Trabajo de Investigacion de Planacion

Financiera.

INDICE:

Introducción................................................

5.1. Certidumbre, Riesgo e Incertidumbre..............

3 5.2. Concepto de valor esperado.........................

12 5.3. Variables independientes............................

14 5.4. Variables Dependientes..............................

16 5.5. Arboles de decisión..................................

18 Conclusiones ..............................................
INTRODUCION:

El análisis de sensibilidad financiera es una herramienta que se utiliza

demasiado en el mundo de las empresas cuando se desea tomar decisiones de
inversión, este nos permite visualizar de forma inmediata las ventajas y
desventajas económicas que se presentan en un proyecto. Para poder realizar
el análisis de sensibilidad es necesario comparar el VAN antiguo con el VAN
nuevo y como resultado obtendremos un valor que al ser multiplicado por 100
se obtendrá el porcentaje de cambio. La base para aplicar este método es
identificar los posibles escenarios del proyecto de inversión, los cuales se
clasifican en los siguientes: Pesimista: Es el peor panorama de la inversión, es
decir, es el resultado en caso del fracaso total del proyecto. Probable: Éste
seria el resultado más probable que supondríamos en el análisis de la
inversión, debe ser objetivo y basado en la mayor información posible.
Optimista: Siempre existe la posibilidad de lograr más de lo que proyectamos,
el escenario optimista normalmente es el que se presenta para motivar a los
inversionistas a correr el riesgo.

5.1. Certidumbre, Riesgo e Incertidumbre

Existe usualmente muy poca seguridad de que los resultados predichos vayan
a coincidir con los reales. Los elementos económicos de los cuales depende un
curso de acción pueden variar de su valor estimado debido a que siempre hay
involucradas causas al azar. No solamente hay problemas con los estimativos
económicos si no también que el valor anticipado que la mayoría de las
aventuras tendrá en el futuro solo se conoce con un cierto grado de seguridad.
Precisamente la falta de certeza sobre el futuro es lo que hace que
los procesos decisorios relacionados con efectos económicos constituyan una
de las tareas más desafiantes para los individuos, las industrias y el gobierno.

Prácticamente todas las decisiones se toman en un ambiente de cierta

incertidumbre. Sin embargo, el grado varía de una certeza relativa a una gran
incertidumbre. En la toma de decisiones existen ciertos riesgos implícitos.En
una situación donde existe certeza, las personas están razonablemente seguras
sobre lo que ocurrirá cuando tomen una decisión, cuentan
con información que se considera confiable y se conocen las relaciones de
causa y efecto.
Por otra parte en una situación de incertidumbre, las personas sólo tienen una
base de datos muy deficiente. No saben si estos son o no confiables y tienen
mucha inseguridad sobre los posibles cambios que pueda sufrir la

situación. Más aún, no pueden evaluar las interacciones de las

diferentes variables, por ejemplo una empresa que decide ampliar
sus operaciones a otro país quizás sepa poco sobre la cultura, las leyes, el
ambiente económico y las políticas de esa nación. La situación política suele
ser tan volátil que ni siquiera los expertos pueden predecir un
posible cambio en las mismas.
En una situación de riesgo, quizás se cuente con información basada en
hechos, pero la misma puede resultar incompleta. Para mejorar la toma de
decisiones se puede estimar las probabilidades objetivas de un resultado, al
utilizar, por ejemplo modelos matemáticos. Por otra parte se puede usar

la probabilidad subjetiva, basada en el juicio y la experiencia.

Afortunadamente se cuenta con varias herramientas que ayudan a los
administradores a tomar decisiones más eficaces.

INTERPRETACIÓN DE CERTIDUMBRE, RIESGO E

INCERTIDUMBRE

A través del tiempo y los ambientes que rodean una situación, todas las cosas
del mundo varía. Dentro de la ingeniería económica, esto también se
garantiza, ya que presenta gran énfasis en la toma de decisiones para el futuro.
La precisión y exactitud de los resultados obtenidos se conoce como la
certidumbre, y esta depende del instrumento o la escala de medición.

Al permitir que un parámetro dentro de un estudio de ingeniería económica

varía implica que se introduce un riesgo y posiblemente una incertidumbre.

Riesgo: está presente cuando se anticipa que habrá dos o

más valores observables para un parámetro, y es posible estimar la
probabilidad de que cada uno de estos ocurra.

Incertidumbre: esta presente cuando hay dos o mas valores observables,

aunque la probabilidad de su ocurrencia no pueda estimarse o no se han
asignado las posibilidades. Con frecuencia, los análisis de incertidumbre se
encuentran asociados a los estados de la naturaleza.
4

Antes de realizar un estudio de ingeniería económica es importante decidir si

el análisis se va a realizar con certidumbre o se introducirá el riesgo.

Toma de decisiones bajo certidumbre: se tratan de los análisis en los cuales

se efectúan e ingresan estimaciones determinísticas en las expresiones de las
medidas de valor (valor presente, anual, tasa de retorno y relación
beneficio/costo) y la toma de decisiones se basa en los resultados obtenidos.
Es decir, a cada uno de los datos en los problemas se le asigna un 100% de
probabilidad de que ocurra.

Toma de decisiones bajo riesgo: se tratan de los análisis en los cuales se

toma en cuenta formalmente el elemento posibilidad. Sin embargo, es más
difícil tomar una decisión clara ya que el análisis considera las variaciones. Se
permite que se varíen uno o más parámetros en una alternativa. En general
existen dos maneras de analizar el riesgo:

Análisis del valor esperado: utilice las posibilidades y las estimaciones de

parámetro para calcular los valores esperados, E(parámetro) mediante
fórmulas estadísticas. El análisis arroja series de E(flujo de efectivo), E(COA)
y similares, y el resultado esperado es una medida de valor como E(VP),
E(VA), E(TR), E(B/C). Para seleccionar la alternativa, se escoge el valor
esperado más favorable.

Se calcula haciendo la suma total de la multiplicación para cada valor que

toma la variable aleatoria por la probabilidad de que ocurra.

Análisis mediante simulación: utilice las estimaciones de posibilidades y

parámetros para generar cálculos repetidos de la relación de la medida de
valor, con el muestreo aleatorio de una gráfica para cada parámetro variable
similar a una gráfica de distribución de frecuencia. Cuando se completa

una muestra representativa y aleatoria, se toma una alternativa utilizando una

tabla o gráfica de resultados. En general, las gráficas forman parte importante
de la toma de decisiones mediante el análisis de simulación.

Es importante destacar que si todas las posibilidades de ocurrencia son

iguales, entonces todos los estados tendrían la misma probabilidad y por tanto,
se reduce una toma de decisiones bajo riesgo, ya que pueden determinarse los
valores esperados.
5

ELEMENTOS IMPORTANTES EN LA TOMA DE DECISIONES BAJO

RIESGO
Algunos fundamentos de probabilidad y estadística son esenciales para
realizar correctamente la toma de decisiones bajo riesgo mediante el análisis
del valor esperado o la simulación.

Variable Aleatoria: es una característica o parámetro

que puede tomar un valor cualquiera entre diversos valores. Se clasifica
en discretas y continuas. Se consideran discretas cuando los valores que puede
tomar deben ser necesariamente enteros y continuos si pueden contener
decimales. Por ejemplo, la vida estimada de un activo es una variable discreta,
mientras que la tasa de rendimiento es una variable continua.

Probabilidad: es un número entre 0 y 1.0 que expresa la posibilidad

en forma decimal de que una variable aleatoria tome cualquier valor que
puede ser identificado por esta. Se expresa como la cantidad de posibilidad,

dividida entre 100. Generalmente, se expresa como P( )

o P(X= ), la cual se lee

como: probabilidad de que la variable x tome un valor de La suma de todas

las probabilidades debe sumar necesariamente 1.

Distribución de probabilidad: describe la forma como se distribuyen

la probabilidad en los diferentes valores de una variable. Las distribuciones de
probabilidad discretas son generalmente diferentes a las continuas, ya
que la primera toma un valor definido para cada valor de número entero
generando rectas para cada uno de estos, mientras que las variables continuas
son representadas por curvas.
6

Distribución acumulativa: es la acumulación de la probabilidad para todos los

valores de una variable hasta un valor específico. Es decir, es la suma de todos
los valores que le preceden al valor especificado, incluyéndolo. Al igual que la
distribución de probabilidad difieren las gráficas para variables discretas y
continuas, ya que para la primera se presenta una forma escalonada mientras
que para la segunda forma curvas.

Moda: es el valor que se encuentra con mayor frecuencia dentro de

un grupo de datos. Puede no existir, ser única e inclusive, que exista mas de un
valor de moda.
7
MUESTRAS ALEATORIAS

Una muestra aleatoria de tamaño n es la selección en forma aleatoria de n

valores de una población con distribución de probabilidad supuesta o
conocida, de manera que todos los valores de la variable tienen la misma
posibilidad de ocurrir en la muestra, así como se espera que ocurra en la
población.

Para seleccionar muestras aleatorias dentro de una población, se emplean las

tablas de números aleatorios que se hallan en diversas bibliografías y
diferentes software de simulación o tratamiento de datos.

VALOR ESPERADO Y DESVIACIÓN ESTÁNDAR

Dos medidas o propiedades muy importantes de una variable aleatoria son el

valor esperado y la desviación estándar. Si se conociera la totalidad de la
población para una variable, estas propiedades se calcularían directamente.
Puesto que en general no se conocen, lo común es utilizar la media de la
muestra y su desviación estándar, respectivamente, A continuación, se ofrece
una breve introducción a la interpretación y el cálculo de estas propiedades
utilizando una muestra aleatoria n de una población

Cálculo de la media muestral

Fórmula General:
Cálculo de la desviación estándar

Fórmula General:

9
MUESTREO DE MONTE CARLO Y ANÁLISIS DE SIMULACIÓN

Considera que todos los parámetros son independientes, es decir, la

distribución de una variable no afecta a ninguna otra variable de la alternativa.
A este hecho se hace referencia como la propiedad de las variables aleatorias
independientes.

El enfoque de simulación aplicado al análisis de ingeniería económica se

resume en los siguientes pasos básicos:

Paso 1: Formulación de alternativas: consiste en preparar cada una de las

opciones utilizando el análisis de ingeniería económica y seleccionar la
medida de valor sobre la cual se basará la decisión. Determine la forma de
la(s) relación(es) para calcular cada medida de valor.

Paso 2: Parámetros con variación: seleccione los parámetros en cada

alternativa que se considerarán como variables aleatorias. Estime los valores
de todos los demás parámetros en certidumbre para el análisis
Paso 3: Determinación de las distribuciones de probabilidad: determine si
cada variable es discreta o continua, y describa una distribución de

10

probabilidad para cada variable en cada alternativa. En lo posible, utilice

distribuciones estándar con la finalidad de simplificar el proceso de muestreo
y prepararse para la simulación en la computadora.

Paso 4: Muestreo aleatorio: incorpore el procedimiento de muestreo aleatorio

para la selección de la muestra.

Paso 5: Cálculo de la medida de valor: calcule n valores de la medida de

valor seleccionada de la(s) relación(es) determinada(s) en el primer paso.
Utilice las estimaciones hechas bajo certidumbre y los n valores de la muestra
para los parámetros variables.

Paso 6: Descripción de la medida de valor: construya la distribución de

probabilidad de la medida de valor utilizado, y calcular los valores
correspondientes a la media, desviación estándar, la combinación de las
mismas y las probabilidades relevantes.

Paso 7: Conclusiones: formule las conclusiones sobre cada alternativa y

decida cuál debe elegirse.
11

5.2 CONCEPTO DE VALOR ESPERADO

Una de las características más importantes de las inversiones financieras es la

rentabilidad, pero no es la única, sin embargo, va a representar un conveniente
punto de partida.

La rentabilidad esperada de una inversión financiera puede obtenerse por

medio de la esperanza matemática del retorno de los distintos escenarios
enfrentados. Este valor será entonces representativo de los cambios en los
distintos estados de la naturaleza supuestos, los cuales reflejan de una u otra
manera, los distintos niveles de incertidumbre con respecto a otras
características de las inversiones financieras (liquidez, solvencia de la empresa
emisora, garantías, etc.).

El valor esperado

es un concepto fundamental en el estudio de las distribuciones de

probabilidad. Desde hace muchos años este concepto ha sido aplicado
ampliamente en el negocio de seguros y en los últimos veinte años 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 Matemática ser el

promedio ponderado de los posibles resultados por la probabilidad de

12

ocurrencia asociado a cada evento; es la suma de las multiplicaciones de cada

evento por su respectiva probabilidad de ocurrencia. Su formulación
matemática.

El riesgo es la característica presente en una situación incierta pero en la cual

se pueden establecer probabilidades de ocurrencia. Se puede aproximar
midiendo la variabilidad de los rendimientos esperados producto de los
cambios percibidos en la verificación del resto de las características. De esta
forma, se encuentran distintos tipos de riesgo asociados a las inversiones
financieras: riesgos de liquidez, riesgos de solvencia, riesgo de calidad de la
garantía, etc.

En presencia de un mercado eficiente, los cambios en la información y en las

percepciones de los inversionistas y del mercado, se traducen en cambios de
precios de manera que, el riesgo se puede medir con la variabilidad de precios
y rendimientos.

Descrito lo anterior, se pueden concebir los posibles resultados de la variable

en estudio (los rendimientos de una inversión financiera) como un conjunto de
datos que poseen una determinada distribución. Los mismos se pueden
describir por medio de medidas de posición (v alor esperado) y de dispersión.
Para medir la dispersión se pueden usar varios métodos que permiten
cuantificar cuánto se alejan las distintas observaciones de las medidas de
posición central, entre estos están: la varianza y su raíz cuadrada conocida

como desviación estándar. Así, entre mayor sea la varianza o la desviación

estándar de la distribución de los rendimientos, tanto mayor será el riesgo
asociado a ese activo, y ello porque se asume una relación directa entre las
medidas de dispersión de las observaciones de rendimiento y precios y el nivel
de riesgo que representa una inversión

13

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 investigación.

La variable independiente es aquella propiedad, cualidad o característica de

una realidad, evento o fenómeno, 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 hipótesis donde está presente la variable
independiente: “Los niños que hacen tres años de educación preescolar,
aprenden a leer más rápido en primer grado.” En este caso la variable
independiente es “hacen tres años de educación preescolar.” Porque para que
los niños de primer grado aprendan a leer más rápido, depende de que hagan
tres años de educación preescolar.

También existen variables independientes en algunos estudios que hasta cierto

punto dependerán de “algo”, como en el ejemplo siguiente: “Los ingresos
económicos de un hospital público puede depender de la asignación 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 relación.
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 número total de calorías.

Consumidas por los participantes en el estudio. Como la variable

independiente, o el número 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 diseñador del problema de matemáticas o
del experimento.

14

La posibilidad de poder medir, controlar o estudiar una variable, es decir una

característica de la realidad es por el hecho que esta característica varía, y esa
variación se puede observar, medir y estudiar. Por lo tanto, es importante,
antes de iniciar una investigación, saber cuáles son las variables que se desean
medir y la manera en que se hará.
Una variable puede tomar diferentes valores dependiendo del enfoque, que le
dé, el investigador. Estos valores pueden ser desde el enfoque cuantitativo o
desde el enfoque cualitativo.

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 investigación 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
ecuación o modelo matemático (económico 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.

15

5.4 VARIABLES DEPENDIENTES

Una variable dependiente es aquella cuyos valores dependen de los que tomen
otra variable. La variable dependiente en una función se suele representar por:

. 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 fluctuación de la variable
independiente, que es lo que la hace dependiente.

El desarrollo de la mayoría de los modelos para realizar predicciones sobre

quiebras en las empresas, se ha representado tradicionalmente a través de una
función lineal con una variable dependiente, la cual generalmente se le puede
definir de dos formas:

a) como éxito empresarial b) como fracaso

empresarial. Además, Argenti apunta que puede incluirse un tercer término
muy interesante (aunque no es frecuente en la mayoría de las investigaciones)
y es el de “colapso empresarial”, el cual se utiliza como sinónimo de fracaso.

Como veremos más adelante, en los modelos predictivos cualquier término

que sea seleccionado como variable dependiente representará siempre una
serie de dificultades jurídicas, técnicas, conceptuales y de criterios financieros,

16

entre otros, que impiden llegar a una definición satisfactoria y de aceptación

generalizada que sirva como variable dependiente al modelo predictivo.

Este problema, aunque conocido por diversos analistas e investigadores, se ha

optado generalmente por no considerarlo como de suma importancia en los
trabajos académicos. Tal vez ello obedece a la debilidad de darle una mayor
ponderación a la aplicación de las diversas técnicas estadísticas que son tan
habituales en los actuales trabajos de investigación, los cuales relegan a un
segundo plano el estudio conceptual para determinar u obtener elementos tan
importantes tales como la variable dependiente, algunas de las variables
independientes así como las bases de datos contables.

La determinación de estos elementos son temas de múltiples divergencias y

contradicciones que existen en los diversos trabajos sobre los modelos
predictivos. Por ejemplo, es común encontrar que el término fracaso
empresarial es el más utilizado como variable dependiente, sin embargo, su
definición presenta serios problemas de ambigüedad al englobar diversos
criterios que son tratados en ocasiones con un exceso doctrinal al inicio de las
investigaciones, pero conforme se avanza en los trabajos se olvida su
conceptualización que es sustituida por un excesivo trabajo estadístico que
poco tiene que ver con la búsqueda de la exactitud predictiva del modelo.

17

5.5 ARBOLES DE DECISION

Un árbol de decisión, 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
inversión que se tienen en contextos de incertidumbre
Los Árboles de Decisión es una técnica que permite analizar decisiones
secuenciales basada en el uso de resultados y probabilidades asociadas.

Los árboles de decisión se pueden usar para generar sistemas expertos,

búsquedas binarias y árboles de juegos, los cuales serán explicados
posteriormente.

Las ventajas de un árbol de decisión son:

Resume los ejemplos de partida, permitiendo la clasificación de nuevos casos

siempre y cuando no existan modificaciones sustanciales en las condiciones
bajo las cuales se generaron los ejemplos que sirvieron para su construcción.

Facilita la interpretación de la decisión adoptada. Proporciona un alto grado de

comprensión del conocimiento utilizado en la toma de decisiones. Explica el
comportamiento respecto a una determinada tarea de decisión.

Reduce el número de variables independientes.

18

Es una magnifica herramienta para el control de la gestión empresarial.

Los árboles de decisión se utilizan en cualquier proceso que implique toma de

decisiones, ejemplos de estos procesos son:

Búsqueda binaria. Sistemas expertos.

Árboles de juego

Los árboles de decisión generalmente son binarios, es decir que cuentan con
dos opciones, aunque esto no significa que no puedan existir árboles de tres o
más opciones.

Un árbol de decisión 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
inversión que se tienen en contextos de incertidumbre.

Elaboración del árbol de Decisiones

Daremos inicio a la construcción del Árbol de Decisión escribiendo en la parte
superior, a modo de título, la decisión o el problema que necesitará la toma de
decisiones. Desde el lado izquierdo hacia el derecho se dibujarán líneas que
parten desde un mismo origen que representarán las posibles decisiones a
tomar. Para su construcción es necesario considerar las distintas alternativas o
cursos de acción y los posibles eventos asociados a cada curso de acción.
Dentro de un Árbol de Decisión un cuadrado, significará un punto de decisión,
es decir, el punto desde el cual se fija un curso de acción; y un O significará
los posibles eventos asociados al curso de esa acción. Siguiendo el siguiente
gráfico comprenderemos la estructura del Árbol de Decisiones.

Evaluación del Árbol de Decisión

19

En este momento reconoceremos que opción es la que tiene mayor valor para
la empresa, para ello se deberá otorgar el valor económico 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 decisión tendrá diferentes
probabilidades en cada uno de sus resultados posteriores, por lo que la
sumatoria porcentual de estos resultados de cada decisión tendrá que ser 100%
o en su defecto 1 si se utilizan fracciones, quien elabora el Árbol de
Decisiones podrá elegir cada uno según 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
decisión.

Comenzando por la derecha del Árbol de Decisión 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 decisión.

Al analizar los nodos de decisión, debemos considerar los costos que implica
cada decisión, por ejemplo en decisiones de inversión consideraremos los
costos que esta implica; el valor obtenido de cada nodo de incertidumbre será
restado por el costo que implica cada decisión de esta manera encontraremos
el beneficio que se obtendrá de cada decisión.
En este momento es en el que encontramos el beneficio final y podremos
saber cuál es la mejor alternativa de decisión, como podemos ver en el cuadro
anterior la decisión que genera mejores resultados o beneficios es la
queaparentemente generaba menor valor esperado, de esta manera hemos
encontrado la mejor alternativa de decisión.

Aplicaciones de la técnica de árbol de decisiones . La técnica del Árbol 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 inversión,
reinversión, políticas de créditos y financiamiento a corto y largo plazo.

20

Conclucion:

El análisis de sensibilidad es extremadamente importante porque permite

decisiones dentro de la empresa, como nos dice esta herramienta

¿Qué variable afecta más a nuestra actividad económica?

El proyecto también nos dice qué variables son menos afectar el resultado
final. La propia herramienta nos permite definir las variables que tendrán tener
un gran impacto en nuestros costos o ingresos al permitir la consolidación
variables para obtener resultados que permitan la optimización crear valor
dentro de la empresa. También se debe enfatizar que este método también se
puede utilizar paralas inversiones no son sólo productos de las sociedades
financieras, sino también recomendado en caso de un familiar o amigo
proponernos invertir en un determinado negocio o proyecto nos dejará
algunosingresos futuros.

21