Escenarios Monte Carlo
Simulación probabilística con 10,000 iteraciones que genera distribución de resultados posibles para variables clave (precio acero, demanda concreto, ROI inversión).
La simulación de Monte Carlo es una técnica cuantitativa que modela la incertidumbre asignando probabilidades a variables de entrada y ejecutando 10,000 iteraciones con valores aleatorios para generar una distribución de resultados posibles. Permite expresar proyecciones no como un número único sino como escenarios probabilísticos (base 55%, alcista 25%, bajista 20%) con valor esperado ponderado.
Aplicaciones / Casos de uso
- Acero HRC México: proyección USD 876/t base (55%), USD 893 alcista (25%), USD 857 bajista (20%)
- Concreto premezclado: CAGR 3% conservador, 5% moderado, 7% optimista
- ROI inversión: distribución de retornos con intervalos de confianza
- Demanda sectorial: proyecciones con rango de incertidumbre cuantificado
Contexto y relevancia
La simulación de Monte Carlo es una técnica cuantitativa que resuelve un problema fundamental de proyecciones económicas: la incertidumbre es imposible de eliminar, pero sí es posible cuantificarla y modelarla probabilísticamente. En lugar de presentar proyecciones como valores únicos determinísticos, Monte Carlo genera distribuciones de resultados posibles con probabilidades asociadas, permitiendo a tomadores de decisiones entender riesgo + rango esperado + sensibilidades.
Metodología detallada
Cada simulación Monte Carlo comienza con la definición de variables de entrada (drivers económicos, financieros, operativos) con sus distribuciones de probabilidad (normal, log-normal, triangular, uniforme). El modelo ejecuta 10,000 iteraciones generando valores aleatorios consistentes con esas distribuciones, y calcula el resultado final para cada iteración. La distribución agregada de los 10,000 resultados produce métricas clave: valor esperado ponderado, intervalos de confianza (95%, 99%), Value-at-Risk (VaR), Conditional Value-at-Risk (CVaR), y análisis tornado que identifica los drivers más sensibles.
Casos de aplicación reales
Teseo Data Lab aplica Monte Carlo en múltiples contextos: Proyección de precios del acero HRC julio 2025 con escenarios Base USD 876/t (55%), Alcista USD 893/t (25%), Bajista USD 857/t (20%); Proyección de demanda de concreto 2026-2028 con CAGR 3% conservador, 5% moderado, 7% optimista; Análisis de factibilidad financiera de proyectos inmobiliarios con ROI distributions vs inversión inicial; Due diligence de expansión territorial que cuantifica probabilidad de alcanzar metas de revenue en nuevos mercados; Evaluación de coberturas financieras para commodities (cemento, acero, combustibles) que permite dimensionar posiciones óptimas.