Sesión 4.

1
Análisis de Riesgo en los Proyectos
Jesús E. Núñez, M.Sc.
Entonces, al depender completamente de los
valores únicos como insumos, implícitamente
se supone que los valores utilizados en la
evaluación son ciertos.

Y el resultado del proyecto se presenta con

una certidumbre sin ninguna varianza posible
o margen de error relacionado con el proyecto.
Tomando en cuenta lo anterior, un análisis de
evaluación de proyectos se complementa con
las pruebas de análisis de escenarios y
sensibilidad.

El análisis de sensibilidad implica cambiar el

valor de una variable a fin de poner a prueba
su impacto sobre el resultado final. Por lo
tanto se utiliza para identificar las variables
más importantes y altamente sensibles del
proyecto.
El análisis de escenarios corrige una de las
deficiencias del análisis de sensibilidad (si solo
cambiamos el valor de una variable, esta puede estar correlacionada con
ya que permite el cambio
otra variable)
“simultáneo” de los valores de un número de
variables clave.
En pocas palabras, el Análisis de Riesgos utiliza
información para describir en forma
cuantitativa la incertidumbre que caracteriza
las variables clave del proyecto como
distribuciones de probabilidades y para
calcular de manera consistente su posible
impacto sobre el rendimiento esperado del
proyecto.
El resultado de un análisis de riesgos no es un
valor único, sino una distribución de
probabilidades de todos los rendimientos
esperados posibles. Por lo tanto, al
inversionista potencial se le brinda un perfil
completo de riesgo/rendimiento del proyecto,
que muestra todos los resultados posibles que
podrían resultar de la decisión de invertir su
dinero en un proyecto particular.
El análisis de riesgos no es un sustituto de la
metodología normal de la evaluación de
inversiones, sino que más bien, es un
instrumento que mejora sus resultados.

Un buen modelo de evaluación es una base

necesaria sobre la cual establecer una
simulación significativa.
Es una técnica mediante la cual el modelo
matemático está sujeto a varias ejecuciones de
simulación, se construyen escenarios sucesivos que
utilizan los valores de los insumos para las variables
inciertas clave del proyecto que se seleccionan de las
distribuciones de probabilidades de valores múltiples.

Sin embargo, se controla la simulación para que la

distribución de probabilidades de las variables no
violen las correlaciones existentes entre variables.
 El proceso lo podemos desglosar en las
siguientes etapas:

Modelo de Variables de Distribución de Distribución de

Pronósticos Riesgo Probabilidades Probabilidades
(Paso 1) (Paso 2)

Análisis de Series de Condiciones

Resultados Simulación de Correlación
 Veamos el Primer Paso:

Modelo de Variables de Distribución de Distribución de

Pronósticos Riesgo Probabilidades Probabilidades
(Paso 1) (Paso 2)

Análisis de Series de Condiciones

Resultados Simulación de Correlación
En este paso el objetivo es preparar un modelo
capaz de predecir la realidad

Es un conjunto de formulas que procesan

diferentes variables de entrada para llegar a un
resultado (exactamente las hojas de Excel con las proyecciones de
Flujos que han hecho hasta el momento a lo largo del curso)
Veamos un ejemplo sencillo (donde no hay inversión de capital inicial
o valores residuales, para simplificarlo digamos que es un proyecto de
“Vender Pasteles de Manzana en las Olimpiadas” (un evento único):

V1 Precio de Venta 12
V2 Volumen de Ventas 100
Total de Ingresos 1,200 F1 = V1 x V2
Materiales 300 F2 = V2 x V4
Salarios 400 F3 = V2 x V5
V3 Gastos 200
Total de Egresos 900 F4 = F2 + F3 + V3
Flujo de Caja Neto 300 F5 = F1 – F4
Supuestos
Pertinentes:
V4 Costo de materiales 3.00
por unidad
V5 Salarios por unidad 4.00
 Veamos el Segundo Paso:

Modelo de Variables de Distribución de Distribución de

Pronósticos Riesgo Probabilidades Probabilidades
(Paso 1) (Paso 2)

Análisis de Series de Condiciones

Resultados Simulación de Correlación
Esta segunda etapa consiste en detectar las
“Variables de Riesgo” o “Clave” del modelo.

Una Variable de Riesgo se define como una

variable que es decisiva para la viabilidad del
proyecto, en el sentido de que una pequeña
desviación de su valor es probable y
potencialmente dañina para el valor del
proyecto.
¿Cómo las seleccionamos?

Vamos a aplicar el Análisis de Sensibilidad e

Incertidumbre

Este análisis lo que hace es medir la

sensibilidad del resultado del proyecto con
respecto a un cambio en el valor de una
variable dada del proyecto.
Debemos tener cuidado y tomar en cuenta al
utilizar este análisis, que no existen reglas para
medir hasta que punto un cambio en el valor
de una variable evalúa su impacto sobre el
resultado proyectado.

Por ejemplo es muy probable un aumento del

10% en los costos de la mano de obra,
mientras que un 10% en las ventas es menos
probable.
Debemos ser realistas al analizar cada variable.

Incluyendo un poco la incertidumbre en este

análisis, debemos tomar en cuenta que una
variable con alta incertidumbre no debe
incluirse en el análisis de probabilidades, a
menos que su impacto sobre el resultado del
proyecto, dentro de los márgenes esperados
de incertidumbre, sea significativo.
No debemos incluir tampoco tantas variables,
porque entre más distribuciones de
probabilidades tengamos, más será la
probabilidad de generar escenarios
inconsistentes.

Además resultaría muy costoso ponerse a

analizar cada variable aunque sea de bajo
impacto y comenzar a buscar su correlación
con las demás.
Volviendo a nuestro ejemplo, vamos a determinar como
Variables de Riesgo 3:

1. Precio de Venta
2. Volumen de Ventas
3. Costo de los Materiales por Unidad

El Precio y el Volumen ya que se espera que estos serán

determinados por la oferta y la demanda en el momento en
que opere el proyecto.
El Costo de los materiales por unidad porque el precio de las
manzanas (el principal material a utilizarse) podría variar
sustancialmente dependiendo del mercado en el momento de
la compra.
 Haciendo una pequeña prueba:
V1 Precio de Venta 12 15
V2 Volumen de Ventas 100 100
Total de Ingresos 1,200 1,500 F1 = V1 x V2
Materiales 300 300 F2 = V2 x V4
Salarios 400 400 F3 = V2 x V5
V3 Gastos 200 200
Total de Egresos 900 900 F4 = F2 + F3 + V3
Flujo de Caja Neto 300 600 100% F5 = F1 – F4
Supuestos
Pertinentes:
V4 Costo de materiales 3.00 3.00
por unidad
V5 Salarios por unidad 4.00 4.00
 Veamos el Tercer Paso:

Modelo de Variables de Distribución de Distribución de

Pronósticos Riesgo Probabilidades Probabilidades
(Paso 1) (Paso 2)

Análisis de Series de Condiciones

Resultados Simulación de Correlación
En este paso el objetivo es definir los límites
de rango para posibles valores de variables.

El nivel de variación posible para cada variable

de riesgo identificada se especifica
estableciendo límites (Valores Máximos y
Mínimos)
Por lo tanto se define un rango de posibles
valores para cada variable de riesgo que
establece límites en torno al valor que podría
asumir una variable proyectada.

Esto pareciera ser más complicado de lo que

en realidad es, ya que gran parte de este
trabajo se hizo al momento en que se definió
el Valor Único que se colocó en el Modelo.
¿Cómo llegamos a ese Valor Único?

Tuvimos que haber tenido más de un valor

probable antes de seleccionarlo.
Cuando hay datos disponibles, la definición de
los límites de rango para variables de un
proyecto es un procedimiento simple que
consiste en procesar los datos para llegar a una
distribución de probabilidades.
 Por ejemplo podemos organizarlas en una forma de
una distribución de frecuencia:
MAXIMO
1

1 5 .5
3 .3
MINIMO
1 1 .1 .1

Tiempo
Mínimo Máximo Mínimo Máximo

Valores de las
Variables Frecuencia Probabilidad
Sin embargo, es raro que podamos obtener
este tipo de información cuantitativa.

Entonces se sugiere buscar con expertos en el

área opciones de valores probables que según
su conocimiento pueden ser probables a
ocurrir.
Para nuestro ejemplo estos son los rangos de
las variables clave:

- Precio de Ventas (oscilará entre 8 y 16)

- Volumen de Ventas (oscilará entre 70 y 130)
- Costo de Materiales por Unidad (oscilará
entre 2 y 4)
 Veamos el Cuarto Paso:

Modelo de Variables de Distribución de Distribución de

Pronósticos Riesgo Probabilidades Probabilidades
(Paso 1) (Paso 2)

Análisis de Series de Condiciones

Resultados Simulación de Correlación
Cada valor dentro de los limites de rango
definidos tiene la misma oportunidad de
suceder. Las distribuciones de probabilidades
se utilizan para regular las probabilidades de
selección de valores dentro de los rangos
definidos.
La evaluación convencional de inversiones
utiliza un tipo particular de distribución de
probabilidades para todas las variables de un
proyecto que se incluyen en el modelo de
evaluación

Se le llama distribución determinista y es una

distribución que asigna todas las
probabilidades a un único valor
 Distribución Determinista:
Probabilidad
MAXIMO
1

Se calcula una medida

de resumen: la Moda,
el Promedio o un
Estimado Conservador

MINIMO

Tiempo
Valor de la Variable

Valores de las
Variables
Pero el análisis de riesgos utiliza la información
incluida dentro de las distribuciones de
probabilidades de valores múltiples.
 Primero tenemos las distribuciones simétricas, que
son las que asignan las probabilidades en forma
simétrica a lo largo del rango definido pero con
diferentes grados de concentración hacia los valores
medios
Probabilidad Probabilidad Probabilidad

Normal
Uniforme Triangular

Min Max Min Max Min Max

Estas por lo general se usan cuando el
resultado final de la variable del proyecto es
probablemente determinada por la
interrelación de fuerzas contrarias igualmente
importantes a ambos lados de los límites de
rango definidos.

Por ejemplo el precio de venta de un producto

en un mercado competitivo (nuestro ejemplo
de los pasteles de manzana)
Pero también están las distribuciones
asimétricas o escalonadas, que son
particularmente útiles cuando abunda la
opinión de expertos:
Probabilidad

Escalonada

Min Max
Para nuestro ejemplo estas son las
distribuciones de probabilidades de ocurrencia
dentro de los rangos definidos:

- Precio de Ventas (Distribución Normal)

- Volumen de Ventas (Distribución Normal)
- Costo de Materiales por Unidad (Distribución
Normal)
 Veamos el Quinto Paso:

Modelo de Variables de Distribución de Distribución de

Pronósticos Riesgo Probabilidades Probabilidades
(Paso 1) (Paso 2)

Análisis de Series de Condiciones de

Resultados Simulación Correlación
Se dice que dos o más variables están
correlacionadas si tienden a variar juntas de
una manera sistemática.

Por ejemplo el nivel de costo aumentaría el

precio de venta, así como el precio de venta
afecta el volumen de ventas.
Si nosotros no definimos estas correlaciones,
entonces el sistema aleatoriamente asigna
valores a las variables dentro de sus rangos
permitidos, pero podría romper con la
correlación entre ellas.

Por ejemplo que el simulador suba el precio y

aumente también el volumen de ventas.
Una manera de abordar el problema de las
correlaciones en una aplicación de análisis de
riesgos, es utilizar el coeficiente de correlación
como indicación, o sustituto, entre la relación
entre las dos variables.
Tenemos dos variables en nuestro ejemplo: el
precio de venta y el volumen de ventas

¿La relación entre ellas es positiva o negativa?

 Es Negativa, porque si el precio sube el
volumen baja (o sea que se comporta de
manera contraria)
Se define una de las variables como
independiente y la otra como dependiente:

En este caso el precio será la variable

independiente y el volumen será la
dependiente (o sea el volumen dependerá del
precio)
Ahora, debemos preparar un cuadro con distintos
posibles escenarios para ambas variables, por
ejemplo en base al estudio de mercado que se hizo,
podamos concluir los siguientes escenarios:
# Escenario Precio Volúmen
1 9 115
2 10 109
3 11 104
4 12 100
5 13 100
6 14 100
7 15 70
Y procedemos a realizar el cálculo del Índice de
Correlación en Excel de la siguiente manera:

Paso 1. Irse a Fórmulas, y luego a “Insertar

Función”
Paso 2. Seleccionar en la categoría de funciones
“Estadísticas” la opción PEARSON
Paso 3. Seleccionar los datos para la Variable
Independiente, en nuestro ejemplo: PRECIO
Paso 4. Seleccionar los datos para la Variable
Dependiente, en nuestro ejemplo: VOLUMEN
Paso 5. Dar click en Aceptar y deberá aparecer
el Índice de Correlación
 Veamos el Sexto Paso:

Modelo de Variables de Distribución de Distribución de

Pronósticos Riesgo Probabilidades Probabilidades
(Paso 1) (Paso 2)

Análisis de Series de Condiciones

Resultados Simulación de Correlación
En esta etapa se ejecuta el programa para que
realiza las simulaciones, o sea que vaya
creando diferentes posibles escenarios y vaya
registrando el resultado de cada uno (Valor
Presente Neto, Tasa Interna de Retorno o
simplemente el Flujo de Caja Neto como en
nuestro ejemplo)
 Por Ejemplo:
Precio de Venta 12
Volumen de Ventas 100
Precio de Venta 9
Total de Ingresos 1,200
Volumen de Ventas 110
Materiales 300
Total de Ingresos 990
Salarios 400
Materiales 440
Gastos 200
Salarios 400
Total de Egresos 900
Gastos 200
Flujo de Caja Neto 300
Total de Egresos 1,040
Supuestos Pertinentes:
Flujo de Caja Neto -50
Costo de materiales por 3.00
Supuestos Pertinentes:
unidad
Costo de materiales por 4.00
Salarios por unidad 4.00
unidad
Salarios por unidad 4.00
…..
 Veamos el Séptimo Paso:

Modelo de Variables de Distribución de Distribución de

Pronósticos Riesgo Probabilidades Probabilidades
(Paso 1) (Paso 2)

Análisis de Series de Condiciones

Resultados Simulación de Correlación
En esta ultima etapa, lo único y más importante que
queda es analizar los resultados generados por la
simulación.

Por ejemplo, si hicimos 400 simulaciones y en 100 el

Flujo de Caja Neto salió negativo, quiere decir que
(100/400 = 0.25) hay un 25% de probabilidades de que el
flujo del proyecto sea negativo tomando en cuenta
los riesgos implícitos en el proyecto.
 Ver Videos Relacionados:
(Ojo a los tips)

 Análisis de Escenarios
http://www.youtube.com/watch?v=wB-
PJ3Sqtac&feature=relmfu

 Análisis de Sensibilidad
http://www.youtube.com/watch?v=22WAAnPH600&fea
ture=relmfu
Simulación de Monte Carlo
 Utilice software:
@RISK realiza análisis de riesgo utilizando simulación de
Monte Carlo para mostrar una gran cantidad de
escenarios posibles en su hoja Excel; también le dice
qué tan factibles son estos escenarios.

http://www.palisade-lta.com/risk/

http://www.palisade-lta.com/risk/5/tips/es/gs/0.asp