Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen*
*
Correos electrónicos: rnogales@upb.edu , pcordova@upb.edu. El contenido del presente
documento es de responsabilidad de los autores y no compromete la opinión de la Universidad
Privada Boliviana. Este documento resulta del proyecto de investigación “Diseño de un Seguro
Agrícola Paramétrico en Bolivia” co-ejecutado por el CIEE y el Instituto Nacional de Seguro
Agrario, INSA con el auspicio del Programa de Mejora del Ambiente Productivo del Banco
Interamericano de Desarrollo. Los autores agradecen especialmente a Edwin Canedo, Zulema
Gutierrez, Carlos Espinoza, Rodrigo García y a la Fundación PROINPA.
1
1. Antecedentes
Ante el innegable cambio climático, manifestado en más y mayores eventos adversos,
la administración adecuada de los riesgos de índole climática alcanza especial
relevancia, en particular para los agricultores y los gobiernos de países donde la
población se concentra en zonas rurales con alta dependencia de la actividad agrícola
y pecuaria.
Los efectos adversos del cambio climático para la producción agrícola han
tornado a este sector más vulnerable a factores exógenos, aspecto que demanda el
desarrollo de medidas y acciones complementarias que pueden ir desde
intervenciones mediatas de adaptación al cambio climático, hasta complejos procesos
de desarrollo de instrumentos técnicos que faciliten la gestión de estos riesgos a
través del mercado financiero. Es importante incrementar esfuerzos económicos,
humanos y sociales para mitigar los efectos negativos del cambio climático sobre el
bienestar de la población rural, la producción agrícola y la seguridad alimentaria, entre
otros.
Naturalmente, los mercados de seguros existen con el fin de ofrecer
instrumentos para la gestión este y otros tipos de riesgos, por lo que la expansión del
sistema financiero, en general, hacia zonas rurales revierte una innegable importancia
social. El bienestar de la población en zonas rurales hereda la vulnerabilidad de su
principal actividad económica a factores exógenos adversos, causados por el clima o
por fluctuaciones de precios, por ejemplo. Cuando acaece un efecto adverso, se afecta
negativamente, no sólo el bienestar del hogar en el presente, sino también en el futuro,
en la medida que los hogares no cuenten con los mecanismos adecuados para hacer
frente a esta situación que genera pérdidas de capital físico y humano, incrementando
las posibilidad de perpetuar el problema de la pobreza en zonas rurales (Dercon, 2002
y 2009). Asimismo, esta importante exposición a riesgos limita la capacidad de los
agricultores para obtener créditos que mejoren su productividad. La falta de
instrumentos financieros capaces de mitigar riesgos a la estabilidad de los ingresos de
la población rural podría ser vista, entonces, como una posible causa de la
persistencia de la pobreza en zonas rurales, pues puede tener serias implicaciones
para el crecimiento económico y la equidad social (Werner, 2005).
Sin embargo, la expansión del sistema financiero para hacer frente a esta
situación no es fácil debido a la presencia de riesgos sistémicos que ha limitado, en
cierta medida, las capacidades de las entidades financieras para hacer frente a estos
desafíos. Ambos aspectos pueden tender a retroalimentarse, limitando la oferta de
productos y servicios financieros, en general y de seguros, en particular, a hogares y
empresas vulnerables (Collier, 2012).
2
A nivel internacional, se han identificado tanto factores de oferta como de
demanda como los limitantes para la expansión de un mercado de seguros hacia
sectores rurales. Por el lado de la oferta, resalta la ausencia de instrumentos y
tecnologías de medición del riesgo mejor adaptadas a las necesidades de clientes con
menores niveles de ingreso y diferente exposición al riesgo en relación a clientes
urbanos. Por el lado de la demanda, resalta la baja disposición y/o capacidad a pagar
por parte de los potenciales usuarios y la ausencia de una cultura de protección contra
riesgos a través del mercado financiero.
De acuerdo a Collier (2012), el correcto desarrollo del mercado de (micro)
seguros y de seguros rurales reposa sobre dos pilares fundamentales: i) La capacidad
de crear una conciencia sostenida sobre los beneficios de las inversiones
previsionales y contingentes en una población que no la tiene, o bien es muy limitada y
ii) la adecuación de los instrumentos financieros que cumplan cabalmente con dos
preceptos: el primero, la gestión de riesgos adecuada a la población con la que se está
trabajando y sus particularidades, que en muchos casos pueden resultar en terrenos
de innovación y primer acercamiento para los oferentes de seguros y el segundo, la
correcta gestión de este riesgo a precios accesibles para un segmento poblacional con
capacidad de pago reducida.
Países de la región como Argentina y México han desarrollado
satisfactoriamente procesos integrales de desarrollo de instrumentos técnicos para
mitigar los efectos negativos que trae consigo el cambio climático, a través de la
vinculación del sistema financiero con las zonas rurales, concentrados en la oferta de
seguros agrícolas. Estos seguros pueden clasificarse en dos tipos: los seguros
tradicionales, que se caracterizan por demandar la verificación del daño causado por
un evento climático en campo y los seguros basados en índices, donde la evaluación
del daño es indirecta.
En el caso de los seguros tradicionales, en la región destacan los seguros
contra riesgos múltiples y los seguros contra riesgos específicos. En general, los
costos de administrar estos seguros en la región son relativamente altos comparados
con los montos asegurados en la región, hecho que ha limitado las posibilidades de
expansión de la cobertura de estos seguros (Arias & Itorruiz, 2011; Arias & Werner,
2006; Cole et al. 2012). En promedio, los costos de provisión de seguros agrícolas en
la región alcanzaron, en 2007, el 29% de las primas brutas, mayores en 11% a los
costos en otras regiones, como Asia.
En el caso de los seguros basados en índices, la evaluación de daños se
realiza mediante el monitoreo de un indicador que presenta una fuerte relación con el
rendimiento del cultivo asegurado, como por ejemplo, las condiciones climáticas a las
3
que estuvo sometido. Este tipo de seguros es aún poco común debido, principalmente,
a la cantidad y calidad de información que requiere para ser construido, además de la
relativa complejidad de su diseño técnico. Existen dos categorías dentro de este tipo
de seguros, aquellos basados en índices de rendimiento promedio, donde se asocia el
rendimiento de cada cultivo asegurado a un rendimiento promedio compuesto por los
rendimientos de varios agricultores en un área de cultivo homogénea o bien, los
seguros basados en índices climáticos, asociados al comportamiento de ciertas
condiciones medioambientales a las que fue sometido el cultivo que se busca
asegurar.
Los seguros agrícolas basados en índices climáticos surgen como
alternativa para reducir los costos de la gestión del riesgo y se basan,
fundamentalmente, en el empleo de información climática correlacionada con la
producción agrícola para predecir el impacto de un fenómeno climático adverso
preciso. Actualmente, este tipo de seguros son empleados exitosamente, por ejemplo,
en Costa Rica y México. Por lo expuesto en esta sección, consideramos que la
implementación y posterior expansión de este tipo de esquemas financieros para la
gestión de riesgos climáticos, tiene un alto potencial para coadyuvar al desarrollo
económico y la seguridad alimentaria en Bolivia.
El documento está estructurado de la siguiente manera: en la sección 2 se
presenta una revisión bibliográfica sobre los mercados de seguros agrícolas a nivel
internacional, a fin de poner en contexto las oportunidades y desafíos que presenta el
desarrollo de este mercado en Bolivia. En la sección 3 se presentan las
particularidades del mercado de seguros agrícolas en Bolivia, sus avances y
perspectivas. En la sección 4 se presenta un esquema metodológico para la
construcción de seguros agrícolas basados en índices climáticos, tomando en cuenta
las particularidades del sector rural en Bolivia. La sección 5 presenta una
implementación de esta metodología, como piloto, para cultivos de papa de ciclo
intermedio y trigo de ciclo largo en el municipio de Anzaldo (Cochabamba), a fin de
probarla y demostrar su idoneidad. Esta implementación piloto permite la
cuantificación monetaria del riesgo en el que incurren los productores en esta zona y
el costo de asegurar sus cultivos.
2. Revisión Bibliográfica
La actividad agrícola presenta riesgos a fluctuaciones de precios de insumos y de
venta y riesgos vinculados a la producción, que comprenden condiciones climáticas
adversas (heladas, sequías, granizo, etc.), riesgos biológicos (plagas) y geológicos
entre otros. Según Werner (2005), cada uno de estos riesgos puede clasificarse como
4
catastrófico o no catastrófico, dependiendo de su frecuencia, escala, intensidad y
duración. Son considerados catastróficos, aquellos riesgos vinculados a eventos con
pérdidas masivas en áreas extensas y que tienden a ser poco frecuentes. Son
considerados como no catastróficos, aquellos riesgos que implican menores daños a
una región (o un conjunto de ellas) y suceden con mayor frecuencia. Estos riesgos se
diferencian de otros riesgos agrícolas, principalmente, por el grado de control humano
posible. Los factores no climáticos pueden ser reducidos o mitigados
considerablemente gracias a prácticas agrícolas correctas y oportunas, donde las
principales limitaciones pueden ser los conocimientos y los recursos financieros de los
agricultores. En contraste, el clima no puede ser controlado y constituye un riesgo
residual que, ante la dificultad de su gestión por parte del agricultor, debería ser
transferido.
La mayoría de los seguros agrícolas experimentados hasta ahora han
buscado ofrecer cobertura contra riesgos climáticos. En los mercados de seguros
agrícolas de América Latina, se han ensayado diferentes esquemas de participación
público – privada (Werner, 2005). En un espectro de estos esquemas, en el marco de
programas financiados íntegramente con recursos públicos, comunes entre los años
50 y 90; ofrecidos generalmente como seguros multi-riesgos, los resultados
financieros que se obtuvieron fueron mayoritariamente negativos. Actualmente, en 16
países de la región, el Estado participa activamente en el mercado de seguros
agrícolas, ya sea subsidiando primas, ofreciendo fondos para investigación y
desarrollo de nuevos productos o adaptando el marco normativo que facilite la
participación privada, entre otros (Arias e Itorruiz, 2010). En el otro extremo, existen
mercados cuya oferta está compuesta enteramente por instituciones privadas, con
operaciones restringidas a regiones con grandes extensiones de cultivo, dominadas
por la presencia de grandes agricultores comerciales que cuenten con condiciones
suficientes pagar las primas requeridas.
De acuerdo a Arias e Itorruiz, (2010), los mercados de seguros agrícolas en
expansión en la región están concentrados en México1, Argentina, Brasil2, Venezuela y
Uruguay. Estos mercados están dominados por seguros para cultivos contra riesgos
climáticos múltiples (39.4%) o riesgos climáticos individuales (36.4%); ambas
categorías, junto a seguros catastróficos (11%) para cultivos contra riesgos múltiples,
hacen el 86% de las primas suscritas en 2010.
1
México es el país con el mercado de seguros agrícolas más desarrollado en América Latina y
el Caribe. El sector público cuenta con un organismo especializado, Agroasemex, que actúa
como una reaseguradora, ofrece, además, seguros por índices a municipios dirigidos a los
sectores agrícolas y ganaderos.
2
El 85% de las primas comercializadas se concentran en México, Argentina y Brasil.
5
De acuerdo a Burke et al. (2010), son cada vez más numerosas las
experiencias en la oferta de seguros agrícolas basados en índices climáticos en
América Latina y el mundo (Tabla 1), con casos exitosos destacables en Malawi,
México y Centro América, entre otros. A pesar de ello, la mayor parte de estas
experiencias han tenido dificultades para ser llevadas a una escala mayor y existe aún
considerable ausencia de evidencia empírica, tanto en el impacto de los seguros en el
bienestar de la población objetivo, como en el grado de idoneidad de diferentes
diseños para facilitar su penetración entre la población (Cole et al., 2012). Una
explicación posible se encuentra en las aún importantes limitantes tanto de oferta
como de demanda para escalar este tipo de seguros. En la oferta, la dificultad en
países en desarrollo para contar con información histórica sobre el clima, la dificultad
para ejecutar reaseguros, los altos costos hundidos por la investigación, desarrollo y
aprendizaje necesarios. En la demanda, se puede mencionar la baja disposición a
pagar por parte de la población objetivo, la falta de confianza de los productores
agrícolas hacia nuevos productos y la necesidad de contar con esquemas de
subsidios que faciliten la transición.
Estas constataciones explican en gran medida el escalamiento de
asociaciones entre gobiernos, la cooperación internacional y aseguradoras privadas
para financiar el diseño de este tipo de seguros. En muchas ocasiones los gobiernos
han utilizado este tipo de esquemas para actuar como reaseguradores de última
instancia (en caso de eventos catastróficos), con el objetivo de aliviar la carga fiscal
que la respuesta a eventos climáticos supone y para transferir el riesgo a mercados
internacionales. Los casos de Malawi, Mongolia, México y la iniciativa de 16 países del
Caribe para asegurarse contra riesgos catastróficos3 son ejemplos en este sentido.
3
La Catastrophe Risk Insurance Facility (CCRIF).
6
Tabla 1: Características Principales de Algunos Seguros Agrícolas
País/ Administrador de
Año Asegurador Instrumento Escala Observaciones
Región la póliza
Seguro
Gobierno de 16 contra
Caribe 2007 CCRIF 16 países En curso
países del Caribe huracanes y
terremotos
Crédito de Crédito
Gobierno de Contingencia contingente
Colombia 2005 Colombia
Colombia del Banco contra
Mundial terremotos
Seguro Primas
Cobertura
World Food paramétrico subsidiadas por
Etiopía 2005 Axa Re para 62 mil
Program contra la cooperación
familias
sequías internacional
Seguro
A ser
Gobierno de Banco climático
Malawi 2009 Malawi transferido a
Malawi Mundial paramétrico
manos privadas
para lluvias
Agroasemex Seguro
Gobierno de (compañías climático 800 mil
México 2003 En curso
México estatal de paramétrico beneficiarios
reaseguro) para lluvias
Deuda
Crédito de contingente,
Gobierno de Contingencia indexada a 5000
Mongolia 2009 En curso
Mongolia del Banco pérdida de ganaderos
Mundial ganado a
nivel país
Fuente: Burke, et al (2010)
7
social y económico muy importante se encuentran más comprometidos con la gestión
del riesgo y los seguros agrícolas. Evidentemente, el interés reciente sobre este tema,
se explica, en gran medida, por los efectos negativos del cambio climático sobre la
estabilidad alimenticia en economías de producción para autoconsumo y la estabilidad
de ingresos de los agricultores. Desde esta perspectiva, la gestión de riesgos agrícolas
es prioritaria en Bolivia, pero nuestro país tiene aún grandes desafíos en relación a
otros países de la región y el mundo; el mercado de seguros agropecuarios nacional
presenta el índice de penetración (volumen de primas en relación al PIB agrícola) más
bajo de América Latina y el Caribe y es comparable al de países africanos.
4
Nº 144 de 26 de junio de 2011
5
D.S. Nº 0942 de 02 de agosto de 2011
8
desmarcándose como de los más importantes en la región Latinoamericana.
Consideramos que, si bien se han desarrollado los primeros cimientos de la
construcción de un marco normativo adecuado y promotor del desarrollo integral en
Bolivia, queda aún espacio para mayores implementaciones con base en esta marco
normativo, para poder evaluar su eficiencia, el impacto social y económico de la
implementación de un seguro agrícola y sus repercusiones sobre el desarrollo rural
integral y la crisis alimentaria, entre otros.
Más experiencias prácticas en este sentido pueden ayudar a disipar la alta
percepción de riesgo que tiene el sector de seguros privados sobre el sector agrícola,
mejorando los canales de coordinación y mecanismos de evaluación de riesgo y
monitoreo del mismo.
9
Tabla 2: Características de los Programas Piloto de la Fundación PROFIN.
Fondo de Tipo de
Proceso de
Programa Localización Modalidad Reserva Riesgos de Administración Resultados
Indemnización
Técnica Cobertura
1) Monitoreo de parcelas y
difusión de buenas
Fundación Primera prueba
PROFIN prácticas; peritaje aleatorio
Fondo de PROFIN piloto
en cada parcela durante la
Transferencia Helada, cosecha
Valle Alto de
de Riesgo Rendimientos granizo,
Cochabamba 2) Si los rendimientos son 40 mil Bs
(FRT) – PROSEDER sequía EcoFuturo
Durazno inferiores al gatillo, se asegurados
colabora con la
determina el rango donde
recolección de las 5 mil Bs en
ASAP sucedió el daño y se
primas primas
indemniza al agricultor.
1) Evaluación del estado
Fundación 3 pruebas piloto
PROFIN del cultivo antes de
PROFIN. realizadas
asegurarlo
Cooperativa de 634 hectáreas
Gobierno
Ahorro y Crédito aseguradas
Fondo de Autónomo 2) Seguimiento a las
"Churqui" colabora
Transferencia Uriondo, Municipal de prácticas agrícolas.
Daños Granizo con la recolección 11.8 millones de
de Riesgo - Tarija Uriondo Bs. Asegurados
de las primas
Uva
0.67 millones de
3) Si ocurre un fenómeno Bs en primas
Alianza Seguros
climático adverso, se
ASAP participó en una 0.43 millones de
realiza la evaluación de los
etapa posterior Bs. en
daños y se indemniza
indemnizaciones
Fuente: Fundación PROFIN (www.fundacion-profin.org)
10
Estas experiencias de seguros agrícolas se basan en los tradicionales seguros
contra riegos múltiples y riesgo específico (granizo) y el cálculo de las indemnizaciones se
hace por mermas en los rendimientos o daños observados. En ambos casos se requiere la
presencia de peritos en el lugar, hecho que incrementa los costos de transacción de
administrar el seguro.
De manera complementaria a las iniciativas descritas, destaca también la
experiencia de la ONG Promoción de la Sustentabilidad y Conocimiento Compartido
(Prosuco) con el programa Suka Kollus en el departamento de La Paz. Esta ONG desarrolló
un sistema de gestión de riesgos para la Unión de Asociaciones Productivas del Altiplano
(UNAPA) contra heladas, granizadas, sequías e inundaciones. Para prevenir los riesgos por
el impacto que estos fenómenos puedan causar, se monitorean indicadores bioclimáticos y
se realiza una valoración participativa de los daños generados (Prosuco, 2010).
Los seguros basados en índices climáticos como alternativa para reducir los
costos de monitoreo y evaluación del daño aún no han sido implementados en Bolivia
debido a un conjunto de factores que son analizados en párrafos posteriores del documento.
Aún en etapa de diseño, la fundación PROFIN se encuentra realizando una prueba piloto
para productores de vid en los departamentos de Tarija y Chuquisaca, siendo hasta la fecha
la única iniciativa para crear un seguro basado en índices climáticos en Bolivia del que se
tenga conocimiento6.
3.2. El Seguro Agrario para Municipios con Mayores Niveles de Pobreza Extrema
(SAMEP)
De manera complementaria a las iniciativas privadas presentadas, el SAMEP se constituye
en la primera etapa del seguro Pachamama y se constituye en un seguro catastrófico para
pequeños productores en los municipios más pobres del país. Este seguro busca proteger
los daños a los cultivos agrícolas de trigo, maíz, cebada, avena, quinua, haba, y papa (Tabla
3), causados por factores climáticos como helada, inundación, sequía y granizada.
6
Cabe hacer notar que en Bolivia se han ensayado, sin éxito, productos financieros orientados a
brindar cobertura a grandes agricultores que fueron desarrollados en otros países e implementados
por aseguradoras instaladas en Bolivia. En 2008, Latina Seguros y la argentina Sancor Seguros
lanzaron un seguro “Campo Seguro” contra riesgos por exceso de lluvias, sequía, vientos
huracanados, incendios, heladas y granizo para el sector soyero en Santa Cruz. La cobertura
garantiza entre un 50 y un 65 por ciento del rendimiento estimado de un determinado cultivo. Dicho
rendimiento se determina teniendo en cuenta los resultados de la zona, el historial del productor y las
condiciones tanto técnicas como ambientales en las que se desarrolla el cultivo. La superficie mínima
asegurable por cultivo es de 100 hectáreas para el producto multirresgo individual y 300 hectáreas
para el Multirriesgo Climático Global.
11
Tabla 3: Cultivos Cubiertos Bajo el SAMEP, Superficie Cultivada, Producción y
Rendimiento
Participación en Superficie Producción Rendimiento
Superficie
la Superficie Cultivada (Tn) (Tn/Ha)
Cubierta
Agrícola de (Ha) 2011-2012 2011-2012
SAMEP (Ha)
Bolivia (2008) 2011-2012
Avena 64 473 1.18% - - -
Cebada 11 492 6.26% - - -
Haba 11 009 14.26% - - -
Maíz 71 315 1.76% 395 319 1 163 891 2 944
Papa 40 797 4.70% 187 520 1 030 839 5 897
Quinua 714 1.93% 69 972 41 653 595
Trigo 47 055 0.02% 165 748 237 635 1 434
Total 246 855 30.11%
Fuente: INE, Encuesta Nacional Agropecuaria 2008 y Compendio Agropecuario 2012.
7 Seguro Agrario para Municipios con Mayores Niveles de Extrema Pobreza 2013-2014.
12
Tabla 4: Características de los Municipios Beneficiarios del SAMEP por
Departamento en su Primera y Segunda Implementación
Número de Total
Pobreza
Número de Pobreza por Municipios Municipios
Extrema
Municipios Necesidades Población Nuevos Gestión
por Línea
Departamento Primera Básicas estimada a para la 2013-2014
de
Implementación Insatisfechas 2010 Segunda
Pobreza
2012-2013 2001 Implementación
2001
2013-2014
Chuquisaca 17 88.4% 99.1% 226 288 5 22
Cochabamba 17 93.4% 99.3% 242 506 5 22
La Paz 10 84.6% 98.5% 75 076 19 29
Oruro 2 83.4% 98.7% 15 336 8 10
Potosí 14 90.4% 99.2% 285 614 8 22
Santa Cruz 3 86.8% 99.1% 23 265 6 9
Tarija 1 1
Total 63 52 115
Fuente: Elaboración propia con información del INSA
En total, se espera que el SAMEP otorgue cobertura a más de 186 mil hectáreas
de cultivos correspondientes a 600 mil unidades productivas, alcanzando a más de 868 mil
personas (alrededor 200 mil familias) en municipios donde la proporción promedio de la
población que vive en pobreza extrema (medida como línea de pobreza para 2001) supera
el 89% (INSA, 2012).
Las condiciones descritas dan cuenta del hecho que el SAMEP es un seguro
tradicional que implica importantes, aunque muy justificadas, inversiones humanas y
financieras para el aparato público. Dado que, por mandato constitucional, el seguro agrícola
debe ser universal, consideramos que los importantes avances del SAMEP pueden ser
complementados por un seguro agrícola basado en índices climáticos, pues potencialmente,
implica menos costos de operación permitiendo así, la incorporación paulatina de pequeños
y micro productores al mercado de seguros en el país, incluso en un esquema comercial.
Es así que se presenta en la siguiente sección un esquema metodológico
ordenado que describe el procedimiento técnico adecuado para el diseño de este tipo de
seguros, tomando en cuenta las características de las zonas rurales de nuestro país.
13
AgRisk 2010 y 2011, Dinku et al. 2009): i) La indexación de riesgos climáticos en la zona de
interés, ii) La cuantificación del riesgo climático y iii) El diseño del contrato de seguro.
8
Por supuesto, en estas condiciones, el coeficiente de correlación indica la fuerza de relación causal
de la(s) variables(s) climática(s) sobre el rendimiento de los cultivos.
14
características particulares y bien definidas para servir de base para la construcción de un
seguro basado en índices climáticos.
9
En el caso boliviano, la información climática oficial es aquella gestionada por el Servicio Nacional
de Meteorología e Hidrología (SENAMHI), bajo tuición del Ministerio de Medio Ambiente y Agua.
10
Si bien no podría consensuarse un límite superior para los datos faltantes, AgRisk (2010 y 2011)
sugiere un valor alrededor del 6% como una referencia.
11
Según el Banco Mundial (2010), los datos faltantes no pueden superar el 5% de la base de datos
para poder ser completados mediante alguna técnica.
15
medido a través de la correlación que existe entre los datos registrados por la estación de
interés y cada estación de referencia.
Entre las técnicas determinísticas más comunes e intuitivas de extrapolación espacial
se pueden mencionar i) el promedio simple de los datos registrados en las estaciones de
referencia, que se constituye quizá en la técnica más intuitiva y sencilla12; ii) la combinación
lineal ponderada de los datos de las estaciones de referencia, de acuerdo a la cual, la
información de la estación de interés es reproducida a partir de una combinación lineal
convexa de los datos de las estaciones de referencia ponderados por el coeficiente de
correlación de Pearson entre cada una de ellas y la estación de interés13, y iii) la regresión
múltiple de la información de la estación de interés sobre aquella de las estaciones de
referencia, lo que consiste en asumir una relación de causalidad imperfecta de la
información de las estaciones de las estaciones de referencia sobre la información de la
estación de interés14.
Las tres técnicas determinísticas de imputación mencionadas pueden ser evaluadas
a partir de su Error Cuadrático Medio (ECM): ≡ ∑ , , , donde
12
Esta técnica consiste en imputar lo datos faltantes de la estación de interés, a través de la
reproducción de la información de esta última de la siguiente manera: , ∑ , donde ,
representa el valor estimado de una determinada variable climática en la estación de interés en un
periodo t determinado y , representa los datos registrados para la misma variable climática en la
i-ésima estación de referencia identificada en el mismo periodo t, con 1 … , el número de
estaciones de referencia identificadas. Si bien intuitiva, esta técnica tiene el defecto de considerar a
todas las estaciones de referencia identificadas como igualmente importantes al momento de la
imputación.
&
La imputación realizada de la siguiente manera: " X #$%,% ∑$# ∑) ' X &,-' ,% , donde . es el coeficientes
13
(*+ &(
de correlación de Pearson de la información registrada por la estación interés con la información de la
i-ésima estación de referencia. Este método corrige el promedio simple otorgando en la imputación,
una mayor ponderación a las estaciones de referencia que registren datos climáticos similares a
aquellos de la estación de interés con mayor frecuencia.
14
Esta relación de causalidad se representa de la siguiente manera: , ∑ / ,0
1 2 , donde
el coeficiente de regresión / representa la fuerza de relación causal entre la i-ésima estación de
referencia y la estación de interés. El término residual en la ecuación anterior captura otros elementos
explicativos de la información registrada en la estación de interés en el periodo t que no son la
información de las estaciones de referencia. En el marco de esta técnica, este término residual trata
de ser minimizado para ajustar el modelo lo mejor posible a los datos observados. Una vez
calculados los estimadores de los coeficientes de regresión, /3 , la información de la estación de
interés es reproducida a través de la siguiente relación: , ∑ /3 ,0
16
la información real y la información estimada, sea cual sea su sentido, mayor es la
imprecisión en la imputación de datos faltantes.
15
La fenología es la rama de la biología que estudia la relación que existe entre las condiciones
climáticas y el ritmo de manifestación de los diferentes periodos del ciclo vital de un cultivo, relación
que se encuentra fuertemente influenciada por las prácticas agrícolas, las características del suelo y
la variedad del cultivo en cuestión, que define sus características genéticas. Entre algunas etapas
fenológicas genéricas se pueden citar la foliación (aparición de hojas), la floración (aparición de
flores), la fructificación (aparición de frutos) y la senescencia (caída de hojas y madurez del cultivo).
Sin embargo, cada cultivo e incluso cada variedad de cultivo, puede presentar etapas fenológicas
más diferenciadas de acuerdo a sus características genéticas.
17
4.1.3. Sobre la Serie Histórica de Rendimientos
Para identificar el índice climático adecuado, la información histórica sobre condiciones
climáticas y la fenología del cultivo de interés deben ser contrastadas con la información
histórica de los rendimientos de dicho cultivo. En países en vías de desarrollo, el histórico de
rendimientos, de existir, es comúnmente de muy corta duración y de calidad rudimentaria
(Osgood et al., 2007). Para paliar esta deficiencia, existen modelos de simulación
agrobiológica que permiten crear rendimientos sintéticos de cultivos.
Uno de los modelos agro biológicos más simples es el Modelo de Satisfacción de
Requerimientos Hídricos (WRSM, por sus siglas en inglés) propuesto por la FAO en 1996 y
que fue empleado con éxito para la construcción de pólizas de prueba para seguros
agrícolas basados en índices climáticos contra riesgos de sequía, por ejemplo, en Tanzania,
Malawi y Kenya (Osgood et al., 2007). La simplicidad del WRSM radica en el hecho que la
construcción de rendimientos sintéticos se realiza tomando en cuenta como únicas variables
la cantidad de agua a disposición del cultivo en sus distintas etapas fenológicas y el inicio de
las mismas.
Una versión más sofisticada del WRSM, también propuesta por la FAO en 2009, es
conocida como AquaCrop (Raes et al. 2009). Este modelo fue también empleado
exitosamente para la construcción de seguros agrícolas basados en índices climáticos para
distintos cultivos de en África y Centro América (Lara et al. 2011, Dinku et al. 2009, Osgood
et al. 2007). AquaCrop complementa a WRSM al incluir otros determinantes del rendimiento
de un cultivo para purificar la fuerza de la relación clima-rendimiento. Entre estos
determinantes se tiene las temperaturas máximas y mínimas diarias y las características
físicas del suelo (para mayores detalles técnicos, ver Raes et al. 2009), que permiten
determinar la cantidad de agua disponible en el suelo para el desarrollo del cultivo luego de
las precipitaciones pluviales.
Otro modelo de simulación agro biológica empleado para la construcción de seguros
basados en índices climáticos es el Sistema de Apoyo a la Toma de Decisiones para Agro
tecnología (DSSAT, por sus siglas en inglés, ver Global AgRisk 2010 y 2011). Este sistema
permite incluir un número significativamente mayor de determinantes de los rendimientos de
cultivos, para purificar aún más la relación clima-rendimiento. Sin embargo, esta precisión
conlleva el costo de requerir información en cantidad/calidad prohibitiva para los tipos de
estaciones meteorológicas que comúnmente operan en países en vías de desarrollo, sobre
todo en zonas rurales.
Consideramos que, en ausencia de un registro histórico de rendimientos, la
información que se puede construir con estos modelos, siempre que sea validada con
información en campo obtenida a través que entrevistas con agricultores y/o expertos
agrícolas de la zona, tiene la ventaja de brindar mayor información y de mayor fiabilidad
18
técnica que la información basada solo en la memoria de los agricultores y técnicos
especialistas (Global AgRisk, 2010 y 2011). Además, al simular rendimientos en condiciones
parcialmente controladas (en función de la complejidad del modelo mencionada
anteriormente), estos modelos permiten identificar de manera más precisa la influencia de
las condiciones climáticas sobre el rendimiento de los cultivos, diferenciando por etapas
fenológicas; esto permite una identificación también más precisa del índice climático
adecuado.
16
La técnica de polígonos de frecuencias acumuladas es una técnica de reproducción aproximativa
de la función de distribución acumulativa real y consiste en unir las frecuencias acumuladas puntuales
a través de segmentos lineales, los cuales permiten extrapolar esta función a valores no observados
del índice climático, dentro del rango de los valores máximos y mínimos observados. Formalmente,
sea un conjunto de n valores observados (no repetidos) del índice X … X$ ordenados de tal manera
que se asocian a un conjunto de n de frecuencias acumuladas relativas F … F$ . El elemento p7X 8
A( BA'
X9 : para i 8 h 8 j puede ser estimado a partir de: p>7X 8 X9 : F? 1 @ D X9 X? .
C( BC'
17 La estimación del núcleo o kernel de la distribución del índice climático puede brindar una
estimación de la probabilidad puntual E7 F: ∀F H I, donde I es el dominio de definición del índice:
NBO
Ê 7 F: ∑ LM P, donde L ∙ es la función núcleo de la distribución y R es el ancho de
K K
banda o parámetro de suavizamiento (Turlach 1993). Existen diferentes formas funcionales para L ∙
19
identificaciones paramétricas de la función de densidad, es posible aplicar el test de
Kolmogorov-Smirnov (Miñarro, 1998) para realizar contrastes de hipótesis que permitan
aceptar (estadísticamente) la adopción de una forma funcional conocida para la función de
distribución acumulativa de los valores observados del índice climático18.
y de valores para R. Se puede considerar como la mejor configuración de estos parámetros para la
estimación de Ê 7 F:, aquella que minimiza el Error Cuadrático Medio (ECM) presentado en
párrafos anteriores, el cual, dado que regularmente I es un subconjunto de S, se conoce también
como Error Cuadrático Medio Integrado (ECMI) debido a la cantidad de elementos que intervienen el
operador de suma (Miñarro, 1998).
18
Esta técnica conlleva la necesidad de asumir a priori una función de densidad o su recíproca
función de distribución conocidas para los valores del índice; sea esta función de distribución
acumulativa FT x p7X 8 x: aplicable a todo x ϵ I, donde I es el dominio de definición del índice
climático. El estadístico del test de Kolmogorov-Smirnov para contrastar la hipótesis nula que el índice
climático está distribuido por FT x está dado por: KS max [#[$ |F# FT X# |. La función de
distribución acumulativa FT x podrá ser aceptada como la función de distribución correcta del índice
climático si KS es lo suficientemente cercano de cero, de acuerdo a un nivel de significancia
predefinido (Miñarro, 1998). Si existen diferentes formas funcionales aceptables para FT x , una vez
más, se puede considerar la mejor como aquella que brinde el mínimo Error Cuadrático Medio (ECM).
20
De existir un límite superior para el gatillo, consideramos que una buena opción es el
valor del índice climático que permite alcanzar este rendimiento regular, XREGULAR. En efecto,
como señala Global AgRisk (2010, 2011), un seguro basado en índices climáticos no
debería nunca diseñarse para garantizar una situación equivalente a un rendimiento óptimo
para los productores y consideramos lo propio para situaciones mejores a las usuales en la
zona. Comúnmente, el gatillo está fijado por debajo de XREGULAR, definiendo un rango de
rendimientos inferiores al esperado por los productores, pero que potencialmente podrían
ser tolerados por estos últimos. Este comportamiento por parte de los productores
corresponde a lo que conoce como la disposición a auto asegurarse (ver Figura 1, Osgood
et al. 2007), la cual es una función de interrelaciones entre las características
socioeconómicas de los demandantes del seguro, su disposición a pagar por la compra de
este activo contingente y su grado de aversión al riesgo, entre otros.
Cuando existe una relación negativa entre el índice climático y el rendimiento, el
pago o rembolso máximo, RMAX, se define como el pago que debe ejecutar la aseguradora
una vez que el índice climático ha alcanzado un nivel mínimo aceptable predefinido, XMIN.
Consideramos que este nivel mínimo aceptable para el índice puede estar asociado a un
rendimiento nulo del cultivo o bien a un rendimiento positivo pero insuficiente para la
cobertura de costos de cosecha; en todo caso, al igual que el gatillo, este límite mínimo
aceptable responde, en gran medida, a la disposición a pagar del asegurado. De igual
modo, el pago máximo en sí mismo, puede ser también el objeto de negociaciones entre el
oferente y demandante del seguro. Entre algunas opciones de negociación posibles y,
consecuentemente, de monetización del contrato de seguro, se pueden mencionar
coberturas completas o parciales, de costos o bien de ingresos por ventas.
Figura 1: Clasificación Esquemática de los Valores del Índice Climático y de su
Probabilidad de Ocurrencia
F(X)
1
F(XREGULAR)
F(XGATILLO)
F(XMIN)
F
XMIN XGATILLO XREGULAR Índice Climático
(X)
Reembolso Reembolso > 0 Reembolso
F =0 Autoseguro
Fuente: Elaboración Propia
21
De esta manera, se define un rango de valores para el índice climático
*
X =(XGATILLO;XMIN) que corresponde a un conjunto de pagos o rembolsos plausibles definidos
por R=(0;RMAX). Cuando existe una relación negativa entre el rendimiento y el índice
climático la tasa de pago el tick, T, se define como el ritmo de crecimiento de los rembolsos
^
en función a la disminución del valor del índice los valores del índice: ] ≡ (ver Global
O∗
AgRisk 2010 y 2011). Esta tasa se puede interpretar, entonces, como el pago que debe
realizar la aseguradora por unidad de índice climático perjudicial.
19
Ver por ejemplo, Global AgRisk 2010 y 2011.
22
definido como RMAX en la sección anterior, este segundo componente toma una importancia
menor en la construcción de la prima y de hecho, puede ser inexistente.
El tercer elemento de la prima está asociado a los Costos Administrativos (CA)
requeridos para la correcta gestión del seguro. Como ya se mencionó en la sección
introductoria, este elemento es uno de los principales diferenciadores del valor de la prima
correspondiente a seguros basados en índices climáticos, en relación a la prima de seguros
tradicionales; la administración de los últimos es naturalmente más costosa.
Con la finalidad de validar la metodología descrita en esta sección, se eligió el
municipio de Anzaldo, que forma parte del programa SAMEP, para construir diferentes
pólizas piloto para cultivos de trigo de ciclo largo (140 días) y papa de ciclo intermedio (139
días). Esta zona fue elegida por dos motivos principales; el primero es el hecho de ser
considerada por el INSA como una zona de fragilidad ambiental y severas condiciones de
pobreza extrema. El segundo es la existencia de una estación meteorológica oficial de larga
data, que brinda la información indispensable para el desarrollo de un seguro basado en
índices climáticos.
23
5.1. Información Climática
En Anzaldo existe una estación meteorológica oficial20 de tercer orden, que permite relevar
información sobre precipitación pluvial y temperatura ambiental con periodicidad diaria. La
estación se ubica al norte del municipio de Anzaldo, en las coordenadas -17.7836 de latitud
y 65.9328 de longitud a 3032 m.s.n.m. Tiene un radio de cobertura de 250 Km2, abarcando,
aproximadamente, el 40% del territorio del Municipio. La estación entró en funcionamiento
en 1943 y desde 1967 hasta la fecha, registra información de manera regular21, con solo
6,6% de datos faltantes.
Los datos faltantes fueron estimados a partir de información de las estaciones
oficiales de Sacabamba, Arani y Tarata, elegidas de acuerdo a los criterios de similitud con
la estación de Anzaldo mencionados en la sección 3 (ver Tabla 5).
El método empleado para la imputación de estos datos fue una regresión múltiple,
debido a que presenta el mínimo error cuadrático medio (ECM) en relación a las otras
metodologías descritas en el apartado 4.1 (ver Tabla 6)
20
Bajo administracion del Servicio Nacional de Meteorología e Hidrología (SENAMHI).
21
Desde su instalación hasta el año 1952 registró un funcionamiento errático, con varios periodos de
paralización. Este año, la estación fue paralizada por un periodo de casi 15 años.
24
Figura 2: Distribución de la Precipitación Acumulada en Anzaldo, por Mes (1967-2011)
350
300
250
200
mm.
150
100
50
00
500,0
400,0
300,0
200,0
100,0
0,0
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
2007
2009
2011
25
5.2. Creación del Índice Climático
De acuerdo a la FAO, la superficie de Anzaldo puede ser divida en dos en función de la
Capacidad de Uso Mayor de la Tierra. La parte sur del municipio tiene suelos más fértiles
que la zona norte (ver Figura 4). Asimismo, la superficie de Anzaldo puede dividirse en dos
en función del uso actual de la tierra. En la parte central y oriental de Anzaldo predominan
actividades agrícolas permanentes o perennes. En la parte occidental, sin embargo,
predominan actividades agrícolas no permanentes. Consideramos que esta última
clasificación es particularmente importante pues puede conllevar diferencias significativas en
la práctica agrícola, sus características, potencialidades y cuidados propios de los cultivos
de la zona.
Como se observa en la Figura 4, la mayoría del territorio cubierto por la estación
meteorológica corresponde a una superficie de cultivos perennes; las condiciones climáticas
que reinan en la superficie de cultivos no permanentes es, consecuentemente, desconocida.
Estas constataciones nos llevan a proponer pólizas piloto solo para la región norte de
Anzaldo. En efecto, es en esta parte del municipio que se puede tener cierto grado de
homogeneidad en cuanto a su uso mayor y a las prácticas agrícolas y se tiene también, un
cabal conocimiento sobre las condiciones climáticas reinantes. Esta homogeneidad es
importante a fin de mitigar el riesgo de base de las pólizas explicado anteriormente.
Se utilizó el modelo de simulación agro biológica AquaCrop descrito anteriormente
para la reconstrucción de índices sintéticos de la serie histórica de rendimientos de trigo de
ciclo largo y de papa de ciclo intermedio en las condiciones propias de la zona de Anzaldo.
Esta serie histórica tiene periodicidad anual y el largo coincide con el de la serie de
condiciones climáticas en la zona: 1967-2011, es decir, 45 años.
Para verificar la idoneidad de esta serie de rendimientos, se contrastó los resultados
de la modelación agro biológica con datos oficiales del Compendio Agropecuario de 2012 y
los Planes de Desarrollo Municipal (PDM) de Anzaldo para los periodos 2005-2009 y 2010-
2014, así como datos extra oficiales de la Fundación Proinpa, una institución sin fines de
lucro que opera, entre otras, en la zona de interés. Para estos periodos, los PDM no se
habría considerado una revisión de los rendimientos de trigo y papa en la zona y se
contemplan rendimientos promedio constantes, entre las 11 sub-centrales de Anzaldo, de
0.66 Tn/Ha y 5 Tn/Ha respectivamente. Asimismo, en el periodo 2005-2011, el Compendio
Agropecuario registra un rendimiento medio de trigo, en todo el departamento de
Cochabamba, de 0.74 Tn/Ha y de 6.4 Tn/Ha para papa. De acuerdo a Proinpa, en promedio,
rendimiento de trigo y papa en la zona se sitúan alrededor de 0.6 y 7.5 Tn/Ha,
26
respectivamente. Para el periodo 2005-2011, las modelaciones agro-biológicas indican
rendimientos promedio de 0.61 Tn/Ha para trigo y 7.52 Tn/Ha para papa22.
Referencia
Fuente: Elaboración Propia
Notas: 1) A la izquierda se presenta la Clasificación por Uso Actual (la superficie en verde
representa uso agropecuario extensivo con cultivos perennes, la superficie en amarillo
representa uso agropecuario extensivo con cultivos anuales y la superficie en rojo
representa uso agropecuario intensivo). A la derecha se presenta una división por
Capacidad de Uso Mayor de la Tierra. La superficie en azul representan tierras de
capacidad de uso restringida y la superficie en verde representa tierras con capacidad para
el desarrollo de cultivos extensivos. 2) Las comunidades marcadas representan las
localidades de donde se extrajeron 14 muestras de suelo para la identificación de las
características físico-químicas de la región norte de Anzaldo, necesarias para la calibración
del modelo agro biológico AquaCrop. 2) La circunferencia delimita el rango de alcance de la
estación meteorológica de Anzaldo.
22
A nuestro conocimiento, la comparación entre los promedios temporales de la modelación y los
promedios de corte transversal de los PDM se constituye, por ahora, en el único elemento de
validación retrospectiva de la modelación propuesta en base a información de carácter oficial que
tome en cuenta las características propias de Anzaldo.
23
Esta información fue recabada en un taller organizado por la Fundación para la Investigación y
Promoción de Productos Andinos (Proinpa), al cual asistieron 19 productores de trigo y papa de 3
comunidades de Anzaldo: Tijraska, Tarakuchu y Torancali. El taller fue realizado en oficinas de en
Anzaldo durante el mes de Febrero.
27
mismo periodo, el inicio del ciclo de la papa se encuentra entre la última quincena de
noviembre y la última quincena de diciembre; la fecha de siembra para el último periodo
agrícola, en promedio, es el 20 de noviembre.
Los ciclos agrícolas de trigo y papa fueron divididos, respectivamente, en 14 y 13
periodos de 10 días llamados decadales (Global AgRisk, 2010 y 2011), respetando las
características fenológicas de las variedades analizadas. A través del modelo AquaCrop, se
tomó en cuenta el drenaje de una parte de esta precipitación acumulada, debido a las
condiciones del suelo en la zona de interés, para dar lugar a la Precipitación Acumulada
Disponible (PAD) en cada decadal, definida como la diferencia entre la precipitación pluvial y
el drenaje. Así, se postulan 5 modelos de regresión clásica, con variable dependiente y
regresores estacionarios de la forma:
h `bi ∙ / 1 jk 1 2
donde el vector h lmn contiene, sucesivamente, los rendimientos de cultivos de trigo y
papa, y 2 lmn es el vector errores con las propiedades usuales (Greene, 2005). La matriz
`bi contiene distintos elementos vinculados a la precipitación acumulada disponible según
el modelo considerado y la matriz j contiene controles para la relación entre la precipitación
y el rendimiento analizado. Los vectores / y k son, respectivamente, los coeficientes de
impacto asociados a las variables contenidas en las matrices `bi y j.
Tres de los cinco modelos planteados sirven para la indexación del riesgo climático
en cultivos de trigo y los dos restantes, para cultivos de papa. Los cinco modelos planteados
difieren, básicamente, en el índice climático utilizado y son presentados en detalle para dar
cuenta de la idoneidad y versatilidad de la metodología descrita en el presente documento y
proponer una manera de analizar el grado de adecuación de la indexación y sus resultados.
5.2.1.1. Trigo
Tres de los cinco modelos realizados corresponden a una indexación del riesgo climático en
el cultivo de trigo. En el Modelo 1 (ver Anexo 1), se postula agrupar la precipitación
acumulada disponible entre los decadales 3 y 12 (días 21 y 120 después de la siembra) en
el vector `bi lmn , conteniendo un primer índice climático para el rendimiento de cultivos
de trigo24. Así, en este modelo, el coeficiente escalar / captura la influencia de un déficit
hídrico por milímetro de precipitación disponible faltante durante el periodo de interés. La
24
Este periodo fue definido luego de un test de Wald (ver Greene, 2005) aplicado a un modelo previo
en el que se incluye la precipitación acumulada disponible en los 14 decadales del ciclo de trigo, que
resulta en una significancia mayor al 10% al analizar la posibilidad de una influencia similar de la
precipitación acumulada disponible en cada decadal del 3 al 12. Esto quiere decir que, desde una
perspectiva puramente estadística, en este periodo existen efectos homogéneos para el desarrollo de
cultivos de trigo, en relación a déficits hídricos. Este resultado indica la idoneidad de un índice
climático compuesto por la precipitación acumulada disponible en este periodo crítico.
28
matriz contiene una columna unitaria, un vector de tendencia y tres variables
dicotómicas (dummies) que se activan, respectivamente, para los ciclos agrícolas 1990-
1991, 2001-2002 y 2010-2011 con el fin de purificar la relación entre el vector y la matriz
. En efecto, el ciclo 2001-2002 corresponde a un periodo de muy abundante
precipitación pluvial, correctamente distribuida y los otros dos ciclos corresponden a
periodos de fuerte influencia climática negativa causada por los fenómenos del niño y de la
niña. Tomando en cuenta la desviación estándar del coeficiente de impacto , a un 95% de
confianza, se tendría una reducción comprendida entre 3.4 y 4.8 Kgs/Ha por cada milímetro
de precipitación disponible faltante durante el periodo descrito anteriormente.
La relación entre el rendimiento original del cultivo de trigo y el rendimiento
reproducido por el modelo que da lugar a este primer índice climático se encuentra
representado en la Figura 5. Este primer modelo logra capturar el 83% de la varianza del
rendimiento original.
En el Modelo 2 (ver Anexo 1), se toma en cuenta el ciclo fenológico del trigo para la
creación del índice climático (ver Figura 6)
29
Figura 6: Etapas Fenológicas de Trigo de Ciclo Largo
139 días
Emergencia
(10 días)
Cobertura
Foliar
(24 días)
Macollaje
(21 días)
Encañado
(19 días)
Floración
(5 días)
Formación
del Grano
(29 días)
Madurez Fisiológica
(31 días)
3er 12avo
decadal Etapa Crítica decadal
30
El rendimiento original de trigo y aquel reproducido por el modelo que da lugar al
segundo índice climático son contrastados en la Figura 6. A partir de este modelo se logra
capturar el 62% de la variabilidad del rendimiento.
En el Modelo 3 (ver Anexo 1), a diferencia de los dos modelos anteriores, se aborda
la indexación de un riesgo de exceso de humedad en lugar de un déficit hídrico. Para esto,
la matriz PAD toma la forma `bi lmno para incluir la precipitación acumulada disponible en
el decadal 4 en formas lineal y cuadrática, así como la precipitación acumulada disponible
en el resto de los decadales entre 3 y 1225. Nuevamente, la matriz j lmnm contiene una
columna unitaria, vectores de tendencia lineal y cuadrática y tres variables dicotómicas
(dummies) que se activan, respectivamente, para los ciclos agrícolas 1990-1991, 2001-2002
y 2010-2011.
De acuerdo a este modelo, en promedio, se empiezan a registrar efectos negativos
sobre el rendimiento del cultivo cuando la precipitación acumulada disponible en el decadal
4 sobrepasa los 38 mm. Así, se puede definir un tercer índice climático compuesto por el
nivel de precipitación superior a 38 mm. en el decadal 4. A partir de este nivel de
precipitación, con un nivel de confianza del 95%, se podrían perder hasta 1.42% del
rendimiento por cada milímetro de precipitación adicional.
25 La identificación del decadal 4 como el periodo en el que se puede generar una disminución de
rendimiento causado por un exceso de humedad se logró a través de un modelo previo, en el que se
que rechaza la probabilidad de existencia de este efecto en otros decadales.
31
Figura 8: Evolución del Rendimiento de Trigo y el Tercer Índice Climático Propuesto
(1967-2011)
1,8
1,6
1,4
1,2
1
0,8
0,6
0,4
0,2
0
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
Rendimiento original Rendimiento reproducido por el Tercer Índice Climático
A partir de los tres modelos que dan lugar a estos índices climáticos, se captura
respectivamente el 83%, 61% y 82% de la varianza del rendimiento original de trigo (ver
Anexo 1). Este resultado permite sugerir, desde un punto de vista técnico, al primer índice
climático, es decir, la precipitación acumulada entre los decadales 3 y 12, como el mejor
reconstructor del rendimiento del cultivo. Sin embargo, este criterio técnico debe ser
conjugado con preceptos de facilidad/factibilidad de aplicación y de mercado por parte del
oferente final de las pólizas.
5.2.1.2. Papa
Bajo la misma lógica, dos modelos fueron desarrollados para la indexación del riesgo
de los cultivos de papa en los que la matriz j lmn contiene una columna unitaria. En el
Modelo 4 (ver Anexo 2) se incluye en la matriz `bi lmn un vector que contiene la
precipitación acumulada en todos los decadales que hacen al ciclo del cultivo (2-13)26 y
definen un primer índice climático para la papa. Tomando en cuenta un intervalo de
confianza del 95% para el coeficiente de impacto, se tendría una reducción entre 21.8.5 y
38.6 Kg. por cada milímetro faltante de precipitación disponible. Este del cual se construye
este primer índice climático para cultivos de papa permite capturar el 54% de la variabilidad
este último (ver Figura 9).
26
La acumulación de la precipitación disponible en todo el ciclo del cultivo surge luego de un modelo
previo que corrobora la significancia estadística de la precipitación en todos los decadales por
separado.
32
Figura 9: Evolución del Rendimiento de Papa y el Primer Índice Climático Propuesto
(1967-2011)
16
14
12
10
8
6
4
2
0
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
Rendimiento reproducido por el Primer Índice Climático Rendimiento Original
33
agua puede ser percibida como superior, desde un punto de vista agro biológico27,
sugiriendo la definición de un segundo índice climático para cultivos de papa compuesto
por la precipitación acumulada disponible en el periodo reproductivo. A partir del modelo que
da lugar a la construcción de este índice, es posible capturar también el 54% de la
variabilidad del rendimiento original (ver Figura 11), pues ambos índices climáticos
propuestos para cultivos de papa resultan bastante similares.
27
El modelo corrobora, sin embargo, una fuerte complementariedad entre ambas partes del ciclo.
34
Tabla 7: Cuantificación del Riesgo para las Cinco Indexaciones Propuestas
Cultiv p-
Índice Descripción Distribución Parámetros
o valor28
Media: 5.58
Precipitación acumulada
Primer Desviación
disponible entre los días 21-120 Log Normal > 0.25
Índice Estándar:
después de la siembra
0.23
Parámetro de
Precipitación acumulada
Segundo forma: 2.37
Trigo disponible entre los días 91-130 Weibull > 0.25
Índice Parámetro de
después dela siembra
Escala: 90.54
Precipitación acumulada Media: 32.04
Tercer disponible superior a 38 mm. Desviación
Normal > 0.25
Índice entre los días 31-40 después de Estándar:
la siembra 20.3
Parámetro de
Precipitación acumulada
Primer forma: 338.7
disponible entre los días 11-129 Weibull > 0.25
Índice Parámetro de
después de la siembra
Escala: 4.9
Papa
Parámetro de
Precipitación acumulada
Segundo forma: 257.1
disponible entre los días 37-129 Weibull > 0.25
Índice Parámetro de
después de la siembra
Escala: 4.38
Fuente: Elaboración Propia
28
Calculado de acuerdo al estadístico de Cramer – Von Mises para contrastar la hipótesis nula de la
distribución correspondiente como gobernante de los valores del índice.
35
respectivamente, y consideramos que pueden representar correctamente valores lógicos de
lo que los productores pueden esperar como rendimientos regulares.
29
Este valor del índice representa el límite superior del intervalo de confianza al 90% de precipitación
acumulada disponible necesaria para alcanzar un rendimiento de 0.41 Tn/Ha. Esta elección
corresponde a una protección incrementada para el productor contra el riesgo de base, induciendo a
un ajuste de la pérdida esperada en ese sentido. Concretamente, estas pólizas proponen un riesgo
de base de 10% para el agricultor.
36
Tabla 8: Características de las Pólizas para Trigo con Esquema de Pago Único
Parámetro Modelo 1 Modelo 2 a Modelo 3
Rendimiento esperado (Tn /Ha) 0.8
Cobertura sobre rendimiento esperado (%) 50%
Rendimiento asegurado (Tn/Ha) 0.41
Valor asegurado ($US/Ha) 218.00
Precipitación Precipitación Precipitación
acumulada acumulada acumulada
disponible entre disponible disponible
los días 21-120 entre los días superior a 38
Índice Climático
después de la 91-130 mm. entre los
siembra después de la días 31-40
siembra después de la
siembra
Gatillo de activación del seguro (mm) 206 38 66
Probabilidad de ocurrencia 13% 39% 37%
Pérdida Esperada Ajustada, PEA($US/Ha) 28.20 85.00 81.60
Relación Monto Cubierto - PEA 0.13 0.39 0.37
Fuente: Elaboración Propia.
Nota: a En este modelo se asume que la precipitación entre los días 0-90 después de la
siembra seguirá su comportamiento histórico tendencial, para registrar 214 mm.
acumulados.
37
Tabla 9: Características de las Pólizas para Papa con Esquema de Pago Único
Parámetro Modelo 4 Modelo 5 a
Rendimiento esperado (Tn /Ha) 7.9
Cobertura sobre rendimiento esperado (%) 44%
Rendimiento asegurado (Tn/Ha) 3.5
Valor asegurado ($US/Ha) 555.00
Índice Climático Precipitación
acumulada
disponible entre
los días 11-129
después de la
siembra
Gatillo de activación del seguro (mm) 194 118
Probabilidad de ocurrencia 6% 3%
Pérdida Esperada Ajustada, PEA($US/Ha) 36.40 18.10
Relación Monto Cubierto – PEA 0.07 0.03
Fuente: Elaboración Propia.
Nota: a En este modelo se asume que la precipitación en la etapa vegetativa seguirá su
comportamiento histórico tendencial, para registrar 60 mm. acumulados.
Si bien ambos índices climáticos para cultivos de papa son similares, la importancia
de la etapa vegetativa se hace evidente al constatar que no tomarla en cuenta para la póliza
del seguro reduce la probabilidad de siniestro exactamente a la mitad. La póliza que toma en
cuenta la precipitación durante todo el ciclo de desarrollo del cultivo de papa es
prácticamente el doble de onerosa. Estos resultados con una consecuencia directa de la
importancia similar de la parte reproductiva y la vegetativa detectada en la indexación del
riesgo climático para cultivos de papa.
38
Tabla 10: Características de las Pólizas para Trigo con Esquema de Pago Gradual
Parámetro Modelo 1 Modelo 2 a Modelo 3
Rendimiento esperado (Tn/Ha) 0.8
Cobertura sobre rendimiento esperado (%) 50%
Rendimiento asegurado (Tn/Ha) 0.41
Valor Asegurado ($US/Ha) 218.00
Precipitación Precipitación Precipitación
acumulada acumulada acumulada
disponible entre disponible disponible
los días 21-120 entre los días superior a 38
Índice Climático
después de la 91-130 mm. entre los
siembra después de días 31-40
la siembra después de la
siembra
Gatillo de Activación (mm.) 236 38 66
Probabilidad de Ocurrencia 16% 39% 37%
Rendimiento de Salida (Tn / Ha) 0.22 n.a. 0.22
Gatillo de Salida (mm.) 153 90 12
Probabilidad de Ocurrencia 0.7% 0.05% 1%
Tasa de Pago o Tick ($US/mm) 4.10 3.10 4.10
Pérdida Esperada Ajustada ($US/Ha) 10.50 16.20 32.50
Relación Monto Cubierto – PEA 0.05 0.07 0.15
Fuente: Elaboración Propia
Nota: a En este modelo se asume que la precipitación entre los días 0-90 después de la
siembra seguirá su comportamiento histórico tendencial, para registrar 214 mm.
acumulados.
39
Tabla 11: Características de las Pólizas para Papa con Esquema de Pago
Gradual
Parámetro Modelo 4 Modelo 5 a
Rendimiento esperado (Tn /Ha) 7.9
Cobertura sobre rendimiento esperado (%) 44%
Rendimiento asegurado (Tn/Ha) 3.5
Valor asegurado ($US/Ha) 555.00
Índice Climático Precipitación
acumulada
disponible entre
los días 11-129
después de la
siembra
Gatillo de activación del seguro (mm) 194 118
Probabilidad de ocurrencia 6% 3%
Rendimiento de Salida (Tn/Ha) 2.4 2.4
Gatillo de Salida (mm.) 143 67
Probabilidad de Ocurrencia 1% 0.01%
Tasa de Pago o Tick ($US/mm) 11.00 9.80
Pérdida Esperada Ajustada, PEA ($US/Ha) 18.90 3.40
Relación Monto Cubierto - PEA 0.03 0.006
Fuente: Elaboración Propia
a
Nota: En este modelo se asume que la precipitación en la etapa vegetativa seguirá su
comportamiento histórico tendencial, para registrar 60 mm. acumulados.
6. Consideraciones Finales
Un mercado de seguros puede considerarse como un motor del proceso de desarrollo
económico inclusivo de un país únicamente cuando tiene la capacidad de ofrecer estabilidad
en los ingresos, en la calidad de vida y en otros aspectos que hacen al bienestar de las
personas, a una vasta proporción de su población. Por supuesto, los desafíos para que un
mercado de seguros esté dotado de esta capacidad son muy importantes y, en algunas
ocasiones, rebasan la factibilidad, especialmente en países en vías de desarrollo como
Bolivia. En efecto, estos países se caracterizan por condiciones estructurales que limitan los
dos aspectos esenciales del desarrollo de un mercado de seguros: i) la expansión de la
oferta, a través de escasas posibilidades de expansión geográfica y de innovación
financiera, y ii) la expansión de la demanda, a través de una gran parte de población en la
que la voluntad/capacidad de acceder a mercados contingentes es muy escasa o
virtualmente inexistente.
El mercado asegurador en Bolivia ha crecido de manera importante en los últimos
diez años aunque permanecen factores estructurales en la oferta y la demanda que limitan
su dinamismo. La expansión de la industria y su capacidad para contribuir al desarrollo
40
inclusivo requieren imprescindiblemente de la adopción de nuevos productos, mejor
adecuados a la realidad de la vasta población que permanece sin acceso a estos servicios.
En el caso particular del sector agropecuario, los seguros agrícolas pueden
constituirse en un instrumento capaz de contribuir a la mejora de la productividad y calidad
de vida de los agricultores, más aun considerando la importante voluntad del gobierno
boliviano por utilizar este tipo de productos como parte de una estrategia de protección
social. La participación de agentes privados en el mercado de seguros agrícolas en el país
ha sido limitada aun debido al hecho que las metodologías para la gestión de riesgos
agrícolas son disímiles en muchos aspectos a aquellas que resultan idóneas para la gestión
de otros tipos de riegos ligados a actividades urbanas y que han probado ser exitosas en el
país; los riesgos de la actividad agrícola son intrínsecamente diferentes. La actividad
agrícola presenta un grado de riesgo particular en relación a otras actividades económicas,
debido a estar sometida a la creciente variabilidad climática. Las estrategias de protección
de los agricultores contra inclemencias climáticas deben limitarse a actividades preventivas
y/o correctivas que, muchas veces, han probado tener un impacto limitado y no están
suficientemente expandidas en el país.
A defecto de un dinamismo mayor en la intervención natural de instituciones privadas
en el mercado de seguros agrícolas en el país, una alianza público-privada se vislumbra
como una vía de acción de corto plazo importante para iniciar el proceso de desarrollo de
este mercado en Bolivia. Por ejemplo, un rol del gobierno como asegurador de última
instancia puede jugar a favor en este contexto, pues las aseguradoras privadas no estarían
expuestas completamente a riesgos catastróficos, y les permitiría ofrecer productos de
menor precio para los productores, facilitando la expansión del mercado hacia segmentos de
escasos recursos.
En materia normativa, destacan los grandes esfuerzos por establecer líneas base de
acción específicas para este sector, constituyéndose en uno de los más importantes
avances en la región. Si bien se han desarrollado los primeros cimientos de la construcción
de un marco normativo adecuado y promotor del desarrollo integral en Bolivia, quedan aún
pendientes mayores implementaciones con base en esta marco normativo para poder
evaluar la eficiencia de este conjunto de leyes, el impacto social y económico de la
implementación de un seguro agrícola y sus repercusiones sobre el desarrollo rural integral
y crisis alimentaria. La clarificación de estos aspectos es imprescindible en la perspectiva de
construcción de un seguro agrícola comercial, pues inciden de manera fundamental en el
valor de las primas, y por ende, en el atractivo de este tipo de seguros para los potenciales
demandantes.
El diseño piloto realizado para el Municipio de Anzaldo da cuenta de la pertinencia
del uso de técnicas cuantitativas y procesos metodológicos que fueron descritos y hacen al
41
diseño de seguros agrícolas basados en índices climáticos, aun cuando información
histórica de rendimientos hace defecto y existen datos climáticos faltantes. Las pólizas piloto
propuestas en el presente documento, tanto para cultivos de trigo como para cultivos de
papa, tienen el gran potencial de democratizar el acceso a la seguridad económica a
productores agrícolas de escasos recursos en Anzaldo, sobre todo aquellas que presentan
un esquema de pago gradual, pues presentan primas más accesibles en contraparte de un
reembolso variable en función del daño al cultivo. Si bien en el actual esquema
implementado en el marco del SAMEP no se contempla este tipo de modalidades de pago,
la metodología presentada brinda la posibilidad de introducirlo en próximas campañas o
bien, puede servir de guía en la perspectiva de un traslado del seguro agrícola en Bolivia a
un esquema comercial.
La validación en campo de las pólizas presentadas se constituye en una etapa
fundamental hacia el escalamiento de esta práctica financiera novedosa en la región, en
favor de la estabilidad económica de los agricultores y de la seguridad alimentaria en
general del país. En particular, es importante verificar de manera precisa el desempeño de
las pólizas elaboradas, así como indagar mayores detalles sobre el costo de su
administración, con el fin de corroborar y medir las ventajas que pueden tener en relación a
pólizas resultantes de seguros agrícolas tradicionales.
Finalmente, resaltamos que, en el caso boliviano, el escalamiento de un seguro
basado en índices climáticos a nivel nacional tiene un gran potencial para brindar estabilidad
a los productores agrícolas y percibimos que la idoneidad de esta práctica financiera está
fuertemente vinculada a la disponibilidad de información de alta calidad sobre i) factores
climáticos en los diversos microclimas del amplio territorio boliviano e ii) información real y
fidedigna sobre la producción agrícola y sus características en todo el territorio nacional.
42
Referencias
Arias D .& Itorruiz P. 2010. Agricultural Insurance in Latin America: Developing the Market.
Documento de Trabajo. Banco Mundial. Washington, Estados Unidos.
Asociación de Municipios de Cochabamba (AMDECO), 2010. Plan de Desarrollo Municipal
de Anzaldo 2010-2014. Cochabamba, Bolivia.
Burke M, de Jnavry A & Quintero J. 2010. Providing Index – Based Agricultural Insurance to
Smallholders: Recent Progress and Future Promise. Documento de Trabajo. CEGA,
University of California at Berkeley.
Asociación de Municipios de Cochabamba (AMDECO), 2005. Plan de Desarrollo Municipal
de Anzaldo 2005-2009. Cochabamba, Bolivia.
Cole S., Gautam G., Vyas S., Wendel C. & Stein D. 2012. The Effectiveness of Index –
Based Micro- Insurance in Helping Smallholders Manage Weather – Related Risks.
London: EPPI-Centre, Social Science Research Unit, Institute of Education, University
of London.
Collier B. 2012. Financial Inclusion and Protecting Bank Portfolios from Natural Disaster
Risks. Presentado en: IDB Workshop Risk Management in Agricultural Finance:
Building More Inclusive and Secure Markets Washington, DC September 24, 2012.
Constitución Política del Estado Plurinacional de Bolivia, 2009. Gaceta oficial, La Paz,
Bolivia.
Dercon S. 2002. “Income Risk, Coping Strategies and Safety Nets”. WIDER Discussion
Papers No. 2002/22. World Institute for Development Economics (UNU-WIDER).
United Nations University.
--- 2009. “Risk, Poverty and Insurance”. In Innovations in Insuring the Poor. Vargas R. &
Torero M. (Eds). International Food Policy Research Institute.
Decreto Supremo No 942 de agosto de 2011. Reglamento Programa Anual de Subsidios a
la Prima del SAU – Pachamama. Gaceta Oficial. La Paz, Bolivia.
Dinku T., Giannini A., Hansen J., Holthaus E., Ines A., Kaheil Y., Karnauskas K., Lyon B.,
Madajewicz M., Mclaurin M., Mullally C., Norton M., Osgood D., Peterson N.,
Robertson A., Shirley K., Small C. & Vicarelli M. 2009. Designing Index-Based
Insurance for Farmers: in Adiha, Ethiopia. Reporte Técnico de IRI 09-04. International
Research Institute for Climate and Society. Universidad de Columbia, Estados Unidos.
Encuesta Nacional Agropecuaria, 2008. Instituto Nacional de Estadística (INE).
Giné X. 2009. “Experience with Weather Index-based Insurance in India and Malawi”. in
Innovations in Insuring the Poor. Vargas R. & Torero M. (Eds). International Food
Policy Research Institute.
43
Global AgRisk, 2010. State of Knowledge Report — Data Requirements for the Design of
Weather Index Insurance. Innovation in Catastrophic Weather Insurance to Improve
the Livelihoods or Rural Households Paper Series. Estados Unidos.
Global AgRisk, 2011. State of Knowledge Report — Market Development for Weather Index
Insurance Key Considerations for Sustainability and Scale Up. Innovation in
Catastrophic Weather Insurance to Improve the Livelihoods or Rural Households Paper
Series. Estados Unidos.
Greene W. 2005. Econometric Analysis (5 Ed.). Ed. Pearson. Nueva York, Estados Unidos.
Hatch D., Nuñez M., Vila F. & Stephenson K. 2012. Los seguros agropecuarios en las
Américas: un instrumento para la gestión del riesgo. Instituto Interamericano de
Cooperación para la Agricultura (IICA). San José, Costa Rica.
Instituto Nacional del Seguro Agrario (INSA) Bolivia. SAMEP, 2012.
Karlan D. & Morduch J. 2009. “Access to Finance”. In Handbook of Development. Rodrik D.
& Rosenzweig M. (Eds).
Lara L., Rapidel B., Stoian D., Arguello J., Giatán T. & Gonzáles C. 2011. Estudio de
factibilidad para la implementación de seguros agrícolas basados en índices climáticos
en el cultivo de café en Honduras y Nicaragua. Documento de Trabajo. CATIE:
Soluciones para el ambiente y desarrollo. San José, Costa Rica.
Leftley A. 2009. “Micro insurance for Health and Agricultural Risks.” in Innovations in Insuring
the Poor. Vargas R. & Torero M. (Eds). International Food Policy Research Institute.
Ley No 144 de Revolución Productiva Comunitaria Agropecuaria, 2011. Gaceta oficial, La
Paz, Bolivia.
Medina, R. 2008. Estimación estadística de valores faltantes en series de lluvia. Documento
de Trabajo. Universidad Tecnológica de Pereira. Colombia.
Michel G., 2012. Linea de base para la gestión del riesgo climático en el Estado
Plurinacional de Bolivia. Informe de Consultoría: Programa de Adaptación al Cambio
Climático en la Región Andina. GIZ, Bolivia.
Miñarro A. 1998. Estimación no paramétrica de la función de densidad. Documento de
Trabajo. Universidad de Barcelona. Barcelona, España.
Osgood D., McLaurin M., Carriquiry M., Mishra A., Fiondella F., Hansen J., Peterson N. &
Ward N. 2007. Designing Index-Based Insurance for Farmers: in Malawi, Tanzania and
Kenya. Reporte Técnico de IRI 07-02. International Research Institute for Climate and
Society. Universidad de Columbia, Estados Unidos.
PROSUCO, 2010. Fondo de Mitigación de Riesgo Agrícola. Asociación Promoción de la
Sustentabilidad y Conocimientos Compartidos. Enlace web: www.prosuco.org.
Raes D., Steduto P., Hsiao T. & Fereres E., 2009. AquaCrop, the FAO crop model to
simulate yield response to water. Manual de Referencia. FAO. Estados Unidos.
44
Tondelli C. & Castellon A. 2010. Seguro Agrícola y Micro seguros Productivos. Documento
de Trabajo. Fundación PROFIN.
Werner M. 2005. Los Seguros Agrícolas: Evolución y Perspectivas en América Latina y el
Caribe. Documento de Trabajo RUR 05 – 02. Departamento de Desarrollo
Sustentable, Banco Interamericano de Desarrollo. Washington, Estados Unidos
Werner M. & Arias D. 2006. Agricultural Insurance in Latin America: Where are We?
Documento presentado en Paving the Way Forward for Rural Finance An International
Conference on Best Practices.
45
Tabla Anexo 1: Resultados de los Modelos de Indexación del Riesgo Climático de Cultivos de Trigo
Modelo 1 Modelo 2 Modelo 3
Variable Explicada: Rendimiento Rendimiento Log-Rendimiento
Variable Explicativa
Precipitación Acumulada Disponible entre los Días 0-90 (mm.) n.a. 0.002499 *** n.a.
Precipitación Acumulada Disponible entre los Días 21-120 (mm.) 0.004113 *** n.a. n.a.
Precipitación Acumulada Disponible entre los Días 31-40 (mm.) n.a. n.a. n.a.
Precipitación Acumulada Disponible entre los Días 21-30 y 41-120 (mm.) n.a. n.a. 0.005765 ***
Precipitación Acumulada Disponible entre los Días 91-130 (mm.) n.a. 0.004657 n.a.
Cuadrado de la Precipitación Acumulada Disponible entre los Días 31 y 40 n.a. n.a. -0.000206
Dummy = 1 para el ciclo agrícola 1990-1991 -0.422391 *** -0.471365 ** n.a.
Dummy = 1 para el ciclo agrícola 2001-2002 0.497055 *** -0.468274 *** 0.735117 ***
Dummy = 1 para el ciclo agrícola 2010-2011 -0.499320 *** 0.635241 ** -0.87266 ***
Tendencia 0.024000 *** n.a. 0.034287 ***
Tendencia cuadrática -0.000315 *** n.a. -0.000450 **
Constante -0.761094 *** -0.320569 *** -2.541107 ***
R2 0.83 0.61 0.82
R2 Ajustado 0.60 0.54 0.78
Número de observaciones 45 45 45
46
Tabla Anexo 2: Resultados de los Modelos de Indexación del Riesgo Climático de Cultivos de Papa
47