El análisis de escenarios evalúa el valor esperado de una inversión o actividad comercial propuesta. La media estadística es el evento de mayor probabilidad esperado en una situación determinada. Al crear varios escenarios que pueden ocurrir y combinarlos con la probabilidad de que ocurran, un analista puede determinar mejor el valor de una inversión o empresa comercial y la probabilidad de que el valor esperado calculado realmente ocurra.

La determinación de la distribución de probabilidad de una inversión es igual a la determinación del riesgo inherente a esa inversión. Al comparar el rendimiento esperado con el riesgo esperado y superponerlo con la tolerancia al riesgo del inversor, es posible que pueda tomar mejores decisiones sobre si invertir en una posible empresa comercial. Este artículo presentará algunos ejemplos simples de varias formas de realizar análisis de escenarios y proporcionar razones para su uso. (Para obtener más información sobre distribuciones de probabilidad, lea Encuentre el ajuste correcto con distribuciones de probabilidad .)

Descripción general
Se requieren datos históricos de rendimiento para proporcionar una idea de la variabilidad del rendimiento de una inversión y ayudar los inversores entienden el riesgo que han corrido los accionistas en el pasado. Al examinar los datos de rendimiento periódicos, un inversor puede obtener información sobre el riesgo pasado de una inversión. Por ejemplo, dado que la variabilidad equivale al riesgo, una inversión que proporcionó el mismo rendimiento cada año se considera menos riesgosa que una inversión que proporcionó rendimientos anuales que fluctuaron entre negativa y positiva. Aunque ambas inversiones pueden proporcionar el mismo rendimiento general para un horizonte de inversión dado, los rendimientos periódicos demuestran los diferenciales de riesgo en estas inversiones. (Para obtener más información, lea Medir el rendimiento de su cartera .)

Las estrictas regulaciones sobre el cálculo y la presentación de los rendimientos anteriores garantizan la comparabilidad de la información de retorno entre los valores, los administradores de inversiones y los fondos. Sin embargo, el rendimiento pasado no proporciona ninguna garantía sobre el riesgo o rendimiento futuro de una inversión. El análisis de escenarios intenta comprender el perfil de riesgo / rendimiento potencial de una empresa. Al realizar un análisis de estimaciones pro forma múltiples para una empresa determinada y denotar una probabilidad para cada escenario, se comienza a crear una distribución de probabilidad (perfil de riesgo) para esa empresa comercial en particular.
Ejemplos
El análisis de escenarios se puede aplicar de muchas maneras. El método más típico es realizar análisis de múltiples factores (modelos que contienen múltiples variables) de las siguientes maneras:

• Creación de un número fijo de escenarios
  • Determinación de la dispersión alta - baja
  • Creación de escenarios intermedios
• Análisis factorial aleatorio
  • Numerosos hasta infinitos escenarios
  • Monte Carlo Análisis

Muchos analistas crearán un modelo multivariante (un modelo con múltiples variables), conectarán su mejor estimación para el valor de cada variable y obtendrán un valor pronosticado.La media de cualquier distribución de probabilidad es la que tiene la mayor probabilidad de ocurrencia. Al usar un valor para cada variable que se espera que sea el más probable, el analista de hecho está calculando el valor medio de la distribución potencial de los valores potenciales. Aunque la media tiene valor informativo, como se indicó anteriormente, no muestra ninguna variación potencial en los resultados.

El análisis de riesgos se refiere a tratar de determinar la probabilidad de que un resultado futuro sea distinto al valor medio. Una forma de mostrar la variación es calcular una estimación de los resultados extremos y los menos probables en el lado positivo y negativo de la media. El método más simple para pronosticar los resultados potenciales de una inversión o empresa es producir un caso al alza y una baja para cada resultado y luego especular la probabilidad de que ocurra. La Figura 1 utiliza un método de tres escenarios que evalúa un caso base (B) (valor medio), un caso al alza (U) y un caso negativo (D).

Figura 1

Por ejemplo, un análisis simple de dos factores:
Valor V = Variable A + Variable B, donde cada valor de variable no está restringido.

Al asignar dos valores extremos positivos y negativos para A y B, obtendríamos nuestros tres valores de escenario. Al asignar la probabilidad de ocurrencia, supongamos:
50% para el valor (B) = 200
25% para el valor (U) = 300
25% para el valor (D) = 1 00 > Al asignar probabilidades, la suma de las probabilidades asignadas debe ser igual al 100%. Al graficar estos valores y sus probabilidades podemos inferir una distribución de probabilidad más bien cruda (la distribución de todos los valores calculados y la probabilidad de que esos valores ocurran). Al formar los casos al alza y a la baja, comenzamos a comprender otros posibles resultados de rendimiento, pero hay muchos otros resultados potenciales dentro del conjunto limitados por el extremo alcista y el lado negativo ya estimados.

La Figura 2 presenta un método para determinar el número fijo de resultados entre los dos extremos. Suponiendo que cada variable actúa de manera independiente, es decir, su valor no depende del valor de ninguna otra variable, podemos llevar a cabo un caso al alza, a la base y a la baja para cada variable. En el modelo simplista de dos factores, este tipo de análisis daría como resultado un total de nueve resultados. Un modelo de tres factores que use tres resultados potenciales para cada variable terminaría con 27 resultados, y así sucesivamente. La ecuación para determinar el número total de resultados usando este método es igual a
( Y X ⁾ , donde Y = el número de escenarios posibles para cada factor y X = el número de factores en el modelo. (Para obtener más información, consulte Modern Portfolio Theory Stats Primer .) Figure 2

En la figura 2, hay nueve resultados, pero no nueve valores separados. Por ejemplo, el resultado para BB podría ser igual al resultado DU o UD. Para finalizar este estudio, el analista asignaría las probabilidades para cada resultado y luego agregaría esas probabilidades para cualquier valor similar.Es de esperar que el valor correspondiente a la media, en este caso BB, aparezca la mayoría de las veces, ya que la media es el valor con mayor probabilidad de ocurrir. La frecuencia de los valores similares que ocurren aumenta la probabilidad de ocurrencia. Cuantas más veces no se repitan los valores, especialmente el valor medio, mayor es la probabilidad de que los rendimientos futuros sean distintos de la media. Cuantos más factores tenga uno en un modelo y cuantos más escenarios de factores incluya, más se calcularán los valores potenciales de los escenarios, lo que dará como resultado un análisis sólido y una visión del riesgo de una posible inversión.

Inconvenientes del análisis de escenarios

El mayor inconveniente para estos tipos de análisis de resultados fijos son las probabilidades estimadas y los conjuntos de resultados limitados por los valores de los eventos extremos positivos y negativos. Aunque pueden ser eventos de baja probabilidad, la mayoría de las inversiones o carteras de inversiones tienen el potencial de rendimientos positivos y negativos muy altos. Los inversionistas deben recordar que, aunque no ocurren con frecuencia, estos eventos de baja probabilidad suceden y es el análisis de riesgo el que ayuda a determinar si estos eventos potenciales están dentro de la tolerancia al riesgo de un inversor. (Para lecturas relacionadas, vea
Personalizar la tolerancia al riesgo y La tolerancia al riesgo solo cuenta la mitad de la historia .) Un método para eludir los problemas inherentes a los ejemplos anteriores es ejecutar un extremo número de ensayos de un modelo multivariado. El análisis factorial aleatorio se completa ejecutando miles e incluso cientos de miles de pruebas independientes con una computadora para asignar valores a los factores de forma aleatoria. El tipo más común de análisis aleatorio de factores se denomina análisis "Monte Carlo", donde los valores de los factores no se estiman, sino que se eligen aleatoriamente a partir de un conjunto delimitado por la distribución de probabilidad propia de las variables. (Para obtener más información sobre este análisis, lea

Introducción a la simulación de Monte Carlo .) Conclusión

Los estándares establecidos para informar el rendimiento de la inversión aseguran que los inversores reciban el perfil de riesgo (variabilidad del rendimiento) para el rendimiento pasado de las inversiones. Debido a que el desempeño anterior no tiene ninguna relación con el riesgo o el rendimiento futuro, depende del inversor o de los propietarios del negocio determinar el riesgo futuro de sus inversiones mediante la creación de modelos pro-forma. El resultado de cualquier pronóstico solo producirá el valor esperado o medio de esa iniciativa; el resultado que el analista cree que tiene la mayor probabilidad de ocurrencia. Al realizar un análisis de escenarios, un inversor puede generar un perfil de riesgo para una inversión pronosticada y crear una base para comparar posibles inversiones.