Simulacion Montecarlo

Simulación Monte Carlo

CONCEPTO

La Simulación de Monte Carlo es una técnica que permite llevar a cabo la valoración de los proyectos de inversión considerando que una, o varias, de las variables que se utilizan para la determinación de los flujos netos de caja no son variables ciertas, sino que pueden tomar varios valores. Por tanto, se trata de una técnica que permite introducir el riesgo en la valoración de los proyectos de inversión.

La técnica de la simulación de Monte Carlo se basa en simular la realidad a través del estudio de una muestra, que se ha generado de forma totalmente aleatoria. Resulta, por tanto, de gran utilidad en los casos en los que no es posible obtener información sobre la realidad a analizar, o cuando la experimentación no es posible, o es muy costosa. Así, permite tener en cuenta para el análisis un elevado número de escenarios aleatorios, por lo que, se puede decir que hace posible llevar la técnica del análisis de escenarios al infinito ampliando la perspectiva de los escenarios posibles. De esta forma, se pueden realizar análisis que se ajusten en mayor medida a la variabilidad real de las variables consideradas. La aplicación de esta técnica se basa en la identificación de las variables que se consideran más significativas, así como las relaciones existentes entre ellas (aunque esto puede resultar realmente complejo), para explicar la realidad a estudiar mediante la sustitución del universo real, por un universo teórico utilizando números aleatorios

La simulación de Monte Carlo data del año 1940, cuando Neuman y Ulam la aplicaron en el campo de la experimentación de armas nucleares. A partir de entonces, se ha demostrado que es una técnica que puede ser aplicada en campos de diversa índole, utilizándose por primera vez para el análisis de inversiones en el año 1964 por Hertz. Hay algunas aplicaciones informáticas específicas, como es el caso del programa "@Risk" de Palisade, o el "Cristal Bowl", que permiten tener en cuenta la correlación existente entre las variables, y realizar el análisis del riesgo en la valoración de proyectos de inversión utilizando la simulación de Monte Carlo.

IMETODOLOGÍA DE CÁLCULO

La aplicación del método de Monte Carlo para valorar inversiones plantea dos aspectos fundamentales; la estimación de las variables y la determinación del tamaño de la muestra.

1. La estimación de las variables

Para la aplicación de la simulación de Monte Carlo se han de seguir los siguientes pasos:

- En primer lugar hay que seleccionar el modelo matemático que se va a utilizar, siendo en el caso de la valoración de proyectos de inversión los más habituales el Valor Actual Neto (VAN), y la Tasa Interna de Rentabilidad (TIR). Según el valor obtenido para estos métodos de valoración se tomará la decisión de si el proyecto es rentable y se lleva a cabo, o no.

Z = f(x), donde "x" es la variable desconocida a simular

- A continuación habrá que identificar las variables cuyo comportamiento se va a simular (x). Es decir, aquellas que se consideran que no van a tomar un valor fijo, sino que pueden tomar un rango de valores por no tratarse de variables ciertas, así como las relaciones que existen entre ellas (por lo que sería deseable definir los coeficientes de correlación existentes entre las variables (posibilidad que ofrece el programa "@Risk"). Si no se tuvieran en cuenta dichas interrelaciones, y se simularan las variables de forma independiente, se estaría incurriendo en un error en los resultados obtenidos, y se reduciría la variabilidad de los resultados al tener lugar el efecto de compensación en la interacción de las variables.

- Una vez identificadas las variables que se van a simular, hay que determinar la función de densidad de probabilidad f(x) asociada a cada una de ellas.

- Posteriormente, se obtendrán las funciones de distribución asociadas a las variables (o variable).

- A continuación se procede a la generación de números aleatorios (números tomados al azar) comprendidos entre cero y uno. Estos números pueden obtenerse utilizando un ordenador, siendo necesarios tantos como variables se consideren en el modelo multiplicado por el número de simulaciones que se deseen realizar.

- Una vez se dispone de los números aleatorios, éstos se llevan sobre el eje de ordenadas, y se proyectan horizontalmente sobre las correspondientes funciones de distribución F(x) de las variables (o la variable) del modelo.

- El valor así calculado de "x" será el primer valor de la muestra simulada.

- Este proceso habrá de repetirse el número de veces necesario para poder disponer del número adecuado de valores muestrales.

- A continuación, se sustituyen los valores simulados en el modelo matemático para ver el resultado obtenido para las simulaciones realizadas. En el caso del análisis de proyectos de inversión en los que se utiliza como método de valoración el VAN, hay que tener en cuenta que la tasa de descuento a utilizar en las simulaciones es la tasa libre de riesgo, porque en caso contrario se estaría penalizando doblemente al proyecto de inversión, tanto en el numerador como en el denominador por el riesgo. No obstante, en contra de esta posición que es la que se utiliza habitualmente en la práctica empresarial, se encuentra la de los autores Brealey y Myers, quienes limitan la utilidad de la simulación de Monte Carlo a la mejor estimación de los flujos netos de caja, y proponen aplicar para el descuento de los mismos la tasa de descuento ajustada por el riesgo, y no la tasa libre de riesgo, porque consideran que hay un único VAN.

- Posteriormente, se agrupan y clasifican los resultados. Se comparan los casos favorables, con los casos posibles, y se agrupan por categorías de resultados.

- Para finalizar, se lleva a cabo el análisis estadístico y de inferencia sobre el comportamiento de la realidad, siendo interesante calcular la media, la varianza y la desviación típica. Por ejemplo, en la valoración de proyectos de inversión, es habitual llevar a cabo el análisis de la viabilidad de un proyecto de inversión analizando la probabilidad de que el Valor Actual Neto (VAN) sea positivo (P(VAN>0)), así como el análisis de sensibilidad con el objetivo de identificar aquellas variables que son consideradas críticas por tener mayor impacto sobre el VAN.

2. Estimación del tamaño de la muestra

Para determinar

...