El resumen analiza un caso sobre las proyecciones financieras de Servicios Montecarlo durante los próximos 7 meses. Se definen distribuciones de probabilidad para variables clave como ventas y costos usando pruebas estadísticas. Luego se realiza una simulación Monte Carlo que muestra una alta probabilidad de déficit en los primeros 4 meses. Por lo tanto, la empresa debería obtener una línea de crédito por $2,300,000 para cubrir posibles déficits con un 75% de confianza.

1. RESOLUCIÓN CASO: EL TESORO MONTECARLO
Servicios Montecarlo
Angélica María Pineda Cardona
Claudia Cristina Sierra Galeano
Luis Gabriel Restrepo Cárdenas
Claudia Milena Sabogal Serrano
Especialización en Gestión Empresarial
Universidad Nacional de Colombia
Noviembre, 2012

2. OBJETIVO DEL CASO

3. 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.

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

5. DEFINICION DE DISTRIBUCIONES DE
PROBABILIDAD
Para definir las distribuciones de probabilidad que mejor se
ajustan a las bases de datos proporcionadas en el ejercicio, se
asumen 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 estadístico
de prueba la Chi-Cuadrado.

6. Super Combo
VARIABLE VENTAS: SUPER COMBO Mes -24 435
Mes -23 470
Mes -22 395
Dado p-valor = 0,6626 > 0,05, podemos decir que con un 95% de Mes -21 425
Mes -20 405
confianza no hay suficiente evidencia estadística para rechazar Mes -19 430
Ho, por lo cual el numero de vehículos atendidos Super Combo se Mes -18
Mes -17
395
405
ajustan a una distribución normal. Mes -16 465
Mes -15 420
Mes -14 430
Mes -13 330
Mes -12 450
Mes -11 560
Mes -10 480
Mes -9 475
Mes -8 440
Mes -7 435
Mes -6 435
Mes -5 470
Mes -4 370
Mes -3 480
Mes -2 445
Mes -1 440
Mes -0 480
Distribución 438,6

7. Expreso
VARIABLE VENTAS: SERVICIO EXPRESO Mes -24 570
Mes -23 605
Dado p-valor = 0,7358 > 0,05, podemos decir que con un 95% de Mes -22
Mes -21
630
595
confianza no hay suficiente evidencia estadística para rechazar Mes -20 580
Mes -19 550
Ho, por lo cual el numero de vehículos atendidos Expreso se Mes -18 540
ajustan a una distribución normal. 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

8. VARIABLE VENTAS: CORPORATIVO
Corporativo
Mes -24 N/A
Dado p-valor = 0,3657 > 0,05, podemos decir que con un 95% de Mes -23 N/A
confianza no hay suficiente evidencia estadística para rechazar Mes -22
Mes -21
N/A
N/A
Ho, por lo cual el numero de vehículos atendidos Corporativo se Mes -20 N/A
Mes -19 N/A
ajustan a una distribución normal. Mes -18 N/A
Mes -17 N/A
Mes -16 N/A
Mes -15 N/A
Mes -14 N/A
Mes -13 N/A
Mes -12 N/A
Mes -11 N/A
Mes -10 35
Mes -9 50
Mes -8 45
Mes -7 50
Mes -6 105
Mes -5 120
Mes -4 105
Mes -3 210
Mes -2 235
Mes -1 225
Mes -0 205
Distribución 125,909

9. 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
Rally alquileres
ajustan a una distribución normal. Mes -10 30
Mes -9 29
Mes -8 28
Mes -7 33
Mes -6 30
Mes -5 30
Mes -4 27
Mes -3 29
Mes -2 30
Mes -1 30
Mes -0 30
Distribución 29,6364

10. VARIABLE VENTAS: FLOTAS CORPORATIVAS
Dado p-valor = 0,7630> 0,05, podemos decir que con un 95% de
Flotas Corporativas
confianza no hay suficiente evidencia estadística para rechazar Mes -10 28
Ho, por lo cual el historial de cobranzas de Flotas Corporativas se Mes -9 28
Mes -8 29
ajustan a una distribución normal. Mes -7 31
Mes -6 30
Mes -5 29
Mes -4 31
Mes -3 32
Mes -2 30
Mes -1 28
Mes -0 29
Distribución 29,5455

11. 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 Taller época
a una distribución normal. Mes -10 65
Mes -9 61
Mes -8 55
Mes -7 60
Mes -6 58
Mes -5 59
Mes -4 60
Mes -3 60
Mes -2 56
Mes -1 58
Mes -0 63
Distribución 59,5455

12. 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.

13. 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.

14. 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.

15. FLUJO DE CAJA PROYECTADO (7 MESES)

16. 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:

17. ANÁLISIS DE LA SIMULACIÓN MONTECARLO
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.

18. 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:

22. LÍNEA DE CRÉDITO
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.

23. FLUJO DE CAJA – LÍNEA DE CRÉDITO
Asumiendo el endeudamiento financiero, el flujo de caja de la compañía luce
de la siguiente manera: