determinantes de la probabilidad de estrés financiero de ...€¦ · estrés financiero. el...

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.

http://www.osinergmin.gob.pe/

http://www.osinergmin.gob.pe/seccion/institucional/acerca_osinergmin/estudios_economicos/oficina-estudios-economicos

http://www.osinergmin.gob.pe/seccion/institucional/acerca_osinergmin/estudios_economicos/oficina-estudios-economicos


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


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


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.


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.


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.


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


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.


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).


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.


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.


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


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.


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.


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


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.


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)


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


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.


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.


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


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


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.


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


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


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


GRÁFICO 8: PROBABILIDAD DE ESTRÉS SEGÚN DIFERENTES ESCENARIOS DE CRECIMIENTO DE LA

ECONOMÍA CHINA

A) B)


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


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.


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.


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.


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

determinantes de la probabilidad de estrés financiero de ...€¦ · estrés financiero. el...

Documents