CODEa Business Logo
Cursos Minería, Geología y Procesos Extractivos

Simulación de montecarlo aplicado a la evaluación de proyectos mineros

La evaluación de proyectos mineros enfrenta un alto grado de incertidumbre debido a factores como la variabilidad de leyes de mineral, costos operativos y precios internacionales de los metales. Para enfrentar estos retos, la simulación de Montecarlo se ha consolidado como una herramienta esencial que permite cuantificar riesgos, modelar escenarios y tomar decisiones más robustas.

2 horas
Minería, Geología y Procesos Extractivos
On Demand

Lo que aprenderás

Evaluación proyectos mineros simulación Montecarlo riesgos mineros economía minera finanzas mineras análisis sensibilidad Crystal Ball Risk análisis probabilístico

Contenido del curso

5 módulos · 21 lecciones

Diferencia entre evaluación económica y financiera.

Objetivos – Medición de la rentabilidad y análisis de riesgos.

Supuestos básicos – Capital propio, compras y ventas al contado.

Indicadores principales de evaluación económica: VAN, TIR, periodo de recuperación, índice B/C.

Flujo de caja proyectado y descontado.

Sensibilidad de variables – Precios, leyes, costos de operación y capital.

Métodos determinísticos vs. probabilísticos.

Técnicas tradicionales: flujo de caja descontado, análisis de sensibilidad, árboles de decisión.

Definición y ventajas frente a métodos determinísticos.

Uso de distribuciones estadísticas en variables clave.

Pasos básicos de una simulación Montecarlo: desarrollo del modelo, definición de distribuciones marginales, ejecución de simulaciones múltiples.

Consideraciones – Autocorrelación de variables y número de simulaciones.

Construcción de un modelo económico minero – Producción, costos, ingresos.

Simulación de variables críticas – Recuperación, leyes de cabeza, tonelaje, precios de metales.

Ejemplo en Excel con complementos – Simulación 4.0, @Risk, Crystal Ball.

Interpretación de resultados – Distribuciones de VAN y TIR, probabilidad de escenarios no rentables, identificación de riesgos clave.

Comparación entre modelos determinísticos y probabilísticos.

Importancia de contar con datos representativos y confiables.

Aplicaciones en la toma de decisiones de inversión.

Limitaciones y desafíos – Correlación de variables, número de iteraciones, costos de cómputo.

Recomendaciones finales y bibliografía especializada.