Science">
Sesion 11 y 12 - Analisis de Riesgos y Simulacion de Montecarlo
Sesion 11 y 12 - Analisis de Riesgos y Simulacion de Montecarlo
Sesion 11 y 12 - Analisis de Riesgos y Simulacion de Montecarlo
MODELAMIENTO FINANCIERO
Formulación, Simulación y Análisis para la Toma de Decisiones
Sesión 11 y 12
Simulación de Escenarios (Montecarlo)
Tipos de Evaluación:
Simulación de Escenarios (Montecarlo)
Que es la Simulación Montecarlo?
• Basándose en datos históricos relevantes a partir del cual identificar que distribución se ajusta mejor.
• Basándose en ayuda de expertos. En este caso se trabaja con distribuciones triangulares, Pert u otra.
Simulación de Escenarios (Montecarlo)
Distribución Uniforme
• Se caracteriza por el hecho de que todos los resultados
posibles entre un cierto mínimo y máximo son igualmente
probables.
• Se podrá utilizar esta distribución si no existen razones para
pensar que algunos valores dentro del rango son más probables
que otros.
• La distribución uniforme se utiliza cuando hay muy poca
información disponible respecto de la variable aleatoria
Simulación de Escenarios (Montecarlo)
Distribución Triangular
• Se define por tres parámetros: el mínimo a, el máximo
b, y el valor más probable c.
• Variando la posición del valor más probable con relación
a los extremos, la distribución puede ser simétrica o no.
• Se aplica cuando existen razones para pensar que cierto
valor comprendido entre a y b tiene una probabilidad de
ocurrencia mayor al resto.
Simulación de Escenarios (Montecarlo)
Criterios de Elección de una Distribución
@RISK
Simulación de Escenarios (Montecarlo)
Sistema de Valor Ganado (Earned Value)
• Distribución de Probabilidad
✓ Representan la incertidumbre en valores como tiempos
y costos.
✓ Una distribución discreta puede ser usada para
representar eventos inciertos tales como el resultado de
una prueba o un posible escenario en un árbol de
decisión.
Análisis Cuantitativo de Riesgos
Técnicas de Análisis Cuantitativo de Riesgos y Modelado
• Simulación MonteCarlo
✓ Generalmente se realiza a través de un software especializado.
✓ Evalúa el riesgo general del proyecto.
✓ Brinda la probabilidad de completar el proyecto en un tiempo y
costo dado.
✓ Se utiliza para evaluar el impacto en costos y cronograma.
✓ Tiene como resultado una distribución de probabilidad.
✓ Desarrollo del modelo
1. Definir los parámetros de distribución por variable:
Reemplazar los valores inciertos de su modelo por distribuciones
de probabilidad (media y desviación estándar). Estas funciones
representan una serie de posibles valores que podrían aparecer
en un campo del modelo, en lugar de limitarse a un solo valor.
2. Seleccionar los objetivos: Seleccionas las variables de salidas.
✓ Realizar la Simulación: Configurar el numero de iteraciones
requeridas (1000 – 10000) y correr la simulación, para determinar el
rango y probabilidades de todas las salidas.
✓ Analizar los resultados y tomar una decisión: Basado en el nivel de
tolerancia de riesgo y a decisiones estratégicas corporativas y de
proyecto.
Análisis Cuantitativo de Riesgos
Técnicas de Análisis Cuantitativo de Riesgos y Modelado
• Simulación MonteCarlo
La organización decida y
toma la decisión del
escenario conveniente.
Gracias