MODELO DE SIMULACIN MONTECARLO

ANA MARIA RUSSELL MARN

ANA MILENA CLAVIJO ALFONSO

FERNANDO FUENTES PALENCIA

CAMILO ANDRES ROJAS RODRIGUEZ

JONATHAN HERNNDEZ

OCTAVO SEMESTRE GRUPO B

INSTITUCIN UNIVERSITARIA DE COLOMBIA

INGENIERIA INDUSTRIAL

Bogot D.C

2017
MTODO MONTECARLO APLICADO EN EL RIESGO FINANCIERO

ANA MARIA RUSSELL MARN

ANA MILENA CLAVIJO ALFONSO

FERNANDO FUENTES PALENCIA

CAMILO ANDRES ROJAS RODRIGUEZ

JONATHAN HERNNDEZ

OCTAVO SEMESTRE GRUPO B

Docente:

HELIO DURN CELIS

INSTITUCIN UNIVERSITARIA DE COLOMBIA

INGENIERIA INDUSTRIAL

Bogot D.C

2017
Contenido
INTRODUCCIN..................................................................................................................................4
OBJETIVO GENERAL............................................................................................................................5
OBJETIVOS ESPECFICOS.....................................................................................................................5
GENERALIDADES DEL METODO..........................................................................................................6
MTODO MONTECARLO APLICADO EN EL RIESGO FINANCIERO........................................................7
ANLISIS DEL MTODO MONTECARLO.............................................................................................10
APORTES AL MTODO MONTECARLO..............................................................................................12
CONCLUSIONES................................................................................................................................13
GLOSARIO.........................................................................................................................................13
BIBLIOGRAFA...................................................................................................................................13
 INTRODUCCIN

El presente estudio est relacionado al mtodo de simulacin Montecarlo, tiene

como objetivo, plasmarlo en una forma objetiva su aplicabilidad en el riesgo
financiero, como herramienta para facilitar la toma de decisiones a las
organizaciones.

As mismo podemos observar que entre sus propsitos puede hacer un uso del
estudio de los escenarios de acuerdo a los rendimientos o precios, lo cual nos
permite generar un anlisis ms profundo sobre los riesgos a los que pueden estar
expuestas las empresas a nivel financiero.

Por consiguiente daremos una breve explicacin del mtodo y su aplicabilidad

para evaluar el riesgo, por medio del estudio de las probabilidades en una
cantidad de nmeros aleatorios asociado a las simulaciones y a los intervalos de
confianza.
 OBJETIVO GENERAL

Conocer el mtodo de simulacin Monte Carlo, con la finalidad de poder

determinar su aplicabilidad a nivel empresarial

OBJETIVOS ESPECFICOS

Realizar una investigacin del mtodo de simulacin Monte Carlo, enfocado al

riesgo financiero

Realizar un anlisis del mtodo Montecarlo con sus correspondientes aportes.

 GENERALIDADES DEL MTODO

El mtodo Montecarlo es una herramienta por medio de un mtodo numrico que

permite generar una solucin a los problemas matemticos mediante una
simulacin de las variables aleatorias.

En el ao 1949 tuvo sus orgenes apareciendo en el artculo The Monte Carlo

method, as mismo ste estudio suele asociarse a los nombres de los
matemticos norteamericanos J. von Neumann y S. Ulam. En la Unin Sovitica
los primeros artculos dedicados al mtodo de Montecarlo que aparecieron en
1955 y 1956).

Es curioso que la base terica del mtodo fuera bien conocida desde hace mucho
tiempo. Es ms, algunos problemas de la Estadstica se resolvan a veces
empleando las muestras aleatorias, o sea, aplicando de hecho el mtodo de
Montecarlo. Sin embargo, hasta la aparicin de las mquinas calculadoras
electrnicas (MCE), este mtodo no encontraba aplicaciones suficientemente
amplias ya que la simulacin a mano de variables aleatorias constituye un proceso
muy laborioso.

Es decir, la aparicin del mtodo de Montecarlo en tanto que un mtodo numrico

de gran universalidad se hizo posible slo gracias a la creacin de las MCE. El
nombre de (Montecarlo) se debe al de una poblacin del principado de Mnaco,
clebre por su casa de juego. Resulta que uno de los aparatos mecnicos ms
sencillos que permite obtener variables aleatorias es la ruleta.

Para efectuar el mtodo de Montecarlo debe tener en cuenta los siguientes pasos:

1. Establecer las variables y sus correspondientes valores que van a

componer el modelo que se va a ejecutar

2. Construir la distribucin de probabilidad acumulada para cada variable, Aqu

se tiene que convertir una distribucin de probabilidad regular a una
distribucin de probabilidad acumulada. Esto quiere decir que la
probabilidad acumulada para cada nivel de demanda no es ms que la
suma del nmero en la columna de la probabilidad agregada a la
probabilidad acumulada anterior

3. Establecer intervalos de nmeros aleatorios. En este paso se debe asignar

un conjunto de q represente a cada valor posible. Estos estn establecidos
como intervalos de nmeros aleatorios que surgieron un proceso
aleatorio(tomando el nmero de dgitos requeridos)
 4. Generacin de nmeros aleatorios. Estos nmeros se pueden generar dedo
s maneras: la primera es, si se tiene un problema grande y el proceso
involucra miles de ensayos, lo conveniente es utilizar algn software
especializado para generarlos; la segunda, si la simulacin se tiene que
hacer a mano, los nmeros se pueden seleccionar en una tabla establecida
de nmeros aleatorizados

MTODO MONTECARLO APLICADO EN EL RIESGO FINANCIERO

El riesgo financiero puede ser definido como la volatilidad de los resultados

esperados. En particular, el riesgo de mercado se refiere a la posibilidad de sufrir
prdidas en los mercados financieros.
Hasta el momento, se han propuesto en la literatura numerosas metodologas para
medir el riesgo de mercado, aunque la inmensa mayora de estas son variantes de
tratamientos estadsticos paramtricos y no paramtricos. Merece destacar entre
los primeros el mtodo de varianzas-covarianzas y el de simulacin Montecarlo, y
entre los segundos el mtodo de simulacin histrica.
El mtodo de simulacin Montecarlo consiste en crear escenarios de rendimientos
o precios de un activo mediante la generacin de nmeros aleatorios. En este
caso se supone que el cambio en los precios sigue un comportamiento
estocstico, con la siguiente ecuacin matemtica que representa el modelo de
Wiener:

Donde t~ N (0,1) corresponde a una variable aleatoria normal estndar (ruido

blanco o choque aleatorio). Esta seccin se enfoca en un caso simple con una
sola variable aleatoria.

El modelo de Wiener indica que los rendimientos de un activo estn determinados

por un componente determinstico dt y un componente estocstico t.

El mtodo de simulacin Montecarlo permite generar una gran cantidad nmeros

aleatorios (usualmente 5.000 o 10.000 escenarios) para la variable t N (0,1), de
tal manera que se pueda contar con igual cantidad de precios simulados del activo
para diferentes horizontes de tiempo. Posteriormente se valora el portafolio para
cada escenario de precios (valoracin global) y se presentan los resultados como
distribucin de probabilidades de los rendimientos del portafolio como una medida
especfica del riesgo o Ver.

Si los instrumentos no estn correlacionados entre s, el ejercicio sera

simplemente repetir n veces (una vez por instrumento) el mismo procedimiento
que se sigue para el portafolio de un activo. Sin embargo, si las correlaciones
entre los instrumentos no son nulas, la simulacin de los retornos debe considerar
tal covarianza, lo cual complica el procedimiento de generacin de procesos
estocsticos.

Para la generacin de escenarios se usa la siguiente formulacin

Dnde:

Pt: precio del activo en el da "t"

P0: precio del activo en el da inicial

: volatilidad diaria del precio del activo

t: horizonte temporal en das

Y: variable aleatoria normal estandarizada

Si se supone una cartera con dos activos, hay que generar parejas de nmeros
aleatorios que se encuentren correlacionados segn una estimacin previa de la
historia o situacin de los mercados en cuestin (Martin et l., 2000:54).

Se parte de la siguiente expresin:

Z = AY

Dnde:

Z: vector nx1 de variables normales estandarizadas e independientes

Y: vector

N: nmero de activos a considerar (n=2, en este caso).

: coeficiente de correlacin

Obsrvese que:

Lo que corresponde a la descomposicin de Cholesky.

Si se considera el vector Y, 2x1 que contiene dos variables aleatorias normales

estandarizadas e independientes, Y1 y Y2, los elementos del vector Z sern:

Deducindose que:

Puesto que Y1, Y2 y Z1 tienen como varianza la unidad y Y1 y Y2 son

independientes, resulta

y mediante la transformacin Z = A.Y se generan variables aleatorias normales,

estandarizadas e independientes con el factor de correlacin .

Papageorgiou y Paskov (1999) consideran que los mejores mtodos para estimar
el riesgo de mercado son la simulacin histrica y la simulacin Montecarlo; los
dos similares, slo que en el primero se usan cambios histricos en los precios en
lugar de cambios simulados basados en un modelo estocstico.

La ventaja principal del mtodo de simulacin Montecarlo, por encima de la

simulacin histrica, es que ofrece la oportunidad de probar muchos ms
escenarios de potenciales cambios para las variables financieras. Tambin permite
al usuario identificar la sensibilidad del Ver a los cambios en la composicin del
portafolio o a cambios en los valores de los parmetros estadsticos que se usaron
en la simulacin (Picoult, 1999).

Jorion (2000:253) considera al mtodo Montecarlo como el ms poderoso para

medir el riesgo de mercado, en el cual es posible incluir el riesgo de precios no
lineales y el riesgo de volatilidades. As, se pueden incorporar las variaciones de la
volatilidad en el tiempo, la existencia de colas de distribuciones ms altas de lo
normal y escenarios extremos. El procedimiento es bastante directo si el portafolio
consta de un activo. Sin embargo, si la cartera de inversiones est compuesta por
n activos, entonces se debe simular una secuencia de 5.000 a 10.000
realizaciones para cada uno de esos n activos (Jonson, 2000). Por esto, el mayor
inconveniente del mtodo es su alto costo de implementacin en trminos de la
infraestructura de sistemas, adems de requerir personal muy cualificado.

Otra debilidad de este procedimiento es que se basa en un modelo estocstico

para generar el precio de los activos que componen el portafolio, as como en
modelos de valoracin para activos complejos como opciones o ttulos
hipotecarios. "Por tanto, existe un cierto riesgo de modelizacin y, para comprobar
si los resultados son fiables con respecto a cambios en los modelos, los datos
obtenidos de la simulacin deberan complementarse con algn tipo de anlisis de
sensibilidad" (Martin et l., 2000:62).

En general, este mtodo es el ms completo para la medicin del riesgo de

mercado, y es particularmente til cuando se pretende calcular el riesgo de
productos derivados, como futuros, opciones y swaps.

ANLISIS DEL MTODO MONTECARLO

El mtodo de Montecarlo es una herramienta utilizada mediante una simulacin,

en la cual se aproximan los resultados de diferentes clculos en donde no se
puede obtener una solucin exacta, por consiguiente este mtodo est siendo
utilizado para crear estimaciones para aquellos parmetros que muestran una
notoria variabilidad, ya que estas estimaciones siempre estarn sometidas a un
cierto error, por consiguiente son soluciones por medio de probabilidades con un
intervalo de confianza en sus resultados absolutos.

Por consiguiente al momento de generar un estudio se deben evaluar las

variables como son: los costos, planos, riesgos hasta el estado fsico y mental de
los trabajadores a su vez las materias primas ya que esta puede tener una
variacin constante en su precio dependiendo a la moneda con que se est
adquiriendo o comercializando, adems se deben considerar los errores o averas
en los materiales o materias primas comprados por la organizacin denominados
imprevistos, los cuales pueden ocasionar un potencial coste adicional por ende se
deben tener en cuenta.

Al tener la anterior informacin definida, el mtodo Monte Carlo genera de manera

estadsticas por medio del anlisis de diferentes escenarios basado en el
comportamiento del mercado ya que al ser un proceso estadstico con proceso
estocstico, as mismo aquellos cambios que se presentaran en el pasar del
tiempo, pueden llegar a ser no exactos por consiguiente los riesgos financieros no
son 100 % precisos, por consiguiente este mtodo es una herramienta que
permite verificar diferentes variables para la toma de decisiones, reflejando
situaciones predecibles mitigando la materializacin de algunos riesgos evaluados,
amortiguando a su vez el impacto que ste podra generarle a la organizacin.

Con lo anterior queremos indicar que las empresas que ejecuten este modelo de
simulacin con informacin veraz podrn observar diferentes escenarios de
acuerdo a los rendimientos que se quieren proyectar en el ejercicio as mismo
ofrece posibilidades ya que al no tener una seleccin ms especfica, lo que dara
ahorro de tiempo, y mayor eficiencia. Sin embargo, por eso es conocido como un
mtodo de azar o la suerte.

Luego de la anterior explicacin, queda claro que el mtodo de Montecarlo, es el

mejor para realizar estadsticas a travs de distintos escenarios sobre el
comportamiento del mercado. Sin embargo, consideramos que los cambios que se
presentaran con el tiempo pueden ser imprecisos, las frmulas matemticas
anteriormente explicadas, son modelos de apoyo que sirven para representar los
distintos escenarios.
 APORTES AL MTODO MONTECARLO

Se puede apreciar que el mtodo Montecarlo, est sujeto bajo una tcnica
estadstica que sirve para generar nmeros aleatorios, aplicando esta tcnica a
los juegos de azar, para llevar a cabo la ms mnima posibilidad de ganar en estos
juegos mediante esta tcnica.

La aplicacin del mtodo Montecarlo, en nuestra vida nos conlleva, a analizar las
diversas posibilidades hay de implementarlo mediante una variabilidad de valores
respecto de factores que se adecuen a todo tipo de proyectos.

Luego de entender la metodologa de Montecarlo, consideramos que se pueden

aplicar varias metodologas combinadas para lograr un resultado ms acertado, de
igual forma se podran considerar las contingencias dentro de este mtodo en el
caso en que la metodologa de simulacin arroje resultados poco realistas.

Para la parte financiera, se debe entender que los resultados son aleatorios y se
deben tratar como son, estimaciones solamente, por eso muchas decisiones no
deben ser tomadas por los resultados que arroje la metodologa, se debe realizar
un anlisis apoyado por otras herramientas que puedan certificar una mayor
credibilidad a la estadstica del resultado.
 CONCLUSIONES

Al efectuar sta investigacin pudimos establecer que el mtodo de simulacin de

Monte carlo, se pueden evaluar los riesgos para la toma de decisiones en el
mbito financiero, ya que es una herramienta que nos permitir generar una serie
de simulaciones con todas las variables con el objetivo de generar un resultado lo
ms cercano a la realidad, reduciendo el riesgo a la decisin que tome la alta
direccin.

GLOSARIO

Estocstico:

1. adj. Perteneciente o relativo al azar.

2. f. Mat. Teora estadstica de los procesos cuya evolucin en el tiempo esaleat
oria, tal como la secuencia de las tiradas de un dado.

Contingencia:

1. f. Posibilidad de que algo suceda o no suceda.

2. f. Cosa que puede suceder o no suceder.
3. f. Riesgo

BIBLIOGRAFA

1.
LECCIONES POPULARES DE MATEMATICAS
METODO MONTECARLO
AUTOR: I. M. SOBOL
EDITORIAL MIR
Primera edicin 1976
Segunda edicin 1983
IMPRESO EN LA URSS.
2. Revista Innovar Journal de Ciencias Administrativas y Sociales, volumen
19. Universidad Nacional de Colombia.

3. Diccionario de la Real academia espaola

Asociacin de academias de la lengua espaola Edicin del Tricentenario