Professional Documents
Culture Documents
Trabajo Fin de Grado presentado por Angustias Rejano Mrquez, siendo la tutora del
mismo la profesora Asuncin Zapata Reina.
V. B. De la Tutora:
Alumna:
TTULO:
APLICACIONES DE LA PROGRAMACIN LINEAL EN LAS FINANZAS
AUTORA:
ANGUSTIAS REJANO MRQUEZ
TUTORA:
ASUNCIN ZAPATA REINA
DEPARTAMENTO:
ECONOMA APLICADA III
REA DE CONOCIMIENTO:
MTODOS CUANTITATIVOS PARA LA ECONOMA Y LA EMPRESA
RESUMEN:
La programacin lineal es una tcnica de investigacin operativa que se utiliza como
herramienta en la toma de decisiones. Por su sencillez se emplea frecuentemente para
modelizar una gran variedad de problemas reales de diversos mbitos en los que
intervienen gran cantidad de variables.
En el rea financiera, la gestin de una cartera de inversin supone tomar
decisiones acerca de en qu invertir y cunto invertir, por lo que la programacin lineal
se presenta como un instrumento til tanto para la creacin de la cartera como para su
valoracin.
En este trabajo se realiza un estudio de la programacin lineal en las finanzas,
centrndonos en el rea financiera y en la modificacin que hicieron Konno y
Yamazaki (1991) del modelo de seleccin de carteras de Markowitz (1952).
PALABRAS CLAVE:
Programacin lineal; Optimizacin; Cartera; Rentabilidad; Riesgo.
NDICE
1. INTRODUCCIN...............................................................................................................................................................................................................................3
2. RESEA HISTRICA DE LA PROGRAMACIN LINEAL ........................................................................................5
2.1. HISTORIA DE LA PROGRAMACIN LINEAL ...........................................................................................5
3. CONCEPTOS Y RESULTADOS BSICOS DE PROGRAMACIN LINEAL .............................7
3.1. DEFINICIN Y CARACTERSTICAS.........................................................................................................................7
3.2. PLANTEAMIENTO DE UN PROBLEMA DE PROGRAMACIN LINEAL ....7
3.2.1. Formulacin cannica ..................................................................................................................................................8
3.2.2. Formulacin estndar...................................................................................................................................................8
3.2.3. Regin factible. Solucin factible ..............................................................................................................8
3.3. RESULTADOS BSICOS ..............................................................................................................................................................9
3.4. UN EJEMPLO .....................................................................................................................................................................................................9
3.5. MTODO GRFICO ...............................................................................................................................................................................9
4. ALGORITMO DE RESOLUCIN: SIMPLEX .............................................................................................................................. 11
4.1. MTODO SIMPLEX ............................................................................................................................................................................ 11
4.2. ALGORITMO DE RESOLUCIN DE PROBLEMAS ................................................................... 12
4.2.1. Introduccin de variables................................................................................................................................... 12
4.2.2. Fase I .................................................................................................................................................................................................. 12
4.2.3. Fase II ................................................................................................................................................................................................ 14
5. LINGO ............................................................................................................................................................................................................................................................. 17
5.1. DESCRIPCIN............................................................................................................................................................................................ 17
5.2. OPERATIVA DE LINGO .............................................................................................................................................................. 17
5.3. OPTIMIZACIN DE LA RENTABILIDAD CON MLTIPLES VARIABLES19
6. APLICACIONES............................................................................................................................................................................................................................. 23
6.1. APLICACIN AL MARKETING........................................................................................................................................ 23
6.1.1. Eleccin de soportes publicitarios ...................................................................................................... 23
6.1.2. Investigacin de mercados............................................................................................................................. 23
6.2. APLICACIN A LA PRODUCCIN.......................................................................................................................... 24
6.2.1. Produccin en el sector aeronutico.............................................................................................. 24
6.2.2. Produccin agrcola .................................................................................................................................................... 24
6.3. APLICACIN A LA ASIGNACIN DE TAREAS ................................................................................ 25
6.3.1. Aplicacin al sector servicios ..................................................................................................................... 25
-I-
-II-
CAPTULO 1
INTRODUCCIN
La programacin lineal es una herramienta de investigacin operativa ampliamente
desarrollada desde sus inicios a mediados del siglo XX. Puede sealarse 1947 como
un ao clave en su desarrollo, gracias a Dantzig y su mtodo del simplex.
Dentro de la programacin matemtica es de sealar la ventaja que supone la
linealidad de las funciones desde una doble vertiente. Por una parte, debido a la
peculiaridad de las funciones lineales se verifican propiedades que facilitan la
resolucin de dichos problemas y, por otra, el desarrollo de los ordenadores ha
permitido la proliferacin de paquetes informticos que proporcionan la resolucin de
estos problemas. Actualmente pueden resolverse problemas complejos con mltiples
variables con un ordenador personal y software gratuito descargado de internet.
El gran nmero de trabajos publicados que hacen uso de la programacin lineal,
pone de manifiesto la potencialidad y aplicabilidad de esta tcnica matemtica. Las
investigaciones realizadas apoyndose en la programacin lineal se encuadran en
muchos sectores, tales como marketing, produccin, logstica, mezclas y por supuesto,
las finanzas. Pero es en el sector financiero en el que basamos el estudio realizado en
este trabajo, puesto que la reduccin de costes y la consecucin de la mxima
rentabilidad es el objetivo de las empresas de cualquier sector. Algunos ejemplos de
sus aplicaciones en el rea empresarial son:
-3-
-4-
TFG-FICO.
FICO. Aplicaciones de la programacin lineal en las finanzas
CAPTULO 2
RESEA HISTRICA DE LA PROGRAMACIN LINEAL
2.1. HISTORIA DE LA PROGRAMACIN LINEAL
La programacin lineal
ineal tiene su origen en los siglos XVII y XVIII. En estos siglos ya hay
datos que confirman que ilustres matemticos, como Bernoulli, Newton y Leibniz,
investigan sobre cmo aplicar restricciones a funciones lineales. Tambin Lagrange
hizo importantes aportaciones
ortaciones con el descubrimiento del mtodo de los
multiplicadores, que resuelve problemas condicionados.
Excepto por algunos
unos estudios realizados por el matemtico francs Gaspard Monge
que ide los antecedentes del mtodo grfico con el desarrollo de
d la geometra
descriptiva en 1776
76 y Jean Baptiste Joseph Fourier, que desarroll el mtodo de
eliminacin Forier-Motzkin
Motzkin en
en 1826, aproximndose as a la programacin lineal,
l
no es
hasta ms adelante cuando es investigada con mayor relevancia.
Tambin Gyula Farkas, matemtico hngaro en 1902 hizo importantes
contribuciones, ya que cre un procedimiento para resolver sistemas de inecuaciones.
D. Bernoulli
-5-
G.B. Dantzig
TFG-FICO.
FICO. Aplicaciones de la programacin lineal en las finanzas
poblacin los recursos de que dispona la nacin, que tras la guerra eran escasos.
Para dar solucin a este problema, de gran complejidad, se aplicaron modelos de
optimizacin y con ello se consigui
con gui el mejor racionamiento de los recursos existentes.
Adems, en 1947, el matemtico hngaro
hngaro John Von Neumann, acerc la
programacin lineal
ineal a la teora de matrices, comparando
do ambas en un estudio y
desarrolla la teora de juegos, en la que la programacin lineal
lineal interviene para hallar la
estrategia ptima a seguir. De esta teora public Theory of games and economic
behavior en 1944.
mtico ruso llamado Leonid Khachiyan dise el algoritmo del
En 1979 un matemtico
Elipsoide, con el cual demostr que se podan
poda resolver problemas de programacin
lineal en tiempo polinomial.
En 1984 el matemtico hind Narendra Karmakar,
consigui un mtodo de resolucin
n similar al mtodo
simplex.
implex. Este nuevo algoritmo, llamado Karmakar, es
usado cuando existen muchas variables, reduciendo
el nmero de iteraciones necesarias para hallar la
solucin ptima.
Paralelamente a estas investigaciones, a lo
largo de la historia, se han desarrollado tcnicas
N.Karmakar
informticas que permiten resolver los problemas de
programacin lineal.
ineal. Es a partir de la dcada de los cuarenta, cuando se consiguen
consig
los
avances ms importantes. Los programas informticos facilitan las investigaciones y el
desarrollo
llo de problemas que antes, por su complejidad,
lejidad, eran prcticamente
irresolubles.
-6-
CAPTULO 3
CONCEPTOS Y RESULTADOS BSICOS DE
PROGRAMACIN LINEAL
3.1. DEFINICIN Y CARACTERSTICAS
La programacin lineal es una rama de la investigacin operativa que se encarga del
estudio de los problemas de optimizacin en el que todas las funciones que
intervienen son lineales.
Todo problema de programacin lineal debe verificar los siguientes supuestos:
Divisibilidad: Las variables de decisin son continuas, por lo tanto, pueden tomar
cualquier valor positivo o cero.
Proporcionalidad (linealidad): La aportacin de cada actividad al valor de la
funcin objetivo z es proporcional al nivel de la actividad xj como lo representa el
trmino cj xj en la funcin objetivo.
Aditividad: Dados los niveles de actividad, el uso total de cada recurso y el valor
resultante de z deben igualar la suma correspondiente a las cantidades generadas
por el valor de cada actividad.
No negatividad: Rara vez tiene sentido hablar de niveles negativos de actividad,
por lo que las variables se consideran positivas o nulas.
Certidumbre: Todos los coeficientes cj de la funcin objetivo han de ser conocidos.
As como los trminos independientes de las restricciones bi y los coeficientes de
las restricciones o coeficientes tcnicos aij. En los problemas reales esta condicin
no se cumple por completo, ya que al trabajar con previsiones se introduce cierto
grado de incertidumbre.
3.2. PLANTEAMIENTO DE UN PROBLEMA DE PROGRAMACIN LINEAL
Un problema de programacin lineal con m restricciones y n variables, se representa:
Max
s.a.
c1 x1 + c 2 x 2 + . ... + c n x n = z
a11 x1 + a12 x 2 + . ... + a1n x n b1
a 21 x1 + a 22 x 2 + . ... + a 2 n x n b2
M
a m1 x1 + a m 2 x 2 + . ... + a mn x n bm
x1 , x 2 ,. ..., x n 0
-7-
Max
s.a.
ct x
Ax b
x
donde c, x R n , A M mxn , b R m .
3.2.1. Formulacin cannica
Un problema lineal puede formularse de formas diferentes: como un problema de
maximizacin o de minimizacin, con restricciones de desigualdad o de igualdad, o
con una mezcla de ellas. Se denomina formulacin cannica a:
Max
s.a.
ct x
Ax b
x
Min c t x
s.a. Ax b
x
Max ( Min ) c t x
s .a . Ax = b
x
-8-
3.4. UN EJEMPLO
Una empresa dispone de 50 000 para invertir. En una entidad financiera le
aconsejan diversificar el riesgo, por lo que le proponen invertir en bonos que, en ese
momento, ofrecen una rentabilidad del 0,25% y en acciones, con una rentabilidad del
4,5%. Adems decide que quiere invertir como mnimo 20 000 en bonos y como
mximo 15 000 en acciones, teniendo en cuenta el riesgo inherente a este producto.
De este modo, el planteamiento del problema es el siguiente:
Primero se definen las variables de decisin. Para ello definimos la cantidad a
invertir en Bonos del estado como x y a la invertida en acciones como y.
El segundo paso es plantear la funcin objetivo. En este ejemplo se desea
encontrar la solucin de cunto invertir en cada uno de los activos, al tipo de inters
que ofrece el mercado, para as obtener la mxima rentabilidad posible. Para ello hay
que maximizar la funcin objetivo.
En tercer lugar, se deben cumplir una serie de restricciones. En este ejemplo son
limitaciones en la cuanta a invertir en cada activo. En bonos, como tienen poco riesgo
se desea invertir como mnimo 20 000 y en acciones, al tener un riesgo bastante
ms elevado, como mximo se invierten 15 000 . Por supuesto, las variables han de
ser no negativas x, y 0. Por tanto, el problema a resolver es:
-9-
-10-
CAPTULO 4
ALGORITMO DE RESOLUCIN: SIMPLEX
4.1. MTODO SIMPLEX
Como se describe anteriormente en este trabajo, el creador del mtodo simplex fue
George Dantzig en 1947. Siendo empleado para la asignacin de recursos escasos
durante la Segunda Guerra Mundial, hoy da es ampliamente utilizado por su eficiencia
en la consecucin de resultados. Excepto para problemas pequeos, se ejecuta
siempre con programas informticos.
Sea el problema de optimizacin
t
Max c x
S.a. Ax =b
x0
La matriz A puede escribirse como A = [B, N] donde B es una matriz cuadrada de
orden m tal que |B|0, luego, B-1, y x = (xB,xN)t
Por tanto, el sistema de ecuaciones Ax =b es BxB + NxN =b
Se dice que x es una solucin bsica factible asociada a la base B si verifica que xN=0
Las variables xB se denominan variables bsicas y xN, variables no bsicas.
Entonces, el sistema de ecuaciones queda BxB = b es decir, xB= B-1 b 0
El mtodo simplex es un algoritmo de resolucin de problemas de programacin
lineal que, a travs de una serie de procedimientos matemticos, permite resolver
problemas que pueden ser tanto de maximizar como de minimizar una funcin objetivo
sujeta a un conjunto de restricciones. Se basa en una serie de actuaciones repetitivas
o iteraciones, y cuyos resultados son soluciones bsicas factibles. Cada iteracin
realizada nos va acercando cada vez ms al ptimo, desplazndose por las aristas del
poliedro hasta el ptimo global. Para realizar estos pasos se dispone de las tablas del
mtodo simplex, aplicando en estas el lgebra de matrices.
Para un problema de maximizacin la tabla es la siguiente.
CB
CB
CN
-1
I=B B
B-1N
B-1b
ctB B-1b
-11-
x3+
x2+
x6 = 20000
x4
x1+x2+
=15000
x5
=50000
Para comenzar con el mtodo simplex, como en la primera restriccin se tiene una
variable artificial, debemos realizar una primera fase para averiguar si obtendremos
una solucin factible. Esto se hace insertando una funcin auxiliar, en la que se
minimizan las variables artificiales.
-12-
Min x6
S.a. x1- x3+ x6= 20000
x2+ x4=15000
x1+x2+x5=50000
x1, x2, x3, x4, x5, x6 0
O bien para maximizar:
Max - x6
S.a. x1- x3+ x6= 20000
x2+ x4=15000
x1+x2+x5=50000
x1, x2, x3, x4, x5, x6 0
De este modo, la primera tabla es la siguiente:
Tabla 1
-1
Base
CB
P1
P2
P3
P4
P5
P6
XB
P4
15000
P5
50000
P6
-1
-1
20000
-1
Z= 20000
CJ - ZJ
-13-
Tabla 2
-1
Base
CB
P1
P2
P3
P4
P5
P6
XB
P1
-1
20000
P4
15000
P5
-1
30000
-1
Z= 0
CJ - ZJ
Figura 4.3. Fase I Algoritmo simplex. Tabla II. Mtodo de la doble fase.
Fuente: Elaboracin propia
De este modo, se ha obtenido una solucin bsica factible inicial para el problema de
inversin.
4.2.3. Fase II
El siguiente paso es preparar la tabla para la fase II, eliminando la funcin objetivo
auxiliar y volviendo a calcular la ltima fila CJ - ZJ como en la primera tabla.
En esta fase se resuelve el problema con el mtodo simplex, a partir de la solucin
bsica factible hallada en la fase I.
Tabla 3
0.0025
0.045
Base
CB
P1
P2
P3
P4
P5
XB
P1
0.0025
-1
20000
P4
15000
P5
30000
0.045
0.0025
Z= 50
CJ - ZJ
Figura 4.4. Fase II Algoritmo simplex. Tabla III. Mtodo de la doble fase.
Fuente: Elaboracin propia
Para obtener la solucin ptima, debe cumplirse que los valores CJ - ZJ deben ser
menores o iguales que cero. Por tanto, esta solucin no es ptima.
Siguiendo con el mismo procedimiento de resolucin, la fila pivote es P4 y la
columna pivote P2, y por tanto el elemento pivote es 1. As se obtiene la siguiente
tabla.
-14-
Tabla 4
0.0025
0.045
Base
CB
P1
P2
P3
P4
P5
XB
P1
0.0025
-1
20000
P2
0.045
15000
P5
-1
15000
-0.0025
0.045
Z= 725
CJ - ZJ
Figura 4.5. Fase II Algoritmo simplex. Tabla IV. Mtodo de la doble fase.
Fuente: Elaboracin propia
En esta tabla la fila pivote es P5 y la columna pivote es P3. El ptimo se alcanza cuando
los valores CJ -ZJ son negativos o iguales a cero, como se obtiene en la siguiente y
ltima tabla.
Tabla 5
0.0025
0.045
Base
CB
P1
P2
P3
P4
P5
XB
P1
0.0025
-1
35000
P2
0.045
15000
P3
-1
15000
-0.0425
-0.0025
Z= 762.5
CJ - ZJ
-15-
-16-
TFG-FICO.
FICO. Aplicaciones de la programacin lineal en las finanzas
CAPTULO 5
LINGO
5.1. DESCRIPCIN
Existen mltiples programas informticos que permiten la resolucin de problemas de
programacin lineal en los que se manejan grandes cantidades de datos, la mayor
parte de ellos utiliza el mtodo del simplex.
Adems de estos programas especficos, se puede utilizar WINQSB, TORA o la
hoja de clculo Excel mediante SOLVER.
SOLV
Uno de los programas disponibles es el
paquete Lingo.
LINGO (Linear Generalize Optimizer) es un
programa matemtico que resuelve problemas
de programacin
ramacin lineal. En este trabajo usamos
la versin
n 15.0 que se caracteriza por su
facilidad de uso y lo intuitivo que es su interfaz.
LINGO
resuelve
tanto
problemas
de
programacin lineal como no lineal. En pocos
segundos resuelve problemas con cientos de
variables y restricciones. Para su uso hay que
introducir los datos de la funcin objetivo, las
restricciones y en segundos nos ofrece la solucin ptima a nuestro problema.
5.2. OPERATIVA DE LINGO
En este apartado aplicaremos el software de LINGO, estudiaremos
estudiaremos cmo es capaz de
resolver problemas de optimizacin tanto de maximizacin como de minimizacin
minimiz
y,
por lo tanto, cmo
mo obtener la mxima rentabilidad o la combinacin de factores para
conseguir el mnimo gasto financiero
financier posible. Para ello, continuamos con el ejemplo
anterior.
En primer lugar,, introducimos el planteamiento del problema. A continuacin,
definimos las variables: llamamos x1 a la cantidad invertida en bonos del estado y
denominaremos x2 a la cantidad invertida en acciones. Despus continuamos
nombrando la funcin objetivo como total de intereses y las restricciones, segn si
son de mximo a invertir o mnimo. Como ya est marcada la casilla que hace que
LINGO suponga que todas las variables son mayores o iguales que cero,
cer no es
necesario introducir nada ms. Al introducir los datos,
datos la primera pantalla mostrada
queda de la siguiente forma.
Al resolver nos aporta otra ventana, en la cual nos aparece la solucin ptima. El valor
de la funcin objetivo en el ptimo es 762,5 de intereses totales. Adems nos aporta
otros datos: total de variables, total de restricciones, y el total de variables que son
mayores o iguales a cero. Tambin ofrece informacin sobre el tiempo que tarda en
encontrar la solucin.
-18-
-19-
Max
0,068x1 + 0,05x2 + 0,02x3 + 0,075x4 + 0 ,0075x5 + 0,063x6 + 0,038x7 + 0 ,07 x8 + 0 ,016 x9 + 0,02x10
Sujeta a:
x1 + x2 250000
x5 + x9 700000
x2 50000
x3 300000
x4 200000
x5 100000
x6 100000
x7 75000
x8 100000
x9 400000
x1 + x 2 + x3 + x4 + x5 + x6 + x7 + x 8 + x9 + x10 1500000
x1 , x 2 , x3 , x 4 , x5 , x6 , x7 , x8 , x9 , x10 0
Para encontrar la solucin que permita conseguir la mxima rentabilidad con todas las
restricciones de mnimos y mximos, el asesor financiero recurre al software
informtico LINGO e introduce la denominacin de cada variable, la funcin objetivo a
maximizar y todas las restricciones, con los mximos y mnimos a invertir. La
introduccin de datos en LINGO queda como sigue.
-20-
Entre otros datos, la segunda ventana contiene la columna Value. En esta aparece el
valor ptimo de cada variable, en la solucin al problema planteado. Para alcanzar la
mxima rentabilidad se deben invertir 125 000 en acciones de telefnica, 300 000
en el fondo de inversin, 200 000 en el fondo de pensiones, 100 000 en IPF,
75 000 en cdulas hipotecarias, 100 000 en participaciones preferentes, 600 000
en obligaciones del tesoro y nada en acciones de la entidad bancaria, en futuros ni en
pagars de empresa.
En la columna Slack or surplus aparece el valor ptimo de la funcin objetivo. Este
valor es el total de intereses que se generan al invertir las cantidades ptimas de cada
variable, en este caso es de 49 700 . En esta misma columna adems se obtiene otra
informacin adicional de las variables de holgura. Por ejemplo, en la inversin en
ttulos de la entidad bancaria, ya que, aunque se permita invertir hasta 50 000 en
este tipo de activo no se invierte nada, y, entre ambos tipos de acciones que se
invierten 125 000 y el mximo a invertir es de 250 000 , la diferencia entre ambas
cantidades es la holgura. En cuanto a la inversin en obligaciones del tesoro aparece
una variable de 200 000 ya que la restriccin es del tipo y se considera que no
deben invertirse menos de 400 000 , y la cantidad ptima que debemos invertir es de
600 000 .
La columna Reduced cost aporta datos sobre cmo vara la funcin objetivo por
cada unidad invertida. En este caso, la funcin objetivo disminuye, es decir,
obtendramos menos intereses por cada unidad ms que se invirtieran en acciones de
la entidad bancaria, futuros o pagars de empresa. Por ello, no se invierte nada en
estos tres activos.
Por otra parte, la columna Dual price, indica cmo mejora la funcin objetivo si
variamos el trmino independiente de las restricciones en una unidad.
-21-
-22-
CAPTULO 6
APLICACIONES
Este captulo est dedicado a las aplicaciones de la programacin lineal en mltiples
sectores, ya que permite resolver problemas que pueden surgir en cualquier empresa
o situacin de la vida cotidiana, como puede ser al realizar una inversin o resolver el
problema de la dieta. Aunque sus campos de aplicacin son muchos y muy diversos
se destacan los siguientes por ser considerados los ms relevantes histricamente y
en la gestin empresarial.
6.1. APLICACIN AL MARKETING
El marketing en los ltimos aos ha tomado mayor relevancia para las empresas,
siendo cada vez ms importantes los gastos en sus campaas publicitarias y su
dedicacin al anlisis del mercado. Es por ello que en este campo la programacin
lineal es aplicada para conocer la efectividad de los esfuerzos para la investigacin de
mercados y eleccin de soportes publicitarios.
6.1.1. Eleccin de soportes publicitarios
Este apartado se dedica a la eleccin de soportes publicitarios. Este tipo de eleccin
es fundamental en cualquier empresa que desee anunciarse, para obtener ms cuota
de mercado y/o ampliar segmentos de mercado. Es por ello que se ha elegido el
sector deportivo en el que la publicidad cobra especial relevancia, por ser su principal
fuente de ingresos.
Un ejemplo de marketing deportivo, en el que la programacin lineal puede ser
usada, es durante un partido de ftbol. Las entidades deportivas pretenden conseguir
el mximo beneficio de los anunciantes y patrocinadores que desean anunciarse
durante los partidos en los paneles que hay en el estadio, equipaciones de los
jugadores, radio, televisin, etc...
Partimos de que tenemos una restriccin en el tiempo: cada partido dura 90
minutos, tambin tenemos las restricciones en los paneles: algunos pueden cambiar e
ir emitiendo diferentes anuncios de distintos patrocinadores, y otros se sitan fijos en
el campo. Adems, nos encontramos con otra restriccin, que es la cantidad de
recursos invertidos por cada patrocinador. Con todas estas restricciones es
complicado decidir cuntos minutos o segundos debe emitirse cada anuncio, por lo
que, recurriendo a la programacin lineal, podemos resolverlo.
Con la programacin lineal se halla la solucin, y se puede determinar cunto
tiempo tiene que emitirse cada anuncio y cuntas veces para maximizar la rentabilidad
que se obtiene de las aportaciones de los patrocinadores.
6.1.2. Investigacin de mercados
Es cuestin indispensable para toda empresa conocer el grado de efectividad de sus
esfuerzos de marketing. Esta investigacin se realiza con el objetivo de conocer el
impacto que la publicidad genera en el pblico final.
Continuando con el ejemplo de la entidad deportiva, para recopilar datos se deben
realizar encuestas. Estas encuestas tienen un coste, determinado por la forma en que
se hacen, que puede ser, presencial, online, o por correo.
-23-
Por la distancia a los respectivos domicilios de los abonados, los costes de cada
encuesta varan, suponiendo esto una restriccin.
Para recopilar la informacin, adems de la restriccin en cuanto a la capacidad
limitada con la que cuenta un estadio, por ejemplo, 40000 espectadores, se pueden
imponer otras en las encuestas como son edad, sexo, estudios, tipo de entrada
comprada, y cualquiera que se considere relevante para la investigacin. Segn la
entrada que adquiere, cada segmento de pblico devuelve unas ganancias distintas a
la entidad, siendo las entradas adquiridas por los abonados, por ejemplo las de
preferencia, mucho ms costosas. Con estos datos se plantean restricciones
correspondientes a los gustos del pblico al que va dirigido, y tambin de las
ganancias que proporciona.
Con estos estudios se podra conocer la cantidad de pblico de cada tipo con que
cuenta la entidad deportiva, y el coste de publicidad que como mximo se podra
destinar a cada segmento de pblico. Es por ello que los trabajadores de los
departamentos de marketing cuentan con la programacin lineal para realizar las
investigaciones de mercado.
6.2. APLICACIN A LA PRODUCCIN
En el rea de la produccin, la programacin lineal es una herramienta casi
indispensable para la minimizacin de costes y mejor asignacin de los recursos.
Adems, en la gestin de inventarios es fundamental, al ser una herramienta muy til
cuando surge el problema de qu producto fabricar, cundo y cunto. Puede ser
aplicada a cualquier empresa productiva, ya sea de productos de alimentacin,
limpieza, automviles, etc.
6.2.1. Produccin en el sector aeronutico
En este sector el objetivo es minimizar los costes de produccin, adems de entregar
las piezas producidas a tiempo a sus respectivos clientes.
Las restricciones con que nos encontramos en este sector se deben sobre todo a
plazos de entrega, capacidad de almacenamiento y maquinara. Si producimos en
exceso, evidentemente tendremos ms costes de almacenaje y si producimos por
debajo de la cantidad necesaria, tendremos rotura de stock, con sus costes
correspondientes por entregar las piezas fuera de plazo. Adems la empresa producir
con una capacidad dada, ya que cuenta con un nmero de maquinaria determinado.
Empleando programacin lineal se obtiene el nmero y tipo de piezas que debe
obtenerse con cada mquina, con un tiempo determinado para elaborar las mismas y
as conseguir los objetivos en cuanto a plazos de entrega se refiere. Adems se
consigue mayor rentabilidad al dar prioridad a producir las piezas que ms rentables
sean.
6.2.2. Produccin agrcola
En los cultivos agrcolas es necesario aprovechar los recursos de que se dispone, esto
no es tarea fcil ya que se cuenta con un determinado espacio para sembrar. Y con
este espacio limitado se pretende conseguir la mxima rentabilidad posible.
En los cultivos tambin hay restricciones en cuanto al agua que puede consumir o/y
la cantidad de terreno que se puede sembrar de un mismo producto. Adems los
cultivos tienen un determinado periodo de produccin. Por esto, considerando estos
-24-
-25-
-26-
-27-
min y t / T
j =1
Sujeto a:
n
x j + yt 0
t= {1,,T}
a jt x j + y t 0
t= {1,,T}
jt
j =1
n
j =1
n
r x
j
j =1
n
=1
j =1
j= {1,,n}
xj 0
donde: xj inversin en el activo financiero j.
ajt =rjt -rj donde: rj, es la rentabilidad media esperada del activo financiero j:
y rjt, es la tasa de rentabilidad del activo financiero j en el perodo t
T
-28-
Nombre
2014
2,07%
5,59%
2,10%
7,27%
2,15%
5,44%
2,14% 2,26%
5,25% 6,16%
0,90%
1,07%
1,12%
1,37% 1,57%
5,71%
2,96% 6,17%
-29-
Rentabilidad
media: rj
Nombre
2010
2011
2012
2013
2014
2,14%
5,94%
-0,07%
-0,45%
-0,04%
1,33%
0,01%
-0,5%
0
-0,69%
0,12%
0,22%
1,21%
-0,31%
-0,14%
-0,09%
0,16%
0,36%
8,99%
-2,67%
1,02%
2,77%
0,28%
-0,39%
6,46%
-0,69%
5,24%
-0,75%
-3,50%
-0,29%
min
y1 + y 2 + y 3 + y 4 + y 5
5
Sujeto a:
.
Figura 6.4. Solucin para rentabilidad requerida del 7%
Fuente: Elaboracin propia
-31-
-32-
-33-
-34-
CAPTULO 7
CONCLUSIONES
En cualquier sector empresarial, y especialmente en el financiero, cobra especial
relevancia la consecucin de beneficios y la reduccin de gastos.
Para la toma de decisiones teniendo en cuenta estos objetivos contamos con
diversas herramientas, entre las que destacamos la programacin lineal. Con la
programacin lineal conseguimos una asignacin eficiente de los recursos,
maximizando los beneficios o minimizando los costes.
Aunque la programacin lineal es una herramienta verstil, no obstante, cuenta con
algunas limitaciones, entre las que podemos destacar que no tiene en cuenta las
expectativas, es decir, sus parmetros deben ser siempre conocidos. Por ejemplo, en
las operaciones financieras debemos conocer el tipo de inters. Este inconveniente
puede paliarse realizando un estudio de post-optimizacin de la solucin obtenida.
Sin embargo, aun presentando estas desventajas, la programacin lineal es un
instrumento eficaz para resolver problemas en mltiples mbitos y en particular en la
seleccin y gestin de carteras de inversin.
Una cartera de inversin es una combinacin de activos que proporciona una
rentabilidad y lleva asociado un riesgo. Al invertir en varios activos, este riesgo se va
reduciendo, mientras puede conseguirse que la rentabilidad se mantenga igual. Para
el anlisis de una cartera hay que tener en cuenta, adems de las restricciones en
cuanto a cantidades a invertir o a intereses, que no todos los activos nos ofrecen la
misma rentabilidad, siendo los que conllevan mayor riesgo los ms beneficiosos y al
revs. Esto plantea varias cuestiones: Qu activos debo elegir para conseguir la
mxima rentabilidad o el mnimo inters para financiacin? Cunto debo destinar a
cada producto financiero?
En el apartado dedicado al estudio de una cartera de inversiones, hemos
considerado cinco valores con fuerte repercusin en la Bolsa de Madrid. Como el
modelo de Markowitz (1952) utiliza gran cantidad de clculos, usamos la simplificacin
de Konno y Yamazaki (1991) que se puede resolver con programacin lineal.
Analizando la solucin obtenida con LINGO, llegamos a la conclusin, de que con esta
herramienta de resolucin, obtenemos una cartera eficiente, minimizando el riesgo
asociado a los activos que cotizan en Bolsa, de forma simple y en escaso tiempo. Hay
que sealar la importancia de los datos utilizados en el estudio, dado que la solucin
depende en gran manera de la disponibilidad de estos.
De este modo, la programacin lineal aplicada a las finanzas adems de ser
sencilla, es til para la toma de decisiones financieras: obtener carteras eficientes de
inversin en bolsa, optimizar inversiones de cualquier tipo o conseguir el mnimo
inters para la financiacin de una empresa.
-35-
-36-
Bibliografa
Libros
Arvalo, M.T.; Camacho, E.; Mrmol, A.; Monroy, L. (2005): Programacin
matemtica para la economa, Ediciones Delta, Madrid.
Frederick, S.H.; Lieberman, G.J. (2010): Introduccin a la investigacin de
operaciones, McGraw-Hill, Mxico.
Artculos digitales
Programacin lineal leccin 2. Modelizacin en programacin lineal,
http://www.vc.ehu.es/MC2002/apuntes/Tema%202.%20IO.%2008-09.pdf (Consultado:
5-12-2014)
Programacin lineal: su historia, http://www.sectormatematica.cl/contenidos/prolinhis.
h (Consultado: 03-12-2014)
Artculos
Canizo, E.; Lucero, P. (2002): Investigacin Operativa. Software para programacin
lineal http://www1.frm.utn.edu.ar/ioperativa/lingo_lindo.pdf
Estrada,
L.:
Nobel
1975:
con
K
de
Kantorovich
y
Koopmans,
http://capitalibre.com/2012/10/nobel-1975-kantorovich-y-koopmans# (Consultado: 0901-2015)
Fauln, J; ngel, A.: Aplicaciones de la programacin lineal, www.ouc.edu/in3/emath
/docs/Aplicaciones_PL.pdf
Fogus, P.; Jimnez, E. (2012): Modelo de seleccin de cartera con Solver Instituto
universitario de matemtica pura y aplicada. Universidad de Valencia.
Ivorra, C.: Optimizacin con LINGO, www.uv.es/ivorra/docencia/LINGOav.pdf
Konno, H.; Yamazaki, H. (1991): Mean-absolute deviation portfolio optimization model
and its application to Tokio stock market, Management science, vol. 37, n 5, mayo
1991, pp 519-531.
Marcowitz, H.M.; Perold, A.F. (1952): Portfolio selection, Journal of finance, marzo
1952, pp. 77-91.
Marcowitz, H.M. (1959): Portfolio selection. Efficient diversification of investments,
Cowles foundation, Monograph 16, Yale University Press.
Marlene, G.: Programacin lineal como herramienta para toma de decisiones
financieras,http://portal.uexternado.edu.co/pdf/5_revistaSotavento/pdfSotavento/Sotav
ento%2010/GloriaDiaz.pdf
Prieto, J.F.; Gonzlez M.A; Arce A.S. (2008): Aplicacin de la programacin lineal en
la gestin de carteras Artculos cientficos. Elctrica n 4. Universidad nacional del
este.
Villalba, D. (1998): Un modelo de seleccin de cartera con escenarios y funcin de
riesgo asimtrica, Revista espaola de financiacin y contabilidad, n 96 vol. XXVII
Madrid.
-37-
-38-