UNIVERSIDAD NACIONAL DE INGENIERIA

FACULTAD DE INGENIERIA QUIMICA

ECONOMIA DE LOS PROCESOS

(PI 510 B)

Ing. Magali Camila Vivas Cuellar

AREA DE INVESTIGACIÓN:
Bio Ingeniería
(Biocombustibles, productos naturales, etc)
mvivas@uni.edu.pe

1
 Programa Analítico

1. Conceptos generales
2. Matemáticas Financieras
3. Estados financieros proyectados
4. Análisis de mercado
5. Inversión en equipos y unidades de proceso
6. Depreciación de activo fijo y amortización de
intangibles
7. Costos de producción
8. Criterios de evaluación de inversiones
9. Alternativas de reemplazo
10. Análisis de riesgo e incertidumbre
11. Modelamiento matemático
12. Optimización
13. Optimización de procesos de destilación

2
 Capitulo 10 Análisis de riesgo e incertidumbre

 Medición del riesgo.

 Equivalente de certeza.
Calcularemos el VAN certero con estas
 Tasa de descuento ajustada. metodologías

 Análisis de sensibilidad.
 Arboles de decisión.
 Simulación de Montecarlo

Ejemplo si el VAN E = 100, el VAN C = 40-30

VAN esperado es el que calculabamos bajo ciertas condiciones sin considerar el riesgo, Cuando yo considere el riesgo se llamará
VAN certero

3
 Análisis del riesgo

Cuando la rentabilidad de un proyecto no es conocida con plena

certidumbre, sino su distribución de probabilidades de ocurrencia se
dice que hay riesgo.

Certidumbre Riesgo Incertidumbre

4
¿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

5
Riesgo e incertidumbre
Al considerar el riesgo se suelen distinguir dos casos:
El riesgo propiamente dicho:
Se refiere a situaciones en las que se conoce la
probabilidad de ocurrencia de un evento particular.

Por ejemplo, la probabilidad de que en una determinada

zona caiga granizo.

La incertidumbre:
Se refiere a situaciones en las que no se conoce la
probabilidad de ocurrencia.

Por ejemplo, es difícil conocer la probabilidad de que

aparezca una nueva tecnología para producir cierto bien.
Distribución de
Incertidumbre + probabilidades Riesgo
de ocurrencia 6
DEBEMOS IDENTIFICARLAS EN NUESTRO PROYECTO

Fuentes de Riesgo e Incertidumbre

Los FNF’s fueron calculados de los Estados Financieros que fueron

elaborados para el escenario esperado, para lo cual se proyectaron
las variables relevantes del proyecto como son:
- Inversión
- Precios (venta, M.P., insumos).
- Niveles de producción.
- Volumen de ventas
- Eficiencia del proceso (rendimientos)
- Consumo de materia prima, materiales y servicios.

Cuanto más lejano del presente está el período proyectado, la

probabilidad de ocurrencia del escenario esperado, y por tanto del
FNF esperado, en dicho período es menor.

7
Riesgo y tiempo

Cuanto más lejano del presente está el período proyectado, menor

será la probabilidad de ocurrencia del valor esperado de las variables.

8
 Ejemplos de variables relevantes en la industria de Petróleo

A.- Reservas recuperables B.- Perforación y producción

- Área productiva - Número de pozos perforados
- Espesor de formación - Recuperación/pozo
- Porosidad - Potencial inicial/pozo
- Saturación de agua - Velocidad de declinación
- Factores de recuperación - Velocidad de abandono
- Factor de volumen de formación de petróleo - Número de pozos secos
- Porcentaje petróleo y gas en la estructura - Números de plataformas
- Temperatura y presión del reservorio - Tamaño de ductos
- Compresibilidad, etc. - Producción diferida por perforación o
construcción de ductos, etc.

C.- Costos e ingresos

- Costo de perforación
- Costo de plataforma
- Precios de petróleo y gas
- Costos operativos
- Costo de facilidades de producción
- Impuestos
- Regalías, etc.

9
 Medición del riesgo

El VPN esperado (VPNE) es la esperanza de los VNP’s

UNA FORMA DE MEDIR EL RIESGO PUEDE SER A TRAVES DE LA ESPERANZA

VPNE = Σ Pi VPNi σ2= Σ Pi (VPNi -VPNE ) 2

PRESENTA MAYOR RANGO DE

PROBABILIDAD

A pesar que el VPNE de las tres alternativas es el mismo, estos no

pueden ser comparados ya que involucran diferentes niveles de
riesgo. El VPN no es un buen indicador cuando hay riesgo o
incertidumbre de por medio.
TIENEN DIFERENTE RANGO DE PROBABILIDAD DE OCURRENCIA
10
VPN esperado y riesgo
EL EFECTO DE UNO NO INFLUYE EN EL OTRO
Existen dos proyectos excluyentes, A y B, los ingresos dependen del
escenario sea prospero o recesivo, los egresos son similares en
ambos proyectos y no dependen de los escenarios
Probabilidad A B
VP Ingresos
PROSPERO Escenario 1 0.8 2000 1750
RECESIVO Escenario 2 0.2 100 1100
VP Esperado de Ingresos 1620 1620
VP Esperado de Egresos 1000 1000
VPN E 620 620

VPNE = Σ Pi VPNi

INGE A= 0.8*2000+0.2*100 = 1620

INGE B= 0.8*1750+0.2*1100= 1620

Según el VPNE ambos proyectos son iguales. Debido a que el nivel

de riesgo es diferente en cada uno de ello, los VPNE con son
NO
comparables.
11
VPN esperado y riesgo
Distribución de probabilidades y riesgo

Utilizaremos el ejemplo anterior para verificar que ambos proyectos

no tienen el mismo nivel de riesgo.
P A B
VP Ingresos
Escenario 1 0.8 1000 750
Escenario 2 0.2 -900 100
VPN E 620 620
Varianza - σ2 577600 67600
Desviación estandar - σ 760 260
σ unitario = σu = σ/VPN
E
1.23 0.42

σ riesgo VPNE = Σ Pi VPNi σ2= Σ Pi (VPNi -VPNE ) 2

A (1.23) presenta mayor riesgo que B (0.42) COMO B ES MENOR A 1 SI RESULTA

RENTABLE
A tiene 20% de probabilidad de ser no rentable, B tiene 100% de
probabilidad de ser rentable. EL PROYECTO B TIENE MENOR RIESGO

A pesar que los VPN esperados son iguales, los proyectos no son
equivalentes y por tanto sus VPN’s esperados no son comparables.
12
 VPN Esperado en perforación de desarrollo

P de
VPN 15%, 0
ocurrencia
Pozo seco 0.4 -20.0 40% QUE EL PROYECTO
NO SEA RENTABLE
Pozo productivo 0.6 60.0

VPNE = Σ Pi VPNi VPN esperado= VPNE = 28.0

El VPN esperado indica que el proyecto es rentable, el análisis de la

distribución de probabilidades señala que existe 40% de probabilidad
que el proyecto no sea rentable.

El VPN esperado es un indicador de rentabilidad riesgoso o incierto

ya que se determinó de los FNF esperados (que también son
riesgosos o inciertos.)

13
 Introducción del Riesgo en el análisis de inversiones

Hay varios métodos, que en cierta medida, tratan de introducir el

factor de riesgo o incertidumbre en la evaluación de inversiones:
- Tasa de descuento ajustada. SE APLICA EN EL DENOMIDADOR DEL VAN
- Método del Equivalente de Certeza. SE APLICA EN EL NUMERADOR DEL VAN
- Ajustes de decisión
- Análisis de sensibilidad. ES UN ANALISIS QUE TE PERMITE CAMBIAR UNA VARIABLE Y MANTENER
EL RESTO CONSTANTE
- Método de simulación. SE REQUIERE ANALISIS MUTIVARIABLE

El método que mejor muestra el efecto del riesgo (distribución de

probabilidades de ocurrencia de variables) en la evaluación de
inversiones es el método de simulación.

EL TIR ES AQUELLA TASA DE DESCUENTO QUE HACE QUE EL VAN SEA 0

14
 Tasa de descuento Ajustada (TDA)
PARA CONVERTIR MI VPN ESPERADO EN VPN CERTERO

Este método, modifica el denominador de la ecuación del VPN:

VPNE TD, 0 = ∑N (FNFE j)

j=0 (1+TD)j
El FNFE es riesgoso y la TD es certera -> VNPE es riesgoso
Para corregir el riesgo a la TD se le adiciona una prima por riesgo
(PR) convirtiéndola en la TDA (que es una tasa riesgosa). De
manera que el numerador y denominador sean riesgosos y por tanto
se anulen, resultando el VPN certero.
DATO LA PR VA A DEPENDER (EJM 1 - 5 %)

TDA=TD + PR PR es función del riesgo (σ): PR = σ

Si existen dos proyectos que comparar: PRA = PRB σAu / σBu

Proyectos de alto riesgo (σ grande) tendran PR mayores.

VPN certero = VPNC TDA, 0 = ∑N (FNFE j) = ∑N ( FNFE j )_

ESTE VALOR DISMINUYE
j=0 (1+TDA) j j=0 (1+TD+PR) j
15
ELIMINE EL RIESGO
 Tasa de descuento Ajustada (TDA) NO SE PUEDE CALCULAR EL TIR CERTERO
SOLO EL VAN CERTERO

Ejemplo:
En el ejemplo de los Estados Financieros determinar el VPN si la PR
es 5% compararlo con el VPN (VPN esperado).
TD=15% PR=5% TDA=20%
FNFE (MMUS$ de 0) 0 1 2 3 4 5 6 7 8 9 10
Ev. Económica -136 -60.2 53.4 61.4 79.7 70.1 46.3 82 67 62.2 202.3
Ev. Financiera -76 -78.7 36.6 46.2 66 70.1 46.3 82 67 62.2 202.3

NO SE PUEDE CALCULAR
VNPE 15%,0 TIRE VNPC 15%,0 TIRC
Ev. Económica S/. 113.26 26.1% S/. 51.76 -
Ev. Financiera S/. 126.64 29.9% S/. 69.27 -

Se aprecia que el proyecto sigue siendo rentable en un escenario certero. Se

observa que la rentabilidad certera es menor que la esperada, esto debido a
que el proyecto se ve castigado por la Prima por riesgo.
La desventaja del método de la TDA es que no puede determinar la TIR
certera.
VPN certero = VPNC TDA, 0 = ∑N (FNFE j) = ∑N ( FNFE j )_
16
j=0 (1+TDA) j j=0 (1+TD+PR) j
 Método del Equivalente de Certeza (MEC)
APLICO EL MEC CUANDO ME PIDEN VAN Y TIR

A diferencia del método de la TDA que actúa sobre el denominador

de la ecuación del VPN, este método actúa sobre el numerador y
convierte el FNF esperado (riesgoso) en FNF certero multiplicándolo
por un factor de equivalencia de certeza (α)
FNFC j = α FNFE j AHORA SI TENGO EL FLUJO NETO DE FONDOS CERTERO

El factor de equivalencia de certeza será inversamente proporcional

al riesgo, para el FNF que no muestra riesgo será igual a 1. Los FNF
futuros más alejados del presente serán más riesgosos y por lo tanto
su factor de equivalencia de certeza será menor.
αj=1/σ j -> σ -> α j

VPN certero = VPNC TD, 0 = ∑N (FNFC j) = ∑N (α j FNFE j)

j=0 (1+TD) j j=0 (1+TD) j

En el método TDA se corrige el denominador y en el MEC se corrige el

numerador de la ecuación del VPN, pero ambos métodos deben ser
equivalentes, puesto que deben proporcionar el mismo VPN certero. Al contar
con el FNF certero ya se puede calcular la TIR certera. 17
 Equivalencia entre la TDA y el MEC

MEC TDA

VPNC TD, 0 = ∑N (FNFC j) VPNC TDA, 0 = ∑N (FNFE j)

j=0 (1+TD) j j=0 (1+TD+PR) j

FNFC = ( FNFE j ) α j FNFE j = ( FNFE j )

(1+TD) j (1+TD+PR) j (1+TD) j (1+TD+PR) j

α j = ( 1 + TD ) j
(1+TD+PR) j

CONOCIENDO LA PR HALLO ALFA

Si la TD es real, la PR también deberá ser real, lo mismo que α. Si la TD es

corriente, la PR también deberá ser corriente, lo mismo que la α.

18
 Método del Equivalente de Certeza (MEC)

Ejemplo:
Determinar el FNF y la rentabilidad certeros del ejemplo de los
estados financieros. Asumir que la prima por riesgo real es 5%/año
(PR)
TDA= TD+ PR α j = ( (1+TD)/(1+TDA))j α j = ( 1.15/ 1.20) j
FNFE (MMUS$ de 0) 0 1 2 3 4 5 6 7 8 9 10
Ev. Económica -136 -60.2 53.4 61.4 79.7 70.1 46.3 82 67 62.2 202.3
Ev. Financiera -76 -78.7 36.6 46.2 66 70.1 46.3 82 67 62.2 202.3
VARIABLE α j 1 0.9583 0.9184 0.8801 0.8435 0.8083 0.7746 0.7424 0.7114 0.6818 0.6534
FNFC (MMUS$ de 0)
Ev. Económica -136.00 -57.69 49.04 54.04 67.22 56.66 35.87 60.87 47.67 42.41 132.18
Ev. Financiera -76.00 -75.42 33.61 40.66 55.67 56.66 35.87 60.87 47.67 42.41 132.18

VNPE 15%,0 TIRE VNPC 15%,0 TIRC

Ev. Económica S/. 113.26 26.1% S/. 51.76 20.8%
Ev. Financiera S/. 126.64 29.9% S/. 69.27 24.5%

Se verifica la equivalencia entre los métodos de la TDA y del MEC, también

se muestra que el MEC es el único método que proporciona la TIRC.

19
Arboles de decisión

20
 Arboles de Decisión

• Se utiliza cuando el proyecto involucra muchas

actividades o alternativas excluyentes para su
ejecución, y por lo tanto se debe tomar la
decisión de que alternativa realizar.
• Cada alternativa tiene una distribución de
probabilidades de ocurrencia (eventos), o sea
que es un escenario de riesgo.

21
 Arboles de Decisión

• Se utiliza para evaluar el impacto de decisiones

secuenciales
pA VPpA
A Punto de Decisión
Invierto
C 1-pA Hecho Aleatorio

B pB
No VPpB
Invierto

1-pB

VP = VPp p + VP(1-p) (1- p)

En C se decide entre VPA y VPB, eligiendo el
de mayor valor presente neto 22
 Arboles de Decisión

• El futuro presenta dos escenarios: próspero (demanda alta) y

recesivo (demanda baja). Se desea determinar si la planta a
instalar debe ser de gran capacidad o de tamaño medio. Utilizar
como Tasa de Descuento real (TD) 10%/año.
D alta 1000$
P=0.8
ENTRE PARENTESIS REPRESENTA
D alta 200$ D baja 50$ VALOR NEGATIVO
P=0.6 P=0.2
D alta 500$
P=0.3
D baja (100$) D baja (500$)
P=0.6 P=0.7
D alta P=0.8 800$

D baja P=0.2 200$

D alta 100$
P=0.6 D alta P=0.8 400$ PRIMERO SE ANALIZA ESTO,
YA QUE AL INTERIOR NO
PUEDE HABER ANALISIS
D baja P=0.2 200$ POR TOMAR

D alta P=0.3 300$

D baja 0$
P=0.4 D baja P=0.7 0$

Año 0 Año 1 Año 2

23
 Arboles de Decisión

• Se toma la decisión mas interna, construir o no otra planta

mediana en el año 1:
D alta P=0.8 800$

D baja P=0.2 200$

D alta P=0.8 400$

D baja P=0.2 200$

Año 1 Año 2
AÑO 0 AÑO 1

Construir otra planta:

VPN E 10%,0= -200/(1.1)0+(0.8*800+0.2+200)/(1.1)1=418.2 $
No construir: TD=10%

VPN E 10%,0= 0/(1.1)0+(0.8*400+0.2+200)/(1.1)1=327.3 $

De acuerdo al VPN E, es conveniente construir otra planta en el año 1.

24
 Arboles de Decisión

• Incluyendo la decisión anterior en el árbol principal.

VALOR ENTRE PARENTESIS REPRESENTA UN VALOR NEGATIVO

D alta 1000$
P=0.8
D alta 200$ D baja 50$
P=0.6 P=0.2
D alta 500$
P=0.3
D baja (100$) D baja (500$)
P=0.6 P=0.7
100$
-200$ D alta P=0.8 800$
D alta -100$
P=0.6 D baja P=0.2 200$

ELIMINO NO CONSTRUIR

D alta P=0.3 300$

D baja 0$
P=0.4 D baja P=0.7 0$

Año 0 Año 1 Año 2

25
 Arboles de Decisión

Construir planta grande:

VPN E 10%,0= -400/(1.1)0+(0.6*200+0.4*(-100))/(1.1)1+
0.6*(0.8*1000+0.2*50)+0.4*(0.3*500+0.7*(-500))/(1.1)2

VPN E 10%,0 = 8.3 $

Construir planta mediana:
VPN E 10%,0= -200/(1.1)0+(0.6*200+0.4*0)/(1.1)1+
0.6*(0.8*800+0.2*200)+0.4*(0.3*300+0.7*0)/(1.1)2
VPN E 10%,0 = 112.4 $
Es mucho mas conveniente construir la planta mediana.

26
 Análisis de sensibilidad
CUARTO METODO DE ANALISIS DE RIESGO

27
 Análisis de sensibilidad

Estudia la variación de la rentabilidad con las variables más

importantes del proyecto. También determina que variables son las
que más influyen en el proyecto desde el punto de vista de
variabilidad. Los pasos para realizar el análisis de sensibilidad son los
siguientes:
1.Se identifican las variables relevantes e independientes del
proyecto.
2.En adición al valor esperado de las variables, se identifican los
valores mínimos y máximos que alcanzarían las variables. Estos
valores se expresan como tanto por uno del valor esperado.

Valor mínimo VMIN -> VMIN / V E = β MIN

Valor esperado V E -> β E = 1.0
Valor máximo VMAX -> VMAX / V E = β MAX
En general β =V / V E V = β V E
28
 Análisis de sensibilidad

3. Se varía el valor de la primera variable relevante e independiente

desde su VMIN (β MIN) hasta su VMAX (β MAX) , mientras que las otras
permanecen en su valor esperado, y se determina la rentabilidad
del proyecto.
4. Se retorna la variable anterior a su valor esperado V E (β = 1.0) y
se repite el paso 3 para todas las variables identificadas en el
paso 1.
5. Con los resultados se construye la matriz de rentabilidad.
VPN TD,0
β variable 1 variable 2 variable 3 variable 4 variable 5
0.70
0.75
0.80
0.85
0.90
Escenario 0.95
1.00
Esperado 1.05
1.10
1.15
1.20
1.25
1.30
29
 Análisis de sensibilidad

6. En la matriz anterior se determina el número de puntos (#VPNs) y

el numero de VPN negativos (#VPNs (-)) . La siguiente relación
proporciona un indicio de probabilidad que el proyecto no sea
rentable. SIGNIFICA QUE HAY UNA
PROBABILIDAD DEL 5.9% QUE
NO SEA RENTABLE
δ= (#VPNs(-))/ (#VPNs)
7. Para determinar la sensibilidad de la rentabilidad (sensibilidad del
proyecto) respecto a cada variable, se grafica VPN vs β.
ES LA MÁS SENSIBLE
VPN TD,0

El proyecto es más sensible a las variables VAR 1 y VAR 4, es más

30
estas variables podrían hacer que el proyecto no sea rentable.
 Análisis de sensibilidad

Esquema de análisis de sensibilidad de un

proyecto:
• Identificar las variables clave
• Introducir cambios porcentuales (+/-) en el valor
de esas variables tomadas de a una
• Determinar el impacto de los cambios en el VAN
• Evaluar la sensibilidad del VAN a esos cambios
• Identificar las variables relevantes y las no
relevantes.
• Profundizar si es necesario el conocimiento de
las variables relevantes 31
 Análisis de sensibilidad

Ejemplo:
En el ejemplo de los estados financieros efectuar el correspondiente
análisis de sensibilidad a las siguientes variables:

Valor Mínimo Valor Máximo

Variables (β MIN) (β MAX)
Inversión 0.80 1.30
Precio de la materia prima 0.90 1.10
Precio del producto 0.90 1.15
Costos variables 0.80 1.30

Solución:
Se varía una variable por vez y se construye los cuadros de FNF e
indicadores de rentabilidad.

32
 Análisis de sensibilidad

Evaluación Económica

Año 0 1 2 3 4 5
Ingresos 600 630 650 690 730
Costos de operación y mantenimiento 200 210 230 240 250
Gastos de ventas 20 30 40 50 60
Gastos generales 27 32 37 42 42
Egresos 247 272 307 332 352
Depreciación 83 83 83 83 83
Interes
UN (utilidad neta) 0 189 192.5 182 192.5 206.5
Depreciación 83 83 83 83 83
Inversión (Inv) 682 10 14 10 8
Amortización
Valor de recupero 309
Flujo de caja operativo -682 262 261.5 255 267.5 598.5
(Net profit)

33
 Análisis de sensibilidad

Evaluación Financiera

Año 0 1 2 3 4 5
Ingresos 600 630 650 690 730
Costos de operación y mantenimiento 200 210 230 240 250
Gastos de ventas 20 30 40 50 60
Gastos generales 27 32 37 42 42
Egresos 247 272 307 332 352
Depreciación 83 83 83 83 83
Interes 40 30 20 10
UN (utilidad neta) 0 161 171.5 168 185.5 206.5
Depreciación 83 83 83 83 83
Inversión (Inv) 298 6 10 6 4
Amortización 100 100 100 100
Valor de recupero 309
Flujo de caja operativo
-298 138 144.5 145 164.5 598.5
(Net profit)

34
 Análisis de sensibilidad

Sensibilidad a la inversión

Evaluación Económica
FNF (MMUS$ de 0) Rentabilidad
β 0 1 2 3 4 5 VPN TD,0 TIR (%)
0.80 -565.36 257.02 256.52 250.02 262.52 559.88 444.95 41.2%
AUMENTO 0.85 -594.52 258.27 257.77 251.27 263.77 569.54 424.14 38.9%
LA INVERSIÓN 0.90 -623.68 259.51 259.01 252.51 265.01 579.19 403.34 36.8%
0.95 -652.84 260.76 260.26 253.76 266.26 588.85 382.53 34.8%
1.00 -682.00 262.00 261.50 255.00 267.50 598.50 361.73 33.0%
1.05 -711.16 263.25 262.75 256.25 268.75 608.16 340.92 31.4%
1.10 -740.32 264.49 263.99 257.49 269.99 617.81 320.12 29.8%
1.15 -769.48 265.74 265.24 258.74 271.24 627.47 299.31 28.4%
1.20 -798.64 266.98 266.48 259.98 272.48 637.12 278.51 27.1%
1.25 -827.8 268.23 267.73 261.23 273.73 646.78 257.70 25.8%
1.30 -856.96 269.47 268.97 262.47 274.97 656.43 236.90 24.6%

35
 Análisis de sensibilidad

Sensibilidad a la inversión

Evaluación Financiera
FNF (MMUS$ de 0) Rentabilidad
β 0 1 2 3 4 5 VPN TD,0 TIR (%)
0.80 -181.36 133.02 139.52 140.02 159.52 559.88 501.44 81.9%
0.85 -210.52 134.27 140.77 141.27 160.77 569.54 480.63 71.7%
0.90 -239.68 135.51 142.01 142.51 162.01 579.19 459.83 63.8%
0.95 -268.84 136.76 143.26 143.76 163.26 588.85 439.02 57.5%
1.00 -298.00 138.00 144.50 145.00 164.50 598.50 418.22 52.2%
1.05 -327.16 139.25 145.75 146.25 165.75 608.16 397.41 47.8%
1.10 -356.32 140.49 146.99 147.49 166.99 617.81 376.61 44.0%
1.15 -385.48 141.74 148.24 148.74 168.24 627.47 355.80 40.7%
1.20 -414.64 142.98 149.48 149.98 169.48 637.12 335.00 37.8%
1.25 -443.80 144.23 150.73 151.23 170.73 646.78 314.19 35.3%
1.30 -472.96 145.47 151.97 152.47 171.97 656.43 293.38 33.0%

36
 Análisis de sensibilidad

Sensibilidad al Precio de la materia prima

Evaluación Económica
FNF (MMUS$ de 0) Rentabilidad
β 0 1 2 3 4 5 VPN TD,0 TIR (%)
0.80
0.85
0.90 -674.00 276.40 277.00 271.50 284.70 606.00 418.38 36.0%
0.95 -678.00 269.20 269.25 263.25 276.10 602.25 390.06 34.5%
1.00 -682.00 262.00 261.50 255.00 267.50 598.50 361.73 33.0%
1.05 -686.00 254.80 253.75 246.75 258.90 594.75 333.40 31.6%
1.10 -690.00 247.60 246.00 238.50 250.30 591.00 305.07 30.1%
1.15
1.20
1.25
1.30

37
 Análisis de sensibilidad

Sensibilidad al Precio de la materia prima

Evaluación Financiera
FNF (MMUS$ de 0) Rentabilidad
β 0 1 2 3 4 5 VPN TD,0 TIR (%)
0.80
0.85
0.90 -290.00 152.40 160.00 161.50 181.70 606.00 474.87 58.5%
0.95 -294.00 145.20 152.25 153.25 173.10 602.25 446.54 55.3%
1.00 -298.00 138.00 144.50 145.00 164.50 598.50 418.22 52.2%
1.05 -302.00 130.80 136.75 136.75 155.90 594.75 389.89 49.2%
1.10 -306.00 123.60 129.00 128.50 147.30 591.00 361.56 46.3%
1.15
1.20
1.25
1.30

38
 Análisis de sensibilidad

Sensibilidad al Precio del producto

Evaluación Económica
FNF (MMUS$ de 0) Rentabilidad
β 0 1 2 3 4 5 VPN TD,0 TIR (%)
0.80
0.85
0.90 -682.00 220.00 217.40 209.50 219.20 547.40 208.92 25.6%
0.95 -682.00 241.00 239.45 232.25 243.35 572.95 285.33 29.3%
1.00 -682.00 262.00 261.50 255.00 267.50 598.50 361.73 33.0%
1.05 -682.00 283.00 283.55 277.75 291.65 624.05 438.13 36.7%
1.10 -682.00 304.00 305.60 300.50 315.80 649.60 514.53 40.3%
1.15 -682.00 325.00 327.65 323.25 339.95 675.15 590.94 43.8%
1.20
1.25
1.30

39
 Análisis de sensibilidad

Sensibilidad al Precio del producto

Evaluación Financiera
FNF (MMUS$ de 0) Rentabilidad
β 0 1 2 3 4 5 VPN TD,0 TIR (%)
0.80
0.85
0.90 -298.00 96 100.4 99.5 116.2 547.4 265.41 38.5%
0.95 -298.00 117 122.45 122.25 140.35 572.95 341.81 45.4%
1.00 -298.00 138.00 144.50 145.00 164.50 598.50 418.22 52.2%
1.05 -298.00 159 166.55 167.75 188.65 624.05 494.62 59.1%
1.10 -298.00 180 188.6 190.5 212.8 649.6 571.02 66.0%
1.15 -298.00 201 210.65 213.25 236.95 675.15 647.43 72.9%
1.20
1.25
1.30

40
 Análisis de sensibilidad

Sensibilidad a los Costos variables

Evaluación Económica
FNF (MMUS$ de 0) Rentabilidad
β 0 1 2 3 4 5 VPN TD,0 TIR (%)
0.80 -678.24 269.78 271.38 266.98 281.18 604.62 398.47 34.9%
0.85 -679.18 267.84 268.91 263.99 277.76 603.09 389.28 34.4%
0.90 -680.12 265.89 266.44 260.99 274.34 601.56 380.10 34.0%
0.95 -681.06 263.95 263.97 258.00 270.92 600.03 370.91 33.5%
1.00 -682.00 262.00 261.50 255.00 267.50 598.50 361.73 33.0%
1.05 -682.94 260.06 259.03 252.01 264.08 596.97 352.54 32.6%
1.10 -683.88 258.11 256.56 249.01 260.66 595.44 343.36 32.1%
1.15 -684.82 256.17 254.09 246.02 257.24 593.91 334.18 31.7%
1.20 -685.76 254.22 251.62 243.02 253.82 592.38 324.99 31.2%
1.25 -686.7 252.28 249.15 240.03 250.40 590.85 315.81 30.7%
1.30 -687.64 250.33 246.68 237.03 246.98 589.32 306.62 30.3%

41
 Análisis de sensibilidad

Sensibilidad a los Costos variables

Evaluación Financiera
FNF (MMUS$ de 0) Rentabilidad
β 0 1 2 3 4 5 VPN TD,0 TIR (%)
0.80 -294.24 145.78 154.38 156.98 178.18 604.62 454.95 55.9%
0.85 -295.18 143.84 151.91 153.99 174.76 603.09 445.77 55.0%
0.90 -296.12 141.89 149.44 150.99 171.34 601.56 436.58 54.1%
0.95 -297.06 139.945 146.97 147.995 167.92 600.03 427.40 53.1%
1.00 -298.00 138.00 144.50 145.00 164.50 598.50 418.22 52.2%
1.05 -298.94 136.06 142.03 142.01 161.08 596.97 409.03 51.3%
1.10 -299.88 134.11 139.56 139.01 157.66 595.44 398.47 34.9%
1.15 -300.82 132.17 137.09 136.02 154.24 593.91 390.66 49.5%
1.20 -301.76 130.22 134.62 133.02 150.82 592.38 381.48 48.6%
1.25 -302.70 128.28 132.15 130.03 147.40 590.85 372.29 47.7%
1.30 -303.64 126.33 129.68 127.03 143.98 589.32 363.11 46.8%

42
 Análisis de sensibilidad

Resumen del Análisis de Sensibilidad

Evaluación Económica
VPN TD,0

Precio de Precio del Costos

Inversión
Materia Prima Producto variables
β
0.80 444.95 398.47
0.85 424.14 389.28
0.90 403.34 418.38 208.92 380.10
0.95 382.53 390.06 285.33 370.91
1.00 361.73 361.73 361.73 361.73
1.05 340.92 333.40 438.13 352.54
1.10 320.12 305.07 514.53 343.36
1.15 299.31 590.94 334.18
1.20 278.51 324.99
1.25 257.70 315.81
1.30 236.90 306.62

43
 Análisis de sensibilidad

Resumen del Análisis de Sensibilidad

700

600

500
VPN 15%, 0

400

300

200

100

0
0.80 0.90 1.00 1.10 1.20 1.30
B
TIENE MAYOR INFLUENCIA Inversión Precio de Materia Prima ES LA MENOR RELEVANTE
EN EL VAN
Precio del Producto Costos variables

44
 Análisis de sensibilidad

Resumen del Análisis de Sensibilidad

Evaluación Financiera
VPN TD,0
Precio de
Precio del Costos
Inversión Materia
Producto variables
β Prima
0.80 501.44 454.95
0.85 480.63 445.77
0.90 459.83 474.87 265.41 436.58 33 VALORES
0.95 439.02 446.54 341.81 427.40
1.00 418.22 418.22 418.22 418.22
1.05 397.41 389.89 494.62 409.03
1.10 376.61 361.56 571.02 398.47
1.15 355.80 647.43 390.66
1.20 335.00 381.48
1.25 314.19 372.29
1.30 293.38 363.11

45
 Análisis de sensibilidad

Resumen del Análisis de Sensibilidad

700

600

500
VPN 15%, 0

400

300

200

100

0
0.80 0.90 1.00 1.10 1.20 1.30
B
Inversión Precio de Materia Prima

Precio del Producto Costos variables

PARA LA MONOGRAFÍA ANALIZAR ESTAS 4

46
 Análisis de sensibilidad

Resumen del Análisis de Sensibilidad

En ambas evaluaciones hay un total de 33 puntos, y cero puntos

con valores negativos del VPN.

Una indicación de la probabilidad que el proyecto no sea

rentable estará por la relación de número de puntos con VPN
negativo y el número total de puntos.

δ= ( Nro de VPN’s negativos / Nro de VPN’s )

δ ECONOMICO= 0/33 = 0%

δ FINANCIERO= 0/33 = 0%

47
Simulación Montecarlo

48
 Simulación Montecarlo

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

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 49
 Simulación Montecarlo

1. Estimar la distribución de probabilidades

de ocurrencia de cada una de las
variables relevantes e independientes
2. Seleccionar aleatoriamente un valor para
cada variable utilizando su
correspondiente distribución de
probabilidades
3. Calcular el VAN a la tasa de descuento
libre de riesgo
4. Repetir los pasos 2 y 3 numerosas veces
(más de 1000)
50
 Simulación Montecarlo

Variables Aleatorias

• Una Variable aleatoria X es una

función cuyos valores son números
reales y dependen del “azar”.

• Para caracterizar las variables

aleatorias se utilizan las
distribuciones de probabilidad.

51
 Simulación Montecarlo

Distribución de probabilidad

• Una distribución de probabilidad describe el

rango de valores que puede tomar una variable
aleatoria y la probabilidad asignada a cada
valor o rango de valores.
52
 Simulación Montecarlo

Triangular

• Aplicaciones: estimar subjetivamente la

distribución de la variable aleatoria cuando todo
lo que puede precisarse de la misma es el valor
mínimo, el valor más probable y el valor máximo.

• Parámetros: Triang (min, +prob, max)

53
 Simulación Montecarlo

Normal
• La mayoría de las variables aleatorias que se
presentan en los estudios relacionados con las
ciencias sociales, físicas y biológicas, son
continuas y se distribuyen según la distribución de
probabilidad Normal, que tiene la siguiente
expresión analítica :
1  x 
2

1   
f ( x,  ,  )  e 2  

 2
• Donde μ es la media de la variable aleatoria y σ
es su desviación típica.

54
 Simulación Montecarlo

Normal
La distribución de probabilidad
Normal, tiene forma de
campana

55
 Simulación Montecarlo

Ejercicio
• Efectuar el análisis de riesgo por simulación de
Montecarlo del siguiente proyecto

56
 Simulación Montecarlo

Costos
VARIABLES A ANALIZAR Inversion Ingresos
Anuales
Media 250 380 500
Desviacion Estandar 30 50 60

Solución

Período 0 1 2 3 4 5
Ingresos 441.6 441.6 441.6 441.6 441.6
Costo del Producto 362.2 362.2 362.2 362.2 362.2
Utilidad Neta 55.5 55.5 55.5 55.5 55.5
Depreciación 34.4 34.4 34.4 34.4 34.4
Inversión 215.3 1.1 0 0 0 0
Capital Fijo 172.2
Capital Trabajo 43.1 44.2 44.2 44.2 44.2 44.2
Valor Recupero 44.2
Flujo Neto Fondos
-215.3 88.9 90.0 90.0 90.0 134.1
Económico
Valor Actual -215.312 79.4 71.7 64.0 57.2 76.1
Valor Actual Neto 133.1

57
 Simulación Montecarlo

Solución 400
232
350
432
300

250

200

33 150 631
100

-366 50
-167 831
0
-600 -400 -200 0 200 400 600 800 1000

VAN

Clases Frecuencia
-366 2 Promedio 232
-167 18 Desvío 199
33 141 Mínimo -460
232 350 Máximo 1040
432 322 Confianza 0,95 12
631 145 - 220
831 21 + 245

58
 Modelo MONTECARLO
¿Qué permite lograr su aplicación?
UNA DISTRIBUCIÓN DE PROBABILIDADES DEL VAN
m

 VAN i

• VAN Esperado VANe  i1

, m

m
1
• Desviación estándar  VAN    ( VANi  VANe )2
, (m  1) i1

 VAN
• Coeficiente de variación CVVAN 
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
Existe independencia entre los valores de las cantidades correspondientes a cada
uno de los tres años de la fase de operación del proyecto.
X2  X3  X 4  $ 9.000 ;  X 2  $ 657,27 ;  X 3  $ 547,72 ;  X 4  $ 821,58
Cantidades anuales
VAN
X2 X3 X4
8.234,69 8.708,58 10.021,49 8.203,72 Algunos VAN son
7.969,42 9.037,05 9.614,93 7.141,69 superiores al VANe
9.748,33 8.920,09 9.399,36 12.237,00 ($ 8.750,30).
8.032,74 9.091,54 9.293,57 6.587,01
9.045,92 8.049,21 8.110,58 3.273,72 Otros inferiores.
9.141,80 8.544,29 9.527,90 9.341,66
La mayoría son
9.752,96 8.185,94 9.223,49 9.404,67
positivos.
9.759,01 9.130,21 9.198,93 12.351,53

Se generaron 300 números aleatorios. Se presentan los primeros 8 valores obtenidos.

A partir de los 300 VAN se obtuvieron los siguientes resultados:
VANe = $ 8.809,62 ; VAN = $ 3.630,95 ; CV = 0,41
 Modelo MONTECARLO
Una variable aleatoria: cantidad anual vendida
Distribución normal
Existe independencia entre los valores de las cantidades correspondientes a cada
uno de los tres años de la fase de operación del proyecto.

A partir de los 300 VAN se obtuvieron los siguientes resultados:

VANe = $ 8.809,62 ; VAN = $ 3.630,95 ; CV = 0,41
 Modelo MONTECARLO
Una variable aleatoria: cantidad anual vendida
Distribución normal
Existe correlación perfecta entre los valores de las cantidades correspondientes a
cada uno de los tres años de la fase de operación del proyecto.

X2  X3  X 4  $ 9.000 ;  X 2   X 3   X 4  $ 657,27

A partir de los 300 VAN se obtuvieron los siguientes resultados:

VANe = $ 8.993,04 ; VAN = $ 6.631,70 ; CV = 0,74

Los valores de la VAN encontrados utilizando este método son

bastante similares a los del análisis que utiliza la distribución de
probabilidades de los beneficios netos, tanto cuando se considera
independencia entre los beneficios netos de cada período como
cuando existe correlación perfecta.
 Modelo MONTECARLO
Una variable aleatoria: cantidad anual vendida
Distribución normal

Independencia Correlación perfecta

Rango del VAN Porcentaje Porcentaje
Frecuencia Frecuencia
acumulado acumulado
Menor a -3.000 0 0,00% 8 2,67%
-3.000 a 0 2 0,67% 22 10,00%
0 a 3.000 21 7,67% 34 21,33%
3.000 a 6.000 43 22,00% 25 29,67%
6.000 a 9.000 93 53,00% 62 50,33%
9.000 a 12.000 83 80,67% 48 66,33%
12.000 a 15.000 44 95,33% 46 81,67%
15.000 a 18.000 12 99,33% 32 92,33%
18.000 a 21.000 2 100,00% 11 96,00%
21.000 a 24.000 0 100,00% 8 98,67%
Mayor a 24.000 0 100,00% 4 100,00%

Las probabilidades de observar valores más extremos para el VAN son

mayores en el caso de correlación perfecta que en el de independencia.
GRACIAS POR SU ATENCIÓN

Ing. Magali Camila Vivas Cuellar

AREA DE INVESTIGACIÓN:
Bio Ingeniería
(Biocombustibles, productos naturales, etc)
mvivas@uni.edu.pe

64