Cap 4

Material de estudio para la asignatura Direccin Financiera a Largo Plazo de los programas
MADE y MAFI de la UCA de El Salvador. Preparado por el profesor Vicente Fruet.
CAPTULO IV
LAS INVERSIONES EN CONDICIONES DE RIESGO16
1. INTRODUCCIN:
En el tema anterior, comentbamos los problemas ms importantes relacionados con la

toma de decisiones en condiciones de certeza y decamos que se trataba de una
simplificacin, pues en el mundo real la certeza prcticamente no existe, y lo que se dan
son mayores o menores probabilidades de que un determinado hecho suceda.
Sin embargo, ya apuntbamos que esa simplificacin es til en muchas ocasiones y

que en algunos casos no merece la pena complicarse excesivamente, introducindose
en los problemas de tipo estadstico que normalmente conlleva un anlisis con riesgo.
En la prctica profesional, la mayor parte de las decisiones empresariales, se toman

asumiendo condiciones de certeza y teniendo el riesgo en cuenta de forma cualitativa.
Pero, hay dos hechos que deben animarnos a estudiar este tema:
(i) En primer lugar, existen bastantes inversiones de proyectos en los que s

resulta importante utilizar modelos con riesgo.
(ii) Por otro lado, an suponiendo condiciones de certeza, profesionalmente

resulta necesario conocer los problemas que los supuestos pueden
acarrearnos al estar en condiciones de riesgo.
16
GOMEZ BEZARES, Fernando. "Las decisiones financieras en la prctica". Biblioteca de Gestin, 6 Edicin. Bilbao.
Espaa. 1998.
81
2. CERTEZA, RIESGO E INCERTIDUMBRE
En cualquier problema de decisin, y la inversin es un problema de este tipo, podemos

encontrarnos bsicamente ante tres tipos de situaciones:
a. Conocemos perfectamente lo que va a suceder , ste es el denominado caso de

certeza; el problema consiste en evaluar los flujos de fondos "ciertos" para tomar la
decisin ms adecuada. Es lo que hacamos en el captulo anterior.
b. No tenemos informacin sobre cules sern los valores que tomarn las variables
que influyen en el resultado de nuestra decisin. Es el caso de incertidumbre.
Cuando nos encontramos en esa situacin no somos capaces ni de asignar
probabilidades a los diferentes valores de las variables.
c. No sabemos cul ser el valor exacto que tomar cada variable, pero s la
probabilidad de que tome uno u otro. Es el caso de riesgo, intermedio entre los dos
anteriores, y que veremos que es el ms realista en la mayora de las ocasiones.
Ante la necesidad de valorar una decisin, y siendo rigurosos, es prcticamente imposible

el que se d una situacin de certeza en los valores que en el futuro tomarn las variables.
As, si estudiamos la conveniencia de construir una carretera, nunca sabremos el nmero
exacto de automviles que la utilizarn y, en consecuencia, no sabremos cules sern los
ingresos que se obtendrn. Alguno quiz piense que nos encontramos ante un caso de
incertidumbre pues no hay datos que nos permitan calcular probabilidades y, en principio,
as es.
Cuando el decisor se enfrenta ante la incertidumbre, parece, en principio, que habr de

prescindir de todas las tcnicas de decisin y actuar en base a criterios no cientficos; pues,
como suceda en el caso anterior, al no saber los ingresos, no puede basar su decisin en
ningn mtodo objetivo. Para evitar esto se idearon criterios como el de Laplace, Wald,
82
Hurwicz, Savage que trataban de dar una norma de conducta. As por ejemplo, Laplace
supone que todos los hechos posibles son igualmente probables. Es fcil criticar esta
postura, as como las de los dems criterios, desde la perspectiva del decisor. Cualquier
hombre de empresa sabe que no todos los hechos son igualmente probables; en el caso
de nuestra autopista, por poca experiencia que se tenga en ese tipo de negocio, los
responsables del tema sabrn que hay un nmero medio, alrededor del cual se concentran
las mayores probabilidades, y unos valores extremos que es difcil que se den.
Veamos esto grficamente en la figura siguiente:
a b c d e f
PROBABILIDAD PROBABILIDAD PROBABILIDAD

MUY BAJA ALTA MUY BAJA
El que la autopista sea utilizada anualmente por un nmero de vehculos entre c y d es

bastante probable.
Sin embargo el que sea utilizada por un nmero entre a y b (excesivamente bajos), o
83
entre e y f (excesivamente altos), es poco probable.
Cuando los responsables de tomar la decisin pueden contar con informacin, aunque
sea subjetivamente estimada, como la de la figura presentada, no acudirn a criterios
como el citado de Laplace, cuyo uso reservarn para los casos en los que se carezca
de toda informacin.
En conclusin, lo ms normal es que, por uno u otro procedimiento, se conviertan los

casos de incertidumbre en casos de riesgo, donde se conocen las probabilidades que
se den los diferentes valores de las variables.
A lo largo del razonamiento que hemos seguido, hemos utilizado bsicamente el sentido
comn, sin apelar a teoras cientficas. Sin embargo, en todo lo dicho existe una teora
estadstica subyacente a la que deseara dedicar unas lneas y es la teora de la
probabilidad subjetiva.
Muchos autores han tratado este tema encontrndose en este momento en una
situacin de auge, unido a otro que da a da cobra ms fuerza dentro de la teora
estadstica como es la estadstica bayesiana.
El concepto estadstico de probabilidad siempre ha sido difcil de definir pero, al menos

intuitivamente, podemos decir que la probabilidad clsica se asociaba a frecuencia
relativa; en consecuencia, se hablaba de probabilidad al referirse a hechos repetibles:
si el 50% de las veces que tiro una moneda al aire sale cara, la probabilidad de que
salga cara es el 50%.
Sin embargo, en determinadas ocasiones es preciso asignar probabilidades a hechos

irrepetibles: Cul es la probabilidad de que Coln naciera en Gnova? Es evidente que
el hecho ya sucedi y no se puede repetir, y que desde este punto de vista podra
resultar impropio el hablar de probabilidad, siendo ms lgico decir que el hecho es ms
84
o menos verosmil. Puede argumentarse que de cada 100 veces que existieran las
pruebas que poseemos, 80 provendran del hecho de nacer en Gnova y de ah
podemos deducir una probabilidad del 80%.
Para este caso, como para otros muchos, parece adecuado hablar de probabilidad
subjetiva como grado de creencia que el sujeto da a un hecho, diciendo, por ejemplo,
que l atribuye una probabilidad subjetiva del 80% al hecho de que Coln fuera
genovs, en funcin de las pruebas que posee; su grado de creencia es ese.
Algo similar sucede cuando hablamos de la probabilidad de que la bolsa suba

maana; tal hecho, con todas sus circunstancias, es tambin irrepetible.
Este concepto de probabilidad subjetiva es muy interesante en la mayora de los

problemas de decisin y, por supuesto, en las decisiones de inversin; muchas veces
tenemos que asignar probabilidades a hechos futuros en funcin de lo verosmiles que
son para nosotros; la teora de la probabilidad subjetiva nos fundamenta esa manera de
actuacin. As podemos estimar subjetivamente las probabilidades de la figura anterior.
En general, siempre que no se posea informacin suficiente para asignar probabilidades

objetivas a unos hechos, o esto sea imposible conceptualmente por ser hechos
irrepetibles, pero posea alguna informacin al respecto, podemos atribuir probabilidades
subjetivas en funcin del grado de verosimilitud que les concedamos.
En conclusin, dado que la certeza absoluta no se da, y que el desconocimiento

absoluto es raro en el que va a tomar una decisin, lo normal es que nos
encontremos en situacin de riesgo, bien por conocer unas probabilidades objetivas,
bien por poder estimar unas probabilidades subjetivas. En este sentido, una estimacin
subjetiva, aunque defectuosa, siempre ser mejor que el no hacer ningn tipo de
estimacin.
85
3.LA TOMA DE DECISIONES CON RIESGO
En todas las decisiones empresariales de inversin, se estudia la utilidad que ellas

proporcionan. Para ello se transforman los distintos resultados posibles en utilidades
y despus se opera con ellos; el problema es que esto resulta subjetivo y poco prctico
en la mayora de las ocasiones. Es bastante normal simplificar el problema de decisin
reduciendo la informacin sobre el resultado a slo dos parmetros:
la esperanza matemtica: el promedio , y
la desviacin estndar - o, a veces, la varianza -.
En esos casos podemos representar el resultado de cada decisin en un mapa de y ,

como el de la figura siguiente:
D
E
A
C
B
F
G

Segn el planteamiento de la figura, cada decisin viene definida por el promedio y la
desviacin estndar de sus posibles resultados. Esto puede aceptarse cuando los
resultados de las diferentes decisiones siguen la distribucin normal que se define con los
86
dos parmetros citados.
Al ser las variables normales, se diferenciarn entre ellas en funcin de su y su
que es lo que aparece en el mapa de cuadrantes. Podemos suponer que el decisor es

enemigo del riesgo y que ste lo medimos por la desviacin tpica. En este caso, parece
que la decisin H es la ptima, pues tiene el mayor promedio de resultado y el menor
riesgo. En las decisiones de inversin, el resultado de cada una, lo podemos medir por su
valor actual neto (VAN). Tambin podemos usar la TIR, pero su tratamiento es similar y
mejor que nos concentremos en uno solo.
El VAN de una inversin con riesgo ser una variable aleatoria 1, que podemos
suponer que sigue la distribucin normal. Dicha distribucin vendr definida por un
promedio del VAN y una desviacin tpica del VAN, del VAN.
1
Variable aleatoria: la cantidad que es resultado de un experimento que, por azar, puede suponer distintos valores.
Ejemplos: (i) Si se cuenta la cantidad de obreros ausentes en el turno diurno del lunes, el resultado podra ser 0, 1, 2, 3,
El nmero de ausencias es la variable aleatoria. (ii) Si se pesa un lingote de acero, el peso podra ser 2.500 libras,
2.500,1 libras, 2.500,13 libras, etc. dependiendo de qu tan precisa sea la bscula. El peso es la variable aleatoria.
87
Podemos suponer que los decisores tienen unas curvas de indiferencia (es decir, curvas de
igual utilidad, donde a lo largo de cada curva la utilidad se mantiene constante ) como las de
la figura a continuacin:
1 2 3 4 5 La curva5
VAN representa al
primer proyecto
factible
x M
x
x
x
x
x
VAN
En la figura podemos ver que, lgicamente por ser enemigos del riesgo, la curva 1 es mejor
que la 2 (tiene ms para la misma , o menos para la misma ), la 2 es mejor que la

3, la 3 ms que la 4, etc. Dentro del mapa de curvas, la 5 es la primera que toca un
proyecto de inversin factible, que hemos denominado M; luego ste ser el preferible.
Aceptando esta forma de comportamiento que es bastante general, podemos decir que un
proyecto vendr definido por su VAN medio "" y la desviacin tpica del VAN que
la aceptaremos como medida del riesgo -en ocasiones se utiliza como tal medida la
88
varianza , sin que esto produzca cambios sustanciales-. El problema que normalmente
se plantea es el clculo de la y del VAN.
Al respecto, vamos a estudiar algunos casos posibles cuando la nica variable aleatoria
son los flujos de fondos. Este es el caso que se estudia normalmente, pues permite
generalizar sin dificultad que el desembolso inicial, el valor residual o la vida til sean
variables aleatorias.
Para no complicar mucho el tema, vamos a utilizar un tipo de descuento constante.

Supongamos, en consecuencia, una inversin como la de la figura siguiente:
F1 F2 Fn
Di
Donde cada flujo (F1, F2 Fn) tiene su promedio y su desviacin tpica , que
obviamente no tienen porqu ser iguales.
A. CUANDO LAS GENERACIONES DE FONDOS SON VARIABLES INDEPENDIENTES 2
2
Variable independiente: es la variable que da la base para la estimacin. Es la base predictora.
Variable dependiente: es la variable que se va a predecir o estimar.
89
Supongamos primeramente que los flujos de fondos de un ao no dependen de lo que

pas el ao anterior y su coeficiente de correlacin 3 es nulo. El VAN lo podemos suponer
de la siguiente forma:
F1 F2 Fn
VAN = -D + ------------ + --------------- + + --------------
1 + k (1 + k) (1 + k)n
donde las variables aleatorias son los flujos de fondos y el propio VAN (por eso les hemos
puesto encima un signo distintivo ). Es claro que el VAN es, en este caso, una
combinacin lineal de variables aleatorias independientes, en consecuencia:
E(F1) E(F2) E(Fn)

E(VAN) = -DI + ------------ + --------------- + + --------------
1 + k (1 + k) (1 + k)n
o lo que es lo mismo, llamando a la E(VAN) y 1 a la E(F1):
1 2
n
= -D + ------------- + -------------- + + ----------------
(1 + k) (1 + k) (1 + k)n
Para el clculo de la desviacin tpica, hemos de acudir a la frmula de la varianza de una

combinacin lineal de variables aleatorias:
3
El coeficiente de correlacin es una medida de la magnitud de la relacin lineal entre dos variables. Fue encontrado por
Karl Pearson alrededor de 1900 y se designa con la letra r y con frecuencia se llama r de Pearson. Puede tomar cualquier
valor desde -1,00 hasta + 1,00 inclusive. Un coeficiente de correlacin de -1,00 de +1,00 indica correlacin perfecta,
negativa o positiva, respectivamente.
90
Si Z = a1X1 + a2X2 + + anXn
= aiaj ij
i,j
donde:
= varianza de Z ( sera la desviacin tpica)

ij = covarianza de X1 con Xj
ii = varianza de Xi (i sera la desviacin tpica)
La frmula anterior puede transformarse, si recordamos que el coeficiente de correlacin

tiene la siguiente frmula:
ij
rij = ------------------
ij
quedando:
= aiaj ij rij
ij
En este momento nos estamos planteando el que los flujos de fondos son independientes y
su coeficiente de correlacin es nulo, luego:
rij = 0
91
y por lo tanto:
ij = 0
Adems, siempre sucede que la correlacin de una variable consigo misma es la unidad,
luego:
rii = 1
lo que concuerda con que ii = i.
En consecuencia, las frmulas
= aiaj ij y = aiaj ij rij

i,j ij
para el caso de que las X -de la frmula de la varianza de una combinacin lineal de
variables aleatorias-, sean independientes, quedarn:
= ai i
i
Aplicando esto ahora a la frmula del VAN con riesgo y llamando VAR(X) a la varianza de
X, tendremos:
2 2 2
1 1 1
VAR(VAN) = ------------ VAR(F1) + ----------- VAR(F2) + + ----------- VAR(Fn)
1 + k (1 + k) (1 + k) n
llamamdo a la VAR(VAN) y i a la VAR(F1), tendremos:

92
1 2 n
= --------------- + ---------------- + + -----------------
(1 + k)2 (1 + k)4 (1 + k)2n
o lo que es lo mismo:
n i
= --------------
i =1
(1 + k)i
si hacemos la raz cuadrada tendremos la desviacin tpica:
n i
= --------------
i =1
(1 + k)i
En consecuencia, ya tenemos el promedio y la desviacin tpica del VAN, y, adems, si las

variables son normales, ste tambin ser normal. Aunque las variables no sean normales,
dado que son independientes, su combinacin lineal sigue en condiciones bastante
generales la distribucin asintticamente normal en virtud del teorema central del lmite. En
consecuencia, en la mayora de las ocasiones, podemos suponer que el VAN sigue la
distribucin normal. Veamos algunos ejemplos:
4.Ejercicios prcticos:
4.1. Supongamos que un proyecto de inversin viene definido por los siguientes valores:
93
Desembolso inicial => D = $10.000.000,00
$3.000.000 P = 0.2
$4.000.000 P = 0.6
F1 =
$5.000.000 P = 0.2
$3.000.000 P = 0.2
$4.000.000 P = 0.6
F2 =
$5.000.000 P = 0.2
$4.000.000 P = 0.2
$6.000.000 P = 0.6
F3 =
$8.000.000 P = 0.2
k = 0.10
Esto quiere decir que el primer ao habr un flujo de fondos de 3.000.000 con una
probabilidad del 20%, 4.000.000 con el 60%, 5.000.000 con una probabilidad del 20%.
Igual se interpretan los dems. Suponemos tambin que las variables son independientes.
De acuerdo a la frmula de la esperanza matemtica tenemos que:
E(X) = X * f(X)
A la esperanza matemtica tambin le llambamos , y as tendremos:
(cifras en millones):
1 = 3 x 0.2 + 4 x 0.6 + 5 x 0.2 = 4

2 = 3 x 0.2 + 4 x 0.6 + 5 x 0.2 = 4
3 = 4 x 0.2 + 6 x 0.6 + 8 x 0.2 = 6
En consecuencia, la esperanza matemtica del VAN ser:

94
4 4 6
= -10 + ----------- + ------------- + --------------- = 1,45
1,10 (1,10) (1,10)
Es decir: $1.450.000,00
Para el clculo de la , tenemos:
x= (X - ) f(X)
1 = (3 - 4) x 0.2 + (4 4) x 0.6 + (5 - 4) x 0.2 = 0.6325
$ 632.500,00
2 = (3 - 4) x 0.2 + (4 4) x 0.6 + (5 - 4) x 0.2 = 0.6325
$ 632.500,00
3 = (4 - 6) x 0.2 + (6 6) x 0.6 + (8 - 6) x 0.2 = 1.2649
$ 1.264.900,00
95
Las varianzas respectivas sern:
1 = 0.4
2 = 0.4
3 = 1.6
Aplicando la frmula de la varianza del VAN:
0.4 0.4 1.6

2 = ------------ + ------------- + --------------- = 1.5069
(1.10)2 (1.10)4 (1.10)6
0.4 0.4 1.6

= ----------- + ------------- + ---------------
(1.10) 2 (1.10) 4 (1.10) 6
= 1.2276, es decir => = $ 1.227.600,00
Finalmente, graficando tenemos:
96
=$1.227.600

= $ 1.450.000
Se puede concluir y decir que -considerando la distribucin normal-, existe un 66,6% de

riesgo que el VAN tenga un:
Valor mnimo Valor mximo

$ 1.450.000 $ 1.450.000
- $ 1.227.600 + $ 1.227.600
----------------- -----------------
$ 222.400 $ 2.677.600
4.2. Supongamos ahora que tenemos varios flujos de fondos, independientes y que
sabemos que:
E(VAN) = 100
VAR(VAN) = 2.500
Pudiendo suponerse que la distribucin es normal. Cul es la probabilidad de que el VAN

sea negativo?
97
= 50
/////////////////////
= 100
El rea rayada es la probabilidad de que el VAN sea negativo. Para calcular esa rea,
tipificamos en el cero, restndole el promedio y dividendo por la desviacin tpica:
( = 2.500 = 50), al valor tipificado le llamamos z.
x -
z = ---------------

luego:
0 - 100
z = -------------- = - 2
50
buscando en tablas,
= 0,02275 => 2,3% de que el VAN sea negativo.
98
B. CUANDO LOS FLUJOS DE FONDOS SON VARIABLES PERFECTAMENTE
CORRELACIONADAS:
Supongamos ahora que los coeficientes de correlacin entre los flujos de fondos de los
distintos aos son la unidad, de manera que supuesto un valor de un ao, el del ao
siguiente viene perfectamente determinado. El clculo de la esperanza matemtica del VAN
no se ver afectada, por lo que seguir siendo vlida la frmula:
1 2
n
= -D + ------------- + -------------- + + --------------
(1 + k) (1 + k) (1 + k)n
La varianza, sin embargo, ahora se calcular ahora de diferente manera. Al valer todos los
coeficientes de correlacin la unidad, la frmula siguiente:
= aiaj ij rij
ij
quedar:
= aiaj ij r
ij
con lo que la frmula de la desviacin estndar quedar:
1 2 n
= --------------- + ---------------- + + -----------------
(1 + k) (1 + k)2 (1 + k)n
4.3. Tengamos presente el mismo ejercicio presentado en el numeral 4.1., pero con una
correlacin perfecta; conocido el resultado del primer ao, quedan determinados los
dems. Mantenemos los valores del desembolso inicial y del tipo de descuento. Los
resultados de los flujos de fondos pueden verse en el cuadro siguiente:
99
Mercado F1 F2 F3 Probabilidad
Bajo 3 3 4 0,2
Medio 4 4 6 0,6
Alto 5 5 8 0,2
No calculamos el promedio del VAN, pues ya hemos dicho que es el mismo. Respecto a la
desviacin tpica aplicamos la frmula correspondiente:
0,6325 0,6325 1,2649

= --------------- + ---------------- + ---------------- = 2,0481
(1,1) (1,1)2 (1,1)3
y la varianza: 4,1947
Podemos ver que la desviacin estndar y la varianza han aumentado en comparacin con
la situacin anterior, lo cual es lgico, pues antes, el primer ao poda ser bueno, el
segundo malo, etc.; ahora, si el primero es bueno, todos son buenos y si ste es malo,
tambin lo son lo dems, con lo que la variabilidad de los resultados finales obviamente ha
de ser mayor. El procedimiento que aqu hemos estudiado es equivalente al clculo de tres
VAN:
3 3 4
VAN = -10 = ---------- + ---------- + ---------- = -1,7881
100
(1,1) (1,1)2 (1,1)3
4 4 6
VAN = -10 = ---------- + ---------- + ---------- = 1,4500
(1,1) (1,1)2 (1,1)3
5 5 8
VAN = -10 = ---------- + ---------- + ---------- = 4,6882
(1,1) (1,1)2 (1,1)3
El promedio y la desviacin tpica de estos VAN son:
= 1,45
= 2,048
que lgicamente coinciden con los anteriores.
C. CUANDO EXISTE UNA CORRELACIN MODERADA ENTRE LOS FLUJOS DE

FONDOS DE LOS DISTINTOS AOS
En la prctica existen muy pocas situaciones en las que se d una correlacin perfecta
entre los flujos de fondos de los distintos aos, igual que es muy difcil que la correlacin
sea nula. Lo normal es una situacin intermedia en la que los resultados de un ao influyen
en los del siguiente, pero no de forma absolutamente determinante. Existen diferentes
procedimientos para abordar este problema, donde fue Hiller uno de los pioneros. Nosotros
lo veremos a travs de un ejemplo, utilizando un procedimiento que resulta sencillo y
prctico.
4.4. Supongamos una inversin con un desembolso inicial fijo de 6 y un coste de los
fondos del 20%, el resto de datos aparecen en el cuadro de ms abajo.
101
Observamos que tenemos 27 posibilidades distintas, cada una con su probabilidad. No es

difcil, aunque s costoso manualmente, calcular los 27 VAN que junto con sus
probabilidades nos darn la distribucin del VAN, de la que tambin podemos calcular su
promedio y desviacin tpica. Se puede resolver fcilmente con softwares de simulacin
que son utilizados normalmente en la Formulacin y Evaluacin de Proyectos.
5.CONCLUSIN:
A continuacin se presenta un resumen con ejemplos sencillos relacionados a los

principales instrumentos de medicin del riesgo:
Medidas del riesgo: Proyecto de inversin A
5.1. El VAN medio: su clculo
102
VAN EFECTIVO PROBABILIDAD
(cifras en millones)
-3 0.2
-2 0.1
3 0.2
4 0.1
5 0.3
8 0.1
1.0
Tenemos una serie de VAN y los multiplicamos por sus probabilidades para obtener el VAN medio.
La inversin inicial = $6.0 millones
VAN medio = ( -3)(0.2)+(-2)(0.1)+(3)(0.2)+(4)(0.1)+(5)(0.3)+(8)(0.1) =
VAN medio = $ 2.5 millones
5.2. La desviacin estndar (): configura una de las primeras medidas del riesgo.
Clculo de la :
Varianza (VAR) = Desviacin estndar ( )
(Riesgo A) = [-3 2.5] x 0.2 + [-2 2.5] x 0.1 + [3 2.5] x 0.2 +

[4 2.5] x 0.1 + [5 2.5] x 0.3 + [8 2.5] x 0.1 =
(Riesgo A) = 13.25
(Riesgo A) = (13.25)
103
(Riesgo A) = 3.64 => $ 3.640.000
3.64 =2.5 3.64
5.3. El Coeficiente de Variacin (CV):
Desviacin estndar
CV = -------------------------------
VAN medio
3,64
= --------------------------
2,50
= 1,456 => CV = $ 1.456.000
Observacin: cuanto mayor sea el CV, mayor ser el riesgo.
5.4. La posibilidad de obtener rendimientos inferiores o iguales a un valor

estipulado N:
104
VAN EFECTIVO PROBABILIDAD
-3 0.2
-2 0.1
3 0.2
4 0.1
5 0.3
8 0.1
1.0
N = 30%: tomamos una lnea que nos muestra que existe un 30% de posibilidad de
obtener prdida.
5.5. El ndice COSTO/BENEFICIO (ICB):
DI + VAN medio
ICB = -----------------------------
DI
PROYECTO A B C
DI 6.00 4.00 4.25
VAN MEDIO 2.50 1.40 1.60
ICB 1.42 1.35 1.38
Desde la perspectiva de la rentabilidad:
A > ByC
C > B
5.6. Distribucin de probabilidad de los rendimientos efectivos:
VAN EFECTIVO PROBABILIDAD DE VAN EFECTIVO

A B C
(cifras en millones)
-3 20%
105
-2 10%
-1 10% 50%
0 10% 20%
1 40% 10%
2 20%
3 20% 10%
4 10% 10%
5 30% 10%
6
7 10%
8 10%
TOTAL 100% 100% 100%
6. Caso N 5: CITRUS GROVE CORPORATION4
A Steve Johnson se le encarg recientemente que analizara un producto de jugo fresco de

limn para la Citrus Grove Corporation. El proyecto exige una inversin inicial de $240.000
en activos fijos (incluyendo los cargos de envo e instalacin) y $20.000 en capital neto de
trabajo. La maquinaria ha de usarse durante cuatro aos, y se depreciar durante su vida
til de cinco PROYECTO DE JUGO DE LIMN aos utilizando
CITRUS GROVE CORPORATION
el mtodo de la (Cifras en miles de US$)
lnea recta; se
espera que AOS tenga un valor
0 1 2 3 4 5
de rescate de Ganancias Netas 125 125 125 125 $25.000. Si se
emprende el Depreciacin 48 48 48 48
proyecto, la
Ingreso neto a/ Impuesto 77 77 77 77
empresa Impuesto 31 31 31 31 espera que sus
Ingreso neto 46 46 46 46
utilidades + Depreciacin 48 48 48 48
brutas antes de
Flujo de Fondos Neto 94 94 94 94
4
Este caso se reproduceActivos Fijos
para los Programas MADE/MAFI de la -240
UCA para servir como base de discusin en clase de la
asignatura Direccin Financiera
Valor de arescate
Largo Plazo, ms que como ilustracin del manejo correcto
25 o incorrecto de una
gerencia administrativo-financiera.
Impuesto s/ valor de rescate -10
Capital de trabajo 106 -20 20
Flujo de Fondos Neto -240 74 94 94 94 35
FACTOR DE DESCUENTO 10,0%
VAN $62,2
impuestos y depreciacin aumenten $125.000 en cada uno de los siguientes cuatro aos.
La tasa de impuestos de Citrus Grove es de 40% y su costo de capital es 10%. En el
siguiente cuadro se muestran los resultados del caso base de Johnson:
Ahora al jefe de Johnson le gustara tener cierta informacin sobre lo arriesgado del
proyecto. Parece ser rentable; pero, cules son las posibilidades de que pudiera
fracasar, y cmo se debera analizar el riesgo e incluirlo en el proceso de decisin?
Se le ha pedido a Johnson que discuta el anlisis de riesgo, tanto en trminos generales
como aplicado especficamente al proyecto de jugo de limn.
Para estructurar su anlisis, ha decidido responder a las siguientes preguntas y realizar las
siguientes tareas.
a. Por qu deben preocuparse las empresas por lo riesgoso de los proyectos

individuales? Cules son los dos niveles, o tipos, de riesgo que normalmente se
consideran? Qu tipo es el ms pertinente? Qu tipo es el ms fcil de medir?
b. Qu es el anlisis de sensibilidad? Realice un anlisis de sensibilidad a los datos
107
del proyecto, variando el ingreso operativo neto, el valor de rescate y el costo del
capital. Suponga que cada una de estas variables se puede desviar de su valor
esperado en el caso base en 10%, 20% y 30%. Prepare diagramas de
sensibilidad e interprete los resultados. Cul es la principal debilidad del anlisis de
sensibilidad? Cul es su ventaja principal?
c. Suponga que Johnson se siente seguro de todos los estimados que us como datos
para el anlisis, excepto las utilidades brutas. Si la aceptacin del producto es baja,
las utilidades brutas slo sern de $90.000 al ao, aunque una fuerte respuesta de
los consumidores producira utilidades brutas de $150.000 al ao.
Supongamos que existe una probabilidad del 25% de que haya mala aceptacin,
una probabilidad del 25% de que haya una aceptacin excelente y una posibilidad
del 50% de que haya una aceptacin promedio (el caso base). Cul es el VAN para
el peor caso? El VAN del mejor caso? Use los VAN para el peor caso, el caso base
y el mejor caso, y sus probabilidades de ocurrencia, para encontrar el VAN
esperado, la desviacin estndar y el coeficiente de variacin del proyecto.
d. Qu es anlisis de escenarios? Cules son sus ventajas y desventajas

principales? Qu es la simulacin Risk Master, y cules son las ventajas y
desventajas de la simulacin, en comparacin con el anlisis de escenarios?
108

Cap 4

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

Cap 4

Transféré par

Droits d'auteur :

Formats disponibles

Material de estudio para la asignatura Direccin Financiera a Largo Plazo de los programas

MADE y MAFI de la UCA de El Salvador. Preparado por el profesor Vicente Fruet.

LAS INVERSIONES EN CONDICIONES DE RIESGO16

En el tema anterior, comentbamos los problemas ms importantes relacionados con la

Sin embargo, ya apuntbamos que esa simplificacin es til en muchas ocasiones y

En la prctica profesional, la mayor parte de las decisiones empresariales, se toman

(i) En primer lugar, existen bastantes inversiones de proyectos en los que s

(ii) Por otro lado, an suponiendo condiciones de certeza, profesionalmente

En cualquier problema de decisin, y la inversin es un problema de este tipo, podemos

a. Conocemos perfectamente lo que va a suceder , ste es el denominado caso de

Ante la necesidad de valorar una decisin, y siendo rigurosos, es prcticamente imposible

Cuando el decisor se enfrenta ante la incertidumbre, parece, en principio, que habr de

Veamos esto grficamente en la figura siguiente:

PROBABILIDAD PROBABILIDAD PROBABILIDAD

El que la autopista sea utilizada anualmente por un nmero de vehculos entre c y d es

En conclusin, lo ms normal es que, por uno u otro procedimiento, se conviertan los

El concepto estadstico de probabilidad siempre ha sido difcil de definir pero, al menos

Sin embargo, en determinadas ocasiones es preciso asignar probabilidades a hechos

Algo similar sucede cuando hablamos de la probabilidad de que la bolsa suba

Este concepto de probabilidad subjetiva es muy interesante en la mayora de los

En general, siempre que no se posea informacin suficiente para asignar probabilidades

En conclusin, dado que la certeza absoluta no se da, y que el desconocimiento

En todas las decisiones empresariales de inversin, se estudia la utilidad que ellas

la esperanza matemtica: el promedio , y

la desviacin estndar - o, a veces, la varianza -.

En esos casos podemos representar el resultado de cada decisin en un mapa de y ,

Al ser las variables normales, se diferenciarn entre ellas en funcin de su y su

que es lo que aparece en el mapa de cuadrantes. Podemos suponer que el decisor es

que la 2 (tiene ms para la misma , o menos para la misma ), la 2 es mejor que la

Para no complicar mucho el tema, vamos a utilizar un tipo de descuento constante.

A. CUANDO LAS GENERACIONES DE FONDOS SON VARIABLES INDEPENDIENTES 2

Supongamos primeramente que los flujos de fondos de un ao no dependen de lo que

E(F1) E(F2) E(Fn)

Para el clculo de la desviacin tpica, hemos de acudir a la frmula de la varianza de una

Si Z = a1X1 + a2X2 + + anXn

= varianza de Z ( sera la desviacin tpica)

La frmula anterior puede transformarse, si recordamos que el coeficiente de correlacin

lo que concuerda con que ii = i.

En consecuencia, las frmulas

= aiaj ij y = aiaj ij rij

llamamdo a la VAR(VAN) y i a la VAR(F1), tendremos:

si hacemos la raz cuadrada tendremos la desviacin tpica:

En consecuencia, ya tenemos el promedio y la desviacin tpica del VAN, y, adems, si las

Desembolso inicial => D = $10.000.000,00

De acuerdo a la frmula de la esperanza matemtica tenemos que:

A la esperanza matemtica tambin le llambamos , y as tendremos:

1 = 3 x 0.2 + 4 x 0.6 + 5 x 0.2 = 4

En consecuencia, la esperanza matemtica del VAN ser:

Para el clculo de la , tenemos:

1 = (3 - 4) x 0.2 + (4 4) x 0.6 + (5 - 4) x 0.2 = 0.6325

2 = (3 - 4) x 0.2 + (4 4) x 0.6 + (5 - 4) x 0.2 = 0.6325

3 = (4 - 6) x 0.2 + (6 6) x 0.6 + (8 - 6) x 0.2 = 1.2649

Las varianzas respectivas sern:

Aplicando la frmula de la varianza del VAN:

0.4 0.4 1.6

0.4 0.4 1.6

= 1.2276, es decir => = $ 1.227.600,00

Finalmente, graficando tenemos:

Se puede concluir y decir que -considerando la distribucin normal-, existe un 66,6% de

Valor mnimo Valor mximo

Pudiendo suponerse que la distribucin es normal. Cul es la probabilidad de que el VAN

( = 2.500 = 50), al valor tipificado le llamamos z.

= 0,02275 => 2,3% de que el VAN sea negativo.