CRYSTAL BALL: METODOLOGIA

El programa sirve bsicamente para realizar anlisis de sensibilidad y simulaciones sobre un modelo de valoracin (o de otro tipo) ya construdo. Un subproducto interesante es que permite encontrar la distribucin probabilstica que mejor se adapta a una serie de datos. Hemos practicado el programa utilizando el modelo de valoracin de aluminio (AlumCBall.xls). El manual relevante es el titulado Crystal Ball 2000 User Manual. 1. Comienzo

Una vez elaborado el modelo debe escogerse tres tipos de variables del modelo ya elaborado (Cell): 1. Assumption Variables: Son aquellas que dependen de la naturaleza y que son susceptibles de comportarse de acuerdo a una distribucin probabilstica (Ej. precio de compra del aluminio, prdidas en manufactura, crecimiento de productividad etc). 2. Decision Variables: Son las que dependen de nosotros (tasa de descuento, dias de inventario etc). 3. Forecast Variables: Son las variables objetivo (Ganancias, VPN etc). 2. Assumption Variables (p133)

Al seleccionar una variable como Assumption Variable (Cell>Define Assumption) aparece una casilla donde debemos especificar la distribucin de probabilidades apropiada de entre un men (Gallery) de 17 distribuciones, incluyendo una que podemos definir a nuestro gusto (Custom). Otra posibilidad es ajustar una serie de datos a la distribucin que mejor se adapte con el objeto de escoger la distribucin en forma ms objetiva (p138). Esto lo hacemos colocndonos en cualquier celda de la serie y marcando Cell>Define Assumption>Fit. Los criterios para saber si se obtuvo un buen fit aparecen en p141. Tambin podemos correlacionar (Correlate) la variable seleccionada con cualquier otra Assumption Variable a travs de la instruccin Select Assumption en la misma casilla (p 138). Si no conocemos la correlacin pero tenemos dos series histricas de datos podemos calcular (Calc) la correlacin entre las dos series y utilizar sta (p148). Hay que

- 1-

tener cuidado que las correlaciones sean consistentes (Ej. si A est positivamente correlacionada con B y con C, B y C no pueden estar negativamente correlacionadas). Tambin podemos congelar algunas de las Assumption Variables para la corrida (p150). 3. Decision Variables (p151)

Las variables de decisin no son indispensables para correr el modelo pero es interesante definirlas con el objeto de determinar la sensibilidad de los resultados a sus variaciones. Al seleccionar una variable de decisin (Cell>Define Decision) aparece una casilla donde debemos especificar el rango de variacin (no una distribucin). El rango puede ser continuo o discreto. 4. Forecast Variables (p153)

Nos colocamos en una variable objetivo (puede haber varias). Cell>Define Forecast nos lleva a la casilla correspondiente donde especificamos el nombre de la variable y sus unidades. 5. Corrida (p172)

En este punto ya estamos listos para correr el modelo. Siempre colocados sobre la variable objetivo para ello debemos primero especificar las preferencias (Run>Run Preferences). En esta casilla debemos marcar Calculate Sensitivities para poder obtener las sensibilidades a las Assumption Variables, como veremos ms adelante. Adems especificamos el nmero mximo de Trials (500) y el nivel de confianza (95%), en la misma casilla. El nivel de confianza detiene la simulacin cuando hay un (95%) de certeza de que la media de la variable objetivo es la obtenida en caso de que no se haya alcanzado el nmero mximo de Trials (p244). El mximo nmero de trails que podemos seleccionar es 5000. La otra especificacin es Sampling: Same Sequence of Random Numbers y Seed Value de 999. Al definir la misma secuencia nos aseguramos que se utilice la misma serie de nmeros random para todos los anlisis de manera que sean comparables. El Seed Value no es sino el primer nmero random de la simulacin (999 es el que utilizan en los ejemplos del manual). Si queremos una corrida relativamente rpida escoger Monte Carlo. Latin Hypercube es ms exacta ya que distribuye los nmeros random a todo lo ancho de las distribuciones

- 2-

pero consume mucho ms memoria y puede ser ms lento (p144). En Options debemos marcar Calculate Sensitivities nuevamente. El prximo paso es correr el modelo marcando Run>Run (en caso que el segundo Run no sea accesible, resetear el modelo marcando Run>Reset). Como resultado obtenemos una Frequency Chart. Alterando las cifras de los extremos encontramos las probabilidades de obtener resultados de la variable objetivo dentro de rangos deseados (p188). Podemos obtener las estadsticas del histograma obtenido marcando (Preferences>Statistics) en la Frequency Chart. Tambin un reporte completo de la corrida (Run>Create Report) (p232). Las corridas pueden salvarse en un archivo permanente (Run>Save Run). Si queremos verla de nuevo marcar Run>Restore Run) (p178). Rank Correlation Sensitivity

Como subproducto de la corrida podemos obtener la sensibilidad de la variable objetivo con respecto a las Assumption Variables (Run>Open Sensitivity Chart) (p225). Ntese que este anlisis tiene en cuenta las correlaciones ya que encuentra las (rank) correlations entre el resultado final de la variable objetivo y variaciones de las Assumption Variables (p227). 6. Decision Table (p282)

Para el anlisis de sensibilidad marcamos CBTools>Decision Table. Nos aparece una casilla donde debemos seleccionar la variable objetivo (Ej. VPN) y escoger un mximo de dos Decision Variables. Tambin indicamos para cuantos valores de cada Decision Variable queremos la corrida. Ojo, mientras ms altos estos valores las posibles combinaciones crecen exponencialmente y con ello el tiempo para la obtencin de los resultados, la situacin empeora si tenemos un nmero elevado de Trials. Es por esto que debemos ser cuidadosos con estos nmeros. Como resultado obtenemos una tabla tipo matriz con los resultados para cada combinacin. En esta tabla tenemos las opciones de obtener tres tipos de grficas: Trend , Overlay y Forecast Charts. La Trend Chart nos grafica los niveles de confianza del resultado para la combinacin celdas de resultados seleccionadas. La Overlay Chart muestra todos los rangos de resultados para las celdas seleccionadas en una misma grfica. Esta Chart ofrece la opcin de ajustar una distribucin de

- 3-

probabilidades a los resultados en forma similar a como lo hicimos en Define Assumption mas arriba. La Forecast Chart nos da las Frequency Charts para las celdas seleccionadas. 7. Tornado Chart (p291)

Esta opcin permite hacer anlisis de sensibilidad de cada variable manteniendo todas las dems constantes. Aqu tenemos que tener una sola hoja de clculo abierta porque sino el programa se confunde (p293). Ojo, este mtodo hace caso omiso del efecto de las correlaciones entre las Assumption Variables y por tanto no es tan robusto. Se selecciona CBTools>Tornado Chart. Primero se especifica la variable objetivo (Specify Target). Luego se especifican las Assumption Variables (generalmente todas) (Specify Input Variables) eliminando las otras variables objetivo si las hubiese. Luego viene la casilla Specify Options cuyos valores se dejan en el default ?. Como resultado se obtiene una Tornado Chart que muestra los rangos de variacin de la variable objetivo para cambios de las Input Variable, y una Spider Chart que muestra los mismos resultados en formato diferente.

- 4-