oposicioneseconomia.es
ES · CA

Supòsit 35

Tema 57 · Catalunya ·
Tema 57 · Catalunya ·

Enunciado

Una empresa industrial considera llançar un nou producte al mercat nacional. La inversió inicial necessària és de 100.000€. L’equip de màrqueting i el departament financer han elaborat, a partir d’estudis de mercat i anàlisi sectorial, un escenari probabilístic per al primer exercici:

Demanda alta (probabilitat p = 0,4): retorn brut +400.000€

Demanda mitjana (probabilitat p = 0,4): retorn brut +150.000€

Demanda baixa (probabilitat p = 0,2): retorn brut −80.000€

Com a alternativa, l’empresa pot no llançar el producte (statu quo, retorn zero) o pagar 15.000€ per un estudi de mercat addicional que reduiria la incertesa sobre la demanda.

Es demana:

  1. Calcular el valor monetari esperat (VME) de cada alternativa i decidir segons el criteri de maximització del VME.
  2. Calcular el valor esperat de la informació perfecta (VEIP) i valorar si convé encarregar l’estudi.
  3. Comentar els supòsits de l’anàlisi (neutralitat al risc, probabilitats subjectives).
Mostrar solución
a) Valor Monetari Esperat de cada alternativa

El VME (Bernoulli, 1738; formalitzat per Von Neumann-Morgenstern, 1944, en Theory of Games and Economic Behavior) és la mitjana ponderada dels pagaments per les seues probabilitats, neta de la inversió. La regla de decisió consisteix a seleccionar l’alternativa de major VME, suposat el decisor neutral al risc.

Verificació prèvia: les probabilitats han de sumar 1 → 0,4 + 0,4 + 0,2 = 1,0. Correcte.

Càlcul del retorn net en cada estat: alta = 400 − 100 = 300; mitjana = 150 − 100 = 50; baixa = −80 − 100 = −180. Però com la inversió es realitza amb seguretat, podem calcular el VME del retorn brut i restar la inversió al final.

VME_llançar = −100 + 0,4·400 + 0,4·150 + 0,2·(−80)
VME_llançar = −100 + 160 + 60 − 16 = +104 mil €
VME_no_llançar = 0 €

Equivalentment, calculant sobre retorns nets: 0,4·300 + 0,4·50 + 0,2·(−180) = 120 + 20 − 36 = 104. Coincideix.

Resultado

VME(llançar) = +104.000€ supera VME(no llançar) = 0. Decisió: llançar.

b) Valor Esperat de la Informació Perfecta (VEIP)

El VEIP (Raiffa, 1968, Decision Analysis) és la diferència entre el VME sota informació perfecta —saber amb certesa l’estat abans de decidir— i el VME sota incertesa. Representa el límit superior del que un decisor racional pagaria per qualsevol estudi o sistema d’informació, per bo que fora.

Sota informació perfecta, el decisor tria òptimament en cada estat: davant demanda alta llançaria (guanya 300); davant demanda mitjana també llançaria (guanya 50); davant demanda baixa optaria per no llançar (guanya 0, millor que perdre 180).

VME_IP = 0,4·300 + 0,4·50 + 0,2·0 = 120 + 20 + 0 = 140 mil €
VEIP = VME_IP − VME_decisió = 140 − 104 = 36 mil €

L’estudi de mercat costa 15 mil. Si fora perfecte, generaria un valor addicional de 36 mil. Encara que cap estudi real és perfecte, este límit superior justifica encarregar-lo: qualsevol estudi que aporte almenys un 42% de la informació perfecta (15/36 ≈ 0,42) seria rendible. La metodologia completa requeriria calcular el Valor Esperat de la Informació Mostral (VEIM) amb la regla de Bayes, una vegada coneguda la fiabilitat de l’estudi.

Resultado

VEIP = 36.000€. Com el cost 15.000€ és menor que el VEIP, convé encarregar l’estudi.

c) Arbre de decisió i discussió
Arbre de decisió (milers de €)DecisióVME=104LlançarNo llançarNNo llançar = 0Alta p=0,4Mitjana p=0,4Baixa p=0,2+300 (llanço)+50 (llanço)−180 (llanço)Quadrat = node de decisió · Cercle = node aleatori (atzar)VEIP = 140 − 104 = 36 mil €
Interpretación

L’anàlisi VME assumeix neutralitat al risc: el decisor només es preocupa per la mitjana dels pagaments, no per la seua variància. En la pràctica empresarial, especialment per a pimes, la possibilitat de perdre 180 mil amb probabilitat 0,2 pot induir aversió al risc i modificar la decisió. La funció d’utilitat de Bernoulli (logarítmica, U = ln(W)) o el model Von Neumann-Morgenstern d’utilitat esperada permeten incorporar esta aversió: se substitueix el pagament monetari per la seua utilitat i es maximitza la utilitat esperada. Addicionalment, les probabilitats ací són subjectives en el sentit bayesià de Savage (1954), la qual cosa obri la qüestió de la seua revisió a la llum d’informació addicional (regla de Bayes). Encarregar l’estudi implica una decisió seqüencial que es resoldria formalment amb un arbre de decisió i backward induction. En termes organitzatius, una pime amb estructura d’empresa familiar (típica al teixit català) tendeix a Vroom (teoria de l’expectativa) a sobreponderar la valència negativa de la pèrdua —preservar el patrimoni acumulat—, la qual cosa justifica un estudi prudencial fins i tot si el seu VEIM és ajustat. Casos com el llançament internacional de Mango o l’expansió de Bon Preu es van recolzar en este tipus de decisió seqüencial amb informació intermèdia abans de comprometre capital.

supuesto-progress

Crea compte gratis