Riesgo ≠ Varianza - Por qué la simulación no es una decisión

Resumen ejecutivo

Monte Carlo suele considerarse el patrón oro en las reuniones de consejos de administración y comités de inversión. Distribuciones, intervalos de confianza y análisis de escenarios crean la impresión de una resistencia matemática. Pero se trata de un malentendido estructural: la varianza no es riesgo, y la simulación no es una decisión.

La varianza mide la dispersión. El riesgo, en cambio, describe el peligro de no alcanzar un objetivo definido. Estos dos conceptos no son matemáticamente idénticos. Quien simula la varianza aún no ha optimizado una función de preferencia, ni restricciones, ni función objetivo. Se ha limitado a evaluar espacios de probabilidad.

Montecarlo responde a la pregunta: "¿Qué podría pasar?"
La optimización de decisiones responde a la pregunta: "¿Qué opción maximiza la consecución del objetivo bajo restricciones?"

La simulación es una herramienta de evaluación. La decisión es un problema de optimización.

El malentendido estructural

Las simulaciones Monte Carlo generan miles de caminos aleatorios a partir de distribuciones supuestas. El resultado es una distribución de probabilidad de los posibles resultados. Sin embargo, ninguna de estas simulaciones busca sistemáticamente en el espacio completo de combinaciones de una cartera.

En carteras complejas con n proyectos, hay 2ⁿ combinaciones. Con 20 proyectos, hay más de un millón de opciones. La simulación evalúa las hipótesis, no identifica el óptimo global.

Simulación frente a optimización

Criterio	Simulación (Monte Carlo)	Optimización
Objetivo	Representar probabilidades	Maximizar/minimizar la función objetivo
Lógica	Generación aleatoria de rutas	Búsqueda sistemática en el espacio de decisión
Resultado	Distribución de posibles resultados	Cartera optimizada matemáticamente
Decisión	Interpretación por la dirección	Derivación directa de la función objetivo

Por qué la varianza no es un riesgo

Una alta varianza puede significar grandes oportunidades. Una varianza baja puede ser sistemáticamente subóptima. El riesgo no está causado por la varianza, sino por no alcanzar el objetivo en relación con la función estratégica de la cartera.

Una cartera con baja varianza puede, no obstante, estar significativamente por debajo de su posible óptimo. No se trata de un problema estadístico, sino estructural.

La dimensión de gobernanza

La simulación devuelve la responsabilidad al consejo de administración. Los resultados deben interpretarse. El debate sustituye al cálculo. La opinión sustituye a la selección matemática.

La optimización, por su parte, define una función objetivo ex ante e identifica la combinación que genera el mayor valor dentro de las restricciones de presupuesto, riesgo y recursos.

No se trata de un escenario. Es una propiedad de los datos.

Conclusión

Los que simulan entienden la incertidumbre.
Los que optimizan toman decisiones.

La gestión del riesgo sin optimización sigue siendo plausible a nivel local, pero potencialmente subóptima a nivel global.

PREGUNTAS FRECUENTES

¿Es inútil Monte Carlo?
No. La simulación es valiosa para analizar la sensibilidad. Sin embargo, no sustituye a la lógica de la optimización.

¿Se pueden combinar la simulación y la optimización?
Sí, la simulación puede modelizar incertidumbres, la optimización selecciona la mejor combinación de estas incertidumbres.

¿Por qué no basta con planificar escenarios?
Los escenarios comparan opciones individuales. No buscan sistemáticamente en todo el espacio de decisión.

¿Cuál es la diferencia crucial?
La simulación describe posibilidades. La optimización calcula el óptimo.