Modelado de escenarios y análisis de sensibilidad

Ganancias:

• Capacidad para establecer escenarios básicos/optimistas/pesimistas con suposiciones claras y producir hojas de cálculo transparentes y verificables manualmente con inteligencia artificial.
• Capacidad para aplicar la lógica de las pruebas de sensibilidad y estrés (cuánto cambia el resultado cuando se cambia un supuesto) e identificar supuestos críticos.
• Ser capaz de sostener que el escenario no es una predicción sino un ejercicio condicional de 'si-entonces', y que la propiedad del supuesto y del juicio final pertenece al economista.

El futuro es incierto, y el trabajo del economista no es tapar esta incertidumbre con una predicción precisa, sino hacerla visible en opciones ordenadas. El modelo de escenario es exactamente este: "Si el tipo de cambio llega a este nivel, si el crecimiento ocurre así, si la tasa de interés va así, ¿cuál será el resultado?" Una proyección presupuestaria, un análisis de sostenibilidad de la deuda, una viabilidad de inversión: todos ellos son escenarios pensados. La inteligencia artificial es un poderoso acelerador en este caso: traduce suposiciones en hojas de cálculo, generando de tres a cinco escenarios en minutos. Pero la frase más crítica es ésta: el escenario no es una predicción; Es un ejercicio condicional de "si-entonces" basado en supuestos explícitos, y la propiedad de los supuestos recae en el economista. La inteligencia artificial hace el cálculo; Corresponde al ser humano decidir qué supuesto es razonable.

Anatomía del guión

Partes de un guión sólido:

• Escenario básico (base). El conjunto de supuestos más probable es; el camino “esperado”.
• Escenarios optimistas y pesimistas. Senderos superiores e inferiores razonables alrededor de la base. Estas deberían estar justificadas, no arbitrarias.
• Suposiciones claras. Los números en los que se basa cada escenario (crecimiento, inflación, tipo de cambio, interés) se escriben uno a uno. El supuesto implícito es el escenario insostenible.
• Cuenta transparente. Las fórmulas desde la entrada hasta la salida deben ser visibles y verificables manualmente. Un escenario de caja negra no funcionará.
• Conclusión y comentario. ¿Qué muestra la diferencia entre los escenarios? ¿Qué riesgo es de qué magnitud?

Consejo: No presente escenarios optimistas/pesimistas como una "banda de pronóstico". No son probabilidades, sino consecuencias condicionales: "Si el tipo de cambio aumenta un 30%, la carga de la deuda también lo será". La oración siempre debe comenzar con "si" para que el lector vea la condición.

Análisis de sensibilidad: ¿qué supuesto es decisivo?

El resultado de un escenario depende de docenas de supuestos, pero no todos tienen la misma importancia. El análisis de sensibilidad mide cuánto cambia el resultado cuando se cambia un supuesto, ceteris paribus. Si el resultado es muy sensible a una suposición (un pequeño cambio hace una gran diferencia en el resultado), esa suposición es crítica y merece la mayor atención, verificación y comunicación.

Las pruebas de tensión son una extensión de esto: probar cómo se comporta el sistema/presupuesto/deuda bajo un shock negativo moderado pero severo (por ejemplo, un aumento repentino en las tasas de interés, un colapso en el mercado de exportación). El objetivo no es predecir lo peor, sino prever puntos de ruptura.

Precaución: si le dice a la IA que "cree un escenario pesimista", es posible que le proporcione un número arbitrario. El escenario pesimista no es una "caída del cielo", sino un supuesto justificado: debe tener una base histórica o lógica, como "un movimiento similar al shock cambiario de 2018". Justificas la suposición.

Estudio de escenario paso a paso

1. Defina la pregunta y el resultado. ¿Qué proyectamos? (deuda/PIB, saldo presupuestario, flujo de caja)
2. Establecer variables del controlador. Un pequeño número de factores principales (crecimiento, inflación, interés, tipo de cambio) determinan el resultado.
3. Haga suposiciones básicas y justifíquelas. Se escribe la fuente y la lógica de cada número.
4. Producir los guiones. Mueva los supuestos hacia optimistas/pesimistas con justificación.
5. Configure una cuenta transparente. Haga que la IA imprima las fórmulas como una tabla/código visible.
6. Ejecute la sensibilidad. Agite cada suposición clave por separado y mida la respuesta.
7. Comenta y filtra. ¿Qué supuesto es crítico? ¿Son razonables los resultados? El juicio final es del economista.

tres mini casos

Caso 1: Sostenibilidad de la deuda. Un analista del Tesoro proyectó la relación deuda pública/PIB a cinco años. Hizo que la IA creara tres escenarios: base (crecimiento del 4%, tasa de interés X%), optimista y pesimista. El análisis de sensibilidad mostró que el resultado era más sensible a la brecha entre el interés real y el crecimiento (r−g): si el crecimiento caía por debajo de la tasa de interés, el ratio de deuda aumentaba rápidamente. El analista destacó esta única suposición crítica en el informe; centró su energía en validarlo.

Caso 2: Corrección del escenario arbitrariamente pesimista. En una institución, AI presentó un “escenario pesimista: crecimiento -10%”, pero no tenía fundamento. El economista objetó: esto era incluso más duro que la crisis más profunda de la historia del país y estaba injustificado. El escenario pesimista se rebajó al -3% basándose en la gravedad promedio de las dos últimas recesiones. El escenario ahora era defendible.

Caso 3: Cuenta transparente guardada. En una proyección presupuestaria, los resultados parecían extraños. Como el cálculo era transparente, el analista miró la tabla y encontró el error: la inteligencia artificial había aplicado la inflación en el lado de los ingresos pero se olvidó de aplicarla en el lado de los gastos. En un modelo de caja negra, este error permanecería oculto; fórmulas visibles lo revelaban.

Mesa de diseño de escenarios.

artículo

buena practica

mala practica

Suposiciones

Claro, razonado y fundamentado

secreto, arbitrario

Rango de escenario

Basado en histórico/lógico

Aleatorio "alto/bajo"

cuenta

Transparente, verificable manualmente

caja negra

presentación

"si-entonces", condicional

tan seguro como adivinar

Sensibilidad

Supuesto crítico marcado

Todos los supuestos se consideran iguales.

Cuatro plantillas copiables

1) Esqueleto del escenario:

Obtenga ese resultado [p.ej. deuda/PIB] Proyectaré 5 años. Variables impulsoras: crecimiento, inflación, interés, tipo de cambio. Sugiérame una tabla de supuestos CLARA para base/optimista/pesimista; Escribe una justificación al lado de cada suposición. No hagas los cálculos todavía; Primero déjame confirmar las suposiciones.

2) Hoja de cálculo/código transparente:

Calcule la proyección con los supuestos que apruebo. Mantenga las fórmulas VISIBLES (para que sea obvio cómo se calculó cada fila). Tome un año como ejemplo y muestre el cálculo paso a paso para que pueda verificarlo manualmente. No utilices una caja negra.

3) Análisis de sensibilidad:

En el escenario base, ajuste cada supuesto principal en ±X% uno por uno (otros constantes) y haga una tabla de cuánto cambia el resultado. Marque los 2 supuestos que más afectan al resultado como "críticos". Sugerir validación para estos supuestos críticos.

4) Prueba de estrés:

Dé este shock razonable pero duro: [p.ej. +X puntos de aumento repentino en la tasa de interés, Y% de disminución en las exportaciones]. Muestre cómo cambia el producto bajo este shock, si excede un umbral crítico (por ejemplo, límite insostenible deuda/PIB). Deje claro que este es un escenario de estrés condicional, no una predicción.

Aviso débil / Aviso fuerte

Aviso débil:

Escríbeme un escenario económico optimista y pesimista.

La inteligencia artificial produce escenarios de caja negra injustificados y sin fuentes; No se pueden ver ni verificar suposiciones.

Potente mensaje:

Proyectaré la relación deuda pública/PIB para 2025-2029. Caso base: crecimiento 4%, inflación 25%, tasa de interés promedio X%, saldo primario Y% (agregué mis fuentes). Juegue con suposiciones con RAZÓN para optimistas/pesimistas (para pesimistas, haga referencia a la gravedad de las dos últimas recesiones). Configure el cálculo como una tabla transparente, muestre un año para verificarlo manualmente y luego ejecute la sensibilidad r-g. Indique en el texto que los escenarios son condicionales, no predicciones.

Errores comunes

• Ocultar suposiciones. La suposición invisible es insostenible.
• Arbitrariamente optimista/pesimista. Las cifras extremas injustificadas destruyen la confianza.
• Presentar el escenario como una predicción. La condición de pensamiento "si" desaparece.
• Cuenta de caja negra. El error se oculta y la verificación se vuelve imposible.
• Saltos de sensibilidad. Gestionar mal el riesgo sin conocer el supuesto crítico.
• La suposición es ceder la propiedad a la inteligencia artificial. El juicio pertenece al hombre.

En resumen

El modelado de escenarios es el arte de traducir la incertidumbre en conclusiones condicionales a través de suposiciones claras y justificadas. Los escenarios base/optimistas/pesimistas deben ser sólidos, los cálculos deben ser transparentes y verificables manualmente; El análisis de sensibilidad debería revelar el supuesto crítico. La inteligencia artificial acelera el cálculo y las opciones, pero la justificación, la razonabilidad y el juicio final de los supuestos recae en el economista. El escenario no es una predicción, sino un ejercicio de "si-entonces".

Tarea de aplicación

Elija una proyección para su negocio (presupuesto, flujo de caja, ratio de endeudamiento). Produzca una tabla de supuestos justificados con la primera plantilla, un cálculo transparente con la segunda plantilla y un análisis de sensibilidad con la tercera plantilla. Identifique el supuesto crítico que más afecta el resultado y verifíquelo a partir de la fuente original. Consulta un escenario extremo sugerido por la IA para justificarlo y corrígelo si es necesario.

lista de verificación

• [ ] He escrito los supuestos de cada escenario de forma clara y justificada.
• [ ] Pongo al optimista/pesimista sobre una base histórica o lógica.
• [] Mantuve la cuenta transparente y verifiqué manualmente al menos un período.
• [ ] Identifiqué el supuesto crítico a través del análisis de sensibilidad.
• [] Confirmé la suposición crítica de la fuente original.
• [ ] Presenté los escenarios como “si-entonces” condicional en lugar de predicciones.
• [ ] He conservado la propiedad presuntiva y sentencia firme.