Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Riesgo PDF
Riesgo PDF
PREPARACIÓN Y EVALUACIÓN DE
PROYECTOS DE INVERSIÓN PÚBLICA
ANÁLISIS DE RIESGO
SANTIAGO DE CHILE
Hasta este momento, se ha supuesto que se conocen con certeza los valores futuros
de las variables relevantes.
Costo de inversión
Demanda como % de
Proyecto efectivo como %
la demanda estimada
del estimado
Puente Humber (UK) 175 % 25 %
Túnel del Canal de la
80 % 18 %
Mancha
Metro de Baltimore 60 % 40 %
Tyne and Wear Metro
55 % 50 %
(UK)
Metro de Portland (USA) 55 % 45 %
Metro de Miami 35 % 15 %
Proyecto Sobre-costo
Concorde 1.100 %
• EN 9 de cada 10 proyectos de
transporte se subestimaron los
costos (tamaño de la muestra: 258).
Puentes, túneles
+ 34 % • Este fenómeno fue observado en 20
países de los 5 continentes.
• La diferencia es mayor en países en
desarrollo.
• Los errores de la estimación no se
Rodovias
redujeron con el paso de los años.
+20 %
• No existe justificación técnica. Son
errores estratégicos.
Fonte: Megaprojects and Risk, Bent Flybjerg con base en el estudio”Economic
Appraisal of Large-ScaleTransport Infrastructure Investments” de Mette K. Skamris.
• Modelos inadecuados.
• Falta de datos.
• Cambios de comportamiento.
Carreteras
• Cambios no previstos en factores
+9 % exógenos.
• Sesgo de los consultores.
• Sesgo del evaluador.
Ciertas o no aleatorias:
Su valor se conoce con certidumbre en
el momento de tomar la decisión
Variables que inciden en acerca de la conveniencia de la
los indicadores de ejecución del proyecto.
rentabilidad:
Aleatorias:
Su valor no es conocido con exactitud.
Incluso podría ocurrir el caso de que todos los valores probables tuviesen la
misma probabilidad de ocurrencia.
No la incorporan:
Sí la incorporan:
Complementarios entre sí
• Punto de nivelación
• Análisis de sensibilidad
• Análisis de escenarios
ΔVAN
E VAN,Y = VAN
ΔY
Y
EVAN,Y indica:
ΔVAN
Si Y es la cantidad del bien
E VAN,Y = VAN = 3 y se incrementa en un 1%,
ΔY el VAN lo hará en un 3%.
Y
Prof. Claudia Nerina Botteon
NO CONSIDERAN PROBABILIDAD
ΔVAN
E VAN,Inversión = VAN = −5,54
ΔI
I
Es negativa, dado que la inversión es un costo: si
aumenta, el VAN disminuye.
Variabilidad de la variable Y
Variabilidad de la variable Y
Variabilidad de la variable Y
• El coeficiente de variación (CVY), definido como
la desviación estándar (σY) sobre la media (Y):
σY
CVY =
Y
m m
Y= ∑i =1
Yi ⋅ A i σY = ∑ i
( Y
i =1
− Y ) 2
⋅ Ai
Variabilidad de la variable Y
σY
• El coeficiente de variación CVY =
Y
Si la variable Y se distribuye como normal
Rango de Indicador de
Variable Elasticidad variación (%) variable crítica Orden
Inversión social (I*) -5,545 0,01% -0,06% 5
Costos sociales fijos (CF*) -3,272 10,00% -32,72% 3
Costos sociales variables unitarios (cv*) -4,909 5,00% -24,54% 4
Precio social del bien (P*) 14,726 8,00% 117,81% 2
Cantidad de unidades (X) 9,817 15,00% 147,26% 1
Xi Ai
8.000 0,1
8.500 0,2
9.000 0,4
9.500 0,2
10.000 0,1
Concepto Valor
Media 9.000
Desviación estándar 547,72
Coeficiente de variación (CV) 6,09%
Indicador de variable crítica 59,75%
Interpretación:
Rango de Indicador de
Variable Elasticidad
variación variable crítica
Tamaño del local -0,5 10% 0,05
Porcentaje a pagar (sobre el
- 20 1% 0,20
ingreso por ventas)
VAN = 0
Análisis de sensibilidad
Análisis de sensibilidad
Análisis de sensibilidad
Efectos que producen sobre el VAN las variaciones en los
valores de las variables
Cantidad VAN
19000
8.000 -794,50
8.200 1.114,46
8.400 3.023,42 14000
8.600 4.932,38
VAN
Análisis de sensibilidad
Análisis de sensibilidad
Tasa de
VAN Se nsi bi l i d a d d e l VA N a l a ta sa de d e scue nto
descuento
5% 13.198,05 15.000
6% 11.653,10
7% 10.171,57
10.000 TIR =15,25%
8% 8.750,30
9% 7.386,30
VAN
Análisis de sensibilidad
Análisis de sensibilidad
APLICACIÓN
Año VAN
Análisis de sensibilidad
VENTAJAS
Análisis de sensibilidad
LIMITACIONES
Análisis de escenarios
CONJUNTO DE SITUACIONES
POSIBLES
Análisis de escenarios
• Escenario Optimista
• Escenario Pesimista
• Escenario Original (Promedio)
Análisis de escenarios
APLICACION
Escenario VAN
Sino se conoce la PROBABILIDAD
DE OCURRENCIA es muy difícil
Optimista 1000
decidir.
Promedio 0
Pesimista -1000
Prof. Claudia Nerina Botteon
CONSIDERAN PROBABILIDAD
1,5 0,5
0,4
Probabilidad
Probabilidad
1
0,3
0,2
0,5
0,1
0 0
1200 800 1000 1200 1400 1600
Beneficio neto del año 1 Beneficio neto del año 1
Requieren de los
resultados de los métodos
que no consideran la
probabilidad
Pasos a seguir:
• Definir variable dependiente: VAN.
• Identificar variables independientes: precio del bien, etc.
• Definir las interrelaciones existentes entre variables.
• Clasificar las variables en ciertas y aleatorias.
• Identificar la distribución de probabilidades de los valores
de cada variable: normal, uniforme, triangular, etc. (en base
a la información disponible y/o a la experiencia).
• Generar k números aleatorios para cada una de las
variables aleatorias a partir de su respectiva distribución de
probabilidades.
• Calcular el conjunto de VAN
∑ VAN i
VANe = i =1
• VAN
, Esperado m
m
1
σ VAN = ⋅ ∑ ( VANi − VANe )2
• Desviación
, estándar (m − 1) i=1
σ VAN
CVVAN =
• Coeficiente de variación VANe
donde los VANi son los m valores del VAN obtenidos.
• Tabla de frecuencias
• Histograma
• Cantidad de VAN superiores e inferiores a determinado valor
Prof. Claudia Nerina Botteon
CONSIDERAN PROBABILIDAD
Modelo MONTECARLO
Una variable aleatoria: cantidad anual vendida
Distribución normal con los mismos parámetros utilizados
en la determinación de variables críticas:
Y = 9.000 ; σ = 547,72
Valor social Costos
Cantidades Beneficios netos
de la sociales VAN*
anuales sociales anuales
producción anuales
X P* . X cv* . X + CF*
(1) (2) (1) – (2)
8.835,55 53.013,33 29.671,11 23.342,22 7.180,70
8.300,18 49.801,07 28.600,36 21.200,71 2.070,64
9.133,79 54.802,72 30.267,57 24.535,15 10.027,27
9.699,16 58.194,96 31.398,32 26.796,64 15.423,65
9.656,37 57.938,22 31.312,74 26.625,48 15.015,22
9.949,28 59.695,71 31.898,57 27.797,14 17.811,04
7.803,99 46.823,93 27.607,98 19.215,96 -2.665,39
8.871,73 53.230,39 29.743,46 23.486,93 7.526,02
... ... ... ... ...
Se generaron 300 números aleatorios. Se presentan los primeros 8 valores obtenidos.
CONSIDERAN PROBABILIDAD
Modelo MONTECARLO
Porcentaje del
Concepto Valores
total de casos
Valor medio del VAN* 9.065,19
Desviación estándar 5.384,73
Coeficiente de variación 0,59
VAN* negativos 16 5,33%
VAN* inferiores a $ 3.000 41 13,67%
VAN* inferiores a $ 5.000 71 23,67%
-6.000 0 80
-3.000 3 70
0 13 60
3.000 25
Frecuencia
50
6.000 49
40
9.000 53
30
12.000 68
20
15.000 44
10
18.000 31
0
21.000 11
-6000 -3000 0 3000 6000 9000 12000 15000 18000 21000 24000 y
24.000 3 mayor...
y mayor... 0
VAN
CONSIDERAN PROBABILIDAD
Modelo MONTECARLO
Dos variables aleatorias: cantidad y precio social
Distribución normal:
Y = 9.000 ; σ = 547,72
P=6 ; σ = 0,3
Beneficios
Valor social Costos
Cantidades netos
Precio social de la sociales VAN*
anuales sociales
producción anuales
anuales
P* . X cv* . X + CF*
X P
(1) (2) (1) – (2)
8.835,55 6,23 55.062,00 29.671,11 25.390,89 12.069,24
8.300,18 5,94 49.285,87 28.600,36 20.685,51 841,27
9.133,79 5,51 50.336,95 30.267,57 20.069,38 -628,94
9.699,16 6,64 64.419,82 31.398,32 33.021,50 30.277,42
9.656,37 6,22 60.044,50 31.312,74 28.731,76 20.041,24
9.949,28 6,49 64.549,02 31.898,57 32.650,45 29.392,02
7.803,99 6,01 46.902,30 27.607,98 19.294,32 -2.478,38
8.871,73 6,37 56.504,51 29.743,46 26.761,04 15.338,71
... ... ... ... ... ...
-6.000 13 50
45
-3.000 11
40
0 22
35
3.000 27
Frecuencia
30
6.000 36 25
9.000 39 20
12.000 46 15
15.000 31 10
18.000 30 5
0
21.000 23
.
-600
0
- 300
0 0 3000 6000 9000 1200 0 1500 0 1800 0 2100 0 2400 0 mayo r..
24.000 14 y
y mayor... 8 VAN
CONSIDERAN PROBABILIDAD
Modelo MONTECARLO
APLICACIONES
En la evaluación de un proyecto hidroeléctrico en la Provincia de Mendoza, en
el cual uno de los problemas era estimar la serie de caudales futuros del río,
puesto que se trataba de una variable fundamental en la determinación de la
cantidad de energía producida. Se conocían los caudales mensuales históricos
desde principios del siglo XX.
En primer lugar se hizo una evaluación determinística del proyecto utilizando los
caudales medios para cada uno de los meses del año.
Sin embargo, la variabilidad de esos caudales mensuales podía hacer cambiar
significativamente el VAN.
A partir de la serie histórica de caudales, se generaron series de caudales
hipotéticos para un horizonte de 50 años, coincidente con la duración de la fase
de operación del proyecto.
Luego se calculó el VAN del proyecto para cada una de las series.
Para la gran mayoría de las series el proyecto resultó aceptable.
Modelo MONTECARLO
APLICACIONES
RECOPILACIÓN Y
SISMATIZACIÓN/ORDENAMIENTO
DE DATOS
Muestreo
Distribución de frecuencias
ESTADÍSTICA Histograma
TRATAMIENTO DE DATOS
Medidas o indicadores
ESTADÍSTICA DESCRIPTIVA
MEDIDAS DE DISPERSION
ESTADÍSTICA DESCRIPTIVA
MEDIDAS DE DISPERSIÓN
Indican en qué forma están diseminados los datos a lo largo del recorrido
de la variable.
∑X
1
X= ⋅ i
n i =1
∑X
1
X= ⋅ i ⋅ fi
n i =1
Si se disponen las frecuencias (fi) correspondiente a cada valor.
Prof. Claudia Nerina Botteon
HERRAMIENTAS ESTADÍSTICA
Xi fi Xi . fi
1 9 9
2 60 120
3 70 210
4 34 136
5 25 125
6 12 72
Rendimiento
físico
Edad
Prof. Claudia Nerina Botteon
HERRAMIENTAS ESTADÍSTICA
Principales propiedades
- Es menos sensible que la media a oscilaciones de los valores de la
variable. Un error de transcripción en la serie del ejemplo anterior en,
pongamos por caso, el último número, deja a la mediana inalterada.
Principales inconvenientes
20
18
16
Número de empleados
14
12
10
8
6
4
2
0
6 8 0 2 4 6 8 0 2 4 6 8 0 2 4 6 8
-2 6-2 8-3 0-3 2-3 4-3 6-3 8-4 0-4 2-4 4-4 6-4 8-5 0-5 2-5 4-5 6-5
24 2 2 3 3 3 3 3 4 4 4 4 4 5 5 5 5
Edad (en años)
Mo Me Mn Edades
Mn Me Mo Edades
Edades
Empleados
Mo = Me =Mn
Prof. Claudia Nerina Botteon
HERRAMIENTAS ESTADÍSTICA
MEDIDAS DE DISPERSIÓN
MEDIDAS DE DISPERSIÓN
Valores de la
Frecuencia
Valores de la variable Y
Frecuencia 0 0
variable X
20 0 30 0,5
50 1 50 1,5
70 3 70 2
90 1 90 1,5
110 0 110 0,5
130 0
Las dos distribuciones tienen la misma media (70), la misma
mediana (70) y el mismo modo (70), sin embargo, los datos
están diseminados en forma diferente.
Las medidas de tendencia central deben acompañarse de otras que
muestren la dispersión de los valores: X está menos diseminada que Y.
Prof. Claudia Nerina Botteon
HERRAMIENTAS ESTADÍSTICA
MEDIDAS DE DISPERSIÓN
Variable X
3,5
2,5
1,5
1
Las medidas de
0,5
0
dispersión de la
20 50 70 90 110
variable X son
Variable Y mayores que las de
2,5
Y.
2
1,5
0,5
0
0 30 50 70 90 110 130
Prof. Claudia Nerina Botteon
HERRAMIENTAS ESTADÍSTICA
MEDIDAS DE DISPERSIÓN
VARIANZA Y DISPERSIÓN
( x 1 − x ); ( x 2 − x );....; ( x n − x )
La varianza si se conocen los valores de todas las variables es:
− 2
+ − 2
+ + − 2 n
∑
( x x ) ( x x ) .... ( x x ) 1
σ2 = 1 2 n
= ⋅ (x i − x) 2
n n i =1
MEDIDAS DE DISPERSIÓN
VARIANZA Y DISPERSIÓN
∑
1
σ = ⋅
2
(x i − x) 2 ⋅ f i
n i =1
σ= σ 2
MEDIDAS DE DISPERSIÓN
DISTRIBUCIÓN NORMAL
Edades
La zona sombreada
representa el 68,27% de
la superficie total de la
curva.
MEDIDAS DE DISPERSIÓN
COEFICIENTE DE VARIACIÓN
Distribución Distribución
A B
media 20 200
dispersión 4 40
CV 0,2 0,2