Decisiones de inversión bajo riesgo

En las decisiones de inversión el decisor o el gerente no esta preocupado solamente por los resultados, sino también con la cantidad de riesgo que cada decisión acarrea. ¿Qué probabilidad hay de que el Valor Presente Neto del proyecto sea negativo? A esto es lo que se trata de responder con el desarrollo de modelos probabilísticos.

 A finales de siglo y comienzo del siglo XXI, los economistas, analistas de negocios y planificadores financieros han reconocido el impacto crítico de la incertidumbre en la toma de decisiones, formulación de estrategias competitivas y planes financieros. De manera que estos profesionales tienen buenas razones para pensar que el estudio de teoría de probabilidades puede ser una herramienta en el entrenamiento de estudiantes en economía y negocios. Pero los enfoques tradicionales para la enseñanza de probabilidades y las formulación de problemas y las decisiones prácticas que ellos deben enfrentar en sus carreras, están desconectadas de la realidad.

Esta desconexión ocurre porque las formulaciones que se aplican tradicionalmente en probabilidad básica son difíciles de aplicar a problemas de mas de dos variables y el nivel de abstracción necesario no permite la transparencia en la comprensión de los problemas y su solución. La clave en estos documentos es transmitir el conocimiento envuelto en la construcción de modelos que permita evaluar la incertidumbre de una manera clara, transparente e intuitiva; y usando procedimientos prácticos y herramientas como Excel ®   SIMULAR®, Crystal Ball® y RiskSimulator®.

El concepto de probabilidad ocupa un lugar importante en el proceso de toma de decisiones bajo riesgo, ya sea que el problema es enfrentado en una compañía, en el gobierno, en las ciencias sociales, o simplemente en nuestra vida diaria.

En muy pocas situaciones de toma de decisiones existe información perfectamente disponible – todos los hechos necesarios.- La mayoría de las decisiones son hechas de cara a la incertidumbre. La probabilidad entra en el proceso representando el rol de sustituto de la certeza – un sustituto para el conocimiento completo.

Inversiones, riesgo e incertidumbre-Parte 1

La cuantificación del riesgo en proyectos de inversión ha sido una de las preocupaciones centrales de los profesionales en finanzas, por la necesidad cada vez más creciente de responder a regulaciones nacionales e internacionales y mejorar continuamente los procesos de toma de decisiones.

Estos dos conceptos a veces aparecerán distinguidos o solapados en la literatura financiera, ya que existen varias visiones  sobre los dos términos.

Sánchez Inocencio T. (1994), nos muestra un concepto intuitivo y práctico del riesgo, definiéndolo como la probabilidad de que ocurran acontecimientos favorables o desfavorables asociados con los rendimientos, los flujos de efectivos, el valor de un activo o un proyecto de inversión.

Canada John R. (1997), junto con otros co-autores establecen como distinción clásica entre riesgo e incertidumbre, el que un elemento o análisis implica riesgo si se conocen los resultados alternativos posibles, mientras que en la incertidumbre se desconoce la distribución de frecuencia de los resultados posibles.

El mismo autor señala, que otra distinción menos restrictiva entre riesgo e incertidumbre es que el riesgo es la dispersión de la distribución de la probabilidad del elemento que se está estimando o de (de los) resultado(s) calculado(s) que se están considerando, en tanto que la incertidumbre es el grado de falta de confianza de que la distribución de la probabilidad estimada sea correcta.

Vélez Pareja, Ignacio, (2003)- define la incertidumbre como aquella situación donde se pueden determinar los eventos posibles y no es previsible asignarle probabilidades. En cuanto al riesgo, lo define como, además de prever los posibles resultados futuros asociados a una alternativa, es posible asignar probabilidades a cada uno de ellos, se dice que se encuentra ante una situación bajo riesgo.

Bajo este concepto, el riesgo está asociado al conocimiento de la distribución de probabilidad de las variables que componen el modelo, tanto en las variables de entrada al sistema (Precio, cantidad, por ejemplo) como en las  variables de salida o resultado, (en este caso Ingreso por Venta).

Los pronosticadores meteorológico, por ejemplo, basan sus modelos en probabilidades, la combinación de eventos del ambiente, como alta concentración de nubes, combinados con presión y temperatura, conforman todo un conjunto de información que permite asignar al evento una alta probabilidad de lluvia, (riesgo de lluvia).