Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Gustavo F. Antuña
Introducción
Las decisiones financieras básicas a tomar en una empresa, una vez definidos los objetivos
de la misma, pasan por:
. las inversiones (decidir su emprendimiento, monto y oportunidad)
. el financiamiento (integración y mantenimiento del capital a invertir y su amortización)
. los dividendos (si no fueron considerados parte del financiamiento)
. la administración del capital de trabajo
1 k
Ft
VA t
t a
donde si a=1, el VA es VAB (valor actual bruto) y si a=0, el VA es VAN (valor actual
neto), puesto que la serie incluye en la sumatoria la inversión inicial (o F 0); los Ft (flujos
de fondo de cada período) aparecen en principio como valores determinados de alguna
manera y si el análisis busca determinar rendimientos, resultará de interés trabajar en el
cálculo de k.
Certeza y riesgo
Los conceptos de certeza y riesgo, juntamente con el de incertidumbre, que se verá luego,
resultan la base del análisis buscado. Existe certeza toda vez que se conocen los resultados
que surgirán del juego de las variables analizadas (cuyos valores también resultan dados).
Bajo condiciones de certeza puede asegurarse que cualquier VAN positivo indica
incremento de la riqueza y consecuentemente sella una decisión. Tal es el principio
perseguido como objetivo de las finanzas: maximizar el VAN. 1
Para modelar la incertidumbre de los negocios pueden utilizarse diversos métodos, que
varían en esencia y complejidad, debiendo prestar atención a un concepto: el de riesgo.
Riesgo es el grado de incertidumbre en torno a la ocurrencia de un resultado.2
1
En condiciones de certeza resulta obvio el rendimiento esperado, puesto que será el resultado de la razón
utilidad sobre inversión, por lo que en términos de optimización resultará imposible maximizar resultado alguno.
En tales circunstancias resulta lógico enunciar que el VAN será siempre 0, puesto que la tasa k será por
conocimiento igual a TIR. Para el trabajo, no obstante, puede considerarse el resultado de un VAN positivo como
excedente de las pretensiones del inversor (ver concepto de plusvalía en Teoría del Valor).
2
Riesgo e incertidumbre son conceptos diferentes. Incertidumbre es el desconocimiento sobre eventos futuros, es
ignorancia de los valores que pueden tomar las variables de un modelo, mientras que riesgo es una medida de la
incertidumbre.
Debe tenerse en cuenta que el riesgo es un elemento que puede modelarse para la ecuación
de VA a través de algunos de sus componentes (tasa, flujos de fondos o vida económica) o
considerándolos a todos integralmente con técnicas de simulación o estrategia. En
particular no se tratará el tema de modelación de tasas de rendimiento requerido, que
compete al ámbito de los modelos específicos de “fijación de precios de activos de capital
(CAPM)”, “fijación de precios por arbitraje (APT)” y “costo combinado de capital propio
y ajeno (WACC)”.
Para Laplace una situación de incertidumbre es un caso especial de riesgo en el cual las
probabilidades de ocurrencia de cada evento son iguales. Tal el principio que asume: si
una variable tiene cuatro estados posibles, entonces la probabilidad de ocurrencia de cada
uno en incertidumbre (recuérdese que quien decide la desconoce) es del 25%. Esta regla,
que puede resultar de utilidad en algunos casos, será inaceptable en otros. El hecho de que
quien decide desconozca las probabilidades no implica que los estados diferentes tengan
iguales chances de ocurrir.
3
Debe diferenciarse el concepto de incertidumbre del de ignorancia, donde se desconocen los valores posibles de
las variables.
Este criterio (minimax) sirve de base para el análisis que se verá en Teoría de Juegos.
En los tres últimos casos (maximin, maximax y minimax), el resultado puede variar, hecho
que sólo resulta analizable por la diversidad de riesgo asumible (aversión al riesgo) de
cada inversor.
En dichos casos, los datos pertinentes al análisis se corrigen o analizan con rigor
estadístico pero asignando factores “ciertos” que permiten hallar un único VA o considerar
más de un escenario y actuar en consecuencia.
Pero no siempre resultará útil el uso simple de modelos empíricos. Cuando las variables
importantes deben considerarse enteramente aleatorias, es necesario remitimos a la teoría
de las probabilidades, cuyo propósito fundamental es permitir el uso de lo que se conoce
sobre eventos simples para calcular probabilidades de eventos inciertos más complejos.
Así el mundo de la empresa deberá modelarse siguiendo una de dos opciones estocásticas
(modelos probabilísticos):
4
Los conceptos referidos pueden estudiarse de textos de matemáticas y resultan de aplicación en la construcción
de planillas de cálculo, facilitando la comprensión de muchas de sus funciones.
Enumerar modelos es una tarea estéril, puesto que su creación resulta individual y en
consecuencia existirán tantos como se desee crear. Sin embargo, los más utilizados en
términos generales son:
a- Modificación de los criterios de evaluación
b- Hipótesis extremas
c- Análisis de sensibilidad
El componente n pierde valor relativo en la ecuación cuanto mayor se hace, habida cuenta
de que se trata del exponente de un factor de descuento en una sumatoria de términos de
una progresión geométrica, menor resulta el aporte al VA objetivo buscado.
donde k resulta una función de diversos factores, entre los que se encuentran la tasa natural
de interés, la expectativa de inflación, la preferencia por la liquidez, la prima por riesgo,
etc.
Los valores que arrojan dichos factores pueden variar con el tiempo de modo que:
k i f ii , i , i , i , i
donde ahora el subíndice i indica el período que busca analizarse a tal tasa k.
Con esta especificación, puede ahora construirse un nuevo modelo para la determinación
del VA, tal como se indica:
Ft
VA t
t a
1 k
i 1
i
t
k i
donde i es la tasa libre de riesgo y es la prima por riesgo, determinándose k para cada
período y para cada proyecto de acuerdo a alguno de los métodos de cálculo conocidos.
Cada FF es una partida calculada para un período diferente, pero dicha partida no está
exenta de error. Sin embargo, si se calculara un coeficiente que relacionara el riesgo de
obtener el FF del período con la certeza de que éste ocurra, podría aplicarse tal factor a
cada flujo para estimar un FF corregido a condiciones de certeza.
El coeficiente se obtiene de la relación entre una suma cierta de dinero y una suma
incierta, que puede asumirse como el F del período, de manera que resulte indiferente para
quien decide esperar para la obtención del flujo incierto, que obtener una suma cierta
obviamente inferior a la primera.
$ *t
t
Ft
donde $* es una suma cierta de dinero en cada período, de valor inferior al F de igual
período t, siendo en consecuencia un factor menor a 1.
Si se buscara analizar la tasa interna de retorno (TIR) bastaría con igualar a 0 la ecuación
de VA y despejar k.
n
Ft t
VA 1 TIR
t 0
t
0
La TIR obtenida se compara entonces con la tasa de interés libre de riesgo a los efectos de
decidir, considerando que ambas resultan tasas libres de riesgo, habida cuenta de la
cuantificación que se hace del mismo en los flujos de fondos.
El método consiste en pronosticar valores máximos, medios y mínimos para cada una de
las variables básicas que determinan los flujos de fondo (Ft).
Recordemos que:
TIR Proy. A
Proy. B
Hipótesis
Mínima Media Máxima
TIR Proy. A
Proy. B
Hipótesis
Mínima Media Máxima
Puede retomarse en este análisis las premisas de la TIR, recordando que el individuo más
arriesgado jerarquiza proyectos por este método y no por el de VA.
Como ventaja, este método muestra más de un valor para cada variable del proyecto,
hecho que lleva el análisis hacia la consideración del carácter aleatorio de los componentes
de las funciones, permitiendo analizar más de una medida de rendimiento y dando una idea
aproximada del riesgo asociado a la inversión.
Presenta sin embargo, la dificultad de preparar un cuadro para todos los posibles valores
que pueden asumir las variables.
El método, comentado para interpretación con TIR, también puede elaborarse como
modelo para el análisis de VA.
Análisis de sensibilidad
Al “sensibilizar” las variables del modelo creado (VA) se buscan los puntos extremos
(críticos) que cada componente tiene, para evaluar los resultados de la función objetivo.
k f i, , , ,
Del mismo modo que para el análisis de sensibilidad del VA, podemos trabajar sobre la
sensibilidad de los rendimientos esperados de la inversión, en cuyo cayo la variable en
función de la cual se derivará el VA será k.
Modelos estocásticos
Estos ejemplos, sin embargo, no rechazan el concepto de maximización del VA. Adaptar
este concepto a decisiones bajo riesgo solo exige reconocer que los rendimientos en $ no
siempre reflejan con exactitud el “aspecto atractivo” de los resultados posibles. Pregúntese
si estaría dispuesto a ganar o perder $ 0,10 por lanzar una moneda (seguramente la
mayoría respondería que si). Pero pregúntese ahora si haría lo mismo por $ 10.000 (la
mayoría diría que no). ¿Por qué la diferencia, si el valor esperado de ambos casos es el
mismo? La aversión al riesgo define las cosas: la pérdida de $ 0.10 se compensa con la
ganancia de $ 0.10, más no ocurre lo propio con $ 10.000, perder $ 10.000 puede
significar mucho más que ganarlos.
En modelos estocásticos se manejará este comportamiento con una función que mide el
aspecto atractivo del dinero, llamándola función de utilidad (entendiendo a la utilidad
como una medida de satisfacción).
Utilidad
$
100 350 600
La figura anterior muestra una típica función adversa al riesgo, que presenta dos
características esenciales:
a- es no decreciente, puesto que más dinero siempre es por lo menos igual de
atractivo que menos dinero
b- es cóncava. Un enunciado equivalente es que la utilidad marginal del dinero es no
creciente
$ $
Propensión al riesgo Indiferencia al riesgo
El concepto de función utilidad dará lugar a las posibilidades de trabajo con los modelos
que se pasan a exponer, aunque en esta síntesis se saltee ex profeso la metodología para su
creación. Una función utilidad puede expresarse como sigue:
ux u w x g 1 uw x b
Las funciones creadas pueden analizarse sensibilizando las variables que la componen o a
través del armado y posterior plegado (resolución) de un árbol de decisiones secuenciales.
Simulación de Montecarlo
5
Debe recordarse que para optimizar una función de utilidad se busca despejar las variables (hallar sus extremos)
igualando a 0 la derivada primera de la función en cada variable, identificando su carácter (máximo o mínimo)
por el signo de la derivada segunda de la función original en tal variable (negativo o positivo en cada caso
respectivamente).
Con los resultados obtenidos (con método probabilístico), la decisión a tomar resultará
más acertada desde el punto de vista matemático – estadístico que en cualquiera que se
hubiese tomado por optimización (en métodos determinísticos).
Resulta clara la necesidad de contar para estos procesos con los medios técnicos necesarios
a efectos de cumplir suficientemente la secuencia operativa (sobre todo en la enorme
cantidad de reiteraciones de procesos estocásticos).
Si se avanza un poco más en el razonamiento, puede verse que la realidad puede resultar
modelable como un juego, en el cual los participantes toman decisiones (definidas por un
análisis de estrategias), afectando con ello las respuestas (decisiones) de cada uno de los
demás. Para modelar tal dinamismo e interdependencia, debe remitirse el análisis a la
Teoría de los Juegos.
En esencia es una técnica para tomar decisiones en situaciones de conflicto sobre la base
de la construcción de una matriz formal 7 que permite comprender el conflicto y sus
posibles soluciones.
Su aplicación es apropiada para problemas donde quienes toman las decisiones no poseen
un control completo de los factores que influyen en el resultado, y donde se presentan
influencias y determinaciones mutuas en las actuaciones recíprocas de los individuos
involucrados.
La teoría de juegos tiene una relación muy lejana con la estadística, pero su objetivo no es
el análisis del azar o de los elementos aleatorios, sino el de los comportamientos
estratégicos de los jugadores.
6
La Teoría de Juegos comienza con trabajos de Zermelo (1913), quien muestra que juegos como el ajedrez son
resolubles. Borel (1921) y Von Neumann (1939) en la década de 1920 estudian los equilibrios en juegos de suma
cero, es decir en juegos en los que lo que gana un oponente lo pierde su rival. Pero el primer avance importante
ocurre veinte años después, con la publicación del libro Theory of games and economic behaviour, de Neumann y
Mongenstern, en 1944, que divulgó una formalización general de juegos en su forma extendida y normal,
introdujo el concepto de estrategia en juegos extensivos y propuso aplicaciones. En la década de 1950, en
Princeton, Luce y Raiffa (1957) difunden resultados en un libro introductorio, Kuhn (1953) trabajó en definir el
concepto de información en juegos, Shapley (1953) permitió establecer una forma de atacar los juegos
cooperativos (aquellos en que los jugadores pueden establecer acuerdos para actuar en forma mancomunada), y
finalmente Nash (1950), quien definió el concepto de equilibrio que lleva su nombre, lo que permitió extender la
teoría a juegos no cooperativos más generales que los de suma cero. Entre 1960 y 1980, Harsanyi (1967)
extendió la teoría de juegos a juegos de información incompleta, es decir, aquellos en que los jugadores no
conocen todas las características del juego (por ejemplo no saben lo que obtienen los otros jugadores como
recompensa). Ante la multiplicidad de equilibrios de Nash, muchos de los cuales no eran soluciones razonables al
juego, Selten (1975) definió el concepto de equilibrio perfecto en el sub juego para juegos de información
completa y una generalización para el caso de juegos de información incompleta.
7
La matriz de pago no es la única técnica utilizable. Otras alternativas son las curvas de reacción y los árboles de
decisión secuenciales.
a- Una matriz de pago es una tabla de doble entrada. Los puntos matriciales
definidos por las combinaciones de decisiones representan los posibles resultados
del juego. El primer componente de cada par de números es el pago que recibe el
jugador indicado en la columna si el resultado se ubica en la combinación que
define al punto matricial.
B, estado 1 B, estado 2
A, estado 1 +1, -1 +4, -4
A, estado 2 -3, +3 -1, +1
f- Una estrategia que es mejor respuesta es lo mejor ante una determinada elección
de los demás jugadores. Una estrategia dominante es mejor respuesta ante todas
las estrategias de los demás.
g- Una estrategia puede ser pura o mixta. Una estrategia mixta es una distribución
de probabilidad sobre las mi estrategias del jugador i, que le asigna la
probabilidad i a que el jugador use su estrategia si. Una estrategia pura es un
caso especial de estrategia mixta en el que el jugador le asigna probabilidad 1 a
una de las estrategias.
2 l (0, 1, 7)
R (5, 4, 4)
r
a
1 3
l (2, 1, 2)
L (-1, 5, 6)
1
1 (2, 0, 1)
Dos sospechosos son apresados por la policía tras la ocurrencia de un crimen. En cuartos
separados y sin contacto alguno entre ellos dos comisiones independientes los interpelan y
hacen a ambos el siguiente planteo:
a- si cualquiera de ellos delata a su compañero y aquél no hace lo propio, se le
concederá la libertad al primero y la sentencia para el delatado será de 10 años de
prisión, pero
b- si ambos se delatan, ambos purgarán una sentencia de 9 años
Aún sin contactos que le permitan realizar acuerdos (cosa que la policía se encarga de
mantener), ambos sospechosos saben que, si ninguno de ellos delata al otro, ninguna
autoridad podrá mantenerlos encarcelados más de un año.
B delata B no delata
A delata -9, -9 0, -10
A no delata -10, 0 -1, -1
El dilema del prisionero es un juego de enorme importancia, ya que brinda una explicación
para las dificultades para establecer la cooperación entre agentes económicos, aplicándose
en cualquier situación en la que hacer trampa beneficia a las partes.
Claro que no siempre existe equilibrio en estrategias dominantes, porque no siempre los
jugadores disponen de las mismas, por lo que resulta importante encontrar otro concepto
de solución que sea aplicable a todo tipo de juegos. El problema de este tipo de equilibrio
es que puede haber múltiples equilibrios en un juego, lo que implica que es necesario
poder seleccionar entre ellos.
Este trabajo pretende ser una “síntesis del tratamiento” de riesgo e incertidumbre en
Finanzas de Empresas. Entonces cabe preguntarse hasta dónde llegar en el tratamiento de
esta Teoría.
El buen juicio y el destino final pensado para un curso de grado hacen que se deje aquí
este tema, no por haber llegado al final en la síntesis, sino porque su extensión ameritaría
el desarrollo de un ciclo completo (no de un tema dentro de un programa).
Queda para el interesado seguir buscando respuestas a los interrogantes abiertos y a los
que quedaron sin plantear, que no son pocos...
Conclusiones
El desarrollo de la actividad económica en la vida de quien toma una decisión de tal
carácter, exige comprender resultados a priori para poder optar. Generar modelos (léase
funciones o ecuaciones) presenta la exigencia de simplificar la realidad en pos de hacer
funcional matemáticamente la consecución de un objetivo.
En tal búsqueda, puede optarse por modelos existentes o generarse otros nuevos. Para los
expuestos, existe también la alternativa de modificar sus partes, complementándolos o
restándole complejidad.
Cada método tiene sus limitaciones, sus bondades y sus puntos débiles, y se ajustará a
decisiones diferentes según la naturaleza y magnitud del caso, así como según la
disponibilidad de datos que tenga quien está a cargo de decidir.
La abundancia de opciones no hace otra cosa que reflejar la síntesis de una realidad: al
modelar se generan simplificaciones de la vida real según consideraciones individuales,
por lo que existirán tantas alternativas como deseen crearse.
8
Por supuesto que en la vida real confesar puede no ser dominante, ya que los amigos del sospechoso B pueden
castigar al sospechoso A por violar su palabra. Este no es un problema de la teoría de juegos, sino de nuestra
representación del juego. En este caso, el juego no es el que se mostró, ya que los pagos que recibe el jugador
(sospechoso) al confesar no son los que se muestran en la matriz. Probablemente la estrategia de confesar no sería
dominante en este juego modificado.
La utilización de cada modelo responde a una cuestión vinculada con los siguientes
aspectos:
a- magnitud del capital arriesgado en la decisión
b- número de variables identificables
c- conocimiento / ignorancia de la aleatoriedad de las variables
d- complejidad de las vinculaciones entre variables
e- riesgo del proyecto
Para aquellos casos en que resulte posible modelar una función susceptible de ser
maximizada, la optimización es un proceso matemático que arroja un valor susceptible de
analizarse para la toma de una decisión.
Pero en otras ocasiones, cuando se torne difícil o imposible obtener modelos analíticos,
por factores de complicación (como la demanda aleatoria), o si tales modelos sólo
predicen un comportamiento promedio (steady state), sin comprender la variabilidad
posible en las medidas de desempeño a corto plazo, existe una buena cantidad de sistemas
para PC que facilitan la tarea de aplicar modelos más complejos, como los basados en
teoría de decisiones o en teoría de juegos.
Pensar en el trabajo de quienes, sin otros elementos que una pluma y un papel, hace más
de cien años, desarrollaron mucho de los fundamentos (cuando no todos) que permitieron
elaborar los modelos matemáticos que hoy se exponen, da lugar al asombro, y al respeto.
Una planilla de cálculo como Microsoft Excel o Lotus constituye una herramienta
fundamental. La misma es una matriz de grandes proporciones en la cual se pueden
establecer relaciones entre celdas respetando prácticamente todas las funciones
matemáticas y estadísticas conocidas. Pero lo realmente potente en este programa
aplicativo son sus “Herramientas” propias:
a- Buscar objetivo: con esta función puede solicitarse el valor de una variable
(celda) que satisface una relación respecto de otra
b- Solver: función que permite la búsqueda del valor de una o más variables (celdas)
con restricciones de igualdad / desigualdad u otras (que se indican especialmente)
para cumplir un objetivo de maximizar, minimizar o hallar un valor para otra
variable (celda)
Las breves nociones expuestas no son más que eso, apenas la punta (si es que merecen
adquirir semejante calificativo) del iceberg enorme que estos temas conllevan. Resulta
difícil desarrollar el contenido de tantos temas en tan poco espacio. Pero ese era el reto.
Bibliografía
Axelrod, R. (1984). The evolution of cooperation. New York: Basic Books
Debreu, Gerard. (1973). Teoría del valor. Barcelona, Bosch, Casa Editorial.
Ross, Westerfield & Jaffe. (1996). Corporate Finance – Fourth Edition. Chicago,
Irwin.