Monografia Sri

CARATULA
UNIVERSIDAD NACIONAL
“SANTIAGO ANTUNEZ DE MAYOLO”
PRESENTACIÓN
SENSIBILIDAD, RIESGO E INCERTIDUMBRE 2

INTRODUCCIÓN

Contenido
PRESENTACIÓN.....................................................................................................................2
INTRODUCCIÓN....................................................................................................................3
CAPÍTULO I: RIESGO E INCERTIDUMBRE.........................................................................5
1.1. ¿Qué es la incertidumbre?..............................................................................5

1.2. Análisis de inversiones en condiciones de riesgo e incertidumbre..............6
1.3. Diferencia entre riesgo e incertidumbre........................................................7
1.4. Causas del riesgo e incertidumbre.................................................................7
1.5. Cómo disminuir el grado de incertidumbre?................................................8
1.6. Modelos de simulación deterministas............................................................8
1.6.1 Desviación estándar....................................................................................................9
1.6.2. Variabilidad.............................................................................................................12
1.7. Niveles de incertidumbre..............................................................................23
1.8. Riesgo..............................................................................................................23
1.9. Tipos de riesgo...............................................................................................24
1.10. Aversión al riesgo..........................................................................................26

CAPÍTULO I: RIESGO E INCERTIDUMBRE

1.1. ¿Qué es la incertidumbre?
Es la falta de certeza, un estado de conocimiento limitado donde es imposible describir
exactamente el estado existente, un resultado futuro o más de un resultado posible.
Existirá incertidumbre cuando las probabilidades de ocurrencia de un evento no están
cuantificadas. Las fuentes básicas de la incertidumbre son cuando la información es
incompleta, inexacta, sesgada, falsa o contradictoria. El usuario que se siente parte de la
identificación del problema y del desarrollo de la solución tiene mayor probabilidad de
poner en práctica los resultados con entusiasmo.
Ejemplo:
Cuando tenemos la sensación de incertidumbre en la empresa, tenemos la percepción de

que la información disponible es normalmente escasa e inconsistente. El principal
efecto que tienen estas situaciones es psicológico.
Podemos responder a la incertidumbre en la empresa de tres formas:
 Negativamente, con ansiedad o incluso pánico. Por ejemplo, acabas de perder

un importante cliente y sufres ansiedad por saber cómo va a impactar en tu
empresa.
 Positivamente, con esperanza e ilusión. Al perder un cliente importante pero

problemático, te planteas todas las cosas que podrás hacer ahora que tienes más
tiempo disponible.
 Neutralmente, con indiferencia. Te planteas que igual que has perdido un

cliente puedes conseguir otro nuevo sin mayor problema
1.2. Análisis de inversiones en condiciones de riesgo e incertidumbre
En evaluación de proyectos, los conceptos de riesgo e incertidumbre se diferencian en
que, mientras que el primero considera que los supuestos de la proyección se basan en
probabilidades de ocurrencia que se pueden estimar, el segundo enfrenta una serie de
eventos futuros a los que es imposible asignar una probabilidad. En otras palabras,
existe riesgo cuando los posibles escenarios y sus resultados se conocen, y cuando hay

antecedentes para estimar su distribución de frecuencia. Tal es el caso de la cantidad de

madres que llegan a una clínica para tener un parto normal y terminan con cesárea. Hay
incertidumbre cuando los escenarios, o la distribución de frecuencia de sus resultados,
se desconocen, como por ejemplo la posibilidad de que un avión caiga sobre una
fábrica.
El evaluador de proyectos debe incorporar cualquier información adicional que permita
al inversionista conocer las posibilidades de que su rentabilidad suba o baje por el
riesgo, o la incertidumbre de que cambie el valor de cualquier variable pronosticada
para medir dicha rentabilidad. Cuando el proyecto enfrenta condiciones de
incertidumbre, se dispone de dos metodologías de análisis no excluyentes entre sí.
Cuando enfrenta condiciones de riesgo, además de poder usar las dos anteriores,
dispone de una potente herramienta que cuantifica el riesgo total de la inversión e
identifica las variables pertinentes de las cuales depende el resultado de su proyecto,
permitiendo, en consecuencia, tomar anticipadamente decisiones para su mitigación.
Gráfico 1: herramientas para el análisis de riesgo e incertidumbre. (Nassir Sapag Chain,

p. 333)
1.3. Diferencia entre riesgo e incertidumbre
Riesgo Incertidumbre
- situación donde se puede - Incertidumbre blanda, se refiere a
identificar los eventos posibles la imposibilidad de asignarle una

(resultados) y además asignarle distribución de probabilidad.

una distribución de probabilidad - Incertidumbre dura, situación en
(subjetiva o no) a cada evento. la cual el decisor ni siquiera puede
identificar los resultados o
eventos. A esto lo llaman.
(Propietario)
1.4. Causas del riesgo e incertidumbre

Las causas de la variabilidad en la economía en general son básicamente atribuibles al
comportamiento humano; pero hay fenómenos de otro origen que causan riesgo e
incertidumbre. Por ejemplo:
 Disponibilidad de la información: Inexistencia de datos históricos. Baja

cobertura y poca confiabilidad de los datos con que se cuenta.
 Competencia
 El desarrollo tecnológico
 Sesgos en la estimación de datos o de eventos posibles.
 Cambios en la economía, tanto nacional como mundial. Política cambiaria y de
comercio exterior
 Inestabilidad económica y falta de continuidad en los programas sectoriales.
 Inestabilidad política y social. Inseguridad. Orden público.
 Cambios en las preferencias de los consumidores
 Catástrofes naturales o comportamiento del clima. (Meza Orozco y Jhonny de
JesÃºs [Author], p. 344)

1.5. ¿Cómo disminuir el grado de incertidumbre?

 Obtener información antes de tomar la decisión, información acerca del mercado.
 Aumentar el tamaño de las operaciones, por ejemplo, se asume menos riesgo al
perforar 50 pozos de petróleo que al perforar uno. (Ivelez, p. 13)
1.6. Modelos de simulación deterministas
Aun cuando existen distintos modelos para efectuar un análisis de las probabilidades en
proyectos que tienen riesgos, estos difícilmente se pueden validar en forma objetiva,
como por ejemplo el resultado de lanzar una moneda al aire. En este sentido, los análisis
de probabilidades en los proyectos no modifican los niveles de riesgo ni de
incertidumbre, sino que generan información para ayudar al proceso de toma de
decisiones. Con más información del mercado, de las opciones tecnológicas o de los
efectos de una u otra localización, podría reducirse la incertidumbre si se toman las
decisiones adecuadas para mitigarla. (Nassir Sapag Chain, p. 334)
Cuando se aceptan proyectos con un grado mayor de riesgo, este suele tener mayor
rentabilidad, de esta manera los inversionistas desean lograr el retorno más alto posible
sobre sus inversiones al igual que la máxima seguridad en alcanzarlo. Lo importante es
reconocer que cada individuo tiene preferencias particulares y diferenciadas de riesgo-
recompensa.
Por lo general, la definición más común de riesgo es la desviación estándar del retorno
esperado, respecto del retorno medio, en cuanto a la magnitud de la variación, de esta
manera mientras más alta sea la desviación estándar, mayor será la variabilidad del
retorno y, por consiguiente, el riesgo.
Las probabilidades que no se pueden verificar en forma objetiva se denominan

probabilidades subjetivas. La más observada en la práctica es la que supone una
distribución normal, que indica que, en 67,5% de los casos, los retornos caerán dentro
de un rango que está entre el valor promedio del retorno ± una desviación estándar. Si al
promedio se suman y restan dos desviaciones estándar, el intervalo incluirá 95% de los
casos. Si se agregan o quitan tres desviaciones estándar, el intervalo incluirá 99% de los
casos1. (Nassir Sapag Chain, p. 334)

En una empresa en funcionamiento, es muy probable encontrar información en su

registro de datos, que posibilite efectuar un análisis de riesgo de un nuevo proyecto,
pero sobre el que ya se haya tenido una experiencia previa. El análisis del riesgo
mediante la desviación estándar sigue procedimientos distintos, según se trate de datos
proyectados o históricos.
1.6.1 Desviación estándar

El procedimiento para calcular la desviación estándar en base histórica se aplica a
diferentes elementos del proyecto: nivel de respuesta de la demanda que se amplía
permanentemente a nuevos sectores geográficos, rentabilidad de una inversión
replicable, etc. En estos casos se busca estimar la variabilidad del resultado con base en
los comportamientos históricos observados, para lo cual se usa:
σ=
√ ∑ (A j− A x)2
j=1
n−1
Ecuación 1: Desviación estándar en base histórica
Donde:
σ = Es la desviación estándar
Aj = El rendimiento de cada observación j.
Ax = El rendimiento promedio de las observaciones.
n = Número de observaciones
A la desviación estándar al cuadrado se le denomina varianza.
Ejemplo:
Supongo que las rentabilidades promedias anuales sobre las inversiones repetitivas, en seis
locales de venta de hamburguesas, son las que se muestran a continuación:
Rendimiento Rendimiento Desviación Desviación

Observaciones observado (Aj) promedio (Ax) (Aj – Ax) (%) cuadrada (Aj-
(%) (%) Ax)² (%)
1 0.12 0.095 0.025 0.000625
2 0.13 0.095 0.035 0.001225

3 0.08 0.095 -0.015 0.000225

4 0.04 0.095 -0.055 0.003025
5 0.08 0.095 -0.015 0.000225
6 0.12 0.095 0.025 0.000625
Suma 0.57 0.000 0.005950
Tabla 1: Cálculo de las desviaciones sobre observaciones históricas.
Sustituyendo los valores en la fórmula 1, se obtiene:
0.005950
σ=
√ 6−1
=3.45 %
Interpretación:
Existe 68% de probabilidad de que la rentabilidad de un nuevo local de ventas se sitúe entre
9.5% ± 3.45% (o sea, entre 6.05% y 12,98%); y el 95% de que esté entre 9.5% ± 2 * (3.45%)
(o sea, entre 2.6% y 16,4%)
Cuando un resultado es de naturaleza aleatoria, la distribución normal sirve para calcular la

probabilidad de que se sitúe en un determinado intervalo. Se utiliza principalmente porque la
mayoría de las funciones se ajustan a la distribución ya
mencionada con anterioridad, sin dejar de reconocer la existencia de otras distribuciones de

probabilidad, en las que el procedimiento a seguir es similar, es decir, la probabilidad que se
desea obtener se logra integrando el intervalo del área bajo la curva deseada o utilizando las
herramientas estadísticas correspondientes. (Nassir Sapag Chain, pp. 335–336)
Gráfico 2: Distribución normal

 USANDO EXCEL:
La desviación estándar se obtiene de manera directa seleccionando Fx en la barra de
herramientas.
1. Dentro de las funciones estadísticas se elige DESVEST en nombre de la función.
Gráfico 3: Función estadística en Excel DESVEST
2. En el cuadro de dialogo que aparece al pulsar Aceptar, se nota, en el número 1, el

rango de resultados de los rendimientos observados (Aj). En la parte inferior del
cuadro de dialogo aparece, en Resultados de la formula, la desviación estándar.
Gráfico 4: Resultado de desviación estándar con función en Excel

1.6.2. Variabilidad
Para calcular la variabilidad de los resultados de una inversión, de acuerdo con los
posibles escenarios futuros a los cuales se puede asignar una probabilidad de
ocurrencia, el procedimiento para calcular la desviación estándar difiere del anterior,
ocupando la siguiente ecuación:
n
σ= √∑k=1
( A k − A y )2∗Pk
Ecuación 2: Desviación estándar sobre bases proyectadas
Donde:
Ak = Es el resultado esperado por cada escenario k.

Ay = Es el resultado promedio ponderado de los distintos escenarios respecto de la
probabilidad Pk asignada a cada uno.
Ejemplo:
Para la inversión de S/. 20.000 una empresa identifica tres escenarios que acondicionarían el
valor actual de los flujos netos proyectados a los que asigna la probabilidad de ocurrencia que
se muestra en la tabla:
VA flujo Factor Desviación Desviación Producto

Escenario Probabilidad de caja (Ak* (Ak-Ay) cuadrada Pk *(Ak-
(K) (Pk) (%) (Ak) Pk) (S/.) (S/.) (Ak- Ay) ² Ay)² (S/.)
(S/.) (S/.)
Expansió 40% 26,000 10,400 3,300 10,890,000 4,356,000
n
Normal 45% 22,000 9,900 -700 490,000 220,500
Recesión 15% 16,000 2,400 -6,700 44,890,000 6,733,500
Ay = 27,700 Suma 56,270,000 11,310,000
Tabla 2: Cálculo de las desviaciones sobre bases proyectadas
Reemplazando con estos valores la ecuación 2, la deviación estándar resulta ser:

σ =√ 11310000=3363.03
Interpretación:
El valor actual del flujo de caja estaría con 68% de posibilidades en el intervalo de S/. 22.700
más S/. 3,363 y S/. 22,700 menos S/. 3,363; o sea, entre S/19,337 y S/. 26,063. Con un 95%
de confianza, el intervalo estará entre S/ 15,974 y S/. 29,426. En ambos casos, como el límite
inferior del intervalo muestra un valor actual del flujo menor que la inversión, se deduce que
se obtendría un VAN menos que 0.
El valor esperado del VAN se calcula multiplicando el VAN de cada escenario por la
probabilidad asignada, tal como se muestra en la Tabla:
Rendimiento
Escenario Inversión VA flujo de VAN Probabilidad esperado
(K) (S/.) caja (S/.) (S/.) (%) (S/.)
Expansión -20,000 26,000 6,000 40% 2,400
Normal -20,000 22,000 2,000 45% 900
Recesión -20,000 16,000 - 15% -600
4,000
Valor esperado del VAN 2,700
Tabla 3: Valor esperado del VAN
Para obtener la probabilidad de un rendimiento positivo del proyecto, se debe encontrar el

punto donde el VAN se hace 0. Si al valor esperado de $2.700 se le resta una desviación
estándar de $3.363, resulta el valor −$663. Dado que desde la media hacia la derecha se tiene
50% de probabilidad (por propiedad de simetría de esta función), se debe, en primer lugar,
encontrar a cuántas desviaciones de la media se halla este punto, para lo cual se divide el
valor esperado por la desviación (Nassir Sapag Chain, p. 338)
VE 2700
= =0.8
σ 3363
Donde:

VE = es el valor esperado
Este resultado expresa que se necesita 80% de una desviación estándar para encontrar el punto
donde el VAN es 0. Una desviación estándar hacia la izquierda tiene una probabilidad de 34%
(debido a la propiedad de simetría de la función de probabilidad normal, es decir, 68% /2). Al
extrapolar, si se obtiene 80% de este 34% y al resultado se le añade el 50%, la probabilidad de
obtener un VAN igual o superior a 0 es:
0.8∗0.34+ 0.5=0.772
Interpretación:
Significa que existe 77.2% de probabilidad de obtener un VAN igual a superior a 0.
Proyectos con consideraciones de riesgo:
Cuando se comparan proyectos con consideraciones de riesgo, existen algunos criterios que
logran simplificar el proceso decisorio:
 Los de dominancia.
 Nivel de aspiración.
 Valor esperado.
 Equivalencia de certeza.
a) Dominancia: Cuando en todos los escenarios el resultado esperado de una alternativa
X es mejor que el de otra Y, se dice que la primera domina a la segunda y, por lo tanto,
se descarta Y. (Nassir Sapag Chain, p. 338)
Ejemplo:
Una empresa enfrenta cuatro opciones de inversión cuyos VAN se calcularon en función de
cinco escenarios posibles a los que se asignó la probabilidad que muestra la siguiente Tabla.
(Nassir Sapag Chain, p. 339)
VAN proyecto (S/.)

Escenario Probabilidad (%)
1 2 3 4
Recesivo 5 $ -10,000 $0 $ -15,000 $ -3,000
Pesimista 15 $ -4,000 $ 6,000 $ -8,000 $ 5,000
Normal 40 $0 $ 7,000 $ 1000 $ 11,000
Optimista 25 $ 6,000 $ 9,000 $ 9000 $ 14,000

Expansivo 15 $ 9,000 $ 10,000 $ 18000 $ 17,000

Tabla 4: Relaciones de van esperados para cada escenario por proyecto.
Como se puede observar, en todos los escenarios, el proyecto 2 domina al proyecto 1, por lo
que este último se elimina.
b) Nivel de aspiración: Se define un nivel de aspiración y después se busca el proyecto

que maximiza la probabilidad de alcanzarlo.
Si, en el mismo ejemplo anterior, con un criterio muy conservador, se plantea elegir el
proyecto más seguro después de dar al inversionista el retorno exigido, se seleccionará
el proyecto 2 por ser el único que cumple en todos los escenarios con esa condición.
c) Valor esperado: Calcula el valor esperado de cada proyecto en función de la
probabilidad asignada a cada escenario y al resultado proyectado. El valor esperado se
calcula por: (Nassir Sapag Chain, p. 339)
n
E [ VAN x ]=∑ VAN X K ∗P(k )
k=1
Ecuación 3: Valor esperado del VAN.
Donde:
E[VANx] = Es el valor esperado del VAN de cada proyecto x.

P(k) = Es la probabilidad de que ocurra el escenario k.
La siguiente Tabla resume el valor esperado del VAN para los proyectos 2, 3 y 4. Se
excluye el proyecto 1, por haberse eliminado por el criterio de dominancia. (Nassir
Sapag Chain, p. 339)
Proyecto E[VANx]
0.05 * 0 + 0.15 * 6000 + 0.4 * 7000 + 0.25 * 9000 + 0.15 7,450
2
* 10000
0.05 * -15000 + 0.15 * -8000 + 0.4 * 1000 + 0.25 * 9000 3,400
3
+ 0.15 * 18000
0.05 * -3000 + 0.15 * 5000 + 0.4 * 11000 + 0.25 * 14000 11,050
4
+ 0.15 * 17000
Tabla 5: valor esperado del VAN para cada proyecto.

Con este criterio, se elegiría el proyecto 4 por tener el mayor valor esperado del VAN.
 Equivalencia de certeza: Que corrige el resultado del valor esperado por un

coeficiente de aversión al riesgo, mediante: (Nassir Sapag Chain, p. 340)
EC =E [ VAN X ] −α∗σ [x ]
Ecuación 4: equivalente de certeza.
Donde:
EC = Es el equivalente de certeza.
α = El coeficiente de aversión al riesgo.
σ = La desviación estándar del resultado.
Si (Nassir Sapag Chain, p. 340)
2
σ [ x ] = Σ( VAN X )2∗p ( x )−( E [ x ] )
√
Ecuación 5: desviación estándar del resultado.
La varianza de cada proyecto sería la que se determina con la siguiente Tabla (Nassir
Proyecto E[VANx]
0.05 * (0)2 + 0.15 * (6000)2 + 0.4 *
2 (7000)2 + 0.25 * (9000)2 + 0.15 * 60,250,000
(10000)2
0.05 * -(15000)2 + 0.15 * -(8000)2 + 0.4 *
3 (1000)2 + 0.25 * (9000)2 + 0.15 * 90,100,000
(18000)2
0.05 * -(3000)2 + 0.15 * (5000)2 + 0.4 *
4 (11000)2 + 0.25 * (14000)2 + 0.15 * 144,950,000
(17000)2
Tabla 6: cálculo de la varianza VAN para cada proyecto.
Reemplazando con estos valores en:

EC =E [ VAN X ] −α∗σ [x ]
Suponiendo un coeficiente de aversión al riesgo de 0,7, se obtienen los siguientes

factores de equivalencia de certeza para los tres proyectos que se comparan. (Nassir
Proyecto E [ VAN x ] −α∗√ σ 2 [ x ] =EC
2 7450−0.7 √60250000 2,016.54
3 3400−0.7 √ 90100000 -3,244.47
11050−0.7 √ 144950000
4 2,622.34
Tabla 1: cálculo del factor de equivalencia de certeza para cada proyecto.
Según este criterio, el proyecto 4 sería elegido, ya que presenta el mayor VAN en
equivalencia de certeza.
El riesgo de invertir en un proyecto proviene de la imposibilidad de predecir los

acontecimientos futuros.
Cuando estos se conocen o son predecibles, el proyecto se tipifica como libre de

riesgo. Los acontecimientos inesperados dan origen a dos tipos de riesgo:
 Sistemático.
 No sistemático.
 El riesgo sistemático, o riesgo de mercado (m): Es aquel que afecta a todo el
mercado.
 Riesgo no sistemático (ε): Se asocia específicamente con el proyecto, empresa o
pequeño grupo de empresas.
De acuerdo con esto, el rendimiento total de un proyecto se puede definir como:

(Nassir Sapag Chain, p. 341)
R=E ( R )+ ε +m

Ecuación 6: Rendimiento total.
Donde:
R = El rendimiento total.
E(R) = Es el rendimiento esperado.
ε y m = Las partes no sistemática y sistemática, respectivamente, de la parte no
esperada del rendimiento.
En una empresa, el riesgo no sistemático atribuible a un proyecto no está vinculado

con los riesgos no sistemáticos de otros proyectos. Esto explica el argumento de que la
empresa reduce su riesgo total mediante la diversificación de las inversiones, haciendo
insignificante el riesgo no sistemático e igualándolo, prácticamente, con el riesgo
sistemático.
La forma de medir el nivel de riesgo sistemático es calculando el coeficiente beta (β),

que indica la relación entre el riesgo sistemático de una inversión y el promedio del
mercado.
Una beta de 0,5 = Indica que la inversión tiene la mitad de riesgo sistemático
que el promedio.
Una beta de 2,0 = Indica que es el doble.
El valor del beta de un sector determinado de la economía se calcula por la
expresión (Nassir Sapag Chain, p. 342)
Cov ( Ri , Rm )
βi=
Var ( Rm )
Ecuación 7: Beta de un sector.
Donde:
βi = Es la beta del sector i.

Ri = La rentabilidad observada en el sector i.
Rm = La rentabilidad del mercado.

Esta última se calcula generalmente como equivalente a la rentabilidad promedio del

mercado bursátil.
La covarianza se calcula por la siguiente ecuación: (Nassir Sapag Chain, p. 342)
∑ (Rit −Ri)(Rmt −Rm)

Cov ( Ri , Rm ) = t =1
n
Ecuación 8: Covarianza
Donde:
Rit = Es la rentabilidad del sector i en el periodo t.

Rmt = La rentabilidad del mercado en el periodo t.
n = Es el número de observaciones.
La varianza, por otra parte, se calcula por la ecuación: (Nassir Sapag Chain, p. 342)
∑ (Rmt−R m)2
Var ( Rm )= t=1
n−1
Ecuación 9: Varianza
Ejemplo:
Con la información histórica recogida de los últimos ocho años, tanto de la industria
como del mercado, se busca calcular el coeficiente beta de la industria donde se
inserta la empresa. La rentabilidad promedio del sector y la global del mercado se
muestran en las primeras dos columnas de la siguiente Tabla. Las siguientes se
utilizan como hoja de cálculo para determinar tanto la Cov(Ri,Rm) como la
Var(Rm). (Nassir Sapag Chain, p. 342)
Rmt - (Rit - Ri)(Rmt

Año Rit Rmt Rit - Ri (Rmt - Rm)2
Rm - Rm)
2003 0.04300 0.078500 -0.042438 -0.030950 0.001313 0.000958

0
0.06010
2004 0.069300 -0.025338 -0.040150 0.001017 0.001612
0
0.07410
2005 0.079900 -0.011338 -0.029550 0.000335 0.000873
0
0.09810
2006 0.116100 0.012663 0.006650 0.000084 0.000044
0
0.08890
2007 0.140200 0.003463 0.030750 0.000106 0.000946
0
0.09640
2008 0.133200 0.010963 0.023750 0.000260 0.000564
0
0.11320
2009 0.128300 0.027763 0.018850 0.000523 0.000355
0
0.10970
2010 0.130100 0.024263 0.020650 0.000501 0.000426
0
0.68350
Suma 0.875600 0.004141 0.005779
0
0.08543
Ri
8
Rm 0.109450
Cov(Ri,Rm) 0.000518
Var(Rm) 0.000826
Sustituyendo con esta información la Ecuación, se obtiene el siguiente coeficiente
beta para el sector. (Nassir Sapag Chain, p. 343)
0.000518
β= =0.627
0.000826
En este ejemplo, el riesgo sistemático del sector equivale a 62,7% del riesgo
promedio del mercado. (Nassir Sapag Chain, p. 343)
Tabla 8: Cálculo de la varianza y la covarianza.

 USANDO EXCEL:
En una planilla electrónica como Excel, la covarianza y la varianza se calculan

directamente mediante:
1) La opción Insertar función fx. En el cuadro de diálogo Pegar función, se

seleccionan Estadísticas (en Categoría de la función) y COVAR (en Nombre de
la función).
Gráfico 5: Función de covarianza en Excel.
2) Pulsando Aceptar, aparece el cuadro de diálogo Covar, donde se anota en

Matriz 1 el rango de datos Rit y en Matriz 2 el rango Rmt. La covarianza
aparece al final del cuadro en Resultado de la fórmula.

Gráfico 6: Rango de datos en la fórmula de covarianza
3) Para calcular la varianza, se sigue igual procedimiento. En el cuadro de diálogo

VAR, se anota en Número 1 el rango de datos Rmt, para obtener directamente
la varianza. (Nassir Sapag Chain, p. 343)
Gráfico 7: Selección de función VAR.S en Excel.
Gráfico 8: Introducción del rango de datos para obtener la varianza.

1.7. Niveles de incertidumbre

Existen básicamente cuatro niveles de incertidumbre con los cuales deben convivir las
empresas y la gerencia:
a. Futuro claro: En el se realizan pronósticos con pequeños márgenes de error y la
incertidumbre no es una variable determinante en la toma de decisiones.
b. Escenarios alternos: Comúnmente presenta unos pocos futuros probables que se
eliminan mutuamente y que de presentarse uno u otro variarán la estrategia casi en
su totalidad. Es un futuro con pocos grises, blanco o negro, pero con varios
blancos y varios negros.
c. Gama de futuros potenciales: Se identifica una serie de posibles futuros, no
discretos, que puede ser definida por un número limitado de variables cuyo
resultado puede estar en un amplio rango de posibilidades.
d. Total, confusión: Futuro virtualmente imposible de predecir, variables ilimitadas y
rango de posibilidades ilimitado. (Anderson, 2010, p. 296)
1.8. Riesgo
En el ámbito financiero se dice que una inversión tiene riesgo cuando existe la
posibilidad que el inversor no recupere lo fondos que ha invertido en el negocio. Las
inversiones con un alto riesgo tendrán que proporcionar una mayor rentabilidad para
que el inversor le compense al invertir en ellas.
Hay riesgo si los eventos que sucederán en el futuro no son determinísticos, sino que
existe un grado de incerteza acerca de los que sucederá. Este grado de incerteza es sólo
parcial debido a la historia, la que nos permite conocer los resultados obtenidos
anteriormente en alguna experiencia y nos sirve para estimar la probabilidad de que
ocurra un evento específico sometido a iguales condiciones.
Los casos de riesgo son muy particulares y los más comunes están relacionados con
situaciones de azar (loterías, ruletas, rifas, etc.) o con decisiones a las cuales se les ha
asignado una distribución de probabilidad.
Ejemplo:
Los riesgos externos:

- Los riesgos externos de las empresas son todos aquellos que se producen sin control
de la compañía. Un ejemplo de este riesgo empresarial sería la crisis económica que se
ha vivido recientemente. Este factor además es cíclico, se estima que se producen
crisis económicas cada cierto tiempo y por eso es un riesgo a tener en cuenta.
- Otro ejemplo de riesgo externo que no podemos controlar es el del medioambiente o

fuerza mayor. Si tenemos una empresa agrícola todos los cambios climáticos pueden
causar daños a la cosecha, por eso se tienen que tener en cuenta e intentar paliar al
máximo.
Los riesgos internos:
Los riesgos internos de la empresa dependen de la propia actividad del negocio, pueden

afectar a un único departamento o a todo el negocio. Para entenderlo mejor os
detallamos diferentes ejemplos de riesgos internos de la empresa.
- Cuando un negocio es interproveedor de un único cliente se corre un riesgo muy alto.

Al depender las ventas de un único cliente existe el riesgo de que si se pierde ese
cliente se pierde toda la fuente de ingresos que tiene la empresa.
- Otro ejemplo de riesgo para una empresa sería que el global de los beneficios se

produjesen por un único producto. Si se depende de un producto se corre el riesgo de
que si éste falla perdamos las ventas. La falta de diversificación de los productos
supone un riesgo para las ventas.
Todos aquellos riesgos cometidos por humanos o las máquinas durante la

producción también son riesgos empresariales. Por este motivo el proceso productivo
tiene que velar por la máxima excelencia, por ello se aplican políticas de empresas que
garanticen la calidad del proceso. (Ivelez, p. 1)
1.9. Tipos de riesgo

Es importante para cualquier inversionista saber a qué tipos de riesgo se debe someter
según el sector económico.

 Riesgo de contraparte: Es el riesgo que la contraparte (con quien negociamos)

no entregue el valor o título correspondiente a la transacción en la fecha de
vencimiento.
 Riesgo crédito: Se presenta cuando las contrapartes que intervienen en un
crédito están poco dispuestas o imposibilitadas para cumplir sus obligaciones
contractuales.
 Riesgo económico: Asociado con la pérdida de ventaja competitiva debido a
movimientos de tipo de cambio.
 Riesgo del emisor: Es la capacidad o percepción que tiene el mercado de que
los emisores paguen sus títulos de deuda.
 Riesgo específico: También llamado riesgo único, propio o diversificable en
una inversión en activos financieros, riesgo que puede ser eliminado
potencialmente por medio de la diversificación. Por tanto, el riesgo de una
cartera está formado por el riesgo especifico y el riesgo de mercado, que es el
que realmente importa al inversor, puesto que el otro desapareciera con una
cartera bien diversificada.
 Riesgo de interés: Riesgo que soporta un inversor de que se produzca una
disminución o un aumento en el tipo de interés de sus activos o de sus pasivos
respectivamente, de forma que en el primer caso disminuiría su rentabilidad y
en el segundo su costo financiero se vería incrementado.
 Riesgo jurídico: Es la contingencia de pérdida derivada de situaciones de orden
legal que pueden afectar la titularidad de las inversiones.
 Riesgo legal: Se presenta cuando una contraparte no tiene la autoridad legal o
regulatoria para realizar una transacción.
 Riesgo de liquidez: Se refiere a la incapacidad de conseguir obligaciones de
flujos de efectivo necesarios, lo cual puede forzar a una liquidación anticipada,
transformando en consecuencia las pérdidas en “papel” en pérdidas realizadas.
Es la contingencia de que la entidad incurra en pérdidas excesivas por la venta
de activos y la realización de operaciones con el fin de lograr la liquidez
necesaria para poder cumplir con sus obligaciones.

 Riesgo de mercado: Se deriva de cambios en los precios de los activos y

pasivos financieros (o volatilidades) y se mide a través de los cambios en el
valor de las posiciones abiertas. También denominado riesgo sistemático o no
diversificable, en una inversión de activos financieros, riesgo que no puede ser
eliminado ni siquiera mediante la diversificación, ya que procede del conjunto
del mercado. Es el riesgo generado por cambios en las condiciones generales
del mercado frente a las de la inversión.
 Riesgo operacional: Se refiere a las pérdidas potenciales resultantes de
sistemas inadecuados, fallas administrativas, controles defectuosos, fraude, o
error humano.
 Riesgo país: Riesgo que asumen las entidades financieras, las empresas o el
estado, por el posible impago por operaciones comerciales o prestamos que
realizan con el sector público o privado de otro país.
 Riesgo de precio: Es la contingencia de pérdidas por variaciones en los precios
de los instrumentos frente a los del mercado.
 Riesgo de solvencia: Es la contingencia de pérdida por deterioro de la
estructura financiera del emisor o garantía del título y que puede generar
disminución en el valor de la inversión o en la capacidad de pago.
 Riesgo de tasa de cambio: Es la contingencia de pérdidas por variaciones
inesperadas en las tasas de cambio de las divisas en las cuales la entidad
mantiene posiciones. Riesgo derivado de las oscilaciones en las paridades de las
divisas en las que están instrumentadas las deudas y créditos de una persona
natural o jurídica.
 Riesgo de tasa de interés: Es la contingencia de que, ante cambios inesperados
en las tasas de interés, la entidad vea disminuido el valor de mercado de
patrimonio.
 Riesgo de transacción: Asociado con la transacción individual denominada en
moneda extranjera: importaciones, exportaciones, capital extranjero y
préstamos. En la práctica, éstas no cambian de esta forma, sino que el cambio
puede ser simultáneo. (Meza Orozco y Author, p. 345)

1.10. Aversión al riesgo

La decisión de que proyecto realizar depende del “comportamiento” del inversionista
frente al riesgo. Estos comportamientos pueden ser clasificados en tres categorías:
 Neutro al riesgo.
 Amante del riesgo.
 Adverso al riesgo
¿Cómo conocer el comportamiento de un inversionista frente al riesgo?
Se puede analizar este tema mediante un ejemplo:
Si se ofrecen dos alternativas:
i) Un ingreso I1 con probabilidad p y un ingreso I2 con probabilidad 1-p.
ii) Un ingreso I0 con probabilidad 1. Con I0 = I1 p + I2 (1-p).
La elección entre las alternativas determina el comportamiento frente al riesgo:
 El neutro al riesgo está indiferente entre ambas alternativas.

 El amante del riesgo prefiere la primera alternativa.
 El adverso al riesgo prefiere la segunda alternativa.Contreras Villablanca
(2009)

CAPÍTULO II: ANÁLISIS DE SESIBILIDAD

En el estudio financiero de un proyecto de inversión se encuentra presente el riesgo y la
incertidumbre, el cual representa la probabilidad de cambio en las variables macroeconómicas
y operacionales, por lo que puede ocasionar la reducción y/o eliminación de la rentabilidad de
la inversión.
Entonces, el análisis de sensibilidad. no es sino el grado de elasticidad de la rentabilidad de un
proyecto ante determinadas variaciones de los parámetros críticos del mismo. Es decir. la
variación que la rentabilidad del proyecto puede sufrir como consecuencia de un cambio
determinado (prefijado por nosotros). de alguna variable básica del proyecto. por ejemplo.
precio de venta. El análisis de sensibilidad tiene como finalidad la evaluación del efecto que
se tiene sobre cualquier medida de rentabilidad de un proyecto (Bazzani y Trejos, 2008).
Entonces para profundizar, en el análisis de sensibilidad se consideran las variables posibles

que modifiquen la información financiera, a través de un procedimiento por medio del cual se
puede determinar cuánto se afecta la rentabilidad, es decir, qué tan sensible es la TIR o la
VAN ante cambios en determinadas variables de la inversión, considerando que las demás no
cambian.
La utilidad esencial de este análisis es conocer qué variable afecta en mayor medida el
resultado de operación del proyecto de inversión. La precisión de que hay variables que están
fuera del control del empresario, y sobre ellas es necesario practicar este análisis, entre las que
considera el volumen de la producción que afectaría directamente los ingresos; y al precio del
producto, que sí depende del empresario y puede ser compensado inmediatamente. De manera
que el análisis de sensibilidad muestra la cantidad en que se modificará el rendimiento como
respuesta a determinado cambio de una variable si todas las demás se mantienen constantes.
De tal manera que el VPN o la TIR son indicadores que miden el rendimiento y estos pueden
ser modificados por los cambios en las variables que intervienen en los indicadores.

Para realizar el análisis de sensibilidad es preciso identificar los factores que tienen más
probabilidad de oscilar con respecto a su valor esperado, después se asignan valores por abajo
y por arriba de este esperado y, sin realizar modificaciones a los demás elementos, se calculan
nuevamente los valores de rendimiento, por el ejemplo en el caso del VPN (Pérez, 2018).
La mayoría de las decisiones se toman bajo incertidumbre. Una técnica para llegar a una
conclusión es reemplazar todos los parámetros inciertos con los valores esperados; luego se
lleva a cabo el análisis de sensibilidad.
2.1. Ventajas de análisis de sensibilidad
 Análisis en profundidad
Cuando se realiza el análisis de sensibilidad, cada variable independiente y dependiente
se estudia en profundidad. Se estudian sus movimientos y también se estudia cómo la
variable independiente afecta a la variable dependiente. En la búsqueda de comprender
la relación entre las variables, se establece la reacción de causa y efecto entre las dos.
Tal análisis en profundidad traerá pronósticos futuros más precisos.
 Fortalecer los "puntos débiles"
Como el análisis de sensibilidad estudia cada variable de forma independiente, puede
identificar variables críticas que pueden actuar como una debilidad. Por ejemplo: en este
análisis, descubrimos que los precios de los bonos son extremadamente volátiles a los
cambios en la inflación, podemos tomar medidas para reducir el impacto, por ejemplo,
mediante cobertura. Por lo tanto, podemos decir: se identifica y fortalece el punto débil.
 Toma de decisiones
El análisis de sensibilidad da como resultados pronósticos respaldados por datos.
Cuando se consideran todas las variables y se analizan todos los resultados, resulta fácil
para la gerencia tomar decisiones sobre inversiones dentro del negocio y decisiones
sobre invertir en los mercados. Por lo tanto, es una herramienta extremadamente útil
para la planificación futura.
 Control de calidad
A través del análisis de sensibilidad, la administración puede saber qué variables tienen
un alto impacto en el éxito o el fracaso de un proyecto. Por ejemplo, en un análisis de
sensibilidad de la Compañía A, la gerencia descubrió que el empaque de su producto

afecta las ventas hasta en un 20%. Por lo tanto, la gerencia puede concentrarse para
proporcionar empaques de la mejor calidad para optimizar las ventas.
 Asignación adecuada de recursos
Como se discutió, el análisis de sensibilidad puede identificar áreas fuertes y débiles, y
medir su impacto en el objetivo final. Esto ayuda a la administración a dirigir los
recursos a las variables que más requieren estos recursos. Siguiendo el ejemplo anterior
de la Compañía A, si la gerencia sabe que el empaque tiene un efecto importante en las
ventas, dirigirá más recursos para obtener un empaque óptimo para su producto.
2.2. Desventajas del análisis de sensibilidad
 Basado en supuestos
El análisis de sensibilidad se basa en datos históricos y supuestos de gestión. Si estos
supuestos en sí mismos son incorrectos, todo el análisis será incorrecto y el pronóstico
futuro no será exacto. Por ejemplo, si la gerencia supone que los precios de las materias
primas aumentarán en el futuro y afectarán el precio final del producto, la compañía
comprará materia prima adicional a los precios actuales. Pero si en lugar de subir, los
precios de las materias primas caen, entonces la compañía estará en desventaja en el
mercado.
 No es de naturaleza relativa
El análisis de sensibilidad considera cada variable individualmente e intenta determinar
el resultado. En el mundo real, todas las variables están relacionadas entre sí. Por
ejemplo, tanto la inflación como las tasas de interés del mercado afectan los precios de
los bonos. El análisis de sensibilidad considerará cuánto afectará un cambio en la
inflación al precio de los bonos y cómo un cambio en la tasa de interés del mercado
afectará el precio de los bonos, pero no considerará cómo un cambio en la inflación
afectará la tasa de interés del mercado o viceversa. Este es en realidad un análisis
incompleto. Por lo tanto, podemos decir que este análisis da profundidad al pronóstico,
pero no considera su amplitud.
Finalmente, podemos concluir que, aunque el análisis de sensibilidad es una muy buena
herramienta analítica, sería mejor usarlo con otras herramientas de gestión para obtener
pronósticos óptimos (Borad, 2018).

2.3. Evaluación de la confianza en el modelo

Sería un respiro para alguien que toma decisiones tener alguna indicación sobre cuán
sensibles serán las elecciones al cambiar una o más variables de entrada. Una buena
práctica de modelado requiere que el modelador realice una evaluación de la confianza
en el modelo.
En primer lugar, esto requiere cuantificar la incertidumbre en los resultados de cualquier
modelo (análisis de incertidumbre); y segundo, evaluar cuánto contribuye cada entrada a
la incertidumbre del resultado.
El análisis de sensibilidad aborda el segundo de estos puntos (aunque el análisis de
incertidumbre es un precursor necesario), desempeñando el papel de ordenar por
importancia la fuerza y relevancia de las variables de entrada para determinar la
variación en el resultado.
En modelos que involucran muchas variables de entrada, el análisis de sensibilidad es
un ingrediente esencial para la construcción del modelo y para garantizar la calidad.
2.4. TÉCNICAS
Existen principalmente dos técnicas para analizar la sensibilidad:
La primera es conocida como análisis “qué pasa si”, y es utilizado con mayor frecuencia
por los analistas financieros para predecir el resultado de una acción específica cuando
se realiza bajo ciertas condiciones.
El análisis de sensibilidad se realiza dentro de límites definidos, determinados por el
conjunto de variables de entrada independientes.
Por ejemplo, el análisis de sensibilidad se puede utilizar para estudiar el efecto de un
cambio en las tasas de interés sobre los precios de los bonos si las tasas de interés
aumentan un 1 %.
La pregunta “¿Qué pasa si…?” sería: ¿Qué pasa con el precio de un bono si las tasas de
interés subieran un 1 %? Esta pregunta se responde con el análisis de sensibilidad.
La segunda es conocida como el modelo Montecarlo, este enfoque utiliza un conjunto
global de muestras que sirven para explorar el espacio de diseño (Corvo, 2019).

CAPÍTULO III: SIMULACIÓN MONTE CARLO CON CRYSTAL BALL

Modelo de Simulación Monte Carlo
Se define como la simulación de la distribución de probabilidad de los criterios de

rentabilidad. Mediante el empleo de este metodo se realiza un análisis de cada una de las
variables inciertas del proyecto. A cada una de ellas ya no se les asigna un único valor, sino
un rango de valores y la probabilidad de que tome cada uno de estos (distribución). (Morales
José y Morales Arturo 2009, p.231)
Una vez definida el modelo en el que se reflejan los cálculos de valores y probabilidades de
las variables inciertas, la simulación Monte Carlo se encarga de asignar de manera aleatoria el
valor a cada una de las variables definidas como inciertas (dentro del rango especificado para
cada una) y recalcular el valor presente neto (VPN) que corresponde a cada conjunto de
valores de todas las variables.
La simulación Monte Carlo comprende hacer un número suficiente de iteraciones, es decir, el

número de veces que se asignan valores a las diferentes variables aleatorias del proyecto de
inversión, con lo cual se obtiene el valor presente neto. Este proceso permite cuantificar el
impacto de los riesgos de ocurrencia en cada variable incierta en el valor presente neto del
proyecto.
Para realizar una planeación, programar y controlar un gran número de actividades

administrativas de un proyecto, el administrador dispone de dos sistemas de investigación de
operaciones con una relación muy cercana: la técnica de evaluación y revisión de programas
(PERT) y el metodo de la ruta crítica (CPM), estas técnicas le ayudaran a llevar a cabo estas
responsabilidades. Ya cuando se tiene la necesidad de calcular la probabilidad de terminar a
tiempo un proyecto, una manera de obtener mejores resultados es aplicar la técnica de
simulación Monte Carlo a la ruta crítica del proyecto, con la cual se obtienen resultados más
aceptables. (Azofeifa Carlos 2002, p.1)
Actitudes frente a la cuantificación de variables inciertas en proyectos de inversión

Existen numerosas situaciones en las cuales es imposible asignar probabilidades a la

ocurrencia de eventos futuros, por ejemplo, es un desastre natural, una recesión en la
economía o los problemas financieros de una corporación. Sin embargo, cuando se formulan
los proyectos de inversión es preciso hacer una planeación de los escenarios bajo los cuales se
obtienen los diferentes resultados y rendimientos, pues al delinear los escenarios en los cuales
se desarrollarán los proyectos de inversión se establece la probabilidad de ocurrencia de cada
escenario que, principalmente, integran una guía para tomar decisiones en un ambiente de
riesgo, a saber:
a) Principio de Laplace.
Cuando no es posible asignar probabilidad a los diferentes escenarios o estados de la
economía, se pueden considerar todos los escenarios como igualmente probables. En
ausencia de estas probabilidades, se podría razonar que cada escenario posible de la
naturaleza tiene tanto probabilidad de ocurrir como cualquiera de los otros, suposición
que se justifica en que no hay base establecida para que un escenario sea más probable
que cualquiera de los otros. Además, existen situaciones en que las políticas
gubernamentales modifican determinado escenario.
b) Principios de Maximin y Minimax.
En el caso del principio de Maximin, para cada escenario se selecciona el mayor
rendimiento y este se ubica en la situación más crítica o adversa; por ejemplo, si se
identifican escenarios. Estas decisiones requieren un matiz de optimismo parcial, es
decir, se escoge la alternativa que proporciona el máximo rendimiento en condiciones
pesimistas.
Por su parte, mediante el principio de Minimax, criterio se Savage o minimax de
perdidas, busca el escenario de mayor rendimiento, después se determina la matriz de
perdidas, se identifica la mayor perdida que se puede producir o lo máximo que se
deja de ganar con respecto al mejor resultado y, por último, se elige el proyecto que
genera la menor perdida.
c) Principio de Hurwickz.
Para evitar que el criterio del analista se enfoque en un sentido optimista o pesimista,
Hurwickz establece un esquema que permite incorporar varios niveles de pesimismo u
optimismo dentro de la decisión, se define un índice de optimismo en una escala de 0

a 1, y el escenario contrario es el complemento del índice, es decir, ambos tienen que

sumar 1, los índices se expresan en probabilidad y se multiplican por el beneficio
correspondiente quedando así, suponiendo 40% optimista.
Escenario = (0.4 * Utilidad escenario optimista) + (0.60 * Utilidad escenario
pesimista)
Crystal Ball
Es una herramienta que extiende la capacidad de pronosticar modelos sobre la hoja de cálculo
de Excel y provee la información necesaria para que el usuario de software pueda llegar a ser
un mejor y más eficiente tomador de decisiones.
Permite descubrir un rango de posibles valores para celda de incertidumbre dentro de la hoja
de cálculo. De modo, que son todos los supuestos que se ingresen al modelo son expresados al
mismo tiempo.
Usando un proceso llamado Simulación de Monte Carlo, Crystal Ball arroja resultados en un
cuadro de pronósticos que muestra el rango entero de posibles valores y la probabilidad de
alcanzar cualquiera de ellos. (León S. Diana, Quintero R. Ingrid y Zuluaga M. William 2004,
p.18-19)
Caso práctico del Metodo de simulación Monte Carlo con Crystal Ball

Referencias
Anderson, D. R. (2010). Quantitative methods for business (11th ed.). Mason OH: South-
Western Cengage Learning.
Bazzani, C. L. y Trejos, E. A. C. (2008). Análisis de riesgo en proyectos de inversión un caso de
estudio. Scientia et technica, 1(38).
Borad, S. B. (2018). Advantages and Disadvantages of Sensitive Analysis. Recuperado de
https://efinancemanagement.com/investment-decisions/advantages-disadvantages-of-
sensitive-analysis#
Contreras Villablanca, E. (2009). Evaluación de inversiones bajo incertidumbre: Teoría y
aplicaciones a proyectos en Chile. Serie manuales / Naciones Unidas, Comisión Económica
para América Latina y el Caribe: Vol. 63. Santiago de Chile: Naciones Unidas, CEPAL, Inst.
Latinoamericano y del Caribe de Planificación Económica y Social (ILPES).
Corvo, H. (2019). Análisis de Sensibilidad: Para Qué Sirve y Ejemplo. Recuperado de
https://www.lifeder.com/analisis-sensibilidad/
Ivelez. Microsoft Word - 7 simulacion.doc.
Meza Orozco y Jhonny de JesÃºs. Economía Digital - Evaluación Financiera de Proyectos.
Nassir Sapag Chain. Proyectos de inversión. Formulación y evaluación.
Nassir Sapag Chain. Proyectos de inversión. Formulación y evaluación.
Nassir Sapag Chain. Proyectos de inversión. Formulación y evaluación: Segunda edición.

Pérez, J. (2018). Retos de la evaluación ante la globalización de los mercados: Análisis de

sensibilidad y riesgo en proyectos de inversión. FECOVAL. Congreso Nacional de Valuación
de Proyectos, México.
Propietario. Microsoft Word - 10 Opciones reales para evaluar la flexibilidad.doc.
Azofeifa Carlos (2002): Aplicación de la Simulación Monte Carlo en la administración de
proyectos utilizando Excel y @Crystal Ball. En: UNICIENCIA, pág. 23–30. Disponible en
línea en https://www.revistas.una.ac.cr/index.php/uniciencia/article/view/5717/5588.
León S. Diana, Quintero R. Ingrid y Zuluaga M. William (2004): Microsoft Word - Entrega
Final.doc. Universidad Nacional de Colombia, Bogotá. Colombia. Disponible en línea en
https://www.academia.edu/6348077/Crystal_ball.
Morales José y Morales Arturo (2009): Proyectos de Inversión:

Evaluación y formulación. Punta Santa Fe. Ciudad de México: Mc
Graw Hill.

Monografia Sri

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

Monografia Sri

Cargado por

Copyright:

Formatos disponibles

CARATULA

SENSIBILIDAD, RIESGO E INCERTIDUMBRE 2

SENSIBILIDAD, RIESGO E INCERTIDUMBRE 3

CAPÍTULO I: RIESGO E INCERTIDUMBRE.........................................................................5

1.1. ¿Qué es la incertidumbre?..............................................................................5

SENSIBILIDAD, RIESGO E INCERTIDUMBRE 4

CAPÍTULO I: RIESGO E INCERTIDUMBRE

Cuando tenemos la sensación de incertidumbre en la empresa, tenemos la percepción de

 Negativamente, con ansiedad o incluso pánico. Por ejemplo, acabas de perder

 Positivamente, con esperanza e ilusión. Al perder un cliente importante pero

 Neutralmente, con indiferencia. Te planteas que igual que has perdido un

SENSIBILIDAD, RIESGO E INCERTIDUMBRE 5

antecedentes para estimar su distribución de frecuencia. Tal es el caso de la cantidad de

Gráfico 1: herramientas para el análisis de riesgo e incertidumbre. (Nassir Sapag Chain,

1.3. Diferencia entre riesgo e incertidumbre

SENSIBILIDAD, RIESGO E INCERTIDUMBRE 6

(resultados) y además asignarle distribución de probabilidad.

1.4. Causas del riesgo e incertidumbre

 Disponibilidad de la información: Inexistencia de datos históricos. Baja

SENSIBILIDAD, RIESGO E INCERTIDUMBRE 7

1.5. ¿Cómo disminuir el grado de incertidumbre?

Las probabilidades que no se pueden verificar en forma objetiva se denominan

SENSIBILIDAD, RIESGO E INCERTIDUMBRE 8

En una empresa en funcionamiento, es muy probable encontrar información en su

1.6.1 Desviación estándar

Ecuación 1: Desviación estándar en base histórica

A la desviación estándar al cuadrado se le denomina varianza.

Rendimiento Rendimiento Desviación Desviación

SENSIBILIDAD, RIESGO E INCERTIDUMBRE 9

3 0.08 0.095 -0.015 0.000225

Sustituyendo los valores en la fórmula 1, se obtiene:

Cuando un resultado es de naturaleza aleatoria, la distribución normal sirve para calcular la

mencionada con anterioridad, sin dejar de reconocer la existencia de otras distribuciones de

Gráfico 2: Distribución normal

SENSIBILIDAD, RIESGO E INCERTIDUMBRE 10

Gráfico 3: Función estadística en Excel DESVEST

2. En el cuadro de dialogo que aparece al pulsar Aceptar, se nota, en el número 1, el

Gráfico 4: Resultado de desviación estándar con función en Excel

SENSIBILIDAD, RIESGO E INCERTIDUMBRE 11

Ecuación 2: Desviación estándar sobre bases proyectadas

Ak = Es el resultado esperado por cada escenario k.

VA flujo Factor Desviación Desviación Producto

Reemplazando con estos valores la ecuación 2, la deviación estándar resulta ser:

SENSIBILIDAD, RIESGO E INCERTIDUMBRE 12

Para obtener la probabilidad de un rendimiento positivo del proyecto, se debe encontrar el

SENSIBILIDAD, RIESGO E INCERTIDUMBRE 13

Significa que existe 77.2% de probabilidad de obtener un VAN igual a superior a 0.

Proyectos con consideraciones de riesgo:

VAN proyecto (S/.)

SENSIBILIDAD, RIESGO E INCERTIDUMBRE 14

Expansivo 15 $ 9,000 $ 10,000 $ 18000 $ 17,000

b) Nivel de aspiración: Se define un nivel de aspiración y después se busca el proyecto

Ecuación 3: Valor esperado del VAN.

E[VANx] = Es el valor esperado del VAN de cada proyecto x.

Tabla 5: valor esperado del VAN para cada proyecto.

SENSIBILIDAD, RIESGO E INCERTIDUMBRE 15

 Equivalencia de certeza: Que corrige el resultado del valor esperado por un

Ecuación 4: equivalente de certeza.

Si (Nassir Sapag Chain, p. 340)

Tabla 6: cálculo de la varianza VAN para cada proyecto.

Reemplazando con estos valores en:

SENSIBILIDAD, RIESGO E INCERTIDUMBRE 16

Suponiendo un coeficiente de aversión al riesgo de 0,7, se obtienen los siguientes