00:00:37:23 Software Shop, la empresa líder en la implementación de herramientas analíticas y software especializado en Latinoamérica, les da la bienvenida a esta presentación. El día de hoy contamos con el acompañamiento del instructor Tomás Dávila Correa, instructor de la Línea de Riesgo y Finanzas en South Fork Shop con formación en economía de la Universidad Militar Nueva Granada en Colombia. Participante del Grupo de Estudios en Educación, Contabilidad y Sociedad con experiencia en el manejo de herramientas informáticas para el análisis de datos, su aprovechamiento y apoyo en la toma de decisiones.

00:01:17:27 Bienvenidos Un saludo a todos los participantes de del Webcast El día de hoy EH Simulator. Como pueden ver es un adding de Microsoft Excel desde el cual podemos ver que se crea una nueva pestaña, la cual eh nos permite generar simulaciones de Montecarlo. Sí, si la simulación de Montecarlo es un método o una metodología, la cual desde la cual podemos generar pues eh, procedimientos de números aleatorios, dadas unas distribuciones de probabilidad, la verdadera bondad de Risk es su facilidad de uso, EH es fácilmente aplicable a cualquier modelo.

00:01:43:15 Todos los modelos que voy a tratar el día de hoy son construidos desde cero y donde van a ver que eh es bastante sencillo construir los modelos desde el programa. Entonces desde acá podemos ver los principales módulos, Podemos ver el módulo de simulación de Montecarlo. Sí, también tenemos módulos de pronósticos desde los módulos de pronóstico tenemos, eh, algunos modelos econométricos como pueden ser los modelos ARIMA.

00:02:05:04 También en dado caso de que no conozcamos eh como se compone la serie, tenemos modelos ARIMA en los cuales el software nos va a recomendar la mejor. Es la mejor opción para para ejecutar el el modelo tenemos modelos de econometría, tenemos modelos de spline cúbico para hacer interpolación y extrapolación de. De tasas es muy útil para tasas de interés.

00:02:29:09 Tenemos modelos GARCH para medir la volatilidad. También tenemos curvas J y S cadenas de Markov EH. Contamos con modelos de de máxima verosimilitud desde los cuales podemos hacer modelos Logit EH Probit with. Así, eh. Esto es útil para para modelos de riesgo de crédito. También tenemos análisis de regresión, redes neuronales y análisis de series de tiempo. Como ven, todo va.

00:02:59:02 Todo funciona desde desde bullets, desde botones y es bastante sencillo de utilizar. Tenemos optimizaciones, podemos hacer optimizaciones estáticas, dinámicas y estocásticas, lo cual genera bastante potencia. También se pueden hacer las optimizaciones estáticas, las moscas solver, pero la idea aprovechar las distribuciones de probabilidad que nos permite generar software para generar modelos dinámicos. Dado una simulación de de Montecarlo, vale.

00:03:42:25 También tenemos herramientas analíticas desde las cuales podemos analizar nuestros datos. Podemos generar eh, análisis de tornado, análisis de de de sensibilidad estáticos y dinámicos eh para para tener un mejor manejo de los datos. Y por último, tenemos estos dos módulos de de Royal Location que son Stats y Roc Decisions. Desde Stats tenemos un módulo estadístico EH, el cual funciona en dado caso que requiramos eh hacer un un análisis más profundo de las estadísticas, en dado caso de que las las estas herramientas nos quedan un poco cortas, contamos con un módulo especializado para.

00:04:15:26 Para realizar este análisis y también contamos con el módulo de decisions right. ¿Desde él podemos generar árboles de decisiones y no solo eso, sino poder no solo generar el árbol de decisión, sino también generar la estadística en, eh distribuciones de probabilidad para y probabilidades de ocurrencia dentro de los nodos de decisión eh? ¿Por lo cual es bastante potente y nos permite realizar bastantes, Bastante nos permite manejar eso con bastantes opciones, vale?

00:04:55:03 Pasando un poco el módulo de simulación, acá tenemos un modelo de utilidad en el cual tenemos unas cantidades en 5000 cantidades. En la hacemos un precio de 100. Es un modelo bastante sencillo y tenemos unos costos variables y unos costos fijos. ¿Vale? ¿Cuál es el real problema con con este modelo estático, eh? Este modelo estático eh cuenta es que desde este modelo estático estamos suponiendo que las cantidades siempre van a ser 5000, que el precio siempre va a ser 100, que los costos siempre van a ser, eh, van a tener un 40% de de variación, lo cual, mmm, puede que no sea cierto.

00:05:17:28 Sí, puede que efectivamente en un año se logre venderlo a 5000 cantidades al precio de 100, pero también puede que entre otro competidor al mercado y el precio y entremos una guerra de precios o tengamos que predador en precios para para quedarnos con el mercado. ¿Entonces por lo cual el precio puede llegar a bajar o también si contamos con un monopolio eh?

00:05:40:00 La empresa puede puede quedarse con el excedente del consumidor y se pueden maximizar los precios. Desde ese punto de vista, también las cantidades, las cantidades no siempre se van, se van de no vender nunca, pero pico de cantidades en mercado puede cambiar las preferencias de los consumidores. ¿Puede cambiar, eh? Por lo cual nos enfrentamos ante un escenario de incertidumbre.

00:06:06:13 No sabemos lo que va a pasar y eh, tenemos dos modos de asumir, eh, el riesgo o podemos uno simplemente como como lo dije, asumirlo, asumir el riesgo y esperar a que sea. Lo que pasa es que pues no es una muy buena opción o lo podemos mitigar y esto lo podemos mitigar con, ehh, unas simulaciones con contribuciones de probabilidad y probabilidades de ocurrencia.

00:06:34:16 Eso es lo que vamos a tratar el día de hoy. ¿Vale? Entonces lo primero para trabajar el el modelo, vamos a crear un nuevo perfil que se va a llamar modelo de utilidad. Y vamos a asignar un número de pruebas. Ese número de pruebas va a ser el número de iteraciones que va a realizar el software para realizar la simulación de Montecarlo vamos a activar las correlaciones para ver si los las variables tienen correlación entre sí y se puede aprovechar mejor el modelo.

00:07:00:10 Y por último, vamos a especificar la secuencia de números aleatorios. Esa secuencia de números aleatorios es importante. Ah, por si el día de mañana yo requiero, eh, replicar el modelo o en caso de tener una auditoría, deseo replicar el modelo para saber con qué datos exactamente se se está tomando la la La decisión. Entonces para eso son importantes los números aleatorios.

00:07:25:13 Bien, vamos acá donde tenemos es esto, estos datos de cantidades y con una probabilidad de ocurrencia. ¿Entonces, eh, si tenemos pocos datos como en este caso, podemos simplemente seleccionarlos, los vamos a copiar, nos vamos a dirigir a la casilla de cantidades y vamos a ver su proceso de entrada, vale? Vamos a irnos a una distribución personalizada y vamos a crear una distribución desde acá.

00:07:52:01 Podemos pegar directamente los datos. Ok, acá me genera un un pequeño eh error, una en una no me reconoce estos datos porque me dicen que deben ser numéricos, entonces los volvemos datos numéricos, volvemos al simulador de riesgo y tomamos estos datos y volvemos a dirigirnos a la casilla a la casilla Cantidades. Vamos a supuesto de entrada vamos a una distribución personalizada.

00:08:20:23 Tenemos la distribución y pegamos los los datos. Podemos actualizar los datos y vemos que se genera una. Una distribución down es, eh, una unos histogramas da una probabilidad. Entonces aplicamos y cerramos y le vamos a dar OK. Y como vemos la celda se pinta de de un color verde. Eso significa que en este momento ya hay una simulación de Montecarlo corriendo sobre esas cantidades.

00:08:47:10 Si yo me dirijo acá al módulo de simulación y vamos a paso a paso, podemos ver que están cambiando, que van a cambiar los datos. Si dependiendo de como lo hago lo lo hacemos nosotros. ¿Vale? Para el caso del precio vamos otra vez a su puesto de entrada y acá contamos con cerca de 46 distribuciones de probabilidad para asignar esa incertidumbre para poderla manejar.

00:09:12:08 Si esto, ese, esto es en en un caso en que no contemos con información histórica, si contamos con información histórica, lo ideal es realizar una justa distribución de probabilidad para saber cómo se comportan los datos. Si no contamos con con esos datos podemos eh recurrir al método Delphi, que lo que vamos a hacer es, eh, recurrir al juicio de expertos para poder tomar las decisiones.

00:09:47:25 Vale. Entonces, en este caso vamos a a tomar una distribución de probabilidad normal, una distribución normal, y vamos a suponer que tienen una media de 100 y una desviación estándar de diez unidades monetarias. ¿Qué pasa si yo no cuento con la media o con la desviación estándar? Sencillo, podemos recurrir a la entrada en percentil y podemos, ehh podemos poner el percentil 10% y el percentil 90% para decir para que de ese modo el software EHH encuentre la desviación estándar y la media para esos datos.

00:10:10:06 ¿Vale? Entonces le vamos a dar Ok, en este caso lo voy a hacer con la media y con la desviación estándar. Le vamos a dar lo que si nos vamos otra vez a paso a paso vemos que todo está corriendo bajo una distribución de probabilidad. Y por último, vamos a suponer que ehh. Estos costos variables se distribuyen como una distribución de probabilidad triangular o una.

00:10:51:05 Entonces, como podemos ver ehh tenemos los parámetros de la distribución singular que son mínimos, máximos, más probables, máximos más probable y se nos dirigimos a la distribución. Perdón, vemos que es similar, simplemente que es más forzada, tenemos igual mínimo o máximo más probable. Entonces digamos en este caso realicemos lo con una EHH y de. Si nos dirigimos a este pequeño botón vamos a poder vincularlo directamente a una celda, por lo cual, en dado caso de que yo requiera cambiar los datos, lo puedo cambiar directamente desde acá y no tener que volver a realizar la la distribución.

00:11:21:12 Si vale, nos vamos a ir, vamos a darle OK. ¿Y en este caso que es lo que queremos? ¿Ya se están corriendo la simulación de Montecarlo ahora qué queremos? ¿Que queremos lograr con esa simulación? Entonces lo que vamos, nos vamos a dirigir al a la pestaña Resultados, que como podemos ver es simplemente una resta entre entre las cantidades eh, pues la multiplicación entre precio y cantidades y ehh la resta entre costos variables vale.

00:11:49:05 Costos variables y costos fijos. Ehh. Nos vamos a dirigir a la pestaña Resultados. La pestaña Resultados siempre debe tener una fórmula para poder ejecutarlo siempre la fórmula y debe estar afectada por una simulación de Montecarlo. Pues para que genere ehh la incertidumbre y vamos a irnos a pronósticos de salida. ¿Acá podemos modificar el nombre entonces no? O sea, como resultado y podemos modificar el nivel de precisión eh de de la prueba.

00:12:29:07 Entonces en este caso el software trabaja siempre con 95% de de confianza, entonces lo vamos a dejar como un 95 de EHH por 100 vale. Y luego nos vamos a ir a correr la simulación. Ehh. En este momento, como podemos ver, se empiezan a ejecutar las iteraciones. Tenemos la distribución de los datos. En este caso, como el modelo no es muy complejo, yo puedo pasar y puedo realizar que puedo hacer que el modelo se corra supervelocidad y desde acá ya tengo cómo se están distribuyendo los datos y cómo los los podemos manejar.

00:12:54:06 Si estamos acá en histograma, pues podemos ver que podemos trabajar con las colas y podemos trabajar con un nivel de certeza de del modelo. Si nos dirigimos a estadística vamos a ver el número de pruebas. Entonces si realizamos mil pruebas, la media de nuestro de nuestros resultados va a ser de de 70, de 74.000 unidades monetarias, pero la media, la mediana es de 105.000.

00:13:17:20 Entonces podemos ver que los datos se desvían un poco de la media, por lo cual deben presentar algún tipo de curtosis y tenemos la la una desviación estándar de 128. Acá vemos ehh. La desviación estándar la podemos entender como el riesgo. Vemos que la desviación estándar es, eh bastante bastante alta y podemos también ver el coeficiente de variación.

00:13:53:08 Si bajamos un poco más podemos ver el nivel de precisión de error al 95%. ¿En este caso es mayor EH es mayor que el 5% eh? Por lo cual para para que se adapte a nuestros niveles de de error, debemos, eh, hacer que el modelo este en ese, eh, dentro de ese 5%. Entonces podemos realizar. ¿Podemos irnos acá a editar perfil, vamos a realizar en este caso 5000 simulaciones y vamos a correr de nuevo el modelo súper velocidad, vale?

00:14:14:07 Luego volvemos acá estadísticas y vemos que el nivel de error bajo, eh, esa es la. Esa es la cantidad óptima de simulaciones. La la cantidad que minimiza luego nuestro error a un nivel aceptable. En dado caso de que yo quisiera trabajar un nivel de confianza del 99%, pues lo tendría que minimizar antes de por debajo de que sea el uno o por debajo del 1%.

00:14:41:07 Bueno, eso lo hago con más iteraciones dentro de las simulaciones. Volviendo al histograma, podemos puedo elegir la cola izquierda y puedo decir de qué sea cero, que sea cero. La cola izquierda. Vale. Entonces como momento que sea cero. La cola izquierda.

00:15:03:22 Y acá puedo saber, ehh a qué nivel de de certeza lo estoy manejando. También puedo ir a vista global. Ahí está Global del modelo y desde acá a es. Esto es lo que no veía. Se ve esta línea un poco tenue, Esta esta línea roja. Esto es lo que nos indica nuestro. Nuestro nivel de certeza. Esta es nuestra probabilidad crítica.

00:15:32:05 Sí. Si en esta probabilidad crítica vamos a tener, eh, un 43% de probabilidad de que suceda este evento. Sí, de que sucedan estos eventos críticos que son los EHH, que que nuestros resultados sean negativos. Por eso le puse el 0%. Vale. ¿Desde acá también podemos modificar Ehh, Que qué tipo de curva queremos? Digamos si queremos la la probabilidad acumulada podemos cambiarla si la, la, la.

00:16:13:09 La función de densidad también la podemos tener. Y todo esto lo podemos ehh lo podemos cambiar y podemos eh exportarlo a Excel directamente y podemos. En los gráficos completamente editables podemos tener la cantidad de simulaciones que se está realizando. Si tenemos todos, todos los gráficos y como podemos ver es 100% editable. ¿Vale? Si de en este caso está en inglés podemos ehh ehh convertirlo a español y podemos realizar análisis a partir de estos ehh de estos datos, vale.

00:16:49:18 Luego, ehh. ¿Vale en qué? ¿Qué pasa si yo no quiero usar el modelo y quiero realizarlo? Ehh un poco a pedal como se suele decir, tendría que generar un número aleatorio, sí que que indicaría la probabilidad y luego generar un condicional para darle para generar una distribución de probabilidad. Ehh. ¿Compuesta? Sí. Ehh. Una la la que nosotros creamos al inicio hacer ehh para el precio con la función inversa a la normal lo tendríamos que hacer si también lo tendríamos que realizar para bueno las ventas si está normal.

00:17:21:09 Pero miren, en el caso en que tengamos que realizar una función de distribución ehh triangular. Sí, la fórmula es bastante, bastante compleja y naturalmente susceptible a errores. Luego de esto, pues tendría que hallar los los momentos de de los momentos de de estadísticos. Entonces tendrá media desviación estándar ehh simulando los con F9. Acá tengo cerca de 3000 datos por lo cual ehh y el performance o el lo lo va.

00:17:48:15 Va a ser muy ineficiente manejar todos estos datos y estar iterando los y guardándolos para ehh para poderlo hacer, por lo cual es bastante engorroso cuando el software nos permite realizarlo de manera sencilla. ¿Vale? ¿Ehh alguna pregunta en el chat? Ehh bueno, no veo nada. Vale. Continuando ehh en en este caso tengo un análisis de sensibilidad. Tengo un estado de resultado.

00:18:16:22 Es bastante simple. No, no, no es nada muy complejo como pueden ver todos ha formulado acá directamente. Ehh. Entonces en este caso tenemos una inversión inicial de 30.000 y vamos a ir a estos drivers y vamos a analizar como es, como se están comportando. Entonces tenemos en este caso cantidades a, B, tenemos la suma de esas cantidades y tenemos los precios y o los costos fijos y costos variables ehh sobre los cuales vamos a trabajar.

00:18:41:28 También tenemos una ehh tenemos la K que es como ehh la tasa en libre de riesgo desde la cual vamos a trabajar ehh este modelo. Recordemos que la TIR de debe ser superior a esa acá para que podamos aceptar ehh el modelo para que sea viable nuestra inversión. Sobre eso hallamos un VPN y y una TIR. ¿Entonces qué podemos hacer?

00:19:06:17 ¿Qué podemos hacer en este caso para, ehh realizar un análisis de este VPN? En este caso quiero asignar unas distribuciones de probabilidad pero no sé cuál. Supongamos que el modelo es más complejo, no sé cuáles variables ehh. Debo tomar en cuenta para hacer para asignarle esa incertidumbre, porque naturalmente no todas las variables son relevantes para asignarles la incertidumbre.

00:19:36:07 Sí. Entonces. Y no, tampoco es óptimo. Ehh ehh. Asignar la incertidumbre a todas las variables que afectan modelo. Yo requiero asignar la incertidumbre a las variables que más me afectan. Modelo. Entonces para eso vamos a ir a herramientas analíticas y vamos a realizar un análisis tornado. ¿Vale? Como podemos ver acá el software está realizando las iteraciones de cada una de las variables que afectan el modelo y sobre todo en que medida afectan el modelo.

00:20:13:14 Bien, acá tenemos nuestro análisis tornado, tenemos ehh las direcciones ehh podemos elegir el nombre entonces acá voy a quitar esto para que nos muestre la dirección de la celda y tenemos dos nombres. ¿Vale? En este caso ehh le vamos a dar Ok. Okay. Para que se genere la simulación de tornado, el análisis tornado. Y como podemos ver, como podemos ver, tenemos nuestro análisis de tornado por este lado que lo vamos a interpretar y también tenemos nuestro análisis.

00:20:37:02 Entonces, cómo podemos interpretar nuestro análisis tornado el análisis. En este caso lo que hice fue realizar variaciones 10% hacia arriba y 10% hacia abajo de cada una de las variables que afectan al modelo y revisar cuál es la que más nos incide en el PBN en este caso. Vale. Entonces bueno, podemos leer el resultado inferior, el resultado superior y el EHH y el resultado normal.

00:20:57:25 Entonces vemos que el. ¿En el caso de la inversión inicial, qué pasa si la inversión inicial en vez de ser 30 millones fuera 27 millones? ¿Y si fuera 33 millones, qué pasaría? ¿Y el valor base y que tanto se ehh se movería el VPN de el valor base? Bien, entonces tenemos que el precio de C es lo que.

00:21:19:17 Lo segundo que más nos afecta las cantidades de C es lo segundo que más nos afecta. Y por último y tenemos ehh tenemos nuestra tasa libre de riesgo. Entonces si ehh. Ese es el modo de interpretar nuestro análisis Tornado también tenemos en una araña que ya nos muestra si la. La relación entre las variables es lineal o no es lineal.

00:21:49:25 También es importante tenerlo en cuenta porque en ciertos casos no puede que no sea lineal y puede que eso afecte más o menos el modelo. ¿Vale? Una vez realizado este análisis de tornado, podemos, ehh podemos dirigirnos a al modelo a realizar, asignarle distribuciones de probabilidad, en este caso a todas las cantidades. Les voy a asignar una una distribución uniforme, discreta, uniforme para que no me tome valores.

00:22:37:23 Ehh valores decimales, sino que me tome valores enteros y vamos a asignarle distribuciones uniformes a todas las distribuciones de a a todos a todas las cantidades. Luego vamos a hacer algo similar con los precios. En este caso vamos a tomar las distribuciones normales. Ehh lo estoy haciendo simplemente como una muestra. Lo ideal es, como les digo, si se tienen modelos históricos ehh realizar una justa distribución de probabilidad o en dado caso de no tenerlos ehh y irnos a juicio de expertos, entonces estoy suponiendo de que mmm estamos ehh en que vamos es, ehh en que hay unos expertos que nos están diciendo que las variables se comportan de ese modo.

00:23:07:24 Nos. Supongamos que el costo se comporta de una manera triangular ehh y que el gasto también se comporta de una manera triangular. Vale. Vamos a dirigirnos a VPN y vamos a generar nuestro supuesto de salida y vamos a correr el modelo a súper velocidad en este caso, ehh, el software va a arrojar dos ehh 222 gráficos. ¿Por qué razón?

00:23:30:04 Porque no cambié de perfil ehh. Entonces me está arrojando la simulación anterior y esta simulación Como podemos ver acá tenemos el VPN, entonces podemos realizar ehh ehh ehh. Podemos realizar el mismo análisis si podemos realizar un análisis de que sea cero y tenemos que la certeza, la probabilidad de que nuestro modelo sea cero es de un 13%. Vale.

00:24:13:02 O si queremos trabajarlo a dos colas, si queremos tener más certeza del 95%, del 95%. Sabemos que el modelo va a oscilar entre estos dos valores. Vale. Entonces, sobre eso podemos tomar decisiones bastante, bastante ehh relevantes que salimos un poco de sus modelos ehh estáticos y clásicos, los cuales no no nos permiten en manejar la incertidumbre. Sí. Eh, Vale, acá me voy a dirigir de nuevo a nuestro a nuestro análisis de sensibilidad y podemos generar ehh.

00:24:34:17 Por último un análisis. ¿Una vez en la simulación podemos generar análisis de sensibilidad, que en este caso, que en este caso no van a ser estáticos, sino que va a ser dinámico, a diferencia del del análisis de tornado, que es un análisis estático o un análisis, si se quiere entender ceteris paribus, eh? Este ya va a ser un análisis dinámico.

00:25:05:26 Nos indica cuál, en qué, ehh proporciones está cambiando, están cambiando las variables y si es negativa o positiva la relación que está teniendo sobre nuestro EP. ¿Vale? Entonces acá ehh. Pasando a ventas un momento, pasando a acá tengo una, una simulación de unas ventas que que básicamente están creciendo esta estas tasas ehh y han crecido durante un tiempo.

00:25:39:14 Acá está lo que me refería con ehh, darle un manejo de las ehh de asignación de pruebas de ondas de ajuste para asignar distribuciones de probabilidad podemos irnos a EHH a herramientas analíticas y vamos a realizar no sé, distribución simple. Si, eh, vale, voy a ir viendo si hay alguna pregunta. Vale, Acá me preguntan qué significa el verde y el rojo en el análisis Tornado.

00:26:14:11 Vale. Me voy a volver a un momento. Voy a volver a un momento al tornado, El verde y el rojo implica. Si, ehh. ¿Si el impacto es directo o inverso? Si. En este caso, recordemos que la inversión inicial tiene una naturaleza. Ehh, Una naturaleza crédito. Si el patrimonio tiene una naturaleza crédito. Por lo cual. Ehh. Si, si, yo requiero más patrimonio para realizar una inversión, pues naturalmente mi VPN va a ser negativo porque al final de es dinero que que va a retornar.

00:26:35:22 Sí. Entonces vemos si va de verde hacia rojo implica que la relación es negativa. En este caso, si el el precio va de, el precio de si va de rojo a verde implica que es positivo. Si nuestro precio es mayor. Si nosotros podemos manejar el mercado, nuestro precio es más grande, pues naturalmente vamos a tener un un mayor margen.

00:27:06:12 Si. Si nuestro precio incremente, nuestros costos se mantienen iguales, vamos a tener un mayor margen. Entonces de ese modo se interpreta el el análisis tornado. Vale. Si el análisis de sensibilidad. Ehh, está en herramientas analíticas. Vale, les voy a continuar. Voy a continuar con nuestro análisis de ventas. Entonces vamos a realizar. Vamos a realizar un ajuste de distribución simple.

00:27:29:13 Vale. Ehh. En listo. Desde la distribución simple, vamos a tratar unas pruebas de bondad De ajuste. Vale. Entonces, en este caso, podemos trabajar. Ehh, La prueba Kolmogorov Smirnov. ¿También podemos trabajar criterios de información en dado caso de que queremos que en dado caso de que queramos penalizar modelos más complejos como puede ser? Ehh. Acá hay que o Bayes.

00:27:48:17 También tenemos pruebas de Anderson, Charles Darwin y el estadístico Gutiérrez. Vale. En este caso voy a utilizar la prueba. Callese. ¿Y qué es lo que va a hacer? ¿Qué es lo que va a hacer el modelo? Va a probar entre cada una de las 46 distribuciones de probabilidad y me va a decir cómo se va, como se está comportando la variable.

00:28:24:01 También podemos revisar si es continua, discreta. En este caso lo vamos a tomar como continua y vamos a darle OK. ¿Entonces, qué es lo que me va a decir? Acaso entonces me está diciendo Mire, según las ventas, en los datos que usted tiene, lo mejor es una distribución, lo normal, desplazando la segunda mejor es una logarítmica normal y así vamos bajando a ehh hasta que pues ehh el p valor sea ehh menos de 5% digamos.

00:28:54:10 Estas pruebas ya no se adaptan tanto a a la forma de los datos. Entonces vamos a tomar la mejor, que es la normal desplazada y vamos y tenemos nuestra distribución de probabilidad asignada a. AL a las ventas que tenemos. Entonces en este caso, como podemos ver, la celda está pintada de verde. ¿Que qué significa eso? ¿Que tiene una simulación de Montecarlo corriendo por detrás?

00:29:47:15 Sí. Entonces si nos vamos a paso a paso acá, entonces si nos vamos. Un momento que presioné en un donde no ver. Pero no pasa nada si nos vamos acá, restablecemos y vamos a paso a paso. Bueno, en este caso no me actualizo porque tengo, porque me he cambiado de perfil y están muchas simulaciones ehh corriendo ehh por eso no me cambio, pero lo que quiero que entiendan es que hay una una distribución de un una una simulación de Montecarlo corriendo por debajo, por lo cual podemos hacer análisis predictivos si podemos realizar ehh podemos ver como se comportan los datos ehh y generar ehh predicciones, no solo quedándonos en un análisis estático, sino que vamos

00:30:18:23 a pasar a un análisis dinámico. ¿Vale? ¿Voy a sacar el chat, vale? Bien, por último, vamos a cambiar acá de perfil. Dado que este para generar una nueva simulación. Entonces esto se llama reacciones. Vamos a generar mil simulaciones y recordemos por favor los números aleatorios ehh. Para que el nuestras funciones no cambien. ¿Entonces, qué es lo que ehh voy a hacer en este caso?

00:30:47:10 Vale. Tenemos las fe. Tenemos, ehh, el close de varias acciones. Tenemos la acción de Tesla, tenemos la acción de JP Morgan, tenemos la la acción de de PepsiCo y tenemos John. Se van los tengo proyectados cerca de un año de datos. Igual no es recomendable más de más de 600 datos, dado que pueden suceder un poco la serie y sobre esto hallamos una rentabilidad continua.

00:31:16:22 ¿Recordemos que esa rentabilidad se hallan por medio de logaritmos ehh naturales para ehh para que sea más ajustada, vale? Y sobre eso podemos hallar la rentabilidad del portafolio. Y tenemos nuestra rentabilidad esperada, que es simplemente el el promedio. También tenemos nuestro riesgo, tenemos el riesgo relativo, rentabilidades anualizada, que esto ya es de historia y tenemos las participaciones, que es lo que me interesa que veamos en este caso.

00:31:49:05 ¿Vale? Tenemos ehh tenemos las participaciones de de de las acciones. Entonces en este caso vamos a suponer que vamos a invertir el 100% de nuestro portafolio. Si el 100% es lo que lo que vamos a invertir, estamos suponiendo que no hay capital ocioso y que no tenemos apalancamiento tampoco. Entonces vamos a invertir el 100% de nuestras participaciones. ¿Ahora, con esta rentabilidad esperada y con este riesgo y el riesgo relativo, cuál es la mejor decisión?

00:32:21:06 ¿Cómo puedo saber yo que que que es lo mejor? ¿Ehh? ¿En qué acción de invertir más? Esta es una diversificación ingenua. Si, pues está bien. Bueno, al menos diversificando estoy mitigando el riesgo. ¿Pero en dado caso de que yo quiera maximizar mi rentabilidad, que en este caso sería ehh sería la rentabilidad del portafolio o en dado caso de que yo quiera minimizar el riesgo si puedo minimizar el riesgo del portafolio o quiera maximizar mi índice short, cómo lo puedo hacer?

00:32:52:16 ¿Entonces para eso vamos a realizar, vamos, vamos a a realizar optimizaciones, vale? Entonces desde acá podemos realizar una variable objetivo. Entonces en este caso no sé, ehh. Vamos a optimizar el riesgo del portafolio. Vale. Entonces vamos a correr. Optimización a la optimización. No. ¿Qué objetivo vamos a objetivo? En este caso, nos dice cuál es la celda objetivo o 15 y vamos a minimizar el valor de esta celda objetivo.

00:33:15:26 Vale. ¿Ahora, cuáles son nuestras variables de decisión? Nuestras variables de decisión van a ser las participaciones, Vale. Entonces, en este caso, ehh, vamos a decir que son continuas y que el límite inferior es el 0% y que el límite superior es el 100%. ¿Vale?

00:33:47:11 Y vemos que es azul. ¿Recordamos lo verde es simulación de Montecarlo y lo azul son optimizaciones, eh? En este caso puedo irme ehh realizando estas optimizaciones en cada uno de de las variables. Sin embargo, ehh. Pues en este caso sencillo porque son solo cuatro portafolios, pero en dado caso de que yo tenga diez portafolios de diez diez acciones en las cuales invertir o 100 acciones, pues podemos copiar, seleccionamos y pegamos, entonces pegamos los parámetros y variables de decisión.

00:34:19:27 Si. Listo. ¿Y ahí ya cada uno tiene un EHH una optimización que a qué va a afectar? Recordemos al riesgo del portafolio. ¿Vale? Entonces vamos a ir a correr. Optimización. Y acá podemos volver a revisar qué es lo que estamos haciendo. ¿Entonces vamos a minimizar a casi olvido algo, vamos a poner una restricción, vale? Y es, ehh, que es que esta celda.

00:34:44:22 Debe ser igual a uno. Recordemos por lo del apalancamiento. Esta celda debe ser igual a uno también. En este caso podría poner las condiciones de no negatividad, pero ehh. Vamos a realizarlo así. Entonces vamos a realizar una optimización estática. Vale. Como podemos ver acá está realizando las iteraciones sobre los portafolios para que nos minimice el riesgo del portafolio.

00:35:12:05 Entonces vemos que le tomó cerca de ocho iteraciones al software Poder ehh poder ehh, encontrar el valor óptimo. Esto es exactamente lo mismo que hace Solver de una manera más amable, pero pues encontramos que, ehh la que nuestra es nuestra asignación óptima de portafolios debe ser un 50% en PepsiCo, un 43% en Johnson Johnson y un 6% en JPMorgan y un 0%.

00:35:39:22 Entonces sabemos que la acción de Tesla es la más riesgosa. Vale. Pero nosotros también volvemos a lo mismo. Estamos seguros que vamos a tener la misma rentabilidad todo el tiempo. Ehh pues no, las acciones son variables, entonces podemos tomar todos los datos, volver a herramientas analíticas y realizar un ajuste de distribución múltiple. ¿Vale? Vamos a realizar un Kolmogorov Smirnov.

00:36:18:11 Vale. ¿Y qué es lo que vamos a hacer en este caso? Entonces me está diciendo que la mejor distribución de, eh, de de probabilidad es una logística con la variable uno que revisamos con la variable uno. Para la variable dos, la Laplace para la tres es Laplace y para la cuatro es el máximo. Acá sale como variable porque lo tomé directamente desde los datos y no, y no tomé los EH, los encabezados ahí fue un pequeño error, pero pues no es nada grave porque sabemos que lo tenemos ordenado en este caso.

00:36:48:03 Vale. Entonces vamos a dirigirnos a los ajustes de distribución de probabilidad y vamos a copiar y vamos a pegar, vamos a pegar. ¿Entonces, qué es lo que estamos haciendo en este caso? Estamos ya una vez realizamos una distribución, vamos a añadirle incerti B a nuestro por a nuestro portafolio de inversión. ¿Vale? Vamos a copiar. Vamos a pegar de nuevo.

00:37:21:16 Vale. Y última variable. Vale. Y vamos a pegar. Bien. Bien. Ahora ya le asignamos incertidumbre a nuestro modelo. ¿Entonces que? ¿Qué podemos hacer con esa incertidumbre? Vamos de nuevo a correr. Optimización. Vamos al método y podemos realizar con optimización dinámica si vamos a realizar mil pruebas. En este caso, en dado caso que querramos realizar una optimización estocástica, también lo podemos hacer.

00:37:57:03 Entonces la optimización estocástica va a hacer mil pruebas 20 veces ehh para ehh en dado caso de que querramos realizar, vale. En este caso vamos a realizar una optimización dinámica con mil pruebas. Vamos a revisar el objetivo minimizar el valor. Si y vamos a darle Ok. Como podemos ver, primero se están realizando las simulaciones de Montecarlo. Sí. Primero seleccionando el ajuste Distribución que que tiene cada cada una de las variables y sobre el valor esperado es el que va va a arrojar el modelo sobre ese valor esperado.

00:38:25:19 Dada la distribución de probabilidad es que vamos a realizar una optimización de portafolio si estamos brindándonos ante la incertidumbre del mercado por. Por esta razón, aparte de diversificar el el el riesgo por lo cual ehh. ¿Podemos ver que el software es bastante potente y nos permite hacer bastante herramientas, Cuenta con bastantes herramientas ehh para este tipo de análisis vale?

00:38:38:25 Entonces acá vamos a esperar a que termine de generar las las la simulación de Montecarlo. Bien.

00:39:13:24 Listo, Ya la terminó. Y ahora va a realizar la optimización. Sí. Una vez ya se generó. Ya tenemos una distribución de probabilidad. Ehh. Ya se puede generar una. Ehh. Una simulación de un. Una optimización. En este caso nos queda bastante igual. Sí. Pero en dado caso de que lo lo queramos hacer con con que quedó similar. Sin embargo, pues puede cambiar de acuerdo a a la variación de de los portafolios Vale.

00:39:38:08 También con esto, pues en dado caso de que nosotros decidamos, pues en este caso estamos minimizando el riesgo del portafolio, también podemos maximizar la rentabilidad del portafolio, porque digamos que tenemos una rentabilidad negativa. Entonces simplemente es, eh, irnos a correr, optimización y ahora no quiero que me que sea la O 15, sino que sea la 14 y que lo que maximiza es la celda objetivo.

00:40:04:19 Sí. Y vamos a pues ya, ya la realizamos la la dinámica. Entonces podemos realizar una optimización estática. Y ahora quiero que maximice ehh, la rentabilidad del portafolio. Entonces lo más natural es que vayan a una ehh ehh, se vayan a un extremo una acción. Sí, en este caso se elección la que es la más rentable, pero la que cuenta con mayor riesgo.

00:40:35:04 Ehh pero pues ya está en nosotros tomar las decisiones de como afrontamos ehh ese riesgo y pues de nuestro perfil de inversionista con estos. Con estas variaciones también podemos construir la frontera eficiente. Sí. Y y podemos tomar decisiones. Podemos hacer diversificación de portafolios y hacer varios portafolios de acuerdo a cada inversionista. ¿Vale? Lo último que me gustaría mostrar es la herramienta de stats.

00:40:39:14 Vale.

00:41:11:04 Vale, pues estoy abriendo la herramienta de, Ehh de mis stats, que como les contaba es un módulo estadístico ehh, el cual nos va a permitir hacer el el análisis de cuando tenemos variables un poco más robustas, variables, mayor número de variables Ehh, pues desde el módulo Vista stats lo vamos a poder hacer. ¿Vale? ¿Entonces acá voy a cargar un un modelo de ejemplo, vale?

00:41:33:20 Y quiero que vean todos todo lo que podemos realizar desde este módulo que está completamente integrado en el software. No tenemos que dirigirnos a otro software. Como pueden ver, es bastante sencillo hacer las simulaciones. ¿No, no es necesario tener un bastoncito en específico, no? Ehh, no sé si puedes volver a compartir la pantalla. En este momento estamos viendo únicamente el Excel.

00:41:38:28 Ah, okay, Bueno, eh.

00:41:47:20 Si quieres por favor me puedes confirmar si. Bien, Ya. ¿Ahora? Sí. Perfecto. Perfecto.

00:42:16:05 Vale. Bueno, ya en este ya están viendo el el módulo correcto. Ya está bien. Bueno, entonces en. En el caso de como les estaba comentando, ehh. Podemos realizar un análisis un poco más más robustos y. ¿Y que? ¿Y que, Que? Que necesitemos. Como podemos ver, tenemos modelos de inteligencia artificial. A lo que les estaba comentando. Ya, ya, ya recordé.

00:42:44:05 Es que no se necesita ser un programador, no se necesita tener un manejo de de de código para realizar un análisis. Sí. Son casos que nos facilita eh el trabajo y podemos dedicar más tiempo a AR para el análisis y para tomar las decisiones. Y no ehh bueno, simplemente desarrollando un modelo. Entonces como podemos ver tenemos modelos, ehh, modelos de análisis de varianza, modelos ANOVA, pues podemos ver que tenemos modelos.

00:43:17:09 ARIMA Sí. Entonces están realizando las predicciones de los modelos ARIMA también. Ehh que que con con que contamos acá tenemos gráficas en 2D, podemos hacer gráficas de puntos y en este caso es una, mmm, una gráfica de dispersión. Vale. Tenemos gráficas de barras. Tenemos gráficas de, ehh, casi bigotes. Vale. También tenemos gráficos Punch Chart. Sí, tenemos bastantes. Ehh, bastantes herramientas.

00:43:47:17 Son cerca de 260 herramientas. Entonces son más de 260 herramientas que nos van a permitir ampliar nuestro análisis. Sí. Tener un análisis más completo, una visualización más completa de del panorama y pues ehh. En últimas lo que queremos es tomar las mejores decisiones y para hacerlo pues debemos hacerlo con los datos. La única limitación de el módulo en sí, pues de de Simulator es que está limitado a los datos que pueda manejar Excel, que son 1 millón de datos.

00:44:18:06 Ehh y y ya eso es lo eso ehh es el cierre simulator. Como pueden ver es una herramienta bastante sencilla, bastante bastante práctica, que nos permite también entender un poco más como son las las simulaciones y sobre todo cómo las podemos aplicar. ¿Ehh hay alguna pregunta acerca de del software? ¿Eh? Tomamos Muchas gracias. Perdóname Erick. Adelante les gracias.

00:44:39:21 ¿Eh? ¿Has venido contestándolas? ¿Entonces? En este momento no tenemos ninguna. Invitó a los asistentes en este momento. ¿Desean dejar alguna consulta en el chat? Estoy dejando también ehh el enlace por el cual podrán ver la grabación de esta presentación la próxima semana y otros que se han desarrollado con nuestro equipo de instructores también con el apoyo del sorteo.

00:45:10:21 ¿También aprovecho en este momento ehh dejar la encuesta que mencioné al inicio en pantalla para que puedan ir ehh desarrollándola ehh o que? ¿Dale tomas algo que quieras agregar antes de finalizar la sesión? ¿Algún comentario adicional? ¿No? Pues es un software bastante sencillo y yo creo que ehh cumple bastante bien su función que es priorizar ehh priorizar el análisis y no simplemente el desarrollo de de del modelo.

00:45:44:03 Podemos trabajar de de una forma bastante sencilla como creo que se vio en el en en los modelos de ejemplo listo. Perfecto Tomás, muchísimas gracias por tu presentación a nuestros asistentes. Muchas gracias por acompañarnos, por su participación. Esperamos verlos por acá en nuestros próximos eventos, los cuales les mantendremos informados a través de los correos electrónicos. Los invito a dejar sus respuestas en la encuesta y nos veremos en una próxima oportunidad a Tomás y a nuestros asistentes un feliz resto de día y hasta pronto.

00:46:02:11 Chao Tomás. Gracias, Hasta luego Elisa. Muchas gracias. Para mayor información respecto al software o en temas relacionados, no dude en contactarnos a través del correo electrónico, entrenamientos, arroba, software, guion shop punto com o visitar nuestra página web Triple W punto Software Guion shop punto com.