipo de funciones no debe
confundirse con aquellas simples funciones de valor, ya que éstas no
involucran los factores de incertidumbre propios de los entornos con algún
grado de riesgo.
Para ilustrar mejor cómo puede derivarse una función de utilidad
consideremos la siguiente situación. Un empresario está organizando un
evento de exhibición de sus productos en una ciudad y debe escoger
entre dos sitios para realizar dicho evento: un hotel cinco estrellas y el
centro de convenciones. Para simplificar, el empresario decide estimar su
ganancia potencial en estas locaciones basado en dos escenarios
posibles: alta asistencia y baja asistencia. Si escoge el hotel, estima que
tiene el 60% de probabilidad de tener alta asistencia y, de ahí, una
ganancia de $30.000. Sin embargo, del 40% restante de tener una
asistencia baja, la ganancia sólo sería de $11.000. Por otro lado, si escoge
el centro de convenciones calcula que tiene un 50% de probabilidad de
obtener buena asistencia, con una ganancia de $60.000; sin embargo, si
tiene baja asistencia, esto implicará una pérdida de $10.000.
Esta situación puede representarse a través de un árbol de decisión, como
lo podemos apreciar en la Figura 1.

Figura 1. Árbol de decisión para el problema del empresario

Si se aplicara el criterio VEM tendríamos que la ganancia esperada por

utilizar el hotel sería de $22.400, mientras que la del centro de
convenciones equivaldría a $25.000. Obviamente esto implica que la
opción a escoger sería el centro de convenciones, notando además que
es la que posee el riesgo más alto, con una probabilidad de pérdida
significativa.
Ahora tratemos de derivar la función de utilidad del empresario. Primero
ordenemos todos los retornos monetarios que aparecen en el árbol del
mejor al peor y asignemos una utilidad de 1.0 al mejor y 0 al peor, y así
tendríamos:
Retornos Utilidad
$60.000 1.0
$30.000 n/a
$11.000 n/a
-$10.000 0

Ahora, para determinar las utilidades intermedias se puede adoptar varias

metodologías; las más comúnmente aplicadas ofrecen al decisor una serie
de opciones que se contrastan con la posibilidad de participar en una
lotería. Describamos una de estas metodologías, llamada probabilidad
equivalente. Para obtener la utilidad, por ejemplo, de $30.000 con este
método, se le ofrece la opción al empresario de escoger entre recibir esa
suma con total certeza o participar en una lotería hipotética la cual puede
generar la mejor ganancia que se vislumbra en el árbol de decisión (o sea,
$60.000) o la peor pérdida (es decir, -$10.000), con las probabilidades
especificadas. Estas probabilidades van variando hasta que al decisor le
sea indiferente escoger entre la suma de dinero o la lotería. El
procedimiento típico podría ser así:

Pregunta: ¿Cuál de las siguientes opciones prefiere?

A: recibir $30.000; o
B: un billete de lotería que le da el 70% de probabilidad de ganar $60.000 y
el 30% de probabilidad de perder $10.000
Respuesta: un 30% de probabilidad de perder $10.000 es demasiado
arriesgado; es mejor recibir la suma de dinero.
Dado lo anterior necesitamos que la lotería sea más atractiva,
incrementando la probabilidad de ganancia.

Pregunta: ¿Cuál de las siguientes opciones prefiere?

A: recibir $30.000; o
B: un billete de lotería que le da el 90% de probabilidad de ganar $60.000 y
el 10% de probabilidad de perder $10.000.
Respuesta: la opción de la lotería es la mejor porque representa una muy
buena probabilidad.
Según esta última respuesta, el punto de indiferencia entre recibir el dinero
y aceptar la lotería está entre el 70% y el 90%. Supongamos que después
de varios intentos llegamos a la siguiente pregunta.

Pregunta: ¿Cuál de las siguientes opciones prefiere?

A: recibir $30.000; o
B: un billete de lotería que le da el 85% de probabilidad de ganar $60.000 y
el 15% de probabilidad de perder $10.000.
Respuesta: es lo mismo escoger entre el dinero o el billete.
En este momento ya estamos en posición para calcular la función de
utilidad relacionada con los $30.000. Dado que ya encontramos el punto
de indiferencia entre las opciones A y B, la utilidad de $30.000 se obtendría
como la utilidad esperada de la lotería, así:
u($30.000) = 0,85 u($60.000) + 0,15 u(-$10.000)
Como ya hemos asignado previamente, unas utilidades de 1.0 y 0 a las
cantidades de $60.000 y -$10.000, respectivamente, tenemos:
u($30.000) = 0,85 (1.0) + 0,15 u(0) = 0.85
Nótese que una vez se ha encontrado el punto de indiferencia, la utilidad
por recibir la suma de dinero fija es simplemente igual a la probabilidad de
obtener el mejor resultado en la lotería. Así, si el decisor se hubiera
comportado indiferente desde la primera pregunta, su utilidad hubiera sido
0,7.
Determinemos ahora la utilidad asociada con los $11.000. Supongamos
que, después de haber realizado una serie de preguntas similares a las
anteriores, el empresario manifiesta que le es indiferente recibir la suma de
$11.000 o un billete de lotería con un 60% de probabilidad de ganar
$60.000 y un 40% de probabilidad de perder $10.000. Esto quiere decir que
u($11.000) = 0,6.
Ahora que tenemos todos los resultados de las utilidades los podemos
aplicar al árbol de decisión, reemplazando los valores monetarios
esperados por sus utilidades, tal como se muestra en la Figura 2.

Figura 2. Árbol de decisión con funciones de utilidad

Dándole el tratamiento a las utilidades como si fuesen sumas de dinero

podemos hallar la utilidad esperada para cada decisión.
Si se escoge el hotel, la utilidad esperada sería:
(0,6 x 0,85) + (0,4 x 0,6) = 0,75
Si se escoge el centro de convenciones, la utilidad esperada sería:
(0,5 x 1,0) + (0,5 x 0) = 0,5
De esta manera, el empresario debería escoger el hotel para realizar su
evento. Es claro que el centro de convenciones es bastante riesgoso para
él.

INTERPRETACION DE LAS FUNCIONES DE UTILIDAD

La función de utilidad del caso del empresario que está organizando el

evento se puede ver graficada en la figura 3.
 Figura 3. Función de utilidad del empresario

Si seleccionamos dos puntos cualesquiera de la curva y los unimos con una

línea recta se podría ver que la curva siempre estará por encima de dicha
línea recta. Las funciones de utilidad que poseen esta forma cóncava
muestran evidencia de aversión al riesgo (lo cual es consistente con la
posición de aversión al riesgo de este empresario).
Esta evidencia de aversión al riesgo se puede demostrar fácilmente.
Consideremos la figura 4, la cual muestra una función de utilidad con una
forma similar al caso del empresario, y supongamos que el decisor posee
activos por $1000. Recibe ahora una oferta para apostar la cual tiene un
50% de probabilidad de doblar su dinero a $2000 y un 50% de probabilidad
de perderlo todo. El VEM de la apuesta sería de $1000 (0,5 x $2000 + 0,5 x
0), lo cual hace concluir que sería indiferente entre apostar o mantener su
dinero. Sin embargo, cuando se aplica la función de utilidad, se observa
ahora que el decisor posee los activos con una utilidad de 0,9. Si apuesta,
tiene un 50% de probabilidad de incrementar sus activos, de tal manera
que su utilidad aumentaría a 1.0, y tiene un 50% de probabilidad de
terminar con activos con una utilidad igual a cero. De aquí se puede
calcular que la utilidad esperada de la apuesta sería de (0,5 x 1,0) +(0,5 x
0), lo cual es igual 0,5. Claramente, mantener el dinero es más atractivo
que la opción arriesgada de apostar.
 Figura 4. Comportamiento de la función de utilidad adversa al riesgo

En términos más simples, cuando las ganancias y pérdidas potenciales son

las mismas en términos monetarios, e incluso cuando se tiene la misma
probabilidad de ganar o perder, el incremento en la utilidad el cual
ocurriría si se gana la apuesta sería mucho menor que el decremento en la
utilidad si llega a perder la apuesta, lo cual genera la posición de
mantenerse alejado del riesgo y preferir mantener quieta la cantidad de
dinero que posee en el momento.

La figura 5 muestra otras funciones típicas de utilidad. La figura 5(a)

muestra una función de utilidad muestra una actitud propensa al riesgo. Un
decisor con una función de utilidad como ésta habría aceptado la
apuesta. La función lineal de utilidad en la figura 5(b) demuestra una
actitud neutral. Las preferencias de una persona con esta función
quedarán claramente representadas a través del criterio VEM. Finalmente,
la función de la gráfica 5(c) indica tanto aversión como propensión al
riesgo. Si el decisor tiene actualmente una cantidad de dinero $y,
entonces mostrará aversión; lo contrario ocurre si sólo posee una cantidad
equivalente a $x. Es importante recordar que las funciones de utilidad no
permanecen constantes en el tiempo. Es probable que si mañana se
cuenta con mayor cantidad de dinero el decisor muestre más actitud
propensa hacia el riesgo que hoy.
Figura 5. Otras formas de funciones de utilidad