Neumann Business Review
Vol 5 N° 2 | Diciembre 2019 p 97 - 107 ISSN: 2412-3730 DOI:http://dx.doi.org/10.22451/3006.nbr2019.vol5.2.10041
97
Escuela de Postgrado Neumann Business School
Modelos de Simulación para la Evaluación de Proyectos de
Inversión
Simulation Models for the Evaluation of Investment Projects
Pelayo Delgado Tello
1
1
Dr. en Economía. Director Unidad de investigación Universidad Nacional Jorge Basadre Grohmann
E-mail: pelayodt_49 @hotmail.com
Recepción: 02/10/2019. Aceptación: 10/12/2019. Publicación: 30/12/2019
Pelayo Delgado Tello
98
Escuela de Postgrado Neumann Business School
El modelo de Simulación es un
instrumento de evaluación útil que
permite analizar con profundidad la
evaluación de proyectos de inversión,
mejorando la toma de decisión del
inversionista. Contribuye a investigar
nuevas ideas de proyectos y ayuda a la
identificación de las oportunidades de
inversión tendientes a la reformulación de
proyectos, adecuándose a las actitudes y
requisitos del inversionista.
Una alternativa de decisión es
mediante la esperanza matemática que se
emplea en el cálculo de probabilidades de
que se produzca un evento.
El hecho de que no se realice una
buena estimación de los elementos que
intervienen en el cálculo de rentabilidad,
puede conducir a dejar sin validez el
análisis, y, por consiguiente, puede dar
lugar a que se aprueben proyectos que no
sean rentables y viceversa. Cuando se
conoce la probabilidad de ocurrencia de
un suceso cada cierto número de años, se
suele aplicar un determinado porcentaje
durante ese periodo. Por ejemplo, si la
probabilidad de que ocurra un evento es
de 20 años, se aplicará un porcentaje del
5% cada año
Palabras clave: simulación, proyectos,
rentabilidad, esperanza matemática, van.
The simulation model is a useful
assessment tool to analyze in depth
evaluation of investment projects,
improving investor decision making.
Contributes to investigate new project
ideas and help identify investment
opportunities aimed at the reformulation of
projects, adapting to the attitudes and
investor requirements.
An alternative choice is the
mathematics expectation that is used in
the calculation of probabilities that an
event occurs.
The fact that a good estimate of the
elements involved in the calculation of
profitability is not conducted, can lead to
invalidate the analysis, and therefore, can
lead to approve unprofitable projects and
vice versa.
RESUMEN
ABSTRACT
Modelos de Simulación para la Evaluación de Proyectos de Inversión
99
Escuela de Postgrado Neumann Business School
When is known the probability of an
event occurring certain number of years,
usually applies a certain percentage
during that period. For example, if the
probability of an event occurring is 20
years, a rate of 5% per annum will apply.
Key Words: simulation, mathematical
expectation, performance, net pre sent
value, returnon investmen.
La incorporación de nuevos
modelos para la evaluación de proyectos
de inversión abre nuevos elementos de
juicio necesarios para la toma de
decisiones respecto a la ejecución o no
ejecución de un proyecto.
La evaluación de proyectos es un
proceso técnico que consiste en medir sus
ventajas y desventajas a través de la
rentabilidad para de esta manera llevar
hacia delante lo programado. Visto de este
modo, la evaluación es un elemento
importante en la toma de decisiones
económicas, por cuanto posibilita que los
recursos reales y financieros sean
asignados en aquellos proyectos que
sean más convenientes, ya sea para la
empresa, para el Estado o para la
sociedad.
La evaluación de un proyecto debe
hacerse durante un periodo determinado
conocido como “horizonte del proyecto”,
durante el cual asumimos que las
proyecciones realizadas son ciertas. Pero
es susceptible que durante este periodo
las condiciones económicas bajo las
cuales una inversión es clasificada como
rentable cambien drásticamente con el
tiempo; en consecuencia, la rentabilidad
pronosticada también variará.
Por ello seleccionar los proyectos
solamente sobre la base de indicadores
económicos, tales como el valor actual
neto (VAN) o la tasa interna de retorno
(TIR), sin considerar el riesgo asociado
con el proyecto y la posible variabilidad de
los supuestos sobre los que basa la
evaluación, no es confiable.
Cuando no se tiene certeza sobre
los valores que tomarán los flujos netos de
una inversión, nos encontramos ante una
situación de riesgo e incertidumbre.
En el caso de que el factor riesgo
esté presente en la evaluación de un
proyecto, uno de los objetivos será
INTRODUCIÓN
cv
Pelayo Delgado Tello
100
Escuela de Postgrado Neumann Business School
maximizar la esperanza, determinar los
intervalos confidenciales y calcular la
varianza de la variable en estudio, cuyos
valores se pueden obtener mediante una
serie de simulaciones, haciendo uso del
modelo de simulación de Monte Carlo y
de un software adecuado como el
EVIEWS 8.
Para tomar una buena decisión de
inversión también se puede recurrir al
análisis de sensibilidad que se podrá
llevar acabo de tres maneras,
dependiendo de la cantidad de
información disponible. Primero, en el
caso de que no se disponga de las
probabilidades de variación de los
factores relevantes, en el cual sólo será
necesario estimar los valores límites que
hace que el proyecto todavía sea
recomendable. En el segundo caso, se
conocen ciertos porcentajes de cambio de
las variables que permiten estimar la
sensibilidad del proyecto a cada una de
ellas y obtener escenarios distintos
(optimista, probable, pesimista). En el
tercer caso, se conocen las
probabilidades de las variaciones de los
factores relevantes, lo que hace posible
tener un análisis más detallado y
determinar el grado de confianza
asociado a la decisión que se tome.
La investigación es básica y
longitudinal porque los datos se
presentan atreves del horizonte del
proyecto en este caso para una
proyección de 10 años. Sustentado en
modelo seleccionado según alternativa
viable.
El nivel de investigación es de tipo
descriptivo porque se busca conocer la
realidad de cada proyecto y su
alternativa más viable considerando el
método tradicional y modelo de
simulación propuesto, y las variables de
estudio como el VAN la TIR entre otros
indicadores económicos , además es
comparativo porque busca determinar la
mejor alternativa de las dos propuestas
por cada tipo de proyecto ya sea
públicos o privados .
Como muestra de estudio se tomó
dos proyectos un proyecto privado que
se implementará en la Zofra Tacna y un
proyecto de inversión pública en la
Universidad Nacional de Tacna cada
MATERIAL Y METODOS
cv
Modelos de Simulación para la Evaluación de Proyectos de Inversión
101
Escuela de Postgrado Neumann Business School
proyecto con dos alternativas, y para
seleccionar el mejor proyecto se usó 200
simulaciones para aplicar el modelo de
Simulación de Monte Carlo. Y se procesó
mediante el software views 8.0
SIMULACIÓN EN MODELOS
ECONÓMICOS
La simulación en modelos
económicos se utiliza para modelar un
sistema real a fin de observar y aprender
del comportamiento de la réplica. .
SIMULACIÓN EN NEGOCIOS
Son herramientas para testear
decisiones gerenciales a nivel de
prototipo. Por ejemplo, los modelos de
simulación pueden ser utilizados para la
evaluación de riesgos y beneficios de
ingresar a un nuevo mercado, introducir
un nuevo producto, adquirir o fusionarse
con otra empresa o unidad estratégica de
negocio.
MODELO DE SIMULACIÓN DE MONTE
CARLO
El modelo de Monte Carlo se
puede definir como un método de ensayos
estadísticos por ser una técnica de
situaciones inciertas que permiten definir
valores esperados para variables no
conocidas. Lo que permite definir estos
valores es una selección aleatoria.
Específicamente, el método de
Monte Carlo consiste en generar números
aleatorios basados en una ley de
probabilidad teórica y convertirlos luego
en observaciones de la variable del
proyecto, para llegar a determinar una
distribución de probabilidad que se
aproxime más a la real.
En el siguiente gráfico se observa
que se produce un rango permisible de
error cundo los resultados son estables.
Figura 1: Numero de simulaciones
Fuente: Elaboración propia
ANÁLISIS Y RESULTADOS
Pelayo Delgado Tello
102
Escuela de Postgrado Neumann Business School
APLICAION A UN PROYECTO DE
INVERSION PÚBLICA
PROYECTO No 1: ADECUACION Y
REMODELOACIN DE LA FACULTAD DE
CIENCIAS JURÍDICAS Y
EMPRESARIALES DE LA UNJBG.
El proyecto ubica a la Facultad de
Ciencias Jurídicas y Empresariales en el
Campus de la ciudad universitaria de la
Universidad Nacional Jorge Basadre
Grohmann, Tacna, donde se construirá
su infraestructura, la que debe satisfacer
sus necesidades académicas y
administrativas, laboratorios y de servicios
académicos complementarios. Para ello
se plantea la construcción de un edificio,
cuya cimentación pueda sustentar una
estructura de 5 pisos, que le permita
contar con una zona de expansión para
requerimientos futuros y tiene un COK
14%, con una vida útil de 8 años
ALTERNATIVAS DEL PROYECTO DE
INVERSIÓN PÚBLICA
ALTERNATIVA
Cimentación adecuada para
sustentar una estructura de 5 pisos, las
estructuras de concreto, con paredes de
ladrillo, edificio de tipo libre, con
ambientes flexibles, los acabados serán
con carpintería de madera y metal. Área a
construir 2856 m2.
ALTERNATIVA 2
Cimentación adecuada para
sustentar una estructura de 5 pisos, las
estructuras de concreto, con paredes de
ladrillo, edificio de tipo libre, con
ambientes flexibles, los acabados serán
con carpintería de madera y metal, con
divisiones acústicas, revestimientos de
cerámica y vidrios templados. Contará con
ascensor. Área a construir 2856 m2.
Tabla 1: Distribución del flujo de costos totales
Alternativa 1
Fuente: Universidad Nacional Jorge Basadre G.
Para la Alternativa I, los flujos de los
costos esperados para el VAFC. Al 14%
E [VAFCJE] = 1 574 101,90
Modelos de Simulación para la Evaluación de Proyectos de Inversión
103
Escuela de Postgrado Neumann Business School
Tabla 2: Distribución del flujo de costos totales
Alternativa 2
Escenario Flujo de Prob. Flujo de Prob. Flujo de Prob.
Costos 1 Costos 2 Costos 3
Mínimo 650 073.6 0.20 655877.70 0.30 10 212 0.225
Medio 722 304.0 0.40 728 753.00 0.30 11 347 0.335
Máximo 794 534.4 0.50 801 628.30 0.40 12 482 0.440
Fuente: Universidad Nacional Jorge Basadre
Grohmann.
Para la Alternativa 2, los flujos de
los costos esperados para el VAFC. Al
14%
E[VAFCJE] = 1 994 309,74
Tomando en cuenta este
planteamiento la institución debe elegir la
alternativa que tenga un menor costo
actualizado esperado, en este caso la
institución escogerá la alternativa 1, ya
que el
E[VAFCJE1 ] < E[VAFCJE2]
Sin embargo, es necesario incluir
otro indicador que permita involucrar un
nivel de riesgo.
Como el riesgo del proyecto está
asociado con la variabilidad de los costos
totales estimados en cada periodo, a
partir de la variabilidad de los costos se
podrá determinar la variabilidad del VACT
(valor actual del costo total) y calcular
una dispersión de una variable aleatoria
la varianza, luego
V(FCT ) = α2=
i
s
i
ti
PFCEFC *
1
2
Considerando que los costos son
independientes entre sí, es decir, que los
factores aleatorios que explican el flujo de
costos de un periodo no afectan el de
otro, entonces su covarianza es igual a
cero, y de acuerdo a la siguiente
ecuación:
V(VACT) =
n
i
t
r
t
FC
1
2
)1(
)(
2
Para la alternativa 1
V(VAFCTI) = 3 086 115 488
Para la alternativa 2
V(VAFCTII) = 4 931 985 494
Sí asumimos que los flujos de
costos están correlacionados
perfectamente durante el horizonte del
proyecto, entonces el coeficiente de
correlación entre los flujos de costos de
distintos periodos es igual a 1, y de la
ecuación 5,07 se tiene:
Pelayo Delgado Tello
104
Escuela de Postgrado Neumann Business School
Para la alternativa 1
V(VAFCTI) = 5 533 173 269
Para la alternativa 2
V(VAFCTII) = 9 947 375 949
Los resultados anteriores nos
muestran que en caso de que los flujos de
costos estén correlacionados
perfectamente y positivamente, la
varianza del VAFC es mayor que la
varianza en el caso de que los flujos de
costos sean independientes entre sí.
Para el caso de los proyectos
públicos, el inversionista debe minimizar
la esperanza del VNACT y minimizar el
riesgo; en cambio, en proyectos de
inversión privada el inversionista tendría
que moverse entre dos fuerzas de sentido
opuesto. Maximizar la esperanza del VAN
y minimizar el riesgo.
Para tomar una mejor decisión se
tomará el coeficiente de variabilidad.
)(
)(
VANE
VAN
CV
El CV es una medida de riesgo, por lo
tanto:
Para la alternativa 1
035,0
47,1011574
82,55255
CVI
Para la alternativa 2
035,0
74,3099941
02,22870
CVII
Según este indicador se podría
concluir que es indiferente elegir la
alternativa I o II a pesar de que la
alternativa I tiene menor valor esperado
del flujo de costos totales que no
compensaría realizar la alternativa I.
De lo analizado anteriormente se
puede inferir que la metodología
desarrollada en el presente trabajo de
investigación contribuirá a realizar una
mejor selección de los proyectos de
inversión, tanto en el sector privado
considerando el flujo de caja, como en el
sector público, teniendo en cuenta el flujo
de costos totales durante el horizonte del
proyecto.
La evaluación de proyectos
mediante modelos de simulación nos
permitirá tomar la mejor decisión dentro
de un paquete de proyectos, para decidir
cuáles deben ser ejecutados con
prioridad, teniendo
Modelos de Simulación para la Evaluación de Proyectos de Inversión
105
Escuela de Postgrado Neumann Business School
En cuenta el riesgo que enfrentará
la inversión, con una confiabilidad
producto del uso de la estadística
inferencial.
Cuando el factor riesgo está
presente en la evaluación de un proyecto,
uno de los objetivos que interesa alcanzar
es maximizar el valor esperado del VAN o
de la TIR. No obstante, no se debe dejar
de considerar la variabilidad o dispersión
de estos indicadores en torno a sus
valores promedios. Así, bajo el supuesto
de que el inversionista es adverso al
riesgo, la regla de decisión será elegir,
entre dos proyectos con igual rentabilidad
(igual VAN esperado), aquel que tenga
menor dispersión (menor desviación
estándar).
El análisis de riesgo mejora la toma
de decisiones en los proyectos
marginales. Un proyecto cuyo VAN es
pequeño podrá todavía aceptarse
siguiendo el análisis de riesgo, ya que sus
oportunidades globales para producir un
rendimiento satisfactorio son mayores que
la probabilidad de generar una pérdida
inaceptable. Así mismo, se podría
rechazar un proyecto marginalmente
positivo debido a que es excesivamente
riesgoso, o un proyecto con un VAN más
bajo podría ser preferible que otro con un
VAN más elevado, debido a un mejor perfil
riesgo/ rendimiento.
Con el supuesto de normalidad se
puede calcular la probabilidad de que el
VAN sea positivo, así como construir
intervalos de confianza que brinden
información respecto de los valores entre
los cuales se mueve la rentabilidad
esperada del proyecto.
El método de simulación de
Monte Carlo se utiliza para derivar la
distribución de probabilidad de una
determinada variable de interés para el
proyecto, a partir del conocimiento
específico de una distribución teórica o
un conjunto de ellas.
El modelo de simulación de
Monte Carlo presenta mayor
confiabilidad para hacer una mejor
evaluación de los proyectos de
CONCLUSIONES
Pelayo Delgado Tello
106
Escuela de Postgrado Neumann Business School
inversión que los indicadores
económicos tradicionales.
El modelo usado para obtener
el ingreso neto está en función de las
variables: precio de venta, cantidad
producida y costo variable. A cada una
de estas variables se les aplica la
técnica de simulación obteniendo 200
simulaciones para cada variable,
garantizando de esta forma la
normalidad de cada una de ellas.
En el Proyecto 02 Adecuas ion y
Remodelación de la Facultad de
Ciencias Jurídicas y Empresariales de
la UNJBG. En la cual se evalúa 2
alternativas de inversión, se llega a la
conclusión de que es indiferente
considerar la alternativa I o II, a pesar
de que la alternativa I tiene menor valor
esperado de flujos de costos totales,
pero el riesgo- rendimiento es igual en
ambos casos.
Andrade Espinoza, Simón. (2013).
Evaluación de proyectos. (4ta
ed.). Lima: Editorial Lucero.
Arlette Beltrán Y Hanny Cueva. (2015):
Evaluación privada de
proyectos. Lima. Universidad del
Pacífico.
Barlintff L., Joseph, Naylor, Thomas y
BURDICK, Donald. (2008):
Técnicas de simulación en
computadoras. México: Edit.
Limusa.
Canada, John. (2012). Análisis de la
inversión de capital para
ingeniería y administración.
Nueva York: Prentice- Hall.
Hernández S.R., Fernandez, C.C.,
Batista, L.M. (2011). Metodología
de la investigación (5ta
ed.).México: Ed. McGraw Hill.
Gutiérrez Marulanda, L. (2012).
Evaluación de proyectos ante
certidumbre. Santiago:
Universidad de Chile.
Kolb, R. W. (2010). Inversiones. México:
Editorial Limusa.
Mansfield. (2007). Micro economía, teoría
y aplicaciones. España: Editorial
Norma S.A.
BIBLIOGRAFÍA
Modelos de Simulación para la Evaluación de Proyectos de Inversión
107
Escuela de Postgrado Neumann Business School
Marín, J. (2011). Inversiones Estratégicas.
Costa Rica: Editorial INCAE.
Mendenhall, Scheaffer Y Wackerly. (2006)
Estadística Matemática con
aplicaciones. México: Grupo Edit.
Iberoamérica.
Murtha, Jimenes, A. (2013) Monte Carlo
Simulation: Its Status and Future.
New York: Editorial.
JohnWiley&Sons, Inc.
Ortiz Gómez, A. (2009). Gerencia
financiera: Un enfoque
estratégico Colombia: Editorial
McGraw Hill Interamericana S.A.
Ríos I., S. (2000). Simulación: Métodos
aplicaciones. (ira. ed.). Colombia:
Editorial Alfa Omega.
Shanon E. R. (2014). Simulación de
sistemas. (2da. ed.). México: Edit.
Trillas S.A.
Sobol, M. (2009). Método de Montecarlo.
Moscú: Editorial MIR.
Taha, H. (2012). Investigación de
operaciones. (5ta ed). México:
Edit. Alfaomega.
Tyler, A., Mcvean, J. (2015). Significanse
of Projects Risking Methods on
Portfolio Optimization Models.
New York: McGraw-Hill.