ANÁLISIS DE RIESGO SIMULACIÓN DE SISTEMAS 2009

Presentación del tema: "ANÁLISIS DE RIESGO SIMULACIÓN DE SISTEMAS 2009"— Transcripción de la presentación:

1 ANÁLISIS DE RIESGO SIMULACIÓN DE SISTEMAS 2009
ÁREA DE CONOCIMIENTO ANÁLISIS DE RIESGO SIMULACIÓN DE SISTEMAS 2009 Blanco - Fernandez - Fernández Brite - Haarth

2 Concepto de Riesgo El término riesgo se utiliza para situaciones que involucran incertidumbre, en el sentido de que el rango de posibles resultados para una determinada decisión es en cierta medida significativo.

3 Análisis del Riesgo Implica cualquier método, cualitativo
o cuantitativo, para evaluar el impacto del riesgo en la toma de decisiones. Una vez que se reconoce una situación riesgosa, el paso siguiente es cuantificar el riesgo que involucra esa situación de incertidumbre.

4 Cuantificar el riesgo Consiste en determinar todos los valores posibles que una variable riesgosa puede tomar y la probabilidad relativa de cada uno de esos valores. Otro enfoque es la “Simulación” que utiliza la velocidad de las pc`s para realizar gran cantidad de cálculos complejos en cuestión de segundos.

5 Reseña Histórica: Montecarlo
Tuvo su origen en la 2da guerra mundial cuando los matemáticos Von Neuman y Ulam desarrollaban la bomba atómica, ya que debían resolver el problema del comportamiento aleatorio de los neutrones al tomar contacto con distintos materiales. Dado que no existía posibilidad de solución analítica al problema sugirieron una solución que se asemejaba al juego de una ruleta. El método se llamó así por el Casino de Montecarlo (Principado de Mónaco) por ser “la capital del juego de azar”.

6 Simulación de Montecarlo
Es un método numérico que tiene como objeto la simulación de miles de escenarios de un problema, donde las variables inciertas siguen alguna distribución de probabilidad y se generan números aleatorios de acuerdo a esas distribuciones calculando diferentes combinaciones de escenarios y almacenando sus resultados para su posterior análisis. La clave de la simulación MC consiste en crear un modelo matemático del sistema, identificando aquellas variables (inputs del modelo) cuyo comportamiento aleatorio determina el comportamiento global del sistema.

7 Simulación de Montecarlo (continuación)
1er Paso: generar – con ayuda del ordenador- muestras aleatorias (valores concretos) para dichos inputs, y 2do Paso: analizar el comportamiento del sistema ante los valores generados. 3er Paso: repetir n veces el experimento, para obtener n observaciones sobre el comportamiento del sistema, obviamente, el análisis será tanto más preciso cuanto mayor sea n.

8 Ejemplo de Simulación para una Inversión (Análisis de Riesgo)

9 Análisis de Riesgo Se supone que se dispone de un Capital Inicial de $1000 que se desea invertir en una empresa que se dedicara a la venta de artículos de computación. También se supone que las ventas y compras son aleatorias, siguiendo una distribución normal Para el mes de Junio, el valor esperado del flujo de entrada es de $1500, mientras que el valor esperado para el flujo de salida es de $1200. En meses posteriores, el valor esperado será el valor obtenido del mes anterior. Además las desviaciones estándar (en todos los casos) serán del 25% del valor medio esperado asociado

10 Para cada mes se calcula el flujo entrante
Análisis de Riesgo Para cada mes se calcula el flujo entrante DISTR.NORM.INV(probabilidad; media; desv_estándar) Devuelve el inverso de la distribución acumulativa normal para la media y desviación estándar especificadas.

11 Para cada mes se calcula el flujo saliente
Análisis de Riesgo Para cada mes se calcula el flujo saliente ALEATORIO(). Esta función devuelve un número decimal entre el 0 y el 1, ambos incluidos

12 Para cada mes se calcula el saldo final
Análisis de Riesgo Para cada mes se calcula el saldo final

13 Análisis de Riesgo

14 Aplicaciones de la simulación
La simulación puede ayudar a manejar y cuantificar la incertidumbre en situaciones como las siguientes: Desarrollo de un nuevo producto Adquisiciones y/o fusiones de empresas Preparación de proyecciones de información contable y financiera. Estimación de precios futuros de acciones, instrumentos financieros derivados, y similares. Estimación de tasas de interés y tipos de cambios. Modelización de procesos productivos e industriales.

15 CONCLUSION El análisis de riesgo es una técnica cada vez más utilizada para apoyar la toma de decisiones en condiciones de incertidumbre. La aspiración de obtener resultados que se acerquen lo más preciso posible a lo que acontecerá en el futuro se torna imprescindible a la hora de tomar decisiones de cualquier otra índole empresarial. Cuando los directivos se enfrentan a situaciones de incertidumbre surge la necesidad de recurrir a métodos que consideren y cuantifiquen el riesgo recurriendo a técnicas modernas.