5ANALISIS DE SENSIBILIDAD FINANCIERA

5.1 CERTIDUMBRE, RIESGO E INCERTIDUMBRE

5.2CONCEPTO DE VALOR ESPERADO
5.3VARIABLES INDEPENDIENTES
5.4VARIABLES DEPENDIENTES
5.5 ARBOLES DE DECISION
5.1 CERTIDUMBRE
La Certidumbre:Son los hechos econó micos conocidos y concretos, de los que se dispone de todos sus datos, de forma que cumplen todas las
condiciones de definició n y reconocimiento como elementos de los estados financieros. Este conocimiento viene dado porque el hecho ya ha sucedido
o porque aú n sin acaecer no existe duda alguna de que va a ocurrir, lo que en este caso originaría:
- Un Pasivo cierto u obligació n que existe a la fecha de presentació n de los estados financieros, consistente en tener que hacer pagos o
servicios futuros cuyo vencimiento se conoce. Es decir se conoce su naturaleza, su cuantía y el vencimiento.
- Un Pasivo estimado u obligació n que surge cuando se tiene la certeza absoluta de que ha ocurrido el hecho por el que se incurre en un
gasto que inevitablemente se pagará en el futuro, aquí su naturaleza es conocida, pero su cuantía só lo es razonablemente estimada y su
vencimiento só lo se conoce de forma aproximada.

 La Incertidumbre. Existe un ambiente de incertidumbre cuando falta el conocimiento seguro y claro respecto del desenlace o consecuencias
futuras de alguna acció n, situació n o elemento patrimonial, lo que puede derivar en riesgo cuando se aprecia la perspectiva de una contingencia
con posibilidad de generar pérdidas o la proximidad de un dañ o. La incertidumbre supone cuantificar hechos mediante estimaciones para reducir
riesgos futuros, y aunque su estimació n sea difícil no justificará su falta de informació n.
 El Riesgo.El riesgo supone un hecho externo al sujeto econó mico, que puede acontecer o no en algú n momento determinado. La incertidumbre
varía para cada sujeto y para cada actividad a desarrollar. La ú nica forma de reducir el riesgo o al menos sus consecuencias, se consigue mediante
su identificació n lo má s clara posible, lo que permite poner en marcha todas aquellas acciones necesarias para intentar anularlos o minimizarlos
con el uso de los conocimientos y de las técnicas que han servido para convertir, en algú n grado, los riesgos en previsibles. Por lo que riesgo
también se puede definir como la valoració n econó mica de la incertidumbre.
 RIESGOS DE CRÉDITO
Es el riesgo generado por incumplimiento del cliente en transacciones financieras o de un emisor de instrumentos financieros; o bien,
generado por el cambio en la credibilidad, es decir el aumento en la probabilidad de incumplimiento.
  RIESGOS DE MERCADO
Es el riesgo generado por instrumentos financieros o transacciones financieras provocado por fluctuaciones de precios, tasas de interés o tipos de
cambio y aú n las cotizaciones de acciones o de commoditys.
 RIESGO DE LIQUIDEZ
El Riesgo de Liquidez de Mercado es aquel relacionado con la compraventa de un instrumento que se posee en que sea difícil su liquidació n en el
mercado y no se obtenga el monto esperado.
 RIESGO DE LIQUIDACIÓN (SETTLEMENT RISK)
En un sentido estricto el riesgo de liquidació n se da cuando se liquida una operació n de cambio extranjero o de compra venta de valores de no poder
recibir la moneda o el bono en ese momento de liquidació n a pesar de haber transferido el bono o de haber pagado debido al incumplimiento del
cliente o por un problema de procedimiento operativo.
 RIESGO OPERACIONAL
Este tipo de riesgo es generado por distintos factores de procedimientos de carácter operativo tales como:

- El error o fraude en el pago de fondo, la entrega de valores o la administració n de las transacciones financieras.
- El defecto en los sistemas operativos.
- El error o fraude en la aplicació n de los sistemas operativos.

El riesgo operacional se define como el riesgo de pérdida debido a la inadecuació n o a fallas de los procesos, el personal y los sistemas internos o bien a
causa de acontecimientos externos; esta definició n incluye el riesgo legal, pero excluye el riesgo estratégico y el de reputació n.
5.2 CONCEPTO DE VALOR ESPERADO

El valor esperado es un concepto fundamental en el estudio de las distribuciones de probabilidad. Desde hace muchos añ os este concepto ha sido
aplicado ampliamente en el negocio de seguros y en los ú ltimos veinte añ os ha sido aplicado por otros profesionales que casi siempre toman decisiones
en condiciones de incertidumbre.

Para obtener el valor esperado de una variable aleatoria discreta, multiplicamos cada valor que ésta puede asumir por la probabilidad de ocurrencia de
ese valor y luego sumamos los productos. Es un promedio ponderado de los resultados que se esperan en el futuro.
El valor esperado, también llamado, que viene a Esperanza Matemá tica ser el promedio ponderado de los posibles resultados por la probabilidad de
n
E[ R ]=∑ pi ×Ri
i=1
ocurrencia asociado a cada evento; es la suma de las multiplicaciones de cada evento por su respectiva probabilidad de ocurrencia. Su formulació n
matemá tica es la siguiente:

Donde E[R] es el resultado esperado o la esperanza matemá tica del resultado, siendo n los posibles estados de la naturaleza (i=1,....n), pi la
probabilidad de ocurrencia de cada evento y Ri el resultado esperado si se verifica el escenario “i”.

5.3 VARIABLES INDEPENDIENTES

El término variable se puede definir como toda aquella característica o cualidad que identifica a una realidad y que se puede medir, controlar y estudiar
mediante un proceso de investigació n.

La variable independiente es aquella propiedad, cualidad o característica de una realidad, evento o fenó meno, que tiene la capacidad para influir,
incidir o afectar a otras variables. Se llama independiente, porque esta variable no depende de otros factores para estar presente en esa realidad en
estudio.

Algunos ejemplos de variables independientes son; el sexo, la raza, la edad, entre otros. Veamos un ejemplo de hipó tesis donde está presente la
variable independiente: “Los niñ os que hacen tres añ os de educació n preescolar, aprenden a leer má s rá pido en primer grado.” En este caso la variable
independiente es “hacen tres añ os de educació n preescolar.” Porque para que los niñ os de primer grado aprendan a leer má s rá pido, depende de que
hagan tres añ os de educació n preescolar.

También existen variables independientes en algunos estudios que hasta cierto punto dependerá n de “algo”, como en el ejemplo siguiente: “Los
ingresos econó micos de un hospital pú blico puede depender de la asignació n en el presupuesto nacional del país.” Como podemos observar el objeto
de estudio no está influyendo en la variable independiente. De este modo, la variable independiente en un estudio se cree que está influyendo en la
variable dependiente, el estudio Correlacional se centra precisamente en esa relació n.
Las variables independientes son aquellas variables que se conocen al inicio de un experimento o proceso. En un estudio sobre la pérdida de peso, por
ejemplo, una variable independiente puede ser el nú mero total de calorías consumidas por los participantes en el estudio. Como la variable
independiente, o el nú mero de calorías varían, los resultados del experimento van a cambiar. Otra forma de explicarlo es decir que el valor de la
variable independiente es controlado por el diseñ ador del problema de matemá ticas o del experimento.

La variable dependiente; es aquella característica, propiedad o cualidad de una realidad o evento que estamos investigando. Es el objeto de estudio,
sobre la cual se centra la investigació n en general. También la variable independiente es manipulada por el investigador, porque el investigador él
puede variar los factores para determinar el comportamiento de la variable.

Por ejemplo, si estamos analizando el nivel de consumo, el nivel de ingreso será una variable independiente, ya que causa e influye en el consumo. En
una ecuació n o modelo matemá tico (econó mico o financiero en nuestro caso), la variable independiente es la variable cuyo valor viene dado. En un
experimento, es el factor que influye en la variable objeto de estudio.

5.4 VARIABLES DEPENDIENTES

Una variable dependiente es aquella cuyos valores dependen de los que tomen otra variable. La variable dependiente en una funció n se suele
representar por y. La variable dependiente se representa en el eje ordenadas. Son las variables de respuesta que se observan en el estudio y que
podrían estar influidas por los valores de las variables independientes.

Las variables dependientes son las que se crean como resultado del estudio o experimento. Si se toma el ejemplo de un estudio de la pérdida de peso,
donde la variable independiente son las calorías consumidas, entonces una variable dependiente podría ser el peso total de los participantes del
estudio. Así que el peso del participante en el estudio depende de la fluctuació n de la variable independiente, que es lo que la hace dependiente.

5.5 ARBOLES DE DECISION

Un á rbol de decisió n, en el ámbito de las finanzas hace referencia a un diagrama que muestra decisiones secuenciales con sus posibles resultados. Esta
herramienta es utilizada en las empresas para valorar las opciones de inversió n que se tienen en contextos de incertidumbre
Los Á rboles de Decisió n es una técnica que permite analizar decisiones secuenciales basada en el uso de resultados y probabilidades asociadas.

Los árboles de decisió n se pueden usar para generar sistemas expertos, bú squedas binarias y árboles de juegos, los cuales será n explicados
posteriormente.

Las ventajas de un á rbol de decisió n son:

 Resume los ejemplos de partida, permitiendo la clasificació n de nuevos casos siempre y cuando no existan modificaciones sustanciales en las
condiciones bajo las cuales se generaron los ejemplos que sirvieron para su construcció n.
 Facilita la interpretació n de la decisió n adoptada.
 Proporciona un alto grado de comprensió n del conocimiento utilizado en la toma de decisiones.
 Explica el comportamiento respecto a una determinada tarea de decisió n.
 Reduce el nú mero de variables independientes.
 Es una magnifica herramienta para el control de la gestió n empresarial.

Los á rboles de decisió n se utilizan en cualquier proceso que implique toma de decisiones, ejemplos de estos procesos son:

 Bú squeda binaria.
 Sistemas expertos.
 Á rboles de juego

Los á rboles de decisió n generalmente son binarios, es decir que cuentan con dos opciones, aunque esto no significa que no puedan existir á rboles de
tres o má s opciones.
Elaboración del árbol de Decisiones

Daremos inicio a la construcció n del Á rbol de Decisió n escribiendo en la parte superior, a modo de título, la decisió n o el problema que necesitará la
toma de decisiones. Desde el lado izquierdo hacia el derecho se dibujará n líneas que parten desde un mismo origen que representará n las posibles
decisiones a tomar.
Para su construcció n es necesario considerar las distintas alternativas o cursos de acció n y los posibles eventos asociados a cada curso de acció n.
Dentro de un Á rbol de Decisió n un cuadrado, significará un punto de decisió n, es decir, el punto desde el cual se fija un curso de acció n; y un O
significará los posibles eventos asociados al curso de esa acció n. Siguiendo el siguiente grá fico comprenderemos la estructura del Á rbol de Decisiones.

Evaluación del Árbol de Decisión

En este momento reconoceremos que opció n es la que tiene mayor valor para la empresa, para ello se deberá otorgar el valor econó mico de los
posibles resultados. Luego debemos ver cada uno de los círculos (los cuales representan puntos de incertidumbre) y estimar la probabilidad de cada
resultado.

Encontraremos que para cada decisió n tendrá diferentes probabilidades en cada uno de sus resultados posteriores, por lo que la sumatoria porcentual
de estos resultados de cada decisió n tendrá que ser 100% o en su defecto 1 si se utilizan fracciones, quien elabora el Á rbol de Decisiones podrá elegir
cada uno segú n de parezca conveniente.

Después de haber calculado las probabilidades y los valores de los posibles resultados, procedemos a calcular el valor que nos ayudará a tomar la
decisió n. Comenzando por la derecha del Á rbol de Decisió n y recorriendo hacia la izquierda, calculamos cada uno de los nodos de incertidumbre,
primero multiplicaremos las probabilidades de resultado con el valor esperado de cada resultado, cabe recalcar que también puede haber resultados
negativos.
Cada nodo de incertidumbre se calculará de acuerdo a la suma de los resultados de cada una de las ramas de decisió n.

Al analizar los nodos de decisió n, debemos considerar los costos que implica cada decisió n, por ejemplo en decisiones de inversió n consideraremos
los costos que esta implica; el valor obtenido de cada nodo de incertidumbre será restado por el costo que implica cada decisió n de esta manera
encontraremos el beneficio que se obtendrá de cada decisió n.

En este momento es en el que encontramos el beneficio final y podremos saber cuá l es la mejor alternativa de decisió n, como podemos ver en el
cuadro anterior la decisió n que genera mejores resultados o beneficios es la que aparentemente generaba menor valor esperado, de esta manera
hemos encontrado la mejor alternativa de decisió n.
Aplicaciones de la técnica de árbol de decisiones
La técnica del Á rbol de Decisiones puede ser aplicada en cualquier problema de toma de decisiones, sin embargo se tiene un uso amplio en la toma de
decisiones de inversió n, reinversió n, políticas de créditos y financiamiento a corto y largo plazo.