Blog de FP&APara Analistas de FinanzasPara CEOs y DirectoresPara Gerentes de Planeamiento y ControlProyección y Planificación FinancieraTu presupuesto 2027 tiene una probabilidad, no un número: simulación Monte Carlo para la caja y los covenants

Tu presupuesto 2027 tiene una probabilidad, no un número: simulación Monte Carlo para la caja y los covenants

Tiempo de lectura: 6 minutos

La simulación Monte Carlo corre miles de combinaciones posibles de los drivers del presupuesto, cada uno dentro de su rango, y devuelve una distribución de resultados en lugar de un número. Permite responder la pregunta que tres escenarios no responden: ¿qué probabilidad hay de quedarnos sin caja en julio o de incumplir un covenant?

¿Por qué tres escenarios ya no alcanzan para el presupuesto 2027?

El método más difundido para manejar la incertidumbre en un presupuesto es el de los tres escenarios: pesimista, base y optimista. Es claro, es fácil de presentar y es mucho mejor que un número único. Pero tiene un límite que en 2027 se va a notar: cada escenario mueve todas las variables juntas en la misma dirección.

En la realidad, eso casi nunca pasa. El tipo de cambio puede subir mientras el volumen se mantiene; la inflación puede bajar mientras sube la tasa de interés; un cliente grande puede demorar sus pagos en un mes en el que todo lo demás va bien. Los tres escenarios muestran tres historias posibles, pero no dicen qué tan probable es cada una ni cuántas combinaciones intermedias pueden llevar a un problema.

Y la pregunta que hace un directorio o un banco no es «¿qué pasa en el escenario pesimista?», sino «¿qué tan probable es que tengamos un problema?».

¿Qué riesgos quedan ocultos cuando el presupuesto no tiene probabilidades?

  • Covenants que se rompen en un escenario que nadie modeló. El ratio de deuda sobre EBITDA puede cumplirse en los tres escenarios presentados y romperse en una combinación intermedia: tipo de cambio alto con volumen apenas por debajo del plan.
  • Caja que se tensa en un mes puntual. El resultado anual cierra, pero la combinación de estacionalidad, pagos de importación y demora de cobros deja un mes con caja negativa.
  • Colchones mal dimensionados. Sin una distribución, el nivel de caja mínima o la línea de crédito de respaldo se definen por intuición: demasiado alto inmoviliza recursos, demasiado bajo deja a la empresa expuesta.
  • Discusiones circulares. El directorio discute si el escenario pesimista es «demasiado pesimista» en lugar de decidir cuánto riesgo está dispuesto a asumir.

¿Cómo se arma una simulación Monte Carlo para el presupuesto?

No hace falta ser un experto en estadística. El método se puede ordenar en cinco pasos.

Paso 1. Elegir entre tres y seis drivers críticos

Son los que tienen alta sensibilidad sobre el resultado y alta volatilidad: tipo de cambio, volumen, precio, costo de insumos, plazo de cobro, tasa de interés. Si ya armaste tu presupuesto sobre drivers con piso, base y techo, la mitad del trabajo está hecha.

Paso 2. Darle a cada driver una distribución

Con el rango piso–base–techo alcanza para empezar: una distribución triangular usa esos tres valores. Para drivers con historia larga (tipo de cambio, precio de commodities), se puede usar la volatilidad observada.

Paso 3. Definir qué drivers se mueven juntos

Este es el paso que más se olvida. En muchas economías de la región, el tipo de cambio y la inflación están correlacionados; también la tasa de interés y la demanda. Si la simulación los mueve de forma independiente, subestima el riesgo.

Paso 4. Correr miles de iteraciones

Cada iteración toma un valor posible de cada driver, recalcula el estado de resultados y el flujo de caja mes a mes y guarda el resultado. Con algunos miles de iteraciones, la distribución se estabiliza.

Paso 5. Leer percentiles y probabilidades, no promedios

LecturaPregunta que responde
P50 (mediana)¿Cuál es el resultado más representativo?
P10 y P90¿Entre qué valores cae el resultado en 8 de cada 10 casos?
Probabilidad de cruce de umbral¿En qué porcentaje de las simulaciones la caja baja del mínimo o se rompe un covenant?
Mes de mayor riesgo¿En qué mes se concentran los casos de caja negativa?
Driver dominante¿Qué variable explica la mayor parte de los casos problemáticos?

Tres escenarios contra Monte Carlo

Tres escenariosMonte Carlo
Qué muestraTres historias posiblesMiles de combinaciones y su probabilidad
Cómo se mueven las variablesTodas juntasCada una en su rango, con sus correlaciones
Pregunta que responde«¿Qué pasa si…?»«¿Qué tan probable es que…?»
Mejor usoComunicar al directorioDimensionar caja mínima, deuda y coberturas

Las dos herramientas no compiten: Monte Carlo sirve para entender el riesgo y los tres escenarios, para comunicarlo.

Dos advertencias

  • Precisión falsa. Una simulación con rangos mal definidos devuelve resultados con decimales que parecen exactos y no lo son. Los rangos tienen que discutirse con las áreas.
  • Un número que nadie entiende. Si el resultado no se traduce en una decisión (subir la línea de crédito, cubrir el tipo de cambio, renegociar plazos), la simulación queda como un ejercicio académico.

¿Cómo se lleva la simulación a la gestión mensual?

En una planilla, Monte Carlo es un ejercicio de una vez al año: lleva días armarlo y nadie lo actualiza. Para que sirva, tiene que correr sobre el mismo modelo del presupuesto y actualizarse cuando cambia un supuesto. En Plika, el presupuesto se modela por drivers sobre datos integrados desde el ERP, y el agente de simulación de Plika Kairos corre las iteraciones sobre ese modelo y devuelve los rangos y las probabilidades de cruzar cada umbral.

Caso real: ante una huelga logística inesperada, el área de operaciones regional de una empresa global de productos para la construcción modeló en dos horas el impacto de un retraso de 30 días en sus cobros. Identificó qué líneas de crédito activar y qué gastos pausar, y mantuvo intacta su calificación crediticia.

Pregunta para tu presupuesto 2027: ¿qué probabilidad tiene tu empresa de incumplir un covenant el año que viene? Si la respuesta es «no sé», el presupuesto todavía no terminó.

En un Health Check de 45 minutos corremos una primera simulación sobre tus tres drivers más críticos y vemos en qué mes se concentra tu riesgo de caja.

Preguntas frecuentes

¿Qué es una simulación Monte Carlo en finanzas?

 Es una técnica que calcula miles de resultados posibles combinando valores aleatorios de las variables de un modelo dentro de rangos definidos. El resultado es una distribución que muestra qué tan probable es cada nivel de caja, margen o deuda.

¿Cuántas iteraciones hacen falta?

 Para un presupuesto de empresa mediana, algunos miles suelen alcanzar para que la distribución se estabilice. Más importante que la cantidad es la calidad de los rangos y las correlaciones.

¿Monte Carlo reemplaza los escenarios pesimista, base y optimista?

 No. Monte Carlo sirve para medir el riesgo; los escenarios sirven para comunicarlo. Lo ideal es usar la simulación para elegir qué escenarios presentar.

¿Se puede hacer Monte Carlo en Excel?

Se puede, con complementos o macros, pero es difícil de mantener y de actualizar cada mes. La simulación aporta más valor cuando corre sobre el modelo vivo del presupuesto.