Funciones probabilisticas predictivas para los precios de combustibles como entrada en simulaciones de montecarlo

• Adrien J.P. Grid ^[1] ; Andrés Ortuño ^[1] ; M. Socorro García Cascales ^[1] ; Juan M. Sánchez Lozano ^[1]
  1. [1] Universidad Politécnica Cartagena
• Localización: Proceedings from the 18th International Congress on Project Management and Engineering: (Alcañiz, July 2014), 2014, ISBN 978-84-617-2742-1, págs. 1576-1585
• Idioma: español
• Títulos paralelos:
  • Predictive probabilistic functions for energy prices as an input in montecarlo simulations
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    El alto coste de la energía y la volatilidad de los precios están impulsando la adopción de medidas de eficiencia energética por parte de las empresas. La selección de las medidas de eficiencia energética a implementar, en la mayoría de los casos se sustenta en el cálculo del Pay-Back (PB) , y en algunos casos en el cálculo de la TIR y del VAN. En los tres casos, es necesario estimar el precio de los combustibles a lo largo de la vida del proyecto, para estudiar la rentabilidad de cada mejora de eficiencia energética propuesta. Los precios de combustibles como la electricidad, biomasa, derivados de petróleo, gas natural… experimentan unas variaciones muy importantes y no siempre muy predecibles. Si se utilizan funciones probabilísticas para definir la evolución de los precios en el periodo del proyecto, se pueden obtener los parámetros económicos que representan la rentabilidad del proyecto (PB, VAN, TIR), en forma también de funciones probabilísticas, a través del método de simulaciones de Montecarlo. En este trabajo se muestra cómo obtener las funciones probabilísticas que mejor describen la evolución de los precios de los distintos combustibles, y la aplicación de una simulación de Montecarlo para predecir los precios del combustible.

  • English

    The continual increase in energy costs and the volatility of energy prices are enforcing the implementation of energy efficiency measures (EEM) in companies. The choice of EEM in most cases is based on Pay-Back (PB) criteria, and in several cases on NVA and IRR criteria. In all these cases, it is necessary to estimate the price of energy in the following years so as to be able to study the profitability of the proposed EEM. Energy prices: electricity, biomass, petroleum, natural gas… change greatly throughout the period of a project, and their values are not easy to predict. If probabilistic functions are used to define the evolution of energy prices in the period of the project, the economic parameters (PB, IRR, NVA) could also be obtained as probabilistic functions, by applying Monte Carlo Simulation Methods. This paper shows how to obtain the probabilistic functions that best describe the variation of energy prices in the period of a project, and how to apply the Monte Carlo Simulation Method to obtain a better approach to predicting future energy prices.