RESOLUCIÓN CASO: EL TESORO MONTECARLOServicios Montecarlo

Angélica María Pineda CardonaClaudia Cristina Sierra GaleanoLuis Gabriel Restrepo CárdenasClaudia Milena Sabogal Serrano

Especialización en Gestión EmpresarialUniversidad Nacional de Colombia

Noviembre, 2012

OBJETIVO DEL CASO

Para el desarrollo del caso se tuvo en cuenta lo siguiente:Definición de distribuciones de probabilidad para las variables mas relevantes.Proyección del flujo de caja para los próximos siete meses.Realización de simulación Montecarlo y análisis de sensibilidad mediante el programa @Risk.

VARIABLES RELEVANTES• Ventas Super Combo• Ventas Expreso• Ventas Corporativos• Cobranzas Rally Alquileres• Cobranzas Corporativas• Cobranzas Taller Epoca• Costos• Otros Egresos

Para definir las distribuciones de probabilidad que mejor seajustan a las bases de datos proporcionadas en el ejercicio, seasumen las siguientes hipótesis:

H0: Los datos se ajustan a la distribución de probabilidad.H1: Los datos no se ajustan a la distribución de probabilidad.

Para rechazar o aceptar la hipótesis se toma como estadísticode prueba la Chi-Cuadrado.

DEFINICION DE DISTRIBUCIONES DE PROBABILIDAD

Super ComboMes -24 435Mes -23 470Mes -22 395Mes -21 425Mes -20 405Mes -19 430Mes -18 395Mes -17 405Mes -16 465Mes -15 420Mes -14 430Mes -13 330Mes -12 450Mes -11 560Mes -10 480Mes -9 475Mes -8 440Mes -7 435Mes -6 435Mes -5 470Mes -4 370Mes -3 480Mes -2 445Mes -1 440Mes -0 480

Distribución 438,6

VARIABLE VENTAS: SUPER COMBO

Dado p-valor = 0,6626 > 0,05, podemos decir que con un 95% de confianza no hay suficiente evidencia estadística para rechazar Ho, por lo cual el numero de vehículos atendidos Super Combo se ajustan a una distribución normal.

VARIABLE VENTAS: SERVICIO EXPRESO ExpresoMes -24 570

Mes -23 605

Mes -22 630

Mes -21 595

Mes -20 580

Mes -19 550

Mes -18 540

Mes -17 570

Mes -16 630

Mes -15 625

Mes -14 635

Mes -13 625

Mes -12 585

Mes -11 675

Mes -10 630

Mes -9 660

Mes -8 530

Mes -7 575

Mes -6 530

Mes -5 640

Mes -4 505

Mes -3 675

Mes -2 585

Mes -1 685

Mes -0 610

Distribución 601,6

Dado p-valor = 0,7358 > 0,05, podemos decir que con un 95% de confianza no hay suficiente evidencia estadística para rechazar Ho, por lo cual el numero de vehículos atendidos Expreso se ajustan a una distribución normal.

VARIABLE VENTAS: CORPORATIVOCorporativo

Mes -24 N/AMes -23 N/AMes -22 N/AMes -21 N/AMes -20 N/AMes -19 N/AMes -18 N/AMes -17 N/AMes -16 N/AMes -15 N/AMes -14 N/AMes -13 N/AMes -12 N/AMes -11 N/AMes -10 35Mes -9 50Mes -8 45Mes -7 50Mes -6 105Mes -5 120Mes -4 105Mes -3 210Mes -2 235Mes -1 225Mes -0 205

Distribución 125,909

Dado p-valor = 0,3657 > 0,05, podemos decir que con un 95% de confianza no hay suficiente evidencia estadística para rechazar Ho, por lo cual el numero de vehículos atendidos Corporativo se ajustan a una distribución normal.

Rally alquileresMes -10 30Mes -9 29Mes -8 28Mes -7 33Mes -6 30Mes -5 30Mes -4 27Mes -3 29Mes -2 30Mes -1 30Mes -0 30

Distribución 29,6364

VARIABLE VENTAS: RALLY ALQUILERES

Dado p-valor = 0,3657 > 0,05, podemos decir que con un 95% de confianza no hay suficiente evidencia estadística para rechazar Ho, por lo cual el historial de cobranzas de Rally Alquileres se ajustan a una distribución normal.

Flotas CorporativasMes -10 28Mes -9 28Mes -8 29Mes -7 31Mes -6 30Mes -5 29Mes -4 31Mes -3 32Mes -2 30Mes -1 28Mes -0 29

Distribución 29,5455

VARIABLE VENTAS: FLOTAS CORPORATIVAS

Dado p-valor = 0,7630> 0,05, podemos decir que con un 95% de confianza no hay suficiente evidencia estadística para rechazar Ho, por lo cual el historial de cobranzas de Flotas Corporativas se ajustan a una distribución normal.

Taller épocaMes -10 65Mes -9 61Mes -8 55Mes -7 60Mes -6 58Mes -5 59Mes -4 60Mes -3 60Mes -2 56Mes -1 58Mes -0 63

Distribución 59,5455

VARIABLE VENTAS: TALLER ÉPOCA

Dado p-valor = 0,7630> 0,05, podemos decir que con un 95% de confianza no hay suficiente evidencia estadística para rechazar Ho, por lo cual el historial de cobranzas de Taller Época se ajustan a una distribución normal.

VARIABLE INSUMOS: COSTOS

Dado p-valor = 0,8098> 0,05, y que este es el mayor de todas las distribuciones de probabilidad, podemos decir que con un 95% de confianza no hay suficiente evidencia estadística para rechazar Ho, por lo cual los costos se ajustan a una distribución weibull.

VARIABLE: OTROS EGRESOS

Dado p-valor = 0,8449> 0,05, y que este es el mayor de todas las distribuciones de probabilidad, podemos decir que con un 95% de confianza no hay suficiente evidencia estadística para rechazar Ho, por lo cual los otros egresos se ajustan a una distribución normal.

Una vez definidas las distribuciones de probabilidad de cada una de las variables relevantes, se procede a realizar el flujo de caja, en donde es importante rescatar que se asumió que los intereses generados en el banco por los excedentes de dinero son contabilizados directamente en la caja.

FLUJO DE CAJA PROYECTADO (7 MESES)

Teniendo definido el modelo financiero, se procede a realizar la simulación Montecarlo con 1.000 iteraciones para analizar el comportamiento del flujo de caja en los siete meses proyectado, utilizando el software @Risk.

Los resultados obtenidos se muestran a continuación:

Existe una probabilidad del 95% que la caja para el mes 1 sea negativa, alcanzando un valor mínimo de $-14.09MM

La variable que hace mas sensible la caja es las ventas de Súper Combo. Los otros egresos y las cobranzas de Rally Alquileres tiene una relación inversa con el flujo de caja.

ANÁLISIS DE LA SIMULACIÓN MONTECARLO

El análisis anterior se realiza para todos los meses, en donde se concluye que con mas de un 90% de probabilidad la empresa va generar un deficit, para los primeros cuatro meses, y su variable mas significativa son las ventas Super Combo, como se muestra a continuación:

Con base en los resultados anteriores, y teniendo en cuenta los percentiles arrojados por el programa, la empresa debería asumir la línea de crédito por 2.300.000 para cubrir el posible déficit con una confianza del 75% cumpliendo con el rango del 70% al 90% de confianza definido en el enunciado del caso.

LÍNEA DE CRÉDITO

Asumiendo el endeudamiento financiero, el flujo de caja de la compañía luce de la siguiente manera:

FLUJO DE CAJA – LÍNEA DE CRÉDITO