MODELO DE SIMULACIN PARA EL ANLISIS DE FACTIBILIDAD ECONMICA DE UN PROYECTO

Juan de Dios Banda Jara Director del Departamento de Sistemas Informticos y Electrnica Universidad del Valle La Paz RESUMEN El presente artculo surgi a raz de la necesidad de estimar la factibilidad econmica de establecer una empresa consultora especializada en el desarrollo de software para datawarehousing y datamining . Los flujos proyectados para los siguientes cinco aos de funcionamiento de esta empresa fueron plasmados en un modelo de Excel que fue simulado utilizando la herramienta Crystal Ball. El objetivo de la simulacin fue determinar si los indicadores de la Tasa Interna de Retorno y el Valor Actual Neto resultaban lo suficientemente atractivos, como para recomendar la ejecucin de este proyecto. Los resultados provistos por Crystal Ball fueron verificados con el afn de establecer el posible impacto de las variaciones para diferentes costos de capital. Finalmente, se concluy que este proyecto podra resultar rentable; desde luego, la simulacin por s sola no puede asegurar el xito o fracaso de un proyecto, ya que su rol es proveer mayor y mejor informacin para tomar las decisiones correctas. INTRODUCCIN La creciente competencia entre las empresas privadas y pblicas, ha provocado que se preste cada vez mayor atencin a los clientes, para lo cual se requiere contar con informacin cada vez ms detallada y actualizada que permita identificar las posibles tendencias de consumo a ser explotadas. Para albergar la gran cantidad de informacin proveniente de los clientes, paradigmas como el datawarehousing han sido desarrollados. Los datawarehouse por s solos no proveen informacin til, a menos que se apliquen tcnicas de datamining destinadas a identificar tendencias de compra, comportamiento, preferencia o aceptacin. La necesidad de proveer estas tecnologas a las empresas del medio, fue el motor que impuls la idea de crear una empresa consultora dedicada exclusivamente a proporcionar soluciones de datawarehousing, datamining y

CRM. A la hora de analizar la factibilidad econmica de este proyecto, se vio la necesidad de contar con alguna herramienta que permita reducir el nivel de riesgo, a travs de una prediccin ms precisa de los flujos futuros de efectivo. Fue as que se descubri que las tcnicas tradicionales del anlisis de factibilidad basadas en el clculo de la Tasa Interna de Retorno y el Valor Actual Neto, podan ser grandemente mejoradas si se consideraban mltiples escenarios. Para la consideracin de estos escenarios, se recurrir a la construccin de un modelo en Excel que ser simulado mil veces bajo diferentes parmetros, utilizando la herramienta Crystal Ball. Los resultados de esta simulacin permitirn trazar conclusiones ms certeras acerca de la factibilidad econmica de este proyecto. Estas conclusiones se basarn en la gran cantidad de escenarios que proveer Crystal Ball. OBJETIVO GENERAL Desarrollar un modelo de simulacin que permita determinar de manera confiable, a travs de los indicadores TIR y VAN6, la factibilidad econmica del proyecto. OBJETIVOS ESPECFICOS Los objetivos especficos que se persiguieron durante la realizacin de este proyecto fueron los siguientes: 1. Construir un modelo que describa los flujos de efectivo proyectados para los siguientes cinco aos. 2. Definir en el modelo las celdas de entrada y de pronstico. 3. Correr el modelo de simulacin y determinar la probabilidad de tener una TIR superior al costo de capital y un VAN positivo. 4. Desarrollar mltiples escenarios en los cuales se vare el costo de capital y se analice el impacto sobre el VAN PROCEDIMIENTOS Y MTODOS Para la construccin de este modelo, se siguieron cinco etapas, a saber: PRIMERA ETAPA: CONSTRUCCIN DEL MODELO EN EXCEL En una hoja de Excel se procedi a construir un modelo que considerara los flujos de efectivo proyectados, los costos, las utilidades, el costo de capital, etc. Este modelo es mostrado en el Anexo A. Ntese que en este modelo inicial solo es posible obtener el TIR y el VAN para un escenario, es decir solo para los valores que son mostrados dentro del modelo. Esta limitacin ser superada con el uso de Crystal Ball que a travs

de la simulacin considerar mltiples escenarios. El considerar mltiples escenarios es definitivamente una tcnica que ayudar a determinar la posibilidad de que las celdas de pronstico asuman valores que caigan dentro de intervalos con cierto grado de confiabilidad. SEGUNDA ETAPA: DEFINICIN DE LAS CELDAS DE ENTRADA Para poder realizar la simulacin del modelo, es necesario definir valores que varen siguiendo algn tipo de distribucin. En nuestro modelo es imposible contar con informacin histrica, ya que el proyecto es completamente nuevo y los datos de otros proyectos similares no seran del todo aplicables. Consecuentemente, se hace necesario trabajar con una distribucin cuyos parmetros sean relativamente fciles de estimar. Precisamente la distribucin triangular10 presenta esta caracterstica. Recurdese que este tipo de distribucin requiere de tres parmetros: el caso base, el valor mnimo y el valor mximo. As pues llegamos a realizar las siguientes estimaciones empricas, mostradas en la siguiente tabla, que permitieron estimar las distribuciones triangulares que definirn el comportamiento de los valores que asumirn las variables Utilidad Inicial, Crecimiento de la Utilidad, Costo de Operacin, Crecimiento del Costo de Operacin y Costo Inicial del Proyecto.

Una vez definidas las variables de entrada y los parmetros de la distribucin triangular que se aplicarn a las mismas, el siguiente paso consisti en declarar las celdas de entrada dentro de Crystal Ball. Esta declaracin es muy similar para todas las variables, y a manera de ejemplo, se muestra la siguiente figura que contiene los parmetros introducidos en Crystal Ball para la utilidad inicial.

Recurdese que Crystal Ball tomar valores11 para las variables de entrada

de algn punto del rango de valores permitidos por la distribucin triangular. El punto del cual se tomarn los valores, estar determinado por nmeros aleatorios que generar Crystall Ball a la hora de correr la simulacin. TERCERA ETAPA: DEFINICIN DE LAS CELDAS DE PRONSTICO Las celdas de pronstico en este caso sern las correspondientes a las de clculo del TIR y el VAN. Para la definicin de estas celdas, no se utilizaron mayores parmetros, tal como muestra la siguiente figura:

Ntese que la simulacin proveer mltiples valores de resultado para las variables de pronstico, en particular en este caso, correremos el modelo por mil replicaciones12. Este nmero de replicaciones es lo suficientemente grande, como para recolectar un volumen de muestras significativo para dibujar una grfica de pronstico. CUARTA ETAPA: INTERPRETACIN DE LOS RESULTADOS La grfica de pronsticos nos permite estimar de manera grfica y numrica el porcentaje de certeza de que la TIR o VAN asuman ciertos valores. En particular, podemos utilizar la grfica de pronsticos13 de la TIR para determinar el porcentaje de certeza de que obtendremos una TIR mayor o igual al 12%:

Ntese que este porcentaje de certeza del 61,20%, que en realidad define la probabilidad de que los valores obtenidos por la TIR sean superiores al 12%, es bastante alentador. Visto de una manera simplificada, esto querra decir que si tuviramos la hipottica oportunidad de realizar este proyecto 1000 veces, en 620 de las veces la TIR superara el 12%. Similarmente, la grfica de frecuencia de el VAN muestra que existe un porcentaje de certeza de 61,00% de obtener un VAN positivo.

Adicionalmente, podemos analizar el reporte de percentiles14 de la TIR muestra que existe un 60% de que la TIR sea como mnimo de el 12,2%.

QUINTA ETAPA: ANLISIS DE SENSIBILIDAD Con el afn de validar los resultados obtenidos, se corri el modelo por un nmero de 2000 replicaciones y los resultados no variaron grandemente: 60,75% de certeza de obtener una TIR superior al 12% y 60,80% de certeza de obtener un VAN positivo. En consecuencia, se pude afirmar que con 1000 replicaciones, tenemos una aproximacin bastante exacta. Ntese que en modelo, un incremento en el nmero de replicaciones solo contribuye a afinar ligeramente los resultados, ya que la tendencia general se mantiene. Por otro lado, resulta lgico suponer que el costo de capital podra experimentar variaciones imprevistas, complicando o favoreciendo la factibilidad del proyecto. Estas variaciones son incontrolables, ya que son atribuibles a factores exgenos. Sin embargo, podemos construir escenarios en los cuales se consideren los efectos de estas variaciones. Para poder trabajar con estos escenarios, se hace imprescindible definir variables de decisin; en nuestro caso el costo de capital se convertir en una variable de decisin continua que variar entre el 10% y el 14%. La definicin de esta variable de decisin se realiz en Crystal Ball de la siguiente manera:

Ntese que para cada valor asumido por la variable de decisin se construir un escenario independiente en el cual se realizarn mil simulaciones. Consecuentemente, tendremos un total de 10.000 mil simulaciones para el VAN. El reporte conocido como tabla de decisin muestra los valores asumidos por la variable de pronstico VAN para cada uno de los escenarios que considera un costo de capital diferente. La siguiente tabla resume los resultados de este reporte para el indicador VAN:

En la tabla anterior puede observarse claramente que el costo de capital se correlaciona negativamente con el VAN. Ntese que aun a pesar de que el costo de capital vare positiva o negativamente, los valores del VAN todava resultan atractivos. CONCLUSIONES En el presente trabajo se logr formular un modelo para el clculo de la TIR y VAN para el proyecto de creacin de una empresa consultora. En este modelo se introdujeron flujos estimados de los ingresos y egresos para los prximo cinco aos. Se definieron celdas de entrada y de pronstico, para luego aplicar la herramienta de simulacin Crystal Ball que mostr en sus grficas de pronstico un porcentaje de certeza de 61,20% de que la TIR supere el 12% del costo de capital. Similarmente, estas grficas mostraron que el VAN tiene

un porcentaje de certeza del 61,00% de obtener un valor positivo. Tambin se procedi a analizar el comportamiento del costo de capital, a travs de la definicin de variables de decisin que contribuyeron a crear escenarios que mostraron que un incremento del costo de capital producira un decremento del VAN. Si bien el nmero de corridas es por dems significativo y aparentemente los indicadores TIR y VAN son bastante alentadores, la decisin final debe tomarse con cuidado, ya que como en todo proyecto de inversin, las estimaciones de los flujos de fondos pueden ser irreales. Finalmente, la utilizacin de la Simulacin y en particular de Crystal Ball ha probado ser grandemente til a la hora de proveer una gran cantidad de escenarios posibles que permiten un anlisis ms amplio de las posibles repercusiones de realizar este proyecto. Ms an, Crystall Ball se muestra como una herramienta tremendamente til, a la hora de realizar simulacin de modelos que puedan plasmarse en Excel. BIBLIOGRAFA CAMM JAFFREY D., EVANS JAMES R., Management Science & Decision Technology, South-Western College Publishing, First Edition, 2000, ISBN 0-324-00715-9. EVANS JAMES R., OLSON DAVID L., Introduction to Simulation and Risk Analysis, Prentice Hall, Second Edition, 2002, ISBN 0-13-032928-2. HILLIER FREDERICK S., HILLIER MARK S., Introduction to Management Science: A Modeling and Case Studies Approach with Spreadsheets, McGraw-Hill/Irwin, Second Edition, 2003, ISBN 0-07-249368-2. MARKLAND ROBERT E., VICKERY SHAWNEE K., DAVIS ROBERT A., Operations Management: Concepts in Manufacturing and Services, South-Western College Publishing, Second Edition, 1997, ISBN 0-53887831-2.