Análisis de Riesgo

Preparación y Evaluación
de Proyectos II
Riesgo e Incertidumbre
El comportamiento RIESGO
de los flujos de caja • Existe más de un
es incierto, ya que posible resultado
no es posible • Se conoce la
probabilidad o se
conocer con puede estimar.
anticipación todos
los hechos que INCERTIDUMBR
pueden ocurrir y E
que pueden tener • No se conocen
efecto sobre los las
flujos de caja. probabilidades o
no se pueden
2
estimar
 El Riesgo en los
RIESGO Proyectos
 El riesgo en un proyecto se
define como la variabilidad de
los flujos de caja reales
respecto a los estimados.
 Cuánto más grande sea esta
variabilidad, mayor el riesgo del
proyecto
 El riesgo define una situación
donde la información es
aleatoria, en la cual se asocia
una estrategia con un conjunto
de resultados posibles, cada
uno de los cuales tiene
asignada una probabilidad.
3
 La medición del
• El
Riesgo
  método más común para
medir la dispersión, en la  
comparación de proyectos o =
entre alternativas de un mismo
Una medida de dispersión
 
proyecto, es la desviación
relativa, que complementa el
estándar, que se calcula
análisis, es el Coeficiente de
mediante la expresión:
Variación:

σ= CV =

A mayor coeficiente de
Donde Ax es el flujo de caja de
dispersión, mayor es el riesgo
la posibilidad x, Px es su relativo
probabilidad de ocurrencia y es
el valor esperado de la
distribución de probabilidades
de los flujos de caja.
4
 Ejemplo 1
Determine el Valor Esperado,
la Desviación Estándar y el
Coeficiente de Variación

Probabilidad Flujo de Caja

X
Px Ax

1 0,3 2000
2 0,4 2500
3 0,3 3000

5
Métodos para tratar
el riesgo
Dependencia e
independencia de flujos

Ajuste a la tasa de
descuento
Métodos
para Equivalencia a la
tratar el certidumbre

riesgo
Árbol de decisión

Método más
utilizado para
tratar riesgo
e Análisis de sensibilidad
incertidumbre
6
Independencia y Dependencia
de Flujos de Caja
•• El
  análisis de riesgo en los proyectos de inversión se realiza de
manera distinta según si los flujos sean independientes o no entre sí.
Es decir, si el resultado de un periodo depende o no de lo que haya
pasado en otro periodo anterior.

• Cuando hay independencia entre las distribuciones de probabilidad

de los flujos de caja, el valor esperado del VAN sería:

VE(VAN)=

• Donde i es la tasa de descuento. La desviación estándar de

la distribución de probabilidades del VAN, es:

7
Independencia y Dependencia
de Flujos de Caja
•• También
  es posible determinar la probabilidad de que el VAN sea
superior a inferior a cierto valor de referencia. Para ello se utiliza la
siguiente expresión:

• Obteniendo el Valor de Z, es posible determinar la probabilidad

de que el VAN sea igual o menor a cero. Por Ejemplo:

Z = -0,43

Recurriendo a una tabla de distribución normal, se obtiene que

la probabilidad que se deseaba averiguar corresponde
aproximadamente al 33%, lo que significa que la probabilidad de
que el VAN sea igual o menor a cero es del 33%.

8
 Ejemplo 2
Periodo 1 Periodo 2 Periodo 3
Probabilidad Flujo de caja Probabilidad Flujo de caja Probabilidad Flujo de caja
0,3 4.000 0,2 3.000 0,15 2.000
0,4 5.000 0,6 4.000 0,5 3.000
0,3 6.000 0,2 5.000 0,35 4.000

Inversión = 10.000
Tasa de descuento =
6%
Determine el Valor esperado del VAN y
la probabilidad de que sea igual o
menor a cero

9
 Flujos de Caja dependientes

1. Los flujos de caja están

perfectamente correlacionados

=
Flujo de Caja  
Dependientes
2. Los flujos de caja están
moderadamente correlacionados
(Entre 0 y1)
En flujos
dependientes, la En este caso es posible aplicar
desviación es el modelo de correlación
mayor a la de los intermedia desarrollado por
flujos Hiller o el modelo de
independientes simulación de Hertz

10
Método de Ajuste a la Tasa de
Descuento
• Una forma de ajustar los flujos de caja consiste en
hacerlo mediante correcciones en la tasa de
descuento. Al mayor riesgo, mayor debe ser la tasa
para castigar la rentabilidad del proyecto.

La dificultad reside en
la determinación de la VAN=
 
prima por riesgo. Al
tener un carácter
subjetivo, el valor del
VAN puede diferir, al
asignarse distintos
valores de primas por
f=i+p
riesgos.
Donde i es la tasa libre de riesgo y
p es la prima de riesgo que exige
el inversionista
11
 Método de equivalencia a la
certidumbre
•  Consiste en ajustar cada uno de los flujos por una tasa que
muestra la relación entre un flujo de caja cierto respecto a un
flujo de caja incierto.

Al expresar todos los flujos de caja en su equivalencia de

certeza, puede evaluarse el proyecto mediante el VAN,
actualizando estos flujos a la tasa libre de riesgo (i), de acuerdo
La dificultad a la siguiente expresión:
 radica en estimar
los valores de
periodo a periodo VAN =

El coeficiente no necesariamente será igual entre periodos

12
 Ejemplo 3
Flujo de Caja Flujo de Caja
Año 0 Cierto Incierto
1 5.000 6.000
2 5.000 6.500
3 5.000 7.200

Inversión = 10.000
Tasa libre de riesgo=
4%
Determine el coeficiente 𝞪 de cada
periodo y el Valor del VAN

13
 Árbol de decisión
• El árbol de decisión es
una técnica gráfica que
permite representar y
analizar una serie de
decisiones futuras de
carácter secuencial a
través del tiempo.

• Cada decisión se
representa gráficamente
por un cuadrado con un
número en una
bifurcación del árbol de
decisión. Cada rama que
se origina en este punto
representa una alternativa
http://silverdecisions.pl/SilverDecisions.html?lang=en
de acción. 14
 Ejemplo 4
• Considere que se estudia el lanzamiento de un nuevo
producto. Las posibilidades en estudio son introducirlo en el
ámbito nacional o solamente en el ámbito regional. Si decide
lanzarlo regionalmente, es posible lanzarlo posteriormente a
nivel nacional, siempre y cuando a nivel regional se cuente
con una demanda alta.

• Primer Nivel de Decisión

Nivel Nacional Probabilidad VAN Nivel Regional Probabilidad VAN
Depende del segundo
Demanda Alta 60% 5.000 Demanda Alta 70%
nivel de decisión
Demanda Media 10% 100 Demanda Media 10% 2.000
Demanda Baja 30% -3.000 Demanda Baja 20% 1.000

• Segundo Nivel de Decisión

Ampliar Nivel Nacional Probabilidad VAN Continuar Nivel Regional Probabilidad VAN
Demanda Alta 60% 4.000 Demanda Alta 60% 2.000
Demanda Media 10% 1.000 Demanda Media 10% 1.500
Demanda Baja 30% -2.000 Demanda Baja 30% 1.000

15
16
 Modelo de Simulación de
Monte Carlo

El modelo de Monte
Carlo es una
técnica de
simulación de
situaciones inciertas
que permite definir
valores esperados
para variables no
controlables,
mediante la
selección aleatoria
de valores, donde la
probabilidad de
elegir entre los
resultados posibles
está en estricta
relación con sus
respectivas
distribuciones de
probabilidad.
17
Software de Apoyo

18
 Crystal Ball
 Oracle Crystal Ball es un conjunto de programas
basados en la aplicación de modelos predictivos,
previsión, simulación y optimización de manera que
permite identificar las variables críticas de un análisis
que se esté realizando.
 Uno de los usos más comunes de Oracle Crystal Ball
es desarrollar la simulación de Monte Carlo, el cual es
una técnica empleada para estudiar cómo responde un
modelo a entradas generadas de forma aleatoria.
Entre los sistemas analizados mediante la simulación
Monte Carlo se incluyen modelos financieros, físicos y
matemáticos.

19
 Ejemplo 5
• Un estudio de mercado, determinó la siguiente
demanda del mercado meta y la participación que
podría llegar a tener el proyecto, con sus respectivas
probabilidades:
Demanda Probabilidad Participación Probabilidad

200.000 10% 8% 26%

9% 22%
250.000 25%
10% 16%
300.000 35% 11% 13%
350.000 15% 12% 10%
400.000 10% 13% 7%
450.000 5% 14% 5%
15% 1%

Se estima que el mercado meta crece a un ritmo del 2% anual.

a) Determine la demanda del proyecto para lo siguientes 5 años, considerando
variables discretas.
b) Determine la demanda del proyecto para lo siguientes 5 años, considerando
variables continuas.
20
 Ejemplo 6
Precio
Año
(USD/Tn)
2005 1.140
Considerando los 2006 1.150
siguientes datos, 2007 1.238
realice un pronóstico 2008 2.208
del comportamiento
del precio para los 2009 2.972
siguientes 5 años, 2010 2.998
utilizando Crystal Ball. 2011 3.115
2012 3.044
2013 4.371
2014 6.602
2015 4.248
2016 2.742
21
 Análisis de Sensibilidad

 La importancia del análisis de sensibilidad

se manifiesta en el hecho de que los
Modelo
valores de las variables que se han Unidimensional de
utilizado para llevar a cabo la evaluación sensibilización del
del proyecto pueden tener desviaciones VAN
con efectos de consideración en la Determina hasta dónde
medición de sus resultados. puede modificarse el
valor de una variable
 La evaluación del proyecto será sensible a para que el proyecto siga
las variaciones de uno o más parámetros siendo rentable
si, al incluir estas variaciones en el criterio
de evaluación empleado, la decisión inicial Modelo
cambia. multidimensional de
 El análisis de sensibilidad, revela el efecto sensibilización del
VAN
que tienen las variaciones sobre la
rentabilidad en los pronósticos de las Simulación Monte
variables relevantes. Carlo
22
 Ejemplo 7
• Realice el análisis unidimensional de sensibilización
del VAN, del siguiente flujo de caja.

AÑO 0 1 2 3 4 5
PRODUCCIÓN BASE (Unid) 18.000 21.000 23.000 25.000 25.000
VARIACIÓN VOLUMEN DE PRODUCCIÓN (%) 0,00% 0,00% 0,00% 0,00% 0,00%
VOLUMEN DE PRODUCCIÓN (Unid) 18.000 21.000 23.000 25.000 25.000

PRECIO = 21 $US/UNID. Variación 0% %

Costo fijo = 70.000 $us Variación 0% %
Cv = 8 $US/UNID. Variación 0% %

23
 AÑO 0 1 2 3 4 5
1. INGRESOS 378.000 441.000 483.000 525.000 568.000
1.1 Ventas 378.000 441.000 483.000 525.000 525.000
1.2 Otros ingresos 43.000

2. COSTOS 245.800 269.800 285.800 301.800 301.800

2.1 Costos de operación 214.000 238.000 254.000 270.000 270.000
2.2 Depreciaciones 31.800 31.800 31.800 31.800 31.800

3. UTILIDAD GRAVABLE (1-2) 132.200 171.200 197.200 223.200 266.200

4. IUE (25% de 3) 33.050 42.800 49.300 55.800 66.550

UTILIDAD NETA (3-4) 99.150 128.400 147.900 167.400 199.650

Depreciaciones (+) 31.800 31.800 31.800 31.800 31.800
Valor residual de libro (+) 397.000
Recup. Capital de trabajo (+) 38.000
Inversión ACTIVOS (-) -556.000
Capital de trabajo (-) -30.000 -4.800 -3.200
FLUJO NETO -586.000 126.150 157.000 179.700 199.200 666.450

VAN = 181.875 TASADEACTUALIZACION: 16%

24
 Ejemplo 8
• Realice el análisis multidimensional de sensibilización
del VAN, del flujo de caja analizado en el ejemplo
anterior.
• Considere que las variables se comportan con una
distribución PERT, con un valor mínimo de -15% y un
valor máximo de 15%.
• Determine la probabilidad de que el VAN sea mayor a
cero.
• Determine cuál es la variable más sensible del modelo
• Genere un reporte estadístico completo de la
simulación.

25