DIRECCIN FINANCIERA

Departamento de Economa de la Empresa

rea de Economa Financiera y Contabilidad
Facultad de Ciencias Econmicas y Empresariales

DOCUMENTO GUIA DE LA ASIGNATURA

(consultar actualizaciones en portal del alumno)

Prof. Dr. Ricardo J. Palomo. Catedrtico de Economa Financiera y Contabilidad (responsable de asignatura).
Prof. Dr. Javier Iturrioz del Campo. Prof. Agregado de Economa Financiera y Contabilidad
Prof. Dra. Mara Encina Morales de Vega. Profesora Colaboradora de Economa Financiera y Contabilidad
Prof. D. Elizabeth Hernndez Sanz. Profesora Colaboradora de Economa Financiera y Contabilidad
* No autorizada la difusin o reproduccin total o parcial de este material sin permiso expreso de los autores y del Departamento. En su caso se
someter a los Tribunales oportunos bajo la normativa sobre derechos de autor.

BLOQUE TEMTICO II
LAS DECISIONES DE INVERSIN EN AMBIENTE DE RIESGO

MEDIOS DIDCTICOS DEL TEMA (ver portal del alumno y/o material de clase):

Documento gua del curso actual.

Documentos adicionales para este tema.

Casos prcticos del manual de referencia:

ISABEL, C, ; PALOMO R, ITURRIOZ J, (2010): Direccin

y gestin financiera de la empresa: casos prcticos
CEU Ediciones, Madrid.

Otros medios didcticos para el desarrollo de este tema y de

los siguientes del programa de la asignatura:

1. CALCULADORA FINANCIERA CASIO FC 100V o FC 200V

2. COMPUTADOR CON HOJA DE CLCULO EXCEL PARA PRCTICA EN CLASE
3. APPs FINANCIERAS: FC Financial Calculator; Power One FE,..

TEMA 6
LA VALORACIN Y SELECCIN DE PROYECTOS CON RIESGO
MEDIANTE LA APLICACIN DE INSTRUMENTOS ESTADSTICOS
PROGRAMA
1. La esperanza matemtica y la varianza como medidas del rendimiento y del
riesgo de un proyecto.
2. Los flujos netos de caja como variables aleatorias.
3. El Valor Actual Neto (VAN) como variable aleatoria.
4. La Tasa Interna de Rentabilidad (TIR) como variable aleatoria.
5. La aplicacin de determinadas distribuciones de probabilidad para el
anlisis de proyectos con riesgo (comportamiento probabilstico).
6. Comportamiento probabilstico y jerarquizacin de proyectos

1. La esperanza matemtica y la varianza como medidas del rendimiento y

del riesgo de un proyecto.

Incertidumbre: probabilidad objetiva y probabilidad subjetiva

En cualquier problema econmico, cuando las distintas situaciones que
pueden presentarse se conocen en trminos de probabilidad (caso
aleatorio), un criterio de decisin racional es el de la esperanza
matemtica.
La dificultad surge en los casos de universo incierto, ya que al no
conocer las probabilidades no se puede aplicar el criterio de la
esperanza matemtica.

1. La esperanza matemtica y la varianza como medidas del rendimiento y

del riesgo de un proyecto.

El sujeto decisor no se encuentra nunca realmente ante situaciones de total

incertidumbre.

La hiptesis de ignorancia total es tan irreal como la de informacin perfecta.

Ante un universo incierto resulta imposible evitar la ponderacin de las diferentes

situaciones.

La probabilidad de un suceso ya no es tan slo como se ha entendido

clsicamente igual a la relacin entre el nmero de casos favorables y el nmero
de casos posibles, o igual al lmite de una frecuencia.

La probabilidad "subjetiva" es un nmero que cuantifica el concepto cualitativo de

verosimilitud del sujeto decisor, y se basa en su experiencia, en su intuicin, en
sus sentimientos o en sus conocimientos

1. La esperanza matemtica y la varianza como medidas del rendimiento y

del riesgo de un proyecto.
ETAPAS EN EL ESTUDIO DEL TEMA

1. Calcular el valor esperado de los FNC (en su caso, tambin del desembolso)
2. Calcular la varianza o la desviacin de los FNC
3. Puede ser necesario calcular covarianzas y coeficientes de correlacin.
4. Calcular la esperanza matemtica del valor capital o VAN: E(VAN)
5. Calcular la varianza del VAN y su desviacin tpica.
6. Cuando se comparan varios proyectos es til calcular el coeficiente de variacin.
7. Estudiar el comportamiento probabilstico: se aplica alguna distribucin de
probabilidad y en algunos casos determinados Tchebycheff.
7

2. Los flujos netos de caja como variables aleatorias.

Partiendo del postulado, segn el cual, el propsito del decisor es maximizar el

valor del patrimonio de los accionistas o propietarios, lo que equivale a elegir
aquellos que tienen mayor VAN, asumiremos que, en situacin de incertidumbre, el
que se halla en la necesidad de elegir entre varias opciones, optar por aqulla
en la que el resultado ms probable sea el mejor, descartando aqullas en las
que lo ms probable es que se produzca un resultado menos bueno o adverso.

Sin embargo, al hacer esta eleccin, se corre el riesgo de que suceda lo

improbable o que ocurra un suceso de menor probabilidad, ocasionando un
resultado no deseado. Ello no significara que la decisin hubiera sido incorrecta;
significara que se habra materializado el riesgo incurrido al tomarla.

2. Los flujos netos de caja como variables aleatorias.

La situacin descrita se corresponde, pues, con el ambiente

aleatorio en el que el decisor no conoce con certeza el estado de la
naturaleza.

En este supuesto, el proceso de formacin de los criterios de

decisin es muy complejo, no slo por la dificultad de estimar los
distintos resultados, favorables o adversos, que puedan producirse,
sino adems por el peso que en l tienen los factores psicolgicos
personales, especialmente la aversin o la inclinacin al riesgo.

2. Los flujos netos de caja como variables aleatorias.

En estados de naturaleza incierta, el sujeto decisor tendr que aadir a las
tcnicas de anlisis y seleccin de proyectos, las aportadas por la teora de
probabilidades, y por la funcin de utilidad del propio decisor.
h

E ( A) = A0r * P0r
r =1
n

E (Qt ) = Qtr * Pt r
t =1

Y la varianza:

(Q t ) =
2

[Q
h

r =1

t
r

t
r

E (Q t ) P

(Qt ) =

[Q
h

t
r

r =1

E (Qt ) Prt

10

2. Los flujos netos de caja como variables aleatorias.

La distribucin beta asociada a los flujos de caja.

En cuanto a los datos a considerar, las tres posibilidades que se

pueden dar en este modelo con incertidumbre son:
Flujo de caja optimista.- El mayor flujo de caja que puede generar
la inversin en el periodo t en el mejor de los casos; es decir, en
el supuesto de que todo salga bien.
Flujo de caja ms probable.- El flujo de caja ms verosmil o ms
probable, el flujo de caja normal.
Flujo de caja pesimista.- El flujo de caja que puede generar la
inversin en el periodo t en el pero de los casos.

11

2. Los flujos netos de caja como variables aleatorias.

La esperanza matemtica y la varianza, correspondientes a la distribucin beta simplificada,
segn la Estadstica Matemtica, son:

Q tp + 4Q tm + Q t0
E (Q ) =
6
(Q t0 Q tp )2
2
r
(Q t ) =
36
r
t

12

2. Los flujos netos de caja como variables aleatorias.

Una distribucin estadstica alternativa de la beta: la distribucin
triangular
Las simplificaciones realizadas a la distribucin beta para trabajar con ella
han sido muy criticadas debido a la deformacin que produce sobre la
distribucin.
Sin embargo la utilizacin de estas simplificaciones es obligatoria si se
quiere operar con dicha distribucin, debido a la dificultad que entraa la
estimacin de sus parmetros.
La distribucin triangular utiliza simplemente los parmetros Qtp, Qtm y Qto,
sin utilizar ninguna simplificacin, adaptndose adems a los rigores del
anlisis. Es, por tanto, una buena sustituta de la distribucin beta.

13

2. Los flujos netos de caja como variables aleatorias.

La esperanza y la varianza de la distribucin triangular son las siguientes:
Q tp + Q tm + Q t0
3
0
(Q t Q tp )2 (Q tm Q tp )(Q t0 Q tm )
r
2
(Q t ) =
18
E (Q tr ) =

14

2. Los flujos netos de caja como variables aleatorias.

El problema de la insuficiencia de informacin para estimar el flujo de

caja ms probable: la utilidad de la distribucin rectangular o uniforme

El gran problema de las distribuciones anteriores radica en la dificultad de

estimar el valor del flujo de caja ms probable (Qtm), debido a que la
informacin necesaria para poderlo estimar es insuficiente. Por ello nos
encontremos con que, a veces, solo conocemos los flujos optimistas y
pesimistas.

En esas situaciones se utiliza la distribucin rectangular o uniforme, en la

que solo se utilizan los valores de los flujos optimistas y pesimistas. Como
no sabemos que flujo es el ms probable, se le asigna la misma
probabilidad a todos los valores situados entre dichos valores.

15

2. Los flujos netos de caja como variables aleatorias.

La esperanza y la varianza en la distribucin Uniforme vienen dadas por:
Qtp + Qt0
E (Q ) =
2
(Qt0 Qtp ) 2
2
r
(Qt ) =
12
r
t

16

17

3. El valor actual neto (VAN) como variable aleatoria.

El valor actual neto o valor capital de una inversin, est

compuesto por magnitudes (desembolso inicial y flujos de caja)
que son variables aleatorias con unas determinadas
distribuciones de probabilidad, cada una de ellas con valores
de media y varianza.

El objetivo siguiente es calcular la esperanza matemtica y la

varianza de la variable aleatoria VAN, con el objeto de poder
responder a preguntas sobre el comportamiento probabilstico
del valor actual neto.

18

3. El valor actual neto (VAN) como variable aleatoria.

h

La esperanza matemtica del VAN es:

VANM = A +

r =1

Q1 P1

(1 + k )

r =1

Q 2 P2

(1 + k )2

+ .... +

Q n Pn

r =1

(1 + k )n

n E (Q )
E (Q 2 )
E (Q n )
E (Q1 )
t
E (VAN ) = E (A ) +
+
+ ....... +
= E (A ) +
2
n
t
t =1 (1 + k )
(1 + k ) (1 + k )
(1 + k )

La varianza del VAN, cuando los flujos de caja son independientes es:

2 (VAN )= 2 ( A) +

2 (Q1 )

(1 + k )

2 (Q2 )

(1 + k )

+.......+

2 (Qn )

(1 + k ) 2 n

19

20

21

3. El valor actual neto (VAN) como variable aleatoria.

Cuando existe correlacin entre flujos de caja, debemos aadir los datos de los
coeficientes de correlacin correspondientes o bien calcular nosotros esos coeficientes (o
bien, las covarianzas), en funcin de la informacin disponible.
Esto supone incorporar ms sumandos en el clculo de la varianza del VAN, tantos como
covarianzas haya entre los FNC. Adems es preciso dividirlo por (1+k) elevado a un
exponente que es la suma de los subndices de cada FNC.

(Q i , Q j ) =

Cov (Q i , Q j )

(Q i ) (Q j )

[(

Cov (Q i , Q j ) = (Q i ) (Q j ) (Q i , Q j )

)(

[(

)]

)]

)(

Cov 1,2 = Q11 E (Q1 ) Q 21 E (Q 2 ) P 1 + ........ + Q1t E (Q1 ) Q 2t E (Q 2 ) P t

(VAN )= (A ) +
2

2 (Q1 )

(1 + k )2

2Cov (A, Q 2 )
+ ... + (1)
(1 + k )2
2Cov (Q1 , Q n )
+
+ ......
(1 + k )n +1

(1)

2 (Q 2 )

+ ....... +

(1 + k )4
2Cov (A, Q n )
(1 + k )n

2 (Q n )

+ (1)

2Cov (A, Q1 )
+
(1 + k )

(1 + k )2n
2Cov (Q1 , Q 2 ) 2Cov (Q1 , Q 3 )
(1 + k )3

(1 + k )4

+ .....

22

23

24

4. El VAN como variable aleatoria y jerarquizacin de proyectos

Cuando tratamos de comparar dos proyectos utilizamos coeficientes de
variacin.

[VAN ]
CV =

[
]
E
VAN

De esta forma tenemos en cuenta el riesgo relativo soportado por cada

proyecto.
Se elegir el proyecto con menor CV.

25

Supuesto con VR en ao adicional al ltimo FNC

26

5. La aplicacin de determinadas distribuciones de probabilidad para el

anlisis de proyectos con riesgo

La variable aleatoria VAN (valor actual neto) es igual a la suma de varias

variables aleatorias.

En virtud del teorema central del lmite, la suma de variables aleatorias

independientes tiende a la distribucin normal cuando el nmero de
sumandos tiende a infinito y los flujos de caja de los distintos perodos son
independientes. En este caso aplicamos la distribucin Normal (0,1). Por
tanto la Normal slo se puede aplicar si no hay correlacin entre los
FNC.

Si los flujos de caja no son independientes (es decir, hay correlacin entre
algunos FNC) se puede aplicar la distribucin simtrica de Tchebycheff

27

5. La aplicacin de determinadas distribuciones de probabilidad para el

anlisis de proyectos con riesgo
Si suponemos cumplidos los supuestos del Teorema Central del Lmite normalizamos la
variable aleatoria VAN.

28

5. La aplicacin de determinadas distribuciones de probabilidad para el

anlisis de proyectos con riesgo
Ejemplo: Calcular los rangos de probabilidades con los que se puede acotar la TIR esperada de
una inversin que tiene una TIR esperada del 5% si la desviacin tpica es el 3%; suponiendo que
se comporta como una distribucin Normal.
Probabilidad

Intervalo de Variacin de la TIR

68%

Entre 2% y el 8% (5% +/- 3%)

16%

Ms del 8% (5% + 3%)

16%

Menos del 2% (5% - 3%)

95%

Entre -1% y el 11% (5% +/- 2x3%)

2,5%

Ms del 11% (5% + 2x3%)

2,5%

Menos del -1% (5% - 2x3%)

29

5. La aplicacin de determinadas distribuciones de probabilidad para el

anlisis de proyectos con riesgo
Ejemplo: Calcular los rangos de probabilidades con los que se puede acotar el VAN esperado de
una inversin que tiene una E(VAN) de 100 si la desviacin tpica es de 30; suponiendo que se
comporta como una distribucin Normal.
Probabilidad

Intervalo de Variacin del VAN en euros

68%

Entre 70 y 130 (100 +/- 30)

16%

Ms de 130e (100 + 30)

16%

Menos de 70 (100 - 30)

95%

Entre 40 y el 160 (100 +/- 2x30)

2,5%

Ms del 160 (100 + 2x30)

2,5%

Menos del 40 (100 - 2x30)

30

31

32

5. La aplicacin de determinadas distribuciones de probabilidad para el

anlisis de proyectos con riesgo
Cuando los FNC no son variable independientes una solucin posible es utilizar
la distribucin simtrica de Tchebycheff
La probabilidad de que la variable aleatoria VAN tome valores fuera del intervalo es
igual a 1/K2:

33

34

35

EJERCICIO 1: Los 4 flujos de caja de un proyecto de inversin tiene los siguientes valores:
Flujo de caja 1: variable aleatoria discreta (probabilidad)
Qj
P
30
0,35
40
0,30
50
0,20
60
0,15
Flujo de caja 2: distribucin beta simplificada
Qjo = 110
Qjm = 100
Qjp = 80
Flujko de caja 3: distribucin triangular
QjO = 135
Qjm = 125
Qjp = 115
Flujo de caja 4: distribucin rectangular
QjO = 90
Qjp = 75
SE PIDE: Calcular la esperanza y la desviacin tpica de los flujos de caja

36

EJERCICIO 1: Solucin

La esperanza y desviacin tpica del flujo de caja 1 ser:

E(Q1) = 30 * 0,35 + 40 * 0,3 + 50 * 0,20 + 60 * 0,15 = 41,5
2(Q1) = (30-41,5)2 * 0,35 + (40-41,5)2 * 0,3 + (50-41,5)2 * 0,2 + (60-41,5)2 * 015
2 (Q1) = 112,75
(Q1) = 10,61
La esperanza y desviacin tpica del flujo de caja 2 ser:

Qj o + 4 Qj m + Qj p
E ( Q2 ) =
= 110 + 4 100 + 80 = 98 ,3
6
6

(Qj o Qj p ) 2 (110 80) 2

=
= 25
(Q2 ) =
36
36

( Q2 ) =

25 = 5

37

EJERCICIO 1: Solucin
La esperanza y desviacin tpica del flujo de caja 3 ser:

E ( Q3

Qj o + Qj m + Qj
)=
3

= 135 + 125 + 115 = 125

3

(Qj o Qj p ) 2 (Qj o Qj m ) (Qj m Qj p )

(Q3 ) =
18

(135 115) 2 (135 125) (125 115)

= 16,7
(Q3 ) =
18

( Q3 ) =

16 ,7 = 4 ,08

La esperanza y desviacin tpica del flujo de caja 4 ser:

Qj o + Qj p
E ( Q4 ) =
= 90 + 75 = 82 ,5
2
2

( Qj o Qj p ) 2 ( 90 75 )
( Q4 ) =
= 18 ,75
=
12
12

(Q

)=

18 ,75 = 4 ,33

38

EJERCICIO 2: Se pide calcular la esperanza y desviacin tpica del VAN con los flujos de
caja del ejercicio 1 siendo independientes, con un desembolso inicial de 170 y una tasa
k del 5%.
SOLUCIN:
82 , 5
E (VAN ) = 170 + 141,05,5 + (198,05,3)2 + (1125
+
= 134,53
, 05 )3
(1, 05 ) 4

, 75
16,5
18, 75
25
(VAN ) = 0 + (112
+
+
+
= 147,98
1, 05 ) 2
(1, 05 ) 4
(1, 05 )6
(1, 05 )8

(VAN ) =

147,98 = 12,16

39

EJERCICIO 3: Con los datos del ejercicio 2 se pide calcular la probabilidad de

aceptacin del proyecto, es decir, que VAN sea mayor que cero.

SOLUCIN:

P(VAN>0) = P(>

0 134 ,53
) = P(> - 11,06)
12 ,16

La probabilidad es 1 = 100%.

40