Simulación Monte Carlo

Simulación Monte Carlo

La simulación Monte Carlo es básicamente un muestreo experimental cuyo propósito es estimar las distribuciones de las variables de salida que depende de variables probabilísticas de entrada. Los investigadores acuñaron este término por su similaridad al muestreo aleatorio en los juegos de ruleta en los casinos de Monte Carlo. Así, por ejemplo, el modelo de Monte Carlo puede simular los resultados que puede asumir el VAN de un proyecto. Pero lo más relevante es que la simulación permite experimentar para observar los resultados que va mostrando dicho VAN.

Uso de Excel en la simulación

Por otra parte, puesto que hoy en día los modelos de simulación pueden crearse y ejecutarse en una PC. El nivel de conocimientos de computación y matemática requeridos para diseñar y correr un simulador útil se ha reducido considerablemente. La capacidad de los modelos de simulación para tratar con la complejidad, manejar la variabilidad de las medidas de desempeño y reproducir el comportamiento a corto plazo permite que la simulación sea una herramienta poderosa. Además, la potencia de las “PC” recientemente ha hecho posible que el administrador use hojas de cálculo para evaluar el riesgo de inversiones financieras, evaluación de proyectos, planes de retiro y otros tipos de decisiones de negocios. Lo anterior se debe a la flexibilidad y capacidad estadística de la hoja de cálculo, la cual la torna especial para el desarrollo de los modelos de simulación, particularmente en el uso de la simulación Monte Carlo. De hecho, es quizá la hoja electrónica la más elegante de todas las aplicaciones de software, pues ella proporciona al usuario un gran poder en la conducción de los análisis financieros.

Beneficios de la simulación

• Los modelos simulados son más fáciles de entender que muchos modelos analíticos

•Se gana “experiencia ” en forma barata simulando en el computador sin correr riesgos reales. • Se obtienen resultados de manera rápida.

• Con los modelos de simulación es posible analizar sistemas muy complejos, donde los modelos anal íticos no pueden llegar.

Análisis de riesgo

Análisis de riesgo es el proceso de predecir el resultado de una decisión ante una incertidumbre. El siguiente problema presenta una gran incertidumbre: La introducción de un nuevo producto. Primeramente, se hará un análisis de riesgo sin utilizar la simulación y posteriormente se presentar a otro análisis, con la ayuda de la simulación.

file:///P:/Usuarios/w_gonzalez/Downloads/Dialnet-AplicacionDeLaSimulacionMonteCarloEnElCalculoDelRi-4835801.pdf

http://www.palisade-lta.com/risk/simulacion_monte_carlo.asp

http://es.wikipedia.org/wiki/M%C3%A9todo_de_Montecarlo

ftp://tesis.bbtk.ull.es/ccppytec/cp43.pdf

http://www.bdigital.unal.edu.co/15202/1/9799-17373-1-PB.pdf

Ventajas.

1. Son muy útiles porque permiten expe rimentar con un modelo en vez del sistema real que está funcionando.

2. Las técnicas de simulación permiten que el grupo manipule una réplica del verdadero sistema para efectuar corridas de prueba antes de comprometer a la empresa a efectuar grandes desembolsos en efectivo.

3. Los estudios de simulación constituyen una forma muy valiosa y conveniente para descomponer en subsistemas un sistema complicado. A su vez, cada subsistema puede simularse individual o conjuntamente con otros. Este tipo de simulación también permite que el observador aumente su conocimiento de lo que hace funcionar al sistema, y deja observar la relación de causa y efecto que puede dar por resultado algunas sugestiones para mejorar el sistema y sus subsistemas relativos.

4. En muchos casos en que hay relaciones complicadas de naturaleza aleatoria y predecible, es más fácil utilizar un proceso simulado, que desarrollar un complicado modelo matemático que represente todo el proceso que se estudia.

5. La simulación que utiliza algún modelo matemático del sistema, nos permite determinar mediante tanteo, los valores de las variables controlables que produzcan los mejores resultados para la empresa.

6. El empleo de juegos de negocios ha sido sumamente benéfico para el adiestramiento del personal administrativo en todos los niveles, porque permite que los jugadores observen la reacción reciproca de sus decisiones en las políticas y objetivos de la compañía, en condiciones de incertidumbre. Como casi todos los juegos de negocios emplean computadores, dan a los participantes cierta familiaridad con el procesamiento electrónico de los datos.

7. La simulación en computadoras permite invertir el tiempo en el análisis de situaciones esencialmente dinámicas. 8. Un modelo de simulación puede explicarse más fácilmente al personal administrativo, porque esencialmente es una descripción del comportamiento de un sistema o proceso. Si es más fácil la comprensión con la simulación que con un complicado modelo matemático comparable, las probabilidades de éxito aumentan considerablemente.

Desventajas.

1. No produce soluciones óptimas, y cada corrida de simulación es como un experimento aislado que se efectúa bajo una serie de condiciones dadas, definida por una serie de valores para la solución de entrada, y por lo tanto se necesitarán muchas corridas de simulación.

2. A medida que aumenta la capacidad de empleo de la simulación, puede haber una tendencia para de pender frecuentemente de esa técnica, a causa de su relativa facilidad de aplicación, lo que puede dar por resultado la substitución de la simulación en vez de emplear técnicas matemáticas analíticas cuando son más adecuadas.

3. Cuando se hace referencia a un modelo materna^ tico usado en un programa de simulación en computadora, puede ser imposible cuantificar todas las variables que afectan el comportamiento del sistema, o bien el número de las variables que se revisan puede sobrepasar la capacidad de la computadora de que se dispone. Es posible que todas las entradas conocidas no estén incluidas en el modelo, debido a errores de omisión o comisión, y algunas relaciones entre los insumos y los resultados pueden desconocerse, o puede ser imposible averiguarlas. Las diversas relaciones entre las variables del sistema pueden ser tan complicadas

...