Lec5 2005

UNIVERSIDAD DE LOS ANDES
FACULTAD DE INGENIERÍA Y
CIENCIAS APLICADAS
COMPETENCIA IMPERFECTA EN LA
INDUSTRIA MUNDIAL DEL COBRE:
MODELO COMPUTACIONAL PARA
DETERMINAR EL EQUILIBRIO DE
NASH-COURNOT
JAVIER ALEJANDRO ARAYA KOPAITIC
MEMORIA PARA OPTAR AL TITULO DE

INGENIERO CIVIL INDUSTRIAL
PROFESOR GUÍA: JUAN IGNACIO GUZMÁN BARROS
MEMORIA ING-IN-001/04
SANTIAGO, AGOSTO DE 2010

UNIVERSIDAD DE LOS ANDES
FACULTAD DE INGENIERÍA Y
CIENCIAS APLICADAS
COMPETENCIA IMPERFECTA EN LA
INDUSTRIA MUNDIAL DEL COBRE:
MODELO COMPUTACIONAL PARA
DETERMINAR EL EQUILIBRIO DE
NASH-COURNOT
JAVIER ALEJANDRO ARAYA KOPAITIC
Memoria presentada a la Comisión integrada por los profesores:
JUAN IGNACIO GUZMÁN BARROS
RODRIGO VIDAL BRIONES
CLAUDIO VALENCIA MONTERO
SANTIAGO, AGOSTO DE 2010

AGRADECIMIENTOS
A mi familia, por todo el apoyo y el cariño entregado a través de los años. De manera
particular, un profundo agradecimiento a mis padres, Mauricio y María Gabriela, ya que los
frutos que hoy se cosechan son resultado de la educación que me han entregado, sus
consejos y la incansable dedicación con la que han llevado su labor de padres.
A Juan Ignacio Guzmán, mi profesor guía, por todos los conocimientos que me ha
infundido y su gran disposición, en conjunto con la pasión demostrada por su veta
académica, que fue un importante factor motivacional durante todo el proceso.
A Rodrigo Vidal y a Claudio Valencia, por sus valerosos comentarios desde la experiencia,
que fueron un gran aporte para entender los alcances reales de este trabajo
Finalmente a mis amigos, por la constante compañía y sus palabras sinceras.
i
INDICE GENERAL
RESUMEN ........................................................................................................................ VII
1. INTRODUCCIÓN ...................................................................................................... 1
1.1 MOTIVACIÓN DE LA MEMORIA ................................................................................... 1

1.2 PLANTEAMIENTO DEL PROBLEMA .............................................................................. 2
1.3 OBJETIVOS DE LA MEMORIA ...................................................................................... 4
1.3.1 OBJETIVO GENERAL................................................................................................ 4
1.3.2 OBJETIVOS ESPECÍFICOS ......................................................................................... 4
1.4 ESTRUCTURA DE LA MEMORIA ................................................................................... 5
2. MARCO TEÓRICO ................................................................................................... 6
2.1 TEORÍA DE JUEGOS ..................................................................................................... 6

2.2 MODELO DE COURNOT ............................................................................................... 7
2.3 MODELOS DE OLIGOPOLIO CON BORDE COMPETITIVO ............................................... 9
2.4 APLICACIONES A MERCADOS DE COMMODITIES MINERALES.................................... 10
3. DESCRIPCIÓN DEL MERCADO DEL COBRE ................................................ 13
3.1 EL MERCADO DEL COBRE ........................................................................................ 13

3.1.1 Producción ........................................................................................................ 13
3.1.2 Demanda ........................................................................................................... 16
3.1.3 Inventarios ........................................................................................................ 17
3.2 PROYECTOS MINEROS .............................................................................................. 18
4. DESCRIPCIÓN DEL MODELO ............................................................................ 20
4.1 DESCRIPCIÓN DE LAS VARIABLES DEL MODELO GENERAL ...................................... 20

4.2 DEFINICIÓN DEL MODELO GENERAL ........................................................................ 22
4.3 APLICACIÓN PARTICULAR DEL MODELO .................................................................. 28
5. ANÁLISIS DE RESULTADOS............................................................................... 31
5.1 SOLUCIÓN DEL CASO BASE ...................................................................................... 31

5.2 ANÁLISIS DE SENSIBILIDAD ...................................................................................... 37
ii
5.2.1 Comportamiento del grupo estratégico en un escenario de bajo crecimiento de
la demanda (2% anual) .................................................................................................. 37
5.2.2 Comportamiento del sector estratégico en un escenario de alto crecimiento de
la demanda (4% anual) .................................................................................................. 38
5.2.3 Comportamiento de la industria ante las sensibilizaciones propuestas ............ 40
5.3 IMPLICANCIAS PRÁCTICAS ....................................................................................... 42
6. CONCLUSIONES .................................................................................................... 45
6.1 CONCLUSIONES GENERALES .................................................................................... 45

6.2 TRABAJO FUTURO .................................................................................................... 46
7. BIBLIOGRAFÍA ...................................................................................................... 48
8. ANEXOS ................................................................................................................... 51
ANEXO A. DECISIONES ESTRATÉGICAS DE INVERSIÓN EN LA MINERÍA CUPRÍFERA ........... 51

ANEXO B. ALGORITMO UTILIZADO PARA LA SIMULACIÓN ................................................ 53
ANEXO C. DIRECTRICES PARA LA UTILIZACIÓN DEL MODELO COMPUTACIONAL .............. 56
B.1 Inputs ................................................................................................................... 56
B.2 Simulación ........................................................................................................... 58
B.3 Resultados ............................................................................................................ 59
ANEXO D. DATOS CONSIDERADOS PARA LAS OPERACIONES Y LOS PROYECTOS GREENFIELD
DEL GRUPO ESTRATÉGICO. ................................................................................................. 60
ANEXO E. DATOS CONSIDERADOS PARA LOS PROYECTOS BROWNFIELD DEL GRUPO

ESTRATÉGICO. .................................................................................................................... 62
ANEXO F. ESTIMACIONES UTILIZADAS EN LA CONSTRUCCIÓN DE LOS DATOS. .................. 64
ANEXO G. PUESTA EN MARCHA Y CIERRE DE MINAS/PROYECTOS SEGÚN ESCENARIO ..... 66
ANEXO H. RECORTES DE PRODUCCIÓN ÓPTIMOS, SEGÚN ESCENARIO ............................... 69
iii
INDICE DE TABLAS
TABLA 1: GRUPO ESTRATÉGICO (C6) Y SUS ACTIVOS MINEROS CONTROLADOS, AL AÑO 2009
................................................................................................................................................................ 28
TABLA 2: DATOS DEL MERCADO EN 2009 ............................................................................................. 29
TABLA 3: AÑO DE APERTURA Y CIERRE DE LAS MINAS EN ESTUDIO, BAJO LOS DISTINTOS
ESCENARIOS ........................................................................................................................................ 66
TABLA 4: AÑOS DE PUESTA EN MARCHA PARA LOS PROYECTOS BROWNFIELD EN ESTUDIO 68
iv
INDICE DE ILUSTRACIONES
ILUSTRACIÓN 1: EVOLUCIÓN DE LA PRODUCCIÓN MUNDIAL DE COBRE, 1950-2009 ................ 14

ILUSTRACIÓN 2: DISTRIBUCIÓN DE LA PRODUCCIÓN EN EL GRUPO ESTRATÉGICO (C6), EN EL
AÑO 2009 ............................................................................................................................................... 15
ILUSTRACIÓN 3: DISTRIBUCIÓN DE LA PRODUCCIÓN EN LA INDUSTRIA, EN EL AÑO 2009 .... 15
ILUSTRACIÓN 4: EVOLUCIÓN DE LA DEMANDA MUNDIAL POR COBRE, 1950-2009 ................... 16
ILUSTRACIÓN 5: EVOLUCIÓN DE LOS INVENTARIOS MUNDIALES DE COBRE, 1950-2009......... 17
ILUSTRACIÓN 6: RESERVAS MUNDIALES DE COBRE EN 2009 .......................................................... 18
ILUSTRACIÓN 7: ESQUEMA DE PROPIEDADES MINERAS EN EL MODELO PARA EL CONJUNTO
DE FIRMAS ESTRATÉGICAS ............................................................................................................. 20
ILUSTRACIÓN 8: ESQUEMA DE ACTIVOS MINEROS CONTROLADOS POR LA FIRMA -ÉSIMA 21
ILUSTRACIÓN 9: PROYECCIÓN DE PRECIOS, CASO BASE.................................................................. 31
ILUSTRACIÓN 10: PRODUCCIÓN PROYECTADA DE LAS FIRMAS DEL SECTOR ESTRATÉGICO,
CASO BASE........................................................................................................................................... 32
ILUSTRACIÓN 11: EVOLUCIÓN DE LA PRODUCCIÓN PROYECTADA DE LAS FIRMAS DEL
SECTOR ESTRATÉGICO, CASO BASE ............................................................................................. 33
ILUSTRACIÓN 12: EVOLUCIÓN DE LA DISTRIBUCIÓN DE LA PRODUCCIÓN EN EL GRUPO
ESTRATÉGICO (C6), CASO BASE ..................................................................................................... 34
ILUSTRACIÓN 13: PRODUCCIÓN ANUAL ACUMULADA POR SECTOR DEL MERCADO, CASO
BASE ...................................................................................................................................................... 34
ILUSTRACIÓN 14: EVOLUCIÓN DE LA CONCENTRACIÓN DE LA INDUSTRIA (C6), CASO BASE 35
ILUSTRACIÓN 15: EVOLUCIÓN DEL MERCADO 2009-2024, CASO BASE .......................................... 36
ILUSTRACIÓN 16: EVOLUCIÓN DE LA COMPOSICIÓN DEL COBRE FINO DISPONIBLE EN EL
MERCADO, CASO BASE ..................................................................................................................... 36
ESTRATÉGICO (C6), ESCENARIO BAJO CRECIMIENTO.............................................................. 37
ILUSTRACIÓN 18: EVOLUCIÓN DE LA CONCENTRACIÓN DE LA INDUSTRIA (C6), ESCENARIO
BAJO CRECIMIENTO .......................................................................................................................... 38
ESTRATÉGICO (C6), ESCENARIO ALTO CRECIMIENTO ............................................................. 39
ILUSTRACIÓN 20: EVOLUCIÓN DE LA CONCENTRACIÓN DE MERCADO (C6), ESCENARIO
ALTO CRECIMIENTO.......................................................................................................................... 39
ILUSTRACIÓN 21: EVOLUCIÓN DEL MERCADO, ESCENARIO BAJO CRECIMIENTO .................... 40
ILUSTRACIÓN 22: EVOLUCIÓN DEL MERCADO, ESCENARIO ALTO CRECIMIENTO.................... 41
ILUSTRACIÓN 23: CURVA DE PRECIOS EN LOS TRES ESCENARIOS ESTUDIADOS ...................... 41
v
ILUSTRACIÓN 24: PRODUCCIÓN DEL GRUPO ESTRATÉGICO EN LOS TRES ESCENARIOS
ESTUDIADOS ....................................................................................................................................... 42
ILUSTRACIÓN 25: DIAGRAMA DEL ALGORITMO UTILIZADO PARA ENCONTRAR VECTOR DE
PRECIOS DE EQUILIBRIO .................................................................................................................. 54
ILUSTRACIÓN 26: PRODUCCIÓN VS. INVERSIÓN, PARA PROYECTOS GREENFIELD .................. 64
ILUSTRACIÓN 27: COSTOS TOTALES VS. COSTOS VARIABLES, PARA OPERACIONES ............... 64
ILUSTRACIÓN 28: PRODUCCIÓN VS. COSTOS FIJOS, PARA OPERACIONES ................................... 65
vi
RESUMEN
En el presente estudio se detallan las características del mercado mundial del cobre,
considerando el comportamiento de los agentes implicados, las particularidades de la oferta
y la demanda, y algunos atributos propios de esta industria. A través de esta información se
propone modelar, por medio del uso de la Teoría de Juegos, el mercado como una industria
compuesta por un conjunto de firmas estratégicas, más un borde competitivo, en el que se
buscará predecir el comportamiento de los agentes, bajo ciertos supuestos.
En particular, se busca reconocer las decisiones de inversión óptima por parte de las firmas,
a través de la determinación del equilibrio de Nash-Cournot para la industria. En términos
prácticos el problema tiene tres dimensiones: qué yacimientos deben ser explotados por
cada firma, cuándo deben ponerse en marcha estos proyectos, y cuál debe ser la producción
en las operaciones controladas por cada firma.
El problema modelado se resolvió computacionalmente, con datos reales de la industria,

para el periodo 2010-2024, con el fin de encontrar las variables anteriormente definidas y
así dar validez al modelo propuesto. Los resultados de las simulaciones llevadas a cabo
proponen plazos óptimos para la puesta en marcha de los proyectos estudiados, de lo que se
deriva una caída del 25% en los precios entre 2010 y 2017, para dar paso a un repunte en la
segunda mitad del periodo en estudio. Se logró concluir que, para los proyectos
económicamente factibles, en general lo óptimo es ponerlos en marcha lo antes posible, con
algunas excepciones que se discuten en la parte final del trabajo.
Queda de manifiesto con este trabajo la posibilidad de implementar herramientas de apoyo

a la toma de decisiones estratégicas, basadas en metodologías analíticas como la estudiada,
que permitan optimizar el desempeño general de las compañías productoras en los
mercados de commodities minerales y en particular en la industria del cobre.
vii
1. INTRODUCCIÓN
Esta memoria tiene por objetivo proponer una herramienta para el apoyo a la toma de
decisiones estratégicas, en particular para las decisiones de inversión en capacidad, en las
industrias de commodities minerales. Como sustento, se modela y simula una aplicación
particular para la industria del cobre.
1.1 Motivación de la Memoria
Según la teoría neoclásica de la economía, los agentes en un mercado se comportarán de

manera racional si las decisiones que toman tienen por objetivo la maximización de sus
utilidades.
Auger y Guzmán (2010), en base a un análisis ex-post de los resultados de varias

compañías mineras, intentan dilucidar si los productores de la industria del cobre se
comportan de manera racional. Del total de proyectos analizados por estos autores, se
determina que un 20% no creó valor, mientras que la utilidad obtenida fue entre un 20% y
un 37% más baja que la utilidad óptima (esto es, aquella que potencialmente hubieran
podido obtener aplazando la puesta en marcha del proyecto y/o variando el nivel de
producción del yacimiento).
Por otro lado, Ortega (2010) hace una comparación entre la productividad de las minas de
cobre y el precio del metal en cada periodo. Sus conclusiones indican que existe una
correlación entre estas dos variables y que, en general, la productividad tiende a aumentar
con los precios. Sin embargo, para amplios periodos de altos precios, las minas enfrentan su
límite de capacidad a medida los proyectos de expansión se agotan, y es entonces cuando se
busca la apertura de nuevas minas. Debido al tiempo de preparación de las nuevas faenas,
éstas logran su peak de productividad en desfase con los periodos de boom en cuanto a
precios.
1
Ambos análisis señalan que, en general, las decisiones de inversión de las compañías
mineras se basan en criterios de creación de valor, en vez de utilizar criterios de
maximización de valor. Una planificación adecuada de la implementación de los proyectos
mineros podría lograr ajustar la capacidad productiva de las compañías a las tendencias en
los precios, con el fin de maximizar las utilidades.
1.2 Planteamiento del Problema
Es de conocimiento general el comportamiento cíclico de los precios del cobre, y es fácil

intuir bajo ese precepto que las compañías productoras de esta industria debieran obtener
mayores utilidades en periodos de boom en los precios.
Por otro lado, las reservas de minerales en el mundo son acotadas y cada mina tiene un
periodo operativo finito, relacionado con las reservas del yacimiento y la tasa de extracción
utilizada.
A modo de ejemplo, si se supone una mina con vida útil de dos periodos y una extracción
total de las reservas de un periodo, sin tomar en cuenta otras variables, es claro que para
maximizar las utilidades, la compañía debería llevar a cabo la extracción en el periodo de
mayor precio, siempre y cuando el costo de oportunidad del dinero sea lo suficientemente
bajo (lo que se asocia a un bajo valor de la tasa de descuento).
En la realidad muchos otros factores entran en el juego: costos de inversión, operación y

cierre; niveles de producción variable; restricciones de capital; periodos de preparación del
sitio; aspectos políticos y legales del entorno; y otros. No obstante lo anterior, las utilidades
de las compañías seguirán estando en directa relación con los precios de los periodos
futuros, por lo que en un caso ideal, la producción debiera programarse con el objetivo de
aprovechar los periodos de bonanza de precios.
Tradicionalmente, las compañías mineras llevan la producción al máximo posible en cada

periodo, obviando la posibilidad de que al prolongar la vida de la mina, mediante una
2
reducción de la producción en el presente, puedan aprovecharse precios futuros mayores,
aumentando el valor final de la operación.
Tomando estos antecedentes en consideración, el momento óptimo de apertura de las

minas, y el nivel de producción en las operaciones en cada periodo, debieran estar
relacionados con una proyección certera de los precios, para así maximizar la utilidad
generada por la firma.
Por otro lado, muchas compañías mineras con una significativa participación de mercado se
ven a sí mismas como tomadoras de precios; es decir, que no tienen la capacidad de influir
en ellos. Esto es un grave error, si se toma en cuenta que variando la oferta se introducen
cambios en el mercado y que este efecto es multiplicativo, al considerar el comportamiento
de todas las compañías en conjunto.
Luego, tanto los niveles de producción en las minas existentes como la puesta en marcha de
nuevos proyectos influirán en los precios futuros, por lo que las compañías mineras
debieran tomar en cuenta, tanto sus decisiones estratégicas como las de la competencia,
para hacer sus proyecciones de precios, así como decidir respecto a sus variables de
inversión y producción.
El modelo presentado en esta memoria busca integrar la interacción estratégica entre los
principales agentes de la industria del cobre, para así proponer una herramienta que sirva de
apoyo a la gestión de la producción e inversiones en este mercado.
3
1.3 Objetivos de la Memoria
1.3.1 Objetivo General
Investigar cómo la estrategia de invertir en capacidad, por parte de las firmas, afecta a la
competencia en la industria del cobre. Las variables a estudiar son: la decisión de si es
conveniente explotar o no ciertos proyectos de las firmas; el momento en el tiempo que
correspondería hacerlo; y el nivel de producción que debiera tener cada operación en el
periodo de tiempo estudiado.
1.3.2 Objetivos Específicos
a. Modelar el comportamiento de los agentes, en base a ciertos supuestos coherentes

con la industria real del cobre.
b. Encontrar el equilibrio de Nash-Cournot en el mercado del cobre, en particular
referido a inversiones de capacidad para los actores principales.
c. Validar el uso de herramientas de apoyo, en este caso el uso de nociones de
organización industrial, a la toma de decisiones, en cuanto a la inversión estratégica.
4
1.4 Estructura de la Memoria
Esta memoria se compone de ocho capítulos, siendo el primero de ellos la presente

introducción, con una descripción a grandes rasgos del trabajo expuesto. En el segundo
capítulo se presenta un marco teórico que pretende entregar al lector, en particular a aquel
que no está familiarizado con la Teoría de Juegos, una visión general de los fundamentos
que soportan el modelo planteado en este trabajo. Se definen primero conceptos generales,
para luego profundizar en las estructuras atingentes a la memoria. Dado que los modelos
corresponden a simplificaciones de la realidad, es importante conocer algunos aspectos del
mercado que se pretende representar. En el tercer capítulo se presentan algunas
particularidades, antecedentes históricos y la situación real del mercado del cobre a fines
del 2009, año a partir del cual se hace la simulación particular presentada. El cuarto
capítulo describe el modelo propuesto. Esta es la sección medular de la memoria y consta
de una descripción de la estructura del mercado, la definición del modelo y la aplicación
particular utilizada para la simulación. En el capítulo quinto se presentan los resultados de
la simulación hecha. También se discuten los resultados del análisis de sensibilidad, del
caso base y las implicancias prácticas que se extraen de las simulaciones. El sexto capítulo
presenta las conclusiones recogidas en el trabajo, el grado de relación con los objetivos
planteados e investigaciones futuras que se sugieren en esta misma línea. Las referencias
bibliográficas son presentadas en el capítulo séptimo, para una lectura complementaria en
el caso de ser necesaria una mayor profundización en los conceptos y propuestas que se
mencionan. Finalmente, en el capítulo ocho se incluyen los anexos, con material adicional
que puede servir para una mejor comprensión del trabajo presentado.
5
2. MARCO TEÓRICO
En este capítulo se describe un enfoque particular para analizar la toma de decisiones en

entornos económicos competitivos, basado en las interacciones estratégicas entre los
distintos agentes que participan de un mercado. Además, se revisan antecedentes de
aplicaciones a mercados de commodities minerales y a estructuras de mercado similares a la
de la industria del cobre.
2.1 Teoría de Juegos
En la mayoría de los casos, el desempeño de una firma no depende exclusivamente de las

decisiones que se tomen internamente, sino que también de las decisiones de sus
competidores y cómo ellas afectan la estructura del mercado. Se identifican dos
excepciones a esta proposición: mercados en que existe un monopolio y en los que existe
competencia perfecta.1 Sin embargo, dado que la industria estudiada corresponde a un
mercado de commodities minerales, no puede existir competencia perfecta puesto que los
recursos son limitados. Además, por regulaciones legislativas, cualquier acuerdo de
cooperación en esta industria es ilegal, por lo que un escenario monopólico también puede
ser descartado (Guzmán, 2006).
Tomando esto en consideración, se puede intuir que es esencial para las firmas de esta
industria analizar el comportamiento del mercado ante las variables determinantes de su
estructura, para comprender las interacciones estratégicas que existen y cómo influirán las
decisiones que se tomen, tanto en el mercado como en las decisiones de los competidores.
La Teoría de Juegos es una ciencia que se basa en aplicaciones de probabilidades,

estadísticas y programación matemática para apoyar en la toma de decisiones estratégicas,
mediante el estudio sistemático de las acciones de los agentes implicados, cuando existen
interacciones estratégicas.
1
Se dice que un mercado es un monopolio si una sola firma, dominan por completo el mercado. Por otro lado,
un mercado se encontrará en competencia perfecta si el número de competidores es infinito y ninguna firma
por sí sola posee poder de mercado.
6
A pesar de que existen algunos trabajos previos en esta línea, la de Teoría de Juegos fue
iniciada formalmente por Von Neumann y Morgenstern a mediados del siglo XX (Von
Neumann y Mortgenstern, 1944), quienes introdujeron el marco de análisis de dicha teoría.
Posteriormente, en 1951, John Nash planteó la existencia del equilibrio que lleva su
nombre, estableciendo que bajo ese escenario, ningún jugador tendrá incentivos a desviarse
de la estrategia elegida (Nash, 1950 y 1951).
2.2 Modelo de Cournot
Más de un siglo antes de que las bases de la Teoría de Juegos fueran establecidas, Antoine
Augustin Cournot (1801-1877) planteó un juego estático, que consiste en un mercado
compuesto por dos firmas (duopolio), las cuales deben decidir simultáneamente el nivel de
producción que maximizará sus utilidades (Cournot, 1838). Las condiciones del juego son:
- Los productos son homogéneos.
- Las firmas eligen la cantidad a producir. El precio se despeja en el mercado.
- Las firmas compiten entre ellas sólo una vez, y toman sus decisiones de producción
de forma simultánea.
- No se permite la entrada de nuevos competidores al mercado.
A pesar de adelantarse en más de cien años a la Teoría de Juegos, Cournot encontró una
solución a este modelo, que no es otra que el equilibrio de Nash para este juego, llamado en
la actualidad equilibrio de Nash-Cournot. Según estos resultados, para que no existan
incentivos al desvío, las cantidades a producir por cada firma en el equilibrio, y ,
deben ser tales que:
, para cualquier valor de ;
, para cualquier valor de
Por otro lado, la ganancia de cada firma estará dada por la siguiente expresión:
7
con la función inversa de demanda, donde ,y la función de costos
de la firma.
Asumiendo que las firmas se comportan de manera racional, la decisión de producción de

cada firma va a ser aquella que maximice sus ganancias. Como el precio depende de la
producción total del mercado, la producción de cada firma va a depender de la decisión de
producción de la competencia. Por lo tanto, se puede modelar la producción de una firma
como una función de reacción ante la producción de la contraparte. Si se asume una función
inversa de demanda lineal de la forma , simetría de costos y
costos marginales constantes (i.e., ), puede demostrarse – a través de las
condiciones de primer orden – que la reacción óptima (o mejor respuesta) en equilibrio se
encuentra en:
Resolviendo el sistema de dos ecuaciones y dos incógnitas resultante (Church y Ware,

2000), pueden encontrarse explícitamente las decisiones óptimas de producción para los
competidores de este mercado:
Una extensión de este juego es el oligopolio de Cournot, en el que se considera un juego de

similares características, pero en el que participan un número finito de competidores.
Planteando ecuaciones análogas a las descritas para el duopolio de Cournot, se puede
demostrar que la producción óptima en este juego va a estar dada por la expresión:
Luego, el precio en este juego va a estar determinado por la producción óptima de los
competidores:
8
Se llama entonces competencia à la Cournot cuando los competidores de un mercado
deciden su nivel de producción, y en base a la decisión óptima de cada competidor los
precios se despejan en el mercado.2
2.3 Modelos de Oligopolio con Borde Competitivo
En términos prácticos, la mayoría de los mercados no se pueden clasificar en ninguno de

los dos polos antes mencionados (monopolio y competencia perfecta), sino que satisfacen
una estructura intermedia. En particular, en los mercados de commodities minerales existen
firmas productoras que controlan una parte significativa de la producción total, en conjunto
con firmas productoras con poca capacidad de producción y un mercado secundario,
derivado principalmente del reciclaje (Montero y Guzmán, 2005). A medida que los precios
sean más convenientes (o los costos de producción más bajos), una mayor cantidad de
productores primarios van a estar en condiciones de producir al precio de mercado, con una
capacidad acotada, y lo mismo sucederá con la producción secundaria.
Tomando esto en cuenta, se puede considerar entonces que industrias con estas
características están compuestas por un número reducido de firmas estratégicas, u
oligopolio, que tienen poder de mercado, y un conjunto numeroso de firmas sin poder de
mercado, compuesto tanto por productores primarios como secundarios, que se denominará
borde competitivo (BC). Se puede intuir entonces que al analizar un mercado de
commodities minerales, carece de sentido estudiar el comportamiento individual de cada
firma, ya que solo las que tienen poder de mercado son las que influirán de manera
significativa en las variables determinantes.
Al modelar una industria en que los productores compiten à la Cournot, bajo esta estructura
de mercado, las firmas dominantes podrán influir en los precios con sus decisiones de
2
En el caso de los commodities minerales el despeje de mercado puede darse ya sea a través de una bolsa de
metales (LME, COMEX, y otras) o por medio de un acuerdo entre productores y compradores.
9
producción, afectando la relación entre los inventarios y el consumo; mientras que la
producción del borde competitivo estará en directa relación con las variaciones en el precio,
consecuentemente con lo que plantea Labys (1976).
2.4 Aplicaciones a Mercados de Commodities Minerales
En los mercados de bienes no-diferenciables, en particular en los mercados de commodities,

los productores no controlan de forma directa el precio: las firmas de estas industrias hacen
sus decisiones estratégicas fijando la producción, y el mercado es el responsable de fijar los
precios, es decir, las firmas juegan à la Cournot.
En el marco de industrias de commodities minerales, la del petróleo, que históricamente ha

sido dominada por un cartel (OPEC), se ha estudiado tradicionalmente como un mercado
monopólico, que sólo estaba influenciado por las decisiones del cartel petrolero (Mankiw,
2008). Sin embargo, esta industria cuenta con muchos productores más, de menor
envergadura, que no pueden incidir directamente en los precios, pero que en conjunto sí son
capaces de restarle poder de mercado a la OPEC. Stephen Salant (1976) tomó conciencia de
esto, y planteó uno de los primeros modelos para industrias de commodities que tratan el
mercado como una estructura compuesta por una firma dominante y un borde competitivo.3
En este modelo, el borde competitivo está compuesto por múltiples firmas simétricas que
maximizan sus ganancias descontadas, asumiendo un precio de mercado fijo. La firma
dominante, en cambio, maximiza sus ganancias descontadas, pero es capaz de influir en los
precios. Las firmas compiten en varios periodos consecutivos, restringidos según la
capacidad de producción de cada yacimiento en el estudio. En el equilibrio de Nash-
Cournot determinado por Salant, la firma dominante encuentra sus decisiones óptimas de
producción y las firmas del borde competitivo no tienen incentivos a desviarse de esta
estrategia.
3
En estricto rigor, Salant habla de un cartel, compuesto por varias firmas, más un borde competitivo. Sin
embargo, las firmas del cartel toman sus decisiones de producción en conjunto, por lo que es análogo a
considerarlo como una única gran firma.
10
En un trabajo posterior, Salant (1982) profundiza en esta estructura de mercado, planteando
un modelo computacional que permite encontrar las estrategias óptimas de las firmas
estratégicas en un mercado de estas características. La solución planteada por Salant (1982)
entrega un conjunto de precios para el periodo en estudio, y las decisiones óptimas de
producción de los agentes en el equilibrio. Este modelo se perfila como un instrumento de
apoyo a la toma de decisiones y escapa del ámbito netamente teórico de los trabajos hechos
en esta materia hasta ese entonces, dando cuenta de la posibilidad y los beneficios de
utilizar la Teoría de Juegos como una herramienta de gestión.
El uso de la Teoría de Juegos para analizar estructuras de mercado imperfectas ha tomado

relevancia en otras industrias de commodities, en particular en la del cobre. Según la
evidencia histórica, en este mercado la colusión se da en periodos de recesión del precio, y
los acuerdos comprometidos consisten en recortes de producción para así aumentar los
precios del metal. Montero y Guzmán (2005) usan un modelo similar al de Salant (1976),
sin considerar restricciones de capacidad y reservas, para estudiar acuerdos cooperativos en
la industria del cobre. Los autores demuestran que, en presencia de un borde competitivo
importante, también se pueden dar acuerdos de cooperación expansivos en periodos de
boom del precio. El fundamento de esta estrategia descansa en generar como amenaza
creíble el aumento de la producción frente al borde competitivo, para así disminuir el aporte
de este sector a la oferta total. Con acuerdos de este tipo se podría aumentar el bienestar
social bajo una estructura colusiva, debido a que un aumento en la oferta podría traducirse
en una disminución de los precios, pudiendo acrecentar el excedente de la demanda.
Un caso particular de acuerdos cooperativos en la industria del cobre es el del cartel

internacional de cobre que existió entre 1935 y 1939, compuesto por los cinco mayores
productores del metal rojo, a nivel mundial. Herfindhal (1959) plantea que este cartel fue
exitoso en sus acuerdos contractivos, durante los periodos de recesión, pero que en los
periodos de boom las firmas volvieron al equilibrio de Nash-Cournot (competencia
perfecta). Montero y Guzmán (2010), a través de un modelo muy similar al de Montero y
Guzmán (2005), demuestran que un acuerdo expansivo pudo haberse mantenido durante los
periodos de boom, dando paso a un acuerdo para fijar recortes de producción en los
11
periodos de recesión. Sin embargo, sus resultados no son concluyentes en afirmar que un
acuerdo con fases expansivas y contractivas pudiese haber sido sostenido durante todo el
periodo de estudio. Por otro lado, Guzmán (2010) sí muestra evidencia de que el cartel
internacional del cobre habría actuado expandiendo su producción durante los booms.
En línea con los acuerdos cooperativos de la industria del cobre, Ureta (2006) estudia el
comportamiento de las cinco compañías más influyentes en el mercado, para determinar la
factibilidad de que los recortes de producción ocurridos entre 2001 y 2002 hayan sido fruto
de acuerdos cooperativos, tácitos o explícitos, para levantar el bajo precio del metal en ese
periodo. Al igual que Salant (1982), Ureta (2006) utiliza un modelo computacional para
obtener resultados numéricos que reproduzcan el comportamiento de las firmas.
El modelo utilizado en Ureta (2006) incorpora restricciones de capacidad productiva de las

minas, y define al borde competitivo como el conjunto de productores primarios que no
integran el conjunto de firmas estratégicas más los productores secundarios de la industria.
En este modelo, tanto el sector primario del borde competitivo como el secundario
reaccionan a las variaciones de precio con una cierta elasticidad, en contraste con los
modelos antes mencionados, en los que el borde competitivo actúa maximizando la utilidad
conjunta de las firmas que lo componen. Se hacen simulaciones para distintos acuerdos de
cooperación entre subconjuntos de firmas estratégicas formando un cartel, el cual compite à
la Cournot con el resto de las firmas estratégicas y con el borde competitivo, por un
periodo. Los precios se despejan de la ecuación de precios, que incorpora tanto el consumo
del mercado como los inventarios acumulados.
Existen numerosas investigaciones sobre acuerdos cooperativos en estructuras de mercados

como la descrita, en particular en la industria del cobre. Sin embargo, no existen
aplicaciones computacionales concretas a nivel de firmas que consideren las posibilidades
de invertir en nuevos yacimientos o la expansión de los existentes, en particular para el
mercado del cobre. Las posibilidades de expansión de capacidad modificarían las
condiciones del mercado, al hacer dinámicas las restricciones de capacidad y la vida útil de
las minas, pudiendo ampliar la visión para la toma de decisiones estratégicas.
12
3. DESCRIPCIÓN DEL MERCADO DEL COBRE
El cobre es un metal con amplio uso debido a sus características: es uno de los metales con
mayor conductividad eléctrica, posee gran ductilidad y es altamente maleable. Estas
particularidades, sumado a su bajo costo en relación con otros materiales de similares
características, lo han hecho uno de los principales materiales para la fabricación de
productos eléctricos y electrónicos. Se destacan también las propiedades mecánicas de sus
aleaciones (bronce y latón principalmente) y el alto grado de reutilización, pudiendo ser
reciclado múltiples veces, prácticamente sin perder sus propiedades mecánicas.
3.1 El Mercado del Cobre
La gran gama de aplicaciones ha convertido al cobre en el tercer metal más utilizado por el
hombre, después del hierro y el aluminio. Al igual que en la mayoría de los mercados de
metales, las principales variables que determinan los precios son la producción, los
inventarios, o stocks, y la demanda. Es importante entender las características de esta
industria para poder plantear un modelo que describa de manera efectiva el mercado
estudiado. En los siguientes puntos se hace una breve reseña sobre los principales aspectos
influyentes en esta industria.
3.1.1 Producción
El producto final, que es transado en las bolsas de metales (LME, Comex y Shanghái),
corresponde al cobre fino. La refinación del cobre se da por dos vías: sector primario o
cobre mina, y sector secundario o cobre reciclado. El primero corresponde al refinado a
partir de la extracción directa del mineral, mientras el segundo corresponde a la
reutilización de material, como es el caso de la chatarra.
La producción mundial de cobre mina entre 1950 y 2009 ha seguido una tendencia
creciente, exceptuando periodos particulares, como el año 2002. En este periodo se
observaron recortes de producción, motivados principalmente por el bajo precio del
commodity, que hicieron caer la cantidad extraída de metal rojo. Entre 2002 y 2009 se
13
observó un incremento considerable en la producción mina de cobre mina, cercano a un
14,5%, motivado principalmente por la bonanza de los precios y por incremento del
consumo, debido en gran parte a las crecientes necesidades de China.
20.000
18.000
16.000
14.000
Miles de tmf
12.000
10.000
Cobre
8.000 Secundario
6.000 Cobre
4.000 Mina
2.000
0
Ilustración 1: Evolución de la producción mundial de cobre, 1950-20094
En el año 2009, las seis compañías con mayor producción anual equivalente de cobre mina
eran Codelco, Freeport McMoRan y BHP Billiton, las tres con una producción cercana a
1,5 millones de toneladas métricas de cobre fino (tmf) cada una, seguidas por Anglo
American, Río Tinto y Southern Copper Corporation (Grupo México), con una producción
menor a las 650 mil tmf cada una.5 Sin embargo, si se considera la producción controlada
de cobre, el escenario cambia, quedando el liderazgo de la industria en manos de Freeport
McMoRan (FCX), seguido por BHP Billiton (BHP), Codelco (COD), Xstrata (XST),
Southern Copper Corporation (MEX) y Anglo American (AAM), en orden decreciente. En
la Ilustración 2 se puede ver de manera más clara la distribución de la producción en este
grupo de los seis principales productores de cobre mina, llamado C6.
4
Elaboración propia a partir de datos de COCHILCO (2009) y el ICSG (2010).
5
La producción de cobre equivalente corresponde a la producción ponderada de las minas por la participación
de la compañía en el proyecto. Es decir, en un joint venture todas las compañías que tengan participación en
el proyecto poseen producción equivalente, a pesar de que no controlen directamente la producción del
yacimiento (Guzmán, 2008a).
14
5,68%
6,79%
25,01% FCX
14,78% BHP
COD
22,87% 24,86% XST
MEX
AAM
Ilustración 2: Distribución de la producción en el grupo estratégico (C6), en el año 20096
A pesar de existir un grupo definido de firmas que son responsables de gran parte de la
extracción mundial del metal rojo, en 2009, más de la mitad de la producción anual de
cobre mina fue llevada a cabo por compañías mineras con menos de un 2% de participación
de mercado, grupo al que se referirá como resto de los productores primarios (RES). Esta
situación se refleja en la Ilustración 3.
17,4%
33,2%
Estratégicos (C6)
Resto Primarios
49,4% Secundarios
Ilustración 3: Distribución de la producción en la industria, en el año 20097
6
Elaboración propia a partir de datos de las memorias anuales 2009 de las compañías del grupo estratégico,
datos de COCHILCO (2009) y el ICSG (2010).
7
Elaboración propia a partir de datos de las memorias anuales 2009 de las compañías del grupo estratégico,
datos de COCHILCO (2009) y el ICSG (2010).
15
Por otro lado, debido al alto grado de reutilización del cobre, también existe una importante
presencia de productores secundarios (SEC), que en ese mismo periodo abarcaban cerca de
un sexto del mercado total.
3.1.2 Demanda
La demanda por cobre históricamente se ha visto afectada por los ciclos económicos,
teniendo un bajo crecimiento en periodos de crisis económicas, incluso contrayéndose en
algunos periodos puntuales. Uno de los más grandes efectos sobre la demanda se observó
en el año 2006, en el cual el auge en el desarrollo de importantes economías, como la de
China e India, empujó hacia un aumento anual del 7% en el consumo. Hacia el año 2009, el
mayor consumidor de cobre fino en el mundo era China, con cerca de un 28% de la
demanda mundial, seguido por la Unión Europea, Estados Unidos y Japón.
20.000
18.000
16.000
14.000
Miles de tmf
12.000
10.000
8.000
6.000
4.000
2.000
0
Ilustración 4: Evolución de la demanda mundial por cobre, 1950-20098
8
16
3.1.3 Inventarios
Los inventarios son un factor importante en el mercado del cobre, debido a que los precios
están relacionados directamente con la cantidad de cobre disponible, esto es, la cantidad de
cobre fino producido sumado a los inventarios que existen almacenados. En periodos de
contracción económica, el consumo físico de metales básicos disminuye de manera
importante. Además, dado que los commodities metálicos son percibidos como activos de
bajo riesgo, en periodos de crisis económicas, las bolsas de metales suelen aumentar la
cantidad de inventarios debido a la necesidad de aminorar el riesgo de las carteras
financieras. Estos dos efectos que llevan a un aumento en el nivel de inventarios empuja al
precio de los metales a la baja, llevando a un periodo de crisis en estas industrias. Hacia el
año 2002 el nivel de inventarios en la industria del cobre llegó a su máximo desde el último
cuarto del siglo XX, alcanzando a representar un 10% del cobre fino disponible en el
mundo. Después de este periodo, debido a la recuperación de los precios, la cantidad de
inventarios disminuyó considerablemente, llegando a representar un 5,5% del cobre fino
disponible en 2009.
2500
2000
Miles de tmf
1500
1000
500
Ilustración 5: Evolución de los inventarios mundiales de cobre, 1950-20099
9
17
3.2 Proyectos Mineros
Como se ve en la Ilustración 6, en 2009 Chile poseía la mayor cantidad de reservas de

cobre en el mundo, con cerca de 360 millones de toneladas, seguido de Perú, Estados
Unidos y China, con 120, 70 y 60 millones de toneladas, respectivamente. En total, las
reservas mundiales se estiman en alrededor de 1000 millones de toneladas de cobre.
Chile
Perú
3% 15% Estados Unidos
4% 36%
China
4%
Polonia
Australia
4% 5%
6% 12% México
7%
4% Indonesia
Zambia
Rusia
Otros
10
Ilustración 6: Reservas Mundiales de Cobre en 2009
Dados los altos niveles de producción y la cantidad acotada de reservas probadas, la

exploración y prospección de nuevos yacimientos ha tomado un papel importante en la
gestión estratégica de las compañías mineras, para mantener la continuidad en la
producción de cobre mina.
Los altos precios del mineral y las nuevas tecnologías posibilitan la reducción de la ley
mínima de extracción. Sin embargo, si se toma en cuenta que sólo el 1 o 2% de las
exploraciones llevan a la confirmación de que un proyecto es económicamente viable, es
10
Elaboración propia a partir de Minería Chilena (2009).
18
posible dimensionar la importancia de la ampliación de las carteras de proyectos (Minería
Chilena, 2009).
Por otro lado, la tendencia de concentración del mercado durante la primera década del
siglo XXI, por medio de adquisiciones o fusiones (Mergers and Acquisitions o M&A), ha
mermado de manera importante la exploración minera (Guzmán, 2008b). Esto porque a
través de las M&A las compañías amplían sus carteras individuales de proyectos, pero las
reservas mundiales siguen siendo las mismas.
Se distinguen dos tipos de proyectos mineros: las nuevas faenas o proyectos greenfield, y
las expansiones de minas existentes o proyectos brownfield. Generalmente los primeros
llevan asociados mayores costos de inversión y un mayor periodo de implementación.
En el Anexo A se lleva a cabo una breve descripción de los criterios que consideran las
compañías mineras en relación a las decisiones estratégicas sobre proyectos de inversión en
capacidad, que ayudará a comprender de mejor manera la importancia del trabajo descrito
en los siguientes capítulos.
19
4. DESCRIPCIÓN DEL MODELO
La primera sección de este capítulo pretende enmarcar el modelo bajo las estructuras de
mercado revisadas en el segundo capítulo. En la segunda parte del capítulo se propone el
modelo general que se sustenta en este trabajo. Luego, se indica el método formulado para
la resolución del problema planteado. En la parte final del capítulo se hace una breve
descripción de los parámetros utilizados en la simulación del modelo que se discute en el
capítulo quinto.
4.1 Descripción de las Variables del Modelo General
El modelo considera que el mercado está compuesto por un oligopolio de firmas

estratégicas, un borde competitivo, compuesto por productores de menor escala y un
conjunto de productores secundarios, un nivel determinado de inventarios, y la demanda
mundial por cobre.
Cada firma estratégica controla un conjunto de propiedades mineras, tanto minas en

operación como proyectos greenfield. En total, se considera que existen propiedades
mineras controladas por el sector estratégico. El conjunto de yacimientos controlados por
firmas estratégicas va a estar dado por , donde
y denotan al conjunto de yacimientos en operación y de proyectos greenfield,
respectivamente, controlados por la firma -ésima.
ΩGF
Ω
ΩOP
Ilustración 7: Esquema de propiedades mineras en el modelo para el conjunto de firmas

estratégicas
20
Cada yacimiento tiene una capacidad inicial de producción anual de , que en cada mina
puede ir variando con el tiempo, por las expansiones de capacidad asociadas a proyectos
brownfield.
Además, se considera que existe un número de proyectos brownfield asociados a los

yacimientos de las firmas dominantes. El conjunto de proyectos brownfield asociado a una
faena en particular estará representado por , con . Este conjunto puede ser
vacío para algunos yacimientos , en particular. Los proyectos en cada conjunto estarán
ordenados en posiciones correlativas a su orden de implementación. La capacidad agregada
que cada proyecto brownfield añade a la capacidad de una mina estará representado por
, con .
Proyectos Greenfield:
ΩiGF
Activos de la
firma i-ésima: Ωi
Proyectos Brownfield
Operaciones: ΩiOP asociados a la firma:
UjЄΩiψj
Ilustración 8: Esquema de activos mineros controlados por la firma -ésima
Se asume que en el mercado no existen, ni pueden existir, acuerdos de cooperación. Ésta

restricción se fundamenta en aspectos político-legales del entorno, que eliminarían la
posibilidad de lograr acuerdos de este tipo, por lo menos de manera explícita. Según esta
restricción, las firmas tomarían decisiones independientemente, pero con conocimiento
respecto a la reacción de sus competidores.
Cabe destacar que, debido a que se considera que el borde competitivo no tiene poder de
mercado, las características de las propiedades mineras de cada firma del borde competitivo
no tienen influencia sobre los resultados del modelo, por lo que no es necesario
considerarlas de manera particular.
21
4.2 Definición del Modelo General
El modelo que se presenta pretende determinar el momento óptimo para que un proyecto en
particular sea ejecutado, y la cantidad a producir en cada periodo por los yacimientos
estudiados. Las variables de decisión que se utilizarán en el modelo corresponden a la
cantidad a producir por las minas en cada periodo: .
Se asume que la producción en un yacimiento será nula sólo si este se encuentra fuera de
operación, con lo cual se puede determinar la segunda arista del problema: los momentos
óptimos de apertura y cierre de las minas. Para esto, se definen dos funciones dependientes
de la producción de una mina en un periodo: , función que indica si un
yacimiento debe operar durante el periodo ; función que indica si
un proyecto brownfield debe encontrarse implementado en el periodo . Formalmente:
11
12
Uno de los supuestos fuertes del modelo es asumir, bajo el amparo de la teoría neoclásica
de la economía, que las firmas se comportarán de manera racional. Esto implica que cada
una de las firmas buscará maximizar su ganancia individual. Debido a que las firmas
estratégicas tienen el poder de afectar los precios y que ellas compiten à la Cournot, éstas
maximizan su ganancia sobre la variable , la cual afecta indirectamente al precio .
Por su parte, las firmas del borde competitivo no pueden afectar directamente las
condiciones de mercado, por lo que se asume que son tomadoras de precios. En base a esto,
11
i
.
i
12
.
22
se considera que ellas reaccionan con una elasticidad determinada, ante las variaciones en
el precio de mercado. Sin embargo, debido a que los productores primarios requieren de
una importante inversión en bienes de capital para aumentar su capacidad de producción, se
considerará que ellos actúan de manera asimétrica ante el alza y baja del precio, con
elasticidades (baja) y (alza). Por otro lado, los productores secundarios no requieren
grandes inversiones para aumentar su capacidad productiva, por lo que se considerará que
actúan de manera simétrica ante las variaciones del precio, con una elasticidad .
La demanda por cobre para cada periodo también se modelará considerando que ésta
reacciona con una elasticidad ante los cambios de precio. Sin embargo, se asumirá un
crecimiento anual de para el consumo (considerando precios constantes), para ser
consistentes con la evidencia empírica de la tendencia expansiva del mercado.
La cantidad de inventarios acumulados al término de un periodo va a estar determinada

por la cantidad de inventarios acumulados al final del periodo anterior, la cantidad
producida en , tanto en el sector primario como secundario, y la demanda en el periodo .
Esta relación está dada por la siguiente ecuación:
Donde y representan la producción primaria y secundaria del borde competitivo en

el periodo , respectivamente, y la demanda en el periodo . Estas funciones se definen
como:
23
Donde , y representan las cantidades de producción de los productores primarios
del borde competitivo, la producción de los productores secundarios y la demanda, en el
periodo cero, respectivamente. Las variables representan el precio en los periodos
cero y , respectivamente.
Por otro lado, y siguiendo a Ureta (2006), se asume que el precio, en cada periodo, debe
cumplir con la siguiente función:
Donde los coeficientes , y representan a coeficientes estimados en base a una

regresión histórica que relaciona los precios, la demanda y los inventarios de cada periodo.
Las firmas dominantes perciben un costo asociado a la operación de cada yacimiento, que
está compuesto por costos fijos y variables. Los proyectos brownfield también llevan
implícitos los costos fijos y variables, por lo que este efecto también se considera dentro de
los costos de cada mina. La expresión que representa los costos asociados a un yacimiento
, en un periodo está dada por:
,y
Donde y hacen referencia a los costos fijos por operación, y denotan los
costos variables. El índice denota al último proyecto brownfield activo, y puede ser
determinado según el nivel de producción histórico.13
Los costos de cierre de faena se modelaron como una función de la capacidad de

producción del yacimiento. Esto implica que ellos también dependen de la capacidad anual
13
.
24
instalada en la faena al momento del cierre. El desembolso, se hace en el periodo en que la
mina deja de producir. La expresión que define los costos de cierre está dada por:
Donde representa a un costo de cierre por unidad de capacidad productiva del

yacimiento.
Con el fin de simplificar la comprensión del modelo, se definen los indicadores de apertura
y cierre de una faena, y respectivamente. Estos indicadores son variables binarias,
que se comportan de la siguiente manera:
14
15
Análogamente, se define un indicador de entrada en vigencia de un proyecto brownfield,

que tomará los siguientes valores:
16
Debido a que el comienzo de operación en una mina requiere de un tiempo para la

construcción y preparación de la faena, se consideró que las inversiones se harán en montos
equivalentes durante periodos determinados, previos al comienzo de operación, los cuales
estarán dados según el tipo de operación (subterránea o a rajo abierto) y la naturaleza del
proyecto (greenfield o brownfield). La cantidad de periodos de preparación necesarios para
cada proyecto están dados por: para las operaciones y proyectos greenfield, y para
los proyectos brownfield.
14
.
15
.
16
.
25
Los montos a invertir en cada periodo por conceptos de apertura de faenas o expansión de
una operación van a estar dados por:
Donde representa la inversión total necesaria para la apertura del yacimiento y

representa la inversión total necesaria para la puesta en marcha del proyecto brownfield .
Otras notaciones importantes utilizadas en el modelo son las siguientes:

= Estimación del VAN de la firma entre los periodos 1 y ;
= Factor de descuento real;
= Reservas totales del yacimiento al término del periodo 0.
Tomando en cuenta las definiciones antes descritas, y los supuestos asumidos, las firmas
del oligopolio utilizarán una estrategia que les permita maximizar los flujos de caja
descontados, asumiendo que el resto de las firmas estratégicas actuarán de manera análoga.
Luego, el problema de maximización de utilidades que resuelve cada firma estratégica , de
manera simultánea, va a estar dado por la siguiente expresión:
s.a:
Límite de las reservas de las minas:
Capacidad anual máxima de cada yacimiento:
26
Límite mínimo de producción en una mina abierta:
Tiempo de construcción, para la reapertura de una mina, durante el cual la mina debe
permanecer sin operar:
Secuencialidad en la implementación de los proyectos brownfield de un mismo yacimiento:
Las limitantes están relacionadas con las reservas de cada yacimiento, la capacidad de
producción de cada mina y restricciones de carácter prácticas: se impone que un yacimiento
se puede considerar operando solo si la producción de éste es mayor al 25% de la capacidad
nominal anual; se considera que debe existir un tiempo de preparación al sitio para la
reapertura; el modelo restringe la posibilidad de ejecutar más de un proyecto brownfield a
la vez en un mismo yacimiento.
En estricto rigor, las variables que entrega este modelo corresponden a la proyección
óptima de la producción de cada yacimiento. Sin embargo, estas variables están
directamente relacionadas con los momentos óptimos de inversión, ya que estos se pueden
determinar mediante las funciones y , descritas anteriormente.
27
4.3 Aplicación Particular del Modelo
Se modeló el problema de manera de que éste tuviese una flexibilidad suficiente para poder
ser adaptado a distintas necesidades analíticas, como periodos diferentes, distintos grupos
estratégicos, cantidades variables de yacimientos y proyectos, y por qué no también a otras
industrias de commodities minerales. Con este objetivo, se mantuvo un alto grado de
parametrización en el modelo computacional, descrito en el Anexo B, de manera de poder
llevar a cabo distintas simulaciones sin necesidad de introducir cambios sustanciales. En el
Anexo C se encuentran las indicaciones generales para utilizar el modelo computacional
desarrollado (adjunto en un disco compacto).
Se estudiaron las decisiones óptimas de inversión del grupo C6 del mercado del cobre a
partir del año 2009 (periodo inicial), para un periodo de 15 años.
Tabla 1: Grupo estratégico (C6) y sus activos mineros controlados, al año 2009
Firma Operaciones Proyectos Proyectos
al 2009 Greenfield Brownfield
Anglo American (AAM) 4 3 1
BHP Billiton (BHP) 6 - 6
Codelco (COD) 5 2 6
Freeport McMoRan (FCX) 11 6 2
Grupo México (MEX) 5 5 4
Xstrata (XST) 7 7 3
TOTALES 38 23 22
Cabe destacar que en el año 2009, la producción controlada acumulada del grupo C6 fue el
40% del total de cobre fino producido, y el resto de los productores primarios tuvieron una
participación de mercado inferior al 2%, cada uno por sí solo, por lo que es aceptable
asumir que éste es el grupo de firmas con poder de mercado.
Se utilizaron los datos de la industria en el 2009 para alimentar el modelo. En particular, en

la Tabla 2 se describen los datos que se consideraron para construir el punto real del
mercado, necesario para proyectar los precios.
28
Tabla 2: Datos del mercado en 2009
Productores Productores Demanda
primarios del BC secundarios del BC Mundial
Cantidad Producida-
8.303 2.919 18.430
Demandada (K tmf)
Elasticidad Precio (alza) 0,15 0,3 0,2
Elasticidad Precio (baja) 0,03 0,3 0,2
Precio Promedio 2009

236,54
(US$ de 2009/lb)
Inventarios al fin de 2009
1.033,88
(K tmf)
Las elasticidades de los productores del BC que se utilizan en modelos que describen la
industria del cobre típicamente son menores a las utilizadas en este modelo. Esto porque
generalmente se estudia el mercado en una perspectiva estática o a corto plazo. Sin
embargo, dado que este es un modelo dinámico, en el que los agentes interactuarán por un
periodo de largo plazo, los productores del BC serán capaces de reaccionar con mayor
fuerza en el tiempo. Bajo estas consideraciones se utilizaron las elasticidades mencionadas
en el caso base, las que fueron calculadas a partir de la variación en producción primaria
entre 2004 y 2005, y la variación de producción secundaria entre 2003 y 2004.
La elasticidad del consumo en el largo plazo se comportará de manera equivalente al corto

plazo, a menos que una subida sostenida en los precios empuje a la demanda a buscar
productos suplementarios. Sin embargo, debido a que estos efectos son inciertos y que
están fuera del objetivo de este estudio, se asumió una elasticidad media, en base a los
valores encontrados por técnicas econométricas en múltiples trabajos (Fischer et al., 1972;
Slade, 1980; Vial, 1988; Intarapravich, 1989; Vial, 2004 y Valencia 2005).
Además, la tasa de crecimiento anual promedio de la demanda entre 1999 y 2008 fue de
3,1% (Cochilco, 2009). En base a esto, se utilizó una tasa de crecimiento del 3% para el
consumo en el caso base, y se introdujeron sensibilizaciones de un escenario boom, con 4%
de crecimiento anual, y uno de crisis, con un crecimiento anual del 2%.
29
Para calcular los coeficientes de la función de precios se realizó una regresión logarítmica
con los datos anuales de precios reales del cobre entre 1950 y 2009 (Cochilco, 2009), la que
entregó los siguientes resultados: ; ;y .
Se fijó un costo de US$ 2 millones por cada mil toneladas métricas de capacidad instalada
en una mina, por efectos de cierre, en concordancia con los estándares típicos de la
industria, utilizados en las evaluaciones.
De acuerdo al tiempo promedio necesario para la preparación de los proyectos que se

muestran en Minería Chilena (2010), se consideró necesario un periodo mínimo de cuatro
años para la apertura de proyectos greenfield a rajo abierto, dos años para la expansión de
faenas a rajo abierto, y seis años para la apertura de proyectos subterráneos, tanto greenfield
como brownfield. No obstante lo anterior, se introdujeron algunas variaciones a estos
periodos, para ser consistente con la situación real de algunos proyectos particulares, que se
encontraban en vías de implementación a comienzos de 2010.17
A pesar de que cada compañía utiliza una tasa de descuento particular para la evaluación de
sus proyectos, al no tener el valor propio para cada firma, se utilizó un 12% para todo el
grupo estratégico, por ser un valor que se encuentra dentro de los márgenes típicos de la
industria.
Las características particulares de las operaciones y proyectos greenfield considerados en

este estudio pueden verse en el Anexo D. En el Anexo E se encontrarán las características
propias de los proyectos brownfield utilizados en el modelo.18 Debido a que no se contaba
con toda la información necesaria para el total de las operaciones y proyectos en estudio, se
asumieron algunas estimaciones, las que se detallan en el Anexo F.
17
Los proyectos en vías de implementación a fines de 2009 corresponden a Alejandro Hales, Big Gossan,
Chino, Deep Mill Level Zone, Miami, El Morro, Las Bambas, Andina – Phase I, Gabriela Mistral – Phase II,
Antamina Expansion, Olympic Dam Expansion – Stage I, Collahuasi Expansion – Phase I, Ernest Henry
Underground y Los Bronces Expansion.
18
A pesar de que la participación en la propiedad de Antamina era equivalente para Anglo American y para
Xstrata, se consideró, por fines prácticos, que la producción de esta mina era controlada por Xstrata. Lo
mismo sucede en el caso de Collahuasi, con BHP Billiton y Xstrata, pero para este yacimiento se asumió que
la producción era controlada por BHP Billiton.
30
5. ANÁLISIS DE RESULTADOS
En el presente capítulo se muestran los resultados obtenidos en las simulaciones hechas, se

discuten sus resultados y las implicancias prácticas de estos. Si bien, los resultados de la
simulación no son el eje principal de este trabajo, se considera que ellos son una buena
manera de avalar el modelo propuesto, demostrando algunos alcances del mismo.
5.1 Solución del Caso Base
La proyección de precios muestra un periodo con tendencia a la baja entre 2010 y 2013,
luego un periodo de mantención hasta 2017, y el posterior repunte, que se mantiene hasta el
periodo final. La caída en el primer segmento se explicaría por el aumento en la
producción, como consecuencia de los proyectos que se implementan. El periodo de
mantención, sería conducido en gran medida por los recortes de producción en algunas
minas, principalmente para prolongar la vida de la mina y tomar ventaja de los precios
futuros. El alza en los precios de la última sección de la curva estaría explicada por la
desproporción entre el estancamiento de la oferta y el crecimiento de la demanda: un total
de seis proyectos no se hacen económicamente viables debido al acotado periodo en
estudio, lo que merma el crecimiento en la oferta del sector estratégico.
350
Precio promedio (US$/libra)
300
250
200
150
100
50
0
Ilustración 9: Proyección de precios, Caso Base
31
Las variaciones en la producción de este sector pueden ser vistas más claramente
analizando la evolución en la producción proyectada de cada firma, que se muestran en la
Ilustración 10 y la Ilustración 11. Si bien se observa un crecimiento de la producción a lo
largo del tiempo para todas las firmas, los cambios más agresivos tienen lugar en los
primeros 6 años de la simulación, razón por la cual los precios en este periodo tendrían una
marcada variación entre un periodo y otro. Se observa que los cambios de mayor impacto
son llevados a cabo por Codelco, principalmente por las expansiones de capacidad en
Codelco Norte y El Teniente.
Además, como se proyecta una baja en los precios debido a las inversiones de capacidad en
este periodo inicial, las curvas de producción muestran un periodo transiente, hasta llegar a
la fase de crecimiento sostenido en el precio. Este efecto se aprecia de manera clara en la
Ilustración 11.
16.000
14.000
12.000
AAM
Miles de tmf
10.000
MEX
8.000
XST
6.000 FCX
4.000 BHP
2.000 COD
Ilustración 10: Producción proyectada de las firmas del sector estratégico, Caso Base
Como regla general, los resultados indican que los proyectos debieran entrar en operación
lo antes posible, si es que se muestran económicamente rentables, con excepción de
Cananea Expansion SXEW, que debiera ser aplazado hasta 2020. Un total de 6, sobre los
45 proyectos en estudio, no se hacen rentables bajo este escenario. Sin embargo, se
32
identificó que varios de estos proyectos, a pesar de no ser rentables en la simulación, sí
tienen ingresos por sobre los costos operacionales, pero el excedente no es capaz de cubrir
la inversión inicial en el periodo de tiempo estudiado. En base a esto último, se cree
altamente probable que los resultados de la simulación mostrarían que varios de estos
proyectos sí podrían ser llevados a cabo, si se estudia un horizonte de tiempo más amplio.
3.500
3.000
2.500
Miles de tmf
2.000
1.500
1.000
500
AAM MEX XST FCX BHP COD
Ilustración 11: Evolución de la producción proyectada de las firmas del sector estratégico,
Caso Base
En cuanto a la participación de cada firma en el grupo de las firmas estratégicas, se estudió

una evolución de la producción, considerando la proyección para los años 2017 y 2024,
como se muestra en la Ilustración 12. Al contrastarlas con la Ilustración 2, los resultados
obtenidos indican que bajo los supuestos aplicados, Codelco pasaría a liderar la producción
controlada mundial entre 2009 y 2017, para mantener este lugar hasta 2024, con una
participación similar en el sector a lo largo del periodo estudiado. Tanto BHP Billiton como
Freeport McMoRan bajarían su participación, con respecto a 2009, llegando a ocupar el
segundo y tercer lugar respectivamente en el ranking de producción, seguidos por Xstrata,
Southern Copper Corporation y Anglo American. Estos resultados indicarían que existiría
una tendencia en el mercado a reducir la brecha de poder de mercado entre las firmas del
sector estratégico.
33
2017 2024
6,9%
7,5% 10,1% COD
10,7%
22,9%
23,3% BHP
15,8%
15,2% FCX
22,1% 22,4%
21,2% 21,8% XST
MEX
AAM
Ilustración 12: Evolución de la distribución de la producción en el grupo estratégico (C6),

Caso Base
Por otro lado, si bien existen inversiones en capacidad hasta 2019, después de este periodo
la capacidad de las minas del sector estratégico se mantiene constante, pero el consumo del
mercado sigue en aumento. Esto incidiría en un aumento del precio, debido a la incapacidad
del sector estratégico de acompañar el crecimiento del consumo con un crecimiento de la
oferta, lo cual a su vez ocasionaría un ligero aumento en la producción del borde
competitivo.
30.000
25.000
20.000
Miles de tmf
15.000
10.000
5.000
Estratégicos (C6) Resto Primarios Secundarios
Ilustración 13: Producción anual acumulada por sector del mercado, Caso Base
34
En la Ilustración 13 se observa que existe una leve variación en la producción del BC
durante el periodo estudiado. Si se analizan los gráficos de la Ilustración 14, contrastándolos
con el escenario del 2009 en la Ilustración 3, se puede ver que en el mediano plazo el
mercado tendría una tendencia a concentrarse, para después mantenerse estable hasta 2024.
Esta concentración inicial del mercado y la posterior estabilización del mismo, serían
producto de las inversiones en capacidad de los primeros años, y a que no se considera la
incorporación de nuevos proyectos. Sin embargo, el escenario presentado al año 2017 tiene
una sólida validez, ya que si se encontraran nuevos proyectos para aumentar la producción
anual del sector estratégico, difícilmente ellos podrían ser llevados a cabo antes de este
periodo.
2017 2024
11,31% 12,49%
C6
33,84% 53,68% Res
34,81% 53,88%
Sec
Ilustración 14: Evolución de la concentración de la industria (C6), Caso Base
En la Ilustración 15 se analiza la interacción entre la producción, el consumo, los inventarios

y el precio. Se observa que tanto la producción como los inventarios guardan una relación
inversamente proporcional con la evolución de los precios. En cuanto al consumo, como es
de esperar, existe un incremento considerable de la demanda en los periodos de precios
bajos, mientras que en los periodos con precio al alza, el consumo sigue un ligero aumento.
Esto se explicaría debido a que el efecto del crecimiento del consumo compensaría la baja
en la demanda esperada, debido al alza del precio.
35
30.000 400

350
25.000
300
Miles de tmf
20.000
250
15.000 200
150
10.000
100
5.000
50
0 0
Inventarios Consumo
Producción Precios
2 per. media móvil (Inventarios)
Ilustración 15: Evolución del mercado 2009-2024, Caso Base
El aumento en la producción por sobre el incremento del consumo, en el mediano plazo

(2010-2017), llevaría a una mayor acumulación de inventarios. En la segunda mitad del
estudio, en contraste, el mayor crecimiento de la demanda con respecto al consumo, lleva a
una reducción de los inventarios. En particular, la razón entre producción e inventarios se
ve alterada de manera sustancial a través del tiempo, disminuyendo la proporción de stocks
en el mercado, como se logra apreciar en la Ilustración 16.
2009 2017 2024 Inventarios

Producción
7% 9% 3%
93% 91% 97%
Ilustración 16: Evolución de la composición del cobre fino disponible en el mercado, Caso
Base
36
5.2 Análisis de Sensibilidad
El análisis de sensibilidad llevado a cabo corresponde a la variación de la tasa de

crecimiento del consumo, para lo cual se llevó a cabo una simulación utilizando un
crecimiento del 2% anual y otra del 4% anual. En el Anexo G se muestra una comparación
entre los momentos óptimos de puesta en marcha de los proyectos, y el cierre de las minas,
para cada escenario.
5.2.1 Comportamiento del grupo estratégico en un escenario de bajo crecimiento de

la demanda (2% anual)
En cuanto a los momentos óptimos de inversión, no se manifiestan variaciones con respecto

al caso base, sugiriendo que todos los proyectos deben ponerse en marcha lo antes posible,
si es que se muestran económicamente viables, con excepción de Cananea Expansion
SXEW, que debiera ser aplazado hasta 2020. El número de proyectos que, debido a un
escenario de precios más bajo que el caso base, no serían económicamente viables asciende
a un total de 11 proyectos.
2017 2024
8,32% 7,57% COD
11,63% 10,84%
26,20% 25,07% BHP
12,22%
13,17% FCX
24,45% 24,49% XST

17,19% 18,86%
MEX
AAM

escenario Bajo Crecimiento
El ranking de producción mantiene los mismos lugares que en el caso base, pero como se
muestra en la Ilustración 17, existe una marcada tendencia a la concentración del sector. Este
hecho se explicaría por las estructuras de costos de las compañías y las economías de
37
escala, que permitirían a las firmas de mayor envergadura mantenerse competitivas ante un
escenario de precios poco favorable.
No obstante lo anterior, la participación de mercado del sector estratégico en la industria no
muestra variaciones importantes con respecto al caso base. En la Ilustración 18, al
contrastarla con los resultados del caso base, se puede notar que bajo un escenario de menor
crecimiento, la industria tendería a una concentración ligeramente menor, hecho que estaría
explicado por la inconveniencia de llevar a cabo algunos proyectos.
2017 2024
11,73% 12,36%
C6
51,55% 52,78%
36,72% 34,86% Res
Sec
Ilustración 18: Evolución de la concentración de la industria (C6), escenario Bajo Crecimiento
5.2.2 Comportamiento del sector estratégico en un escenario de alto crecimiento de

la demanda (4% anual)
Las decisiones óptimas de inversión cambian ligeramente en este escenario, con respecto a
los anteriores. Si bien se mantiene la tendencia a poner en marcha los proyectos lo antes
posible, considerando un crecimiento del 4% de la demanda, no deben aplazar ninguno de
los proyectos que se ponen en marcha, debiendo aplazar indefinidamente solo 3 de los
proyectos en estudio. Este aumento en la cantidad de proyectos ejecutados respondería a la
conveniencia de un escenario con mayores precios proyectados.
Al igual que en la sensibilización de bajo crecimiento en la demanda, el ranking de

producción se mantiene invariante, con respecto al caso base. La participación en el grupo
estratégico tampoco sufre grandes cambios con respecto al caso base, como se puede
observar en la Ilustración 19.
38
2017 2024
9,83% 9,19% COD
10,24% 9,57%
23,23% 23,12% BHP
16,66% FCX
15,91%
20,70% 21,31% XST
20,10% 20,15% MEX
AAM

escenario Alto Crecimiento
En cuanto a la concentración de mercado, se aprecia una leve variación con respecto al caso
base, aumentando la participación del grupo estratégico. Esto se explica por los proyectos
que sí se consideran económicamente viables bajo este escenario de precios.
11,36%
2017 2024
12,97%
C6
33,48% 55,16% 33,65% 53,38% Res
Sec
Ilustración 20: Evolución de la concentración de mercado (C6), escenario Alto Crecimiento
39
5.2.3 Comportamiento de la industria ante las sensibilizaciones propuestas
La estructura del mercado se ve alterada a través del tiempo en las sensibilizaciones

llevadas a cabo, en comparación con el caso base simulado. Si bien en los tres casos se
observa la misma tendencia de las variables de producción, consumo, inventarios y precios,
las variaciones numéricas entre los distintos escenarios son claras:
- Una mayor acumulación de inventarios en todo el periodo para el escenario de bajo
consumo, en comparación con el caso base. El crecimiento en la oferta y en la
demanda sigue la misma tendencia, pero con variaciones más discretas.
30.000 500

25.000 400
Miles de tmf
20.000
300
15.000
200
10.000
5.000 100
0 0
Inventarios Consumo
Producción Precios
Ilustración 21: Evolución del mercado, escenario Bajo Crecimiento
- Una menor provisión de inventarios en el caso de alto crecimiento en el consumo,

con respecto al caso base. Se observa también un crecimiento mayor en la oferta y
la demanda.
40
30.000 500

25.000 400
Miles de tmf
20.000
300
15.000
200
10.000
5.000 100
0 0
Inventarios Consumo
Producción Precios
Ilustración 22: Evolución del mercado, escenario Alto Crecimiento
En particular, para los precios se puede asumir que ellos oscilarán en torno a los
encontrados en el escenario base, y estarán acotados entre ambas sensibilizaciones. Esto da
como resultado una banda de precios, como la que se muestra en la Ilustración 23, en la que
se observa divergencia mayor a medida que aumenta el tiempo, debido a la incertidumbre
del mercado.
450
400
350
300
250
200
150
100
50
0
3% Crecimiento 2% Crecimiento 4% Crecimiento
Ilustración 23: Curva de precios en los tres escenarios estudiados
41
Siguiendo la intuición, la cantidad producida por el grupo estratégico tiene significativas
variaciones en los tres escenarios simulados, como se muestra en la Ilustración 24. Es
interesante notar que la producción no varía mayormente, entre un escenario y otro, para los
cuatro primeros periodos. Esto se explicaría debido a que la mayoría de los proyectos a
implementar en estos años consideran preinversión, por lo que su puesta en marcha es
menos elástica ante los precios, que el resto de los proyectos.
16.000
15.000
14.000
Miles de tmf
13.000
12.000
11.000
10.000
9.000
8.000
7.000
6.000
2% Crecimiento 3% Crecimiento 4% Crecimiento
Ilustración 24: Producción del grupo estratégico en los tres escenarios estudiados
5.3 Implicancias Prácticas
Según lo expuesto anteriormente, se puede concluir que, en términos generales, los

proyectos deberían comenzar a operar lo antes posible. Se identifican dos excepciones a
esta proposición: faenas con reservas acotadas y bajo una proyección de altos precios
futuros; y minas con altos costos asociados, que en un escenario de precios bajo no se
darían las condiciones para que el proyecto sea rentable.
Además, se puede asumir que la concentración de la industria no varía significativamente al

alterar el crecimiento del consumo, y que las firmas de mayor envergadura tendrán mayor
poder de mercado en escenarios de crisis en los precios, debido a una estructura de costos
favorable y a economías de escala.
42
Según los resultados de las simulaciones, independientemente de la tasa de crecimiento, se
espera una caída de los precios entre 2010 y 2014 (mantención en el caso optimista), para
luego entrar en una fase de mantención hasta 2017, y una posterior recuperación del precio
entre 2017 y 2024.
Se pronostica, bajo cualquier escenario, que la producción del grupo estratégico aumente
cerca de un 65% entre 2010 y 2017, para terminar duplicando la producción de 2009 en
2024. Además, se esperan recortes de producción para los periodos de precios bajos (2014-
2017), los cuales se detallan en el Anexo H. Esto se explicaría por dos razones: la
conveniencia de tomar ventaja de los altos precios futuros, dada una caída de los precios en
el corto plazo y a la condición extinguible de los recursos; y los altos costos operacionales
en algunas faenas, que harían negativas las utilidades de los ejercicios, en escenarios de
bajos precios.
En la primera mitad del periodo en estudio se espera que el borde competitivo, tanto
productores primarios como productores secundarios, baje su participación en la industria,
debido al crecimiento en la producción del grupo estratégico. Se espera que para el periodo
2017-2024 la concentración de mercado se mantenga estable. Sin embargo, este efecto no
es claro ya que en el largo plazo el borde competitivo podría reaccionar más agresivamente,
absorbiendo parte de la demanda.
En cuanto al nivel de inventarios, se espera un leve crecimiento de ellos en el periodo 2010-

2017. Para la segunda mitad del periodo en estudio, se esperaría que los inventarios bajaran
considerablemente, dada la alta proyección de precios que se obtuvo en la simulación.
Los resultados analizados corresponden a simulaciones en que se utilizó un criterio de

maximización de VAN para 15 años. Se cree que, en estudios posteriores y con mayor
capacidad de procesamiento, el periodo a estudiar debería ser de 25 años, para tener una
visión más amplia de las posibilidades en el mercado. Es altamente probable que los
resultados de una simulación con estas características varíen significativamente con
respecto a los expuestos, debido a que en el largo plazo muchas de los proyectos que no se
43
consideraron económicamente viables podrían acumular flujos suficientes para costear la
inversión inicial y así se consideraría beneficiosa la puesta en marcha de ellos. Además, ya
que algunas minas enfrentarían sus restricciones de recursos en el largo plazo, para
optimizar la utilidad, la planificación de producción probablemente se desplazaría en el
horizonte de tiempo, buscando ajustarse a los precios más favorables.
44
6. CONCLUSIONES
En el presente capítulo se presentan las principales conclusiones extraídas del trabajo

realizado, más un breve resumen con los trabajos futuros que se han logrado identificar en
esta misma línea de investigación.
6.1 Conclusiones Generales
En la definición de este trabajo se plantearon tres objetivos principales: (i) modelar el

comportamiento de los agentes, en base a ciertos supuestos coherentes con la industria real;
(ii) encontrar el equilibrio de Nash-Cournot en el mercado del cobre, en particular referido
a inversiones de capacidad para los actores principales; y (iii) validar el uso de herramientas
de apoyo, en este caso el uso de nociones de organización industrial, a la toma de
decisiones, en cuanto a la inversión estratégica.
Los principales problemas expuestos en la toma de decisiones estratégicas corresponden

que en las proyecciones de precios no se consideran las implicancias de las decisiones
estratégicas y a que no se considera la interacción con otros agentes del mercado, en
particular de la competencia. Estos efectos se incluyen en el modelo presentado,
constituyendo una mejora a los modelos existentes.
Con la simulación llevada a cabo, y bajo los supuestos asumidos, se logró encontrar los
precios en el equilibrio de Nash-Cournot de la industria, para el periodo en estudio.
Además, se logró establecer que, bajo criterios de maximización de utilidades,
prácticamente para todos los proyectos y escenarios conviene realizar las inversiones en
capacidad lo antes posible, si es que ellas son económicamente viables.
Complementariamente, se observa una tendencia a la concentración del mercado en el
mediano plazo, bajo cualquier escenario, tal como plantea Guzmán (2006). También queda
de manifiesto la conveniencia de llevar a cabo recortes de producción en algunas faenas,
con el objetivo de tomar ventaja del aumento futuro en los precios.
45
Se espera que la solidez de los fundamentos que sustentan el modelo y la consistencia de
los resultados, al menos en el mediano plazo, logren poner de manifiesto los potenciales
beneficios de complementar la toma de decisiones estratégicas, en particular las decisiones
de inversión, con herramientas analíticas como la que se presenta en este trabajo.
6.2 Trabajo Futuro
El modelo propuesto de la industria del cobre logra caracterizar satisfactoriamente la

interacción entre los principales agentes del mercado en el mediano plazo (2010-2017). Sin
embargo, para estudiar el mercado en el largo plazo se hacen necesarios estudios más
profundos sobre la evolución de diferentes variables en el tiempo.
Una de las variables con mayor peso en el modelo corresponde al crecimiento de la

demanda. En este modelo se asume un crecimiento anual constante, sin embargo, bajo
ciertos escenarios de precios es sensato creer que las características del consumo cambien,
debido a la ampliación del mercado por la utilización del cobre como bien sustituto de otros
metales (precios bajos), o a la contracción del mismo debido a la sustitución del cobre por
otros metales (precios altos). Se requiere estudiar el comportamiento del consumo en estos
escenarios límite.
El hecho de que no se considere la posibilidad de incorporar nuevas inversiones en

capacidad a la cartera de las compañías estratégicas (tanto proyectos nuevos como M&A),
en el transcurso del periodo estudiado, lleva a que la oferta de este sector se mantenga
prácticamente invariante en los últimos periodos. Sin embargo, la demanda se pronostica
con un crecimiento sostenido, y la elasticidad del borde competitivo no es capaz adaptarse
al consumo del mercado, lo que empuja los precios al alza. Se cree que en el largo plazo, el
borde competitivo pudiese reaccionar de manera más agresiva, por lo que sería interesante
estudiar un modelo de elasticidades variables en el tiempo, con el objetivo de representar de
manera fidedigna el comportamiento del borde competitivo en el largo plazo.
46
Otras sofisticaciones al modelo pueden ser introducidas, al considerar modelos estimativos
de la productividad de las minas a través del tiempo, tal como lo propone Ortega (2010). La
capacidad de una faena no es constante para todos los periodos, sino que sigue una curva
decreciente, debido a los cambios en la ley del mineral que se explota.
También sería interesante incluir una mejora en la función de precios de manera que se
considere la incertidumbre en los precios para el periodo en estudios.
Finalmente, como alternativa a estudiar simulaciones para largos periodos, se propone

agregar al modelo la posibilidad de considerar valores residuales en las minas. Esto
permitiría una proyección de largo plazo más certera, y con un menor consumo de recursos.
47
7. BIBLIOGRAFÍA
Auger, F. y Guzmán, J.I. (2010). How rational are investment decisions in the copper
industry?. Resources Policy, por aparecer.
Brennan, M. y Schwartz, E. (1985). Evaluating natural resource investments. Journal of

Business, Vol. 58, No. 2, 135-157.
Church, J. y Ware, R. (2000). Industrial organization: a strategic approach. McGraw-Hill,

EE.UU.
COCHILCO (2009). Estadísticas históricas – Series anuales. www.cochilco.cl
Cournot, A. (1838). Recherches sur les Principes Mathematiques de la Theorie des

Richesses. Hachette, Paris.
Fischer, F., Cootner, P. y Baily, M. (1972) An economic model of the world copper
industry. The Bell Journal of Economics and Management Science, Vol. 3, No. 3, 568-609.
Guzmán, J.I. (2006). Concentración y poder de mercado en las industrias de minerales.

Notas preparadas para IMM-3220, Microeconomía Aplicada a Mercados Minerales.
Centro de Minería, Pontificia Universidad Católica de Chile, Santiago.
Guzmán, J.I. (2008a). Competencia en las industrias de minerales. Revista Minería

Chilena, Vol. 326.
Guzmán, J.I. (2008b). Consolidación en industrias de minerales. Revista Minería Chilena,

Vol. 327, 101-105.
Guzmán, J.I. (2010). The International Copper Cartel, 1935.1939: the good cartel? Working
Paper. Facultad de Ingeniería y Ciencias Aplicadas, Universidad de los Andes.
48
Herfindahl, O. (1959). Copper Costs and Prices: 1870-1957. The John Hopkins Press,
Baltimore, 1-260.
ICSG (2010). World refined copper production and usage trends 2004-2010. Press Release.
www.icsg.org
Intarapravich, D. (1989). A dynamic econometric analysis integrating long-and-short-run

adjustments in the mineral industry. Ph.D. Dissertation, West Virginia University, EE.UU.
Jensen, J. (1906). Sur les fonctions convexes et les inegalités entre les valeurs moyennes.
Acta Mathematica, Vol. 30, No. 1, 175-193.
Labys, W. (1976). International Commodity Markets, Models and Forecasts. Columbia

Journal Of World Business.
Mankiw, N.G. (2008). Principles of Economics, 372-373. Cengage, EE.UU.
Montero, J.P. y Guzmán, J.I. (2005). Competencia Dinámica y Colusión en Mercados de

Minerales. Foro en Economía de Minerales, Vol. 3, 105-123.
Montero, J.P. y Guzmán, J.I. (2010). Output-expanding collusion in the presence of a

competitive fringe. The Journal of Industrial Economics, Vol. 58, No. 1, 106-126.
Minería Chilena (2009). Compendio de la Minería Chilena, 21-340. Editec, Santiago.
Nash, J.F. (1950). Equilibrium Points in N-Person Games. Proceedings of the National
Academy of Sciences, Vol. 36, 48-49.
Nash, J.F. (1951). Non-Cooperative Games. The Annals of Mathematics, Vol 54, No. 2,
286-295.
49
Ortega, J.S. (2010). Mine Copper Production During The Boom Of 202 To 2008. Tesis de
Magíster en Ingeniería. Pontificia Universidad Católica de Chile, Santiago.
Salant, S. (1976). Exhaustible Resources and Industrial Structure: A Nash-Cournot

Approach to the World Oil Market. The Journal of Political Economy, Vol. 84, No. 5,
1079-1093.
Salant, S. (1982). Imperfect competition in the international energy market, a computerized

Nash-Cournot model. Operations Research, Vol. 30, No. 2, 252-280.
Slade, M. (1980). An econometric model of the U.S. secondary copper industry: recycling
versus disposal. Journal of Environmental Economics and Management, Vol. 7, 123-141.
Ureta, J.M. (2006). Competencia imperfecta y producción flexible en el mercado del cobre.
Tesis de Magíster en Ingeniería. Pontificia Universidad Católica de Chile, Santiago.
Valencia, C. (2005). An econometric study of the World copper industry. Ph.D.

Dissertation, Colorado School of Mines, EE. UU.
Vial, J. (1988). An econometric study of the world copper market. Ph.D. Dissertation,
University of Pennsylvania, EE.UU.
Vial, J. (2004). Modeling commodity markets in the global economy: familiar findings and
new strategies. CGSD Working Paper N°18, The Earth Institute at Columbia University.
Von Neumann, J. y Morgenstern, O. (1944). Theory of Games and Economic Behavior,

Princeton University Press, EE.UU.
50
8. ANEXOS
Anexo A. Decisiones Estratégicas de Inversión en la Minería Cuprífera
La mayoría de las decisiones en la industria de la minería se hacen en base al método de los

flujos de caja descontados (FCD). Se considera que un proyecto es rentable si su valor
actual neto (VAN) es positivo, y que no lo será en el caso contrario. Esta metodología
puede ser una herramienta muy útil en la toma de decisiones. Sin embargo, en la práctica
esta metodología no se considera factores que pueden variar considerablemente el valor real
de los proyectos.
En el caso de las inversiones en capacidad, es decir la apertura de nuevas minas o

expansiones de minas existentes, los flujos se calculan considerando las inversiones
necesarias, los costos fijos y variables de la operación, el costo de cierre y las ventas
anuales que generará el proyecto.
En el caso de las ventas, el principal componente de ellas corresponde a la venta de cobre,

la que se calcula considerando la producción nominal del yacimiento y una predicción de
precios futuros. Para calcular los precios, las compañías mineras utilizan análisis de largo
plazo, tanto internos como externos, con los que luego alimentan los flujos de caja. Sin
embargo, no se consideran dos efectos que finalmente harán que la predicción del VAN no
sea consistente con los resultados reales: la incertidumbre en los precios, y el efecto de las
decisiones en los precios futuros. Mientras el primero se basa en la condición estocástica de
las predicciones de precios, el segundo está relacionado con que la decisión de invertir en
un proyecto aumentará la cantidad de cobre mina producido en el futuro, y por
consecuencia de traducirá en un cambio en el vector de precios.
Algunas compañías utilizan una matriz con los potenciales escenarios de precios y su
respectivo vector de probabilidades de ocurrencia, para atenuar el efecto de la
incertidumbre de precios. Sin embargo, como lo demuestra Jensen (1906), si el VAN no es
una función lineal de los precios, el valor esperado del VAN no va a ser necesariamente
51
igual a la ponderación de los escenarios por su probabilidad de ocurrencia. Por otro lado, se
considera que la incidencia de cada proyecto en los precios es marginal. Sin embargo, si se
suman los efectos de todos los proyectos de todas las compañías, la variación en los precios
deja de ser despreciable.
Las ventas por otros minerales extraídos del yacimiento también se utilizan con frecuencia
como factor adicional en los flujos de venta, como es el caso del molibdeno o el oro. Para
incluir este criterio en el análisis, se lleva a cabo una proyección análoga a la de las ventas
por cobre para determinar el aporte de este ítem al proyecto. Sin embargo, este adicional
arrastra las mismas deficiencias que los flujos de venta por cobre.
Por otro lado, el método de los FCD no garantiza por sí mismo una maximización de la
ganancia, solo evalúa la viabilidad económica del modelo. Existen otros métodos para
evaluar la viabilidad de los proyectos, como las opciones reales. En particular, Brennan y
Schwartz (1985) hacen notar que debe existir un precio gatillo, que sea capaz de soportar
los costos de operación de una mina, para comenzar la explotación. Consistentemente, se ha
observado que las inversiones en capacidad siguen una tendencia cíclica, dándose con
mayor frecuencia en periodos de boom en los precios. Sin embargo, esta política tampoco
aporta una metodología que asegure una maximización de los flujos.
Si se observan las bases de la toma de decisiones estratégicas en la minería, es difícil poder

establecer que las firmas pertenecientes a esta industria se comportan de manera racional,
según la teoría neoclásica de la economía. Este supuesto es validado por Auger y Guzmán
(2010).
52
Anexo B. Algoritmo Utilizado para la Simulación
Se utilizó un sistema iterativo, que fue resuelto mediante computación paralela, para
resolver el problema de optimización. El modelo se programó en Matlab, utilizando las
funciones multistart y fmincon de los módulos Global Optimization Toolbox y Optimization
Toolbox, respectivamente.
Se tomó un punto real del mercado, a partir del cual se determinaron los valores base de
inventarios, producción del borde competitivo, producción secundaria y consumo. Con este
conjunto de datos reales, más una proyección de producción basada en el cronograma de
implementación de los diversos proyectos que se estudian, se encontró un vector de precios,
de acuerdo a la función inversa de demanda para todos los periodos, que representa una
proyección de precios en el escenario inicial.
A través de un proceso iterativo, se utilizó un algoritmo que resuelve el modelo descrito en

el Capítulo 4 para cada firma estratégica, generando un nuevo vector de producción para
cada mina, en base al vector de precios que se esté utilizando en la iteración. Después de
resolver el modelo para todas las firmas estratégicas, se calcula el nuevo vector de precios
para el escenario resultante de los cambios en la producción de las firmas estratégicas, y se
determina si la diferencia entre el vector inicial y el calculado es menor a la tolerancia ( )
establecida. Si esto se cumple, se puede asumir que se ha encontrado un escenario óptimo,
es decir, el equilibrio de Nash-Cournot. De lo contrario, se vuelve a iterar, utilizando un
vector de precios calculado en base a una combinación lineal entre el vector de precios
inicial y el calculado en base a la nueva configuración de producción.
Este algoritmo se basa en el comportamiento de la función de precios y del modelo para

cada firma, según los cuales se puede establecer que si el precio de la iteración en un
periodo particular está bajo el equilibrio, la producción estimada para ese periodo por el
modelo será mayor a la del equilibrio, y viceversa. Se concluye entonces que el valor de
equilibrio del precio está acotado entre el precio inicial de la iteración y el precio calculado
en base a la matriz de producción generada luego de la iteración. Sin embargo, dado que es
53
un modelo dinámico, la variación en los precios de un periodo puede producir cambios en
la decisión óptima de producción de otros periodos, por lo que la relación entre los vectores
de precio calculados y el vector de precios del equilibrio no tiene una linealidad directa.
Este dinamismo hace necesaria la recursividad, que terminará por converger a un vector de
precios cercano al equilibrio.
Datos de
Calcula precios ( )
proyección
según
inicial
Calcula precios ¿
( ) según nuevo ?
SÍ NNO
O
FIN
Ilustración 25: Diagrama del algoritmo utilizado para encontrar vector de precios de
equilibrio
La tolerancia fijada para la convergencia del modelo fue de una variación máxima de 5
cUS$ y una variación promedio de 1 cUS$, en el vector de precios. 19 Para calcular el vector
19
Para asumir que se encontró el vector de precios del equilibrio de mercado, se utilizó un nivel de tolerancia
de dos dimensiones: la variación máxima y la variación promedio. La variación máxima hace referencia al
periodo con mayor desviación en el precio de la iteración, con respecto al precio del mismo periodo en la
54
de precios de cada iteración, se utilizó una combinación lineal que introdujera variaciones
leves con el objetivo de no cambiar significativamente el escenario de precios, y así
facilitar la convergencia del algoritmo. La función utilizada fue la siguiente:
Todas las simulaciones se llevaron a cabo en un computador HP Pavillion dv7, con una
unidad de procesamiento central (CPU) Intel Core i7 de 1,6 GHz, 6 GB de memoría RAM
y cuatro núcleos, con un sistema operativo de 64 bits.
En el caso de la solución del caso base (3% de crecimiento de la demanda) se requirieron

29 iteraciones para lograr los niveles de tolerancia establecidos, las que tomaron 11 horas y
59 minutos en total. Se logró una variación máxima de 2,41 cUS$ y una variación
promedio de 0,8 cUS$ en el vector de precios.
Para el caso de crisis (2% de crecimiento anual en el consumo), se requirieron 39

iteraciones, las que demoraron un total de 15 horas y 9 minutos, utilizando los mismos
recursos y condiciones que las simulaciones antes descritas. Se logró una variación máxima
de 1,97 cUS$ y una variación promedio de 0,97 cUS$, en el vector de precios, entre cada
iteración.
Bajo el escenario boom (4% de crecimiento anual en el consumo), para lograr la tolerancia
de convergencia establecida, el algoritmo demoró 7 horas con 56 minutos, en el mismo
equipo y bajo las mismas condiciones que el caso base, sumando un total de 20 iteraciones.
Se logró una variación máxima de 3,13 cUS$ y una variación promedio de 0,85 cUS$ en el
vector de precios entre cada iteración.
iteración anterior; la variación promedio corresponde a la media aritmética de la variación absoluta en los
precios de cada periodo, entre una iteración y otra.
55
Anexo C. Directrices para la Utilización del Modelo Computacional
Junto con esta memoria se entrega un disco compacto con los archivos necesarios para
correr la simulación utilizada. Entre los archivos se encuentra el código fuente del
algoritmo y las planillas utilizadas para alimentar el modelo, y almacenar los resultados
obtenidos.
El modelo computacional adjunto está programado para ser utilizado en Matlab 7, con
Optimization Toolbox y Parallel Computing Toolbox, en conjunto con un procesador de
hojas de cálculo en formato xls o xlsx (OpenOffice o MS Excel, principalmente).20 Se
recomienda correr el modelo en un equipo de múltiples núcleos, con al menos 2GB de
RAM por cada núcleo, y una velocidad de 2,2 GHz de procesamiento.
B.1 Inputs
La planilla de cálculo “Mercado.xl x” cuenta con cuatro hoja :

- DatosM: Contiene los datos de las operaciones y proyectos greenfield, de las
compañías en estudio. Cada fila corresponde a un yacimiento particular, y deben
estar ordenadas por compañía. Esta información debe ingresarse de la siguiente
manera (ordenado por columnas, de izquierda a derecha):
o Minera: Nombre de la minera que controla la mina.
o Mina: Nombre de la mina.
o Capacidad Anual: Capacidad anual de la mina, en miles de tmf.
o Reservas: Reservas de la mina al comienzo del periodo en simulación, en
miles de tmf.
o Costos fijos: Costos fijos asociados a la operación, en miles de US$.
o Costos variables: Costo por tmf de cobre extraída ($US/tmf).
o Inversión de apertura: Inversión total asociada a la apertura de la mina, en
millones de US$ de 2009.
20
El algoritmo puede ser programado para funcionar con archivos de datos de otras extensiones, como csv o
tsv, sin cambios mayores.
56
o Op/Proy: Indicador de si la mina se encuentra en operación al comienzo de
la simulación: 0 si la mina es un proyecto, 1 si es una operación.
o Tpo. Apertura: Tiempo necesario para la preparación de la mina, una vez
que se decide invertir.
- DatosB: En ella se almacenan los datos de los proyectos brownfield de las
compañías en estudio. Cada fila corresponde a un proyecto, y deben estar ordenadas
según compañía, mina y fase de expansión, si es que hay más de un proyecto
asociado a la mina. El orden de compañías y minas deben estar en concordancia con
los utilizados en DatosM. La información se debe ingresar de acuerdo a lo siguiente
(ordenado por columnas, de izquierda a derecha):
o Minera: Nombre de la minera que controla el proyecto.
o Mina: Nombre de la mina asociada al proyecto.
o Proyecto: Nombre del proyecto.
o Capacidad Anual: Capacidad anual agregada del proyecto, en miles de tmf.
o Costos fijos: Costos fijos asociados a la operación, en miles de US$.
o Costos variables: Costo por tmf de cobre extraída ($US/tmf).
o Inversión de expansión: Inversión total asociada a al proyecto brownfield, en
millones de US$.
o Tpo. Apertura: Tiempo necesario para la preparación de la expansión, una
vez que se decide invertir.
- Map: Hoja que mapea la relación entre compañías, minas y proyectos (si aplica).
Cada fila representa una combinación entre estas tres variables, y deben seguir el
orden de las planillas descritas anteriormente. La información se estructura de la
siguiente manera (ordenado por columnas, de izquierda a derecha):
o Minera: Nombre de la minera que controla el proyecto.
o Mina: Nombre de la mina asociada al proyecto. Puede repetirse en más de
una fila, si existen múltiples proyectos asociados a la mina.
o Proyecto: Nombre del proyecto. Puede dejarse vacío, en el caso que no
existan proyectos asociados a la mina.
o Los campos Map1, Map2 y Map3 se calculan automáticamente.
57
- MktIni: Almacena la información de mercado para el año cero de la simulación. Se
debe ingresar esta información se acuerdo a lo siguiente:
o Precio/Inventarios: La primera fila corresponde al precio promedio, en
cUS$/libra. La segunda fila está vinculada a los inventarios acumulados al
fin del periodo inicial, en miles de tmf.
o Resto: La primera fila corresponde a la producción del sector primario del
borde competitivo, en miles de tmf. La segunda fila hace referencia a la
elasticidad al alza de este grupo. La tercera fila se vincula con la elasticidad
a la baja de este sector.
o Secundarios: En la primera fila se debe ingresar la producción de los
productores primarios, en miles de tmf. La segunda fila corresponde a la
elasticidad de este grupo.
o Consumo: La primera fila se vincula con la demanda anual, en miles de tmf.
La segunda fila corresponde a la elasticidad del consumo (debe ser
negativa). La tercera fila hace referencia a la tasa de crecimiento anual de la
demanda. Las dos siguientes filas deben llenarse con las tasas de crecimiento
de sensibilización del modelo.
- Vars: Esta hoja contiene una matriz con la proyección inicial de la producción del
sector estratégico. Cada fila corresponde a una mina (en el mismo orden que en
DatosM) y cada columna a un año. Es importante notar que la producción
proyectada debe cumplir con las restricciones, ya que es el punto inicial para
comenzar a iterar y por lo tanto, debe ser un punto factible.
B.2 Simulación
Para correr el modelo, tomando en cuenta la información contenida en las hojas de cálculo
descritas en el punto anterior, se deben seguir las siguientes instrucciones:
1. Iniciar Matlab.
2. Localizar la carpeta que contiene el código fuente en Current Folder, y abrir el
módulo Parametros.m; en la primera línea escribir la dirección de la carpeta que
58
contiene la planilla Mercado.xl x entre apó trofe (ej.: “path =
‘C:\Users\...\Mi Carpeta\’”).
3. Si se va a utilizar computación paralela, en Command Window escribir la siguiente
línea: “matlabpool open”.
4. Para correr el modelo, en Command Window e cribir la iguiente línea: “Main”.
5. Una vez que el indicador de la esquina inferior izquierda deje de indicar que está
proce ando (“Busy”) el algoritmo habrá encontrado una solución al problema. Este
proceso puede tardar varias horas, o incluso días.
B.3 Resultados
Los resultados, tanto del caso base como de las sensibilizaciones por crecimiento, se
almacenan en la planilla Resultados.xlsx, que debe encontrarse en la misma carpeta que
Mercado.xlsx. Por cada caso se escriben tres hojas, una con los resultados de producción,
otra con los resultados de cada iteración y una hoja con dos matrices, correspondientes a los
periodos de apertura y cierre, tanto de las minas como de los proyectos brownfield.
59
Anexo D. Datos Considerados para las Operaciones y los Proyectos Greenfield del
Grupo Estratégico.
Minera Mina Capacidad Reservas Costos Costos Inversión Tiempo

Anual Cu fijos variables apertura preparación
(K tmf) (K tmf) (K US$ (US$ (M US$ (años)
2009) 2009/ton) 2009)
COD Alejandro 200 3.450 9.538 2.630 1.972 4
Hales*
COD Andina 209 17.661 59.105 1.872 2.065 4
COD Codelco Norte 874 16.722 222.456 2.590 9.308 4
COD El Teniente 404 15.580 118.276 2.096 4.132 4
COD Minera Gaby 148 2.171 39.040 3.333 1.436 4
COD Salvador 65 584 33.120 2.460 604 4
COD Toqui Cluster* 190 3.420 9.164 2.423 1.868 6
BHP Antamina 316 7.474 31.374 1.376 3.191 4
BHP Cerro 102 1.704 42.921 1.918 971 4
Colorado
BHP Escondida 1.410 32.417 208.597 1.981 15.397 4
BHP Olympic Dam 194 10.661 100.020 1.417 1.909 4
BHP Pinto Valley 39 383 24.687 2.232 353 4
BHP Spence 172 1.208 46.240 2.721 1.682 4
FCX Bagdad 95 2.943 58.000 2.955 901 4
FCX Big Gossan* 59 1.249 31.325 2.513 546 6
FCX Candelaria 186 2.195 77.669 3.293 1.827 4
FCX Cerro Verde 314 11.185 58.347 2.484 3.169 4
FCX Chino* 54 744 29.769 2.572 497 4
FCX Cobre* 21 285 17.712 3.322 184 4
FCX Deep Mill 162 4.397 56.009 1.980 1.579 6
Level Zone*
FCX Deep Ore 153 1.748 54.197 1.908 1.487 4
Zone
FCX El Abra 177 5.040 68.726 3.095 1.734 4
FCX Grasberg 269 13.996 221.370 3.249 2.693 4
FCX Kucing Liar* 321 5.468 83.007 1.729 3.244 4
FCX Miami* 43 391 26.113 2.731 391 4
FCX Morenci 301 7.876 159.748 3.129 3.031 4
FCX Safford 90 1.710 42.492 3.527 851 4
FCX Sierrita 88 3.830 44.583 3.252 831 4
FCX Tenke 90 2.161 1.555 1.117 851 4
Fungurume
FCX Tyrone 57 969 37.495 4.037 526 4
60
Minera Mina Capacidad Reservas Costos Costos Inversión Tiempo
Anual Cu fijos variables apertura preparación
(K tmf) (K tmf) (K US$ (US$ (M US$ (años)
2009) 2009/ton) 2009)
XST Alumbrera 143 1.345 41.584 2.502 1.385 4
XST Antapaccay* 100 3.000 3.843 1.929 951 4
XST Collahuasi 535 18.076 103.521 1.970 5.553 4
XST El Morro* 195 2.730 12.285 2.599 1.920 4
XST El Pachon 223 892 8.349 2.314 2.211 4
XST Ernest Henry 35 904 30.491 2.825 315 4
XST Frieda River* 160 4.320 4.917 2.586 1.559 4
XST Kidd Creek 43 392 37.948 2.345 391 4
XST Las Bambas* 215 6.450 7.768 1.717 2.127 4
XST Lomas Bayas 73 1.435 45.017 4.507 683 4
XST Los Azules* 200 6.000 7.874 2.440 1.972 4
XST Mount Isa 161 1.730 75.263 2.206 1.569 4
XST Tampakan* 325 8.125 9.721 2.400 3.286 4
XST Tintaya 107 874 24.133 2.138 1.021 4
AAM El Soldado 41 1.176 25.407 2.453 372 4
AAM Los Bronces 238 13.182 56.998 2.475 2.368 4
AAM Mantos 81 423 50.898 2.765 762 4
Blancos
AAM Mantoverde 61 342 31.155 2.721 565 4
AAM Michiquillay* 300 3.600 8.454 1.771 3.021 4
AAM Pebble* 415 7.470 60.627 2.111 4.250 6
AAM Quellaveco* 175 6.006 5.999 1.732 1.713 4
MEX Cananea 121 27.522 39.259 2.628 1.162 4
MEX Cuajone 188 12.647 31.282 2.059 1.847 4
MEX El Arco 155 11.625 6.860 1.430 1.508 4
(Concs)*
MEX El Arco 35 1.400 12.172 5.446 315 4
(SXEW)*
MEX IMMSA 6 227 8.410 2.630 49 4
MEX La Caridad 102 9.814 33.642 2.044 971 4
MEX Los Chancas 80 1.520 3.074 1.929 752 4
(Concs)*
MEX Los Chancas 20 800 1.548 2.639 175 4
(SXEW)*
MEX Tia Maria* 120 2.500 8.429 2.384 1.152 4
MEX Toquepala 127 19.815 56.758 2.887 1.222 4
* Permanecía sin operar a fines de 2009 (greenfield)
61
Anexo E. Datos Considerados para los Proyectos Brownfield del Grupo Estratégico.
Minera Mina Proyecto Capacidad Costos Costos Inversión Tiempo

Anual fijos variables expansión preparación
(K tmf) (K US$ (US$ (M US$ (años)
2009) 2009/ton) 2009)
COD Andina Andina 70 1.921 1.820 990 2
Expansion -
Phase I
COD Andina Andina 400 39.436 2.049 5.000 6
Expansion -
Phase II
COD Andina Andina 30 1.090 2.295 200 2
Bioleach
COD Codelco Chuquicamata 340 35.514 2.823 1.670 6
Norte Underground
COD El Teniente El Teniente - 420 8.858 2.357 2.300 6
New Level
COD Minera Gabriela 20 1.136 2.536 200 2
Gaby Mistral - Phase
II
BHP Antamina Antamina 50 1.025 666 335 2
Expansion
BHP Escondida Escondida 300 7.455 1.501 1.010 2
Concentrator
III
BHP Olympic Olympic Dam 22 661 1.869 220 6
Dam Expansion -
Stage 1
BHP Olympic Olympic Dam 165 4.932 1.726 1.640 2
Dam Expansion -
Stage 2
BHP Olympic Olympic Dam 209 -9.585 1.929 2.080 2
Dam Expansion -
Stage 3 & 4
BHP Olympic Olympic Dam 209 -13.870 2.176 2.080 2
Dam Expansion -
Stage 5
FCX El Abra El Abra II 148 5.748 2.107 570 2
(Sulfolix)
FCX Grasberg Grasberg 418 33.763 2.784 3.710 6
Underground
XST Collahuasi Collahuasi 85 1.831 869 330 2
Expansion -
Phase I
XST Collahuasi Collahuasi 130 3.114 945 505 2
Expansion -
Phase II
62
Minera Mina Proyecto Capacidad Costos Costos Inversión Tiempo
Anual fijos variables expansión preparación
(K tmf) (K US$ (US$ (M US$ (años)
2009) 2009/ton) 2009)
XST Ernest Ernest Henry 110 3.795 2.434 1.030 6
Henry Underground
AAM Los Los Bronces 170 6.453 1.659 1.560 2
Bronces Expansion
MEX Cananea Cananea 193 13.267 2.138 420 2
Expansion
(Concs)
MEX Cananea Cananea 33 5.209 4.107 70 2
Expansion
(SXEW)
MEX Cuajone Cuajone 50 1.943 2.009 380 2
Expansion
MEX Toquepala Toquepala 100 3.339 1.706 600 2
Expansion
63
Anexo F. Estimaciones Utilizadas en la Construcción de los Datos.
Debido a que no se contaba con información detallada para cada mina incluída en el
estudio, se utilizaron algunas estimaciones, a partir de los datos que sí se lograron
recolectar, con el fin de completar la información requerida. A continuación se detallan las
estimaciones mencionadas.
7000
6000
Inversión (MM US$)
5000
4000
3000
2000
1000 y = 0,0052x1,0524
R² = 0,8909
0
0 100000 200000 300000 400000 500000 600000
Producción anual (tmf)
Ilustración 26: Producción vs. Inversión, para proyectos greenfield
6000
Costos Variables (US$/ton)
5000
4000
3000
2000
y = 0,7432x + 252,05
1000
R² = 0,9342
0
0 1000 2000 3000 4000 5000 6000 7000 8000
Costos Totales (US$/ton)
Ilustración 27: Costos Totales vs. Costos Variables, para operaciones
64
250
200
Costos Fijos (M US$)

150
100
50 y = 3E+06x0,5753
R² = 0,5293
0
0 500 1000 1500
Producción (K tmf)
Ilustración 28: Producción vs. Costos Fijos, para operaciones
65
Anexo G. Puesta En Marcha y Cierre de Minas/Proyectos Según Escenario
En el presente anexo se detallan los momentos óptimos de la puesta en marcha de los

proyectos en estudio, y los momentos óptimos de cierre de las minas. En los casos en que
las celdas se muestran vacías corresponde a operación continua.
Tabla 3: Año de apertura y cierre de las minas en estudio, bajo los distintos escenarios
Operaciones/ Apertura Cierre

Proyectos Greenfield Base Crisis Boom Base Crisis Boom
(3%) (2%) (4%) (3%) (2%) (4%)
Alejandro Hales 2013 2013 2013
Andina
Codelco Norte
El Teniente
Minera Gaby
Salvador
Toqui Cluster - - 2016
Antamina
Cerro Colorado
Escondida
Olympic Dam
Pinto Valley
Spence
Bagdad
Big Gossan 2012 2012 2012
Candelaria
Cerro Verde
Chino 2012 2012 2012
Cobre - - -
Deep Mill Level Zone 2014 2014 2014
Deep Ore Zone
El Abra
Grasberg
Kucing Liar 2014 2014 2014
Miami 2012 - 2012
Morenci
Safford
Sierrita
Tenke Fungurume
66
Operaciones/ Apertura Cierre
Proyectos Greenfield Base Crisis Boom Base Crisis Boom
(3%) (2%) (4%) (3%) (2%) (4%)
Tyrone 2012
Alumbrera
Antapaccay 2014 2014 2014
Collahuasi
El Morro 2012 2012 2012
El Pachon - - -
Ernest Henry
Frieda River - - 2014
Kidd Creek
Las Bambas 2012 2012 2012
Lomas Bayas 2010 2010
Los Azules 2014 - 2014
Mount Isa
Tampakan 2014 - 2014
Tintaya
El Soldado
Los Bronces
Mantos Blancos 2016
Mantoverde 2016
Michiquillay 2014 2014 2014
Pebble - - 2016
Quellaveco 2014 2014 2014
Cananea
Cuajone
El Arco (Concs) 2014 2014 2014
El Arco (SXEW) - - -
IMMSA
La Caridad
Los Chancas (Concs) 2014 2014 2014
Los Chancas 2014 - 2014
(SXEW)
Tia Maria 2014 2014 2014
Toquepala
67
Tabla 4: Años de puesta en marcha para los proyectos brownfield en estudio
Proyectos Brownfield Apertura
Base Crisis Boom
(3%) (2%) (4%)
Andina Expansion - Phase I 2010 2010 2010
Andina Expansion - Phase II 2016 2016 2016
Andina Bioleach 2018 2018 2018
Chuquicamata Underground 2016 2016 2016
El Teniente - New Level 2016 2016 2016
Gabriela Mistral - Phase II 2011 2011 2011
Antamina Expansion 2011 2011 2011
Escondida Concentrator III 2012 2012 2012
Olympic Dam Expansion - Stage 1 2013 2013 2013
Olympic Dam Expansion - Stage 3&4 2017 2017 2017
El Abra II (Sulfolix) 2012 2012 2012
Grasberg Underground 2016 - 2016
Collahuasi Expansion - Phase I 2011 2011 2011
Collahuasi Expansion - Phase II 2013 2013 2013
Ernest Henry Underground 2011 2011 2011
Los Bronces Expansion 2011 2011 2011
Cananea Expansion (SXEW) 2012 2012 2012
Cananea Expansion (Concs) 2020 2019 2014
Cuajone Expansion 2012 2012 2012
Toquepala Expansion 2012 2012 2012
68
A continuación se presenta la proyección de producción de las faenas que bajo algún
69
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024
Boom
(4%)
153 153 153 153 153 153 38 38 38 38 153 153 153 153 65
Deep Ore Crisis
153 153 153 153 153 153 65 38 38 38 153 153 153 153 38
Zone (2%)
Base
escenario presentan recortes de producción en la simulación (en negritas).
(3%)
153 153 153 153 153 153 38 38 38 38 65 153 153 153 153
Boom
186 186 186 186 46 149 46 46 46 186 186 186 186 186 186
(4%)
Crisis
Anexo H. Recortes de Producción Óptimos, Según Escenario
Candelaria 186 186 186 186 46 46 47 46 149 186 186 186 186 186 186
(2%)
Base
(3%)
186 186 186 186 149 46 47 46 46 186 186 186 186 186 186
Boom
172 172 172 172 43 43 43 43 43 43 43 43 43 43 90
(4%)
Crisis
Spence (2%)
172 172 172 172 43 43 43 43 43 43 43 43 43 43 90
Base
172 172 172 172 43 43 43 43 43 43 43 43 43 43 90
(3%)
Boom
(4%)
39 39 39 39 13 10 10 10 10 10 10 39 39 39 39
Pinto Crisis
(2%)
39 39 39 39 39 39 10 10 10 10 10 13 39 10 39
Valley
Base
39 39 39 39 39 10 10 10 10 10 10 13 39 39 39
(3%)
Boom
(4%)
65 65 65 65 16 16 16 16 16 16 16 16 64 65 65
Crisis
Salvador 65 65 65 65 65 16 16 16 16 16 16 16 16 64 65
(2%)
Base
65 65 65 65 16 16 16 16 16 16 16 16 64 65 65
(3%)
Boom
148 168 168 168 91 168 42 42 168 168 168 168 168 168 168
(4%)
Minera Crisis
(2%)
148 168 168 168 168 42 42 91 168 168 168 168 168 168 168
Gaby
Base
(3%)
148 168 168 168 168 91 42 42 168 168 168 168 168 168 168
70
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024
Boom (4%) 35 145 145 145 36 36 36 36 36 36 36 36 36 72 36
Ernest
Crisis (2%) 35 145 145 145 72 36 36 36 36 36 36 36 36 36 36
Henry
Base (3%) 35 145 145 145 36 36 36 36 36 36 36 36 36 71 36
Boom (4%) 143 143 143 143 36 36 36 36 36 36 36 94 143 143 143
Alumbrera Crisis (2%) 143 143 143 143 143 36 36 36 36 36 36 36 94 143 143
Base (3%) 143 143 143 143 36 36 36 36 36 36 36 94 143 143 143
Boom (4%) 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57
Tyrone Crisis (2%) 57 57 0 0 0 0 0 0 0 0 0 0 0 0 0
Base (3%) 57 57 57 57 14 14 14 14 57 57 57 57 57 57 57
Boom (4%) 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90
Safford Crisis (2%) 90 90 90 90 23 22 22 23 90 90 90 90 90 90 90
Base (3%) 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90
Boom (4%) 0 0 43 43 11 11 11 11 11 37 43 43 43 43 43
Miami Crisis (2%) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Base (3%) 0 0 43 43 37 11 11 11 11 11 43 43 43 43 43
Boom (4%) 269 269 269 269 269 269 687 687 687 687 687 687 687 687 687
Grasberg Crisis (2%) 269 269 269 269 269 67 67 67 67 67 67 67 269 269 269
Base (3%) 269 269 269 269 269 269 687 687 687 687 687 687 687 687 687
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024
Boom (4%) 121 121 314 314 347 347 347 347 347 347 347 347 347 347 347
71
Cananea Crisis (2%) 121 121 314 314 314 306 313 314 314 314 347 347 347 347 347
Base (3%) 121 121 314 314 313 314 312 311 314 314 347 347 347 347 347
Boom (4%) 61 61 61 61 61 37 0 0 0 0 0 0 0 0 0
Mantoverde Crisis (2%) 61 61 37 15 15 15 15 15 15 15 15 15 15 15 15
Base (3%) 61 61 37 15 15 15 15 15 15 15 15 15 15 15 15
Boom (4%) 81 81 81 81 79 20 0 0 0 0 0 0 0 0 0
Mantos
Crisis (2%) 81 79 20 20 20 20 20 20 20 20 20 20 20 20 20
Blancos
Base (3%) 81 79 20 20 20 20 20 20 20 20 20 20 20 20 20
Boom (4%) 107 107 107 107 107 27 27 27 27 27 27 27 27 98 27
Tintaya Crisis (2%) 107 107 107 107 107 98 27 27 27 27 27 27 27 27 27
Base (3%) 107 107 107 107 107 27 27 27 27 27 27 27 98 27 27
Boom (4%) 161 161 161 161 161 40 40 40 40 40 80 161 161 161 161
Mount Isa Crisis (2%) 161 161 161 161 161 161 40 40 40 40 40 161 161 80 161
Base (3%) 161 161 161 161 161 40 40 40 40 40 80 161 161 161 161
Boom (4%) 73 73 73 18 18 73 18 73 73 73 73 73 73 73 73
Lomas Bayas Crisis (2%) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Base (3%) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Boom (4%) 43 43 43 43 11 11 11 11 11 11 11 16 43 43 43
Kidd Creek Crisis (2%) 43 43 43 43 43 11 11 11 11 11 11 11 16 43 43
Base (3%) 43 43 43 43 43 11 11 11 11 11 11 11 16 43 43

Lec5 2005

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Lec5 2005

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE LOS ANDES

JAVIER ALEJANDRO ARAYA KOPAITIC

MEMORIA PARA OPTAR AL TITULO DE

PROFESOR GUÍA: JUAN IGNACIO GUZMÁN BARROS

SANTIAGO, AGOSTO DE 2010

JAVIER ALEJANDRO ARAYA KOPAITIC

Memoria presentada a la Comisión integrada por los profesores:

JUAN IGNACIO GUZMÁN BARROS

RODRIGO VIDAL BRIONES

CLAUDIO VALENCIA MONTERO

SANTIAGO, AGOSTO DE 2010

Finalmente a mis amigos, por la constante compañía y sus palabras sinceras.

RESUMEN ........................................................................................................................ VII

1.1 MOTIVACIÓN DE LA MEMORIA ................................................................................... 1

2. MARCO TEÓRICO ................................................................................................... 6

2.1 TEORÍA DE JUEGOS ..................................................................................................... 6

3. DESCRIPCIÓN DEL MERCADO DEL COBRE ................................................ 13

3.1 EL MERCADO DEL COBRE ........................................................................................ 13

4. DESCRIPCIÓN DEL MODELO ............................................................................ 20

4.1 DESCRIPCIÓN DE LAS VARIABLES DEL MODELO GENERAL ...................................... 20

5.1 SOLUCIÓN DEL CASO BASE ...................................................................................... 31

6.1 CONCLUSIONES GENERALES .................................................................................... 45

ANEXO A. DECISIONES ESTRATÉGICAS DE INVERSIÓN EN LA MINERÍA CUPRÍFERA ........... 51

ANEXO E. DATOS CONSIDERADOS PARA LOS PROYECTOS BROWNFIELD DEL GRUPO

ILUSTRACIÓN 1: EVOLUCIÓN DE LA PRODUCCIÓN MUNDIAL DE COBRE, 1950-2009 ................ 14

El problema modelado se resolvió computacionalmente, con datos reales de la industria,

Queda de manifiesto con este trabajo la posibilidad de implementar herramientas de apoyo

1.1 Motivación de la Memoria

Según la teoría neoclásica de la economía, los agentes en un mercado se comportarán de

Auger y Guzmán (2010), en base a un análisis ex-post de los resultados de varias

1.2 Planteamiento del Problema

Es de conocimiento general el comportamiento cíclico de los precios del cobre, y es fácil

En la realidad muchos otros factores entran en el juego: costos de inversión, operación y

Tradicionalmente, las compañías mineras llevan la producción al máximo posible en cada

Tomando estos antecedentes en consideración, el momento óptimo de apertura de las

1.3.1 Objetivo General

1.3.2 Objetivos Específicos

a. Modelar el comportamiento de los agentes, en base a ciertos supuestos coherentes

Esta memoria se compone de ocho capítulos, siendo el primero de ellos la presente

En este capítulo se describe un enfoque particular para analizar la toma de decisiones en

2.1 Teoría de Juegos

En la mayoría de los casos, el desempeño de una firma no depende exclusivamente de las

La Teoría de Juegos es una ciencia que se basa en aplicaciones de probabilidades,

2.2 Modelo de Cournot

Asumiendo que las firmas se comportan de manera racional, la decisión de producción de

Resolviendo el sistema de dos ecuaciones y dos incógnitas resultante (Church y Ware,

Una extensión de este juego es el oligopolio de Cournot, en el que se considera un juego de

2.3 Modelos de Oligopolio con Borde Competitivo

En términos prácticos, la mayoría de los mercados no se pueden clasificar en ninguno de

2.4 Aplicaciones a Mercados de Commodities Minerales

En los mercados de bienes no-diferenciables, en particular en los mercados de commodities,

En el marco de industrias de commodities minerales, la del petróleo, que históricamente ha

El uso de la Teoría de Juegos para analizar estructuras de mercado imperfectas ha tomado

Un caso particular de acuerdos cooperativos en la industria del cobre es el del cartel

El modelo utilizado en Ureta (2006) incorpora restricciones de capacidad productiva de las

Existen numerosas investigaciones sobre acuerdos cooperativos en estructuras de mercados

3.1 El Mercado del Cobre

Ilustración 1: Evolución de la producción mundial de cobre, 1950-20094

Ilustración 2: Distribución de la producción en el grupo estratégico (C6), en el año 20096

Ilustración 3: Distribución de la producción en la industria, en el año 20097

Ilustración 4: Evolución de la demanda mundial por cobre, 1950-20098

Ilustración 5: Evolución de los inventarios mundiales de cobre, 1950-20099

Como se ve en la Ilustración 6, en 2009 Chile poseía la mayor cantidad de reservas de