1. S I M U L A C I Ó N D E
M O N T E C A R L O
M A U R I C I O V E L Á Z Q U E Z
2. I N T R O D U C C I Ó N
• La simulación de Monte Carlo es una técnica
matemática que se utiliza para estimar los
resultados de eventos inciertos. Genera un
conjunto de números aleatorios, que se
utilizan para estimar los resultados de un
evento incierto. Se puede utilizar para
estimar una variedad de resultados,
incluyendo promedios, varianzas,
probabilidades e intervalos de confianza.
3. O R I G E N D E L
M É T O D O
• La simulación de Monte Carlo fue desarrollada en la década de
1940 por John von Neumann y Stanislaw Ulam.
• Originalmente se utilizó para resolver problemas físicos y
matemáticos (en realidad fue desarrollada con el propósito de
calcular la probabilidad de atravesar un blindaje bajo diferentes
parámetros) .
• Hoy en día, gracias al desarrollo computacional, se aplica a una
amplia gama de campos, incluyendo finanzas, ingeniería, ciencia
y gestión.
• El nombre de la técnica se debe al principado de Mónaco, que
era conocido por sus casinos y juegos de azar. Von Neumann y
Ulam compararon su método con el juego de la ruleta, en el que
los resultados se basan en el azar.
4. P A R Á M E T R O S P A R A
L A S I M U L A C I Ó N
• La simulación de Monte Carlo funciona generando un conjunto
de números aleatorios. Estos números aleatorios se utilizan para
estimar los resultados de un evento incierto. Se puede utilizar
para estimar una variedad de resultados, incluyendo promedios,
varianzas, probabilidades e intervalos de confianza.
• Requiere:
– Variables aleatorias: Representan las incertidumbres en el
modelo financiero.
– Distribuciones de probabilidad: Especifican cómo se
distribuyen las variables aleatorias.
– Número de iteraciones: Cuantas más iteraciones, mayor
precisión en los resultados.
5. A P L I C A C I O N E S
• Se utiliza en finanzas para estimar el riesgo de
inversiones, el precio de los activos y el rendimiento de
los portfolios.
• Se utiliza en ingeniería para analizar el diseño de
sistemas y productos, así como para predecir el
comportamiento de procesos físicos.
• Se utiliza en ciencia para estudiar fenómenos naturales,
como el clima y la evolución.
• Se utiliza en gestión para tomar decisiones en entornos
inciertos, como la planificación de la producción y la
gestión de riesgos.
6. B E N E F I C I O S
• El método puede proporcionar
estimaciones precisas de
resultados inciertos, incluso
cuando hay una gran cantidad
de variables desconocidas.
• Es flexible y se puede aplicar a
una amplia gama de problemas.
• Los resultados de una
simulación de Monte Carlo se
pueden replicar fácilmente, lo
que permite a los usuarios
comparar diferentes escenarios
y tomar decisiones informadas.
7. D E S A F Í O S D E L
M É T O D O
• La simulación de Monte
Carlo también tiene
algunos desafíos. Puede
ser un proceso intensivo
en recursos, ya que
requiere la generación de
un gran número de
números aleatorios. Los
resultados de una
simulación de Monte
Carlo pueden ser difíciles
de interpretar, ya que se
basan en estimaciones
probabilísticas.
8. P R O C E S O D E S I M U L A C I Ó N
• Se utilizan herramientas como Python y R para realizar simulaciones de Montecarlo. Estas herramientas proporcionan la flexibilidad necesaria
para adaptar el método a diferentes escenarios financieros.
• La simulación de Montecarlo implica la generación de números aleatorios siguiendo distribuciones específicas y el cálculo de resultados para cada
iteración. Este proceso permite modelar diversas trayectorias posibles de eventos, lo que es esencial para la toma de decisiones informadas.
• Para realizar una simulación de Monte Carlo, se deben seguir los siguientes pasos:
• Establecer la distribución que se utilizará para representar el evento incierto.
• Determinar los valores de entrada para el modelo matemático.
• Crear un conjunto de datos de muestra generando números aleatorios.
• Ejecutar el modelo matemático con los datos de muestra.
• Analizar los resultados de la simulación para estimar los resultados del evento incierto.
10. A P L I C A C I O N E S E N F I N A N Z A S
• Valoración de opciones financieras:
– Es fundamental para valorar opciones financieras en entornos inciertos, superando las limitaciones de los modelos clásicos. Un
ejemplo puede ser calcular el precio de una opción de compra europea considerando diferentes trayectorias de precios de acciones.
• Evaluación de proyectos de inversión:
– Evaluar proyectos de inversión considerando diferentes escenarios económicos, lo que permite una toma de decisiones más
informada. Por ejemplo, se puede evaluar un proyecto de expansión empresarial considerando variaciones en los costos y los
ingresos en diferentes años.
• Gestión de riesgos:
– Esencial en la gestión de riesgos financieros, permitiendo identificar y cuantificar posibles pérdidas. Puede ilustrarse con un ejemplo
en el que se simule el impacto de eventos macroeconómicos adversos en la cartera de inversiones de una empresa.
• Pronósticos financieros:
• La técnica mejora los pronósticos financieros al considerar la incertidumbre, lo que permite una planificación más realista. Por ejemplo,
se puede utilizar la simulación para pronosticar los ingresos futuros de una empresa en un entorno económico incierto, teniendo en
cuenta las variaciones potenciales en las ventas y los costos.
11. E J E M P L O S
https://colab.research.google.com/drive/14zakG735LCPrp8
U6Mdobw_K8IPkrnu6l?hl=es#scrollTo=YRBYBmPmj5RU
1
https://colab.research.google.com/drive/1dsewHm6A4TGG
P9ZuRpyTTT1hV_UG2vR1?hl=es#scrollTo=yVenqxjvzV_1
2