TEMA I.

DECISIÓN EN CONTEXTO DE RIESGO

1. ÁRBOL DE DECISIÓN
Se trata de un diagrama que muestra las decisiones y eventos de
un problema y sus relaciones cronológicas.
La escala temporal avanza de izquierda a derecha, la primera
decisión se muestra en el extremo izquierdo y las posibles
consecuencias de las diferentes alternativas se muestran en el
extremo derecho.
Estructura:
- Ramas (líneas).
 Decisión: muestra elecciones alternativas existentes.
 Eventos: representa perspectiva arriesgada (incierta)
- Nodos de decisión (□): representan las elecciones
alternativas disponibles de ellos salen las ramas de
decisión.

- Nodos de eventos (◯): representan los posibles eventos que

pueden darse.

1.1. Árbol de decisión sin probabilidades

Ejemplo 1. Problema de la comercialización. Una empresa debe
decidir si vender su producto al precio actual o almacenarlo
para venderlo más tarde, cuando espera que el precio sea mayor.
La primera opción no es arriesgada, ya que conoce el precio al
que vendería y puede calcular que quedaría un beneficio de
10.000 euros. Si por el contrario decide almacenar el producto,
incurrirá en un coste adicional de 1.500 euros y venderá más
adelante a un precio incierto.
Expectativas del empresario:
- Si el mercado sigue normal, vender al precio actual y
obtener un beneficio neto de 8.500 €.
- Si el mercado está poco abastecido, obtener un beneficio
neto de 15.000 euros.
¿Qué debe hacer?

Cuando el árbol de decisión carece de probabilidad, remplazamos

cada nodo por el equivalente cierto (EC). Aquella rama con mayor
EC es la decisión optima sin tener en cuenta la aversidad al
riesgo del decisor.
EC: cantidad de dinero que hace que al individuo le sea
indiferente enfrentarse a la lotería o aceptar dicha cantidad
sin incertidumbre.
- Si le ofrecemos 8.500 elegiría la lotería, ya que es el
menor pago a recibir.
- Si le ofrecemos 15.000 elegiría la cantidad segura.
Entre 8.500 y 15.000 hay un valor de la cantidad segura para el
cual se produce un cambio de preferencias (Equivalente Cierto).
Si el EC del empresario para la lotería fuese 9.900 se puede
reemplazar la rama de eventos por un pago seguro de 9.900 o
enfrentarse a la lotería.

Entre una cantidad segura de 10.000 € o una cantidad segura de

9.900 (su EC) el empresario optará por vender ahora en lugar de
almacenar.
 1.2. Árbol de decisión con probabilidades (sin EC)
Cuando desconocemos las preferencias del decisor utilizamos como
criterio el valor esperado de los pagos o pago medio [E(x)] en
lugar del equivalente cierto.

Para ello sustituimos en los nodos el valor esperado.

[E(x)]= 0,75·8.500 + 0,25·15.000 = 10.125€

La decisión optima para el empresario sería en este caso,

almacenar.
Ejemplo II. Apuestas deportivas. Se apuestan 1000€ con
probabilidad de acertar de 1%. Se pueden dar dos eventos:
- Ganar la apuesta: ganancia de 50.000€ - 1.000€ = 49.000€
- Perder la apuesta: ganancia -1.000€

Valor esperado [E(x)]: 0,01·49.000 + 0,99·(-1.000) = -500€

La decisión del individuo es por tanto no apostar.
Con el valor esperado no se tiene en consideración el valor del
riesgo. Es por ello por lo que se recurre a la teoría de la
utilidad esperada.
2. TEORIA DE LA UTILIDAD ESPERADA

2.1. Actitudes frente al riesgo

- Averso al riesgo: función cóncava. Un incremento del

riesgo supone pérdidas de utilidad, es decir a mayor
riesgo menor será el valor de la utilidad esperada
E[U(x)]. PR > 0.
- Neutral al riesgo: función lineal. PR = 0.
- Amante al riesgo: función convexa. PR < 0.

Prima Riesgo = E(x) – EC

¿Cómo determinar la aversidad al riesgo del individuo?
Podemos averiguar como se expone un individuo al riesgo a través
de la utilidad del valor esperado o pago medio U[E(x)].
Si U[E(x)] > E[U(x)] el individuo es averso al riesgo.
Si U[E(x)] < E[U(x)] el individuo es amante del riesgo.
Si U[E(x)] = E[U(x)] el individuo es neutral al riesgo.
2.2. Ejemplos
Ejemplo I. Supongamos que las preferencias de una persona se
representan mediante la función de utilidad U=ln(x). Su
actividad le proporciona los pagos inciertos x1=1.000 y
x2=999.000 cuyas probabilidades son p(x1)=0,5 y p(x2)= 0’5.
Veamos si es aversa al riesgo o no.

 Valor esperado (pago medio) E(x) = 0,5·1.000 + 0,5·999.000

= 500.000
 Utilidad esperada E[U(x)]= 0,5·ln(1.000) +
0,5·ln(999.000)= 10,36
 Utilidad del pago medio U[E(x)]= ln(500.000)= 13,12; por
lo que U[E(x)] > E[U(x)] individuo es averso al riesgo.
Ejemplo II. Supongamos una lotería con pagos x1=10.000.000 y
x2=1.000.000 y probabilidades p(x1)=0,5 y p(x2)=0,5. Supongamos
dos individuos cuyas preferencias se expresan mediante las
funciones de utilidad U=ln(x) y U=x^1/2. Vamos a calcular el
equivalente cierto y la prima de riesgo.
 U = ln(x)

E(x)= 0,5·10.000.000 + 0,5·1.000.000 = 5.500.000

E[U(x)]= 0,5·ln(10.000.000) + 0,5·ln(1.000.000) = 14,97
EC; ln(EC)= 14,97 EC = 3.162.278
PR = E(x) – EC = 5.500.000 – 3.162.278 = 2.337.722

U = x^1/2

E(x)= 0,5·10.000.000 + 0,5·1.000.000 = 5.500.000

E[U(x)]= 0,5·(10.000.000)^1/2 + 0,5·(1.000.000)^1/2 = 2.081,13
EC; (EC)^1/2 = 2.081,13 EC = 4.331.139
PR = 5.500.000 – 4.331.139 = 1.168.861
3. SEGUROS Y LOTERIAS

3.1. Diseño de un seguro

Ejemplo I. Un apicultor tiene sus colmenas en una zona en la que
hay una probabilidad del 10% de que se produzca un golpe de
calor extremo que reduzca su población de abejas y la producción
de miel. En condiciones normales su beneficio sería 10.000 € y
solo 2.000 € si se produce el golpe de calor. El seguro contra
eventos extremos le cuesta 1.200 euros al año y le garantiza una
indemnización de 10.000 €. Su función de utilidad es U=x1/2.
¿Le interesa contratar el seguro? ¿Cuál es la máxima prima que
podría pagar? Analizar si a una empresa aseguradora neutral
frente el riesgo le interesa ofrecer el seguro con la prima
máxima que podría pagar el apicultor.

Alternativas
Probabilida No
Evento Contratar
d contratar
Golpe
0,1 2.000 8.800
calor
No golpe
0,9 10.000 8.800
calor
E(x) 1 9.200 8.800
E[U(x)] 94,47 93,81
EC (mayor) 8.924,98 8.800
(10.000-Prima)^1/2 >= 94,47
Prima <= 1.075€

El agricultor contratará el seguro siempre y cuando la prima sea

igual o inferior a 1.075€.
Estudiamos si a la empresa aseguradora (neutral frente al
riesgo) le conviene ofrecer el seguro con una prima máxima de
1.075 euros:
Probabilida
Evento Pago
d
Golpe 1.075-10.000=
0,1
calor -8.925€
No golpe
0,9 1.075
calor
Beneficio esperado 75

Le interesa ofrecer el seguro a un precio de 1.075 €/año puesto

que la rentabilidad esperada es positiva.

Ejemplo II. Un propietario de tierras está decidiendo si

contrata un seguro de sustitución en caso de avería para su
tractor. El seguro le cuesta 650 euros al año y le garantiza un
tractor de sustitución para cualquier avería que tenga. El
propietario estima en el 10% la probabilidad de que sufra al
menos una avería al año, en el 5% de que sufra al menos dos
averías y en el 2% de que sufra al menos tres averías. También
estima el lucro cesante por no disponer del tractor en una media
de 4.000 euros por avería. Sus tierras generan una riqueza de
25.000 euros anuales y su función de utilidad es U=ln(x).
Analizar si le interesa contratar el seguro y cuál sería prima
máxima que podría pagar.

Alternativas
Probabilida No
Evento Contratar
d contratar
1 avería 0,05 13.000 24.350
2 averías 0,03 17.000 24.350
3 averías 0,02 21.000 24.350
No avería 0,9 25.000 24.350
E(x) 1 24.080 24.350
E[U(x)] 10,08 10,10
EC (mayor) 23.834,22 24.350,00
Ln(25.000-Prima)>= 10,10
Prima <= 820€

El agricultor contratará el seguro si la prima que ha de pagar

es inferior o igual a 820€.
TEMA II. MÉTODOS DE ANÁLISIS Y ELECCIÓN
1. Construcción del modelo
Los modelos son similares a los determinísticos, con la
particularidad de que cada parámetro incierto se sustituye por
su distribución de probabilidades en lugar de ser un valor
único. Pueden construirse mediante hojas de cálculo, software de
planificación…
2. Métodos de análisis probabilístico
Se clasifican en 5 categorías:
- Métodos analíticos u obtención de soluciones algebraicas
exactas: determina matemáticamente la función de
probabilidad de una combinación de variables a partir de
sus distribuciones de probabilidad individuales. Cálculos
complejos, poca aplicación práctica.

- Métodos de propagación del error estadístico: aproximan el

cálculo de los momentos del resultado del modelo
utilizando desarrollos en serie de Taylor. Complejidad de
uso, escaza aplicabilidad.

- Método de los momentos (Varianza-Covarianza): se reemplaza

cada variable por su media y varianza, y utiliza las leyes
de la probabilidad para estimar la media y la varianza del
resultado del modelo.

- Simulación histórica: somete al modelo a variaciones

sufridas por sus componentes en los periodos temporales
anteriores. Frecuente en análisis de riesgos financieros.

- Simulación estadística: Similar a la simulación histórica,

pero en lugar de utilizar los valores históricos de las
variables aleatorias, se generan valores hipotéticos de
las mismas a partir de una distribución que represente su
probabilidad de ocurrencia. Suele ser el método más
apropiado puesto que permite el uso de funciones
matemáticas complejas.

Estos modelos se pueden clasificar también como dos grandes

grupos:

 Métodos “Full valuation”: permiten Métodos analíticos

obtener una distribución de Simulación estadística
probabilidades completa del Simulación histórica
resultado del modelo.

 Métodos paramétricos: solo permiten

determinar algunos de los parámetros Método de los momentos
de localización y dispersión del Método de propagación
del error estadístico
resultado del modelo.
 3. Simulación estadística
Obtiene aleatoriamente valores provenientes de cada distribución
de probabilidad de las variables (un posible escenario) y correr
el modelo para cada uno de los escenarios posibles obtenidos.
Ventajas:

4. Elección entre alternativas

4.1. Dominancia estocástica