financial consulting services fics - derivex de... · 2012-10-31 · de la simulación a:...

Modelos lineales para energía eléctrica en Colombia Financial Consulting Services

Octubre de 2012

Elaborado por:

Nicolás Corredor Matiz

Juan Enrique Barco

FINANCIAL CONSULTING SERVICES ¿Quiénes somos?

• Somos una compañía de ingeniería financiera que tiene como objetivo primordial asesorar compañías del sector real y financiero en la administración de riesgo mercado y diseño de estructuras financieras con metodologías y técnicas de punta en finanzas cuantitativas.

• Fundada en 2006 por un equipo con una alta formación cuantitativa y amplia experiencia en los mercados financieros nacionales e internacionales. Hemos trabajado con compañías de la más alta calidad incluyendo entre otras a: Bolsa de Valores de Colombia, Alianza Valores, Bolsa y Renta, Ultrabursatiles, Terpel, Colinversiones, Anglo-Gold, Universidad Nacional de Colombia, Acepalma, Fedepalma, Programa MIDAS de USAID y Centennial Partners.

• Nuestro modelos se utilizados hoy para el manejo de activos y monitoreo de riesgo en inversiones que superan US1 Billón, en diferentes tipos de inversión.

FINANCIAL CONSULTING SERVICES Modelos y herramientas • Particularmente en el mercado de energía eléctrica, FiCS ha venido estando presente en el mercado

energético, realizando conferencias, y preparando al mercado en las herramientas necesarias para la administración de las operaciones con futuros, mucho antes de la creación del mismo.

• Hemos desarrollando un modelo de predicción de precios de le energía con excelentes resultados y un modelo para la toma de decisiones de compra y venta de futuros, con un énfasis en el análisis de riesgo, para así asegurar las operaciones de las compañías.

• Nos sentimos comprometidos con el desarrollo del país y apoyamos la educación pública y privada, patrocinando diferentes programas académicos a través de la docencia y grupos de investigación en finanzas cuantitativas y productos derivados.

FINANCIAL CONSULTING SERVICES Portafolio de servicios

• Consultoría en Administración de Riesgo de Mercado • Financiero tasas de interés, tasas de cambio • Commodities softs, metales, bullions, energía • Otros

• Administración de Portafolios • Análisis de Administradores • Estructuración de Portafolios • Análisis y diseño de Benchmarks • Análisis Cualitativo y Cuantitativo de Inversiones Alternativas

• Estructuración y modelación de Arbitraje • Tasa de cambio • • Futuros • Arbitraje Estadístico en Volatilidad de Opciones

Financial Consulting Services

Nicolás Corredor Matiz, MSC Manager

• NC trabaja con empresas industriales y financieras en medición y predicción de la volatilidad de variables de mercado como acciones, commodities, tasas, etc.; Identificación y Medición del Riesgo generado por dichas variables; Diseño de políticas de Cobertura de Riesgo utilizando derivados; Diseño de coberturas no estándar. Ingeniero Industrial, Matemático y Maestro de Matemáticas de la Universidad de los Andes.

Conferencias:

• Conferencista en la Celebración XXI Asamblea Anual de Asociación Colombiana de Ejecutivos de Finanzas - ACEF", en Cali. Titulo de la exposición: del valor creado para empresas utilizando derivados". Junio 2009.

• Conferencista en el de Modelos Matemáticos para Mercados de Energía" organizado por la Universidad de los Andes en Bogotá. Título de la exposición: y optimización del flujo de caja de una generadora eléctrica". Junio 2009.

• Conferencista en la para Usuarios de Palisade Latinoamérica" en Medellín, organizado por Palisade. Titulo de la exposición: de la simulación a: administración de riesgo cambiario, optimización de la posición de una generadora eléctrica, y cobertura de deuda". Octubre 2008.

• Conferencista en la para Usuarios de Palisade Latinoamérica" en Costa Rica, organizado por Palisade. Titulo de la exposición:

y hedging de portafolios con derivados". Noviembre 2007.

• Conferencista en el Seminario Session with ACOLGEN" organizado por la Universidad de los Andes, con la participación de Shmuel Oren (U. de California, Berkeley) y Alfredo Garcí (U. de Virginia). Título de la exposición: Electricity derivatives and the problems of the MOR proposal". Noviembre

• Conferencista en el Seminario de Derivados en Colombia" organizado por la Universidad Nacional. Titulo de la exposición:

y hedging de portafolios con derivados". Octubre 2007.

• Conferencista en el Seminario en Matemáticos para Mercados de Energía" organizado por la Universidad de los Andes. Título de la exposición: del precio spot de la electricidad". Octubre 2007.

• Conferencista en el XVII simposio de estadística de la universidad nacional de Colombia: en la evaluación de riesgos". Título de la exposición: dinámicas de riesgo y optimización dinámica de portafolios". Agosto 2007.

Contexto

• Orgullosamente para Colombia, tenemos un mercado de derivados de commodities energéticos:

• El mercado de futuros de energía eléctrica cada vez está aumentando su liquidez y adquiriendo más interés por parte de los participantes potenciales de este mercado.

• Es un commodity complejo de modelar y de administrar, pero que también presenta oportunidades importantes que no se tienen en otros commodities y la necesidad de un entendimiento superior y su manejo es relevante para un gran porcentaje de empresas del país.

• Las necesidades son las de administración del riesgo, para reguladores y operadores, pero también existe por las características del precio de la energía eléctrica un gran potencia a ser explotado en los análisis que se hagan para tener un view de la dirección del precio y las predicciones de precio con modelos estadísticos.

Índice

Modelos lineales para energía eléctrica en Colombia

Contexto: riesgo y herramientas

Modelos de predicción lineales

Coberturas con Futuros (instrumento lineal)

Administración de riesgo

EMPRESA: ¿DEBO O NO CUBRIRME?

• Existen temores y malentendidos causados por las coberturas:

– Costos de dichas transacciones

– Pérdidas en las estructuras

• Es necesario familiarizarse con estas herramientas y estrategias:

– Entender que la empresa se encuentra expuesta a un riesgo

– El no hacer coberturas es apostar a que el merado se moverá a su favor

– El uso adecuado de derivados REDUCE dicho riesgo

– Acercar a las juntas directivas para que aprueben el uso adecuado de derivados: deben estar al tanto de la política y estrategias de cobertura y controlar

– No cubrirse pasa desapercibido, así se esté expuesto a un riesgo importante contrario a lo que pasa al realizar una cobertura

DOS PUNTOS DE VISTA SOBRE LAS COBERTURAS COMPRAS

• Riesgo hoy (real)

•Aseguro la rentabilidad de mi negocio desde hoy, independiente de la dirección de la EE

PRECIO EE

EE_Prom_Día Futuro

PRECIO EE

EE_Prom_Día EE_SIMUL Futuro

• Riesgo de oportunidad

“Si no se hubiera realizado la cobertura habría pagado

menos”

• Riesgo de oportunidad

¡Cuidado! •Cambio mi negocio: rentabilidad depende de mi habilidad predictiva •Pongo en riesgo el negocio •La EE no es predecible •“Si no puedo tolerar tener un buen beneficio solo porque hubiera podido tener uno mejor, entonces algo está mal” (James B. Steward, Wall Street Journal, 8 Julio 09)

PRECIO EE

EE_Prom_Día EE_SIMUL Futuro

ESTRATEGIA DE COBERTURA

Clasificación de diferentes tipos de commodities

• Hoy en día el termino commoditiy se usa para ampliamente para diferentes activos.

• Activos que no sean un verdadero asset :

– Un commodity es un bien sobre el cual hay demanda, pero es suministrado sin una diferenciación cualitativa entre el mercado

– Un producto básico con poco valor agregado

– Materia prima

– Es utilizado en un contexto más amplio como un producto común

• Amplia gama de tipos de commodities:

– Las diferencias tienen un impacto sustantivo en el comportamiento de los precios,

– Como se relaciona el precio spot (si existe) y los futuros (forwards)

– En la manera como se modelan,

– Y como se deben manejar o administrar.

MERCADOS

• Los commodities son activos

– Reales

• Cash market:

– Mercado físico, independiente de cómo o cuando se paga

• Spot market:

– Mercado de contado

• Los derivados sobre commodities son activos:

– Financieros

• Forward Market:

– Mercado a plazo

Clasificación de diferentes tipos de commodities (cont.)

• Diferencia fundamental:

– Se pueden almacenar (la mayoría)

– No se pueden almacenar

¿En cual clasificación cae la energía eléctrica en Colombia?

• Otra diferencia muy importante:

– ¿Estacionalidades en la demanda?

– ¿Estacionalidades en la oferta?

LA EE ES UNO DE LOS COMMODITIES MÁS VOLÁTILES

•No obstante, EXISTE UNA CLARA ESTACIONALIDAD EN LOS PRECIOS

•Los Futuros sobre EE son una herramienta necesaria para tener eficiencia en

las compras/generación/comercialización/distribución

100,00

150,00

200,00

250,00

300,00

350,00

Light Sweet Crude Oil vs EE Precios

Energía Eléctrica (COP/kWh)

Crude Light (USD/bbl)

Crude Light vs EE Modelos de volatilidad cambiante en el tiempo clústers de volatilidad

Retorno EE

Modelo EWMA para la volatilidad

Comparación de la volatilidad

Aproximadamente la volatilidad del crudo es 40% y la de la energía eléctrica en Colombia es de 200% (5 veces mayor): ¿ENTONCES ES 5 VECES MÀS RIESGOSO?

Crude Light vs EE Proceso de los precios

Energia Eléctrica

Movimiento Browniano Geométrico ¿? dzdtS

No valorar opciones de energía eléctrica con la fórmula de Black-Scholes!

PROBLEMAS MR PARA MODELAR EE

• Si S* = 135 y = 0. 1, entonces:

No considera estacionalidades

Ir al Modelo

dzdttStdttDtS

dztSdttSttSdttStDtdS

)()()()(

,)()()()()()()(

Modelo de Geman y Roncoroni Tendencia

)()()()()()()( 1 tdJthtdWdttEtdttDtdE

)4cos()2cos(),,,,,;( tttt

MODELO DE GEMAN Y RONCORONI Simulaciones

Conclusiones

• Las empresas deben ser consientes que el negocio en el que se encuentran tiene un riesgo de mercado, no hacer nada es tener exposición en el mercado (especular)

• Las operaciones con derivados en Derivex no aumentan el riesgo, sino que lo disminuyen

• La energía eléctrica tiene una volatilidad muy alta, pero tiene razones fundamentales que hacen que los precios retornen a una media (que cambia con el tiempo)

• Modelar el precio para medir su voaltilidad y para predecir su comportamiento futuro son herramientas claves que ayudarán a optimizar sus portafolios de generación, comercialización, compras.

• Vamos a ver herramientas básicas para esto

Índice

Modelos de regresión lineal

Modelos de regresión lineal Pueden modelar una relación no lineal entre las variables

Pero modelar relaciones no lineales entre las variables necesita para cada problema una especificación diferente, que puede no ser evidente, sobre todo para el caso de más de 2 variables explicativas

Redes neuronales Introducción

• Ampliamente utilizadas en una gran variedad de problemas de modelación y predicción.

• Pueden aproximar casi cualquier función no-lineal:

Al ser utilizada para modelar relaciones no lineales, la red podrá adaptarse y ajustarse fácilmente, sin necesidad de construir un modelo de regresión no-lineal específico para cada problema.

• No obstante, su uso sin un entendimiento profundo de éstas tiene riesgos importantes:

– Los parámetros del modelo son difíciles (o imposibles) de interpretar.

– Su uso con paquetes de software hace que no se entienda en la mayoría de los casos la estructura de la red.

– El ajuste superior dentro de muestra puede no generar buenos resultados fuera de muestra (similar al caso del primer modelo de regresión expuesto).

Modelo de regresión no-lineal flexible

Se pueden utilizar diferentes tipos de funciones en forma de S

Ejemplo Relación no lineal compleja: y = sin(exp(x/1.5))

Estimación Se puede estimar las redes (al ser regresiones no lineales) con mínimos cuadrados (entrenamiento), aunque la presencia de mínimos locales complejiza el proceso

• Dividir la muestra para no sobreestimar.

• Diferentes tipos de algoritmos numéricos para la estimación dan diferentes tipos de aprendizaje.

Fuente:Time series forecasting with neural network

ensembles: an application for exchange rate

Prediction, GP Zhang y VL Berardi, 2000

¿Qué variables podemos utilizar para desarrollar el modelo y cómo las utilizamos?

Análisis fundamental y análisis técnico

Análisis Fundamental Vs. Análisis Técnico ¿Qué son?

• Consiste en el estudio y efecto de los datos de la Oferta y Demanda, datos Macroeconómicos, eventos Sociales, Políticos, Financieros, Climáticos & Estacionalidades en los precios de los Activos Financieros.

• Monitoreo de las Tasa de Interés.

• Monitoreo de los Precios de los Bienes Estratégicos (Petróleo, Oro, etc.).

• Es el que se utiliza para interpretar un gráfico y permite ver qué es lo que sucede al instante y actuar en consecuencia.

• Examina datos pasados sobre cotizaciones y volúmenes negociados, con el objetivo de prever futuros movimientos de precios.

• Estudiando los gráficos con herramientas específicas, se descubren tendencias (primarias o secundarias) y se identifican oportunidades de compra o de venta.

¿Qué es el análisis técnico?

Con el análisis técnico se intenta recopilar información exclusivamente por el movimiento de los precios, y su principio más firme es que los mercados actúan por tendencias y que el estado de ánimo, la información de la que disponen los inversores.

En resumen, todo lo que influye en el comportamiento de los precios está expresado en el gráfico.

Los Tres Pilares del Análisis Técnico

1. Los precios de mercado los descuentan todo.

2. Los precios se mueven en tendencias.

3. La historia se repite.

Líneas de Tendencia

• Tendencia alcista: Unión de dos mínimos, uno inferior al otro. La tendencia durara en tanto el precio se mantenga encima de la línea de tendencia.

• Tendencia bajista: Unión de dos máximos, uno inferior al otro. La tendencia durara en tanto el precio se mantenga debajo de la línea de tendencia

Tendencias del mercado

• Tendencia alcista

• Tendencia bajista

• Tendencia lateralizada

Medias móviles

• Las medias móviles ( moving averages) son los indicadores técnicos más versátiles y difundidos.

• La media móvil es esencialmente una forma de seguir la tendencia. Su propósito es saber o indicar que ha comenzado una tendencia nueva o que una vieja ha finalizado o ha cambiado de dirección.

• Los principales indicadores incluidos en esta categoría son:

• Promedios móviles simples

• Promedios móviles ponderados

• Bandas de Bollinger

• Por ejemplo, para calcular una media móvil de un plazo de 50 días, se suman los precios de cierre de los últimos 50 días y se dividen por 50.

• Para cada media móvil siguiente, se agrega el ultimo precio de cierre y se elimina el mas antiguo

• Las medias móviles mas utilizadas son las de: 35, 50, 100 y 200 periodos

Media móvil para la energía eléctrica MA(50) y MA(23)

Análisis Fundamental • El análisis fundamental se concentra en las teorías financieras y económicas, así como también en los

desarrollos políticos, para determinar las fuerzas de la oferta y la demanda del subyacente.

• Comprende la revisión de los indicadores macroeconómicos, los mercados de valores y las consideraciones políticas (éstas últimas influyen en la confianza en los gobiernos y el clima de estabilidad de los países.)

• Entre los indicadores macroeconómicos más importantes destacan las tasas de crecimiento, las mediciones del Producto Interior Bruto, los tipos de interés, la inflación, la tasa de desempleo, la tasa monetaria, las reservas de divisas extranjeras y la productividad.

Energía eléctrica http://www.xm.com.co/Pages/DescripciondelSistemaElectricoColombiano.aspx

Clima: IDEAM http://www.pronosticosyalertas.gov.co/jsp/loader.jsf?lServicio=Publicaciones&lTipo=publicaciones&lFuncion=loadContenidoPublicacion&id=894

NOAA/National Weather Service

• the rumor, sell the - clásico de los mercados:

• Los activos van incorporando paulatinamente las expectativas sobre un determinado evento, y reaccionan en consecuencia ajustando los precios a medida que crecen las expectativas sobre el evento en cuestión.

• Finalmente, cuando el evento en concreto se produce, los operadores desarman posiciones y se revierte la acción de precios.

Análisis técnico ¿Es relevante para predecir el precio de la energía eléctrica?

Análisis fundamental para la Energía Eléctrica

¿Qué factores afectan el precio de la energía eléctrica?

¿Qué información se tiene sobre éstos?

¿Hasta qué detalle se debe entrar a analizar la información que se tiene?

Información disponible:

http://sv04.xm.com.co/neonweb/default.asp

Información disponible: ttp://sv04.xm.com.co/neonweb/default.asp

Formación del Precio de Bolsa

Precio de Oferta:

Costo Variable y valor del agua

Precio oferta $/kWh Percepción

del riesgo

Pago de la energía competitiva a Precio de Bolsa

Precio Bolsa Nacional

Margen del generador

Cargo por confiabilidad

Demanda Nacional

Fuente: XM, http://www.xm.com.co

Demanda de energía eléctrica

• Existen pruebas estadísticas para evaluar la existencia de estacionalidad, también como procedimientos para remover las estacionalidades.

• Es común incluir las estacionalidades al momento de modelar y no removerlas, ya que incluir esta información puede mejorar los pronósticos.

Centrales hidroeléctricas http://www.xm.com.co/Pages/DescripciondelSistemaElectricoColombiano.aspx

OPERADOR CHIVOR URRA

CENTRAL

EMBALSE

EPSA EMGESA EPM ISAGEN

Centrales hidroeléctricas Generación histórica

Centrales hidroeléctricas Volumen embalses (suavisado) niño (rojo), niña (verde)

Fracción de año

DEMANDA

Fracción de año

Agregado nacional

Fracción de año

DEMANDA

40% 45% 50% 55% 60% 65% 70% 75% 80% 85%

Fracción de año

TOTAL GENERACION HID %

0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5

Fracción de año

TOTAL – TENDENCIA AP HID

Fracción de año

TOTAL – TENDENCIA VOL EMB

Agregado nacional (cont.)

40% 45% 50% 55% 60% 65% 70% 75% 80% 85%

Fracción de año

TOTAL GENERACION HID %

Fracción de año

DEMANDA

Fracción de año

PRECIO EE - TENDENCIA

Fracción de año

PRECIO EE

Ofertas diarias http://www.xm.com.co/Pages/OfertadeElectricidad.aspx

Análisis Fundamental Ofertas EPM

Análisis Fundamental Ofertas EPM - disponibilidad

Análisis Fundamental Ofertas HIDROELÉCTRICAS - disponibilidad

Fracción de año

PRECIO EE

Análisis Fundamental Ofertas GECELCA

Análisis Fundamental Ofertas GECELCA - disponibilidad

¿Qué variables incluir en el modelo? ¿Cómo?

Modelación del precio de la energía eléctrica

• Para comenzar, es de gran importancia identificar las características de la serie a modelar.

• Observar la serie permite generar ciertas hipótesis sobre el comportamiento de la variable.

• La muestra seleccionada para el análisis es: 01-ene-2000 a 24-mar-2012.

• Se puede identificar una tendencia positiva en los precios, la cual puede ser atribuible al proceso inflacionario colombiano.

• En este caso se llevaron los precios a niveles constates de Dic-1999, lo cual elimina la tendencia.

• Este mismo ejercicio de eliminación de pendiente puede llevarse a cabo con el IPC, IPP, DTF y el PIB para cualquier año de la muestra.

• Pueden ser más prácticos los índices de precios por su consistencia metodológica en el periodo evaluado. • Si se quiere trabajar o no con la serie deflactada dependerá del analista.

Modelación del precio de la energía eléctrica Tendencia

• ¿Por qué es importante remover o identificar si una serie tiene tendencia?

• Realmente, lo que es importante es identificar las características estadísticas de la serie a modelar.

• La variable de interés debe mantener su media y su varianza constantes a través del tiempo para poder aplicar algunas herramientas estadísticas de gran importancia en el proceso de estimación.

• La propiedad de una serie de mantener su media y varianza el tiempo se conoce como estacionariedad débil.

• Si se observa el promedio anual de los precios deflactados y sin deflactar, se puede identificar claramente cómo la media de la serie de precios constantes es mucho más estable a través de la muestra.

• Es importante señalar que en ningún momento se cuenta con información suficiente para afirmar si las desviaciones de la media son estadísticamente significativas:

Para esto es común utilizar autocorrelogramas de la variable, el cual ayuda a identificar si una serie es o no estacionaria.

Ejemplo con simulaciones X y Y son variables independientes

Modelación del precio de la energía eléctrica Correlogramas

• Los autocorrelogramas de la serie a precios corrientes y constantes disminuyen de forma muy lenta.

• Esto es característico de series no estacionarias o integradas.

• El nivel de integración de la series está determinado por el número de veces que estas deben ser diferenciadas para llegar a ser estacionarias.

• Es muy importante no sobre diferenciar la serie. Para esto se debe observar el comportamiento de los autocorrelogramas de la serie en niveles, en primeras y segundas diferencias y sus varianzas.

Autocorrelograma (Precios-Izquierda Precios deflactados-Derecha)

Un ejemplo muy sencillo. Suponga que 𝑦𝑡 es una serie integrada de orden uno (𝐼 1 ). Es decir que ∇ 𝑦𝑡 es una

serie estacionaria o integrada de orden cero (𝐼 0 ), donde:

∇ 𝑦𝑡 = 𝑦𝑡 − 𝑦𝑡−1

En el ejemplo anterior, si se diferencia por segunda vez la variable 𝑦𝑡 se espera que 𝑣𝑎𝑟 ∇𝑦𝑡 < 𝑣𝑎𝑟 ∇2yt .

En el caso del mercado de energía eléctrica, la tabla muestra cómo al diferenciarse por segunda vez el nivel de precios,

ya sean corrientes o constantes, la varianza se eleva, dando señales de que la serie es 𝐼 1 :

Precio 1351∇

(Precio) 89∇

(Precio)) 217

Varianza precios corrientes

Precio 342∇

(Precio) 35∇

(Precio)) 85

Varianza precios constantes

• Para confirmar el nivel de integración de la serie se pueden utilizar algunas pruebas de hipótesis conocidas como pruebas de raíz unitaria.

• Las pruebas más conocidas son: – Dickey-Fuller aumentada. – Phillips-Perron. – Kwiatkowski-Phillips-Schmidt-Shin (KPSS).

• Es tradicional aplicar estas tres pruebas a la

serie analizada y sus diferencias, hasta conseguir que las tres tengan evidencia estadística para rechazar la hipótesis nula de que la serie tiene una raíz unitaria.

Autocorrelograma primera diferencia (Precios-Izquierda

Precios deflactados-Derecha)

Modelación del precio de la energía eléctrica Pruebas de raíz unitaria para la serie de precios constantes

Estadístico-t Prob.*

-5.113 0.000

Nivel 1% -3.432

Nivel 5% -2.862

Nivel 10% -2.567

Hipótesis nula: Precios-Constantes tiene raíz unitaria.

Exógena: Constante

Estadístico Dickey-Fuller aumentado

Valores críticos

LM-Stat.

Nivel 1% 0.739

Nivel 5% 0.463

Nivel 10% 0.347

Exógena: Constante

Hipótesis nula: Precios-Constantes es estacionaria

Estadístico Kwiatkowski-Phillips-Schmidt-Shin

Valores críticos

Dickey-Fuller aumentada

• Las tres pruebas dan indicios de que no hay una raíz unitaria en la serie de precios constantes de energía eléctrica.

Phillips-Perron KPSS

-9.287 0.000

Nivel 1% -3.432

Nivel 5% -2.862

Nivel 10% -2.567

Exógena: Constante

Valores críticos

Estadístico Phillips-Perron

• Las tres pruebas dan indicios de que no hay una raíz unitaria, i.e. las tres pruebas indican que la variable es estacionaria.

Modelación del precio de la energía eléctrica Pruebas de raíz unitaria para la serie de precios corrientes

Dickey-Fuller aumentada

LM-Stat.

Nivel 1% 0.739

Nivel 5% 0.463

Nivel 10% 0.347

Exógena: Constante

Hipótesis nula: Precios-Constantes es estacionaria

Valores críticos

Phillips-Perron KPSS

LM-Stat.

Nivel 1% 0.216

Nivel 5% 0.146

Nivel 10% 0.119

Valores críticos

Exógena: Constante y tendencia lineal

Hipótesis nula: Precios-Corrientes es estacionaria

-5.113 0.000

Nivel 1% -3.432

Nivel 5% -2.862

Nivel 10% -2.567

Exógena: Constante

Valores críticos

-8.726 0.000

Nivel 1% -3.960

Nivel 5% -3.411

Nivel 10% -3.127

Hipótesis nula: Precios-Corrientes tiene raíz unitaria.

Exógena: Constante y tendencia lineal

Valores críticos

Modelación del precio de la energía eléctrica Autocorrelograma parcial

• Análisis complementario: Autocorrelograma parcial.

• Las dos series siguen el mismo comportamiento, el cual coincide con el de una serie estacionaria.

• Con lo anterior se concluye que las series de precios corrientes y constantes son estacionarias y que contienen una estacionalidad semanal marcada: – Demanda semanal de energía

eléctrica.

Autocorrelograma Parcial (Precios-Izquierda

Precios deflactados-Derecha)

Observaciones del precio

• Es muy importante para modelar y predecir el precio de la energía eléctrica tener cuidado al incluir variables que tengan estacionalidades como:

– La demanda

– Aportes hídricos

– Volumen embalses

• Las tendencias comunes pueden generar modelos con un muy buen ajuste dentro de muestra, pero no ser adecuados para predecir (fuera de muestra):

– Razones lógicas por las que existe una relación de los precios

– Pruebas en un backtesting fuera de muestra

• El precio de la energía eléctrica parece ser estacionaria, así que los modelos de regresión que se diseñen para modelar ésta como variable dependiente se pueden hacer sobre el precio, y no necesariamente sobre los retornos.

Construcción de un modelo de predicción Modelo de regresión lineal

Precio Nacional Promedio y Tendencia

Precio Nacional Promedio Mensual Tendencia Mensual

Aportes Hidricos Mensuales

Demanda Mensual

Volumen Embalses Mensual

Precio Nacional Mes i =

Precio Nacional Mes i-1, Precio Nacional Mes i-2, Precio Nacional Mes i-

Tendencia Mensual i, Tendencia Mensual i-1, Tendencia Mensual i-

Aportes Hídricos Mes i-1, Aportes Hídricos Mes i-

Volumen Embalses Mes i-1, Volumen Embalses Mes i-

Demanda Mes i-1, Demanda Mes i-2, Demanda Mes i-

Pero, ¿cuántas variables, cuales LAGS de las variables?: • Una alternativa es dejar que una selección de variables decida, por ejemplo en EViews

• Variable dependiente:

– PNAL (precio promedio de la energía eléctrica)

• Regresores posibles a ser probados:

– APHID(-1) DEM(-1) VOL(-1) PNAL(-1) IPC(-1) TREND(-1)

Construcción de un modelo de predicción Modelo de regresión lineal stepwise regression

-.0002

-.0001

2004 2005 2006 2007 2008 2009 2010 2011 2012

Residual Actual Fitted

El modelo tiene un ajuste excelente, todos los parámetros son estadísticamente significativos: ¿estamos listos para invertir $$ en el modelo?

Modelo de predicción Evolución del portafolio

Manejo de riesgo: APALANCAMIENTO

Modelo de predicción 2 Solamente se utilizan aportes hídricos y variables dummy

• En la modelación se incluirán los aportes hídricos al sistema nacional.

• Para incluir esta variable en el modelo se debe confirmar que es del mismo nivel de integración que la serie de precios.

• Las pruebas de raíz unitaria muestran que la serie de aportes hídricos en niveles también es estacionaria. El autocorrleograma de la serie indica lo mismo.

Exógena: Constante

-5.572 0.000

1% level -3.440

5% level -2.866

10% level -2.569

Valores críticos

Hipótesis nula: Aportes Hídricos tiene raíz unitaria.

Exógena: Constante

LM-Stat.

Estadístico Kwiatkowski-Phillips-Schmidt-Shinstatistic 0.747

1% level 0.739

5% level 0.463

10% level 0.347

Valores críticos

Hipótesis nula: Aportes Hídricos es estacionaria.

Exógena: Constante

-7.853 0.000

1% level -3.440

5% level -2.866

10% level -2.569

Hipótesis nula: Aportes Hídricos tiene raíz unitaria.

Valores críticos

• El modelo estimado es:

Variable Coeficiente Error. Stdr Estadístico-t Prob.

TREND 0.0255 0.0057 4.4760 0.000

PRECIO(-1) 0.7911 0.0257 30.7414 0.000

PRECIO(-10) 0.1544 0.0391 3.9450 0.000

PRECIO(-11) -0.0876 0.0396 -2.2143 0.027

APORTES(-1) -12.5081 1.6468 -7.5953 0.000

APORTES(-2) 5.2581 1.7504 3.0040 0.003

APORTES(-18) -2.7821 1.3583 -2.0482 0.041

ENERO 16.8484 3.1557 5.3390 0.000

FEBRERO 16.3314 3.2463 5.0308 0.000

MARZO 13.9853 3.4963 4.0000 0.000

ABRIL 14.8232 3.5580 4.1662 0.000

MAYO 14.1606 3.8296 3.6977 0.000

JUNIO 15.2594 3.7982 4.0176 0.000

JULIO 16.3985 3.5985 4.5570 0.000

AGOSTO 18.2842 3.6275 5.0405 0.000

SEPTIEMBRE 23.2020 3.9325 5.9000 0.000

OCTUBRE 17.5054 4.1320 4.2365 0.000

NOVIEMBRE 17.2123 4.1370 4.1605 0.000

DICIEMBRE 14.6897 3.6699 4.0027 0.000

R-squared 0.883315 79.59355

Adjusted R-squared 0.879814 35.8125

S.E. of regression 12.41542 7.90597

Sum squared resid 92485.65 8.041889

Log likelihood -2427.898 7.958806

Durbin-Watson stat 2.053339

Mean dependent var

S.D. dependent var

Akaike info criterion

Schwarz criterion

Hannan-Quinn criter.

• El valor crítico máximo aceptado es una decisión individual. En este caso, se permitió un máximo de 10% para la selección de la variable.

• No sólo se debe tener en cuenta la significancia individual de cada variable. También se debe mirar la prueba F de significancia conjunta, el r-cuadrado y r-cuadrado ajustado, la suma de residuales de la regresión, el estadístico de Akaike, Schwarz y Hannan-quinn.

• Estos últimos estadísticos sólo sirven si se tiene otro modelo de comparación. Por si solos no dicen nada. Se busca el menor valor de ellos.

• El estadístico Durbin-watson debe ser muy cercano a 2.

• El modelo tiene un ajuste del 88%. Lo verdaderamente importante es el comportamiento fuera de muestra.

• El MAE para los pronósticos de las fechas entre el 01/02/2012 hasta 03/12/2012 es de 15.49 pesos par los 11 periodos y un hit ratio de 55%.

• Se incluyeron variables dummy para incorporar la estacionalidad del clima colombiano.

• El modelo y sus predicciones hubiera generado hasta el día 12 de marzo de 2012 una ganancia de 123%.

• Este portafolio inició con un millón de pesos, pasando a un mínimo de 750 mil pesos a finales de febrero y llegando a un máximo de 2 millones trescientos mil pesos.

Otras precauciones

• Al realizar un Backtesting:

– Pararse por ejemplo el 1 de enero de 2011

– Utilizar el modelo para predecir lo que ocurrirá durante el mes

– Comparar con lo que realmente ocurrió

• Cuidado:

– No utilizar NADA de la información que en el 1 de enero no era conocida

– Si calculó tendencias con ayuda de todos los datos no debe utilizarlas

– Que el modelo sea estadísticamente correcto/significativo no implica que pueda hacer buenas predicciones

– No hacer selección de variables sino con los datos hasta la fecha de inicio del análisis

– Cualquier error, o cualquier puede tener un efecto muy grande en los resultados (buenos resultados backtesting, pobres resultados en la realidad)

Índice

NATURALEZA DE LOS DERIVADOS

Como su nombre lo dice, un derivado es un instrumento financiero cuyo valor se deriva de los valores de otras variables subyacentes más básicas, en particular, commodities

Los derivados más conocidos son: – Contratos de Futuros

– Contratos Forward

– Swaps

– Opciones

PAPEL DE LOS DERIVADOS

• Creciente importancia de los derivados en los últimos 30 años

• Los futuros y opciones se transan cada vez más activamente en las bolsas

• Diferentes tipos de forwards, swaps, opciones y otros derivados son transados por instituciones financieras, administradores de fondos y tesoreros corporativos en los mercados OTC

• Ha llegado el momento en que cualquier persona que trabaje en finanzas necesita conocer cómo funcionan los derivados, cómo se usan, valoran y cubren

NATURALEZA DE LOS DERIVADOS

¿Cómo se usan los derivados?

Para cubrimiento de riesgo Hedging

Para especular (tomar un visión futura de la dirección del mercado)

Para cerrar oportunidades de arbitraje

Para cambiar la naturaleza de una inversión sin incurrir en costos de vender un portafolio y adquirir otro

MERCADO DE DERIVADOS

• Transados en bolsa – El mercado utiliza cada vez menos los sistemas a viva voz, cambiando este sistema por trading

electrónico

– Los contrartos son estandarizados y no hay riesgo crediticio

• Over-the-counter (OTC) – Es una red de instituciones financieras, corporaciones administradores de fondos,

comerciantes que se entrelazan por medio de computadores y teléfonos

– Los contratos pactados pueden ser no estándar y existe (aunque muy bajo) un riesgo crediticio

TIPOS DE COMMODITIES Y BOLSAS DONDE SE TRANSAN

• Softs:

– Agrícolas o agropecuarios: café, cacao, azúcar, algodón, productos cárnicos

– CBOT, LIFFE

• Metales:

– Cobre, aluminio, acero, plomo, níquel, zinc, cobalto, tungsteno, molibdeno

– LME

• Bullions:

– Metales preciosos: oro, plata, platino, paladio

– NYMEX

• Plásticos: Polietileno, Polipropileno

– LME

• Energía:

– Petróleo, gasolina, etanol, fuel oil, gas, carbón, biodiesel, bioetanol, uranio, energía eléctrica

– NYMEX, DERIVEX

• Clima:

– CO2

¿Por que se dice que los futuros son instrumentos lineales?

G/P de una posición larga en un Futuro

Ganancia

Precio EE en T,

Futuro

EET - Futuro

G/P de una posición corta en un Futuro

Ganancia

Precio EE en T,

Futuro

Futuro - EET

EJEMPLO DE COBERTURA A 3 MESES

• COMPRAS en 3 meses expuesta al precio spot: ¿Qué puedo hacer?

PRECIOS EE

EE_Prom_Día

•Predicción de precios: •Análisis técnico •Análisis fundamental •Modelos estadísticos

•Realizar coberturas de precio:

•La rentabilidad (viabilidad) de la compañía no depende de la habilidad predictiva

ESQUEMA DE LA OPERACION

Precio

Ventas EE

Vender

FUTURO

SOBRE EE

El administrador puede cubrir

su operación ante la caída en

los precios de EE, a través del

futuro.

Precio

EE con bilateral

Vender (corto)

FUTURO

SOBRE EE

El administrador puede

descubrir su operación ante una

expectativa de caída en los

precios de la EE a través del

futuro.

Precio Menor Precio Mayor

Precio EE Realizado 100 120

Costos Compra EE -100 -120

= (100 - 110) = (120 - 110)

-10 10

Neto -110 -110

G/P Cobertura

ESQUEMA DE LA OPERACIÓN DE COBERTURA CON FUTUROS

• Es una operación con liquidación financiera generación o consumo de EE involucrado

• El precio actual es Col$ 110 y el Futuros es Col$ 110

• Los resultados posibles son:

La rentabilidad del negocio no depende del precio de la EE

Puedo enfocarme a agregar valor en mi core business

Esta operación genera dudas en las compañías…

estas serán respondidas más adelante

PRECIO DE FUTUROS

• El precio es determinado por el equilibro instantáneo entre las fuerzas de oferta y demanda en la competencia de ordenes de venta y compra en la bolsa en el momento de compra o venta del contrato

• El precio de futuros puede ser diferente para contratos con diferentes fechas de vencimiento (maturities)

Una pregunta relevante: ¿Cómo me cubro con un instrumento sobre TX1, si mi riesgo es sobre el promedio ponderado por la curva de carga?

Curva de carga, exposición real

1,000,000

2,000,000

3,000,000

4,000,000

5,000,000

6,000,000

7,000,000

8,000,000

9,000,000

10,000,000

00 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23

FESTIVOS

SABADO

DOMINGO

LABORAL

Picos en el mercado colombiano

Sep98 May01 Feb04 Nov06 Aug09 May12 Feb150

Comparación TX1 con el precio diario ponderado por la curva de carga

Promedio Ponderado

Que alternativas tenemos para cubrirnos Miremos cómo se hace en otros mercados

Cobertura de Jet Fuel con los futuros de WTI en CME (Crude Light) Historia de precios

Relación Jet Fuel con Crudo

JET FUEL CRUDO

Cobertura de Jet Fuel con los futuros de WTI en CME (Crude Light) Relación cambio de precios

y = 0.8398x + 0.0502R² = 0.4663

-40 -30 -20 -10 0 10 20 30 40 50

Cambios Crudo

JET FUEL vs Crudo

para cubrir 1 gal de Jet fuel es

necesario comprar 0.8398 de Crudo

Correlacion de 0.6829

Cobertura de Jet Fuel con los futuros de WTI en CME (Crude Light) Son realmente dos mercados diferentes con dinámicas diferentes

Relación Jet Fuel con Crudo

JET FUEL CRUDO

Cobertura del promedio ponderado con los futuros de EE en DERIVEX: Relación de precios

Promedio Ponderado

Cobertura del promedio ponderado con los futuros de EE en DERIVEX: Relación cambio de precios

y = 1.0074x - 6E-07R² = 0.9468

-100.00

-50.00

100.00

150.00

-100.00 -50.00 - 50.00 100.00 150.00

Cambios TX1

Promedio Ponderado vs TX1

Cobertura del promedio MENSUAL ponderado con los futuros de EE en DERIVEX: Relación cambio de precios

Relación Promedio Ponderado con TX1

PROMEDIO PONDERADO TX1

y = 0.9889x + 0.0257R² = 0.9853

-80 -60 -40 -20 0 20 40 60 80

Cambios TX1

Cambios mensuales

Cambios TX1 Cambios Promedio Ponderado

Cambios mensuales

Diferencia Cambios mensuales

Diferencia

Cambios Promedio TX1

Cambios Promedio Precio

Cambios Promedio Cobertura

12.61 12.78 1.47

¿Para horas pico?

Promedio Ponderado

y = 1.1786x - 0.0043R² = 0.3976

-200.00

-150.00

-100.00

-50.00

100.00

150.00

200.00

-100.00 -50.00 - 50.00 100.00 150.00

Cambios TX1

Promedio Ponderado horas PICO vs TX1

Cobertura del promedio ponderado con los futuros de EE en DERIVEX: Relación de cambios de precios

100.00

150.00

200.00

250.00

HORAS PICO TX1

Afectan de manera muy importante los saltos, entenderlos y modelarlos ayudará a mejorar los resultados

y = 0.9767x + 0.1206R² = 0.8512

-80 -60 -40 -20 0 20 40 60 80

Cambios TX1

Cobertura del promedio MENSUAL ponderado con los futuros de EE en DERIVEX: Cambios mensuales

Cambios mensuales

Cobertura del promedio MENSUAL ponderado con los futuros de EE en DERIVEX: coberturas

Cambios Promedio TX1

Cambios Promedio Precio

Cambios Promedio Cobertura

12.61 13.44 5.38

Cambios mensuales

Diferencia Cambios mensuales

Diferencia

Jump diffusion

• Los precios de la energía se caracterizan por presentar cambios muy grandes y abruptos, llamados saltos.

• En realidad no son solamente saltos, sino picos.

• Estos picos son causados porque los precios de la energía son mucho mas susceptibles de ser determinados por una demanda spot, por lo que shocks grandes en demanda o producción se pueden ver reflejados en cambios grandes en precio.

• Los saltos están caracterizados por el tiempo de ocurrencia, tamaño y dirección.

Características jump diffusion

• Deng (1999) fue de los primeros en estudiar las características especiales de los precios de energía, pero solamente modela saltos positivos.

• Esto implicaría una asimetría alta, contrario a lo que se observa los precios vuelven a bajar rápidamente.

• Otros como Escribano (2002) modelan saltos con diferentes signos, pero es necesario modelar las correlaciones de saltos positivos y negativos para observar los picos.

• Diferentes autores modelan los saltos como cambios de regímenes, pero esto no permite saltos sucesivos del mismo signo si no se realizan especificaciones complicadas.

PICOS EN EL PRECIO COLOMBIANO

Dec07 Jul08 Jan09 Aug09 Mar10 Sep10 Apr11 Oct11 May12 Nov120

Identificación de saltos Energía eléctrica

Retornos Estandar EE (Ret/Stdev)

Retornos EE

3.5 4 4.5 5 5.5 6 6.5

-7 -6.5 -6 -5.5 -5 -4.5 -4 -3.5

Saltos positivos Magnitud

Saltos negativos Magnitud

100 200 300 400 500 600 700 800 900 1000 1100

x 10-3

200 400 600 800 1000 1200 1400

x 10-3

Saltos negativos

3.5 4 4.5 5 5.5 6 6.5

-7 -6.5 -6 -5.5 -5 -4.5 -4 -3.5

Saltos positivos Frecuencia

Saltos negativos Frecuencia

Retorno EE

3.5 4 4.5 5 5.5 6 6.5

-9 -8 -7 -6 -5 -4

50 100 150 200 250 300

x 10-3

50 100 150 200 250 300

x 10-3

3.5 4 4.5 5 5.5 6 6.5

-9 -8 -7 -6 -5 -4

Saltos positivos Frecuencia NegBin

Saltos negativos Frecuencia NegBin

Identificación de saltos Energía eléctrica vs Crudo

Retornos CL

Para activos de Inversión

Acciones que pagan dividendos

Monedas

Trr feSF)(

TqreSF

Unas notas sobre los futuros y el precio spot Teóricamente se cumple que:

Unas notas sobre los futuros y el precio spot Pero en la realidad:

• Rutinariamente, los precios de los futuros sobre commodities almacenables están por debajo del precio spot, más el costo de tener el inventario hasta la expiración del contrato.

• La decisión de vender ya o en el futuro busca naturalmente maximizar la utilidad esperada descontada.

• Las variables que afectan la decisión son:

– Producción actual,

– Inventarios actuales.

• Simplificando:

– Los agentes aumentan inventarios cuando la producción es mayor que el promedio (sobre todo si los inventarios están bajos),

– Los agentes consumen inventario cuando la producción está por debajo del promedio (sobre todo cuando los inventarios están altos).

Unas notas sobre los futuros y el precio spot Pero en la realidad:

• Dado que los inventarios no pueden ser negativos: – Cuando la demanda es baja (e inventarios altos), es óptimo para los agentes mantener inventarios:

• En un mercado competitivo, los precios deben cubrir los costos de almacenamiento, y el precio forward = precio spot + costo de mantener inventario.

– Cuando la demanda es muy alta, y los inventarios son bajos, es óptimo consumir todos los inventarios: • Dado que el almacenamiento une los precios spot y forward, la falta de inventarios desconecta los precios. • Más aún, cuando no es eficiente mantener inventario, los precios forward deberían castigar el

almacenamiento, al no cubrir los costos de mantener el inventario. • Si la demanda es sufrientemente alta, el precio forward de equilibrio será menor que el spot

backwardation .

– En eventos como en el 2005-2006, donde se presentó un aumento simultáneo de inventarios y precios de la energía se argumentaba que se desconectaron los fundamentales, por exceso de especulación:

• Si hay riesgo mayores (huracanes, niño(a), guerra), los inventarios sirven para mitigar choques fundamentales.

• Discusión: ¿Cómo es (podría ser) la relación entre el precio spot y el precio de la energía eléctrica en Colombia?

Dinámica del precio de los futuros y spot en GAS NATURAL

Dec-11 Jan-12 Feb-12 Mar-12 Apr-12 May-12 Jun-12 Jul-12 Aug-12 Sep-12 Oct-12

NGc1 Diciembre

Dinámica del precio de los futuros y spot en EE

Dec-11 Jan-12 Feb-12 Mar-12 Apr-12 May-12 Jun-12 Jul-12 Aug-12

TX1 Diciembre

Oct-11 Nov-11 Dec-11 Jan-12 Feb-12 Mar-12 Apr-12 May-12

TX1 Mayo

Oct-11 Nov-11 Dec-11 Jan-12 Feb-12 Mar-12 Apr-12 May-12 Jun-12 Jul-12 Aug-12

TX1 Agosto

Índice

ARGUMENTOS A FAVOR DE LAS COBERTURAS

• La compañías deben enfocarse en su core business

• Deben tomar acciones para minimizar el riesgo de tasas de interés, tasas de cambio, materias primas, etc

• Estudios académicos Allayannis and Weston (2001 y Roger and Simkins (2006 entre otros, encontraron evidencia empírica en diferentes sectores industriales con un política adecuada de

Risk Management (Hedging agrega valor a la firma.

• Acceder a menores costos de endeudamiento.

• En casos extremos asegurar la misma subsistencia de la compañía.

ARGUMENTOS EN CONTRA DE LAS COBERTURAS

• Los Shareholders usualmente están bien diversificados y pueden tomar sus propias decisiones de cobertura

• Las coberturas pueden aumentar el riesgo cuando la competencia no se cubre (visión demasiado simplista)

• Es difícil explicar las pérdidas causadas por las coberturas

Medida de riesgo a utilizar VaR

Medidas de riesgo

• Es recomendable complementar la medida del VaR con:

– CVaR

– Stress test (peores pérdidas)

– Peor escenario posible

Características de un trading exitoso

• Preparación y un plan de trading definido: – Plan escrito de QUE se va a comprar/vender y por que, CUANDO y CUANTO se va comprar/vender, definir

claramente los eventos que definen cuando se tomaran ganancias o no y cuando se cortaran las pérdidas. – No dejar nada al azar y mantenerse en el plan hasta el final.

• Mantenerse emocionalmente separado de la posición que se tomó:

– No preocuparse por el trade hasta que la estrategia de salida. – De lo contrario cae en el riesgo de dejar que sus emociones manejen sus decisiones.

• Tener una visión de largo plazo y no esperar retornos grandes inmediatos:

– Aunque es posible generar retornos inmediatos, es poco probable.

• Ser capaces de identificar señales u oportunidades de mercado.

• Reaccionar con decisión.

• Sentirse bien así se haya perdido o ganado.

• Tener confianza en si mismo y en las políticas de la compañía.

Características de un trading exitoso

• Debe poder afrontar una pérdida.

• Entender por qué se está haciendo trading / objetivos / fortalezas / debilidades / ¿se va a ser persistente?

• Conozca su mercado.

• El primer cálculo que debe hacer es el RIESGO.

• Disciplina.

• Mantener una actitud calmada y objetiva (desde junta hacia todas las áreas involucradas):

– Un trader que gana en promedio un 70% de los trades, no es extraño que los primero 3 meses trades, el 70% es en el largo plazo.

• Realice un monitoreo a la estrategia y resultados constantemente: ¿se está logrando cubrir la exposición?, ¿los resultados son aceptables?, ¿los sistemas, políticas, etc. son adecuados?

PERFILES DE RIESGO

• Una de las razones más importantes por las que las compañías no se cubren es porque, aunque entienden los efectos que ha tenido la tasa de cambio y precio de commodities en el pasado, no entienden cómo deben cubrirse para evitar los efectos adversos que estos pueden generar en los resultados de la compañía

• Cada compañía tiene un perfil de riesgo propio, que puede ser difícil de entender/modelar

EMPRESAS DEL MERCADO ENERGÉTICO

• Portafolio de energía eléctrica compuesto de la siguiente manera:

EMPRESA

Contratos Bilaterales Precio Spot Coberturas con Futuros

Negociaciones

complejas, a largo

plazo y sin

posibilidades de

rebalanceo

Exposición a las

dinámicas de la

oferta y demanda

Nuevas alternativas

¿Cómo tomar decisiones óptimas en la

generación/comercialización/compra en EE?

¿Como manejo mi portafolio de EE?

RIESGO GENERADOR HÍDRICO

Oct-06 Feb-08 Jul-09 Nov-10 Apr-12 Aug-13 Dec-14

TX1 Simulacion Promedio

Costo generación $40/kWh Precio bilaterales $130/kWh ¿100% en bilaterales?

Cantidad generada incierta Relación precio de bolsa y generación ¿Que nivel en bilaterales es optimo? ¿Posición resultante si vendo +o- de 100% en bilaterales?

Ejemplos reales

y = 30.716x2 - 9709.2x + 1E+06R² = 0.1859

200000

400000

600000

800000

1000000

1200000

1400000

1600000

0 50 100 150 200 250

GENERACION vs Precio

Ejemplos reales

y = -37.184x2 + 9514.3x + 403663R² = 0.1673

200000

400000

600000

800000

1000000

1200000

1400000

0 50 100 150 200 250

Modelamiento

Demanda: ¿cómo se

afectan las coberturas

en diferentes

escenarios de

precio/cantidad?

PROCESO INTEGRADOR

• Conectar la variable cantidades con el flujo de caja libre de la compañía nos permite también evaluar el efecto comercial que puede tener la estrategia de cobertura

Modelamiento EE

Análisis Estadísticos Sofisticados

Enfoque

Portafolio

Incorporar

actualidad

del mercado

Análisis de riesgo

EJEMPLO SOBRECOBERTURA

Oct-06 Feb-08 Jul-09 Nov-10 Apr-12 Aug-13

Proceso de medición de riesgo con simulaciones

y = -37.184x2 + 9514.3x + 403663R² = 0.1673

200000

400000

600000

800000

1000000

1200000

1400000

0 50 100 150 200 250

Resultados en este escenario: P&G, flujo de caja libre o EBITDA, etc.

Repita el proceso suficientes veces. Analice el promedio de los escenarios y el 5% de los peores casos.

Ahora analice el efecto de las coberturas para cada uno de los escenarios y analice los resultados. Puede optimizar los resultados.

RIESGO GENERADOR TERMICO MODELO FINANCIERO DE LA COMPAÑÍA

950000

1000000

1050000

1100000

1150000

1200000

1250000

1300000

Carbon Nymex USGC Residual Fuel Oil 1%S ACPM

PRECIOS EE

EE_Prom_Día

Spread, cargo por confiabilidad,

deudas en USD

Comercialización

•Contratos

Bilaterales

•Exposición Spot

•Coberturas en

Derivex

RIESGO GENERADOR TÉRMICO

Costo generación $170/kWh Precio bilaterales $130/kWh

Probablemente la generación será baja, así que las utilidades por generación también lo serán. En contratos bilaterales se tiene una utilidad, que compensa la baja utilidad en generación

RIESGO GENERADOR TÉRMICO

Costo generación $170/kWh Precio bilaterales $130/kWh

La generación será mayor, así que las utilidades por generación también lo serán. En contratos bilaterales se tiene una pérdida, que será compensada con la generación.

Ejemplo

0 50 100 150 200 250

PRECIO ($/kWh)

RELACION GENERACION CON PRECIO

FACTOR DE UTILIZACION TERMICA (%) Modelo Con Intervencion

Intervencion Modelo Sin Intervencion

Relación generación y precio en bolsa

Jan-09 Jul-09 Jan-10 Jul-10 Jan-11 Jul-11 Jan-12 Jul-12 Jan-13 Jul-13

Porcentaje de generacion (%)

Jan-09 Jan-10 Jan-11 Jan-12 Jan-13

Precio TX1

Relación UTILIDADES y precio en bolsa

Jan-09 Jul-09 Jan-10 Jul-10 Jan-11 Jul-11 Jan-12 Jul-12 Jan-13 Jul-13

Porcentaje de generacion (%)

Jan-09 Jan-10 Jan-11 Jan-12 Jan-13

Precio TX1

0% bilaterales

10% bilaterales

50% bilaterales

RIESGO COMERCIALIZADOR

Costo energía bilaterales $130/kWh Precio venta $135/kWh

Debe comprar en bolsa una parte y lo hace a un precio mayor: PÉRIDAS

Si compra en bilaterales menos que su demanda

130 Debe comprar en bolsa una parte y lo hace a un precio menor: GANANCIAS

Si compra en bilaterales menos que su demanda

Debe vender en bolsa una parte y lo hace a un precio mayor: GANANCIAS

Si compra en bilaterales más que su demanda

130 Debe vender en bolsa una parte y lo hace a un precio menor: PÉRDIDAS

Si compra en bilaterales más que su demanda

Elaborado por Financial Consulting Services S.A.S Nicolás Corredor Matiz y Juan Enrique Barco

Nicolás Corredor Matiz Cualquier comentario o sugerencia puede dirigirlo a ncorredorm@fic-s.com

GRACIAS

MODELO SIMULACION

financial consulting services fics - derivex de... · 2012-10-31 · de la simulación a:...

Documents

gestión de riesgo cambiario: clave en la planeación...

la cadena de valor como generadora de ventajas...

guía para elaborar documentación digital accesible con...

republica bolivariana de...

mat.izt.uam.mxmat.izt.uam.mx/mcmai/documentos/programas-uea/faseii-optativas/... ·...

fx risk management policy (extract) riesgos cambiario

· arca generadora: scrie documental: inventario...

guÍa simple 2013-2015 - gob · guÍa simple 2013-2015...

riesgo cambiario: mecanismos de cobertura y

coordinadores © del texto: los autores · docentes,...

domingo 03 · ice currency service empresa de clase mundial...

manejo de reservas internacionales y mercado ... … ·...

zzz xwdghr hgx fr - utadeo.edu.co · la cadena productiva...

el aval. ¿fianza sui generis o garantÍa cambiaria tÍpica...

shocks de precios internacionales bajo incertidumbre...

095_inversión extranjera y régimen cambiario

universidad politÉcnica salesiana sede … · por medio de...

en el área de matemática mathematics area · yanedis ruth...

volumenxx n39-40 1997 economia indice - usfx.bo€¦ · el...

“código global de conducta del mercado cambiario...