riesgos medidos

5/20/2018 RIESGOS MEDIDOS

1/16

1. En este artculo, los trminos riesgo e incertidumbre seutilizan con el mismo significado con que lo hace lamayora de las personas relacionadas con la industriapetrolera. Segn el estudio de Aberdeen que se menciona en este artculo, "riesgo" significa la posibilidad, oprobabilidad de que algo ocurra, e "incertidumbre" serefiere al rango de posibles valores o dimensiones deese algo, si eso ocurre. Un grupo alternativo de defini-ciones, que es quiz mejor y ms riguroso, pero que

todava no es de uso comn en la industria, incluira tretrminos: posibilidad, incertidumbre y riesgo. "Posibili-dad" es la probabilidad de que algo ocurra, "incertidum-bre" incluye el rango de posibles resultados (suponiendode que algo ocurra) y "riesgo" se refiere a la amenaza deprdida implcita en una aventura comercial con un grado de incertidumbre considerable respecto del rango deposibles resultados.

2. Simpson GS, Lamb FE, Finch JH y Dinnie NC: TheApplication of Probabilistic and Qualitative Methods toAsset Management Decision Making, artculo de la SP59455, presentado en la Conferencia de la SPE delPacfico Asitico sobre el Modelado Integrado para elManejo de Activos, Yokohama, Japn, Abril 2526, 2000.

22 Oilfield Review

Riesgos medidos

William Bailey

Aberdeen, Escocia

Benot CoutRidgefield, Connecticut, EUA

Fiona Lamb

Graeme Simpson

Universidad de Aberdeen

Aberdeen, Escocia

Peter Rose

Rose & Associates

Austin, Texas, EUA

Se agradece la colaboracin en la preparacin de esteartculo a Ben Ball, Instituto deTecnologa de Massachu-setts, Cambridge, EUA; Kent Burkholder, Merak, Londres,

Inglaterra; Keith Leslie, McKinsey & Co., Londres, Inglaterra;Steve McColl, Conoco, Aberdeen, Escocia; Patrick McIn-tosh, Det Norske Veritas, Aberdeen, Escocia; David Morgan,Uncertainty Management, Hertford Heath, Hertfordshire,Inglaterra; Bill Pace, Imperial College de Ciencia, Tecnologay Medicina, Londres, Inglaterra; Sam Savage, Universidadde Stanford, California, EUA; Michael Walls, Escuela deMinas de Colorado, Golden, Colorado, EUA; y M.W. White-side, Indeva Energy Consultants, Henley-on-Thames,Inglaterra.

Tanto los ingenieros como los matemticos y expertos en otras disciplinas, han

ideado diversas herramientas que nos permiten comprender las incertidumbres, y

evaluar y mitigar los riesgos. En la industria del petrleo y el gas abundan las incer-

tidumbres y se enfrentan nuevos riesgos a cada momento, sin embargo, muchos de

los responsables de tomar decisiones en el mbito petrolero, tal vez gran parte de

ellos, no recurren a estas nuevas tcnicas.

En la industria del petrleo y el gas abundan los

riesgos y las incertidumbres. Ambos aspectos revis-

ten gran importancia en todas las etapas del nego-

cioexploracin, produccin, mercadotecnia ydistribucin de combustiblesrazn por la cual la

industria petrolera ejemplifica la necesidad de uti-

lizar sofisticados enfoques para la evaluacin de los

riesgos. No obstante, la evidencia demuestra que si

bien existen numerosas y rigurosas herramientas

de evaluacin, no se las utiliza al mximo de su

potencial. Inclusive las grandes compaas, se

basan usualmente ms en la intuicin y la expe-

riencia en lugar de recurrir a la ciencia a la hora de

evaluar oportunidades de inversin o decidir la dis-

posicin de fondos en determinados proyectos.

La evaluacin adecuada de los riesgos e incer-

tidumbres representa una ventaja competitiva. En laUniversidad de Aberdeen, Escocia, se llev a cabo

un trabajo de investigacin acerca de los mtodos

utilizados en la prctica para la toma de decisiones

en 20 compaas que operan en el Mar del Norte.

En dicho trabajo, se establece una importante co-

rrelacin entre el grado de sofisticacin implcito en

el anlisis de las decisiones de las compaas y el

xito obtenido en las inversiones realizadas. La

investigacin tambin muestra que existen evi-

dentes perodos de falta de uso de las herramientas

disponibles. Estas herramientas, que se utilizan

para hacer frente a los riesgos e incertidumbres de

orden fsico, son prcticamente ignoradas cuando

se presenta un problema de riesgos e incertidum-

bres de orden econmico.1 Las herramientas de

anlisis de probabilidades se utilizan por ejemplo,

para captar las incertidumbres relacionadas con la

estimacin de las reservas recuperables de un

campo, pero no para evaluar la conveniencia

econmica de desarrollar un campo en condiciones

de costos y precio del petrleo variables.2

Muchas herramientas se encuentran dispon

bles para ayudar a las compaas con el fin de man

tener una ventaja competitiva, mediante un

correcta evaluacin del riesgo y tomando una cantdad apropiada del mismo (vase "Estimacin de

riesgo o de las probabilidades de xito," pgina 24

Clasificadas en el orden ascendente del grado d

sofisticacin, estas herramientas comprenden: e

flujo de fondos descontado, el anlisis de Mont

Carlo, la teora de la cartera de inversiones, y la

teoras de las opciones y de las preferencias. En e

presente artculo, se analiza en detalle cada una d

estas tcnicas y se presentan estudios de caso

para demostrar su utilizacin en la evaluacin de

riesgo en la industria del petrleo y el gas.

Flujo de fondos descontadoEl anlisis del flujo de fondos descontado (DCF

por sus siglas en Ingls), que es la herramient

de evaluacin de inversiones ms utilizada en l

industria petrolera, encarna un concepto qu

resulta fundamental para una industria cuya


2/16

Invierno de 2001


3/16

El primer paso en cualquier anlisis racional de

una oportunidad, consiste en realizar una esti-

macin subjetiva de la menor probabilidad de

que se obtenga un mnimo nivel de xito; por

ejemplo, la probabilidad de hallar petrleo y

gas, en lugar de perforar un pozo seco.

La probabilidad de xito es binaria y se puede

comparar a un interruptor: abierto o cerrado. Si

la probabilidad de que algo ocurra se estima que

es del X%, entonces la probabilidad de que no

ocurra es del 100% menos X%. Por lo general, los

clculos de las probabilidades de xito se

pueden dividir en dos categoras: probabilidades

en el subsuelo y probabilidades en la superficie.

En el mbito de exploracin y produccin

(E&P), las estimaciones referentes al subsuelo

constituyen la preocupacin de los geocientfi-

cos y los ingenieros, que consideran las eviden-

cias geolgicas como fuente de la probabilidad

de la presencia de hidrocarburos, yacimientos,

trampas y otros datos tcnicos. Las estimaciones

de probabilidades en la superficie pueden con-

centrarse en poltica, economa mundial y

desarrollos tecnolgicos que constituyen la

esfera de accin natural de los expertos en

asuntos gubernamentales, finanzas y tecnologa.

Por lo general, los expertos realizan todas las

estimaciones de probabilidades, a menudo tra-

bajando en forma conjunta, para lo cual toman

en cuenta hechos conocidos, experiencias del

pasado y todos los escenarios posibles. Resulta

sorprendente que los exploracionistas tengan

una actitud conservadora a la hora de estimar

las probabilidades de xito para proyectos inter-

medios, es decir aquellos que se consideran que

tienen entre 25% y 60% de probabilidades de

xito. Tales proyectos resultan exitosos aproxi-

madamente en un 35% a 75% de los casos.1 No

obstante, para los proyectos de alto riesgo,

aquellos que se considera, tienen menos de un

20% de probabilidades de xito, los explo-

racionistas se han mostrado siempre demasiad

optimistas. En forma global, con estos proyecto

se ha encontrado petrleo en menos del 5% de

los casos.

Estimacin del riesgo o de las probabilidades de xito

1. Alexander JA y Lohr JR: Risk Analysis: LessonsLearned, artculo de la SPE 49039, presentado en laConferencia y Exhibicin Anual de la SPE, NuevaOrlens, Luisiana, EUA, Septiembre 27-30, 1998.Otis RM y Schneidermann N: A Process for EvaluatingExploration Prospects, AAPG Bulletin81,no. 6 (Julio de 1997): 1087-1109.

McMaster GE y Carragher PD: Risk Analysis andPortfolio Analysis: The Key to Exploration Success,Compendio de la 13ra. Conferencia en ExploracinPetrolera, vol 2. El Cairo, Egipto: The Egyptian GeneralPetroleum Corporation (1996): 415-423.

escalas de tiempo de inversin, a menudo no se

miden en aos sino en dcadas; esto es, el valor

del dinero en el tiempo. El valor del dinero en el

tiempo se basa en la idea de que una cantidad

de dinero recibida en algn momento en el

futuro, vale menos que la misma cantidad

recibida hoy. En el Mar del Norte, transcurre un

lapso promedio de siete aos entre el momento

de realizar los gastos de exploracin iniciales y

la toma del compromiso para desarrollar un des-

cubrimiento. Transcurren otros tres o cuatro aos

ms en comenzar la produccin, y luego los cam-

pos producen normalmente por unos 20 aos

antes de ser abandonados. La mayor parte de loscostos primarios, o egresos de fondos, se reali-

zan en los primeros aos de exploracin y desa-

rrollo, mientras que los ingresos de fondos se

distribuyen a lo largo de la etapa de produccin

activa del campo.

Los fondos recibidos ms adelanteen este

caso, el dinero recibido por el petrleo pro-

ducidovalen menos que la misma suma

pagada con anterioridad, ya que no se dispuso de

ese dinero para devengar intereses durante los

aos intermedios.

El anlisis del DCF es una forma de determi-

nar el valor actual del dinero invertido

suponiendo que se trata de una operacin

exitosaa ser devuelto o recibido en el futuro.

El concepto asociado de valor actual neto (VAN)

le permite a los encargados de evaluar poten-

ciales inversiones, determinar si conviene o no

realizar una inversin. El valor actual neto es la

suma de los flujos de fondos descontados y re-

presenta la diferencia entre los valores actuales

(descontados) de los egresos de fondos a lo

largo de la vida del proyecto y los valores

actuales de los ingresos de fondos.

Si el VAN es positivo, es probable que seobtenga la tasa de retorno requerida y, por lo tan-

to, el proyecto debera ser considerado viable. Si

fuera negativo, en cambio, habra que rechazar el

proyecto. Dentro del clculo del VAN, el elemen-

to clave es la tasa de descuento aplicada. Esto

puede considerarse de varias formas. Por ejem-

plo, existe una tasa de retorno libre de riesgos,

que un banco ofrecera para depositar dinero. Si

se utiliza esa tasa en los clculos y se obtiene un

VAN negativo, entonces convendra poner el

dinero en el banco. Un VAN positivo significa que

invertir el dinero en el proyecto es ms conve

niente que poner el dinero en el banco. Una alte

nativa consiste en preguntar cunto cuesta ped

el dinero prestado, ya sea a los accionistas o a

banco, y luego calcular el descuento a dicha tasa

En la tabla se observa un ejemplo del anlisi

de flujo de fondos descontado (arriba). Utilizand

una tasa de descuento del 10%, el valor de u

flujo de fondos neto de $2000 ($2500 de rent

menos $500 de gastos operativos) recibido en e

ao 5, como resultado de invertir $5000 hoy, val

$1242. En este ejemplo, el VAN total (la suma d

todos los fondos netos descontados) es d

$2582. En otras palabras, se recuperan lo$5000, ms un 10% de retorno, ms $2582. Si s

hubieran invertido los $5000 en un banco al 10%

de inters, el retorno hubiera originado $258

menos que una inversin en este proyecto.

La utilidad del DCF se ve limitada por s

insensibilidad a las circunstancias cambiantes

a los plazos propios de la industria petrolera. A

estas desventajas, se agrega el hecho de que e

DCF, a menudo se utiliza en conjunto con una tc

nica conocida como anlisis de sensibilidad

mediante la cual se examinan las consecuencia

24 Oilfield Review

Ao

0

1

2

3

4

5

Total

$5,000

$5,000

$2,000

$2,000

$2,000

$2,000

$2,000

$5,000

$1,818

$1,653

$1,503

$1,366

$1,242

$2,582

$1,667

$1,389

$1,157

$965

$804

$982

$2,500

$2,500

$2,500

$2,500

$2,500

$12,500

$500

$500

$500

$500

$500

$2,500

Inversin Ingresos Flujo defondos netos

Flujo de fondos netosdescontados al 10%

Flujo de fondos netodescontados al 20%

Gastosoperativos

$5,000 $5,000 $5,000

Flujo de fondos descontado. Este ejemplomuestra el crecimiento del valor actual neto(VAN) de $5000 invertidos, utilizando una tasa dedescuento del 10%. [Adaptacin de Jones DR:Some Basic Concepts, en Steinmetz R (ed):The Business of Petroleum Exploration. Tulsa,Oklahoma, EUA: Asociacin Americana de Ge-logos Petroleros (1992): 9.]


4/16

Invierno de 2001

de los posibles cambios en las variables. En los

clculos se incluyen los cambios en las tasas de

inters, los flujos de fondos y los tiempos para

determinar el valor del proyecto; esto siempre

que tales cambios ocurran realmente. Utilizado

junto con el DCF, el anlisis de sensibilidad per-

mite plantear un nmero limitado de situaciones

del tipo "quocurrira si", pero los cambios de las

variables que se desean alterar y la forma de

hacerlo es sumamente subjetiva.

Si bien el DCF combinado con el anlisis de

sensibilidad le puede permitir a los responsables

de tomar decisiones formarse una mejor idea de

los potenciales resultados positivos y negativos

de una inversin, ello no intenta cuantificar la

probabilidad de un resultado determinado, infor-

macin que resultara extremadamente valiosa

para la toma de decisiones.

Simulacin de Monte Carlo

La simulacin de Monte Carlo considera el riesgo y

la incertidumbre como factores integrales dentro

de los clculos, en lugar de tomarlos como conside-raciones secundarias. Lo ms importante, es que

incorpora el concepto de probabilidad. Se trata de

una tcnica estadstica que responde a la pregunta:

Si alguna cosa ocurre, cul es el rango de resulta-

dos posibles? La tcnica genera la probabilidad en

funcin de las relaciones de valor para los parme-

tros clave. Se puede utilizar para responder pre-

guntas tcnicasCul es el rango de reservas

recuperables y econmicas de hidrocarburos en

esta regin?Cul es la probabilidad de que el

VAN de este proyecto potencial exceda el objetivo

de $X millones?

Resulta ms fcil ver cmo funciona la simu-lacin de Monte Carlo cuando se examina la tarea

relativamente ms directa de determinar las reser-

vas recuperables de un posible prospecto subterr-

neo (arriba).

Si los yacimientos fueran homogneos, sera

muy simple deducir las reservas recuperables de

ese yacimiento, utilizando un valor nico para cada

parmetro. Pero, en la prctica, por lo general no es

posible asignar valores nicos a cada parmetro.

Los gelogos y los ingenieros tienen que estimar

valores promedio a travs de todo el volumen de un

campo, para propiedades tales como la porosidad y

el volumen total de la roca (GRV, por sus siglas en

Ingls) sobre la base de informacin incompleta.

Lo que ellos pueden hacer con los datos limita-

dos con que cuentan, sin embargo, es trazar una

curva de distribucin, es decir, una curva que

describe la probabilidad de que ocurra un valor

determinado, para cada variable ingresada en el

clculo. Por ejemplo, si los valores de porosidades

posibles para la arenisca oscilan por lo general

entre 10% y 35%, la curva de distribucin que rela-

ciona la probabilidad (eje vertical), con el valor de

porosidad (eje horizontal), describira la probabili-

dad de que ocurra cada valor de porosidad.

Se pueden trazar curvas de distribucin simi-

lares para todos los otros datos. En una simulacinde Monte Carlo, cada uno de estos datos se

muestrea en forma arbitraria y los valores indivi-

duales se multiplican entre s(procedimiento cono-

cido como una "prueba"). El resultado de una

prueba individual proporciona una respuesta posi-

ble para las reservas recuperables. Este muestreo

arbitrario de cada distribucin de datos ingresados

se repite muchas veces, por lo general entre 1000

y 100,000 dependiendo del tipo de clculo que se

desea realizar. Con tantas pruebas, la simulacin

tomar los resultados ms posibles de cada dis-

tribucin, en lugar de los extremos, porque existen

ms ejemplos dentro de ese rango. Como resultadofinal se obtiene una nueva curva de distribucin,

que representa un rango de posibles cantidades de

reservas recuperables y la probabilidad de que

ocurra algn valor en particular.

En un mundo ideal, las curvas de distribucin

individual se deberan basar en muchas medi-

ciones. Pero, en la prctica, a menudo existe un

mnimo de datos disponibles. Los expertos e

distintas disciplinas que aportan su experie

sugieren la forma de la curva que concuerda c

limitada cantidad de datos disponibles. Por e

plo, los gelogos a menudo establecen analoentre la porosidad de las rocas que se examin

la porosidad de las rocas de un rea si

explotada previamente.

La forma de las distribuciones puede v

enormemente (abajo). Una distribucin triang

por ejemplo, se podra elegir para la porosid

los expertos pudieran asegurar que conoce

Nr

= reservas recuperables

GRV = volumen total de la roca

f = relacin entre espesor neto y espesor t

= porosidad

Sh

= saturacin de hidrocarburos

r

= eficiencia o factor de recuperacin

B = factor de encogimiento o de expansin

Reservas recuperables

Nr=(GRV)f S

h

rB

>

Frmula para estimar las reservas recuperde hidrocarburos. El volumen total de la rocatodo el volumen del "contenedor" mapeado pgeocientficos. La relacin entre el espesor nel espesor total es la proporcin del conteneformado por la roca reservorio (por ejemplo, en contraposicin a la roca que no acta comreservorio (arcilla). La porosidad es una medespacio de almacenamiento de los fluidos, oen la roca reservorio. La saturacin de hidroburos es la proporcin de hidrocarburo que sencuentra en los espacios porosos. La eficiefactor de recuperacin es la proporcin de hcarburos que sern producidos por el yacimEl factor de encogimiento o de expansin, reencogimiento o expansin del volumen de hi

carburos en su ascenso a la superficie. Parahidrocarburos, que son lquidos en el yacimieliberacin de presin que resulta del ascensosuperficie, permite el desprendimiento de gasolucin dentro del petrleo lquido, por lo quvolumen de lquido se reduce. En el caso del se produce la situacin inversa: la reduccinpresin provoca la expansin del gas, de maque los volmenes de gas en la superficie exel volumen dentro del yacimiento.

Normal Triangular BinomialPoisson

Lognormal Uniforme GeomtricaExponencial

Weibull Beta EspecficaHipergeomtrica

Diversas formas de distribucin. La ms cono-cida es la curva normal, cuya forma fue recono-cida por primera vez en el siglo XVII, por elmatemtico ingls de Moivre. Esta curva tiene laforma de una campana y es simtrica. Su media,moda y mediana se encuentran en el centro. Ladistribucin normal se utiliza para describir

muchos fenmenos naturales, como el coefi-ciente intelectual o la altura de las personas. Unadistribucin triangular describe una situacin enla cual se conocen el mnimo, el mximo y losvalores con mayor probabilidad de ocurrencia.En una distribucin uniforme, la forma rectangu-lar indica que todos los valores comprendidosentre el mnimo y el mximo tienen la mismaprobabilidad de ocurrencia. La habilidad delgelogo o del ingeniero, reside en decidir cul delas curvas es la que mejor describe la situacinque se est examinando, como la variedad deporosidades posibles en una roca reservorio.


5/16

valores de porosidad mnima, mxima y ms proba-

ble. Una distribucin lognormal, podra parecer lo

ms apropiado para el GRV, lo cual indicara que los

expertos consideran que el rango es mayor para los

valores altos que para los valores bajos.

Si bien la simulacin de Monte Carlo es

ampliamente utilizada para estimar las reservas,

slo una cantidad limitada de compaas la adop-

tan como mtodo para tomar decisiones

econmicas, o para evaluar riesgos polticos o de

seguridad, si bien los principios son los mismos

(vase "Riesgos no convencionales," prxima

26 Oilfield Review

0.024

0.018

Probabilidad F

recuencia

0.012

0.006

0.000

-100 13 125 238 350

244

183

122

61

-100 13 125 238 350

0

Frecuencia

10,000

0

1.00

Probabilidad

0.75

0.50

0.25

0

VAN pronosticado, millones de dlares

VAN pronosticado, millones de dlares

> Resultados de la simulacin de Monte Carlo. Una simulacin de MonteCarlo, que recibe este nombre por el casino de Monte Marlo, en Mnaco,donde a menudo se prueban sistemas para ganar en los diversos juegos

de azar; muestra toda la gama de resultados posibles, como valoresactuales netos (VAN) de un activo que aparece sobre el eje X y laprobabilidad de alcanzar cada uno de ellos (arriba)sobre el eje Y. Sobreeste mismo eje tambin se observa la frecuencia de cada resultado en10,000 pruebas. La simulacin no brinda una nica respuesta, sino unrango de ellas. El responsable de tomar decisiones recibe un panoramageneral. En la tabla (centro)se observan varios ejemplos extrados delpronstico de la distribucin y frecuencia de probabilidades. La distribu-cin de la inversa de las probabilidades acumuladas, (abajo)muestra laprobabilidad de obtener un VAN mayor, que un cierto valor sobre el eje X.

01025507590

100

1122771

122176223422

Porcentaje, % Valor, millones de $

pgina). Esto sugiere una percepcin inusual del

riesgo, es decir, que el riesgo existe y que es

importante en el mundo fsico pero que, de

alguna manera, est ausente en el mundo

econmico. Esto no es cierto en absoluto, como lo

han demostrado las variaciones observadas en

los precios del petrleo, de los costos, de las

tasas de inters y de muchos otros factores

financieros a lo largo de los aos.

En el siguiente ejemplo, se considera un

campo hipottico con reservas recuperables de

150 millones de barriles [2.4 millones de m3] de

petrleo (MBO). La produccin anual alcanz

inmediatamente un nivel del 12% de las reserva

totales, es decir, 18 MBO/ao [2.8 millone

m3/ao] por 5 aos; a partir de alldeclina al 20%

por ao, hasta que se han producido los 15

MBO. Se necesitan cinco pozos productores, a u

costo de $15 millones por pozo a lo largo de do

aos. Los costos de instalacin de la plataform

de produccin y de las tuberas de conducci

ascienden a $765 millones en el transcurso d

tres aos. Los costos operativos son de $75 m

llones por ao y el gasto del abandono despu

de la ltima produccin es de $375 millones. Lo

impuestos corporativos son del 30%, la inflaci

a lo largo de este perodo es del 3.5% y la tas

de descuento es del 10%. Se supone que el pre

cio del petrleo es de $18 por barril y qu

aumenta segn la tasa de inflacin.

Mediante un clculo simple y determinstic

del valor actual neto, se obtiene un valor actua

neto nominal, descontando el flujo de fondos a

10% por ao (VAN10) de $125 millones. Este e

un nmero positivo, de modo que la decisin dproceder con el desarrollo sermuy sencilla.

Una evaluacin probabilstica del mism

campo pone a consideracin del responsable d

tomar la decisin un panorama ms amplio. S

supone que la evaluacin probabilstica utiliz

las cifras anteriores como los datos ms proba

bles (que son los que se encuentran en la mita

del rango) pero tambin se sugieren otros valore

como posibles datos a considerar: los gastos d

perforacin, las erogaciones de capital y los gas

tos operativos, que se supone se distribuyen e

forma normal con una desviacin estndar (SD

del 10% con respecto a la media. Los gastos dabandono normalmente se distribuyen con un

desviacin estndar del 20% de la media. Lo

volmenes de produccin tambin se distribuye

en forma normal, pero con una correlacin pos

tiva con respecto al gasto operativo.

Se considera que la mejor manera de describ

el precio futuro del petrleo durante el perodo d

inters es con una distribucin lognormal, con un

SD del 10% en el primer ao de produccin, co

un incremento del 2% anual, y alcanzando el 34%

en el ltimo ao de produccin. De esta manera s

obtiene un precio constante bajo de aproximada

mente $10 por barril, mientras que el precio alt

asciende de $23 a $37.5 por barril durante la vid

del campo.3

Los resultados de las 10,000 pruebas de un

simulacin de Monte Carlo muestran la probabil

dad de que ocurra un rango de resultados posible

(arriba). El valor promedio esperado es de $12

millones. Esto significa que una cantidad impo

tante desde un punto de vista estadstico de opo


6/16

En la industria petrolera, los modelos d

riesgo e incertidumbre por lo general se

ocupan de los pozos y los yacimientos. S

embargo, se pueden utilizar modelos sim

lares para explorar el impacto potencial

riesgos menos convencionales, tales com

riesgos polticos, amenazas terroristas,

siones en el mbito legal, regulaciones

ambientales, o relacionadas con la salud

la seguridad, y muchas otras.

Para simular este tipo de incertidumb

se utilizan muchas de las tcnicas

matemticas comunes al anlisis de ries

financiero o fsico ms tradicional. Sin

embargo, es necesario definir antes muc

intangibles adicionales, para poderencuadrar correctamente las cuestiones

las que debe apuntar el modelo de riesg

No obstante, antes de asignar las probab

dades, como ocurre con los riesgos fsico

econmicos, convendra recurrir a un eq

de expertos para desarrollar las distri-

buciones apropiadas.

Por ejemplo, para evaluar la estabilida

poltica de un pas en el cual desea oper

una compaa, el equipo de riesgo puede

establecer las distribuciones de las prob

lidades de que se produzca una posible

vulnerabilidad gubernamental, posiblesdesrdenes internos, problemas tnicos

religiosos, presiones demogrficas o incl

la posibilidad de una guerra. Sobre la ba

de una correcta combinacin y ponderac

de las variables, una simulacin de Mont

Carlo podra proporcionar una grfica de

probabilidad acumulada de, por ejemplo

riesgo poltico total en un pas. Este, a s

vez, se podra comparar con el de otros

pases para ayudar a la corporacin a to

la decisin estratgica apropiada. Un co

pondiente anlisis cuantitativo de sensib

dad, tambin podra resaltar la importan

relativa asociada con los diversos riesgos

En la simulacin de los riesgos no con

vencionales, el simulador trata de cuan-

tificar las actividades y las emociones

humanas, por lo que el modelo puede se

slo como una gua relativa. Sin embarg

estos modelos pueden generar datos ese

ciales para el proceso general de tomar

decisin acertada.

Riesgos no convencionales

Invierno de 2001

tunidades idnticas, tendran un valor promedio de

$124 millones cada una, en trminos del VAN.

Sin embargo, tambin existe una amplia gama

de resultados posibles y la posibilidad de obtener

resultados completamente diferentes. Por ejem-

plo, el 10% de los casos comprendidos en la si-

mulacin, arrojvalores inferiores a $27 millones.

Por lo tanto, el valor llamado P10 del resultado, o

el valor que posee un 10% de probabilidades de

que el resultado sea inferior (90% de probabili-

dades de que sea mayor), es de $27 millones en

este ejemplo. El valor ms bajo dado por

cualquiera de las pruebas es -$112 millones, y

alrededor del 5% de las pruebas, arrojresulta-

dos de VAN negativos. Por otra parte, el P90 fue de

$223 millones, lo que significa que el 10% de las

pruebas produjo valores superiores a $223 mi-

llones.

Para este campo en particular, existe una pe-

quea probabilidad de alrededor del 5% de perder

dinero, pero una probabilidad considerable de ga-

nar una cantidad de dinero importante (por ejem-

plo, una probabilidad del 16% de ganar ms de$200 millones). Si bien la decisin a tomar sera la

de seguir adelante con el proyecto, el anlisis de

Monte Carlo, al poner de manifiesto la situacin

completa, le brinda a los responsables de tomar

las decisiones, una mayor tranquilidad al saber

que se han considerado todos los aspectos.

El anlisis de Monte Carlo es una herramienta

poderosa, pero se debe utilizar con cuidado

(vase "El anlisis de Monte Carlo aplicado a las

intervenciones," prxima pgina). Un error en la

asignacin justa de algn dato ingresado, como

por ejemplo la variacin del precio del petrleo,

puede hacer que todo el anlisis resulte errneo.En un campo del Mar del Norte desarrollado en

los aos 80, el anlisis de Monte Carlo podra

haber dado como resultado un panorama total-

mente ajeno a la realidad, ya que se tuvo en

cuenta que el rango del precio del petrleo

oscilara alrededor de $35 por barril; valor que

prevalecia comienzos de la dcada. Pero a fines

de los 80, el precio del barril era de $15 o menos.

Teora de la cartera de inversiones

La mayora de las compaas petroleras poseen

muchos activos, como los campos petroleros, o

intereses compartidos en otros campos, y hacen

todo lo posible para adquirir y mantener la mejor

combinacin posible de tales activos. La teora

de la cartera de inversiones muestra cmo se

pueden combinar los activos, de manera tal, que

el riesgo quede minimizado para cualquier nivel

de retorno esperado. Por otra parte, se puede

definir como el estudio de la forma en que la

compaa puede alcanzar una tasa mxima de

retorno, a partir de una cartera de inversiones,

cada una de las cuales tiene un nivel de riesgo

determinado en smisma.

Este sistema de la cartera de inversiones se

basa en el trabajo de Harry Markowitz, que

obtuvo el Premio Nobel de Economa en 1990 por

sus teoras sobre la evaluacin de riesgos y

recompensas en los mercados financieros.

Markowitz quera probar la conveniencia de con-

tar con una cartera diversificada de activos

financieros, constituida por una mezcla de inver-siones para maximizar el retorno y minimizar el

riesgo. Los analistas del sector energtico, se

dieron cuenta rpidamente de que exista un pa-

ralelismo entre la Bolsa de Valores, en la cual se

comercializan papeles y acciones, y la actividad

petrolera en la cual las compaas poseen y co-

mercializan carteras de activos reales, por ejem-

plo, vendiendo y comprando acciones de

proyectos compartidos.

La teora de la cartera de inversiones puede

parecer contraria a la intuicin.4 Supngase que

se deben invertir $10 millones en proyectos de

exploracin y produccin. Slo dos proyectosestn disponibles, y cada uno de ellos requiere

invertir la totalidad de los $10 millones para

obtener un 100% de inters. Uno de los proyec-

tos es relativamente seguro, mientras que el otro

es relativamente riesgoso (arriba). Las probabili-

dades de xito son independientes.

El valor actual neto esperado (VANE) para

cada uno, que es el VAN del resultado satisfacto-

rio multiplicado por la probabilidad de que ocurra

dicho resultado ms el VAN del resultado no

satisfactorio (pozo seco) y la probabilidad de que

esto ocurra, es el mismo: $26 millones.

En este momento se pueden agregar las com-

plicaciones realistas. Si se pierde el dinero, la

confianza de los accionistas se derrumba. Existe

un 40% de probabilidades de perder la confianza

de los inversionistas con el proyecto seguro y un

Resultado VANmillones de $

Probabilidadindependiente, %

Pozo seco

xitoPozo seco

xito

Seguro

Riesgoso

1050

1080

40

60

60

40

VANEseguro = 60% x $50 + 40% x ($10) = $26 millones

VANEriesgoso = 40% x $80 + 60% x ($10) = $26 millones

> Comparacin de operaciones hipotticas de

E&P seguras y riesgosas. (Adaptado de Ball ySavage, referencia 4.)

3. La tasa de descuento seleccionada es del 10%.

4. Ball BC y Savage SL: Holistic vs. HoleIstic E&PStrategies, Journal of Petroleum Technology 51, no. 9(Septiembre de 1999): 7484.


7/16

Oilfield Review

En un campo maduro ubicado en el Mar del

Norte, se propuso realizar un programa de inter-

vencin con tubera flexible con el objeto de

extraer un tapn de un pozo, aislar una capa

acuatizada y disparar (caonear o punzar) una

nueva zona productiva adicional. La experiencia

previa indicaba que, teniendo en cuenta que era

invierno, pensar que se podra completar el tra-

bajo en slo seis das resultaba sumamente opti-

mista, por la probabilidad de que las malas

condiciones climticas aumentaran el tiempo

improductivo (NPT, por sus siglas en Ingls).

Se necesit un modelo de simulacin para

determinar si las proyecciones iniciales eranrealistas y cunto tiempo poda durar la

operacin para que no resultara antieconmica.

Se supuso que la viabilidad del trabajo, estara

determinada por un equilibrio entre el costo de

realizarlo, comparado con las ganancias genera-

das por el petrleo adicional producido, ya fuera

por incremento (ya que se ganara acceso a

nuevas reservas que de otra manera no se

explotaran) o acelerado (ya que una produccin

acelerada, proveera un flujo de fondos ms

temprano que en el caso de no realizarse la

operacin).

En el modelo construido para analizar el pro-

blema, se incluyeron las siguientes variables:

precio del petrleo y costos de levantamiento

VAN debido al clima y otros inconvenientes

operativos que inciden en los costos. Los cos-

tos fijos de los productos y servicios no varan

produccin adicional de petrleo esperada

despus de una operacin exitosa

posibilidad de no completar el trabajo en

forma exitosa

probabilidad de diagnstico correcto del pro-

blema, incluyendo la correcta localizacin del

agua y el mecanismo de ingreso de la misma

factor de descuento.Se utiliz este modelo para calcular el valor

neto de la intervencin, para 100 tiempos de tra-

bajo distintos. Cada simulacin de Monte Carlo

inclua 5000 pruebas, con lo cual se obtuvieron

un total de 500,000 pruebas separadas. Los

resultados indican que si el tiempo necesario

para completar el trabajo fuera de slo 20 horas,

existe un 50% de probabilidades (P50), de que el

valor neto para el cliente sea de 750,000 ms

(el P90 es de ms de 1 milln). Por otra parte,

si el trabajo insumiera 100 horas, el modelo su-

giere que habra un 32% de probabilidades de

obtener beneficios.

Asimismo, el anlisis comprenda varias

implicancias.1

Los tiempos de trabajo razonables se podan

definir de antemano.

La sensibilidad a los diversos parmetros

resulta obvia.

La prediccin de petrleo adicional fue el

parmetro que tuvo el mayor impacto.

El NPT tuvo el segundo lugar en incidencia.

El anlisis mostr que la proyeccin inicial d

terminar el trabajo en seis das, era demasiado

optimista y que era muy probable que resultara

una prdida neta. Los resultados fueron utiliza-

dos para definir un cegado del agua, como pro-puesta alternativa y un breve estudio para

comprender mejor las posibilidades de

produccin adicional.

El anlisis de Monte Carlo aplicado a las intervenciones

1. Este modelo simplifica la realidad al suponer la independencia de algunas de las variables. En otros anlisis mcomplejos, las interdependencias se pueden ajustar ut i-lizando los denominados mtodos en cadena de Markovy Monte Carlo (MCMC). Este mtodo representa correc-

tamente la interdependencia de las variables que nor-malmente se trataran como independientes o que, de locontrario, seran correlacionadas con otras, utilizandolos coeficientes de correlacin durante el muestreo deMonte Carlo. En los clculos del mtodo MCMC, el valorde una variable influye sobre las distribuciones de probabilidad de las otras variables. Dentro de la industria

petrolera, se considera que existen algunos tipos deproblemas, tales como la evaluacin de las fallas de lasbombas electrosumergibles, que slo se pueden resolvecon mtodos MCMC.

28

60% con el proyecto riesgoso. El VANE en ambos

casos es de $26 millones; de manera que no

existe una forma de aumentarlo eligiendo el

proyecto riesgoso en lugar del seguro. Bajo estas

circunstancias, el proyecto seguro constituye sin

lugar a dudas la mejor opcin.

Para agregar una complicacin adicional, se

podra suponer que es posible separar la inver-

sin en forma igualitaria entre los dos proyectos.

Intuitivamente, parecera una mala idea quitar el

50% del proyecto seguro e invertirlo en el ries-

goso. Pero, es la intuicin una buena consejera?

Existen cuatro resultados posibles (prxima

pgina, arriba).

El VAN esperado sigue siendo de $26 millo-

nes, pero la nica forma de perder dinero y por lo

tanto poner en peligro la confianza de los inver-

sionistas, consiste en perforar dos pozos secos

situacin 4para lo cual la probabilidad

combinada es del 24% (multiplicando 40% x

60%). Esto reduce el riesgo de perder la con-

fianza de los inversores casi a la mitad, com-

parado con la inversin del 100% en el proyecto

seguro. Si se traslada el dinero de un proyecto

seguro a otro riesgoso, en realidad se reduce el

riesgo, lo cual constituye un resultado contrario a

la intuicin, dado por el efecto de diversificacin.

Resulta claro que el camino a seguir es la di-

versificacin. No obstante dentro de la industria

petrolera, muchos persisten en seguir haciendo

otra cosa. Ellos clasifican los proyectos de explo-

racin segn el valor actual esperado. Aunque

este mtodo se basa en el sentido comn, ignor

los beneficios de la diversificacin. En el ejempl

anterior, se habra optado por colocar la totalida

de los fondos en el proyecto seguro, lo que re

presenta casi el doble de riesgo que la cartera d

inversiones diversificada.

El ejemplo se fundamenta en una suposici

principal; que los proyectos son independientes

A menudo no lo son. Sus resultados pueden esta

interrelacionados, lo cual se conoce ms forma

mente como estadsticamente dependientes. Po

ejemplo, si ambos proyectos implican la per

foracin de pozos en la misma rea de hidroca

buros, la falta de generacin de hidrocarburos e

esta rea, hara malograr ambos proyectos. E

ejemplo ms simple de dependencia estadstic


8/16

Invierno de 2001

es la correlacin, la cual puede ser positiva o

negativa. La correlacin es positiva cuando un

resultado determinado para un proyecto,

aumenta las probabilidades de que se produzca

un resultado en la misma direccin para el otro

resultado, lo cual disminuye el efecto de diversi-

ficacin. Es negativa, cuando un resultado deter-

minado para un proyecto disminuye la

probabilidad de que se produzca un resultado en

la misma direccin para el otro, con lo cual

aumenta el efecto de diversificacin.

Aplicando este concepto en el ejemplo ante-

rior, una correlacin positiva sobre una separa-

cin por partes iguales entre las alternativas

segura y riesgosa, significara que si tiene xito

la opcin segura, la opcin riesgosa tambin tie-

ne mayor probabilidad de ser exitosa, y si el pro-

yecto seguro fracasa, tambin es ms probable

que fracase el otro. Existe todava un 40% de

probabilidades de que el proyecto seguro fraca-

se, pero en ese caso, la probabilidad de que el

otro proyecto tambin fracase ser mayor del60%. Entonces, la probabilidad de perder la

confianza de los inversionistas es ahora superior

al 24%. Siguiendo la misma lgica, si la co-

rrelacin es negativa, la probabilidad de perder la

confianza de los inversionistas, disminuye por

debajo del 24%.

El objetivo en el manejo de la cartera de

inversiones, consiste en diversificar las inver-

siones en muchas oportunidades, mientras se

buscan las correlaciones negativas y se evitan

las positivas. La dependencia estadstica puede

tener diversos orgenes, que incluyen, por ejem-

plo, el lugar y el precio. Los resultados econmi-cos de dos sitios cercanos pueden estar

correlacionados en forma positiva a travs de

similitudes geolgicas, como producir de una

misma formacin o depender de una misma

fuente de hidrocarburos. Por otra parte, dos sitios

muy distanciados tendran poca o ninguna co-

rrelacin geolgica, por lo cual estaran ms

diversificados.

Los precios del crudo tienden a ser similares

en todo el mundo, de manera que los resultados

econmicos de los proyectos petroleros estn

correlacionados en forma positiva respecto de las

fluctuaciones en los precios del crudo. Por el con-

trario, los precios del gas natural en diferenteslocalidades no tienden a seguir ni los precios del

crudo, ni guardan relacin entre ellos. Esto sig-

nifica que, una cartera de inversiones que con-

tenga un proyecto gasfero y un proyecto

petrolero, tendr menor correlacin positiva y

estarmejor diversificada que otra que contenga

dos proyectos petroleros.

En la teora de Markowitz, se explica un

mtodo para mejorar una cartera de inversiones

no ptima tomando como base tres preceptos.5

En primer lugar, dado un nivel constante de

riesgo, el inversor racional elige ms valor por

encima de menos valor, pero adems prefieremenos riesgo a ms riesgo. En segundo lugar,

existe ms de una cartera de inversiones ptima.

Por ltimo, la cartera de inversiones como un

todo, es mejor que cada uno de sus proyectos

individuales. Cada proyecto debe ser considerado

sobre la base de lo que aporta a la cartera de

inversiones considerada en su totalidad.

Markowitz dice que una cartera de i

siones es eficiente, si no existe otra que t

mayor retorno esperado con igual o m

riesgo, y si no hay otra cartera que tenga m

riesgo con igual o mayor retorno esperad

alguna de estas dos condiciones, o ambasfalsas, la cartera es ineficiente. Cuando toda

posibilidades se representan en una grfica

cual el eje vertical es el valor y el horizontal

riesgo, las carteras eficientes forman una

denominada frontera de eficiencia (abajo).

En la parte superior de la lnea de fronte

observa un aumento tanto en el riesgo com

el retorno. La cartera representada por el P

A, es ineficiente porque hay carteras co

mismo valor pero menor riesgocomo el P

By carteras con el mismo riesgo pero con

valorcomo el Punto Cpero tambin hay

cartera con una combinacin de estas condiciones.

Las restricciones reales se pueden incluir

proceso de optimizacin de manera que las c

ras de inversin que se encuentran en la fron

de eficiencia resultante, representen las alt

tivas realistas entre las cuales se pueda esc

dependiendo de las concesiones que los direc

de la compaa estn dispuestos a realizar e

mayor riesgo con mayor retorno, y menor ri

con menor retorno (vase "Sistema para ev

proyectos de exploracin," prxima pgina).

Teora de las opciones

Un aspecto importante en la toma de decisi

es el tiempo, es decir, determinar "cu

tomar la decisin. Las condiciones y la info

cin pueden cambiar con el transcurso

tiempo, por lo tanto, si las decisiones se to

a destiempo, el resultado se veralterado.

VANE de la cartera = 24% x $65 + 36% x $20 + 16% x $35 + 24% x ($10) = $26 millones

Escenario

1

2

3

4

xito

xito

Pozo seco

Pozo seco

xito

Pozo seco

xito

Pozo seco

60 x 40 = 24

60 x 60 = 36

40 x 40 = 16

40 x 60 = 24

50% x $50 +50% x $80 = $65

50% x $50 +50% x ($10) = $20

50% x ($10) +50% x 80 = $35

50% x ($10) +

50% x ($10) = $10

Se retiene lconfianza daccionista



Se pierde la

confianza daccionista

Seguro Riesgoso Probabilidad, % Retorno, millones de $ Resultado

> Mtodo de la cartera de inversiones para evaluar operaciones hipotticas seguras y riesgosas. la tabla se muestran los cuatro escenarios posibles que resultan de una inversin equivalente en proyectos. (Adaptacin de Ball y Savage, referencia 4.)

5. Markowitz HM: Portfolio Selections: Efficient Diverstion of Investments, 2nd ed. Oxford, Inglaterra: BlacPublishing Company, 1991.

Front

era

deefi

ciencia

Riesgo

AB

C

Valoresperado

Preparacin de una cartera de inversiones efi-ciente. El objetivo consiste en reunir y explotar lamejor coleccin posible de activos. Una carterade inversiones es eficiente si no existe otra conuna mayor expectativa de retorno esperado conigual o menor riesgo, y si no existe otra, que

tenga menor riesgo a igual o mayor retornoesperado. La cartera representada por el PuntoA es ineficiente. El nivel de riesgo involucradopara tal punto indica que existe una combinacinposible de activos que daran como resultado unmayor valor esperado. (Adaptacin de McVeanJ: Monte Carlo: An Alternative Approach to Effi-cient Frontier, http://www.merak.com/news/do-cuments/ef-0399.html.)


9/16

Muchas compaas petrolerastres cuartas

partes de las que operan en Aberdeenutilizan

rboles de decisin como mtodo de ayuda para

la toma de decisiones (prxima pgina). Los

rboles de decisin ilustran las opciones

disponibles, las incertidumbres que enfrenta el

responsable de tomar la decisin y los resulta-

dos estimados de cada decisin posible. Estos

rboles permiten poner en claro las opciones, los

riesgos, los objetivos, las ganancias monetarias

y las necesidades de informacin implcitas en

las decisiones referidas a inversiones.6 Al esti-

mar un valor para cada resultado posible y

establecer una probabilidad de que ocurra cada

uno de estos resultados, se puede calcular el

valor global esperado resultante de la decisin.

Los rboles de decisin permiten escoger

sobre la base del resultado financiero de las dis-

tintas opciones. La teora de las opciones, ms

conocida como teora de las opciones reales,

asigna un valor a la opcin en s misma. Esta

teora se basa en la idea de que en la mayora de

los proyectos, la cuestin no es tomar decisionesentre "todo o nada", sino que se trata de una

secuencia de opciones, muchas de las cuales

implican elegir entre diversas opciones; por

ejemplo, entre invertir dinero ahora en un

proyecto de desarrollo o postergar tal decisin

hasta que se disponga de ms informacin.

El mtodo tradicional utilizado para la evalua-

cin de inversiones en proyectos de la industria

petrolera, tal como el anlisis de flujo de fondos

descontado (DCF) descripto anteriormente, se

basa en la suposicin no realista de que una vez

que se realiza una inversin, sta sigue su curso

sin ninguna intervencin. Adems, se evalan

slo los resultados satisfactorios. No se tiene en

cuenta la posibilidad de abandonar la inversin

frente a circunstancias adversas, ni la de

expandirla en respuesta a una demanda no an-

ticipada. La teora de las opciones es ms sofis-

ticada que el DCF porque capta la flexibilidad

inherente a la mayora de los proyectos. Es una

herramienta, al igual que el DCF, y al mismo tiem-

po, consiste en un esquema mental. Como herra-

mienta, ayuda a tomar decisiones. Como

esquema mental, lleva a las personas a pensar en

los proyectos de una forma mucho ms dinmica,

buscando constantemente nuevas alternativas y

mejores formas de llevar a cabo los proyectos.

La teora de las opciones reales traza un para-

lelo entre el mundo financiero de las acciones ylos bonos y el mundo de los activos f sicos reales,

representados por cualquier bien desde fbricas

hasta campos petroleros. En el mundo financiero

es posible comprar una opcin, que representa el

derecho (pero no la obligacin) a comprar o

vender un activo financiero, como una accin en

un momento especfico en el futuro a un precio

fijo. Una opcin o derecho de compra se conoc

como una opcin "call" y por lo general s

adquiere con la expectativa de que el precio de l

accin suba. Por lo tanto una opcin call le pued

permitir al poseedor comprar una accin de l

Compaa ABC por $500 en un da determinado

antes de esa fecha. Si el precio de la accin sub

por encima de $500 en esa fecha o con anterior

dad, el poseedor de la opcin puede ejecutarla

quedarse con la diferencia. Una opcin "put

(opcin de venta) se adquiere con la expectativ

de que el precio descienda, y protege al posee

dor contra dicha cada.

Las opciones reales son anlogas a las opcio

nes financieras. Por ejemplo, si la compaa petro

lera decide no desarrollar un campo en est

momento, puede hacerlo en el futuro. Pagando a

gobierno un canon o licencia determinada, la com

paa adquiere una opcin real: el derecho a logra

rditos adicionales en cualquier momento durant

el tiempo que dure la licencia, haciendo una inve

sin mayor para desarrollar el campo, pero si

tener la obligacin de hacerlo; esto es similar aprecio de ejecucin del derecho de compra.

La existencia de cursos de accin alterna

tivos, como iniciar el desarrollo de un campo e

el futuro y no en forma inmediata, tiene un ciert

valor. La flexibilidad le otorga al proyecto un valo

que no se puede reflejar en un anlisis de DC

estadstico.

Chevron ha desarrollado un proceso, que les per-

mite a los directivos de las empresas comparar

una amplia variedad de oportunidades de explo-

racin globales, sobre una base uniforme y

coherente.1 El proceso incluye la integracin de

la evaluacin del riesgo geolgico, la distribu-

cin probabilstica de los volmenes potenciales

de hidrocarburos, el planeamiento del desarrollo

de ingeniera y los aspectos econmicos de la

prospeccin.

Este proceso se basa en el concepto de zonas

(plays) y sistemas de hidrocarburos. Una zona es

una combinacin de yacimiento, roca generado-

ra, sellos y trampas que tiene el potencial de

contener hidrocarburos. Tanto la evaluacin del

riesgo geolgico, como la estimacin volumtri-

ca, el soporte de ingeniera, la evaluacin

econmica y los resultados despus de la

perforacin, se consideran extensiones del

conocimiento fundamental de las restricciones

geolgicas, de ingeniera y fiscales subyacentes.

Se establece una base que comprende la

estructura geolgica y la prospeccin en trmi-

nos de la zona; es decir, la roca generadora, el

yacimiento, las trampas y los sellos, y el tiempo

y la dinmica de la migracin del fluido. La

informacin que se obtiene de esta descripcin

constituye el punto de partida para los pasos

subsiguientes del proceso. La evaluacin del

riesgo, asigna una probabilidad de xito a cada

uno de los cuatro elementos de la zona y la mul-

tiplicacin de estas probabilidades, provee la

probabilidad de xito geolgico. Chevron consi-

dera que un pozo es un xito geolgico si en un

ensayo se obtiene un flujo estabilizado de hidro-

carburos. La estimacin volumtrica indica la

incertidumbre en la forma de una distribucin

de posibles volmenes de hidrocarburos para la

prospeccin. Esta se construye a partir de ran-

gos de parmetros obtenidos de la informacin

especfica de la prospeccin y los datos descrip-

tos por el concepto de zona paterna.

A partir de esta distribucin, el grupo de

soporte de ingeniera proporciona los escena-

rios de desarrollo para tres casos: un caso pesi-

mista (10%), uno medio (50%) y uno optimista

(90%). Se realiza una evaluacin econmica de

cada uno de estos casos, con lo cual se obtiene

toda la gama de las consecuencias econmicas

del encuadre geolgico, de ingeniera y fiscal. E

riesgo comercial se basa en los resultados de

esta evaluacin, y las probabilidades generales

de xito, equivalen a la probabilidad de xito

geolgico multiplicado por la probabilidad de

xito comercial. Los resultados posteriores a la

perforacin, determinan si los resultados previs

tos son consistentes con los resultados reales.

Sistema para evaluar proyectos de exploracin

1. Otis RM y Schneidermann N: A Process for EvaluatingExploration Prospects, AAPG Bulletin81,no. 6 (Julio de 1997): 1087-1109.

30 Oilfield Review


10/16

Invierno de 2001

Debido a que los proyectos de la industria pe-

trolera comprenden una secuencia de etapas se-

paradasestudios ssmicos; perforacin;

construccin de la plataforma de produccin y

tendido de las tuberas de conduccin; produc-

cin y, por ltimo, la venta, al final de la vida til

del campo, como material de rezago de todos los

elementos inutilizadosexisten muchos puntos

de decisin a lo largo de todo el trayecto citado.

Pueden presentarse diversas opciones entre lascuales escoger y diversas oportunidades para ca-

pitalizar esa flexibilidad (vase "Encuadre del

problema," derecha).

En 1973, los economistas Fischer Black y

Myron Scholes, publicaron la denominada fr-

mula de Black-Scholes para la evaluacin de

opciones financieras.7 Algunos tericos argumen-

tan que las adaptaciones de la frmula de Black-

Scholes y otras frmulas ms sofisticadas, se

pueden utilizar para valorar opciones reales, es

decir para llevar a cabo evaluaciones que, al con-

trario del anlisis DCF, asignan importancia a la

flexibilidad. Utilizando una frmula de valoracin,

en algunos casos se puede demostrar que un

proyecto tiene un valor significativamente mayor

del que muestra el anlisis DCF. Existen proyec-

tos que hubieran sido rechazados por los direc-

tivos de la compaa utilizando dicho anlisis,

porque tienen un valor negativo y, a pesar de ello,

con la evaluacin de las opciones reales presen-

tan un valor positivo, lo que sugiere que el

proyecto debera aprobarse.

Consideremos, como ejemplo, a una compa-

a petrolera que esttratando de evaluar su li-

cencia en un bloque determinado. En este caso,

pagar los cnones de la licencia equivale a adqui-

rir una opcin. La compaa ahora tiene el dere-

cho de invertir en el bloque al precio de ejecucin

de la opcin una vez resuelta la incertidumbre

acerca del valor de las reservas desarrolladas, lo

que equivaldra al precio de la accin.8

Veamos el siguiente ejemplo. La compaatiene la oportunidad de adquirir una licencia por

cinco aos y se espera que el bloque contenga

unos 50 millones de barriles [8 millones m3] de

petrleo. El valor actual estimado del petrleo

del campo, en el cual se encuentra ubicado el

bloque, promedia los $10 por barril, y el costo de

desarrollo del campo (en trminos del valor

actual) es de $600 millones. El valor actual neto

esttico calculado del VAN sera:

$500 millones - $600 millones = -$100 millones

El VAN es negativo, de manera que lo ms

probable es que la compaa no prosiga con la

operacin. La valuacin del VAN ignora el hecho

de que se pueden tomar decisiones con respecto

a la incertidumbre, la cual en este caso, resulta

Las tcnicas de simulacin de Monte Carlo

teora de las opciones, permiten realizar un

evaluacin ms precisa y tomar mejores de

nes, pero resultan intiles si sus bases no s

preparado convenientemente. Si los respon

bles de tomar las decisiones pasan por alto

algn detalle o elemento importante en un

trato, o no comprenden algn punto, toda l

superestructura del anlisis sofisticado pue

estar construida sobre cimientos defectuos

En Conoco, el primer paso fundamental

tomar una decisin efectiva es el "encuadr

del problema, lo cual implica designar un

po de personas eruditas en las disciplinas

necesarias, para encarar el problema, para

luego obtener de estas personas toda la in

macin bsica, como por ejemplo:

qu es lo que se sabe: hechos y valores

qu es lo que no se conoce: riesgos e inc

tidumbres

problemas o aspectos difciles qu decisiones ya han sido tomadas: pol

de la compaa.

Este encuadre, le permite al equipo de

bajo concentrarse en los elementos funda

tales que conforman las decisiones que se

deben tomar y en las variables que ejercen

mayor influencia. Las sesiones de encuadr

llevan a cabo en un ambiente de total info

lidad. El trabajo del equipo consiste en or

zar en forma lgica, todo el flujo aleatorio

informacin capturado como notas durant

fases ms rigurosas.

Para estimular las tareas, el coordinadoencuadre recurre a una variedad de tcnic

como por ejemplo, sesiones de brainstorm

Surgen as distintas jerarquas de decision

lneas de tiempo de riesgos y decisiones, y

blas de estrategias. El resultado final de la

sin de encuadre es un diagrama de influe

que servir como base para cualquier mod

econmico o tcnico, que se utilice para e

nar un problema en el futuro.

El proceso de encuadre, constituye un mo

de toma de decisin en s mismo: se comien

por pensar con la mayor libertad posible, se

la informacin, se consideran las distintas o

nes y se toma la decisin. El encuadre apun

los dos primeros elementos y en algunos cas

puede llevar a la decisin final sin necesida

realizar otros anlisis complementarios.

En las sesiones de entrenamiento sobre e

mtodo, se establece un lenguaje comn qu

empleados de Conoco utilizan cuando habla

acerca del riesgo, con lo cual se evitan los m

tendidos que podran surgir.

Encuadre del problema

A

B

C

D

E

I J

F

G

H

Compradel bloque

No se comprael bloque

Perforar

Campogrande

Pozoseco

Campomarginal

Levanta-

mientossmico

Abandonodel bloque

Perforacin deun segundo pozo

exploratorio

Campogrande

Campomarginal

Pozo seco,Abandonodel bloque

Pozo seco,Abandonodel bloque

Levantamientossmico confirma

estructura

Levantamientossmico no muestra

estructura

Campogrande

Campo

grande

Campomarginal

CampomarginalPozo

seco

Abandonodel bloque

Abandonodel bloque

Perforacin deun segundo pozo

exploratorio

Perforar

Abandonodel bloque

> rboles de decisin para resolver condiciones inciertas. Un rbol de decisin presenta cursos deaccin alternativos y las consecuencias financieras de cada uno de ellos, y asigna una probabilidadde que ocurran hechos en el futuro. Toda esta informacin permite determinar el valor esperado decada resultado. Los responsables de tomar decisiones utilizan estos rboles para poner en claro lasposibles consecuencias de los cursos de accin alternativos. Las decisiones aparecen como puntos

en el enramado del rbol como si fueran nodos. Cada resultado posible est representado por unarama. Los rboles de decisin pueden ser simples, con un nmero limitado de ramas y nodos, o mscomplicados con muchas bifurcaciones. (Adaptacin de Newendorp, referencia 6: 117.)

6. Newendorp PD: Decision Analysis for PetroleumExploration. Tulsa, Oklahoma, EUA: PennWell PublishingCompany, 1996.

7. Black F y Scholes M: The Pricing of Options andCorporate Liabilities,Journal of Political Economy81(1973): 637-654.

8. Leslie KJ y Michaels MP: The Real Power of RealOptions, McKinsey Quarterlyno. 3 (1997): 4-22.


11/16

doble: la incertidumbre sobre la cantidad de

petrleo que existe en el bloque y acerca del precio

del barril. Es posible realizar estimaciones razona-

bles de la cantidad de petrleo, analizando los

datos geofsicos y geolgicos obtenidos en reas

similares, y tambin evaluar los datos histricos

sobre la variabilidad de los precios del petrleo.

Se puede suponer que estas dos fuentes de

incertidumbre, originen una desviacin estndar

del 30% con respecto a la tasa de crecimiento de

los flujos de ingresos de la operacin. Se puede

suponer adems que mantener la opcin obliga ala compaa a incurrir en los costos fijos anuales

de mantenimiento de la reserva activa, lo que

representa unos $15 millones. Esto representa el

equivalente a un dividendo del 3% (15/500) del

valor del activo.

Si se aplica la frmula de Black-Scholes, pero

ahora evaluando una opcin real, en lugar de una

opcin sobre acciones, se obtiene un valor de op-

ciones real (ROV, por sus siglas en Ingls) de

+$100 millones.9 La diferencia de $200 millones

entre la valuacin del VAN de -$100 millones, y

los $100 millones que surgen del ROV, representa

el valor de la flexibilidad de poder invertir siempre

y cuando las incertidumbres se hayan resuelto.

Clculos como ste, pueden ejercer gran in-

fluencia sobre la manera en que los estrategas

corporativos consideran sus activos. Una com-

paa acumuluna abultada cartera de licencias

de bloques en el Mar del Norte. En los bloques

que presentaban un VAN positivo, la compaa

inicila perforacin y el desarrollo de los campos

petroleros. En cambio, en aquellos en que el VAN

indicaba que eran antieconmicos, porque los

costos eran demasiado elevados en relacin con

la renta, se decidi suspender la explotacin.

Finalmente, esta compaa prefiri vender los

bloques antieconmicos a otras empresas que

los consideraban atractivos.

Con el tiempo, ellos comenzaron a cues-

tionarse, si los bloques haban estado evaluados

correctamente. Se sugirique mantener la licen-

cia, podra considerarse una opcin de desarrollo,

si en el futuro, las nuevas tecnologas de per-

foracin y produccin permitiesen incrementar la

recuperacin de hidrocarburos. Un nuevo modelo

financiero, demostrcmo calcular el precio del

valor de opcin de los bloques a lo largo de cinco

aos. Este valor de opcin, reconocera las incer-

tidumbres con respecto a la magnitud de las

reservas y los precios del petrleo, y adems

tomara en cuenta la flexibilidad de la situacin.

El ejercicio de valuacin tuvo una profunda

influencia sobre los directivos de la compaa,

quienes decidieron conservar los bloques quetenan un valor de opcin elevado, y vender o

cambiar el resto a un precio que reflejara su valor

despus de lo revisado.

Teora de las preferencias

Aunque se utilicen computadoras o herramientas

de decisin, como el flujo de fondos descontado

o el anlisis de Monte Carlo, en ltima instancia,

la decisin la debe tomar un individuo o un grupo

de personas. La subjetividad complica el proceso

de toma de decisiones, dado que el perfil psi-

colgico del individuo puede incidir sobre las mis-

mas. En la industria petrolera, el riesgoconstituye una parte importante en la lnea de

razonamiento de los ejecutivos, por lo cual es

fundamental comprender las preferencias del

individuo o del grupo y sus actitudes con respecto

al riesgo y a la aceptacin de los mismos.

En 1738, el matemtico Daniel Bernoulli pu-

blicun trabajo en el cual destacaba que exista

una extensa aversin al riesgo.10 Casi 250 aos

ms tarde, Daniel Kahneman y Amos Tversky pre-

sentaron un ejemplo simple para ilustrar esta ca-

racterstica de aversin al riesgo.11 Una persona

tiene la posibilidad de elegir entre dos opciones:

la primera representa una ganancia segura de

$80, mientras que la segunda es un proyecto ms

riesgoso en el cual existe un 85% de probabilida-

des de ganar $100 y un 15% de no ganar nada.

Segn Kahneman y Tversky, la gente prefiere la

ganancia segura antes que correr el riesgo, a pe-

sar de que ste supone una mayor "expectativa

monetaria," que es la suma de los resultados

ponderados por sus probabilidades. Con el resul-

tado seguro se tiene la certeza de ganar $80

mientras que con la opcin ms riesgosa, la ex

pectativa monetaria sera de $85 ($100 x 0.8

ms $0 x 0.15). La eleccin refleja una aversin a

riesgo, ya que se prefieren los $80 seguros, fren

te a la posibilidad de optar por el resultado m

riesgoso (vase "Aversin al riesgo," pgina 34

El matemtico John von Neumann y e

economista Oskar Morgenstern, ampliaron l

teora de las preferencias con varios axiomas qu

se pueden resumir en el siguiente postulado:

Los responsables de tomar decisiones, por l

general tienen aversin al riesgo y les disgust

ms sufrir una prdida, de lo que disfrutan a

obtener una ganancia del mismo valor. En conse

cuencia, tienden a aceptar un mayor nivel d

riesgo para evitar una prdida, en lugar de logra

una ganancia equivalente. Adems, experimen

tan mayor satisfaccin a partir de un aumento e

las ganancias proveniente de una inversi

pequea, que un aumento equivalente derivad

de una inversin de mayor envergadura.12

Estos postulados se pueden expresar eforma grfica, en una curva de preferencia

(arriba). Este ejemplo muestra que la satisfacci

asociada con la ganancia de $4000, es por l

general menor que el disgusto provocado por l

prdida de la misma cantidad. La gente acept

un riesgo mayor para evitar una prdida, qu

para obtener una ganancia equivalente. Adem

se tiende a sentir ms satisfaccin por ganar $1

al aumentar de $10 a $20; de lo que se exper

menta por ganar $10 pasando de $1500 a $1510

32 Oilfield Review

$6,000 $4,000 $2,000

Satisfaccin

Insatisfaci

n

Dolares prdidos Dolares ganados

+$2,000 +$4,000 +$6,000

Curva

terica

positivis

ta

> Trazado de una curva de preferencia. Unacurva tpica podra describir cmo se sinti unindividuo por ganar o perder dinero. Por lo gene-ral, la satisfaccin asociada con ganar una can-

tidad determinada, es menor que el disgustoprovocado por la prdida de la misma cantidad.[Adaptacin de Rose PR: Dealing with Risk andUncertainty in Exploration: How Can WeImprove? AAPG Bulletin71, no. 1 (1987): 1-16.]

9. El valor de una opcin real, P, se estima aplicando lafrmula de Black-Scholes de la siguiente manera:

P = Se-t x {N(d1)} - Xe-rt x {N(d2)},donde d1 = {ln(S/X)+(r-+2/2)t}/( x t),d2 = d1- x t,y donde S = precio de la accin, X = precio de ejecutarla opcin, = dividendos, r = tasa de inters libre deriesgo, = incertidumbre acerca de la fluctuacin delprecio de la accin, t = tiempo de vencimiento y N(d) =funcin de la distribucin normal acumulada.Por analoga el valor de una opcin real utiliza la mismfrmula, pero en este caso, S = valor actual del flujo defondos esperado, X = valor actual de los costos fijos, = el valor perdido durante la validez de la opcin, r =

tasa de inters libre de riesgo, = incertidumbre sobrelos flujos de fondos esperados y t = tiempo devencimiento.

Sustituyendo los valores en el ejemplo analizado en eltexto principal, se obtiene

ROV=(500e-0.03 x 5) x {(0.58)} (600e-0.05 x 5) x {(0.32)]

= $251 millones - $ 151 millones = + $ 100 millones.10. Bernoulli D: Specimen Theoriae Novae de Mensura

Sortis, (Exposition of a New Theory on theMeasurement of Risk) 1738, Traducido del Latn porSommer L: Econometrica 22 (1954): 23-36.

11. Kahneman D y Tversky A: The Psychology ofPreferences, Scientific American246, no. 1 (1982):160-173.

12. Pace B: Petroleum Economics Seminar, notas declase, Imperial College de Ciencia, Tecnologa yMedicina, Londres, Inglaterra, 1998.

13. Simpson et al, referencia 2.


12/16

Invierno de 2001

Tericamente es posible trazar dicha curva para

cualquier individuo o compaa. Las distintas for-

mas de las curvas denotan los diferentes tipos de

actitud frente a la toma de decisiones (derecha). La

pronunciada forma de la curva del cuadrante infe-

rior izquierdo describe cmo se siente la compaa

con respecto a la prdida, y en el cuadrante supe-

rior derecho se muestra su actitud frente al riesgo y

los niveles de ganancias asociados con el mismo.

Analizando las decisiones anteriores de un indi-

viduo o de una compaa, es posible construir una

curva de preferencia que represente lo que piensa

acerca del riesgo, o ms bien, cmo reacciona

frente al riesgo en el momento de tomar deci-

siones. Este instrumento podra ser utilizado por los

responsables de tomar decisiones, como elemento

de ayuda para acercarse a la lnea de pensamiento

de los directivos o de la compaa en general.

En la prctica, pocas compaas utilizan la teo-

ra de las preferencias como herramienta para to-

mar decisiones. Los crticos sostienen que los

problemas prcticos son demasiado grandes. Den-

tro de la misma organizacin, un gerente puede es-tar a favor de los proyectos riesgosos, mientras que

otro que ocupa una posicin similar, puede tener un

perfil ms conservador. Es posible que la teora de

las preferencias tenga una funcin ms limitada,

pero no menos importante, ya que les permite

demostrar en forma grfica a los responsables de

tomar decisiones, lo que implica su estilo personal.

El valor de la evaluacin del riesgo

Es posible cuantificar el valor agregado que resul-

ta del uso de estas herramientas? Con el objetivo

de responder este interrogante se realizel estu-

dio de Aberdeen mencionado previamente en esteartculo. Este estudio clasificaba a las compaas

participantes de acuerdo con el nivel de sofisti-

cacin del mtodo utilizado para tomar decisiones

(abajo). Los niveles incluan las herramientas de

evaluacin del riesgo descriptas en este mismo

artculo y otras como definiciones de anlisis,

enfoque holstico, riesgo e incertidumbre y la com-

binacin de tcnicas cualitativas y cuantitativas.

El trmino "anlisis" se refiere al uso de alguna

forma de anlisis de costos y beneficios en la eva-

luacin de las inversiones. Todas las compaas,

excepto una, utilizaban alguna forma de anlisis

estructurado. "Holstico" indica si una compaa

adopta o no un enfoque holstico, con respecto al

efecto neto total acumulado de las consecuencias

de una decisin. Por ejemplo, cualquier decisin del

sector de upstream debe incluir el abandono de las

instalaciones y los costos y el tiempo implcito aso-

ciados con cualquier medida de proteccin del

medio ambiente que sea necesario tomar. "Riesgo

e incertidumbre" indica si la compaa adopta

definiciones rigurosas de riesgo e incertidumbre y

las incorpora en sus anlisis. Riesgo, en este caso,

se define como la probabilidad de que un hecho

ocurra. Incertidumbre es el rango de valores posi-

bles en cuanto al tamao, el costo y los beneficios

de un hecho, si ese hecho ocurre. La categora

"cualitativo y cuantitativo" indica si las compaas

tienen tcnicas formales para manejar los elemen-

tos cualitativos y cuantitativos tales como hbitos,

instintos e intuicin.13

Estos criterios fueron organizados en orden

ascendente de acuerdo con su grado de sofisti-

cacin. Las compaas obtenan un cero si no utili-

zaban un mtodo especial para la evaluacin del

riesgo; reciban 1 punto si el mtodo estaba imple-

mentado en forma parcial, y 2 puntos si estaba

completamente implementado. Luego se sumaron

los resultados para evaluar el nivel de sofisticacin

de las compaas. Los investigadores tambin

clasificaron a las compaas de acuerdo con diver-

sas medidas de funcionamiento de sus negocios.

Se tuvieron en cuenta cinco indicadores de

xito. En primer lugar, la capitalizacin de mer-cado indicaba la visin por parte de la comunidad

de inversionistas, del valor futuro de la capacidad

de la compaa para tomar decisiones correctas

con respecto a sus inversiones. En segundo lugar,

el nmero de empleados ofreca una cierta indi-

cacin del xito obtenido en el pasado y un

anticipo del xito futuro, con respecto a la selec-

cin y el aprovechamiento de las mejores oportu-

nidades de inversin. En tercer trmino, el men de las reservas asignadas fue utili

como indicador del tamao y del xito obte

en el pasado en las decisiones relativas a

inversiones. Cuarto, el retorno sobre el ca

invertido, como prueba de decisiones exitosa

el pasado. Quinto, la estimacin de W

Mackenzie del valor total de base de las

Preferencia

GananciaPrdida

+

> Curvas de preferencias que representan lo

distintos tipos de personas responsables detomar decisiones. La curva de preferencia dtomador de riesgos (arriba)podra estar repsentada por un ascenso pronunciado en el cdrante superior derecho, lo cual muestra quatraccin de ganar mucho dinero supera elhecho de que existe un riesgo desproporciodo. Una curva de preferencia diferente correpondiente a una compaa importante (abajoque acepta las prdidas con ecuanimidad, smuestra con una lnea recta. No obstante, laabrupta cada en el cuadrante inferior izquiepone en claro que todava existe un mximo exposicin permitida a la prdida. (Adaptacide Pace, referencia 12.)

Preferencia

Mxima prdidapermisible enun prospecto

GananciaPrdida

+

Criterios

Compaa

A B C D E F G H I J K L M N O P Q R S

Anlisis numrico

Anlisis DCF

Visin holstica

Monte Carlo

Riesgo/Incertidumbre

Teora de la cartera de inv.

Teora de las opciones

Preferencia/Positivismo

Cualitativo/Cuantitativo

Clasificacin de compaas de acuerdo con sunivel de sofisticacin con respecto a la toma dedecisiones. El estudio realizado en la Universidad

de Aberdeen muestra que las prcticas de tra-bajo de 20 compaas (A a T) que operan en elMar del Norte, guardan una estrecha correlacincon el xito de sus decisiones respecto de lasinversiones. Las compaas que recibieron mayorpuntaje (rojo), son aquellas que implementabancompletamente los criterios que aparecen enorden ascendente de sofisticacin en la columnade la izquierda. Si estos criterios estaban imple-mentados en forma parcial, en el cuadro se indicacon un cuadrado verde. Los cuadrados no colo-reados indican que la compaa no utiliz ningnmtodo de evaluacin de riesgos en particular.

Estimacin de la relacin de tolerancia al riesgo (RTR). Si el valor de la RTR es

mayor que 1.0 implica una mayor tendencia a aceptar riesgos respecto de otras firm

de tamao equivalente. Cuando el valor de RTR es menor que 1.0 implica una menor

tendencia a tomar riesgos respecto de firmas de tamao equivalente.

1995 1994 1993 1992 1991 1990 1989 1988 1987 1986 1985 1984 1983

1.030.17NA

0.210.830.800.651.001.441.925.221.390.95NA

0.22NANA

Compaa

ExxonChevronTexacoAmocoMobilShellUSXArcoConocoPhillipsUnocalOccidentalAmeradaAnadarkoPennzoilKerr McGeeUniontex

0.830.311.810.491.061.330.464.632.411.37NA

2.612.181.570.502.98NA

1.580.461.470.711.741.150.423.132.821.811.922.582.791.290.67NANA

1.000.481.260.441.911.85

10.081.492.361.972.01NA

0.692.05NANANA

0.750.640.950.29NA

2.330.361.413.262.802.922.91NA

2.000.381.74NA

0.51NA

0.740.125.892.580.451.233.311.851.963.32NA

2.800.270.970.84

0.50NA

8.820.360.702.390.380.963.053.231.972.156.990.740.444.082.43

0.871.240.760.550.462.760.791.313.77NA

3.482.390.951.160.831.422.80

0.650.430.720.480.291.640.661.383.64NA

1.832.491.101.27NA

1.751.25

0.760.350.560.280.271.700.631.752.861.62NA

1.92NA

1.87NA

1.391.83

0.470.290.410.330.161.860.251.022.381.26NA

1.750.781.64NA

1.541.46

0.630.390.940.440.231.820.380.90NA

1.41NA

1.400.732.12NA

0.923.34

1.070.900.480.410.322.192.641.35NA

1.55NA

4.361.18NANA

2.144.41

Activos de E&P en1995, millones de $

68,85227,91318,73415,24114,39311,97610,1099,1276,6494,8284,7194,5943,8732,2671,9921,7481,695

> Relacin de tolerancia al riesgo de distintas compaas entre 1983 y 1995.

Grupo RTR

RTR

Mximo

Mnimo

Media

Desviacin estndar

Alta Moderada

1.5 to 2.5

24.2%

34.2%

5.2%

9.3%

Promedio

0.5 to 1.5

32.0%

37.0%

5.1%

8.7%

Baja

< 0.5

20.9%

25.8%

5.6%

5.5%

> 2.5

28.1%

5.5%

8.6%

6.8%

>Anlisis de rendimiento: retorno sobre activos de E&P. Las firmas que se encue

tran en la categora de alta tolerancia al riesgo, muestran un retorno mucho may

sobre sus activos (ROA, por sus siglas en Ingls) respecto de las firmas que se

muestran menos dispuestas a tomar riesgos.

1. Walls M: Corporate Risk Taking and Performance: A15-Year Look at the Oil Industry, artculo de la SPE 49181presentado en la Conferencia Tcnica y Exhibicin Anuade la SPE, Nueva Orlens, Luisiana, EUA, Septiembre2730, 1998.


14/16

Invierno de 2001

paas en el Reino Unido (valor de las reservas

comerciales + valor de las reservas tcnicas +

valor de exploracin) fue utilizado como indicador

de inversiones exitosas realizadas en el pasado.14

Se observuna importante correlacin positi-

va entre las posiciones de las compaas sobre la

escala de toma de decisiones y sus posiciones

con respecto al valor total de base, la capitaliza-

cin de mercado y las reservas comprobadas. La

correlacin con el nmero de empleados fue mo-

desta, mientras que la correlacin entre la toma

de decisiones y el retorno sobre el capital fue d-

bil. Esto ltimo no sorprendia los investigado-

res. Este parmetro guarda una estrecha relacin

con las decisiones tomadas en el pasadoen los

ltimos 15 o 20 aosmientras que en la mayo-

ra de las compaas, el mtodo actual de toma

de decisiones fue adoptado hace menos de cinco

aos. Por el contrario, el volumen de reservas

registradas y, en particular, el valor total de base,

reflejan los efectos de las decisiones ms

recientes. La fuerte correlacin entre el valortotal de base de Wood Mackenzie, y la lista de

clasificacin por nivel de sofisticacin, demostr

claramente que existe una relacin entre la

sofisticacin de las herramientas utilizadas y el

xito alcanzado en los negocios (abajo).

Adems de estas correlaciones, los investi-

gadores descubrieron que si bien el anlisis de

Monte Carlo se utiliza ampliamente para estimar

las reservas potenciales, lo cual constituye un

claro reconocimiento de la importancia de la

incertidumbre a este nivel tcnico, se emplea

muy poco para los temas econmicos.15 Los inves-

tigadores sugieren que esto implica, en los casos

de aquellos que no lo usan, la suposicin de que

existe una total certeza en materia de costos,

precio del producto, trminos fiscales y parme-

tros temporales; lo cual no es cierto. Adems, las

grandes compaas son las que ms utilizan la

teora de la cartera de inversiones. Se comprob

que la probabilidad de que las compaas

pequeas utilicen esta teora es menor, porque

consideran que no cuentan con un nmero sufi-

ciente de bienes, como para constituir una

cartera de inversiones, si bien la teora se aplicade la misma forma aunque slo se trate de dos

propiedades.

Luego de la publicacin de los hallazgos de

Aberdeen, otro grupo de expertos en riesgo

patrocinados por el Norwegian Petroleum

Directorate y la mayor parte de las compaas de

exploracin y produccin (E&P) que operan en

Noruega, ha publicado un trabajo de investi-

gacin que, entre otras cosas, sugiere que el uso

de mtodos probabilsticos en los proceso

toma de decisiones, constituye un aporte im

tante en aras del rendimiento de la compa

Los investigadores analizaron dist

metodologas para describir la maduraci

proyectos y el consiguiente proceso de tom

decisiones y encontraron que, si bien la may

de las compaas parecen estar tcnicam

capacitadas para aplicar modelos probab

cos, slo unas pocas utilizan estos mtodo

forma rutinaria a la hora de tomar decisione

Entre las metodologas estudiadas, un

las ms importantes es la denominada "an

de riesgo y toma de decisiones" (D&RA, po

siglas en Ingls), que incluye elementos d

diversas tcnicas descriptas anteriorment

estudio noruego, fue definido como un enf

probabilstico multidisciplinario y totalm

integrado, basado en rangos de varios par

tros, incluyendo la geologa del campo,

propiedades del yacimiento (como la porosi

los costos del acero, los costos de la manobra, el tiempo improductivo de las instalaci

y los distintos escenarios de desarrollo. Tam

incorpora la propagacin y el agregado de i

tidumbres, a travs de los diversos modelos

cionados y los distintos niveles de decisin.

Haciendo uso de un estudio econmic

referencia de las principales compaas pet

ras que operan en la Bolsa de Comercio

Nueva York, los investigadores infirieron



16. Jonkman RM, Bos CFM, Breunese JN, Morgan DTK,Spencer JA y Snden: Best Practices and Methods inHydrocarbon Resource Estimation, Production andEmissions Forecasting, Uncertainty Evaluation andDecision Making, artculo de la SPE 65114, presentadoen la Conferencia Europea del Petrleo de la SPE, Pars,Francia, Octubre 2425, 2000.

Clasificacin

delvalorde

base

total

18

16

14

12

10

8

6

4

2

00 2 4 6 8 10 12 14 16 18

Clasificacin del nivel de sofisticacin

Coeficiente de correlacin = 0.65

Sin outliers = 0.85

Outlier

Outlier

Outlier

> Correlacin entre el nivel de sofisticacin en el uso de herramientas de ayuda para la toma de deci-siones y el valor de base total (TBV, por sus siglas en Ingls). El TBV es un parmetro ideado por losanalistas de temas energticos de Wood Mackenzie, con sede en Edimburgo, que toma en cuenta lasreservas comprobadas, probables y posibles y trata de valuar el rea de exploracin. Los investiga-dores de Aberdeen, consideran que el TBV es una medida sumamente adecuada, ya que capta losresultados de las decisiones tomadas en el pasado reciente; y la mayora de las herramientas sofisti-cadas se han utilizado slo en los ltimos aos.


15/16

existe una relacin entre el rendimiento de l

compaa y los sistemas de trabajo (izquierda

Las compaas que integraban su secuencia d

tareas y utilizaban la metodologa D&RA vea

mejorar su rendimiento inmediatamente despu

de introducida esta metodologa.

El estudio noruego sostiene que, una secuen

cia de tareas multidisciplinarias totalment

probabilstica y basada en la metodologa D&RA

ejerce influencia sobre la competitividad de la

compaas. Existen tambin pruebas circunstan

ciales que sustentan la idea de que, en una com

paa de E&P cuanto ms integrada se encuentr

su secuencia de tareas y cuanto ms probabils

tico sea su enfoque con respecto a la toma d

decisiones, mejor funcionar.

Las funciones de la intuicin

y de los prejuicios

Hay que tener en cuenta que los procesos des

criptos anteriormente, no son los nicos que exis

ten. Si bien un anlisis cuantitativo estructuradforma parte del proceso estndar de toma de de

cisiones, la intuicin y la subjetividad individua

son sumamente importantes (abajo). Este model

representa una visin del proceso en su totalidad

segn los investigadores de Aberdeen.17 La inte

faz entre los factores cuantitativos y cualitativo

y las proporciones relativas de cada uno utiliza

dos en cada decisin, se describen en trmino

de su analoga con una caracterstica geolgic

denominada discordancia angular.

El eje vertical del modelo representa el tipo d

decisin a considerar, que incluye decisiones d

mayor nivel (por ejemplo, si ingresar o no en unnueva cuenca o en un pas, o adquirir una nuev

36 Oilfield Review

Anlisiscuantitativoestructurado

Descripcin del prospecto

Chances de xito

Chances de podermedir el xito

Falla

Flujo de fondos descontadoAnlisis de Monte CarloTeora de preferenciasTeora de carteraTeora de opciones

Criterios de toma de decisiones

Costo de la falla

riesgos medidos

Documents