Se anuncia el calendario de actividades
La Conferencia de los Usuarios
de Palisade Latinoamérica
26 y 27 de noviembre de 2007
En el Hotel Intercontinental San José, Costa Rica
Palisade se complace en anunciar que el calendario de actividades para su Conferencia de Usuarios de Latinoamérica ya está disponible. Empezando con una presentación sobre el nuevo @RISK 5.0 con el Entrenador Senior de Palisade Estados Unidos, el Dr. Javier Ordóñez; el calendario incluye también una conferencia magistral donde se discuten aplicaciones de @RISK a negocios y finanzas por parte del connotado autor, profesor y consultor de negocios, el Dr. Enrique Navarrete. Con post-grados de M.I.T. y de la Universidad de Chicago, el Dr. Navarrete está reconocido como un destacado experto de riesgos financieros en Latinoamérica. El Dr. Navarrete discutirá sobre los problemas cruciales en el reciente campo de riesgos financieros y el nuevo enfoque del análisis de riesgos en el sector real de la economía por medio de la simulación.

El programa incluye sesiones prácticas de laboratorio utilizando @RISK 5.0, tópicos avanzados con @RISK 5.0, @RISK para MSProject, RISKOptimizer y otros paquetes de software de Palisade; otras sesiones incluyen cómo seleccionar la mejor distribución en @RISK, cómo valorar opciones reales, y muchos casos de estudio de varias industrias presentados por sus mismos usuarios y desarrolladores. Por favor, nótese que el calendario está sujeto a cambios sin aviso previo.

» Visualice el Calendario de la Conferencia de Usuarios
» Inscríbase ya por sólo US$195
» Reserve ya su espacio – ¡disponibilidad limitada!

El Lanzamiento de
El Riesgo en la Empresa
Palisade Corporation tiene el placer de anunciar el lanzamiento de otro libro en español, El Riesgo en la Empresa por los autores españoles, Dr. Manuel Cabeza y Dr. Salvador Torra. La presente publicación trata principalmente del “riesgo empresarial”, como conocerlo, medirlo y controlarlo mediante el diseño de modelos en Hojas de Cálculo enriquecidos a través de la utilización de aplicativos específicos.

» Aprenda más sobre El Riesgo en la Empresa

@RISK: El tercer software de mayor utilización en el mundo actuarial
Una reciente encuesta independiente de actuarios a lo largo de toda Norteamérica y Europa reveló que, después de Microsoft Office y de software hecho en casa para administración de reservas, el @RISK es el software más ampliamente utilizado por actuarios. Más aún, cerca de la mitad de todos los actuarios encuestados utilizan @RISK. @RISK es utilizado en todas las áreas de trabajo, incluyendo las dos aplicaciones líderes para la estimación de precios sobre primas y para la estimación de reservas sobre pérdidas. Pero es considerado “vitalmente importante”, de acuerdo a la encuesta, tanto para gestión patrimonial como para la construcción de modelos de catástrofes.

La encuesta, titulada “Los actuarios sobresalen: ¿pero qué hay con respecto a su software?”, fue presentada por la consultora independiente Louise Pryor en la Convención General de Seguros de Viena del 2006, el 26 de septiembre de 2006.

“Por mucho tiempo hemos mantenido una fuerte base de clientes en el mercado actuarial y de seguros”, afirmó el presidente de Palisade Sam McLafferty. “Esta última encuesta confirma la tendencia que hemos observado. Por medio de reuniones como la de la Sociedad de Actuarios, la cobertura en una variedad de publicaciones sobre seguros y ciencias actuariales, así como por medio de las ventas, hemos visto una dramática expansión del @RISK para aplicaciones actuariales.”

» Lea la encuesta completa (PDF)
» Lea estudios de caso utilizando el @RISK
para aplicaciones de seguros (en inglés)
» Lea más acerca del @RISK

NeuralTools participa en
la revista de Scientific Computing
La selección y dosificación de medicamentos es un importante componente de muchos planes de cuidado de salud diseñados por los médicos clínicos en una amplia variedad de situaciones de salud. La aplicación de julio computar científico describe cómo los investigadores utilizaron el NeuralTools de Palisade para evaluar los factores que influyen tanto la selección como la dosificación de medicamentos basados tanto en principios patofisiológicos como farmacológicos.

» Leas la historia completa en inglés
» Aprenda mas sobre el NeuralTools (en inglés)

La Universidad de Buenos Aires
analiza carteras agrícolas con @RISK
La Universidad de Buenos Aires está utilizando un innovador método para analizar operaciones agrícolas de gran escala en Argentina. Utilizando el @RISK, los investigadores están aplicando en enfoque del portafolio de inversiones para equilibrar los riesgos y las oportunidades en las inversiones agrícolas de sus cosechas.

» Lea el caso de estudia

Análisis de estrés con @RISK
El Análisis de estrés con @RISK le permite a usted controlar el rango a muestrear de una función de distribución, permitiéndolo observar cómo distintos escenarios impactan los resultados finales sin necesidad de modificar su modelo. Al controlar los valores muestreados de una distribución, usted estresa la distribución. Simplemente especifique los valores de percentil entre los cuales se quieren generar las muestras durante una simulación. El análisis de estrés también le permite a usted estresar su modelo al sustituir una distribución totalmente nueva por una distribución existente en su modelo. ¡Pruebe de forma instantánea varios escenarios sin necesidad de modificar su modelo! El análisis de estrés se incluye en las ediciones Profesional e Industrial de @RISK 4.5.

Por ejemplo, una compañía de seguros podría desear analizar sus reservas para pérdidas. Quisiera saber cuál sería el efecto sobre el pago de reclamaciones si se eliminase una póliza de reaseguro para la cobertura de un número extraordinario de reclamaciones. Al estresar la distribución que representa el número de reclamaciones para que se represente tan sólo el percentil 90 e inferiores, usted podría observar si las reservas disponibles son suficientes para cubrir el 90% de las posibles reclamaciones presentadas, mientras simultáneamente se cubre el 10% más alto con una póliza externa.

Después de completar una simulación, el análisis de estrés le provee a usted una variedad de informes y gráficos que usted puede utilizar para analizar los efectos. Estos incluyen:

• Reportes de resumen
• Gráficos de tipo cajas-bigotes
• Gráficos de comparación
• Histogramas
• Y más

» Aprenda más sobre análisis de estrés en el tutorial de @RISK (véase la sección 5D - en inglés)
» Más acerca de @RISK

Administración de aguas

» Algoritmos genéticos en sistemas de
aguas municipales
Técnica: Optimización por algoritmos genéticos  
» véase Evolver (en inglés)
Fuente: WaterWorld, 18 de mayo de 2007

El agua potable ha sido considerada como un bien con poco valor por muchas personas, pero podría ser poco conocido el hecho que la optimización por algoritmos genéticos ha venido jugando un importante papel en la gestión y operación de los sistemas municipales de agua potable por medio de modelos hidráulicos y de calidad de agua.

Análisis de creditor

» Expertos de FIAC calificarán el Fideicomiso Metrofinanciera #650 – Securitización de préstamo para construcción de puente
Técnica: Simulación Monte Carlo » véase @RISK
Fuente: “Business Wire”, 18 de julio de 2007

La calificadora Fitch se enfoca en algunas variables cuantitativas y cualitativas clave que podrían afectar el desempeño de los activos subyacentes. Fitch estima el riesgo de insolubilidad sobre el portafolio utilizando un modelo de simulación Monte Carlo multi periodos, el cual simula el comportamiento de insolución de un activo individual para cada año de vida de la transacción. La simulación Monte Carlo permite que la modelación de la distribución de las insolubilidades y pérdidas del portafolio, considerando la correlación de los activos dentro del portafolio.

Análisis de derivados

» Un nuevo motor para análisis financiero
Técnica: Simulación Monte Carlo » véase @RISK
Fuente: HPCwire.com, 25 de mayo de 2007

El método numérico para el análisis de derivados utiliza las simulaciones Monte Carlo dentro del mundo Black-Scholes. El algoritmo utiliza fuertemente las operaciones matemáticas de punto flotante tales como el uso de logaritmos, exponenciales, raíces cuadradas y divisiones.

Adicionalmente, estos cálculos deben ser repetidos a lo largo de millones de iteraciones. La solución numérica de Black-Scholes se utiliza típicamente dentro de una simulación Monte Carlo, en donde el valor de un derivado se estima al computar el valor esperado, es decir el promedio, de los valores a lo largo de un inmenso número de distintos escenarios, cada uno de ellos representando una condición de mercado distinta.

Cambio climático

» Piense globalmente, calcule localmente
Técnica: Simulación Monte Carlo » véase @RISK
Fuente: “i.e. Guardián”, 19 de abril de 2007

Algunos modelos de cambio climático producirán copiosas lluvias sobre cierta región mientras que en otros para la misma localización se predicen ambientes muy secos. Existe ahora un número cada vez más grande de modelos regionales de simulación para comparar. Algunos proyectos recientes aplican la técnica de Monte Carlo para refinar las distribuciones de probabilidad, con el enunciado del objetivo de producir “un estimado probabilística de la incertidumbre en el clima del futuro”.

Cambio de monedas

» Fitch Derivados lanza modelo beta de CFXO
Técnica: Simulación Monte Carlo » véase @RISK
Fuente: Crédito Magazine, 27 de junio de 2007

Fitch Derivados ha lanzado su versión beta de su modelo de vector CFXO para obligaciones colaterlizadas en moneda extranjera (CFXOs). El análisis cuantitativo de activos de referencia denominados en moneda extranjera de Fitch está basado sobre la simulación Monte Carlo utilizando procesos GARCH asimétricos con saltos para ajustar a las tasas de cambio de moneda individuales.

Continuidad de negocios

» La aplicación de herramientas estadísticas para
la administración de la continuidad de negocios
Técnica: Simulación Monte Carlo » véase @RISK
Fuente: "Continuity Central”, 24 de abril de 2007

La implementación práctica de la simulación Monte Carlo a aplicaciones de continuidad de negocios ha sido grandemente simplificada con la emergencia de complementos de Excel tales como el @RISK. Este es utilizado para calcular las probabilidades cuando no existe una fórmula analítica y ha sido usado ampliamente en campos tan diversos como:

• Diseño de ingeniería y administración de la calidad
• Valuación de proyectos y compañías; y
• Valuación de precios de derivados financieros

Aplicando la técnica para calcular, por ejemplo, las pérdidas de la interrupción de negocios, es muy directa.

Exploración espacial

» Polvo inteligente con desplazamiento de forma
podría servir para explorar mundos alienígenas
Técnica: Simulación Monte Carlo » véase @RISK
Fuente: New Scientist Space, 18 de abril de 2007

Miles de minúsculos sensores con tecnología de comunicación sin cables, llamados también “polvo inteligente” podrían ser utilizados algún día para explorar otros planetas, revoloteando a lo largo de las superficies planetarias y alterando sutilmente su forma. El investigador John Barker empleo simulación Monte Carlo para reproducir la conducta errática del viento marciano.

Fraude con activos financieros

» Dos premios Pulitzer Prices por el Wall Street Journal
Técnica: Simulación Monte Carlo » véase @RISK
Fuente: WebWire, 16 de abril de 2007

El Wall Street Journal ha sido honrado con dos Premios Pulitzer , incluyendo la Medalla Dorada por Servicio Público por revelar el manejo inadecuado de fechas de empresas para las opciones sobre acciones de sus ejecutivos. El periodista del periódico Charles Forelle utilizó simulación Monte Carlo para identificar qué compañías tenían una mayor probabilidad de haber estado predatando sus opciones.

Fraude de seguros

» Las compañías de seguros no aprovechan del todo
la tecnología para detección de fraudes, afirma
el reporte Celent
Técnica: Redes neuronales  » see NeuralTools (en inglés)
Fuente: TechWeb, 17 de mayo de 2007

Muchas compañías de seguros no están aprovechándose totalmente de la tecnología cuando se trata de batallar en contra de los fraudes, sugiere un reciente reporte elaborado por la firma de investigación y consultoría bostoniana Celent. Algunas técnicas más recientes – incluyendo las redes neuronales – han permanecido subutilizadas. La industria de seguros se encuentra retrasada respecto de las industrias de tarjetas de crédito y de banca respecto de la adopción de tecnologías de lucha contra los fraudes.

Fraude de tarjetas de crédito

» El nuevo escuadrón anti-fraudes
Técnica: Redes neuronales  » see NeuralTools (en inglés)
Fuente: VNUnet.com, 26 de julio de 2007

Con un costo de 216 millones de libras esterlinas anuales en el Reino Unido y con una tasa de crecimiento anual del 16%, el fraude con tarjetahabientes no presentes (CNP por sus siglas en inglés) es actualmente la mayor categoría de fraudes por tarjetas plásticas. La industria de consumo masivo por internet está creciendo a unas tasas excepcionalmente altas en el Reino Unido y los estafadores de tarjetas de crédito están atacando a sus objetivos más débiles en el sector en línea. Una categoría de sistemas de prevención de fraude está constituida por las redes neuronales que pueden ser construidas dentro de los sistemas de procesamiento de pagos para poder identificar las transacciones potencialmente engañosas.

Inversiones

» El Derby de desempeño relativo y otros males
de las inversiones modernas
Técnica: Simulación Monte Carlo » véase @RISK
Fuente: i.e. Market Oracle, 25 de junio de 2007

Columna de John Mauldin que discute la “diversificación de portafolios y los obstáculos que devienen a cuenta de la comparación contra otros.” El autor considera el uso de la simulación Monte Carlo para la construcción de un universo de portafolios potenciales.

Optimización de la cadena de oferta

» Optimización de la cadena de oferta (“supply
chain” por su nombre en inglés) versus simulación
Técnica: Simulación Monte Carlo y optimización
Fuente: Supply Chain Digest, 31 de mayo de 2007

Existe un renovado interés en la “simulación” de la cadena de oferta a distintos niveles; y nuevos conceptos (para la cadena de oferta) que se montan sobre enfoques de optimización y simulación, tales como “optimización estocástica”. La clave es que la demanda (u otras variables clave) no son estáticas, sino que son más dinámicas. Es posible utilizar técnicas tales como el análisis de “Monte Carlo” para hacer que la demanda u otra variable sea poblada más o menos aleatoriamente a lo largo de cierto periodo de tiempo.

Petróleo, gas y geotermia

» Los Estados Unidos atacan el problema de
'aguas producidas'
Técnica: Árboles de decisión   
» véase PrecisionTree (en inglés)
Fuente: Physorg.com, 20 de junio de 2007

El Departamento de Energía de los Estados Unidos ha diseñado un programa en Web para ayudar a las empresas de petróleo y gas a resolver sus desafíos ambientales con respecto a aguas producidas. Las aguas producidas son aguas extraídas del subsuelo con petróleo y gas. Este programa provee de un árbol de decisiones para opciones tecnológicas para lidiar con los asuntos propios de aguas producidas.

» La empresa Riverdale Oil & Gas Corp. anuncia su programa de desarrollo de gas natural en la región de la costa del Golfo en Tejas
Técnica: Redes neuronales  » see NeuralTools (en inglés)
Fuente: Marketwire, 22 de mayo de 2007

Riverdale Oil & Gas Corp. anunció un programa de gas natural para desarrollar las reservas atrapadas en las arenas poco profundas de la costa del golfo de Frío y Mioceno en Tejas. La compañía se encuentra en las negociaciones finales con Nettlecombe Oil Co., Inc., una empresa de consultoría geofísica localizada en Houston, Tejas. Nettlecombe utilizará redes neuronales e inteligencia artificial, las cuales son poderosas extensiones de sus análisis sísmicos en 3D.

Respuesta a desastres

» Después de un ataque a pequeña escala de anthrax: vacunar, tratar
Técnica: Simulación Monte Carlo » véase @RISK
Fuente: Reuters, 10 de abril de 2007

Los investigadores utilizaron la simulación Monte Carlo a lo largo de un periodo de tiempo de 10 años desde un punto de vista sociológico para evaluar la respuesta más efectiva en términos de costo para responder ante un ataque de ántrax por medio de los centros de distribución de correos de los Estados Unidos en una gran área metropolitana.

Tratamiento y diagnóstico de cáncer

» Un acercamiento a la enfermedad pancréatica:
¿Cómo incrementamos las probabilidades?
Técnica: Redes neuronales  » see NeuralTools (en inglés)
Fuente: Asociación Americana de Gastroenterólogos “American Gastroenterological Association”, 22 de mayo de 2007

El cáncer pancreático se encuentra entre los cánceres actuales más mortíferos debido a técnicas limitadas en el diagnóstico temprano y a pocos tratamientos efectivos. La investigación observa con mayor detalle el cáncer pancreático y las nuevas y prometedoras aplicaciones de tecnología que mejorarán las tasas de supervivencia en los años por venir. En términos generales, el modelo basado en una rede neuronal fue muy preciso a la hora de clasificar el cáncer pancréatico, con un área por debajo de la curva ROC de 0.93.

» El cálculo de dosis con Cyberknife utiliza
simulación Monte Carlo
Técnica: Simulación Monte Carlo » véase @RISK
Fuente: CNNMoney.com, 23 de julio de 2007

Accuray Incorporated, un líder global en el campo de la radiocirugía, anunció una extensión de su suite de productos CyberKnife System enfocada hacia el tratamiento no invasivo de tumores de pulmón con un algoritmo de cálculo de dosis utilizando Monte Carlo, el cual está pendiente de aprobación por parte de la FDA.

» Estimando el riesgo de cáncer asociado con la exposición a radiación de una angiografía coronaria con tomografía computacional de 64 particiones
Técnica: Simulación Monte Carlo » véase @RISK
Fuente: Revista de la Asociación Médica Americana, 18 de julio de 2007

La angiografía coronaria con tomografía computacional (CTCA por sus siglas en inglés) se ha convertido en una popular prueba de diagnóstico, aún cuando existen pocos datos respecto del riesgo de cáncer asociado. Un reporte reciente provee un marco conceptual basado en simulación Monte Carlo para estimar estos riesgos a lo largo de la vida.

» Riesgos De Mercado:
Valor en Riesgo Calculado con Modelos de
Volatilidad Condicional Integrado de Forma Dinámica
con Simulación de Monte Carlo
Fuente: Eliel D. Jiménez R., Banca & Finanzas: Documento de Trabajo No. 5, Guatemala, Agosto de 2007

Los modelos de Valor en Riesgo sirven para obtener la pérdida máxima que puede registrar un portafolio los próximos días, semanas o meses con cierto nivel de confianza. Pero si hoy se quiere saber cual será dentro de una semana la perdida máxima que puede tener un portafolio para el siguiente mes a partir de esa semana o si hoy se quiere saber cual será dentro de un mes la perdida máxima para 5 días a partir de ese mes. Entonces, el Valor en Riesgo calculado de forma tradicional no es eficiente, ya que no toma en consideración el comportamiento de la variable entre el día de hoy y el periodo para el cual se quiere estimar el valor en riesgo. En este trabajo se propone una metodología para sobreponer este problema utilizando ecuaciones diferenciales estocásticas, combinadas con modelos de volatilidad condicional y simulación de Monte Carlo. De esta forma podemos obtener el Valor en Riesgo en tramos de tiempo futuro que toman en consideración la dinámica del precio de los instrumentos que compone el portafolio. Utilizando data de la República Dominicana mostramos como el modelo puede ser utilizado por instituciones financieras para proyectar el impacto de riesgo de mercado sobre el índice de solvencia y también para determinar si los niveles actuales de capital del sistema son suficientes para hacer frente a una crisis sistémica.

Respuestas expertas a preguntas técnicas

Estimada Amy,

¿Puedo utilizar Evolver y @RISK para determinar la distribución óptima en un portafolio de fondos con crecimiento aleatorio?

—M.V.

Estimado M.V.,

La resolución de problemas de esta naturaleza involucra dos etapas en la construcción del modelo. La primera etapa utiliza el @RISK para simular el riesgo en los crecimientos de cada uno de los fondos. La segunda etapa utiliza al Evolver para determinar la distribución óptima del portafolio basado en los datos de simulación generados por @RISK. Típicamente, la meta de la optimización por Evolver sería la de maximizar el rendimiento promedio total o un percentil específico del rendimiento total que represente su VAR (Valor en Riesgo por sus siglas en inglés). Se pueden añadir restricciones adicionales sobre los estadísticos del rendimiento total como por ejemplo respecto de la desviación estándar o sus percentiles.

Ejemplo: Para efectos demostrativos, el modelo @RISK subyacente para generar los datos de crecimiento de fondos individuales ha sido simplificado en este ejemplo. Típicamente, los modelos que valoran el crecimiento de valor sujetos a riesgo tienden a ser muy complejos, siendo usualmente autoregresivos o de otra naturaleza utilizando técnicas ad hoc de modelación de series de tiempo. Estos tópicos están fuera del ámbito de este artículo.

» Descargue este ejemplo