Está en la página 1de 364

Octavas Jornadas Actuariales

TOMO II

{
pantones
282 CVC
123 CVC
Octavas Jornadas Actuariales / María teresa Casparri... [et.al ]; dirigido
por María Teresa Casparri. – 1ª ed. – Buenos Aires: Universidad de
Buenos Aires, 2007.

ISBN 978-950-29-1108-3 

1. Economía. Casparri, María Teresa, dir.

Comité Ejecutivo
Presidente: Alberto Edgardo Barbieri
Vocales: María Teresa Casparri
Eduardo Melinsky
María Alejandra Metelli

Comité Académico
Víctor Hugo César Bagnati
Emilio Antonio Machado
Raúl José Roca
Feliciano Salvia
Jorge Leopoldo Somoza

Comité Organizador:
Alicia Blanca Bernardello
Florencia Firenze
Juan Ramón Garnica Hervàs
Cristina Meghinasso
Susana Clara Olivera de Marzana
Liliana Norma Silva
Miguel Ángel Simoes
Flavia Stroeymeyte
INDICE

TOMO 1
7 Prólogo
María Alejandra Metelli

9 Los CERs y los proyectos MDL, una oportunidad para


Argentina
Alicia Bernardello

17 Modelando el cambio climático


Alicia Bernardello, Lucy Vargas, Jorge Penedo, Martín Medi-
na, Paula Mouso y Berenice Tarás

39 Costo del seguro en accidentes de tránsito


María Teresa Casparri y María Alejandra Metelli

47 Medidas alternativas de riesgo y portafolios eficientes


María Teresa Casparri, Alejandro Moreno

61 Credit Scoring: Modelos Alternativos de Estimación


María Teresa Casparri, Luis Trajtenberg y Verónica Caride

89 Gestión de riesgos y normas argentinas


Carolina Cristina Castro

99 El riesgo operacional y Basilea II


María Elizabeth Cristófoli

117 Conferencia: Modelos de Simulación: Seguro de inva-


lidez y muerte en el sistema previsional de capitali-
zación
• El problema del cumpleaños
• El costo del Seguro
Enrique Dieulefait

135 La econometría financiera en la teoría de la cartera.


Una aplicación al Mercado de Valores de Buenos Aires
Julio Eduardo Fabris y Martín Fiszbein

3
167 Análisis Espectral de las series de tiempo económicas
Julio Eduardo Fabris y Maximiliano Gómez Aguirre

201 Acerca de la evaluación de algunos activos financieros


tradicionales
Lucio Fernández Arjona

287 Introducción a la evaluación de riesgos nanotecnoló-


gicos
Javier García Fronti y Esteban Peralta

303 Bonos Catástrofe: Incentivos y solvencia fiscal ante


desastres naturales
Javier García Fronti y Ana María Reynoso

317 Dinámica Caótica en Ciencias Económicas


Juan Ramón Garnica Hervàs, Adriana Caniggia, Esteban O .
Thomasz y Paula Garófalo

TOMO II
7 Prólogo
María Alejandra Metelli

9 La formación docente del actuario en la Facultad de


Ciencias Económicas
Juan Ramón Garnica Hervàs y Alejandra Muga

29 Las ecuaciones diferenciales y la dinámica económica


Ana Gerosi, Liliana Ghersi y Ana Silvia Vilker

61 Crisis Cambiaria
María Cecilia Gómez

81 Los métodos numéricos en el modelo de Nordhaus


Gustavo Krimker

89 Enfoques fuzzy de selección de carteras de inversión


Luisa Lazzari, Patricia I. Mouliá, Mariano Eriz, Jonathan E.
Monti
4
115 Un camino para determinar la solución de modelos di-
námicos lineales bajo expectativas racionales
Alejo Macaya y Santiago Acosta

137 Seminario de integración y aplicación para Actuarios


Directora Cristina Meghinasso
Esteban Cervetto

173 Conferencia: Aspectos académicos y profesionales del


actuario
Eduardo Melinsky

183 Curso: Solución de ecuaciones diferenciales en deriva-


das parciales y análisis de los problemas de contorno
Miguel Ángel Nastri

197 Seguros y factores climáticos en el riesgo agropecuario


Alberto Pagliano

207 Los sistemas de capitalización individual en América


Latina – Un análisis de clusters
María Nela Seijas

231 Seguridad Social


Liliana Silva

239 Forfaiting: Finanzas y comercio integrados


Gustavo Tapia

259 Programación de la cantidad óptima de un producto


cuyo precio varíe en función del tiempo
Aldo Omar Vicario

295 Modelados estadísticos bayesianos aplicados a even-


tos climáticos extremos
Blanca Vitale y Tito Lasanta

311 Fondo de garantía en la Ley de Turismo Estudiantil


Gustavo Zorzoli, Darío Bacchini, Lara Viviana Vázquez y Lu-
cio Fernández Arjona

5
PROLOGO
“Los avatares de la profesión”

Desde hace ya ocho años el Centro de Investigaciones en Métodos


Cuantitativos Aplicados a la Economía y la Gestión y el Departamento
Pedagógico de Matemática vienen organizando estas Jornadas que
reúnen a estudiantes, docentes y profesionales de nuestra Casa de
Estudios.
En estas Octavas Jornadas nos hemos propuesto profundizar
aquellos temas que creemos incidirán en el futuro profesional de los
estudiantes de nuestra carrera.
Los trabajos expuestos han versado sobre temas de actualidad
en el ámbito de la profesión, tales como: el incremento en los
accidentes de tránsito y sus implicancias en los costos del seguro de
automóviles, el funcionamiento del seguro de invalidez y muerte en
el sistema previsional argentino, las implicancias del riesgo climático
en el seguro agropecuario, el análisis del riesgo operacional y cómo
cuantificarlo, el desarrollo académico y profesional de nuestra carrera,
entre otros.
Las reuniones científicas se desarrollaron en la sede de nuestra
Facultad los días 8 y 9 de noviembre de 2007.
Nuestro Decano, Profesor Dr. Alberto Edgardo Barbieri tuvo a su
cargo el acto de inauguración de las mismas, destacando que estas
Jornadas permitieron a lo largo de los años que jóvenes estudiantes
de la carrera de Actuario participen en ellas.

7
Las exposiciones y conferencias estuvieron a cargo de docentes de
nuestra Casa de Estudios como asimismo de estudiantes investigadores
y profesionales destacados de nuestra carrera.
Se ha logrado, entonces, el objetivo deseado “la inserción de los
alumnos en la investigación y el compromiso a futuro”. Ello es así
porque se ha verificado la participación de los estudiantes no sólo
como espectadores sino como oradores, a través de la exposición de
trabajos que ellos han elaborado en forma conjunta con sus tutores,
ya sea en el marco de la investigación o en el desarrollo de tesinas
para el Seminario.
Es nuestro propósito continuar en esta senda, agradeciendo el
constante apoyo brindado por la Dra. María Teresa Casparri, quien
nos ha iniciado a todos los investigadores en nuestras tareas actuales
y nos impulsa a progresar día tras día.

María Alejandra Metelli


Directora del Departamento
Pedagógico de Matemática

8
La formación docente del actuario en la
Facultad de Ciencias Económicas1

Juan Ramón Garnica Hervás


María Alejandra Muga

Introducción

La ponencia presenta “La formación docente del actuario en la Fa-


cultad de Ciencias Económicas (FCE) y se enmarca en el Programa
de Formación Docente Continua (PFDC) de nuestra facultad.
Ésta es una propuesta de formación y capacitación para el personal
académico de la institución; se realiza a través de la modalidad a dis-
tancia y podríamos decir que a grandes rasgos, tiene como finalidad
consolidar el proceso de profesionalización de la docencia universita-
ria, en particular, del campo de las Ciencias Económicas.
El PFDC surge y se sostiene con el fin de atender a las necesidades
formativas de nuestros profesores y desde su creación se han desa-
rrollado múltiples alternativas que, tratan de responder a los requeri-
mientos y necesidades de los docentes: creación continua de cursos,
ya que se plantea la organización de propuestas diversificadas de
acuerdo con los destinatarios (cursos básicos y avanzados) y genera-

1
El presente trabajo se encuentra dentro del proyecto de investigación UBACyT E012
“Evaluación de riesgos financieros extremos en mercados emergentes con énfasis en la
argentina” dirigido por la Dra. María Teresa Casparri, desarrollado en el Centro de Investi-
gaciones en Métodos Cuantitativos Aplicados a la Economía y Gestión (CMA), perteneciente
a la Facultad de Ciencias Económicas de la Universidad de Buenos Aires.

9
ción de alternativas integrales de formación (Posgrado en Docencia
Universitaria)
Las problemáticas abordadas en los cursos que integran este Pro-
grama se relacionan tanto con los conocimientos y núcleos proble-
máticos de las disciplinas de las ciencias económicas como con las
nuevas tendencias pedagógico-didácticas y tecnológicas. Su finalidad
principal está orientada a ofrecer instancias para la generación de
herramientas teórico-prácticas para la docencia universitaria que per-
mitan crear propuestas alternativas e innovadoras frente a los nuevos
desafíos y problemas que plantea la formación universitaria actual y
futura.
En este sentido, los objetivos que persigue el Programa de For-
mación Docente Continua podrían resumirse en:
• Generar una instancia de formación permanente en relación a
las temáticas pedagógico-didácticas, disciplinares y de tecnolo-
gía educativa para docentes del campo de las Ciencias Econó-
micas.
• Ofrecer alternativas de capacitación a través de la modalidad a
distancia.
• Diseñar trayectos flexibles de formación constituidos por cursos
articulados, con una organización modular, entre los que los do-
centes puedan optar, construyendo su propio recorrido formati-
vo, de acuerdo con su experiencia, sus conocimientos previos y
sus necesidades e intereses.
De nuestra propuesta se desprenden dos principios básicos en los
que se sustenta el Programa; buscamos generar instancias per-
manentes de formación y articularlas en itinerarios formativos que

10
respondan a la diversidad de intereses y necesidades de formación
de los destinatarios
La contextualización de esas problemáticas es un aspecto esencial
en el diseño y desarrollo de los módulos. El contexto, en este caso,
está definido por un entrecruzamiento de ámbitos y campos diversos:
el ámbito universitario, el campo pedagógico, el de las ciencias eco-
nómicas, el histórico-social que hace posible su interpretación, son
los más significativos. Dichas problemáticas en su contexto, expe-
riencias de aprendizaje, reflexión y construcción compartida de mar-
cos conceptuales y metodológicos son los ejes de estos módulos de
formación. Cada uno de ellos tiene sentido en sí mismo, pero cobran
mayor valor y significación en su integración con otros, configurando
itinerarios más amplios.
La intención es promover el desarrollo de competencias, capacida-
des y conocimientos por parte de los destinatarios en el marco de su
profesionalización docente
Con respecto a la propuesta metodológica del PFDC que se pone
en marcha en nuestro trabajo, supone la realización de materiales
-en soporte impreso y digital- que guían al profesor en su aprendiza-
je. El desarrollo de los núcleos centrales de contenidos, las activida-
des propuestas -individuales o de intercambio; de análisis, síntesis,
aplicación, reflexión, resolución de problemas, etc.-, las sugerencias
bibliográficas, las recomendaciones, etc. ofrecen pautas para el de-
sarrollo del aprendizaje.
El trabajo organizado a través de los materiales se complementa
con una serie de encuentros presenciales grupales, en los que los
participantes abordan las cuestiones centrales que hacen a las te-

11
máticas del curso, a partir de sus planteos, dudas, preguntas, etc.
Así también el tutor organiza propuestas de trabajo con el fin de
promover la síntesis de los conceptos principales, la discusión y re-
flexión conjunta acerca de ellos, la reelaboración de las producciones
realizadas en la instancia de trabajo no presencial, etc. En definitiva,
la instancia presencial complementa, revisa y enriquece el trabajo
realizado en los momentos no presenciales.
En esta ponencia y a partir de los años de experiencia que acom-
pañan nuestra labor, partiremos de la hipótesis que, la formación do-
cente en los profesores redunda en un beneficio en la educación uni-
versitaria del actuario. Trataremos de analizar el impacto de nuevas
concepciones pedagógicas en la enseñanza superior y las posibles
modificaciones en el saber universitario, en especial en el rol docente
de la carrera de actuario.
La metodología que se utilizó, consta de dos partes: un trabajo
de campo que se llevó a cabo observando foros de discusión, ana-
lizando las respuestas a las actividades planteadas por los tutores y
entrevistas personales con los docentes. Pero también incluyó datos
obtenidos en trabajos realizados con anterioridad, relevamiento de
bibliografía pertinente e investigaciones educativas en el área.
Si bien la investigación está en curso, la explicitación de las fuentes,
los fundamentos teóricos y por qué no los interrogantes, constituyen
un aporte más para seguir pensando este eje.
Antes de avanzar, queríamos señalar que aquí abordaremos las carac-
terísticas más importantes de la formación de un profesional actuario,
pero antes debemos caracterizar el modelo pedagógico con el que es-
tamos trabajando.

12
Caracterización del modelo pedagógico

El modelo pedagógico va a determinar todas las características del


proyecto (selección y jerarquización de contenidos, tipos de evaluacio-
nes, incorporación y uso de diferentes herramientas didácticas o tecno-
lógicas (audios, videos, CD Rom, etc), entre otras cuestiones.
Surgen aquí algunos interrogantes, tales como:
¿Qué es aprender? ¿Cómo se aprende?
¿Qué es enseñar? ¿Cómo se enseña?
¿Qué es el conocimiento? ¿Cómo conocemos?

Siempre, de acuerdo con las respuestas que demos, tendremos el


marco dentro del cual nos moveremos y que nos determinará los pasos
a seguir una y otra vez. Cada modelo pedagógico, incluye la definición
de una concepción filosófica-antropológica, científica-epistemológica y
psicológica específica. Es aquí donde nos detendremos un momento:
Las características que los seres humanos adquieren a lo
largo de sus vidas se deben al aprendizaje. Aprender es ad-
quirir nueva información y nuevas respuestas o modificar
respuestas antiguas: el aprendizaje es comprensión.
Como cualquier otra actividad, el aprendizaje debe ser iniciado y
sostenido por alguna fuerza conductora. Es intencional ya que está
dirigido hacia metas o fines específicos.
Lo que se aprende es retenido para su posterior uso, y puede ayu-
dar en aprendizajes futuros. Se lo diferencia de las manifestaciones
puramente biológicas y puede suceder que haya aprendizajes que se
expresen luego de un tiempo.

13
A pesar de que existen normas generales, cada individuo incorpora
cada una de ellas de acuerdo con sus características particulares. El
hombre debe entenderse como una unidad biopsíquico social, que se
constituye como tal en su relación y contacto con los otros.
Estas afirmaciones suponen una concepción filosófica-antropológica
del hombre. De ella se desprende una propuesta pedagógica.
En esta concepción destacamos los siguientes puntos:
La persona es una unidad compleja, una unidad dialógica,
un ser reflexivo y libre y finalmente un ser inacabado.
Al definir a la persona como una unidad compleja, pensamos en un
todo, en una estructura en la que el todo es mucho más que la mera
suma de sus partes. Siempre estamos en presencia de la interdepen-
dencia de lo afectivo, lo cognitivo y lo social.
Afirmamos que la persona es una unidad dialógica, es decir, uni-
dad única e irrepetible que se constituye como tal en su interrela-
ción con los otros. Si bien está la apertura hacia el mundo y hacia
los otros, la persona no deja de ser ella misma. Ese diálogo es
permanente, a la vez que enmarca una relación constitutiva y cons-
tituyente del propio ser.
La persona tiene dos facultades que le son propias: la libertad y
la inteligencia. La libertad es la capacidad del hombre para elegir
qué hacer, cómo hacerlo o cuándo. En síntesis, supone los actos de
optar o elegir, aceptar, rechazar y decidir. La inteligencia nos permite
simbolizar, representar la realidad. Libertad e inteligencia son una
unidad indisoluble. La persona reflexiva conoce y aprende, cuando
decide hacerlo.
Por último, hablamos de persona en tanto ser inacabado y nos re-

14
ferimos a su condición dinámica de modificar y modificarse, de cons-
truir y construirse libre e inteligentemente.
La educación tiene como fin último promover el desarrollo de los
seres humanos, pero además esto ¿qué supone?
Partiendo de las coincidencias entre diferentes concepciones y en-
foques pedagógicos, tomaremos como elemento clave de nuestra
propuesta aquélla que se articula en torno al aprendizaje signi-
ficativo.
Sostenemos los principios que de él se desprenden, es decir, una
concepción constructivista del aprendizaje, que ubica la actividad
mental constructiva de los alumnos en la base de los procesos de
desarrollo personal y que trata de promover la educación, como tam-
bién una concepción constructiva de la intervención pedagógica. Esta
intervención debe favorecer condiciones adecuadas para que la cons-
trucción de esquemas de conocimiento de los alumnos logre ser la
mejor posible.
El aprendizaje significativo es más importante y duradero que
el memorístico, ya que promueve el desarrollo personal de los
alumnos.
Se aprende cuando lo que se aprende es significativo para el que
estudia. La memorización mecánica y repetitiva resulta de poco inte-
rés para los alumnos. La memorización comprensiva facilita la adqui-
sición y la construcción de nuevos significados.
El aprendizaje significativo supone reflexión, comprensión, reela-
boración, propuestas nuevas que surgen. A través de la realización
de aprendizajes significativos, el alumno construye, modifica, diver-
sifica y coordina sus esquemas, estableciendo de este modo, redes

15
de significados que enriquecen su conocimiento del mundo físico y
social. Además, le posibilita retomar lo aprendido cada vez que le sea
necesario o cada vez que quiera recordarlo; también puede aplicar lo
aprendido a situaciones nuevas.
Hablar de aprendizaje significativo implica, sobre todo, poner de
relieve el proceso de construcción de significados como hilo conduc-
tor del proceso de aprendizaje. Construcción que tiene una actividad
intensa del alumno, pero que requiere de una intervención peda-
gógica que contribuya a que el alumno desarrolle la capacidad de
generar aprendizajes significativos por sí mismos en situaciones nue-
vas y diferentes. Cuando se menciona la actividad cognoscitiva en la
tradición de la psicología genética no se hace referencia a una acción
física, sino a una acción de carácter psicológico que propicia el hecho
de dar significados.
El hecho de partir de los conocimientos previos de los alumnos para
lograr el aprendizaje significativo, es sostenido por diferentes postu-
ras didácticas basadas en teorías del aprendizaje. Lo que siempre se
busca es tratar de modificar esos conocimientos para acercarlos a
los conocimientos científicos; pero hay diferentes propuestas didác-
ticas conseguirlo. Para el enfoque constructivista, sostenido por la
psicología genética, la interacción de conocimiento y el aprendizaje y
la modificación se da, si se ponen a prueba los conocimientos en di-
versas situaciones escolares. Aprender conceptos científicos supone
cambiar las teorías propias por otras. El origen del progreso en los
conocimientos está en los conflictos o desequilibrios cognitivos.
La actividad constructiva del alumno no aparece como una activi-
dad individual, sino como parte de una actividad interpersonal que

16
la incluye. La actividad cognitiva del alumno implica una interacción
entre docente-alumno y entre alumnos para lograr la construcción del
conocimiento.
Cuando hablamos de construcción del conocimiento, decimos que
es una construcción orientada a compartir significados y sentidos,
entre los actores del hecho educativo. El docente guía el proceso de
construcción del conocimiento del alumno. Se deben generar las con-
diciones para que el docente enseñe, el alumno aprenda y construya
su conocimiento y que ambos lleguen a compartir en mayor o menor
grado, el significado y el sentido de lo que hacen.
Si bien es cierto que no pueden señalarse directamente una o va-
rias propuestas didácticas para lograr el aprendizaje significativo, se
puede hacer desde distintos caminos, podríamos decir que una in-
tervención pedagógica sería adecuada si primero parte de los cono-
cimientos que la persona posee. El planteo de los problemas debe
ser de lo simple a lo complejo, buscando crear conflictos cognitivos,
tener como objetivo maximizar el desarrollo y no la búsqueda de
resultados, dado que ésta se centra en el proceso del conocimiento.
Finalmente se toma el error como válido en tanto es indicador de un
avance en la construcción cognoscitiva

El actuario: su formación

La universidad tiene como función formar profesionales tan-


to en el plano de los conocimientos universales para entender
y participar en el mundo que vive como en el plano de los conoci-
mientos específicos para intervenir en el mundo con saberes que

17
le son propios. Es decir, forma profesionales para la vida acadé-
mica pero también para que tengan una práctica profesional
orientada a la sociedad. En su tarea de formación la universidad,
debe formar profesionales con las siguientes características:
Una persona crítica y reflexiva, capaz de analizar, interpretar
y cuestionar los saberes y las prácticas existentes en el mundo de
manera de ser un profesional conciente y responsable de su tarea.
Estará impulsado por una constante necesidad de saber tendiente
a su realización personal, contribuyendo también al bienestar de la
comunidad.
Un profesional flexible, abierto a los cambios, debe contar
con una gran capacidad creativa y de adaptación para estar en con-
diciones de responder a ellos.
Un profesional dinámico y ágil que contribuye y participa en la
construcción del campo de su área de especialización.
Finalmente un profesional con espíritu investigativo y con
conocimientos, recursos, herramientas, para producir saberes, para
analizarlos y cuestionarlos con validez científica. Debe reconocer y
responder interrogantes que den cuenta de su realidad social y del
mejoramiento de la misma y que le permita al mismo tiempo optar
entre diversas alternativas a partir del conocimiento de los funda-
mentos científicos e ideológicos que las sustentan.
La universidad forma distintos tipos de profesionales para diferen-
tes tareas. Cada uno debe acercarse al objeto de estudio desde un
lugar específico, aunque en una sociedad pueden individualizarse di-
ferentes visiones, existen distintas funciones a cumplir.
Con respecto al marco de referencia para analizar la profesión de

18
actuario, partiremos de lo planteado por el Prof. Alberto C. Pagliano,
es así que él define al actuario como un matemático social, un pro-
fesional de las ciencias económicas, un especialista en el tratamiento
técnico de las operaciones financieras, de los seguros y de la previ-
sión social.
Las especialidades dentro de esta profesión son, por lo menos,
cuatro:
• Seguros sobre la vida (life insurance)
• Seguros de daños patrimoniales (casualty/property insurance)
• Administración de riesgos financieros (inversiones, financiacio-
nes, futuros, opciones)
• Seguridad social (fondos de pensiones, jubilaciones, salud)
La función del actuario es analizar la realidad, interpretarla y hacer
predicciones basadas en la técnica actuarial, en las entidades asegu-
radoras, en las instituciones financieras, en los sistemas de seguridad
social y sobre todo, estudiar la solvencia técnica y financiera de las
sociedades y organismos cuya actividad esté relacionada con las es-
pecialidades mencionadas precedentemente.
1. Industria y comercio: los requiere para investigar y obtener óp-
timas soluciones a problemas de inversión, autoseguros, presu-
puestos y proyectos de inversión.
2. Computación: participar y definir sistemas informáticos dirigidos
a establecer las bases para el análisis financiero y estadístico, de
fenómenos económicos que permitan un óptimo control empre-
sarial y predecir resultados futuros.
3. Bancos, bolsas de valores, etc.: son campos naturales donde el
actuario puede desarrollar planificaciones financieras a fin de

19
evaluar cualquier movimiento de masa de dinero sujeto a ries-
gos financieros.
4. Consultores gerenciales: asesoramiento en áreas tales como re-
cursos humanos, sistemas de información, planes de pensiones,
administración de riesgos, certificación de pasivos técnicos y
margen de solvencia de entidades de seguros y reaseguros.
5. Investigación de mercado: es un profesional apto para el análisis
de las variables que afectan la demanda de productos y el com-
portamiento del consumidor e investigar y solucionar problemas
relacionados con la determinación de precios de acuerdo a las
metas de utilidad y presupuestos de gastos.
6. Ventas: como intermediarios de seguros, debido al profundo
conocimiento de los riesgos que afectan a la empresa, perso-
nas y patrimonio, pueden determinar las coberturas necesarias
y, en consecuencia, la póliza óptima y el precio técnicamente
adecuado.
7. Estado: asesorando a quienes tienen que tomar decisiones a
corto, mediano y largo, protegiendo los intereses de la Nación y
de la comunidad. Específicamente: Superintendencia de Segu-
ros, Superintendencia de Administradoras de Fondos de Jubila-
ciones y Pensiones, Superintendencia de Servicios de la Salud,
Superintendencia de Riesgos del Trabajo, Inspección General de
Justicia, Instituto Nacional de Estadística y Censos, Administra-
ción Nacional de la Seguridad Social, cuyas actividades requie-
ren la estrecha colaboración del actuario.
8. Universidades: los actuarios desarrollan frecuentemente su ac-
tividad como profesores de las asignaturas Análisis Matemáti-

20
co, Álgebra, Estadística, Cálculo Financiero, Biometría, Seguros
Personales, Seguros Patrimoniales, Reaseguros, Inversiones y
Financiaciones, Demografía, Fondos de Pensiones, etc. y áreas
de investigación.
Cuando se habla de matemática y de la necesidad de su enseñan-
za, hace falta puntualizar a qué matemática se hace referencia. En
la época de los griegos se podía hablar del cálculo y de la geometría
como partes únicas de un cuerpo de conocimientos bien delimitado y
no muy extenso. Hoy en día, en cambio, la cantidad de matemática
que se conoce es inmensa y crece constantemente, por lo cual no
es cosa fácil decidir cuál debe ser la matemática que se recomiende
enseñar y cómo deber ser presentada para su mejor comprensión y
su mejor utilidad para el futuro de los alumnos.
En cuanto a la didáctica de la matemática, es decir, su enseñanza,
podríamos decir que debe favorecer la creatividad, tal como señala
Santaló, “mostrando que la matemática es un edificio en cons-
trucción que necesita de continuos aportes y remodelados”
Uno de los objetivos esenciales (y al mismo tiempo u8na de las
dificultades principales) de la enseñanza de la matemática es preci-
samente que lo que se ha enseñado esté cargado de significado, que
tenga sentido para el alumno.
Para G.Brousseau (1983), “El sentido de un conocimiento ma-
temático se define:
- no sólo por la colección de situaciones donde este cono-
cimiento es realizado como teoría matemática; no sólo
por la colección de situaciones donde el sujeto lo ha en-
contrado como medio de solución.

21
- si no también por el conjunto de concepciones que re-
chaza, de errores que evita, de economías que procura,
de formulaciones que retoma, etc”. pág. 170
Agreguemos que la construcción de la significación de un conoci-
miento debe ser considerada en dos niveles:
• Un nivel externo: por ejemplo, ¿cuál es el campo de utilización
de este conocimiento y cuáles son los límites de este campo?
• Un nivel interno: ¿cómo y porqué funciona un algoritmo y por-
qué conduce al resultado buscado?
La cuestión esencial de la enseñanza de la matemática (como de
todas las ciencias) es entonces, cómo hacer para que los conocimien-
tos enseñados tengan sentido para el alumno.
Ya decíamos cundo definíamos el marco teórico de nuestra pro-
puesta, que el alumno debe ser capaz no sólo de repetir o rehacer,
sino también de resignificar en situaciones nuevas, de adaptar, de
transferir sus conocimientos para resolver nuevos problemas.
Es en principio, haciendo aparecer las nociones matemáticas como
herramientas para resolver problemas como se permitirá a los alum-
nos construir el sentido.
En la actualidad se insiste mucho en la metodología basada en la
resolución de problemas, nunca puede ser una sistemática de de-
finiciones y descripción de propiedades. De todas maneras no está
de más señalar, que si apuntamos a favorecer la creatividad, no
solamente hay que resolver problemas, sino también es importante
proponerlos. Hay que intentar interesar a los alumnos para que
aprendan a extraer el planteo en forma matemática de situaciones
reales o imaginadas, y luego llevar el resultado, como problema

22
propuesto a la consideración del aula. El hecho de proponer pro-
blemas que tengan sentido es tan importante en matemática como
el de resolver problemas planteados por otros. Es a través de esta
acción alternada entre proponer y resolver que la matemática avan-
za y crece.
Una precisión más ante de continuar, el término problema utilizado
aquí, no se reduce a la situación propuesta (enunciado-pregunta).
Se define más bien y siguiendo a Roland Charnay (1998), como una
terna: situación – alumno – entorno. Sólo hay problema si el alum-
no percibe una dificultad, un determinado obstáculo a vencer. Así
también el entorno es un elemento del problema, en particular las
condiciones didácticas de la resolución (organización de la clase, in-
tercambios, expectativas explícitas o implícitas del docente).
Conviene entonces, distinguir los objetivos de la actividad de reso-
lución de problemas:
Por un lado tenemos los objetivos metodológicos, “aprender a re-
solver problemas, a investigar”, el objetivo está en la actividad mis-
ma. Y los objetivos de orden cognitivo, se apunta a un conocimiento
a través de la actividad de resolución de problemas. Se puede, enton-
ces, desde este punto de vista, distinguir entre los problemas que se
sitúan en la fuente de un nuevo aprendizaje y aquellos que se utilizan
como problemas de resignificación.
Para finalizar este apartado, ningún docente utiliza exclusivamente
una estrategia para explicar un tema, en el acto pedagógico en toda
su complejidad utiliza elementos variados, pero de manera conciente
o no, cada uno de nosotros hace elecciones que privilegian una u otra
manera de enseñar. Con respecto a la importancia de la matemática

23
y su enseñanza, podríamos recordar a un filósofo de la antigüedad
que señala:
“En cuanto a la matemática se refiere, Platón expone bue-
nas razones para prescribir como primeras las enseñanzas
del cálculo y de la geometría, observando que “ningún arte
y ningún conocimiento pueden prescindir de la ciencia de los
números” y que hay una diferencia absoluta entre el que es
versado en geometría y el que no lo es, y hasta los que no
lo son, cuando se han educado y ejercitado en el cálculo,
aunque no deriven de él ninguna otras ventaja sí obtienen al
menos, volverse más sutiles de lo que eran antes” Santaló
Luis, ob. cit, pág 24.

A modo de cierre

Si detenemos la mirada en la evolución tecnológica del siglo XX,


podremos observar que los avances y descubrimientos en la comu-
nicación y la información son enormes. Esta nueva configuración de
los espacios los medios de comunicación, las autopistas de la in-
formación y las nuevas tecnologías plantean otros modos de ver la
realidad; se configuran nuevas identidades y otros sujetos sociales
cobran protagonismo.
Hoy a comienzos de un nuevo siglo, sabemos que las nuevas tecno-
logías están transformando el mundo digital, surgen de esta manera
nuevos desafíos, nuevas promesas, pero también nuevos problemas.
Uno de ellos es, por ejemplo, formar a los futuros profesionales como
personas con una capacidad de recepción crítica de los mensajes e

24
información que recibe en forma indiscriminada. Lo que surge nece-
sariamente de esto es que, si se trata de un proyecto educativo, lo
vital es definir los propósitos, los objetivos con los cuales adoptar las
nuevas tecnologías y las concepciones pedagógicas didácticas que le
dan sustento.
No debemos quedarnos paralizados ante los cambios, pero sí tene-
mos que detenernos a repensar y reflexionar, por un lado, sobre el
hecho educativo en sí mismo y por otro lado, sobre las características
de las propuestas tecnológicas. Las nuevas tecnologías de la infor-
mación y de la comunicación nos abren un abanico de posibilidades
educativas infinitas, las estrategias didácticas son muchas, pero nue-
vas tecnologías con viejas pedagogías, ¿para qué?
Las universidades, cualquiera sea la configuración que adopten,
garantizan la igualdad de oportunidades para todos los ciudadanos
y aseguran además el derecho a estudiar. Sin embargo, deben tener
en cuenta que su más importante objetivo es formar profesionales
reflexivos, críticos y comprometidos con su realidad.
“Aprender, conocer, comprender no sólo consiste en ‘ex-
ponerse’ a la información, sino en entrar en diálogo con ella,
interrogarle, contrastarla y llegar a darle sentido. Para ello,
no sólo se necesita tener acceso a una biblioteca bien dota-
da, a la información generada por los distintos medios de co-
municación, o ‘navegar’ por las ‘maravillas’ que nos ofrecen
las redes telemáticas como Internet o algunos sistemas mul-
timedias. Se necesita un eje articulador que guíe el apren-
dizaje, un bagaje previo que posibilite la comprensión y un
mínimo de discusión de trabajo intelectual. En definitiva, se

25
ha de ser suficientemente maduro y estar medianamente
preparado para saber separar la ‘paja del grano’, para poder
sacar partido de las ‘riquezas de la sociedad de la informa-
ción’’ (Sancho Juana, 1995, págs. 67-68).

BIBLIOGRAFÍA

Aparici, R. (coordinador), La Revolución de los Medios Audio-


visuales. Educación y Nuevas Tecnologías. Segunda edición,
corregida y aumentada, Ediciones de la Torre, Madrid, 1996.
Ausubel, D. Psicología educativa. Un punto de vista cognitivo,
Trillas, México, 1986.
Bachilard, G. La formación del espíritu científico, Siglo XXI,
Buenos Aires, Argentina, 1984.
Brosseau, G. Les obstacles epistémologiques et les problèmes
d´enseignement. Recherches en didactique des mathémati-
ques. La Pensée Sauvage, Nº 4.2. 1983
Camilloni, A., Celman, S. y otros, La evaluación de los apren-
dizajes en el debate didáctico contemporáneo, Paidós Educa-
dor, Buenos Aires, 1998.
Castorina, J. y otros Psicología genética, Miño y Dávila, Bue-
nos Aires, 1992.
Charnay, R “Grand N”. Revista de matemática, ciencias y tec-
nología para docents, Nº 42, 1998. Documento CRDP, Greno-
ble, Francia.
Coll, C. Significado y sentido en el aprendizaje escolar. Re-
flexiones sobre el aprendizaje significativo, Alianza, Madrid,
1988.

26
Coll, C. Aprendizaje escolar y construcción del conocimiento,
Paidós, Buenos Aires, 1990.
Gimeno Sacristán, J. y Pérez Gómez, A. La enseñanza: su teo-
ría y su práctica, Akal Universitaria , Madrid, 1985.
Gimeno Sacristán, J. y Pérez Gómez, A. Comprender y trans-
formar la enseñanza, Morata, Madrid, 1992.
Litwin, E. (compiladora), La educación a distancia: Temas
para el debate en una agenda educativa, Amorrortu, Buenos
Aires, 2000.
Matilla, A., Ponencia en el Seminario de Educación a Distancia
organizado por RUEDA en Córdoba en mayo de 1998.
Mercer, N. y González Estepa, F., “La educación a distancia, el
conocimiento compartido y la creación de una comunidad de
discurso individual”, en LITWIN, 2000.
Novack, J. Teoría y práctica de la educación, Alianza, Madrid,
España.1982. Tradución y síntesis: Profesora Córsico.
Parra, C. y Saiz, I. (comps). Didáctica de matemáticas. Apor-
tes y reflexiones. Paidós Educador, Buenos Aires, 1997.
RED (Revista de Educación a Distancia), UNED, AISEAD, Ma-
drid, 1994.
Ried (Revista Iberoamericana de Educación a Distancia), Vol.
2, N° 1, España, 1999.
Sancho, J. M., Hoy ya es mañana. Tecnologías y Educación:
un diálogo necesario. Publicaciones M.C.E.P., Sevilla, España,
1995.
Santaló, L. Conferencia inaugural del I Congreso Iberoameri-
cano de Educación de Matemática, Sevilla, España, septiem-
bre de 1990.

27
Las ecuaciones diferenciales
y la dinámica económica

Ana Gerosi,
Liliana Ghersi y
Ana Silvia Vilker

1. Introducción

El término dinámica en el análisis económico engloba situaciones


en las que el objetivo es rastrear y estudiar las trayectorias espe-
cíficas en el tiempo de las variables, así como determinar si, dado
un tiempo suficiente, estas variables tenderán a converger a ciertos
valores. Una característica sobresaliente del análisis dinámico es que
las variables son afectadas por el tiempo introduciéndolo, de esta
manera, en forma explicita.
Las maneras de considerar al tiempo son dos: como una variable
continua o como una variable discreta. Para el análisis del primer
caso son pertinentes las ecuaciones diferenciales, que hacen po-
sible el estudio de los cambios continuos que se producen en una
variable dependiente.
El presente trabajo cuenta con una introducción teórica y gráfica
para acercarse de forma rápida y ágil a las ecuaciones diferenciales
de primer orden, interpretando la solución de alguna de estas en
relación con los valores de los parámetros. En la segunda sección se
explicitará una aplicación de este tipo de ecuaciones en problemas
económicos, como es el modelo de crecimiento de Solow que sirve

29
para mostrar que, dada una tasa de crecimiento de la mano de obra
λ, la economía por si misma, puede alcanzar un estado de crecimien-
to uniforme en el cual la inversión va a crecer a la tasa λ, al igual que
el capital y la fuerza de trabajo. Solucionando así el delicado balance
del modelo de Harrod-Domar.

2. Un acercamiento a las ecuaciones


diferenciales

El Objetivo: primordial de las ecuaciones diferenciales es permitir


el estudio de los cambios continuos que se producen en una variable
dependiente. En una ecuación diferencial aparecen relacionadas:
● Una o varias variables independientes
● Una variable dependiente de ella o de ellas
● La/s derivada/s de la variable dependiente con respecto a una o
más de las variables independientes.
Los Tipos de ecuaciones diferenciales son:
● Ordinaria: es toda ecuación diferencial en la cual la función in-
cógnita depende de una sola variable. Puede presentarse en forma
implícita o bien en forma normal, dependiendo de la modalidad
en que aparece la derivada de mayor orden. Si la derivada de mayor
orden aparece despejada estamos ante una forma normal, caso con-
trario estamos ante un caso implícito.
● En derivadas parciales: es toda ecuación diferencial en la cual
la función incógnita depende de varias variables independientes;
apareciendo por lo tanto, las derivadas parciales de la función incóg-

30
nita respecto de las variables independientes en la ecuación. Puede
presentarse en forma implícita o bien en forma normal
La solución de una ecuación diferencial Ordinaria: Es toda
función y = f(x) que satisface a la ecuación diferencial.
● Se llama solución general, al conjunto de todas las funciones
que verifican la ecuación. En general es una familia n-paramétrica.
Cuando existe alguna solución que no pertenece a la citada familia,
dicha función recibe el nombre de solución singular.
● Se llama solución particular, a cualquier función que satisfaga
la ecuación; en general se fijan los valores de las constantes en la
familia de funciones.
El Orden de una ecuación diferencial ordinaria: Correspon-
de al orden de la mayor derivada que aparece en la ecuación.
La solución de una ecuación de orden n, es una función que
comprende a exactamente n constantes arbitrarias.
El Grado de una ecuación diferencial ordinaria: Corres-
ponde al número natural al que está elevada la derivada de
mayor orden que aparece en la ecuación. En caso de que el
exponente resulte ser no natural no es posible definir el grado
de la ecuación.
Se denomina Curva Integral: a la gráfica de una solución de
la ecuación diferencial.

2.1 Ejemplos y solución de ecuaciones diferenciales de 1er


orden

Dada siguiente ecuación diferencial: y´= cos 3 x de orden y grado

31
1; se busca una relación funcional que le aplica a la variable indepen-
diente de manera tal que la tasa de variación instantánea de la ley es
coseno de 3x. Su solución general es:

sen3 x
∫ dy = ∫ (cos 3x)dx ⇒ y = 3
+ C y algunas de sus infinitas

curvas integrales correspondientes a distintos valores de C que per-


tenecen al conjunto solución se muestran en el siguiente gráfico:

Gráfico Nº 1

Algunas Curvas Integrales

3
2 C=0
1 C=1
0 C=-1
-1,7
-1,4
-1,1
-0,8
-0,5
-0,2
0,1
0,4
0,7

1,3
1,6
1,9
-2

-1 C=1,5
-2 C=-1,5

-3

Si a la ecuación diferencial original le sumamos una constante


y´= cos 3 x + 5 . Su solución general es:

sen3 x
∫ dy = ∫ (cos 3x + 5)dx ⇒ y = 3
+ 5 x + C y algunas de sus in-

32
finitas curvas integrales correspondientes a distintos valores de C que
pertenecen al conjunto solución se muestran en el siguiente gráfico:

Gráfico Nº 2

Algunas Curvas Integrales

15
10 C=0
5 C=1
0 C=-1
-5 C=1,5
-1 7
-1 4
-0 1
-0 8
-0 5
,2
-1 2

1
4
7

3
6
9
1
,
,
,
,
,
-

0,
0,
0,

1,
1,
-101, C=-1,5
-15

2.2 Ejemplos y solución de ecuaciones diferenciales de 1er


orden, primer grado y lineal. Variables separables

Dada la siguiente ecuación diferencial: (1 + e ) yy´= e dx


x x

Cuya solucion es:


ex
∫ ydy = ∫ 1 + ex
dx

y2
= ln(1 + e x ) + C
2
y 2 = 2 ln(1 + e x ) + C

33
En el siguiente gráfico se representa algunas de sus curvas integrales
donde se toman diferentes valores de C.
Por ejemplo C=0; C=1; C=2.

Gráfico Nº 3

Algunas Curvas Integrales

5
4
3
2
1
0
-1
-2

4
,4
,8
,2

6
2
8
4

6
2
8
0,

1,
2,
2,
3,

4,
5,
5,
-2
-1
-0
-0

-3
-4
-5

Otro ejemplo:
Dada la siguiente ecuación: e dx + ydy = 0
x

Cuya solución es:

∫ ydy = −∫ e dx
x

y2
= ( −e x ) + C
2
y 2 = −2e x + C

34
En el siguiente gráfico se representa algunas de sus curvas integrales
donde se toman diferentes valores de C.
Por ejemplo C=5; C=10 y C=20.

Gráfico Nº 4

Algunas Curvas Integrales

4 y51
y52
2
y101
0 y102
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 y201
-2
y202
-4

-6

3 Ecuaciones diferenciales no lineales


3.1 Ejemplo y solución de una ecuación diferencial de 1er
orden, primer grado no lineal

Dada la siguiente ecuación:


y ´ = y ( x)(a − by ( x))
Es también una ecuación diferencial de orden uno y grado uno, pero
no lineal, llamada ecuación diferencial de Bernoulli. Lo que se busca

35
en este caso es una relación funcional que se le aplica a la variable
independiente de manera tal que la tasa de variación instantánea
de la ley es igual al producto entre dicha ley y la diferencia entre a
y el producto entre b y la ley. Podría interpretarse asimismo como
encontrar una ley que su tasa de variación instantánea coincide con
la diferencia entre, el producto de la constante a y la ley, y el producto
entre la constante b y el cuadrado de la mencionada ley
La solución que se obtiene linealizando primero y luego aplicando
la solución de una ecuación diferencial lineal de primer orden, es la
siguiente:
ay(0)
y ( x) =
by(0) + (a − by(0) )e − at

A continuación se presentan diversas curvas integrales. Debido


a que la solución general depende de dos parámetros: a y b se
presentan diferentes casos donde se expresa la relación cociente
entre los parámetros y distintos valores de a y b.

Caso 1) Ambos parámetros varían, pero la relación cociente entre


ellos es constante
Caso 1.1) Con b por le menos igual a 1

a= 9000 8100 8000 7000 6000 5000 4000 3000 2000 1000
b= 9 8,1 8 7 6 5 4 3 2 1
P0= 100 100 100 100 100 100 100 100 100 100

36
Gráfico Nº 5

CURVAS INTEGRALES DE ALGUNAS SOLUCIONES PARTICULARES


DE LA ECUACION DIFERENCIAL EN ESTUDIO DONDE a/b ES 1000
1200

1000

800

600

400

200

0
0,00000
0,00003
0,00006
0,00009

0,00012
0,00015
0,00018
0,00021
0,00024
0,00027
0,00030
0,00033
0,00036
0,00039
0,00042
0,00045
0,00048
0,00051

0,00054
0,00057
0,00060
0,00063
0,00066
0,00069
0,00072
0,00075
0,00078
0,00081
0,00084
0,00087
0,00090
0,00093
0,00096
0,00099
0,00102
Caso 1.2) Con b menor a 1

a= 100 90 80 70 60 50 40 30 20 10
b= 0,1 0,09 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,01
P0= 100 100 100 100 100 100 100 100 100 100

37
Gráfico Nº 6

CURVA SI NTEGRA LESDE A LGUNA SSOLUCI ONESP A RTI CULA RES


1200
DE LA ECUA CI ON DI FERENCI A L EN ESTUDI O, DONDE a/ b ES1000

1000

800

600

400

200

0
09
9
8
7

6
5
4
3

2
1

9
8
7

6
5
4
0
00
01
02

03
04
05
06

07
08

09
10
11

12
13
14
0,
0,
0,
0,

0,
0,
0,
0,

0,
0,

0,
0,
0,

0,
0,
0,

Caso 2) La relación a/b es decreciente


Caso 2.1) El parámetro a es constante y el parámetro b varía

a= 100 100 100 100 100 100 100 100 100 100
b= 0,01 0,5 1 1,5 2 2,5 3 3,5 4 4,5
P0= 100 100 100 100 100 100 100 100 100 100

38
Gráfico Nº 7

250 CURVAS INTEGRALES DE ALGUNAS SOLUCIONES PARTICULARES


DE LA ECUACION DIFERENCIAL EN ESTUDIO, DONDE a/b ES VARIABLE Y DECRECIENTE CON a CONSTANTE

200

150

100

50

0
01

02

03

04

05

06

07

08

09

11

12

13

14
1
5

5
0

0,
00

01

02

03

04

05

06

07

08

09

10

11

12

13

14
0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,
0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,
Caso 2.2) El parámetro a varía y el parámetro b es constante

a= 500 450 400 350 300 250 200 150 100 50


b= 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5
P0= 100 100 100 100 100 100 100 100 100 100

39
Gráfico Nº 8

CURVAS INTEGRALES DE ALGUNAS SOLUCIONES PARTICULARES


350 DE LA ECUACION DIFERENCIAL EN ESTUDIO, DONDE a/b ES VARIABLE Y DECRECIENTE CON b CONSTANTE

300

250

200

150

100

50

0
0, 1
05

15

25

35

45

55

65

75

85

95

05

15

25

35

45

55

65
1

0, 3

0, 4

0, 5

0, 6

0, 7

0, 8

0, 9

0, 1

0, 2

0, 3

0, 4

0, 5

0, 6
0

0
00

00

00

00

00

00

00

00

00

01

01

01

01

01

01
0,
00

00

00

00

00

00

00

00

00

00

01

01

01

01

01

01

01
0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,
0,

0,

0,

Caso 3) La relación a/b es creciente


Caso 3.1) El parámetro a es constante y el parámetro b varía.

a= 100 100 100 100 100 100 100 100 100 100
b= 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,1
P0= 100 100 100 100 100 100 100 100 100 100

40
Gráfico Nº 9

12000 CURVAS INTEGRALES DE ALGUNAS SOLUCIONES PARTICULARES


DE LA ECUACION DIFERENCIAL EN ESTUDIO, DONDE a/b ES VARIABLE Y
CRECIENTE Y a CONSTANTE

10000

8000

6000

4000

2000

0
1

6
00

00

01

01

02

02

03

03

04

04

05

05

06

06

07

07

08

08

09

09

10

10

11

11

12

12

13

13

14

14
0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

0,

Caso 3.2) El parámetro a varía y el parámetro b es constante.

a= 100 200 300 400 500 600 700 800 900 1000
b= 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01
P0= 100 100 100 100 100 100 100 100 100 100

41
Gráfico Nº 10

CURVA SI NTEGRA LESDE A LGUNA SSOLUCI ONESP A RTI CULA RES


120000 DE LA ECUA CI ON DI FERENCI A L EN ESTUDI O, DONDE a/ b ESVA RI A B LE Y
CRECI ENTE Y b CONSTA NTE

100000

80000

60000

40000

20000

0
0,000

0,001

0,002

0,003

0,004

0,005

0,005

0,006

0,007

0,008

0,009

0,010

0,011

0,012

0,013

0,014

0,014

42
4 Aplicación de las ecuaciones diferenciales a
problemas económicos
4.1 Antecedentes económicos políticos del problema a tra-
tar por medio de ecuaciones diferenciales

El libro de Keynes “Teoría general de la ocupación el interés y el


dinero” concluye con un importante capítulo sobre “la filosofía social
a la que podría llevar la Teoría general”. En él, Keynes recuperaba una
serie de temas que ya había abordado diez años antes en El fin del
Laissez Faire, aunque radicalizando su posición contraria al lais-
sez faire y llegando a conceder un amplio margen a la intervención
estatal en la economía. Más escéptico sobre la eficacia de la política
monetaria de lo que lo había sido diez años antes, Keynes se había
llegado a convencer de que el derecho del Estado a intervenir en el
sector privado no debía limitarse ya a la gestión del crédito y –por
medio de ésta- al proceso de formación del ahorro; en lugar de ello,
se había de ampliar a los dos ámbitos en los que laissez faire había
mostrado más claramente sus deficiencias: la determinación del nivel
de inversiones y la de la distribución de la renta.
En el primer caso, Keynes llegó incluso a predicar una especie de
“socialización de las inversiones”. Dado que el nivel de las inversiones
normalmente tendía –en un régimen de laissez faire- a conducir a
la economía hacia equilibrios de subempleo, el Estado tenía el dere-
cho –o, mejor, el deber- de intervenir para asegurar el pleno empleo.
Respecto a la distribución de la renta, Keynes observó que el régimen
de laissez faire tendía naturalmente a la instauración de esquemas
distributivos arbitrarios e injustos. Consideraba, además que la eleva-

43
da cantidad de ahorro generada por una distribución de la renta muy
desigual podía servir únicamente para mantener bajos los niveles del
gasto y de la demanda agregada, más que para sostener el proceso
de acumulación. También aquí debía intervenir el Estado.
Sin embargo, debía intervenir sin mermar los principios fundamen-
tales en los que se basaba la economía capitalista, tal como él la veía:
el individualismo y la propiedad privada de los medios de producción.
Keynes se oponía al laissez faire, pero seguía siendo liberal. Para él,
la intervención estatal no debía abolir la “mano invisible”, sino más
bien ayudarla a manifestarse y –en cierto sentido- a hacerse visible.
He aquí el origen de la nueva filosofía del “mercado administrado”.

4.2 Crecimiento y distribución

Para completar la reabsorción total de Keynes en el marco del sis-


tema neoclásico se debía demostrar que el tipo de interés, auque in-
fluido por las fuerzas monetarias, sigue estando regulado por fuerzas
reales; y que finalmente resulta posible reducirlo a aquello que pre-
cisamente Keynes había negado que fuera: el precio de los servicios
del capital, o el precio de equilibrio de los ahorros y las inversiones.
Para hacer del interés el precio de equilibrio de los servicios del
capital, debe poderse vincular a la productividad del capital y hacerse
depender de las proporciones de utilización del factor capital. Ade-
más, es necesario que dichas proporciones, dado que el equilibrio es
una situación en la que los individuos han maximizado sus objetivos,
puedan vincularse de alguna manera a las decisiones de agentes
económicos optimizadores. Finalmente, el stock de capital no pue-

44
de tomarse como un dato; y el concepto de equilibrio que se debe
tomar como referencia es el equilibrio a largo. El modelo neoclásico
de crecimiento cumplía estos objetivos, o al menos así lo parecía en
aquel momento.
La explicación del tipo de interés en términos de la productividad
marginal del capital era sólo uno de los objetivos de Solow, el otro
lo constituía la solución de un problema fundamental del crecimiento
surgido del modelo Harrod-Domar1; el de la capacidad de la economía
capitalista de crecer a la tasa “natural”, asegurando el mantenimiento
del pleno empleo. Dejando aparte el problema de la estabilidad, que
los neoclásicos ignoraron ya desde el primer momento partiendo del
supuesto de que la economía crece siempre a la tasa garantizada, se
resolvió el del crecimiento natural añadiendo a las tres ecuaciones
fundamentales del modelo Harrod-Domar una función de producción
agregada del tipo Y= F(K,L), en la que Y representa la renta nacional;
K, el capital, y L, el trabajo.

4.3 Modelo de Solow

Tomando la siguiente función de producción


Q= F(K, L) (K, L > 0) (1)
Q= Producto neto de depreciación.
K= Capital
L = Trabajo
fk y fl > 0 (productividad marginal positiva)

1
Este modelo se presenta en el Anexo 2

45
fkk y fll < 0 (Ingresos decrecientes para cada factor)
f debe ser linealmente homogénea (ingresos constantes a escala)
K
por lo tanto se puede escribir: Q = Lf ( ,1) = Lφ (k ) (2)
L
K
Donde k = resultando en función sólo de k con fk > 0 y fkk< 0
L
Tomando fk= MPPk= φ´( k ) lo que lleva a estipular que φ´( k ) es >
0.
∂ ∂φ´(k ) ∂k 1
Después fkk= φ´(k ) = = φ´´(k ) y esto conduce a
∂K ∂k ∂K L
afirmar que φ´´( k ) < 0. Es decir que φ da el producto medio del
trabajo APPl para cualquier relación capital-trabajo, y aumenta con k
a una tasa decreciente.
Dado que Q depende de K y L, es necesario ahora estipular cómo
se determinan las dos últimas variables.

Las hipótesis de Solow:

• ∂K
K (≡ ) = sQ (3) se invierte una proporción constante de Q
∂t
y

∂L
L ∂t ) = λ (4) con λ > 0, la fuerza de trabajo crece ex-
= (≡
L L
ponencialmente.
Estas dos últimas ecuaciones no especifican como se determinan
los niveles de K y L, pero sí como son sus tasas de cambio.

46
Si sustituimos (2) en (3)

K = sLφ (k ) (5) k=K/L y K = kL
derivando K = kL se obtiene:
• • •
K = L k+ k L
utilizando el resultado obtenido en (4) :
• •
K = L k + k λ L (6)
Si igualamos (5) = (6) se obtiene:

sLφ (k ) = L k + k λ L

k = sφ k − λ k ecuación diferencial con dos parámetros s y λ; sien-
do ésta la ecuación fundamental del modelo de Solow.

Ejemplos
Si se especifica la función de producción como una función Cobb-
Douglas linealmente homogénea, por ejemplo:

α
α 1−α K α L1−α K
Q=K L =L = L   = Lk α
L L
α
De esta forma φ (k ) = k y la ecuación fundamental del modelo de
Solow queda:

• •
k = sk α − λ k ó k + λ k = sk α (7) que es una ecuación de Bernoulli
cuya resolución es:

47
z = k −α +1
dz −α dk dk kα dz
= (−α + 1)k ⇒ =
dt dt dt (−α + 1) dt
reemplazando este últi-
mo resultado en la ecuación (7) se obtiene:

kα dz
+ zk α λ = sk α dividiendo por kα resulta
(−α + 1) dt

1 dz dz
+ zλ = s normalizando + (1 − α ) zλ = (1 − α ) s Ecua-
(−α + 1) dt dt
ción diferencial lineal de 1er. orden homogénea.

P(t ) = λ (1 − α )
Q(t ) = (1 − α ) s
− P ( t ) dt  ∫ P (t )Q(t )dt + c 
Formula a aplicar: e ∫  ∫ e 
e − λ (1−α )t  ∫ eλ (1−α )t (1 − α ) sdt + c 

48
Cálculos auxiliares:

(1 − α ) s λ (1−α )t
∫e (1 − α ) sdt = (1 − α ) s ∫ eλ (1−α )t dt =
λ (1−α ) t
e ⇒
λ (1 − α )
s
z (t ) = + ce − λ (1−α )t
λ
en t=0
s s
z(0)= + c ⇒ c = z (0) − y
λ λ
s  s
z(t)= +  z (0) −  e − λ (1−α )t reemplazando z=k (1−α )
λ  λ
s  s
+ [k (0)]
(1−α )
k (1−α ) = −  e − λ (1−α )t
λ  λ

Donde k(0) es el valor inicial de la relación capital-trabajo k.


Con esta solución se determina la trayectoria temporal de k. Si
se recuerda que (1 – α) y λ son ambas positivas, se observa que
cuando t→∞ la expresión exponencial se aproximará a cero; en con-
secuencia,
1/(1−α )
s s
k 1−α → o k →  cuando t → ∞
λ λ

Por tanto, la relación capital-trabajo tenderá a una constante como


su valor de equilibrio. Este equilibrio o valor de estado equilibrados

49
(s/λ)1/(1-α), varía directamente con la propensión al ahorro s, e
inversamente con la tasa de crecimiento de la fuerza de trabajo λ.
Algunas curvas integrales con distintos valores de s
–proporción del producto que se invierte- y de λ –tasa
crecimiento de la fuerza de trabajo

Gráfico 11

Crecimiento del capital per capita

350

300

250
Capital per capita

200

150
s=0,2;
100 pobla:0,01
s=0,25

50 s=0,3

s=0,4
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 s=0,5

Tiem po

50
Gráfico 12

Crecimiento del capital per capita

250

200
Capital per capita

150

100
s=0,2;
pobla:0,02
s=0,25
50
s=0,3

s=0,4
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 s=0,5

Tiem po

4.4 Los aportes y soluciones del modelo de Solow

La solución del problema Harrod-Domar se lograba tratando la re-


lación capital-producto como una variable, en lugar de cómo un dato.
El significado económico de esta solución reside en el hecho de que al
ser la relación capital-producto flexible, los empresarios lo escogerán

51
con el objetivo de maximizar sus beneficios. Las técnicas se modifi-
carán en respuesta a las variaciones de los precios de los factores.
Si en cualquier momento se creara una situación de desempleo, la
flexibilidad de los salarios reales garantizaría la reducción del coste
del trabajo necesaria para inducir a los empresarios a modificar las
técnicas de modo que aumentara la demanda de trabajo. El desem-
pleo sólo podría ser temporal y friccional. En equilibrio, el salario será
igual a la productividad marginal del trabajo, y la economía crecerá
con pleno empleo. Del mismo modo, cualquier trastorno monetario
que alterase el tipo de interés haría que los empresarios modificaran
la demanda de capital, de manera que su productividad marginal
igualara al coste de financiación. Así se aseguraría el equilibrio en el
mercado del capital por medio de un tipo de interés que remunera
los servicios productivos del capital, siendo igual a su productividad
marginal.
La fuerza persuasiva de este modelo se debía también al hecho de
que con él se lograba explicar de la manera más sencilla un fenómeno
histórico en el que Keynes se había resistido a creer y que el modelo
de Harrod-Domar no lograba explicar: la capacidad de las economías
capitalistas más avanzadas de crecer manteniendo el pleno empleo,
como había sucedido en las décadas de 1950 y 1960. Este fenómeno
no llevaría a los economistas postkeynesianos a negar explícitamente
a Keynes, pero sí justificaba su rechazo al pesimismo de éste. Des-
pués de todo, la economía capitalista parecía capaz de cuidar de sí
misma, de manera que las políticas económicas de tipo keynesiano
no habían de servir para curar ningún mal incurable. Como mucho,
se podían invocar para corregir determinadas imperfecciones: por

52
ejemplo, cuando los sindicatos se empeñaban en mantener los sala-
rios rígidos. Pero, en general, sólo debían servir para “sintonizar” el
crecimiento económico, atenuar sus eventuales oscilaciones y per-
mitir que la “mano invisible” actuara libremente. Por otra parte, al
ser políticas a corto plazo tampoco se podía pretender mucho más
de ellas. Del mismo modo que la teoría keynesiana no afectaba de
manera significativo al planteamiento teórico neoclásico, tampoco las
políticas keynesianas debían afectar significativamente al funciona-
miento del mercado.

Bibliografía

Acero Ignacio/López Marilo, Ecuaciones Diferenciales Edicio-


nes Alfaomega, 1999.
Aiub A.; Barral Souto J.; Gonzalez Dominguez A.; Gonzalez
Villalobos A.; Montuschi L.; Olivera J. H. G.; Toranzos F. I.;
Trione S. E.; Vazquez-Presedo V.. Economía y Matemática,
ensayos en honor del profesor Dr. Elias A. de Cesare, Buenos
Aires, Ediciones Macchi, 1973.
Bernardello, A.; Bianco, M.J.; Casparri, M. T.; Garcia Fronti,
J.; Olivera de Marzana, S., Matemática para economistas con
Excel y Matlab, Buenos Aires, Ediciones Omicron System S.A.,
2004.
Brown L. Robert, Introduction to the mathematics of demog-
raphy, ACTEX Publications, Inc. USA, 1991
Casparri, M. T.; Trucco, Sixto E., Ecuaciones diferenciales,

53
Buenos Aires, Ediciones Macchi, 1969
Chiang, Alpha C., Métodos fundamentales de economía ma-
temática, México D.F., Ediciones McGraw Hill Interamericana,
2006.
Cullen, Michael R.; Zill, Dennis G., Ecuaciones diferenciales
con problemas de valores en la frontera, Mexico D.F., Edicio-
nes Thomson-Learning, 2004.
Gandolfo Giancarlo, Métodos y modelos matemáticos en la
dinámica económica. Tecnos. Madrid, 1976.
Grossman Stanley I., Álgebra lineal, México D.F., ediciones
McGraw Hill Interamericana, 2006.
Screpanti E., Zamagni. S., Panorama de historia del pensa-
miento económico. Editorial Ariel, S.A. Barcelona, 1997

54
Anexo 1
Para derivar Q 1ro. Utilizaremos los siguientes resultados:

∂k ∂ K 1 ∂k ∂ K K
= ( )= y = ( )=− 2
∂K ∂K L L ∂L ∂L L L

Producto físico marginal PFmk y PFml


PFmk=

∂Q ∂ ∂ ∂φ (k ) ∂k
[Lφ (k )] = L  φ (k )  = L
1
= = Lφ´(k )( ) = φ´(k )
∂K ∂K  ∂K  ∂k ∂K L

∂Q ∂
PFml = = [Lφ (k ) ]
∂L ∂L
∂φ (k )
= φ (k ) + L (regla del producto)
∂L
∂k
= φ (k ) + Lφ´(k ) (regla de la cadena)
∂L
−K
= φ (k ) + Lφ´(k ) 2 (simplificando)
L
=φ (k ) − kφ´(k )

O sea que así se demuestra que PFmk y PFml son funciones de k. Al


igual que los productos medios, los productos marginales permane-
cerán constantes mientras la relación de capital-trabajo se mantenga
constante; estos son homogéneos de grado cero en las variables K
y L.

55
Anexo 2
El modelo de Harrod-Domar

1. Introducción

La idea general del modelo de Harrod-Domar es la siguiente: la in-


versión incrementa la capacidad productiva, para que esta capacidad
esté siempre utilizada al máximo, el incremento de la producción (po-
tencial) hecho posible por el incremento registrado en la capacidad
productiva, debe ser completamente absorbido por un incremento
de la demanda agregada (es decir del consumo más la inversión).
Supongamos ahora que la producción, y por tanto la renta, aumenta
explotando todo el aumento de capacidad productiva. Puesto que
la propensión marginal al consumo es menor que la unidad, el in-
cremento del consumo absorbe sólo una parte del incremento de
producción, de forma que se necesitará un aumento en la inversión
para absorber la parte restante. Pero este aumento en la inversión
incrementará todavía más la capacidad productiva, y así sucesiva-
mente. Por lo tanto para evitar que aparezca capacidad productiva no
utilizada (lo cual acabaría deteniendo la inversión y con ella el creci-
miento económico) es necesario que la inversión sigua aumentando.
Se deduce que debe crecer a una tasa constante –proporcional– a la
cual corresponde una tasa constante de crecimiento de la renta –en
realidad estas dos tasas son iguales–.
Es importante tener presente que en este modelo se tienen en cuenta
los dos papeles que desempeña la inversión –como componente de la
demanda agregada y como incremento de la capacidad productiva–.

56
2. Desarrollo matemático del modelo

P(t): Producción potencial


σ Productividad potencial social media de la inversión, un coefi-
ciente que indica en cuánto una unidad de inversión incrementa la
capacidad productiva.
Por lo tanto:
P´ = σI (1)

σ se puede interpretar como el recíproco de la relación capital/


K
producto, es decir, = k , y σ =1/k.
Y

Y´ = C´+ I´ (2)
En equilibrio el aumento en la producción es igual al aumento en la
demanda agregada y si se acepta una función de consumo con una
propensión media constante, se tendrá:
Y´= (1-s)Y´+I´
1
de la que se obtiene: Y´= I´ (3)
s
Si se supone que en el periodo inicial la capacidad productiva está
totalmente utilizada, para que esta situación se mantenga en el tiem-
po, el incremento en la producción potencial deberá ser igual al de la
producción real, es decir,
Y´=P´ (4)
De acuerdo a (1), (2) y (3), la ecuación (4) se puede escribir
como:

57
I´=σsI y su solución es: I(t) = I0eσst
Si se supone que la tasa real de crecimiento de la inversión es r,
entonces se tendrá:

dI
I(t) = I0ert y = rI 0 e rt
dt

dY 1 dI r rt
= = I 0e
dt s dt s
y la relación entre estas dos derivadas es:
dP
= σ I (t ) = σ I 0 e rt

dt

dY / dt r
=
dP / dt σ s

Analizando este último resultado se puede observar que si r > σs,


entonces dY/dt > dP/dt y el efecto de la demanda va a sobrepasar al
efecto de la capacidad o producción potencial, causando una escasez
de capacidad. Inversamente, si r < σs, habrá una deficiencia de de-
manda y por lo tanto un exceso de capacidad o producción potencial.
Lo que sorprende de esta conclusión es que si la inversión crece a
una tasa mayor a la requerida (r > σs), el resultado final será una es-
casez en vez de un exceso de capacidad. Igualmente si el crecimiento
real de la inversión está retrasado respecto a la tasa requerida (r<
σs) se encontrará un exceso en la capacidad en vez de una escasez.
Debido a estos resultados, si se permite que los empresarios ajus-
ten la tasa real de crecimiento r, con seguridad van a hacer algo de

58
tipo “equivocado”. Por ejemplo si r > σs la escasez emergente de
capacidad va a motivar una tasa de inversión aún mayor. Pero esto
significaría un incremento de r, en lugar de la reducción necesaria en
estas circunstancias.
La conclusión será que dadas las constantes paramétricas σ y s,
la única manera de evitar tanto la escasez como el exceso de la ca-
pacidad de producción es guiar el flujo de inversión a lo largo de la
trayectoria de equilibrio con una tasa de crecimiento r = σs y cual-
quier desviación de esta trayectoria acarreará una falla persistente
para satisfacer la norma de la utilización completa que Harrod-Domar
concibió en este modelo. Solow modifica ciertas hipótesis del modelo
de Harrod-Domar y con ello logra solucionar el problema.

59
Crisis cambiarias contagiosas en los noventa:
el caso de Argentina

María Cecilia Gómez

Introducción

Durante el período comprendido entre los años 1994-2000, el


mercado internacional de capitales se conmovió por tres episodios
de crisis “contagiosas”: la crisis de Méjico, la crisis de Asia y la
crisis de Rusia. La propagación de estos episodios hacia regiones
distantes en ocasiones sin que existan motivos aparentes, generó
una intensa discusión con relación a mecanismos responsables de
su transmisión. Las relaciones comerciales tuvieron un importante
papel en la difusión de la crisis del Sistema Monetario Europeo de
comienzos de los noventa. Sin embargo la crisis de Méjico se pro-
pagó hacia países latinoamericanos que están en una misma región
y que prácticamente no tienen relaciones comerciales. La crisis de
Rusia, en agosto de 1998, se propagó hacia Brasil y Argentina,
países distantes con los que Rusia no tiene relaciones comerciales
significativas.
Sobre la base de que el contagio es un fenómeno de carácter siste-
mático (no aleatorio), diversos trabajos identificaron distintos meca-
nismos de propagación: canales comerciales y similitudes macroeco-
nómicas (Eichengreen B., Rose, A. y Wyplosz, 1994), proximidad geo-
gráfica (De Gregorio, J. Rodrigo O. Valdés, 1999), sobrevaluación del
tipo de cambio y sistema bancario débil (Sachs, J., Tornell, A y Velas-

61
co, A.,1996) y relaciones de interdependencia que genera el mercado
internacional de capitales (De Gregorio, J. Rodrigo O. Valdés, 1999,
Kaminsky G. Reinhart C., 2000).
En este trabajo, utilizando el marco teórico que proporcionan los
modelos denominados de Segunda Generación de Crisis Cambiarias
(Ozkan, F. y Sutherland, A., 1994), se muestra que durante la segun-
da mitad de la década del noventa Argentina presentaba condiciones
macroeconómicas de vulnerabilidad a un ataque especulativo, que
actuaron como mecanismo de propagación de episodios de crisis in-
ternacionales. Además, la magnitud de su endeudamiento y la mane-
ra en que se financió constituyó otra fuente de contagio.
Está ordenado de la siguiente manera. En la sección 2 se presenta
una síntesis forma del Modelo de Ozkan y Sutherland, y se aplica para
analizar condiciones similares de vulnerabilidad a un ataque especula-
tivo, que actuaron como mecanismo de propagación hacia Argentina.
Utilizando el mismo marco teórico, en la sección siguiente se analiza
la manera en que el mercado internacional de capitales actuó como
mecanismo de propagación de episodios de crisis hacia Argentina.
Finalmente se presentan las conclusiones del análisis realizado.

Marco teórico: el modelo de Otzkan y Sutherland

Al comenzar la crisis del Sistema Monetario Europeo, en 1992, exis-


tía la creencia generalizada en mercados financieros internacionales
de que las altas de interés de Alemania estaban generando una pre-
sión intolerable en algunos miembros del S.E.M, entre otros el Reino
Unido, Italia y Francia. El modelo publicado en 1994 por Otzkan y Su-

62
therland explica la situación que debieron enfrentar las autoridades
económicas de estos países de la siguiente manera:
Suponiendo que la función objetivo del gobierno consiste en lograr
cierto nivel de actividad o de ingreso (Y) que depende de la demanda
agregada y que variaciones en la tasa de interés (i) afectan negativa-
mente el nivel de dicha Demanda, mientras que las variaciones en el
tipo de cambio lo hacen en sentido positivo, esto es:
Y = - γ i + η s (1) γ ,η > 0.
Siendo s el logaritmo del tipo de cambio.

Suponiendo, además, que los precios permanecen constantes (no


distingue entre variables expresadas en términos nominales y rea-
les), la variación de la tasa de interés (i) interna depende de la varia-
ción de la tasa de interés internacional (i*) y de las expectativas de
variación del tipo de cambio E (s):
i = i* + E(s) (2)
Por lo que, variaciones en i* se manifiestan en la tasa de interés
interna (2) y por tanto en la demanda agregada (1).
Si los países involucrados operan bajo un régimen de tipo de cam-
bio fijo y al ser la tasa de interés internacional una variable exógena,
sus variaciones pueden considerarse como un shock aleatorio (ε),
que afectan la tasa de interés interna, de acuerdo con la relación (2)
y la demanda agregada según
(1):i* = ε (3)
Este shock actúa sobre la tasa de interés interna y ésta, a su vez,
sobre las expectativas de sostenimiento del tipo de cambio. Condi-
ciones exógenas interactúan con políticas macroeconómicas y expec-

63
tativas: si la magnitud del shock es muy intensa, el sostenimiento
de la paridad puede llevar a un fuerte aumento de las tasas de inte-
rés. Este aumento no será compatible con otros objetivos de política,
como el sostenimiento del nivel de ocupación. Agentes racionales
incorporan esta información en la formación de sus expectativas co-
nociendo además, que el ataque al tipo de cambio concluirá en de-
valuación en la medida que la presión en el mercado cambiario sea
suficientemente intensa.
La estrategia del gobierno en caso de ataque estará condicionada:
si la presión en el mercado cambiario es muy alta, se elevará el costo
de sostener la paridad con relación al beneficio de sostenerla. En esa
situación abandonará la paridad. En caso contrario, si la presión en
el mercado cambiario no es suficientemente intensa, podrá sostener
la paridad.
Para que un ataque especulativo sea exitoso, es necesario un me-
canismo que coordine expectativas a fin de que la presión generada
en el mercado cambiario aumente el costo de sostenimiento de la
paridad en grado tal que las autoridades decidan devaluar, validando
las expectativas de los agentes.
De acuerdo con estos modelos llamados de segunda generación las
economías son vulnerables a ataques especulativos autocumplidos
aún cuando las políticas sean consistentes con el sostenimiento de
la paridad ante un cambio en condiciones externas, bajo las cua-
les debería esperarse mayor probabilidad de crisis cambiaria.
Este hecho marca una diferencia con modelos de primera generación,
donde el ataque es el resultado predecible de políticas inconsisten-
tes con el sostenimiento de la paridad.

64
Desde la perspectiva de un proceso de integración, los episodios
que dieron origen a la crisis del Sistema Monetario Europeo y el mo-
delo que se acaba de sintetizar, permiten concluir que los acuerdos
cambiarios entre países de una región, serían necesariamente tem-
porarios. Quienes diseñan políticas basadas en regímenes de tipo
de cambio fijo dentro de una región deberían resolver dos puntos
importantes para consolidar la estabilidad: establecer el nivel de tipo
de cambio a acordar y determinar el grado de compromiso con el
nivel acordado. Este nivel de compromiso debería estar inversamente
relacionado con la magnitud de shocks externos a los que podrían
verse sometido el mercado cambiario.
Corresponde aclarar, sin embargo, que el Sistema Monetario Euro-
peo continuó con su proceso a pesar de la crisis desatada, aún cuan-
do el Reino Unido no forma parte del acuerdo de la Unión Monetaria
Europea.

El régimen cambiario de Argentina

En el período de estudio, el régimen cambiario de Argentina fue


establecido por la ley de Convertibilidad, que fijó un tipo de cambio
convertible uno a uno con el dólar estadounidense. Esta Ley le otorgó
rigidez al tipo de cambio y contribuyó a aumentar el costo (en tér-
minos políticos) de abandonar la paridad en presencia de un ataque
especulativo. Argentina abandonó este régimen en enero de 2002,
en medio de una profunda crisis económica con efectos sociales y
políticos.

65
En los párrafos siguientes se desarrollan las condiciones iniciales y
el costo de sostener la paridad en cada situación.

Condiciones Iniciales: El desequilibrio externo

Políticas de apertura comercial y financiera, conjuntamente con la


rigidez de la política cambiaria, contribuyeron a generar un persisten-
te desequilibrio en el sector externo de Argentina.
Un rasgo saliente de la economía de Argentina era el déficit per-
sistente en Cuenta Corriente. El origen de este déficit se explica
por el efecto que tuvieron políticas simultáneas de apertura comercial
y financiera adoptadas durante la década del noventa. El ingreso de
capitales estimulado por la apertura financiera, ocasionó la sobreva-
luación del tipo de cambio real , la reducción de la competitividad de
las exportaciones y el aumento del coeficiente de importaciones.
El efecto que tuvo la sobrevaluación del tipo de cambio de otros
países de América Latina como consecuencia de la crisis de México
(“efecto Tequila”) fue desarrollado en una serie de trabajos. (Dor-
nbusch, R.Goldfajn I, Valdes, R, 1995 y Sachs, Tornell y Velasco,
1996).
A esta situación se sumó el egreso de divisas en concepto de pago
de intereses correspondiente al ingreso de capitales en períodos pre-
cedentes., que aumentó un 222 % en el período 1992- 1999. Esta
fuente de desequilibrio no solo es importante por su magnitud , sino
que a diferencia de las importaciones, es inflexible en situaciones de
financiamiento adversas.
En estas condiciones, cuando por motivos exógenos se reducía el

66
ingreso de capitales necesarios para financiar el déficit en Cuenta Co-
rriente, el aumento de las tasas de interés por un lado permitía redu-
cir la salida de capitales, pero por otra parte contribuyó a aumentar
desequilibrios externos en períodos posteriores.
A lo largo de los noventa, con excepción de inversiones directas
vinculadas con el proceso de privatizaciones de empresas públicas, el
ingreso de capitales presentó un comportamiento volátil. La impor-
tancia creciente del ingreso de capitales de corto plazo, en particular,
colocó al sector externo de estas economías en situación de alta
vulnerabilidad durante episodios de inestabilidad en mercados finan-
cieros internacionales.
En Argentina, la entrada de capitales necesarios para financiar el
déficit en cuenta corriente se redujo en dos ocasiones: en el año 1995
y en el año 1999, durante el Tequila y la crisis de Rusia . En ocasión
de la crisis de Asia se reduce el ingreso de capitales destinados al sec-
tor bancario (año 1996 y 1997). El financiamiento externo del sector
privado no financiero se reduce en los años 1998 y 1999 en ocasión
de la crisis de Rusia y del ataque especulativo que sufriera el real de
Brasil en enero de 1999. El sector público no financiero no registra el
impacto de estos episodios, ya que se financiaba con préstamos no
autónomos (FMI, BIRF, BIRD).

El costo de sostener de la paridad: desequilibrio fiscal, nivel


de actividad y sistema bancario

En situaciones de inestabilidad en mercados financieros, el aumen-


to de tasas de interés, si bien contribuyó a detener la salida de ca-

67
pitales necesarios para financiar el desequilibrio externo y sostener
la paridad, se lograba a un costo elevado, en términos de objetivos
de política: de equilibrio fiscal, de nivel de actividad y de ocupación.
Veamos.

Desequilibrio del Sector Público

El pago de intereses de la deuda pública contraída en el exterior


constituyó una fuente de desequilibrio fiscal de considerable magni-
tud: a lo largo del período, el superávit primario se convirtió en déficit
operativo después del pago de intereses . En este sentido la situación
de Argentina fue similar a la de Brasil. En el año 1999, el pago de
intereses de la deuda pública de Argentina aumentó poco más del
260% respecto del año 1994.

En el nivel de actividad y de ocupación

La tasa de crecimiento del PBI de Argentina registra el efecto nega-


tivo de los episodios de la crisis de Méjico (1995), de Rusia (1998) y
de Brasil (1999) . A ello se le suma la tendencia creciente de la tasa
de desempleo que empieza a trepar por los dos dígitos.
En términos de los modelos de Segunda Generación de crisis cam-
biarias, es posible que agentes racionales hayan tomado en cuenta el
costo que tenía para esos países sostener el tipo de cambio en situa-
ciones de inestabilidad en mercados financieros, que ocasionaran el
aumento de tasas de interés necesarias para sostener la paridad.

68
El sistema bancario de Argentina

Durante estos episodios, la debilidad del sistema bancario, al in-


teractuar con condiciones macroeconómicas específicas de un país
en la formación de expectativas de inversores, puede generar meca-
nismos que profundizan las condiciones adversas generadas por un
aumento de tasas de interés en el sector real de la economía. Se sin-
tetiza a continuación la situación del sistema bancario en Argentina y
se explora la manera en que pudo contribuir a aumentar el costo de
sostener la paridad.
Los depósitos en moneda externa representaban más del 50% de
los depósitos totales. Este hecho podía colocar al sistema bancario
en una difícil situación en presencia de un ataque especulativo que
ocasionara el retiro de depósitos expresados en moneda externa, o
de una devaluación que provocara el aumento (en moneda nacional)
de pasivos del sistema.
La tendencia creciente del volumen de depósitos bancarios de Ar-
gentina en el período de estudio sólo se interrumpió en ocasión de
la crisis de Méjico, a principios del año 1995. En ese momento el
promedio mensual de depósitos experimentó una reducción aproxi-
madamente igual al 15%. Después de este episodio, el volumen de
depósitos se recuperó rápidamente. Si bien esta recuperación puede
ser interpretada como indicador de confianza por parte de los depo-
sitantes en el sistema bancario argentino, una lectura más minuciosa
permite apreciar que una parte apreciable de los mismos estaban
expresados en moneda externa.
Los préstamos, expresados también en moneda externa se desti-

69
naron a financiar al sector público y al sector privado. La proporción
de créditos en moneda extranjera contraídos por el sector privado
argentino aumentó en forma apreciable durante la década de los
noventa (en ocasión de los episodios de inestabilidad mencionados
esta proporción superaba el 60%). En estas condiciones, una de-
valuación provocaría el aumento (en moneda nacional) de la deuda
expresada en moneda externa del sector privado que percibe ingre-
sos en moneda interna, lo cual incidía en la cartera morosa de los
bancos. Si el gobierno argentino acudiera en auxilio de los bancos,
esta ayuda se agravaría en forma apreciable la magnitud déficit
fiscal.
A diferencia de Argentina, el sistema bancario brasileño mostraba
signos de fortaleza desde la perspectiva del aumento de la proporción
de créditos incobrables en caso de devaluación, ya que la totalidad
de los depósitos y de los préstamos estaban expresados en moneda
interna. El nivel elevado de las tasas de interés de Brasil y de la pro-
porción de liquidez ( M2/R) hacían que estuviera más expuesto a un
ataque especulativo que provocara el retiro masivo de fondos expre-
sados en moneda interna y su cambio por moneda externa.
En Argentina el volumen de depósitos y créditos estaba expresado
en un porcentaje considerable en moneda externa, y aunque tasas
de interés inferiores a las de Brasil , resultaba más expuesta al des-
calce entre activos y pasivos del sistema bancario en caso de una
devaluación.
En la sección 4 se mostrará que el sistema bancario, actuó como
mecanismo de propagación de episodios de inestabilidad en merca-
dos financieros, por su vulnerabilidad al retiro masivo de fondos en

70
presencia de episodios de inestabilidad ocurridos en Argentina, en
Brasil o en un tercer país.

Mercados financieros como mecanismo de propa-


gación de episodios de crisis

El contagio de crisis financieras operó también a través de cana-


les financieros, y estuvo estrechamente vinculado con la magnitud y
composición del endeudamiento externo de Argentina.
Es sabido que el mercado internacional de capitales genera relacio-
nes de interdependencia, en particular entre países que necesitan del
financiamiento externo. Episodios de inestabilidad en mercados fi-
nancieros internacionales se transmiten a través del volumen del flujo
de activos financieros y su distribución entre mercados emergentes
y maduros, afectando las alternativas de financiamiento de algunos
países considerados “riesgosos” . El flujo de capitales de corto plazo,
en particular, presenta gran inestabilidad.
Las expectativas de inversores internacionales, se forman tomando
en cuenta el comportamiento de algunos precios considerados clave:
la tasa de interés de EEUU, la variación del precio de algún insumo
crítico como el petróleo, la relación de precios entre las principales
monedas, entre otros. Estos precios se relacionan con la inflación,
la competitividad y el nivel de actividad de países centrales y deter-
minan la distribución sectorial e internacional del flujo de capitales.
En la formación de expectativas intervienen, además, episodios de
inestabilidad que ocasionan la “fuga hacia mercados/refugio” y la

71
consiguiente reducción de flujos de capital hacia países que son per-
cibidos como “riesgosos”.
Un análisis estadístico minucioso (Kaminsky, G y Reinhart, C,1999)
muestra que diferentes episodios de alta inestabilidad durante la dé-
cada de los noventa impactaron con distinta intensidad en el precio
de activos financieros en diferentes regiones y, dentro de éstas, entre
distintos países. Para esos autores, los activos de Argentina y Brasil
recibieron el impacto de la crisis de Méjico por estar en la misma
región y de la crisis de Rusia, por su importancia para centros finan-
cieros internacionales. Sin embargo a nuestro parecer durante estos
episodios condiciones propias de cada país, en particular la magnitud
del endeudamiento externo, sus condiciones y su composición, ac-
tuaron como mecanismos de propagación de episodios de inestabili-
dad en mercados financieros internacionales.

Magnitud y distribución sectorial de la deuda externa de


Argentina

Durante la década de los noventa, el endeudamiento externo de


Argentina tuvo tendencia creciente , a pesar del proceso de privatiza-
ciones de empresas pública.
Episodios de alta inestabilidad de mercados financieros internacio-
nales se manifestaron en la cuenta capital del Balance de Pagos de
estos países, con algunas diferencias. En Argentina la crisis de Méjico
ocasionó la brusca reducción del nivel de reservas internacionales
del Banco Central y la reducción de capitales destinados a financiar
al sector privado no financiero. Durante la crisis de Asia se redujo el

72
ingreso de capitales destinados al sector bancario. El financiamiento
externo del sector privado no financiero se redujo en los años 1998 y
1999 en ocasión de la crisis de Rusia y del ataque especulativo contra
el real de Brasil.
En este último país, la crisis de Méjico y luego la de Asia ocasiona-
ron una fuerte salida de capitales de corto plazo. Las inversiones en
cartera presentaron gran volatilidad, y, a pesar del aumento de las in-
versiones directas (debido principalmente al proceso de privatizacio-
nes) la cuenta capital fue deficitaria en los años 1997,1998 y 1999.
En cuanto al destino del endeudamiento externo, Argentina finan-
ció por partes aproximadamente iguales el sector público y el sector
privado financiero y no financiero. En el último año de la década ya
el 60% del déficit fiscal se financió con deuda externa, que alcanzó el
29% del PBI y el 58% de la deuda externa total. Si se compara con
Brasil, el 62% de la deuda externa total financió al sector privado,
que en 1999 representaba el 27% del PBI. La deuda pública, por otro
lado, representó en el mismo año el 38% de la deuda externa total
y el 19% del PBI.

Composición de la deuda como fuente de contagio

Episodios de alta inestabilidad en mercados financieros influyeron


en la tasa de interés internacional, cuyo reflejo incidió en el precio
de bonos y en el volumen de depósitos y préstamos bancarios de
países que se consideraban “riesgosos”. El impacto de estos hechos
en Argentina estuvo condicionado por el destino y la manera en que
se financió la deuda externa.

73
De acuerdo con la relación (2) , el aumento de la tasa de interés
internacional ocasionó el aumento de la tasa de interés interna de
Argentina. Ya anteriormente se analizaron los costos de política que
estos países debieron enfrentar para sostener la paridad en esas cir-
cunstancias.
Los bonos constituyeron una de las principales fuentes de financia-
miento de la deuda externa de Argentina . El spread de estos activos
financieros, es el que presenta mayor volatilidad en situaciones de
inestabilidad de mercados financieros internacionales.
Mas del 50% de la deuda externa de Argentina se financió con
bonos , de la cual aproximadamente el 60% estaba constituida por
títulos públicos. Los bonos fueron, además, una importante fuente de
financiamiento del sector privado no financiero y del sector financiero
(un 47% y un 30% de la deuda externa de estos sectores). Por ese
motivo, episodios de alta inestabilidad en mercados financieros com-
prometieron seriamente las posibilidades de financiamiento tanto del
sector público como del sector privado argentino.
Si se compara esta situación con el caso de Brasil, se observa que
el 24% de la deuda externa se financió con bonos. Mientras que así
se acumuló una parte apreciable de la deuda pública (poco más del
50%), el sector privado acudió a otras formas de financiamiento ex-
terno (menos del 1% de la deuda privada se financió con bonos).

El Sistema Bancario como fuente de contagio

Cuando un país sufre una crisis cambiaria, los bancos e inversores


institucionales o privados en títulos comienzan a retirar fondos no

74
solo en el país que está en dificultades, sino en otros países, por
problemas de aversión al riesgo y con el fin de absorber las pérdidas
ocasionadas en el país que tiene dificultades. El retiro de fondos que
realizan los bancos puede alcanzar a varios países que súbitamente
enfrentan restricciones crediticias. Cuanto mayor sea la concentra-
ción del sistema bancario de un país, mayor es la probabilidad de
contagio por este mecanismo.
El sector privado financió con préstamos de bancos extranjeros el
64% de la deuda externa registrada en el año 1998. En ese año, el
33% de la deuda externa del sector privado no financiero de Argenti-
na y el 30% de la deuda externa del sector financiero se financio, con
créditos de entidades financieras externas.
En ese período se observa un aumento significativo de la partici-
pación relativa de bancos de origen europeo. La concentración de
acreencias de bancos de origen europeo superó el 70% . Esta ten-
dencia a la concentración de acreencias en bancos de ese origen
fue acompañada por una reducción de la participación de bancos de
origen norteamericano. Entre los bancos de origen europeo, los de
origen británicos tienen una mayor participación relativa, seguidos
por los de origen español y en tercer lugar se ubican los de origen
suizo y alemán, correspondiendo en general a la tradicional partici-
pación de bancos de ese origen en el mercado bancario argentino.
Esta concentración demostró agregar vulnerabilidad al denominado
“efecto contagio”: En presencia de dificultades los bancos pueden
retirar masivamente sus fondos con movimientos internos, del país
socio con el fin de absorber pérdidas.
Respecto de los créditos es importante observar, sin embargo que

75
la crisis de Brasil ocasionó la reducción de créditos en ese país, no en
Argentina. Este hecho permite pensar que la expansión de créditos
bancarios obedece a condiciones internas de cada país y no actuó,
en ocasión de los episodios de crisis citados como fuente de contagio
hacia Argentina.

Conclusiones

El análisis precedente permite concluir que durante el período bajo


estudio Argentina presentaba condiciones macroeconómicas de vul-
nerabilidad a un ataque especulativo y que estas condiciones actua-
ron como mecanismos de propagación durante episodios de ines-
tabilidad en mercados financieros. Estas condiciones se relacionan
con políticas simultáneas y no coordinadas de apertura comercial y
financiera que se implementaron durante la década del 90 . El ingreso
de capitales y la apertura comercial hacia terceros países motivaron
la sobrevaluación del tipo de cambio y el aumento del coeficiente
de importaciones, generando un persistente desequilibrio del sector
externo, y la necesidad de financiamiento externo. En estas condicio-
nes, cuando por motivos exógenos, vinculados con acontecimientos
de alta inestabilidad sistémica, el aumento de las tasas de interés in-
ternacionales y la fuerte contracción del ingreso de capitales tuvieron
impacto directo en la crítica expansión del déficit operativo del Sector
Público. Una proporción significativa de este déficit en el mercado
internacional de capitales, mediante la colocación de títulos. Estos tí-
tulos, en particular después de 1996-1998, sólo en una pequeña pro-

76
porción eran de corto plazo. El nivel bajo del indicador de riesgo- país
de Argentina durante episodios de alta inestabilidad en mercados
financieros internacionales (salvo en ocasión del denominado “ efec-
to Tequila”), hizo que su situación fiscal pareciera menos vulnerable
cuando aparecieron las crisis cambiarias de Asia y Rusia.
El régimen de Caja de Conversión argentino significaba que el pre-
cio del ajuste, en presencia de una reducción del ingreso de capitales
debía caer sobre la tasa de interés y el nivel de actividad internos.
Además, la fuerte dolarización del sistema bancario argentino, lo
hizo vulnerable a una crisis cambiaria que resultara en una fuerte
devaluación. Dentro del sistema bancario, la concentración de cartas
de crédito de bancos del mismo origen, en particular de origen euro-
peo, generó condiciones para el retiro masivo de depósitos, actuando
como mecanismo de propagación de episodios exógenos de crisis
cambiarias con efectos internacionales.
Una conclusión general que surge del análisis precedente es la vul-
nerabilidad de su economía a episodios de alta inestabilidad en mer-
cados financieros internacionales.

BIBLIOGRAFÍA

De Gregorio J. Valdés. R. Crisis Transmission: Evidence from


the Debt, Tequila and Asian flu Crisis. World Bank, 10: 1999.
Dornbusch, R.Goldfajn I, Valdes, R. “Currency Crisis and Co-
llapses”.
Brookings Papers on Economic Activity, 2 : 1995.

77
Dornbusch, R.Goldfajn I, Valdes, R (1995) “Currency Crisis
and Collapses”. Brookings Papers on Economic Activity. p.
219-291. Dornbusch, R. Brazil’s Incomplete Stabilization and
Reform. Brooking Papers on Economic Activity, 1: 1997.
Eichengreen B, Rose, A y Wyplosz CH. “Contagious Currency
Crisis”. Center for Economic Politic Research. Discussion Pa-
pers Series, 8: 1997.
Eichengreen B., “Does Mercosur need a single currency?”
Working Paper 6821, National Bureau of Economic Research,
12: 1998.
Flood, R y Marion, N: “Perspectives on de Recent Currency
Crisis” International Monetary Fund, 9: 1997.
Forbes K, Rigobon R. Measuring Contagion: Conceptual and
Empirical Issues. Paper prepared for conference of financial
Contagion, 12: 1999.
Goldfajn, I y Valdes, R: “Are Currency Crisis Predictable?” In-
ternational Monetary Fund, 12: 1997.
Hendry, D: “Dynamic Econometrics”. Oxford University Press.
1995.
Heyman, D Navajas, F. Interdependencias macroeconómi-
cas entre Argentina y Brasi: los flujos comerciales. Estudios
argentinos para la integración en el Mercosur. CEI. Buenos
Aires,1993
Hodrick, P and Prescott, H: “Post War U.S. Business Cycles:
an Empirical Investigation”. Journal of Money, Credit and Ban-
king, Vol 29, No 1, 2: 1997.
International Monetary Fund. Word Economic Outlook. “Inter-

78
national Financial Contagion”, 4: 1999.
Kaminsky, G, Lizondo, S y Reinhart, C: “Leading Indicators of
Currency Crisis”. International Monetary Fund, 7: 1997.
Kaminsky, G, y Reinhart, C.The Center and the Periphery: Ta-
les of Financial Turmoil. Paper prepared for International Mo-
netary Fund an World Bank. First Draft, January 2000.
International Monetary Fund. World economic Outlook, 4:l
1999.
International Monetary Fund. Emerging Market Financing.
Quarterly report on developments and prospects. Third quar-
ter 2000.
Kydland, F and Prescott: Business Cycles: “Time to Built and
Aggregate Fluctuations”. Econométrica. Vol. 50. No6, 11:
1982.
Krugman, P: “A model of Balance of Payments Crisis”. Journal
of Money, Credit and Banking 11, pp311-25.
Krugman, P: “Balance sheets, the transfer problem, and fi-
nancial crisis”. (Preliminary draft, prepared for the festschrift
volume in honor of Robert Flood), 1: 1999.
Lavagna, R “Coordinación Macroeconómica, la Profundización
de la Interdependencia y derivaciones para el MERCOSUR”.
Desarrollo Económico, 7: 1996.
O´Connell, A. Briozzo S. Brasil. Informe de Coyuntura Econó-
mica. XVIIi. Centro de Economía Internacional. República Ar-
gentina. Ministerio de Relaciones Exteriores y Culto, 5: 1997
Ozkan, F y Sutherland, A: “A Model of the ERM Crisis”. CEPR
Discussion Papers No 879, 1: 1994. Presenti, P. and Tille, C

79
The Economics of Currency Crises and Contagion: Introduc-
tion.FRBNY. Economic Policy Review , 9: 2000.
Sachs, J, Tornell, A y Velasco, A: “Financial Crisis in Emerging
Markets: The lessons from 1995”. Brooking Papers on Econo-
mic Activity, 1: 1996.

80
Los métodos numéricos en el
modelo de Nordhaus (DICE-2007)

Gustavo Krimker

INTRODUCCIÓN

A comienzos de la década del 60, Wolfe [1963] desarrolló la técnica


del Gradiente Reducido para trabajar en problemas de optimización
no lineal con restricciones de tipo lineal. El Gradiente Generaliza-
do Reducido (GRG) es una extensión natural del método de Wolfe
introducido por Carpentier y Abadie [1969] para la resolución de pro-
blemas no lineales con restricciones que tampoco sean lineales.
La implementación computacional del algoritmo tal como es adop-
tada en el Solver del Excel y en el CONOPT del GAMS, se debe a
Lasdon, Waren, Jain y Ratner [1978]
Un problema típico de programación no lineal implica una función a
optimizar, por ejemplo,

Minimizar f ( x) (1)
sujeta a restricciones de desigualdad,

gi ( x) ≤ 0; i :1 m (2)

y restricciones de igualdad:

hi ( x) = 0; i :1 l (3)

donde f , g , h : R → R ,se suponen al menos de clase C en R y,


n 1 n

en general, no lineales.

81
Desde el punto de vista de la clasificación de los métodos de optimi-
zación, el GRG es un método primal. Esto es, un método de búsqueda
de la solución óptima dentro de la región de factibilidad. Cada punto
del proceso es factible y el valor de la función a optimizar mejora en
cada paso.
Los métodos primales tienen tres ventajas por los cuales los espe-
cialistas aconsejan su uso al resolver problemas de programación no
lineal (Luenberger, [1983]):
1) Como cada punto generado en el proceso de búsqueda es fac-
tible, si el proceso de iteración finalizara antes de alcanzar el
punto óptimo, el último valor obtenido será un punto factible y,
probablemente, cercano a la solución óptima.
2) En segundo lugar, puede probarse que si al utilizar un algoritmo
primal se genera una sucesión convergente, el punto límite de
esta sucesión debe ser, al menos, un óptimo local.
3) Por último, la mayor ventaja es que no requieren condiciones
especiales, tales como la convexidad, para la aplicabilidad.

Una de las principales dificultades de los métodos primales es que


requieren procedimientos previos para la determinación de los pun-
tos factibles iniciales.

BREVE DESCRIPCIÓN

Como decíamos anteriormente, el método parte de un punto inicial


perteneciente a la región factible. Luego el algoritmo intenta moverse

82
en una dirección hasta alcanzar un punto dentro de la región de facti-
bilidad que mejore el valor inicial de la función objetivo. Nuevamente
el algoritmo identifica una dirección factible avanza hacia una nueva
solución mejorada. Cuando se llega a un punto donde resulte impo-
sible encontrar una dirección que produzca una mejora considerable,
el algoritmo se detiene.
Para la resolución del problema, en primer término se transforman
las restricciones de desigualdad en otras de igualdad, introduciendo
variables de holguras positivas. De esta forma las m-restricciones de
desigualdad (2) y las l-restricciones de igualdad (3) se convierten en
m+l-restricciones de igualdad:

hi ( x) = 0; i = 1, m + l (4)

Una de las ideas básicas de este método es escribir algunas de


las variables asociadas a las restricciones de igualdad (4) en función
de otras variables y, de esta forma, reducir el número de variables
independientes.
Así, realizamos una partición de las variables obteniendo n − l va-
riables independientes y m + l variables dependientes.
El vector x de variables puede ordenarse como sigue:

z
x= 
 y
 

donde z el vector de variables independientes e y es el vector


de dependientes.

83
Diferenciando tanto la función objetivo como las restricciones de
este nuevo problema, resulta:

    
df ( x ) = ∇ z f ( x )dz + ∇ y f ( x )dy (5)
T T

    
dhk ( x ) = ∇ z hk ( x )dz + ∇ yhk ( x )dy; k = 1,..., m + l (6)
T T

∇ 
z
y ∇ 
y
son los gradientes respecto de las variables indepen-
dientes y dependientes.

Esta última ecuación puede representarse matricialmente como:

 T h1 ( x )   Th1 ( x ) 
 ∇ z
 ∇ y 
   
 dz +  ∇ y
 
dh( x ) =  ∇ z 2
T T
 h ( x ) h2 ( x )
  dy
     
 T    
  h ( x ) 
 ∇ z m +l  ∇ y m +l
 T
 h ( x )

  
O bien dh( x ) = Adz + Bdy con

 Th1 ( x ) 
∇ y
 T h1 ( x ) 
∇z   


B = ∇ y 2

 h ( x )  
T

A = ∇z 2
h ( x )
T

d z  dy
     
 T    
  h ( x ) 
 ∇ y m +l
 T
 ∇ z m +l  y
h (x)
 .

84
Para que se cumpla la factibilidad, será necesario que las variables
independientes permanezcan activas ante cualquier cambio en ellas.
Por lo tanto debe cumplirse que

  
dhk ( x ) = Ad z + Bd y = 0; k = 1,..., m + l (7)

Ante cualquier modificación en las variables independientes z , uti-


lizando la ecuación (7) es posible calcular los valores de y para que
se cumpla la factibilidad de las restricciones. Despejando entonces el
d y , y reemplazando en la ecuación (5), tenemos que:

df ( z ) = ∇ Tz f ( x)d z − ∇ Ty f ( x)(B −1 A)d z


,
de donde,

= ∇ Tz f ( x) − ∇ Ty f ( x )(B −1 A)
df ( z )
dz (8)
Esta última expresión se conoce como el gradiente reducido ge-
neralizado. Este vector determina la dirección de búsqueda para las
variables independientes:
  
zn = zn −1 + α GR ; dz = α GR
Para cada valor de α las variables dependientes deben ser actuali-

zadas. Para ello es necesario determinar un nuevo d y que satisfaga
      
hk ( x ) + dhk ( x ) = 0; k = 1,..., m + l donde x = ( z + dz , y + dy )T
Reemplazando la ecuación anterior en la igualdad (7) se obtiene
que
  
dy = B−1 {h( x ) − Adz }.

85
PASOS DEL ALGORITMO

A continuación describiremos los pasos fundamentales del algo-


ritmo:
• Paso 1: Tomar i = i + 1 y calcular A (i - 1) y B (i - 1) en el punto
x(i-1) = (z (i - 1) , y (i - 1) )T
• Paso 2: Obtener la dirección de búsqueda GR (i −1)

Si GR (i −1) = 0 se localizó un punto KKT, el procedimiento finaliza con


x* = x(i-1) . En caso contrario ir al paso 3.

• Paso 3: Calcular el nuevo valor de las variables independientes:


 
zn = zn −1 + α GR ;
• Paso 4: Actualizar las variables dependientes de la siguiente
forma:
• Iniciar j = 0
• Hacer j=j+1, x (j-1) = (z(j) , y(i-1) )T
• Evaluar el nuevo incremento de las variables dependientes me-
diante
dy( j ) = B(−i1−1) {h( x( j −1) ) − A (i −1) dz }
  

( )
      T
• Establecer y ( j ) = y ( j−1) + d y ( j ) ; x( j ) = z ( i ) ; y ( j )
 
• Evaluar h( x ( j ) ) . Si h( k ) ( x ( j ) ) ≤ ε ; ∀k = 1, , m + l ir al paso 1, en

caso contrario j=j+1 e ir al paso 2.

86
CONSIDERACIONES FINALES

Si bien está probada la eficiencia del GRG en la resolución de pro-


gramas no lineales, es probable que el algoritmo finalice en un ópti-
mo local que no necesariamente sea global. Nordhaus sostiene que a
pesar de este inconveniente, la experiencia le indica que no hay otras
soluciones además de la encontrada y por lo tanto, no sólo es local
sino global. Uno de los desafíos que nos planteamos para trabajar
próximamente es determinar si es posible modificar la función obje-
tivo o alguna condición de manera de poder asegurar la globalidad
de la solución.

BIBLIOGRAFÍA

Abadie, J. y Carpentier, J., Generalization of the Wolfe Reduced


Gradient method to the case of nonlinear constraints, en: Opti-
mization, ed. R. Fletcher (Academic Press, New York), 1969.
Bazaraa, M., Sherali, H., Shetty, C., Nonlinear Programming:
Theory and Algorithms, Wiley, 2006.
Lasdon, L., Warren, A., Jain, A., Ratner, M., Design and test-
ing of a generalized reduced gradient code for nonlinear pro-
gramming, ACM Transactions on Mathematical Software 4,
1978.
Luenberger, D., Linear and Nonlinear Programming. 2nd Ed.
Addison-Wesley, 1984.
Martínez, J., Santos, S., Métodos computacionais de optimi-

87
zacao, Departamento de Matemática Aplicada, IMECC-UNI-
CAMP, 1998.
Nordhaus, W., The Challenge of Global Warming: Economic
Models and Environmental Policy, 2007.
Yale University. (Disponible en http://nordhaus.econ.yale.
edu/dice_mss_091107_public.pdf)
Wolfe, P., Methods for linear constraints en: Nonlinear Pro-
gramming, ed. J. Abadie (North-Holland, Amsterdam), 1963.

88
ENFOQUES FUZZY DE SELECCIÓN
DE CARTERAS DE INVERSIÓN

Luisa L. Lazzari
Patricia I. Mouliá
Mariano Eriz
Jonathan E. Monti

Introducción

El problema relacionado con la inversión de dinero siempre ha for-


mado parte de la realidad de aquellos quienes tuvieron la capaci-
dad de ahorrar. Estos ahorros, colocados en el sistema financiero,
pueden multiplicarse o desvanecerse. Acciones, bonos, instrumentos
derivados, cuotapartes de fondos comunes de inversión; a medida
que el tiempo avanza surgen nuevos productos en los cuales invertir.
El conjunto de todas las inversiones se resumen en el portafolio de
inversiones, y el objetivo de todo inversor racional es maximizar el
rendimiento del mismo. Pero debemos considerar que no conoce-
mos hoy cuales serán los precios de los activos mañana, por lo que
deberemos predecir en base a la información disponible, y tenien-
do en cuenta el comportamiento de aquellas variables que podrían
modificar tanto el alza como la baja de dichos precios. Por lo tanto
vemos que “rentabilidad” y “riesgo” son dos términos fundamentales
en nuestro problema. ¿Cómo lograr obtener el mejor rendimiento
posible teniendo en cuenta el riesgo? En su pionero trabajo publicado
en 1952, Harry Markowitz sentó las bases para el análisis matemático

89
del problema de la selección eficiente de portafolios de inversión. En
su autobiografía1 afirma que: “Una tarde cuando me encontraba
en una librería leyendo la Teoría del valor de la inversión de
John Burr Williams, tomé conocimiento sobre los conceptos
básicos de la teoría de la cartera. Williams propone que el
valor de una acción debería ser igual al valor presente de
los dividendos futuros. Dado que los dividendos futuros son
inciertos, interpreté que Williams proponía que una acción
debería valer lo equivalente a los valores presentes de los
dividendos esperados. Pero si el inversor solo esta interesa-
do en los valores esperados de las acciones, él o ella estaría
únicamente interesado en el valor esperado de una cartera;
y para maximizar el valor esperado de esta cartera, necesi-
taría invertir en una sola acción. Esta no es la manera en la
cual los inversores actúan o deberían actuar. Los inversores
diversifican porque ellos se preocupan tanto por los retornos
como por el riesgo”.
El artículo “Portfolio Selection” fue presentado en The Journal Of
Finance en marzo de 1952. En el mismo Markowitz explica que el
proceso de selección de portafolios comprende dos etapas bien dife-
renciadas:
1. La primera se inicia en la experimentación empírica y concluye
en la formulación de las hipótesis de comportamiento de los
activos
1
http://nobelprize.org/nobel_prizes/economics/laureates/1990/markowitz-autobio.html,
publicada en Les Prix Nobel. The Nobel Prizes 1990, Editor Tore Frängsmyr, [Nobel
Foundation], Stockholm, 1991. Harry Markowitz la escribió cuando fue galardonado con
el Premio Nobel

90
2. La segunda parte de dicho conjunto de hipótesis y busca confi-
gurar el portafolio de inversión.
Motivado en su interpretación de la propuesta de Williams, describe
algunas de las posibles reglas relacionadas con la elección del porta-
folio. Una de las ellas es maximizar el valor actual esperado de los re-
tornos de los activos. Pero si no consideramos las imperfecciones que
el mercado presenta llegaríamos a la conclusión que un portafolio
no diversificado es siempre preferible, lo cual no se corresponde con
el comportamiento habitual de un inversor racional: “Una regla de
comportamiento que no implique la superioridad de la diver-
sificación debe ser rechazada” (Markowitz, 1952). Por esto la regla
de media-varianza (otra de las presentadas en este paper) es la que
él recomienda, dado que conduce al tipo correcto de diversificación del
portafolio al considerar en el análisis a las covarianzas entre los activos.
Más importante para nuestro análisis es lo que presenta a modo de
conclusión: “Para utilizar una regla de media-varianza en la
selección de acciones debemos tener procedimientos para
encontrar razonables µ i y σ ij . Los procedimientos, yo creo,
deberían combinar técnicas estadísticas y el juicio práctico
de los hombres. Mi creencia es que la estadística computa-
cional debería ser utilizada para arribar a un conjunto tenta-
tivo de µ i y σ ij , y luego el juicio de los hombres debería uti-
lizarse para reducir dicho conjunto utilizando factores que no
han sido tomados en cuenta en la etapa anterior” (Markowitz,
1952). Portfolio Selection fue el disparador de una gran cantidad
de investigaciones relacionadas con el problema de la selección de
la cartera óptima de activos, que abordan el mismo problema y em-

91
plean distintas metodologías de análisis. La que tradicionalmente ha
sido utilizada es la relacionada con el enfoque probabilístico.

Con el desarrollo de la Teoría de Conjuntos Borrosos, distintos inves-


tigadores se propusieron hacer fuzzy este tipo de modelos, es decir,
pasar de considerar las variables como aleatorias para pensarlas en
términos borrosos.
En 1987 Buckley presenta un procedimiento que emplea metodo-
logía fuzzy para ordenar propuestas de inversión con información
incierta desde la mejor hasta la peor basado en el concepto de valor
presente neto. Para tratar la incertidumbre utiliza distribuciones de
posibilidad definidas mediante números borrosos o conjuntos borro-
sos discretos.
La Teoría de Conjuntos Borrosos es una herramienta que permite
modelizar la información subjetiva ausente en los datos empíricos y
estructurar mejor todo lo que está separado por fronteras poco pre-
cisas, como el pensamiento, el lenguaje, y la percepción del hombre
(Kaufmann, 1982), lo cual es de suma importancia en el campo rela-
cionado con la toma de decisiones.
El objetivo de este trabajo es presentar algunos de los enfoques ba-
sados en la Teoría de Conjuntos Borrosos y la Teoría de Posibilidad.

Enfoques fuzzy

Se expondrán a continuación alguno de los enfoques que utilizan


diferentes herramientas matemáticas innovadoras tales como progra-

92
mación lineal fuzzy, programación lineal entera fuzzy, distribuciones
de posibilidad y variables aleatorias fuzzy.
Watada (1997) considera que, debido a la vaguedad existente en el
problema bajo análisis, el enfoque basado en la optimización no es el
adecuado. Los individuos, teniendo en cuenta las decisiones y la evo-
lución de su portafolio en el tiempo poseen un nivel de aspiración res-
pecto del resultado futuro del mismo. Éste se puede caracterizar por
medio de dos valores, uno inferior y uno superior, para el retorno y
la varianza; medidas sobre las cuales el inversor basa principalmente
sus decisiones. El portafolio está conformado por diferentes activos
que poseen distintos retornos y varianzas. Es razonable pensar que
los activos que lo conformen sean aquellos que posean mayor retor-
no y menor varianza. En consecuencia, y a partir de los márgenes de
variabilidad establecidos por el decisor, el autor plantea una función
de pertenencia para el retorno:
1 si EU ≤ E ( x)

µ E ( E ( x) =  f ( E ( x) si E L ≤ E ( x) ≤ EU
0 si E ( x) ≤ E L

donde EL es el mínimo valor aceptable para el retorno y EU el máxi-


mo esperado. Notamos que los valores de la función de pertenencia
se incrementan a medida que nos acercamos a EU. Se presenta una
función de pertenencia para la varianza:
0 si VU ≤ V ( x)

µV (V ( x) =  g (V ( x) si VU ≤ V ( x) ≤ V L
1 si V ( x) ≤ V L

93
Del mismo modo, VL es el mínimo valor esperado de varianza y VU
el máximo aceptable. f ( E ( x) y g (V ( x) representan en forma gené-
rica, las funciones matemáticas que modelizan el nivel de aspiración
para el retorno y la varianza. De las distintas funciones que analiza,
considera la logística como la más apropiada para poder representar
al objetivo vago que tiene en cuenta el decisor:

 1
 f ( E ( x) = −α E ( E ( x ) − E M )
∧ E M = E ( x) / µ E ( E ( x) = .5; α E ≥ 0
1+ e

 g (V ( x) = 1
∧ V M = V ( x) / µV (V ( x) = .5; α V ≥ 0
 α
1 + e V V ( x ) −V M )
(

Donde α E y α V determinan la forma de la función de pertenencia.


Estos valores deben ser especificados por expertos y se verifica que
a mayor α E y menor α V , menor es la vaguedad.
Basándose en lo que han expuesto formularon un problema de
programación entera fuzzy que incluye restricciones por intervalos y
un algoritmo genético diseñado para su resolución. Aplican el modelo
a un problema de selección de portafolios con un número limitado
de activos y en un problema de ubicación de personal en una com-
pañía.
Tanaka y Guo (1999) proponen un enfoque posibilístico del pro-
blema, generando modelos que, además de contar con información
histórica de los activos, incorporan el conocimiento de los expertos
con el objetivo de alcanzar una mayor eficiencia al predecir futuras
variaciones. Los expertos consultados asignan un grado de posibili-
dad hi a los retornos de los activos obtenidos en un momento i de
tiempo, que refleja su creencia en relación a la similitud entre dicho

94
retorno y su valor futuro. Los autores sugieren modelizar los grados
de posibilidad discretos a través de una distribución de posibilidad de
tipo exponencial

Π A ( x) = e
{
− ( x − a )T D −1 ( x − a )
A }
, donde a = [a1 ; a 2 ;...; a n ] es el vector
T

central y DA es una matriz simétrica y definida positiva. Teniendo


en cuenta que el modelo cuyo resultado indica las proporciones a
invertir en cada activo es

mín xT D
x
xT a = c

n
s.a. ∑ xi = 1
i =1
 xi ≥ 0

En el que c indica el valor central esperado del retorno del por-


tafolio, se deben aproximar las matrices que definen a Π A (x) . Los
autores se enfocan principalmente en el cálculo de D, para lo cual
sugieren dos opciones:
Hallar la distribución de posibilidad mínima tal que Π u ( x) ≥ hi . El
subíndice u indica que ésta es la distribución posibilística “superior”
(upper). La matriz D pasa a ser Du.
Hallar la distribución de posibilidad máxima tal que Π l ( x) ≤ hi . El
subíndice l indica que ésta es la distribución posibilística “inferior”
(lower). La matriz D pasa a ser Dl.
De la resolución de los modelos se pueden obtener fronteras efi-
cientes de inversión así como intervalos de posibilidad de riesgo, los

95
que reflejan la incertidumbre en los problemas reales de in-
versión (Tanaka y Guo; 1999).
Inuiguchi y Tanino (2000) explican que al asumir algunos mode-
los la existencia de independencia entre las variables posibilísticas
surgen incompatibilidades en el resultado, es decir, podría preferirse
invertir en un solo activo antes que diversificar, y comentan que esto
se debe a que

Pos(λx1 + (1 − λ ) x2 ≥ k ) = Pos(xi ≥ k ), ∀λ ∈ [0,1], i = 1,2 2

Nec(λx1 + (1 − λ ) x2 ≥ k ) = Nec(xi ≥ k ), ∀λ ∈ [0,1], i = 1,2


Donde x1 y x2 son variables posibilísticas mutuamente excluyentes,
mientras que

Pr (λx1 + (1 − λ ) x2 ≥ k )> Pr (xi ≥ k ), ∀λ ∈ [0,1], i = 1,2


Var (λx1 + (1 − λ ) x2 ≥ k )> Var (xi ≥ k ), ∀λ ∈ [0, 1], i = 1,2
Donde x1 y x2 son variables aleatorias mutuamente excluyentes.

Para solucionar este inconveniente, los autores proponen lo que


denominan worst regret criterion. El inversor posee ahorros que
desea invertir y puede concentrar el dinero en un activo o diversificar.
Si concentra y el retorno de otro activo aumenta más que aquel en el
que invirtió, probablemente se arrepienta de su decisión. Si el de-
cisor está interesado en minimizar el peor nivel de arrepen-
timiento que podría ser asumido, una solución diversificada
2
Los lectores pueden consultar las definiciones de medidas de posibilidad y necesidad en:
Klir, G. (1999). On fuzzy-set interpretation of possibility theory, Fuzzy sets and systems
108, pp.263-273; Fullér, R.; Majlender, P. (2003). On weighted possibilistic mean and vari-
ance of fuzzy numbers. Fuzzy sets and systems 136, pp.363-374.

96
será preferible. Para esto proponen una función que cuantifica di-
cho nivel de arrepentimiento y una distribución de posibilidad asocia-
da a ella, y plantean un modelo que la minimiza.
Muchos de los modelos fuzzy se centran en utilizar distribuciones
de posibilidad para modelizar el comportamiento de los activos. Lai y
otros autores (Lai, et al.; 2002) plantean que es tan dificultoso de-
terminar la distribución de probabilidad de los retornos de los activos
como la distribución de posibilidad. Como no siempre es conocida por
el inversor y tampoco es sencilla su determinación, desarrollan un
modelo cuya resolución se efectúa por medio de programación lineal
por intervalos: al menos en algunos casos es una buena idea
para el inversor o para los expertos determinar los retornos
inciertos de los activos como intervalos (Lai, et al.; 2002).

En primer lugar definen relaciones de orden entre intervalos a los


efectos del problema del portafolio óptimo y desarrollan un modelo
matemático aplicable al mismo. Luego hacen lineal el modelo de pro-
gramación cuadrática y para ello utilizan la desviación semiabsoluta
en lugar de la varianza. A partir de información histórica calculan la
media aritmética de los retornos de los activos. Debido a las limitacio-
nes de la media como estimador del retorno esperado del portafolio,
los autores proponen tomarlo como límite inferior, y calcular el límite
superior en base a los informes económico-financieros de la com-
pañía. Aplican el modelo matemático antes mencionado a un caso
práctico en el que el objetivo es distribuir la riqueza de un individuo
entre seis activos que cotizan en la Bolsa de Shanghai y un activo
libre de riesgo.

97
León, Liern y Vercher (2002) presentan en su trabajo un algoritmo
útil para solucionar inconsistencias en el modelo de media varianza
aplicado a la realidad. Por diversas circunstancias, el inversor puede
querer invertir no más de cierta cantidad de dinero en distintos acti-
vos, lo cual genera nuevas restricciones en el problema que pueden
no ser compatibles con las exigencias de riesgo y rendimiento. Se
centran en problemas lineales de selección de portafolio y utilizan
programación lineal borrosa, cuyo objetivo es flexibilizar las restric-
ciones teniendo en cuenta las tolerancias proporcionadas por el deci-
sor. A partir del problema genérico:
mín f ( x)
 A1 x ≥ b 1
s.a. 
 A2 x ≤ b 2

el cual suponen no viable, los autores proponen que las restricciones


se verifiquen en un cierto grado de modo tal que permitan encontrar
una solución. Asumen que existen restricciones borrosas tanto de
~
() ~
( )
mayor o igual Bi como de menor o igual C j cuyas funciones de
pertenencia son

0 si ( Ax) i < bi − ri

µ B~ ( x) =  g i (( Ax)i ) si bi − ri ≤ ( Ax) i < bi
1
i

 si ( Ax)i ≥ bi

0 si ( Ax) j > b j + s j

µC~ ( x) =  g j (( Ax) j ) si b j i ≤ ( Ax) i < b j + s j

j

1 si ( Ax) i ≤ bi

98
Donde ri y sj representan las tolerancias. Definen el conjunto borro-
so de soluciones factibles como

El argumento que posea el mayor valor de µ E~ ( x) será la solución


que posteriormente evaluará el inversor. Diseñan un algoritmo inte-
ractivo en el que el inversor puede variar tanto el nivel esperado de
retorno como las tolerancias para alcanzar la solución que más se
adecue a su situación.
Ida (2004) desarrolla dos modelos a partir del problema nítido mul-
tiobjetivo que se les presenta a los inversores: alcanzar el máximo
retorno y el mínimo riesgo:
n
máx f m ( x) = ∑ ri xi
i =1
n n
mín f v ( x) = 1
2 ∑∑σ
i =1 j =1
ij xi x j

n
∑ xi = 1
s.a.  i=1
x ≥ 0
 i
Las restricciones del modelo delimitan la región factible (F) de la
solución. Definen la solución eficiente como la combinación de ac-
tivos que le proporcionan al inversor el máximo retorno y mínima
varianza. Simbólicamente:
x ∈ F es llamada solución eficiente si no existe otra solución facti-
ble x'∈ F ∧ x ≠ x' tal que
f m ( x' ) ≥ f m ( x) ∧ f v ( x' ) ≤ f v ( x); f m ( x' ) ≠ f m ( x) ∨ f v ( x' ) ≠ f v ( x)

99
Luego analizan dos variantes de este modelo. En la primera con-
sideran los retornos esperados y las varianzas como intervalos y de-
finen dos tipos de soluciones. Una es la “posiblemente eficiente” la
cual siempre existe y muestra la región posible de soluciones eficien-
tes (Ida, 2004). La otra es la “necesariamente eficiente” que puede
ser interpretada como una solución robusta y segura bajo condicio-
nes de incertidumbre (Ida, 2004).
En la segunda, expresan los retornos esperados y las varianzas
como números borrosos y del mismo modo definen grado de eficien-
cia posible y grado de eficiencia necesaria. Debido a que los números
borrosos pueden representarse a partir de sus α -cortes como inter-
valos, los autores se enfocan en el modelo de media varianza con
coeficientes representados por intervalos.
Lin, Tan y Hsieh (2005) aplicaron el concepto del promedio pondera-
do fuzzy en la gestión del portafolio estratégico de una compañía. La
formulación estratégica es el proceso de determinar cursos de acción
apropiados o un plan para alcanzar los objetivos de la organización,
logrando el propósito de la misma (Hatten & Hatten, 1987)3. Esta
herramienta ha sido utilizada como soporte a la toma de decisiones
empleándola en múltiples áreas estratégicas de las organizaciones.
Una de éstas es la distribución eficiente de un presupuesto limitado,
entre planes estratégicos presentados por distintas unidades de ne-
gocios de una misma compañía.

3
Citado en: Lin, C.; Tan, B.; Hsieh, P. (2005) “Application of the Fuzzy Weighted Average in
Strategic Portfolio Management”. Decision Sciences. Vol. 36, Nº 3, p. 489.

100
Como es de esperar, las decisiones relacionadas con la distribución
de un monto restringido de dinero entre diferentes, y tal vez mu-
tuamente excluyentes, planes estratégicos no son competencia de
un solo actor, sino de un grupo de expertos que poseen distintos
grados de conocimiento acerca de los proyectos y diferentes niveles
de confianza en relación a la viabilidad de los mismos. Estos niveles
de confianza son una fuente de información cualitativa que los datos
duros omiten.
Los autores proponen un procedimiento que consta de once pasos
que abarcan desde decidir cuáles planes de las unidades estratégicas
y cuáles gerentes participarán en el proceso de evaluación hasta la
construcción y resolución de un modelo de programación lineal en-
tera. La alta gerencia decide qué planes estratégicos son tenidos en
cuenta en este análisis. Un grupo de expertos define las variables
lingüísticas a utilizar y sus correspondientes números borrosos trian-
gulares, y a partir de ellos evalúan los factores internos y externos re-
lacionados con los planes estratégicos seleccionados. Luego definen
el nivel de confianza a utilizar en el cálculo del promedio ponderado
borroso, siendo éste uno de los insumos para el mencionado proble-
ma de programación entera junto con el límite superior del total del
monto a invertir presupuestado para cada unidad de negocios, el be-
neficio esperado por implementar el plan estratégico correspondiente
a una determinada unidad de negocios, el presupuesto total de la
empresa para el año, etc.
Este modelo fue bien recibido por los gerentes de una compañía
y al aplicarlo se logró disminuir el tiempo del proceso de toma de
decisiones.

101
Wang, Xu, Zhang y Hu (2005) aplican la definición de valor medio
f-ponderado de Fuller y Majlender4 al enfoque clásico. El modelo pre-
sentado por los autores es

mín V ar f ( x)
r T x = rE
n

s.a. ∑ x i = 1
 i =1
xi ≥ 0

Donde
V arf (x) representa el riesgo posibilístico ponderado, que se calcu-
la por medio de la siguiente fórmula:

r T = [ M f (r1 );; M f ( rn )]T es el vector de retornos posibilísticos,


con
M Lf (ri ) + M Uf (ri )
M f (ri ) =
2
1
M Lf (ri ) = ∫ f (α )a1 (α )dα
0
1
M Uf (ri ) = ∫ f (α )a2 (α )dα
0

4
Fullér, R; Majlender, P. (2003). “On weighted possibilistic mean and variance of fuzzy
numbers”, Fuzzy Sets and Systems 136, Vol. 3, pp. 363-374.

102
Y rE es el retorno prefijado por el inversor. Los autores afirman
que en esta versión fuzzy del modelo de media-varianza también
se puede encontrar un portafolio eficiente al que llaman portafolio
posibilístico ponderado eficiente de media-varianza (Wang, et al.;
2005)
Con el transcurso del tiempo y un análisis más profundo y objetivo
por parte de otros especialistas, se encontraron limitaciones a los
modelos y otros modos de abordar los mismos problemas. Como
alternativa al modelo de media-varianza surgió la programación con
restricciones posibilísticas: en la programación con restricciones
posibilísticas se requiere que los objetivos sean alcanzados
cumpliéndose las restricciones estocásticas como mínimo un
α % de las veces, donde α resulta un apropiado margen de
seguridad para el decisor (Huang, 2006). 77777777777777777
Enmarcado en esta metodología se encuentra el trabajo de Huang
(2006). Debido a la incertidumbre existente, el inversor pue-
de prever el hecho de que el retorno óptimo del portafo-
lio podría no ser realizable hasta cierto punto. Sin embar-
go, para un nivel de confianza dado, considerado como el
margen de seguridad, el objetivo debería lograrse (Huang,
2006). Para el caso del inversor que busca obtener el máximo rendi-
miento y que el mismo sea obtenido con un nivel de credibilidad no
menor a uno predeterminado por él, el autor propone el siguiente
modelo:

103
máx f
 n 
Cr ∑ xi ξ i ≥ f  ≥ α
 i =1 
 n
s.a.∑ xi = 1
i =1
x ≥ 0
 i
i = 1;2;...; n

Donde ξ representa los retornos fuzzy, x i indica la proporción


a invertir en el i-ésimo activo, Cr es una medida de credibilidad y
máx f implica buscar el máximo retorno que se pueda alcanzar para
el nivel de confianza α . Para su resolución el autor propone un algo-
ritmo híbrido inteligente.
Giove, Funari y Nardelli (2006) desarrollan un modelo en el que
consideran el concepto del “arrepentimiento” del inversor. Utilizan
una función similar a la que presentan Inuiguchi y Tanino (2000),
pero la diferencia es que en su trabajo proponen un intervalo para
la regret function y el objetivo es minimizar el límite superior del
mismo.

Fang, Lai y Wang (2006) utilizan conjuntamente el Modelo de de-


cisión de Bellman y Zadeh (1970) y una versión lineal del modelo
de Markowitz para resolver el problema que consiste en reubicar la
riqueza ya invertida en diferentes activos, teniendo en cuenta los
costos de transacción. Consideran tres variables de interés para los
inversores:

104
• Retorno esperado neto, es decir, el retorno esperado luego de
pagar los costos de compra y venta existentes en las operacio-
nes financieras.
• Riesgo, representado por la desviación semiabsoluta esperada.
• Liquidez de los activos, medida con la tasa de rotación que surge
del cociente entre el volumen facturado y el volumen comercia-
lizado de cada activo.
El retorno esperado neto de los costos de transacción es

( ) ( )
n n

∑ ri xi0 + xi+ − xi− − ∑ p xi+ + xi− donde:


i =1 i =1

xi0 es la cantidad que posee el inversor del activo i-ésimo en su


portafolio antes de reestructurarlo
xi+ es la cantidad adquirida de dicho activo
xi− es la cantidad vendida del activo
p es el costo de transacción.
La desviación esperada semiabsoluta es
n n

T ∑ (rit − ri )xi + ∑ (ri − rit )xi


w( x) = ∑ i =1 i =1

t =1 2T

Donde t = 1;; T representa la cantidad de períodos pasados te-


nidos en cuenta en el análisis.
Los autores utilizan números borrosos trapeciales para representar
las distribuciones de posibilidad de las tasas de rotación de los activos
y también usan el concepto de media nítida posibilística introducido

105
por Carlsson y Fullér5 calculada a partir de la siguiente fórmula
n
 la + la 2 j a4 j − a3 j 
E (lˆ( x) = ∑  1 j + x j
j =1  2 6 
~
( )
Donde A j = a1 j ,a2 j ,a3 j , a4 j es un número borroso trapecial.
Si el inversor desea maximizar el retorno, minimizar el riesgo y
mantener un grado de liquidez no menor a l, los autores reflejan
esta situación a través del siguiente modelo de programación lineal
multiobjetivo

∑ r (x ) ( )
n n
máx i
0
i + x − x − ∑ p xi+ + xi−
+
i

i
i =1 i =1
n n

T ∑ (rit − ri )xi + ∑ (ri − rit )xi


mín ∑
t =1
i =1

2T
i =1

 n  la 1 j + la 2 j a4 j − a3 j 
∑  + x j ≥ l
 j =1  2 6 
 + −
s.a.  xi = xi + xi − xi ; i = 1;; n
0

0 ≤ x ≤ u
 i i

0 ≤ xi− ≤ xi0


Luego hacen borroso este problema asignándole una función de
pertenencia de tipo logística al retorno neto esperado, al riesgo y a
la liquidez.

5
Carlsson, C; Fullér, R. (2001). “On possibilistic mean value and variance of fuzzy num-
bers”. Fuzzy Sets and Systems 122, pp.315-326.

106
Lacagnina y Pecorella (2006) diseñan un modelo estocástico lineal
con restricciones borrosas para determinar el portafolio que le per-
mita al inversor hacer frente a sus pasivos en el futuro teniendo en
cuenta diferentes escenarios posibles. Entre las distintas variables
que utiliza este modelo se encuentran la tasa de interés considerada
variable aleatoria, mientras que las relacionadas con los pasivos fu-
turos se modelizan con números borrosos. A su vez las restricciones
dejan de ser fuertes para lograr mayor flexibilidad y de este modo
obtener una mejor representación del contexto.
Huang (2007) presenta dos modelos que tienen en cuenta que los
retornos son aleatorios pero la información disponible es borrosa.
Para esto, utiliza un concepto expuesto por Liu: las variables aleato-
rias borrosas. Una variable aleatoria borrosa es un conjunto
borroso definido sobre un conjunto de variables aleatorias
(Liu, 2002). En estos modelos fuzzy-aleatorios los retornos de los
activos son considerados aleatorios pero con parámetros borrosos. El
primero de ellos es una transformación del modelo de media-varianza
tradicional que utiliza variables aleatorias borrosas para modelizar el
comportamiento de los retornos de los activos:
n
máx E[ ∑xξ ]
i =1
i i

 n

V [ xiξ i ] ≤ a
 i =1
 n

s.a.  xi = 1
 i =1
x ≥ 0
 i

107
Donde ξi representa retornos de los activos y a es el máximo nivel
de riesgo tolerable por el inversor. Este modelo posee una restric-
ción en la varianza, que la limita. Se observa que las consideraciones
acerca del nivel máximo de volatilidad tolerable deberían hacerse en
términos relativos, teniendo en cuenta el nivel de retorno esperado,
es decir, se podría clasificar como riesgoso a un portafolio que puede
no serlo si el retorno del mismo es suficientemente grande. Basándo-
se en esta idea el autor presenta el siguiente modelo:

máx f
  n 

Ch xiξ i ≥ f (α ) ≥ δ
  i =1 
 n


 E[ x ξ ]
 i =1 i i
 n
≥b
s.a. 

V [ xiξ i ]
 i =1
 n

 xi = 1
 i =1
x ≥ 0
 i

Donde Ch es una medida de posibilidad, δ , b, α son los niveles


de posibilidad, de tolerancia y credibilidad prefijados, y máx f im-
plica que el objetivo es hallar el máximo retorno de la inversión que
puede alcanzar para los niveles δ y α establecidos.
En coincidencia con los anteriores, estos modelos se resuelven utili-
zando algoritmos híbridos inteligentes.

108
Zhang y otros autores (Zhang, et al.; 2007) utilizaron conceptos
como media posibilística superior e inferior y varianza posibilística
superior e inferior desarrollados por otros teóricos fuzzy para ha-
cer borroso el modelo de Markowitz. Utilizan números borrosos para
representar los retornos de los activos y desarrollan los siguientes
modelos:

i. Modelo inferior de media-varianza posibilística

min VarL (r ) = x T Cov L x


M LT x ≥ µ
n , donde

s.a. ∑ x i = 1
 i =1
x ≥ L

ML es el vector que contiene las medias posibilisticas inferiores



de cada activo
Cov es la matriz de varianzas y covarianzas inferior
 L

ii. Modelo superior de media-varianza posibilística

min VarU (r ) = x T CovU x


M UT x ≥ µ
 n
 , donde

s.a.  xi = 1
 i =1
x ≥ L

109
MU es el vector que contiene las medias posibilisticas superiores

de cada activo
Cov es la matriz de varianzas y covarianzas superior
 U

Para ambos modelos, L es un vector cuyas componentes indican


un límite mínimo a invertir en cada activo. El vector solución del mo-
delo inferior lo llaman frontera posibilística eficiente inferior y debe
verificar que
T T T
x * Cov L x * ≥ x T Cov L x ∧ M L* x * ≤ M L* x

y el vector solución del modelo superior lo llaman frontera posibilísti-


ca eficiente superior y debe verificar que
T T T
x * CovU x * ≥ x T CovU x ∧ M U* x * ≤ M U* x

El conjunto de todos los portafolios eficientes inferiores


forman la frontera posibilística eficiente inferior, mientras
que el conjunto de todos los portafolios eficientes superiores
forman la frontera posibilística eficiente superior (Zhang, et
al.; 2007).

Conclusión

Sin ser exhaustivos hemos presentado los trabajos que considera-


mos más representativos de los últimos años referidos a la selección
de carteras de inversión enfocados desde una perspectiva fuzzy.

110
Es imposible juzgar cuál es el mejor modelo a aplicar sin un aná-
lisis previo de cada caso en particular y del tipo de información que
contiene.
No obstante, los enfoques basados en la teoría de los conjuntos
borrosos y la teoría de la posibilidad contribuyen a la resolución de
este tipo de problemas dado que incorporan información cualitativa
útil que los datos crisp omiten.
Queda pendiente un análisis crítico de los diferentes modelos y su
contrastación empírica para el fortalecimiento del mismo.

Bibliografía

Arenas Parra, M.; Bilbao Terol, A.; Rodríguez Uría, M.V “A fuzzy
goal programming approach to portfolio selection”. European
Journal of Operational Research 133, pp.287-297, 2001.
Bellman, R. E; Zadeh L. A. “Decision-making in a fuzzy en-
vironment”. Management Science, 17, pp.141-164, 1970.
Buckley, J.J. “The fuzzy mathematics of finance”. Fuzzy Sets
and Systems 21, pp. 257-274, 1987.
Buckley, J. “Portfolio analysis using possibility distributions”.
Systems, Decision and Control, Pergamon Press, New York,
pp.69-76, 1970.
Carlsson, C.; Fullér, R. “Possibilistic approach to selecting
portfolios with highest utility score”. Fuzzy Sets and Systems
131, pp.13-21, 2002.
Casparri, M. T.; Lazzari, L. L.; Loisso, G.; Mouliá, P. I. “Los
Conjuntos Borrosos y su aplicación a la Programación Lineal”.

111
Facultad de Ciencias Económicas, Buenos Aires, 2001.
Dubois, D.; Prade, H. Possibility Theory. Plenum Press, Nueva
York, 1988.
Fullér, R.; Majlender, P. “On weigthed possibilistic mean and
variance of fuzzy numbers”. Fuzzy Sets and Systems 136,
pp.363-374, 2003.
Giove, S.; Funari, S.; Nardelli, C. “An interval portfolio selec-
tion problem based on regret function”. European Journal of
Operational Research 170, pp.253-264, 2006.
Huang, X. “Fuzzy chance-constrained portfolio selection”.
Applied Mathematics and Computation 177, pp.500-507,
2006.
Huang, X. “Two new models for portfolio selection with sto-
chastic returns taking fuzzy information”. European Journal of
Operational Research 180, pp.396-405, 2007.
Huang, Z.; Guo, L. “Capital Allocation by Possibilistic Linear
Programming Approach”. Actuarial Research Clearing House,
Vol. 1. 1996.
Ida, M. “Solutions for the portfolio selection problem with in-
tervals and fuzzy coeficients”. Reliable Computing 10, pp.389-
400. 2004.
Inuiguchi, M.; Tetsuzo, T. “Portfolio selection under indepen-
dent possibilistic information”. Fuzzy Sets and Systems 115,
pp.83-92, 2000.
Kaufmann, A. Introduction a la Theorie des Sous-Ensembles
Flous a L’Usage des Ingenieurs. Masson, S.A., Editeur, Paris,
1973.
Kauffman, A., Gupta, M. Introduction to Fuzzy Arithmetic. In-

112
ternational Thomson Computer Press, New York, 1991.
Klir, G. “On fuzzy-set interpretation of possibility theory”.
Fuzzy sets and systems 108, pp.263-273, 1999.
Lacagnina, V.; Pecorella, A.. “A stochastic soft constraints
fuzzy model for a portfolio selection problem”. Fuzzy Sets and
Systems 157, pp.1317-1327, 2006.
Lai, K.; Wang, J.; Xu, J.; Zhu, S.; Fang, Y.. “A Class of Linear
Interval Programming Problems and Its Application to Portfo-
lio Selection”. IEEE Transactions on Fuzzy Systems, Vol. 10,
Nº. 6, 698-704, 2002.
Lin, C.; Tan, B.; Hsieh, P. “Application of the fuzzy weighted
average in strategic portfolio management”. Decision Scien-
ces, vol. 36, Nº 3, pp.489-511, 2005.
Liu, B.; Liu, Y. (2002) “Expected Value of Fuzzy Variable and
Fuzzy Expected Value Models”. IEEE Transactions on Fuzzy
Systems, vol.10, Nº4, pp.
Liu, B. “Random fuzzy variables and random fuzzy program-
ming”. Technical Report 2001-66, Department of Mathemati-
cal Sciences, Tsinghua University, 2001.
Liu, B.. “Random fuzzy dependent-chance programming and
its hybrid intelligent algorithm”. Information Sciences 141,
pp. 259-271, 2002.
León, T.; Liern, V.; Vercher, E. “Viability of infeasible portfolio
selection problems: A fuzzy approach”. European Journal of
Operational Research 139, pp.178-189, 2002.
Lin, C.; Tan, B.; Hsieh, P. “Application of the fuzzy Weighted
Average in strategic Portfolio Management”. Decision Scien-
ces, vol. 36, Nº 3, 2005.

113
Markowitz, H. “Portfolio Selection”. The Journal of Finance,
vol. 7, Nº 1, 77-91, 1952.
Tanaka, H.; Guo, P. “Portfolio selection based on upper and
lower exponential possibility distributions”. European Journal
of Operational Research 114, pp.115-126, 1999.
Tanaka, H.; Guo, P.; Türksen, B.. “Portfolio selection based
on probabilities and possibility distributions”. Fuzzy Sets and
Systems 111, pp.387-397, 2000.
Tanaka, H.; Guo, P. Possibilistic Data Analysis for Operations
Research. Physica-Verlag Heidelberg, Berlín, 1999.
Watada, J. “Fuzzy Portfolio Selection and its application to
Decision Making”. Tatra Mountains Mathematical Publications
13, pp.219-248, 1997.
Yong Fang, K.; Shou-Yang, W. (2006). “Portfolio rebalancing
model with transaction costs based on fuzzy decision theory”.
European Journal of Operational Research 175, pp.879-893,
2006.
Zadeh, L.A. “Fuzzy sets as a basis for a Theory of Possibility”.
Fuzzy sets and Systems 1, pp.3-28, 1978.
Zhang, W. “Possibilistic mean-standard deviation models to
portfolio selection for bounded assets”. Applied Mathematics
and Computation 189, 1614-1623, 2007.
Zhang, W.; Nie, Z. “On admissible efficient portfolio selec-
tion problem”. Applied Mathematics and Computation 159,
pp.357-371, 2004.
Zhang, W.; Wang, Y.; Chen, Z.; Nie, Z. “Possibilistic mean-
variance models and efficient frontiers for portfolio selection
porblem”. Information Sciences 177, pp.2787-2801, 2007.

114
UN CAMINO PARA DETERMINAR LA
SOLUCION DE MODELOS DINAMICOS LINEALES
BAJO EXPECTATIVAS RACIONALES

Santiago Acosta Ormaechea


Alejo Macaya

Introducción

La introducción del concepto de expectativas racionales (Muth,


1961, Lucas, 1973) o de previsión perfecta (como caso particular,
en un contexto determinístico) introdujo cambios sustanciales en la
forma de obtener la solución particular de un sistema dinámico (ver
por ejemplo Sargent y Wallace, 1973, Blanchard y Kahn, 1980). El
punto central es que, ahora, cierto grupo de variables endógenas
(aquellas sobre las que los agentes forman expectativas) dejan de
tener asignadas condiciones iniciales y sus valores de equilibrio inicial
pasan a ser incógnitas adicionales del problema. Por otro lado, sigue
existiendo un segundo grupo de variables endógenas (sobre las que
los agentes no forman expectativas) cuyos valores iniciales son datos
del problema. Varias posibilidades se abrieron una vez reconocida
la naturaleza del problema: que la solución exista y sea única, que
no exista solución y, finalmente, de que exista pero no sea única
(equilibrios múltiples). Es importante enfatizar que el problema de
resolver un sistema dinámico lineal con condiciones iniciales tiene
siempre solución y esta es única. La diferencia fundamental entre el
enfoque más reciente y el camino tradicional es que el primero puede

115
analizarse como un sistema dinámico con condiciones de contorno
(es decir, condiciones iniciales más terminales) mientras el segundo
como uno con condiciones iniciales.
En este trabajo la solución general del sistema se obtiene a través
del método de variación de las constantes, el cual reduce la cantidad
de cómputos necesarios para expresar dicha solución. En segundo
lugar, se hace uso explicito de las condiciones de contorno para poder
alcanzar (bajo ciertas condiciones) la solución particular del proble-
ma. El camino seguido por Blanchard y Kahn consiste, en cambio,
en resolver hacia adelante (una vez desacoplado el sistema) aque-
llos bloques de la matriz de coeficientes cuyos autovalores son en
módulo superior a la unidad y resolver hacia atrás cuando las raíces
poseen módulo inferior a la unidad; sin utilizar explícitamente dichas
condiciones de contorno. En tercer lugar, la solución del sistema o las
trayectorias dependen del comportamiento (pasado y futuro) de las
variables exógenas o fundamentales, hecho que se discute exten-
samente. Para asegurar que la solución sea finita damos, entonces,
condiciones sobre la tasa de crecimiento de las variables exógenas.

El método

Consideremos el siguiente sistema de ecuaciones en diferencias:


X t + 1 = A ⋅ X t + bt (1)
n×1 n×1 n×n n×1
donde X t ∈ℜ , X t ∈ℜ A ∈ℜ y bt ∈ℜ . Suponemos
que la matriz A tiene rango completo y es diagonalizable o puede
llevarse a una matriz con bloques de Jordan.

116
Vamos a buscar la solución general del sistema a través del mé-
todo de variación de las constantes (Aiub, 1985). Para encontrarla
podemos realizar un cambio de base de manera tal de diagonalizar
o desacoplar el sistema. Llamemos por P a la matriz de cambio
de base formada por los autovectores de A . Esta matriz verifica
P -1 ⋅ A ⋅ P = D .
−1
Con el cambio de base Zt = P ⋅ X t el sistema (1) se transforma
en: Zt + 1 = D ⋅ Zt + P −1 ⋅ bt (2)
La solución del sistema homogéneo es:
Zht = Dt −t0 ⋅ C
El método de variación de las constantes consiste en proponer
como solución del sistema completo una función de la forma:
Z t = D t − t0 ⋅ C t (3),
siendo Ct un vector de funciones a determinar. Luego de reemplazar
en (2) y aplicar sumación resulta:
t −1

C t = C t0 + ∑D
s = t0
−(s + 1 −t0 )
⋅ P −1 ⋅ bs

Reemplazando en (3) obtenemos la solución del sistema diagona-


lizado: t −1

Z t = D t − t0 ⋅ C t0 + ∑
Dt −s −1 ⋅ P −1 ⋅ bs
s = t0
(4)

La solución puede también expresarse en términos de las variables


−1
originales a partir del cambio de variables inicial, Zt = P ⋅ X t :
t −1

Xt = P ⋅ D t − t0
⋅ C t0 + ∑P ⋅D
s = t0
t −s −1
⋅ P −1 ⋅ bs
(5)

117
o, en términos de la matriz de coeficientes del sistema:

t −1

X t = A t −t0 ⋅ C′t0 + ∑A
s = t0
t −s −1
⋅ bs

donde C′t0 ≡ P ⋅ Ct0 . Notemos que si el problema es de condiciones


iniciales (estos es, X t0 = X 0 ), entonces la solución se puede escribir
como: t −1

X t = A t − t0 ⋅ X 0 + ∑A
s = t0
t −s −1
⋅ bs

El valor corriente del vector X t es igual a la “capitalización” del


valor inicial más la suma ponderada de todos los valores pasados de
las variables exógenas.

El problema de previsión perfecta

Consideremos el siguiente problema con condiciones de contorno:

 Us+1   U s   b1,s 
 e  = A ⋅   + b  , s ∈ {t0 , t0 + 1,  , t − 1, t , t + 1,  , T }
 Vs + 1   Vs   2 ,s 
U t0 = U 0
Vt =T = VT

La distinción que hacemos en el vector de variables endógenas se


debe a que es usual encontrar en las aplicaciones económicas un
grupo de variables que tienen asignadas condiciones iniciales (pen-

118
semos, por ejemplo, en cantidades físicas de bienes) mientras que
otro grupo de variables (por ejemplo, precios de activos) no tienen
asignadas condiciones iniciales; sino que, por el contrario, sus valores
iniciales constituyen incógnitas adicionales del problema. El primer
tipo de variables reciben el nombre de “variables predeterminadas”
en tanto el segundo de “variables salto”. Con el objetivo de poder
llegar a determinar una solución particular del problema vamos a su-
poner entonces que las variables salto deben verificar una condición
terminal. Las condiciones iniciales más las condiciones terminales im-
plican que el problema sea de condiciones de contorno.
En lo que sigue asumimos que el número de variables predetermi-
nadas es igual a p en tanto el número de variables salto igual a q ,
con p + q = n . La hipótesis de previsión perfecta significa que: (i)
Vse+ 1 = Vs + 1 , es decir, las expectativas de los agentes coinciden con
la predicción de la teoría (ii) los agentes conocen el modelo y (iii)
poseen información sobre todo el comportamiento pasado, corriente
y futuro de las variables fundamentales. Blanchard y Kahn (1980)
demostraron que la existencia y unicidad de la solución requiere que
el número de variables predeterminadas coincida con el número de
autovalores, de la matriz A , con módulo inferior a uno. Para obtener
la solución es conveniente trabajar con un sistema particionado de la
siguiente manera:

 P11 P12  −1 B11 B12  D1 0 


P≡  , P ≡  , D≡ ,
P21 P22  B21 B22  0 D 2 
 b1,t 
bt ≡  ,
 b 2 ,t 
119
p× p p×q q× p q ×q p× p
donde P11 ∈ℜ , P12 ∈ℜ , P21 ∈ℜ , P22 ∈ℜ , D 1 ∈ℜ ,
D 2 ∈ℜq×q , b1,t ∈ℜ p×1 y b2 ,t ∈ℜq×1 .

Si el período final se prolonga indefinidamente vamos a suponer


que la última condición de borde cambia por esta otra:
limT →+∞ B−221 ⋅ D 2 − (T − t0 ) ⋅ P22−1 ⋅ VT = 0 (a)

En el contexto de un problema de optimización intertemporal esta


condición se conoce como “condición de transversalidad”. El límite
está indicando que las variables salto no pueden crecer a una tasa
superior o igual al de la mínima raíz con módulo superior a la unidad.
Por otro lado, e independientemente de la condición anterior, debe-
mos suponer también para que la solución fundamental sea finita o
acotada que: T −1
limT →+∞ D 2 −(T −t0 ) ⋅ P22−1 ⋅ ∑ P21 ⋅ D1T −s −1 ⋅ (B11 ⋅ b1,s + B12 ⋅ b2 ,s ) = 0
s = t0
(b)
Esta condición implica que las variables fundamentales no pueden
crecer a una tasa superior a las raíces con módulo mayor a uno.
La solución general del sistema viene dada por (5):
t −1
 Ut  t − t0
 V  = P ⋅ D ⋅ C t0 +
 t
∑P ⋅D
s = t0
t −s −1
⋅ P −1 ⋅ bs ,

Las constantes quedan determinadas a partir de las condiciones ini-


ciales y terminales del problema. Evaluando la solución en el período
inicial obtenemos:

120
 U0 
 V  = P ⋅ C t0
 t0  ,
y reemplazando en la solución:

 Ut  −1 
U0  t −1
t − t0
 V  = P ⋅ D ⋅ P ⋅ V  +
 t  t0 
∑P ⋅D
s = t0
t −s−1
⋅ P −1 ⋅ bs (6)

Finalmente, queda por determinar el vector Vt0 a partir de las


condiciones finales. Evaluando la solución para el vector de variables
salto en t = T y utilizando el producto de matrices particionadas
resulta:
VT = (P21 ⋅ D1T − t0 ⋅ B11 + P22 ⋅ D 2T − t0 ⋅ B21 )⋅ U 0 + (P21 ⋅ D1T − t0 ⋅ B12 + P22 ⋅ D 2T − t0 ⋅ B22 )⋅ Vt0 +
T −1

+ ∑ P
s = t0
21 ⋅ D1T − s − 1 ⋅ (B11 ⋅ b1, s + B12 ⋅ b2 , s ) + P22 ⋅ D 2T − s − 1 ⋅ (B21 ⋅ b1, s + B22 ⋅ b2 , s )

Despejando Vt0 , tomando límite para T → +∞ , aplicando las con-


diciones (a) y (b) obtenemos (ver apéndice A.2):
+∞

Vt0 = −B−221 ⋅ B21 ⋅ U 0 − B−221 ⋅ ∑ D


s = t0
2
−(s + 1−t0 )
⋅ (B21 ⋅ b1,s + B22 ⋅ b2 ,s )

Reemplazando en (6) llegamos a la solución particular del proble-


ma:
 U0  t −1
 Ut  −1  
 t
t −t 0
 V  = P ⋅ D ⋅ P ⋅  −B−1 ⋅ B ⋅ U − B−1 ⋅
 22 21 0 22 ∑
+∞

D2 −(s +1−t0 )
⋅ (B21 ⋅ b1,s + B22 ⋅ b2 ,s )

+ ∑P ⋅D
s = t0
t −s −1
⋅ P −1 ⋅ bs
 s = t0 

O, en términos de los bloques del sistema resulta:

121
 +∞ 
Ut = P11 ⋅ D1t − t0 ⋅ P11−1 ⋅ U 0 − B12 ⋅ B22

−1

s = t0

D 2− (s + 1 − t0 ) ⋅ (B21 ⋅ b1, s + B22 ⋅ b2 , s ) +

t −1 +∞

+ P11 ⋅ ∑
s = t0
D(1t − s − 1) ⋅ (B11 ⋅ b1, s + B12 ⋅ b2 , s ) − P12 ⋅ ∑D
s =t
− (s + 1 − t )
2 ⋅ (B21 ⋅ b1, s + B22 ⋅ b2 , s )

(7)
 +∞ 
Vt = P21 ⋅ D1t − t0 ⋅ P11−1 ⋅ U 0 − B12 ⋅ B22

−1

s = t0

D 2− (s + 1 − t0 ) ⋅ (B21 ⋅ b1, s + B22 ⋅ b2 , s ) +

t −1 +∞

+ P21 ⋅ ∑D
s = t0
(t − s − 1)
1 ⋅ (B11 ⋅ b1, s + B12 ⋅ b2 , s ) − P22 ⋅ ∑D
s =t
− (s + 1 − t )
2 ⋅ (B21 ⋅ b1, s + B22 ⋅ b2 , s )

(8)
Estas expresiones son semejantes a las que pueden obtenerse
aplicando el método de factorización de operadores (ver, por ejem-
plo, Sargent, 1987). Notemos que las soluciones quedan expresadas
como una suma ponderada de los comportamientos pasados y futu-
ros de las variables fundamentales en tanto el término entre corche-
tes muestra la “discrepancia” inicial de las variables predeterminadas.
Como en la matriz D1 se encuentran los autovalores de módulo
inferior a uno, en la suma hacia el pasado esta matriz otorga mayor
ponderación a los valores del pasado reciente. De la misma manera
en la suma hacia el futuro la matriz D 2 descuenta los valores de las
variables fundamentales en el futuro.
Notemos entonces que en este tipo de soluciones tanto el pasado
como el futuro (esperado) importan para determinar el valor corrien-
te de las variables endógenas (tradicionalmente esto no era asi: la
causalidad iba del pasado hacia el presente). Es interesante remarcar
también que si bien a partir del enfoque de expectativas racionales

122
se puede dar una respuesta formal a cómo la visión sobre el fu-
turo influyen sobre los valores de equilibrio corrientes; en Keynes
(1936) o Hicks (1939) pueden encontrar referencias sobre cómo las
decisiones de los agentes están influenciadas por las percepción so-
bre acontecimientos futuros1. Por otro lado, las fórmulas (7) y (8)
pueden interpretarse a partir de la definición de Keynes (1936) de
“equilibrio móvil”: los valores de equilibrio pueden modificarse de
acuerdo al comportamiento de las variables exógenas pero todo el
comportamiento futuro está previsto desde el comienzo.

Una aplicación: determinación del precio de un activo

El precio de una acción puede determinarse a partir de una condición


de ausencia de arbitraje (ver, por ejemplo, Blanchard y Fischer, cap.
5, 1989):

pte+ 1 − pt dt
+ =r
pt pt ,
1
La concepción de que de alguna manera el futuro determina el presente no es nueva o
atribuible exclusivamente a la literatura que originó la hipótesis de expectativas racionales.
Keynes, por ejemplo, al discutir la división de la economía entre teoría de la industria y de
la distribución, por un lado, y teoría de la producción y ocupación en conjunto, por la otra,
sugirió que la división también podría realizarse entre una teoría del equilibrio estacionario
y otra teoría del equilibrio móvil. Por esta última aludía a “un sistema en que los puntos
de vista cambiantes acerca del futuro son capaces de influir en la situación presente” o…
una economía que cambia pero en le que todas las cosas se prevén desde el principio”
[Keynes, 1936, cap. 21]. Sin embargo, en ningún caso llevó su análisis hasta realizar los
tres supuestos de la hipótesis de expectativas racionales. Hicks también consideró este
tipo de cuestiones. Por ejemplo, decía “Tiene importancia capital darse cuenta de que las
decisiones de los empresarios de comprar y vender (….) forman casi siempre parte de un
sistema de decisiones que no está limitado por el presente, sino que hace referencia a
acontecimientos futuros…” [Hicks, 1939, caps. IX y XVI].

123
donde r es el rendimiento de un activo libre de riesgo, pt el precio
e
de la acción y pt + 1 el precio esperado para el próximo período.
e
Suponemos previsión perfecta: pt + 1 = pt + 1 . El conjunto de información
comprende toda la secuencia futura de dividendos y de la tasa libre
de riesgo. Supongamos además que los dividendos siguen el proceso
autorregresivo siguiente:

dt + 1 = ρ ⋅ dt + ut + 1 , ρ <1
El sistema puede escribirse entonces como:

 dt + 1   ρ 0   dt  ut + 1 
 p  =  −1 R  ⋅  p  +  0 
 t +1     t  ,
donde R ≡ 1 + r . Notemos que los dividendos son una variable
predeterminada mientras el precio de la acción una variable “salto”.
De acuerdo con las matrices definidas en la sección previa tenemos
aquí:

0  B =  (R − ρ )
−1
 ρ 0 R − ρ 0
A= P= 
 1   − (R − ρ )
−1
1 
 −1 R  ,  1 , ,

ρ 0
D=
0 R 

Y las condiciones de contorno siguientes:


dt0 = d0
 −(T −t0 )
limT →+∞ R ⋅ pT = 0

124
Las soluciones vienen dadas por (7) y (8):
t −1

dt = ρ t ⋅ d0 + ∑ρ
s =0
t − 1− s
⋅ us + 1

1  t 
t −1 +∞

pt = ⋅  ρ ⋅ d0 +
R − ρ  ∑s =0
ρ t − 1− s
⋅ us + 1 + ∑
s =t
Rt −1−s ⋅ us + 1 


El problema de expectativas racionales

Consideremos ahora la versión estocástica del sistema anterior:


 Us+1   U s   b1,s 
 e  = A ⋅   + b 
 Vs + 1   Vs   2 ,s  , s ∈ {t0 , t0 + 1,  , t − 1, t , t + 1,  , T }

donde los valores que adoptan las variables exógenas, b1,s y b2 ,s ,


son conocidos con certeza desde el punto de vista de cualquier período
s ≤ t (interpretamos a t como el período corriente). En cambio, sus
posibles valores en períodos futuros son variables aleatorias cuya
distribución se asume conocida. El valor del vector Vt en un período
e
siguiente al corriente, Vt + 1 , es esperado: Vt + 1 . Suponemos que
e
las expectativas son racionales2 (Muth, 1961): Vs + 1 = E Vs + 1 I s , ( )
2
Las expectativas son racionales cuando las expectativas de los agentes (en este caso,
inicialmente, resumidas en V e ) coinciden con la predicción de la teoría (es decir, aquella
s+ 1
que realizaría un analista).

125
donde E (⋅ I s ) es la esperanza matemática condicionada al conjunto
de información disponible en s , I s .
Para determinar una solución particular del problema vamos a fijar
las siguientes condiciones de contorno en cada período t :
U s =t = U t
−1
limT →+∞ B22 ⋅ D 2 −(T −t ) ⋅ P22−1 ⋅ E (VT It ) = 0 , t = t0 , t0 + 1, 

Para que la solución fundamental sea acotada asumimos también


que en valor medio las variables exógenas no crecen a una tasa
superior al de la mínima raíz con módulo mayor a la unidad:

T −1
( )
limT →+∞ D 2 −(T −t ) ⋅ P22−1 ⋅ ∑ P21 ⋅ D1T −s −1 ⋅ E B11 ⋅ b1,s + B12 ⋅ b2 ,s I t = 0
s =t

Notemos que tomando esperanza matemática sobre el sistema


inicial resulta:
E (U s + 1 I s ) (
E (U s I s )  E b1,s I s  )
  = A⋅ + 
 E (Vs + 1 I s )  E (Vs I s ) E b2 ,s I s 
( )
,
Cuya solución general viene dada por:
s −1
 Us  s −t
V  = P ⋅D ⋅C +
 s
∑P ⋅D
τ =t
s − 1−τ
⋅ P −1 ⋅ bτ

Evaluemos la solución en s = t :
 Ut 
V  = P ⋅C
 t

126
La condición inicial sobre el vector Ut permite determinar las
primeras p constantes del vector C .
Fijando s = T y tomando esperanza matemática condicionada al
conjunto de información de t :

E (UT It ) T −1


T −t
 = P ⋅D ⋅C +
 E (VT It )
∑P ⋅D
τ =t
T − 1−τ
⋅ P −1 ⋅ E (bτ It )
,

realizando los mismo pasos que en la sección anterior:

E (VT I t ) = (P21 ⋅ D1T −t ⋅ B11 + P22 ⋅ D 2T −t ⋅ B21 )⋅ Ut + (P21 ⋅ D1T −t ⋅ B12 + P22 ⋅ D 2T −t ⋅ B22 )⋅ Vt +
T −1
+∑ P
τ =t
21 ( ) (
⋅ D1T −τ −1 ⋅ E B11 ⋅ b1,τ + B12 ⋅ b2 ,τ I t + P22 ⋅ D 2T −τ −1 ⋅ E B21 ⋅ b1,τ + B22 ⋅ b2 ,τ I t 
 )

Despejando Vt , tomando límite para T → +∞ obtenemos:

+∞
−1
Vt = −B ⋅ B21 ⋅ Ut − B ⋅
22
−1
22 ∑ D
τ =t
2
−(τ + 1−t )
(
⋅ E B21 ⋅ b1,τ + B22 ⋅ b2 ,τ It 
 )
El sistema original con el supuesto de expectativas racionales y
particionando la matriz A puede escribirse como:

 Ut + 1   A 11 A 12   Ut   b1,t 
 = ⋅ +
E (Vt + 1 It ) A 21 A 22   Vt  b2 ,t 
+∞
Ut +1 = (A 11 − A 12 ⋅ B22
−1
⋅ B21 )⋅ Ut − A 12 ⋅ B−221 ⋅ ∑ D
τ =t
2
−(τ +1−t )
( )
⋅ E B21 ⋅ b1,τ + B22 ⋅ b2 ,τ I t  + b1,t

127
−1
Teniendo presente que P11 ⋅ D1 ⋅ P11 −1
= A 11 − A 12 ⋅ B22 ⋅ B21 ( )
resulta:
+∞
Ut + 1 = P11 ⋅ D1 ⋅ P11−1 ⋅ Ut − A 12 ⋅ B−221 ⋅ ∑ D
τ =t
2
− (τ + 1 − t )
(
⋅ E B21 ⋅ b1, s + B22 ⋅ b2 , s I t  + b1,t
 )

Esta es una ecuación en diferencias en el vector de variables


predeterminadas (ver ecuación 2 de Blanchard y Kahn). Su solución
es:

t −1 +∞
Ut = P11 ⋅ Dt1−t0 ⋅ P11−1 ⋅ U 0 − ∑P
s=t0
11 ⋅ Dt1−s−1 ⋅ P11−1 ⋅ A 12 ⋅ B−221 ⋅ ∑ D
v =s
2
−(v +1−s )
( )
⋅ E B21 ⋅ b1,v + B22 ⋅ b2 ,v I s  +

t −1
+ ∑P
s =t0
11 ⋅ Dt1−s−1 ⋅ P11−1 ⋅ b1,s

(7’)
t −1 +∞
Vt = P21 ⋅ Dt1−t0 ⋅ P11−1 ⋅ U 0 + ∑P
s=t0
21 ⋅ Dt1−s−1 ⋅ P11−1 ⋅ A 12 ⋅ B−221 ⋅ ∑ D
v =s
2
−(v +1−s )
( )
⋅ E B21 ⋅ b1,v + B22 ⋅ b2 ,v I s  +

t −1 +∞
+∑P s=t0
21 ⋅ Dt1−s−1 ⋅ P11−1 ⋅ b1,s − B−221 ⋅ ∑ D
s=t
2
−(s+1−t )
(
⋅ E B21 ⋅ b1,s + B22 ⋅ b2 ,s I t 
 )

(8’)

Estas soluciones son equivalentes a las obtenidas por Blanchard y


Kahn. Es interesante dar una interpretación sobre las dobles sumatorias
que aparecen en estas expresiones. Esto es una consecuencia directa
de la presencia de un conjunto de información que varía con el
tiempo. La suma sobre v es el valor presente descontado hasta s del
comportamiento futuro esperado para las variables fundamentales.

128
Por otro lado, la suma sobre s , que va desde t0 hasta t − 1 , da un
promedio de estos valores descontados desde diferentes puntos en
el pasado. Por lo tanto, toda la expresión es un promedio ponderado
visto desde t0 hasta t − 1 del valor descontado de de los valores
esperados para las variables fundamentales.

Aplicación: la determinación del precio de un activo

En un contexto estocástico y con agentes neutrales al riesgo el


precio de una acción se puede determinar haciendo su rendimiento
esperado igual al de un activo libre de riesgo:

E (pt + 1 I t )− pt dt
+ =r,
pt pt

Suponemos que los dividendos siguen un proceso auterregresivo


de primer orden:
dt + 1 = ρ ⋅ dt + ut + 1 , ρ < 1,
donde ut + 1 es una variable aleatoria con media y varianza conocida.

pte+ 1 = E (pt + 1 I t )

La solución para el precio viene dada de acuerdo con (8’) por:

1  t − t0 
t −1 +∞
pt = ⋅  ρ ⋅ d0 +
R−ρ 

∑s = t0
ρ t −s −1
⋅ us + 1 + ∑
s =t
R −(t −s −1) ⋅ E (us + 1 It )


129
Conclusiones

En este trabajo mostramos que el método de variación de las


constantes puede aplicarse para resolver un sistema dinámico discreto
con expectativas racionales. Una ventaja de este método con respecto,
por ejemplo, al de sustitución recursiva es que reduce la cantidad de
cómputos necesarios para obtener la solución final. Por otro lado,
mostramos que, para obtener una solución particular, el problema de
expectativas racionales puede resolverse matemáticamente como un
sistema dinámico con condiciones de contorno. Finalmente, dimos
condiciones suficientes para que la solución de equilibrio sea finita o
acotada.

130
Apéndice

A.1 Método de variación de las constantes

Consideremos el sistema X t + 1 = A ⋅ X t + bt . Reemplacemos la


-1
matriz A por P ⋅ D ⋅ P :

X t + 1 = P ⋅ D ⋅ P -1 ⋅ X t + bt ,
−1 −1
Premultiplicando por P y llamando Zt = P ⋅ X t resulta:

P −1 ⋅ X t + 1 = D ⋅ P -1 ⋅ X t + P −1 ⋅ bt ,
es decir:

Zt + 1 = D ⋅ Zt + P −1 ⋅ bt (9)

Buscamos primero la solución del sistema homogéneo asociado


Zht+1 = D ⋅ Zht ; ésta viene dada por:
Zth = Dt − t0 ⋅ C
La solución del sistema completa se busca proponiendo3:

Z t = D t − t0 ⋅ C t (10)

Reemplazando en (2) obtenemos:

∆Ct = D −(t + 1−t0 ) ⋅ P −1 ⋅ bt ,


Notemos que si aplicamos sumación sobre la ecuación anterior
podemos llevar el término del lado derecho a una suma telescópica:

3
Este es un método bastante utilizado en sistemas de ecuaciones diferenciales. En Aiub
(1985) puede encontrarse la aplicación de éste para resolver ecuaciones en diferencias
finitas.

131
t −1 t −1

∑ ∆C = ∑ D
s = t0
s
s = t0
−(s + 1−t0 )
⋅ P −1 ⋅ bs
,

de aquí obtenemos que el vector buscado es:

t −1

C t = C t0 + ∑D
s = t0
−(s + 1 −t0 )
⋅ P −1 ⋅ bs ,

y reemplazando en (10) alcanzamos (4):

t −1

Zt = D t − t0
⋅ C t0 + ∑D
s = t0
t − t0
⋅ D −(s + 1−t0 ) ⋅ P −1 ⋅ bs ,

A.2 El problema de previsión perfecta: solución particular

Recordemos aquí la condición terminal sobre el vector de variables


salto:

VT = (P21 ⋅ D1T − t0 ⋅ B11 + P22 ⋅ D 2T − t0 ⋅ B21 )⋅ U 0 + (P21 ⋅ D1T − t0 ⋅ B12 + P22 ⋅ D 2T − t0 ⋅ B22 )⋅ Vt0 +
T −1

+ ∑ P
s = t0
21 ⋅ D1T − s − 1 ⋅ (B11 ⋅ b1, s + B12 ⋅ b2 , s ) + P22 ⋅ D 2T − s − 1 ⋅ (B21 ⋅ b1, s + B22 ⋅ b2 , s )

Este es un sistema de ecuaciones en Vt0 . Despejando Vt0


obtenemos:

132
Vt0 = (P21 ⋅ D1T − t0 ⋅ B12 + P22 ⋅ D 2T − t0 ⋅ B22 ) ⋅ VT −
−1

− (P21 ⋅ D1T − t0 ⋅ B12 + P22 ⋅ D 2T − t0 ⋅ B22 ) ⋅ (P21 ⋅ D1T − t0 ⋅ B11 + P22 ⋅ D 2T − t0 ⋅ B21 )⋅ U 0 −
−1

T −1

− (P21 ⋅ D1T − t0 ⋅ B12 + P22 ⋅ D 2T − t0 ⋅ B22 ) ⋅ ∑ P ⋅ D1T − s − 1 ⋅ (B11 ⋅ b1, s + B12 ⋅ b2 , s )
−1
21
s = t0
T −1

− (P21 ⋅ D1T − t0 ⋅ B12 + P22 ⋅ D 2T − t0 ⋅ B22 ) ⋅ ∑ P ⋅ D 2T − s − 1 ⋅ (B21 ⋅ b1, s + B22 ⋅ b2 , s )
−1
22
s = t0

Para determinar este vector cuando el horizonte es infinito evaluamos


le lado derecho para T → +∞ . Recordemos que en la matriz D 1
están las raíces con módulo inferior a uno. Aplicando propiedades del
límite del producto y suma de funciones obtenemos:

Vt0 = limT →+∞ (P22 ⋅ D 2T − t0 ⋅ B22 ) ⋅ VT −


−1

− limT →+∞ B−221 ⋅ D 2 − (T − t0 ) ⋅ P22−1 ⋅ (P22 ⋅ D 2T − t0 ⋅ B21 )⋅ U 0 −


T −1

− limT →+∞ B−221 ⋅ D 2 − (T − t0 ) ⋅ P22−1 ⋅ ∑ P


s = t0
21 ⋅ D1T − s − 1 ⋅ (B11 ⋅ b1, s + B12 ⋅ b2 , s )

T −1

− limT →+∞ B−221 ⋅ D 2 − (T − t0 ) ⋅ P22−1 ⋅ ∑ P 22 ⋅ D 2T − s − 1 ⋅ (B21 ⋅ b1, s + B22 ⋅ b2 , s )


s = t0
,
ordenando términos y simplificando:

−1
Vt0 = limT →+∞ B22 ⋅ D 2 − (T − t0 ) ⋅ P22−1 ⋅ VT −
−1
− limT →+∞ B22 ⋅ B21 ⋅ U 0 −
T −1
−1
− limT →+∞ B22 ⋅ D 2 − (T − t0 ) ⋅ P22−1 ⋅ ∑ P
s = t0
21 ⋅ D1T − s − 1 ⋅ (B11 ⋅ b1, s + B12 ⋅ b2 , s )

T −1
−1
− limT →+∞ B22 ⋅ ∑ D
s = t0
2
− (s + 1 − t0 )
⋅ (B21 ⋅ b1, s + B22 ⋅ b2 , s )

133
Aplicando las condiciones de contorno y de convergencia de la suma
ponderada de variables fundamentales, que aquí recordamos:

limT →+∞ B−221 ⋅ D 2 − (T − t0 ) ⋅ P22−1 ⋅ VT = 0 (a)

(b)

T −1

limT →+∞ D 2 −(T −t0 ) −1


⋅P ⋅
22 ∑ P
s = t0
21 ⋅ D1T −s −1 ⋅ (B11 ⋅ b1,s + B12 ⋅ b2 ,s ) = 0

(b)

obtenemos:

+∞
−1
Vt0 = −B 22 ⋅ B21 ⋅ U 0 − B 22 ⋅ −1
∑D
s = t0
2
−(s + 1−t0 )
⋅ (B21 ⋅ b1,s + B22 ⋅ b2 ,s )

Esta expresión coincide con la obtenida en Blanchard y Kahn


(función 3).

Bibliografía

Aiub, A. Ecuaciones en Diferencias Finitas, Editorial El Coloquio,


Buenos Aires, 1985.
Blanchard, O.J. y S. Fischer. Lectures on Macroeconomics.
MIT Press, Cambridge, Massachussets, 1989.
Blanchard, J.O. y Kahn, C.M. The Solution of Linear Difference

134
Models Under Rational Expectations, Econometrica 48 (Julio):
1305-1311, 1980.
Hicks, J.R. Valor y Capital. Tercera edición en español, Fondo
de Cultura Económica, México, 1939.
Keynes, J.M. Teoría general de la ocupación, el interés y el
dinero, Primera reimpresión, Fondo de Cultura Económica, Ar-
gentina, 1936.
Lucas, R.E. Some International Evidence on Output-Inflation
Tradeoffs, American Economic Review, 63, No. 3 (junio): 326-
334, 1973.
Muth, J.F. Rational Expectations and the Theory of Price Move-
ments, Econometrica 29 (Julio): 315-335, 1961.
Sargent, T. Macroeconomic Theory, 2nd. Edition, Academic
Press, Orlando, Florida, 1987.
Sargent, T y N. Wallace. The Stability of Models of Money and
Growth with Perfect Foresight, Econometrica 41 (Noviembre):
1043-48, 1973.

135
Experience Rating

Esteban Cervetto
Cristina Meguinasso

Introducción a la tarificación según experiencia

Concepto

Un problema universal en la tarificación es el hecho de que la base


estadística es a menudo escasa, incierta y a veces casi inexistente.
Conocer anticipadamente cuál es la propensión de un riesgo a si-
niestrarse es una situación por lo demás ideal a la hora de tarificar, y
es este el quid de la cuestión: una compañía de seguros no conoce
siquiera qué tipo de riesgo está asegurando.
Es por ello que se hace necesario buscar el equilibrio en la masa a
través de la ley de los grandes números. Un número cada vez ma-
yor de unidades aseguradas de similares características hará que se
estabilice la frecuencia siniestral del grupo dentro de un rango que
permita existir la actividad aseguradora. Pero para ello es necesario
lograr una cierta homogeneidad en los riesgos.
Se hace necesario como primer paso segregar los riesgos por carac-
terísticas visibles que se sepa previamente qué efecto tendrá sobre
su futura siniestralidad, así por ejemplo, la edad y la zona de manejo
en los conductores titulares de un seguro de casco de automóviles.
La cartera total se subdivide en clases, y para cada una de ellas se
presume un comportamiento siniestral diferente. Este proceso, con-

137
juntamente con la estimación de las tasas de cada una de las clases
se denomina Ratemaking.
No obstante, pueden seguir apareciendo enormes diferencias en la
propensión al riesgo dentro de cada una de las clases. Por lo tanto,
algunas pólizas pueden estar recibiendo una tasa excesiva (o por
debajo) al valor real intrínseco que le correspondería. Esto genera
problemas tanto de equilibrio técnico como comerciales.
Para aliviar este problema se han desarrollado métodos que pro-
porcionan correcciones individuales a posteriori a las tasas inicia-
les, fundamentándose en la historia siniestral propia del riesgo. Este
conjunto de métodos son parte de lo que se denomina tarificación
según experiencia o Experience Rating.
La tarificación según experiencia es adecuada para pólizas relati-
vamente grandes donde ocurren siniestros pequeños permanente-
mente. Ejemplos de ello son los accidentes personales o la flotilla de
vehículos de una empresa. Tradicionalmente se ha considerado que
el seguro de accidentes de trabajo corresponde a este método.
La tarificación según experiencia es una de las disciplinas más es-
tudiadas dentro de la rama de seguros patrimoniales. Así se ha desa-
rrollado el tema en la Casual Actuarial Society, que ha recibido desde
sus inicios hasta ahora importantes contribuciones de sus miembros,
y es sobre las cuales se ha basado este trabajo.

Definición y objeto

El término Experience Rating como el mismo prescribe, se define


como aquel conjunto de procedimientos utilizados para de-

138
terminar una tarifa individualizada a un riesgo particular, en
base a su propia experiencia siniestral.
Definimos también plan de tarifa como el conjunto de definicio-
nes, reglas, fórmulas y formularios necesarios para aplicar la meto-
dología de Experience Rating.
La tarifa a la que se le halla aplicado el proceso de Experience
Rating la llamaremos tarifa modificada, y al ratio entre la esta
tarifa y la tarifa manual de la clase a la que pertenece el riesgo será
la modificación de la tarifa o MOD.
El objetivo principal de la tarificación según experiencia es la de-
terminación justa y equitativa de las tarifas individuales.
Queremos decir con justa a la aplicación de un mismo método de
tarifación a todos los riesgos, y con equitativa el que la tarifa modifi-
cada a proponer deberá alcanzar para que el riesgo asegurado pague
su propio costo en el largo plazo.
El objetivo secundario de la tarificación según experiencia es la
competencia entre las aseguradoras por los clientes. Experience Ra-
ting, a diferencia de Ratemaking, es una fase muy visible para el ase-
gurado en la tarificación. Cada asegurado tiene una presunción de lo
que considera una tarifa justa, y lo ponderará en función a su propia
experiencia. La antiselección puede constituir un problema en los
casos en los que se aplican tarifas de nivel general para unidades de
riesgo para las que el asegurado (o los competidores) podría evaluar
si es justo el precio que se les está cobrando. Estos asegurados que
estén pagando una tasa excesiva tenderán a migrar a otras compa-
ñías que les ofrezcan una menor tarifa, mientras que los asegurados
que pagan una tarifa por debajo de lo necesario tenderán a quedar-

139
se. Se produce así una descompensación en la cartera conduciendo
a resultados insuficientes, aunque las tarifas sean correctas como
tasas promedio.
También es conveniente desde el punto de vista de prevención de
riesgos. El asegurado, al saber que su tarifa está condicionada a su
propia siniestralidad, estará incentivado a reducir sus costos imple-
mentando medidas de seguridad para sus empleados. Con una inver-
sión pequeña se puede reducir considerablemente los accidentes de
trabajo, lo cual potencia aún más la prevención.

Ámbito de aplicación

La tarificación según experiencia se basa en la existencia de varia-


bilidad en el grado de aversión al riesgo dentro de las clasificaciones
o grupos. Su objeto es mesurar dicha variación en cada unidad de
riesgo. Si la variación en el grupo fuera propia de los factores con que
se hizo la clasificación y cada uno de ellos afecta a los riesgos en igual
grado, entonces se considera puramente fortuita y no habría lugar
para aplicar Experience Rating; sería imposible reclasificar en grupos
más homogéneos.
Sin embargo, por lo general varios factores afectan simultánea-
mente a los riesgos en diferente grado. Pueden existir varios facto-
res que no puedan ser reconocidos a priori hasta tanto sean experi-
mentados. Es en este ámbito donde tiene sentido aplicar Experience
Rating, allí donde exista una importante variación entre riesgos y
exista una considerable experiencia siniestral de los riesgos indivi-
duales.

140
La dificultad principal con este sistema de tarificación es conseguir
riesgos con una importante historia siniestral que pueda lograr una
tarifa individual estadísticamente confiable. Particularmente, los ramos
en que resulta menos aplicable Experience Rating son aquellos con
baja frecuencia siniestral y existencia de siniestros extraordinarios.
El ramo de riesgos de trabajo se lo considera ideal para este tipo de
prácticas. Una póliza de riesgos de trabajo consiste en la cobertura
de los accidentes laborales que puedan producirse sobre la nómina
de trabajadores del empleador que la solicitó. En este tipo de póli-
zas ocurren pequeños siniestros permanentemente, lo que produce
una importante experiencia siniestral con pocos años de suscripción.
Como los programas de prevención de riesgos que realiza una em-
presa dependen mucho de factores subjetivos tales como la iniciativa
del management y la concientización de la fuerza laboral, resulta im-
posible reconocerlos a través de una clasificación previa. El éxito de
la tarificación según experiencia es su capacidad de reconocer tales
diferencias con procedimientos prácticos.

Experience Rating y la teoría de la credibilidad

Existen varias maneras de integrar la información propia de un ase-


gurado como parte del cálculo de su tarifa. El paradigma elegido en
este trabajo será basado en la teoría de la credibilidad.
La teoría de la credibilidad nació para responder a la siguiente pre-
gunta: ¿Cuánta de la diferencia entre la experiencia de un asegurado
y la experiencia media del grupo es debida al azar y cuánta es debida
a que este asegurado posee una propensión al riesgo diferente a la

141
del grupo?, en otras palabras, ¿cuán creíble es la experiencia del ase-
gurado para la identificación de su propensión al riesgo?
La teoría de la credibilidad es conveniente para Experience Rating
porque permite cumplir con su objetivo principal y secundario.
El principal fuerte de la credibilidad es su capacidad para combinar
fuentes de información. Con el objeto de lograr una estimación más
confiable, se puede combinar la limitada información actual con otro
tipo de información, como ser la siniestralidad histórica de la clase
industrial a la que pertenece el riesgo, o información paralela de otras
fuentes ajenas a nuestra base de datos.
Desde una perspectiva estadística, la teoría de la credibilidad es
contraindicada
Si consideramos una unidad de riesgo con una propensión al riesgo
θ diferente del resto de los asegurados, la teoría estadística clásica
1

nos diría que la mejor estimación de θ se conseguiría utilizando la


información muestral disponible generada por la misma unidad de
riesgo. Si por ejemplo, decidimos representar dicha propensión a tra-
vés de la prima de riesgo P (θ ) , su mejor estimación sería su media
muestral Pθ , siendo además un estimador insesgado.
Pero la teoría de la credibilidad nos recomendaría una combinación
de fuentes de información, como podría ser:
B = ZPθ + (1 − Z )M , 0 ≤ Z ≤ 1 (1)

1
Se entiende por propensión al riesgo a una representación abstracta de la calidad de un
riesgo. La representación de la propensión al riesgo es a través de una modelización sim-
plificada, como puede ser el valor medio de una variable aletoria o una función de ciertos
parámetros observables.

142
M es alguna medida ajena a la experiencia del asegurado que re-
presente a P (θ ) . M podrìa ser por ejemplo la prima de riesgo pro-
medio del grupo de asegurados al que pertenece M = P , o alguna
medida del mercado que pueda representar adecuadamnte a P (θ ) .
Z pondera la participación de las dos estimaciones sobre la estima-
ción final B.
La utilización de un estimador M basado en información ajena al
riesgo ocasiona que B sea un estimador sesgado de P (θ ) . Sin em-
bargo, la teoría de la credibilidad busca estimadores óptimos que
pretenden minimizar el error medio cuadrático con el verdadero valor
θ, lo que puede ocasionar estimadores con un sesgo, pero con mayor
precisión.
Explicado el concepto general de credibilidad, nos queda por aclarar
que las soluciones que se propongan no serán estrictamente teóricas,
tendrán también un matiz práctico.

Relación con Ratemaking

Lo que realiza Experience Rating en un plan de tarifa es comparar la


experiencia de la unidad de riesgo con la experiencia de la clase a un
nivel de exposición común, ponderando la primera según el tamaño
de la prima de riesgo y asignando el resto del peso a la segunda. En-
tonces la tasa modificada es un promedio ponderado entre la tasa
indicada por la experiencia propia de la unidad de riesgo y la tasa
calculada con Ratemaking o tasa manual. La comparación puede
hacerse sobre base de tasas, primas puras, primas de tarifa, sinies-
tralidades o tasas de cambio; utilizaremos aquí siniestralidades.

143
Previo a hacer la comparación, es necesario ajustar la experiencia
individual a las bases utilizadas por la tasa manual, de manera que
ambas estén en el nivel actual de beneficios y que los siniestros del
individuo estén desarrollados tanto como los de la tasa manual. En
el Apéndice A podrá encontrarse un plan de tarificación integral para
interpretar mejor el rol de Experience Rating dentro de la tarificación.
Decidí incluirlo en este trabajo porque considero que es inconcebible
crear un modelo de Experience Rating sin conocer previamente cómo
interactúa con el plan de tarifa integral. Modelos matemáticos para
Experience Rating.

Planteo principal

Sea X una variable aleatoria que representa el total de siniestros


incurridos por el asegurado. Sea E[X] una medida que represente el
tamaño del asegurado, tal como el monto de los siniestros esperados
de un asegurado promedio, o el valor de la prima de tarifa manual
determinada en el proceso de Ratemaking. Sea R =X/E[X] la sinies-
tralidad observada del asegurado, cuyo valor esperado es μ = E[R]2.
Experience Rating se basa en la premisa de que cada asegurado
tiene una propensión al riesgo θ diferente del resto de los asegurados
dentro de la misma clase a la que pertenece3. Así, cada asegurado
tiene una distribución de siniestralidad d, perteneciente a la familia

2
Sería más correcto identificar la siniestralidad esperada como µ (θ ), pero decidí escri-
birla simplificadamente como μ para no sobrecargar la notación.
3
La propensión al riesgo, al ser diferente para cada asegurado en la clase, nos servirá para
identificar la unidad de riesgo analizada.

144
de distribuciones D. Cada distribución d tiene su propia media μ y va-
rianza V2 acorde con su nivel de propensión al riesgo θ. Se considera
que no es posible conocer a priori la distribución d que le corresponde
a un asegurado en particular, o lo que es lo mismo, d es seleccionada
aleatoriamente de D.
El proceso aleatorio de la siniestralidad de un individuo consta de
dos pasos:
1- La selección aleatoria de d de la clase de distribuciones D.
2- La selección aleatoria de R, con distribución d.
El objetivo de Experience Rating es estimar la siniestralidad espera-
da del individuo μ dada la siniestralidad observada R.
Bülhmann [3] presenta dos soluciones:

Enfoque bayesiano: Conociendo todas las distribuciones d en D es


posible calcular
B ( R ) = E [µ | R ] (2)
Bülhmann demuestra que este estimador es óptimo en el sentido
de que minimiza la expresión
E (Bì( R ) − ) 
2
(3)
 

El inconveniente de este enfoque es que requiere conocer todas las


distribuciones posibles de d en D.

Enfoque de credibilidad: También conocido como enfoque de míni-


mos cuadrados.
Dado el siguiente estimador lineal:
B( R ) = ZR + (1 − Z ) M (4)

145
Donde Z es el factor de credibilidad, R la estimación de µ
con datos propios del asegurado y M = Eθ [µ | θ ] = Eθ  µ (θ )
representa el valor medio de la clase.
Se elige Z tal que minimice el error medio cuadrático

E (B ì( R ) − ) 
2
(5)

Lo que nos da la solución de Z

Varθ  E [R | θ ] Varθ  E [R | θ ] τ2


Z= = = 2
Var [R ] Varθ  E [R | θ ] + Eθ Var [R | θ ] τ + δ 2

(6)
donde τ2 = Var[μ] conocido como varianza externa, y
δ 2 = E[V2] conocido como varianza interna. Ambos mi-
den características de la variable que estamos analizando4.
Las ventajas de este enfoque es que se requiere conocer únicamente
M, τ2 y δ 2, y que es la mejor aproximación lineal a la solución óptima
bayesiana.
Ambos enfoques se han desarrollado por separado y se ha escrito
mucho acerca de ellos. El enfoque bayesiano se lo considera más
poderoso, pero menos práctico. El enfoque de credibilidad es una
aproximación sencilla a la propensión individual de cada riesgo dada
su experiencia propia. Sin embargo, a la hora de implementar un
plan de tarifas, los parámetros M, τ2 y δ 2 están sujetos a error y las

4
En nuestro caso, analizamos la variable tipificada R =X/E[X]. Pero esto no limita la de-
finición de la variable aleatoria. Más adelante se trabajará directamente sobre los siniestros
totales X, pero ni τ2 ni δ 2 perderán su significado.

146
hipótesis subyacentes del modelo de credibilidad no suelen ser del
todo ciertas. Es por ello que en la práctica se suele aplicar el enfo-
que de credibilidad, pero con modificaciones, las cuales pueden o no
basarse en principios actuariales, materia sobre la cual trataremos
seguidamente.

Supuestos sobre las varianzas

Con el fin de hallar la forma del factor de credibilidad Z, se realizan


supuestos sobre las varianzas τ2 y δ 2 que lo componen.
Primer nivel de supuestos
Uno puede esperar ciertamente que la varianza de la siniestrali-
dad disminuya a medida que aumenta la exposición. Como primer
supuesto diremos que un riesgo asegurado es de gran tamaño por
estar compuesto de un gran número de sub-unidades homogéneas
e independientes:

E
X = ∑ Yi (7)
i =1

De esta forma bajo la hipótesis tomada:


E
E[ X ] = ∑ E[Yi ] = E.E[Y ] (8)
i =1

X
∑ Yi
1 E Y 1 E
R= = i =1 = ∑ i = ∑ Ri ; Ri = Yi E[Y ]
E[ X ] E.E[Y ] E i =1 E[Y ] E i =1
(9)

147
Donde Yi representa una sub-unidad de riesgo que conforma al
riesgo agregado, E[Y] una medida que representa el tamaño del
riesgo de una sub-unidad y E el número de sub-unidades.
Este supuesto es bastante razonable en el ramo de Riesgos del
Trabajo, donde el número de trabajadores pueden tomarse como
sub-unidades; también puede tomarse la nómina salarial como me-
dida del tamaño del riesgo, por estar está altamente correlacionado
con el número de trabajadores. Es claro también que E y E[X] están
directamente relacionadas.
Desarrollamos la varianza interna:
(10a)

 E 
δ 2 = Eθ Var [X | θ ] = Eθ Var  ∑ Yi | θ   =
  i =1 
 E
 
= Eθ   ∑ Var Yi   | θ  = Eθ [E.Var[Y ] | θ ] = E.Eθ [Var[Y ] | θ ] = E. χ
2

  i =1  
2
Siendo χ la varianza interna de X para una unidad de riesgo con
2
E=1. Como puede verse, δ crece en forma proporcional al número
de sub-unidades E.
Desarrollamos la varianza externa:
(11a)

 E 
τ 2 = Varθ  E [X | θ ] = Varθ  E  ∑ Yi | θ   =
  i =1 
 E
 
=Varθ   ∑ E Yi   | θ  = Varθ [E.E[Y ] | θ ] = E 2 .Varθ [E[Y ] | θ ] = E 2 . β
2

  i =1  

148
2
Siendo β la varianza externa de X para una unidad de riesgo con
2
E=1. τ crece en forma proporcional a E 2.
Respecto a las correspondientes expresiones para R, la aplicación
de las varianzas hace que la constante 1/E de (9) salga al cuadrado y
convierta las fórmulas (10a) y (11a) en las siguientes variantes

χ2
δ 2 = Eθ Var [R | θ ] = (10b)
E
τ 2 = Varθ  E [R | θ ] = β 2 (11b)

Siendo χ2 y β2 las varianzas interna y externa de R para una unidad


de riesgo de tamaño E=1.
A nivel agregado, la varianza interna δ 2 de R es inversamente
proporcional al tamaño del asegurado E y la varianza externa τ2 es in-
dependiente de E. Significa que la aplicación de la ley de los grandes
números reducirá la componente de la varianza total que representa
la variación media esperada para un riesgo promedio. Mientras que
no reducirá la varianza externa, que muestra las diferencias entre las
diferentes calidades de riesgo que componen la clase a tarifar.
Reemplazando (10) y (11) (“a” o “b”) en la ecuación del factor de
credibilidad (6) obtenemos:

1 E E
Z= = = , K > 0 (12)(2.11)
χ 2
χ 2
E+K
1+ 2 E+ 2
β E β
Donde K es conocido como constante de credibilidad o cons-
tante de Bühlmann. Esta es la expresión más popular del factor de

149
credibilidad. K crecerá con el aumento de variabilidad dentro de cada
tipificación de riesgo (medido por la varianza interna δ 2) o con una
mayor similitud de los riesgos tipificados en el grupo (medido por una
disminución de la varianza externa τ2). Si crece K, la credibilidad en
los datos propios, Z, disminuye. Si la exposición E aumenta, la credi-
bilidad aumenta. La fórmula (12) nos da una credibilidad máxima de
1 cuando E→∞ o K→0, y una credibilidad mínima de 0 cuando E→0
o K→∞.

Segundo nivel de supuestos

Desde hace tiempo se comprobó que la varianza interna no decre-


cía inversamente proporcional a la exposición. Meyers [7] atribuye el
problema al supuesto de invariabilidad de la probabilidad de ocurren-
cia de siniestros de un año a otro. Recomienda la introducción de un
parámetro que recoja tal incertidumbre en la propensión a siniestrar-
se. Las fórmulas (2.9) a y b quedan:
δ 2 = Eθ Var [X | θ ] = E 2α 2 + E χ ,
2
α 2 , χ 2 > 0

(13a)

χ2
δ 2 = Eθ Var [R | θ ] = α 2 + , α 2 , χ 2 > 0 (13b)
E
2
Siendo α el parámetro de incertidumbre, que recoge toda la
varianza no diversificable de un riesgo. Esto significa que la varianza
interna se reduce parcialmente con el aumento de la exposición.
En riesgos de trabajo, este parámetro puede recoger las variacio-

150
nes en la propensión al riesgo ocasionadas por factores económicos
o meteorológicos, como por ejemplo un aumento en la incidencia de
accidentes prevenibles por eliminar las inspecciones rutinarias de los
ambientes de trabajo por parte de las aseguradoras, o el aumento de
accidentes de tránsito en una empresa transportista por un inusual
aumento de las lluvias en un año.
Un uso muy habitual de la forma (13) es en la teoría del riesgo,
2
donde α representa el impacto medio de las variables de entorno
sobre la frecuencia siniestral para un riesgo en particular. Puede ve-
2
rificarse en Daykin [16] que α representa la varianza del término
de perturbación λ de una distribución de Poisson Mixta, y es justo la
manera en que representaremos la incertidumbre en los parámetros
en un posterior ejemplo al final del trabajo.
Conseguimos una nueva versión del factor de credibilidad Z. Reem-
plazamos (13) y (11) en (6):
1 1 E E
Z= = = =
δ 2 2
α +χ E 2 2
α E+χ 2
 α2  χ2
1+ 2 1+ E + E 1 + 2  + 2
τ β2 β2  β  β
E
Z= , J, K > 0
E (1 + J ) + K
(14)

Donde K es la constante de Bühlmann, conformada por la parte


de la varianza interna que responde inversamente a la exposición,
y J representa el efecto de la incertidumbre en los parámetros en la
credibilidad.

151
La fórmula (14) ha cambiado respecto a (12) en diversos aspectos.
Si la exposición E aumenta, la credibilidad aumenta pero hasta un
límite menor a 1; la credibilidad máxima asignable a riesgos grandes
es
1 1
lim Z = = <1
E →∞ α 2
1+ J
1+ 2
β (15)
Esta es una diferencia importante con el modelo anterior, debido a
que no es posible asignar credibilidad total a la experiencia propia de
un riesgo. Obsérvese en (15) que este efecto se da por la inclusión
2
de variables de entorno a través de α , lo que obliga a buscar un
equilibrio con la información externa.
2
La influencia de α se puede reducir únicamente con un aumento
de los años observados, porque se tendrá un número de observacio-
nes diferentes del fenómeno externo. Naturalmente, nunca se podrá
llegar a suprimir totalmente la influencia de las variables de entorno
2
( α = 0).

Tercer nivel de supuestos

En este nivel, se estudia la varianza externa τ2. Se levanta la hipóte-


sis considerada de que cada riesgo asegurado se compone de varias
entidades expuestas a riesgo homogéneas para pasar a suponer su
heterogeneidad. Damos primeramente un sencillo ejemplo de Mahler
[8] para asimilar mejor el concepto:
Asuma una unidad de riesgo comercial compuesta de E sub-unida-
des comerciales; existe en el total de unidades a riesgo de la clase

152
un 50% de sub-unidades “blandas” con una media igual a 1, y otro
50% de sub-unidades “pesadas” con una media igual a 2. Todas las
unidades de riesgo en la clase se componen de E sub-unidades in-
dependientes.
En el caso de que la unidad de riesgo a tarifar se componga de E
sub-unidades homogéneas, su media será E o 2E, con una chance
del 50% en cada caso dada la misma proporción de sub-unidades
existentes en la población; la varianza externa τ2 será igual a E 2/4.
En caso de que la unidad de riesgo se componga de una mezcla
heterogénea de sub-unidades blandas y pesadas, la varianza externa
será E veces la varianza entre los dos tipos de sub-unidades: E/4,
que es la posible variación de la media dentro del riesgo, por estar
compuesto de unidades heterogéneas que aportan una fracción dis-
tinta a la media; asimismo, siendo que dicha mezcla es aleatoria su
varianza respecto a la media general entre unidades a riesgo (la me-
dia de la de la clase M) es cero. Toda la varianza externa viene de la
mezcla heterogénea de sub-unidades dentro de cada riesgo.
Por último, sea el caso de que se repartan las sub-unidades de la
siguiente manera: existen unidades a riesgo con 2/3 de posibilidades
de tener una sub-unidad blanda en lugar de una pesada, y unidades
a riesgo con 1/3 de posibilidades de tener una sub-unidad blanda y
2/3 de tener una pesada. Esto nos da un 50% de posibilidades de
que el riesgo analizado sea de alguno de los dos tipos5. . Entonces la
media de una unidad puede estar entre E y 2E, con una probabilidad
binomial b(E,p=2/3) en el primer tipo de unidad y b(E,p=1/3) para
el segundo tipo.
5
Porque de esa manera se absorben todas las sub-unidades existentes

153
Además de poderse computar la varianza agregadamente6, se la
puede separar en dos componentes: la primera pieza es la variación
promedio de la media que se produce internamente por la hetero-
geneidad de riesgos. En nuestro caso será el promedio de las dos
varianzas de las distribuciones binomiales E*p*(1-p) que es igual
a 2E/9 en cada caso y el promedio es lo mismo. La segunda pieza
viene dada por la variación entre las medias generales de cada riesgo
(iguales a E*p); las medias de primer tipo de riesgo es 4E/3 y 5E/3
para el segundo, siendo la varianza entre medias igual a E 2/36. Por
lo tanto, la varianza externa es τ2 =2E/9 + E2/36, o, si la variable
aleatoria está expresada en términos relativos a E, dividimos por E 2
quedando τ2 =2/(9E) + 1/36.
Se puede argumentar que la siniestralidad esperada μ es, al me-
nos en parte, el resultado de un promedio de las siniestralidades de
las entidades. Entonces con heterogeneidad de riesgos un tamaño
mayor implicaría un valor de μ más cercano a la media general M y
una varianza externa menor, debido a que ahora los riesgos grandes
contienen una fracción de sus entidades sujetas a riesgo similares a
la de otros riesgos7 , reducible con el aumento de E. Formulamos este
pensamiento de la siguiente manera:

τ 2 = Varθ  E [X | θ ] = E 2 β 2 + Eπ 2 , β 2 ,π 2 > 0 (16a)

6
Por ejemplo, para E=3, las medias podrán ser 3,4,5 y 6, con probabilidades respectivas
8/27,4/9,2/9,1/27 para el primer tipo y 1/27,2/9,1/9,4/27 para el segundo. La convolución
nos da un set de probabilidades 1/9,1/3,1/3,1/9, con lo cual la varianza externa τ2 igual
a 11/12.
7
Esto no es más ni menos que la aplicación de la ley de los grandes números dentro de
la unidad de riesgo.

154
π2
τ 2 = Varθ  E [R | θ ] = β 2 + , β 2 , π 2 > 0 (16b)
E
2
Siendo β la parte no afectada por el tamaño asegurado E. La par-
te que representa la aleatoriedad de la media por la heterogeneidad
dentro de un mismo riesgo es π2 (para un riesgo de tamaño E=1).
La fórmula de Z afectada por heterogeneidad nos queda:

τ2 β 2 +π 2 E Eβ 2 + π 2 E +π 2 β 2
Z= = = =
τ 2 + δ 2 β 2 + π 2 E + χ 2 E Eβ 2 + π 2 + χ 2 E + π 2 β 2 + χ 2 β 2
E+I
Z= , I, K > 0
E+I+K
(17)

El parámetro I representa el efecto de la heterogeneidad de


riesgos sobre la credibilidad. La fórmula (17)(2.16) nos da una cre-
dibilidad máxima de 1 cuando E→∞ o K→0 y una credibilidad mínima
de 0 cuando K→∞. Pero cuando E→0.

π2 β2 I
lim Z = = (18)
E →0 π2 2 2
β +χ β 2
I+K
Esto nos indica que la heterogeneidad de riesgos afecta principal-
mente a riesgos pequeños. Sin embargo, no se puede tener hetero-
geneidad entre sub-unidades de riesgo por debajo de una exposición
mínima E=Ω que variará según el ramo y la situación; (18) podría
estar asignando demasiada credibilidad a un riesgo tan pequeño que
no puede generar experiencia propia. En general, para riesgos muy

155
pequeños con un tamaño menor a Ω se suele aplicar un valor de cre-
dibilidad menor al indicado por (18).

La cantidad de períodos observados

Hay una importante diferencia conceptual entre aumentar la expe-


riencia de un riesgo a través del aumento de la fuerza de trabajo E y
la observación de una mayor cantidad de años de experiencia n.
Suponiendo que tenemos de un riesgo de tamaño E con n años de
experiencia independientes, la fórmula genérica (6) quedaría:
n  n
δ 2 = Eθ  ∑ Var [X | θ ] = ∑ Eθ Var [X | θ ] = n E 2α 2 + E χ
2
( )
 j =1  j =1
(19)

n 
( )
τ 2 = Varθ  ∑ E [X | θ ] = Varθ  n.E [X | θ ] = n 2 .Varθ  E [X | θ ] = n 2 E 2 β 2 + Eπ 2 (20)
 j =1 

2
n 2 .τ
Z= 2 2
n 2 .τ + n.δ (21)
Puede verse que:
lim Z = 0 lim Z = 1
n→0 n→∞

Lográndose así credibilidad cero y total, más allá de las limitaciones


impuestas por la incertidumbre en los parámetros y la heterogenei-
dad de riesgos.

156
Tarificando una empresa de transporte

En este ejemplo ilustraremos un proceso de riesgo afectado por


incertidumbre en los parámetros y heterogeneidad. Ambos efectos
fueron exagerados para mostrar Se estudiará el efecto de diferentes
niveles de exposición y límites sobre la credibilidad.
Enfrentamos el problema de tarificar el riesgo anual de accidentes
en ruta del ramo de transporte, del cual estaremos interesados en la
cuantía de gastos médicos necesarios para reestablecer al conductor
transportista a su puesto de trabajo. Tenemos los siguientes datos:
1- Se conoce que el riesgo total que contiene una empresa de
transportes es proporcional al número E de conductores en su
nómina. Todos los conductores de una misma empresa recorren
los mismos caminos y conducen con igual frecuencia. El riesgo
de una sub-unidad asegurada (un conductor) se representará
con Y. El riesgo agregado de los E conductores será acorde a la
fórmula (7):

X = ∑Y
∀E

Cada conductor es una sub-unidad de riesgo, y es independiente


del resto de las sub-unidades. El riesgo total de la empresa o unidad
de riesgo será la suma de las E sub-unidades que maneje.

2- Los siniestros totales de cada sub-unidad sigue un proceso de


Poisson compuesto, con una frecuencia N de valor esperado λ y
una intensidad S distribuida de la siguiente manera:

157
S P(S)
100 0,300
150 0,250
300 0,250
500 0,180
1000 0,019
10000 0,001

A su vez, el parámetro λ es afectado anualmente por un factor


multiplicativo q que mide la incidencia de las lluvias anuales sobre
la frecuencia siniestral. Este factor incluye incertidumbre en los
parámetros.
frecuencia de lluvias q h(q)
muy alta 1,60 0,05
alta 1,10 0,15
media 1,00 0,50
baja 0,85 0,30

3- La nómina de conductores de cada unidad de riesgo determinará


su propensión al riesgo. Se tiene cuatro categorías posibles, di-
ferenciadas por tener una diferente estructura de conductores

Estructuras a priori de las unidades de riesgo


λ θ1 θ2 θ3 θ4
0,001 0,30 0,20 0,25 0,20
0,003 0,40 0,40 0,25 0,20
0,004 0,30 0,30 0,25 0,30
0,010 0,00 0,10 0,25 0,30
prob estructura 0,25 0,25 0,25 0,25

158
Cada uno de los posibles riesgos θ = (θ1, θ2, θ3, θ4) tiene una
probabilidad P(λ|θ) de tener un conductor con λ=0,001 , λ=0,003 ,
λ=0,004 o λ=0,010; en términos agregados, estas probabilidades se
convierten en la proporción esperada de conductores que tendrá de
cada tipo. Al tener cada uno de los riesgos una mezcla de sub-unida-
des, existe heterogeneidad de riesgos. Cuanto mayor proporción
de conductores con un valor λ alto, mayor la propensión al riesgo. La
estructura θ1 es la menos propensa al riesgo y la estructura θ4 es la
más peligrosa. La probabilidad de elegir uno de los cuatro tipos de
propensión θ es de 0,25 para todos los casos.
4- La frecuencia siniestral incluye únicamente aquellos casos no
fatales y se supone que el conductor afectado se reincorpora
inmediatamente sin cambiar su propensión al riesgo.

Desarrollo de la función de credibilidad

a. La primera tarea consiste en calcular las esperanzas y varian-


zas condicionadas por q y λ para cada sub-unidad, luego las
iremos agregando en la forma que necesitemos. Sea Y la varia-
ble aleatoria “siniestros totales por sub-unidad-año”. Tenemos
entonces:Por propiedad de la distribución de Poisson
E[ N | q, λ ] = Var[ N | q, λ ] = qλ

b. Por ser la frecuencia e intensidad independientes

E[Y | q, λ ] = E[ N | q, λ ].E[ S ] = qλ E[ S ]
Var[Y | q, λ ] = E[ N | q, λ ].VAR[ S ] + Var[ N | q, λ ]. (E[ S ]) = qλ E[ S 2 ]
2

159
Por ejemplo, para q=1,60 y λ=0,001

E[ N | q, λ ] = Var[ N | q, λ ] = 1, 60*0, 001 = 0, 0016


E[Y | q, λ ] = 0, 0016* 261,5 = 0, 4184
Var[Y | q, λ ] = 0, 0016*195125 = 312, 20
2
Siendo E[ S ] = 261,5 , E[ S ] y VAR[ S ] = 126742, 75
Los valores están calculados en la Tabla 1 para cada combinación
de q y λ

Tabla 1
q λ q*λ E(Y|q,λ) V(Y|q,λ)
1,60 0,001 0,00160 0,4184 312,20
1,60 0,003 0,00480 1,2552 936,60
1,60 0,004 0,00640 1,6736 1248,80
1,60 0,010 0,01600 4,1840 3122,00
1,10 0,001 0,00110 0,2877 214,64
1,10 0,003 0,00330 0,8630 643,91
1,10 0,004 0,00440 1,1506 858,55
1,10 0,010 0,01100 2,8765 2146,38
1,00 0,001 0,00100 0,2615 195,13
1,00 0,003 0,00300 0,7845 585,38
1,00 0,004 0,00400 1,0460 780,50
1,00 0,010 0,01000 2,6150 1951,25
0,85 0,001 0,00085 0,2223 165,86
0,85 0,003 0,00255 0,6668 497,57
0,85 0,004 0,00340 0,8891 663,43
0,85 0,010 0,00850 2,2228 1658,56

160
Calculamos los componentes de la varianza interna, que formarán
la fórmula (13a).
a. Valor esperado y varianza de un trabajador perteneciente a un
riesgo θ, condicionada a un valor q:

E[Y | q, θ ] = Eλ [E[Y | q, θ , λ ]] = ∑ E[Y | q, θ , λ ].P(λ | θ , q)


Nótese que al ser λ y q independientes,∀λ.P (λ | θ , q ) = .P (λ | θ )
Var[Y | q, θ ] = Eλ [Var[Y | q, θ , λ ]]+ Varλ [E[Y | q, θ , λ ]] = ...
...= ∑ Var[Y | q, θ , λ ].P (λ | θ ) + ∑ [E[Y | q, θ , λ ] − E[Y | q, θ ]] .P(λ | θ )
2

∀λ ∀λ

Calculamos por ejemplo para una estructura de riesgo θ = θ1 y


q=1,60.
E[Y | q, θ ] = 0, 4184*0,30 + 1, 2552*0, 40 + 1, 6736*0,30 + 4,1840*0 = 1,1297

Var[Y | q, θ ] = (312, 20*0,30 + 936, 60*0, 40 + 1248,80*0,30 + 3122, 00*0 ) + ...


 (0, 4184 − 1,1297 )2 *0,30 + (1, 2552 − 1,1297 )2 *0, 40 
... +   = 843,19
 + (1, 6736 − 1,1297 )2 *0,30 + (4,1840 − 1,1297 )2 *0 
 

Los valores para cada estructura de riesgos y parámetro q posible


son:
E(Y|q,θ)      
q θ1 θ2 θ3 θ4
1,60 1,1297 1,5062 1,8828 2,0920
1,10 0,7767 1,0355 1,2944 1,4383
1,00 0,7061 0,9414 1,1768 1,3075
0,85 0,6001 0,8002 1,0002 1,1114
Continúa en la Página siguiente

161
V(Y|q,θ)      
q θ1 θ2 θ3 θ4
1,60 843,19 1124,91 1406,87 1563,07
1,10 579,64 773,16 966,80 1074,16
1,00 526,93 702,84 878,83 976,43
0,85 447,88 597,36 746,91 829,86

b. Agregamos ahora q, para quedarnos las varianzas y esperanzas


de cada estructura de riesgo θ:
E[Y | θ ] = Eq [E[Y | q ]] = ∑ E[Y | q ].h(q )
Var[Y | θ ] = Eq [Var[Y | q, θ ]]+ Varq [E[Y | q, θ ]]
Siendo los elementos de la varianza de una subunidad de un riesgo
θ: E [Var[Y | q, θ ]] = ∑
Var[Y | q ].h(q )
q

Varq [E[Y | q, θ ]] = ∑ [E[Y | q ] − E[Y | θ ]] .h(q )


2

Sus valores promedio respecto a θ serán los elementos de la va-


rianza interna:
α 2 = Eθ Varq [E[Y | q, θ ]] = ∑ Varq [E[Y | q, θ ]].P(θ )
 
χ 2 = Eθ  Eq [Var[Y | q, θ ]] = ∑ Eq [Var[Y | q, θ ]].P (θ )
 

α2, el parámetro de incertidumbre, es la variación del valor es-


perado de Y debido al impacto de las lluvias q; χ2 recoge la variación
esperada de Y, la cual es diversificable al agregarse E sub-unidades.
No ocurre así con α2 porque se trata de la variación de q sobre un
valor esperado [E[ X | q, θ ]] compuesto por E sub-unidades ya agru-

162
padas, así que q afecta por igual a todas al mismo tiempo, siendo
esta la razón de ser las lluvias un riesgo no diversificable.
Por ejemplo, para un asegurado con propensión al riesgo θ repre-
sentada por la estructura θ1:

E[Y | θ = θ 1] = 1,1297*0,05 + 0,7767*0,15 + 0,7061*0,50 + 0,6001*0,30 = 0,7061


Eq [Var[Y | q,θ = θ 1]] = (843,19*0,05 + 579,64*0,15 + 526,93*0,50 + 447,88*0,30 ) = 526,94
 (1,1297 − 0,7061)2 *0,05 + (0,7767 − 0,7061)2 *0,15 
Varq [E[Y | q,θ = θ 1]] =   = 0,0131
 + (0,7061 − 0,7061)2 *0,50 + (0,6001 − 0,7061)2 *0,30 
 

Los valores para cada estructura son:


θ1 θ2 θ3 θ4
E[Y|θ] 0,7061 0,9414 1,1768 1,3075
Varq[E[Y|q]] 0,0131 0,0233 0,0363 0,0449
Eq[Var[Y|q]] 526,94 702,85 878,85 976,45

Tenemos entonces los componentes de la varianza interna


α 2 = Eθ Varq [E[Y | q ]] = 0, 029394
 
χ 2 = Eθ  Eq [Var[Y | q ]] = 771, 27
 

A nivel agregado, la varianza interna es según (2.12.a)8:


δ 2 = Eθ Var [X | θ ] = E.χ 2 + E 2 .α 2 = 771, 27.E + 0, 029394.E 2

Calculamos los componentes de la fórmula (2.15.a) de la varianza


externa.

163
a. En este caso, necesitamos la esperanza por tipo de riesgo condi-
cionada a λ. Se necesita tal esperanza para la variable Y, o para
unidades de riesgo de tamaño E=1. Al tratarse de Y, el condi-
cionamiento pasa por la fijación del parámetro λ que pertenece
a la única sub-unidad que compone el riesgo, por lo que θ ya
no condiciona y entonces E[Y | λ , θ ] = E[Y | λ ] . Se promedia
respecto al factor de incertidumbre para quitar su efecto de esta
parte de la varianza.

E[Y | λ , θ ] = E[Y | λ ] = Eq [E[Y | λ , q ]] = ∑ E[Y | λ , q ].h(q )

Nótese que h(q | λ , θ ) = h(q ) debido a que q representa un factor


de incertidumbre que afecta por igual a todos los riesgos.
Por ejemplo, para λ = 0,001
E[Y | λ = 0,001] = 0, 4184 * 0,05 + 0, 2877 * 0,15 + 0, 2615* 0,50 + 0, 2223* 0,30 = 0, 2615

λ 0,001 0,003 0,004 0,010


E[Y| λ] 0,2615 0,7845 1,0460 2,6150

b. Calculamos esperanza y varianza respecto de λ en cada estructu-


ra de riesgo θ. Cada estructura de riesgo tiene un set de proba-
bilidades diferente respecto a su composición de sub-unidades,
cada una de riesgo λ. Esto hace que tales esperanzas y varian-
zas resulten diferentes para cada estado posible de θ.
E[Y | θ ] = Eλ [E[Y | λ ] | θ ] = ∑ E[Y | λ ].P (λ | θ )
Varλ [E[Y | λ ] | θ ] = ∑ [E[Y | λ ] − E[Y | θ ]] .P (λ | θ )
2

164
Por ejemplo, para θ representado por la estructura θ 1:

E[Y | θ = θ 1] = 0, 2615*0,30 + 0,7845*0, 40 + 1,0460*0,30 + 2,6150*0 = 0,7061


 (0, 2615 − 0,7061)2 *0,30 + (0,7845 − 0,7061)2 *0, 40 
Varλ [E[Y | λ ]| θ = θ 1] =   = 0,0964
 + (1,0460 − 0,7061)2 *0,30 + (2,6150 − 0,7061)2 *0 
 

Nos queda para cada estructura:


θ θ1 θ2 θ3 θ4
E[Y|θ] 0,7061 0,9414 1,1768 1,3075
Varλ[E[Y|λ]] 0,0964 0,3857 0,7693 0,8069

c. Necesitamos también el valor esperado de Y, que servirá asi-


mismo para calcular el valor que funcionará como prima pura
manual M.

E [Y ] = Eθ [Y | θ ] = ∑ E[Y | θ ].P (θ ) = ...


... = 0, 7061* 0, 25 + 0,9414 * 0, 25 + 1,1768 * 0, 25 + 1,3075 * 0, 25 = 1, 032925
M = E [X ] = E.E [Y ] = 1, 032925.E

Tenemos entonces los componentes de la varianza externa

β 2 = Varθ [E[Y | θ ]] = ∑ [E[Y | θ ] − E[Y ]] .P (θ ) = 0, 052825


2

π 2 = Eθ Varλ [E[Y | λ ]] = ∑ Varλ [E[Y | λ ]].P (θ ) = 0,514576

Como ya explicamos en la teoría, β2 es la parte de la varianza exter-


na que no será afectada pro E; es la varianza de del valor esperado
de Y de cada uno de los posibles riesgos.
La composición mixta de cada posible estructura de θ hace que

165
exista una variación del valor esperado de Y al agregarse y quererse
hallar la variación del valor esperado de X entre riesgos; esta varia-
ción es medida a nivel sub-unidad por π2.
A nivel agregado, la varianza externa es según (16a):

τ 2 = Varθ  E [X | θ ] = E.π 2 + E 2 .β 2 = 0,514576.E + 0, 052825.E 2

Nos queda la fórmula de credibilidad Z:

τ2 0,514576.E + 0, 052825.E 2 0,514576 + 0, 052825.E


Z= = =
2
τ +δ 2
771,786410.E + 0,082219.E 2
771,786410 + 0,082219.E

O bien, en términos de las constantes I,J,K

E+I E + 9, 741100
Z= =
E (1 + J ) + I + K E (1 + 0,556432) + 9, 741100 + 14600, 42834
π2 α2 χ2
donde: I = , J = , K = definidas en (14),(15) y (17)
β2 β2 β2

Las credibilidades mínima y máxima del ejemplo resultan (según


fórmulas (18) y (15):

I 1
Z mín = = 0, 0007 Z máx = = 0, 6425
I+K 1+ J

166
Algunos valores de Z pueden verse en la Tabla 2:

Tabla 2: Valores de credibilidad Z


I E=2^I δ2 τ2 Z
1 20 15437,19 31,42 0,0020
2 40 30897,90 105,10 0,0034
3 80 61889,87 379,25 0,0061
4 160 124155,97 1434,66 0,0114
5 320 249816,90 5573,97 0,0218
6 640 505653,63 21966,57 0,0416
7 1280 1,0354E+06 8,7208E+04 0,0777
8 2560 2,1671E+06 3,4751E+05 0,1382
9 5120 4,7194E+06 1,3874E+06 0,2272
10 10240 1,0980E+07 5,5444E+06 0,3355
11 20480 2,8124E+07 2,2167E+07 0,4408
12 40960 8,0906E+07 8,8647E+07 0,5228
13 81920 2,6044E+08 3,5455E+08 0,5765
14 163840 9,1540E+08 1,4181E+09 0,6077
15 327680 3,4089E+09 5,6722E+09 0,6246
16 655360 1,3130E+10 2,2689E+10 0,6334
17 1310720 5,1509E+10 9,0754E+10 0,6379
18 2621440 2,0401E+11 3,6301E+11 0,6402
19 5242880 8,1201E+11 1,4521E+12 0,6413
20 10485760 3,2400E+12 5,8082E+12 0,6419
21 20971520 1,2944E+13 2,3233E+13 0,6422
22 41943040 5,1742E+13 9,2931E+13 0,6424
23 83886080 2,0690E+14 3,7172E+14 0,6424
24 167772160 8,2749E+14 1,4869E+15 0,6425
25 335544320 3,3097E+15 5,9476E+15 0,6425

167
Gráfico 1: Credibilidad
Z (escala eje x logarítmica: base=2)
0,7000
0,6000
0,5000
0,4000
0,3000
0,2000
0,1000
0,0000

335544320
20971520

83886080
1310720

5242880
327680
20480

81920
1280

5120
320
20

80

Conclusiones

El conocimiento de la propensión al riesgo es la información más


valiosa que puede llegar a tener el asegurador de la unidad asegu-
rada, y es por ello que debe invertirse esfuerzo en su estimación. A
lo largo de este trabajo hemos desarrollado un conjunto de técnicas
prospectivas conocidas como Experience Rating, y nos hemos si-
tuado sobre el paradigma de la teoría de la credibilidad.
Se han expuesto dos fenómenos que necesitan ser modelados para
poder obtener una buena estimación de la propensión al riesgo de
un individuo:

168
1- La incertidumbre en los parámetros: existen fluctuaciones
aleatorias en el entorno que afectan por igual a todos los asegu-
rados año tras año; sus efectos no son reducibles con un mayor
tamaño del asegurado.
2- Heterogeneidad de riesgos: Una unidad asegurada es una
suma de sub-unidades, pero estas no están idénticamente distri-
buidas. Esto hace más difícil detectar su propensión al riesgo.
El ejemplo desarrollado de una empresa de transportes capta am-
bos fenómenos en un contexto perfectamente reproducible. Las téc-
nicas desarrolladas de Experience Rating resultan convenientes para
identificar la propensión al riesgo en el ramo de Riesgos de Trabajo,
el cual se caracteriza por tener empresas como unidades aseguradas,
las cuales están compuestas una cantidad de trabajadores sujetos a
siniestrarse. Conjunto a ello, la alta frecuencia de accidentes de tra-
bajo de baja intensidad generan una buena base individual sobre la
cual aplicar Experience Rating.
Este trabajo no pretendió ser definitivo. Como ya se dijo más arri-
ba, los temas tratados fueron desarrollados exhaustivamente, pero
existen varios temas de importancia (algunos de ellos nombrados al
pasar en el trabajo) que se deberán analizar antes de lanzar un plan
de tarificación según experiencia. Recomiendo tomar conciencia de
los siguientes:
- La relación con Ratemaking: debe tenerse presente en todo mo-
mento cómo se han estimado las tasas manuales.
- En el trabajo se ha calculado las credibilidades Z afín de hallar
el MOD, pero no se ha dicho nada acerca de cuál es la máxima
modificación que se puede hacer a una tarifa individual de un

169
año al otro. Debe realizarse previamente un análisis financiero
del impacto en la compañía y una vez hallados los máximos
MODs, analizar el off-balance que se producirá sobre el total
requerido a recaudar globalmente.
- Los siniestros pueden dividirse arbitrariamente o a través de una
fórmula especial. Asimismo, sería interesante determinar el nivel
óptimo del corte L con un estudio más avanzado.
- No se ha descrito una manera especial de tarificar riesgos muy
pequeños.

Existe abundante bibliografía sobre estos temas, pero Experience


Rating dista de ser un tema totalmente trillado, a pesar de haberse
escrito de él durante varias décadas. Al interesado recomiendo con-
sultar la bibliografía y a partir de allí ir tratar de focalizar en un tema,
porque le será muy difícil abarcar con todo.

Bibliografía

Dorweiler, Paul, “A Survey of Risk Credibility in Experience


Rating”, PCAS XXI, 1934, reimpreso en PCAS LVIII, 1971, pp.
90–113.
Bailey, Robert A., Simon LeRoy J., “An Actuarial Note on the
Credibility of Experience of a Single Private Passenger Car”,
PCAS XLVI, 1959, pp. 159–164.
Bühlmann, Hans, “Experience Rating and Credibility”, ASTIN
Bulletin IV, 1967, parte III, pp. 200–207.

170
Perryman, Francis S, “Experience Rating Plan Credibilities”,
PCAS LVIII, 1971, pp. 143-207.
Kallop, Roy H., “A Current Look at Workers Compensation
Ratemaking”, PCAS LXII, 1975, pp. 62–133.
Harwayne, Frank, “Use of National Experience Indicators in
Workers Compensation Insurance Classification Ratemaking”,
PCAS LXIV, 1977, pp. 74–84.
Meyers, Glenn G., “An Analysis of Experience Rating”, PCAS
LXXII, 1985, pp. 278–317.
Mahler, Howard C., Discussion of Meyers: “An Analysis of Ex-
perience Rating”, PCAS LXXIV, 1987, pp. 119–189.
Mahler, Howard C., “Credibility: Practical Applications”, Casual-
ty Actuarial Society Forum, Invierno de 1989, pp. 187–199.
Mahler, Howard C., “An Example of Credibility and Shifting
Risk Parameters”, PCAS LXXVII, 1990, pp. 225–308.
Venter, Gary G., “Credibility”, Capítulo 7 de “Foundations of
Casualty Actuarial Science”, Casualty Actuarial Society, 1990.
Mahler, Howard C., “The Credibility ok a Single Private Pas-
senger Car”, PCAS LXXVIII, 1991, pp. 146–162.
Gillam, William R., “Parametrizing the Workers Compensation
Experience Rating Plan”, PCAS LXXIX, 1992, pp. 21–56.
Gillam, William R., “Workers Compensation Ratemaking:
What Every Actuary Should Know”, PCAS LXXIX, 1992, pp.
215–254.
Mahler, Howard C., Discussion of Gillam: “Parametrizing the
Workers Compensation Experience Rating Plan”, PCAS LXXX,
1993, pp. 148–183.

171
Daykin, Christopher D.; Pentikäinen, Telvo; Pesonen, Martti
I.; “Practical Risk Theory for Actuaries”, Chapman & Hall, Lon-
dres, 1994.
Gillam, William R., Discussion of Gillam: “Workers Compensa-
tion Ratemaking: What Every Actuary Should Know”, PCAS
LXXXIV, 1997, pp. 766–782.
Klugman, Stuart A.; Panjer, Harry H.; Willmot, Gordon E.;
“Loss Models: From Data to Decisions”, Nueva York: John Wi-
ley & Sons, 1998.
Mahler, Howard C., “Credibility with Shifting Risk Parameters,
Risk Heterogeneity, and Parameter Uncertainly”, PCAS LXXXV,
1998, pp. 455–653.
Urbisaia, Heriberto L.; Brufman, JuanaZ., “Análisis de Series
de Tiempo”, Buenos Aires, 2000.
Superintendencia de Riesgos del Trabajo, “Anuario Estadístico
2003”.

172
Aspectos Profesionales y
Académicos del Actuario

Eduardo Melinsky

La Evolución de la Profesión

La profesión de Actuario ha ido evolucionando históricamente par-


tiendo de la base de la actuación profesional en el Seguro de Vida,
de Rentas Vitalicias y Planes de Jubilaciones, con el desarrollo de los
modelos relacionados con tablas de mortalidad y bases técnicas deter-
minando primas, reservas y valores garantizados, lo que se ha dado
en llamar actuarios del “primer tipo” originándose sobre estas bases
hacia 1895 la Asociación Actuarial Internacional –AAI- , luego con el
desarrollo de la profesión en los seguros generales se crea la sección
ASTIN, en 1957, Sección de Estudios Actuariales de Seguros de No
Vida, llamando a estos especialistas actuarios del “segundo tipo”.
Así estas dos denominaciones tiene referencia al área de actuación
y con un referencia a los aspectos relacionados con bases estadísticas
y modelos de valuación de riesgos y reservas.
En el año 1986 se crea la sección AFIR, de Tratamiento Actuarial
de los Riesgos Financieros (con referencia a las fluctuaciones del va-
lor de activos y pasivos de una entidad), y se habla de actuarios del
“tercer tipo”, donde el enfoque está dado en la Gestión de los Riesgos
que afectan al Balance de las Entidades (principalmente Asegura-
doras y Bancarias, y extendiéndose esto a todo tipo de Entidades),
conjuntamente con los distintos Instrumentos Financieros.

173
Pero el enfoque ahora no es en cuanto a un producto, sino respecto
a la concepción integral de la empresa, analizando sus Estados Con-
tables, y las proyecciones en conjunto de las operaciones en curso,
de las renovaciones y de las nuevas líneas de producto o estrategias
integradas de comercialización, dentro del contexto macroeconómico
en que se desenvuelve la empresa, visualizando la incidencia de los
riesgos operativos, de crédito y de mercado a los que está sujeta, va-
luando y administrando los mismos de acuerdo con distintos concep-
tos relacionados con absorción de riesgos, transferencia de riesgos y
solvencia.
Entonces debemos tener presente el estado actual de la profesión
en su concepción integral donde el actuario no sólo se preocupa de
un producto sino de la Empresa y debe interactuar con todo el equipo
directivo, gerencial y profesional de la misma.

Perfil del Actuario

Sobre la base del “tercer tipo”, la AAI (desde ya junto con sus en-
tidades miembro y asociadas) encamina un proceso de definición de
la profesión y de requerimientos curriculares (“Syllabus”) básicos a
considerar
Planteamos así el perfil del actuario como el de un Profesional en
Ciencias Económicas especializado en el desarrollo de productos y en
la gestión de riesgos del seguro, de la seguridad social y de mercado,
sobre la base del establecimiento de condiciones de equilibrio actua-
rial integrado en procesos de planificación económico-financiera.

174
El concepto de “mercado” es amplio e incluye los aspectos de fluc-
tuación de precios de mercancías y variables económicas (tasas de
interés, tipos de cambio, inflación, cotizaciones de acciones, etc)
como así también los relacionados con riesgo de crédito.

La Actuación Profesional

Consideramos como especialidades dentro de la profesión las


áreas relacionadas con:
• Seguros sobre Riesgos Personales
• Seguros de Riesgos Patrimoniales o Generales
• Seguridad Social (Jubilaciones, Salud, Riesgos del Trabajo,)
• Administración de Riesgos de Mercado (Gestión de Carteras
de Inversión, Riesgos e Instrumentos Financieros Derivados)
• Gestión de los Riesgos de la Empresa
En estos casos la función del actuario es analizar los aspectos pre-
sentes de una entidad sujeta a riesgos, en cuanto a su situación
patrimonial y financiera, identificando los aspectos de riesgos y en
función de su horizonte de planeamiento realizar proyecciones eco-
nómicas y financieras sobre la base de modelos determinísticos o es-
tocásticos, conforme con la naturaleza de los datos y las condiciones
de incertidumbre respecto de las variables intervinientes.
Para cada una de estas áreas el actuario debe trabajar en tópicos
que comprenden aspectos tales como:
• Diseño y Desarrollo
• Bases Técnicas y Contractuales

175
• Análisis de Rentabilidad
• Planificación y Proyecciones
• Incidencia o Contribución a los Riesgos de la Empresa
Consecuencia de ello se tienen actividades de:
a) Valuación de los compromisos asumidos, sobre la base de las
denominadas Reservas Matemáticas y Técnicas,
b) Análisis de la Compatibilización de Recursos y Obligaciones,
c) Caracterización de las necesidades de Capitales necesarios
para afrontar riesgos (Requerimiento de Solvencia),

Contenidos Curriculares

Ahora bien debemos enfocar la formación de profesionales actua-


rios de acuerdo con una concepción moderna atendiendo a la si-
tuación actual del mercado y la profesión y teniendo en cuenta las
necesidades de nuestro país y su inserción en el mundo.
Nuestro país cuenta a través de nuestra Facultad de una Carrera de
Actuarios que ha ido evolucionando a través del tiempo siguiendo las
tendencias internacionales, desde los cursos iniciales de Biometría y
Matemática Actuarial hasta el conjunto actual de las asignaturas es-
pecíficas del Ciclo Profesional (http://www.econ.uba.ar/www/grado/
actuario/index.html), dando lugar a la formación de un profesional
actuarial en un sentido amplio en cuanto a los campos de actuación.
A los fines de planificación de la Carrera resulta práctico tomar
como referencia los contenidos curriculares o “Syllabus” vigentes en
otros países, que contengan una formación amplia (como ejemplo

176
Reino Unido de la Gran Bretaña – www.actuaries.org.uk), o forma-
ción especializada (Estados Unidos, www.soa.org, www.casact.org).
Un consenso amplio sobre la formación actuarial lo tenemos en el
marco de la la AAI (http://www.actuaries.org/ABOUT/Documents/
Education_Syllabus_EN.pdf) y en el Grupo Consultivo Europeo de Ac-
tuarios (http://www.gcactuaries.org/documents/core_2005.pdf).
Así tomando los “Syllabus” de la A.A.I tenemos diez tópicos centra-
les, que tienen correspondencia con asignaturas (o parte de ellas) de
nuestro Plan de Estudios, a saber

Syllabus 2007 A.A.I. Plan de Estudios 1997 FCE-UBA


276. Cálculo Financiero
279. Administración Financiera
1.- Matemática Financiera
758. Bases Actuariales de las Inversiones
y Financiaciones
2.- Probabilidad y Estadística 248. Estadística
Matemática 285. Estadística II
246. Historia Económica y Social
General
249. Historia Económica y Social
Argentina
242. Economía
250. Microeconomía I
552. Dinero Crédito y Bancos
Sólo para Orientación Economía
3.- Economía
262. Macroeconomía I
283. Macroeconomía II
286. Microeconomía II
287. Geografía Económica
289. Epistemología de la Economía
Sólo para Orientación Administración
278. Macroeconomía y Política
Económica

177
247. Teoría Contable
279. Administración Financiera
Sólo para Orientación Administración
4.- Contabilidad 252. Administración General
274. Sistemas Administrativos
275. Tecnología de la Información
277. Gestión y Costos
288. Matemática para Economistas
5.- Modelización
751. Estadística Actuarial
752. Análisis Numérico
753. Biometría Actuarial
6.- Métodos Estadísticos 755. Teoría Actuarial de los Seguros
Patrimoniales
757. Teoría del Equilibrio Actuarial
754. Teoría Actuarial de los Seguros
Personales
755. Teoría Actuarial de los Seguros
Patrimoniales
7.- Matemáticas Actuariales
756. Teoría Actuarial de los Fondos y
Planes de Jubilaciones, Pensiones y
Salud
757. Teoría del Equilibrio Actuarial
8.- Inversiones y Análisis de 279. Administración Financiera
758. Bases Actuariales de las Inversiones
Valores y Financiacione
754. Teoría Actuarial de los Seguros
Personales
755. Teoría Actuarial de los Seguros
Patrimoniales
756. Teoría Actuarial de los Fondos y
9.- Gestión Actuarial de Riesgos
Planes de Jubilaciones, Pensiones y
Salud
757. Teoría del Equilibrio Actuarial
758. Bases Actuariales de las
Inversiones y Financiaciones.
759. Seminario
10.-Profesionalismo
de Integración y Aplicación

A los fines de las comparaciones específicas necesariamente debe-


mos relacionar los contenidos del Syllabus de la AAI y los Programas

178
Específicos de las Asignaturas detalladas. Es importante señalar que
durante los años 2002 a 2005 se han realizado importantes ajustes a
los Programas de las Asignaturas, adaptándolos a los “Syllabus 1998”,
lo que ha permitido que en el mes de noviembre de 2005 la A.A.I.
haya reconocido a nuestro país como miembro pleno de la misma a
través del Consejo Profesional de Ciencias Económicas de la Ciudad
Autónoma de Buenos Aires. Aspecto que, en este año, también han
sido ratificado por la A.A.I..
En las Jornadas Actuariales de 2003 (ver Anales de las Jornadas)
hemos presentado nuestra propuesta de Plan de Estudios, que inclu-
yen sintéticamente los aspectos siguientes:

a) readecuación de cargas horarias


b) reformulación de la formación en materia financiera, estable-
ciendo una formación profesional específica para actuarios en
correspondencia con los contenidos 1 y 8 de los “Syllabus”
sobre la base de:
● Matemática Financiera
● Bases Actuariales de las Inversiones y Financia-
ciones I
● Bases Actuariales de las Inversiones y Financia-
ciones II
c) inclusión de nuevas asignaturas obligatorias especificas: “De-
recho de Seguros y de la Seguridad Social”, “Teoría Actuarial
de las Coberturas de Salud”, “Modelos y Proyecciones Actua-
riales”.

179
Hoy en día la actividad profesional, los desarrollos académicos y de
investigación se orientan en un común denominador de Gestión de
Riesgos de la Empresa (ERM – Enterprise Risk Management), lo cuál
es consistente con los tópicos de:
● “Basilea II”
● “Solvencia II”
● nuevas Normas Internacionales de Información Patrimonial
(IFRS)
● Principios y Metodología de la Actividad Aseguradora (Asocia-
ción Internacional de Supervisores de Seguros)

Aspectos especialmente tenidos en cuenta en la reformulación pro-


puesta de la formación en el área financiera y de la asignatura pro-
puesta “Modelos y Proyecciones Actuariales”.

Conclusiones

La formación del Actuario es un tópico que requiere una tarea de


actualización permanente, habiéndose superado totalmente la po-
sible dicotomía entre primer y segundo tipo, que son aspectos de
especialización, mientras que el Actuario en el mundo actual debe
ser del “tercer tipo”, con una visión claramente integral de la entidad
analizada y su contexto, desarrollado y valuando productos, carteras,
estados contables –actuales y proyectados–, riesgos y solvencia, e
interactuando con otros profesionales requiriendo para ello excelen-
tes habilidades de comunicación y un marco de profesionalismo con

180
componentes éticos y de regulación profesional en defensa del in-
terés público. Es responsabilidad de nuestra Facultad contribuir a la
formación de profesionales idóneos.

181
Curso:
Solución de ecuaciones diferenciales en deriva-
dos parciales y análisis de
los problemas de contorno

Miguel Ángel Nastri

Objetivo

-Que el participante conozca algunos instrumentos que se emplean


en la resolución de ecuaciones diferenciales en derivadas parciales
y el análisis de distintos métodos para considerar los problemas de
contorno.-
-Que el participante pueda aplicar dichos instrumentos al planteo y
resolución de problemas aplicados a las financias, economía.-

Contenidos

1) Antecedentes históricos de la resolución de problemas.-


2) Aplicación con la ecuación diferencial ordinaria lineal de coefi-
cientes constantes.-
3) Resolución de la ecuación diferencial en derivadas parciales con
coeficientes constantes.-
4) Análisis de los problemas de contorno por el método de separa-
ción de variables y mediante el principio de superposición.-

183
5) Aplicación de la integral general de Fourier en la solución de
problemas con distintas condiciones iniciales.-

Antecedentes

En la solución de ecuaciones diferenciales en derivadas parciales,


del tipo:

∂2 y ∂2 y +
c2 ⋅ = , donde c ∈ R y es constante
∂ 2 x ∂ 2t
Se hallan muchas soluciones, pero la solución de la forma y = f ( x, t )
debe satisfacer ciertas y precisas condiciones iniciales.
En 1753, Daniel Bernoulli, dio para el intervalo 0 ≤ x ≤ π, una
solución a través de la serie de forma:
y = b1 sen( x) cos(ct ) + b2 sen(2 x) cos(2ct ) + ....

Que expresada en forma abreviada y = ∑ bi sen(nx) cos(nct )
n =1

La que, derivada término a término, verifica la ecuación diferen-


cial.
En 1747 y en 1748, D’Alembert y Euler, respectivamente, expresa-
ron soluciones del tipo
1

y= [ f ( x + c.t ) + f ( x − c.t )]
2
donde la curva y = f(x) , para t = 0 , es una función impar de perío-
do T = 2 π , del tipo

184
f ( x) = b1sen( x) + b2 sen(2 x) + ...
lo que implica que la solución general se puede expresar mediante
una serie trigonométrica.
En 1807, Jean Baptiste Joseph Fourier, determinó que una función
arbitraria f(x) puede expresarse como una serie trigonométrica de
senos y cosenos de la forma:

1
f ( x) = a0 + ∑ [an cos(nx) + bn sen(nx) ]
2 n =1
Donde los coeficientes an y bn tienen la forma:
+π +π
1 1
an =
π ∫f ( x) cos(nx) dx
−π
bn = ∫
f ( x) sen(nx) dx
π −π

En 1829, Dirichlet, probó que la serie trigonométrica de Fourier


converge a la función f(x), con lo cual se puede obtener la solución
formal que satisface la ecuación en derivadas parciales y las condi-
ciones de contorno.

Ecuación diferencial ordinaria lineal de coefi-


cientes constantes.

En el caso de una ecuación diferencial ordinaria lineal con coeficien-


tes constantes del tipo:
y’’ + λ y = 0
la solución no trivial y(x) , que satisfaga las condiciones de contorno
y (0) = 0 ∧ y (π ) = 0

185
determina que λ puede tomar cualquier valor real , pero habrá que
hallar el o los valores de λ que satisfagan los problemas de contorno
para λ > 0 , la solución general es:

y ( x) = c1sen ( λ x )+ c cos ( λ x )
2

y siendo: y(0) = 0 , queda y ( x) = c sen ( λ x )


1
y siendo: y(π) = 0 , entonces, λπ = nπ de donde queda : λ = n
2

; resultando los valores λ = 1, 4, 9, .... llamados autovalores


Las soluciones: sen(x) ; sen (2x); sen (3x); ..... llamadas
autofunciones
Serán también autofunciones cualquier múltiplo de las anteriores:
a1sen(x); a2sen(2x); a3 sen(3x)
Los autovalores constituyen una sucesión creciente de números
naturales que tiende a infinito. La n–ésima función sen (nx) se
calcula para x = 0 y en el intervalo [0,π ] se anula en n-1 puntos
del intervalo.

Ecuación diferencial en derivadas parciales con


coeficientes constantes

∂y ∂2 y
Para la ecuación =k 2
∂t ∂x
hallar una solución y(x,t) del problema de contorno si
t >0 ∧ 0< x<2

186
para y(0,t) = 0 ; y(2,t) = 0 ; para t > 0
y(x,0)= x ; para 0 < x < 2

Una solución formal, por el método de separación de variables, es


suponer la existencia de una solución que tiene la forma particular
y (x, t) = X(x) T(t), factorizables en un producto de funciones de
cada una de las variables independientes.
Sustituyedo en la ecuación diferencial:

∂ ∂2
( X .T ) = k 2 ( X .T )
∂t ∂x

∂T ∂2 X
o bien: x = k.T 2 ; que podemos expresar:
∂t ∂x
2
1 dT 1 d X
. = . 2
kT dt x dx
donde el 1er miembro es función de t
y el 2do miembro es función de x
y donde x es variable independiente de x y t es variable independien-
te de T ; resultando entonces cada miembros igual a una constante,
la que deberá ser negativa, para que se cumplan las condiciones de
contorno. 2
1 dT 1d X
. =c<0 ∧ =c<0
k .T dt x dx 2
Llamando c = −λ ; quedará
2

1 dT 1 d2X
. = −λ 2 ∧ . = −λ 2
k .T dt x dx 2
187
Operando de obtiene:

dT d2X
+ k .λ 2 .T = 0 ∧ 2
+ λ2 X = 0
dt dx
Ecuación diferencial ordinaria inicial de 1er orden homogénea y
ecuación diferencial ordinaria inicial de 2do orden homogénea con
coeficiente constante, cuyas soluciones serán:
2
T = C1.e − k λ t ; x = A1.cos.λ x + B1.sen.λ.x
Una solución, será: y (x, t ) = T (x ).x (x )
y ( x, t ) = C1 .e − k λ ( A1.cos λ x + B1.senλ x )
2
t

Que podemos expresar: y (x, t ) = e [A.cos λ x + B.senλ x ]


− k λ 2t

Donde las constantes A = A1.C1 ∧ B = B1.C1


Seguidamente habrá que hallar A y B, para que la solución cumpla
las condiciones de contorno establecidas.

si y (0, t ) = 0 ; y (o, t ) = A.e − k λ t  A.cos (λ o ) = 0 ;


2

resultando A=0 sabiendo que cos (λ 0 ) = 1 , quedando la solución:

y (x, t ) = Be − k λt .senλ x
y (2, t ) = 0 ; y (2, t ) = B.e − k λ t .sen 2λ = 0
2
si
si fuese B=0, la solución y(x,t) sería nula , ya que siempre:
2
e− kλ t ≠ 0
m.π
Será sen 2λ = 0 , la que implica que 2λ = mπ / m ∈ Z ∧ λ =
2
km 2 .π 2 .t
quedando la solución: − mπ x
y (x, t ) = Bm .e 4
.sen
2
188
para m = 0, ±1, ±2,... y (x, t ) satisface las dos primeras condiciones de
contorno, donde Bm sin valores diferentes de la constante para dife-
rentes valores de m.
Aplicando el Principio de Superposición, la sumatoria de las solucio-
nes que corresponden para cada valor de m, será también solución,
k .m 2π 2 .t
∞ − mπ x
resultando: y (x, t ) = ∑ Bm.e
m=1
4
.sen
2
Si y(x,0)=x para 0<x<2

mπ x
y (x, 0 ) = ∑ Bm.sen = x ; para 0<x<2
m =1 2
Desarrollando la función f(x)=x para 0<x<2, en serie de senos
de Fourier

189
f(x): función impar, donde 2L=4 ∧ L = 2 ; llamada prolongación impar de
f(x)
a0 = 0
an = 0
 nπ x 
 dx =
L 2
2  nπ x  2 x.sen 
bn = ∫ f (x ).sen   .dx = ∫  L 
L0  L  20
2
  −2 nπ x   −4 nπ x   4
=  x.  .cos  − (1) 2 2 .sen  =− .cos (nπ )
  nx 2  n π 2   0

Luego:

(−4 )  nπ x 
f (x ) = ∑ .cos (nπ ).sen  =
n =1 nπ  2 
4  π x  1  2π x  1  3π x  
=  sen   − .sen   + .sen   − ........

π  2  2  2  3  2  
−4
Resultando Bm = .cos (mπ )

Quedando la solución:
k .m 2π 2 .t

 −4  −  m.π .x 
y ( x, t ) = ∑  .cos (mπ ) .e 4
.sen  
m =1  mπ   2 
que es la solución formal que satisface las condiciones de contorno.
∂y ∂2 y
Para la ecuación : =k 2
∂t ∂x

190
Hallar una solución y(x,t) del problema de contorno si t > 0 ∧

x > 0 para y (x, 0 ) = f (x ) ; y (0, t ) = 0 ; y ( x, t ) < M / M ∈ � +

Aplicando el método de Separación de Variables, la solución arri-

bada es:

y (x, t ) = e − k λ t [A.cos λ x + B.senλ x ]


2

si y (0, t ) = 0 ; resulta A=0; quedando la solución

y (x, t ) = B.e − k .λ .t .sen.λ x


2

En lugar de aplicar el Principio de Superposición; se puede reempla-

zar B por B (λ ) , donde λ toma valores en 0 y +∞ .

La posible solución toma la forma:



y (x, t ) = ∫ B (λ ).e − k λ t .senλ x.d λ
2

0 ∞
Si y (x, 0 ) = f (x ) = B (λ ).senλ x.d λ

0
que constituye una ecuación integral que nos permitirá hallar B (λ ) .

Si la función f(x) es impar, del Teorema Integral de Fourier se de-

duce que:
∞ ∞
2 2
B (λ ) = ∫ f (x ).senλ x.dx = ∫ f (v ) sen.λ v.dv
π 0 π 0

191
Reemplazando B (λ ) en la posible solución, quedará:
∞∞
2
y ( x, y ) = ∫ ∫ f (v ).e − k λ t .senλ v.senλ x.d λ.dv aplicando la rela-
2

π 00
ción trigonométrica, que transforma un producto entre senos en una
diferencia de cosenos

1
senα .sen β = cos (α − β ) − cos (α + β )
2
1
para: senλ v.senλ x = cos λ (v − x ) − cos λ (v + x ) y reempla-
2
zando en y(x,t), resulta:

∞∞
1
y ( x, t ) = ∫ ∫ f (v ).e
− k λ 2t
cos λ (v − x ) − cos λ (v + x ) d λ.dv =
π 0 0

1

∞ ∞

∫ f (v )  ∫ e − k λ t .cos λ (v − x )d λ − ∫ e − k λ t .cos λ (v + x )d λ dv
2 2
=
π 0 0 0 

Para resolver estas integrales, analizamos el siguiente cálculo:



Sea J (α , β ) / J (α , β ) = e ∫
−αλ 2
.cos βλ.d λ
0

La derivada parcial de J respecto de β es:



∂J
(
= ∫ −λ.e −αλ .sen βλ.d λ
∂β 0
2

192
Integrando por partes, resulta:

 ∞
2
∂J e −αλ β β

2
= .sen βλ  − e −αλ .cos βλ.d λ = − .J ;
∂β 2α  0 2α 0 2α
de donde

∂J β
=− .J ;
∂β 2α

1 ∂J β ∂ [ln J ] β
=− ó bien =−
J ∂β 2α ∂β 2α
Integrando respecto a β , resulta:
β2
ln J = + Cβ
β2


J = J (α , β ) = C.e 4α

∞ ∞
1 −1
donde C = J (α , 0 ) = e ∫ ∫x
−αλ 2
dλ = 2
.e − x dx
0 2 α 0
1 π
Aplicando la función Gamma, resulta C = J (α , 0 ) = ; ha-
2 α
ciendo x = αλ .
2

En consecuencia la integral es:


∞ β2
1 π − 4α
∫e
−αλ 2
.cos βλ.d λ = .e
0
2 α
Entonces:

1 ∞ ∞

y ( x, t ) = ∫ ( )
−(v − x ) / 4 kt
f (v ).e −(v + x ) / 4 kt dv 
2 2

2 π .k .t  0
f v .e .dv − ∫
0 

193
para la 1er integral hacemos:
(v − x ) = w y
2 k .t
para la 2da integral hacemos: v + x = w
2 k .t
resultando:
 ∞ ∞

1  
y ( x, t ) = ( )
 ∫ e f 2 w kt + x dw − ∫ e f 2 w kt − x dw
π − x
− w2 − w2
( )
x 
 2 kt 2 kt 

En caso de f(x,t) sea inicialmente una constante u0

f ( x , t ) = u0
 
u0  ∞ − w2 ∞

y ( x, t ) =  ∫ e .dw − ∫ e .dw =
− w2

π − x x 
 2 kt 2 kt 

x x
2 kt 2 kt
u0 2u0  x 
∫ ∫
2 2
= e − w .dw = e − w .dw = u0 erf  
π −x π 0  2 kt 
2 kt

que es la función de error:


x ∞
2 2
erf (x ) = ∫e
−u2
.du = 1 − ∫e
−u2
.du
π 0 π x

194
Como aplicación de la fórmula integral general de Fourier, la función
y(x,t) en un medio ilimitado, nos posibilita: hallar la fórmula de y(x,t),
en un medio que ocupa todo el espacio, que fue desarrollado por
Black-Scholes; hallar en la ecuación del calor las temperaturas y(x,t),
cuando la distribución inicial de temperaturas es f(x), suponiendo la
condición de acotabilidad y (x, t ) < M .

Bibliografía

Davis P.J.y Revben H. The Mathematical Experience. Boston,


Houghton Mifflin Co, 1982
Béla Sz, Nagy, Introduction to Real Functions and Orthogonal
Expansions, Oxford University Press, 1965
Riemann, B. y Birkhoff, G. A source Book in Classical Analysis,
Harvard University Press, 1973.
Mc Graw, C. Fourier Series and Boundary Value Problems. Hill
Book Co, 1963.

195
Seguros y factores climáticos
en el riesgo agropecuario

Alberto Pagliano

Los seguros agropecuarios autorizados en nuestro medio por la


Superintendencia de Seguros de la Nación a las entidades asegura-
doras que cubren estos riesgos se clasifican, como su denominación
lo indica, en seguros agrícolas y en seguros pecuarios.
El objetivo de este trabajo de investigación a los fines de la reno-
vación del cargo actual de Profesor Consulto Asociado se refiere, en
particular, a los Seguros Agrícolas.
Los mismos se dividen en:
a) Seguro de granizo, sin adicionales
b) Seguro de granizo, más adicionales
c) Seguro multiriesgo agrícola
Pasaremos a referirnos en qué consiste cada uno de ellos y su parti-
cipación en cuanto a producción de primas en el mercado asegurador
argentino en el ejercicio económico 2004/2005, según datos propor-
cionados por el Organismo de Control.
a) Seguro de granizo, sin adicionales:
Es el más usual. Consiste, básicamente, en la cobertura de la pér-
dida de la producción ocasionada por la caída de granizo. La pro-
ducción de primas en el ejercicio indicado, fue del 50,6 % del total
correspondiente a los seguros agrícolas.
b) Seguro de granizo, más adicionales:
La cobertura incluye, además de la anterior, incendio, resiembra,

197
viento, helada, helada tardía, sequía, viento fuerte y falta de piso. La
producción de este seguro en el mismo ejercicio económico, fue del
47,2 %.
c) Multiriesgo agrícola:
La cobertura incluye cualquier riesgo climático, lluvia en exceso,
inundación, sequía, helada, helada tardía, alta temperatura, viento
fuerte, granizo, incendio a causa de rayo, daños biológicos, insectos,
plagas y enfermedades. La participación de la producción de primas
en este sector, sólo alcanzó al 2,2 % en el mismo período ejercicio
económico-financiero.
En nuestro País, la oferta de seguros agrícolas está representada
por, aproximadamente, 29 entidades aseguradoras de las cuales La
Segunda S.A., Sancor Cooperativa de seguros y la mutual San Cristó-
bal representan, aproximadamente, el 50 % del total de la producción
de primas del sector, correspondiendo el 41 % a las dos primeras, en
las jurisdicciones de las provincias de Buenos Aires y Córdoba.
Básicamente, estos productos están orientados a los cultivos tradi-
cionales y extensivos en la pampa húmeda, existiendo un importante
déficit de oferta de coberturas en cultivos regionales (limones en Tu-
cumán, olivos en San Juan, vides en Mendoza, algodón en el Chaco,
etc.) que, por su naturaleza, son generalmente intensivos y de los
cuales se tiene poca información sobre su siniestralidad.
Por ello, ante la falta de datos consistentes, las compañías de se-
guros al evaluar un riesgo zonal de estos cultivos, debe compensar
la falta de información con una prima de seguro, cuya tasa de riesgo
puro debe tener la adición de este componente de incertidumbre
(margen de seguridad), que provoca una selección inversa. El pro-

198
ductor tiene una percepción determinada de su propio riesgo; es de-
cir, los que tienen un riesgo superior al calculado, tomarían el seguro
y quienes tengan una percepción de riesgo inferior al calculado, no lo
tomarían, quedando la cartera de la aseguradora, descompensada.
En general, el productor regional pequeño o mediano, aun conside-
ra al seguro como un gasto, sin ponderar el efecto positivo que una
adecuada cobertura, tendría en la estabilización de sus ingresos.
Los riesgos climáticos a que están expuestos los productores que
se dedican a la explotación agrícola tienen, en su esencia, las mismas
características de resarcimiento o protección, que cualquier infortunio
cubierto por los seguros patrimoniales o de personas, pero, habida
cuenta las numerosas consecuencias en lo económico y en lo social,
tiene una trascendencia que va más allá del interés particular de su
directo destinatario: el productor.
En efecto, cuando las consecuencias dañosas de los diversos fac-
tores (climáticos, bióticos, físicos, etc.) a que están expuestos los
diferentes cultivos, abarca una importante área de las distintas zo-
nas agrícolas del País, además del productor individualmente, se ve
perjudicado el bienestar de toda la comunidad, incidiendo desfavo-
rablemente en la actividad industrial, comercial y financiera, no solo
en la región afectada, sino que sus efectos se extienden al ámbito
nacional.
La Ley de Emergencia nacional y/o provincial como sustituto del
seguro, determina que todo Departamento que esté por debajo del
50% del rendimiento histórico promedio, según datos de la Secreta-
ría de Agricultura, Ganadería, Pesca y Alimentos, será declarado zona
de emergencia agropecuaria, por lo que los productores incluidos en

199
la misma, serán sujetos de “beneficios” tales como: prórrogas para el
pago de impuestos y/o la extensión de facilidades de crédito.
El trabajo de investigación, está destinado a evaluar los riesgos no
controlables por el hombre a que están expuestos los cultivos, por lo
que podría considerarse como un sistema de protección integral o
múltiple de la agricultura.
Sus principales aspectos pueden resumirse así:
a) Aspecto social
Dado su finalidad, tiene una trascendencia que supera el interés
particular del productor, incidiendo en el bienestar de la comu-
nidad toda. El seguro agrícola integral o multiriesgo, no tiende a
proteger al productor negligente, sino a amparar al que trabaja
con responsabilidad y sentido comunitario
b) Política económica
Puede ser utilizado como eficaz instrumento de la programática
económica, que impulse un sostenido desarrollo de la produc-
ción agrícola.
c) Créditos
Los bancos podrán extender el uso del crédito sin discriminación,
llegando a los agricultores de modesta situación económica. Por
medio de créditos planificados con garantía del seguro, el Estado
puede programar adecuadamente los planes de desarrollo agrí-
cola ajustados a su política económica.
d) Situaciones de emergencia
Reemplaza eficazmente la asistencia económica del Estado (le-
yes de emergencia) para hacer frente a situaciones de inesta-
bilidad.

200
e) Carácter integral
1. Riesgos climatológicos: dentro de los cuales se pueden identi-
ficar diez clases de riesgos distintos, cinco de los cuales están
relacionados directamente con las precitaciones pluviales que
son: la sequía, las inundaciones, el exceso de humedad, la falta
de piso y el granizo; cuatro están relacionados con las tempera-
turas del medio ambiente como son las heladas, las bajas tem-
peraturas, los incendios y las ondas cálidas; y uno relacionado
con los vientos que incluye el huracán, el ciclón, los tornados, la
tromba o vientos fuertes.
2. Riesgos biológicos: en esta clasificación podemos situar a las
plagas, los depredadores y las enfermedades de origen fúngico
o bacterianas.
f) Carácter obligatorio o facultativo
El seguro agrícola integral o multiriesgo, librado exclusivamente
a la decisión del productor, no resulta practicable, como puede
apreciarse por la escasa producción de esta modalidad de co-
bertura, según datos de la Superintendencia de Seguros de la
Noción señalados más arriba.
Las posibles causas de fracaso podrían ser:
a) el agricultor se interesa por el seguro sólo cuando está expuesto
a los factores adversos y, por el contrario, los menos afectados,
no se interesan; y
b) la primas se incrementan debido a esta antiselección y no resul-
tan accesibles.
El carácter social del seguro condiciona su obligatoriedad, ya que
hace a la solidaridad del género humano, que aquel que no ha

201
sufrido daños compense, en cierta medida, al que lo padeció.
g) Prima pura de riesgo
Respondiendo a la ley de los grandes números del matemático
Jacobo Bernoullì, la prima pura o de riesgo, será actuarialmente
mejor acotada a medida que aumenten las explotaciones agrí-
colas aseguradas.
h) Alcance de la obligatoriedad
El seguro debe ser obligatorio en general. De no ser así, condu-
ciría a la formación de una cartera inadecuadamente reducida y,
por lo tanto, de escasa compensación.
i) Estadísticas
Las series estadísticas deben estar referidas a un adecuado tiem-
po de observaciones, de tal manera que su análisis cualitativo y
cuantitativo permita extraer conclusiones racionales.
Se estima que dichas series, deben corresponder a la experien-
cia registrada en once años continuados, inmediatos y previos a
los estudios actuariales.

Modelo básico para la determinación de la prima


pura o tasa de riesgo del Seguro Agrícola Inte-
gral o Multiriesgo

Se entenderá como Seguro Agrícola Integral o Multiriesgo, aquel


en el cual se prevé el pago de una indemnización al productor ase-
gurado, correspondiente a la diferencia entre la suma asegurada y
el valor de la cosecha, en el caso que se hayan producido pérdidas

202
o disminución de la cosecha, causada por uno o más de los riesgos
comprendidos por la póliza.
En este trabajo de investigación, se pretende establecer un modelo
matemático para la determinación de las primas puras utilizando los
datos oficiales publicados por la Secretaría de Agricultura, Ganadería,
Pesca y Alimentos sobre el rendimiento de los distintos cultivos por
zonas geográficas y la información disponible referentes a hectáreas
sembradas y hectáreas cosechadas para un determinado cultivo.
Complementariamente, se recurrirá a la información obrante en el
Instituto Nacional de Tecnología Agropecuaria (I.N.T.A.) y a las esta-
dísticas de producción de primas y siniestros publicadas por la Super-
intendencia de Seguros de la Nación.
Como se dijo más arriba, las series estadísticas resultan impres-
cindibles para determinar los niveles de primas puras y deben estar
referidas a un ciclo de registro estimado en once años consecutivos,
previos e inmediatos a los estudios estadísticos y actuariales de tal
forma que su análisis permita llegar a conclusiones racionales.
En el modelo matemático generalizado, se utilizarán los siguientes
datos:
G: cosecha garantizada por hectárea. (rendimiento medio de la
zona).
R: rendimiento real de una hectárea (verificado).
I: indemnización a cargo de la aseguradora.
P: porcentaje de G de indemnización máxima

Distintos casos de rendimiento por hectárea:


Pueden presentarse tres posibilidades:

203
a.1. Que el rendimiento real R sea menor que el rendimiento medio.
Entonces, la aseguradora paga la diferencia.
a.2. R igual G. No hay pérdidas. La aseguradora no paga nada.
a.3. R igual O. Se perdió todo. La aseguradora paga todo.
Debemos, entonces, fijar G y determinar R a fin de poder calcu-
lar la prima pura o tasa de riesgo.

Las estadísticas deben contener, como mínimo, los siguientes datos:


• Especies de cultivos
• Superficie sembrada por provincia y por departamento
• Superficie perdida y causas de la pérdida o disminución de co-
secha
• Superficie cosechada
• Producción total
• Rendimiento por hectárea
• Origen, frecuencia, intensidad y extensión de cada siniestro
Si fuera posible conseguir todos o algunos de los datos impres-
cindibles para este estudio, se deberán aplicar los procedimientos
estadísticos para determinar las características de las series observa-
das, tales como: la frecuencia siniestral, la asimetría, las tendencias
cíclicas de la producción y el ajustamiento de las series a una función
de distribución continua.
Para este trabajo de investigación, se sugiere comenzar con el trigo
como cultivo “piloto”, por las siguientes razones:
• Es el que se cultiva en el mayor número de predios
• Los seguros que cubren el riesgo de granizo de este cultivo,
aportaría gran experiencia operativa.

204
• Es el que cuenta con mayor información estadística, comenzan-
do por las zonas agrícolas de la pradera pampeana.

BIBLIOGRAFIA

El Seguro Agrícola Integral y Ganadero en México. Aseguradora


Nacional Agrícola y Ganadera S.A.
Anteproyecto de Ley de creación del Seguro Agrícola para la  
Provincia de Mendoza.
Implantación del Seguro Agrario en el Bco. de la Nación Argentina.
ler. Concurso Nacional en Riesgo y Seguro Agropecuario. SAGyP.
2006.
Encuesta sobre los seguros en el sector Agropecuario y Forestal
realizada y publicada por la SSN a partir del año 2004.
V Jornadas Interdisciplinarias de estudios Agrarios y Agroin-
dustriales.

205
LOS SISTEMAS DE CAPITALIZACIÓN INDIVIDUAL EN
AMÉRICA LATINA – UN ANALISIS DE CLUSTERS

Maria Nela Seijas

INTRODUCCIÓN

En 1981, Chile se convertía en el primer país de América Latina


que reformaba su antiguo sistema de seguridad social, adoptando un
régimen de capitalización puro. En la década del 90, ya sumaban una
decena los países que habían adoptado reformas estructurales en sus
sistemas de pensiones, todos ellos con características específicas que
dificultan muchas veces su comparación.
El objetivo del presente trabajo es determinar tipologías de sistemas
de capitalización individual en América Latina, aplicando la metodolo-
gía de análisis de clusters a un conjunto de variables representativas
de su performance en 2005, utilizando la información del análisis de
componentes principales. La robustez de los resultados obtenidos se
evalúa definiendo distintos escenarios de sensibilidad.
El trabajo se basará en la aplicación de dos técnicas de análisis de
datos multivariados: el análisis factorial de componentes principales y
el análisis de clusters, a partir de una matriz de datos de {individuos-
variables cuantitativas}. En el primer caso, el objetivo de la técnica
estriba en obtener información esencial de la matriz de datos, simpli-
ficando dimensiones y diferenciando los individuos que se analizan, a
partir de la explicación de la mayor parte de la inercia (varianza) de
los datos analizados. Por otro lado, el interés del análisis de clusters

207
está centrado en la integración de los individuos en diferentes grupos
según algunas variables de interés.
El trabajo se estructura de la siguiente manera:
En el capitulo 1 se describen las principales etapas metodológicas
del análisis realizado.
En el capitulo 2 se realiza una breve reseña de las técnicas estadís-
ticas a aplicar al análisis de datos multivariados.
En el capítulo 3 se explica el análisis de componentes principales
realizado, comentando las características de los ejes determinados.
A continuación, se describe el análisis de clusters aplicado sobre la
información de factores derivada del análisis de componentes prin-
cipales. Posteriormente, se definen escenarios alternativos de sensi-
bilidad.
En el capítulo 4 se analizan los principales resultados, comentando
e interpretando la conformación de los clusters obtenidos.

CAPITULO 1 – METODOLOGÍA APLICADA

Los sistemas de capitalización individual en América Latina incorpo-


ran distintos diseños estructurales, en algunos casos en la forma de
dos pilares, uno de reparto y otro de capitalización, lo que ha pautado
un disímil desarrollo de los mismos a lo largo de su vigencia.
A los efectos de caracterizar la performance de los distintos siste-
mas, se relevaron variables representativas que consideren el entorno
macroeconómico relevante (PBI, PEA, niveles salariales), de corte so-
ciodemográfico (afiliados, aportantes, estructuras etáreas) así como

208
otras representativas del espectro financiero contable de los sistemas
(comisiones, rentabilidad, inversión de los portafolios previsionales,
resultados contables).
La fuente de información seleccionada fue el Boletín Estadístico
de AIOS, atendiendo a que la información de referencia sigue crite-
rios de homogeneidad y transparencia, compatibilizando los criterios
adoptados por cada sistema, lo que garantiza la disponibilidad perió-
dica de la información.
La falta de disponibilidad de información potencialmente relevante
para algunos de los países integrantes de AIOS, por ejemplo, en
relación a fallecimientos de afiliados o de beneficiarios por tipo de
prestación, determinó la no consideración de dichas variables en el
análisis.
Inicialmente, se realizó un examen de los datos multivariados, bus-
cando eliminar del análisis a aquellas variables altamente correla-
cionadas con otras variables ya presentes en el mismo, que aportan
información redundante.
A continuación, se aplicó la técnica factorial de análisis de compo-
nentes principales1 a efectos de sintetizar la información que aportan
las variables originales seleccionadas, evaluando la cercanía de los
sistemas y la relación entre las variables, interpretando los resultados
obtenidos.
A las coordenadas obtenidas para cada país en los ejes principales
determinados se les aplicó un análisis de cluster, utilizando el algorit-
mo de Ward, que se asume como caso base, sometiendo los resulta-

1
Esta herramienta tiene como limitante que el número de variables a considerar en el
análisis no puede exceder del número de observaciones.

209
dos obtenidos a diversos escenarios de sensibilidad para chequear la
robustez de los clusters.

CAPÍTULO 2 – RESEÑA DE TECNICAS APLICADAS

El ANÁLISIS DE CLUSTERS (o de conglomerados) es una técnica


de clasificación aplicable al ámbito de información multivariada, que
busca encontrar grupos en un conjunto de información. Básicamente,
se trata de formar grupos de manera tal que aquellos objetos en el
mismo grupo sean similares entre sí, mientras objetos en diferentes
grupos sean tan disímiles como sea posible.
Las etapas de aplicación de un método de clasificación son:
a) Definición de la matriz de datos originales;
b) Determinación de un concepto de similitud o disimilaridad entre
observaciones;
c) Definición de algoritmos de clasificación;
d) Chequeo de reglas de detención (“stopping rules”);
e) Selección del número de grupos y descripción de cada uno de
ellos en función de las características observadas.

En el presente análisis se utilizan los métodos de clasificación del


tipo jerárquico-agregativos, dentro de los cuales se destacan los al-
goritmos de Complete Linkage y Ward.
Las técnicas de clustering pueden resultar de mayor utilidad cuan-
do se aplican no ya a los datos originales sino a valores derivados
que buscan sumarizar los datos en una forma óptima. Uno de los

210
métodos más comunes y también de más utilidad es el análisis de
componentes principales.
Las clasificaciones jerárquicas pueden ser representadas por un
diagrama en dos dimensiones conocido como dendrograma, que
permite reconstruir la historia de la formación de los clusters, a partir
de las fusiones o divisiones realizadas en cada etapa del análisis.
La descripción de los algoritmos y las reglas de detención citadas
se incluyen en Anexo.
El ANÁLISIS DE COMPONENTES PRINCIPALES es una técnica fac-
torial que se aplica a un conjunto de datos del tipo {individuos x
variables cuantitativas}
El principio básico implica la definición de dos nubes: la nube de las
filas, donde cada individuo se representa por un punto en el espacio
de las variables y la nube de las columnas, donde cada variable defi-
ne un punto en el espacio de los individuos.
Interesa determinar la distancia entre los individuos y los ángulos
que forman las variables (correlación). A dichos efectos, se realiza un
procedimiento factorial en cada nube - proyección en un subespacio
menor o igual que el original- encontrando ejes de inercia tales que la
inercia de la nube proyectada sobre esos ejes sea máxima. El conjun-
to de las coordenadas de los puntos de la nube sobre cada uno de es-
tos ejes define una función numérica llamada factor (o componente)
A efectos de determinar la calidad de los subespacios de proyección
en base a la información que poseen de la nube original, se utilizan
ayudas a la interpretación. Los índices más tradicionales se describen
en Anexo.
Una vez seleccionado el espacio de proyección, se caracterizan los

211
ejes a partir de las variables originales con mayor correlación con los
componentes principales.

CAPITULO 3 - ANALISIS

Se parte de una matriz de datos con individuos (países) en las filas


y variables cuantitativas en las columnas.
Los países considerados son los actuales miembros de la Asociación
Internacional de Organismos de Supervisión de Fondos de Pensiones
(AIOS)2: Argentina, Bolivia, Chile, Colombia, Costa Rica, El Salvador,
México, Perú, República Dominicana y Uruguay.
Las variables utilizadas son3: Aportantes/PEA, Rentabilidad Real
Histórica, Gastos Operativos por afiliado, Inversión en deuda guber-
namental, Inversión en moneda extranjera, Salario promedio, Fon-
dos/PIB, Afiliados menores a 30 años, Utilidad anual/Ingresos por co-
misión, Comisión neta sobre aportes. Esta información está incluida
en el Boletín Estadístico de AIOS a diciembre de 2005.

Estudio preliminar

En principio, se realiza una estadística descriptiva de datos, detec-


tando las variables que presentan valores extremos mientras que la
matriz de correlaciones de Pearson muestra algunas correlaciones

2
Nicaragua y Ecuador reformaron sus legislaciones previsionales en 2000 y 2001, respec-
tivamente, pero a la fecha no han implementado los cambios.
3
En el Glosario se define el alcance de las variables consideradas en el análisis.

212
muy altas entre algunas variables originales, lo cual alerta acerca de
la existencia de información redundante.

Análisis de Componentes Principales (ACP)

En el presente análisis se pretende determinar si es posible repre-


sentar adecuadamente el set de información original en un subespa-
cio de dimensión menor, constituido por variables construidas como
resumen de las originales (componentes) con la menor distorsión
posible.
Dado que las 10 variables consideradas en el análisis están expre-
sadas en diferentes unidades de medida, se debe trabajar con datos
estandarizados.
Este ACP muestra que gran cantidad de países se encuentran si-
tuados en el baricentro de la nube, por lo que no se determina una
estructura clara de clusters, dado que el modelo se encuentra fuer-
temente afectado por los valores extremos de Chile y República Do-
minicana.
A efectos de analizar la representación de los individuos, se estudia
la norma de los países (distancia al origen de los ejes) y se constata
que la que está más lejos del baricentro es República Dominicana,
con una norma de 22,84, seguida de Chile, con 20,81, lo que confir-
ma el carácter atípico de ambos países.
Chile, el pionero en la región, ocupa el primer lugar en el ranking
de cobertura y alcance de los fondos; mayor salario promedio, uno
de los mayores valores de rentabilidad histórica así como uno de los
menores porcentajes de inversión en deuda pública. Por otro lado, el

213
sistema vigente en República Dominicana, de más reciente creación,
presenta valores negativos de rentabilidad histórica, así como el me-
nor nivel de Fondos a PIB y gastos operativos de los 10 países consi-
derados. Además, este país registra uno de los más bajos niveles de
salario promedio de la región.
De manera que, teniendo en cuenta las variables muy correlacio-
nadas entre sí, junto a los países con valores extremos en la región,
se decide excluir las variables de utilidades a comisiones, afiliados jó-
venes, aportantes/PEA y fondos/PIB, incluyendo a Chile y Perú como
filas suplementarias4.
Los principales resultados obtenidos para el ACP con 8 países y 6
variables son los siguientes:
Número de componentes a retener:
● Porcentaje de inercia explicada: 70 % (en 2 ejes factoriales);
● Regla de Kaiser: 2 componentes con autovalores superiores a la
unidad;
● Scree Graph: no existen ganancias significativas de inercia ex-
plicada por la inclusión de más de 2 ejes.
De esta forma, los indicadores de inercia utilizados estarían mar-
cando que se deberían retener 2 componentes a efectos de una me-
jor representación de los datos.
Calidad de representación de los individuos (países): medi-
da a través del coseno2 acumulado en 2 ejes factoriales, se aprecia

4
Esto implica que estos países no son considerados para determinar los componentes
principales (por lo que se les asigna un peso nulo en el análisis) pero como interesa que
sirvan de referencia, es posible determinar las coordenadas de dichos puntos en el espa-
cio encontrado, a efectos de aplicar un análisis de cluster a posteriori sobre los 10 países
analizados.

214
que en general los países se encuentran bien representados, con
porcentajes significativos de inercia explicada.
El gráfico de los países en los ejes principales determinados mues-
tra que éstos se encuentran mejor representados, una vez de excluir
a Chile y Rep. Dominicana.

Si se incluye en el gráfico a estos países, en función de sus coordena-


das para cada uno de los factores, se proporciona información primaria
sobre posibles clusters, ya que se evidencian asociaciones entre El Sal-
vador, México, Costa Rica y Rep. Dominicana, por un lado, Argentina y
Colombia, por otro, Perú y Chile y entre Bolivia y Uruguay.

215
En cuanto a la contribución de cada variable a explicar la inercia de
los ejes, las que más aportan son inversión en deuda e inversión en
moneda extranjera.

Interpretación de los ejes

El primer eje explica el 40 % de la inercia total y distingue entre


los países con mayor participación de la deuda pública en los fondos
previsionales, de aquellos con mayores niveles de comisiones netas.
De manera que, en general, los sistemas con mayores porcentajes de
inversión en deuda pública cobran menores comisiones sobre aportes
a sus afiliados, e inversamente.
Este eje contrapone claramente a Perú (con la segunda comisión
más alta sobre aportes después de Argentina y una de las menores
participaciones en deuda pública) frente a Bolivia (con más del 70 %
del portafolio previsional en deuda pública y la comisión más baja de
la región).
El segundo eje aporta un 30 % de la inercia a explicar. En el elen-
co de países considerados, se constata que en general aquellos con
mayores niveles de inversión en deuda pública en sus portafolios
tienen baja participación de instrumentos en moneda extranjera; por
el contrario, de los países con mayor inversión en moneda extranjera,
los porcentajes de inversión en deuda pública son de los menores en
la región.
Este eje enfrenta a Perú (de los más bajos porcentajes de inversión
en deuda y alta inversión en moneda extranjera) a Costa Rica (de muy
alta inversión en deuda y muy baja inversión en moneda extranjera).

216
Análisis de Cluster con Componentes

Se construye la matriz de datos con la información obtenida a partir


del ACP, es decir, que cada país tendrá asociado 2 coordenadas, que
resumen la información esencial de las variables originales.
Las distancias muestran que los dos países más próximos son Chile y
Perú mientras que los dos sistemas más diferentes son Chile y Bolivia.
Los indicadores obtenidos para el algoritmo de Ward - Pseudo F,
Pseudo t2 y R2 - sugieren la conformación de 4 clusters, obteniendo
un R2 de 89%. Aplicando el citado algoritmo, los 4 clusters con-
formados de acuerdo con la información de componentes tienen la
siguiente integración:

217
CASO BASE 2005

Ward
Cluster Países
1 Argentina-Colombia
2 Bolivia-Uruguay

Costa Rica - El Salvador-


3
México- Rep. Dominicana

4 Perú - Chile

Sensibilidad de los clusters conformados

A efectos de determinar la robustez de los clusters determinados


y antes de interpretar los resultados obtenidos, se establecen varios
escenarios de sensibilidad, que se desarrollan a continuación:
i) Sensibilidad al tipo de información utilizada
Se realiza el análisis de cluster (Ward) a partir de la matriz de datos
de información original, o sea que cada observación tendrá asociado
el valor correspondiente a 6 variables.
Los sistemas más diferenciados resultan ser Chile y República Do-
minicana mientras que los más próximos son El Salvador y México.

218
Ward – Información original
Cluster Países
1 Argentina-Colombia-El Salvador-México
2 Bolivia- Costa Rica- Uruguay
3 Perú- Chile
4 Rep. Dominicana

Este algoritmo estaría indicando la formación de 4 clusters, con


un R2 de 72 %, no presentando diferencias significativas con el caso
base. En particular, se mantienen las alianzas Argentina-Colombia,
Perú-Chile, Bolivia-Uruguay y El Salvador-México. Los movimientos
más significativos corresponden a los sistemas de Costa Rica y Rep.
Dominicana.
ii) Sensibilidad al algoritmo de clasificación
El algoritmo de Complete Linkage aplicado sobre la información de
ACP a 2005 sugiere asimismo la formación de 4 clusters, con un 89
% de R2, con idéntica integración que la establecida por el algoritmo
de Ward en el caso base.
iii) Sensibilidad al tipo de distancia utilizada
Sustituyendo la distancia Euclídea por la distancia Mahalanobis, el
algoritmo de Ward sugiere la formación de 4 clusters con la misma
integración respecto al caso base (R2 de 89 %).
iv) Sensibilidad a las variables consideradas en el análisis
En esta instancia, se sustituyeron las 2 variables que resultaron
más significativas para explicar los clusters conformados en el aná-
lisis original (Inversión en moneda extranjera e Inversión en deuda

219
pública), por otras variables de interés a diciembre 2005 (Nro. de
administradoras y Aportantes/Afiliados)
El nuevo análisis realizado mantiene las asociaciones entre Boli-
via-Uruguay, Perú-Chile y Costa Rica-El Salvador. México y Colombia
intercambian lugares entre el cluster 1 y 2. República Dominicana
queda relegada a un cluster individual.
v) Sensibilidad a diciembre de 2006
Se compilaron las variables originales (seleccionadas en el análisis
preliminar) a diciembre 2006, iterando el análisis realizado en base
a ACP a efectos de evaluar posibles modificaciones en la integración
de los clusters.
El ACP determinó la conformación de 3 componentes, con un 92%
de inercia explicada. En particular, las variables que más contribu-
yeron a la formación de los clusters fueron gastos operativos, inver-
sión en deuda y moneda extranjera y rentabilidad histórica. El primer
componente opone a Bolivia y Chile, el segundo, a Uruguay y Rep.
Dominicana mientras que el tercero contrapone a Argentina y Rep.
Dominicana.
El algoritmo de Ward sugiere la formación de 4 clusters, en los que
se mantienen las asociaciones entre Bolivia-Uruguay, El Salvador-
México, Perú-Chile y Costa Rica-República Dominicana mientras que
se producen modificaciones en la conformación de los clusters 1 y 3
con respecto al caso base.

Conclusiones sensibilidad
En definitiva, dado que en general persisten las diferencias entre
la mayoría de los sistemas analizados en los distintos escenarios de

220
sensibilidad, resulta evidencia de que se ha encontrado una solución
útil, ya que estableciendo que un determinado sistema pertenece a
un cierto cluster, se proporciona información sobre variables, distan-
cias, algoritmos o momentos del tiempo que no son los utilizados
originalmente para derivar la existencia del cluster.

CAPITULO 4 – PRINCIPALES RESULTADOS

En primer lugar, se advierte que la conformación de los clusters


está vinculada con la antigüedad promedio de los sistemas, partiendo
de Chile-Perú, los dos sistemas más antiguos (con 25 y 13 años de
vigencia, respectivamente), Argentina-Colombia (con 12 años cada
uno), Bolivia-Uruguay (antigüedad promedio de 9,5 años); Costa Ri-
ca-El Salvador-México-República Dominicana (6,5), los sistemas más
recientes.
Considerando los valores promedio de las variables analizadas en
los clusters conformados en el caso base 2005, se comentan las prin-
cipales características de los mismos, ordenando los clusters según
su antigüedad promedio.

Cluster 4 – Chile y Perú


Estos países se destacan por el mayor nivel de gastos operativos
de la región, comisiones intermedias, altas rentabilidades históricas,
porcentaje medio-alto de inversión en moneda extranjera, el menor
porcentaje de participación de deuda pública en los portafolios y el
mayor nivel de salarios de sus afiliados.

221
Cluster 1 – Argentina y Colombia
En general, se caracterizan por tener altos niveles de gastos ope-
rativos por afiliado, rentabilidades históricas y comisiones netas, por-
centajes medio-bajos de inversión en deuda pública y en moneda
extranjera, así como los menores niveles de salario.

Cluster 2 – Bolivia y Uruguay


Este cluster se destaca por altos porcentajes de rentabilidad históri-
ca, utilidad a comisiones e inversión en moneda extranjera, porcenta-
jes intermedios de inversión en deuda pública, bajos porcentajes de
afiliados jóvenes y comisiones y gastos operativos por afiliado.

Cluster 3 – Costa Rica, El Salvador, México y República Do-


minicana
Estos países se caracterizan básicamente por los menores porcen-
tajes de inversión en moneda extranjera y rentabilidad histórica, co-
misiones medio-bajas, gastos operativos intermedios, así como por
los mayores porcentajes de jóvenes y de inversión en deuda pública
(salvo Rep. Dom.).
A continuación, se presenta la evolución a lo largo de los distintos
clusters de las variables que resultaron más significativas en el aná-
lisis:

222
Sistemas de capitalizacion 2005- Sistemas de capitalizacion 2005-
% deuda publica % Mon. Extranjera

90 80
80 70
70 60
60 50
50 40
40
30 30
20 20
10 10
0 0
Mexico

Mexico
Peru

Peru
Uruguay

Argentina

Chile

Uruguay

Argentina

Chile
Costa Rica

Costa Rica
El Salvador

El Salvador
Bolivia

Bolivia
Dominicana

Colombia

Dominicana

Colombia
R.

R.
Sistemas de capitalizacion 2005- Sistemas de capitalizacion 2005-
Gastos operativos p/afiliado % Rentabilidad Historica

50 14
12
40 10
30 8
6
20 4
2
10 0
-2
0 -4
Mexico

Peru
Uruguay

Argentina

Chile
Costa Rica

El Salvador

Bolivia
Dominicana

Colombia

Mexico

Peru
Uruguay

Argentina

Chile
Costa Rica

El Salvador

Bolivia
Dominicana

Colombia
R.

Sistemas de capitalizacion 2005- R.

Comisiones netas s/aportes

25
20
15
10
5
0
Mexico

Peru
Uruguay

Argentina

Chile
Costa Rica

El Salvador

Bolivia
Dominicana

Colombia
R.

Actualización a 2006
Durante el año 2006, las variables se comportaron en general de
acuerdo a lo esperado en el análisis: incremento de gastos operativos
por afiliado, rentabilidades históricas y participación de inversión en
moneda extranjera en los portafolios previsionales, así como dismi-
nución de inversión en deuda pública y niveles de comisiones.
Considerando la conformación de clusters en base a ACP, se man-
tienen las asociaciones entre Bolivia-Uruguay, El Salvador-México,
Perú-Chile y Costa Rica-República Dominicana determinadas en el
caso base.

223
Conclusiones

El estudio efectuado sobre el mercado de fondos de pensión en


América Latina en 2005 en base a técnicas factoriales y de análisis
de cluster permitió determinar básicamente cuatro tipologías de sis-
temas, que guardan estrecha relación con su antigüedad. En primer
lugar, el análisis de componentes principales posibilitó conocer las
características estructurales del conjunto de sistemas bajo estudio,
donde el factor diferenciador más importante es el tiempo transcurri-
do desde la creación de dichos sistemas.
Este resultado permite definir un ciclo de vida de los sistemas de
pensiones en América Latina, visualizándose la migración desde sis-
temas más jóvenes, con comisiones bajas, altos porcentajes de in-
versión en deuda pública y baja participación de moneda extranjera
en los portafolios previsionales, junto a bajas rentabilidades histó-
ricas, hacia sistemas maduros, con menores porcentajes de deuda
pública y mayores de moneda extranjera, altas rentabilidades históri-
cas y niveles de comisiones intermedias. Por otro lado, el análisis de
cluster realizado sobre un conjunto de variables representativas de
la performance de los sistemas de capitalización en América Latina
permitió determinar algunas asociaciones significativas entre los sis-
temas de Bolivia y Uruguay, El Salvador y México y Perú y Chile, que
se mantuvieron a pesar de modificaciones en la distancia, el tipo de
información utilizada, el algoritmo de clasificación y utilizando datos
a 2006. Asimismo, los vínculos entre Bolivia-Uruguay y Perú-Chile se
mantuvieron incluso excluyendo las variables que más significativa-
mente contribuían a la formación de los clusters.

224
No obstante los escenarios de sensibilidad realizados, es importante
destacar que la modificación integral del set de información inicial con-
siderada en el análisis podría modificar las conclusiones del estudio.
El análisis efectuado permite una mejor comprensión del conjunto
de sistemas de capitalización individual en América Latina ya que,
no obstante las características específicas de los mismos, prevalece
la organización en clusters determinada en este trabajo. De mane-
ra que la clasificación realizada reviste utilidad para futuros trabajos
académicos sobre el tema de referencia puesto que se han desarro-
llado agrupaciones de sistemas que pueden ser manejados en forma
simplificada respecto a los sistemas individuales.

BIBLIOGRAFIA

Asociación Internacional de Organismos Supervisores de Pen-


siones - (2005/2006) – “Boletín Estadístico” –
www.aiosfp.org
Blanco, J. “Introducción al análisis multivariado” – Primera
edición – Montevideo - Instituto de Estadística – Universidad
de la República - Facultad de Ciencias Económicas y de Admi-
nistración. 2006.
Everitt, B. – “Cluster Analysis” – Third edition – London - Ed-
ward Arnold. 1993.
Kaufman, L. and Rousseeuw, P.– “Finding groups in data – An
introduction to cluster analysis” – New York – John Wiley &
Sons. 1990.

225
GLOSARIO
Afiliados menores de 30 años (en porcentaje sobre el total
de afiliados): El número de afiliados que a una fecha deter-
minada tienen edades de hasta 30 años, respecto al total de
afiliados a dicha fecha.
Aportantes/PEA (en porcentaje): Los afiliados que registra-
ron aportes en sus cuentas de capitalización individual en un
mes, respecto a la Población Económicamente Activa a dicha
fecha.
Comisión neta sobre aportes (en porcentaje sobre aportes):
Se construye como el cociente entre la comisión neta sobre
ingreso de aportación (comisión total de la cual se deduce la
prima de seguro de invalidez y fallecimiento) respecto a la
suma del aporte capitalizable y la comisión neta sobre ingreso
de aportación.
Fondos/PIB (en porcentaje): Son los fondos administrados en
los sistemas de capitalización individual respecto al Producto
Bruto Interno correspondiente.
Gastos Operativos por afiliado (en dólares): Corresponde al
cociente entre el total de gastos anuales de administración
(que incluye sueldos y salarios de personal y directores así
como gastos de computación), comercialización (incluye gas-
tos en publicidad y promoción, así como comisiones a agentes
y vendedores) y otros de las administradoras y el total de
afiliados a fin de dicho año. No incluyen resultados financieros
ni la amortización de los gastos diferidos.
Inversión en deuda gubernamental (en porcentaje sobre los

226
fondos): Es el monto invertido en títulos de deuda pública so-
berana respecto al total de los fondos administrados.
Inversión en moneda extranjera (en porcentaje sobre los fon-
dos): Es el monto invertido en títulos nominados en monedas
extranjeras (respecto a la moneda del país de origen) respec-
to al total de los fondos administrados.
Número de administradoras: Es el total de administradoras
que representaban la red física del sistema en cada país, a
diciembre de cada año.
Rentabilidad Real Histórica: Se obtiene deflactando la rentabi-
lidad nominal histórica por el índice de precios al consumidor
o por unidades de fomento en Chile. La rentabilidad conside-
rada es bruta, ya que se mide sobre aportes capitalizados, sin
considerar el efecto de las comisiones que cobran las admi-
nistradoras.
Salario promedio (en dólares): Es el ingreso imponible men-
sual promedio de los afiliados, en base al cual se efectúan los
aportes a la cuenta de capitalización individual.
Aportantes/Afiliados (en porcentaje): Es el cociente entre el
número de afiliados que registran aportación en las cuentas
individuales a diciembre de cada año respecto al stock de afi-
liados a dicha fecha.
Utilidad anual/Ingresos por comisión (en porcentaje): Corres-
ponde al total de utilidades anuales de las administradoras
respecto a los ingresos por concepto de comisiones de dicho
año.

227
ANEXO

I) Análisis de clusters – Algoritmos de clasificación jerárquico agre-


gativos
Los algoritmos de clasificación de tipo agregativo utilizados en el
trabajo son:
• Complete linkage (o técnica del vecino más lejano) : bajo
este método, la distancia entre grupos se define como la del par de
individuos más lejano, uno perteneciente a cada grupo.
• Método de Ward (1963): procedimiento de clustering que bus-
ca formar las particiones Pn, Pn-1,......P1 minimizando la pérdida de
información (definida en términos de un criterio de suma de los cua-
drados de los errores) asociada con cada cluster y cuantificar dicha
pérdida en una forma fácilmente interpretable. En cada instancia,
este método minimiza la variabilidad dentro de los grupos y maximiza
la variabilidad entre grupos.

II) Análisis de clusters - Indicadores de detención


• Pseudo F: busca máximos relativos en relación a la varianza en-
tre clusters (between) con respecto a la varianza dentro de éstos
(within)
• Pseudo t2: si del paso k al k+1 se produce una caída importante
del indicador, se considera significativa la fusión de grupos (u ob-
servaciones) en k+1.
• R2, establece la relación entre la variación explicada y la variación
total, buscando maximizar su valor.

228
III) Análisis de componentes principales - Ayudas a la interpreta-
ción
• Calidad de representación global de una nube por un sub-
espacio: es el porcentaje de inercia explicada por los sucesivos
espacios de proyección en relación a la inercia total.
• Calidad de representación de un elemento: Es el cociente
entre la inercia de la proyección del elemento i sobre el eje s y la
inercia total de i, que es el coseno cuadrado del ángulo que forma
el vector original y el eje s.
• Contribución de un elemento a la inercia de un eje: Es
útil para medir la porción de la inercia del eje s explicada por una
variable o conjunto de variables
• Regla de Kaiser: un componente que tenga inercia menor de 1
contiene menos información que la variable original y por lo tanto
debe ser descartado.
• Scree Graph: Es un criterio gráfico, por el que se eligen subes-
pacios de proyección hasta que no existan ganancias significativas
posteriores de inercia explicada.

229
LA INCERTIDUMBRE EN LA SEGURIDAD SOCIAL

Liliana Silva

Los actuarios que desarrollamos nuestra labor en algún lugar dentro


del ámbito de la Seguridad Social nos enfrentamos, cuando debemos
hacer algún tipo de proyección necesaria para la toma de decisiones,
con el desafío de evaluar los riesgos de los distintos escenarios. En
los riesgos esta presente el concepto de incertidumbre, que en prin-
cipio, por nuestra profesión tenemos las herramientas estadísticas
para valuarla, pero resulta que éstas no son suficientes porque la
incertidumbre a que nos enfrentamos no sólo se debe al azar de las
variables específicas, sino entre otras, a decisiones políticas que se
plasman a través de la normativa y su reglamentación, la situación
internacional tanto financiera como de movimientos migratorios, etc.,
que cambian sustancialmente los escenarios de nuestros modelos.
Para realizar una proyección en cualquier sistema de seguridad so-
cial debemos comenzar por definir a que van a tener derecho los
ciudadanos en esta materia (que tipo de educación, salud, cobertura
de vejez, de invalidez, de riesgos profesionales, etc).
Definido a que tienen derecho los ciudadanos, estamos en condi-
ciones de definir la cobertura, es decir, como se van a implementar
esos derechos y con que alcance. Un ejemplo de que cobertura se va
a brindar puede ser: cubrimos invalidez por cualquier causa o sola
la incapacidad laborativa. En nuestro país, cubrimos en principio por
cualquier causa, diferenciando a su vez la causa de esa invalidez si la
persona está trabajando, si proviene de un infortunio laboral la cubri-

231
mos de una manera (ley de riesgos de trabajo), si no la cubrimos de
otra (ley 24241), con la ley previsional. Otro ejemplo, la salud estará
a cargo exclusivamente del Estado o no, en nuestro caso depende
de la situación laborativa de los integrantes del grupo familiar, si no
trabajan están cubiertos por el Estado, si trabajan están cubiertos
por obras sociales (de carácter sindical) y/o prepagas (de carácter
privado), si viven de rentas lo más probable es que la cobertura sea
mediante medicina prepaga.
Conocida cual va a ser la cobertura a brindar la siguiente pregunta
es como vamos a financiar y administrar esa cobertura. Aquí comien-
zan las distintas proyecciones para los escenarios que se definan. Va-
mos a concentrarnos dentro de la Seguridad Social en el Sistema In-
tegrado de Jubilaciones y Pensiones y las incertidumbres adicionales
a las provenientes del azar para las cuales es necesaria la creatividad
y experiencia del actuario para intentar predecirlas.
Podríamos clasificarlas de esta manera:
• Incertidumbre por cambios en el financiamiento.
• Incertidumbre por cambios en los derechos a cubrir.
• Incertidumbre por la tardanza en la reglamentación de la nor-
mativa.
• Incertidumbre por la interpretación de la reglamentación de la
normativa.
• Incertidumbre por las medidas coyunturales que se prolongan
en el tiempo.
• Incertidumbre por acontecimientos Internacionales que impac-
tan en los entes que administran los beneficios.

232
Para evaluar o disminuir estas incertidumbres necesitaremos co-
nocer la historia, como impactó en las distintas variables y tenerlas
en cuenta para diseñar los modelos de proyección y los análisis de
sensibilidad de los mismos.
Comencemos con la historia, en el año1993 se promulga la Ley
24241 que crea el Sistema Integrado de Jubilaciones y Pensiones
que establece que a partir del 15 de Julio de 1994 entra en vigencia
este sistema que comprende dos Regímenes: el Régimen Previsional
Público y el Régimen de Capitalización. Se establece un porcentaje
de contribuciones que en principio ayudarían a solventar los gastos
de transición del viejo sistema al nuevo manteniendo controlado el
déficit fiscal que se producía. Durante el año 1995 se disminuyen los
porcentajes de contribuciones patronales en haras de mejorar los
costos laborales y de esa manera aumentar la oferta laboral. Total-
mente loable el objetivo pero no se estableció con qué financiar los
fondos que se distraían del Sistema Integrado, aquí aparece la primer
incertidumbre fuera del azar, debemos medir como este déficit va
impactar en las futuras proyecciones del Régimen Previsional Público
y que efecto “secundario” por llamarlo de alguna manera tiene en el
Régimen de Capitalización. Quién enfrenta la primera crisis financiera
internacional que conocimos como el efecto Tequila que impacta di-
rectamente en los valores cuotas.
En diciembre de 1996 se promulga la ley 24733 se incrementan los
derechos para los derechohabientes de pensiones por fallecimiento
acordándoles lo que se conoce con el nombre de derecho a acrecer. A
un año y medio de la sanción del nuevo sistema se produce un cambio,
esto crea una incertidumbre en el sentido que las condiciones de co-

233
bertura de la ley no son estables en el tiempo. A nuestras proyecciones
donde la incertidumbre consistía en las probabilidades de sobreviven-
cia se le agrega este cambio de normativa, que para ambos regímenes
significó la necesidad de mayor financiamiento para el pago de las
prestaciones. En ninguno de los dos casos se aumentó el financiamien-
to, entonces para el Régimen Previsional Público implicó mayor déficit,
en capitalización encarecimiento del Seguro Colectivo de Invalidez y
Fallecimiento por las prestaciones definidas y una baja de las presta-
ciones de contribuciones definidas (leáse jubilaciones) por la necesidad
de mayor capital para el financiamiento de los haberes previsionales.
Pero esta normativa no sólo impactó a nivel de financiamiento, sino
que se tardó aproximadamente 6 meses en sacar su interpretación,
por lo que en ese lapso se generaron derechos que no se podían valuar
ciertamente y que generaban un stock de dinero incierto, por el lado
de su cálculo y para el Régimen de Capitalización incierto en su valor
monetario porque el mismo representaba cuotas y dependía del valor
de éstas, que otra vez estaba amenazado con la crisis financiera de
Rusia. Adicionalmente, al lapso transcurrido por la interpretación de la
norma, se le suma el tiempo para reglamentarla que culminó en marzo
de 1998. Casi un año y medio despues, se generó una deuda de difícil
valuación al inicio de la misma y que su acumulación implicaba una
disponibilidad de dinero que en un caso sufría una actualización por el
valor cuota. Asimismo, en el caso de las Cías. De Seguros de retiro se
comenzaba a tener dos carteras una en pesos y con casos sin derecho
a acrecer con la incertidumbre de que estos pudieran reclamar ese
derecho vía juicio y otra cartera con derecho a acrecer emitida en dóla-
res, dado que para esa fecha se había reglamentado esta posibilidad.

234
Simultáneamente con este cambio en los derechos del afiliado, en
febrero de 1997 el Decreto 136/97 cambiaba la forma de calcularse
la condición de regularidad de los afiliados, esta ampliaba las posi-
bilidades que los trabajadores tuvieran derecho a las prestaciones.
Otra vez no se pensó en el financiamiento de la ampliación de la co-
bertura, para el Régimen Previsional Público vuelve a generar déficit,
para el Régimen de Capitalización encarece el Seguro Colectivo de
Invalidez y Fallecimiento. En esta oportunidad la reglamentación fue
inmediata.
En 1998 sale la primera normativa respecto al Régimen Simplificado
conocido como monotributistas.
En 1999 se dicta el Decreto 460 que vuelve a cambiar la condición
de regularidad de los afiliados, por supuesto implica no sólo un am-
pliación de la cobertura hacia el futuro sino que si se cumple algunos
requisitos quienes tenían prestaciones acordadas podían reclamar y
tenían derecho a la integración de capitales para el Régimen de Capi-
talización, lo que significaba que se había cobrado prima por una co-
bertura, y ahora se cambiaba retroactivamente la misma, por lo que
habría que cargar a la siguiente póliza el desfasaje. En el Régimen
de Reparto no se previó partida así que otra vez rentas generales.
Se necesitó tiempo para su interpretación y reglamentación aproxi-
madamente seis meses. El Decreto entró en vigencia el 20 de mayo
de 1999, la licitación del seguro fue en junio, en ese momento no se
conocía la reglamentación.
En el año 2000, el Régimen de Reparto cambia la forma de financiar
la proporción a su cargo de las prestaciones del Régimen de Capita-
lización (Dto. 728/2000) en vez de integrar un capital representativo

235
de la proporción por el tiempo que el afiliado estuvo en el régimen
previsional anterior, mensualmente se pagaba una proporción. Si
bien aliviaba la disponibilidad financiera para el Régimen Previsional
Público se encarecía los costos de administración y la valuación de
los compromisos que se extendían mucho más allá en el tiempo. Para
el Régimen de Capitalización el impacto se trasladó a las Cías. De
Seguro de Retiro que vieron disminuídos los volúmenes de las primas
en casi un 40% y se encarecía administrativamente la gestión de la
cartera.
A finales del año 2000 se dicta el Decreto 1306/2000 con otra re-
forma previsional importante, pero inmediatamente se interpone un
amparo a la misma. En ese momento en Argentina se estaba produ-
ciendo el blindaje. Como no se sabía el resultado del amparo, para el
Régimen de Capitalización se decide integrar el 80 % del capital com-
plementario, para no trabar las prestaciones de los beneficiarios, les
cuento que recién en el Abril de 2007 se deroga el decreto menciona-
do. ANSES comienza a retrasarse en el pago de los proporcionales a
su cargo, para no tener problemas legales se les permite a las AFJP y
CSR adelantar los proporcionales del Régimen de Reparto.
En julio de 2001 se cambia la filosofía del Seguro Colectivo de In-
validez y Fallecimiento cambia de base de cobertura es decir fecha
de contingencia por base exigibilidad, es decir cuando es exigible el
pago de la prestación. Asimismo, se baja la tasa de aporte de los afi-
liados por lo que las Cías de Seguros de Vida tenían que hacer frente
a la mayor integración de capitales complementarios, no obstante
ello, acontece el episodio de las Torres Gemelas que implica la casi
imposibilidad de conseguir reaseguros. Además, se norma la desapa-

236
rición de los fondos de fluctuación de las Administradoras, donde uno
de los componentes era las utilidades que hubiera producido la póliza
del seguro, pero a su vez no se había dictado la normativa correspon-
diente a Retiro Definitivo por Invalidez, por lo que esos siniestros no
se habían pagado y aún estaban reservados, resultando difícil liquidar
utilidades si la póliza no estaba cerrada. A esta altura cuando ANSES
paga los proporcionales lo hace con LECOP y en cheques.
Diciembre de 2001 corralito, luego corralón y llegamos a Enero de
2002 con default, recién en febrero comenzó a aparecer la normativa
para poder pagar las prestaciones, con la pesificación vino el hecho
de que no se pudiera emitir rentas en dólares, que la que estaban en
dólares se pesificaran, que el 20 % restante de capital complementa-
rio se integrara en pesos. En el año 2003 sale otra normativa respecto
de derecho a acrecer concediéndole a todos y retroactivamente este
derecho.
En 2004 sale la normativa de retiro definitivo por invalidez despues
de 10 años. En ese mismo año comienzan las normativas respecto de
lo que denominamos la compra de aportes por parte de los afiliados
que hace que nos cambien nuestras proyecciones sobre los capitales
a integrar entre otras cosas.
En 2005 tenemos la reestructuración de la deuda.
Llegamos a 2007 y otra reforma previsional, que aún no esta re-
glamentada en su totalidad a pesar que en Abril salió le ley y que ya
tuvo cambios significativos a partir de decretos que cambian lo que
la ley estipula. Estos decretos, por ejemplo nos cambio los límites por
los cuales aportar, pero eso también significa que cambia el límite de
los capitales a integrar, la rebaja de aportes que era transitoria se

237
sigue prorrogando por ahora se dice que hasta el 31 de diciembre de
2007. Recientemente salió normativa respecto de las rentas vitalicias
previsionales donde cambia las reglas de distribución de la rentabili-
dad excedente a partir de diciembre de este año, entonces las cías de
seguros de retiro manejan carteras con diferentes tasas testigos, di-
ferentes actualizaciones (póliza principal con CER, endosos con tasas
testigos). Queda pendiente como se va a reglamentar el fondo con
aportes mutuales para cubrir el financiamiento de las prestaciones de
invalidez y fallecimiento.
Respecto al mercado financiero cambia la reglamentación en cuan-
to a en qué papeles se puede invertir por ahora en las AFJP, pero
seguramente va a pasar lo mismo con las Cías de Seguros de Retiro.
Con todo esto nos piden a los actuarios que hagamos una proyec-
ción de promedio 15 a 20 años para determinar si a un afiliado le
conviene la opción reparto o capitalización, el desarrollo de la renta-
bilidad de las Administradoras y de las Cías de Retiro, la posibilidad
de juicios a estas cías. y al Estado por la normativa en cuanto a casos
y montos a y me olvidaba será necesario cambiar las Tablas de Mor-
talidad, de invalidez o de mortalidad de inválidos?
En estos 14 años han pasado muchas cosas y cómo vemos no
podemos encontrarle alguna regularidad para poder predecirlas, lo
que implica que la componente aleatoria de nuestros modelos es
muy importante y absolutamente dinámica, debiendo nosotros estar
preparados para valuar la incertidumbre que representa, nos queda
para ello nuestro sentido ético y responsabilidad social y profesional,
sin olvidar las herramientas técnicas.

238
FORFAITING: FINANZAS Y COMERCIO INTEGRADOS

Gustavo Tapia

CONCEPTO E INTRODUCCIÓN TEMÁTICA

En sus inicios el mercado del forfaiting fue desarrollado por los


suizos, después de la Segunda Guerra Mundial para financiar la venta
de bienes de capital alemanes a Europa del Este. Pero actualmen-
te los centros mundiales de forfaiting son Londres, Zurich y Viena,
mercados donde se pactan casi la totalidad de las operaciones de
forfaiting del mundo, en donde muchos bancos grandes, incluyendo
las instituciones americanas, proporcionan servicios especializados
de forfaiting en sus filiales. Este instrumento se utiliza cuando los
créditos a la exportación del gobierno o las garantías de crédito no
están disponibles o cuando un vendedor no amplía créditos a largo
plazo en los mercados, tales como Europa del Este, Latinoamérica,
entre otros.
El forfaiting es la compra de una promesa de pago instrumentada
en un documento, sobre el cual se aplica un descuento contra el
librador del mismo. Supone una financiación de exportaciones sin
recurso, lo que implica que no habrá retorno para el exportador si el
importador no paga. La palabra forfaiting deriva del término francés
“forfait” que significa renunciar a un derecho. En este caso, se refie-
re al exportador, que abandona su derecho a una deuda admisible en
una fecha futura a cambio de un pago al contado inmediato, con un
descuento convenido.

239
En resumen, por este motivo, entendemos a la operación de forfai-
ting como una financiación al librado/importador en la que el costo es
soportado por el librador/exportador. Dado los términos usuales en
materia de comercio exterior, resulta un instrumento especialmente
útil para plazos medianos y largos, (los períodos de los créditos va-
rían, pudiendo ser estas de algunos meses hasta cinco años aproxi-
madamente).
Habitualmente una Entidad financiera especializada o un Banco,
denominado “forfaiter”, compra el documento que financia la opera-
ción comercial internacional, que vencen en el futuro y sin la acción
de recurso sobre los tenedores previos de las obligaciones que se
materializan en los documentos emitidos.
Dado que el exportador como acreedor de la operación, al emplear-
se el forfaiting se libera del riesgo de impago en forma definitiva reci-
biendo fondos de manera anticipada; a cambio de esto, recibe por su
crédito un precio inferior al nominal formalizado con el comprador.
Esta técnica es de rápida ejecución y se caracteriza por ser:
• Abstraíble: cualquiera que sea la documentación utilizada, tiene
que permitir la separación entre los derechos adquiridos con la
compra del instrumento y la operación comercial que ha origi-
nado su emisión. Esto quiere decir que ni el deudor ni el banco
garante pueden utilizar los incumplimientos, disputas comercia-
les u otras incidencias como excusa para recusar el pago de la
deuda.
• Negociable: los créditos objeto de una operación deben ser li-
bremente transferibles.
• Comercial: el crédito surge como consecuencia de un contrato

240
de compraventa de bienes y por tanto se califica como crédito
comercial. La operación se realiza a un precio que representa el
valor presente de los vencimientos futuros, actualizado.
• Sin recurso: Una vez finalizada la operación, el vendedor puede
desinteresarse totalmente de los acontecimientos que afectan
al crédito cedido, mientras que el comprador no tiene ninguna
posibilidad de devolver el crédito al vendedor en caso que el
deudor no pague, salvo fraude.
Usualmente se emplea el forfaiting en operaciones de exportación
de gran volumen y para lograr liquidez sin ampliar capital de trabajo
y acortando el ciclo operativo del exportador. Adicionalmente se redu-
cen riesgos de operación. No existe posibilidad de demanda contra el
exportador que vendió el crédito, excepto contra el deudor principal,
que será el importador en el caso de que el forfaiting tenga su origen
en una operación de compraventa internacional.
Respecto a las metodologías de descuento, hay dos modalidades
comunes:
• Straight discount: el valor presente del descuento se calcula
deduciendo los intereses de descuento del valor nominal del cré-
dito, (descuento directo).
• Discount to yield: el descuento se aplica sobre la cantidad
efectivamente adelantada, (descuento efectivo).
Con relación a los instrumentos de pago que se utilicen tienen ne-
cesariamente que implicar una promesa incondicionada e irrevocable
al pago, empleándose: pagarés, letras de cambio y cartas de crédito,
esta última preferentemente con aceptación. Sin embargo, también
se podrían descontar sin recurso otros documentos como facturas

241
comerciales, derechos de cobro sobre un contrato de suministro, etc.,
siempre que ofrezcan con suficiente certidumbre el derecho a exigir
el pago de la obligación a su vencimiento. Los pagarés y las letras
de cambio se transmiten mediante el endoso, que en su forma más
simple consiste en la firma del beneficiario del título en el reverso
del mismo. En este caso, dada la modalidad sin recurso, el endoso
transmite el derecho a recibir el pago de la letra, pero no a recurrir al
vendedor en caso de impago.
Por otro lado, cuando el banco comprador del documento, descuen-
ta la aceptación comercial sin recurso, a menudo ésta queda garan-
tizada por una agencia de exportación gubernamental o un banco
comercial en el país del importador. Las obligaciones de forfaiting
suelen incluir una garantía en forma de un aval o una garantía ban-
caria incondicional, irrevocable y transferible, que acepta la parte que
realiza el forfaiting.

242
Contrato comercial

Exportador Importador
Entrega de Mercaderías

Paga
Contrato pago
a
de con Otorga vencimiento
Forfaiting descuento Garantía

Presenta documentos
para pago
Forfaiter Banco
Paga a vencimiento
Garante

CIRCUITO DE LA CARTA DE CRÉDITO

Apertura
La apertura es la emisión formal de la Carta de Crédito, por parte
del Banco Emisor ó Abridor. El Banco corresponsal del Banco Emisor
(Banco Avisador) envía un aviso al Beneficiario, que tiene un Crédito

243
Documentario a su favor y disposición. Este aviso es realizado sin
responsabilidad de pago por el Banco Avisador. El Banco Avisador (en
caso que asuma el rol de Banco Confirmador) envía al Beneficiario
una confirmación. La misma es el compromiso legal de pago que
asume este Banco, pasando a ser garante adicional al compromiso
asumido por el Banco Emisor.

Utilización
Una vez que el Beneficiario presenta los documentos en el Banco
Avisador y/o Confirmador (si el mismo Banco asume los dos roles,
o en el Banco Confirmador, si fuese diferente), para cumplir con los
requerimientos del Crédito Documentario, el Banco los revisa y si
están conformes en función de esos términos se producirá la utiliza-

244
ción, que se efectivizará cuando dicho Banco remita los documentos
al Banco Abridor. Los requisitos a solicitar son: el acuerdo comercial
de crédito, la solicitud acompañada de los términos y condiciones fir-
mada por el cliente, el aseguramiento del traslado de la mercadería
contra todo riesgo y la presentación de las contragarantías requeridas
si la operación no se efectúa a sola firma.
El reconocimiento de la obligación de pago se materializa mediante
la aceptación de una letra o el reconocimiento explícito de honrarla al
vencimiento. Así, si el crédito establece el pago a la vista, pagará a la
vista y si el crédito establece el pago a plazo, pagará en la fecha de
vencimiento establecida.

245
Pago
Es el momento en que el Banco Abridor paga a través del Banco
Avisador al Beneficiario, en forma definitiva, el valor de los documen-
tos girados contra el Crédito Documentario.

GARANTÍAS Y COSTOS

Respecto a las garantías, en la gran mayoría de las operaciones


descontadas en el mercado de forfaiting está presente alguna forma
de afianzamiento bancario. Eso permite por un lado reducir el ries-
go de crédito y agilizar el proceso de análisis de riesgo del forfaiter
y por otro, aumentar el grado de liquidez del activo en el mercado

246
secundario. No obstante, existe un creciente número de empresas y
corporaciones, muy conocidas en los mercados internacionales, que
no necesitan ningún tipo de garantía adicional.
Para que un afianzamiento resulte idóneo para el forfaiting es ne-
cesario que sea incondicional, irrevocable y transferible. La forma de
afianzamiento más utilizada en el mercado de forfaiting es el aval en
tanto una alternativa a éste es la garantía bancaria, que se emite en
un documento separado de los pagarés o letras.
Con relación al costo, éste, se compone de los siguientes elemen-
tos:
• La tasa de descuento aplicada en función del tiempo que media
entre el momento del cobro y el del vencimiento efectivo de la
deuda.
• La divisa en que aparece denominada la misma.
• Los días de gracia o número de días que los forfaiters añaden a
cada vencimiento en el cálculo del descuento.
• La comisión de compromiso que es el precio que el forfaiter pide
por reservar líneas de crédito y de riesgo país suficiente para po-
der efectuar una determinada operación en ciertas condiciones.
Suele situarse alrededor del 50% del margen.

VENTAJAS Y DESVENTAJAS. OBJETIVOS

Beneficios
• Permite financiar la operación de exportación / importación.
• Ofrece a los clientes un plazo de pago mayor.

247
• Permite eludir los riesgos políticos, administrativos y comercia-
les,
• Puede realizarse en cualquier momento dentro del período de
vencimiento,
• Alternativa para aquellos documentos no admitidos por un fac-
toring.
• El exportador mejora su liquidez al cobrar al contado.
• No se precisa de pago inicial.
• Transfiere al forfaiter el riesgo de incobrabilidad.
• No hay retención de riesgo por parte del exportador,
• El vencimiento del factor puede ser tanto a largo como a corto
plazo.
• El exportador obtendrá una significativa ventaja comercial sobre
los competidores que no utilizan el forfaiting y quienes, por lo
tanto, no estarían en posición de ofrecer financiamiento de cré-
dito de proveedor a mediano o largo plazo.
• Virtualmente, no hay restricciones en cuanto al tipo de producto,
commodity o servicio a ser financiado y no hay limitaciones en
cuanto a contextos extranjeros.
• La mayoría de las monedas son aceptables.
• El importador puede cubrir sus pagos con los ingresos proyec-
tados.
• El exportador en mayor medida y el importador si hay cierta
traslación también, pueden aprovechar esquemas de subsidios
para exportaciones, los cuales están siempre disponibles por
parte del gobierno del exportador.

248
Inconvenientes
• Altos tipos de interés.
• Altos controles de cambio de algunos países
• Poca predisposición de los importadores a facilitar una garantía
o aval.
Como consecuencia de los puntos precedentes, el exportador re-
cibe su pago en efectivo, asegurando y respaldando su flujo de caja
y un balance más sólido, pudiendo financiar hasta el 100% del valor
contractual sin recurso, a la vez que se protege contra los retrasos en
los pagos y la falta de pago por eventos de índole política.
El exportador también se protege contra movimientos adversos en
las tasas de interés y en los tipos de cambio internacionales y elimina
la administración de los créditos a cobrar por la operación comercial
efectuada.
A modo de previsión, los bancos financiadores (forfaiters) pueden
fijar tasas de interés con anterioridad a la fecha de embarque (Vg.18
meses previos), protegiendo así al exportador de aumentos de tasas
de interés, durante el período de manufacturación y entrega. Desde
un punto de vista comercial, las condiciones de reembolso se estruc-
turan de acuerdo a las necesidades de flujo de caja de los compra-
dores y es factible incluir períodos de gracia. El importador accede a
condiciones de financiamiento de mediano y largo plazo, que de otra
forma podría resultar inalcanzable por su costo y hasta no disponible
localmente, según el país y el tipo de empresa.
Se logra a partir del empleo de este instrumento, un alto grado de
compatibilidad comercial y financiera. Para una empresa exportado-
ra, el forfaiting permite conseguir varios objetivos:

249
Comerciales:
- Facilita el acceso a nuevos mercados.
- Permite ampliar los mercados actuales.
- Permite que el importador logre financiación.
Financieros:
- Liquidez.
- Reducción de los riesgos de crédito y los derivados del tipo de
cambio y de interés.
- Mantenimiento de las líneas crediticias con bancos, ya que no las
consume.
- Transferencia del costo financiero.
- Mejora de las ratios contables.
Por este motivo, es importante se consideren todas estas caracte-
rísticas cuando se compara su costo con el de otras alternativas de
financiación, contemplando en este análisis los riesgos comerciales,
políticos y cambiarios que se eliminan. En este sentido, no resulta
inusual que empresas de pequeña y mediana dimensión, encuentren
el forfaiting caro al compararlo con el descuento de letras con recurso
que les ofrece su banco habitual.

250
DIFERENCIAS ENTRE FORFAITING Y FACTORING

PERSPECTIVAS SEGÚN LAS APLICACIONES

Actualmente la mayoría de los interesados ven un mercado po-


tencial casi ilimitado para el forfaiting, una aplicación mucho más
amplia: como acciones individuales y como negociación de transac-
ciones comerciales interrelacionadas que se pueden estructurar total-

251
mente, tomando el riesgo de funcionamiento a través de la provisión
del financiamiento del pre-embarque, seguido y combinado con la
recepción del reembolso del post-embarque del comprador.
Se debe tener en cuenta que más del 5% del comercio mundial es
financiado mediante esta técnica, a partir de operaciones que rondan
una base de u$s 100.000. Existen muchas empresas que son recono-
cidas mundialmente como empresas que operan en el mercado del
forfaiting, como London Forfaiting Company PLC, Bank Boston,
NedBank, Standard Bank, WestLB, entre otras, que operan en
más de sesenta países.
Algunas empresas aceptan documentos con plazos de hasta 10 años
y, en otros casos por períodos más breves de 180 días. El mercado
de los documentos generalmente oscila entre uno y diez años, según
el país/importador financiado y el garante. Los pagos normalmente
se efectúan con una gracia de seis meses, pero la mayoría de los
Forfaiters adecuarán los mismos para posibilitar efectuarlos en forma
trimestral, semestral, anual, o sobre la base de pago único.

Aplicaciones típicas y sus plazos:


• Commodities (aceite, carbón, maíz, etc.). Financiamiento 90 días
a 18 meses.
• Servicios (ingeniería, diseño, manten., etc.). Financiamiento 180
días a 3 años.
• Tecnología (software, computadoras, comunicaciones, etc.). Fi-
nanciamiento de 180 días a 5 años.
• Bienes de Capital (herramientas, tractores, etc.). Financiamiento
2 a 7 años.

252
• Plantas Industriales Energéticas (generadores de fuerza, pro-
ducción de asfalto, etc.). Financiamiento de 3 a 10 años.
• Proyectos de Construcción (hospitales, aeropuertos, fábricas,
etc.) con financiamiento de 3 a 10 años.

Ejemplo de operación

Esta técnica de financiamiento se puede entender mejor median-


te algunos ejemplos, que nos permitirán ilustrar cómo funciona una
operación de Forfaiting y por ende cómo el forfaiting contribuye di-
rectamente al desarrollo de las exportaciones en el mundo.

Caso 1
Una pequeña empresa del Perú del sector textil, que exporta palos
a EE.UU., tenía un balance débil y el Banco no le podía incrementar
sus líneas de crédito, por lo que no sabía qué hacer para seguir ex-
portando y atendiendo las demandas de sus clientes. En suma, no
tenía caja para atender más pedidos a tiempo y para abarcar un ma-
yor mercado. Entonces, mediante el forfaiting, podía vender al banco
sus cartas de crédito para recibir liquidez inmediata por adelantado.
De esa forma la empresa podría seguir atendiendo más pedidos sin
problemas y también ofrecer a sus clientes estadounidenses crédito
de proveedor a mayores plazos, pudiendo competir con otros gran-
des textileros internacionales.

Caso 2
Una mediana empresa del Brasil exportaba mensualmente prendas

253
de vestir por un valor de USD 160 000 a un importador argentino;
debido a la devaluación del Real en Brasil, el precio de sus prendas
fue igualado con el precio de las procedentes del Brasil, aunque es
cierto que las prendas del exportador eran preferidas por el importa-
dor argentino, éste decidió importar directamente las prendas ya que
adicionalmente las empresas brasileñas, le ofrecían un plazo de pago
de hasta 12 meses con tasas de interés muy interesantes.
Esta situación provocó la pérdida de las ventas con ese importador,
con el inminente riesgo de perder el mercado. El exportador necesita-
ba encontrar una solución a este problema. En busca de alternativas
el exportador acudió a su banco. Después de haber planteado la
situación, le indicaron que tendría que presentar una serie de docu-
mentos a fin de poder acceder a una línea de financiamiento y que
si podía conseguir que su cliente aceptara letras o pagarés avalados
por el banco del importador, el banco podría descontarlas a las tasas
de interés vigentes en el mercado nacional.
Después de analizar las alternativas planteadas por su banco, con-
cluyó que iba ser muy difícil transferir al importador los costos de
financiar la exportación por los siguientes motivos:
• Tasa de interés muy altas que difícilmente serían aceptadas por
el importador.
• Proceso de descontar los documentos de cobranza es largo y
depende de la disponibilidad del banco, lo cual le generaba in-
certidumbre.
• Debería contratar un seguro de crédito de exportación que in-
crementaba los costos.
• Los plazos de financiamiento con los que venden los brasileños

254
obligan a considerar el riesgo país, riesgo cambiario y riesgo
político.
En definitiva, las alternativas de financiamiento de exportaciones
que su banco la podía proporcionar eran caras y complicadas. El ex-
portador desalentado debía resignarse a perder el mercado.
Un conocido del exportador que operaba en comercio internacional,
le explicó el funcionamiento del Forfaiting, encontrando solución al
problema de la financiación:
• Presentó al broker todos los detalles de la operación.
• El broker contactó con los bancos financiadores (forfaiters) y
preparó una cotización detallada de la operación, para que el
exportador pueda proponérsela al importador. Esta cotización
especificaba 4 pagos semestrales (2 años).
• Una vez que la operación fue aceptada por el importador, y su
banco aceptó avalar los documentos del crédito o “promissory
notes” (pagarés, letras de cambio o cartas de crédito) la opera-
ción del forfaiting quedaba pactada.
• El exportador mediante un contrato de venta o “commitment”
con el banco forfaiter, cedió sus derechos de cobranza de dichos
documentos y éste luego de la rápida confirmación de la ope-
ración del banco importador(banco garante o aval) procedió a
cancelar los documentos emitidos menos los descuentos, de tal
manera que el exportador reciba los USD de la operación.
• Posteriormente el banco forfaiter cobro al banco garante los do-
cumentos conforme estos lleguen a sus vencimientos, para que
finalmente el banco garante haga la cobranza de los documen-
tos al importador.

255
Como conclusión el exportador al emplear la técnica del forfaiting
obtuvo los beneficios siguientes:
• Logró financiar sus operaciones de exportación a la Argentina
con tasa de interés internacionales y a un plazo de 2 años.
• Con el forfaiting logró recibir al contado la cancelación del valor
de su exportación en un plazo de 48 horas después de concre-
tada la operación.
• No tuvo la necesidad de obtener un seguro de crédito de expor-
tación.
• Usando el forfaiting logró eliminar el riesgo país, riesgo cambia-
rio y riesgo político; ya que cedió sus derechos de cobranza a
un banco forfaiter, el cual asumía estos riesgos al momento de
comprar.

Caso 3
Un exportador americano concluye un contrato con un importador
taiwanés por un monto de US$ 1 millón para la provisión de maqui-
naria textil. Según los términos del contrato, el importador efectúa un
pago inicial de US$ 100 000, mientras que la diferencia de US$ 900
000 dólares es pagada a plazo con crédito de los exportadores en 6
partes iguales. Además, 6 por ciento anual de interés sobre el insolu-
to o crédito pendiente de pago son asumidos por el importador.
Para resolver esta obligación, el importador emite una serie de 6
pagarés para el exportador con vencimiento consecutivo semestral
desde 6 hasta 36 meses a partir de la fecha de embarque de las
mercancías. A la fecha de embarque, Mayo 2002, los pagarés librados
por el exportador se intercambian por el documento de embarque.

256
Así el primer pagaré vence en Noviembre 2002, el segundo en Mayo
2003, etc.
Con respecto al ingreso de cada uno de los 6 pagarés, el forfaiter
pagó el valor descontado neto sobre la cantidad total al exportador
usando un descuento de 6 por ciento anual, considerando que el tipo
de interés cargado al importador iguala el tipo de descuento de los
forfaiters. En este caso, no hay pagos por honorario de comisión y los
cálculos del descuento incluyen una tolerancia de 5 días de gracia.

CONCLUSIONES

El forfaiting es para los exportadores, una herramienta muy intere-


sante, dado que favorece el ofrecimiento de créditos para sus clien-
tes (importadores), lo que posibilita la expansión en el mercado. Sin
embargo, es necesario, evaluar la situación puntual de cada empresa
en lo que respecta a liquidez, necesidad de fondos, rentabilidad y
riesgos.
En numerosos mercados los compradores importadores, prestan
más importancia al flujo de caja que al precio de pago, no tan sólo
por la posibilidad de concreción de las operaciones, sino también
porque permite poner en marcha o dar cumplimiento a los planes
comerciales en los mercados locales.
Una buena instrumentación que apunte a la continuidad de los ne-
gocios y solidez en las relaciones comerciales, se transforma en una
ventaja competitiva porque eleva el valor de las empresas.
Dada las condiciones actuales de nuestro país en materia de co-

257
mercio exterior, sería propicio alentar la financiación a importadores
regionales que compren productos argentinos con alto valor agre-
gado empleando el Forfaiting, enmarcado en programas especiales
de financiación que tengan metas orientadas al mercado de bienes
y servicios, de manera de fomentar la expansión de los actuales y
promover el desarrollo de otros nuevos.

Bibliografía

Bank of China. Corporate Banking > International Settlement


Services. http://www.boc.cn/en/common/third.jsp
A user's guide to forfaiting: What it is, who uses it and why?
Credit & Financial Management Review, Third Quarter 1999
by Moran, John F Jr.
London Forfaiting Company PLC. http://www.londonforfaiting.
co
International Forfainting Association (IFA) ttp://www.forfai-
ters.org/
Trade, commodities, technology- posted 14 Jul 2003 in Volu-
me 6 Issue 9, Is forfaiting dead?.
http://www.forfaiting.co.uk/forfaiting.shtml
http://www.lbinterfinanz.ch/PDF/forfaiting.pdf.

258
PROGRAMACIÓN DE LA CANTIDAD ÓPTIMA DE UN PRO-
DUCTO CUYO PRECIO VARÍA EN FUNCIÓN DEL TIEMPO

Aldo Omar Vicario


Federico Vicario

Introducción

El trabajo desarrolla el caso de un producto cuyo ingreso por ventas


varía en función del tiempo.
En la primera parte (II. Tiempo Optimo), tomando la función del
ingreso, deducida en el Anexo I, se determina el tiempo óptimo en
que se debería vender, partiendo de que el tiempo es una variable
continua, en forma analítica, y práctica mediante el programa Sol-
ver® de Excel® (Anexo II).
A continuación (III. Optimización con Costo de Almacenamiento -
Tiempo Continuo -), se plantea el problema en tiempo continuo de
manera analítica, suponiendo costos de almacenamiento que da lugar
a la introducción del valor actual de una renta continua inmediata. En
el Anexo III se resuelve un problema de manera práctica.
Seguidamente (IV. Programación de la Cantidad Optima a Comercia-
lizar en Cada Período - Tiempo Discreto - Cuando Existen Restriccio-
nes) se plantea analíticamente el problema de optimizar la cantidad
a vender en un horizonte de planificación con la función obtenida en
el Anexo I, en donde el tiempo toma valores discretos con costos de
almacenamiento y restricciones de disponibilidad y superficie. Se re-
suelve un caso en que se plantea la comercialización de un vino fino.

259
En el Anexo IV se encuentra la resolución del caso planteado.
Se realizó un análisis de sensibilidad sobre parámetros relevantes y
el análisis postóptimo de la solución.
En el Anexo V se obtuvo la solución entera del problema.
Finalmente (V. Programación de la Cantidad Optima a Comercializar
en cada período –Tiempo Discreto –Cuando se Agregan a los datos
de IV, Costos Fijos y Variables para el Envase de las Unidades a Ven-
der en cada Período)
En el Anexo VI se encuentra la solución del caso planteado
En el desarrollo del trabajo las funciones, variables y parámetros
empleados se definene a continuación:
V(t) = precio unitario del producto cuando el tiempo (t) es una
variable continua
Vt = precio unitario del producto cuando el tiempo es una variable
discreta
b = costo de almacenamiento por unidad de producto en la unidad
de tiempo. En el caso que t sea una variable discreta, se supone que
se paga al final del período. Se supone b = $1,5
i = tasa de costo de capital por período. Se supone que es del 0,01
δ = ln (1 + i), representa la tasa de interés instantánea
c = costo por unidad de producto incurrido en el momento t=0. Se
supone c = $5
Xt = cantidad vendida en el período t (variable discreta) al final del
cual se cobra y entrega la cantidad comercializada al precio Vt
n = horizonte de planeamiento. Período al final del cual se estable-
ce que debe estar vendida la totalidad de la producción. Se supone
que en las aplicaciones n = 4

260
Dt = necesidad de fondos al final del período t
Kt = capacidad de almacenamiento disponible al final del período t.
Se supone que existe capacidad de almacenar la producción P duran-
te el primer período
P = Producción disponible al inicio (t=0). Se supone P = 1000 uni-
dades de 0,75 litros
E = Costo Fijo de preparación de envase. Se supone 400 pesos
CV = Costo Variable por unidad envasada. Se supone 0,80 pesos
por unidad
Yt = Variable binaria, correspondiente al período t
N(t);Nt= Función objetivo, con variable de control t

II. Tiempo Óptimo


Para obtener el tiempo óptimo de la función obtenida en el Anexo I
por condición de primer orden:

Max N(t) = V(t)


dV (t) d [-(0,000167t 4 - 0,002337t 3 + 0,014847t 2 - 0,051687t - 0,02399)(234) + 10]
= =0
dt dt
dV (t)
= (-0,0007t3 + 0,0070t 2 - 0,0297t + 0,0517)(234) + 10 = 0
dt

Cuyas raíces son 4.3798, 3.0579 + 2.8838i y 3.0579 - 2.8838i


Siendo la segunda derivada respecto al tiempo dos veces:

∂ 2V (t) ∂[(-0,0007t 3 + 0,0070t 2 - 0,0297t + 0,0517)(234) + 10]


=
∂t 2
∂t
∂ V (t)
2
= -0,0020t 2 + 0,0140t - 0,0297
∂t 2

261
Evaluada en el punto crítico t = 4,3798

∂ 2V (4,3798)
= -0,0020(4,3798)2 + 0,0140(4,3798) - 0,0297 = -0.0067 ≤0
∂t 2

Es decir que el óptimo (máximo) ocurre en t = 4,37981

III. Optimización con Costos de Almacenamiento (Tiempo Continuo)


Siguiendo el modelo presentado por Chiang Alpha C. – Wainwright
K., página 468 a 470

b
Max N(t) = V(t)e-δ t - (1- e-δ t ) - c (I)
δ
1
Donde (1- e-δ t ) es el valor actual de una renta continua inme-
δ
diata de $1 por período a la tasa δ 2
Condición de primer orden:

dN(t) b
= V′(t)e-δ t - δ V(t)e-δ t - e-δ tδ = 0 (II)
dt δ
  b   -δ t
 V′(t) - δ  V(t) +   e = 0
  δ 

 b
V′(t) - δ  V(t) + =0
 δ 

1
Ver Anexo II, donde se encuentra graficado y resuelto el problema mediante Solver ®
de Excel ®
2
Trosero – Murioni (p. 247) y Hammond P. – Sydsaeter K. (p. 276 a 277)

262
 b
V′(t) = δ  V(t) +
 δ 

Donde:
V′(t) = Incremento en el precio de venta si la misma se pospone
por un período con t* óptimo (Ingreso Marginal); y
 b
δ  V(t) + = donde äV(t) es el incremento en el costo por pos-
 δ 
poner la venta un período en concepto de interés y b costo de alma-
cenamiento por posponer un período la venta a partir del t* óptimo
(Costo Marginal)
Es decir, el óptimo se obtiene igualando el Ingreso Marginal con
el Costo Marginal.
En el Anexo III se resuelve el problema utilizando los valores in-
dicados cuando se definieron las funciones, variables y parámetros,
donde surge que t* = 2,9792
Si el precio fuese una función lineal del tiempo, es decir V(t) = kt y
no existen costos de almacenamiento, el tiempo óptimo se obtiene,
reemplazando en (II):

dN(t)
= ke-δ t - δ ( kt )e-δ t = 0
dt
entonces

1
t* =
δ

263
Es decir, el tiempo óptimo es la inversa de la tasa de interés.
IV. Programación de la Cantidad Optima a Comercializar en Cada
Período (Tiempo Discreto) Cuando Existen Restricciones
El programa a resolver es hallar el valor actual óptimo (función ob-
jetivo) de la cantidad a vender (variable de control) en cada período
(t: variable discreta) cuando existen restricciones de necesidad de
disponer de flujos de fondos Dt y de capacidad de almacenamiento
Kt en los distintos períodos del horizonte de planeamiento n y costos
de almacenamiento.
En estas condiciones el ingreso neto por las ventas evaluadas al
momento inicial (t=0) en el que se efectúa el análisis es:
n
Vt xt
∑ (1 + i )
t =1
t
− cP

el costo de almacenamiento del período 1 actualizado al momento


inicial (t=0) es:

bP
(1 + i )
y para los períodos t = 2, 3, … , n

 t −1
 b


P − ∑
k =1
Xk 
 (1 + i )
t

la necesidad de disponer del efectivo D1 en el primer período es:

V1 X1 − Pb ≥ D1
la necesidad de disponer del efectivo Dt en períodos t = 2, 3, … , n

264
t −1
Vt X t − (P − ∑ X k )b ≥ Dt
k =1

las restricciones de capacidad de almacenamiento del período t = 2,


3, … , n
t −1
P − ∑ X k ≤ Kt
k =1

y en el período n para que no quede existencia del producto comer-


cializado
n

∑X
t =1
t =P

Es decir el programa quedaría planteado


 n −1

 P − ∑ Xt 
Vxn
P P − x1
MAX Nt = ∑ t t t − cP −  + + ... + t =1
b
t =1 (1 + i )  (1 + i ) (1 + i )2
(1 + i )n 
 
 
Sujeto a:

V1 X1 − Pb ≥ D1
t −1
Vt X t − (P − ∑ X k )b ≥ Dt t = 2, 3, … , n
k =1
t −1
P − ∑ X k ≤ K t t = 2, 3, … , n
k =1
n

∑X
t =1
t =P

265
X t ≥ 0 t = 1, 2, … , n
En el Anexo IV se resuelve un caso práctico suponiendo que:
Cada botella tendrá un volumen de 0,75 litros
Kt en litros, Dt y Vt en pesos
Utilizando la función hallada en el Anexo I:
V1 = 24,742 , V2 = 29,656 , V3 = 32,23 y V4 = 33,400468
Suponiendo
K 2 = 3000 , K 3 = 2000 y K 4 = 1000
D1 = 500 , D2 = 1500 , D3 = 2000 y D4 = 1200
Se debe resolver el siguiente programa:

24,742 x1 29,656 x2 32,23 x3 33,400468 x4


MAX Nt = + + + − 5000 −
(1 + 0,01) (1 + 0,01) (1 + 0,01)
1 2 3
(1 + 0,01)4
 1000 1000 − x1 1000 − x1 − x2 1000 − x1 − x2 − x3 
− + + +  1,5
 (1 + 0,01) (1 + 0,01)2 (1 + 0,01)3 (1 + 0,01)4 
Sujeto a:

0,75(1000 − x1 ) ≤ 3000
0,75 (1000 − x1 − x2 ) ≤ 2000
0,75 (1000 − x1 − x2 − x3 ) ≤ 1000
24,742 x1 − 1500 ≥ 500
29,656 x2 − (1000 − X1 )1,5 ≥ 1500
32,23 x3 − (1000 − X1 − X 2 )1,5 ≥ 2000
33,400468 x4 − (1000 − X1 − X 2 − X 3 )1,5 ≥ 1200
x1 + x2 + x3 + x4 = 1000
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0

266
El resultado obtenido es el siguiente:
X1 = 80,83420904, X2 =97,07137464, X3 =784,4774133 y X 4 =37,61700299
y siendo el valor del funcional optimo:
Nt = 21461,91183
En el siguiente cuadro, se muestra como varía la solución óptima
ante cambios en el parámetro b:

Variación de b Ventas 1º P. Ventas 2º P. Ventas 3º P. Ventas 4º P. Funcional


0 20,20855226 50,57998381 62,05398697 867,157477 26739,995
0,5 40,41710452 66,75854626 75,9048146 816,9195346 24734,9762
1 60,62565678 82,25567653 820,0821646 37,03650206 22940,6681
1,5 80,83420904 97,07137464 784,4774133 37,61700299 21461,9118
2 101,0427613 111,2056406 749,5356072 38,21599092 20036,5653
2,5 121,2513136 769,3766202 70,53770294 38,83436329 18802,8768
3 141,4598658 746,5929136 72,47414402 39,47307653 17769,2308
3,5 161,6684181 723,6956105 74,50282036 40,13315109 16752,0927
4 181,8769703 700,6774305 76,62992233 40,81567681 15751,2509
4,5 202,0855226 677,5304808 78,86217762 41,52181895 14766,4759
5 790,6666994 85,87356699 81,20690871 42,25282485 13983,2914
5,5 782,3776612 90,94020985 83,67209771 43,01003123 13285,185
6 773,5416444 96,39702367 86,26645957 43,79487241 12573,6794
6,5 764,109037 102,2825485 88,99952509 44,60888933 11847,559
7 754,0245038 108,6400214 91,88173515 45,45373968 11105,4684
7,5 743,2261812 115,5180618 94,92454786 46,33120915 10345,892
8 731,6447392 122,9714758 98,14056096 47,24322402 9567,13161
8,5 719,2022834 131,0621996 101,5436517 48,19186531 8767,2789
9 705,8110647 139,8604133 105,1491374 49,17938459 7944,18431
9,5 691,3719596 149,4458586 108,9739599 50,20822186 7095,41962
10 675,7726718 159,9094039 113,0368986 51,28102566 6218,2339

267
Cuya representación gráfica es:

900

800

700

600

500

400

300

200

100

0
10 9,5 9 8,5 8 7,5 7 6,5 6 5,5 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0
b

V ent as 1º P . V ent as 2º P . V ent as 3º P . V ent as 4º P .

En el siguiente cuadro, se muestra como varía la solución óptima


ante cambios en el parámetro i:

Variación de i Ventas 1º P. Ventas 2º P. Ventas 3º P. Ventas 4º P. Funcional


0,005 80,83420904 97,07137464 784,4774133 37,61700299 21852,3059
0,01 80,83420904 97,07137464 784,4774133 37,61700299 21461,9118
0,015 80,83420904 97,07137464 784,4774133 37,61700299 21079,1889
0,02 80,83420904 97,07137464 784,4774133 37,61700299 20703,9487
0,025 80,83420904 97,07137464 784,4774133 37,61700299 20336,0081
0,03 80,83420904 97,07137464 784,4774133 37,61700299 19975,1895
0,035 80,83420904 97,07137464 784,4774133 37,61700299 19621,3205
0,04 80,83420904 814,6296372 66,91915081 37,61700299 19345,8323

(Continúa en la página siguiente)

268
0,045 80,83420904 814,6296372 66,91915081 37,61700299 19097,5796
0,05 80,83420904 814,6296372 66,91915081 37,61700299 18853,1566
0,055 80,83420904 814,6296372 66,91915081 37,61700299 18612,4843
0,06 80,83420904 814,6296372 66,91915081 37,61700299 18375,486
0,065 80,83420904 814,6296372 66,91915081 37,61700299 18142,0867
0,07 80,83420904 814,6296372 66,91915081 37,61700299 17912,2135
0,075 80,83420904 814,6296372 66,91915081 37,61700299 17685,7952
0,08 80,83420904 814,6296372 66,91915081 37,61700299 17462,7626
0,085 80,83420904 814,6296372 66,91915081 37,61700299 17243,048
0,09 80,83420904 814,6296372 66,91915081 37,61700299 17026,5855
0,095 80,83420904 814,6296372 66,91915081 37,61700299 16813,3108
0,1 80,83420904 814,6296372 66,91915081 37,61700299 16603,1613

Cuya representación gráfica es:

900

800

700

0,005 600

0,02 500
0,035 400
0,05 300

0,065 200
100
0,08
0
0,095
i
Ventas 1º P. Ventas 2º P. Ventas 3º P. Ventas 4º P.

269
En el siguiente cuadro, se muestra como varía el funcional Nt ante
cambios en el parámetro i (de 0,005 a 0,1) y b (de 0,5 a 5). A conti-
nuación del mismo se grafica, primero en tres y luego en dos dimen-
siones, los resultados obtenidos.

21462 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5


0,005 25299 23360 21852 20406 19059 18015 16988 15977 14983 14122
0,01 24735 22941 21462 20036,6 18803 17769 16752 15751 14766 13983
0,015 24184 22536 21079 19674,8 18551 17527 16520 15529 14554 13847
0,02 23647 22140 20704 19332,4 18303 17289 16292 15310 14391 13712
0,025 23218 21751 20336 19078,2 18058 17055 16067 15095 14255 13580
0,03 22815 21369 19975 18828 17818 16824 15846 14884 14121 13449
0,035 22420 20995 19621 18581,7 17581 16597 15629 14675 13989 13320
0,045 21653 20269 19098 18100,6 17119 16154 15204 14383 13731 13068
0,05 21280 19916 18853 17865,7 16894 15937 14996 14253 13604 12945
0,055 20915 19606 18612 17634,4 16672 15724 14792 14125 13480 12823
0,06 20556 19360 18375 17406,6 16453 15515 14632 13999 13357 12703
0,065 20204 19117 18142 17182,2 16238 15308 14505 13875 13235 12585
0,07 19860 18878 17912 16961,3 16025 15104 14379 13752 13116 12468
0,075 19615 18643 17686 16743,7 15817 14904 14255 13631 12997 12353
0,08 19374 18411 17463 16529,4 15611 14745 14133 13512 12881 12240
0,085 19137 18183 17243 16318,3 15408 14621 14012 13394 12766 12128
0,09 18903 17958 17027 16110,3 15208 14499 13893 13278 12653 12017
0,095 18673 17736 16813 15905,3 15012 14379 13775 13163 12541 11908
0,1 18446 17517 16603 15703,4 14853 14260 13659 13050 12430 11801

270
Variación de Nt

30000

25000

20000

0,005

0,025
15000
0,045

0,065 i
10000
0,085
0,5

1,5

2,5

3,5

b
4,5

10000-15000 15000-20000 20000-25000 25000-30000

271
5

4, 5

3, 5

3
b
2, 5

1, 5

0, 5
0, 005 0, 01 0, 015 0, 02 0, 025 0, 03 0, 035 0, 04 0, 045 0, 05 0, 055 0, 06 0, 065 0, 07 0, 075 0, 08 0, 085 0, 09 0, 095 0, 1

10000-15000 15000-20000 20000-25000 25000-30000

A su vez, observando los datos para el análisis postóptimo3, se ve


que las restricciones de necesidad de fondos del primer, segundo y
cuarto período están saturadas, siendo el precio sombra de cada una
de ellas de $0,154 (válido hasta una disminución superior a la de la
restricción), $0,025 (válido hasta una disminución superior a la de la
restrición) y $0,02 (válido hasta una disminución de $1200). Es decir
que para cada restricción, considerada de a una por vez y dentro del
rango indicado, se pueden tomar fondos que hasta con una tasa del
15,4% para la primera, del 2,5% para la segunda y del 2% para la
cuarta, no se alterará el valor óptimo de Nt.
O sea que si la tasa del préstamo fuese menor, convendría recurrir
a fondos ajenos en lugar de los generados por la comercialización.

3
Ver informe de sensibilidad en Anexo IV

272
El mismo análisis pero considerando las restricciones en forma si-
multánea se podría realizar aplicando la regla del 100%4, que per-
mitirá moverme en los rangos de las tres restricciones ( ∆1, ∆ 2 , ∆ 4 )
establecidos, siempre que se respete la siguiente desigualdad:

∆1 ∆2 ∆4
+ + ≤ 100%
Disminución Permit.1ª R. Disminución Permit. 2ª R. Disminución Permit. 4ª R.

El análisis anterior se podría haber aplicado en el caso que existan


restricciones de capacidad saturadas. En este caso el precio sombra
estaría indicando hasta cuanto se podrá pagar por la obtención adi-
cional de 1000 cm3 (1 litro) dentro del rango permitido.
En el Anexo V se resuelve el caso en que se requiere que las canti-
dades Xt sean enteras.
V. Programación de la cantidad óptima a comercializar en cada perío-
do (tiempo discreto) cuando se agregan a los datos de IV, costos fijos
y variables de envase de las unidades a vender en cada período.
Si se supone que existen costos fijos de preparación de las instala-
ciones para envase de las unidades a vender de E pesos y un costo
variable de CV pesos por unidad de producto a la función objetivo se
le debe restar:
n
1
∑ (EY + CVX )
(1 + i )
t t t
t =1

De la misma forma a cada restricción de disponibilidad de fondos,


se agregara (restando) la siguiente función de costos:

4
Hiller Frederick S. – Lieberman Gerald J. (p. 267)

273
EYt + CVX t con t = 1, 2, … , n

Donde Yt es una variable binaria que puede tomar valores 1 o 0.


Para que Yt (t= 1, 2, 3, … ,n) tome valor 0 si Xt = 0 (t= 1, 2, 3, …,
n) y tome valor 1 (es decir se incurra en el costo fijo) si Xt > 0 (t= 1,
2, 3, … , n) es necesario agregar las restricciones:
Xt ≤ MYt t = 1, 2, … , n (III)
Con M un número suficientemente grande (por ejemplo en el caso
analizado M = P - que es el valor máximo que puede tomar Xt - .
Las restricciones (III) aseguran que Yt =1, siempre que Xt > 0 y si
Yt = 0 implicará que
Xt ≤ 0 o Xt = 0.
Es decir que si se envasan algunas unidades - Xt > 0 - (III) aseg-
urará que Yt =1.
Por lo que la función objetivo y las restricciones de disponibilidad
incluirán el costo fijo E y el costo variable CV.
Ya que (III) se convertirá en:
Xt ≤ M
Lo cual no restringe innecesariamente el valor de Xt
Si Xt es = 0, (III) se convertirá en Xt ≤ M Yt lo que permite o bien
Yt = 0 o bien
Yt = 1.
Ya que Yt = 0 es menos costoso que Yt = 1 y al tratarse de un prob-
lema de maximización la solución óptima escogerá Yt = 0 si Xt = 0.
Es decir el programa quedaría planteado

274
 n −1

 P − ∑ Xt 
n
Vx P P − x1 n
1
MAX Nt = ∑ t t t − cP −  + + ... + t =1
 b − ∑ (EYt + CVX t )
(1+ i )
t
t =1 (1 + i )  (1 + i ) (1 + i ) (1 + i )n
2
 t =1
 
 
Sujeto a:
V1 X1 − Pb − (EY1 + CVX1 ) ≥ D1
t −1
Vt X t − (P − ∑ X k )b − (EYt + CVX t ) ≥ Dt t = 2, 3, … , n
k =1

t −1
P − ∑ X k ≤ K t t = 2, 3, … , n
k =1

∑X
t =1
t =P

X t ≤ MYt t = 1, 2, … , n

Yt binaria, t = 1, 2, … , n

X t ≥ 0 t = 1, 2, … , n

En el Anexo VI se resuelve un caso práctico suponiendo que:


Cada botella tendrá un volumen de 0,75 litros
Kt en litros, Dt y Vt en pesos
Utilizando la función hallada en el Anexo I:
V1 = 24,742 , V2 = 29,656 , V3 = 32,23 y V4 = 33,400468

275
Suponiendo
K 2 = 3000 , K 3 = 2000 y K 4 = 1000

D1 = 500 , D2 = 1500 , D3 = 2000 y D4 = 1200


E= 400
CV=0,80
Se debe resolver el siguiente programa:
24,742 x1 29,656 x2 32,23 x3 33,400468 x4
MAX Nt = + + + − 5000 −
(1 + 0,01)1 (1 + 0,01)2 (1 + 0,01)3 (1 + 0,01)4
 1000 1000 − x1 1000 − x1 − x2 1000 − x1 − x2 − x3 
− + + +  1,5 −
 (1 + 0,01) (1 + 0,01) (1 + 0,01)3 (1 + 0,01)4
2

 400Y1 + 0,80 x1 400Y2 + 0,80 x2 400Y3 + 0,80 x3 400Y4 + 0,80 x4 
− + + + 
 (1 + 0,01) (1 + 0,01)2 (1 + 0,01)3 (1 + 0,01)4 
1

Sujeto a:
0,75(1000 − x1 ) ≤ 3000
0,75 (1000 − x1 − x2 ) ≤ 2000
0,75 (1000 − x1 − x2 − x3 ) ≤ 1000
24,742 x1 − 1500 − (400Y1 + 0,80 X1 ) ≥ 500
29,656 x2 − (1000 − X1 )1,5 − (400Y2 + 0,80 X 2 ) ≥ 1500
32,23 x3 − (1000 − X1 − X 2 )1,5 − (400Y3 + 0,80 X 3 ) ≥ 2000
33,400468 x 4 − (1000 − X1 − X 2 − X 3 )1,5 − (400Y4 + 0,80 X 4 ) ≥ 1200
x1 + x2 + x3 + x4 = 1000
X1 ≤ 1000Y1
X 2 ≤ 1000Y2
X 3 ≤ 1000Y3
X 4 ≤ 1000Y4
Y1,Y2 ,Y3 ,Y4 binarias
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0

276
El resultado obtenido es el siguiente:
X1 = 100,2422521, X2 =112,6156301, X3 =735,6959466 y X 4 =51,44617116
y siendo el valor del funcional optimo:
Nt = 19027,3272

En el siguiente cuadro, se muestra como varía la solución óptima


ante cambios en el parámetro E:

Variación de E Ventas 1º P. Ventas 2º P. Ventas 3º P. Ventas 4º P. Funcional


300 96,0654916 109,3672637 746,3364592 48,23078547 19438,17181
600 108,5957731 119,1123628 714,4149215 57,87694256 18205,63796
900 121,1260546 128,8574618 682,4933839 67,52309965 16973,10411
1200 133,6563361 138,6025608 650,5718463 77,16925675 15740,57027
1500 146,1866177 148,3476599 618,6503086 86,81541384 14508,03642
1800 158,7168992 158,0927589 586,728771 96,46157093 13275,50257
2100 171,2471807 167,8378579 554,8072333 106,107728 12042,96872
2400 183,7774622 177,582957 522,8856957 115,7538851 10810,43487
2700 196,3077437 187,328056 490,9641581 125,4000422 9577,90102
3000 208,8380252 197,0731551 459,0426204 135,0461993 8345,367171
3300 221,3683067 206,8182541 427,1210828 144,6923564 7112,833322
3600 233,8985883 216,5633531 395,1995451 154,3385135 5880,299473
3900 246,4288698 226,3084522 363,2780075 163,9846706 4647,765624
4200 258,9591513 236,0535512 331,3564699 173,6308277 3415,231775
4500 271,4894328 245,7986502 299,4349322 183,2769848 2182,697926
4800 284,0197143 255,5437493 267,5133946 192,9231419 950,1640769
5100 106,1458444 119,5816313 728,1195089 46,1530154 15598,97709
5700 109,6371012 122,4539795 720,6656953 47,24322402 14998,07219
6000 111,4702932 123,9409591 716,7808742 47,80787354 14697,1791
6300 113,3658315 125,4633469 712,7846379 48,38618368 14395,97315

277
Cuya representación gráfica es:

800

700

600

500

400

300

200

100

0
300 600 900 1200 1500 1800 2100 2400 2700 3000 3300 3600 3900 4200 4500 4800 5100 5700 6000 6300

Vent as 1º P . Vent b
as 2º P . Vent as 3º P . Vent as 4º P .

En el siguiente cuadro, se muestra como varía la solución óptima


ante cambios en el parámetro CV:

Variación de CV Ventas 1º P. Ventas 2º P. Ventas 3º P. Ventas 4º P. Funcional


100,2422521 112,6156301 735,6959466 51,44617116 19027,3272
0,1 97,39469199 110,0929748 742,1986083 50,31372494 19722,13615
0,2 97,79154103 110,4465198 741,2894982 50,47244097 19622,92915
0,3 98,19163735 110,8023077 740,3738935 50,63216152 19523,70535
0,4 98,59502095 111,1603592 739,4517237 50,79289616 19424,46455
0,5 99,00173253 111,5206956 738,5229173 50,95465456 19325,20654

(Continúa en la página siguiente)

278
0,6 99,41181344 111,8833384 737,5874016 51,11744655 19225,93111
0,7 99,82530571 112,2483092 736,645103 51,28128206 19126,63807
0,8 100,2422521 112,6156301 735,6959466 51,44617116 19027,3272
0,9 100,6626961 112,9853233 734,7398566 51,61212405 18927,99827
1 101,0866818 113,3574113 733,7767559 51,77915105 18828,65108
1,1 101,5142543 113,7319169 732,8065662 51,94726262 18729,2854
1,2 101,9454592 114,1088632 731,8292083 52,11646936 18629,901
1,3 102,380343 114,4882736 730,8446014 52,28678202 18530,49765
1,4 102,818953 114,8701717 729,8526639 52,45821146 18431,07512
1,5 103,2613372 115,2545814 728,8533126 52,63076871 18331,63317
1,6 103,7075447 115,641527 727,8464633 52,80446493 18232,17156
1,7 104,1576252 116,0310331 726,8320302 52,97931145 18132,69004
1,8 104,6116293 116,4231245 725,8099265 53,15531971 18033,18836
1,9 105,0696086 116,8178263 724,7800637 53,33250135 17933,66628
2 105,5316155 117,215164 723,7423523 53,51086812 17834,12352

Cuya representación gráfica es:


800

700

600

500

400

300

200

100

0
0, 1 0, 2 0, 3 0, 4 0, 5 0, 6 0, 7 0, 8 0, 9 1 1, 1 1, 2 1, 3 1, 4 1, 5 1, 6 1, 7 1, 8 1, 9 2
CV

V ent as 1º P . V ent as 2º P . V ent as 3º P . V ent as 4º P .

279
En el siguiente cuadro, se muestra como varía el funcional Nt ante
cambios en el parámetro E (de 300 a 6000) y CV (de 0,1 a 1). A
continuación del mismo se grafica, primero en tres y luego en dos
dimensiones, los resultados obtenidos.

19027 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
300 20132 20033 19934 19835 19736 19637 19537 19438 19339 19240
600 18902 18802 18703 18603,5 18504 18405 18305 18206 18106 18007
900 17671 17571 17472 17372 17272 17173 17073 16973 16873 16774
1200 16440 16340 16240 16140,5 16041 15941 15841 15741 15641 15540
1500 15210 15109 15009 14909,1 14809 14709 14608 14508 14408 14307
1800 13979 13878 13778 13677,6 13577 13477 13376 13276 13175 13074
2100 12748 12648 12547 12446,1 12345 12245 12144 12043 11942 11841
2400 11518 11417 11316 11214,7 11114 11013 10912 10810 10709 10608
2700 10287 10186 10084 9983,2 9881,9 9781 9679 9578 9476 9375
3000 9056 8955 8853,2 8751,73 8650,2 8549 8447 8345 8244 8142
3300 7825 7724 7622 7520,26 7418,5 7317 7215 7113 7011 6908,9
3600 6595 6493 6390,8 6288,79 6186,7 6085 5982 5880 5778 5675,8
3900 5364 5262 5159,6 5057,32 4955 4853 4750 4648 4545 4442,7
4200 4133 4031 3928,4 3825,85 3723,3 3621 3518 3415 3312 3209,7
4800 1672 1569 1466 1362,91 1259,8 1157 1053 950,2 846,9 743,5
5100 441,3 338 234,76 131,437 15899 15799 15699 15599 15499 15399
5400 15999 15899 15799 15699 15599 15499 15399 15299 15199 15098
5700 15699 15599 15499 15398,8 15299 15199 15098 14998 14898 14798
6000 15399 15299 15199 15098,3 14998 14898 14798 14697 14597 14496

280
Variación de Nt

2 50 0 0

20000

150 0 0

10 0 0 0

50 0 0

0
1
0,7

0,4 CV

E 0,1

0 - 50 0 0 50 0 0 - 10 0 0 0 10 0 0 0 - 150 0 0 150 0 0 - 2 0 0 0 0 2 0 0 0 0 - 2 50 0 0

0, 9

0, 8

0, 7

0, 6
CV
0, 5

0, 4

0, 3

0, 2

0, 1
300 600 900 1200 1500 1800 2100 2400 2700 3000 3300 3600 3900 4200 4800 5100 5400 5700 6000

0- 5000 5000- 10000 10000- 15000 15000- 20000 20000- 25000

281
Bibliografía

Murioni O. – Trossero Angel A. Cálculo Financiero. Buenos Ai-


res. Macchi. 1993.
Hammond P. – Sydsaeter K. Matemáticas para el Análisis Eco-
nómico. Madrid. Prentice Hall. 1996.
Chiang Alpha C. – Wainwright K. Métodos Fundamentales de
Economía Matemática. México. Mc Graw Hill. 2006.
Hiller F. S. – Lieberman G. J. Investigación de operaciones.
México. Mc Graw Hill. 2001.

282
Anexo I
La función del precio del vino se obtuvo en base al Informe Viti-
vinícola Nº 17 - Abril 07 realizado por la Secretaria de Agricultura,
Ganadería, Pesca y Alimentos (SAGPyA)5. El siguiente gráfico mues-
tra la evolución de los precios en dólares de mosto por hectolitro
provenientes de Enero 2003 hasta Enero 2007.

Como se puede ver en el gráfico, se supone la variación del precio


en línea roja punteada. Tomando los precios de los períodos del mes
de Enero de los años 2003 hasta 2007, en la siguiente tabla se pro-
cedió a obtener el precio por botella en pesos. Se supuso que cada
botella contiene 750 cm3, que el tipo de cambio del dólar es de 3,12
pesos y que los gastos fijos son de 10 pesos por botella.

5
Página web: www.alimentosargentinos.gov.ar/bebidas/default.asp

283
Mediante el método de diferencias divididas (Newton), se encontró
el polinomio interpolador:

V(t) = -(0,000167t 4 - 0,002337t 3 + 0,014847t 2 - 0,051687t - 0,02399)(234) + 10


6

el cual interpola los precios de la columna D. La variable t representa


el número del período. En la columna E de la siguiente tabla se corro-
boran los valores de los precios a trabajar

Anexo II
Siendo la ecuación del precio en función del tiempo a optimizar:

N(t) = -(0,000167t 4 - 0,002337t 3 + 0,014847t 2 - 0,051687t - 0,02399)(234) + 10

6
El número 234 es el resultado del producto entre 0,75, 3,12 y 100

284
Cargando en una planilla de Excel ® la ecuación de la función ob-
jetivo N(t)

Se procedió a ejecutar la aplicación Solver ®, obteniendose

El máximo es alcanzado superando el cuarto período.


Graficando los valores de N(t) en función de seis períodos, se ob-
tiene

N(t) vs periodo

36

34

32

30

28 N(t)

26

24

22

20
0 1 2 3 4 5 6 7

285
Anexo III
Siendo la ecuación del precio en función del tiempo:

V(t) = -(0,000167t 4 - 0,002337t 3 + 0,014847t 2 - 0,051687t - 0,02399)(234) + 10


y el valor presente de un flujo efectivo:

b
N(t) = V(t)e-δ t - (1- e-δ t ) - c
δ
Cargando en una planilla de Excel ® las ecuaciones para la tasa de
interés δ, el costo de almacenamiento por unidad de producto b y el
precio en función del tiempo V(t)

Cargando las ecuaciones del Costo de Almacenamiento ,


del costo unitario c y de la función objetivo N(t)

286
Ejecutando la aplicación Solver ®

El máximo es alcanzado aproximadamente en el tercer período.

A continuación se grafica N(t) para seis períodos

N(t) vs período

25

20

15
N(t)
10

0
0 1 2 3 4 5 6 7

287
Anexo IV

Siendo la ecuación del precio en función del tiempo:


Vt = -(0,000167t 4 - 0,002337t 3 + 0,014847t 2 - 0,051687t - 0,02399)(234) + 10

Se efectuará un análisis discreto y, utilizando la programación lineal


y la aplicación de Solver ® de Excel ®, se llegará a la solución.
Planteando en una planilla de cálculo el problema, siendo X1, X2, X3,
X4 las cantidades a comercializar en los períodos del primero al cuarto
respectivamente.

Considerando las restricciones sobre Dt y Kt y la formula de Nt

288
Siendo la tasa de interés i, el factor de actualización del período t,
1
, costo de almacenamiento b, producción P, costo unitario c y
(1 + i )t
precios por período Vt

Sabiendo que esta última tabla tiene por resultados

Se procede a resolver el problema utilizando el Solver ®, obtenién-


dose los siguientes resultados:

289
El informe de sensibilidad arrojado es el siguiente:

Celdas cambiantes Valor Gradiente Coeficiente Aumento Disminución

Celda Nombre Igual reducido objetivo permisible Permisible

$B$2 X1 80,83420904 0 28,86482952 3,820595046 1E+30

$C$2 X2 97,07137464 0 31,96901538 0,754575604 75,53571112

$D$2 X3 784,4774133 0 32,72359098 1E+30 0,62639774

$E$2 X4 37,61700299 0 32,09719324 0,62639774 5,67607E+11

Restricciones Valor Sombra Restricción Aumento Disminución


Celda Nombre Igual precio lado derecho permisible Permisible
$F$6 2) Resultado 500 -0,154417389 500 18699,65477 2000
$F$7 3) Resultado 616,5708122 0 2000 1E+30 1383,429188
$F$8 4) Resultado 1500 -0,025444281 1500 21279,90783 2878,748686
$F$9 5) Resultado 28,21275224 0 1000 1E+30 971,7872478
$F$12 8) Resultado 1200 -0,019636005 1200 21825,11189 1200
$F$10 6) Resultado 24050,56541 0 2000 22050,56541 1E+30
$F$5 1) Resultado 689,3743432 0 3000 1E+30 2310,625657
$F$11 7) Resultado 1000 32,75304499 1000 800 653,4373078

Anexo V
Utilizando la misma configuración del Anexo IV, pero agregando la
restricción que el número de unidades vendidas deben ser enteras,
se obtuvo el siguiente resultado:

290
Anexo VI
Utilizando la misma disposición que el Anexo IV, pero introduciendo:
Variables binarias, Y1, Y2, Y3, Y4, el Costo Fijo de preparación de
envase, E y el Costo Variable por unidad envasada, CV.
Introduciendo los nuevos datos del problema, como las nuevas res-
tricciones en una planilla de Excel ®, sombreados en color gris:

291
Considerando cambios en las restricciones como en la función ob-
jetivo Nt:

Siendo:

Sabiendo que esta última tabla tiene por resultados

292
Se procede a resolver el problema utilizando el Solver ®, obtenién-
dose los siguientes resultados:

293
MODELADO BAYESIANO DE PROCESOS ESTOCASTICOS DE
EVENTOS CLIMATICOS PUNTUALES MEDIANTE APROXIMA-
CIONES ESTADISTICAS.
Blanca R. Vitale
Tito Lasanta
Introducción
Tal como menciona el “Stern Review: La economía del cambio
climático”, las pruebas científicas son hoy incuestionables: el cam-
bio climático constituye una seria amenaza, que exige urgentemente
una respuesta.
La amenaza del aumento de los parámetros de precipitación, como
consecuencia del cambio climático, ha producido consecuencias ne-
gativas en las cosechas de grano, en la provincia de Buenos Aires.
De hecho, de acuerdo con la Perspectiva Agroclimática para la
campaña 2007-2008, de la Bolsa de Cereales, para citar solo un
ejemplo, se han registrado este año, debido al aumento de las lluvias,
los siguientes inconvenientes:
• Las intensas lluvias del centro-sur de Santa Fe, Entre Ríos y
centro-norte de Buenos Aires retrasaron el inicio de la implan-
tación de cultivos de verano.
• En plantíos invernales entorpecieron los controles de enferme-
dades, generando un ambiente de alta predisposición a los pa-
tógenos.
• En el centro-sur de Buenos Aires los excesos postergaron la
finalización de la aplicación de herbicidas y la refertilización, en
un contexto conducente al lavado de nitrógeno y la prolifera-
ción de malezas.

295
Además, como citan C.Galarza, et. al, en Nuevas tendencias
de fertilización de sistemas agrícolas, el mismo suelo posee me-
nos nitrógeno, potasio y calcio si se lo compara con otro igual, hace
20 años atrás y tiene notablemente menos capacidad para captar
agua, lo cual redunda de manera negativa en los periodos de sequías
y favorece las inundaciones.
Para estudiar el fenómeno de las lluvias en el área bajo estudio, se
elaboran en el presente trabajo dos modelos matemáticos estadísti-
cos a fin de estimar la ocurrencia de eventos climáticos de gran in-
cidencia sobre los factores económicos. Se estudian en particular las
precipitaciones, causantes tanto de inundaciones, como de sequías
y se proponen modelos de pronóstico que permitirán la evaluación de
costos y riesgos asociados. Los modelos han sido inicialmente sugeri-
dos y probados en el área de Santa Fé, por Zimmermann (2003a).
La elaboración de modelos de pronóstico del fenómeno de la pre-
cipitación requiere del conocimiento de las distribuciones de pro-
babilidad inherentes al proceso. La construcción y aplicación de los
modelos de pronóstico vinculados con los fenómenos ambientales,
requiere, además, disponer de datos específicos que, en general, en
vastas zonas del país, son desconocidos.
De hecho, no es común conocer con exactitud, la lámina mensual
de lluvia en un área particular en la que se encuentra en desarrollo
un proyecto económico que sea afectado por la falta o por el exceso
de lluvia.
Se discute en el presente trabajo la aplicación de las funciones de
probabilidad de Poisson, Exponencial, Gumbel y Gamma en el
modelado de procesos estocásticos de eventos climáticos, cuando no

296
se dispone de todos los datos necesarios, proponiendo dos modelos
probabilísticas de lluvias.
Los modelos que se abordan en el trabajo, obedecen a la necesidad
de estimar la cantidad de agua precipitada en un período de tiempo,
cuando solo se conoce el número de eventos de tormenta acaecidos
en dicho período.
La elaboración del modelo de estimación, requiere partir de la de-
terminación de un modelo previo, elaborado con datos suficientes,
que permita determinar funciones de probabilidad, para la lámina de
un evento de tormenta particular, basada en el número de eventos
lluviosos del mes. Este modelo previo es elaborado, en el presente
trabajo, sobre la base de datos disponibles, tanto de láminas de pre-
cipitación, como de cantidad de eventos de tormenta, que permitan
su validación.
Se dispone de valores de precipitación de todos los eventos de tor-
menta ocurridos en cada mes, en las tres estaciones meteorológicas,
así como la cantidad de eventos registrados, lo que permitió calcular
valores de láminas totales por mes, láminas promedio por mes y
número máximo y promedio de eventos de tormenta por mes. Se
obtuvo en consecuencia, valores de láminas medias mensuales para
cada estación.
El conocimiento de la cantidad de agua precipitada resulta más
difícil de obtener, cuando más reducido sea el período de tiempo
para el cual quiere obtenerse el dato. La importancia de conocer lá-
minas de precipitación para períodos cortos, o, dicho de otro modo,
para escalas de agregación reducida, radica en el hecho de que los
eventos climáticos extremos que provocan grandes daños en áreas

297
urbanizadas, corresponden a lluvias puntuales en tormentas de po-
cos minutos de duración.
Las propiedades estadísticas de lluvias puntuales han sido estu-
diadas en forma extensiva, tanto teórica como empíricamente, por
numerosos investigadores, entre los que destacamos a Todorovic
(1967). La mayoría de la literatura científica pone énfasis en el estu-
dio de lluvias agregadas a una escala simple de tiempo, ya sea hora-
ria, diaria o escala de tiempo climática. Investigaciones más recientes
han estudiado la relación existente entre las características estadísti-
cas de precipitaciones medidas en escala de gran agregación, con las
propiedades observadas en escalas más reducidas.
Las conclusiones de tales investigaciones son de gran aplicación, ya
que resulta necesario en estudios hidroeconómicos disponer de infor-
mación sobre lluvias a escalas de tiempo muy pequeñas, partiendo
de datos de láminas de precipitación diarias, en cuencas hídricas en
las que no existen dispositivos de registro continuo.
Se dispone en el presente trabajo, de aproximaciones estadísticas
que han sido utilizadas con éxito en la validación regional de modelos
estadísticos clásicos y bayesianos de estimación de parámetros de
lluvia. De hecho, Zimmermann (2003a) ha validado con éxito, en
estaciones meteorológicas de la provincia de Santa Fe, la metodolo-
gía basada en el teorema de Bayes, para estimar el número de ocu-
rrencia de eventos lluviosos, proponiendo la función de densidad de
probabilidades, que utilizamos en el presente trabajo, para la estima
de la lámina de lluvia de un evento simple.

298
En el trabajo se propone la apli-
cación de dichos modelos a da-
tos ambientales registrados en
el Área Metropolitana Buenos
Aires, que se observa en la figura
1, con el fin de analizar la validez
de su aplicación.

Figura 1: Área Metropolitana Buenos Aires.

Metodología

Se utilizaron para el presente trabajo, series de precipitaciones de


las siguientes estaciones meteorológicas: estación Estefanía, del
Instituto Nacional del Agua (INA), con registros desde 1994 a
2003; estación Villa Ortúzar, del Servicio Meteorológico Na-
cional (SMN) de la Fuerza Aérea Argentina, con registros des-
de 1990 a 1999; estación del Instituto Nacional de Tecnología
Agropecuaria (INTA), en Castelar, con registros desde 1990 a
2004 y estación General Pacheco, de la Universidad Tecnológi-
ca Nacional, con registros desde 2003 a 2006.
Se dispone de valores de precipitación de todos los eventos de tor-
menta ocurridos en cada mes, en cuatro estaciones meteorológicas,
así como la cantidad de eventos registrados, para cada estación.

299
Se propone validar, en primer lugar, un modelo de aproximación
bayesiana para estimar el número de eventos lluviosos en
cada mes, conociendo la lluvia mensual. En segundo lugar, se
propone determinar una función de densidad de probabilidad,
para la lámina de un evento de tormenta particular, basada
en el número de eventos lluviosos del mes.
Se han utilizado, en la estimación de láminas de lluvia precipitada,
en duraciones periódicas, modelos exponenciales para la representa-
ción de cantidades precipitadas, tiempos entre lluvias y duración de
los eventos. Tales modelos han permitido construir el algoritmo que
se utiliza en la validación.
Mediante la aplicación de estadística bayesiana, se determina el
número de eventos, condicionado a la precipitación total del período.
Para estimar el número de lluvias registradas se ha utilizado la fun-
ción Gamma para determinar la distribución acumulada de precipi-
tación total, calculando los parámetros correspondientes.

Modelo de estimación del número mensual de


eventos de tormentas

De acuerdo con la propuesta de Zimmermann (2003a), se con-


sidera la aplicación de un modelo de aproximación bayesiano para
estimar el número de ocurrencias de eventos lluviosos en cada mes,
condicionado a la lámina de lluvia mensual. Para ello se propone
aplicar el teorema de Bayes, (ecuación 1). En dicha expresión, f(N)
es la probabilidad a priori de la cantidad de eventos de tormenta de
un mes dado.

300
En el modelado de procesos estocásticos de tormentas puntuales,
Lecam (2003) propuso como aproximación, para describir tanto el
arribo de tormentas, como el arribo de células de lluvia en la mis-
ma tormenta, un proceso Poissoniano. Tal aproximación, que se
muestra en la ecuación 2, constituye la herramienta de modelación
disponible, más robusta y es la que se propone para determinar la
función f(N).
f ( P / N ). f ( N )
f ( N / P) = (1)
f ( P)

. λ
f (N ) = λ e
N − 1
1
, (2)
N!
En dicha ecuación, se interpreta a la tasa de arribos de Poisson,
λ 1
, como el número medio de eventos.
Para estimar valores de precipitación, condicionados al número de
lluvias registradas, se ha utilizado la función Gamma para determi-
nar la distribución acumulada de precipitación total, calculando los
parámetros correspondientes. El cálculo de la función de distribución
de probabilidades de láminas de precipitación, condicionados a la
cantidad de eventos de tormenta, f (P/N), se ha realizado, en con-
secuencia, utilizando la ecuación 3.

. λ
f (P / N ) = λ e
N − .P N −1
2
2
.P
, (3)
( N − 1)!

λ , en la ecuación 3, puede interpretarse como la inversa de la


2
lámina media de la precipitación que produce una sola tormenta, es
λ
decir el cociente entre 1 y la precipitación media mensual.

301
Se calcularon, para cada mes y para cada año, los valores de la
función de probabilidad de láminas, condicionada a la cantidad de
eventos, para una serie correlativa de la cantidad de eventos N y
calculamos para cada valor de N, la probabilidad asociada a la pre-
cipitación.
Mediante la aplicación de estadística bayesiana, se determina el
número de eventos, condicionado a la precipitación total del perío-
do, de acuerdo con la expresión de la ecuación 1, que al efectuar
los reemplazos algebraicos correspondientes, da como resultado la
ecuación 4.
−λ . P −λ
λ2 e P λ1 e 1
N N −1 N
. 2
. . .
( N − 1)!.N !
f ( N / P) =
N j . λ 2. P . N j −1. N j .
∑λ λ eλ
− −
N max
2 e P 1
1

j =1 ( N − 1)!. N !
j j

(4)

Determinamos, en consecuencia, mediante la ecuación 4, la fun-


ción de probabilidades condicionadas, para cada valor N de la serie
correlativa y seleccionamos el número de eventos de lluvia que se
corresponde con la probabilidad máxima.
Con el propósito de validar la metodología propuesta, aplicamos
tests de bondad de ajuste, para determinar si el modelo es apropiado
para pronosticar láminas de precipitación, en las estaciones estudia-
das.

302
Resultados

Se calcularon los valores de lámina media mensual, número medio


λ
de eventos por mes 1 , y los correspondientes valores de λ
2
,
para las tres estaciones seleccionados. La tabla 1 muestra los resul-
tados para la Estación la ecuación 2.
La función de probabilidades condicionadas determinada mediante
la ecuación 4, para cada valor N de la serie correlativa permitió cal-
cular probabilidades asociadas a la cantidad de eventos de tormenta.
Seleccionamos, a partir de dicho cálculo, el número de lluvias que se
corresponde con la probabilidad máxima.

Tabla 1:
Valores de Precipitación Media Pm, λ yλ1 2
para la Estación Cas-
telar

Mes E F M

Pm 68,533 99,889 98,411

λ 1
3,4444 4,5556 4,3333

λ 2 0,0503 0,0456 0,044

Mes J A S

Pm 45,544 58,189 58,371

λ 1
3,1111 3,7778 3,5556

λ 2
0,0683 0,0649 0,0609

Mes A M J

303
Pm 92,911 98,878 40,178

λ 1
4,8889 3,8889 3,7778

λ 2 0,0526 0,0393 0,094

Mes O N D

Pm 86,767 88,111 97,611

λ 1
6,1111 5,4444 4,8889

λ 2
0,0704 0,0618 0,0501

Se calcularon las cantidades de eventos de tormenta, del modo


indicado más arriba, contrastado con los valores registrados en cada
estación hidrológica. A modo de ejemplo, se indican en la tabla 2 los
valores calculados y medidos, para la estaciones Villa Ortúzar.

Tabla 2:
Valores calculados y registrados de eventos de tormenta N, para
la estación Villa Ortúzar
Calc. Real Calc. Real Calc. Real
ENE ENE FEB FEB MAR MAR
59 66 56 68 54 61
Calc. Real Calc. Real Calc. Real
ABR ABR MAY MAY JUN JUN
68 73 57 57 57 54
Calc. Real Calc. Real Calc. Real
ENE ENE FEB FEB MAR MAR
48 55 31 43 62 65
Calc. Real Calc. Real Calc. Real
ABR ABR MAY MAY JUN JUN
74 78 70 76 64 76

304
Los resultados de los tests de bondad de ajuste permiten concluir
que el modelo es apropiado para determinar láminas de precipita-
ción, en las tres estaciones estudiadas.

Modelo para la determinación de una función de


densidad de probabilidad, para la lámina de un
evento de tormenta particular

El modelo propone la determinación de una función de densidad


de probabilidad, para la lámina de un evento de tormenta particular,
basada en el número de eventos lluviosos del mes. La bibliografía
sugiere, en general, la utilización de funciones exponenciales para
representar láminas de lluvias. Seoane y Valdés (1994), citados
por Zimmermann (2005), proponen funciones bivariadas para la
intensidad y la duración de los eventos usando densidades margina-
les exponenciales.
La expresión que utilizamos para determinar la función acumulada
exponencial para una precipitación Pn, correspondiente a un evento
simple de un mes dado, es la indicada por la ecuación 5. Es conve-
niente destacar que el hecho de requerir del conocimiento de un
único parámetro, constituye una ventaja al utilizar la distribución ex-
ponencial.
En la ecuación 5, Pn representa una precipitación aislada, para
valores de n comprendidos entre 1 y N, de modo que:

F ( Pn ) = 1 − e λ 3 P n
N
− .
5) ∑ Pn = P
n =1
(6)

305
La expresión sugerida para Pn es la indicada en la ecuación 7.De ese
λ
modo es posible hallar el parámetro 3 , despejándolo de la ecuación
7, luego de aplicar la operación sumatoria. La función F(Pn), puede
determinarse aplicando las fórmulas empíricas propuestas por Chow
et. al. (1994), represntadas por la expresión general indicada en la
ecuación 8, donde n es el número de orden del evento de tormenta,
ordenando la muestra en orden decreciente, N el número total de
eventos de tormenta en el mes considerado y b un parámetro empí-
rico comprendido entre 0 y 0,5.

1
Pn = − . ln[1 − F ( Pn)] (7)
λ 3

n −b
F ( Pn) = (8)
N + 1 − 2b
Hemos adoptado la formulación empírica extrema de Hazen, con
b= 0.5, que es la que mejor se adapta a los datos disponibles. Pa-
ralelamente estudiamos la sensibilidad de la función F(Pn), a los
valores del coeficiente b y su incidencia en la validación del modelo,
analizando la variabilidad de la correlación entre valores teóricos y
empíricos.
Considerando lo expresado en los dos párrafos anteriores, determi-
λ
namos el parámetro 3 a partir de la ecuación 9.

N
N − n + 0,5
∑ ln( N
)
(9)
λ 3
=− n =1
P

306
Resultados

Los valores de precipitación estimados mediante la ecuación 7 se


contrastaron con los valores de precipitación registrados, en las tres
estaciones estudiadas. Los resultados de los tests de bondad de ajus-
te permiten concluir que el modelo es apropiado para determinar
láminas de precipitación, en las tres estaciones estudiadas.

Conclusiones

Los modelos resultaron válidos para los datos del Área Metropo-
litana Buenos Aires.
Con respecto al primero, que constituye un modelo de aproxima-
ción bayesiana para estimar el número de ocurrencias de eventos
lluviosos en cada mes, condicionado a la lámina de lluvia mensual,
hemos concluido que es posible la validación del método propuesto.
De hecho, se comprobó bondad de ajuste entre los valores de núme-
ro de ocurrencia de eventos de tormenta calculados con el modelo pro-
puesto, y los valores registrados. Tal situación se verifica para las tres
estaciones hidrológicas estudiadas. Del mismo modo, concluimos que
la validación del modelo se cumple, además, al registrarse alta correla-
ción entre ambas series de valores de números de eventos lluviosos.
En relación con el segundo modelo, que propone una función de
densidad de probabilidades, para la lámina de un evento de tormenta
particular, basada en el número de eventos lluviosos del mes, hemos
constatado su validación a la luz de los resultados obtenidos.

307
Con el propósito de validar la metodología propuesta y analizando
los resultados obtenidos, es posible concluir que el modelo es apro-
piado para determinar láminas de precipitación, sobre la base del co-
nocimiento del número de lluvias registradas, en las tres estaciones
estudiadas.

Bibliografía

Benjamín, J. “Probabilidad y Estadística”. Colombia. Mc. Graw


Hill. 2002.
Bowker, A. “Estadística para Ingenieros”. México. Prentice
Hall. 1984.
Bras, R.; Rodríguez Iturbe, I. “Random Functions”. Addison
Wesley. 1985.
Galarza C., Gudelj V., Vallote P. “Nuevas tendencias de fertil-
ización de sistemas agrícolas: balances de nutrientes y su im-
pacto en los contenidos de materia orgánica”. EE INTA Marcos
Juárez, Área suelos y Producción Vegetal. 2003.
Leadbetter, M. “Extremes and Related Properties of Random
Sequences and Proceses”.New York. Springer Verlag. 1982.
Miller, T. “Introducción a la Ciencia Ambiental”. Madrid. Thom-
son. 1982.
Vujica, Y.“Probability and Statistics”. Fort Collins. WRP. 1978.
Zimmermann, E. “Validación regional del modelado bayesiano
de lluvias aplicado a balances hídricos para estimar recargas

308
subterráneas”. XX Congreso Nacional del Agua. Mendoza. Vol
1: 23-27. 2005.
Vitale, B., Lasanta, T. “Análisis Estadístico de Valores Extre-
mos de Variables Generadoras de Costos Sociales y Ambien-
tales, en el Área Metropolitana Buenos Aires”. XXI Jornadas
de Matemática. Formosa. 2006.

309
Fondo de garantía y seguros de
Caución en la ley de
Turismo Estudiantil

Gustavo Zorzoli
Dario Bacchini
Lara Viviana Vazquez
Lucio Fernandez Arjona

Introducción

El objeto del presente trabajo fue elevar a los responsables de Tu-


rismo Estudiantil de la Secretaría de Turismo de la Nación el resultado
de los análisis realizados sobre las bases de datos de las empresas,
a los fines de caracterizar al fondo de garantía que se exigiría a las
agencias con el objetivo de resarcir los daños ante el incumplimiento
de alguna de ellas.
En una primera etapa, la tarea consistió en tratar la información
que nos fue provista. Es importante destacar la importancia de la
fidelidad de los datos al momento de realizar pronósticos que permi-
tan manejar el riesgo. Asimismo, es importante contar con el mayor
número posible de datos para poder observar comportamientos fre-
cuentes o tendenciales, disminuyendo la probabilidad de incurrir en
un error. Tal como se describe en los datos sobre los cuales se trabajó
resultaron insuficientes y también se observaron discrepancias entre
las dos fuentes utilizadas. En consecuencia, el tratamiento de los
datos incluyó la realización de comparaciones así como también la

311
compilación de los mismos de manera que resultase funcional a los
análisis que debían realizarse.
No debe dejar de destacarse que el análisis de datos fue comple-
mentado con consultas respecto a la operatoria habitual y carac-
terísticas del mercado de turismo estudiantil realizadas en distintas
reuniones con personal de la Secretaría de Turismo. De este modo,
la insuficiencia de datos fue en parte compensada por la información
que aportaron aquellas personas conocedoras del entorno al cual van
dirigidas estas propuestas.
Conocido el marco al cual se dirige la propuesta y el proyecto de
Ley que fundamenta esta tarea, se procedió a estudiar las distintas
variantes sobre las cuales podía generarse un fondo de garantía y
aspectos claves respecto de su administración. En este caso debemos
distinguir que, más allá de la viabilidad del total de las variantes pro-
puestas, siempre se muestra en el informe una relación directa entre
lo exigido y la posición de la empresa frente al mercado: en cuanto a
volumen y en cuanto a contribución al riesgo. Se ha tenido presente
en la exposición de las propuestas el impacto inicial que la exigencia
de un fondo de garantía tendrá sobre las utilidades de la empresa,
trasladado este impacto al precio final, por lo que se propone un desa-
rrollo gradual hasta su conformación. Asimismo, la posición adoptada
al decidir el capital que debería manejar el fideicomiso es sumamente
conservadora. La adopción de este tipo de cobertura se basa, entre
otras cosas, en la carencia de datos (que incrementa la probabilidad
de error y exigen entonces un mayor margen de seguridad) y en la
concentración del mercado (las quiebras de grandes empresas no son
inusuales e impactan fuertemente en el mercado).

312
Finalmente, se analizan las características de los seguros de cau-
ción que se exigirían a las compañías para que repongan al fondo de
garantía ante el caso de incumplimiento. Si bien este tema se trata en
una sección anterior se realizó sobre la base de que existe un fondo
de garantía al cual deberá responderse en caso de que el asegura-
do incumpla sus contratos. Dadas las características particulares de
cada empresa y la imposibilidad de realizar un análisis individual de
las diferentes situaciones que pueden presentarse, en la mencionada
sección se presentan únicamente algunos lineamientos generales al
momento de cotizar el seguro pertinente, sin especificar una tarifa
concreta a aplicar.

DESCRIPCIÓN DE LA INFORMACIÓN SUMINISTRADA

CONSIDERACIONES PRELIMINARES
Este trabajo fue realizado sobre la base de la información propor-
cionada por la Secretaría de Turismo. La misma consistió en los in-
formes requeridos a las agencias de viaje respecto a los contratos
pendientes para los años de 2004 a 2006. Los datos provenientes de
esta fuente no resultan ser completamente fiables dado que están
sujetos a distintas fuentes de error al carecer la Secretaría de Turismo
de un sistema centralizado de la información. Los principales factores
que contribuyen a que la información no sea fidedigna son:
- Ingreso manual de datos, con potenciales errores y omisiones
durante el proceso
- Información incompleta por parte de las agencias
Asimismo, se han contrastado estos datos con los suministrados

313
por la Subsecretaría de Turismo del Municipio de Bariloche respecto
a los contingentes de egresados que han ingresado a esa ciudad
durante el período 2001-2005, discriminados por empresa. Se realizó
un resumen de esta información elaborado de la siguiente manera:
para los años donde se cuenta información de ambas fuentes (Mu-
nicipio de Bariloche y Secretaría de Turismo), esto es, los años 2004
y 2005, se han tomado las veinticinco empresas con mayor cantidad
de viajes (considerándolas las más representativas y relevantes) y se
determinó la evolución de la cantidad de viajes por empresa en estos
últimos años.
Se analizó un total de 36 empresas. Por otro lado se estudiaron las
empresas que no fueron encontradas en la información suministrada
por la Secretaría de Turismo. Asimismo se analizaron aquellas empre-
sas que sí se encontraron en dicha información.
Es importante notar que la diferencia entre ambas fuentes fue no-
toria, lo cual implica una dificultad adicional a la tarea de análisis.
De las treinta y seis empresas más importantes de los últimos años,
sólo dieciocho pudieron contrastarse con la información suministrada
por la Secretaría de Turismo. Aún en las empresas que fueron en-
contradas en ambas bases de datos, las cantidades de viajes varían
sustancialmente.
Una fuente importante de diferencias es sin duda la diferente me-
todología empleada en el armado de ambas bases de datos: mientras
que la Secretaría de Turismo exige a las empresas una declaración
jurada de los viajes pendientes y la memoria de los viajes realizados
en el año anterior en un momento en particular (mes de marzo), la
información proveniente de la Subsecretaría de Turismo del Municipio

314
de Bariloche recoge los pasajeros efectivamente ingresados en aquel
destino.
La primera dificultad entonces al realizar la estimación fueron las
divergencias entre la información disponible. Para el año 2005, los
datos proporcionados por Subsecretaría de Turismo del Municipio de
Bariloche hablan de una afluencia de pasajeros en concepto de tu-
rismo de egresados de 122.830 pasajeros, pero los datos suminis-
trados por las empresas hablan de un total de 35.597. Al momento
de realizar esta comparación debe de considerarse que los datos de
cada temporada provistos por Bariloche corresponden al período que
media entre marzo y febrero de cada uno de los años. Por lo tanto,
en lo que a viajes estudiantiles se refiere, la temporada 2005/2006 es
comparable con los viajes declarados para el año 2005.
Si suponemos que la relación entre los datos se mantiene, los estu-
diantes con destino a ciudades como Villa Carlos Paz deberían ser 3
veces más que los declarados.

Concentración del mercado


Del análisis de los datos surge que, a pesar de la gran cantidad de
empresas de turismo que proveen viajes estudiantiles, la gran mayo-
ría de ellas tiene poca cantidad de viajes cada una y por lo tanto, un
pequeño grupo tiene un gran porcentaje de los viajes totales. A efec-
tos del establecimiento de un fondo compensador, esta característica
no puede ser ignorada dado que tiene importantes implicancias en
el aspecto financiero y actuarial. Por un lado se observa que, por
ejemplo, para el año 2005, el cincuenta por ciento del mercado se
encuentra compuesto por unas ciento cuarenta empresas, las cuales

315
no superan individualmente el 2,5% del mercado. En este segmen-
to podemos hablar de una gran fragmentación, la cual, a la hora
de contratar un seguro de caución puede significar que muchas de
estas empresas no puedan demostrar tener un respaldo patrimonial
suficiente para que una compañía de seguros acepte extenderle una
póliza.
Por otro lado, las tres empresas más grandes tienen (nuevamente
refiriéndonos al año 2005) un 15% la primera y un 7% las dos siguien-
tes. En términos estadísticos, la quiebra de, por ejemplo, la primera
empresa configura un evento catastrófico para el cual el fondo de-
berá estar adecuadamente preparado. Esto repercute en el tamaño
total necesario del fondo, tal como se explicará más adelante.
Respecto al comportamiento del mercado en términos de concen-
tración, la información muestra que, de acuerdo a la tendencia, en
los próximos años la concentración aumentará, incrementando el
problema del peso relativo de los “jugadores grandes” respecto del
riesgo que representan al fondo compensador. Esto implica que el di-
seño del fondo compensador no puede tener un visión a corto plazo,
considerando un porcentaje máximo de participación del 15% para
la empresa más grande, sino también prever la posibilidad de que se
retorne a la gran concentración existente en momentos previos a la
crisis, cuando la empresa más grande representaba el 35% del mer-
cado y entre las primeras tres abarcaban el 71% del mismo.

316

Seguros de caución

El Proyecto de Ley aprobado por la Cámara de Diputados determina


la contratación de un seguro de caución por parte de las empresas
de turismo a fin de garantizar el cumplimiento de sus obligaciones.
Mediante el mismo la compañía de seguros cubre las pérdidas pro-
ducidas por el incumplimiento de los contratos frente al acreedor de
estas obligaciones.
A continuación se describen las principales características del pro-
ducto, y se presenta una propuesta de segmentación tarifaria que
debería ser evaluado por cada compañía de seguros, de acuerdo con
el riesgo del asegurado.

317
 Descripción del producto
El seguro de caución encausa la responsabilidad jurídica de los im-
plicados por sus actos en el desempeño de la labor profesional y
comercial. En el Proyecto de Ley que reglamenta la operatoria de los
agentes de Turismo Estudiantil se especifica que las garantías acredi-
tadas deberán guardar correspondencia con los montos finales de los
servicios comprometidos.
Definimos un seguro de caución como aquel que es emitido a pro-
puesta de un tercero con aceptación expresa del asegurado, para
que el asegurador asuma por aquél -en la medida y condiciones de
la póliza- la responsabilidad ante el eventual incumplimiento de una
obligación de hacer o de dar. El riesgo asegurado consiste en el in-
cumplimiento del empresario habiendo estado ese incumplimiento
cubierto por el seguro caución.
Al momento de determinar la prima correspondiente a la cobertura
debe de tenerse en cuenta la capacidad de respuesta de cada una
de las empresas en particular, dado que el nivel de prima exigido a
cada una dependerá en forma directa del riesgo al cual se expongan.
En consecuencia, es imposible determinar a priori una tasa general
como propuesta de tarifa para las compañías de seguros.
Una de las características de este tipo de contrato que debe de te-
nerse en cuenta es que, en general, en caso de producirse el evento
que da lugar a que la compañía de seguros responda por las obliga-
ciones del asegurado, existe la posibilidad para la aseguradora de
exigir la devolución del pago. En ese caso, el patrimonio de la agencia
de turismo estudiantil será importante al momento de determinar la
prima, no sólo como reflejo de su capacidad de cumplimiento sino

318
también como “garantía de la garantía”.
Si analizamos el mercado de seguros de caución, se evidencia que,
para asumir este importante compromiso, las aseguradoras exigen de
sus potenciales clientes datos respecto de su situación patrimonial y
financiera, tales como sus estados contables, detalle de sus deudas
bancarias y financieras, bienes de uso, nivel de actividad y situación
impositiva. Cada una de las empresas de turismo estudiantil clara-
mente difieren respecto a su patrimonio, la relación entre éste y sus
compromisos asumidos así como en el modo de operar y el respaldo
que puede proporcionarle su historia.
La compañías de seguros, para realizar la tarificación de este tipo
de coberturas deberían utilizar técnicas de análisis de Riesgo de Cré-
dito, la cuales buscan determinar la probabilidad de quiebra y el gra-
do de incumplimiento (una vez que la quiebra se produjo). En base
a lo mencionado en el párrafo previo, la probabilidad de quiebra será
distinta para cada empresa, y considerar igual prima de riesgo sig-
nificaría un problema de anti-selección: la prima resultará excesiva
para empresas con menor riesgo y muy baja para aquellas con mayor
probabilidad de default. De esta manera, la situación a nivel merca-
do resulta significativamente más peligrosa a nivel de incumplimiento
dado que la misma tasa estaría incentivando a disminuir el respaldo.
Otro de los inconvenientes a tener en cuenta a través de la exi-
gencia del seguro de caución es contemplar la situación del mercado
asegurador en el país y la capacidad de estas compañías, no sólo
para asumir los compromisos por sí mismas, sino también de res-
paldarlos a través de la toma de reaseguros en el exterior. Si bien
el producto caución ya se comercializa para empresas de turismo, la

319
exigencia de una garantía por sobre el total de las empresas y el total
de los compromisos implica un incremento significativo del riesgo de
las compañías de seguro. El riesgo será más marcado en aquellas
empresas de turismo con de mayor volumen de compromisos, dado
que no sólo presentan este mayor número de obligaciones sino que,
además, generarían un mayor impacto dentro del total del mercado.
De esta manera, el riesgo que representan es aún mayor que su por-
centaje de participación.
Todos estos factores son los que se ponderaron para elaborar la
propuesta de tarifas que se detalla en el apartado siguiente.

Propuesta de segmentación
En función de los comentarios ya realizados respecto a los seguros
de caución, consideramos que la prima que debería cobrarse fluctúa
entre un dos por ciento (2%) y un quince por ciento (15%) del valor
de las obligaciones asumidas, dependiendo de las características pro-
pias de la compañía que lo tome.
Si bien no son las únicas características a tener en cuenta, conside-
ramos que son tres los principales factores que deben de ponderarse
al momento de determinar el porcentaje a cobrar en concepto de
Prima Pura:
- El patrimonio de la empresa de turismo estudiantil, que lo
consideraremos indicador del tamaños de la empresa,
- Los compromisos asumidos por la empresa en cuanto a los
viajes vendidos,
- La correcta estimación de los costos de los paquetes vendi-

320
dos: estimaciones respecto a posibles incrementos respecto
de tarifas vigentes
El último punto mencionado no puede medirse de manera directa
sino que requerirá de un análisis más detallado de la situación em-
presaria en cuanto a los presupuestos que manejan las empresas, así
como respecto a la política de inversión de los fondos que obtienen
en concepto de pagos anticipados.
Una de las principales causas de quiebras en el mercado de las
agencias de viaje tiene que ver con el excesivo apalancamiento que
realizan a partir del diferimiento que se presenta entre el momento
en el cual se perciben los fondos y aquel en el cual se hace efectiva la
prestación del servicio. De esta manera, los fondos que se perciben
de manera anticipada y que representan una obligación de hacer a
futuro, se destinan a financiar los viajes que fueron abonados en
el año anterior: se genera una estructura en donde es necesario el
constante crecimiento o mantenimiento del número de clientes para
poder asumir las obligaciones contraídas. Por otra parte, al incre-
mentarse el tamaño de los contingentes, las empresas afrontan el
riesgo de no contar con los proveedores necesarios en los destinos de
los viajes. En consecuencia, una de las medidas representativas del
riesgo será la relación existente entre compromisos asumidos (C) y
el patrimonio neto de la empresa (PN): C/PN. Este índice representa
una medida de la solvencia de la empresa: cuanto mayor sea el índi-
ce, menor será la solvencia, ya que los compromisos asumidos serían
muy elevados en relación al patrimonio con que se los respalda.
Por otra parte, el nivel de los compromisos en sí mismo, y no en
forma relativa, constituye también un parámetro vinculado al riesgo

321
que representa. Ante el caso de quiebra de una empresa cuyos com-
promisos resultan ser una pequeña proporción del mercado, la prác-
tica usual es que las mencionadas obligaciones sean absorbidas por
empresas mayores, que buscan incrementar su participación en el
mercado. En consecuencia, no se produce desequilibrio alguno ante
la caída de ellas, y la probabilidad de que se actúe contra la compañía
aseguradora será menor.
En resumen, podemos decir que el riesgo se relaciona en for-
ma directa con el nivel de compromisos asumidos y con la razón
C / PN .
En particular, proponemos la siguiente segmentación de las em-
presas. En el cuadro, cuanto mayor el número que representa la
categoría (tomamos siete categorías), mayor el riesgo al cual se hace
referencia.

Tabla 1: Nivel de Riesgo de las empresas de acuerdo con


los compromisos asumidos y a la relación de éstos con el
Patrimonio Neto
C/PN
Bajo Medio Alto
C
Bajo 1 2.a 4
Medio 2.b 3 6.b
Alto 5 6.a 7

1. Se corresponde en general con el caso de las empresas


más pequeñas. El riesgo que aportan al mercado es menor,
dado que los compromisos asumidos no son importantes

322
a nivel global. Además, presentan más que el patrimonio
suficiente para hacer frente a los mismos, su probabilidad
de quiebra es baja
2. En este caso consideramos dos situaciones, en las cuales el
riesgo es menor pero superior al caso anterior. La primera
de estas situaciones (caso a) muestra que el riesgo global
para el mercado es mínimo dado que la participación de la
empresa es baja. Sin embargo, la posibilidad de quiebra es
más alta que en el caso 1. La otra situación contemplada
en esta categoría de riesgo tiene que ver con el caso de
una participación mayor en el mercado, que incrementaría
el riesgo, compensada por un mayor índice de solvencia, es
decir, una menor relación C/PN (caso b).
3. La categoría tres de riesgo la tomamos para el caso inter-
medio en donde ni el cociente ni los compromisos tienen
valores extremos. En este caso, al calcular la prima corres-
pondiente debe tomarse con especial atención las caracte-
rísticas de gestión de la empresa.
4. En este caso, la posibilidad de quiebra no es despreciable,
dado que no se cuentan con los suficientes recursos para
hacer frente a los compromisos. Sin embargo, el riesgo que
representan estas empresas, a nivel global en el mercado,
no es tan alto como el cociente C/PN parece indicar: el bajo
nivel de compromisos asumidos hace que el mercado pue-
da hacerse cargo de las prestaciones no cumplidas.
Los tres casos a los que se hace referencia a continuación son
aquellos que representan un mayor riesgo y a los que, en consecuen-

323
cia, debería cobrarse en concepto de prima pura un monto igual o
superior al diez por ciento (10%) de sus obligaciones.
5. Si bien el índice de solvencia refleja una buena situación
para la compañía, no puede dejar de considerarse el impac-
to que su caída tendrá en caso de que no cumpla sus obli-
gaciones. En base a la experiencia siniestral, la mayor parte
de las empresas cuya caída genera irregularidades en los
cumplimientos son aquellas con una amplia participación
en el mercado. Un riesgo que también corren estas empre-
sas, más allá del referente a quiebra, esta en la posibilidad
de contar con los proveedores necesarios para el tamaño
de sus contingentes. De este modo, más allá de la solvencia
hay una clara dependencia con los proveedores.
6. Las dos situaciones que consideramos en esta categoría
son: de alto volumen de compromisos y solvencia media
(caso a) y, por otra parte, un volumen medio de compromi-
sos y muy baja solvencia (caso b). En cualquiera de los dos
casos, se corre riesgo de quiebra y, si bien en el primer caso
este riesgo es menor, la alta participación en el mercado
genera dependencia con los proveedores, y la repercusión
global de la caída sería mucho mayor.
Las grandes empresas suelen encuadrarse en las categorías 5 y
6. Vemos en ambos casos que, más allá de que su patrimonio sea
amplio, el riesgo con el cual contribuyen al sistema exceden a su
participación en el mercado (una descripción más acabada de la dis-
tribución del riesgo puede verse en el apartado siguiente, “Fondo de
Garantía”)

324
7. Representa el caso extremo en lo referente a riesgo. Dada
el alto volumen de compromisos y el poco respaldo patri-
monial para los mismos, será muy difícil que las compañías
aseguradoras brinden cobertura a este tipo de agencias,
lo que las obligaría a un replanteo de la operatoria, ya sea
mediante un incremento patrimonial o una reducción en la
participación del mercado.
Cabe destacar que, además de considerar esta categorización como
fuente del nivel de riesgo, debe contemplarse asimismo la relación
mencionada al inicio de esta sección: la situación empresaria en
cuanto a los presupuestos que manejan así como respecto a la po-
lítica de inversión de los fondos que obtienen en concepto de pagos
anticipados. Cuanto mejor sea su manejo en este sentido, menor el
nivel de riesgo que representa.

Fondo de garantía

En este apartado se presentará el análisis desarrollado con el fin de


proponer la estructura que debería tener un fondo de dinero capaz
de soportar de manera inmediata las quiebras de las empresas de
turismo estudiantil, sin perjuicio de que luego dicha suma sea resti-
tuido por el Seguro de Caución que las empresas están obligadas a
contratar.
En primer lugar, y antes de empezar con los aspectos técnicos, se
expondrá cuál es el objetivo del fondo de Garantía que se pretende
constituir. Posteriormente, repasando lo expuestos se describirán las
características del mercado, y el riesgo que implica la alta concen-

325
tración existente en la actualidad. Luego, se propondrá la estructura
del fondo para que logre soportar el incumplimiento de las empresas.
Posteriormente, se expondrán diversas metodologías de constitución
del fondo, expresando los pros y los contras de cada una de ellas. Fi-
nalmente, se expresará una posible modalidad de recupero del fondo
constituido por una empresa, en caso de que la misma deje la activi-
dad de turismo estudiantil o disminuya su volumen de operaciones.

Objetivo

El objetivo que se busca lograr con el Fondo de Garantía, será el


de responder de manera inmediata por los contratos incumplidos
en caso de quiebra de alguna(s) de las empresa(s) de turismo estu-
diantil.
De esta manera, en caso de que se produzca el incumplimiento, se
extraería dinero del fondo para solventar inmediatamente los costos
asociados a las prestaciones pendientes por parte de la empresa. Con
ello, se evitaría que queden varados pasajeros durante el transcurso
del viaje y/o que no puedan realizarlo quienes ya habían abonado,
total o parcialmente, el costo del mismo.
La importancia del fondo, entonces, radica en la respuesta inmedia-
ta que éste brinda para que los alumnos puedan viajar en tiempo y
forma, ya que el monto extraído del mismo debería ser restituido por
el seguro de caución que están obligadas a contratar las empresas de
turismo estudiantil de acuerdo con la nueva legislación.
Lo que se pretende lograr con el fondo es que los alumnos realicen
su viaje de egresados en el momento convenido, y evitar una posible

326
postergación vinculada al plazo de liquidación del siniestro por parte
de la compañía de seguros de caución. De este modo, el fondo tiene
una finalidad financiera, de caja, vinculada al momento en que se
necesita el dinero, ya que el daño económico causado por la quiebra
será en última instancia cubierto por la aseguradora.

Características del Mercado

Sobre la base de los datos recibidos, y analizados el presente in-


forme, se puede afirmar que el mercado de Turismo Estudiantil se
encuentra altamente concentrado en muy pocas empresas. En la
temporada 2005, por ejemplo, aproximadamente el treinta y cinco
por ciento de los viajes de egresados con destino a Bariloche fueron
realizados por las tres empresas con mayor volumen de contratos.
Debido a esta alta concentración del mercado, las empresas con
mayor volumen de contratos son las que originarían mayor repercu-
sión en caso de incumplimiento, y es por ello que sobre las mismas
debe enfocarse el análisis de la constitución del fondo. Es decir, en
caso de que ocurra la insolvencia de una empresa de poca enver-
gadura, la repercusión en cuanto a la cantidad de pasajeros que se
quedarían sin viajar sería de poca importancia, y por lo tanto también
lo sería el monto que debería retirarse del fondo para cubrir la ero-
gación necesaria para que los pasajeros varados concreten su viaje
de egresado. Por el contrario, si la quiebra se produce en una de las
empresas cuyo volumen de operaciones es muy elevado (digamos las
diez más importantes del mercado), la repercusión sería enorme, y el
monto a retirar del fondo de garantía debería ser muy elevado.

327
Para clarificar, se ilustra lo expuesto en el párrafo previo con un
ejemplo, utilizando los datos correspondientes a la temporada 2005.
En la siguiente tabla se puede observar que la cantidad de pa-
sajeros por empresa y temporada, según datos de la Secretaría de
Turismo del Municipio de San Carlos de Bariloche, es:

Tabla 2: Cantidad de pasajeros por empresa y temporada


Fuente: Secretaría de Turismo del Municipio de San Carlos de Bariloche
2003 2004 2005
Empresa AA 5.991 12.658 18.742
Empresa BB   1.432 1.220

De este modo, suponiendo que cada viaje tiene un valor de $1.500,


la caída de “AA” implicaría una extracción del fondo de $1.500x18.745
= $ 28.117.500, mientras que la caída de “BB” solamente implica-
ría $1.500x1.220 = $ 1.830.000. Así, una caída de una de las prin-
cipales empresas podría consumir gran parte del fondo, quedando
expuesto el sistema a una insolvencia posterior incapaz de cubrir.
Sin embargo, cabe señalar que el incumplimiento generalmente no
será por el 100% de los contratos que la empresa tenga comprome-
tidos en la temporada. Esto se debe a que generalmente al momen-
to de la quiebra existirá un porcentaje de pasajeros que ya habrán
concretado su viaje en tiempo y forma, y habrá otros que no han
realizado aún el pago completo del viaje. De este modo, la propuesta
que se expondrá en el apartado siguiente peca de conservadora, pero
busca garantizar completamente el sistema.
En la temporada 2005, y en base a los datos de la Subsecretaría
de Turismo del Municipio de Bariloche, el número total de pasajeros

328
con destino a Bariloche fue de ciento veintidós mil ochocientos trein-
ta (122.830), distribuidos entre ciento cincuenta (150) empresas, lo
cual arroja un promedio de 819 alumnos por empresa. A su vez, las
tres empresas con mayor volumen de operaciones en la tempora-
da concentran viajes equivalentes a cuarenta y cinco (45) veces el
promedio, es decir, treinta y seis mil novecientos setenta y nueve
(36.979) pasajeros en total. Para completar la descripción, debe de
considerarse que solamente la primera de ellas negocia viajes equi-
valentes a veintitrés (23) veces el promedio general. Este hecho, re-
fleja una gran asimetría en la distribución de pasajeros por empresa,
implicando no homogeneidad de riesgos. Esta característica indica
que lo adecuado sería considerar una contribución diferenciada para
aquellas empresas más riesgosas, es decir, para aquellas con mayor
volumen de operaciones.

Estructura del Fondo


De acuerdo con la estructura actual del mercado, y teniendo en
cuenta que históricamente, de acuerdo con la información suminis-
trada por la Secretaría de Turismo, las empresas de mayor enverga-
dura han sido las que incumplieron con los contratos, se considera
que el fondo debe ser capaz de cubrir la caída de la empresa número
uno del mercado.
Por otra parte, no se pueden descartar quiebras simultáneas, por
lo que, para dar mayor seguridad al sistema, sería recomendable que
el fondo sea capaz de cubrir no solamente la caída de la empresa
número uno, sino también la quiebra simultánea de otra empresa de
gran envergadura.

329
De este modo, pensando en una estructura del fondo sumamente
conservadora, que no esté expuesta a posibles insuficiencias, se ha
pensado en constituir una suma de dinero que sea capaz de cubrir la
caída de al menos las dos principales empresas. Se vuelve a remar-
car que un fondo capaz de solventar el 100% los compromisos de
las empresas mayores implica una visión muy conservadora, ya que
como se ha mencionado en el apartado previo, nunca se genera una
pérdida por la totalidad de los compromisos, sino que simplemente
una parte de los mismos deberá ser afrontada por el fondo.
En base al análisis realizado respecto de las características del merca-
do en los últimos años, resumido en la Tabla 3, se puede observar que
la participación de las tres primeras empresas ha sido la siguiente:

Tabla 3: Participación en el mercado de las tres primeras empresas


Fuente: Elaboración propia sobre datos de la Subsecretaría de Turismo del Municipio
de Bariloche
2001 2002 2003 2004 2005
Empresa Porcentaje Porcentaje Porcentaje Porcentaje Porcentaje
Primera
más 35% 30% 11% 10% 15%
grande
Segunda
más 25% 10% 7% 9% 7%
grande
Tercera
más 11% 5% 6% 7% 7%
grande

Si bien en el cuadro anterior se observa que en la temporada 2005


el 22% de los pasajeros son atendidos por las dos primeras empresas,
se puede observar que en años anteriores a la temporada 2003 esta

330
participación llegó a ser del 60%. Luego de alcanzar un mínimo en
la temporada 2003, se manifiesta una nueva tendencia a la concen-
tración. En consecuencia, se recomienda que el fondo, una vez
constituido completamente, posea el capital suficiente para
cubrir anualmente los servicios correspondientes al 30% de
los pasajeros.
Consideramos a continuación, y a modo de ejemplo, el monto que
debería haberse constituido en base a las estimaciones en la cantidad
de pasajeros que se resumen en la Tabla 4. Asimismo, consideramos
el costo promedio de los viajes a los diferentes destinos según la
siguiente tabla:

Tabla 4: Costo promedio de los viajes


Fuente: Elaboración propia

Destino 2003 2004 2005


Bariloche $ 1300 $ 1400 $ 1500
Carlos Paz $ 860 $ 940 $ 1000
Otros $ 800 $ 900 $ 950

Sobre las bases ya mencionadas, obtenemos entonces el siguien-


te cuadro con los montos manejados por el mercado y el respectivo
fondo que debería constituirse:

331
Tabla 5: Relación entre el Volumen del Mercado y el tamaño del fondo
(Miles de pesos)
Fuente: Elaboración propia sobre datos de Subsecretaría de
Turismo del Municipio de Bariloche

2003 2004 2005


Volumen del
$ 136.500 $ 200.888 $ 230.865
Mercado ($)
Fondo
$ 46.784 $ 60.266,40 $ 69.259,50
Previsto

Consideremos ahora la estructura del mercado. En base a los datos


con los que contamos, las primeras empresas que realizan viajes a
Bariloche concentrarían, dado estos supuestos valores, el siguiente
volumen:

Tabla 6: Volumen manejado por las empresas con mayor participación


(miles de pesos)
Fuente: Elaboración propia sobre datos de Subsecretaría de
Turismo del Municipio de Bariloche

2003 2004 2005


Primera $ 14.869,40 $ 17.721,20 $ 34.629,75
Segunda $ 9.470,50 $ 16.204,20 $ 16.160,55
Tercera $ 8.182,20 $ 11.790,80 $ 16.160.55
Total $ 32.522,10 $ 45.716,20 $ 66.950,85

Por lo tanto, podemos ver que la estructura del fondo permitiría cu-
brir, en todos los casos, más allá de la caída de las tres primeras em-
presas que prestan viajes hacia Bariloche. La presencia de un margen

332
(por ejemplo, para la temporada 2003 puede cubrirse con el fondo
la caída de las cinco primeras empresas que realizan viajes hacia esa
ciudad) tiene relación con los viajes que también realizan las agencias
hacia otros destinos, principalmente a Villa Carlos Paz, y que también
deberán ser compensados por el fondo en caso de incumplimiento.
Teniendo en cuenta que seguramente las empresas de turismo es-
tudiantil incorporarán en su estructura de costos la constitución del
fondo, el monto será en última instancia transferido al costo de cada
pasaje, incrementado de manera exagerada su valor. Además, este
incremento no se vería justificado por una mejora en la calidad y/o
cantidad de servicios, sino que su origen estaría basado en garantizar
el cumplimiento del contrato, lo cual no debería ser parte del costo en
un contrato de buena fe entre partes.
Por lo expuesto en el párrafo previo, se considera que los aportes
al fondo deben realizarse de manera paulatina, previendo la cons-
titución total en un plazo de al menos cuatro años. En el apartado
siguiente se discuten distintas alternativas de aportes anuales para
la constitución total del fondo de garantía, y se discute con mayor
detalle los motivos en los que se basa el aporte paulatino.

Constitución del Fondo


Sobre la base de los motivos expresados en el apartado previo, se
propone que los aportes al fondo se realicen paulatinamente, en un
plazo no menor a los cuatro años, de manera de evitar el impacto que
tendría en los costos para los consumidores finales de los servicios de
turismo estudiantil.

333
Considerando este hecho, se propone un esquema de consti-
tución inicial del fondo en un plazo de cinco años, el cual de-
berá ajustarse anualmente de acuerdo con la participación
de mercado de cada empresa. Este último punto es sumamente
importante debido a la gran fluctuación que el mercado presenta: no
existe una empresa líder en los últimos años, sino que la participación
del mercado cambia año a año, observándose un gran crecimiento de
algunas empresas y la desaparición de otras (sin que esto implique
quiebra y/o incumplimiento de contratos). De este modo, los ajustes
anuales jugarán un rol fundamental.
En lo que al análisis de riesgo respecta, las empresas de mayor
envergadura acarrean consigo un riesgo mayor, ya que su caída pro-
vocaría una erogación de dinero muy grande en el fondo, y de alguna
manera, por causa de estas empresas, el porcentaje total del fondo
en relación al monto total de los contratos es muy elevado (30%). Es
decir que, si el mercado se encontrara más atomizado, el porcentaje
total del fondo sería mucho menor, ya que la caída de varias empre-
sas no tendría tanta repercusión en el mercado. Lo que se quiere re-
marcar con esto es que las empresas con mayor número de pasajeros
son las que generan mayor riesgo, y desde un punto de vista técnico
deberían aportar un porcentaje mayor.
De acuerdo a lo expuesto, en lo que sigue de este apartado se
analizará:
(1) Constitución Inicial del Fondo
(2) Ajustes Anuales de acuerdo a la participación del mercado
(3) Aportes en relación al riesgo

334
Constitución Inicial

Se propone que el mínimo de 30% (treinta por ciento) que


se prevé constituir, se realice mediante aportes anuales del
6% (seis por ciento) del monto total de dinero por los contratos
suscriptos que la empresa tiene comprometidos en el año.
Para ejemplificar la metodología, se considera el caso de una em-
presa hipotética que tenga un volumen de operaciones en el período
2001-2005 tal que su participación en el mercado se mantenga cons-
tante en un cinco por ciento (5%). En la siguiente tabla se expone la
situación hipotética de dicha empresa.

Tabla 7: Situación de una empresa que mantiene el 5% del


mercado durante todo el período
Fuente: Elaboración propia en base a datos proporcionados por la
Subsecretaría de Turismo del Municipio de Bariloche
2001 2002 2003 2004 2005
(1) Mercado (cant. de viajes) 93.121 70.710 104.846 122.405 122.830
(2) Cantidad de viajes Empresa "X" 4.656 3.535 5.242 6.120 6.141
(3) Valor de cada viaje $ 1.100 $ 1.200 $ 1.300 $ 1.400 $ 1.500
(4) Monto Comprometido: (2) x (3) $ 5.121.600,00 $ 4.242.000,00 $ 6.814.600,00 $ 8.568.000,00 $ 9.211.500,00
(5) Aporte al Fondo: (4) x 6% $ 307.296 $ 254.520 $ 408.876 $ 514.080 $ 552.690
(6) Fondo Acumulado $ 307.296 $ 561.816 $ 970.962 $ 1.484.772 $ 2.037.462
(7) % Constituido 6,00% 13,24% 14,25% 17,33% 22,12%

En la primera fila de la tabla se observa la cantidad de pasajeros


que arribaron a Bariloche en cada uno de los años considerados, de
acuerdo a los datos suministrados por la Subsecretaría de Turismo
del Municipio de Bariloche. La segunda fila se obtuvo calculando el
5% de la fila anterior, ya se supuso que la Empresa “X” maneja di-
cho porcentaje del mercado. En la fila 3 se realizó un supuesto en
relación al valor de los viajes, con los cuales se construyó la fila

335
4, que contiene el monto total comprometido en cada año por la em-
presa. Finalmente, en la fila 5 se calculó el aporte al fondo que cada
año debería realizar la empresa, el cual representa un 6% del monto
comprometido. Luego, acumulando estos valores, se obtuvo la fila 6,
que indica el monto total constituido por la empresa en cada año.
Se observa que al año 2005 la empresa tiene obligaciones por un
monto de $ 9.211.500. De acuerdo a lo planteado, su fondo luego
del término de esos cinco años debería ser equivalente al 30% de sus
obligaciones. Esto es, $2.763.450. Sin embargo, puede observarse
que el fondo constituido asciende a solamente $2.037.462, lo cual
representa aproximadamente el 22% del monto comprometido en el
año. Esta “insuficiencia” se debe principalmente a dos causas:
- El “efecto mercado” (la caída y posterior crecimiento del volumen
total de pasajeros) hace que, a pesar de que la empresa manten-
ga constante su porcentaje de participación, el volumen total de
compromisos asumidos sí se modifica. Por ello, el 30% del quinto
año no sería totalmente cubierto con los aportes de los años ante-
riores.
- El “efecto inflación” hace que los aportes de los primeros años sean
insuficientes para cubrir el porcentaje de participación requerido.
Puede observarse que el crecimiento del mercado, por un lado, y la
inflación, por el otro, hacen que sea necesario realizar ajustes en los
aportes y en el fondo, más allá de que la participación de la empresa
en el mercado se mantenga constante. Además, es importante men-
cionar que el supuesto de que la empresa mantenga un porcentaje
constante del mercado es sumamente irreal, tal como puede obser-
varse en el apartado 2 de este trabajo.

336
Debido al “efecto mercado” y a la variación en la participación de cada
empresa, es importante considerar el papel de los reajustes anuales
en los aportes que debe realizar cada empresa. Asimismo, por causa
del “efecto inflación” resulta fundamental la política de inversiones que
debe seguirse con el fondo. En el siguiente punto se considera el trata-
miento de los reajustes anuales, mientras que la política de inversiones
excede el alcance del presente informe y deberá ser estudiado por la
institución que sea responsable de la administración del fideicomiso de
garantía que se pretende constituir con el fondo.
A modo de ilustración, se expone a continuación el ejemplo de la
Tabla 8, pero considerando que los aportes de cada año crecen a la
misma tasa que el valor de cada contrato.

Tabla 8: Situación de una empresa que mantiene el 5% del mercado durante todo
el período, asumiendo que los fondos se invierten a un tasa exactamente igual al
crecimiento del valor de los contratos.
2001 2002 2003 2004 2005
(1) Mercado (cant. de viajes) 93.121 70.710 104.846 122.405 122.830
(2) Cantidad de viajes Empresa "X" 4.656 3.535 5.242 6.120 6.141
(3) Valor de cada viaje $ 1.100 $ 1.200 $ 1.300 $ 1.400 $ 1.500
(3') Crecimiento del valor - 9,09% 8,33% 7,69% 7,14%
(4) Monto Comprometido: (2) x (3) $ 5.121.600 $ 4.242.000 $ 6.814.600 $ 8.568.000 $ 9.211.500
(5) Aporte al Fondo: (4) x 6% $ 307.296 $ 254.520 $ 408.876 $ 514.080 $ 552.690
(6) Fondo Acumulado + Intereses $ 307.296 $ 589.752 $ 1.047.774 $ 1.642.452 $ 2.312.460
(7) % Constituido 6,00% 13,90% 15,38% 19,17% 25,10%

Puede observarse que la inversión de los fondos elimina el efec-


to inflación, y el fondo resultante asciende a $ 2.312.460, es decir,
aproximadamente el 25% de los $ 9.211.500 que tiene comprometi-
dos la empresa. La diferencia de $ 450.990 necesarios para alcanzar
30% de las obligaciones1 se debe puramente al “efecto mercado”: es

1
El 30% de 9.211.500 es 2.763.450, mientras que el fondo constituido es de 2.312.460. La
diferencia entre estos dos valores es: 2.763.450 – 2.312.460 = 450.990.

337
decir a la variación anual en la cantidad de pasajeros que posee la
empresa.
De este modo, se observa que aún bajo la situación ideal de que se
mantenga una participación constante del mercado son necesarios
los ajustes durante la etapa constitutiva. Lo que se propone es reali-
zar un escalonamiento de manera tal que en cada uno de los prime-
ros cinco años se constituya el 6, 12, 18, 24 y 30%, respectivamente.
Teniendo en cuenta la esencia preventiva que posee el fondo, los
ajustes se realizarán solamente si el monto no alcanza el porcentaje
mínimo del año, estableciéndose el mínimo anual en un 6%, pero
pudiendo incrementarse hasta un 10% en caso de ser necesario para
cubrir el porcentaje requerido en el año.
Continuando con los datos hipotéticos previos, se observa en la
Tabla 9 que al tercer año el porcentaje constituido asciende a sola-
mente un 15,38%. De este modo, es necesario un aporte adicional
del 2,62% del total comprometido para lograr el 18% requerido en el
año. Así, en el año 2004 debería requerirse un aporte adicional de $
178.854, lo cual representa el 2,62% de los $ 6.814.600 comprome-
tidos. En la siguiente Tabla se ilustra el proceso de ajuste necesario
para lograr constituir el fondo necesario.

338
Tabla 9: Situación de una empresa que mantiene el 5% del mercado durante todo
el período, asumiendo que los fondos se invierten a un tasa exactamente igual al
crecimiento del valor de los contratos.
Fuente: Elaboración propia en base a datos proporcionados por la Subsecretaría de
Turismo del Municipio de Bariloche
2001 2002 2003 2004 2005
(1) Mercado (cant. de viajes) 93.121 70.710 104.846 122.405 122.830
(2) Cantidad de viajes Empresa "X" 4.656 3.535 5.242 6.120 6.141
(3) Valor de cada viaje $ 1.100 $ 1.200 $ 1.300 $ 1.400 $ 1.500
(3') Crecimiento del valor - 9,09% 8,33% 7,69% 7,14%
(4) Monto Comprometido: (2) x (3) $ 5.121.600 $ 4.242.000 $ 6.814.600 $ 8.568.000 $ 9.211.500
(5) Aporte Normal: (4) x 6% $ 307.296 $ 254.520 $ 408.876 $ 514.080 $ 552.690
(6) Fondo Parcial (c/ Int.) $ 307.296 $ 589.752 $ 1.047.774 $ 1.835.064 $ 2.755.890
(7) % Parcial Constituido 6,00% 13,90% 15,38% 21,42% 29,92%
(8) % Faltante 0,00% 0,00% 2,62% 2,58% 0,08%
(9) Aporte adicional: (4) x (8) $0 $0 $ 178.854 $ 221.256 $ 7.560
(10) Total Constituido: (6) + (9) $ 307.296 $ 589.752 $ 1.226.628 $ 2.056.320 $ 2.763.450
(11) % Total Constituido: (10) / (4) 6,00% 13,90% 18,00% 24,00% 30,00%

Se observa que al año 2004 el porcentaje parcial constituido (fila 7)


asciende a 21,42%, a diferencia del 19,17% observado en la Tabla 13.
Esta diferencia se debe a que el aporte adicional realizado en el año
2003 cubre parte del déficit del año siguiente. Un análisis similar se
puede realizar en relación al porcentaje constituido en el año 2005.

Reajustes Anuales posteriores

Siguiendo la metodología expuesta, cada empresa debería tener


constituido, luego de los primeros cinco años, y en los años subsi-
guientes, un fondo equivalente a, por lo menos, el 30% del valor de
los contratos que tiene comprometidos en el año, y hasta un máxi-
mo del 40%. Una vez constituido dicho monto, no serán necesarios
aportes adicionales, salvo reajustes necesarios para mantener dicho
porcentaje.

339
De esta manera, si el volumen de operaciones se mantiene cons-
tante, luego de cinco años las empresas no estarían obligadas a reali-
zar depósitos adicionales. Lo afirmado es válido siempre y cuando los
valores de los contratos no se hayan incrementado significativamente
o si los intereses obtenidos por las inversiones realizadas con el dine-
ro del fondo compensen dicho incremento.
Así, si una empresa mantiene la misma cantidad de contratos, pero
el valor monetario de cada uno aumenta un x% en el plazo de cinco
años, el fondo constituido al quinto año debe representar el 30% del
valor de los contratos en el año corriente. Para lograr ello, los aportes
realizados en los años anteriores deberían ser invertidos adecuada-
mente de manera tal que logren compensar al menos la inflación en
el valor de los contratos.
La situación anterior puede observarse en el siguiente ejemplo hi-
potético, en el cual consideramos que la empresa mantiene compro-
misos por cinco mil pasajeros (5.000) en cada uno de los años. En
consecuencia, en cada uno de los períodos el fondo debería cubrir el
30% de esos compromisos; esto es, el monto que representan mil
quinientos viajes.
Así, de esta manera, para el año 2003 el precio que asumimos
como promedio de los contratos es de $1.300. En consecuencia, el
fondo conformado por nuestra empresa hipotética sería de $ 1.300 ×
5.000 × 30% = $ 1.950.000
De acuerdo a los precios previstos, la tasa de inflación para el año
2003 fue del 7,69%. Si los fondos son depositados a esa tasa, la em-
presa considerada en el ejemplo tendría derechos por sobre el fondo
inicial más los intereses generados por ese fondo:

340
 + $1.950.000
$1.950.000 × 7, 69%
 = $ 2.100.000

Capitalen 2003 Intereses Capital en 2004

Este monto se corresponde con el fondo que se le requeriría en el


año 2004 de acuerdo al nivel de precios vigente: $ 1.400 × 5.000 ×
30% = $2.100.000.
Lo mismo sucede con la evolución del fondo del año 2004 al año
2005. Si bien los compromisos en términos de número de viajes no
se modifican para la compañía, sí lo hacen en términos monetarios: el
valor asumido de los viajes es de $1.500 en lugar de $1.400, lo cual
representa una tasa de crecimiento del 7,14%. Si se observa enton-
ces la cantidad de dinero que debería tener la empresa en el fondo
de garantía, tenemos que este capital debería ser igual a: 5.000 ×
$1.500 × 30% = $2.250.000. Dado que asumimos que los fondos
son capitalizados a una tasa igual a la inflación, en el año 2005 la
agencia posee derechos sobre:

$ 2.100.000 + $ 2.100.000 × 7,14% = $ 2.250.000


 
 
Capitalen 2004 Intereses Capital en 2005

Este monto coincide con el capital requerido.


La siguiente tabla muestra la evolución del fondo de la empresa
hipotética que se utilizó como ejemplo, considerando que el mismos
es invertido a la misma tasa a la cual crece el nivel de precios de los
viajes.

341
Tabla 10: Evolución del Fondo de una empresa hipotética con volumen constante de
contratos e inversiones idénticas a la inflación en el valor de los contratos.
Fuente: Elaboración propia.

2003 2004 2005


Pasajeros 5000 5000 5000
Fondo Inicial (c/Int.) $ 1.950.000 $ 2.100.000 $ 2.250.000
Compromiso Total $ 6.500.000 $ 7.000.000 $ 7.500.000
% Cubierto 30,00% 30,00% 30,00%

Se observa mediante este ejemplo que el “efecto inflación” no ge-


nerará riesgo adicional ni necesidad de nuevos aportes siempre que
la tasa a la cual se invierten los fondos sea al menos igual al cre-
cimiento en el valor de los contratos. De esta manera, se evitan
requerimientos de aportes adicionales relacionados exclusivamente
con cuestiones monetarias que no hacen a la esencia que debería
tener una empresa de turismo. Esta cuestión, como ya se mencionó,
deberá ser tratada por el administrador del fondo fiduciario.
El otro caso que debe tenerse en cuenta, y que sí está relacionado
con la actividad turística, es el del crecimiento de la empresa en
cuanto a los contratos emitidos. En este caso, si la participación del
mercado (medida en cantidad de contratos) crece significativamente
de un año a otro, la empresa deberá ajustar el monto depositado al
fondo, de manera tal de mantener al menos el 30% de su volumen
de operaciones constituido. De este modo, si una empresa crece un
y% en un año, deberá realizar aportes adicionales relacionados con
dicho porcentaje de crecimiento. Es decir, deberá aportar el 30%
del incremento de la cantidad de pasajeros.
Para ejemplificar los ajustes posteriores a la constitución total, se

342
toma la situación de una agencia a la que llamaremos “XX”. En la
siguiente tabla se ilustra la cantidad de pasajeros en las temporadas
2003, 2004 y 2005.

Tabla 11: Participación en el mercado de "XX" por temporada


Fuente: Secretaría de Turismo del Municipio de San Carlos de Bariloche

2003 2004 2005

Cantidad de Viajes 6294 6703 5236

Se asume que la empresa ya tenía constituido el 30% en el año


2003. Es decir que su fondo ascendería a $1300 x 6294 x 30% = $
2.454.660. Si se supone que estos fondos son invertidos a la tasa
del 7,69% (igual al incremento del costo de los viajes), el monto en
el 2004 sería de $ 2.643.480. Sin embargo, ese monto es suficiente
para cubrir el 30% de los 6294, pero no los 6703 comprometidos
para dicho año2. De este modo, el ajuste que deberá hacer la empre-
sa, es por un monto de:

Ajuste = (6703 − 6294 ) × $1400 × 30% = $171.780


  
Dif . Pasajeros Costo

Sumando este monto a los $ 2.643.480 que se suponen que están


constituidos, se obtiene un fondo total de $ 2.815.260, que repre-
senta exactamente el 30% del monto total comprometido por 6703
contratos a $1400 cada uno.

2
En el año 2004, se supone que el costo de cada viaje es $1400. El fondo total por 6294
pasajeros sería entonces: $ 1400 x 6294 x 30% = $ 2.643.480.

343
En este caso, el aporte adicional que debe realizar la empresa es
de solamente un 1,83% del monto total de operaciones que tiene
comprometidas en el año3. Este monto resulta ser muy inferior al 6%
requerido en los primeros años de constitución del fondo.
Considerando, por otra parte, la situación que se presenta del año
2004 al 2005, se puede observar que la cantidad de pasajeros de la
empresa disminuye. Nuevamente, se supone que los fondos ya cons-
tituidos son invertidos de manera tal que compensen exactamente
la inflación en el valor de los viajes. De este modo, los $ 2.815.260
invertidos al 7,14% pasan a ser $ 3.016.350 en 2005. Esta suma
representa un 38,41% del monto total comprometido que asciende
a $1500 x 5236 = $ 7.854.000, por lo cual no es necesario realizar
ningún aporte adicional en este caso. Sin embargo, la empresa no
podrá retirar el exceso, ya que los retiros del fondo deben realizarse
solamente una vez que los posibles reclamos por los servicios presta-
dos prescriban. Se volverá sobre esta cuestión más adelante.
En la siguiente tabla se expone la evolución del fondo de “XX” en
los años considerados.

3
El monto total comprometido es de $ 1400 x 6703 = $9.384.200, siendo $171.731 el
1,83% de este monto. La diferencia con los $171.780 expuestos se debe a errores de
redondeo en el porcentaje.

344
Tabla 12: Evolución del Fondo de "XX"
Fuente: Elaboración propia en base a datos proporcionados por la Subsecretaría de
Turismo del Municipio de Bariloche

2003 2004 2005


Pasajeros 6294 9703 5236
Fondo Inicial $ 2.454.660 $ 2.643.480 $ 3.016.350
Compromiso Total $ 8.182.200 $ 9.384.200 $ 7.854.000
% Inicial Cubierto 30,00% 28,17% 38,41%
Ajuste $ - $ 171.780 $ -
% Ajuste 0,00% 1,83% 0,00%
Fondo Final $ 2.454.660 $ 2.815.260 $ 3.016.350
% Final Cubierto 30,00% 30,00% 38,41%

Es importante destacar, en base a la gran fluctuación que se ob-


serva en las participaciones de mercado, que un “ajuste por creci-
miento” como el expuesto previamente puede resultar muy elevado,
e incluso estar por encima del 10% de los compromisos totales. Es
por ello que se propone, para no cargar con aportes excesivos que
irían en contra del crecimiento de las empresas, que este “ajuste
por crecimiento” se limite en un 10% del monto total com-
prometido. Si bien este porcentaje es superior al 6% requerido en
la etapa inicial, en ocasiones resultará insuficiente para lograr el 30%
total requerido, como se verá en el ejemplo siguiente.
Con el fin de ilustrar crecimientos elevados, se considera situación
de la agencia “ZZ”. Asumimos que la cantidad de pasajeros en cada
temporada fue:

345
Tabla 13: Participación en el mercado de "ZZ" por temporada
Fuente: Elaboración propia en base a datos proporcionados por la Subsecretaría de
Turismo del Municipio de Bariloche

2003 2004 2005

Cantidad de Viajes 5991 12658 18742

Realizando los mismos supuestos que antes (en 2003 la empresa


ya tiene completamente constituido el fondo y el mismo se invierte
a una tasa idéntica a la inflación en los valores de los pasajes), la
empresa tendría en 2004 un monto de $ 2.516.220. Sin embargo,
el incremento impresionante en el número de pasajeros implica que
dicha suma representa tan solo el 14,20% del monto total compro-
metido, el cual asciende a $ 1400 x 12658 = $ 17.721.200. En base a
lo expuesto anteriormente, el ajuste debería ser de:

Ajuste Necesario 2004 = (12658 −5991)× $1400 × 30% = $2.800.140


 
Dif . Pasajeros Costo

Con esta suma, lograría completar el 30% de $ 17.721.200:

$17.721.200 × 30% = $5.316.360


= $2.516.220 + 2.800.140
Sin embargo, el aporte necesario de $ 2.800.140 representa un
15,80% del monto total comprometido, por lo cual solamente se re-
querirá un aporte equivalente al 10% de dicha suma, es decir:
Ajuste Realizado 2004 = $17.721.200 × 10% = $1.772.120

346
De esta manera, se obtendría un monto total de $ $4.288.340, que
representaría un 24,20% de las obligaciones.
Al año siguiente, el crecimiento nuevamente es notable, siendo ne-
cesario un ajuste de
Ajuste Necesario 2005 = (18742 −12658 ) × $1400 × 30% = $3.839.250
  
Dif . Pasajeros Costo
Sin embargo, dicha suma representa un 13,66% de los compromi-
sos del año, que ascienden a un monto total de $ 28.113.000. Por lo
tanto, nuevamente se limita el ajuste al 10% de dicho valor:
Ajuste Realizado 2005 = $28.113.000 × 10% = $2.811.300

Con este ajuste, se obtendría un monto total de $ 7.405.950, que


representaría un 26,34% de las obligaciones asumidas. En el siguien-
te cuadro se resume la evolución del fondo expuesta para la empresa
“ZZ”.

Tabla 14: Evolución del Fondo de "ZZ".


Fuente: Elaboración propia en base a datos proporcionados por la Subsecretaría de
Turismo del Municipio de Bariloche

2003 2004 2005


Pasajeros 5991 12658 18742
Fondo Inicial $ 2.336.490 $ 2.516.220 $ 4.594.650
Compromiso Total $ 7.788.300 $ 17.721.200 $ 28.113.000
% Inicial Cubierto 30,00% 14,20% 16,34%
Ajuste $ - $ 1.772.120 $ 2.811.300
% Ajuste 0,00% 10,00% 10,00%
Fondo Final $ 2.336.490 $ 4.288.340 $ 7.405.950
% Final Cubierto 30,00% 24,20% 26,34%

347
Aportes en relación al riesgo
A lo largo de todo el informe se ha manifestado la importancia del
volumen de los compromisos de una empresa en cuanto al impacto
que genera en el Fondo de Garantía un incumplimiento por parte de
la misma: en el caso en que una empresa quebrara, el impacto en el
fondo será más importante cuanto mayor sea el volumen de opera-
ciones que maneja.
En principio, parece lógico suponer que la participación al fondo
debería ser proporcional a la participación en el mercado. Sin embar-
go, al constituir el fondo se busca generar una cobertura inmediata
al riesgo de incumplimiento; en consecuencia, el aporte de cada
agencia debería ser proporcional al riesgo que aporta al mercado en
su conjunto. Esta característica resulta aún más importante si con-
sideramos la alta tasa de quebrantos de grandes empresas que se
produjo en los últimos años.
A fin de considerar el riesgo de cada una de las agencias, se toma a
la varianza como medida representativa del mismo. El procedimiento
que se utiliza para calcular la varianza de todo el proceso implica:
- Asignar una probabilidad de default a cada una de las empresas y
determinar, en principio, cuál es el valor esperado de los montos
- Calcular la varianza de los montos a ser extraídos del fondo como el
valor esperado de los desvíos cuadráticos respecto a la media
De esta manera, se obtiene una medida del total del riesgo que
existe en el fondo constituido. Sin embargo, como se desea diferen-
ciar el riesgo que aporta cada una de las partes al conjunto, se toma
la proporción en la cual cada una de estas empresas contribuye a la
varianza (medida del riesgo adoptada).

348
Para la temporada 2005, de acuerdo a los datos proporcionados por
la Subsecretaría de Turismo del Municipio de San Carlos de Bariloche,
se obtuvo la siguiente relación entre el porcentaje de participación
en el mercado y el aporte porcentual al riesgo conjunto. En la tabla
que se muestra a continuación. Se observan los resultados para las
diez primeras empresas, considerando que todas ellas tienen igual
probabilidad de quebranto:

Tabla 15
Part. en el Mercado Part. en el Riesgo
15,26 % 48,66 %
7,44 % 11,57 %
7,41 % 11,47 %
4,26 % 3,80%
4,13 % 3,57 %
3,60 % 2,72 %
2,37 % 1,18 %
2,37 % 1,17 %
2,17 % 0,98 %
2,16 % 0,98 %

La tabla permite observar que, si bien la constitución del fondo se


ha propuesto sobre la base de la participación en el mercado, el ries-
go que las empresas más grandes generan es más que proporcional
a su participación. Inmediatamente se desprende de ello que debería
instrumentarse un cargo adicional proporcional al riesgo.

349
Claramente, si los aportes para la constitución del fondo se reali-
zasen en relación directa con el riesgo que representa cada empresa
para el mercado en conjunto, se generaría una carga económica muy
alta para las agencias más grandes. Por otro lado, al mantener apor-
tes proporcionales a la cantidad de pasajeros, se está exigiendo a las
empresas pequeñas un aporte superior al riesgo que ellas generan
en el mercado
Es importante volver a mencionar que mencionar que el cálculo
realizado en la Tabla 20 supone que todas las empresas poseen la
misma probabilidad de default. Para un cálculo más preciso, debería
estimarse la probabilidad correspondiente a cada empresa, lo cual
constituye una tarea difícil y requiere de un estudio de mercado que
excede el alcance del presente trabajo. Sin embargo, siempre y cuan-
do no se presenten grandes asimetrías en las probabilidades, el cua-
dro anterior brinda una buena aproximación del nivel de riesgo que
cada empresa aporta al mercado en su conjunto.
A fin de ejemplificar cuál sería el aporte para los casos de las em-
presas que se incluyen en la Tabla 16 se tomaron los datos de la
Subsecretaría de Turismo del Municipio de Bariloche y se asumió un
costo promedio de los viajes de $1.500. Con estos supuestos, el mon-
to total de operaciones en el mercado y el monto del fondo serían:
Total Mercado = 122.830 pasajeros × $1.500 = $184.245.000
Monto a constituir en el Fondo = $184.245.000 × 30% = $55.273.500
Con estos valores, es posible calcular cuál sería el monto que debe-
ría constituir cada empresa, tanto en base a aportes proporcionales a
la participación del mercado, como en base al riesgo que la empresa
aporta al riesgo total del mercado. En la siguiente Tabla se muestran

350
los resultados teniendo en cuenta empresas con distinta participación
relativa:

Tabla 16: Constitución del fondo de garantía en relación al riesgo


Fuente: Elaboración propia sobre la base de los datos de la Secretaría de Turismo del
Municipio de San Carlos de Bariloche
Fondo Fondo
Part. Part.
(según Mercado) (según Riesgo)
Mercado Riesgo
Miles de $ % Rec Miles de $ % Rec

15,26 % 48,66 % $ 8.434,73 30 % $ 26.896, 08 96 %

7,44 % 11,57 % $ 4.112, 35 30 % $ 6.395,14 47 %

7,41 % 11,47 % $ 4.095,77 30 % $ 6.339,87 46%

0,37 % 0,03% $ 204, 51 30 % $ 16,58 2,43 %

Puede observarse claramente que, si se tiene en cuenta la par-


ticipación en el riesgo, la carga para la constitución del fondo está
recayendo con mayor peso sobre las empresas más pequeñas. Sin
embargo, es también lógico no poder exigir a la empresa más grande
un 90% de su recaudación para constituir el Fondo de Garantía.
Si bien podrían plantearse esquemas de aportes relacionados con el
riesgo que no representen una carga tan elevada para las empresas
mayores, pero que equilibren de alguna manera la participación en
el riesgo, consideramos que por cuestiones comerciales relacionadas
con la justa competencia dichos esquemas serían poco viables en la
práctica. Por ello, este apartado fue desarrollado simplemente con
fines ilustrativos, para hacer hincapié en que el mayor riesgo recae
sobre las empresas que dominan el mercado.

351
Recuperos del Fondo

Debe de considerarse también que, aún dentro del fondo de ga-


rantía, cada empresa continua teniendo derechos sobre los aportes
realizados. Esta característica implica que en caso de retirarse de
la actividad, sin que ello implique una quiebra, la empresa tendrá
derecho a que los aportes realizados mientras realizó la actividad de
turismo estudiantil se le restituyan.
Dado que hay un plazo de dos años para la presentación de recla-
mos contra la empresa (prescripción de los contratos), la devolución
del fondo constituido como garantía no debería realizarse hasta que
dicho plazo sea cumplido. A su vez, con el fin de no provocar des-
equilibrios importantes en el monto total del fondo, se sugiere que la
devolución se realice mediante dos pagos de capital anuales iguales,
ambos luego de cumplidos los dos años del cese de actividades, ade-
más de restituir también los intereses generados por los montos que
estamos considerando.
A fines de ejemplificar lo mencionado, se considera la situación de
una empresa a la cual denominaremos “YY”. En la temporada 2004
tenía comprometidos dos mil ciento sesenta y cuatro (2.164) viajes.
De este modo, considerando el valor promedio de $1400 como costo
del contrato, el monto que debería tener constituido ascienda a:
$1400 × 2164 × 30% = $908.880

Asumiendo que en la temporada siguiente no se registran viajes


de esta empresa, se asume que la misma no renovó su licencia, y
por lo tanto debería restituírsele el monto depositado en concepto de

352
garantías. Si se considera la inversión de los fondos a un 7% anual,
la primera cuota será la mitad del monto capitalizado por dos años,
el cual asciende a:
$908.880 × (1+ 7% ) = $1.040.577,70
2

Es decir que en el año 2006 la empresa recuperaría $ 520.288,35.


El monto restante ($ 520.288,35) se le devolverá al año siguiente,
período en el cual devengará intereses. Por lo tanto, la segunda cuota
a recuperar será de:
$520.288,35 × (1 + 7% ) = $556.708,50

Es importante destacar que, antes del período de reintegración de


capital, cada una de las empresas cuya participación absoluta en el
mercado crezca va a realizar los ajustes pertinentes descriptos. En
consecuencia, a fines de 2007 el fondo de garantía debería seguir
representando el 30% del volumen total negociado en el mercado,
más allá de la restitución de estos capitales a la empresa que se retiró
del mercado.
Otra situación que genera un derecho a recuperar los fondos por
parte de la agencia es una disminución en el volumen de los
compromisos que mantiene. En las distintas secciones que con-
templa este informe se ha descrito la metodología a seguir de modo
tal que cada una de las empresas mantenga en el Fondo de Garantía
capitales por un monto igual al treinta por ciento de sus compromi-
sos. Cuando los compromisos se incrementan de un período anual al
siguiente, surge la necesidad de realizar aportes adicionales, ya que
si se mantienen los mismos montos se generaría una insuficiencia

353
del fondo. De la misma manera, se debe prever que una disminu-
ción en el volumen de operaciones implicaría que la agencia tendría
constituido un monto mayor al que correspondería de acuerdo a la
regla proporcional que se sostuvo en la conformación de la garantía.
En consecuencia, se propone que cuando los fondos en garantía
excedan el cuarenta por ciento (40%) del valor de los con-
tratos que mantiene la empresa, el excedente debería ser
restituido de manera inmediata.
A fines de ejemplificar el caso anterior, podemos considerar el caso
de una empresa tal que en la temporada 2003 manejó un volumen
de mil ochocientos cuarenta y cinco pasajeros (1.845), mientras que
la temporada siguiente sólo trabajó ochocientos setenta y ocho (878)
contratos.
Si se asume el mismo nivel de precios que en la tabla 9 y que en el
año 2003 su fondo representaba exactamente el treinta por ciento de
sus obligaciones, entonces el mismo tenía un valor de:

1.845 × $1.300 × 30% = $719.550


 
Cant. de Contratos Precio del Contrato

Asimismo, se supone que los fondos deben ser depositados a una


tasa que sea al menos equivalente a la tasa de incremento de precios
en los contratos de este tipo de viajes. De acuerdo a los datos de la
tabla 13, en el período para el cual está construido nuestro ejemplo
la mencionada tasa es del 7,69%. Esto significa que el fondo de la
empresa en el año 2004 debería aumentar a:

$719.550 × (1 + 7,69% ) = $774.883

354
El monto que debería tener constituido al año siguiente, teniendo
en cuenta tanto la variación de precios como el nivel de compromisos
en el año 2004, sería:
878
 × $1.400 × 30% = $368.760

Cant. de Contratos Precio del Contrato

El monto de $ 774.883 que la empresa constituyó representa el


63% de sus compromisos y no el 30%. A fin de prevenir constantes
fluctuaciones en el manejo de los fondos, se restituirá a la empresa
todo monto que exceda al 40% de los contratos suscriptos, dejando
margen para que, ante un posterior incremento en el nivel de obliga-
ciones, no sea necesaria la exigencia de un aporte adicional.
Para poder determinar la cifra correspondiente, se calcula cuánto
representa el 40% de los compromisos que posee en 2004, de mane-
ra de determinar el monto a mantener en el fondo de garantía:

878
 × $1.400 × 40% = $491.680

Cant. de Contratos Precio del Contrato

En consecuencia, se debería restituir a la agencia la diferencia entre


lo que ya ha constituido y el valor tope recién calculado:

Monto a restituir= $ 774.883 − $491.680


 
Monto constituido Tope establecido

= $ 283.203

355
En la siguiente tabla se resume lo desarrollado:

Tabla 17: Recupero de Fondos por variación en el volumen


Fuente: Elaboración propia sobre la base de los datos de la Secretaría
de Turismo del Municipio de San Carlos de Bariloche

2003 2004
(1) Cant. de viajes 1.845 878
(2) Valor de cada viaje $ 1.300 $ 1.400
(2') Crecimiento del valor 8,33% 7,69%
(3) Monto Comprometido: (1) x (2) $ 2.398.500 $ 1.229.200
(4) Fondo Acumulado + Intereses $ 719.550 $ 774.883
(5) Fondo Requerido (3) x 30% $ 719.550 $ 368.760
(6) Diferencia (5) - (4) - $ 406.123
(7) Tope (3) x 40% $ 959.400 $ 491.680
(8) Restitución max ( 0 ; (4) - (7) ) $0 $ 283.203

Es importante destacar que, si bien esta suma le será restituida a


la empresa, la reposición se realizará recién luego de que se cumpla
el plazo de prescripción para la presentación de demandas. Es decir
que la suma que se le acredita en el año 2004 por la disminución el
volumen de operación, le será devuelta recién en el año 2006
Cabe mencionar que, al considerar que no se restituirán fondos
hasta tanto estos no superen el cuarenta por ciento de los compromi-
sos asumidos, se evitan movimientos innecesarios y no toda variación
en los compromisos significará cambios en el Fondo de Garantía.
Un ejemplo de esta situación es al considerar que el número de
contratos que mantiene la empresa varía de mil cuatrocientos treinta
y dos (1.432) a mil doscientos veinte (1.220) entre los años 2004 y
2005, lo cual refleja claramente una disminución de los compromi-

356
sos. Si tenemos en cuenta los valores supuestos en la tabla 9 y los
supuestos en la tabla 13, el monto del fondo para la temporada 2004
sería de:
1432
 × $1.400 × 30% = $601.440

Cant. de Contratos Precio del Contrato

Para la temporada siguiente, esos fondos deben haber rendido al


menos tanto como la variación de precios, con lo cual habría depo-
sitados:
$601.440 × (1 + 7,14% ) = $644.383

El nivel de compromisos asumido para la temporada 2005/2006 es


inferior al anterior y, por lo tanto, también es inferior el monto que se
exige exista en el fondo de garantía, el cual asciende a:
1.220 × $1.500 × 30% = $549.000
 
Cant. de Contratos Precio del Contrato

Sin embargo, a pesar de que, de alguna manera, la agencia estaría


“sobre-reservada” no debería aún considerarse la restitución de
fondos porque el monto de $644.383 no representa más del cuarenta
por ciento de las obligaciones de la empresa sino que representan el
35,21% de las mismas:
Fondo
 
$644.383
= 35,21%
$1500×1220
 
Compromisos

Lo anterior puede observarse en la tabla siguiente, donde se ob-


serva que, si bien el monto constituido de $ 644.383 supera el 30%

357
requerido, el mismo no excede el tope máximo de $ 732.00 que re-
presenta el 40% de los compromisos:

Tabla 18: Recupero de Fondos por variación en el volumen


Fuente: Elaboración propia sobre la base de los datos de la Secretaría de Turismo del
Municipio de San Carlos de Bariloche
2004 2005
(1) Cant. de viajes 1.432 1.220
(2) Valor de cada viaje $ 1.400 $ 1.500
(2') Crecimiento del valor 7,69% 7,14%
(3) Monto Comprometido: (1) x (2) $ 2.004.800 $ 1.830.000
(4) Fondo Acumulado + Intereses $ 601.440 $ 644.383
(5) Fondo Requerido (3) x 30% $ 601.440 $ 549.000
(6) Diferencia (5) - (4) - $ 95.383
(7) Tope (3) x 40% $ 801.920 $ 732.000
(8) Restitución max ( 0 ; (4) - (7) ) $0 $0

Conclusiones

El presente trabajo expone un informe técnico que, principalmente,


caracteriza al Fondo de Garantía que se pretende constituir mediante
el aporte de las empresas de Turismo Estudiantil, con el objetivo de
de responder de manera inmediata por los contratos incumplidos en
caso de quiebra de alguna(s) de las empresas. Así, en caso de que
se produzca una quiebra, se extraería dinero del fondo para solventar
inmediatamente los costos asociados a las prestaciones pendientes
por parte de la empresa. El monto extraído del fondo debería ser res-
tituido por un seguro de caución que deberán contratar las empresas
de turismo estudiantil de acuerdo con la nueva legislación.

358
El trabajo fue realizado en base a datos de pasajeros correspon-
dientes a las empresas de turismo estudiantil durante los años 2001 a
2006 (datos de 2001 a 2005 de la Subsecretaría de Turismo del Muni-
cipio de Bariloche; y de 2004 a 2006 de la Secretaría de Turismo de la
Nación). Con dichos datos se realizó en primer lugar una descripción
de las principales características del mercado, observando dos ca-
racterísticas principales: (1) Gran concentración en pocas empresas,
y (2) Importantes variaciones anuales en la cantidad de pasajeros
transportados por cada una de ellas.
En cuanto a la base de datos utilizada para la realización del trabajo,
cabe destacar que los datos recibidos fueron insuficientes tanto para
lograr una determinación precisa de una tarifa para un seguro de
caución, como para estimar el aporte necesario para la constitución
del fondo. El principal problema es que existe un déficit impor-
tante en cuanto a información relacionada con las quiebras
ocurridas en los últimos años, por lo que es difícil estimar tanto la
frecuencia de los siniestros como la intensidad de los mismos.
En cuanto a los datos de pasajeros anuales por empresa, se
hallaron inconvenientes en el tamaño de la base (cantidad de años),
por un lado, y en la fidelidad de la misma, por otro. Es sabido que
para poder realizar estimaciones estadísticas con cierto grado de con-
fianza es necesario contar con datos suficientes para detectar com-
portamientos: cuanto mayor sea la cantidad de datos, menor será la
probabilidad de error en las estimaciones realizadas. Este requisito no
fue cumplido, ya que solamente se contaron con datos de entre
3 y 5 años, cifra mucho menor a la necesaria para realizar estimacio-
nes precisas. Además, teniendo presente la forma en son capturados,

359
los datos obtenidos son poco fiables, lo cual dificulta aún más la
tarea (si la materia prima no es de buena calidad, el producto final
difícilmente lo será). Aquí es importante mencionar que, como se ex-
puso, se observaron discrepancias entre los datos correspondientes
a la Subsecretaría de Turismo del Municipio de Bariloche, y los datos
de la Secretaría de Turismo de la Nación.
Si bien ante la insuficiencia de datos el análisis fue complementa-
do con consultas realizadas al personal de la Secretaría de Turismo,
dicha información tampoco resultó del todo satisfactoria, y de ningu-
na manera podría remplazar la fuente principal de información que
constituyen los datos de pasajeros anuales de cada empresa y los
siniestros ocurridos en los últimos años.
Así, ante las falta de información, se realizaron propuestas bastante
conservadoras, las cuales deberían revisarse anualmente a medida
que se incorpore información más precisa en la base de datos de la
Secretaría de Turismo4.
Pasando concretamente a las propuestas, se sugiere que en el Fon-
do de Garantía se constituya un monto de dinero total equivalente al
30% de los compromisos asumidos por el mercado en su conjunto.
Si bien se analiza el riesgo que contribuye cada empresa al mercado,
observándose grandes asimetrías, pensamos que desde un punto de
vista práctica el aporte debería ser proporcional al volumen de ope-
raciones manejado por cada empresa. Es decir que cada empresa
deberá tener constituido un fondo equivalente al 30% de sus opera-

4
En los contactos establecidos con el personal de la Secretaría de Turismo, han manifesta-
do que se está analizando la posibilidad de realizar un sistema informatizado y centralizado
de información.

360
ciones. Asimismo, teniendo en cuenta que el volumen total requerido
es muy elevado, se plantea la posibilidad de realizar una constitución
paulatina mediante aportes del 6% anual. Luego de la constitución
total del 30%, se deberán realizar ajustes anuales relacionados con
las variaciones en la cantidad de pasajeros y en el valor de los con-
tratos, de acuerdo con lo expuesto.
En cuanto a la administración de los fondos, es sumamente impor-
tante que los mismos sean invertidos de manera tal que compensen
al menos la inflación en le valor de los contratos. El análisis realizado
en este trabajo supuso que la rentabilidad obtenida compensa exac-
tamente el efecto inflación. En caso de que se obtengan rendimientos
inferiores, se deberán exigir a las empresas aportes adicionales para
compensar el déficit. Por el contrario, si se obtienen tasas superiores
a la inflación del valor de los contratos, el beneficio adicional implica-
ría una reducción en los aportes, e incluso la posibilidad de devolucio-
nes a las empresas aportantes, siguiendo el esquema descrito.
Es importante volver a mencionar que la propuesta del 30% es con-
servadora, y se sustenta en la carencia de datos y la alta concentración
del mercado. Además, generalmente, cuando ocurre una quiebra, la
pérdida no es por el cien por ciento de los compromisos anuales que
tenía asumidos la empresa, sino por un porcentaje inferior, lo cual
implica que el requisito del 30% del volumen del mercado es bastante
elevado. Este porcentaje a constituir debería ser revisado anualmente,
a medida que se cuente con mayor y mejor información relacionada
con el volumen de operaciones y los siniestros ocurridos.
Finalmente, en cuanto a la tarifación del Seguro de Caución que
será exigido a las agencias de turismo estudiantil, se ha planteado un

361
esquema muy general, ya que la determinación precisa de una prima
debería basarse en técnicas de análisis de Riesgo de Crédito, median-
te las cuales se determina la probabilidad de default y la pérdida que
genera el incumplimiento.

362
Se diagramó y se imprimió en

Julio de 2009
Buenos Aires, Argentina