DCF FCFF · Monte Carlo interactivo · datos al 2026-08-30 · precio de referencia editable
—
Editá los supuestos
El caso base está a la vista. Para mover los rangos (bear/base/bull) y las
distribuciones, dejanos tu email y desbloqueás el modelo — sin costo.
No compartimos tu email. Se usa para avisarte cuando publicamos.
Drivers — media (μ) y desvío (σ)
bear / base / bull son editables: cambiarlos re-alimenta el tornado y re-deriva la
distribución (base→μ, spread→σ). Cada driver se muestrea de una normal truncada a su
rango válido; σ por defecto = max(|base−bear|, |bull−base|)/2 (el endpoint más lejano ≈ 2σ).
Los sliders μ/σ pisan ese default; σ=0 fija el driver. Todo recalcula en vivo.
Distribución del valor intrínseco
P10
—
Mediana (P50)
—
P90
—
Media
—
P(IV > precio)
—
MoS mediana
—
Línea dorada = precio actual ·
azul = mediana del IV.
Tornado — swing del IV (bear → bull)
Determinístico: cada driver se mueve de su bear a su bull dejando el resto en base.
La barra mide cuánto cambia el IV. El de arriba es el que más mueve la aguja.
Sensibilidad a la varianza (Monte Carlo)
Contribución de cada driver a la varianza del IV (correlación de rangos de Spearman,
normalizada). Azul = relación positiva ·
rojo = negativa. Es la "sensitivity chart" de Crystal Ball.
Contexto por variable — los drivers de cada driver
Para cada supuesto: dónde viene históricamente, qué dice la industria y los competidores, y de qué
depende que se cumpla. Sirve para calibrar los rangos bear/base/bull con criterio, no a ojo.
Motor: FCFF = NOPAT − (net capex drag)·Rev − ΔNWC·Rev; drag baja lineal Y1→terminal en 5 años y
luego queda flat; TV = FCFF₍₁₀₎ × exit multiple; descuento a WACC. Snapshot regenerable con
build_montecarlo.py. No es consejo de inversión.