riesgos medidos
TRANSCRIPT
-
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
-
5/20/2018 RIESGOS MEDIDOS
2/16
Invierno de 2001
-
5/20/2018 RIESGOS MEDIDOS
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.]
-
5/20/2018 RIESGOS MEDIDOS
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.
-
5/20/2018 RIESGOS MEDIDOS
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
-
5/20/2018 RIESGOS MEDIDOS
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.
-
5/20/2018 RIESGOS MEDIDOS
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
-
5/20/2018 RIESGOS MEDIDOS
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 retiene lconfianza daccionista
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.)
-
5/20/2018 RIESGOS MEDIDOS
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
-
5/20/2018 RIESGOS MEDIDOS
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.
-
5/20/2018 RIESGOS MEDIDOS
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.
-
5/20/2018 RIESGOS MEDIDOS
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.
-
5/20/2018 RIESGOS MEDIDOS
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
14. Simpson et al, referencia 2.
15. Simpson et al, referencia 2.
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.
-
5/20/2018 RIESGOS MEDIDOS
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