6.

SIMULACIN MONTECARLO El mtodo de Monte Carlo es una herramienta de investigacin y planeamiento; bsicamente es una tcnica de muestreo artificial, empleada para operar numricamente sistemas complejos que tengan componentes aleatorios. Gracias a la constante evolucin de las microcomputadoras, en lo que se refiere a su capacidad de procesamiento de la informacin, el mtodo de Monte Carlo es cada vez ms frecuentemente utilizado. Esta metodologa provee como resultado, incorporada a los modelos financieros, aproximaciones para las distribuciones de probabilidades de los parmetros que estn siendo estudiados. Para ello son realizadas diversas simulaciones donde, en cada una de ellas, son generados valores aleatorios para el conjunto de variables de entrada y parmetros del modelo que estn sujetos a incertidumbre. Tales valores aleatorios generados siguen distribuciones de probabilidades especficas que deben ser identificadas o estimadas previamente. Vale destacar que el concepto de simulacin, adoptado en este trabajo, es el descrito en los estudios de Robert E. Shannon [1975] donde la Simulacin es el proceso de disear y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo, a fin de entender el comportamiento del sistema o evaluar varias estrategias con las cuales se puede operar el sistema. El conjunto de resultados, producidos a lo largo de todas las simulaciones, podrn ser analizados estadsticamente y proveer resultados en trminos de probabilidad. Esas informaciones sern tiles en la evaluacin de la dispersin total de las apreciaciones del modelo, causado por el efecto combinado de las incertidumbres de los datos de entrada y en al evaluacin de las probabilidades de ser violados los padrones de las proyecciones financieras. Automatizacin del Modelo de Monte Carlo De forma simplificada, se puede aplicar el Modelo de Monte Carlo en el Excel de la siguiente forma: Dependiendo de la poltica de decisin, el proceso lo podremos aplicar a la tasa interna de retorno o al valor actual neto. Los ejercicios aqu presentados trabajan en base al valor actual neto. Ejercicios Se presentan dos problemas de seleccin de inversiones mediante los criterios del Valor Actual Neto (VAN); ambos problemas contienen la determinacin de una estimacin de los flujos de caja pesimista, ms probable y optimista que genera la inversin en un perodo de tiempo. El modelo del Valor Actual Neto (VAN) se aplica para valorar todos los rendimientos del proyectos de inversin al momento de su inicio, y obedece a la frmula:

donde A es es desembolso inicial del proyecto; T su duracin; Qt, t=1,..., T, el flujo de caja producido en el perodo t; y rs, s=1,...,t, la tasa de descuento aplicable en dicho perodo. Para distribuciones discretas Bastara colocar la distribucin discreta basada en la funcin de probabilidad acumulada (entre 0% y 100%), generar un nmero aleatorio y a travs de una funcin de bsqueda y referencia, como la funcin buscar, identificar el valor correspondiente. Aplicando conjuntamente las funciones "buscar" y "aleatorio", se puede asegurar la aleatoriedad de los posibles Valores Actuales Netos (VAN) obtenidos, y que luego de "n" simulaciones ("n" no debera ser menor a 1.000) , permitira calcular el promedio y el desvo de la distribucin, que para nuestro caso de estudio financiero estara asociado al riesgo de la inversin. Ejemplo
A 1 2 3 4 5 6 7 8 VAN Riesgo (1) (2) Valor Actual Neto VAN 100 200 300 B Probabilidad P(f) 0,3 0,6 0,1 C Acumulada P(f)ac 0,0 0,3 0,9

Si hacemos mil simulaciones encontraremos que el promedio y el riesgo tienden a estabilizarse prximos a los valores poblacionales anteriormente calculados. Recuerde que para activar la frmula aleatorio debe presionar la tecla F9.
A 10 11 12 13 VAN 300 200 100 B Promedio 300 250 200 C Desvo #DIV/0! 70,7107 100,0000

Ploteando el grfico de los nmeros de simulaciones con los valores del promedio y el desvo, puede percibirse que prximo a las 200 simulaciones, los valores se tienden a estabilizar.

Representacin del promedio y del desvo correspondiente a la Tabla 1. Distribuciones Continuas: En nuestro modelo de simulacin estocstico, existen varias variables aleatorias intercatuando. Y estas variables, siguen distribuciones de probabilidad tericas o empricas distintas a la distribucin uniforme. Por esta razn, para simular este tipo de variables, es necesario contar con un generador de nmeros uniformes y una funcin que a travs de un mtodo especfico, transforme estos nmeros en valores de distribucin normal. Existen varios procedimientos para lograr este objetivo, en este trabajo se adopt el siguiente procedimiento especial para generar nmeros al azar que sigan la distribucin de probabilidad. Para cada tipo de distribucin continua, se puede montar una funcin estocstica; en nuestro caso, una distribucin

normal puede ser expresado por: para expresar la distribucin acumulada de la distribucin normal en forma explcita, utilizamos el teorema del lmite central, el cual establece que la suma de n variables aleatorias independientes se aproxima a una distribucin normal a medida que n se aproxima a infinito. Que expresado en forma de teorema sera: 2 Si x1,x2,.......xn es una secuencia de n variables aleatorias independientes con E (x)=i y var (x)= i (ambas finitas) y Y= a1x1+a2x2+.....+anxn, entonces bajo ciertas condiciones generales:

Tiene una distribucin normal estndar a medida que n se aproxima a infinito. Si las variables que se estn sumando son uniformes en el intervalo (0;1) entonces:

donde R es un nmero aleatorio. Tiene una distribucin normal estndar. Puesto que la normal estndar de una variable aleatoria x distribuida normalmente se obtiene como:

entonces, la simulacin de la variable aleatoria x se hara de acuerdo a la siguiente expresin:

Finalmente, utilizando un valor de n=12, la confiabilidad de los valores simulados es bastante aceptable. Y utilizando un valor de n=12, la ltima expresin se simplifica a:

Para hacer esta operacin en el Excel, se debe usar la funcin =aleatorio(). A continuacin se presenta un ejemplo de la utilizacin del mtodo de Monte Carlo en la planilla de Microsoft Excel. Estos son los datos del Ejercicio:
A 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 Media Sigma precio en $ 20 30 40 prob_cola 0,12 0,63 0,25 Inversin Inicial Vida til Costos Variables Costos Fijos Impuesto Amortizacin Costo del Capital Poltica de precios unitarios Gaseosas prob_lima 0,10 0,60 0,30 prob_naranja 0,30 0,45 0,25 900000 20 60% 172000 35% 45000 14% aos sobre las Vtas supuestas e iguales a las ganancias lineal para los 20 aos B C D

Pronstico de Ventas en unidades Cola 16000 1500 Datos del Proyecto de Inversin Lima 8000 750 Naranja 6500 610

Luego se comienza a construir el Modelo. Para cada tipo de gaseosa se calcula: El Acumulando de las probabilidades. El promedio y el riesgo. Se aplican las funciones: aleatrorio y buscar Se aplica la funcin estocstica para determinar la cantidad. Clculo de las probabilidades acumuladas para cada producto Luego y en funcin de estos valores se procede al clculo del Valor Actual Neto, utilizando la funcin predeterminada del Excel VNA; recuerde que la inversin inicial correspondiente al momento 0, va aleteando a esta funcin.

A 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 VAN cantidad cola precio cola ingreso cola cantidad lima precio lima ingreso lima cantidad naranja precio naranja ingreso naranja Ingresos costo variable total amortizacin costos fijos ganancia operativa impuestos ganancia neta flujo neto =$B$29 =$B$28 =B32*B33 =$C$29 =$C$28 =B35*B36 =$D$29 =$D$28 =B38*B39

B 1

C 2

=B34+B37+B40 =$B$5*B41 =$B$8 =$B$6 =B41(B42+B43+B44) =B45*$B$7 =B45-B46 =B47+B43

=VNA($B$9;B48:U48)-$B$3

Las ecuaciones para el primer perodo se repiten para los 19 perodos restantes Representacin del Flujo de Fondos y clculo del Valor Actual Neto del proyecto Una vez que se tiene la estructura para el clculo del Valor Actual Neto, se puede realizar una macro que valla acumulando los registros de cada valor puntual que correspondan al Valor Actual Neto, a medida que se activa la funcin aleatoria para cada simulacin. Adems se puede ir calculando los valores correspondientes del promedio y del desvo, a fin de poder estudiar el comportamiento del modelo.
A B VAN -385966,92 784623,72 -35313,22 C PROMEDIO =PROMEDIO($B$2:B2) =PROMEDIO($B$2:B3) =PROMEDIO($B$2:B4) D DESVO =DESVEST($B$2:B2) =DESVEST($B$2:B3) =DESVEST($B$2:B4)

1 2 3 4 5 6

Fila Juego 1 2 3 ... 1000

-147485,21

=PROMEDIO($B$2:B1001)

=DESVEST($B$2:B1001)

Simulacin de Monte Carlo Se puede construir el Histograma correspondiente a los valores del Valor Actual Neto, para ello se recurre a la opcin Histograma localizada en el Anlisis del datos, que se encuentra en Herramientas del asistente; utilizando la funcin de Anlisis de datos. Con los datos de la tabla que se encuentran el promedio y el riesgo del Valor Actual Neto, se construye el grfico del Promedio y del desvo muestral por nmero de simulaciones.
F 1 2 3 4 5 Promedio Desvo Mnimo Mximo (1) (2) (3) (4) G H Clases (8) (9) (10) (11) I Frecuencia (15) (15) (15) (15)

6 7 8

Confianza 0,95 +

(5) (6) (7)

(12) (13) (14)

(15) (15) (15)

Por ltimo con un grfico del tipo XY (Dispersin), con puntos de datos conectados por lneas suavizadas, se representa la serie Frecuencia.

Representacin grfica de la distribucin de frecuencia Conclusin. Cuando se parte de un modelo simple, se cuentan con las herramientas necesarias y se posee el suficiente conocimiento como para poder utilizarlas; el administrador tiene en sus manos todos los elementos que se requieren para poder crear buenos Sistemas de Soporte de Decisiones. En este artculo tambin se deja demostrando, que no se precisan ni grandes recursos, ni grandes equipos de trabajo para llevar adelante un Proyecto Informtico. Bibliografa FAULN, Javier, et al. "Simulacin de Monte Carlo con Excel". Proyecto e-Math. HERRERAS PLEGUEZUELO, Rafael; FERNANDEZ, Herminia Calvete. "Una ley de problabilidad para el estudio de los flujos de caja de una inversin". Programacin, Seleccin y Control de Proyectos en Ambiente de Incertidumbre. Granada: Rafael Herreras Pleguezuelo, 2001. Disponible en World Wide Web: <http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/pert_van/INDICE.pdf>. HERTZ, David B."La incertidumbre y el riesgo en la evaluacin de proyectos de inversin". Harvard Business Review. 1964, enero-febrero , pg. 95. RAUIL, Coss Bu. Simulacin Un enfoque prctico. Mxico : Editorial Limusa, 1995