UNIVERSIDAD NACIONAL DE SAN

CRISTOBAL DE HUAMANGA
FACULTAD DE CIENCIAS
ECONÓMICAS, ADMINISTRATIVAS
Y CONTABLES
ESCUELA PROFESIONAL DE
ECONOMÍA
GUÍA DE CLASES
ANÁLISIS DE RIESGOS EN LA EVALUACIÓN
DE PROYECTOS

AUTOR
TONY OSWALDO HINOJOSA VIVANCO

AYACUCHO, FEBRERO 2023

 ANÁLISIS DE RIESGOS EN LA EVALUACIÓN DE PROYECTOS

1. INTRODUCCIÓN

En los temas anteriores se han estudiado los criterios que se usan para definir la conveniencia

de una inversión en las conticiones de certeza. o bien. en la existencia de un escenario base,

que es el de mayor probabilidad de ocurrencia. Pero la proyección de los flujos de caja es por

cierto incierta y esta sujeto a varias variables de permenente incertidumbre; por lo que la

construcción de un flujo de caja constituye evidentemente un análisis precario para una

evaluación correcta.

Al no contar con certeza sobre los flujos futuros de caja que ocasionará cada inversión, nos

encontraremos en una situación de riesgo e incertidumbre. Donde (Sapag Chain, Sapag

Chain, & Sapag P., 2014) definen la existencia de riesgo cuando: “hay una situación en el

cual una decisión tiene más de un posible resultado y la probabilidad de cada resultado

específico se conoce o puede estimarse” (pág. 299). Asimismo, definen que la incertidumbre

se presenta: “cuando no pueden identificarse cuáles son los eventuales escenarios a los que a
los que el proyecto pudiera verse enfrentado, con qué probabilidad de ocurrenvia o nivel o

nivel de exposición, ni tampoco pueden determinarse los efectos económicos derivados de

dichos escenarios” (pág. 299).

1.1.RIESGO EN LOS PROYECTOS

Según (Sapag Chain, Sapag Chain, & Sapag P., 2014) el riesgo se define como “ la

variabilidad que representa los flujos de caja efectivos respecto de los estimadores en el

caso base” (p.299), asimismo los mismos auntores definen la incertidumbre como que “

caracteriza a una sitiación en la que los posibles resultados de una estrategia no son

conocidos y, en consecuencia, sus probailidades de ocurrencia no son cuantificables” (pág.

299). Ahora los mismos autores explican:

Una diferecencia menos estricta entre riesgo e incertidumbre identifica al riesgocomo

la dispersión de la distribución de probabilidades del elemento en estudio o de los

resultados calculados, mientras que la incertidumbre es el grado de falta de confianza

respecto a que la distribución de probabilidades estimada sea la correcta. (pág. 299).

Para enfrentar la falta de certeza en las predicciones se requieren tres etapas: Identificación,

clasificación y medición.

1.2. LA IDENTIFICACIÓN DEL RIESGO

Consiste en determinar los escenarios adversos a los que un proyecto puede ver enfrentado.

para ello tiene dos fuentes:

Fuentes de riesgo internas, que tienen relación con elementos de riesgo asociados a la

empresa y a sus actores sociales. Tales como: falta de experiencia, conocimientos de quienes
desarrollan y administran el proyecto, la inxistencia de direccionamiento estratégico respecto

al futuro del negocio, falta de compromiso, la no existencia de habilidades y pasiones; todo

ello hará del proyecto un negocio inviable. Tambien es cierto que estos riesgos son

diversificables y mitigables. Es así que ineficiencia en las actividades de apoyo

(infraestructura, desarrollo tecnológico, gestión de personal y abastecimientos) , debilidades

en las actividades primarias (logistica de entrada, producción o operaciones, logistica de

salida, marketing y ventas, servicios post venta). Como lo sugieron los Sapag (Sapag Chain,

Sapag Chain, & Sapag P., 2014) en relación al proyecto concluyen asi: “ todas las actividades

anteriores generalmente se dan por sentadas, es importante efectuar un diagnóstico sincero

respecto de cada una de ellas, de tal manera que puedan identificarse las fuentes de riesgo

internas que pudieran llevar al fracaso de la iniciativa elavuada”(p.301)

Fuentes de riesgo externas, tambien denominadas amenazas del negocio, las que provienen

de cuatro aspectos diferentes: los mercados ( rivalidad entre competidores, relación con

proveedores y clientes, relación comercial con canales de distribución) , grupos de interes

externos ( apoyadores y detractores, entidades financieras, comunidad y autoridades) , el

contexto local ( entorno económico, social,cultural, político, ambiental, regulatorio y

tecnológico9 y el contexto internacional ( comportamiento de mercado de EE.UU. y China,

calentamiento global, pandemias entre otros)

Todos estos factores constituyen fuentes de riesgo que deberán analizadas y consideradas

en el momento de evaluar la conveniencia de realizar una inversión.

1.3.CLASIFICACIÓN DEL RIESGO

 Según (Sapag, 2011) “Los proceso de simulación pueden,a su vez, clasificarse de dos

formas: simulación determinista o simulación aleatoria.” (pág. 333), se determinan

deterministas los procesos que, ante un cambio en las variables de entrada, dan el mismo

resultado en las variables de salida. Los modelos de análisis de sensibilidad visto hasta

ahora caen bajo esa categoría. En cambio una simulación aleatoria es aquella donde no

se puede predecir el resultado, ya que depende de la distribución de probabilidades de

cada variable de entrada y del valor probabilístico que asuma en cada análisis. Este es el

caso del modelo de simulación de Montecarlo.

Figura 1
Herramientas para el análisis de riesgo e incertidumbre

Nota. extraido de (Sapag, 2011, pág. 333)

Si en caso no conocemos el comportamiento de las variables de distribución de probabilidad

de la variable de entrada como precio, tasa de crecimiento, costos de producción y/ mano de

obra, se realiza un proceso de simulación determinista ( análisis de sensibilidad).

En cambio, si conocemos el comportamiento de las variables o la Distribución de

Probabilidad de la variable de entrada estamos en un modelo probabilístico, entonces

sealizamos el modelo de simulación de Montecarlo.

2.- EL ANÁLISIS DE SENSIBILIDAD: USO DEL EXCEL

“Los resultados de la evaluación de proyecto serán sensibles a las variaciones de uno o más

parámetros si la decisión inicial cambia al incluir estas variaciones en el criterio de

evaluación empleado” (p.315)

Los métodos alternativos para el análisis son tres:

2.1. Análisis de puntos críticos.

Tiene como objetivo conocer los valores extremos de ciertas variables que permitan que un

proyecto mantenga su viabilidad sin afectar su rentabilidad en el tiempo; es decir, consiste

en determinar los valores mínimos y máximos de dichas variables.

Permite determinar el punto de equilibrio cuando el VANE = 0 ( cuando el VAN pasa de +

a - ). Es decir el análisis de puntos críticos del VAN económica determina hastá donde puede

modificarse el valor de una variable dependiente para que el proyecto siga siendo rentable

(VANE=0).

2.2.Análisis de sensibilidad

2.2.1. Unidimensional

Es una tecnica que indica en forma exacta la magnitud en que cambiaran los indicadores de

rentabilidad economica (VANE y TIRE) y financiera (VANF y TIRF) como respuesta a un

cambio dado cada una las variables criticas, manteniendo constante las demas variables. Por

tanto, se deben identificar los factores mas importantes (sensibles) que afectaran la

rentabilidad del negocio; tales como, el precio de venta, el costo de la mano de obra, costo

de la materia prima, tipo de cambio, entre otros.

El analisis de sensibilidad empieza con una situacion de una linea de base ( valores esperados

con los cuales se ha trabajado), luego se formula una pregunta ¿Qué pasaria si……? para

cada una las variables criticas, si se modificaran en razon de unos cuantos puntos especificos

por arriba (aumentos) y por debajo (disminuciones) del valor esperado. Esto permite

recalcular valores de los indicadores de rentabilidad (VAN y TIR), con la tabla de estos datos

se obtienen graficos denominados perfiles tanto del VAN y la TIR, las pendientes de las

lineas que aparecen en los graficos muestran que tan sensible es la rentabilidad analizada a

los cambios de cada una de los variables.

En la plantilla de excel se obtiene con facilidad los valores límites de las variables por

sensibilizar. Por ejemplo en el menú Herramientas se selecciona Buscar Objetivos. ( ver en

anexo 1 el procedimiento)

2.2.2. Bidimensional

El análisis de sensibilidad bidimensional busca establecer los resultados posibles del

proyecto. Tomando en cuenta cambios en dos de las variables analizadas que tengan mayor

incidencia en los resultados del proyecto (VAN, TIR). Los pasos a seguir son:

Determinar las dos principales variables con mayor incidencia en los resultados

Construir la matriz a partir de la clasificación de riesgo

Establecer el rango de comportamiento de cada una de las variables. Se recomienda

considerar al valor obtenido sea ubicado en el centro.

Cubrir toda la matriz y buscar el comando datos en la plantilla de excel, una vez acticado

debe seleccionar el comando tabla, donde aparece una tabla de celda de entrada (fila), debe
seleccionar la variable que determina los escenarios de la fila. Que, por decir podria

corresponder a las cantidades de venta en kilos; y en la celda de entrada (columna) , debe

asignarse la variable que determina los escenarios de la columna, que, por ejemplo podria

ser los valores de precio por kilo.

Al Aceptar nos da los datos de acuerdo a los escenarios planteados,en esta caso los

resultados del VANE que combina cantidades con precios por kilogramo. (Anexo 2 el

procedimiento paso a paso).

2.3. Análisis de escenarios

El análisis de escenarios a diferencia del análisis de unidimensional o bidimensional,

reconoce que ciertas variables estan interrelacionadas, además de incorporar el efecto

combinado de tres o mas variables busca determinar de que manera varía los indicadores de

resultados (VANE, TIRE, VANF, TIRF) frente a cambios en los varoles de esas variables

de forma simultánea.

Es una tecnica de analisis de riesgo que considera un conjunto de circunstancia favorables y

desfavorables de las variables relevantes que el plan de negocios puede enfrentar.

En el analisis de escenarios se debe considerar :

Un Escenario Actual:

Tambien conocido como caso esperado o probable, en el cual todas las variables criticas se

fijan a sus valores con los cuales se trabajo en el proyecto de inversión.

Un escenario Optimista:
Conocido tambien como el mejor de los casos, en el cual todas las variables relevantes se

fijan a sus mejores valores razonablemente pronosticados, los cuales inciden para mejorar

los indicadores de rentabilidad.

Escenario Pesimista:

Conocido tambien como mejor de los casos, en el cual todas las variables se fijan a sus peores

valores razonablemente pronosticados, que inciden para empeorar los indicadores de

rentabilidad.

Modificando el conjunto de variables analizadas y permaneciendo las demas constantes se ha

realizado la siguiente tabla:

ANALISIS DE ESCENARIOS

ESCENARIOS ACTUAL OPTIMISTA PESIMISTA

Celdas cambiantes:
Variable Critica Ingresos
Variable Critica Costos
Celdas de resultados:
VANE
TIRE
VANF
TIRF

Resumiendo herramientas de simulación se tiene:

Herramientas de simulación

ANALISIS HERRAMIENTAS DE EXCEL EXCEL

Puntos Críticos Buscar Objetivo Datos Análisis de Hipótesis

Buscar Objetivo

Análisis Tabla de Datos Datos Análisis de Hipótesis

Unidimensional
Tabla de Datos
 Análisis Tabla de Datos Datos Análisis de Hipótesis
Bidimensional
Tabla de Datos

Análisis de Administración de Escenarios Datos Análisis de Hipótesis

Escenarios
Administración de Escenarios

2.4. Usos y abusos de análisis de sensibilidad

Nuevamente (Sapag Chain, Sapag Chain, & Sapag P., 2014) consideran que despues de haber

revisado las principales técnicas de análisis de sensibilidad se hace necesario sobre algunos

aspectos, tales como:

Los analisis de sensibilidad constituyen herramientas orientadas a reducir los niveles

de incertidumbre, no los niveles de riesgo. Esto debido a que la sensibilización se lleva a

cabo con la finalidad de conocer los resultados de las variables dependientes frente a las

variables independientes, ya que por un lado existen diferentes expectativas por parte de los

inversionistas a cargo de aprobar el proyecto y porque la posibilidad de pronosticar

correctamente el futuro no es posible.

El análisis de sensibilidad muestra cuán cerca del margen se encuentra el proyecto, ya

que nos permite conocer cuan sensible es el proyecto antes cambios porcentuales muy

pequeños en las variables independientes hace que el VAN sea negativo. Si fuera así, el

proyecto sería claramente marginal.

El analisis de sensibilidad se emplea para ilustrar lo riesgoso que puede ser este

proyecto, debido a que si se determina que el valor asignado a una variable a una variable es

muy incierto, se precisa llevar a cabo la sensibilización.Si el resultado es muy sensible a esos

cambios el proyecto resulta ser riesgoso.

El análisis de sensibilidad es útil para profundizar el estudio de una variable en

particular en particular, mas que todo cuando el resultado del proyecto es sensible o no a

determinada variable.

El abuso del análisis de sensibilidad puede conllevar serias deficiencias en la evaluación, se

da cuando el evaluador lo usa como excusa para no intentar cuantiticar cosas que podrían

haberse calculado. Lo mismo sucede cuando el informe presente un conjunto complicado de

interrelaciones entre valores cambiantes, omitiendo proporcionar una orientación

3.- SIMULACIÓN DE MONTECARLO: Uso del Risk Simulator

3.1. Introducción

El modelo de simulación de Montecarlo genera numerosos resultados que puede tomar el

VAN y la TIR del proyecto si a cada factor que condiciona el flujo de caja se le asigna,

aleatoriamente, un valor probable de ocurrencia. Al aplicar repetidas veces la selección de

valores aleatorios para cada uno de los factores, dentro de su propia distribución de

probabilidad, se logra obtener un número suficiente de resultados como para pronosticar la

forma de la distribución del comportamiento probabilístico del VAN y la TIR.

La definición de la distribución de probabilidades asignada a la ocurrencia de cada uno de

los factores se denomina supuesto de entrada. Cuando se selecciona un valor para cada factor,

se obtiene una proyección para el VAN (o la variable que se desee simular), la que se

denomina supuesto de salida o pronóstico. Al realizar muchas pruebas probabilísticamente

posibles, se puede observar la probabilidad con que se repite un VAN o la probabilidad de

que su resultado sea negativo o positivo.

Figura 2

Distribución de probabilidades del VAN

Nota. Extraido de (Sapag, 2011, pág. 350)

La simulación de Montecarlo busca definir el porcentaje de escenarios observados ya sea

hacia la izquierda o derecha de ese punto. Se puede realizar fácilmente recurriendo a uno de

los tantos programas disponibles en el mercado, los cuales pueden llevar a cabo miles de

pruebas en pocos segundos.

5.3. Programa de Simulación Montecarlo

La simulación permite experimentar para observar los resultados que va mostrando el VAN,

especialmente cuando existen dudas del comportamiento de más de una variable a la vez;
aunque no es un instrumento que busca su optimización, sí cuenta con una herramienta de

optimización y simulación simultánea que permite obtener resultados más precisos bajo un

conjunto de restricciones.

Para aplicar la simulación de Montecarlo, se debe seguir un procedimiento que consta de las

siguientes etapas:

1. Construir el flujo de caja referenciando las celdas a aquellas sobre las cuales se

aplicará la simulación. Se requiere que todos los valores del flujo, que dependan del

valor que asume aleatoriamente cada factor que servirá para hacer la prueba, se

modifiquen automáticamente en función del valor obtenido.

2. Definir el modelo para cada supuesto de entrada (elegir la distribución de

probabilidades que mejor represente el comportamiento probabilístico de las

variables elegidas).

3. Definir el pronóstico de salida (el VAN u otro resultado que se quiera observar, y el

número de pruebas o, alternativamente, el nivel de confianza deseado).

4. Ejecutar la simulación.

5. Analizar la información gráfica y numérica resultante

Según Sapag (2001, pp. 271-272) a cada variable a iterar se debe asignar una distribución de

probabilidades. En la siguiente tabla se describe las principales distribuciones de

probabilidades que se aplican en los proyectos.

Distribución Descripción Uso Ejemplos

Normal Da un valor con una media y Análisis de valores Indices de inflación,

una desviación estándar.La de resultados de precios de energia
media,moda y mediana son prueba.
iguales. Es simétrica
 alrededor de la media y sus Ingresos por venta
colas se extienden hasta el
infinito en ambas direcciones
y son asintóticas al eje
horizontal.

Triangular Da un valor con parámetros Se aplica cuando se Costo de un insumo

óptimista, probable y cuenta con pocos
pesimista.Considera datos o datos Ventas históricas,
conocidos los valores proporcionados por inventarios
máximo, mínimo y mas opinantes expertos.
Costo de capital
probable que puede tener una Distribución basada
variable en datos empíricos.

Uniforme Da un valor con parámetros Cuando dentro de Costos de

mínimo y máximo. un rango conocido producción
(mínimo y máximo)
tienen la misma Inversión
probabilidad de
ocurrir.

Entre los Softwares más importante se encuentran: Crystal Ball, Risk Simulator,SimulAr,

EasyPlanEx, entre otros. Donde permiten asignarle a determinadas variables un

comportamiento aleatorio posible de definir por medio de una distribución de probabilidades

que se elige de entre varias opciones que ofrece cada software: normal, triangular, uniforme,

beta, lognormal, gamma, exponencial, pareto, etc.

Para efectos de este estudio, se utilizará el Risk Simulator, entre otras razones, por la

simplicidad de uso y la gran cantidad de procedimientos que contiene y de resultados que

genera. Veamos el procedimiento a seguir con este software complemento al excel y se puede

trabajar sin un costo por un periodo y de libre disponibilidad.

Una vez instalado, aparece en la barra superior como simulador de riesgo y al abrir la ventana,

se despliega la barra de herramientas como se muestra en la siguiente Figura

Para explicar el procedimiento, utilizaremos el planteamiento del ejercicio siguiente:

La empresa industrial LEO pretende lanzar al mercado un nuevo producto, pero los

inversores tienen dudas sobre la cantidad de riesgo de la inversión, el proyecto tiene un

horizonte de evaluación de 5 años, se estima que la producción y precio manejen una

distribución triangular, con la siguiente información: producción (1850,2000,2300) y precio

(2,3,4), los costos totales relacionados con la producción son de 1800 en cada año, el proyecto

tiene una inversión inicial de 10000 soles. Se exige una rentabilidad mínima del 12%. Con

esta información se le pide:

a) Elaborar el Flujo de Caja Económico

b) Calcular el VANE y la TIRE

c) Realizar la simulación Montecarlo con el software Risk Simulator

La solución es la siguiente:

a) Flujo de Caja Económico:

Datos del problema:

Horizonte 5 años
Producción 2000 unidades/año
Precio unitario 3 soles
Costo total 1800 soles/año
Inversión inicial 10000 soles
Ku 12% Tasa de descuento anual

Flujo de Caja Económico Proyectado

RUBRO/PERIODO 0 1 2 3 4 5
INGRESOS 0 6000 6000 6000 6000 6000
Cantidad 2000 2000 2000 2000 2000
Precio 3 3 3 3 3
COSTOS 1800 1800 1800 1800 1800
INVERSIÓN 10000
Flujo de caja
ecónimo -10000 4200 4200 4200 4200 4200

b.) Rentabilidad económica:

VANE = S/ 5,140

TIRE = 31%

c.) Simulación Montecarlo:

Los pasos para ejecutar la simulación son los que se describen a continuación.

Paso 1: Crear un nuevo perfil para la simulación para iniciar el modelo, debe marcarse nuevo

perfil en la barra de herramientas del Risk Simulator. En el cuadro desplegado, se puede

especificar un nombre para la simulación y definir el número de pruebas que se quiera

ejecutar (vienen predeterminadas por defecto 1,000 iteraciones).

Cuando existe una cantidad importante de variables que condicionan el resultado del VAN

(al haber varios productos con muchos insumos, por ejemplo), es posible simplificar el

proceso de simulación recurriendo al Análisis de tornado de la barra Herramientas analíticas,

el cual prueba automáticamente el impacto de cada variable sobre el VAN, simulando una

variabilidad que viene predeterminada por defecto en ± 10% para cada una y manteniendo al

resto inalterable, u otra que defina el evaluador del proyecto.

Para ello, previamente se debe seleccionar la celda donde está el VAN. La importancia de

este análisis radica en que permite identificar las variables que son relevantes para ejecutar

la simulación, evitando perder tiempo en incorporar aquellas cuyo comportamiento no afecte

al resultado del pronóstico.

El Análisis de tornado jerarquiza las variables de más a menos significativa, de acuerdo con

las fluctuaciones que el cambio de cada una ocasione sobre el VAN. En el cuadro de diálogo

Análisis de tornado, el Risk Simulator reconoce a todas las variables que no han sido

expresadas como fórmulas en el Excel, Se abre una nueva hoja Excel con el nombre Tornado,

donde se observan, en primer lugar, los resultados del VAN ante cambios 10% positivos y

negativos de cada variable sobre el VAN, como se muestra en la Tabla siguiente:

La tabla se obtiene afectando cada dato ingresado precedente en un rango consistente (por

ejemplo, ±10% del caso base) una a la vez, y comparando sus resultados con el caso base.

Lo que permite conocer los factores críticos de éxito del modelo antes de ejecutar

simulaciones. Los valores se muestran en la tabla siguiente

La tabla tornado organiza todas las entradas para calcular VANE, el listado de la variable

de entrada está ordenada desde el mayor impacto hasta el impacto menor sobre el resultado.

La tabla se obtiene afectando cada dato ingresado precedente en un rango consistente

(±10% del caso base) una a la vez , por ejemplo, en el caso de la variable de entrada

“precio” el valor base es S/. 3, el -10% es S/. 2.7, el +10% es S/. 3.3; por lo tanto, el

resultado del VANE inferior al usar el -10% es S/. 2,977.1943, mientras que al usar el

+10% es S/. 7,302.9258, lo cual arroja un rango de efectividad de 4,325.73. Entonces la

variable que más impacta es el precio y la que menos impacta es el costo total.

Una de las herramientas de simulación más poderosas es la Tabla Tornado, ya que captura

los impactos estadísticos de cada variable

sobre el modelo resultante. Es decir, la

herramienta impacta de manera automática

cada variable precedente en el modelo que se

ha especificado de antemano, captura las

fluctuaciones sobre el modelo final del

pronóstico o el resultado final, y organiza las

perturbaciones categorizadas en orden de

importancia.
Asimismo, en la figura de tornado, muestra todas las variables en orden de importancia, la

variable “precio” es la de mayor impacto y tiene una correlación positiva ya que al aumentar

los precios también aumenta el VANE ( va de rojo a verde), en cambio la variable “inversión”

tiene una correlación lineal negativa dado que cuando su valor es menor, el VANE es mayor

y a medidad que aumente el valor de la inversión, disminuye el VANE ( va de verde a rojo).

Las barras verdes indican las correlaciones positivas entre las variables y el VAN al aumentar

en 10% su estimación (precio y producción), mientras que las rojas señalan que están

negativamente correlacionadas (al aumentar las inversiones o los costos, disminuye el VAN).

Con esta información, se puede apreciar la necesidad de estudiar más a fondo las variables

precio, producción, donde proporciona una referencia para hacer los análisis de sensibilidad,

escenarios e indica aquellos que necesariamente deben ser incluidos en la simulación de

Montecarlo.
Opcionalmente, se puede analizar el gráfico de araña que aparece en la misma hoja Excel.

Un gráfico Araña, como su nombre lo indica, se asemeja a una araña con un cuerpo central

y varias piernas saliendo de ella. La pendiente positiva indica una relación positiva, mientras

que una pendiente negativa indica una relación negativa entre las variables relacionadas. Por

lo tanto, las tablas arañas pueden utilizarse para visualizar relaciones lineales y no lineales.

Paso 2: Definir los supuestos de entrada. A cada factor se le asigna la distribución de

probabilidades que mejor explique el comportamiento probabilístico que pudiera tener.

Cuando se dispone de una serie de datos, el Risk Simulator puede analizarlos y determinar

cuál es la distribución más adecuada por medio de las herramientas de ajuste de distribución

simple y múltiple, y por el ajuste no paramétrico

Variables de escenario base:

Para explicar el modelo, se estimará que los factores que se considerarán como supuestos de

entrada son los que aparecen sobre el flujo de caja. Para establecer un supuesto, se debe

seleccionar la celda donde está el primer factor, la cual no debe contener fórmulas ni

funciones. En este caso, la celda C7 para el precio, como se muestra en la Figura anterior.
Luego se ingresa a la ventana supuesto de entrada

Haciendo clic en el icono Supuesto de entrada, aparece el cuadro de diálogo que muestra la

Figura Al costado izquierdo, se muestran las distintas distribuciones de probabilidad y se

asigna la triangular y aparece las siguientes opciones:

Colocar 2 en

Mínimo, dejar 3

en mayor

probabilidad y 4

en Máximo

Se coloca el cursor en la celda C6 de la variable producción y se sigue el mismo

procedimiento y aparece el cuadro de diálogo que muestra la Figura Se asigna la distribución

triangular y aparece las siguientes opciones:

 Colocar 1850 en

Mínimo, dejar 2000 en

mayor probabilidad y

2300 en Máximo

Paso 3: Definir los pronósticos. El Risk Simulator permite realizar varios pronósticos en

forma simultánea de acuerdo con los resultados de cada escenario que vaya simulando. A

continuación, se explica cómo hacerlo solo para el supuesto de salida VAN.

Se ingresa a la ventana de Pronostico de Salida

En primer lugar, se debe seleccionar la celda donde aparece el resultado del VAN (C26) y

hacer clic en la barra de herramientas Pronóstico de salida. Colocar VANE SIMULADO.

Ver la figura
Paso 4: Ejecutar la simulación. En la barra de herramientas, se hace clic en el icono Correr,

y el modelo ejecuta las primeras 1.000 o 10.000 iteraciones. Si no se logra el nivel de

confianza o de error indicado, aparecerá un mensaje indicando que no se alcanzaron y

preguntando si se desea duplicar el número de intentos. Cuando se logra cumplir con ambos

requisitos, se muestra el histograma de resultados del pronóstico obtenido, tal como se

observa en la siguiente figura de VAN simulado. Las barras verticales representan la

distribución de

frecuencia de cada

VAN obtenido,

mientras que la

línea continua

muestra la

frecuencia

acumulada

En cuanto al TIR simulado, las barras verticales representan la distribución de frecuencia de

cada TIR obtenido, mientras que la línea continua muestra la frecuencia acumulada.
Paso 5: Resultados del pronóstico. Hubo que realizar 10,000 pruebas para cumplir con las

condiciones de nivel de confianza y error. Para determinar el porcentaje de escenarios donde

el VAN fue negativo, en la casilla Tipo se elige Cola izquierda ≤, se reemplaza +Infinity por

0 y se da clic en la tecla TAB para actualizar la información. En la casilla inferior derecha de

la Figura, aparece la probabilidad de que el resultado sea menor o igual a 0 (3,09%). La línea

recta vertical corresponde al VAN = 0.

La pestaña Estadísticas del VAN simulado muestra los resultados estadísticos del pronóstico,

tal como aparecen en la siguiente Tabla. Donde se obtiene un VAN promedio de S/. 5764.6

Un VAN máximo de 15,336 y un VAN mínimo negativo de -S/. 2,762, con un nivel de

significancia del 95%.

Probabilidad de obtener un VAN mayor a 0 es del 96.91%, es decir un nivel de riesgo de

3.09%; es decir que el VANE sea menor que cero.

4.- PLAN DE CONTINGENCIAS

Los planes de contingencias buscan prever de manera oportuna los cambios que puedan

sufrir las variables críticas del proyecto.

Estos cambios pueden representar oportunidades o riesgos que deben asumir. Su objetivo es

recuperar la desviación que se presenta en el momento del control entre lo real y lo

proyectado.

Planes de contingencias establecen las acciones que la empresa debería desarrollar ante las

modificaciones de determinadas variables, por lo que plantean el análisis y las alternativas,

por lo que plantean el análisis y las alternativas de acción en el caso de imprevistos.

Ejemplo de situaciones:

CASO 1: Baja la demanda del producto

 Incremento presupuesto de marketing

 Buscar nuevos mercados

CASO 2: Sube el precio de las materias primas

 Negociación con los proveedores

 Búsqueda de sustitutos

CASO 3: Aparece un nuevo competidor

 Fidelización de clientes

 Nuevas ventajas competitivas

Algunos elementos claves del plan de contingencias son la rentabilidad, el volumen de

ventas, la participación del mercado, la imagen, entre otros.

BIBLIOGRAFIA

Sapag Chain, N., Sapag Chain, R., & Sapag P., J. (2014). Preparación y Evaluación de Proyectos.
México D.F.: Mc Graw Hill.

Sapag, N. (2001). Evaluación de Proyectos de Inversión en la Empresa. Buenos Aires: Prentice Hall.

Sapag, N. (2011). Proyectos de inversión: Formulación y evaluación. Santiago de Chile: Pearson.