determinantes de la probabilidad de estrés financiero de ...€¦ · estrés financiero. el...
TRANSCRIPT
mEquation Chapter 1 Section 1
7
Determinantes de la Probabilidad de Estrés
Financiero de Empresas Peruanas Mineras
Autores:
Víctor Zurita
Juan Manuel Rivas
Ksenia Gutsol
Anthony Suclupe
Darha Chávez
Merry Romero Córdova
Lima, diciembre del 2018
GERENCIA DE POLÍTICAS Y ANÁLISIS ECONÓMICO
DOCUMENTO DE TRABAJO Nº45
Gerencia de Políticas y Análisis Económico - Osinergmin
2
Organismo Supervisor de la Inversión en Energía y Minería del Perú Gerencia de Políticas y Análisis Económico
Determinantes de la Probabilidad de Estrés Financiero en Empresas Mineras Peruanas Avance de Investigación No 1 Gerencia de Políticas y Análisis Económico
Está permitida la reproducción total o parcial de este documento por cualquier medio, siempre y cuando se cite la fuente y los autores.
Autores: Víctor Raúl Zurita Saldaña, Juan Manuel Rivas Castillo, Ksenia Gutsol, Pablo Anthony Suclupe Girio, Darha Valeskka Chávez Vásquez y Merry Romero Córdova. Asistente de investigación: Melissa Elena Pajuelo Suasnabar.
Primera versión: diciembre 2018 Se solicita indicar en lugar visible la autoría y la fuente de la información.
Para comentarios o sugerencias dirigirse a: Osinergmin Bernardo Monteagudo 222, Magdalena del Mar Lima, Perú Tel. (511) 219-3400, anexo 1057
ISSN 2307 – 4272 (En línea)
Portal Corporativo
http://www.osinergmin.gob.pe/
Portal de la GPAE
http://www.osinergmin.gob.pe/seccion/institucional/acerca_osinergmin/estudios_economicos/oficina-estudios-economicos Correo electrónico: [email protected]
Los Avances de Investigación de la Gerencia de Políticas y Análisis Económico de Osinergmin son resultados de una serie de acciones de investigación que se publican con la finalidad de contribuir a la generación del conocimiento en los sectores minería y energía. Estos documentos son productos intermedios y, en tal sentido, son insumos para una futura investigación más más profunda. El Osinergmin no se identifica, necesariamente, ni se hace responsable de las opiniones vertidas en el presente documento. Las ideas expuestas en los documentos de trabajo pertenecen a sus autores y no implican necesariamente una posición institucional del Osinergmin. La información contenida en el presente documento se considera proveniente de fuentes confiables, pero el Osinergmin no garantiza su completitud ni su exactitud. Las opiniones y estimaciones representan el juicio de los autores dada la información disponible y se encuentran sujeto a modificaciones sin previo aviso.
Citar el documento como: Zurita Saldaña, Víctor Raúl; Rivas Castillo, Juan Manuel; Gutsol, Ksenia;
Suclupe Girio, Pablo Anthony; Chávez Vásquez, Darha Valeskka y Romero Córdova, Merry (2018).
Determinantes de la Probabilidad de Estrés Financiero en Empresas Mineras Peruanas.
Documento de Trabajo No 45, Gerencia de Políticas y Análisis Económico
– OSINERGMIN, Perú.
Gerencia de Políticas y Análisis Económico - Osinergmin
3
Organismo Supervisor de la Inversión en Energía y Minería – Osinergmin
Gerencia de Políticas y Análisis Económico-GPAE
Documento de Trabajo No 43
Determinantes de la Probabilidad de Estrés Financiero en Empresas Mineras Peruanas
Resumen
La minería es una de las principales actividades económicas del Perú por el alto valor de
exportaciones que genera. Asimismo, es dependiente de los choques que afectan a la economía y
mundo financiero globales. Por consiguiente, las empresas mineras en el Perú, ya sean de capital
nacional o extranjero, están sujetas a los vaivenes de la economía internacional que crean periodos
de alzas o caídas de precios de los productos mineros. Esto genera un entorno incierto respecto a
los flujos de ingresos y, por ende, en los resultados financieros de las empresas mineras. El presente
documento analiza la probabilidad de que una empresa minera peruana esté en una situación de
estrés financiero. El documento consta de cuatro partes. En primer lugar, se presentan los hechos
estilizados y el marco teórico que dan soporte a la investigación. Luego, se expone la estadística
descriptiva de las variables, tanto internas como externas, que forman parte del modelo
econométrico. Estas variables incluyen datos del PBI de China, tipo de cambio, índice de precios de
los metales, préstamos al sector privado, características financieras de las empresas y datos de los
conflictos sociales. En tercer lugar, se presenta el modelo: una especificación de un modelo de panel
de datos con efectos fijos. Finalmente, los resultados muestran que i) la probabilidad de estrés
financiero de las empresas mineras se elevó en 2009 y 2015, concordante con la crisis financiera
internacional y con la reducción de los precios de los commodities y la capitalización bursátil de las
mineras en 37% en 2015, ii) la probabilidad de estrés financiero aumenta en un escenario de precios
bajos e intermedios cuando el crecimiento económico chino es menor o igual a su crecimiento
promedio, caso contrario ocurre cuando el crecimiento es superior a su promedio y iii) la
probabilidad de estrés financiero tiene una relación inversa con el PBI chino y positiva con el tipo de
cambio cuando el modelo no incluye los precios de los metales.
Clasificación JEL: L71, P42; G30
Palabras claves: minería, estrés financiero, empresas, Perú
Gerencia de Políticas y Análisis Económico - Osinergmin
4
Tabla de Contenido
1. Introducción ................................................................................................................................ 5
2. Hechos estilizados y marco teórico ............................................................................................. 7
2.1. Determinantes macroeconómicos del desempeño de las empresas mineras ................... 7
Rol del crecimiento económico de China ......................................................................................... 7
El tipo de cambio ........................................................................................................................... 10
Préstamos al sector privado .......................................................................................................... 12
2.2. Conflictos sociales ............................................................................................................. 14
2.3. Características de la propia empresa y el estrés financiero .............................................. 15
3. Estadística descriptiva ............................................................................................................... 18
4. Modelo ...................................................................................................................................... 21
5. Resultados ................................................................................................................................. 23
5.1. Presentación de resultados ............................................................................................... 23
5.2. Discusión de resultados ..................................................................................................... 26
5.3. Comentarios finales ........................................................................................................... 30
6. Bibliografía ................................................................................................................................ 31
Gerencia de Políticas y Análisis Económico - Osinergmin
5
1. Introducción
La evolución del sector minero en las últimas décadas ha sido fundamental para el avance de la
economía peruana. Las inversiones en ampliaciones y nuevos proyectos mineros —especialmente
en cobre— han impulsado la producción del sector y el crecimiento de la economía. En años
recientes, la puesta en marcha de las minas Las Bambas y Constancia, y las ampliaciones de Cerro
Verde, han llevado al Perú a posicionarse como el segundo mayor productor mundial de cobre,
delante de China. Las exportaciones mineras tienen una participación significativa en el total de los
envíos peruanos al extranjero y son un soporte esencial para la balanza comercial. Según el BCRP,
al cierre del 2018, las exportaciones de minerales representaron el 60.1% del valor exportado por
el Perú. La minería también genera dinamismo en otros sectores de la economía como el sector
eléctrico. En el 2018, las principales unidades mineras demandaron el 56.4% del consumo de energía
eléctrica requerido por los clientes intensivos en ese recurso. El sector minero es una fuente
indirecta de generación de empleo, atrae inversiones, es fuente de divisas y comercio con el resto
del mundo. No obstante, en los últimos años se han observado diferentes situaciones desfavorables
para el sector, en especial, para las empresas. La caída de los precios de los commoditites entre el
2012 y 2016, el incremento de conflictos socioambientales en minería y una menor afluencia de
inversión extranjera al país han mermado la evolución del sector.
A partir del trabajo de Gonzáles-Miranda (2012) —que analiza la vulnerabilidad financiera para las
empresas corporativas en Europa, Asia y cinco países de América Latina (Brasil, Colombia, Chile,
México y Perú)— el presente documento se concentra en estudiar la problemática del estrés
financiero de las empresas mineras en el Perú, dada la relevancia del sector para la economía
nacional. Para ello se recopilaron y analizaron los datos económicos y financieros de las 11 empresas
mineras listadas en la Bolsa de Valores de Lima (BVL) y se examinaron los determinantes que
llevarían a esas compañías a una situación de estrés financiero, situación que se da cuando el flujo
de caja, generado a través de sus operaciones, no alcanza para cubrir sus obligaciones de deuda de
corto plazo y la porción corriente de la deuda de largo plazo.
El estrés financiero sobre una empresa aumenta cuando menor es la posibilidad de acceso al
financiamiento bancario, lo que conlleva a que la empresa sea más vulnerable a una crisis o
declaratorias de impagos de compromisos contraídos.
Gerencia de Políticas y Análisis Económico - Osinergmin
6
Este fue el caso de la crisis crediticia del 2008, que llevó a muchas empresas que normalmente
podían refinanciarse, a una situación súbita de indisposición de crédito externo (González-Miranda
2012). En otras palabras, una empresa “vulnerable”—bajo esta definición de estrés financiero—
está más expuesta a condiciones adversas del mercado.
Esto es una preocupación relevante para el sector minero peruano, dado que a nivel global la
minería está saliendo de un periodo de alto apalancamiento (EY, 2017). EY analiza a las 50 mayores
empresas mineras del mundo, y señala que el sector acumuló deuda desde el fin del súper ciclo de
los commoditites en 2011, y generó que el promedio de su deuda neta entre capital propio supere
el 40% en 2015. El informe señala que, dado el mal desempeño de las compañías mineras (en 2011
– 2015), las instituciones financieras les pusieron criterios de préstamos más estrictos, sus
calificaciones crediticias empeoraron y sus costos de deuda se elevaron. Por ello, el monto de capital
recaudado en los mercados de deuda globales, salvo China, cayó 22% en 2016. Frente al acceso
restringido a fuentes de financiamiento tradicionales, las empresas han buscado reducir su deuda a
través de ventas de activos, menores gastos de capital, suspensiones de pago de dividendos y
financiamiento alternativo (EY, 2017). Además de la exposición natural de las empresas mineras a
las condiciones macroeconómicas globales —dado que son exportadoras de materias primas—,
para el caso peruano, las mineras han tenido un mayor porcentaje de deuda de corto plazo que sus
pares de la región (González-Miranda, 2012).
Con el objeto de estimar la probabilidad de que una empresa minera esté en una situación de estrés
financiero, se emplea un modelo de panel de datos de efectos fijos. La variable dependiente toma
el valor 1 si el flujo de caja operativo de la empresa no alcanza para cubrir su deuda de corto plazo
y la porción corriente de la deuda de largo plazo, y cero en caso contrario. Las variables
independientes consideradas son el crecimiento económico chino, el tipo de cambio, el crecimiento
de los préstamos al sector privado, un índice de precios, conflictos sociales y variables financieras
de las empresas. Los resultados del modelo evidencian que los factores externos impactan las
empresas, primariamente, a través de los precios de los metales. No hay una relación significativa
entre estrés financiero y la presencia de los conflictos sociales, a pesar de su importancia en la
minería peruana.
Gerencia de Políticas y Análisis Económico - Osinergmin
7
2. Hechos estilizados y marco teórico
Según la literatura económica especializada y el estudio de González-Miranda (2012), a partir del
cual se elabora el presente estudio, una situación de estrés financiero puede resultar del
comportamiento de variables propias de la empresa o factores externos. En este estudio, enfocado
en el sector minero peruano, se analizan factores macroeconómicos, financieros y sociales que
determinan la vulnerabilidad financiera de las principales empresas mineras.
2.1. Determinantes macroeconómicos del desempeño de las empresas mineras
Los commoditites mineros se comportan de acuerdo a la demanda final y la demanda derivada de
metales. La primera demanda —generalmente del oro y la plata— proviene de los bancos de
inversión y bancos centrales debido a que los metales preciosos son considerados activos de refugio
y de reserva de valor. La demanda derivada se origina a partir de la demanda final de otros bienes
y servicios, por ejemplo, en los grandes centros manufactureros e industriales. Halland, Lonkanc,
Nair y Padmanabhan (2016) identificaron seis factores determinantes de la demanda de metales:
ingreso y actividad económica, el precio de los metales, precio de los bienes complementarios y
sustitutos, preferencias de los consumidores, la tecnología y políticas gubernamentales. Para
reflejar los factores determinantes de la demanda de los productos intensivos en metales, se
consideraron dos variables macroeconómicas clave: el crecimiento chino y el tipo de cambio. La
primera variable se escogió porque fue el principal driver del último súper ciclo1 de los precios de
los metales y la segunda porque al estar los ingresos de las empresas mineras en dólares, esta
variable afecta directamente el flujo operativo de dichas empresas y también debido a que su
desempeño influye en los precios de los metales.
Rol del crecimiento económico de China
China es uno de los principales consumidores de commoditites en el mundo, en especial de metales
(Roache, 2012 y Banco Mundial, 2017). El boom de los commoditites de los años 2000 y el retroceso
de los precios de los metales en años previos ocurrieron debido al crecimiento económico de China.
1 Un súper ciclo se define como la tendencia al alza de los precios reales básicos.
Gerencia de Políticas y Análisis Económico - Osinergmin
8
Furceri, Jalles y Zdzienicka (2017) señalan que China se ha convertido en la principal economía que
contribuye al crecimiento mundial y una especie de estabilizador ante la pasada crisis económica
mundial. En efecto, los autores sostienen que China ha pasado de representar el 3% del PBI mundial
en 1980 a 15% en 2015. En ese periodo, las importaciones chinas respecto del total mundial pasaron
de 1% a 14%. El Cuadro 1 muestra las participaciones de China respecto de la demanda mundial de
cuatro metales industriales para los años 1980 y 2016.
Cuadro 1: Importancia de China en el mercado de metales
Fuente: Commodity Markets Outlook. Elaboración: GPAE - Osinergmin
Jaramillo, Lehmann y Moreno (2009) sostienen que el alto crecimiento chino ha generado que en
América Latina se configuren dos tipos de países: aquellos cuyos productos manufacturados
compiten con China y los que le exportan commoditites. Estos últimos —países exportadores de
materias primas— han sido los favorecidos con el desempeño chino. Un ejemplo es el Perú, que
multiplicó el valor de sus exportaciones de productos mineros en casi cinco veces2 en los últimos 13
años.
China compra un porcentaje significativo (32%) de todos los productos mineros del Perú y debido a
ello impacta en las empresas peruanas de una manera directa, como comprador y de una manera
indirecta a través de sus impactos en la macroeconomía nacional.
En contraste con muchos otros países pequeños que exportan materias primas, en el Perú se
produce una amplia variedad de minerales (ver ¡Error! No se encuentra el origen de la referencia.). D
e esos, el cobre y el oro representan el 35% y 18% del valor de las exportaciones peruanas totales,
respectivamente. Aunque los países de destino varían según el mineral, China es el más importante,
participa en 32% del valor total de los minerales exportados por el Perú (Vásquez, A.; Zurita, V.,
2 La minería representa el 12% del PBI total, según el INEI.
Mundo China
Cobre 2.5 40.7 3.0% 49.7%
Estaño 1.7 15.3 5.6% 50.2%
Plomo 2.1 22.2 3.9% 41.3%
Zinc 2.3 33.6 3.3% 48.2%
Número de veces que se
incrementó la demanda del
commodity desde 1980 a 2016
% China en la
demanda
mundial (1980)
% China en la
demanda
mundial (2016)
Producto
Gerencia de Políticas y Análisis Económico - Osinergmin
9
2016). Además, los principales productos de las 11 empresas consideradas en este estudio tienen,
en su mayoría, como principal destino a China.
Cuadro 2: Posición mundial del Perú en producción minera
Producto Latinoamérica Mundo
Cobre 2 2
Plata 2 2
Zinc 1 2
Oro 1 6
Plomo 1 4
Estaño 3 6
Fuente: USGC. Elaboración: GPAE - Osinergmin
Además de importar materias primas, China tiene un rol creciente como inversionista en América
Latina y otros países donde hay potencial y/o grandes reservas de recursos naturales. La inversión
y/o préstamos de China hacia países en desarrollo, especialmente en Sudamérica, permite a China
diversificar y garantizar el suministro de productos mineros y energía (Economist, 2014).
La relevancia que ha cobrado China en el quehacer económico y financiero de los mercados también
se refleja en las expectativas del mercado. El FMI ha hallado efectos indirectos a partir de las
expectativas y preocupaciones por un crecimiento chino más bajo a lo esperado (Mwase et al.,
2016). Al 2017, China seguía transformando su economía, reorientándola de un crecimiento
impulsado por exportaciones e inversión hacia un crecimiento menos rápido, pero más sostenible
impulsado por el consumo interno (Mwase et al., 2016).
Los efectos indirectos macroeconómicos se transmiten a las empresas. Una caída en la demanda en
los países importadores de materias primas implica una caída en las ganancias de las compañías
mineras debido a la menor cantidad vendida o la caída en los precios de productos mineros. Las
ganancias también se reducen por las características propias de las empresas. La caída de los precios
internacionales de los commoditites entre 2013 y 2016, fue acompañada por una reducción de los
costos operativos de la gran minería. Sin embargo, a pesar de ello, los costos totales se
incrementaron debido a la menor flexibilidad en otros gastos e insumos.
Gerencia de Políticas y Análisis Económico - Osinergmin
10
El tipo de cambio
Estados Unidos es otro gran jugador para los países y empresas exportadoras de commoditites.
Además de ser un importante demandante de bienes en el mundo —es la mayor economía del
mundo— juega un papel clave con su política monetaria: el dólar estadounidense funciona como
moneda internacional para el comercio entre distintos agentes económicos. Al 2014, el 51.9% del
valor del comercio internacional (Swift, 2015) se realizó en dólares y 60% de las reservas
internacionales en el mundo estaban en dólares (Bernanke, 2016). El FMI (Blagrave et al., 2017)
estima que los choques fiscales de los Estados Unidos tienen un impacto transfronterizo (Canadá y
Latinoamérica) más fuerte en comparación con otros países.
Una manera sencilla de explicar el mecanismo de transmisión de los efectos indirectos provenientes
la política económica de los EEUU hacia el resto del mundo, lo proporciona el modelo Mundell-
Fleming-Dornbusch. Según éste, los shocks expansivos o contractivos del gasto en los EEUU llevan a
cambios en los márgenes entre las tasas de interés internacionales y la tasa de interés americana,
lo que genera una apreciación del dólar en el caso de expansión fiscal y una depreciación en el caso
contrario (Blagrave et al., 2017). El impacto en el tipo de cambio ocurre no solo como respuesta a
gastos actuales, sino también a las expectativas sobre los gastos futuros o sobre otros cambios en
la política. El FMI ha estimado que un anuncio de incremento en el gasto de 1% del PBI, causa una
apreciación del dólar en 7% en un periodo de 1.5 años (Popescu y Shibata, 2017). En cuanto a los
impactos en otras economías, Balgrave (2017) estimó que un incremento de un punto porcentual
en el gasto público del gobierno estadounidense lleva a un crecimiento de 0.33% en el PBI de las
economías vinculadas a los EEUU.
Pero no sólo las políticas estadounidenses impactan el valor del dólar, también lo hacen las políticas
chinas. La incertidumbre sobre el proceso de ajuste de la economía china a lo establecido en su
treceavo plan quinquenal tiene la posibilidad de impactar a la economía global a través de la
volatilidad en los precios de las acciones, el tipo de cambio, los rendimientos de los bonos, y los
precios de los metales que se negocian en dólares. Asimismo, independientemente de los vínculos
financieros de China con el resto del mundo, la importancia del gigante asiático en el comercio
internacional conllevará a spillovers a través de canales de comercio que se reflejarían en el mercado
de activos y el tipo de cambio. Por ello, el efecto del tipo de cambio será más fuerte en las economías
que dependen de los commoditites (Mwase et al., 2016).
Gerencia de Políticas y Análisis Económico - Osinergmin
11
Así, el desempeño de empresas mineras peruanas está fuertemente influenciado por variables
macroeconómicas globales. Dado que la demanda de los metales es una demanda derivada, el tipo
de cambio y el crecimiento de PBI chino son las variables que necesitan un especial énfasis. El
Gráfico 3 muestra los cambios en estas variables desde 2006 hasta 2016. Respecto al tipo de cambio,
entre los años 2006 y 2012, la moneda local estuvo fortalecida por el boom de los commoditites, el
alto crecimiento de los países emergentes, en especial, China; y el estímulo monetario de los EEUU
luego de la caída de Lehmann Brothers. El auge de los precios de los commoditites atrajo un flujo de
divisas el cual motivó que la moneda avance 3.5% promedio anual entre 2006 y 2012. En algunos
países se reducen las posibilidades de desarrollo por una apreciación del tipo de cambio que
conlleva a la desindustrialización del sector manufacturero y de innovación tecnológica
(enfermedad holandesa).
Posteriormente, estos mismos factores se revirtieron. A partir del 2012, la moneda norteamericana
se fortaleció, el retiro del estímulo monetario de la Fed y las posteriores alzas de su tasa de
referencia, así como el debilitamiento de los commoditites hicieron que la moneda local se deprecie
a un promedio anual de 6.4% hasta el 2016.
La desaceleración del crecimiento de China —salvo el 2010 que fue impulsado por el
estímulo chino frente a la crisis internacional— responde a una decisión de política del gobierno de
ese país por cambiar su modelo de crecimiento: pasar de una economía intensiva en inversión en
infraestructura a una de consumo. Así, la tasa promedio de crecimiento de ese país pasó de crecer
a un promedio de 10.7% entre 2006 y 2011 a 7.3% entre 2012 y 2016.
Gerencia de Políticas y Análisis Económico - Osinergmin
12
Gráfico 3: Evolución de las variables macro
El efecto conjunto esperado de un tipo de cambio más alto y un crecimiento del PBI chino más bajo
sería un aumento en el riesgo financiero para las empresas mineras en el Perú. Una desvalorización
de la moneda doméstica conllevaría a un aumento en los costos de insumos importados y deuda en
dólares, mientras que una menor tasa de crecimiento de China está relacionada a un debilitamiento
de la importación de los productos mineros a ese país.
Préstamos al sector privado
Además de las variables macroeconómicas que reflejan los efectos indirectos del desempeño
económico global en las empresas, la tercera variable macroeconómica que considera el presente
estudio, siguiendo el modelo general planeado por González-Miranda (2012), es la disponibilidad
de financiamiento externo a las empresas mineras. El financiamiento externo da más flexibilidad a
las empresas y, específicamente, puede permitirles asumir más créditos lo cual incrementaría sus
niveles de deuda. Esta flexibilidad brindaría a las empresas la posibilidad de eludir el estrés
financiero a través del refinanciamiento de su deuda. Sin embargo, también es una fuente de
vulnerabilidad porque la expone a un eventual riesgo de la indisponibilidad de crédito. Esto podría
llevarla a un estrés financiero que requeriría ajustes drásticos en su manejo y, en el peor caso, al
default.
Gerencia de Políticas y Análisis Económico - Osinergmin
13
Precios de los metales
La demanda china ha sido una de las principales fuerzas que han determinado el comportamiento
de los precios de los metales. Durante el periodo del análisis, los precios de metales, presentados
en el Gráfico 4, se incrementaron a una tasa promedio anual de 21.3% entre 2006 y 2011. Así
llegaron a su pico entre 2011 y 2012. La ola industrial y de inversiones en infraestructura en China
fueron los determinantes para el incremento de la demanda de cobre, plomo y zinc, principales
productos de exportación del Perú. Por su parte, un incremento de la demanda de oro (como bien
final) en China e India, impulsaron el precio de los metales preciosos. A partir de la reestructuración
del crecimiento chino por parte del gobierno, el debilitamiento de la economía mundial y el proceso
de normalización de la conducta de la Fed, redujeron el precio de los commoditites hasta fines del
2015 y principios del 2016. Los últimos dos años han marcado un inicio de un nuevo ciclo de
crecimiento de los precios, lo que debería impactar positivamente al desempeño del sector minero.
Gráfico 4: Evolución de los precios de metales
Gerencia de Políticas y Análisis Económico - Osinergmin
14
Fuente: BCR. Elaboración: GPAE - Osinergmin
Además de las variables globales, se consideraron los conflictos sociales asociados con las
operaciones y proyectos de cada empresa. La base de datos de conflictos se elaboró a partir de los
Reportes de Conflictos Sociales publicados mensualmente por la Defensoría del Pueblo en el mismo
periodo de análisis.
2.2. Conflictos sociales
Una variable no considerada en la literatura internacional, en este tipo de estudios sobre industrias
extractivas o multisectoriales, es la cantidad de conflictos sociales. Según los datos del MINEM, para
setiembre del año 2017, la cartera estimada de inversiones mineras ascendía a 48 proyectos con el
monto total de US$51.102 millones. De estos, 11 proyectos que representaban el 30% del monto
total, tenían algún tipo de conflicto social, según el reporte de conflictos sociales de la Defensoría
del Pueblo. Como se puede deducir, esta variable es relevante en el caso de la economía minera
peruana.
Gerencia de Políticas y Análisis Económico - Osinergmin
15
Dado que los conflictos están asociados a unidades específicas de cada empresa, hay una correlación
de 0.45 entre el número de conflictos y el tamaño de la empresa. Seis de las empresas han sido
involucradas en un máximo uno o dos conflictos sociales durante el periodo de análisis. Por otro
lado, las empresas involucradas en más conflictos sociales durante 2006-2016 son Southern
(máximo de 7 conflictos), Buenaventura (máximo de 5 conflictos), y Volcan (máximo de 4 conflictos).
Dado que las empresas en el presente estudio tienen diferentes números de unidades, en el modelo
se considera la variable conflictos sociales como una dummy de 0 si no existe conflicto y 1 en el caso
que existiera por lo menos un conflicto asociado con unidades de la empresa.
De la revisión de la literatura económica, algunos autores han examinado la relación entre conflictos
sociales y variables del sector minero. Gondo y Vega (2017), mediante la utilización de una regresión
logística en datos en panel, determinaron que un aumento en el nivel de conflictos sociales reduce
la proporción de proyectos mineros confirmados, sin embargo, este impacto no resultó significativo.
Huaroto y Vásquez (2015) realizaron una regresión de datos en panel para las grandes mineras
peruanas, y hallaron que los conflictos socio ambientales afectan al mercado bursátil por el aumento
de la incertidumbre. Los autores concluyeron que los inversionistas toman cautela ante el inicio de
un conflicto para invertir de nuevo en acciones mineras. Cuando los conflictos terminan, se
normaliza la situación del mercado, esto brinda una mayor seguridad a los inversionistas para
apostar por acciones mineras.
2.3. Características de la propia empresa y el estrés financiero
El estrés financiero, como se ha definido en este estudio, se produce cuando el ratio entre el flujo
de caja operativo entre la deuda corriente más la parte corriente de la deuda a largo plazo es menor
a uno (1). Un ratio menor a uno señala una vulnerabilidad potencial a la indisponibilidad de crédito,
como en situaciones de crisis, y no que la empresa entrará en default (González-Miranda 2012).
González-Miranda (2012) y EY (2017) señalan que las empresas peruanas en general y, el sector
minero a nivel mundial, han tenido altos niveles de apalancamiento, un acceso a financiamiento
restringido y una proporción alta de la deuda de corto plazo. Por eso, entre las mediciones de
probabilidad de estrés financiero basadas en los estados financieros de las empresas (tales como
proponen De Socio & Michelangeli (2017) y Bhandari & Iyer (2013)), el ratio del flujo de caja
operativo dividido entre la deuda de corto plazo más la porción corriente de la deuda de largo plazo
fue la forma más eficaz para recoger el comportamiento del efectivo en el análisis de empresas.
Gerencia de Políticas y Análisis Económico - Osinergmin
16
En la elaboración del presente estudio que se basa en la metodología de González-Miranda (2012),
se revisó la literatura sobre los factores que impactan en los componentes de la variable
dependiente, el flujo de caja operativo y la deuda, para validar su relevancia para el sector minero
peruano. En primer lugar, se consultaron estudios académicos acerca de estrés financiero y acceso
a financiamiento (Hovakimian & Titman 2003, Almeida y Camello 2007, Almeida et al. 2004,
Vithessonthi & Tongurai 2015, De Socio & Michelangeli 2017 y Bhandari & Iyer 2013); también
acerca de los determinantes del apalancamiento de las empresas (Rashid 2013, Ozcan 2001). Estos
determinantes influyen directamente sobre las obligaciones que una empresa debe cumplir en un
plazo de un año (i.e. deuda de corto plazo y la porción corriente de la deuda de largo plazo). A partir
de este análisis y revisión se escogió el vector de variables independientes que corresponden a las
características de cada empresa.
Un factor que afecta directamente la variable dependiente es el apalancamiento. Un mayor
apalancamiento y, en particular, un porcentaje mayor de deuda de corto plazo, eleva el riesgo
financiero. Las empresas más endeudadas tienen una probabilidad más alta de incumplir el pago del
costo de la deuda, menor acceso al crédito, y tener costos de deuda más altos dado su riesgo
elevado. Mayor porcentaje de la deuda de corto plazo aumenta este riesgo aún más. Esto ha sido
estudiado y puesto en evidencia por diversos autores (Almeida y Camello 2007, González-Miranda
2012, Hovakimian & Titman 2006).
Una variable clave considerada en la literatura para conocer el grado de endeudamiento de una
empresa es la proporción de activos fijos entre activos totales (Almeida et al. 2004, Almeida y
Camello 2007). Un mayor porcentaje de activos fijos disminuye la asimetría de información que
existe entre la empresa y el inversionista. Los activos fijos se pueden usar como garantía para
obtener deuda y debido a ello, el inversionista toma menos riesgo (Rashid 2013, González-Miranda
2012, Almeida y Camello 2007). Almeida y Camello (2007) usaron una metodología de ecuaciones
de selección para identificar dos tipos de empresas: las que presentaban limitaciones financieras y
aquellas sin limitación a acceso al financiamiento. Ese trabajo confirma que la proporción de activos
fijos es una variable significativa para conocer la condición de acceso crediticio de una empresa.
El tamaño de la empresa (medida por sus activos) resulta, también, una variable importante en la
determinación de la probabilidad de estrés financiero. Las empresas más grandes, generalmente,
tienen una mayor capacidad de obtener y soportar deuda y una menor probabilidad de quiebra
(Rashid 2013, González-Miranda 2012, Hovakimian y Titman 2006). Los resultados de Hovakimian y
Gerencia de Políticas y Análisis Económico - Osinergmin
17
Titman (2006) confirman que las empresas más grandes suelen tener menos limitaciones
financieras, y Rashid (2013) muestra que empresas grandes del sector energético tienen un mayor
apalancamiento en comparación con empresas de menor tamaño.
Finalmente, González-Miranda (2012) incluye entre las variables propias de la empresa el quick
ratio, una medida común de liquidez, que es equivalente al ratio de activos de corto plazo menos
inventario, entre pasivos de corto plazo. Según su análisis, este ratio ha sido relativamente alto entre
las empresas mineras latinoamericanas comparado con los promedios de otros sectores y regiones,
lo que indica un buen nivel de liquidez.
También se investigó si las empresas en la muestra se comportan de una manera consistente con la
literatura respecto al apalancamiento. Según la literatura se espera que exista una correlación
positiva entre el apalancamiento de una empresa y su tamaño (activos de la empresa) porque las
empresas más grandes suelen tener mejor reputación en los mercados financieros, son menos
riesgosas y pueden negociar mejores términos de crédito (Rashid 2013, Hovakimian & Titman 2003).
Esto se comprueba, según los cálculos obtenidos para el caso de las 11 empresas mineras peruanas
seleccionadas. Las empresas más grandes suelen tener más deuda de largo plazo y menos deuda de
corto plazo que las empresas de menor tamaño. El Gráfico 5 muestra el tamaño de las empresas
(medido por activos totales) en T1 2007 y T3 2016 y el porcentaje promedio de deuda de corto plazo
entre la deuda total durante este período.3 En general, se observa que las empresas con menor
deuda de corto plazo comparado con su deuda total, son más grandes, por ejemplo Cerro Verde
(19%), Buenaventura (27%), Volcan (36%) y Minsur (47%), mientras que en las empresas con menos
activos, tales como Brocal, Poderosa, Atacocha, y Corona tienen mayores proporciones de deuda de
corto plazo:53%, 57%, 64%, y 68%, respectivamente, durante el periodo del análisis. Los activos de
la mayoría de las empresas han crecido de una manera consistente, mientras que la cantidad y
composición de la deuda de cada empresa han variado mucho entre 2007 y 2016.
3 Se usaron los trimestres T1 2007 y T3 2016 en vez de las fechas del resto del análisis (T1 2006 y T4 2016) porque los datos de Shougang solo están disponibles a partir de T1 2007 y los datos de Atacocha solo están disponibles hasta T3 2016.
Gerencia de Políticas y Análisis Económico - Osinergmin
18
Gráfico 5: Activos totales por empresa y deuda de corto plazo entre deuda total
Fuente: Bloomberg. Elaboración: GPAE - Osinergmin
3. Estadística descriptiva
Para estudiar los determinantes de la probabilidad de estrés financiero de las empresas mineras
peruanas, se requirió recopilar y trabajar con información pública y oficial de esas compañías
listadas en la BVL. También se trabajó con datos de las variables macroeconómicas internacionales,
precios de los metales y conflictos sociales que afectan al sector minero.
La construcción de la variable denominada probabilidad de estrés financiero se realizó considerando
la metodología de González-Miranda (2012), las recomendaciones de Mills y Yamamura (1998) y de
Bhandari, Shyam y Iyer (2013). Según la definición del marco teórico, la variable dependiente resulta
binaria: es 0 cuando las empresas no están en una situación de estrés financiero y equivalente a 1
si lo están. De acuerdo con estas especificaciones, la probabilidad de estrés financiero se construye
de la siguiente manera.
𝐸𝑠𝑡𝑟é𝑠 𝑓𝑖𝑛𝑎𝑛𝑐𝑖𝑒𝑟𝑜𝑡 = {1, 𝑓𝑙𝑢𝑗𝑜 𝑑𝑒 𝑐𝑎𝑗𝑎 𝑜𝑝𝑒𝑟𝑎𝑡𝑖𝑣𝑜 < 𝑑𝑒𝑢𝑑𝑎 𝑑𝑒 𝑐𝑜𝑟𝑡𝑜 𝑝𝑙𝑎𝑧𝑜0, 𝑓𝑙𝑢𝑗𝑜 𝑑𝑒 𝑐𝑎𝑗𝑎 𝑜𝑝𝑒𝑟𝑎𝑡𝑖𝑣𝑜 > 𝑑𝑒𝑢𝑑𝑎 𝑑𝑒 𝑐𝑜𝑟𝑡𝑜 𝑝𝑙𝑎𝑧𝑜
El flujo de caja operativo, en general, representa la fuente más importante de efectivo disponible
para pagar su deuda y para el crecimiento de la compañía a largo plazo (Giacomino y Mielke, 1993),
aunque la compañía también podría usar el efectivo generado a través de inversión o
financiamiento.
18%
46%
31%36% 37%
19%
42%
54% 56%61%
70%
0%
10%
20%
30%
40%
50%
60%
70%
80%
0
1,000
2,000
3,000
4,000
5,000
6,000
7,000
8,000
9,000
Cer
ro V
erd
e
Sou
the
rn
Bu
en
ave
ntu
ra
Vo
lca
n
Min
sur
Milp
o
Sho
uga
ng
Bro
cal
Po
der
osa
Ata
coch
a
Co
ron
a
US$
mill
on
es
T1 2007 T3 2016 Prom. Deuda CP / Deuda Total (2006-2016)
Gerencia de Políticas y Análisis Económico - Osinergmin
19
Para modelar la probabilidad de que una empresa minera peruana esté en una situación de estrés
financiero se consideran diversos factores externos. Estos factores pueden incrementar o reducir
dicha probabilidad de las empresas, tanto de manera general como específica.
A continuación, se presentan las variables que reflejan las condiciones macroeconómicas, que
describen características particulares de cada empresa y las que recogen las relaciones entre las
empresas y las comunidades:
PBI de China. Esta es la más relevante en la demanda externa de productos mineros. Como
se señala en el marco teórico, se escogió el PBI de China como medida de demanda, dado
el rol dominante de este país en los mercados globales de commoditites. Debido a su papel
determinante en el mercado de metales y su impacto en la economía mundial, se consideró
la evolución de la serie trimestral del PBI medido en dólares constantes de 2010. Esta
variable se extrajo de la base de datos del Banco Mundial.
Tipo de cambio. El tipo de cambio tiene un impacto directo en los costos y ganancias de la
empresa denominados en dólares y, también, sirve como un mecanismo de transmisión de
shocks macroeconómicos, principalmente los que provienen de los EEUU. Históricamente,
la moneda estadounidense ha tenido una relación inversa con los precios de los
commoditites.
Índice de precios de los metales. También se considera el precio de los metales por su
impacto directo sobre los ingresos y ganancias de las empresas y, por ende, su probabilidad
de entrar en una situación de estrés financiero. Debido a que la mayoría de empresas
analizadas tienen una producción diversificada y heterogénea respecto a la producción de
metales, se usa un índice de precios de exportaciones de metales. Los precios de los metales
se determinan en los mercados internacionales. Esos tienen impactos directos sobre los
ingresos de las empresas mineras, y como consecuencia, en el flujo de caja operativo. Los
precios responden tanto a variables económicas (por ejemplo, el crecimiento económico
mundial y la evolución de la actividad industrial) como a variables financieras
internacionales (en el caso del oro, este sirve como unidad de valor).
Préstamos al sector privado en el Perú. Para reflejar la exposición al financiamiento, se
consideraron los préstamos totales de largo plazo al sector privado. Esta variable mide la
disponibilidad de financiamiento externo en el sector privado peruano en general. La
disponibilidad de crédito, por un lado, abre más oportunidades a la empresa de invertir en
Gerencia de Políticas y Análisis Económico - Osinergmin
20
proyectos, pero, por otro lado, representa una fuente de vulnerabilidad porque expone la
empresa al riesgo de una crisis crediticia. Esto puede llevar la empresa al estado de estrés
financiero, lo que requeriría ajustes drásticos en el manejo de la empresa y, en el peor caso,
provocaría un default.
Para las características de las empresas, primero, el modelo controla por apalancamiento.
Como medida de ello se considera el cociente de la deuda total entre activo total, y la
proporción de la deuda de corto plazo entre la deuda total. Luego, se incorporan las
variables relacionadas con el acceso de la empresa a financiamiento externo: el tamaño y la
proporción de activos fijos. El modelo también controla por la liquidez de la empresa
mediante el “quick ratio”4.
El modelo también toma en cuenta la variable de conflictos sociales debido a la importancia
que tienen en el desarrollo y operación de proyectos mineros en el Perú. La data disponible
acerca de conflictos sociales está a nivel de proyectos, mientras que el presente estudio es
a nivel de empresas. Por ende, esta variable se elaboró según los proyectos que tenía cada
empresa analizada y la presencia de conflictos sociales asociados a estos proyectos. En
ciertos casos, las empresas estaban involucradas en más de un conflicto en un año. Aunque
se elaboró una versión del modelo considerando el número de conflictos por año por
empresa, no contamos con suficiente data para determinar si el impacto de la presencia de
conflictos sociales sobre la probabilidad del estrés financiero varía con el número de
conflictos. Al final se escogió la forma binaria de esta variable que indica si hay, por lo
menos, un conflicto presente en el período.
4 Ratio del activo corriente menos inventarios entre el pasivo corriente.
Gerencia de Políticas y Análisis Económico - Osinergmin
21
4. Modelo
El presente estudio se concentra en medir el impacto de las variables más relevantes sobre la
probabilidad de estrés financiero de las empresas del sector minero, con énfasis en los efectos
generados por factores externos. Para hallar la probabilidad de estrés financiero de las 11
principales empresas mineras peruanas se tomó como base la metodología desarrollada por
González-Miranda (2012), y se generaron modificaciones a su modelo. En contraste a una muestra
amplia de empresas de varios países y sectores analizados por González-Miranda, el presente
estudio se enfoca, únicamente, en las empresas del sector minero peruano. Estas son exportadoras
netas y dependientes de la demanda externa.
El modelo incluye tres tipos de variables explicativas: i) las que reflejan las condiciones
macroeconómicas, ii) las que describen características particulares de cada empresa y iii) las que
recogen las relaciones entre las empresas y las comunidades. La naturaleza y descripción de estas
variables fueron explicadas en la sección anterior. De este modo, se considera la siguiente
especificación de un modelo logístico de panel de datos:
𝑃𝑟(𝐸𝑠𝑡𝑟é𝑠 𝑓𝑖𝑛𝑎𝑛𝑐𝑖𝑒𝑟𝑜)𝑖,𝑡
= 𝛼1 ln (𝐴𝑐𝑡𝑖𝑣𝑜 𝑡𝑜𝑡𝑎𝑙)𝑖,𝑡−1 + 𝛼2 𝐴𝑝𝑎𝑙𝑎𝑛𝑐𝑎𝑚𝑖𝑒𝑛𝑡𝑜𝑖,𝑡−1
+ 𝛼3 𝑃𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑒𝑢𝑑𝑎 𝑑𝑒 𝑐𝑜𝑟𝑡𝑜 𝑝𝑙𝑎𝑧𝑜𝑖,𝑡−1 + 𝛼4 𝑄𝑢𝑖𝑐𝑘 𝑟𝑎𝑡𝑖𝑜𝑖,𝑡−1
+ 𝛼5 𝑃𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑑𝑒 𝑎𝑐𝑡𝑖𝑣𝑜𝑠 𝑓𝑖𝑗𝑜𝑠𝑖,𝑡−1 + 𝛼6 𝐶𝑟𝑒𝑐𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒𝑙 𝑃𝐵𝐼 𝑑𝑒 𝐶ℎ𝑖𝑛𝑎𝑡−1
+ 𝛼7 𝐶𝑟𝑒𝑐𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑝𝑟é𝑠𝑡𝑎𝑚𝑜𝑠 𝑑𝑒 𝑙𝑎𝑟𝑔𝑜 𝑝𝑙𝑎𝑧𝑜𝑡−1 + 𝛼8 𝑇𝑖𝑝𝑜 𝑑𝑒 𝑐𝑎𝑚𝑏𝑖𝑜𝑡
+ 𝛼9 Í𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑝𝑟𝑒𝑐𝑖𝑜𝑠𝑡 + 𝛼10 𝐶𝑜𝑛𝑓𝑙𝑖𝑐𝑡𝑜 𝑠𝑜𝑐𝑖𝑎𝑙𝑖,𝑡−1 + ∑ 𝜗𝑗 𝑎ñ𝑜𝑗
𝐽
1
+ 𝜀𝑖,𝑡
donde i=1, 2, 3, I es el número de empresas; t=1, 2, 3, T representa el número de trimestres en la muestra; y j=1, 2, 3, J el número de años. La descripción detallada de las variables está
presentada en la Tabla 1.
Tabla 1: Descripción de las variables
Variable Descripción Unidad Rezago Fuente Media Min Max
𝐴𝑐𝑡𝑖𝑣𝑜 𝑡𝑜𝑡𝑎𝑙 Activo total de la empresa Log, USD Sí Bloomberg 6.759 3.002 8.980
𝐴𝑝𝑎𝑙𝑎𝑛𝑐𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝐷𝑒𝑢𝑑𝑎 𝑡𝑜𝑡𝑎𝑙
𝐴𝑐𝑡𝑖𝑣𝑜 𝑡𝑜𝑡𝑎𝑙 Ratio Sí Bloomberg 0.122 0 0.473
𝑃𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑒𝑢𝑑𝑎 𝑑𝑒 𝑐𝑜𝑟𝑡𝑜 𝑝𝑙𝑎𝑧𝑜
𝐷𝑒𝑢𝑑𝑎 𝑑𝑒 𝑐𝑜𝑟𝑡𝑜 𝑝𝑙𝑎𝑧𝑜
𝐷𝑒𝑢𝑑𝑎 𝑡𝑜𝑡𝑎𝑙 Ratio Sí Bloomberg 0.426 0 1
𝑄𝑢𝑖𝑐𝑘 𝑟𝑎𝑡𝑖𝑜 𝐴𝑐𝑡𝑖𝑣𝑜 𝑐𝑜𝑟𝑟𝑖𝑒𝑛𝑡𝑒 − 𝐼𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜
𝑃𝑎𝑠𝑖𝑣𝑜 𝑐𝑜𝑟𝑟𝑖𝑒𝑛𝑡𝑒 Ratio Sí Bloomberg 2.023 0.236 13.360
𝑃𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑑𝑒 𝑎𝑐𝑡𝑖𝑣𝑜𝑠 𝑓𝑖𝑗𝑜𝑠
𝐴𝑐𝑡𝑖𝑣𝑜 𝑓𝑖𝑗𝑜
𝐴𝑐𝑡𝑖𝑣𝑜 𝑡𝑜𝑡𝑎𝑙 Ratio Sí Bloomberg 0.411 0.056 0.844
𝐶𝑟𝑒𝑐𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒𝑙 𝑃𝐵𝐼 𝑑𝑒 𝐶ℎ𝑖𝑛𝑎
El cambio en el PBI chino medido en dólares estadounidenses constantes
de 2010 % Sí Banco Mundial 2.167 1.032 4.502
𝐶𝑟𝑒𝑐𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑝𝑟é𝑠𝑡𝑎𝑚𝑜𝑠 𝑑𝑒 𝑙𝑎𝑟𝑔𝑜 𝑝𝑙𝑎𝑧𝑜
El cambio en los préstamos de largo plazo al sector privado en el Perú
% Sí Banco Central de Reserva del Perú
53.37 -9,648 7,499
𝑇𝑖𝑝𝑜 𝑑𝑒 𝑐𝑎𝑚𝑏𝑖𝑜 El cambio del sol peruano a dólar
estadounidense % No
Superintendencia de Bancos, Seguros
y AFP -0.163 -5.068 4.010
𝐼𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑝𝑟𝑒𝑐𝑖𝑜𝑠 Índice basado en precios de
exportación de los metales en el Perú
Índice No Banco Central de Reserva del Perú
1.507 0.824 2.185
𝐶𝑜𝑛𝑓𝑙𝑖𝑐𝑡𝑜 𝑠𝑜𝑐𝑖𝑎𝑙 Dummy que indica la presencia de conflictos sociales asociados con
proyectos de la empresa 0/1 Sí
Defensoría del Pueblo
0.606 0 1
Una cuestión inicial a evaluar es si los determinantes de que las empresas mineras estén en una
situación de estrés financiero impactan en dichas empresas de la misma manera o no. Si fuera el
caso último, correspondería analizar si este efecto se determina por variables observables o no.
Es razonable pensar que, debido a sus propias características, las empresas mineras estarían
sometidas a diferentes grados de estrés financiero ante shocks macroeconómicos o por la presencia
de conflictos sociales.
Algunas de las variables independientes están influenciadas por características fijas no observables
de las empresas, las cuales que no son capturadas en un modelo pooled o de efectos aleatorios. Esta
heterogeneidad inobservable no varía en el tiempo y puede sesgar los coeficientes estimados.
Algunos ejemplos de estas variables inobservables son la calidad de gestión de la empresa,
estructura de propiedad y su ubicación geográfica. En consecuencia, se estima el modelo logístico
de datos en panel considerando efectos fijos.5
El modelo incluye también efectos temporales para controlar por eventos que impactan a todas las
empresas de la misma manera. Estos pueden ser: crisis globales, cuyos efectos no están
completamente medidos en las variables macroeconómicas consideradas, contexto político o
cambios regulatorios con impactos en las decisiones de las empresas mineras.
En la siguiente sección se discuten los resultados obtenidos a través estimaciones realizadas según
las hipótesis señaladas previamente.
5. Resultados
5.1. Presentación de resultados
En el siguiente cuadro se presentan los resultados de las estimaciones del modelo logístico
empleando especificaciones de tipo pooled, efectos aleatorios (EA) y efectos fijos (EF). Para la
estimación se consideran once empresas mineras peruanas y un periodo que va desde el primer
trimestre del 2006 al cuarto del 2016.
5 Se realizó el test de Hausman comparando el modelo de efectos aleatorios con el modelo de efectos fijos, pero el test no era válido para este panel de datos y no nos permite sacar conclusiones sobre el modelo apropiado.
Gerencia de Políticas y Análisis Económico - Osinergmin
24
CUADRO 3: ANÁLISIS DE ROBUSTEZ DE LAS DIFERENTES ESPECIFICACIONES
Fuente y elaboración: GPAE - Osinergmin
Las estimaciones muestran resultados similares, tanto en signo como en magnitud, en las tres
regresiones. Ello brinda evidencia estadística favorable respecto de la robustez de los resultados y
de la especificación elegida.
En la elaboración del modelo se consideraron varias especificaciones para verificar si el
comportamiento de las variables cambia cuando se adicionan otras variables independientes, de tal
suerte de evaluar si se estarían omitiendo variables que expliquen mejor el modelo. El Cuadro 4
muestra que esto ocurre con las variables macroeconómicas incluidas en el modelo. En la versión
del modelo que no incluye el índice de precios, el PBI de China y el tipo de cambio son significativos.
La incorporación del índice de precios en el modelo hace a estas variables no significativas. Esto nos
Prob. estrés Logit EA EF
Coef. Coef. Coef.
Tamaño 1.306* 0.371 1.259*
Apalancamiento 7.537** 10.053*** 7.236**
Proporción de deuda de corto plazo 2.386*** 2.352*** 2.298***
Quick ratio -0.157 -0.273 -0.151
Activos fijos 6.560** 2.910 6.265**
Prestamos al sector privado 0.000** 0.000** 0.000**
Conflictos sociales -0.120 0.006 -0.124
PBI de China -0.290 -0.190 -0.279
Tipo de cambio 0.179 0.160 0.172
Í•ndice de precios -3.141* -3.157* -3.035*
Año=2006 0.000 -0.518 0.478
Año=2007 1.326 0.593 1.763
Año=2008 -0.418 -1.131 0.086
Año=2009 -0.115 -0.308 0.372
Año=2010 1.075 1.012 1.521
Año=2011 1.353 1.687 1.790
Año=2012 2.371 2.540* 2.769*
Año=2013 0.492 0.693 0.963
Año=2014 0.930 1.171 1.383
Año=2015 0.808 1.075 1.239
Año=2016 -0.494 0.000 0.000
Constant -7.538* -1.587
Observaciones 370 370 370
* p<0.05, ** p<0.01, *** p<0.001
Gerencia de Políticas y Análisis Económico - Osinergmin
25
permite concluir que el PBI de China y el tipo de cambio impactan las empresas, en parte, a través
de los precios de metales. Esto es consistente con la teoría de los efectos indirectos.
CUADRO 4: EL IMPACTO DE LA INCLUSIÓN DEL ÍNDICE DE PRECIOS EN EL MODELO
Fuente y elaboración: GPAE – Osinergmin
Un posible problema en el modelo es la endogeneidad, que es la correlación de una variable
explicativa con el error. La endogeneidad puede estar presente por omitir una variable que influye
en otra independiente, así como en la dependiente, o que genera una causalidad simultánea entre
estas dos. En el modelo se usan datos financieros que probablemente estén influenciados por los
mismos factores y, por eso, pueden generar endogeneidad. Para evitar que el modelo adolezca de
este problema, se incorporan variables independientes con rezago.
Prob. Estrés Sin índice de precios Con índice de precios
Coef. Coef.
Tamaño 1.212* 1.259*
Apalancamiento 7.345** 7.236**
Proporción de deuda de corto plazo 2.308*** 2.298***
Quick ratio -0.132 -0.151
Activos fijos 6.494** 6.265**
Prestamos al sector privado 0.000* 0.000**
Conflictos sociales -0.178 -0.124
PBI de China -0.741* -0.279
Tipo de cambio 0.217* 0.172
Í•ndice de precios -3.035*
Año=2006 0.944 0.546
Año=2007 2.556* 1.715
Año=2008 0.666 0.039
Año=2009 1.052 0.338
Año=2010 0.715 1.717
Año=2011 -0.246 2.107
Año=2012 0.900 3.075*
Año=2013 -0.131 1.232
Año=2014 0.705 1.628*
Año=2015 1.351 1.340
Año=2016 0.000 0.000
Observaciones 370 370
* p<0.05, ** p<0.01, *** p<0.001
Gerencia de Políticas y Análisis Económico - Osinergmin
26
Se confirmó también que el modelo es robusto frente a la multicolinealidad6 a través del análisis de
correlación entre las variables y un análisis de variance inflation factor (VIF), un factor que señala si
la varianza de una variable está afectada por correlación con otras variables.
5.2. Discusión de resultados
Con respecto a las variables macroeconómicas, se observa que la probabilidad de estrés financiero
tiene una relación inversa con el PBI chino y positiva con el tipo de cambio cuando el modelo no
incluye precios. Los resultados están alineados con la teoría descrita. Se espera que una caída en la
demanda (en este caso de China) reduzca el precio de los metales. Esto impacta de forma negativa
a la capacidad de las empresas para pagar sus costos de deuda. Al mismo tiempo, una apreciación
del dólar aumenta la probabilidad de estrés financiero por dos razones: i) el aumento en los costos
del financiamiento y de los equipos que son denominados en dólares y ii) hay una correlación
negativa entre el valor real del dólar y los precios de los metales en los mercados financieros
internacionales. Cuando el dólar se aprecia frente a otras monedas, dichas economías compran
menos commoditites. Esto significa que cuando el dólar tiene mejor desempeño, caen los precios
de los metales y disminuyen los ingresos de las empresas mineras. Sin embargo, sus costos en
dólares se mantienen en el mismo nivel y, por ende, representan un mayor porcentaje de sus
ingresos. Finalmente, la relación positiva entre el estrés financiero y la mayor disponibilidad de
financiamiento en el Perú, medida a través del cambio en los préstamos al sector privado, señala
que el endeudamiento de las empresas mineras sigue la misma tendencia que las del sector privado
corporativo peruano: mientras mayores son los compromisos que asume una empresa aumenta su
probabilidad de estrés.
El coeficiente de la variable que mide el impacto de los conflictos sociales sobre la probabilidad de
estrés financiero no es significativo. Su error estándar es muy alto y cambia de signo dependiendo
de la especificación. Este resultado es consistente con Gondo y Vega (2017) y Huaroto (2013) que
encontraron relaciones negativas entre conflictos y la proporción de proyectos mineros
confirmados y la rentabilidad, respectivamente; sin embargo, la variable conflicto social no resultó
estadísticamente significativa para esos autores.
6 Entendida como la situación en la que algunas de las variables explicativas de un modelo presentan una alta correlación.
Gerencia de Políticas y Análisis Económico - Osinergmin
27
Los coeficientes de las variables de la empresa son consistentes con la teoría económica. La
proporción de activos fijos entre los activos totales de la empresa tiene una relación directa en la
probabilidad de estrés financiero. Empresas con más activos fijos —que sirven como colateral—
suelen acceder al financiamiento más fácilmente que las empresas que no los tienen. El coeficiente
positivo de esta variable confirma que las empresas con mayores activos fijos pueden acceder (y
depender) a un mayor financiamiento externo, lo que representaría un riesgo en el caso de
indisponibilidad del crédito, como lo que sucede en las crisis financieras. Una interpretación similar
ocurre con el coeficiente positivo del tamaño de la empresa.
Igualmente, la probabilidad de estrés financiero es más alta para empresas con mayor
apalancamiento y proporción de deuda de corto plazo entre la deuda total. Este es un resultado
esperado dado que una mayor deuda y, sobre todo, obligaciones de deuda de corto plazo son las
que llevan a una empresa a una situación de estrés financiero.
Los resultados del modelo permitieron estimar la probabilidad relativa de que una compañía esté
en una situación de estrés financiero, para ello se estiman las probabilidades según: i) año de la
muestra para todas las empresas, ii) tamaño de la empresa y iii) nivel de precios de los metales.
Un hallazgo a resaltar es que las probabilidades de que una empresa del sector minero peruano
entre en una situación de estrés financiero son menores, en todos los casos, al 50%. Esto indicaría
una baja probabilidad de que enfrente esta situación. De hecho, la probabilidad más alta es 24.78%
y ocurrió en el año 2015.
El Gráfico 6 muestra que la probabilidad de estrés financiero, entre 2009 y 2016, aumentó
comparado con otros años. Esto se explica porque en 2008 y 2009, la crisis financiera internacional
redujo el crecimiento económico mundial y causó impactos fuertes en las principales economías
avanzadas que se extendieron a las en desarrollo. Ello ocasionó, por ejemplo, la disminución abrupta
de la riqueza de los agentes económicos lo cual influyó en la demanda y precios de los commoditites.
Para el 2015, las 40 principales empresas mineras registraron su primera pérdida colectiva debido
al término del súper ciclo de los commoditites en 2012 y la menor demanda china. El menor
dinamismo chino redujo en 25% los precios de los commoditites y la capitalización bursátil de las
mineras en 37% (PWC, 2016). Esto también impactó a las 11 empresas mineras peruanas listadas en
la bolsa. Cinco de ellas registraron pérdidas netas y, por ende, menores indicadores de rentabilidad.
Asimismo, la capitalización de mercado de las 11 empresas peruanas decreció en 47%. Su
Gerencia de Políticas y Análisis Económico - Osinergmin
28
desempeño financiero mejoró en 2016 aunque la probabilidad de estrés financiero ha seguido en
un nivel relativamente alto comparado con el promedio del periodo analizado.
GRÁFICO 6: PROBABILIDAD DE ESTRÉS FINANCIERO (2006-2016)
Fuente y elaboración: GPAE - Osinergmin
Se realizó una comparación de la probabilidad de estrés financiero según el tamaño de la empresa
y el nivel de precios. Para realizar este análisis, dividimos las empresas de la muestra en tres
categorías según el activo total: de tamaño bajo, intermedio y alto. Es importante recordar que
todas las 11 empresas analizadas son listadas en la Bolsa de Valores y se encuentran entre las más
grandes del Perú. De la misma manera, identificamos tres categorías de precios: precios bajos,
intermedios y altos. Entre 2006 y 2016, todos los periodos de precios bajos han ocurrido entre el
primer trimestre de 2006 y el tercer trimestre de 2009 y luego entre el primer trimestre de 2015 y
el tercer trimestre de 2016. El Gráfico 7 muestra que la probabilidad de estrés financiero varía de
una manera similar para los tres tamaños de empresa, siendo mucho más alta en periodos de
precios bajos. Al mismo tiempo, las empresas de tamaño medio y alto, en el promedio, tienen una
más alta probabilidad de estrés financiero. Esto puede ser relacionado con su capacidad más alta de
acceder financiamiento externo y, por ende, exponerse al riesgo del mercado crediticio. Mientras
que mayor acceso al crédito puede abrir oportunidades para más inversión en nuevos proyectos y
ser muy positivo para la empresa, obligaciones de deuda de corto plazo por encima del flujo de caja
0.39% 1.28%3.91%
16.59%
0.93% 0.54%
2.17%2.17%
8.50%
24.78%
6.02%
1% 1%
5%
1%2% 1%
3%
13%
4%
0%
5%
10%
15%
20%
25%
30%
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Probabilidad máxima de estrés financiero
Probabilidad media de estrés financiero
Gerencia de Políticas y Análisis Económico - Osinergmin
29
que generan las operaciones de la empresa representan una vulnerabilidad frente las crisis
financieras.
GRÁFICO 7: PROBABILIDAD DE ESTRÉS FINANCIERO, POR TAMAÑO DE EMPRESA Y PRECIOS
Fuente y elaboración: GPAE – Osinergmin
GRÁFICO 8: PROBABILIDAD DE ESTRÉS SEGÚN DIFERENTES ESCENARIOS DE CRECIMIENTO DE LA
ECONOMÍA CHINA
A) B)
Fuente y elaboración: GPAE – Osinergmin
19%
6%
1%
37%
15%
2%
32%
10%
3%
0%
5%
10%
15%
20%
25%
30%
35%
40%
Precios bajos Precios intermedios Precios altosTamaño bajo Tamaño intermedio Tamaño alto
19%
6%
1%
37%
15%
2%
32%
10%
3%
0%
5%
10%
15%
20%
25%
30%
35%
40%
Precios bajos Precios intermedios Precios altos
Tamaño bajo Tamaño intermedio Tamaño alto
Crecimiento económico chino menor a su media
2.8%2.4%
0.4%1.3% 0.8% 0.6%2.6% 1.0% 2.2%
0%
5%
10%
15%
20%
25%
30%
35%
40%
Precios bajos Preciosintermedios
Precios altos
Tamaño bajo Tamaño intermedio Tamaño alto
Crecimiento económico chino mayor a su media
Gerencia de Políticas y Análisis Económico - Osinergmin
30
También se estimó el cambio de las probabilidades de estrés financiero para dos escenarios del
crecimiento económico chino, el primero consideró un crecimiento menor o igual que el crecimiento
promedio, y el otro escenario cuando dicho crecimiento fue superior su crecimiento promedio.
Para un escenario de precios bajos e intermedios, la probabilidad de estrés financiero se redujo
drásticamente cuando el crecimiento chino fue mayor que su crecimiento promedio (ver Gráfico 8).
Asimismo, existe una similitud en la probabilidad de estrés financiero en el escenario de precios
altos cuando el crecimiento chino es alto. Esto pude explicarse porque el escenario de precios altos
es influenciado por el crecimiento de una gran economía como la del gigante asiático.
5.3. Comentarios finales
El presente documento analizó la probabilidad de que una empresa minera peruana entre a una
situación de estrés financiero. A partir de una especificación de un modelo de panel de datos con
efectos fijos, el crecimiento de China y el tipo de cambio impactan a las empresas mineras,
principalmente, a través de los precios de metales. Además, la probabilidad de estrés financiero está
determinada por factores internos de la empresa. A pesar de la suma importancia de los conflictos
sociales en el sector minero peruano, no se encontró ninguna relación significativa entre la
presencia de conflictos sociales y el estrés financiero de las empresas.
El modelo permitió estimar que durante el 2009 y 2016 la probabilidad de que una empresa minera
caiga en una situación de estrés financiero aumentó respecto al periodo de estudio. No obstante
ello, para todos estos años, la probabilidad de estrés se ha mantenido baja (probabilidad media de
13% en el 2015). Asimismo, se identificó que las empresas de tamaño intermedio y alto se
encuentran en mayor riesgo de estrés financiero en periodos de precios relativamente bajos.
Finalmente, los resultados del presente estudio sugieren las siguientes vías de investigación: i)
identificar si existen canales de transmisión entre la ocurrencia de un conflicto y el estrés financiero
de las empresas mineras, ii) profundizar el análisis de las fuentes y términos de financiamiento de
las empresas mineras peruanas respecto a sus pares de la región u otras empresas mineras de
similares características en el mundo y iii) analizar la estructura accionaria, pues esta puede tener
un impacto importante en el desempeño financiero de las empresas mineras en el Perú y el riesgo
de sus operaciones.
Gerencia de Políticas y Análisis Económico - Osinergmin
31
6. Bibliografía
Adam, Tim y Vidhan K. Goyal. (2000). “The Investment Opportunity Set and its Proxy Variables:
Theory and Evidence.” Journal of Financial Research, Vol. 31: No 1.
Almeida, Heitor y Murillo Campello (2007). “Financial Constraints, Asset Tangibility, and Corporate
Investment.” The Review of Financial Studies, Vol 20: No 5.
Almeida, Heitor, Murillo Campello y Michael S. Weisbach. (2004). “The Cash Flow Sensitivity of
Cash.” The Journal of Finance, Vol. LIX, No 4.
Bernanke, Ben S. (2016). “The Dollar´s International Role: An ‘Exorbitant Privilege’?” Brookings.
Bhandari, Shyam y Rajesh Iyer (2013). “Predicting Business Failure Using Cash Flow Statement Based
Measures.” Managerial Finance, Vol. 39. No 7.
Blagrave, Patrick, Giang Ho, Ksenia Kolosova y Esteban Vesperoni (2017). “Fiscal Spillovers: The
Importance of Macroeconomic and Policy Conditions in Transmission.” Spillover Notes: 11. IMF.
Ciudad, Juan Cristóbal. (2005). “Determinantes del precio spot del cobre en las bolsas de metales.”
Naciones Unidas, Comisión Económica para América Latina y el Caribe, División de Recursos
Naturales e Infraestructura.
De Socio, Antonio y Valentina Michelangeli (2017). “A model to assess the financial vulnerability of
Italian firms.” Journal of Policy Modeling, Vol. 39.
Dixit, A. y R. Pindyck (1994). “Investment under Uncertainty”. Princeton: Princeton University Press.
EY (2017). “Does Cutting Debt Have to Mean Reducing Your Ambitions?”
Falen, Jorge (2016). “Doce de 46 proyectos mineros enfrentan conflictos sociales.” El Comercio.
Financial Accounting Standards Board (2010). “Classification of Short-Term Obligations Expected to
Be Refinanced: an amendment of ARB No. 43, Chapter 3A.” Statement of Financial Accounting
Standards No. 6.
González-Miranda, Maria (2012). “Nonfinancial Firms in Latin America: A Source of Vulnerability?”
Working Paper, International Monetary Fund.
Gerencia de Políticas y Análisis Económico - Osinergmin
32
Halland, H.; Lokanc, M.; Nair, A.; y S. Padmanabhan (2016). El sector de las industrias extractivas:
aspectos esenciales para economistas, profesionales de las finanzas públicas y responsables de
políticas. Washington: Banco Mundial.
Hovakimian, Gayané y Sheridan Titman (2003). “Corporate Investment with Financial Constraints:
Sensitivity of Investment to Funds from Voluntary Asset Sales.” Working Paper, National Bureau of
Economic Research.
Huaroto, C. y A. Vásquez Cordano (2015). Los Conflictos Socio Ambientales y el Valor de las Acciones
de las Grandes Empresas Mineras en el Perú: Evaluando la Teoría de las Opciones Reales.
Documento de Trabajo No 34, Oficina de Estudios Económicos – Osinergmin, Perú.
Mwase, Nkunde et al. (2016). “Spillovers from China: Financial Channels.” Spillover Notes: 5. IMF.
Popescu, Adina y Ippei Shibata (2017). “Spillovers from US Government Spending Shocks: Impact on
External Positions.” Spillover Notes: 10. IMF.
PWC (2016). “Mine 2016- Slower, lower, weaker… but no defeated.”
Rashid, Abdul (2013). "Risks and Financing Decisions in the Energy Sector: An Empirical Investigation
Using Firm-Level Data," Energy Policy, Vol. 59.
SWIFT (2015). “Worldwide Currency Usage and Trends.” Information paper prepared by SWIFT in
collaboration with City of London and Paris EUROPLACE.
Vithessonthi, Chaiporn y Jittima Tongurai (2015). “The effect of firm size on the leverage–
performance relationship during the financial crisis of 2007–2009.” Journal of Multinational
Financial Management, Vol. 29.
Watson, Denzil y Antony Head (2010). “Corporate Finance: Principles and Practice.” Fifth edition.
Peason.
Gerencia de Políticas y Análisis Económico - Osinergmin
33
Organismo Supervisor de la Inversión en Energía y Minería – Osinergmin
Gerencia de Políticas y Análisis Económico – GPAE
Alta Dirección
Dr. Daniel Schmerler Vainstein Presidente del Consejo Directivo
José Carlos Velarde Saccio Gerente General
Equipo de Trabajo de la GPAE
Abel Rodríguez Gonzáles Gerente de Políticas y Análisis Económico
Especialistas Sectoriales: Victor Raúl Zurita Saldaña (Minería), Ricardo de la Cruz Sandoval (Hidrocarburos), Carlos
Renato Salazar Ríos (Econometría), Juan Manuel Rivas Castillo (Gas Natural), María Alejandra
Mendez Vega (Asociaciones Públicas Privadas) y Ben Solis Sosa (Análisis de Impacto
Regulatorio).
Analistas Económicos: Francisco Javier Coello Jaramillo, Carlos Alberto Miranda Velásquez, Melissa Isabel Llerena Pratolongo, Pablo Anthony Suclupe Girio, Ernesto Yuri Guevara Ccama, Thaís Chávez Porta. Asistentes:
Darha Chávez Vásquez, Alex Carrillo Chávez y David Terreros Ingaruca.
Asistente Administrativo:
Clelia Bandini Malpartida