Estudio de Caso |
Grupo ISA
La exitosa expansión de Palisade en América Latina es ejemplificada por la compañía colombiana de transportes y energía ISA (Interconexión Eléctrica S.A.), la misma que utiliza @RISK de forma corporativa para un amplio análisis financiero y de previsión. El gigante de energía, telecomunicaciones y sistemas de infraestructura de utilidad lineal se compone de 10 empresas complementarias que ofrecen energía y trasmisión de telecomunicaciones en toda América Central y América del Sur. Las inversiones individuales de ISA y sus proyectos son a menudo valorados con la más rigurosa estrategia y planificación financiera, por otra parte, la meta del equipo financiero de ISA es producir integrados y detallados modelos para simular el rendimiento potencial de estas inversiones y determinar la óptima utilización de sus recursos financieros.
» Lea más del estudio de caso de Grupo ISA en línea |
Procter & Gamble
El Departamento Financiero de la Corporación P&G ha estado utilizando @RISK desde el año 1993, cuando se introdujo por primera vez para la evaluación de opciones en negocios internacionales. Estas decisiones requieren que ellos tomen en cuenta no solamente las incertidumbres que impliquen el capital y los aspectos de los costos de ubicación de planta, sino también las fluctuaciones en las tasas de cambio también. Desde que la compañía inició su uso de @RISK ha dependido de esta herramienta para toda su gama de decisiones de inversiones incluyendo nuevos productos, extensiones de líneas de productos, expansiones geográficas incluso en otros países, y, proyectos de optimización en manufactura. También utiliza PrecisionTree para el análisis de opciones reales (real options) en decisiones complejas que a menudo incluyen múltiples etapas sucesivas.
» Lea más del estudio de caso de P&G en línea |
DecisionTools Suite 5.0 Ejemplo de Modelos
PrecisionTree 5.0: Extracción de Petróleo
Este ejemplo de extracción petrolera es un clásico ejemplo de problemas respecto de árboles de decisiones. Nuestra primera decisión debería ser si hacemos un análisis de las pruebas geológicas en el sitio prospectivo. Entonces, dependiendo de los resultados de esta prueba, la siguiente decisión debería ser si extraemos el petróleo. El evento de la última oportunidad es la cantidad de petróleo encontrada. El árbol oscila de derecha a izquierda –la decisión a evaluar es siempre tomada antes de la decisión de extraer ó perforar-.
» Descargar el ejemplo modelo: Oil.xls (en inglés)
PrecisionTree 5.0 y @RISK 5.0: Extracción de Petróleo
Los resultados de la búsqueda de petróleo en la perforación y extracción de petróleo mediante los árboles de decisión Oil.xls se dividen en tres resultados discretos – Seco, Húmedo y Mojado (“Dry, Wet and Soaking”). Pero, en realidad, la cantidad de petróleo encontrada puede ser descrita a través de una distribución continua. @RISK se utiliza en este modelo para describir la incertidumbre de estos tipos de evento. En el momento que sumamos las funciones de distribución de probabilidades del programa @RISK para árboles de decisiones, usted puede obtener una mayor precisión en el modelo y puede simular más resultados posibles.
» Descargar el modelo ejemplo: SimulacionPetroleoconRISK.xls
TopRank 5.0 y @RISK 5.0: Lanzamiento de Productos
TopRank reconoce las funciones de distribución del @RISK y adicionalmente incorpora a las mismas, en el análisis “Qué pasaría si” (What –If). Esta capacidad proporciona una mayor flexibilidad y precisión en el momento de modelar los valores posibles de entrada en su análisis de “Qué pasaría si” (What If).
En este ejemplo, la Corporación Júpiter está construyendo un nuevo modelo de 4- puertas sedan. Suponiendo que el carro genera ventas para los próximos 5 años, la administración ha identificado los cinco factores que pueden influir en el total de ingresos durante dicho período. Varios de estos factores poseen distribuciones de probabilidad asociadas a ellos. Durante el análisis “Qué pasaría si” (What If), TopRank considera las distribuciones de probabilidad asociadas con aquellos ítemes y lleva a cabo un inteligente análisis de sensibilidad, pasando a través de los rangos de distribuciones, mientras que separa en pasos distintivos de forma tal que cada intervalo abarque una cantidad igual de probabilidad.
» Descargar el modelo ejemplo: ProductLaunchTopRankRISK.xls (en inglés)
NeuralTools 5.0 y Evolver 5.0: Préstamos para Automóviles
NeuralTools puede ser utilizado para predecir los valores desconocidos de variable dependiente categórica través de los valores numéricos conocidos de las categorías de variables independientes. En este ejemplo, la red neuronal, ha aprendido a predecir si un solicitante de préstamo hará los pagos a tiempo, los retrasos en los pagos, el incumplimiento en el contrato de préstamo. Evolver puede ser usado para saber la cantidad del préstamo que va a aumentar la probabilidad de que este solicitante caiga en la categoría del “pago oportuno”, con una probabilidad de ocurrencia del 90%.
» Descargar el modelo ejemplo: AutoLoansWithEvolver.xls (en inglés)
@RISK 5.0: Flujo de Caja Descontado (FCD)
El cálculo de un flujo de caja descontado (FCD) es un ejemplo frecuente de la utilización de @RISK. En el modelo ejemplo, las fuentes de riesgo son la tasa de crecimiento y los gastos variables como porcentaje de ventas. Después de tener en cuenta la inversión asumida, y aplicar el factor de descuento, se deriva el FCD (Flujo de Caja Descontado). A raíz de la simulación, el promedio del FCD se conoce como el Valor Presente Neto (NPV). La decisión acerca si proceder ó no con este proyecto dependerá del grado de aversión al riesgo ó la tolerancia de riesgo de quien toma las decisiones. Este ejemplo se ha ampliado también al cálculo de la distribución del pago de primas en el supuesto de que un bono se pague cada vez que el Descuento del Flujo de Caja Neto (FCD) es mayor que una cantidad fija. Este ejemplo también utiliza las funciones estadísticas de @RISK como RiskMean, RiskTarget, y RiskTargetD y se calculará el promedio neto del FCD, la probabilidad de que el FCD neto sea negativo y la probabilidad de que un bono sea pagado.
» Descargar el modelo ejemplo: CashFlow.xls (en inglés)
@RISK 5.0: Siniestros en Seguros con RiskCompound
La función RiskCompound del @RISK utiliza dos distribuciones para crear una singular nueva distribución de variable de entrada, mejorando los de modelos de seguros que deben dar cuenta de la frecuencia y la severidad de los siniestros. Este modelo ilustra cómo la función de RiskCompound es creada, y enseña propiedades tales como desviación estándar y un valor objetivo de los resultados de la función RiskCompound.
» Descargar el modelo ejemplo: RiskCompound.xls (en inglés)
RISKOptimizer 5.0: Mezcla de Productos
Una planta de producción manufacturera está tratando de encontrar la cantidad óptima de cada uno de los cuatro productos para su fabricación, maximizando la media de ingresos totales. La demanda de cada producto es incierta y está representada con funciones de distribución de probabilidades. La cantidad de cada producto manufacturado debe incluir las restricciones relacionadas con los recursos disponibles para la fabricación de cada producto. En este sentido, todas las restricciones que se especifican en un solo paso utilizando la capacidad del RISKOptimizer de definir las restricciones como un rango. RISKOptimizer podrá hacer que varíe la cantidad de cada producto elaborado, sujeto a las restricciones de recursos, a fin de maximizar los ingresos.
» Descargar el modelo ejemplo: ProductMix.xls (en inglés)
Más ejemplos de modelos en línea (en inglés):
» Finanzas
» Seguros
» Six Sigma
» Petróleos y Gasolina