Una inversión no siempre se resuelve con una sola decisión. Una empresa puede invertir primero en una prueba, observar qué ocurre y después decidir si amplía, modifica o abandona el proyecto.
Un árbol de decisión para inversiones permite ordenar esa secuencia, incorporar eventos inciertos y asignar probabilidades y resultados económicos a cada camino. Así puedes comparar estrategias antes de comprometer más recursos.
En esta guía aprenderás a construir el árbol paso a paso, calcular el valor esperado y comparar tres alternativas con un ejemplo de ecommerce. También podrás descargar una plantilla Excel gratuita de árbol de decisión para inversiones para trabajar con tus propios datos.
Decisión → evento incierto → nueva decisión → resultado económico
¿Qué es un árbol de decisión para inversiones?
Un árbol de decisión es una representación de las alternativas disponibles, los eventos inciertos que pueden ocurrir y las decisiones que podrían tomarse después de conocer nueva información.
En inversiones resulta especialmente útil cuando la empresa no necesita decidir todo desde el comienzo.
Por ejemplo, una tienda online puede probar una nueva categoría de productos antes de realizar una compra grande. Si la demanda resulta alta, amplía la inversión. Si resulta baja, puede ajustar la propuesta o limitar sus pérdidas.
Un árbol de decisión para inversiones organiza decisiones, eventos inciertos, probabilidades y resultados económicos en una secuencia de ramas. Permite comparar estrategias cuando una inversión puede modificarse, ampliarse o abandonarse según la información que aparezca durante el proyecto.
El objetivo no es predecir exactamente qué sucederá. La pregunta que ayuda a responder es más práctica:
¿Qué estrategia parece más conveniente considerando las decisiones disponibles, la incertidumbre y sus posibles consecuencias económicas?
¿Cuándo conviene utilizar un árbol de decisión?
El árbol aporta más valor cuando una decisión futura depende de lo que ocurra después de una decisión anterior.
- Probar un producto antes de producirlo a gran escala.
- Abrir un local piloto antes de expandirse.
- Realizar una prueba antes de comprar maquinaria.
- Desarrollar un proyecto por fases.
- Aumentar una inversión solo si se cumplen ciertos resultados.
- Decidir posteriormente entre continuar, modificar o abandonar.
La característica común es la secuencia de decisiones: primero ocurre algo, aparece nueva información y después la empresa puede volver a decidir.
Si solo necesitas comparar dos alternativas y no existen decisiones posteriores, puede bastar un análisis costo-beneficio. Si todavía necesitas ordenar inversión inicial, costos, margen, ventas esperadas y recuperación, conviene empezar por un estudio económico para evaluar el proyecto.
Elementos de un árbol de decisión
Antes de construirlo conviene identificar cinco componentes básicos.
| Elemento | Qué representa | Ejemplo |
|---|---|---|
| Nodo de decisión (cuadrado) | Una elección de la empresa | Realizar una prueba piloto |
| Nodo de azar (círculo) | Un evento incierto | Demanda alta o baja |
| Rama | Un camino posible | Demanda alta |
| Probabilidad | Posibilidad estimada | 60 % |
| Resultado económico | Consecuencia monetaria | Ganancia de $30.000 |
En este escenario, abandonar deja una pérdida neta de $5.000 por los recursos ya comprometidos. Ajustar el proyecto permite recuperar parte de esa inversión y reduce la pérdida neta a $2.000. Ambos valores son supuestos ilustrativos que incluyen los costos correspondientes a cada camino.
Nodo de decisión. Se representa con un cuadrado y marca una elección que controla la empresa.
Nodo de azar. Se representa con un círculo y muestra acontecimientos inciertos, como una demanda alta o baja.
Rama. Muestra uno de los caminos que puede seguir el proyecto.
Probabilidad. Indica qué tan posible se considera cada resultado. Las probabilidades que salen de un mismo nodo deben sumar 100 %.
Resultado económico. Es la ganancia, pérdida, ahorro, costo o flujo asociado al final de una rama.
Cómo hacer un árbol de decisión paso a paso
1. Define la decisión inicial
Empieza con una pregunta concreta. En lugar de plantear “¿qué hacemos con el proyecto?”, formula algo como:
¿Conviene realizar una prueba piloto antes de lanzar el producto?
Una pregunta específica ayuda a delimitar las alternativas que realmente debes comparar.
2. Identifica los eventos inciertos
Determina qué puede ocurrir después de la primera decisión.
- Demanda alta.
- Demanda baja.
No necesitas representar cada situación imaginable. Incluye los eventos que realmente puedan cambiar la decisión o su resultado económico.
3. Asigna probabilidades
Las probabilidades deberían apoyarse, cuando sea posible, en datos históricos, pruebas anteriores, estudios de mercado, proyectos comparables o estimaciones fundamentadas.
Evita colocar un 60 %, 70 % u 80 % únicamente para completar el ejercicio. En cada nodo de azar, las probabilidades de las ramas mutuamente excluyentes deben sumar 100 %; si falta un resultado, el modelo está incompleto.
Si tienes dudas sobre una probabilidad importante, puedes comprobar posteriormente qué ocurre al modificarla mediante un análisis de sensibilidad financiera.
4. Incluye las decisiones posteriores
Supongamos que una prueba piloto muestra demanda alta. La empresa podría ampliar la inversión o mantener una operación pequeña.
Si la demanda resulta baja, podría ajustar el producto o abandonar el proyecto.
Estas decisiones posteriores son una de las principales razones para utilizar un árbol.
5. Estima los resultados económicos
Asigna una consecuencia económica a cada camino final y utiliza el mismo criterio en todas las ramas.
Expresa todas las alternativas con el mismo criterio: por ejemplo, flujos netos descontados a una fecha común, o resultados netos de un horizonte equivalente en un ejercicio simplificado. No mezcles ventas brutas, utilidad contable y flujo de caja. Documenta inversión inicial, costos de cada etapa y valor de salida o abandono cuando corresponda, sin contar dos veces ningún desembolso.
También debes considerar el momento del dinero. Si una rama produce un resultado dentro de seis meses y otra dentro de cuatro años, puede ser necesario llevar ambos flujos a una misma fecha mediante valor presente.
6. Construye las ramas
Ordena el árbol según la secuencia real del proyecto:
Decisión inicial → evento incierto → decisión posterior → resultado
Primero representa cómo puede desarrollarse el problema. Después realiza los cálculos.
7. Resuelve el árbol desde el final
Aunque el árbol se construye desde la decisión inicial hacia los posibles resultados, se calcula en sentido contrario.
En cada nodo de azar calculas el valor esperado ponderando los resultados por sus probabilidades. En cada nodo de decisión seleccionas la rama con el valor más favorable, siempre bajo el criterio de evaluación definido. Después llevas ese valor hacia el nodo anterior.
Después continúas retrocediendo hasta llegar nuevamente a la primera decisión. Este procedimiento se conoce como resolución hacia atrás.
Esta lógica de cálculo está ilustrada en los materiales de The Open University sobre árboles de decisión, que diferencian nodos de decisión y de azar y resuelven el modelo de derecha a izquierda.
Cómo calcular el valor esperado
El valor esperado combina cada resultado económico con la probabilidad de que ocurra.
VE = Σ (probabilidad × resultado)
Supongamos que una inversión tiene:
- 60 % de probabilidad de ganar $20.000.
- 40 % de probabilidad de perder $5.000.
El cálculo sería:
VE = (0,60 × $20.000) + (0,40 × -$5.000)
VE = $12.000 – $2.000 = $10.000
Esto no significa que la empresa vaya a recibir exactamente $10.000. Los resultados considerados siguen siendo ganar $20.000 o perder $5.000.
Los $10.000 son un promedio ponderado que ayuda a comparar esta alternativa con otras.
Ejemplo de árbol de decisión para una inversión
Una pequeña empresa de ecommerce estudia lanzar una nueva categoría de productos.
Tiene tres alternativas iniciales:
- Realizar una prueba piloto.
- Lanzar directamente.
- No invertir.
Supuestos didácticos: todas las cantidades están en la misma moneda, corresponden al mismo horizonte y representan resultados netos acumulados desde la decisión inicial, incluidos los costos de inversión, piloto y ajustes que correspondan a cada rama. No son ventas brutas ni resultados reales de una empresa. Se supone, para facilitar el aprendizaje, que el piloto revela de forma suficientemente clara si la demanda es alta o baja y permite elegir la acción posterior. En la práctica, esa señal puede ser imperfecta y debe verificarse.
Las probabilidades del piloto y del lanzamiento directo describen estrategias diferentes y necesitarían evidencia propia en una evaluación real. Los valores de este ejercicio son supuestos ilustrativos; no deben tomarse como pronósticos de mercado.
Así se organiza el árbol del ejemplo
Para dibujarlo, empieza con un cuadrado del que salen tres ramas: piloto, lanzamiento directo y no invertir. La rama del piloto llega a un círculo de demanda alta o baja; cada resultado lleva a un nuevo cuadrado con las alternativas posteriores. El lanzamiento directo llega a otro círculo con éxito o fracaso. Las hojas finales muestran resultados económicos.
| Ruta y evento | Decisión posterior | Resultado neto de la ruta |
|---|---|---|
| Piloto: demanda alta (60 %) | Ampliar o mantener escala pequeña | $35.000 o $18.000 |
| Piloto: demanda baja (40 %) | Ajustar o abandonar | −$2.000 o −$5.000 |
| Directo: éxito (45 %) | Sin decisión intermedia en este modelo | $30.000 |
| Directo: fracaso (55 %) | Sin decisión intermedia en este modelo | −$18.000 |
| No invertir | No aplica | $0 |
Al resolver el árbol, primero eliges la mejor decisión posterior dentro de cada resultado del piloto. Solo después aplicas las probabilidades y comparas las tres estrategias iniciales. Esta secuencia es la que debe reflejar el diagrama.
Alternativa 1: realizar una prueba piloto
La empresa estima una probabilidad de 60 % de demanda alta y 40 % de demanda baja.
Si la demanda es alta, tendrá estas opciones:
| Decisión posterior | Resultado neto |
|---|---|
| Ampliar la inversión | $35.000 |
| Mantener escala pequeña | $18.000 |
Bajo el criterio económico utilizado, ampliaría la inversión y conservaría el resultado de $35.000.
Si la demanda resulta baja:
| Decisión posterior | Resultado neto |
|---|---|
| Ajustar el proyecto | -$2.000 |
| Abandonar inmediatamente | -$5.000 |
En este caso conservaría la alternativa de ajustar, con un resultado de -$2.000.
Ahora calculamos el valor esperado de la prueba piloto:
VE = (0,60 × $35.000) + (0,40 × -$2.000)
VE = $20.200
Alternativa 2: lanzar directamente
La empresa estima los siguientes resultados:
| Resultado | Probabilidad | Resultado neto |
|---|---|---|
| Éxito | 45 % | $30.000 |
| Fracaso | 55 % | -$18.000 |
VE = (0,45 × $30.000) + (0,55 × -$18.000)
VE = $3.600
La alternativa de no invertir tendría, para este ejemplo, un resultado de $0.
Comparación de las alternativas
| Estrategia | Valor esperado |
|---|---|
| Realizar prueba piloto | $20.200 |
| Lanzar directamente | $3.600 |
| No invertir | $0 |
Bajo los supuestos y el criterio de máximo valor esperado, la prueba piloto obtiene $20.200 frente a $3.600 del lanzamiento directo y $0 de no invertir. La diferencia entre piloto y lanzamiento directo es de $16.600 de valor esperado estimado, no una ganancia garantizada.
El análisis muestra además que el lanzamiento directo tiene una pérdida modelada de $18.000 en caso de fracaso; en la ruta de piloto con demanda baja, la mejor decisión posterior deja una pérdida de $2.000. Esa comparación depende de haber incluido todos los costos de cada ruta y de que la información del piloto permita escoger la acción correspondiente. Una prueba no asegura por sí misma que las pérdidas reales se limiten a $2.000.
Ese es uno de los principales aportes del árbol: permite evaluar qué hacer hoy y qué opciones conservar si las condiciones cambian. Si cambian las probabilidades, los costos o la calidad de la información obtenida en el piloto, la estrategia preferida también puede cambiar. Comprueba esa sensibilidad antes de comprometer recursos.
Árbol de decisión vs. sensibilidad, escenarios y Monte Carlo
Estas herramientas trabajan con incertidumbre, pero no responden exactamente la misma pregunta.
| Método | Pregunta principal |
|---|---|
| Árbol de decisión | ¿Qué conviene hacer cuando habrá decisiones posteriores? |
| Análisis de sensibilidad | ¿Qué variable puede cambiar más el resultado? |
| Escenarios | ¿Qué ocurre bajo diferentes combinaciones de supuestos? |
| Monte Carlo | ¿Qué distribución de resultados puede generar la incertidumbre? |
Por ejemplo, un árbol puede indicar que conviene realizar una prueba antes de ampliar una inversión. Después puedes utilizar un análisis de sensibilidad para comprobar si esa conclusión cambia cuando modificas una probabilidad importante.
Una simulación de Monte Carlo en Excel puede ser más apropiada cuando ventas, precios, costos y márgenes pueden tomar numerosos valores y quieres analizar una distribución amplia de resultados posibles.
No son herramientas rivales. Cada una responde una pregunta distinta y pueden complementarse dentro de una evaluación financiera más completa.
Límites y errores que debes evitar
Un árbol puede estar correctamente calculado y aun así conducir a una mala decisión si sus supuestos son deficientes.
No confundas valor esperado con resultado garantizado
Un valor esperado de $20.000 no significa que el proyecto vaya a producir exactamente $20.000.
Revisa siempre los resultados favorables y desfavorables que están detrás del promedio.
No ignores la capacidad para soportar pérdidas
| Indicador | Alternativa A | Alternativa B |
|---|---|---|
| Valor esperado | $25.000 | $20.000 |
| Pérdida máxima | -$100.000 | -$10.000 |
Aunque A tenga mayor valor esperado, una pequeña empresa podría no disponer de liquidez suficiente para soportar una pérdida de $100.000.
Por eso conviene revisar valor esperado, pérdida máxima, probabilidad de pérdida, liquidez disponible e impacto sobre la continuidad del negocio.
No inventes probabilidades
Una cifra precisa no necesariamente es una buena estimación. Documenta de dónde proviene y comprueba si la decisión cambia cuando modificas los supuestos más importantes.
No mezcles criterios económicos
No compares utilidad neta en una rama con ventas brutas en otra. Todos los resultados deben utilizar una base económica consistente.
No compliques el árbol innecesariamente
Cada evento adicional multiplica el número de ramas. Incluye solo los acontecimientos que puedan modificar materialmente la decisión.
Si existen muchas variables inciertas simultáneamente, puede ser más útil complementar el análisis con Monte Carlo u otra herramienta.
Checklist para evaluar una inversión con un árbol de decisión
- ¿La decisión inicial está claramente definida?
- ¿Incluiste las alternativas relevantes?
- ¿Identificaste los principales eventos inciertos?
- ¿Las probabilidades tienen una base razonable?
- ¿Las probabilidades de cada nodo suman 100 %?
- ¿Incluiste las decisiones que pueden tomarse después?
- ¿Los resultados utilizan el mismo criterio económico?
- ¿Los flujos son comparables en el tiempo?
- ¿Calculaste el árbol desde los resultados finales hacia el inicio?
- ¿Revisaste la pérdida máxima posible?
- ¿La empresa puede soportar esa pérdida?
- ¿La decisión cambia si modificas una probabilidad importante?
Descarga la plantilla
La plantilla gratuita de árbol de decisión para inversiones en Excel te ayuda a registrar alternativas, probabilidades y resultados económicos, revisar que las probabilidades estén completas y comparar valores esperados sin reconstruir todas las operaciones desde cero.
Cómo utilizarla con el ejemplo:
- Registra las estrategias iniciales: piloto, lanzamiento directo y no invertir.
- Introduce los escenarios y sus probabilidades: 60 % y 40 % para el piloto; 45 % y 55 % para el lanzamiento directo.
- Consigna resultados económicos netos coherentes y utiliza la evaluación de decisiones posteriores del ejemplo antes de comparar los valores esperados.
- Compara las alternativas y revisa las pérdidas posibles. Revisa cómo podría variar la comparación si cambian los supuestos; para hacerlo, usa también el análisis de sensibilidad.
Importante: la plantilla ayuda a ordenar y calcular los datos; no sustituye la estimación de probabilidades, la valoración de flujos ni el juicio sobre el riesgo. Utiliza las ramas descritas arriba para dibujar el árbol y comprobar que las decisiones posteriores no queden omitidas.
Preguntas frecuentes
¿Para qué sirve un árbol de decisión en finanzas?
Sirve para analizar inversiones donde existen incertidumbre y decisiones sucesivas. Permite representar caminos posibles, asignar probabilidades y resultados económicos y comparar qué estrategia parece más conveniente antes de comprometer recursos adicionales.
¿Las probabilidades de un nodo deben sumar 100 %?
Sí. Los resultados considerados dentro de un mismo nodo de incertidumbre deben representar el conjunto de posibilidades modeladas y sumar 100 %. Si el total no coincide, revisa si falta un resultado o si las estimaciones son inconsistentes.
¿El mayor valor esperado siempre es la mejor decisión?
No necesariamente. El valor esperado es útil para comparar alternativas, pero también debes considerar la pérdida máxima, la probabilidad de pérdida, la liquidez disponible y la capacidad de la empresa para asumir riesgo.
¿Cuál es la diferencia entre un árbol de decisión y Monte Carlo?
El árbol es especialmente útil cuando una decisión conduce a nueva información y luego aparece otra decisión. La simulación de Monte Carlo en Excel sirve para explorar una distribución amplia de resultados cuando intervienen varias variables inciertas. Ambas técnicas pueden complementarse.
Un árbol de decisión no elimina la incertidumbre. La convierte en una secuencia que puedes analizar.
Empieza con pocas ramas, utiliza probabilidades que puedas justificar y expresa los resultados con un criterio económico consistente. Después calcula desde los resultados finales hasta la decisión inicial.
Si quieres aplicarlo a tu propia inversión, utiliza la plantilla Excel gratuita de árbol de decisión para inversiones y sustituye los datos del ejemplo por tus alternativas, probabilidades y resultados.
Fuentes y metodología del ejemplo
El ejemplo es una simulación educativa de InfoExperiencia. Utiliza probabilidades y resultados inventados para ilustrar la resolución hacia atrás. No corresponde a una inversión real ni constituye una recomendación financiera personalizada. Los fundamentos del método pueden contrastarse en estas referencias:
INFORMS — Decision Analysis for Practitioners: contexto metodológico para estructurar decisiones y riesgos.
The Open University — Decision trees and dealing with uncertainty: estructura, nodos, probabilidades y resolución del árbol.
Penn State University — Expected Value Analysis (Economic Risk Analysis): evaluación económica de alternativas bajo incertidumbre.
Discover more from
Subscribe to get the latest posts sent to your email.
