1.

Una descripción breve del problema a tratar:

La empresa PcSA comercializa equipos de informática, quiere sacar un nuevo
diseño de impresora portátil y el departamento encargado cree que este nuevo
producto tiene un buen potencial en el mercado y va a generar ganancias en gran
porcentaje a la empresa, requieren hacer los estudios respectivos para calcular el
costo de mano de obra directa, el costo de componentes y la demanda del primer
año de la impresora.

Determinar la probabilidad que tiene un producto nuevo de producir un beneficio, la

compañía PcSA comercializa equipos informáticos y ha desarrollado una nueva
impresora portátil de alta calidad cuyo objetivo es captar un porcentaje importante
del mercado.

Se realizará un análisis de riesgo sin utilizar la simulación y posteriormente se

presentará otro análisis, con la ayuda de la simulación de Monte Carlo con el fin de
determinar la probabilidad de utilidad o pérdida del lanzamiento del nuevo producto

2. Los supuestos utilizados para las variables aleatorias.

Analizando la nueva propuesta que tiene la empresa PcSA para ingresar al
mercado un nuevo producto en este caso la impresora portátil de alta calidad, se
puede validar que, para poder hallar la utilidad, las pérdidas o ganancias que
puedan incurrir en el proyecto, se tuvo en cuenta los siguientes supuestos para
encontrar la variabilidad entre los costos a asumir en el primer año:

SUPUESTOS COSTOS
Demanda 20.000 unidades
Costos administrativos 160.000.000 colones
Costos de Publicidad 80.000.000 colones
Costo de mano de Obra directa 15.000 colones por unidad
Costo de componentes 30.000 colones por unidad
Precio de Venta 70.000 colones por unidad
Los supuestos que no se conocen
C1=Costo de mano de obra directa
C2= Costo de compras por unidades
X= Demanda del primer año

3. Los escenarios considerados y su efecto en las distribuciones o los

parámetros

A continuación, revisamos los escenarios que la empresa PcSA puede considerar:

Teniendo en cuenta la fórmula:

Utilidad = (70.000 - C1 - C2) X - 240.000.000

 ESCENARIO BASICO
C1 15.000
C2 30.000
X 20.000
Utilidad (70.000 - 15.000 - 30.000) 20.000 –
240.000.000
Utilidad Neta 260.000.000 millones de Colones

ESCENARIO PESIMISTA
C1 22.000
C2 35.000
X 9.000
Utilidad (70.000 - 22.000 - 35.000) 9.000 –
240.000.000
Perdida -123.000.000 millones de Colones
Proyectada

ESCENARIO OPTIMISTA
C1 10.000
C2 25.000
X 28.500
Utilidad (70.000 - 10.000 - 25.000) 28.500 –
240.000.000
Utilidad Neta 757.500.000 millones de Colones

Se concluye que, con los análisis realizados anteriormente, las utilidades pueden
estar en un rango desde una pérdida de 123 millones de Colones a una utilidad de
757.000.000 Millones de colones, con un valor de escenario base de 260.000.000.

4. Una conclusión (positiva o negativa) acerca de los resultados presentados

en el artículo.

El análisis de riesgo forma parte de todas las decisiones que tomamos. Nos
enfrentamos continuamente a la incertidumbre, la ambigüedad y la variabilidad. Y
aunque tenemos un acceso a la información sin precedentes, no podemos predecir
con precisión el futuro. La simulación Monte Carlo permite ver todos los resultados
posibles de las decisiones que tomamos y evaluar el impacto del riesgo, lo cual nos
permite tomar mejores decisiones en condiciones de incertidumbre.

La simulación Monte Carlo ofrece a la persona responsable de tomar las decisiones

una serie de posibles resultados, así como la probabilidad de que se produzcan
según las medidas tomadas. Muestra las posibilidades extremas —los resultados
de tomar la medida más arriesgada y la más conservadora— así como todas las
posibles consecuencias de las decisiones intermedias.
CÓMO FUNCIONA LA SIMULACIÓN MONTE CARLO

La simulación Monte Carlo realiza el análisis de riesgo con la creación de modelos

de posibles resultados mediante la sustitución de un rango de valores —una
distribución de probabilidad— para cualquier factor con incertidumbre inherente.
Luego, calcula los resultados una y otra vez, cada vez usando un grupo diferente
de valores aleatorios de las funciones de probabilidad. Dependiendo del número de
incertidumbres y de los rangos especificados, para completar una simulación Monte
Carlo puede ser necesario realizar miles o decenas de miles de recálculos. La
simulación Monte Carlo produce distribuciones de valores de los resultados
posibles.

El análisis de riesgo se puede realizar cualitativa y cuantitativamente. El análisis de

riesgo cualitativo generalmente incluye la evaluación instintiva o “por corazonada”
de una situación, y se caracteriza por afirmaciones como “Eso parece muy
arriesgado” o “Probablemente obtendremos buenos resultados”. El análisis de
riesgo cuantitativo trata de asignar valores numéricos a los riesgos, utilizando datos
empíricos o cuantificando evaluaciones cualitativas. Vamos a concentrarnos en el
análisis de riesgo cuantitativo.

La simulación Monte Carlo proporciona una serie de ventajas sobre el

análisis determinista o “estimación de un solo punto”:

 Resultados probabilísticos. Los resultados muestran no sólo lo que puede

suceder, sino lo probable que es un resultado.

 Resultados gráficos. Gracias a los datos que genera una simulación Monte
Carlo, es fácil crear gráficos de diferentes resultados y las posibilidades de
que sucedan. Esto es importante para comunicar los resultados a otras
personas interesadas.

 Análisis de sensibilidad. Con sólo unos pocos resultados, en los análisis

deterministas es más difícil ver las variables que más afectan el
resultado. En la simulación Monte Carlo, resulta más fácil ver qué variables
introducidas tienen mayor influencia sobre los resultados finales.

 Análisis de escenario. En los modelos deterministas resulta muy difícil

modelar diferentes combinaciones de valores de diferentes valores de
entrada, con el fin de ver los efectos de situaciones verdaderamente
diferentes. Usando la simulación Monte Carlo, los analistas pueden ver
exactamente los valores que tienen cada variable cuando se producen
ciertos resultados. Esto resulta muy valioso para profundizar en los análisis.
  Correlación de variables de entrada. En la simulación Monte Carlo es
posible modelar relaciones interdependientes entre diferentes variables de
entrada. Esto es importante para averiguar con precisión la razón real por la
que, cuando algunos factores suben, otros suben o bajan paralelamente.

 Una ventaja de la simulación Monte Carlo es el uso del muestreo Latino

Hipercúbico, que muestrea con mayor precisión a partir de un rango completo
de funciones de distribución.

El objetivo de someter un proyecto a una simulación de Montecarlo es hacer un

análisis del riesgo, examinar la robustez y aumentar la confianza que podemos tener
en el sistema.

 Tendremos mayor confianza porque sabremos qué es lo que podemos

esperar del sistema.
 El análisis nos dirá con qué nivel de confianza estadística los resultados
futuros estarán dentro un rango X, y también nos indicará cuanto será
el drawdown que posiblemente tendremos que afrontar.
 Analizar todo esto es muy útil para determinar nuestra estrategia de money
management y también para saber cuándo un sistema ha dejado de
funcionar.

https://www.palisade-lta.com/risk/simulacion_monte_carlo.asp
https://estrategiastrading.com/simulacion-de-montecarlo-introduccion/