You are on page 1of 10

ITCR. Costa Rica. V Congreso sobre Enseanza de la Matemtica Asistida por Computadora.

5, 6, 7 Diciembre 2007

Simulacin y optimizacin1
Carlos E. Azofeifa2 Resumen
Se presenta el complemento de Excel, @Crystal Ball como una herramienta eficaz en problemas tpicos de optimizacin de modelos bajo presencia de incertidumbre. Para ello se utiliza el OptQuest de @Crystal Ball el cual encuentra mediante tcnicas avanzadas de optimizacin la combinacin correcta de variables para producir el mejor resultado posible en modelos de simulacin. Se resolver primeramente el problema usando Solver, luego se comparan y analizan los resultados obtenidos con lo realizado en OptQuest.

Palabras claves: pronstico, optimizacin, estadstica, riesgo, incertidumbre, Montecarlo, hipercubo latino Introduccin Un problema relevante de un administrador o de un ingeniero en un ambiente altamente globalizado es realizar excelentes pronsticos del futuro, sobre todo en presencia de riesgo e incertidumbre. Por ejemplo, en problemas cotidianos de nuestro entorno como maximizar un portafolio de inversiones. Al considerar el modelo matemtico de este portafolio, observamos que no es difcil encontrar una solucin de manera que el retorno esperado sea mximo, esta posible solucin del problema puede ser encontrada usando programacin lineal en el caso en que el modelo se comporte como tal, o bien utilizando un mtodo alternativo. Sin embargo esta solucin solamente es una respuesta al momento presente, seguir siendo vlida dentro de un ao, un mes o tres aos?, o a largo plazo cul ser la mejor inversin? Observemos que no solamente queremos hacer un buen pronstico de las inversiones, sino adems queremos que stas sean mximas en determinado tiempo, es decir que alcancen valores ptimos. As esperaremos al final del proyecto de inversin un retorno mximo. Por tanto al hacerse ms complejo el mundo de los negocios, ha aumentado la necesidad de asegurar, sobre cierta base racional, el futuro. Se necesitan planear ventas, tasas de inters para futuras inversiones, indicadores econmicos para planeamiento financiero, niveles de ingreso, inventarios, tasas de natalidad, desempleo, etc. En el caso de optimizar un modelo lineal usando Solver de Excel y realizando el estudio de sensibilidad, podramos mantener vlida nuestra solucin siempre y cuando, nuestras variables tengan un dominio adecuado dentro de los rangos asignados en el estudio de sensibilidad, de lo contrario tendramos que volver a optimizar en cada caso y por tanto cambiar de nuevo nuestra inversin para posibles cambios del dominio de las variables. Optimizacin Un ejercicio cotidiano es elegir la opcin ms adecuada entre varias opciones, es decir, encontrar la mejor solucin a un problema determinado, entre un conjunto factible de soluciones. La mayora de las veces se nos presenta un conjunto grande de posibles restricciones y debemos obtener un modelo matemtico del problema para poder resolverlo, desde luego tambin queremos que este modelo sea lo ms cercano a la descripcin del problema real. La teora que nos proporciona los resultados y herramientas adecuadas para estudiar este tipo de problemas se llama Optimizacin Matemtica. Las aportaciones de esta teora se remontan a los aos cuarenta y cincuenta del siglo pasado. Entre sus ramas importantes podemos mencionar la Programacin

1 2

Este artculo fue financiado por el Proyecto No 820-A2-115, inscrito en la Vicerrectora de Investigacin de la U.C.R Profesor Escuela de Matemtica U.C.R U.N.A

ITCR. Costa Rica. V Congreso sobre Enseanza de la Matemtica Asistida por Computadora. 5, 6, 7 Diciembre 2007

lineal y no lineal, Programacin entera, Programacin Convexa, Optimizacin Dinmica, etc, siendo indispensable tambin un conocimiento general en Algebra Lineal y Anlisis Matemtico. En este tipo de problemas podemos encontrar optimizacin sin restricciones y con restricciones, sin embargo podemos observar que todos estos problemas sean con ms o menos componentes matemticos son determinsticos, es decir, cada uno de ellos se puede resolver con la tcnica adecuada. Si no existen restricciones o bien la restriccin es de igualdad y con un nmero menor o igual de variables que la funcin objetivo, entonces la respuesta al problema es el clculo diferencial, pues solamente lo que necesitamos es buscar los extremos de una funcin; esto es, lo que conocemos como Optimizacin clsica. En cambio, si las restricciones contienen una cantidad mayor de variables que la funcin objetivo o hay restricciones de desigualdad, es fcil encontrar mtodos de resolucin. Por ejemplo, si las restricciones y la funcin objetivo son lineales se utiliza la Programacin Lineal y el Solver de Excel (Optimizacin no clsica). Por el contrario, si las condiciones no se cumplen, tenemos las llamadas Condiciones de Khun-Tucker, que en algunos casos funcionan para localizar puntos crticos. En otros casos cuando fallan por ejemplo las condiciones anteriores se pueden usar en caso de tener informacin imperfecta (la funcin objetivo puede no conocerse) mtodos numricos, como por ejemplo el mtodo de Runge Kuta (Matemtica borrosa). Estos procesos de optimizacin tienen como propsito central asignar de la mejor manera posible los recursos para lograr el mximo de una funcin objetivo, teniendo en cuenta pocas o muchas restricciones. Es decir, debemos escoger los mejores valores para el conjunto formado por las variables de decisin con el fin de minimizar o maximizar una funcin objetivo satisfaciendo limitaciones o restricciones de estas variables, usualmente las restricciones se aplican mediante ecuaciones o inecuaciones. Por tanto debemos tener un modelo matemtico que especifique la variable objetivo, por ejemplo: 1-.Maximizar utilidades o la produccin, minimizar costos o recursos. 2-.Un conjunto de restricciones, y 3-.Un conjunto de variables de decisin. Ahora vamos a resolver un problema determinstico, a saber: optimizar un portafolio de inversiones usando Solver Problema de administracin de cartera de valores El gerente de cartera de una administradora de pensiones, se le ha pide invertir $1000000 del fondo de pensiones. El departamento de investigacin de Inversiones ha identificado 6 fondos con estrategias de inversin variables, resultando en diferentes rendimientos potenciales, como se resume en la siguiente tabla:

Tasa esperada de rendimiento de seis fondos de inversin ubicados en Fondos Ml Antonio Nicoya B Drake Escaz Devolucin 20 18 15 22 esperada %

Jac 25

Parrita 14

Una manera de controlar el riesgo es limitar la cantidad de dinero invertido en los diversos fondos. Para ese fin, la administracin ha especificado las siguientes pautas: 1. La cantidad invertida en Manuel Antonio debe ser al menos de un 30% de la cartera. 2. La cantidad total invertida en Nicoya no debe ser mayor al 40% de la cartera. 3. La cantidad total invertida en Jac no debe ser mayor al 25% de la cartera 4. La cantidad total invertida en Escaz no debe ser mayor al 25% de la cartera 5. La cantidad invertida en Parrita debe ser al menos de un 10% de la cartera

ITCR. Costa Rica. V Congreso sobre Enseanza de la Matemtica Asistida por Computadora. 5, 6, 7 Diciembre 2007

De acuerdo a las pautas anteriores, qu cartera debera recomendar el gerente para maximizar la tasa esperada de retorno? Planteamos y resolvemos el problema primeramente usando la hoja electrnica Excel. Su presentacin y solucin en la hoja se puede observar de la siguiente manera

Para su resolucin utilizamos Solver el cual se encuentra en Herramientas. Llenamos la informacin pedida de la siguiente manera:

Haciendo clic en Opciones de Solver, ponemos adems la siguiente informacin:

Una vez que Solver ha resuelto el problema, coloca el siguiente mensaje:

ITCR. Costa Rica. V Congreso sobre Enseanza de la Matemtica Asistida por Computadora. 5, 6, 7 Diciembre 2007

Observamos que podemos marcar tres informes: Informe de Respuestas, Sensibilidad y de Lmites, en el caso de marcar el informe de sensibilidad se obtiene la siguiente informacin:

Podemos observar en las celdas G9:G14 el aumento permitido a los coeficientes de rentabilidad de manera que la solucin no cambie, de igual manera se tienen en las celdas H9:H14 los decrementos permitidos a los coeficientes de rentabilidad para mantener la solucin. En caso de que los coeficientes tomen valores fuera de estos dominios, tendramos que volver a resolver el problema y posiblemente retomar el nuevo plan de inversin. En presencia de incertidumbre Ahora bien, por lo general los modelos de optimizacin no son completamente determinsticos, en la mayora de los casos los datos presentan incertidumbre, lo que implica un riesgo el uso de la solucin del problema. En el caso en que algunas variables tengan un comportamiento de alguna distribucin de probabilidad, entonces los mtodos anteriores se vuelven ineficientes, necesitan complementarse para poder tomar decisiones acertadas en caso de incertidumbre. Una ventaja de aplicar el mtodo de simulacin al proceso de optimizacin es que permite abordar problemas con incertidumbre, por eso los valores que arroja el proceso de optimizacin para las variables de control son valores ptimos. Adems en un modelo de optimizacin probabilstica las variables pronosticadas tendrn funciones de distribucin condicionadas al conjunto de variables de decisin.

ITCR. Costa Rica. V Congreso sobre Enseanza de la Matemtica Asistida por Computadora. 5, 6, 7 Diciembre 2007

Desarrollo Hoy da con ayuda del computador, podemos realizar todas las actividades anteriores de manera fcil en hojas electrnicas como Excel, con ayuda de sus complementos @Risk y @Crystal Ball. Estos softwares combinan simulacin y optimizacin para encontrar el ptimo de modelos que contienen factores de incertidumbre. Algunos problemas que no se pueden resolver por mtodos de optimizacin estndar lineales y no lineales, pueden ser resueltos por ejemplo, con @RISK, el RISKOptimizer el cual combina toda la tecnologa de @RISK , anlisis de riesgo, y Evolver, algoritmos genticos de Palisade basados en Solver. Cundo debemos usar RISKOptimizer? Cundo debemos encontrar soluciones ptimas en problemas que contienen variables fuera de nuestro control y las cuales toman valores no conocidos? Variables de decisin Las variables de decisin requieren para su definicin: 1.Lmites: Estos determinan el rango que puede asumir la variable 2.Tipo: Si es discreta o continua 3.Pasos: Define las diferencias entre valores sucesivos de la variable. En algunos casos las variables continuas tambin requieren esta determinacin. Mediante simulaciones se encuentra el mejor valor de estas variables. En el caso de Crystal Ball se tiene el complemento de Decisioneering: OptQuest para encontrar soluciones ptimas para hojas de clculo con simulaciones. Esta tcnica tambin est diseada para encontrar soluciones que satisfacen una amplia variedad de limitaciones o restricciones. Proceso bsico para la ejecucin de OptQuest Crear el modelo de Crystal Ball de la variable de decisin Defina las variables de decisin con Crystal Ball Use OptQuest para seleccionar las variables a optimizar Especifique las restricciones de las variables de decisin Seleccione el pronstico objetivo y defina todos los requerimientos Seleccione opciones de optimizacin Interprete los resultados. Con Crystal Ball el CB Predictor puede ser usado solamente para analizar los efectos de incertidumbre en pronsticos. Para el caso de optimizar con Crystal Ball se tiene OptQuest, con este producto se puede analizar el riesgo de nuevos mercados, evaluar experimentos e hiptesis, maximizar el tiempo, el dinero, etc. Lo ms interesante es que para usar el OptQuest no se necesita mucho conocimiento estadstico, matemtico o computacional para lograr el uso adecuado de la herramienta, lo cual podra ser tedioso y consumirle mucho tiempo en el caso de querer hacerlo manualmente. Para ilustrar el proceso retomaremos el problema anterior y le aplicaremos esta herramienta. Haciendo pruebas de bondad de ajuste tenemos los siguientes supuestos para los retornos de los fondos de inversin: Celda B5: una distribucin uniforme con un mnimo de un 17% y un mximo de un 25% Celda C5: una distribucin uniforme con un mnimo de un 18% y un mximo de un 23% Celda D5: una distribucin uniforme con un mnimo de 16% y un mximo de 22% Celda E5: una distribucin triangular con un mnimo de 12% y un mximo de 18% Celda F5: una distribucin uniforme con un mnimo de 17% y un mximo de 25% Celda G5: una distribucin uniforme con un mnimo de 10% y un mximo de 17% Por ejemplo, la informacin en la celda G5 se vera as:

ITCR. Costa Rica. V Congreso sobre Enseanza de la Matemtica Asistida por Computadora. 5, 6, 7 Diciembre 2007

De igual manera para las otras celdas. En el caso de la celda de salida, se tiene:

En correr preferencias marcamos

Para definir las variables de decisin, como por ejemplo en el caso de Parrita, nos posesionamos en la celda de inters en este caso G8, luego vamos a Cell | Define decision y colocamos la informacin necesaria acerca del fondo de Parrita con las restricciones necesarias como se muestra en la siguiente figura.

ITCR. Costa Rica. V Congreso sobre Enseanza de la Matemtica Asistida por Computadora. 5, 6, 7 Diciembre 2007

Ahora hacemos clic en OptQuest / New

Y creamos un archivo nuevo de optimizacin, donde se declaran los nombres de las variables as como sus limitaciones y naturaleza:

Hacemos clic en Aceptar, tambin debemos especificar las restricciones, en este caso damos clic en Sum All variables, luego insertamos el uno. La pantalla debe verse as:

Haciendo clic en Aceptar, seleccionamos en Select: Maximize Objective y como pronstico estadstico el promedio o media.

ITCR. Costa Rica. V Congreso sobre Enseanza de la Matemtica Asistida por Computadora. 5, 6, 7 Diciembre 2007

Si hacemos clic en Aceptar, luego OptQuest nos pregunta si corremos la optimizacin

Escogemos S, para obtener las siguiente informacin acerca del progreso de la optimizacin. Tambin se ofrece de manera simultnea un progreso grfico del proceso, as como un resumen del trabajo realizado. Digitamos un tiempo de optimizacin de cinco minutos, veamos los resultados:

ITCR. Costa Rica. V Congreso sobre Enseanza de la Matemtica Asistida por Computadora. 5, 6, 7 Diciembre 2007

Interpretacin de resultados Puede suceder que la mejor solucin identificada en el proceso no sea la solucin verdadera del problema, pero esperamos que est lo suficientemente cercana a la solucin ptima. Tambin la calidad de los resultados depende del tiempo seleccionado de bsqueda, la velocidad de la computadora, el nmero de variables de decisin y de hecho, de la complejidad del problema a resolver. Podemos observar que en la resolucin del problema determinstico con Solver el rendimiento esperado del portafolio (optimizado por Solver) es del 21,15%, invirtiendo $400000 en Ml Antonio, $250000 en Escaz, $250000 en Jac y $100000 en Parrita, adems, no se debe invertir en Nicoya y B Drake. Esta inversin es para el momento presente, en cambio para el caso resuelto con OptQuest entendemos que es una inversin a largo plazo y por tanto se recomienda invertir $650000 en Ml Antonio, $250000 en Jac, $100000 en Parrita y no invertir en B Drake, Escaz y Nicoya. Lo interesante es que al trasladar la inversin de Escaz a Ml Antonio, el retorno esperado del portafolio es mayor a largo plazo (0,2125). Tambin aqu se recomienda no invertir en Nicoya y B Drake. Por supuesto que todo lo anterior es la respuesta a los rendimientos presentes (en el caso de Solver) y otros rendimientos posibles (a largo plazo) de acuerdo al comportamiento probabilstica de los retornos en los fondos de inversin (en el caso de OptQuest). Se deben considerar otras variables que podran tambin influir en los montos a invertir en los distintos fondos, como por ejemplo: cambios polticos, otros proyectos tursticos, marinas, centros comerciales, complejos habitacionales, cambios climticos, bonanza econmica, tratados de libre comercio, mano de obra disponible, etc. Todo lo anterior forma parte del conjunto de informacin para una toma de decisiones acertada, en escenarios donde hay presencia de incertidumbre de las variables consideradas. Una vez obtenida la solucin ptima del problema nos gustara tambin examinar el proceso de Simulacin con @Crystal Ball usando los valores de la solucin ptima para tener una idea del riesgo asociado al usar la solucin recomendada por OptQuest. A continuacin realizamos una simulacin de 5000 ensayos con la solucin recomendada, en efecto;

Observamos que el retorno esperado del rendimiento del portafolio es de un 21%, valor bastante cercano al valor ptimo encontrado por OptQuest, en efecto:

ITCR. Costa Rica. V Congreso sobre Enseanza de la Matemtica Asistida por Computadora. 5, 6, 7 Diciembre 2007

Aqu podemos obtener tambin mucha informacin valiosa usando la distribucin normal de la salida del pronstico, por ejemplo cul es la probabilidad de que el retorno de la cartera se encuentre entre un 19% y un 22%?, o cul es la probabilidad de que ste sea mayor al 20%?, o menor al 16% , cul es el retorno menor o cul es el ms alto?, etc. Informacin sobre la variabilidad del proceso es importante, para nuestro caso observamos una variabilidad pequea observando la desviacin estndar.

Conclusin Para obtener informacin adecuada bajo un respaldo estadstico con el fin de escoger el modelo ms confiable de pronstico de una manera rpida y fcil tenemos un aliado: @Crystal Ball, l nos proporciona las herramientas adecuadas cuando Solver no puede resolver nuestros problemas, ya sea por tener incertidumbre, o bien por no cumplir las caractersticas necesarias, para ello contamos con: la simulacin Montecarlo para efectos de riesgo de inversin, el CB Predictor para realizar pronsticos con los estudios estadsticos correspondientes que respaldan la escogencia del mtodo adecuado, y, el OptQuest para encontrar la solucin o inversin adecuada a largo plazo optimizando el retorno del portafolio Bibliografa 1. Anderson, Sweeney, Williams. Mtodos cuantitativos para los negocios. Sptima edicin. Mxico. Editorial Thomson.1999. 2. Azarang,M-Graca, E. Simulacin y anlisis de modelos estocsticos. McGraw-Hill. Mxico. 1996. 3. Bierman, Bonini, Hausman. Anlisis cuantitativo para la toma de decisiones. Editorial McGraw-Hill. Mxico. 2000. 4. Crystal Ball. OptQuest 2.1 User Manual Decisioneering. Denver, Colorado. 2004. 5. Eppen, F/ Gould, G/ Schmidt, C.P/ Moore, J/ Weatherford, L. Investigacin de operaciones en la ciencia administrativa. Prentice Hall. Mxico. 2000. 6. Evans J-Olson D. Introduction to Simulation and Risk Analysis. Prentice Hall.New Jersey. 2002. 7. Hanke / Reitsch. Pronsticos en los negocios. Prentice Hall. Mxico.1996. 8. Hillier /Hillier/Lieberman. Mtodos cuantitativos para administracin. Un enfoque y casos de estudio, con hoja de clculo. McGraw-Hill, Inc. Mxico. 2000. 9. Makridakis.S. Forcasting in the 21st Century, Internacional Journal of forcasting, 7(2)(1991): 123126. 10. Mathur, K/ Solow, D. Investigacin de operaciones. El arte de la toma de decisiones. Prentice Hall. Mxico. 1996.

10

You might also like