Asignación #3

Simulación Asignación #3 Alexander Cárdenas
Emanuel Carrera
Judith Malek
Juan Garuz
Nicole Trujillo
Marta de Barrías
1. ¿Qué es la simulación de Montecarlo?
La simulación de Montecarlo es un método estadístico utilizado para resolver
problemas matemáticos complejos a través de la generación de variables
aleatorias.
La simulación de Montecarlo o método de Montecarlo le debe el nombre al
famoso casino del principado de Mónaco. La ruleta es el juego de casino más
famoso y también el ejemplo más sencillo de mecanismo que permite generar
números aleatorios.
La clave de este método está en entender el término ‘simulación’. Realizar una
simulación consiste en repetir o duplicar las características y comportamientos
de un sistema real. Así pues, el objetivo principal de la simulación de
Montecarlo es intentar imitar el comportamiento de variables reales para, en la
medida de lo posible, analizar o predecir cómo van a evolucionar.
2. ¿Para qué se utiliza la simulación de Montecarlo?
En economía la simulación de Montecarlo se utiliza tanto en empresas como
en inversión. Siendo en el mundo de la inversión donde más se utiliza. Algunos
ejemplos de simulación de Montecarlo en inversión son los siguientes:
 Crear, valorar y analizar carteras de inversión
 Valorar productos financieros complejos como las opciones financieras
 Creación de modelos de gestión de riesgo
Dado que la rentabilidad de una inversión es impredecible se utiliza este tipo
de método para evaluar distintos tipos de escenarios. Un ejemplo sencillo se
encuentra en la bolsa de valores. Los movimientos de una acción no se
pueden predecir. Se pueden estimar, pero es imposible hacerlo con exactitud.
Por ello, mediante la simulación de Montecarlo, se intenta imitar el
comportamiento de una acción o de un conjunto de ellas para analizar cómo
podrían evolucionar. Una vez se realiza la simulación de Montecarlo se extraen
una cantidad muy grande de escenarios posibles.
Emanuel Carrera
Judith Malek
Juan Garuz
Nicole Trujillo
Marta de Barrías
3. Cómo funciona la simulación de Montecarlo

Debido al tamaño y complejidad de los proyectos que justifican el uso de este
análisis, en los pequeños no se usa, este se realiza mediante computador,
siendo totalmente inviable hacerlo a mano. De todas formas, es recomendable
entender el método de cálculo que hay detrás de estos programas de
simulación.
En cualquier proyecto hay dos elementos que tienen un comportamiento no
determinista:
 Las tareas. Las cuales tienen un valor medio y una variabilidad de
acuerdo con una distribución estadística, que permite relacionar un
determinado valor de plazo o coste a un porcentaje de
representatividad.
 Los riesgos; sujetos a una probabilidad de ocurrencia y a un impacto. Si
tenemos un riesgo con una probabilidad de ocurrencia del 15%, y un
impacto de 1000€ y 1 día, diremos que el 15% de las veces que se
ejecute el proyecto, este va a durar un día más y costar 1000€ más, el
85% de las veces restantes no.
Teniendo definidas las distribuciones estadísticas de todas las tareas y riesgos, es
posible calcular un valor determinado para cada tarea o riesgo mediante la
generación de múltiples números aleatorios de 0 a 100, asemejando el número
aleatorio al porcentaje de representatividad del valor de la tarea, o a la
probabilidad de ocurrencia del riesgo. Al final, esto permite calcular una duración o
coste total del proyecto para cada valor aleatorio.
Si repetimos este cálculo un número suficientemente alto de veces (sobre 1000
puede ser correcto), podemos obtener varios valores de plazo y coste para el
proyecto; los cuales pueden representarse en un gráfico de Pareto mostrando el
número de veces que ha aparecido en el análisis un determinado valor de plazo o
coste. A partir de este gráfico podemos acabar calculado la distribución estadística
que sigue el proyecto en su conjunto, y por tanto determinar el porcentaje de las
veces que este va a cumplir una determinada restricción.
A partir de aquí, el criterio para determinar si una planificación es factible, es mirar
si el porcentaje de veces que se cumple la restricción es superior o inferior al
margen de confianza definido por la organización. Si es inferior significa que la
planificación no es factible, y que por tanto deberemos modificar esta hasta
Emanuel Carrera
Judith Malek
Juan Garuz
Nicole Trujillo
Marta de Barrías
conseguir que lo sea, o acabar determinando que el proyecto no es posible con las
restricciones impuestas.
4. ¿Qué es análisis de riesgo?

El análisis de riesgo, también conocido como evaluación de riesgos o PHA por sus
siglas en inglés. Process Hazards Analysis, es el estudio de las causas de las
posibles amenazas y probables eventos no deseados y los daños y consecuencias
que éstas puedan producir.
Este tipo de análisis es ampliamente utilizado como herramienta de gestión en
estudios financieros y de seguridad para identificar riesgos (métodos cualitativos) y
otras para evaluar riesgos (generalmente de naturaleza cuantitativa).
5. ¿Cómo se usan los algoritmos en la simulación de Montecarlo?
El algoritmo de Simulación Monte Carlo Crudo o Puro está fundamentado en la
generación de números aleatorios por el método de Transformación Inversa, el
cual se basa en las distribuciones acumuladas de frecuencias:
Otra opción para trabajar con Monte Carlo, cuando la variable aleatoria no es
directamente el resultado de la simulación o tenemos relaciones entre variables es
la siguiente:
Emanuel Carrera
Judith Malek
Juan Garuz
Nicole Trujillo
Marta de Barrías
Las principales características a tener en cuenta para la implementación o

utilización del algoritmo son:
 El sistema debe ser descripto por 1 o más funciones de
distribución de probabilidad (fdp).
 Generador de números aleatorios: como se generan los números
aleatorios es importante para evitar que se produzca correlación
entre los valores muestrales.
 Establecer límites y reglas de muestreo para las fdp: conocemos que
valores pueden adoptar las variables.
 Definir Scoring: Cuando un valor aleatorio tiene o no sentido para el
modelo a simular.
 Estimación Error: ¿Con que error trabajamos, cuanto error podemos
aceptar para que una corrida sea válida?
 Técnicas de reducción de varianza.
 Paralelización y vectorización: En aplicaciones con muchas variables
se estudia trabajar con varios procesadores paralelos para realizar la
simulación.
6. Generación de números aleatorios.

Es un procedimiento matemático que consiste en la generación numérica de
series mediante un muestreo aleatorio de las distribuciones de probabilidad.
Emanuel Carrera
Judith Malek
Juan Garuz
Nicole Trujillo
Marta de Barrías
7. Ejemplo de simulación de Montecarlo
Supongamos que queremos contratar a un gestor que realice operaciones por
nosotros en la bolsa de valores. El gestor presume de haber ganado 50% de
rentabilidad durante el último año con una cuenta de valores de 20.000
dólares. Para confirmar que lo que dice es verdad, le pedimos su track record
auditado. Es decir, el registro de todas sus operaciones verificado por una
auditor (para evitar estafas y cuentas falsas). El gestor nos facilita toda la
documentación y procedemos a valorar la cuenta de resultados.
Emanuel Carrera
Judith Malek
Juan Garuz
Nicole Trujillo
Marta de Barrías
Vamos a suponer que disponemos de 20.000 dólares. Introducimos las
variables correspondientes en nuestro programa informático y extraemos el
siguiente gráfico:
Con los resultados facilitados por el gestor que queremos contratar, se han
realizado 10.000 simulaciones. Además, los resultados se han proyectado
cuatro años. Esto es, 10.000 escenarios diferentes para esos resultados
durante cuatro años. En la gran mayoría de escenarios se genera una
rentabilidad positiva, pero existe una pequeña probabilidad de perder dinero.
La simulación de Montecarlo nos facilita una infinidad de combinaciones para
evaluar escenarios de los que a simple vista no somos conscientes.

Asignación #3

Cargado por

Asignación #3

Cargado por

Simulación Asignación #3 Alexander Cárdenas

3. Cómo funciona la simulación de Montecarlo

4. ¿Qué es análisis de riesgo?

Las principales características a tener en cuenta para la implementación o

6. Generación de números aleatorios.

También podría gustarte