El documento presenta los pasos para resolver el caso "El tesorero de Montecarlo" usando la simulación de Monte Carlo. Se construye un modelo en Excel con las variables de entrada (ventas, gastos, financiamiento) y salida (flujos de caja, cuotas de deuda). La simulación, con análisis de sensibilidad, muestra que una línea de crédito de Bs. 2,302,095 a 4.5 meses minimiza el riesgo con cuotas de Bs. 530,376.
1. Solución del caso El tesorero de Montecarlo De: Maximiliano González Martinez Ilsida Mendoza Yohana
2.
3. ¿En qué consiste el programa @Risk? Es un software complementario para análisis de riesgo para Microsoft Excel, usa la simulación Monte Carlo para mostrar virtualmente todos los posibles resultados de cualquier situación en la que exista incertidumbre. ¿Qué es la simulación Monte Carlo? Es una técnica cuantitativa que hace uso de la estadística y los ordenadores para imitar , mediante modelos matemáticos , el comportamiento aleatorio de sistemas reales no dinámicos .
4. ¿ Cómo funciona el programa @Risk? @Risk constituye una herramienta para representar un modelo de decisión , identificando variables de entrada y salida , la distribución probabilística de las variables de entrada y sus correlaciones; permitiendo ejecutar análisis de sensibilidad de las variables de salida respecto a las variables de entrada, que conducen al decisor al planteamiento de diversos escenarios para la toma de decisiones.
5. Modelo de Decisión Se construye una hoja de cálculo que contiene los flujos de caja de la empresa Servicios Montecarlo durante los últimos 24 meses y las condiciones de una línea de crédito por Bs. 3.000.000,00, dirigida a cubrir el monto del déficit de caja previsto para el mes siguiente, pagadera a 6 meses. modelo
6.
7. Justificación de las Variables de Entrada La clave de la simulación MC consiste en crear un modelo matemático del sistema, proceso o actividad que se quiere analizar, identificando aquellas variables ( inputs del modelo) cuyo comportamiento aleatorio determina el comportamiento global del sistema. En el caso El tesorero de Montecarlo , la finalidad es hacer una simulación de Montecarlo del déficit de caja de la empresa, por lo cual las variables de entrada asignadas son las que definen el comportamiento del modelo: a mayores ventas al contado mayores flujos de caja, a mayores insumos, menores flujos de caja, a menores gastos, mayores flujo de caja, a mayor financiamiento, mayores cuotas de amortización, entre otros.
8. Distribución probabilística de las variables de entrada Ver variables de entrada Se selecciona la distribución probabilística Normal para cada una de las variables de entrada. Generando una variable aleatoria normal con parámetros media y desviación estándar. Ver variables de entrada De esta manera, se introduce el riesgo o variabilidad deseada, observándose cómo el valor de las variables de entrada van tomando distintos valores aleatorios, respetando lo parámetros establecidos para la distribución.
9. Distribución probabilística Normal En estadística y probabilidad se llama distribución normal , distribución de Gauss o distribución gaussiana, a una de las distribuciones de probabilidad de variable continua que con más frecuencia aparece en fenómenos reales. La gráfica de su función de densidad tiene una forma acampanada y es simétrica respecto de un determinado parámetro . Esta curva se conoce como campana de Gauss . El uso del modelo normal puede justificarse asumiendo que cada observación se obtiene como la suma de unas pocas causas independientes.
10.
11. Matriz de correlación de variables Luego de la asignación de los valores, se genera la matriz de correlación de las variables de entrada: matriz 0 0 0 0 0 0 0 VENTAS DE CONTADO / MES 15 en $R$41 0 0 0 0 0 0 0 VENTAS DE CONTADO / MES 14 en $Q$41 0 0 0 0 0 0 0 VENTAS DE CONTADO / MES 13 en $P$41 0 0 0 0 0 0 0 VENTAS DE CONTADO / MES 12 en $O$41 0 0 0 0 0 0 0 VENTAS DE CONTADO / MES 11 en $N$41 0 0 0 0 0 0 0 VENTAS DE CONTADO / 10 en $M$41 0 0 0 0 0 0 0 VENTAS DE CONTADO / 9 en $L$41 0 0 0 0 0 0 0 VENTAS DE CONTADO / 8 en $K$41 0 0 0 0 0 0 0 VENTAS DE CONTADO / 7 en $J$41 1 0 0 0 0 0 0 VENTAS DE CONTADO / 6 en $I$41 1 0 0 0 0 0 VENTAS DE CONTADO / 5 en $H$41 1 0 0 0 0 VENTAS DE CONTADO / 4 en $G$41 1 0 0 0 VENTAS DE CONTADO / 3 en $F$41 1 0 0 VENTAS DE CONTADO / 2 en $E$41 1 0 VENTAS DE CONTADO / 1 en $D$41 1 VENTAS DE CONTADO / 0 en $C$41 VENTAS DE CONTADO / 6 en $I$41 VENTAS DE CONTADO / 5 en $H$41 VENTAS DE CONTADO / 4 en $G$41 VENTAS DE CONTADO / 3 en $F$41 VENTAS DE CONTADO / 2 en $E$41 VENTAS DE CONTADO / 1 en $D$41 VENTAS DE CONTADO / 0 en $C$41 Correlaciones @RISK
12. Diagramas de Dispersión Así como los diagramas de dispersión por cada una de las variables de entrada. Un diagrama de dispersión es un tipo de diagrama matemático que utiliza las coordenadas cartesianas para mostrar los valores de dos variables para un conjunto de datos. Los datos se muestran como un conjunto de puntos, cada uno con el valor de una variable que determina la posición en el eje horizontal y el valor de la otra variable determinado por la posición en el eje vertical. Un diagrama de dispersión se llama también gráfico de dispersión .
13.
14. Justificación de las Variables de Salida Una vez ingresadas todas las variables relevantes del modelo que presentan incertidumbre en sus valores futuros se deben definir la o las variables de salida de la simulación. Una variable de salida es aquella que se pretende estudiar su comportamiento y que es indispensable para obtener información que sirva de apoyo para la toma de decisiones. En el caso El tesorero de Montecarlo , la finalidad es hacer una simulación de Montecarlo del déficit de caja de la empresa, y seleccionar la línea de crédito más conveniente, justificando las variables de salida planteadas.
15.
16. Análisis de Sensibilidad Consiste en determinar hasta qué punto las variables de entrada afectan las variables de salida , posibilitando el planteamiento de diversos escenarios de decisión.