Arboles de Decisión y

Modelos de Simulación
de Montecarlo

Módulo 5
Donaldo T Fong

Universidad Latina de Panamá Gestión de Riesgos Financieros 5-1

 Los Árboles de Decisión
• Un árbol de decisión es una
representación visual de una
serie de decisiones que un
gerente enfrenta con relación
a una inversión en particular
• El valor de los arboles de decisión es que
fuerza al analista a pensar una serie de
situaciones de “que pasa si…”, el cual
describe como se reaccionaría en la
medida que el futuro se va desarrollando
Universidad Latina de Panamá Gestión de Riesgos Financieros 5-2
 Los Árboles de Decisión
• Esta técnica ayuda a presentar una
secuencia de decisiones que se
pueden tomar y ofrecen una
comparación en forma de cuadro o de
gráfica que se asemeja a las ramas de
un árbol donde se pone de relieve las
diferencias entre las alternativas de
decisión

Universidad Latina de Panamá Gestión de Riesgos Financieros 5-3

 Video: Los Árboles
de Decisión
1:37 minutos

https://www.youtube.com/watch?v=QXUChpe7WmU
Universidad Latina de Panamá Gestión de Riesgos Financieros 5-4
 Método del Árbol de Decisiones
• Constituye una forma esquemática de representar
los posibles resultados de un proyecto a través de
los años de vida, considerando resultados,
probabilidades de ocurrencia tanto individuales
como condicionada a que conduzcan a
probabilidades conjuntas
• Así se puede llegar a conclusiones
Venta de $12,000 P = 30%
respecto a la probabilidad Venta de $8,000 Venta de $10,000 P = 50%

de que se obtengan P = 60%

Venta de $8,000 P = 20%

diferentes resultados Venta de $12,000 P = 20%

finales Venta de $6,000

P = 40%
Venta de $10,000 P = 30%

Venta de $8,000 P = 50%

Universidad Latina de Panamá Gestión de Riesgos Financieros 5-5

 Método del Árbol de Decisiones
• Cada decisión se representa gráficamente
por un cuadrado con un número dispuesto
en una bifurcación del árbol de decisión
• Cada rama que se origina en este punto
representa una alternativa de acción
• Además de los puntos de decisión, en este
árbol se expresan, mediante círculos, los
sucesos aleatorios que influyen en los
resultados
Universidad Latina de Panamá Gestión de Riesgos Financieros 5-6
 Método del Árbol de Decisiones
• A cada rama que parte de esos sucesos
se le asigna una probabilidad de
ocurrencia
• El árbol representa todas la
combinaciones posibles de decisiones y
sucesos, permitiendo estimar un valor
esperado del resultado final, como un
VPN o utilidad

Universidad Latina de Panamá Gestión de Riesgos Financieros 5-7

 Modelo gráfico del árbol de decisiones
Venta de $12,000 P = 30%
P = 18%

Venta de $8,000 Venta de $10,000 P = 50%

P = 30%
P = 60%
Venta de $8,000 P = 20% P = 12%

Venta de $12,000 P = 20% P = 8%

Venta de $6,000 Venta de $10,000 P = 30% P = 12%

P = 40%
Venta de $8,000 P = 50% P = 20%
100%
¿ Qué probabilidad conjunta se tendrá de que en el
segundo año se obtengan: a) $12,000, b) 10,000 , c) 8,000 ?
Universidad Latina de Panamá Gestión de Riesgos Financieros 5-8
 Video: Los Árboles de Decisión
12:39 minutos

https://www.youtube.com/watch?v=rgAY3fczx1M
Universidad Latina de Panamá Gestión de Riesgos Financieros 5-9
 Ejemplo de Árboles de Decisión
Una empresa de semiconductores está considerando dos
alternativas: (a) ampliar la producción de semiconductores
para la venta a usuarios finales, o (b) ingresar al mercado de
computadores personales altamente competitivo mediante la
tecnología de la empresa. El costo inicial de ambos
proyectos es $60MM

Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 10

 Otra aplicación del
árbol de decisiones
• Suponga que Arcillas del Istmo S.A. estudia el
lanzamiento de un nuevo producto
• Las posibilidades son de introducirlo a nivel
nacional o a nivel metropolitano (Panamá y
Colón)
• Si se decide lanzar en Panamá y Colón, es
posible ampliar el lanzamiento después al nivel
nacional, si el resultado metropolitano así lo
recomendara
• En la siguiente figura representamos un árbol
de decisión para este problema
Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 11
 Aplicación del árbol VPN
de decisiones para Dem alta
4,000
el lanzamiento de Ampliar a
60%
Dem media
C 1,000
un producto nivel nacional 10%
Dem baja (2,000)
Demanda alta 30%
2 Dem alta
2,000
P = 70% Continuar a 60%
Dem media
nivel metrop D
1,500
10%
Dem baja 1,000
30%
Introducción Demanda media P = 10%
A 2,000
metropolitana
Demanda baja P = 20% 1,000
1
Demanda alta P = 50%
5,000
Introducción Demanda media P = 20%
B 100
nacional
Demanda baja P = 30% (3,000)

Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 12

 Aplicación del árbol de decisiones
• Primero se analizan los sucesos de las
alternativas más cercanas al final del árbol
• Calcule el valor esperado de sus VPN y opte
por aquella que proporcione el mayor valor
esperado del VPN
• Por ejemplo, calcule el valor esperado del
suceso “C”, que es el caso de ampliar a
nivel nacional una vez introducido primero
en el área metro (respuesta: VPNc = $1,900)

Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 13

 Otra aplicación del árbol de decisiones
• El caso del valor esperado del suceso “D”, o sea,
continuar a nivel del área metro arroja como
respuesta un VPNd esperado de $1,650
• Por lo tanto es mejor ampliar a nivel nacional, en
vez de quedarse sólo en metro
• La siguiente decisión se refiere a la introducción
inicial, si es a nivel metro, existe un 70%
posibilidades que la demanda sea alta. Si así fuere
el VPN esperado sería de $1,900 ya que
calculamos que la mejor decisión era ampliar a
nivel nacional una vez introducido al nivel metro
(suceso “C”).
Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 14
 Pregunta de aplicación del
árbol de decisiones
• Calcule el valor esperado de proyecto de
introducción inicial del producto en la
región metropolitana solamente (evento A)
• Después calcule el valor esperado de
introducción inicial del producto al nivel
nacional (evento B)
• ¿Cuál sería la mejor decisión? ¿Por qué?

Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 15

 Modelo de Simulación
Monte Carlo

Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 16

 Son aquellos en los que
los resultados se obtienen
utilizando distribuciones de
probabilidad para determinar
datos no disponibles con el fin
de representar la incertidumbre
acerca de un proceso

Modelos probabilísticos
 Modelo de Simulación
Monte Carlo
• Dada las condiciones de constante
cambio que prevalecen en los ambientes
de negocio, la construcción y análisis de
modelos probabilísticos ha cobrado una
mayor relevancia
• Se trata de modelos que utilizan varia-
bles aleatorias y distribuciones de proba-
bilidad para estimar datos no disponibles
y simular diversos escenarios
Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 18
 Video: El Método
Montecarlo 2:40 minutos

https://www.youtube.com/watch?v=RDhN5-KiTo0
Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 19
 Modelo de Simulación
Monte Carlo
• Modelo de simulación para tomar decisiones
en la cual las distribuciones de probabilidad
describen ciertos elementos económicos
• Este método utiliza las distribuciones, que
pueden ser empíricas o teóricas, para
generar resultados aleatorios, los cuales se
combinan con los resultados técnicos-
económicos de un estudio de factibilidad para
tomar decisiones respecto a un proyecto
• Mientras más simulaciones se efectúen, se
espera que el resultado sea más confiable
Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 20
 Modelo de Simulación
Monte Carlo
• Esta técnica de simulación permite definir
valores esperados para variables no
controlables, mediante la selección aleatoria
de valores, donde la probabilidad de elegir
entre todos los resultados posibles está en
estricta relación con sus respectivas
distribuciones de probabilidades
• Ejemplo: supongamos que para un proyecto
las variables inciertas relevantes sean:
1. La demanda global esperada del mercado
2. La participación del mercado del proyecto
Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 21
 Tipos de Demanda
Demanda
del
proyecto
Demanda
global del
mercado

Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 22

Ejemplo de Simulación Monte Carlo
• Supongamos que estudios realizados señalan
que la demanda del mercado y la participación
relativa tienen las siguientes posibilidades:
Participación Probabilidad
Demanda Probabi
global lidad 0.08 0.26
200,000 0.10 0.09 0.22
250,000 0.25 0.10 0.16
300,000 0.35 0.11 0.13
350,000 0.15 0.12 0.10
400,000 0.10 0.13 0.07
450,000 0.05 0.14 0.05
Universidad Latina de Panamá
0.15
Gestión de Riesgos Financieros
0.01 5 - 23
 Ejemplo de Simulación Monte Carlo
• Supongamos además que la demanda global del
mercado está correlacionada con la tasa del
crecimiento de la población, que se estima en 2%
• El precio y los costos asociados con el proyecto
se suponen conocidos y menos inciertos
• El primer paso es expresar matemáticamente el
problema. En este caso, la demanda por año que
enfrenta el proyecto se puede expresar como:
Dp = D g x p
• Donde Dp = demanda del proyecto, Dg a la
demanda global y p el porcentaje de participación
del proyecto
Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 24
 Ejemplo de Simulación Monte Carlo
• El siguiente paso es la especificación de la
distribución de probabilidades de cada variable
• En el ejemplo, las variables que deben
especificar si distribución de probabilidades
son la demanda global del mercado Dg y la
participación relativa del proyecto p.
• En ambos casos se calculará la distribución de
probabilidad acumulada y la asignación de
rangos de números entre 0 y 99 (o sea, 100
números)
• En la siguientes páginas se muestran estos
cálculos para las dos variables del estudio

Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 25

 Tabla para asignación de números
representativos en proporción a la
probabilidad acumulada
Demanda Distrib de Probabilidad Números
global Probabilidad acumulada asignados
200,000 0.10 0.10 0–9
250,000 0.25 0.35 10 - 34
300,000 0.35 0.70 35 – 69
350,000 0.15 0.85 70 – 84
400,000 0.10 0.95 85 – 94
450,000 0.05 1.00 95 - 99

Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 26

Tabla para asignación de números representativos
en proporción a la probabilidad acumulada
Participación
Distrib de Probabilidad Números
en el
Probabilidad acumulada asignados
mercado
0.08 0.26 0.26 0 – 25
0.09 0.22 0.48 26 – 47
0.10 0.16 0.64 48 – 63
0.11 0.13 0.77 64 – 76
0.12 0.10 0.87 77 – 86
0.13 0.07 0.94 87 – 93
0.14 0.05 0.99 94 – 98
0.15 0.01 1.00 99
Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 27
Ejemplo de Simulación Monte Carlo
• El siguiente paso consiste en tomar al azar
números aleatorios, del cual se puede usar una
tabla impresa o generada por Excel
• Si la tabla arroja números aleatorios de 23 para
demanda y 05 para participación del mercado,
la demanda esperada para el 1er año del
proyecto sería:
Dp = 250,000 x 0.08 = 20,000
• El mismo procedimiento se hará un número
suficiente de veces (se recomienda 100) como
para que la probabilidad de elegir entre todos
los resultados posibles , guarde una estrecha
relación con sus distribución de probabilidades
Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 28
Ejemplo de Simulación Monte Carlo
• Si usamos 300 veces, entonces la distribu-
ción arroja los siguientes resultados para
la demanda del proyecto: (asumiendo un
crecimiento del 2% anual)

Año 1 30,831
Año 2 31,447
Año 3 32,076
Año 4 32,718
Año 5 33,372

Universidad Latina de Panamá Gestión de Riesgos Financieros 29

5 - 29
 Video: El Método
Montecarlo
12:30 minutos

https://www.youtube.com/watch?v=-lv2iM47V4Q
Universidad Latina de Panamá Gestión de Riesgos Financieros 5 - 30
 Desventajas del Modelo de Árbol de
Decisiones y la Simulación Monte Carlo

• Ambos requieren asignación de

probabilidades de ocurrencia para los
eventos, cuando en la realidad pudiera
no haber datos o que la realidad sea
algo diferente
• Se conocen como métodos de toma de
decisiones con certidumbre y bajo
riesgo, porque se maneja en base a
probabilidades

Universidad Latina de Panamá Gestión de Riesgos Financieros 31

5 - 31
 Desventajas del Modelo de Árbol de
Decisiones y la Simulación Monte Carlo
• Otros métodos que no se basan en
probabilidades incluyen:
• El Método de la Matriz de Pago
• La Regla de LaPlace (donde se
asume que cada evento tiene la
misma probabilidad de ocurrencia)
• Las Reglas de Maximin y Maximax,
etc.

Universidad Latina de Panamá Gestión de Riesgos Financieros 32

5 - 32
 Fin del Módulo #5

Universidad Latina de Panamá Gestión de Riesgos Financieros 33

5 - 33