evaluación del riesgo de portfolios agrícolas• la historia nos enseña que los que nunca pasó...
Post on 23-Apr-2020
1 Views
Preview:
TRANSCRIPT
1
15 de mayo de 2009
Evaluación del riesgo de portfolios agrícolas
Ing. Agr. M.S. Ariadna Berger
Agricultura y riesgo
Sequía
Inundaciones
TemperaturasextremasGranizo
Vientos
Heladas
Radiación
Riesgo de mercado
Agricultura y riesgo
¿Qué puede pasar entre la siembra y la cosecha?
Riesgo de mercadoRiesgo de mercado
Riesgo climático
4
Contenidos
Portfolios agrícolas2
�¿Qué fuentes de datos usar para describir la incertidumbre en rindes y precios?
�¿Qué metodología usar para cuantificar el riesgo de estos portfolios?
�¿Qué resultados analizar y cómo elegir estrategias de asignación de recursos?
5
Cultivo
Campo
Portfolio
Portfolios agrícolas y riesgo
6
Noticias recientes
7
Noticias recientes
¿Se pudieron haber previsto estos resultados?
Con el “diario del día después” es fácil decirlo.
15 meses antes de que termine la cosecha, no tanto.
¿Significa entonces que cada año jugamos a la ruleta?
¿O es posible ajustar un poco la puntería?
8
Un botón (de muestra)
En mayo 2008, un pool de siembras ubicado en el oeste, sudeste y centro de la provincia de Buenos Aires, proyectó -para la campaña 2008/09-:
• una inversión promedio de 330 US$/ha en labores e insumos
• una inversión promedio de 367 US$/ha en arrendamientos
• una producción total de 176.000 toneladas en 33.000 hectáreas reales (44.000 ha sembradas)
• un resultado promedio de 170 US$/ha real
• una relación resultado antes de impuestos / capital total comprometido del 30%.
9
Un botón (de muestra) (cont.)
En abril 2009, la situación era otra:
• una producción total de 67.000 toneladas en 24.000 hectáreas reales (29.000 ha sembradas)
• una relación resultado antes de impuestos / capital total comprometido de -48%.
¿Cómo se explican estas diferencias?
10
Proyecciones de precios
Precios proyectados y logrados (US$/ton)
Mínimo Esperado Máximo LogradoTrigo 190 205 220 141Soja 220 240 260 233Maíz 135 150 165 122Girasol 340 370 400 174
¿Qué pasó?
11
Precios - Trigo
Trigo Buenos Aires
110
101 11
2
157
215
197
192
237
240
243
227
201
196
0
50
100
150
200
250
2004
2005
2006
2007
2008
Feb
-08
Mar-08
Abr-08
May
-08
Jun-08
Jul-08
Ago
-08
Sep
-08
Año - m es
US$/T
En los últimos cuatro años, el precio del trigo había estado bastante por debajo del precio mínimo previsto de 190 US$/ton.
12
Variabilidad precios - Trigo
Desvíos entre precio a futuro y precio disponible en cosecha
-60%
-40%
-20%
0%
20%
40%
60%
02468101214
meses antes de cosecha
PromedioMáximo
Mínimo
Considerando las últimas 15 campañas, la variación que se puede esperar en abril/mayo para el trigo es de +/- 40% con respecto al precio a futuro posición enero siguiente.
Soja Rosario
193
169
175
217
313
411
345
278
282
288 304
290
275
0
50
100
150
200
250
300
350
400
450
2004
2005
2006
2007
2008
Feb-08
Mar-08
Abr-08
May-08
Jun-08
Jul-08
Ago-08
Sep-08
Año - mes
US$/T
13
Precios - Soja
En los últimos cuatro años, el precio de la soja había estado por debajo del precio mínimo previsto de 220 US$/ton.
Desvíos entre precio a futuro y precio disponible en cosecha
-50%
-40%
-30%
-20%
-10%
0%
10%
20%
30%
40%
50%
60%
024681012141618
meses antes de cosecha
PromedioMáximo
Mínimo
14
Variabilidad precios - Soja
También para la soja, considerando las últimas 15 campañas, la variación que se puede esperar en abril/mayo es de alrededor de +/- 40% con respecto al precio a futuro posición mayo siguiente.
15
Precios - Maíz
Maíz Rosario
81
70
92
118
156
152 158
161
162 172
162
141
135
0
50
100
150
200
2004
2005
2006
2007
2008
Feb
-08
Mar-08
Abr-08
May
-08
Jun-08
Jul-0
8
Ago
-08
Sep
-08
Año - mes
US$/T
En los últimos cuatro años, el precio del maíz había estado muy por debajo del precio mínimo previsto de 135 US$/ton.
Desvíos entre precio a futuro y precio disponible en cosecha
-60%
-40%
-20%
0%
20%
40%
60%
0246810121416
meses antes de cosecha
PromedioMáximo
Mínimo
16
Variabilidad precios - Maíz
Para el maíz, considerando las últimas 15 campañas, la variación que se puede esperar en abril/mayo es de alrededor de +30/-40% con respecto al precio a futuro posición abril siguiente.
Girasol Rosario
185
176
172
297
377
421
411
351
357
351
326
0
282
0
50
100
150
200
250
300
350
400
450
2004
2005
2006
2007
2008
Feb
-08
Mar-08
Abr-08
May
-08
Jun-08
Jul-0
8
Ago
-08
Sep
-08
Año - mes
US$/T
17
Precios - Girasol
En los últimos cuatro años, el precio del girasol había valido la mitad del precio mínimo previsto de 340 US$/ton.
Desvíos entre precio a futuro y precio disponible en cosecha
-60%
-40%
-20%
0%
20%
40%
60%
80%
0246810121416
meses antes de cosecha
PromedioMáximo
Mínimo
18
Variabilidad precios - Girasol
Para el girasol, considerando las últimas 15 campañas, la variación que se puede esperar en abril/mayo es de alrededor de +50/-60% con respecto al precio a futuro posición marzo siguiente.
19
Proyecciones de rindes
Distintas percepciones de la variabilidad de rindes2
Rinde (kg/ha) Mínimo 3.800 2.600 2.200 8.500 4.900 Más probable 4.800 4.050 2.800 10.250 5.425 Máximo 5.800 5.500 2.400 12.000 6.000 Esperado 4.800 4.050 2.633 10.250 5.433
Trigo Soja 1era Soja 2da Maíz Girasol CebadaRinde (kg/ha) Mínimo 2.722 2.381 1.181 3.871 2.374 646 Más probable 5.046 3.839 2.683 10.919 3.246 3.363 Máximo 6.571 5.459 3.908 14.440 3.892 5.670 Esperado 4.913 3.866 2.637 10.331 3.208 3.295
El valor esperado coincide pero la variabilidad no
20
La sequía de 2008/09
21
Los cisnes negros existen
• Hay dos mundos:• Uno en el que realmente vivimos.• Otro, más determinístico, en el que suponemos que vivimos (Taleb, 2004).
• La historia nos enseña que los que nunca pasóantes, finalmente termina pasando.
22
¿Qué se puede hacer?
• Tratar de anticiparse a los posibles resultados para:� cubrirse de eventuales escenarios adversos� capitalizar eventuales escenarios favorables.
• ¿Con qué herramientas?� Simulación Monte Carlo� Proyecciones “expertas” de rinde� Proyecciones “expertas” de precios
23
Simulación Monte Carlo
• La simulación Monte Carlo es una técnica de simulación probabilística.
• Se basa en la aleatorización de los valores usados para las variables del modelo.
• Se generan muchos escenarios posibles, cada uno de ellos con su probabilidad de ocurrencia.
24
Estimaciones de rindes
• Es muy difícil contar con una serie de datos de rindes suficientemente larga:• Debido al tipo de producción, cada año se generan muy pocos datos.• Cambios en factores de manejo como variedad, fecha de siembra, fertilización y otros generan cortes en las series de datos.
• Una alternativa a la opinión de expertos son los modelos de simulación agronómica (MSA).
Mercau (2002), en “Guía Dekalb del cultivo de maíz”, Satorre E. et al., Buenos Aires
MSA
Clima: precipitaciones, temperatura, radiación
Suelo: perfil, agua, nitrógeno
Manejo: fecha, densidad y diseño
de siembra, fertilización, riego
Genotipo
Fenología
Biomasa de órganos
vegetativos
Consumo de aguay nitrógeno
Agua y nitrógenoen el suelo
Rendimiento y sus componentes
Modelos de simulación agronómica
CO2, radiación,Factores temperatura,definitorios genotipo
Factores Agua,medidas de aumento limitantes nutrientes
del rendimientoMalezas, plagas,
Factores enfermedades,medidas de protección del rendimiento reductores granizo, etc.
7 10 15 ton/ha
Mercau (2002), en “Guía Dekalb del cultivo de maíz”, Satorre E. et al., Buenos Aires
La limitante de los MSA es que sólo consideranlimitantes de agua y nutrientes.
Prediccióndel MSA
Modelos de simulación agronómica
Rinde (kg/ha)
0
2000
4000
6000
8000
10000
12000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15años
Trigo Maíz Soja 1era Soja 2da
Variabilidad de rindes
28
Estimaciones de precios
• El precio del año anterior es una aproximación muy simple del precio de la próxima cosecha.
• Cada campaña implica una situación diferente del mercado mundial, muy difícil de predecir.
• Se deben analizar series históricas y también los posibles ajustes de esos valores a la situación actual.
29
Estimaciones de precios
Precio del maíz (US$/tonelada)
0
20
40
60
80
100
120
140
160
a la siembra (MAT) en cosecha
03/04 04/05 05/06
06/07 07/08 08/09
30
Un ejemplo
31
Un ejemplo
• Limites:
� temporal: campaña 2009/2010� espacial:
5.1006.2006.4006.500Superficie real (ha)
Sur -Sudeste
Núcleo - Del Salado
Oeste -Oeste arenoso
Oeste -Oeste
32
Etapas evaluación de portfolios
Definición de regiones
productivas
Definición de regiones
productivas
Caracterización de
grandes ambientes
Caracterización de
grandes ambientes
Definición de modelos
de producción
Definición de modelos
de producción
Simulación de
resultados
productivos
Simulación de
resultados
productivos
Cálculo de resultados
económicos
Cálculo de resultados
económicos
Evaluación de
portfolios
Evaluación de
portfolios
0.0
0.2
0.4
0.6
0.8
0 2000 4000 6000
Probabilidad Acumulada
Rendimiento (Kg/ha)
Rendimientos en Unidades Cartográficas
33
Regiones productivas
En base a los regímenes climáticos y a las principales limitantes para la producción se definieron 8 regiones productivas:
1. Región Sur
2. Región Núcleo
3. Región Oeste
4. Región Litoral sur
5. Región Centro-norte de Santa Fe (CNSF)
6. Región Norte de Córdoba
7. Región del Noreste (NEA)
8. Región Chaco – Santiagueña
34
Principales limitantes
Profundidad
efectiva del sueloTopografía,
% de arena.
Profundidad del
Horizonte tapto,
Presencia de Na.
Topografía,
% de arena.
Topografía,
Vetisoles, Argiudoles
Profundidad
efectiva del suelo.
Topografía,
profundidad de
la napa.
Tomado de Menéndez 2007
35
Subregiones de producciónRegión Sub-región
1 SurSudeste
Sudoeste
2 Núcleo
Del Paraná
Núcleo
Del Salado
3 Oeste
Oeste
Oeste Arenoso
Central
4 Litoral SurLitoral Sur
CES
5 CNSF Centro Norte SF
6 CN (Córdoba norte)Centro
Norte
7 NEA NEA
8 Chaco-SantiagueñaChaco-Santiagueña
36
Fuentes de datos - Rindes
• Distribuciones de rendimientos Dos fuentes de información:
� Anuarios estadísticos de AACREA� Simulaciones MSA
• Correlaciones de rendimientos
� Simulaciones MSA (AACREA para CNSF)
• Modelos de producción
Para cada cultivo se definió un modelo de producción típico en cada región. El modelo definido corresponde a un planteo tecnológico (nivel de fertilización, control de malezas plagas y enfermedades, etc.) óptimo según las características de la región.
37
Fuentes de datos - Rindes
Anuarios estadísticos de AACREA
• Registros de rendimientos promedio de cada grupo CREA para cada cultivo desde 1995/96 a 2005/06 (11 campañas)
• Se seleccionaron los grupos CREA agrícolas más representativos de cada una de las sub-regiones definidas.
• Se calcularon el rinde mínimo absoluto, máximo absoluto y el promedio para esos grupos en las 11 campañas (para cada cultivo).
• Ventaja: Los valores de rendimiento CREA representan un amplio espectro de situaciones de producción (ambientes y manejo) presentes en una sub-región.
• Limitaciones: los grupos representativos de algunas regiones no tienen la cantidad de registros suficientes para evaluar tendencias o correlaciones entre actividades y sub-regiones.
38
Fuentes de datos - Rindes
Simulaciones MSA
• Se caracterizaron los ambientes de distintas áreas de producción. Se seleccionaron núcleos representativos para cada sub-región.
• Se simularon con MSA diferentes cultivos y manejos de los cultivos en los suelos predominantes (33 años).
• Se tomaron el rinde mínimo absoluto, máximo absoluto y promedio de la serie de rindes ponderados.
• Limitaciones: no se dispone de núcleos en algunas sub-regiones. Algunos de los cultivos de interés no están simulados. Al ser rendimientos simulados, no consideran los factores reductores del rendimiento ni algunos de los factores limitantes.
39
Rotaciones
• Se definieron esquemas de rotaciones típicos para cada región (se señala el modal).
• Los esquemas se definieron en base a:
(a) cuadernillos de actualización técnica de AACREA,
(b) superficies de cada uno de los cultivos en cada región en los anuarios estadísticos de AACREA,
(c) análisis previos de las rotaciones de algunos casos reales.
40
Rotaciones
Región Sub-regiónEsquema de rotación
típico
SurSudeste Sj – Tr/Sj2 – Gi
Sudoeste Sj – Tr/Sj2 – Gi
Núcleo
Del Paraná Sj – Tr/Sj2 – Mz
Núcleo Sj – Tr/Sj2 – Mz
Del Salado Sj – Tr/Sj2 – Mz
Oeste
Oeste Sj – Tr/Sj2 – Mz
Oeste Arenoso Sj – Tr/Sj2 – Mz
Central Sj – Tr/Sj2 – Mz
Litoral SurLitoral Sur Sj – Ts/Sj2 – Mz
CES Sj – Ts/Sj2 – Mz
CNSF Centro Norte SF Tr/Sj2 – Tr/Mz2 - Sj
CNCentro Sj – Tr/Sj2 – Mz
Norte Sj – Tr/Sj2 – Mz
NEA NEA Sj – Tr/Sj2 – Mz/Sj2
Chaco-Santiagueña Chaco-Santiagueña Sj – Mz
41
Precios de granos (US$/ton)
Precios a cosecha
Grano Trigo Soja Maíz Girasol
141 240 123 209Mínimo 106 180 92 157Más probable 141 240 123 209Máximo 176 300 154 261
141 240 123 209Esperado 141 240 123 209
• Trigo: enero 2010 +/- 25%• Soja: mayo 2010 +/- 25%• Maíz: abril 2009 +/- 25%• Girasol: marzo 2009 +/- 25%
42
Costos
• Insumos: precios previstos para campaña 2009/10 provistos por la empresa (un 10% a los precios promedio publicados de las últimas 4 campañas)
• Fletes: � tarifas CATAC 2008 -10% (girasol: tarifa llena; cebada
-80%)� distancias promedio de cada subregión a puerto
(Rosario, Quequén y Bahía Blanca)• Arrendamientos: valores 2006/07, 100% en qq de soja a
pagar en cosechaÉsta es en realidad la gran incógnita.
• Gastos de cosecha y comerciales: valores actuales publicados en revista. Cosecha: 100% variable en función del rinde.
43
Resultadosha ha Margen neto
arrendadas sembradas US$ totales US$/ha sembradaMedia Desvío CV Media Desvío
Núcleo - Núcleo 0 0 0 0 0% 0 0Núcleo - Del Paraná 0 0 0 0 0% 0 0Núcleo - Del Salado 6,243 8,303 1,541,720 628,532 41% 186 76Oeste - Oeste 6,465 8,598 1,377,769 655,172 48% 160 76Oeste - Oeste arenoso 6,439 8,564 1,220,449 637,570 52% 143 74Oeste - Central 0 0 0 0 0% 0 0Sur - Sudeste 5,129 6,822 395,151 375,848 95% 58 55Sur - Sudoeste 0 0 0 0 0% 0 0Litoral Sur - Litoral Sur 0 0 0 0 0% 0 0Litoral Sur - CES 0 0 0 0 0% 0 0CN - Centro 0 0 0 0 0% 0 0CN - Norte 0 0 0 0 0% 0 0CNSF - Centro Norte SF 0 0 0 0 0% 0 0Chaco-Santiagueña - Chaco- 0 0 0 0 0% 0 0NEA - NEA 0 0 0 0 0% 0 0Total 24,276 32,287 4,535,089 1,694,640 37% 140 52
Capital Margen neto / Capital comprometidocomprometido ("Rentabilidad")
US$ Media Desvío CVNúcleo - Del Salado 3,522,819 43% 17% 39%Oeste - Oeste 4,033,320 34% 15% 46%Oeste - Oeste arenoso 3,045,121 40% 20% 51%Sur - Sudeste 2,550,019 15% 14% 94%Total 13,151,279 34% 12% 35%
44
Resultados
45
¿Y a más largo plazo?
46
¿Y a más largo plazo?
• Objetivos: Evaluar e identificar nuevas regiones de producción dentro del país para el crecimiento de la empresa
• Escala: Regiones productivas del país y grandes ambientes dentro de cada región
• Herramienta:Un nuevo modelo de portfolio que combina simulación Monte Carlo y optimización.
47
Márgenes netos
Margen neto total (US$/ha sembrada)
umbral objetivoMargen neto objetivo 100 100
Promedio Trigo Soja 1era Soja 2da Maíz 1era Maíz 2da Girasol 1eraNúcleo - Núcleo 195 108 198 258 214 0 0Núcleo - Del Paraná 129 63 67 179 208 0 0Núcleo - Del Salado 186 138 183 241 182 0 0Oeste - Oeste 160 102 183 205 150 0 0Oeste - Oeste arenoso 143 56 233 155 125 0 0Oeste - Central 48 13 126 71 (19) 0 0Sur - Sudeste 58 11 76 169 0 0 (25)
Sur - Sudoeste 6 (61) (12) 160 0 0 (63)
Litoral Sur - Litoral Sur 100 77 96 49 178 0 0Litoral Sur - CES 42 (49) 43 154 20 0 0CN - Centro 62 (43) 92 98 100 0 0CN - Norte 13 (87) 99 80 (42) 0 0CNSF - Centro Norte SF (56) (74) (103) 59 0 (86) 0Chaco-Santiagueña - Chaco-Santiagueña 6 0 58 0 (45) 0 0NEA - NEA (6) (28) (123) (34) 0 187 0
48
Desvío
Desvío (US$/ha sembrada) Desvío umbral 50% del MNMáximo desvío 100%
Promedio Trigo Soja 1era Soja 2da Maíz 1era Maíz 2da Girasol 1era CebadaNúcleo - Núcleo 112 88 131 118 219 127 53 63
Núcleo - Del Paraná 101 80 143 114 175 192 86 0Núcleo - Del Salado 103 83 123 103 172 120 75 0Oeste - Oeste 98 89 121 102 181 74 72 106
Oeste - Oeste arenoso 97 100 129 114 154 170 65 62
Oeste - Central 100 111 127 101 168 166 70 0Sur - Sudeste 72 102 99 94 193 0 96 108
Sur - Sudoeste 61 124 69 51 189 0 87 58
Litoral Sur - Litoral Sur 90 82 128 111 152 155 92 0Litoral Sur - CES 84 61 108 103 156 73 75 0CN - Centro 115 77 161 172 175 86 0 0CN - Norte 107 67 160 163 140 95 0 0CNSF - Centro Norte SF 50 46 67 55 108 60 56 0Chaco-Santiagueña - Chaco 81 44 103 131 117 114 83 0NEA - NEA 56 36 25 53 75 106 0 0
49
Capital comprometido
Capital comprometido (US$/ha sembrada)
Gastos de cultivo (implantación y protección) más gastos indirectos menos aportes de sociosPromedio Trigo Soja 1era Soja 2da Maíz 1era Maíz 2da Girasol 1era Cebada
Núcleo - Núcleo 489 433 577 260 682 382 531 433Núcleo - Del Paraná 443 405 519 237 609 348 472 0Núcleo - Del Salado 424 385 487 230 593 342 456 0Oeste - Oeste 469 390 538 280 665 408 528 390Oeste - Oeste arenoso 356 303 377 220 522 329 420 303Oeste - Central 420 346 478 250 605 378 468 0Sur - Sudeste 374 505 438 130 578 0 420 505Sur - Sudoeste 336 432 402 123 542 0 384 432Litoral Sur - Litoral Sur 386 294 450 271 529 365 391 0Litoral Sur - CES 372 287 431 259 510 353 372 0CN - Centro 416 279 471 340 573 417 0 0CN - Norte 422 281 478 345 581 422 0 0CNSF - Centro Norte SF 335 254 467 311 529 387 411 0Chaco-Santiagueña - Chaco 388 223 347 251 428 319 325 0NEA - NEA 289 231 374 269 455 338 0 0
50
MN / Capital comprometido
Margen neto / Capital comprometido Margen neto / Capital umbral 20%
Promedio Trigo Soja 1era Soja 2da Maíz 1era Maíz 2da Girasol 1era CebadaNúcleo - Núcleo 40% 25% 34% 99% 31% 55% -47% -16%
Núcleo - Del Paraná 29% 16% 13% 76% 34% 106% 9% 0%Núcleo - Del Salado 44% 36% 38% 104% 31% 32% -34% 0%Oeste - Oeste 34% 26% 34% 73% 22% 20% -8% -9%
Oeste - Oeste arenoso 40% 18% 62% 70% 24% 50% -6% -10%
Oeste - Central 12% 4% 26% 28% -3% 31% -13% 0%Sur - Sudeste 15% 2% 17% 130% 7% 0% -6% -9%
Sur - Sudoeste 2% -14% -3% 130% -22% 0% -16% -11%
Litoral Sur - Litoral Sur 26% 26% 21% 18% 34% 13% 13% 0%Litoral Sur - CES 11% -17% 10% 59% 4% -9% -23% 0%CN - Centro 15% -15% 20% 29% 17% 43% 0% 0%CN - Norte 3% -31% 21% 23% -7% 6% 0% 0%CNSF - Centro Norte SF -17% -29% -22% 19% -39% -22% -38% 0%Chaco-Santiagueña - Chaco 2% -43% 17% 41% -10% -2% 12% 0%NEA - NEA -2% -12% -33% -13% -15% 55% 0% 0%
51
Comparación de zonas Comparación de indicadores
Números más bajos son más favorables 4
Margen Desvío CV Capital MN / Capitalneto comprometido
US$/ha US$/ha US$/ha %Núcleo - Núcleo 1 14 2 15 3Núcleo - Del Paraná 5 11 5 13 5Núcleo - Del Salado 2 9 1 12 1Oeste - Oeste 3 8 3 14 4Oeste - Oeste arenoso 4 10 4 4 2Oeste - Central 9 12 11 10 9Sur - Sudeste 8 4 8 6 7Sur - Sudoeste 13 3 14 3 12Litoral Sur - Litoral Sur 6 7 7 7 6Litoral Sur - CES 10 5 10 5 10CN - Centro 7 15 9 9 8CN - Norte 11 13 12 11 11CNSF - Centro Norte SF 15 1 6 2 15Chaco-Santiagueña - Chaco-Santiagueña12 6 15 8 13NEA - NEA 14 2 13 1 14
1 a 3 4 a 6 7 a 10 11 a 15
52
Comentarios
• Ninguna zona tiene un buen comportamiento en todos los indicadores económicos evaluados.
• Las zonas Núcleo y Oeste son las de mejor MN y “rentabilidad”, aunque son las más que más capital demandan y presentan mayor variabilidad del MN.
• Las zonas Litoral y Sudeste tienen un comportamiento intermedio.
• El comportamiento de las distintas zonas en términos de MN y de rentabilidad es prácticamente el mismo.
53
Portfolio con capital actual, optimizado
Restricciones:• Margen neto total < 4.000.000 US$• Desvío < 2.500.000 US$• Capital comprometido < 13.200.000 US$ • Superficie total < 100.000 ha• Superficie de cada zona
� >0; <10.000 ha zonas nuevas� >0; <6.500 ha zonas Núcleo del Salado y Oeste� >0; <5.500 ha zona Sur Sudeste
• Se impuso un MN mínimo un poco menor al esperado, se aceptó un desvío un poco mayor y se limitó el capital al nivel actual.
• Se restringió el eventual crecimiento a zonas nuevas.
54
Resultados Actual Optimizado Optimizado Optimizadomax MN min desvío min capital
Núcleo - Núcleo 9,935 9,250 4,484Núcleo - Del ParanáNúcleo - Del Salado 6,243 6,500 6,500 6,500Oeste - Oeste 6,465Oeste - Oeste arenoso 6,439 6,500 6,500Oeste - CentralSur - Sudeste 5,129Sur - SudoesteLitoral Sur - Litoral SurLitoral Sur - CESCN - CentroCN - NorteCNSF - Centro Norte SFChaco-Santiagueña - Chaco-SantiagueñaNEA - NEATotal arrendado 24,276 22,935 15,750 17,484Total sembrado 32,287 30,504 20,948 23,253
Resultado 4,535,089 5,410,835 4,000,000 4,000,000Desvío 1,694,640 1,860,344 1,459,329 1,370,014CV 37% 34% 36% 34%Capital comprometido 13,151,279 13,200,000 9,680,813 9,656,304MN / Capital 34% 41% 41% 41%
55
Resultados
Resultados
0.00
0.05
0.10
0.15
0.20
0.25
0.30
(2,000) 0 2,000 4,000 6,000 8,000 10,000 12,000 14,000
miles de US$
Actual
Max MN
Min Desvío
Min Capital
56
Resultados
Resultados - Probabilidad acumulada
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
(2,000) 0 2,000 4,000 6,000 8,000 10,000 12,000
miles de US$
Actual
Max MN
Min Desvío
Min Capital
57
Análisis
• Estos resultados son válidos con los supuestos utilizados. Ante cualquier cambio de supuestos, se debería repetir el análisis.
• El portfolio actual comprende 3 zonas de las “top 4” en términos de MN y rentabilidad. En general, las zonas del portfolio actual tienen requerimientos medios a altos de capital, y desvíos medios a altos.
• El portfolio actual tiene resultados que se ubican a mitad de camino entre los que se pueden esperar de un portfolio que maximice el MN y uno que minimice el desvío o el capital.
• Para maximizar el MN el capital es limitante.• Para minimizar desvío o capital, el mínimo MN requerido es
limitante.
58
Análisis
• Los portfolios que minimizan desvío o capital son muy similares.
• Ante la posibilidad de explorar nuevas zonas, las zonas que se priorizan son Núcleo Del Salado, Oeste arenoso y Núcleo Núcleo.
• Estos resultados sugerirían agregar la zona Núcleo Núcleoal portfolio actual, lo cual es consistente con el criterio generalmente aceptado de que la manera de mejorar un portfolio bueno es incorporar zonas buenas y estables.
• El CV actual es un valor intermedio al de las soluciones optimizadas.
• La “rentabilidad” actual del 34% mejora a niveles de 41-44% con las soluciones optimizadas.
59
Conclusiones
• Para evaluar el riesgo de cualquier negocio, es fundamental cuantificar la variabilidad de las distintas variables con la mayor precisión posible y sin olvidarse de que este año puede ser “el cisne negro”.
• A medida que avanzamos en el conocimiento de los sistemas, tenemos más información disponible para analizar. Sin dejarnos tapar por ella, debemos buscar la mayor cantidad posible de información.
• La simulación Monte Carlo está siendo usada con éxito en la evaluación de portfolios desde hace años. El mayor o menor ajuste de sus estimaciones depende por supuesto de los datos que se usen.
• Para análisis a más largo plazo, la simulación Monte Carlo combinada con técnicas de optimización parece ser una interesante combinación de herramientas.
Muchas gracias
top related