Sesion 1 - Crystal Ball

Anlisis del Riesgo en las Organizaciones Crystal Ball
Entrenamiento - Da I
Agosto 16th, 2010
Walter J. Paiva Ramos CRA, CRM, Ing. Econ. Mg Matemticas y Finanzas Corporativas walter.paiva@software-shop.com
Introduccin a la evaluacin del riesgo
2010 Crystal Ball - Entrenamiento
Instructor: Walter J. Paiva Ramos
Introduccin
Piense por un momento en
RIESGO
Su origen
Del reconocimiento de la incertidumbre del

futuro.
Nuestra incapacidad de conocer cul ser el

futuro en funcin de las acciones que tomamos hoy. mltiples resultados alternativos.
Implica que una accin en particular puede tener
En un sentido sencillo
Toda accin es riesgosa.
Unas lo son ms que otras - Sentido de medicin. Si se juzga que una situacin es relativamente riesgosa,
tal criterio de riesgo puede ser suficiente impedimento para no llevarla cabo.
Aqu es donde el riesgo se transforma en un criterio de

decisin.
Por tanto, se torna viable el anlisis de riesgo.
Caractersticas del Riesgo Puede ser objetivo o subjetivo. Riesgo objetivo: Que el resultado sea
incierto no se impide que el riesgo de un evento pueda ser cuantificado.

sentido comn nos ayudan a determinar la objetividad de un riesgo.
La teora, la experimentacin y el
La posibilidad de que llueva el viernes en la tarde

Es objetivo o subjetivo? Qu dira un supercomputador con un
modelo climtico?
Qu
dira Nacional?
el
Instituto
Meteorolgico
En la medida en que ambos predigan una Este es el riesgo subjetivo
probabilidad entre 0 y 1 entonces, ambos estn correctos
La mayora de los riesgos son
Subjetivos! Esto es importante saberlo para montar

modelos de cuantificacin de riesgo.
Una decisin riesgosa requiere de un juicio personal
an cuando el riesgo
sea objetivo!
10
Escogencia del riesgo
Las acciones riesgosas (y el riesgo en si)

es generalmente escoger o evitar del riesgo algo que se
puede
Los individuos difieren en su percepcin
Hablamos de apetito y aversin al riesgo
11
La necesidad del anlisis del riesgo
Primer paso en el establecimiento de un

modelo de riesgos control y evaluacin de
Existe un riesgo? Desarrollo de modelos de riesgo
12
De Determinstico a Probabilstico
Determinsticos: proveen la solucin del

anlisis una vez que usted haya introducido las variables de entrada (inputs) deseados se relacionan al futuro incierto
Los problemas que estn siendo analizados La respuesta provista por el libro de trabajo
Excel est basada en estimaciones variables de entrada futuras inciertas. de
13
Una solucin es
Extender el anlisis tratando de encontrar
conjuntos de supuestos con lmites inferiores y superiores razonables y utilizar los mismos para limitar el anlisis.
14
Desventajas del Anlisis Tradicional

Una o pocas variables de sensibilizacin simultneas Pocos escenarios generados Ausencia de calificacin de escenarios
Desconocimiento de las probabilidades ocurrencia de cada escenario sensibilizado

sensibilizacin arbitraria de magnitudes
de
de
Aplicacin
Imposible medir el impacto simultneo de las

variables clave sobre las variables de salida
15
Desventajas del Anlisis Tradicional

No determina la curva de densidad de probabilidades No considera la posible correlacin de variables de
entrada
Imposible conocer la dispersin relativa de los resultados

respecto de la media esperada
No permite conocer la probabilidad de que la variable de

salida sea positivo o mayor a cierto nivel de corte
Dificultad del anlisis de escenarios que determinen la

combinacin simultnea de variables clave que generen puntos extremos probables
16
Un anlisis de peor y mejor escenarios tiene valor en situaciones obvias:

Si usted evala el peor escenario, y el proyecto an
cumple con los estndares de la compaa, entonces usted procede sin llevar a cabo ningn anlisis posterior, asumiendo que no exista ninguna restriccin presupuestaria. proyecto an as no cumple con los estndares de la compaa, entonces simplemente no se procede a hacer nada.
De forma similar, si usted evala el mejor caso y el
17
Simulacin Monte Carlo

Cmo somos capaces de hacer chocar automviles de
prueba sin matar a personas?
Cmo sabemos que el diseo aerodinmico de un nuevo

jet comercial se desempeara como suponemos que lo haga?
18
Esto se realiza mediante simulaciones
ante una variedad de condiciones del mundo real.
19
Valoracin del mundo real
Al capturar las dimensiones relevantes de

la realidad e incorporar aquellas dimensiones en un ambiente de prueba
en la realidad, haciendo pruebas de
automviles con muecos; o bien, recreando las condiciones utilizando un modelo computarizado (es decir, una simulacin).
20
La simulacin Monte Carlo es muy parecido al caso recin descrito
incorpora un elemento adicional:

la incertidumbre.
21
Incertidumbre
Usted conoce el rango de posibles
resultados para un componente en su anlisis, pero usted no conoce cul de esos resultados se materializar en una situacin dada. compaa farmacetica, posibilidad de entrada de un competidor
Ejemplos:
22
De acuerdo a la caracterizacin
de la incertidumbre, la simulacin Monte Carlo le permite a usted hacer una prueba de choque de automviles del valor de su proyecto.
choques distintas estrategias sin necesidad de requerir de recursos extraordinarios
Instructor: Walter J. Paiva Ramos 23
Esto le permite a usted probar contra
Porqu llevar a cabo evaluaciones de riesgo?
La razn por la que llevamos a cabo

evaluaciones de riesgo es para valorar el lado negativo (y en muchos casos con igualdad de importancia, el lado positivo) de la exposicin a la que se enfrenta un tomador de decisiones cuando tiene que tomar una decisin.
Esto se denomina el Valor en Riesgo

2010 Crystal Ball - Entrenamiento Instructor: Walter J. Paiva Ramos 24
La pregunta
Es la exposicin lo suficientemente
significativa como para hacer que el tomador de decisiones lo piense dos veces antes de tomar su decisin?
25
suficientemente significativa
Relacionada al apetito de riesgo del

tomador de decisiones.
Cmo mide el tomador de decisiones

cunto equivale significativa? a suficientemente
Aqu es donde la probabilidad sale a flote.
26
Si la exposicin es demasiado grande entonces el tomador de decisiones toma una accin para mitigar las consecuencias de su exposicin.
Esta accin es, en general, la adquisicin

de un seguro
Usualmente, el tomador de decisiones no
ser capaz de prevenir la ocurrencia de una exposicin o resultado indeseable; sin embargo, algunas veces s ser capaz de hacerlo.
La posibilidad de que llueva el viernes en la tarde
28
Si se considera que la exposicin no es lo suficientemente significativa como para llevar a cabo una accin
entonces el tomador de decisiones est

efectivamente implicando que existen suficientes activos lquidos para contrarrestar un mal resultado si ste llegase a ocurrir.
29
As que, cmo se las ingenia

uno para exposiciones positivas? evaluar negativas
las y/o
30
Esto requiere que usted como analista de riesgos
realice evaluaciones
acerca del futuro, lo cual es un ejercicio inherentemente subjetivo.
31
La mayora de los riesgos son
Subjetivos! Esto es importante saberlo para montar

modelos de cuantificacin de riesgo
32
Nadie puede ver el futuro, as que usted
debe utilizar su mejor juicio, basado en la experiencia acumulada y en la experiencia de otros expertos, a la hora de realizar su anlisis
33
El propsito de una evaluacin de riesgo
No se trata de ver claramente hacia el

futuro.
Por el contrario,
basado en toda la informacin disponible ahora, determinar la exposicin a la cual usted se enfrenta si usted procede a tomar la decisin. simulacin Monte Carlo.
Esto es realizado por medio de una
34
Para este propsito, el
conjunto de opciones integrados, que incluye el Crysyal Ball. Ball es el software de evaluacin de riesgo producido por Oracle.
Crystal
35
Herramientas del Crystal Ball

Se trata de un programa que ofrece herramientas complejas para ser
aplicadas en el ambiente de hojas de clculo de EXCEL
Tiene 5 componentes: 1. Crystal Ball, programa que ejecuta clculos estadsticos y

simulaciones de montecarlo.
2. OptQuesT, que resuelve clculos de optimizacin. 3. CB Predictor, es una aplicacin para pronstico de series de
tiempo.
36
Aplicacin de herramientas de evaluacin de riesgo Crystal Ball

Parmetros de Decisin
Variables de Decisin
Variables de Pronstico
Variables Aleatorias
Cuando una variable aleatoria est en funcin de otras variables aleatorias, esta relacin est determinada por un modelo probabilstico.
Conociendo las caractersticas aleatorias de las variables independientes, se puede 2010 Crystal Ball - Entrenamiento Instructor: Walter J. Paiva Ramos 37 identificar las caractersticas aleatorias de la variable dependiente.
Probabilidades y evaluacin de riesgos
38
QU ES EL RIESGO?
RIESGO
INCERTIDUMBRE (?)
EXPOSICIN ($)
Obj.: Medir la Incertidumbre
Obj.: Medir la Exposicin
Aplicacin del Clculo Estocstico
Determinar las relaciones entre las variables de riesgo. Anlisis de Sensibilidad.
Medicin de la Incertidumbre
La medicin de la incertidumbre parte de considerar como aleatorio el comportamiento de las variables que son inciertas. Por tanto, el componente aleatorio de este comportamiento puede ser descrito a travs de una funcin de frecuencia probabilstica.
F(xi) = P(xi)
X1 X2
.
. .
P(X1) P(X2)
.
. .
0 <= P(xi) <= 1
P(xi) = 1
Xn
P(Xn)
Todos los valores de la variable aleatoria
La probabilidad de ocurrencia de cada valor de la variables aleatoria
Para convertir un libro
de trabajo Excel determinstico a una evaluacin de riesgo probabilstica, debemos agregar incertidumbre en el anlisis.
Debemos
conceptos probabilidad.
conocer de
41
Fundamentos de Probabilidad
1. Probabilidad es una medida de la posibilidad de que un evento ocurra. 2. Los valores estn restringidos entre 0 y 1.
3. Estn definidos tanto discretas como continuas.
para
variables
4. Las distribuciones de probabilidad describen el conjunto de todos los posibles resultados y su asociada posibilidad de ocurrencia.
Si la variable es continua,
Describa las probabilidades en trminos de
Funcin de densidad El rea por debajo de la funcin de densidad = 1
Las probabilidades son obtenidas al examinar el rea debajo de la funcin de densidad entre los dos valores de inters
43
Caractersticas de las Distribuciones de Probabilidad

Describa las probabilidades en trminos de
Se pueden usar ms de 30 distribuciones de la biblioteca de distribuciones Crystal Ball.
Estas estn disponibles en Excel como funciones.

Para utilizarlas, usted necesita entender los argumentos (parmetros) que le dan vida a las distribuciones.
44
45
Medidas de centralidad
Promedio: Moda:
Este consiste en el promedio ponderado por las probabilidades de los valores de la variable aleatoria. Este es el resultado que ocurre ms frecuentemente. Para una variable continua aleatoria es el valor asociado con el punto ms alto de la funcin de densidad. medio, la mitad de los valores se encuentren por encima de l, la mitad de los valores se encuentran por debajo de l.
Mediana o percentil 50: Este es el valor en el
Medidas de variabilidad
Desviacin estndar: Esta es el promedio

ponderado de probabilidades de las distancias respecto del promedio al cuadrado, ajustadas en unidades.
Mnimo y mximo. Rango = mximo - mnimo
47
ndice de sesgo o asimetra (Skewness) (baja
Medidas de sobreexpansin hacia un extremo
probabilidad de un resultado muy grande; baja probabilidad de un resultado muy pequeo) (en tanto que es opuesto a lo simtrico: no habiendo sobreexpansin hacia cualquiera de los dos lados).
un extremo de la distribucin.
Esta es una medida de la sobreexpansin en
Mide cunto la variable est caracterizada por

un valor extremo en una direccin.
48
Caractersticas de la Dist. de Probabilidad

Las distribuciones de probabilidad, se describen mediante 3 tipos de parmetros, indicadores o estadsticos, que son valores que muestran alguna de sus caractersticas: o Estadstico de Posicin Central: El primer momento, mide la tasa esperada de retornos sobre un proyecto en particular, los estadsticos comunes incluyen a la media (promedio), mediana (centro de la distribucin) y moda (valor de ocurrencia mas frecuente). o Estadstico de Dispersin: El segundo momento, dan una idea de qu tan aglomerado o disperso se pueden encontrar los valores alrededor del centro de la distribucin. o Estadstico de Forma: Precisan otras caractersticas particulares de la distribucin, como puede ser: Su simetra (tercer momento) La importancia relativa de los valores extremos (cuarto momento)

Medir el Centro de la Distribucin El Primer Momento
Medir la Extensin de la Distribucin El Segundo Momento

Medir la Desviacin de la Distribucin El Tercer Momento
Desviacin Izquierda
Desviacin Derecha
Medir la Cola de Eventos Catastrficos El Cuarto Momento
Caracterizaciones de las distribuciones de probabilidad:
Funcin de densidad (continua) Funcin de probabilidad (discreta) Funcin de distribucin acumulada (grfico de
percentiles)
52
Funcin de probabilidad discreta
53
Para una variable continua aleatoria
Las probabilidades se muestran por medio del

rea debajo de la curva entre dos valores. El valor de la variable incierta se representa a lo largo del eje horizontal.
El rea total debajo de la curva es igual a 1.0. La expresin las colas de la distribucin se
(100%), significando que todos los resultados ocurren entre los puntos que limitan la curva.
refiere al extremo izquierdo o, al extremo derecho de la funcin de densidad de probabilidad.

Para una variable continua aleatoria
El eje vertical se refiere a la altura de la funcin
de densidad, NO a la probabilidad. Como practicante, una regla operativa til consiste en ignorar el etiquetado en el eje vertical, y por el contrario, enfocarse en el rea debajo de la funcin de densidad entre los dos valores de inters.
55
56
En la funcin de densidad
Usted puede ver la forma de la distribucin.
Nos muestra de una sola vez si usted posee una
pequea probabilidad de un evento muy extremo (sesgo), donde se encuentra la mayora de los resultados, y donde se encuentra el punto ms alto de la distribucin (moda).
57
Distribucin acumulada (grfico de percentil)
Una imagen visual de la probabilidad puede ser
mostrada por medio de una distribucin acumulada (grfico de percentil) de la variable de entrada Crystal Ball. La versin acumulada de la Pert para horas de tiempo ocioso se muestra a continuacin.
demostrar cmo se ejecuta una simulacin Monte Carlo y cmo se realiza el muestreo latino hipercbico
Esta representacin tambin es buena para
58
59

MTODO DE SIMULACIN DE MONTECARLO:
Algunos elementos tericos Fundamentos de Probabilidad
Variables Aleatorias
Una Variable aleatoria X es una funcin cuyos valores son nmeros reales y dependen del azar.
Distribuciones de probabilidad
Una distribucin de probabilidad describe el rango de valores que puede tomar una variable aleatoria y la probabilidad asignada a cada valor o rango de valores.
Ley de los Grandes Nmeros

Cuanto mayor sea el tamao de la muestra, mayor ser el ajuste entre la distribucin muestral y la distribucin terica sobre la que se basa la muestra. La frecuencia relativa de los resultados de un cierto experimento aleatorio, tienden a estabilizarse en cierto nmero, que es precisamente la probabilidad , cuando el experimento se realiza muchas veces
Teorema del Lmite Central

La media muestral de un conjunto de n variables muestreadas en forma independiente a partir de una misma distribucin f(x) se ajusta a una distribucin aprox. Normal. En otras palabras, la distribucin del promedio de un conjunto de variables aleatorias depende tanto de la cantidad de variables aleatorias promediadas como de la incertidumbre aportada por cada variable.
MTODO DE SIMULACIN DE MONTECARLO 1. Disear el modelo matemtico que representa el problema con incertidumbre. Especificar distribuciones de probabilidad para las variables aleatorias relevantes. Incluir posibles dependencias entre variables. Muestrear valores de las variables aleatorias. Calcular el resultado del modelo segn los valores del muestreo y registrar el resultado. Repetir el proceso iterativamente hasta tener una muestra estadsticamente representativa. Obtener la distribucin de frecuencias del resultado de las iteraciones. Calcular media, desvo y curva de percentiles acumulados.
2.
3. 4. 5. 6. 7. 8.
PROCESO DE SIMULACIN DE MONTECARLO

Empieza aqu: Genera un nmero al azar (entre 0 y 1)
Convierte el nmero al azar en un valor de muestra
Genera el siguiente nmero al azar (entre 0 y 1 )
Transforma la Distribucin de Probabilidad a Distribucin de Probabilidad Acumulada
Introduce el valor de muestra al modelo de transformacin

PRODUCT PROFORMA Unit Sales 10 Sales Price $ 10.00 Total Revenue $ 100.00 Variable Cost/Unit $ 5.50 Total Variable Cost $ 55.00 Total Fixed Cost $ 20.00 Total Cost $ 75.00 Net Revenue $ 25.00
Recalcula el modelo y registra el resultado de la simulacin para este intento
Crystal Ball
63
Software de Evaluacin de Riesgo: Crystal Ball Para evaluar la exposicin asociada a una
decisin en particular
(add-in) a Excel Fcil acceso a mtodos avanzados para evaluar

la incertidumbre de resultado(s) anlisis
clave de su
Luego, puede despus decirle cules factores

inciertos fueron ms influyentes a la hora de crear los resultados.
64
Crystal Ball lleva a cabo esto haciendo que usted:
65
1. Construya su modelo Crystal Ball
Especificando:
Distribuciones de probabilidad de riesgo
Las celdas de resultados (outputs)
66
Distribuciones de probabilidad de riesgo
Para Este
variables de entrada seleccionadas de su libro de trabajo.
(inputs) trabajo
paso convierte su hoja de determinstica en una probabilstica.
Usted requerir ejecutar una simulacin Crystal
Ball para ver cmo la variacin en sus variables de entrada (inputs) afecta la variacin en los resultados clave de su modelo Crystal Ball.
67
68
Las celdas de resultados (outputs)
De
tal manera que usted pueda observar el riesgo asociado con su accin propuesta. que resultados de su libro de trabajo usted requiere que sean recolectados.
Usted permite que Crystal Ball conozca
69
2. Ejecute la simulacin:
Crystal Ball ejecuta una simulacin Monte Carlo al recalcular
su libro de trabajo muchas veces (iteraciones). Lo logra de la siguiente manera: modo de reclculo manual
Al principio de una iteracin, Crystal Ball coloca al Excel en
Luego, Crystal Ball selecciona aleatoriamente valores para

cada celda de entrada (input) Crystal Ball.
Entonces, Crystal Ball recalcula el libro de trabajo y guarda
el valor en cada celda de entrada (input-supuesto) Crystal Ball y en cada celda de salida (output-pronstico) Crystal Ball. el nmero requerido de iteraciones haya sido ejecutado.
Crystal Ball entonces repite los pasos a) hasta c) hasta que

3. Resultados
Una
vez que la simulacin ha sido completada, Crystal Ball pone a disposicin grficos, tablas y tambin los valores individuales de iteracin de tal forma que usted pueda evaluar la exposicin asociada con su decisin. simulacin consiste en la variacin y en la probabilidad de la variacin en sus resultados clave.
El contenido importante del resultado de la
72
4. Nuevas funcionalidades en Crystal Ball 11:
Interface Grficas. Optquest Renovado. Strategic Finance
73
EVOLUCIN HISTRICA DE LA GESTIN DE RIESGOS
1900
1930
1950
1970
1980
1990
2008
BACHALIER: Especulacin F. MACULAY: Duracin H. MARKOWITZ: Media-Varianza
PCs
Internet
MERTON/B &S: Derivados SAVINGS & LOANS: Anlisis de Brechas MODELOS DE MONTECARLO
El desarrollo de la teora de la Gestin de Riesgos, ha venido de la mano con el desarrollo de las Tecnologas de Informacin. A diferencia de otras actividades acadmicas, la industria financiera ha sido el principal motor de su desarrollo, por su aplicacin directa en la generacin de valor, sobretodo en los ltimos 20 aos de historia.
BASILEA I: Value at Risk BANKERS TRUST: RAROC JP MORGAN: RiskMetrics BASILEA I: Riesgo de Mercado
MERTON-KMV ERM-COSO-II
BASILEA II MODELOS AMA EVT/CVAR

Gracias por su participacin en el presente entrenamiento
Agosto 16th, 2010 Walter J. Paiva Ramos CRA, CRM, Ing. Econ. Mg Matemticas y Finanzas Corporativas
Lima - Per E-mail: walter.paiva@software-shop.com
GRUPO IDDEA Asesora y Capacitacin

Calle Santa Vernica 190 - Urb. Santa Emma (a 1 cuadra de la PUCP) Lima - Per 564 8960
walter.paiva@pucp.edu.pe
Phone: 00-511-991 565376
www.iddeasac.com

Sesion 1 - Crystal Ball

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Sesion 1 - Crystal Ball

Transféré par

Droits d'auteur :

Formats disponibles

Anlisis del Riesgo en las Organizaciones Crystal Ball

Anlisis del Riesgo en las Organizaciones Crystal Ball

Introduccin a la evaluacin del riesgo

2010 Crystal Ball - Entrenamiento

Instructor: Walter J. Paiva Ramos

Anlisis del Riesgo en las Organizaciones Crystal Ball

Piense por un momento en

2010 Crystal Ball - Entrenamiento

Instructor: Walter J. Paiva Ramos

Anlisis del Riesgo en las Organizaciones Crystal Ball

2010 Crystal Ball - Entrenamiento

Instructor: Walter J. Paiva Ramos

Anlisis del Riesgo en las Organizaciones Crystal Ball

Del reconocimiento de la incertidumbre del

Nuestra incapacidad de conocer cul ser el

Implica que una accin en particular puede tener

2010 Crystal Ball - Entrenamiento

Instructor: Walter J. Paiva Ramos

Anlisis del Riesgo en las Organizaciones Crystal Ball

Aqu es donde el riesgo se transforma en un criterio de

Por tanto, se torna viable el anlisis de riesgo.

2010 Crystal Ball - Entrenamiento

Instructor: Walter J. Paiva Ramos

Anlisis del Riesgo en las Organizaciones Crystal Ball

incierto no se impide que el riesgo de un evento pueda ser cuantificado.

2010 Crystal Ball - Entrenamiento

Instructor: Walter J. Paiva Ramos

Anlisis del Riesgo en las Organizaciones Crystal Ball

La posibilidad de que llueva el viernes en la tarde

En la medida en que ambos predigan una Este es el riesgo subjetivo

probabilidad entre 0 y 1 entonces, ambos estn correctos

2010 Crystal Ball - Entrenamiento

Instructor: Walter J. Paiva Ramos

Anlisis del Riesgo en las Organizaciones Crystal Ball

La mayora de los riesgos son

Subjetivos! Esto es importante saberlo para montar

2010 Crystal Ball - Entrenamiento

Instructor: Walter J. Paiva Ramos

Anlisis del Riesgo en las Organizaciones Crystal Ball

Una decisin riesgosa requiere de un juicio personal

2010 Crystal Ball - Entrenamiento

Instructor: Walter J. Paiva Ramos

Anlisis del Riesgo en las Organizaciones Crystal Ball

Escogencia del riesgo

Las acciones riesgosas (y el riesgo en si)

Los individuos difieren en su percepcin

Hablamos de apetito y aversin al riesgo

2010 Crystal Ball - Entrenamiento

Instructor: Walter J. Paiva Ramos

Anlisis del Riesgo en las Organizaciones Crystal Ball

La necesidad del anlisis del riesgo

Primer paso en el establecimiento de un

Existe un riesgo? Desarrollo de modelos de riesgo

2010 Crystal Ball - Entrenamiento

Instructor: Walter J. Paiva Ramos

Anlisis del Riesgo en las Organizaciones Crystal Ball

Determinsticos: proveen la solucin del

2010 Crystal Ball - Entrenamiento

Instructor: Walter J. Paiva Ramos

Anlisis del Riesgo en las Organizaciones Crystal Ball

Extender el anlisis tratando de encontrar

2010 Crystal Ball - Entrenamiento

Instructor: Walter J. Paiva Ramos