Riesgo Chile2007

ILPES: XII CURSO INTERNACIONAL DE PREPARACION Y
EVALUACION DE PROYECTOS DE INVERSION PUBLICA
ANÁLISIS DE RIESGO
Lic. CLAUDIA NERINA BOTTEON

Octubre 2007
I- RIESGO EN EVALUACIÓN DE PROYECTOS
EL RIESGO EN LA EVALUACIÓN DE PROYECTOS
Hasta este momento, se ha supuesto que se conocen con certeza los valores
futuros de las variables relevantes.
Al momento de hacer la evaluación, suele existir desconocimiento sobre

muchos aspectos relacionados con el proyecto, como por ejemplo:
• La evolución de la economía local, nacional e internacional.
• Los tiempos y el monto a invertir en el proyecto.
• La obsolescencia de la tecnología.
• Las modificaciones en la moda.
• Los factores climáticos que afectan las cosechas.
• Los cambios en las regulaciones y/o en las políticas de la actividad.
• Etc.
Todo ello puede afectar el valor de los indicadores de rentabilidad.
Se hace necesario considerar el riesgo en la evaluación de proyectos.

Ciertas o no aleatorias:
Su valor se conoce con certidumbre en
el momento de tomar la decisión
Variables que inciden en acerca de la conveniencia de la
los indicadores de ejecución del proyecto.
rentabilidad:
Aleatorias:
Su valor no es conocido con exactitud.
Son las que dan origen al riesgo

asociado a un proyecto.
¿Qué es el riesgo desde el punto de vista de un

proyecto?
Es la variabilidad de su rentabilidad medida a través de

alguno de sus indicadores (VAN, TIR, etc..)
A mayor variabilidad mayor riesgo

Al considerar el riesgo se suelen distinguir dos casos:
El riesgo propiamente dicho:
Se refiere a situaciones en las que se conoce la probabilidad de

ocurrencia de un evento particular.
Por ejemplo, la probabilidad de que en una determinada zona

caiga granizo.
La incertidumbre:
Se refiere a situaciones en las que no se conoce la probabilidad

de ocurrencia.
Por ejemplo, es difícil conocer la probabilidad de que aparezca

una nueva tecnología para producir cierto bien.
¿Cómo puede medirse el riesgo?
MÉTODOS QUE PERMITEN “EXPLICITAR” EL RIESGO Y

TENERLO EN CUENTA EN LA DECISIÓN
Como ninguno de los métodos es perfecto

suelen utilizarse en forma complementaria
NO LO ELIMINAN, LO PONEN DE MANIFIESTO

NO SON PERFECTOS (usan información histórica)
II- RIESGOS ASEGURABLES
RIESGOS ASEGURABLES
Situaciones como incendio, robo, accidentes, etc.
Debe tenerse en cuenta si el dueño del proyecto está

dispuesto o no a pagar por evitarlo:
• Si está dispuesto a pagar, simplemente se incluye la prima

de seguro entre los costos del proyecto, con lo cual se
transforma en una situación cierta para él, dado que el riesgo
lo asume la empresa aseguradora.
• Si no está dispuesto a pagar, él mismo asume el riesgo, por

lo cual pueden utilizarse algunos de los métodos que luego se
exponen.
Lo mismo ocurre, aunque parcialmente, cuando el empresario

está dispuesto a contratar un seguro pero éste no cubre el
riesgo en su totalidad.
III- EVALUACIÓN DETERMINISTICA
EVALUACIÓN DETERMINÍSTICA
¿En qué consiste la evaluación determinística?
Considera: EL VALOR “ESPERADO” DE CADA VARIABLE
Ej.: precio del bien X está entre $ 40 y $ 50, pero su

valor más probable es $ 46.
En la evaluación se considera $ 46
¿Qué resulta de esta evaluación?
Los INDICADORES DE RENTABILIDAD son
VALORES ESPERADOS
Ejemplo sencillo
Flujo de beneficios y costos del proyecto
VAN esperado del proyecto = $ 8.750,30

¿Cuándo es poco recomendable el uso de

esta metodología?
En situaciones en las que existe un alto grado de

riesgo por las siguientes razones:
- No necesariamente la variable va a tener un solo valor más probable.
Incluso podría ocurrir el caso de que todos los valores probables tuviesen la
misma probabilidad de ocurrencia.
- Aún cuando pueda estimarse correctamente el valor más

probable, esto no implica que sea el que va a adoptar la
variable en cuestión.
- Aún de existir un único valor más probable, en muchos casos es

muy difícil poder estimarlo con un grado de exactitud adecuado.
III- MÉTODOS QUE NO CONSIDERAN LA
PROBABILIDAD DE OCURRENCIA
NO CONSIDERAN PROBABILIDAD
¿Cuáles son los métodos que no

consideran la probabilidad de ocurrencia
más usados?
• Determinación de las variables críticas
• Punto de nivelación
• Análisis de sensibilidad
• Análisis de escenarios
Complementarios entre sí
Determinación de las variables críticas
Para cada una de las variables que inciden en el VAN

se estima:
• La elasticidad del VAN respecto de cada variable.

• La variabilidad de esa variable.
• El indicador de variable crítica.

La elasticidad del VAN respecto de la variable Y
VAN
E VAN,Y  VAN
Y
Y

EVAN,Y indica:
Cuán sensible es el VAN a los cambios en esa variable
VAN
Si Y es el precio del bien y
EVAN,Y  VAN  3 se incrementa en un 1%, el
Y VAN lo hará en un 3%.
Y
Cálculo: Elasticidad del VAN respecto de la inversión inicial
Inversión considerada en evaluación = $ 50.000

VAN = $ 8.750,30
Si ocurriera un aumento del 10% de la inversión

Inversión aumenta a = $ 55.000
Nuevo VAN = $ 3.898,45
VAN 3.898,45  8.750,30
VAN 8.750,30
E VAN,Inversión    5,54
I 55.000  50.000
I 50.000
Elasticidad del VAN respecto de la inversión inicial
VAN
EVAN,Inversión VAN  5,54
I
I
Es negativa, dado que la inversión es un
costo: si aumenta, el VAN disminuye.
Su valor indica que si la inversión total

aumenta en un 1%, el VAN disminuye en un
5,54%.
Elasticidad del VAN respecto de la inversión inicial
La relación entre el VAN y la

variable inversión total es lineal
Elasticidad del VAN respecto de la tasa de descuento
La relación entre el VAN y la

variable tasa de descuento no
es lineal

Variabilidad de la variable Y
Existen varias formas de medir la variabilidad de una

variable aleatoria Y:
 Rango de variación de la variable o recorrido, en

términos porcentuales
 Coeficiente de variación (CVY), definido como la

desviación estándar (Y) sobre la media (Y)

 Rango de variación de la variable o recorrido, en

términos porcentuales:
Ejemplo, si el precio esperado de Y es $ 100 y puede variar

entre $ 90 y $ 110, entonces:
El precio es $ 100 más/menos 10%
El rango de variación es del 10% del valor medio.


 El coeficiente de variación (CVY), definido como
la desviación estándar (Y) sobre la media (Y):
Y
CVY 
Y
m m
Y i1
Yi  A i Y   i
(Y
i1
 Y)2
 Ai
Yi son los valores que puede asumir la variable Y

Ai es la probabilidad de ocurrencia correspondiente al valor Yi

Y
 El coeficiente de variación CVY 
Y
Si la variable Y se distribuye como normal
El 68,27% de los valores que asume Y están incluidos dentro

del intervalo: Media ± .
Si el CV = 0,2, el 68,27% de los valores de la variable cae en

el intervalo Media ± 20% sobre la Media.
Indicador = EVAN,Y ∙ Medida de la variabilidad de Y
Interpretación con respecto de la cantidad (X):
El indicador refleja el cambio porcentual máximo

del VAN debido a la variación de X.

Indicador de variable crítica

(utilizando el Coeficiente de Variación)
Hay que conocer:
• la distribución de probabilidades de la variable o
• los parámetros que definen la distribución.




Interpretación:
La variación del VAN debido a variaciones en X

será del 59,75% en el 68,27% de los casos.
APLICACIÓN
La empresa concedente de una franquicia normalmente impone un
conjunto de condiciones: tamaño mínimo del local de ventas, la cantidad
de bienes en existencia, el porcentaje de comercialización, el porcentaje
del ingreso por ventas a cobrar, etc. Algunas condiciones pueden ser
negociables por el concesionario.
Supóngase que existe la posibilidad de negociar los valores

de dos variables: tamaño del local y porcentaje de las
ventas a pagar a la empresa concedente.
Es preferible lograr una reducción del 1% en el porcentaje a

pagar (con el cual se logra un aumento del VAN en 20%),
que una reducción del 10% en el tamaño del local (con lo
cual se logra un aumento del VAN en 5%).
Punto de nivelación de una variable
Para cada una de las variables se puede determinar su:
• Valor mínimo (en caso que incidan en forma positiva).
• Valor máximo (en caso que incidan en forma negativa).

VAN = 0
Precio mínimo = $ 5,59

Cantidad mínima = 8.083
Suponen que el resto de las variables asumen sus

valores medios.
También es posible encontrar:
Combinaciones de precios y cantidad que hacen cero el VAN
Combinaciones de precio y cantidad que hacen

VAN = 0
6,00
5,90
Pr e cio 5,80
5,70
5,60
5,50
5,40
5,30
8.200 8.400 8.600 8.800 9.000 9.200
Cantidad anual
La función es decreciente, debido a que cuando la cantidad aumenta, se

requiere un precio de venta menor para seguir manteniendo el mismo VAN.
APLICACIÓN
• Este procedimiento se suele utilizar cuando el valor de una variable

importante para el proyecto es desconocido.
Por ejemplo, hace algunos años la Municipalidad de la Ciudad de Mendoza

se planteó la conveniencia de privatizar el servicio público de recolección
de residuos, y no se disponía de ninguna información sobre el precio que
podría cobrar una empresa para prestar el servicio. Entonces se estimó el
máximo canon mensual que haría de la privatización un buen negocio para
la Municipalidad.
 Este análisis suele ser útil es cuando se está estudiando el proyecto a

nivel de idea o de perfil y no se ha hecho el estudio de mercado, por lo
cual no se dispone de estimaciones del precio de venta del bien a
producir.
Se calcula entonces el mínimo precio al cual debe venderse cada unidad

para que sea conveniente ejecutar el proyecto. Si el precio mínimo
resultante es indudablemente mayor que el esperado, se puede afirmar
que no es conveniente la ejecución del proyecto.
Análisis de sensibilidad
Efectos que producen sobre el VAN las variaciones en los

valores de las variables
Para elegir las variables con las cuales se hará el análisis

de sensibilidad es útil determinar previamente cuáles son
las más críticas para el proyecto.
Una de las variables muy utilizada en este tipo de análisis

es la tasa de descuento, debido principalmente a las
dificultades en la determinación de su valor.
Efectos que producen sobre el VAN las variaciones en

los valores de las variables
Es necesario elegir rangos de variación

“razonables” para cada variable, acordes con la
información disponible.
Si, como se supuso en el análisis de las variables críticas,

el coeficiente de variación de la cantidad (X) es igual a
0,0608, se sabe que el 68,27% de los casos estará entre
Media ±  : 8.453 y 9.547 unidades.
Dado que esto no abarca la totalidad de los casos, a
continuación se realiza el análisis de sensibilidad para
cantidades entre 8.000 y 10.000 unidades anuales.
Efectos que producen sobre el VAN las variaciones en los
valores de las variables
PARA UNA VARIABLE (X)
Sensibilidad del VAN a la cantidad anual vendida
19000
14000
VAN
9000
4000
-1000
8000 8400 8800 9200 9600 10000
Cantidad anual vendida
PARA DOS VARIABLES
Sensibilidad del VAN a la cantidad y al precio

Sensibilidad del VAN a la tasa de descuento
TIR =15,25%
Sensibilidad del VAN a la duración de la fase de inversión
VAN = $ 8.750,30 VAN = $ 6.277,72

TIR = 15,25% TIR = 12,48%
La disminución en el VAN es de un 28,26% en

relación con el originalmente calculado
APLICACIÓN
Si lo que se quiere es determinar la rentabilidad de un

proyecto que consiste en plantar trigo y se conocen los
niveles de producción de los últimos 6 años, los cuales
están directamente relacionados con los niveles de
lluvia, se puede calcular los VAN correspondientes a los
ingresos obtenidos con esas producciones.
Si bien el proyecto es “en

promedio” rentable, un nivel de
precipitaciones como el del año
2004 haría incurrir en una pérdida
VENTAJAS
El análisis de sensibilidad permite visualizar la forma en que

cada variable incide en el VAN del proyecto y se dispone de
más información sobre los probables resultados del proyecto.
Por ejemplo, si se sensibiliza el VAN respecto de la cantidad

producida anualmente y del precio de venta del bien, se
pueden identificar los rangos de combinaciones de valores de
esas variables que permiten obtener VAN positivos. Si se
piensa que esas combinaciones son razonables, puede
concluirse que la ejecución del proyecto es conveniente,
mientras que si no es así, se plantean dudas sobre su
conveniencia.
LIMITACIONES
• Pueden presentarse dificultades al definir los rangos dentro

de los cuales puede variar cada variable. Si previamente se
han determinado las variables críticas, esos rangos deberán
ser coherentes con el indicador de variabilidad de cada
variable.
• En algunos proyectos existen relaciones entre las variables

que influyen en los indicadores de rentabilidad. Por ejemplo,
la cantidad de agua disponible para riego afecta la producción
de uva, pero si se cosecha poca uva su precio puede ser más
alto. En estos casos, es necesario considerar las posibles
relaciones entre esas variables.
Análisis de escenarios
CONJUNTO DE SITUACIONES
POSIBLES
Combinan en forma coherente las

variables más críticas
• Escenario Optimista
• Escenario Pesimista
• Escenario Original (Promedio)
APLICACION
En el ejemplo del trigo: existe correlación positiva entre

el nivel de precipitaciones y el volumen de cosechas y
negativa con el precio del trigo.
Se pueden construir 3 escenarios: pesimista (con lo
observado en el 2004), optimista (con lo del 2005) y
promedio (con lo correspondiente a los 6 años)
Los resultados difieren de los del

análisis de sensibilidad.
Recordar: en aquel se trabaja
variando los niveles de cosecha
pero manteniendo estable el precio.
APLICACION
Este método suele ser muy útil cuando se plantea

originalmente un escenario, pero el evaluador no está
seguro sobre su certeza.
Unos años atrás se utilizó al evaluar el proyecto de
pasar el Casino de Mendoza, que estaba bajo la órbita
estatal, a manos de los empleados. En ese momento se
estaba instalando en la Provincia otro casino, con lo
cual el estatal pasaba a tener competencia, y no se
conocía en qué medida esto podría afectar sus ventas.
Se supusieron escenarios alternativos con relación al
porcentaje de disminución de las ventas.
IV- MÉTODOS QUE CONSIDERAN LA
PROBABILIDAD DE OCURRENCIA
CONSIDERAN PROBABILIDAD
¿Por qué surgen los métodos que

consideran la probabilidad de ocurrencia?
Los métodos que no la consideran sólo agregan

información sobre resultados alternativos del
proyecto, pero no indican
CUÁL ES LA PROBABILIDAD DE OCURRENCIA
DE CADA UNO DE ELLOS
Sino se conoce la PROBABILIDAD

DE OCURRENCIA es muy difícil
decidir.
Si todas las variables que influyen en el VAN son ciertas, el resultado es

único.
Si al menos una variable es aleatoria, existe una distribución de
probabilidades del VAN.
El BN del año 1 más probable en ambos es de $ 1.200, pero la segunda

propuesta es más riesgosa.
En la mayoría de los casos quien debe decidir sobre la ejecución
de un proyecto no es indiferente entre uno que le permite obtener
un determinado VAN con certeza y otro que tiene el mismo VAN
esperado, pero sujeto a una cierta distribución. Si tiene aversión al
riesgo, preferirá el primer proyecto.
¿Cuáles son los métodos que consideran

la probabilidad de ocurrencia más usados?
• Distribución de probabilidades de cada

beneficio neto
• Modelo de simulación Monte Carlo
Requieren de los
resultados de los métodos
que no consideran la
probabilidad
Distribución de probabilidades de cada beneficio neto
Consiste en encontrar la distribución de

probabilidades del VAN a partir de la distribución de
probabilidades de cada uno de los beneficios netos
del proyecto.
Éstos, a su vez, pueden obtenerse a partir de la

distribución de probabilidades de alguna de las
variables que influyen en ellos.
El procedimiento para aplicar este método es el siguiente:
• Se calcula el VAN esperado del proyecto (VANe).
VANe = $ 8.750,30
• Se determina la distribución de probabilidades de cada uno

de los beneficios netos (BN) del proyecto y se calculan los
parámetros que la definen: BN esperado (o medio), desviación
estándar y coeficiente de variación.
• Se calcula la desviación estándar del VAN y el coeficiente de

variación, que es la verdadera medida del riesgo del proyecto.
La forma de cálculo depende de la correlación que exista entre

los BN correspondientes a distintos momentos de su vida:
- Si existe total independencia entre ellos (BN correspondiente a

un determinado período de la vida del proyecto no depende de
lo observado en los períodos anteriores):
n
2t
 VAN   2t
t 1 (1  r )
donde t es la desviación estándar del BN correspondiente al momento t.
n
 2t (2.629,07 ) 2 (2.190,89 ) 2 (3.286,34 ) 2
 VAN       3.733,66.
t 1 (1  r )
2t 4 6 8
(1,08 ) (1,08 ) (1,08 )
- Si existe correlación perfecta entre los BN (el BN del período t

-1 se aparta z desviaciones estándar de la media, el BN del
período t también lo hará):
n
t
 VAN   t
t 1 (1  r)
2.629,07 2.190,89 3.286,34

 VAN  2
 3
 4
 6.408,76.
(1,08) (1,08) (1,08)
- Caso intermedio: si los BN de un período dependen de los BN

de otros años pero no existe correlación perfecta, la
desviación estándar del VAN resulta ser igual a un valor
intermedio entre los dos casos extremos.
• Utilizando la tabla de la distribución normal, se puede calcular la
probabilidad de que el VAN adopte valores superiores o inferiores a
cierto valor: Bajo el supuesto de independencia entre los BN de distintos
momentos de la vida del proyecto, ocurre:
VANe  8.750,30 y  VAN  3.733,66
• Probabilidad (VAN < VANe) =
50% (el valor medio divide a la
curva normal en dos partes
iguales).
• Probabilidad (5.016,64 < VAN

< 12.483,97) = 84,134 % –
15,866 % = 68,27%.
• Probabilidad (VANe – 2 VAN <

VAN < VANe + 2 VAN) = 97,725
% – 2,275 % = 95,45%.
• Probabilidad (VAN < 0) = es

menor al 1%.
¿Cuál es el método que considera la

probabilidad de ocurrencia más usado?
Método de simulación con el

Modelo MONTE CARLO
Permite obtener una distribución

probabilística del VAN, a través de la
selección aleatoria de valores de las
distintas variables que en él inciden,
acorde con la distribución de
probabilidades de cada una.
Se puede trabajar con muchas
variables aleatorias
Modelo MONTE CARLO

Pasos a seguir:
• Definir variable dependiente: VAN.
• Identificar variables independientes: precio del bien, etc.
• Definir las interrelaciones existentes entre variables.
• Clasificar las variables en ciertas y aleatorias.
• Identificar la distribución de probabilidades de los valores
de cada variable: normal, uniforme, triangular, etc. (en base
a la información disponible y/o a la experiencia).
• Generar k números aleatorios para cada una de las
variables aleatorias a partir de su respectiva distribución de
probabilidades.
• Calcular el conjunto de VAN
Modelo MONTECARLO
¿Qué permite lograr su aplicación?
UNA DISTRIBUCIÓN DE PROBABILIDADES DEL VAN
m
 VAN i
• VAN Esperado VANe  i 1
,
m
m
1
• Desviación estándar  VAN    ( VAN i  VANe )2
, (m  1) i1
 VAN
• Coeficiente de variación CVVAN 
VANe
donde los VANi son los m valores del VAN obtenidos.
• Tabla de frecuencias
• Histograma
• Cantidad de VAN superiores e inferiores a determinado
valor
Modelo MONTECARLO
Una variable aleatoria: cantidad anual vendida
Distribución normal
Existe independencia entre los valores de las cantidades correspondientes a cada
uno de los tres años de la fase de operación del proyecto.
X 2  X3  X 4  $ 9.000 ;  X 2  $ 657,27 ;  X 3  $ 547,72 ;  X 4  $ 821,58
Algunos VAN son

superiores al VANe
($ 8.750,30).
Otros inferiores.
La mayoría son
positivos.
Se generaron 300 números aleatorios. Se presentan los primeros 8 valores obtenidos.

A partir de los 300 VAN se obtuvieron los siguientes resultados:
VANe = $ 8.809,62 ;  VAN = $ 3.630,95 ; CV = 0,41
Modelo MONTECARLO
Existe independencia entre los valores de las cantidades correspondientes a cada
uno de los tres años de la fase de operación del proyecto.

VANe = $ 8.809,62 ;  VAN = $ 3.630,95 ; CV = 0,41
Modelo MONTECARLO
Existe correlación perfecta entre los valores de las cantidades correspondientes a
cada uno de los tres años de la fase de operación del proyecto.
X2  X3  X 4  $ 9.000 ;  X 2   X 3   X 4  $ 657,27
VANe = $ 8.993,04 ;  VAN = $ 6.631,70 ; CV = 0,74
Los valores de la  VAN encontrados utilizando este método son

bastante similares a los del análisis que utiliza la distribución de
probabilidades de los beneficios netos, tanto cuando se considera
independencia entre los beneficios netos de cada período como
cuando existe correlación perfecta.
Modelo MONTECARLO
Las probabilidades de observar valores más extremos para el VAN son

mayores en el caso de correlación perfecta que en el de independencia.
Modelo MONTECARLO
Dos variables aleatorias: cantidad y precio
La distribución de la variable cantidad es normal, con los

mismos parámetros ya usados.
La variable precio tiene una distribución uniforme, entre $ 6,48 y

$ 5,52 ($ 6  (1 ± 0,08), igual a lo supuesto en la determinación
de las variables críticas).
Se considera el caso de independencia entre los valores de

estas variables para los distintos años.
Modelo MONTECARLO
Dos variables aleatorias: cantidad y precio
Se generaron 300 números aleatorios. Se presentan los primeros 8 valores obtenidos.

Para comparar con el caso en que sólo X es una variable aleatoria, se
utilizaron para esta variable los mismos números aleatorios ya generados.

VANe = $ 8.790,69 ;  VAN = $ 5.041,01 ; CV = 0,57.
El CV del VAN (0,57) es > que cuando la única variable aleatoria es X (0,41).
Esto implica que en el caso que se está considerando es mayor la
probabilidad de observar valores más extremos para el VAN.
Modelo MONTECARLO
Caso de independencia entre los valores de estas variables
Modelo MONTECARLO
APLICACIONES
En la evaluación de un proyecto hidroeléctrico en la Provincia de Mendoza, en el
cual uno de los problemas era estimar la serie de caudales futuros del río,
puesto que se trataba de una variable fundamental en la determinación de la
cantidad de energía producida. Se conocían los caudales mensuales históricos
desde principios del siglo XX.
En primer lugar se hizo una evaluación determinística del proyecto utilizando los
caudales medios para cada uno de los meses del año.
Sin embargo, la variabilidad de esos caudales mensuales podía hacer cambiar
significativamente el VAN.
A partir de la serie histórica de caudales, se generaron series de caudales
hipotéticos para un horizonte de 50 años, coincidente con la duración de la fase
de operación del proyecto.
Luego se calculó el VAN del proyecto para cada una de las series. Para la gran
mayoría de las series el proyecto resultó aceptable.
Modelo MONTECARLO
APLICACIONES
En la determinación de las provisiones presupuestarias para enfrentar pasivos
contingentes.
En la concesión de ciertos proyectos viales se puede optar por garantizar un
nivel de ingreso mínimo (volumen de tráfico x peaje).
Las simulaciones de Monte Carlo se aplican para determinar la demanda futura
de las diferentes autopistas, de manera de poder estimar los pagos que se
deberán hacer por efecto de la Garantía de Ingreso Mínimo.
Sobre la base de información histórica se generan números aleatorios
concerniente a los ingresos anuales y se identifican los casos en que hay un
desvío negativo respecto de lo garantizado.
Ese desvío anual constituye el pago que el estado debe hacer al concesionario.
La media de esos desvíos constituyen el valor esperado de la provisión anual y
sirve de base para armar el presupuesto.
V- INTRODUCCIÓN A LA COMPARACIÓN DE
PROYECTOS
COMPARACIÓN ENTRE PROYECTOS
Proyecto A: VANe = $ 1500 ;  VAN = $ 500
VAN
F
G E Son mejores que A:
D F G H
1500 A
H
Son peores que A
C
K C D
K
J
500 Desviación
Entre el proyecto A y los proyectos E y J ¿qué proyecto escoger? Con los

antecedentes que se dispone, si el inversionista es averso al riesgo debe
elegir J y si no lo es debe elegir E.
COMPARACIÓN ENTRE PROYECTOS
Proyecto A: VANe = $ 1500 ;  VAN = $ 500
Proyecto B: VANe = $ 2800 ;  VAN = $ 1540
No existe ninguna fórmula matemática o criterio que nos pueda

indicar, con exactitud la decisión más conveniente.
La elección dependerá básicamente de la actitud y preferencia

hacia la toma de riesgos del inversionista, lo cual variará en
función del volúmen del proyecto con relación a su patrimonio.
Si una persona que tenga una fuerte aversión a tomar riesgos,

podría inclinarse más a tomar el proyecto A. Esto sucede, ya que
si bien, este implica posiblemente una ganancia menor, la
probabilidad de obtener un resultado negativo con él es muy
inferior con respecto a B.
PRINCIPAL BIBLIOGRAFÍA
FERRA, Coloma y BOTTEON, Claudia, Evaluación privada de proyectos, (Mendoza,
Facultad de Ciencias Económicas-Universidad Nacional de Cuyo, 2007).
FONTAINE, Ernesto, Evaluación social de proyectos, 12a. ed. (México, Alfaomega,

1999).
GABRIELLI, Adolfo, Evaluación privada de proyectos (La Paz, Bolivia, 1990),

mimeografiado.
JANSSON MOLINA, Axel, Formulación y evaluación de proyectos de inversión

(Santiago de Chile, Universidad Tecnológica Metropolitana, 2000).
RODRIGUEZ, J., Análisis de riesgo en proyectos de perforación exploratoria. Técnicas

de simulación. Método de Monte Carlo (Mendoza, 1981), mimeografiado.
SAPAG CHAIN, Nassir y SAPAG CHAIN, Reinaldo, Preparación y evaluación de

proyectos, 4ª. ed. (Santiago, Mc Graw Hill, 2000).

Riesgo Chile2007

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Riesgo Chile2007

Cargado por

Copyright:

Formatos disponibles

ILPES: XII CURSO INTERNACIONAL DE PREPARACION Y

EVALUACION DE PROYECTOS DE INVERSION PUBLICA

Lic. CLAUDIA NERINA BOTTEON

Al momento de hacer la evaluación, suele existir desconocimiento sobre

Todo ello puede afectar el valor de los indicadores de rentabilidad.

Se hace necesario considerar el riesgo en la evaluación de proyectos.

Son las que dan origen al riesgo

¿Qué es el riesgo desde el punto de vista de un

Es la variabilidad de su rentabilidad medida a través de

A mayor variabilidad mayor riesgo

Al considerar el riesgo se suelen distinguir dos casos:

El riesgo propiamente dicho:

Se refiere a situaciones en las que se conoce la probabilidad de

Por ejemplo, la probabilidad de que en una determinada zona

Se refiere a situaciones en las que no se conoce la probabilidad

Por ejemplo, es difícil conocer la probabilidad de que aparezca

¿Cómo puede medirse el riesgo?

MÉTODOS QUE PERMITEN “EXPLICITAR” EL RIESGO Y

Como ninguno de los métodos es perfecto

NO LO ELIMINAN, LO PONEN DE MANIFIESTO

Situaciones como incendio, robo, accidentes, etc.

Debe tenerse en cuenta si el dueño del proyecto está

• Si está dispuesto a pagar, simplemente se incluye la prima

• Si no está dispuesto a pagar, él mismo asume el riesgo, por

Lo mismo ocurre, aunque parcialmente, cuando el empresario

¿En qué consiste la evaluación determinística?

Considera: EL VALOR “ESPERADO” DE CADA VARIABLE

Ej.: precio del bien X está entre $ 40 y $ 50, pero su

¿Qué resulta de esta evaluación?

Los INDICADORES DE RENTABILIDAD son

Flujo de beneficios y costos del proyecto

VAN esperado del proyecto = $ 8.750,30

¿Cuándo es poco recomendable el uso de

En situaciones en las que existe un alto grado de

- No necesariamente la variable va a tener un solo valor más probable.

- Aún cuando pueda estimarse correctamente el valor más

- Aún de existir un único valor más probable, en muchos casos es

¿Cuáles son los métodos que no

• Determinación de las variables críticas

Determinación de las variables críticas

Para cada una de las variables que inciden en el VAN

• La elasticidad del VAN respecto de cada variable.

Determinación de las variables críticas

• La elasticidad del VAN respecto de cada variable.

La elasticidad del VAN respecto de la variable Y

Determinación de las variables críticas

• La elasticidad del VAN respecto de cada variable.

Cuán sensible es el VAN a los cambios en esa variable

Cálculo: Elasticidad del VAN respecto de la inversión inicial

Inversión considerada en evaluación = $ 50.000

Si ocurriera un aumento del 10% de la inversión

Elasticidad del VAN respecto de la inversión inicial

Su valor indica que si la inversión total

Elasticidad del VAN respecto de la inversión inicial

La relación entre el VAN y la

Elasticidad del VAN respecto de la tasa de descuento

La relación entre el VAN y la

• La elasticidad del VAN respecto de cada variable.

• La variabilidad de esa variable.

Existen varias formas de medir la variabilidad de una

 Rango de variación de la variable o recorrido, en

 Coeficiente de variación (CVY), definido como la

• La variabilidad de esa variable.

 Rango de variación de la variable o recorrido, en