Riesgo PDF

CURSO
PREPARACIÓN Y EVALUACIÓN DE
PROYECTOS DE INVERSIÓN PÚBLICA
ANÁLISIS DE RIESGO
SANTIAGO DE CHILE
CLAUDIA NERINA BOTTEON

claudia.botteon@ac-consultores.com.ar
cyatrape@yahoo.com.ar
Octubre- 2011
Análise de Risco
• Consideración del riesgo en la evaluación de proyectos.
• Riesgos asegurables.
•Evaluación determinística.
• Métodos que no consideran la probabilidad de
ocurrencia de cada evento: variables críticas, análisis de
sensibilidad y análisis de escenarios.
• Métodos que consideran la probabilidad
de ocurrencia de cada evento: método de
simulación de Monte Carlo.
• Uso de herramientas informáticas
para el análisis de riesgo.
• Anexo de herramientas estadísticas para análisis de
riesgo.
Prof. Claudia Nerina Botteon
RIESGO EN EVALUACIÓN DE PROYECTOS

EL RIESGO EN LA EVALUACIÓN DE PROYECTOS
¿Por qué se debe considerar el riesgo de un proyecto?
Hasta este momento, se ha supuesto que se conocen con certeza los valores futuros
de las variables relevantes.
Al momento de hacer la evaluación, suele existir desconocimiento sobre muchos

aspectos relacionados con el proyecto, como por ejemplo:
• La evolución de la economía local, nacional e internacional.
• Los tiempos y el monto a invertir en el proyecto.
• La obsolescencia de la tecnología.
• Las modificaciones en la moda.
• Los factores climáticos que afectan las cosechas.
• Los cambios en las regulaciones y/o en las políticas de la actividad.
• Etc.
Todo ello puede afectar el valor de los indicadores de rentabilidad.
Se hace necesario considerar el riesgo en la evaluación de proyectos.

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 Bufallo (USA) 50 % 30 %
Metro de Miami 35 % 15 %
TGV Paris Nord 25 % 25 %
Fuente: Extraído de una diapositiva del profesor Eduardo Aldunate.

Proyecto Sobre-costo
Canal de Suez 1.900 %
Opera de Sydney 1.400 %
Concorde 1.100 %
Canal de Panamá 200 %
Puente de Brooklyn 100 %

Fonte: Megaprojects and Risk, Bent Flybjerg

Ferrovias ERRORES DE ESTIMACIÓN DE

+45% INVERSIÓN
• 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.

Tránsito actual como

Proyecto
% del proyectado
Metro de Calcutta 5%
Túnel del Canal de La
18 %
Mancha
Metro de Miami 15 %
TGV Paris Nord 25 %
Puente Humber (UK) 25 %
Metro de Ciudad de
50 %
México
Fonte: Megaprojects and Risk, Bent Flybjerg

Ferrovias ERRORES DE ESTIMACIÓN DE

-39 % DEMANDA
• Modelos inadecuados.
• Falta de datos.
• Cambios de comportamiento.
Carreteras
• Cambios no previstos en factores
+9 % exógenos.
• Sesgo de los consultores.
• Sesgo del evaluador.
Fonte: Megaprojects and Risk, Bent Flybjerg con base en el estudio”Economic

Appraisal of Large-ScaleTransport Infrastructure Investments” de Mette K. Skamris.

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.
Son las que dan origen al riesgo

asociado a un proyecto.

¿Qué es el riesgo desde el punto de vista de un

proyecto?
Es la variabilidad de su rentabilidad medida a través de

alguno de sus indicadores (VAN, TIR, etc..)
A mayor variabilidad mayor riesgo

¿Cómo puede medirse el riesgo?
MÉTODOS QUE PERMITEN “EXPLICITAR” EL RIESGO Y

TENERLO EN CUENTA EN LA DECISIÓN
Como ninguno de los métodos es perfecto

suelen utilizarse en forma complementaria
NO LO ELIMINAN, LO PONEN DE MANIFIESTO

NO SON PERFECTOS (usan información histórica)

EVALUACIÓN DETERMINÍSTICA

¿En qué consiste la evaluación determinística?
Considera: EL VALOR “ESPERADO” DE CADA VARIABLE

Ej.: precio del bien X está entre $ 40 y $ 50, pero su
valor más probable es $ 46.
En la evaluación se considera $ 46
¿Qué resulta de esta evaluación?
Los INDICADORES DE RENTABILIDAD son

VALORES ESPERADOS
Ejemplo sencillo
Concepto Valores Unidades
Duración fase de inversión 1 año
Inversión total a valores sociales: 50.000 $
En momento 0 60%
En momento 1 40%
Duración fase de operación 3 años
Costos sociales fijos 12.000 $/año vencido
Costos sociales variables 2 $/unidad, vencido
Cantidad de unidades 9.000 unidades anuales
Precio social del bien generado 6 $/unidad, vencido
Tasa social de descuento 8% anual
Flujo de beneficios y costos del proyecto

Concepto 0 1 2 3 4
Costo social de la inversión -30.000 -20.000
Costo social fijo -12.000 -12.000 -12.000
Costo social de los insumos -18.000 -18.000 -18.000
Valor social de la producción 54.000 54.000 54.000
Beneficios netos -30.000 -20.000 24.000 24.000 24.000
VAN esperado del proyecto = $ 8.750,30

¿Cuándo es poco recomendable el uso de

esta metodología?
- No necesariamente la variable va a tener un solo valor más probable.
Incluso podría ocurrir el caso de que todos los valores probables tuviesen la
misma probabilidad de ocurrencia.
- Aún cuando pueda estimarse correctamente el valor más

Probable, esto no implica que sea el que va a adoptar la variable en
cuestión.
- Aún de existir un único valor más probable, en muchos casos es

muy difícil poder estimarlo con un grado de exactitud adecuado.
¿Cuáles son los métodos que permiten incorporar

el riesgo más usados?
No la incorporan:
•Determinación de las variables críticas

Según si incorporan o no •Punto de nivelación
la probabilidad de •Análisis de sensibilidad
ocurrencia •Análisis de escenarios
Sí la incorporan:
•Método de simulación de Monte Carlo
Complementarios entre sí
Claudia Nerina Botteon

MÉTODOS QUE NO CONSIDERAN LA
PROBABILIDAD DE OCURRENCIA

NO CONSIDERAN PROBABILIDAD
¿Cuáles son los métodos que no consideran la

probabilidad de ocurrencia más usados?
• Determinación de las variables críticas
• Punto de nivelación
• Análisis de sensibilidad
• Análisis de escenarios

Determinación de las variables críticas
Para cada una de las variables que inciden en el VAN

se estima:
• La elasticidad del VAN respecto de cada variable.

• La variabilidad de esa variable.
• El indicador de variable crítica.


La elasticidad del VAN respecto de la variable Y
ΔVAN
E VAN,Y = VAN
ΔY
Y


EVAN,Y indica:
Cuán sensible es el VAN a los cambios en esa variable
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

Cálculo: Elasticidad del VAN respecto de la inversión inicial

Inversión considerada en evaluación es de $ 50.000
VAN = $ 8.750,30
Si ocurriera un aumento del 10% de la inversión
Inversión aumenta a $ 55.000
Nuevo VAN = $ 3.898,45
ΔVAN 3.898,45 − 8.750,30
VAN 8.750,30
E VAN,Inversión = = = −5,54
ΔI 55.000 − 50.000
I 50.000
Elasticidad del VAN respecto de la inversión inicial
ΔVAN
E VAN,Inversión = VAN = −5,54
ΔI
I
Es negativa, dado que la inversión es un costo: si
aumenta, el VAN disminuye.
Su valor indica que si la inversión total aumenta en un

1%, el VAN disminuye en un 5,54%.


Variabilidad de la variable Y
Existen varias formas de medir la variabilidad de una

variable aleatoria Y:
• Rango de variación de la variable o recorrido, en

términos porcentuales
• Coeficiente de variación (CVY), definido como la

desviación estándar (σY) sobre la media (Y)
• Rango de variación de la variable o recorrido, en

términos porcentuales:
Ejemplo, si el precio esperado de Y es $ 100 y puede variar

entre $ 90 y $ 110, entonces:
El precio es $ 100 más/menos 10%
El rango de variación es del 10% del valor medio.


• 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
Yi son los valores que puede asumir la variable Y

Ai es la probabilidad de ocurrencia correspondiente al valor Yi

σY
• El coeficiente de variación CVY =
Y
Si la variable Y se distribuye como normal
El 68,27% de los valores que asume Y están incluidos dentro

del intervalo: Media ± σ.
Si el CV = 0,2, el 68,27% de los valores de la variable cae en

el intervalo Media ± 20% sobre la Media.
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
Indicador = EVAN,Y · Medida de la variabilidad de Y
Interpretación con respecto de la cantidad (X):
El indicador refleja el cambio porcentual máximo

del VAN debido a la variación de X. Prof. Claudia Nerina Botteon

Indicador de variable crítica

(utilizando el Coeficiente de Variación)
Hay que conocer:
• la distribución de probabilidades de la variable o
• los parámetros que definen la distribución.



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:
La variación del VAN debido a variaciones en X

será del 59,75% en el 68,27% de los casos.
APLICACIÓN
La empresa concedente de una franquicia normalmente impone un
conjunto de condiciones: tamaño mínimo del local de ventas, la cantidad
de bienes en existencia, el porcentaje de comercialización, el porcentaje
del ingreso por ventas a cobrar, etc. Algunas condiciones pueden ser
negociables por el concesionario.
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)
Supóngase que existe la posibilidad de negociar los valores

de dos variables: tamaño del local y porcentaje de las
ventas a pagar a la empresa concedente.
Es preferible lograr una reducción del 1% en el porcentaje a

pagar (con el cual se logra un aumento del VAN en 20%),
que una reducción del 10% en el tamaño del local (con lo
cual se logra un aumento del VAN en 5%). Prof. Claudia Nerina Botteon
Punto de nivelación de una variable
Para cada una de las variables se puede determinar su:
• Valor mínimo (en caso que incidan en forma positiva).
• Valor máximo (en caso que incidan en forma negativa).

VAN = 0
Precio mínimo = $ 5,59

Cantidad mínima = 8.083
Suponen que el resto de las variables asumen sus

valores medios.

APLICACIÓN
• Este procedimiento se suele utilizar cuando el valor de una variable

importante para el proyecto es desconocido.
Por ejemplo, hace algunos años la Municipalidad de la Ciudad de Mendoza

se planteó la conveniencia de privatizar el servicio público de recolección
de residuos, y no se disponía de ninguna información sobre el precio que
podría cobrar una empresa para prestar el servicio. Entonces se estimó el
máximo canon mensual que haría de la privatización un buen negocio para
la Municipalidad.
• Este análisis suele ser útil es cuando se está estudiando el proyecto a

nivel de idea o de perfil y no se ha hecho el estudio de mercado, por lo
cual no se dispone de estimaciones del precio de venta del bien a
producir.
Se calcula entonces el mínimo precio al cual debe venderse cada unidad

para que sea conveniente ejecutar el proyecto. Si el precio mínimo
resultante es indudablemente mayor que el esperado, se puede afirmar
que no es conveniente la ejecución del proyecto.
Análisis de sensibilidad
Efectos que producen sobre el VAN las variaciones en los

valores de las variables
Para elegir las variables con las cuales se hará el análisis de

sensibilidad es útil determinar previamente cuáles son las más
críticas para el proyecto.
Una de las variables muy utilizada en este tipo de análisis es la

tasa de descuento, debido principalmente a las dificultades en la
determinación de su valor.

Efectos que producen sobre el VAN las variaciones

en los valores de las variables
Es necesario elegir rangos de variación

“razonables” para cada variable, acordes con la
información disponible.
Si, como se supuso en el análisis de las variables críticas,

el coeficiente de variación de la cantidad (X) es igual a
0,0608, se sabe que el 68,27% de los casos estará entre
Media ± σ : 8.453 y 9.547 unidades.
Dado que esto no abarca la totalidad de los casos, a
continuación se realiza el análisis de sensibilidad para
cantidades entre 8.000 y 10.000 unidades anuales.
Efectos que producen sobre el VAN las variaciones en los
valores de las variables
PARA UNA VARIABLE (X)
Sensibilidad del VAN a la cantidad anual vendida
Cantidad VAN
19000
8.000 -794,50
8.200 1.114,46
8.400 3.023,42 14000
8.600 4.932,38
VAN
8.800 6.841,34 9000

9.000 8.750,30
9.200 10.659,26
4000
9.400 12.568,22
9.600 14.477,19
9.800 16.386,15 -1000
8000 8400 8800 9200 9600 10000
10.000 18.295,11
Cantidad anual vendida

PARA DOS VARIABLES
Sensibilidad del VAN a la cantidad y al precio
Cantidad Precio de venta

5 5,5 6 6,5 7
8.000 -19.884,11 -10.339,30 -794,50 8.750,30 18.295,11
8.200 -18.452,39 -8.668,96 1.114,46 10.897,88 20.681,31
8.400 -17.020,67 -6.998,62 3.023,42 13.045,47 23.067,51
8.600 -15.588,95 -5.328,28 4.932,38 15.193,05 25.453,71
8.800 -14.157,23 -3.657,94 6.841,34 17.340,63 27.839,91
9.000 -12.725,50 -1.987,60 8.750,30 19.488,21 30.226,11
9.200 -11.293,78 -317,26 10.659,26 21.635,79 32.612,31
9.400 -9.862,06 1.353,08 12.568,22 23.783,37 34.998,51
9.600 -8.430,34 3.023,42 14.477,19 25.930,95 37.384,71
9.800 -6.998,62 4.693,76 16.386,15 28.078,53 39.770,92
10.000 -5.566,90 6.364,10 18.295,11 30.226,11 42.157,12

Sensibilidad del VAN a la tasa de descuento
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
10% 6.076,77 5.000

11% 4.819,06
12% 3.610,67 0
13% 2.449,26 5% 7% 9% 11% 13% 15% 17%
14% 1.332,60 -5.000
15% 258,61
Tasa de descuento
16% -774,70
17% -1.769,20
18% -2.726,65
Sensibilidad del VAN a la duración de la fase de inversión
Momento Situación base Nueva situación

0 60% 40%
1 40% 30%
2 30%
VAN = $ 8.750,30 VAN = $ 6.277,72

TIR = 15,25% TIR = 12,48%
La disminución en el VAN es de un 28,26% en

relación con el originalmente calculado
APLICACIÓN
Si lo que se quiere es determinar la rentabilidad de un

proyecto que consiste en plantar trigo y se conocen los
niveles de producción de los últimos 6 años, los cuales
están directamente relacionados con los niveles de
lluvia, se puede calcular los VAN correspondientes a los
ingresos obtenidos con esas producciones.
Año VAN
2001 2500 Si bien el proyecto es “en

2002 2600
2003 2700
promedio” rentable, un nivel de
2004 -100 precipitaciones como el del año
2005 3500 2004 haría incurrir en una pérdida
2006 2800
VENTAJAS
El análisis de sensibilidad permite visualizar la forma en que

cada variable incide en el VAN del proyecto y se dispone de
más información sobre los probables resultados del proyecto.
Por ejemplo, si se sensibiliza el VAN respecto de la cantidad

producida anualmente y del precio de venta del bien, se
pueden identificar los rangos de combinaciones de valores de
esas variables que permiten obtener VAN positivos. Si se
piensa que esas combinaciones son razonables, puede
concluirse que la ejecución del proyecto es conveniente,
mientras que si no es así, se plantean dudas sobre su
conveniencia. Prof. Claudia Nerina Botteon
LIMITACIONES
• Pueden presentarse dificultades al definir los rangos dentro

de los cuales puede variar cada variable. Si previamente se
han determinado las variables críticas, esos rangos deberán
ser coherentes con el indicador de variabilidad de cada
variable.
• En algunos proyectos existen relaciones entre las variables

que influyen en los indicadores de rentabilidad. Por ejemplo,
la cantidad de agua disponible para riego afecta la
producción de uva, pero si se cosecha poca uva su precio
puede ser más alto. En estos casos, es necesario considerar
las posibles relaciones entre esas variables.
Análisis de escenarios
CONJUNTO DE SITUACIONES
POSIBLES
Combinan en forma coherente las

variables más críticas

• Escenario Optimista
• Escenario Pesimista
• Escenario Original (Promedio)
Escenario Cantidad Precio VAN

Optimista 9.400 6,20 17.054,28
Promedio 9.000 6,00 8.750,30
Pesimista 8.600 5,80 828,12

APLICACION
Este método suele ser muy útil cuando se plantea

originalmente un escenario, pero el evaluador no está
seguro sobre su certeza.
Unos años atrás se utilizó al evaluar el proyecto de
pasar el Casino de Mendoza, que estaba bajo la órbita
estatal, a manos de los empleados. En ese momento se
estaba instalando en la Provincia otro casino, con lo
cual el estatal pasaba a tener competencia, y no se
conocía en qué medida esto podría afectar sus ventas.
Se supusieron escenarios alternativos con relación al
porcentaje de disminución de las ventas.

MÉTODOS QUE CONSIDERAN LA
PROBABILIDAD DE OCURRENCIA

CONSIDERAN PROBABILIDAD
¿Por qué surgen los métodos que

consideran la probabilidad de ocurrencia?
Los métodos que no la consideran sólo agregan

información sobre resultados alternativos del
proyecto, pero no indican
CUÁL ES LA PROBABILIDAD DE OCURRENCIA
DE CADA UNO DE ELLOS
Escenario VAN
Sino se conoce la PROBABILIDAD
DE OCURRENCIA es muy difícil
Optimista 1000
decidir.
Promedio 0
Pesimista -1000
Si todas las variables que influyen en el VAN son ciertas, el resultado es

único.
Si al menos una variable es aleatoria, existe una distribución de
probabilidades del VAN.
Distribución de probabilidades de una Distribución de probabilidades de una
variable no aleatoria variable aleatoria
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
El BN del año 1 más probable en ambos es de $ 1.200, pero la segunda

propuesta es más riesgosa.
En la mayoría de los casos quien debe decidir sobre la ejecución de un proyecto
no es indiferente entre uno que le permite obtener un determinado VAN con
certeza y otro que tiene el mismo VAN esperado, pero sujeto a una cierta
distribución. Si tiene aversión al riesgo, preferirá el primer proyecto.
¿Cuáles es el método que considera la

probabilidad de ocurrencia más usados?
Modelo de simulación Monte Carlo
Requieren de los
resultados de los métodos
que no consideran la
probabilidad

¿Qué ventaja tiene el método de simulación

con el modelo MONTE CARLO?
Permite obtener una distribución probabilística del

VAN, a través de la selección aleatoria de valores
de las distintas variables que en él inciden, acorde
con la distribución de probabilidades de cada una.
Se puede trabajar con muchas variables aleatorias

Modelo MONTE CARLO
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

Modelo MONTECARLO
¿Qué permite lograr su aplicación?
UNA DISTRIBUCIÓN DE PROBABILIDADES DEL VAN

m
∑ 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
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.
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%
VAN Frecuencia Histograma
-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
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
... ... ... ... ... ...
Se generaron 300 números aleatorios. Se presentan los primeros 8 valores obtenidos.

Modelo MONTECARLO
Porcentaje del
Concepto Valores
total de casos
Valor medio del VAN 8.915,18
Desviación estándar 8.505,23
Coeficiente de variación 0,9540
VAN negativos 46 15,33%
VAN inferiores a 3.000 73 24,33%
VAN inferiores a 5.000 99 33,00%
VAN Frecuencia Histograma
-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
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
En la determinación de las provisiones presupuestarias para enfrentar pasivos

contingentes.
En la concesión de ciertos proyectos viales se puede optar por garantizar un
nivel de ingreso mínimo (volumen de tráfico x peaje).
Las simulaciones de Monte Carlo se aplican para determinar la demanda futura
de las diferentes autopistas, de manera de poder estimar los pagos que se
deberán hacer por efecto de la Garantía de Ingreso Mínimo.
Sobre la base de información histórica se generan números aleatorios
concerniente a los ingresos anuales y se identifican los casos en que hay un
desvío negativo respecto de lo garantizado.
Ese desvío anual constituye el pago que el estado debe hacer al concesionario.
La media de esos desvíos constituyen el valor esperado de la provisión anual y
sirve de base para armar el presupuesto.

ANEXO DE HERRAMIENTAS ESTADÍSTICAS
NECESARIAS PARA ANÁLISIS DE RIESGO

HERRAMIENTAS ESTADÍSTICA
RECOPILACIÓN Y
SISMATIZACIÓN/ORDENAMIENTO
DE DATOS
Muestreo
Distribución de frecuencias
ESTADÍSTICA Histograma
TRATAMIENTO DE DATOS
Medidas o indicadores
Si existen fallas en el proceso, las conclusiones serán erradas

ESTADÍSTICA DESCRIPTIVA
Trata de resumir las observaciones en 3 ó 4 números que muestren con

claridad la manera de comportarse del grupo.
Esos números son las ESTADÍSTICAS.
MEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE DISPERSION

ESTADÍSTICA DESCRIPTIVA
Describen el comportamiento de la variable en la zona central de la

distribución.
En este grupo están la media (valor promedio) y las medidas de posición

(mediana, modo, cuartiles, etc.).
MEDIDAS DE DISPERSIÓN
Indican en qué forma están diseminados los datos a lo largo del recorrido
de la variable.
Pertenecen a este grupo la dispersión, la varianza y el coeficiente de

variación.

MEDIA ARITMÉTICA
CENTRO DE GRAVEDAD DE UNA DISTRIBUCIÓN,

el cual no es necesariamente la mitad.
∑X
1
X= ⋅ i
n i =1
Si se disponen los valores de todas las variables.

n
∑X
1
X= ⋅ i ⋅ fi
n i =1
Si se disponen las frecuencias (fi) correspondiente a cada valor.

MEDIA ARITMÉTICA
Xi fi Xi . fi
1 9 9
2 60 120
3 70 210
4 34 136
5 25 125
6 12 72
Suma 210 672
Media = 672 / 210 = 3,2


MEDIA ARITMÉTICA
Una de las limitaciones de la media es que se ve afectada por

valores extremos: valores muy altos tienden a aumentarla
mientras que valores muy bajos tienden a bajarla, lo que implica
que puede dejar de ser representativa de la población.
La media de todas La media de todas las notas de

las notas de una una persona, si es que tiene la
persona, si es que mitad de ellas igual a 2 y la
tiene todos 6, es 6. otra igual a 10, también es 6.


MEDIANA
Es el valor ubicado de manera tal que:

- el 50% de los valores resultan menores que él y;
- el 50% restante mayores que él.
Rendimiento
físico
Edad

MEDIANA
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.
- No se ve afectada por la dispersión. De hecho, es más representativa

que la media aritmética cuando la población es bastante
heterogénea.
Suele darse esta circunstancia cuando se resume la información
sobre los salarios de un país o una empresa. Hay unos pocos
salarios muy altos que elevan la media aritmética haciendo que
pierda representatividad respecto al grueso de la población. Sin
embargo, alguien con el salario "mediano" sabría que hay tanta gente
que gana más dinero que él, como que gana menos.

MEDIANA
Principales inconvenientes
No se presta a cálculos algebraicos tan bien como la media

aritmética.


MODO, MODA O VALOR MODAL
Es el valor de la variable que presenta la frecuencia

absoluta máxima.
En el caso de los las edades de los empleados de una
empresa el intervalo 36-38.
Frecuencia absoluta
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)

Comparación entre la media, mediana y modo
Modo < Media < Mediana

Rendimiento
físico
Mo Me Mn Edades

Modo > Media > Mediana

Ingresos
Mn Me Mo Edades


Modo = Media = Mediana
Edades
Empleados
Mo = Me =Mn
Muestran la variabilidad de una distribución, indicando por medio de un

número, si las diferentes puntuaciones de una variable están muy alejadas de
la MEDIA.
Dan una idea de la forma en que se encuentran diseminados los datos a lo

largo del recorrido (o rango de variación) de la variable.
Cuanto mayor es el valor de esa medida, mayor es la variabilidad.
Cuanto menor, más similares son los valores de la variable a la MEDIA.

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.
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
VARIANZA Y DISPERSIÓN
Si X toma n valores: x1, x2, …, xn, la media resulta ser igual a:

x 1 + x 2 + .... + x n
x=
n
Se pueden calcular los desvíos de cada valor que asume la
variable respecto de la media:
( 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

VARIANZA Y DISPERSIÓN
La fórmula de la varianza si se conocen las frecuencias de cada uno

de los valores es la siguiente:
∑
1
σ = ⋅
2
(x i − x) 2 ⋅ f i
n i =1
La dispersión es igual a la raíz cuadrada de la varianza:
σ= σ 2

DISTRIBUCIÓN NORMAL
Edades
La zona sombreada
representa el 68,27% de
la superficie total de la
curva.
Me – disp Me Me + disp Empleados
Si se toma una muestra de 100 valores de la variable, aproximadamente el 69

asumirían valores iguales a los comprendidos en el rango
(media –dispersión) y (media +dispersión). Prof. Claudia Nerina Botteon
COEFICIENTE DE VARIACIÓN
Es el cociente entre la dispersión y la media

σ
CV =
x
Se usa para eliminar el problema de escala en la comparación de dos
distribuciones de frecuencias diferentes.
Distribución Distribución
A B
media 20 200
dispersión 4 40
CV 0,2 0,2

PRINCIPAL BIBLIOGRAFÍA
FERRA, Coloma y BOTTEON, Claudia, Evaluación privada de proyectos, (Mendoza,
Facultad de Ciencias Económicas-Universidad Nacional de Cuyo, 2007).
FONTAINE, Ernesto, Evaluación social de proyectos, 12a. ed. (México, Alfaomega,

1999).
GABRIELLI, Adolfo, Evaluación privada de proyectos (La Paz, Bolivia, 1990),

mimeografiado.
JANSSON MOLINA, Axel, Formulación y evaluación de proyectos de inversión

(Santiago de Chile, Universidad Tecnológica Metropolitana, 2000).
RODRIGUEZ, J., Análisis de riesgo en proyectos de perforación exploratoria.

Técnicas de simulación. Método de Monte Carlo (Mendoza, 1981), mimeografiado.
SAPAG CHAIN, Nassir y SAPAG CHAIN, Reinaldo, Preparación y evaluación de

proyectos, 4ª. ed. (Santiago, Mc Graw Hill, 2000).

Riesgo PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Riesgo PDF

Cargado por

Copyright:

Formatos disponibles

CURSO

CLAUDIA NERINA BOTTEON

Prof. Claudia Nerina Botteon

¿Por qué se debe considerar el riesgo de un proyecto?

Al momento de hacer la evaluación, suele existir desconocimiento sobre muchos

Todo ello puede afectar el valor de los indicadores de rentabilidad.

Se hace necesario considerar el riesgo en la evaluación de proyectos.

Metro de Bufallo (USA) 50 % 30 %

TGV Paris Nord 25 % 25 %

Fuente: Extraído de una diapositiva del profesor Eduardo Aldunate.

Canal de Suez 1.900 %

Opera de Sydney 1.400 %

Canal de Panamá 200 %

Puente de Brooklyn 100 %

Fuente: Extraído de una diapositiva del profesor Eduardo Aldunate.

Prof. Claudia Nerina Botteon

Ferrovias ERRORES DE ESTIMACIÓN DE

Fuente: Extraído de una diapositiva del profesor Eduardo Aldunate.

Tránsito actual como

Fuente: Extraído de una diapositiva del profesor Eduardo Aldunate.

Ferrovias ERRORES DE ESTIMACIÓN DE

Fonte: Megaprojects and Risk, Bent Flybjerg con base en el estudio”Economic

Prof. Claudia Nerina Botteon

Son las que dan origen al riesgo

Prof. Claudia Nerina Botteon

¿Qué es el riesgo desde el punto de vista de un

Es la variabilidad de su rentabilidad medida a través de

A mayor variabilidad mayor riesgo

Prof. Claudia Nerina Botteon

¿Cómo puede medirse el riesgo?

MÉTODOS QUE PERMITEN “EXPLICITAR” EL RIESGO Y

Como ninguno de los métodos es perfecto

NO LO ELIMINAN, LO PONEN DE MANIFIESTO

Prof. Claudia Nerina Botteon

Prof. Claudia Nerina Botteon

¿En qué consiste la evaluación determinística?

Considera: EL VALOR “ESPERADO” DE CADA VARIABLE

¿Qué resulta de esta evaluación?

Los INDICADORES DE RENTABILIDAD son

Flujo de beneficios y costos del proyecto

VAN esperado del proyecto = $ 8.750,30

¿Cuándo es poco recomendable el uso de

- No necesariamente la variable va a tener un solo valor más probable.

- Aún cuando pueda estimarse correctamente el valor más

- Aún de existir un único valor más probable, en muchos casos es

¿Cuáles son los métodos que permiten incorporar

•Determinación de las variables críticas

•Método de simulación de Monte Carlo

Claudia Nerina Botteon

Prof. Claudia Nerina Botteon

¿Cuáles son los métodos que no consideran la

• Determinación de las variables críticas

Prof. Claudia Nerina Botteon

Determinación de las variables críticas

Para cada una de las variables que inciden en el VAN

• La elasticidad del VAN respecto de cada variable.

Prof. Claudia Nerina Botteon

Determinación de las variables críticas

• La elasticidad del VAN respecto de cada variable.

La elasticidad del VAN respecto de la variable Y

Prof. Claudia Nerina Botteon

Determinación de las variables críticas

• La elasticidad del VAN respecto de cada variable.