UNIVERSIDAD NACIONAL DE PIURA

Facultad de Economía

ALUMNA: Fiorella Hernández Gutiérrez

CURSO: Proyectos de Inversión II

PROFESOR: ECON. Walter Eduardo Chávez Castro

TEMA: Método de Simulación Monte Carlo

CORREO: fiohg11@hotmail.com

FECHA DE ENTREGA: 13, junio, 2017

 METODO DE MONTECARLO

 En que consiste el método Monte Carlo

La idea básica de este método, asentando desde hace varias décadas, es poder
realizar valoraciones con respecto a determinados proyectos de inversión teniendo en
cuenta que las variables que se utilizan para el estudio no son ciertas, sino que en
ocasiones pueden referirse a varios valores. Su principal valor, que ha hecho de esta
técnica un aspecto clave para la gestión de proyectos en las empresas, es que permite
incorporar el concepto de riesgo a la hora de entrar a valorar una inversión. Como se ha
referido con anterioridad, la prevención es un punto crucial a la hora de tomar decisiones
en el seno de las empresas, ya que permite estar preparados para contratiempos o riesgos
inesperados.

El origen de esta técnica se remonta a la década de 1940 y hace referencia al Casino de

Monte Carlo, considerada tradicionalmente la capital “del azar”. En 1940, los
matemáticos Neuman y Ulam aplicaron el método de simulación aleatoria al campo de
experimentación de las armas nucleares. La importancia de este hecho reside en que por
primera vez se hace patente que esta técnica, además de para el azar y los juegos, también
era aplicable a otras áreas del conocimiento. Tan es así que fue 1964 cuando Hertz aplica
esta práctica técnica de simulación al análisis de las inversiones.

La utilización del método Monte Carlo como vía de investigación procede del trabajo
realizado en la creación y desarrollo de la bomba atómica en el contexto de la Segunda
Guerra Mundial en el Laboratorio de los Álamos en Estados Unidos. Lo que se realizó en
aquel momento fue la simulación de cuestiones de probabilidad con respecto a la difusión
de neutrones.

Se trata de un método de análisis preventivo especialmente práctico para aquellos

aspectos en los que es difícil encontrar información, o en los que la experimentación es
difícilmente posible. Al poner sobre el tablero una gran cantidad de escenarios aleatorios,
los análisis se adaptan con una mayor exactitud a la variabilidad del mundo real.

Para determinar de forma más efectiva el riesgo de una determinada inversión se procede
a la identificación de aquellas posibilidades más significativas, lo que reduce de forma
considerable la cantidad de variables aleatorias que entrarían en el proceso de análisis.
Además, el método exige determinar las relaciones que existen entre estas variables más
significativas, a menudo una de las tareas más complicadas de este proceso de prevención
de riesgos en las empresas o iniciativas de todo tipo.

 La informática, un gran aliado para el método Monte Carlo

Este método encuentra un pilar fundamental en la utilización de determinados softwares
que permiten sistematizar e informatizar la tarea de valoraciones del riesgo,

Algunos de los programas más útiles y más empleados en los diferentes proyectos desde
hace años, con el objetivo de establecer el grado de factibilidad de la planificación a la
hora de gestionar proyectos, son los siguientes:

 Rick: Se trata de una aplicación empleada sobre Microsoft Excel que permite
incorporar el análisis del riesgo de un determinado proyecto en el cronograma
del mismo.

 Cristal Ball.Al: Igual que ocurre con la anterior, también está basada en Excel y
permite aplicar el análisis de Monte Carlo a la gestión de proyectos. Es capaz de
dilucidar modelos predictivos concretos y aplicarle la mejor solución. Uno de sus
mayores utilidades es que permite considerar la correlación que existe entre
distintas variables.

 Gold Sim. Se trata de un programa de análisis muy aplicable al sector de los

negocios y de la ingeniería.

Además de estos, existen otros programas informáticos para aplicar el método Monte
Carlo para realizar valoraciones de riesgo, como Katmar, Risky Project o Full Monte,
todos ellos muy empleados en el ámbito de los negocios para gestionar proyectos.

¿Por qué es útil el método Monte Carlo de cara a los proyectos?

La idea de la que parte la aplicación del método Monte Carlo es que hay aspectos, como
el plazo o el coste, que no pueden ser determinados con exactitud, ya que se trata de
puntos variables. Se trata de una variabilidad con una doble vertiente: por una parte, las
estimaciones que se llevan a cabo son en sí mismas variables, ya que una acción ni dura
siempre igual ni cuesta siempre lo mismo; y por otra parte, el riesgo en sí, ya que
presentan una probabilidad de ocurrir diferente en distintas situaciones, asi como un
impacto que varía de unas situaciones a otras. Lo que permite efectuar este análisis es
otorgar de forma conceptual un valor a un proyecto, no de manera determinada, sino
estableciendo un “valor medio” y una determinada variabilidad. Permite determinar hasta
qué punto las determinadas valoraciones de un proyecto son realistas y arrojan confianza
con respecto a los objetivos perseguidos con una determinada acción.

¿Cómo se aplica el método Monte Carlo?

Este método para determinar el riesgo de determinadas acciones no se usa generalmente

para inversiones pequeñas, sino que se destina para las de tipo medio o alto. La clave para
entender la utilidad de este sistema de simulación se encuentra en que en los distintos
proyectos hay esencialmente dos aspectos presentes que tienen un comportamiento de
tipo no determinista, es decir, cuyos resultados dependen de múltiples variables y hay que
enfrentar una cierta aleatoriedad. Este es el caso de las tareas y el riesgo en las
inversiones.

Las tareas poseen un valor de tipo medio, además de ser variables en función de unas
estadísticas capaces de relacionar un coste a un porcentaje que mide la representatividad.
Por su parte, el riesgo presenta dos probabilidades: la de ocurrencia y el impacto que
puede tener.

Para poner en práctica el método de Monte Carlo, una vez definidas las estadísticas de
tareas y de riesgos, lo siguiente sería calcular un valor concreto para cada riesgo y cada
tarea. Esto se realiza a través de la disposición de varios números aleatorios de entre 0 y
100. Al asemejar a cada número aleatorio un porcentaje de representatividad, el resultado
es que se es capaz de estimar la duración o el coste de un proyecto, en función de cada
número aleatorio.

La idea es que durante este análisis de riesgo se repita este cálculo un número considerable
de veces, para asegurarse de la mayor forma posible de cuál es el riesgo teórico al que
una determinada inversión se enfrenta.

En definitiva, el método Monte Carlo se ha revelado como uno de los pilares

fundamentales para llevar a cabo valoraciones de riesgo en el seno de las empresas. Tener
una herramienta que permita prevenir situaciones aleatorias, definir su probabilidad y
poder preparar una respuesta de actuación para los riesgos que una acción pueda acarrear
representa un avance crucial en los sistemas de gestión de las empresas y en la
optimización de las inversiones. Valorar los riesgos antes de efectuar acciones es una
forma inteligente de estar preparados en todo momento para solucionar problemas y
reducir así el factor sorpresa.

¿Cuáles son los beneficios de realizar un análisis de riesgo con Crystal Ball?

Cero conjeturas: Como ya se había mencionado anteriormente, los riesgos ocultos o no

planteados dentro de un modelo conducen a menudo a errores que implican grandes
costos para las empresas. Crystal Ball al ofrecer diferentes formas para calcular los
riesgos, permite una comprensión más rica de los riesgos inherentes al modelo.

No existen limitaciones con la hoja de cálculo de Excel: Mediante la Simulación de Monte

Carlo se pueden analizar múltiples escenarios sin necesidad de crear varias hojas de
cálculo o estimar una sola variable, como sería si no se contara con la herramienta de
Crystal Ball.

Con el análisis de sensibilidad de Crystal Ball conocer los factores que realmente
conducen a resultados. Con Crystal Ball los esfuerzos van encaminados a la realización
y planteamiento del modelo, ya que su análisis es una herramienta que se genera por si
sola.
¿Qué hace Crystal Ball?

Crystal Ball extiende la capacidad de pronosticar modelos sobre la hoja de cálculo de

Excel y provee la información necesaria para que el usuario del software pueda llegar a
ser un mejor y más eficiente tomador de decisiones. Como usuario de Microsoft Excel,
se conocen dos grandes limitaciones:

 Se puede cambiar solo una celda al tiempo. Como resultado, al explorar el rango
entero de los datos ingresados, realmente no se puede determinar el riesgo que ha
de generar impacto sobre estos.

 El análisis “What-If” siempre resulta un punto sencillo de estimación que no

indica la probabilidad de alcanzar ningún valor en particular.

Crystal Ball supera estas dos limitaciones de la siguiente manera:

o Permite describir un rango de posibles valores para cada celda de

incertidumbre dentro de la hoja de cálculo. De modo, que todos los
supuestos que se ingresen al modelo son expresados al mismo tiempo.

o Usando un proceso llamado Simulación de Monte Carlo, Crystal Ball

arroja resultados en un cuadro de pronósticos que muestra el rango entero
de posibles valores y la probabilidad de alcanzar cualquiera de ellos.

Herramientas de Crystal Ball

Las herramientas de Crystal Ball son programas de Visual Basic que amplían la
funcionalidad del sistema. Para la administración y otras ciencias afines estas
herramientas generan una gama de alternativas para la optimización de escenarios,
análisis de situaciones de riesgo e inversión, que permitan minimizar asimetría de
información y controlar la incertidumbre que se genera en el mercado y en la toma de
decisiones de una empresa.

Entre las herramientas que Crystal Ball coloca a disposición de los usuarios se
encuentran:

 Ajuste por lotes

 Análisis de remuestreo
 Análisis de datos
 Tabla de decisión
 Análisis de escenarios
 Análisis de tornado
 Simulación en 2-D
A continuación, se dará una pequeña explicación de cada una de las herramientas, para
después pasar a realizar un ejemplo donde se evidencie su funcionamiento:

 Ajuste por Lotes: Ayuda a definir suposiciones y calcular correlaciones cuando

existen datos históricos para una o más variables. Selecciona automáticamente la
mejor probabilidad de serie de ajuste para un lote de datos que se ve limitado
únicamente por la capacidad de la hoja de Excel, además suministra los
parámetros para usar en el modelo.
 Análisis de Remuestreo: Esta herramienta permite calcular la precisión y
fiabilidad de las estadísticas. Es importante cuando una distribución de muestreo
de una estadística no se distribuye de forma normal o no es fácil de encontrar.
 Análisis de datos: Permite cargar datos directamente de la hoja de cálculo a los
gráficos de previsión. Permite observar gráficos de frecuencia, analizar
estadísticas entre otros tipos de análisis.
 Tabla de decisión: Esta herramienta permite ejecutar varias simulaciones en
donde una o dos variables de decisión que se pueden controlar como ¿Cuál será
el valor de un producto? O ¿Qué cantidad de materia comprar? para simular el
cambio que efecto que puede tener el cambio de una variable de decisión en la
toma de decisiones.
 Análisis de escenarios: Muestra los resultados que se pueden obtener a partir del
ingreso de ciertas entradas, lo que permite combinar diferentes supuestos y crear
diversas preformas que indican al decisor por cual optar.
 Análisis de tornado: Resulta importante para analizar las variables que tiene un
mayor impacto en la ejecución del modelo. Con esta herramienta, las decisiones
podrán estar en base a las variables que afectan ampliamente el modelo y omitir
aquellas que no tienen gran relevancia.
 Simulación en 2-D: Esta herramienta permite hacer un análisis entre dos fuentes
de variación de los modelos: la incertidumbre y la variabilidad. La simulación en
2-D permite hacer una caracterización del modelo, utilizando un gráfico de
superposición que representa unas distribuciones para dos bucles.