Presentaciones
 |
|
CONFERENCIA MAGISTRAL: Arturo E. Carvajal O, Director de Administración de Riesgos En la última década, la intensa competitividad ha obligado a las compañías a focalizarse en mejorar el desempeño del negocio. Además, la aparición de los requerimientos de la ley Sarbanes Oxley (SOX), Basilea II y Solvency II ha forzado a las organizaciones a dedicar mayor cantidad de recursos al fortalecimiento de la administración de riesgos y el control interno. En esta presentación los participantes conocerán las últimas tendencias en planeamiento estratégico para la administración de reservas de créditos y riesgo operacional con utilización de modelos de valor en riesgos para la determinación de las reservas de créditos y requerimientos de capital económico para riesgo operacional.
|
Discurso de bienvenida y visualización general de Palisade Sam McLafferty, Presidente, Sam nos complacerá con un tour de la maravillosa y nuevo DecisionTools Suite 5.0 para Microsoft Excel. La DecisionTools Suite ha sido reescrito y expandida, añadiendo nuevos productos para así obtener la serie de herramientas cuantitativas mas comprensivo y completo disponible en cualquier sitio. Todos los componentes de los productos ofrecen un interfaz con flujo continuo, un reporte fuerte, nuevas características y una integración más estrecha con Excel y con ellos mismos. El resultado es un paquete coherente la cual es más que la suma de sus partes. El Suite incorpora flagship @RISK la cual usa simulación Monte Carlo para análisis de riesgos y también aumenta nuevas versiones de PrecisionTree y TopRank. PrecisionTree provee análisis de decisiones con decision trees, mientras TopRank realiza rápido y conveniente análisis de sensibilidad de “what-if”. También el software de análisis de datos NeuralTools y StatTools fueron añadidos. NeuralTools realiza análisis predecible usando red neural, mientras StatTools provee pronósticos con tiempo-continuo y una gran serie de otras funciones de estadísticas. Concluyendo el nuevo Suite, está el Evolver 5.0, la herramienta de optimización de genética algorítmica. Sam hablará de los aspectos nuevos más importantes de los productos del DecionTools Suite, y responderá a cualquier pregunta que usted tenga. |
|
Generacion de valor para los accionistas La generación de valor a través de la Gestión integral de riesgos de una compañía en el sector real considera la construcción de fronteras optimas de endeudamiento, generadas a partir de metodologías para la cuantificación del riesgo y su impacto en los estados financieros. Dichos resultados acompañados de los limites máximos ante los cuales la empresa considera que se encuentra expuesta a un riesgo particular determinan la conveniencia de la realización de una operación de cobertura sintética.
|
Análisis de Proyectos Agrícolas Bajo Incertidumbre en el Contexto de Portafolios para Mejorar la Eficaz y Ganancias en el Sector Agrícola de Latinoamericana El sector agrícola en Latinoamérica ha iniciado y adoptado tecnologías que han incrementado la productividad y las tasas de retorno netas de las fincas agrícolas. Avances en maquinaria agrícola, introducción de mejores semillas, incremento de la eficiencia de la irrigación y avances en el uso optimo de la materia prima, se han sumado para incrementar la productividad del campo. Sin embargo, un avance que no ha sido ampliamente adoptado es el análisis del riesgo a través de sofisticadas herramientas computacionales para la toma de decisiones.
|
Análisis de Riesgo en Proyectos Subvencionados: El Valor Presente Ajustado y el Método Monte Carlo Bajo un enfoque tradicional, la tasa de descuento con la que los flujos de caja de un proyecto se actualizan, suele determinarse a través de la fórmula del Costo Promedio Ponderado de Capital, que reconoce el efecto de dos fuentes de financiación básicas: endeudamiento y recursos propios. Sin embargo, cuando se presentan proyectos que hacen uso de otro tipo de mecanismos de financiamiento, se recomienda utilizar el modelo denominado Valor Presente Ajustado (VPA), propuesto por Stewart Myers en 1973. El VPA tiene en cuenta todas las fuentes financieras de un proyecto y consiste en el cálculo inicial del Valor Presente Neto (VPN) para un caso base, en el que se asume que el proyecto se financia únicamente con recursos propios, y posteriormente se agrega a este cálculo el Valor Presente de los efectos derivados del acceso a otras fuentes de financiación, tales como los beneficios fiscales por deudas adquiridas o la reducción de costos por la obtención de subvenciones. Como se presenta, el VPA supone que el acceso a otras fuentes de financiación es un hecho seguro, y no contempla la posibilidad de que este acceso no ocurra. Por ejemplo, en la evaluación económica de un proyecto, el analista no puede asegurar que el proyecto será subvencionado ya que podría infravalorar su costo real y sobreestimar su rentabilidad asociada. No obstante, descartar por completo esta posibilidad, podría conducirlo a rechazar un proyecto con opciones de acceder a una subvención. Frente a los inconvenientes de la fórmula del VPA como criterio de valoración económica, se tiene como alternativa la construcción de escenarios artificiales, a través del Método Monte Carlo, de tal manera que se descarte el supuesto de certeza del VPA y se consiga realizar un análisis de los factores que agregan riesgo a un proyecto de esta naturaleza. El análisis se concentraría entonces, en la generación de variables aleatorias para los componentes financieros asociados a las fuentes de financiación con carácter de subvención, que permitan responder preguntas del tipo qué pasaría si el proyecto accediera o no a una subvención, y si accediera, qué porcentaje del costo total podría cubrir esta subvención. Con la intención de ofrecer una muestra de la metodología del VPA complementado con el Método Monte Carlo, en esta presentación se describe el caso del Sector Cinematográfico en Colombia, que presenta un importante historial de proyectos subvencionados a través de diferentes fuentes de financiación.
|
Aplicaciones de @RISK a retiros de depósitos y de StatTools y RISKOptimizer a Scoring de Crédito En la primera parte se muestra por qué no funciona medir el riesgo de liquidez por concentración con el índice de Gini o Herfindahl-Hirschmann y por qué es necesario utilizar modelos de simulación. En la segunda parte se muestran modelos de Scoring de Crédito obtenidos con Regresión Logística y Análisis Discriminante de StatTools y mejorados gracias al uso de RISKOptimizer.
|
Cantidad Optima Económica de El modelo ayuda al personal encargado de Inventarios a resolver el interrogante de cuál es la cantidad óptima de materia prima a comprar en cada pedido. Esta cantidad permite a la empresa optimizar los costos de hacer un pedido y de mantener inventario en bodega. El modelo permite también analizar el escenario en el cual la empresa puede aprovechar un descuento por volumen.
|
Cuantificación del Riesgo Operacional Las empresas e instituciones en el día a día de sus operaciones se enfrentan a diferentes riesgos, ya sean éstos propios de su actividad económica o del entorno en el que operan. La literatura financiera,en general, clasifica los riesgos financieros en tres grandes grupos que son: riesgos de mercado, de crédito y operacionales. La mayor parte de las metodologías se centran en la medición del riesgo de mercado y de crédito; sin embargo, para la medición del riesgo operacional las aproximaciones estadísticas pueden ser limitadas por varias razones, una de las cuales es la carencia de datos, debido,en parte, al carácter discreto de los eventos. Esto hace que la información disponible para valorar el riesgo operacional sea, en muchos casos, incompleta, vaga o subjetiva, lo cual dificulta la medición; es por esto que en los últimos años se ha captado el interés de operadores e investigadores con el fin de desarrollar metodologías y plataformas para su tratamiento, lo que ha llevado a la aplicación diversas innovaviones metodológicas. A nivel internacional el Comité de Basilea, a finales de 2006, publicó las directrices internacionales para las nuevas normas de adecuación de capital (Basilea II), y propone algunas técnicas de medición avanzada (AMA) para cuantificar las pérdidas y el capital económico asociado al riesgo operacional. En cada país, los reguladores nacionales han venido estableciendo la normatividad local para adecuarse a esos estándares internacionales. El Comité de Basilea introduce varios enfoques para la cuantificación del riesgo operacional, entre los cuales la opción más sofisticada es la metodología Advanced Measurement Approach (AMA), la cual permite una flexibilidad en la aplicación de técnicas para la modelación del cuerpo de la distribución de pérdidas, que es fundamental para el cálculo de la matriz de capital económico requerida por Basilea. El uso de las técnicas debe garantizar que se abarcan todas las fuentes de riesgo, y la cuantificación del riesgo operacional debe estar sustentada en una metodología que cumpla los requisitos establecidos por Basilea. Cuando se cuenta con información cuantitativa de eventos de pérdida operacional(frecuencia y severidad), una de las técnicas heredadas del cálculo actuarial más utilizadas en la medición del cuerpo de la distribución de pérdidas, es Loss Distribution Approach (LDA). El principal objetivo de un modelo LDA es proporcionar las estimaciones de pérdida, tanto por línea de negocio como por evento, y luego las pérdidas agregadas; la distribución de pérdidas agregadas es producto de los datos de severidad y frecuencia de los eventos de riesgo. Debido a que la metodología propuesta por Basilea, respecto a la aplicación de técnicas, es muy general, ya que sirve más de marco conceptual, nuestra presentación se centrará en la aplicación de una técnica estadística para calcular la pérdida esperada(EL), la pérdida inesperada(UL) y el capital económico(K), en la plataforma @RISK, de tal manera que se cumpla con los criterios de solidez establecidos por Basilea. En resumen, en @RISK se realizará: Ajuste de las distribuciones de probabilidad a los datos(frecuencia y severidad), generación de la distribucion de pérdidas, simulacion de las pérdidas, cálculo de las distintas pérdidas, generación de escenarios para los eventos de pérdidas, y cálculo de la carga de capital. |
Introducción a las herramientas de desarrollo La necesidad de crear aplicaciones personalizadas y automatizadas de un modelo de análisis de riesgo, torna muy importante el uso de herramientas de desarrollo para programadores. Esta presentación está enfocada al uso de dichas herramientas para la creación de sistemas Mediante ejemplos simples de demostrará el uso de dichas librerías y se evidenciará los beneficios de la creación de programas de análisis de riesgo y optimización en ambientes Windows que residan ya sean a nivel local o accesibles a través del Internet.
|
Modelación estocástica de Huracanes en México Luisarturo Castellanos, Director de Análisis Actuarial La presentación se trata sobre la modelación estocástica del fenómeno meteorológico de las tormentas tropicales (Huracanes) que tantos daños han provocado recientemente. En ella no sólo se modela estocásticamente el número de tormentas que se pueden presentar en cada temporada sino también de manera estocástica, el lugar de gestación, la trayectoria y la intensidad de cada tormenta, con lo cual puede catalogarse si llegarán a ser Huracán y si puede provocar daños en territorio mexicano. Todo realizado con base en simulaciones de Monte Carlo a traves del software @RISK.
|
Modelo de Simulación de Reclamaciones para En la Industria Aseguradora suele ser incierta la cantidad de siniestros que se reciben por mes así como el monto de cada una de dichas reclamaciones. Es por dicho situación que el área actuarial de empresas de este ramo tiene como objetivo primordial identificar los riesgos asociados a estas contingencias, de manera que pueda determinar primas acordes para sus clientes. La aplicación del software @RISK en dicha industria para el sector salud permite analizar a detalle si las primas emitidas en un período histórico de tiempo son suficientes para evitar pérdidas en el largo plazo.
|
Modelos integrativos de decisión estocástica y análisis de riesgos con herramientas del DecisionTools Suite para industrias de extracción (petróleo, gas, minería) Las industrias de extracción son por naturaleza inciertas: los volúmenes extraídos, las variaciones de precios en los mercados de “commodities”, las economías de escala y las eficiencias en las plantas de refinería, proceso y extracción agregan incertidumbre en todas las etapas del proceso. Mediante el uso integrado de diversas herramientas de toma de decisiones (árboles de decisión) , análisis de riesgos (simulación Monte Carlo) y optimización estocástisca (algoritmos genéticos) se mostrarán algunos ejemplos típicos de forma creativamente integral en estas industrias. Las aplicaciónes típicas en las industrias de extracción en este sentido incluyen: pronósticos de producción económica, modelos volumétricos discretos de reservas, modelos de porosidad y saturación, modelos de calendarización y secuenciación de proyectos de construcción y modelos de decisión de exploración. Esta exposición va más allá de solamente mostrar cada aplicación del DecisionTools Suite de manera independiente; el desafío a presentar consiste en la creativa integración de herramientas de toma de decisiones secuenciales (árboles de decisión) con herramientas de simulación Monte Carlo, de forma tal que los tradicionales modelos puedan integrarse de formas creativas e innovadoras usando el poder conciliador y de compatibilización que poseen estas herramientas en un ambiente de hoja de cálculo Excel.
|
Modelos para Optimización de Flota David Osorio Arboleda, Director de Análisis Comercial Normalmente las empresas se enfrentan a un problema cuando tienen que determinar cual es la mejor forma de realizar la distribución de sus productos. Para satisfacer esta necesidad las empresas cuentan con diferentes alternativas que van desde la compra y administración de los vehículos, hasta la subcontratación a través de un tercero. El objetivo de la presentación, en su primera fase, es determinar cual seria el tamaño optimo de flota necesario que garantice un nivel de servicio deseado. En una segunda fase el modelo presentado tiene como objetivo determinar cual seria la mejor figura para operar la flota, considerando distintas alternativas tales como la adquisición de la flota a través de recursos propios o se leasing, de subcontratación a través de terceros, o de una figura como el Renting.
|
Quantitative Risk Mitigation, Practices and Results at Petrobras Brasil In this session, we will discuss the critical points and present the results from the methodology in Risk Analysis, Simulation and Quantitative Mitigation adopted by Petrobras Refining in Brasil. The methodology was developed together by Petrobras, Decision Support, and PUC/Rio. It is now a standardized procedure at Petrobras Refining and will be a published paper by PUC/Rio.
|
Valoración de Empresas de Capital Semilla En esta presentación se explica una metodología consistente y lo menos sesgada posible para valorar proyectos de capital semilla. Esta metodología, que esta basada en la propuesta de Mongrut y Ramírez (2006) y de Fuenzalida, Mongrut y Nash (2007), combina el análisis de escenarios como el análisis de riesgo para valorar proyectos de capital semilla que no poseen comparables en el mercado. Con este fin se aplica el Palisade DeicisionTools para efectuar el análisis de riesgo al interior de cada escenario. El resultado no es un solo valor si no un largo de posibles valores el proyecto a lo largo de los escenarios considerados y para cada uno de ellos se plantean estrategias de contingencia con la finalidad de incrementar la posibilidad de éxito del proyecto. |
|
Introducción a Evolver y RISKOptimizer
En este breve taller de una hora se explora el modelo general de optimización por medio de algoritmos genéticos e incertidumbre utilizando las herramientas de Palisade del RISKOptimizer y el Evolver. Se utilizan los distintos métodos algorítmicos de solución de problemas que posee la aplicación utilizando creativos métodos de planteamiento de problemas para una multiplicidad de industrias. Independientemente de la industria a la que pertenezca el participante, el mismo saldrá del curso poseyendo una base general para poder plantear y resolver prácticos problemas de optimización con ambas herramientas. El RISKOptimizer combina la simulación y la optimización para permitir la optimización de modelos que contienen ciertos valores inciertos. El RISKOptimizer, por medio de la aplicación de poderosas técnicas de optimización de algoritmos genéticos y de la simulación Monte Carlo puede encontrar soluciones óptimas a problemas que no son solucionables para los optimizadores convencionales lineales y no lineales. El RISKOptimizer combina la tecnología de simulación de @RISK, el complemento de análisis de riesgos de Palisade, con Evolver, el solucionador de algoritmos genéticos de Palisade. Los usuarios familiarizados con el @RISK y tanto el Evolver o bien el Solver incorporado en el Excel podrían ser capaces de usar el RISKOptimizer con poca dificultad. |
Introducción a la administracion de riesgos en proyectos con el @RISK para Project
¿En este taller aprenderemos mediante el uso de un ejemplo práctico como evaluar el riesgo en la ejecución de proyectos simulando su cronograma directamente en MSProject. Se presentará la metodología para la creación de un modelo de riesgo que nos permita responder preguntas tales como: Cuál es la probabilidad de terminar un proyecto dentro de un plazo establecido y dentro del presupuesto? ¿Cuáles son los factores críticos que deben ser mitigados para garantizar que los objetivos del proyecto sean alcanzados? |
|
Introducción a DecisionTools Suite 5.0
En esta sesión se presentará el uso de los distintos programas que hacen parte del nuevo DecisionTools Suite: @RISK, RISKOptimizer, Evolver, PrecisionTree, TopRank, StatTools y NeuralTools. Mediante un caso de estudio se analizará estadísticamente información histórica, se definirá la alternativa más conveniente, se evaluarán riesgos y la sensibilidad del resultado para optimizarlo posteriormente. |
|
Seleccionando la función de distribución adecuada con @RISK 5.0
¿Cúantas veces ha observado la paleta de distribuciones en @RISK y otras herramientas y se ha preguntado cúal de ellas debería utilizar? Un aspecto crucial de la modelación de riesgos es la selección de las distribuciones adecuadas para representar las variables de ingreso que son inciertas. @RISK ofrece un rica selección de distribuciones de probabilidad – algunas son muy intuitivas como la Uniforme y la Triangular; otras como la Normal o la Lognormal son de alguna manera familiares para quien tiene experiencia en aplicaciones científicas, de ingeniería o en finanzas. A pesar de ésto, otras distribuciones que son parte de @RISK nos permiten acceder a sofisticados razonamientos probabilísticos que pueden expandir y al mismo tiempo simplificar sus modelos de análisis de riesgo. Esta sesión explicará, en términos simples y con ejemplos, el razonamiento detrás de las más poderosas distribuciones, que es lo que éstas modelan y como pueden ser utilizadas en sus modelos de riesgo. |
|
|
Aplicaciones de @RISK en banco y finanzas
Se mostrarán las más novedosas aplicaciones de la simulación en temas como corridas de depósitos bancarios, posibles quiebras de empresas en base a modelos de opciones, y los indicadores Earning at Risk (EAR) y Cash Flow at Risk (CFAR), los cuales se utilizan cada vez mas en las industrias del sector real tales como el sector eléctrico. |
Aplicaciones de Utilidad Eléctrica usando @RISK
Se presentarán aplicaciones sencillas de @RISK y RISKOptimizer en utilidades eléctricas para resolver preguntas tales como ¿Es mejor producir toda la energía o comprar una parte en el mercado? ¿Nos conviene operar todas las plantas? Se considerará demanda aleatoria de electricidad a diferentes horas del día. |
|