universidad del cema · 3 lista de tablas tabla 1: test de correlación serial de primer orden en...
TRANSCRIPT
1
UNIVERSIDAD DEL CEMA
TESIS PARA OPTAR AL GRADO DE DOCTOR EN
FINANZAS DE LA UNIVERSIDAD DEL CEMA
TÍTULO DE LA TESIS
ESTIMACIÓN DE TASAS DE DESCUENTO PARA
ACTIVIDADES AGRÍCOLAS
UN ANÁLISIS PARA LOS PRINCIPALES CULTIVOS DE LA REGIÓN
PAMPEANA
TESISTA: LIC. GABRIEL DELGADO
DIRECTOR DE TESIS: DR. GUILLERMO LÓPEZ DUMRAUF
BUENOS AIRES, MARZO DE 2009
2
INDICE
0. MOTIVACIÓN
1. INTRODUCCIÓN
2. ANTECEDENTES
3. METODOLOGÍA
4. DATOS
5. ANÁLISIS E INTERPRETACIÓN DE LOS RESULTADOS
6. ARRENDAMIENTOS TEORICOS BASADOS EN CAPM
7. LIMITACIONES
8. CONCLUSIONES Y LÍNEAS FUTURAS DE INVESTIGACIÓN
9. REFERENCIAS
10. ANEXO A
11. ANEXO B
3
LISTA DE TABLAS
Tabla 1: Test de Correlación Serial de Primer Orden en los Errores................. pág. 25
Tabla 2: Test de Dicky-Fuller para las series de rentabilidad............................ pág. 33
Tabla 3: Estimación de Betas para el Productor-Propietario.............................. pág. 34 Tabla 4: Estimación de Betas para el Terrateniente........................................... pág. 34 Tabla 5: Estimación de Betas para el Arrendatario............................................ pág. 34 Tabla 6: Estimación de Tasas de Descuento. CAPM Global............................. pág. 37 Tabla 7: Estimación de Tasas de Descuento. Método de G-E........................... pág. 37 Tabla 8: Cálculo del Arrendamiento Teórico para el cultivo de Soja................. pág.43
4
0. MOTIVACIÓN
Los análisis de negocios y de gestión de actividades agropecuarias cuentan con una larga
historia en nuestro país.
La cátedra de Administración Rural de la Universidad de Buenos Aires (UBA), la
Asociación de Congresos Regionales de Experimentación Agrícola (AACREA) y otras
organizaciones intermedias han aplicado gran parte de la propuesta francesa de análisis
económico del sector agropecuario desde los años 50. Esta propuesta consiste
básicamente en una contabilidad básica en donde permanentemente se puede visualizar el
resultado productivo y el contable. Normalmente, esta metodología es conocida
Metodología del Margen Bruto. El manual de AACREA “Normas para Medir los
Resultados Económicos de Empresas Agropecuarias1” sintetiza las principales
recomendaciones para analizar la rentabilidad del sector agropecuario en Argentina.
Si bien esta metodología ha generado muchos aportes y es ampliamente utilizada hoy en
el sector agropecuario argentino, ha incorporado parcialmente elementos de la teoría
moderna de finanzas que guían el análisis de las decisiones financieras en toda actividad
económica. Conceptos tales como Portafolio de Markowitz, Diversificación de Carteras,
Betas, Riesgo Sistemático, no son tenidos en cuenta en la metodología tradicional del
Margen Bruto. Las cátedras de Ingeniería Agronómica, Veterinaria y carreras afines que
cuentan en sus programas con análisis de negocios por lo general todavía utilizan el
enfoque Margen Bruto.
1 AACREA (1990)
5
Este hecho y el escaso desarrollo del mercado de capitales argentino han contribuido a
restringir el desarrollo y el uso de las herramientas que una empresa agropecuaria podría
utilizar para gestionar con mayor eficiencia su explotación.
Cuando comencé con el trabajo profesional de Licenciado en Economía Agropecuaria en
el Instituto Nacional de Tecnología Agropecuaria (INTA), advertí que la mayor cantidad
de opiniones de colegas sobre los negocios del sector se basaban en un enfoque que no
tenía en cuenta aspectos fundamentales de las Finanzas. Fue precisamente este hecho una
de las razones que me ayudaron a tomar la decisión de realizar una Maestría en Finanzas
con el pleno convencimiento de que muchas de las teorías y de las proposiciones tenían
cierto correlato con el sector agropecuario.
El primer aporte fue un manual de Finanzas Agropecuarias2 que editó el INTA. La
necesidad de profundizar los conocimientos y aplicar las metodologías modernas que se
utilizaban en otros sectores de la economía, me llevó a la decisión de realizar el
Doctorado en Finanzas. La tesis doctoral que se presenta a continuación constituye un
pequeño paso para tender puentes entre las teorías financieras y la realidad del sector
agropecuario argentino.
2 Delgado (2002).
6
1. INTRODUCCIÓN
En el último lustro los precios internacionales de las principales commodities que exporta
Argentina han experimentado un crecimiento significativo. Esta vigorosidad se expresa,
por ejemplo, en el caso de la soja, que en los últimos años casi triplicó su precio histórico,
según los datos de la Secretaría de Agricultura, Ganadería, Pesca y Alimentos de la
Nación.
Este hecho ha generado un fuerte impacto en la productividad y en la producción total de
las commodities en las diferentes regiones del país. Otro efecto es el fuerte incremento en
la liquidez del sector agropecuario, con la entrada en escena de inversores diversificados
dispuestos a incorporar en sus carteras activos del sector agropecuario, particularmente
activos del sector agrícola.
En este contexto, un interrogante de relevancia crítica se plantea: ¿Cuál debería ser la tasa
de retorno que exigiría un inversor diversificado para incorporar en su cartera activos del
sector agropecuario?
Si bien la tasa de descuento a aplicar para proyectos agrícolas ha generado debates
intensos en la comunidad académica internacional3, a nuestro conocimiento no existe un
trabajo completo y sistemático para la realidad del sector agropecuario argentino. La
presente tesis doctoral tiene como misión contribuir a la discusión sobre la aplicación de
los modelos de valuación clásicos a la problemática específica del sector. Los objetivos
que se plantea específicamente la tesis doctoral son:
3 Moss y Katchova (2005) sintetizan el estado actual de la investigación.
7
a. Elaborar una serie histórica de rentabilidades para los cuatro cultivos agrícolas
más importantes de la Argentina (Soja, Trigo, Maíz y Girasol) y para diferentes
modelos de inversión en el sector. El período de análisis utilizado es 1980-2006,
dada la disponibilidad de datos existente.
b. Estimar la tasa de descuento que debe exigirse a las actividades agrícolas
utilizando como base el modelo de mayor popularidad en el área de las finanzas
teóricas y aplicadas: el “Capital Asset Pricing Model“ (CAPM) de William
Sharpe (1964)4, Jack Treynor (1962), John Lintner (1965) y Jan Mossin (1966).
Dado que las inversiones agropecuarias analizadas corresponden a un país
emergente5 como Argentina, se estimarán tasas de descuento con consideraciones
explícitas sobre la influencia del riesgo país.
c. Calcular los valores de arrendamientos teóricos que están dispuestos a pagar tanto
inversores diversificados como no diversificados, según la rentabilidad exigida a
la cartera de activos del sector.
La estimación de las tasas de descuento se realizará para tres modelos de inversión
del sector agropecuario, con la creencia de que cada modelo de inversión implica
un perfil diferente de riesgo-retorno:
4 En 1990 Sharpe recibió el Premio en ciencias económicas en memoria de Alfred Nobel por sus trabajos sobre el CAPM. 5 El término de “mercado emergente” es atribuido a Antoine Van Agtmael quien, como subdirector del departamento de Mercado de Capitales de la Corporación Financiera Internacional, lo pronunció en el año 1981 en una conferencia de inversores en Tailandia. El término fue usado como contraposición a la clasificación de un país como de tercer mundo, el cual representaba una imagen negativa de los países con mercados de capitales escasamente desarrollados. No obstante ello, si bien la calificación de países emergentes es utilizado ampliamente en todos los ámbitos, no existe una definición claramente delimitada de lo que constituye un país emergente.
8
• Dueño de la tierra que destina sus recursos a la producción agropecuaria: este
constituye el típico caso del productor agropecuario dueño de la tierra que realiza
una explotación de ella. Esta figura ha sido durante muchos años el esquema de
mayor importancia en la estructura organizativa del sector agropecuario.
• Terrateniente, que arriendan la tierra a terceros productores: los dueños de la tierra
son generalmente productores o familias que encuentran en terceros una mayor
disposición a explotar la tierra debido a cuestiones tecnológicas, organizacionales
y de control. Esta figura, si bien existió siempre en la Argentina, a partir del
aumento de la liquidez y de la incorporación de nuevas tecnologías se fortaleció,
representando actualmente una de las formas organizacionales más relevantes en
la Pampa Húmeda.
• Arrendatarios: que arriendan la tierra para la producción, combinando diferentes
actividades y/o regiones. En este tipo de productores, existen dos grandes grupos
que pueden diferenciarse: (a) los arrendatarios que se dedican al negocio a partir
de su condición de contratistas profesionales o proveedores de insumos en el
sector a nivel regional, a los cuales les resulta marginalmente sencillo administrar
una cantidad importante de hectáreas (ha.) y, (b) los arrendatarios que se dedican
al negocio de colocar dinero de inversores en varias regiones del país. Estos
inversores en muchos casos se organizan por medio de figuras jurídicas especiales
para inversores institucionales con ventajas fiscales importantes. Los
Fideicomisos Financieros con Oferta Pública constituyeron un ejemplo de este
último punto.
9
Una de las lecciones más importantes del modelo CAPM es que, si un inversor se
encuentra suficientemente diversificado, el riesgo que debe ser compensado es el riesgo
de covarianza con el resto de activos que componen el portafolio de mercado y no el
riesgo individual del activo. Esto tiene importantes implicancias para la valuación de
activos. Si bien la producción agropecuaria es considerada una actividad riesgosa por los
múltiples factores que la afectan (riesgo de precios y factores climáticos, entre los más
relevantes), en general no está correlacionada en forma significativa con el ciclo
económico6 . De este modo, la tasa de retorno que se le exigiría a la inversión en activos
del sector sería inferior a la que correspondería según el riesgo propio de la actividad.
El trabajo de investigación se sustenta en la construcción de una serie histórica de
rentabilidades históricas (entre los años 1980 y 2006) para los principales cultivos
pampeanos en las áreas representativas: Soja para el departamento General López, Trigo
para el partido de Tres Arroyos, Maíz para Venado Tuerto y Girasol para Trenque
Launquen.
El documento se estructura de la siguiente manera: en la sección 2, se realiza una revisión
bibliográfica de la aplicación del CAPM en la valuación de activos del sector agrícola. La
literatura analizada corresponde exclusivamente a estudios realizados en base al sector
agropecuario de Estados Unidos, dada la inexistencia a nuestro conocimiento de trabajos
sistemáticos para otros países y, específicamente, para Argentina. En la sección 3, se
presenta la metodología utilizada en el trabajo, discutiéndose tanto el diseño del marco de
investigación como la estrategia empírica adoptada. En la cuarta sección, se presentan los
6 Barry, Hennings and Sherrick (2005).
10
datos y se definen las variables del modelo y las fuentes de información utilizadas. En la
sección quinta se presentan, analizan y discuten los resultados obtenidos. La sección sexta
contiene una aplicación del concepto de tasas de descuento para estimar arrendamientos
teóricos para el cultivo soja en la zona núcleo. En la sección séptima se analizan las
limitaciones del presente trabajo, mientras que en la sección octava se concluye y se
sugieren líneas de investigación futuras.
11
2. ANTECEDENTES
El seminal trabajo de Peter Barry (1980) representa la piedra fundacional de la literatura
que estudia la aplicación de modelos de valuación de activos financieros al sector
agropecuario. Utilizando información anual entre los años 1950 y 1977 a nivel nacional y
para 10 regiones agrícolas de Estados Unidos, Barry estima las primas de retorno
requeridas por inversores diversificados para incorporar en su cartera activos
agropecuarios. La rentabilidad de éstos últimos incluían tanto la renta por la producción
agrícola como la ganancia de capital por la posesión del activo tierra. El concepto de renta
de la producción en el modelo de Barry corresponde al resultado neto de los estados
contables agregados de firmas agropecuarias en 10 condados representativos en Estados
Unidos.
En el trabajo de Barry, la prima de riesgo esperada para el activo tierra es estimada en
base al modelo CAPM desarrollado por William Sharpe (1964)7, Jack Treynor (1962),
John Lintner (1965) y Jan Mossin (1966), regresando el exceso de retornos8 de los activos
agropecuarios con el exceso de retornos de un índice de mercado representativo
compuesto por bonos, acciones y el activo agricultura.
El principal resultado que se desprende del trabajo de Barry es que la tasa de retorno
exigida a la tierra agrícola, en un portafolio diversificado, es ligeramente superior a la
correspondiente al instrumento utilizado como aproximación del activo libre de riesgo
7 En 1990 Sharpe recibió el Premio Nobel en ciencias económicas por sus trabajos sobre el CAPM. 8 El exceso de retorno de un activo se define como la diferencia entre el retorno observado del activo y el retorno del activo libre de riesgo.
12
(bonos del tesoro americano). Otro resultado del trabajo sugiere que los rendimientos
históricos observados del activo agricultura son superiores a los predichos por el modelo
CAPM. Según Barry, este hecho sugiere que la agricultura estaba subvaluada y ofrecía
oportunidades de arbitraje para inversores diversificados.
Por otra parte, Barry señala tres cuestiones esenciales que podrían relativizar los
resultados obtenidos: el tratamiento de la inflación en el modelo CAPM y su efecto sobre
la demanda de tierras, la iliquidez de las inversiones agrícolas y la limitada
diversificación de los productores agropecuarios. Los factores mencionados tienden a
elevar la tasa de descuento esperada en relación a la que se desprende del modelo CAPM.
Siguiendo la línea original de Barry (1980), Arthur, Abizadeh y Carter (1987) proponen
como alternativa la estimación de la prima de riesgo en base al modelo de Arbitraje del
Precio de los Activos (APT), introducido por Ross (1976), y siguiendo el espíritu del
trabajo de Dusak (1973). La elección del APT como modelo de valuación de activos
responde, según los autores, a que constituye un modelo más satisfactorio para explicar la
relación entre riesgo y retorno de los activos.
Los autores estiman los coeficientes de riesgo sistemático tanto para el modelo APT
como para el modelo CAPM, utilizando información de carácter trimestral para el período
1976-1984 de catorce activos agropecuarios. La información utilizada es de naturaleza
contable. Las conclusiones del trabajo fueron que los activos del sector agropecuario
tienen bajos niveles de riesgo sistemático y se encuentran subvaluados con respecto al
13
resto de los activos de la economía, en línea con los resultados del trabajo original de
Barry (1980).
Collins (1988) realizó un aporte distintivo en el aspecto metodológico, utilizando
información de empresas agropecuarias con cotización pública para estimar las primas de
riesgo. En su argumentación señala que la elección de la renta anual agrícola agregada
utilizada en el estudio de Barry (1980), ignora el hecho de que el riesgo sistemático de los
activos de empresas públicas puede ser distinto al riesgo sistemático de la corriente de
ingresos que generan los activos.
En relación a la elección de los modelos de valuación de activos, Collins (1988) sostiene
que es preferible utilizar el modelo APT dado que su aplicación requiere supuestos menos
restrictivos que el CAPM y por los interrogantes que existen acerca de la validez empírica
de este último, controversia iniciada por Roll (1977). Los resultados de Collins muestran
que la tasa de retorno exigida por inversores diversificados a la tierra agrícola es
sustancialmente superior a las obtenidas en los trabajos de Barry (1980) y Arthur,
Abizadeh y Carter (1987), concluyendo que las inversiones en el sector agrícola no
difieren de la inversión en otras clases de activos de la economía.
Bjornson e Innes (1992) extienden las investigaciones previas estimando un modelo APT
con factores explícitos, a diferencia de los trabajos de Collins (1988) y Arthur, Abizadeh
y Carter (1987) que estiman el modelo APT basado en el análisis de los componentes
principales. Según los autores, la ventaja de utilizar un modelo de factores explícitos es
14
que permite una identificación más apropiada de los factores económicos relevantes y la
sensibilidad de los activos agropecuarios a los mismos.
Los factores seleccionados por los autores son el índice de producción industrial, el índice
general del mercado de acciones, los niveles de inflación esperada, los cambios en los
niveles de inflación esperada, las primas por riesgo de vencimiento y riesgo de pago de
los bonos, el tipo de cambio entre el franco suizo y el dólar y dos factores específicos del
sector agropecuario: el índice de precio del maíz y el índice de precio de la carne.
Los principales resultados obtenidos por Bjornson y Innes (1992) para todo el período
muestral son: (a) el intercepto es significativamente positivo en todas las especificaciones
analizadas, indicando que los activos agrícolas han obtenido una rentabilidad histórica por
encima de la predicha por el modelo APT; (b) El índice de precio del maíz muestra una
prima de riesgo promedio negativa y significativa, mientras que el precio de la carne
muestra una prima de riesgo insignificante; (c) los niveles de inflación esperada, las
primas de riesgo por vencimiento y el cambio en la inflación esperada tiene un efecto
positivo y significativo sobre la prima de riesgo esperada.
Shiha y Chavas (1995) analizan críticamente la aplicación de los modelos CAPM y APT
al sector agrícola y sugieren que una de las razones por las cuales ambos modelos no
explican adecuadamente los retornos en el sector es la probable segmentación (en el
sentido de diferentes tamaños) del mercado de tierras, que hace costoso e impide el
proceso de arbitraje.
15
Barry, Sherrick y Hennings (2005) estudian el impacto de las inversiones en tierra
agrícola en el perfil de riesgo-retorno de portafolios mixtos de activos, utilizando
información a nivel firmas agropecuarias. Los autores concluyen que la adición de tierra
agrícola mejora la eficiencia de un portafolio mixto en términos de media y varianza
debido a la negativa correlación observada entre los valores de la tierra y los principales
índices de acciones y bonos. Asimismo, las inversiones agrícolas constituyen una
alternativa atractiva en períodos de alta inflación, dada la correlación observada entre ésta
y los precios de la tierra, indicando el rol de la tierra agrícola como activo de refugio de la
riqueza.
En relación a productos específicos, el modelo CAPM fue aplicado por Tauer (2002) para
estimar el costo de capital para un conjunto de productores lecheros en Nueva York (que
no cotizan en bolsa). Se estimaron betas contables9 menores a uno para todos los
productores, con un porcentaje importante de ellos (71 %) con betas negativas. Por esta
razón, la autora concluye que el modelo CAPM es inadecuado para estimar el costo de
capital en este segmento de productores. Cabe aclarar también que estos resultados
pueden estar influenciados por los importantes niveles de intervención que tiene la
lechería en Estados Unidos.
Por último, un camino alternativo para estimar factores de riesgo sistemático en activos
agropecuarios es la utilización de la serie de precios de los futuros agropecuarios, en el
supuesto implícito que uno de los determinantes más importantes para la rentabilidad
9 Los coeficientes betas contables se estimaron regresando el resultado neto contable de los productores lecheros con respecto al resultado neto del índice de mercado.
16
agropecuaria es el precio esperado de los principales commodities. Dado que los futuros
cotizan en mercados relativamente líquidos, la prima de riesgo exigida por los
especuladores en el mercado de futuros puede ser estimada utilizando datos de mercado.
Dusak (1973), utilizando información de los contratos de futuros de trigo, maíz y soja,
estima las primas de riesgo sistemático según el modelo CAPM. La intuición detrás de
esta metodología es que, en ausencia de costos de transacción, riesgo de base y otros
aspectos peculiares del mercado de futuros, el cambio en el precio de los futuros puede
interpretarse como la prima de riesgo exigida a la posición spot del commodity. Los
resultados muestran que la correlación entre los precios en el mercado de futuro y los
precios de las acciones es insignificante, arrojando valores de beta cercanos a cero.
17
3. METODOLOGIA
A. Diseño de la investigación
Como primera observación, es importante destacar que el trabajo tiene como finalidad
analizar el riesgo sistemático de los cultivos agrícolas más importantes de la Pampa
Húmeda, a partir del paquete tecnológico modal definido por la SAGPyA10. Es decir, se
realiza un análisis por cultivo que no se corresponde con el análisis de una firma
agropecuaria. Esta aclaración es válida porque reconocemos que las diferencias en el
tamaño y las oportunidades de crecimiento de una firma pueden afectar al componente de
riesgo sistemático. Fama y French (1995) encuentran que, incluyendo dos variables
adicionales al riesgo de mercado como variables explicativas11, el poder explicativo del
modelo CAPM se incrementa significativamente. Sin embargo, las limitaciones
insalvables en término de disponibilidad de datos truncaron la posibilidad de adoptar este
último enfoque.
Si bien la elección de modelos alternativos de inversión implica la distinción entre formas
de organización de la actividad agropecuaria, es necesario destacar que el trabajo supone
que las diferentes formas de organización no afectan al margen bruto de la actividad
agropecuaria. Es decir, la selección de los modelos presentados tiene objetivo responder
cómo cambia el perfil de riesgo sistemático de cada inversor según la modalidad de
inversión en el sector agropecuario sin tener en cuenta su potencial impacto sobre la
10 Dirección de Economía Agraria. Secretaría de Agricultura, Ganadería, Pesca y Alimentos. Ing. Ruy Vidal. 11 Fama y French (op.cit) utilizan como variables adicionales una medida de tamaño, en base a la observación de que las firmas con menores niveles de capitalización han obtenido tasas históricas de rentabilidad por encima del promedio, y una medida de crecimiento, en base a la evidencia histórica que muestra que las firmas exigen una prima al valor para invertir en empresas con mayores ratios entre el valor contable y el valor de mercado.
18
ecuación económica a nivel de empresa. Cabe destacar además la diferencia entre los
horizontes de inversión entre las diferentes formas de organización
A continuación se presentan medidas de rentabilidad para modelos alternativos de
inversión en la actividad agropecuaria:
1. Modelo del Productor-Propietario
Este modelo representa al productor tradicional de la pampa húmeda con propiedad de la
tierra. La rentabilidad de la inversión en una actividad agrícola i para el productor va a ser
función tanto del resultado neto de la actividad como de las ganancias o pérdidas de
capital por las variaciones en el precio de la tierra. Como indicador del resultado neto de
sembrar una actividad agrícola i, se utilizó el Margen Bruto del cultivo, el cual se calcula
como la diferencia entre el ingreso neto y los costos directos. La utilización del Margen
Bruto se justifica en evitar las distorsiones que pueden resultar de la inclusión de los
gastos de estructura en la ecuación económica del productor. El indicador representativo
de rentabilidad para un cultivo i, el cual denominaremos rentabilidad del propietario, se
define como:
)1(
)1(
)1( −
−
− ΤΤ−Τ
+ΤΜΒ=
ti
tiit
t
ititRP (1)
donde:
RPit = Rentabilidad del productor-propietario de la tierra de sembrar el cultivo i en el año
t.
MBit = Margen Bruto del cultivo i en el año t (dólares constantes por ha.)
Τit = Valor de la tierra específica para el cultivo i en el año t (dólares constantes por ha.)
19
Τi(t-1) = Valor de la tierra específica para el cultivo i en el año t-1 (dólares constantes por
ha.)
El primer término de la ecuación (1) representa el margen bruto de la producción como
porcentaje del valor inicial de la tierra y el segundo término la ganancia de capital por la
posesión del activo tierra.
2. Modelo del Terrateniente
Este modelo supone que el dueño de la tierra no lleva a cabo la producción agropecuaria y
arrienda la tierra a productores agropecuarios para su explotación. El indicador de
rentabilidad representativo, denominado Rentabilidad del Terrateniente, se define para
cada cultivo i como:
)1(
)1(
)1( −
−
− ΤΤ−Τ
+ΤΑ=
ti
tiit
ti
ititRT (2)
donde:
RTit = Rentabilidad de arrendar la tierra en el año t para producir el cultivo i.
Αit = Valor del arrendamiento de la tierra, específico para cada cultivo12 (dólares
constantes por ha.)
Τit = Valor de la tierra específica para el cultivo i en el año t (dólares constantes por ha.)
Τi(t-1) = Valor de la tierra específica para el cultivo i en el año t-1 (dólares constantes por
ha.)
12 Es importante destacar que estamos suponiendo que tanto el valor de los arrendamientos como el precio de la tierra son cultivo-específicos. Este supuesto se justifica en la elección de zonas agrícolas que son representativas de cada cultivo analizado. El avance de la soja en los últimos años, en detrimento de la ganadería y otras actividades agrícolas, ha tenido como consecuencia que la soja constituya un factor fundamental en la fijación del precio de los arrendamientos para el resto de los cultivos. Sin embargo, las zonas han sido seleccionadas de modo que este último efecto sea mínimo.
20
El primer término de la ecuación (2) representa el arrendamiento de la tierra como
porcentaje de su valor inicial y el segundo término la ganancia de capital por la posesión
del activo tierra.
Tanto en la definición de la rentabilidad del terrateniente como en la definición de la
rentabilidad del propietario, estamos suponiendo que el inversor tiene un horizonte
temporal de mediano o largo plazo.
3. Modelo de Arrendatarios de la Tierra
Este modelo supone que los inversores arriendan la tierra y llevan a cabo actividades
agrícolas, combinando diferentes cultivos y/o zonas. La explotación de la tierra bajo
modalidades de arrendamiento ha crecido en forma sostenida en los últimos años13,
llevando a un crecimiento de la figura del arrendatario. Dentro del grupo de arrendatarios,
se pueden distinguir dos grandes grupos: (a) arrendatarios que también son dueños de
tierras y arriendan para incrementar la escala de producción; (b) arrendatarios que no son
dueños de tierras y que se organizan bajo formas flexibles de organización, tales como los
Fondos de Inversión Directa y los Pooles de Siembra con oferta pública de títulos-valores.
Cabe destacar que la diferencia entre la rentabilidad del propietario y la rentabilidad del
terrateniente representaría, en condiciones de equilibrio general, lo que el productor
propietario obtendría por producir descontado el costo de oportunidad de la tierra. Sin
embargo, en nuestro análisis no definimos de esa forma al arrendatario puro porque el
horizonte de inversión es de solo un año, además de suponer que no tiene tierra en su
cartera.
13 Barsky y Dávila (2008).
21
El indicador de rentabilidad representativo de este grupo de inversores lo constituye la
Tasa Interna de Retorno (TIR), que coincide con la tasa de rendimiento anual de la
inversión dado que se supone que el horizonte temporal del inversor es de un año.
En el caso de los cultivos agropecuarios, suponemos que, en el año cero, el productor
incurre en los costos directos (labores, semillas y agroquímicos) y el pago por
arrendamiento en efectivo, recibiendo al final del período el ingreso bruto de la
producción neto de los gastos de cosecha y comerciales:
VPN = -(Labores+ Semillas+ Agroquímicos+ Arrendamientos) + (Ingreso
Neto)/(1+TIR*)
VPN (TIR*) = 0
Para todos los modelos analizados se estimarán las tasas de descuento para una cartera
agropecuaria, utilizando como ponderadores la proporción sembrada de cada uno de los
cultivos en las campañas respectivas.
B. Estrategia Empírica
La estimación de las primas de riesgo exigidas a actividades agrícolas de la región
pampeana en un portafolio diversificado se basa en la aplicación del modelo CAPM, el
cual fue desarrollado en los principios de la década del ‘60 en forma simultánea por
William Sharpe (1964), Jack Treynor (1962), John Lintner (1965) y Jan Mossin (1966).
22
Según el modelo CAPM, construido en base a la teoría de portafolios de Harry
Markowitz (1952), la tasa de retorno que debe exigirse a un activo en un portafolio
diversificado es función sólo del riesgo sistemático del activo. Éste último se mide por su
coeficiente beta, el cual se define como el cociente entre la covarianza de los retornos del
activo con los retornos del portafolio de mercado y la varianza de los retornos del
portafolio de mercado.
La implicancia fundamental del modelo CAPM es que la prima de riesgo que debe
exigirse a un activo no depende del riesgo individual del activo, medido generalmente a
través del desvío estándar de los retornos, sino de la correlación entre los retornos del
activo y el retorno del portafolio de mercado. Por ejemplo, la actividad agrícola es
considerada una actividad inherentemente riesgosa, que enfrenta múltiples riesgos
productivos (riesgos climáticos y riesgos sanitarios) y de mercado (riesgo de precios). Sin
embargo, tal como lo demuestran los estudios de Barry (1980) y Arthur, Abizadeh y
Carter (1987), el riesgo sistemático de la actividad agropecuaria es relativamente bajo. De
este modo, la tasa de retorno que debería exigir un inversor diversificado a la actividad
agrícola es inferior a la correspondiente a la percepción de los altos niveles de riesgos que
posee la actividad.
La obtención de la ecuación fundamental del modelo CAPM requiere realizar los
siguientes supuestos14:
a. Los inversores tienen aversión por el riesgo y evalúan la cartera en base al retorno
esperado y la desviación estándar del portafolio sobre el mismo horizonte
14 Perold (2004)
23
temporal. Es decir, los inversores sólo consideran el primer y segundo momento
de la distribución de retornos.
b. Los mercados de capitales son perfectos: los activos son infinitamente divisibles,
existe una tasa libre de riesgo a la cual tomar y prestar dinero, los impuestos y
costos de transacción son irrelevantes y la información es gratuita y de libre
acceso en forma instantánea para todos los inversores.
c. Los inversores tienen expectativas homogéneas, lo cual implica que tienen las
mismas percepciones acerca de los retornos esperados, la desviación estándar y la
covarianza de los activos.
d. Todos los inversores tienen similar acceso a todas las oportunidades de inversión
disponibles.
Bajo estos supuestos, se puede demostrar15 que, en equilibrio, el retorno esperado de un
activo i es igual a:
[ ]RfRmERRE ifi −+= )()( β (3)
donde:
Rf representa la tasa libre de riesgo
E(Rm) representa el retorno esperado del portafolio de mercado y,
βi, conocido como Beta del activo i, representa la medida del riesgo sistemático del activo
y se define como el cociente entre la covarianza del activo i con el portafolio de mercado
y la varianza del portafolio de mercado.
15 Perold, op.cit.
24
Alternativamente, en términos de excesos de retornos, la ecuación (3) se reordena como:
)))((*)( fmifi RRERRE −=− β (3’)
constituyendo y, i activo del esperada riesgo de prima la )()~
( fii RRERE −=
mercado. de portafolio del esperada riesgo de prima la )()~
( fmm RRERE −=
Con el objeto de estimar el parámetro βi, un enfoque adoptado por la literatura
académica16 ha sido transformar la ecuación (3’) en la siguiente versión operativa,
bautizada “modelo de mercado” por Fama y French (1968):
itftmtiftit RRRR εβ +−=− )(* (4)
donde:
itR = Rendimiento observado del activo i en el momento t
ftR = Rendimiento observado del activo libre de riesgo en el momento t
mtR = Rendimiento observado del portafolio de mercado en el momento t
itε = Término de error aleatorio que expresa las variaciones de itR que provienen del
riesgo único o específico del activo i y que son independientes del comportamiento del
mercado. El término de error satisface los supuestos de las perturbaciones esféricas17
La estimación de (4) requiere el uso de información histórica de las rentabilidades de las
actividades Soja, Maíz, Trigo y Girasol e información histórica de los índices de mercado
seleccionados como aproximación del portafolio de mercado. Siguiendo el enfoque
16 Fama, Fisher, Jensen y Roll (1969), Jensen (1968). 17 ( ) 0=itE ε ; ( ) iitVar εσε 2= ; ( ) j para 0, ∀=tjt XCov ε y ( ) 0.j para 0, ≠=− jttCov εε Los supuestos
implican que, en promedio, los errores tienden a cero, una varianza constante y única para cada activo, independencia entre el término de error y el rendimiento del mercado y ausencia de correlación serial de primer orden. Adicionalmente, como sostiene Roll (1969), la ecuación (4) es aplicable si la distribución bivariada conjunta de los retornos del activo i y el portafolio de mercado es simétrica.
25
adoptado en el trabajo seminal de Barry (1980), la estimación de βi se realizará por el
Método de los Mínimos Cuadrados Ordinarios (MCO). La estimación por MCO en series
de tiempo requiere la ausencia de correlación serial en los errores dado que, en caso
contrario, se puede demostrar que los errores estándar y los tests estadísticos sobre los
coeficientes no son válidos18. Por esta razón, se realizó la siguiente prueba estadística19
para detectar la ausencia de correlación serial de primer orden:
a. Se corre la regresión de los retornos del activo i con respecto a los retornos del
mercado y se obtienen los residuales de dicha estimación.
b. Se regresan los residuales estimados con respecto a sí mismos rezagados un
período.
c. La prueba estadística establece como hipótesis nula que el coeficiente de la
regresión correspondiente al inciso anterior es igual a cero, indicando ausencia de
correlación serial de primer orden.
En la tabla 1 se muestran los coeficientes estimados (simbolizados con γi) y los
respectivos p-values para cada una de las series analizadas20:
Tabla 1: Test de Correlación Serial de Primer Orden en los Errores
RPS RPT RPG RPM RTS RTT RTG RTM TIRS TIRT TIRG TIRM
γi -0.03 -0.02 -0.24 -0.24 -0.06 -0.07 -0.26 -0.30 -0.11 0.14 0.45 0.33
p-value 0.90 0.88 0.12 0.13 0.78 0.66 0.10 0.07 0.53 0.51 0.02 0.11
Nota: RP hace referencia al rendimiento del propietario de tierra y productor, RT hace referencia al rendimiento del terrateniente y TIR se refiere a la rentabilidad del arrendatario puro. S, T, G y M simbolizan los cultivos Soja, Trigo, Girasol y Maíz respectivamente.
18 Woolridge (2003), 19 La prueba es válida bajo el supuesto de estricta exogeneidad en los regresores. Ver Wooldrige (op.cit.) 20 Los estadísticos t obtenidos son robustos a la heterocedasticidad potencial de los errores.
26
Como se desprende en la tabla anterior, existe evidencia de correlación serial de primer
orden a un nivel de confianza del 10 % en las regresiones del modelo del terrateniente en
los casos de girasol y maíz y en el modelo del arrendatario puro en el caso de girasol. En
estos casos, los coeficientes betas fueron estimados siguiendo el procedimiento de
Cochrane-Orcutt21.
La ecuación (3’) se estima con constante. Si esta última es significativamente distinta de
cero, representa un indicativo de que los activos analizados estuvieron subvaluados (si la
constante es significativa y positiva) o sobrevaluados (si la constante es significativa y
negativa) en el período histórico analizado22.
Un aspecto que ignora la ecuación (4) es la dificultad que suscita la aplicación del modelo
CAPM en mercados emergentes23. La tasa de descuento que un inversor exigiría para
comprar el activo soja va a ser mayor en Pergamino que en Iowa, aun cuando las
condiciones físicas de producción y las condiciones del mercado sean similares en ambas
21 La corrección bajo el método de Cochrane-Orcutt se describe en Wooldridge (op.cit.) 22 Resulta necesario aclarar que el enfoque adoptado no testea si el modelo CAPM constituye el modelo correcto para la evaluación de activos en el sector agropecuario. En un trabajo seminal Richard Roll (1977) demostró que, como el portafolio de mercado es inobservable en el mundo real, es imposible testear la validez del modelo CAPM. Esto tiene como consecuencia que los tests tradicionales, diseñados tanto para series temporales como para series de corte transversal, no son de utilidad para analizar la significancia del modelo CAPM cuando se utiliza como proxy del portafolio de mercado un índice representativo del mercado de acciones. En este marco, lo único que puede testearse es si el portafolio utilizado como proxy del portafolio de mercado es un portafolio eficiente a lo Markowitz. Si bien un conjunto de trabajos han intentado solucionar dicha limitación del modelo CAPM, la crítica de Roll se encuentra aun vigente y constituye el principal argumento esgrimido por los académicos para utilizar modelos alternativos de valuación de activos financieros. Véase Dimson y Mussavian (1999) para una discusión sobre este tópico. Por otro lado, la significatividad de la constante puede deberse a la presencia de variables omitidas en el modelo. 23 Existen varios documentos que realizan discusiones extensivas sobre la aplicación de modelos de valuación de activos en países emergentes. Puede consultarse Harvey (1995), Bekaert, Erb y Viskanta (1997), Erb, Harvey y Viskanta (1997), Estrada (2000), Buscaglia, Cruces y Alonso (2001), Pereiro (2001), Bekaert y Harvey (2003), Mongrut y Ramírez (2005) y Harvey (2005).
27
zonas. Invertir en Pergamino implica comprar Riesgo Argentino, por lo cual el inversor
exige una compensación adicional.
Una primera opción para aplicar el modelo CAPM a países emergentes es suponer que los
mercados de capitales están perfectamente integrados y que el componente del riesgo
sistemático atribuible al riesgo país puede eliminarse completamente mediante la
diversificación geográfica internacional. Bajo estos supuestos, la tasa representativa del
activo libre de riesgo es la tasa global libre de riesgo (cuya proxy más utilizada es el
rendimiento de los bonos americanos) y el coeficiente beta se calcula regresando los
excesos de retornos del activo con los excesos de retornos del portafolio de mercado
global (aproximado por los índices de las principales bolsas de valores en Estados
Unidos). La ecuación a estimar se transforma, por lo tanto, en:
itfGtmGtiGfGtit RRRR εβ +−=− )(* (5)
donde:
itR = Rendimiento observado del activo i en el momento t
ftR = Rendimiento observado del activo libre de riesgo global en el momento t
mtR = Rendimiento observado del portafolio de mercado global en el momento t
itε = Término de error aleatorio que satisface los supuestos de las perturbaciones
esféricas
Bekaert et.al (2001) sostiene que no hay un consenso acerca del grado de integración
global en el mercado de capitales. Si éstos fueran parcialmente o totalmente segmentados,
la aplicación del CAPM bajo el supuesto de integración perfecta en el mercado de
28
capitales es cuestionable. Por esta razón, académicos han propuesto un conjunto de
versiones locales, híbridas o ad-hoc del modelo CAPM para ser aplicado a proyectos en
países emergentes.
La versión local pura del modelo CAPM24, que supone mercados perfectamente
segmentados, adiciona la medida de riesgo país a la tasa libre de riesgo global. El
coeficiente beta se estima regresando los excesos de retornos del activo i con los excesos
de retornos del portafolio del mercado local. Si bien esta aproximación es ampliamente
utilizada en la industria de la consultoría en finanzas, Stulz (1995) recomienda utilizar la
versión del CAPM con integración perfecta en el mercado de capitales, la cual bautiza
como CAPM Global. Stulz argumenta que las compañías en mercados emergentes deben
estimar las tasas de descuento en base a coeficientes betas globales y no locales dado que
la integración financiera con el resto del mundo implica que una compañía sea
visualizada como parte de un portafolio global de activos y que los shocks en el mundo
tengan consecuencias directas sobre los retornos del activo en el mercado local.
Una opción alternativa es la propuesta por Godfrey y Espinosa (1996), quienes establecen
que el exceso de retorno del activo i se puede expresar como:
( ) ( ) )(* ftmtitftit RREARRE −+Κ=− β (6)
donde
Rft representa la tasa global libre de riesgo,
Κt constituye una medida de riesgo país, 24 Pereiro (2001) distingue tres variantes de la versión local del CAPM: local puro, local ajustado y versiones híbridas que incorporan aspectos del CAPM global y local. La versión del CAPM local es la más utilizada en los profesionales de la industria financiera en países emergentes.
29
E(Rm) representa el retorno esperado del portafolio de mercado global y,
βAi se define como el coeficiente Beta Ajustado del activo i y se calcula como el cociente
entre el desvío estándar de los retornos del activo i y el desvío estándar de los retornos del
portafolio del mercado global, multiplicado por un factor de corrección igual a 0.6.
El modelo Godfrey-Espinosa asume que la correlación de los retornos entre los dos
mercados (en este caso Argentina y USA) se mantendrá constante e igual a 1 (uno) y
adiciona al riesgo país como un factor separado, pero asumen que el riesgo país y el
coeficiente beta país están correlacionados, es decir que el beta es afectado por el riesgo
país. Para evitar un doble conteo, proponen ajustar la prima por riesgo de mercado
multiplicando ésta por un factor igual a 0.60 x (σpaís/σUS). Conceptualmente el factor de
0.60 puede interpretarse como (1-R2) es decir, la parte de la volatilidad de los
rendimientos que no es explicada por el riesgo país.
La estimación del coeficiente beta ajustado de la ecuación (6) se realizará calculando el
cociente entre el desvío estándar muestral de los retornos históricos del activo i25 y el
desvío estándar muestral de los retornos históricos del mercado global.
En el trabajo, se estimarán tanto la versión global del CAPM que supone mercados
perfectamente integrados como la versión de Godfrey-Espinosa. La versión local del
CAPM no se estima por un conjunto de razones, tanto conceptuales como empíricos:
25 La utilización del desvío estándar como medida del riesgo total de un activo sólo es válida bajo el supuesto de normalidad en la distribución de los retornos, Estrada (2000).
30
a. por un lado, Bekaert (1998) muestra que los retornos de los activos en mercados
emergentes son no-normales y muestran una correlación significativa de primer
orden. Adicionalmente, la comercialización infrecuente de los activos y los bajos
niveles de liquidez limitan la precisión de la estimación de los coeficientes betas
en mercados emergentes. Una alternativa en este último caso ha sido utilizar betas
comparables en mercados emergentes. La literatura académica que testea el beta
comparable es muy escasa y su aplicación es inherentemente controversial en
naturaleza, además de verse complicado en este caso por la disponibilidad de
datos.26
b. Por otro lado, la ausencia de datos históricos confiables del mercado de valores
argentino en un largo período de tiempo limitan la estimación de la prima de
riesgo del mercado histórica. Información homogénea sobre el Índice Merval sólo
puede obtenerse a partir del año 1990.
El enfoque adoptado en el presente trabajo tiene la ventaja de trabajar con datos
correspondientes a un período de 26 años, sujetos a revisión y disponibles desde el año
1980, que reflejan las ganancias y pérdidas efectivas de los productores agropecuarios y
la volatilidad de las mismas en un período significativo de tiempo.
26 Una investigación sobre la metodología del beta comparable puede encontrarse en Bowman (2007).
31
4. DATOS
La estimación del coeficiente beta correspondiente a la ecuación (4) requiere la
disponibilidad de la siguiente información:
a. Vector de rentabilidades históricas para cada cultivo y modelo de inversión del
sector agrícola.
b. Vector de rentabilidades históricas de un activo libre de riesgo.
c. Vector de rentabilidades históricas del portafolio de mercado global
Hasta donde llega nuestro conocimiento, no existe en la literatura argentina una serie de
rendimientos históricos para diferentes actividades agrícolas27. Debido a ello, un esfuerzo
de construcción de las series era necesario. La tarea de recolección de datos implicó
buscar en diferentes fuentes, lo cual demandó un importante esfuerzo para sistematizar la
información existente. Todas las series analizadas fueron posteriormente sujetas a su
revisión por parte de informantes calificados del Instituto Nacional de Tecnología
Agropecuaria (INTA).
Las fuentes de información relevadas fueron las siguientes:
a. La serie de Márgenes Brutos Históricos para cada cultivo se extrajo de la
Dirección de Economía Agraria de la Secretaría de Agricultura, Ganadería, Pesca
y Alimentos de la Nación (SAGPYA). La serie se expresa en dólares constantes
27 No obstante ello, existen series históricas de precios internacionales e internos, márgenes brutos, precio de la tierra y costos de los insumos (la serie de Rodolfo Frank, las de AACREA constituyen un ejemplo de ello). Como se destacó en la introducción, la adopción de la escuela francesa de pensamiento en el sector agropecuario llevó a utilizar el concepto de Margen Bruto como indicador casi excluyente de la rentabilidad del sector agropecuario argentino. César Ciappa (2005) construye indicadores financieros de rentabilidad para los cultivos más relevantes en Argentina, basado en información mensual entre los años 2001 y 2005, pero con un enfoque diferente al correspondiente a nuestro trabajo.
32
por ha. y abarca desde la campaña 1980/1981 hasta la campaña 2006/2007. Dicha
serie fue construida específicamente bajo un convenio que la SAGPYA realizó
con el Banco Interamericano de Desarrollo.
b. El valor de la tierra en las zonas específicas para cada cultivo28 se obtuvo de las
series compiladas por Agromercado. La serie se expresa en dólares constantes por
ha. y abarca desde la campaña 1980/1981 hasta la campaña 2006/2007.
c. El valor de los arrendamientos pagados se calculó suponiendo que representaron
un 30 % del Ingreso Bruto Consolidado (IBC) para cada cultivo entre las
campañas 1980/1981 y 2002/2003 y 45 % del IBC a partir de la campaña
2003/200429. El cálculo del arrendamiento en función del IBC se basa en el
supuesto de que los arrendamientos se pagan a cosecha.
Con el objeto de computar el vector de excesos de retornos histórico, se debe restar del
vector de rendimientos históricos el vector de retornos históricos correspondiente a la tasa
libre de riesgo. Como aproximación de ésta última, se utilizó la serie histórica de los
rendimientos de las T-Bills americanas de un año de duración para el caso del modelo de
arrendatarios puros y la serie de bonos americanos a treinta años para los modelos del
terrateniente y el productor. Ambas series fueron obtenidas de Damodaran (2008).
28 El departamento General López representa a la tierra maicera, el departamento Caseros representa a la tierra para el cultivo de soja, el partido de Tres Arroyos representa a la tierra en zona triguera y el partido de Trenque Lauquen representa a la tierra para el cultivo de girasol. 29 Dichos porcentajes fueron obtenidos a través de consultas de informantes calificados del sector agropecuario. Dado los altos niveles de dispersión observados en los contratos, no existe una fuente confiable que haya compilado históricamente arrendamientos de mercado.
33
Por último, como aproximación del portafolio de mercado global, se utilizó la serie de
rendimientos históricos del S&P 500. Una vez estimado el coeficiente beta y con el objeto
de estimar la tasa de descuento a aplicar en cada uno de los modelos se utilizó:
a. El promedio aritmético30 del exceso de retornos del índice S&P 500 en el período
1959-2007 como aproximación de la prima de riesgo de esperada del portafolio de
mercado.
b. Los rendimientos de las T-Bills americanas como aproximación de la tasa libre de
riesgo en el modelo de los arrendatarios puros y los rendimientos de los T-Bonds
en los modelos de la rentabilidad del propietario y del terrateniente.
Según Damodaran (2008), la estimación de primas de riesgo de mercado en base a datos
históricos enfrenta tres limitaciones: (i) el período de tiempo seleccionado; (ii) la
selección del índice de mercado y de la tasa libre de riesgo y, (iii) el método de promediar
los retornos. Con respecto al inciso (i) se evidencia un trade-off entre reducir el error
estándar de la estimación y aumentar la significatividad del período muestral. Utilizar una
serie larga de retornos históricos mejora la precisión del estimador a costa de estar
ignorando cambios potenciales en el grado de aversión al riesgo de los inversores. En
relación al inciso (ii), la selección del índice de mercado debe incluir índices que son
ponderados por la capitalización de mercado y la tasa libre de riesgo debe seleccionarse
de modo que su duration sea similar al horizonte temporal del inversor. Por último, el
inciso (iii) hace referencia a la controvertida discusión acerca si promediar los retornos en
forma aritmética o geométrica. Marshall Blume (1974) demuestra que, si los retornos del
30 En el trabajo se utilizan promedios aritméticos dado que el horizonte temporal es de sólo un año y estamos suponiendo que los retornos no están serialmente correlacionados.
34
mercado son estacionarios, el promedio aritmético constituye un estimador
asintóticamente insesgado y consistente del retorno esperado si el horizonte temporal del
inversor es de un período, mientras que el promedio geométrico es un estimador sesgado
e inconsistente. Para horizontes temporales superiores, el promedio aritmético está
sesgado hacia arriba, mientras que el promedio geométrico está sesgado hacia la baja.
Cuando la ventana utilizada para estimar el promedio geométrico coincide con el
horizonte temporal del inversor, el retorno geométrico es un estimador insesgado del
retorno esperado, aunque no consistente.
Por otro lado, dado que la estacionariedad de las series de retornos históricos constituye
una condición necesaria para la correcta estimación de los parámetros del modelo, se
realizó el Test de Dicky-Fuller31 aumentado para detectar la presencia de raíz unitaria
para todas las series del trabajo. En la tabla 2 se presentan los resultados obtenidos:
El estadístico Z y el p-value asociado (entre paréntesis) se muestran en la siguiente tabla
para cada modelo de inversión:
Tabla 2: Test de Dicky-Fuller para las series de rentabilidad Propietario Terrateniente Arrendatario Soja -4.65 (0.0001) -4.79 (0.0001) -5.49 (0.0000) Girasol -6.50 (0.0000) -6.67 (0.0000) -2.96 (0.0388) Trigo -5.84 (0.0000) -5.38 (0.0000) -4.76 (0.0001) Maíz -5.26 (0.0000) -6.22 (0.0000) -3.47 (0.0086) Como se desprende de la tabla, a excepción de la TIR del arrendatario que cultiva girasol,
la prueba de Dicky-Fuller rechaza al 1 % que las series analizadas tengan raíz unitaria.
31 Dicky and Fuller (1981).
35
5. ANÁLISIS E INTERPRETACIÓN DE LOS RESULTADOS
En las tablas 3, 4 y 5, se muestran los resultados de las estimaciones para cada uno de los
modelos analizados:
Tabla 3: Estimación de Betas para el Productor-Propietario
Activo Constante Beta R2 N Soja 0.06 (1.02) 0.80 (2.16) ** 0.16 26 Girasol 0.06 (0.76) 1.25 (2.17) ** 0.16 26 Trigo 0.12 (1.29) 1.14 (1.79) * 0.12 25 Maíz 0.09 (0.90) 1.20 (1.77) * 0.12 25 Cartera Agricultura
0.08 (1.36) 1.04 (2.48) ** 0.20 26
* Significativos al 10 %; ** Significativos al 5 %. Estadísticos t entre paréntesis.
Tabla 4: Estimación de Betas para el Terrateniente Activo Constante Beta R2 N Soja 0.01 (0.22) 0.78 (2.19) ** 0.17 26 Girasol 0.03 (0.31) 1.00a (2.57) ** 0.15 26 Trigo 0.07 (0.78) 0.99 (1.64) 0.11 25 Maíz 0.05 (0.54) 1.07b (2.04)** 0.11 25 Cartera Agricultura
0.04 (0.67) 0.94 (2.34) ** 0.19 25
* Significativos al 10 %; ** Significativos al 5 %. Estadísticos t entre paréntesis. a,b: Estimado con el método de Cochrane-Orcutt debido a la detección de correlación serial de primer orden.
Tabla 5: Estimación de Betas para el Arrendatario
Activo Constante Beta R2 N Soja 0.10 (2.80) ** -0.22 (-0.84) 0.03 27 Girasol 0.32 (7.85) ** 0.08 (0.38)c 0.01 27 Trigo 0.21 (3.98) ** 0.48 (1.35) 0.07 26 Maíz 0.08 (1.81) * -0.07 (0.25) 0.01 26 Cartera Agricultura
0.17 (4.94) ** 0.02 (0.10) 0.01 27
* Significativos al 10 %; ** Significativos al 5 %. Estadísticos t entre paréntesis. c: Estimado con el método de Cochrane-Orcutt debido a la detección de correlación serial de primer orden.
36
De la lectura de los cuadros precedentes se destaca lo siguiente:
a. Se observa una marcada diferencia entre el componente de riesgo sistemático de
los modelos del productor-propietario y del terrateniente con respecto al modelo
de los arrendatarios puros, reconociendo aquí las diferencias en cuanto a
cuestiones de organización. Ninguno de los coeficientes beta obtenidos para éstos
últimos agentes son significativamente distintos de cero a un nivel del 10 % de
confianza. Por otro lado, con la sola excepción de la rentabilidad del terrateniente
para el caso del trigo, todos los coeficientes beta son positivos y
significativamente distinto de cero al 10 % (al 5 % en 7 de las 9 estimaciones).
b. La diferencia encontrada se explica fundamentalmente por la presencia del activo
tierra en los modelos de productor-propietario y terrateniente puro. De este modo,
la incorporación del activo tierra a una cartera de actividades agrícolas redunda en
un incremento de los niveles de riesgo sistemático. En este punto se debe
considerar otros aspectos que suavizan dicha afirmación, tales como como:
conocimiento, acervo de fertilizantes y agua, expectativas, entre otros.
c. Independientemente del modelo seleccionado, el riesgo sistemático del activo soja
es menor al resto de los cultivos. El coeficiente beta es menor a uno en los tres
modelos estudiados.
d. Las constantes del modelo de arrendatario puro para todas las actividades son
positivas y significativamente distintas de cero al 5 % (a excepción del maíz al 10
%). Barry (1980) afirma que este resultado puede indicar la presencia de
oportunidades de arbitraje en actividades agropecuarias o la omisión de variables
relevantes que determinan la rentabilidad esperada de la tierra, tales como la
iliquidez de las inversiones y la no diversificación de las carteras. Vale decir, los
37
arrendatarios puros estuvieron obteniendo, en promedio, un exceso de retornos por
encima de lo predicho por su componente de riesgo sistemático, reconociendo que
existe un trade-off con menor especialización que otros actores y mayores costos
de control.
En base a las betas estimadas, en la tabla 6, se consignan las tasas de descuento32 por
cultivo para cada uno de los modelos, suponiendo que la prima de riesgo esperada para el
modelo del arrendatario puro es la representativa del promedio histórico aritmético 1958-
2007 del S&P 500 y la prima de riesgo esperada para los modelos del productor y del
terrateniente es el promedio geométrico correspondiente al horizonte temporal de los
bonos del tesoro americano a 30 años. Las primas de riesgo estimadas asumen el valor de
6.7 % y 6.2 % respectivamente. El rendimiento de las T-Bills y los bonos del tesoro
corresponden al promedio del año 2006, cuyos valores ascienden al 4.9 % y 5.3 %
respectivamente33.
En la tabla 7 se consignan las tasas de descuento calculadas con el método de Godfrey y
Espinosa (G-E)34:
32 Las tasas de descuento se calculan reemplazando en (4) el valor de beta por su estimado en las regresiones analizadas. 33 En los Anexos A y B se pueden consultar todas las series utilizadas y las fuentes correspondientes. 34 El desvío estándar de la serie de retornos se calcula como el desvío estándar de la serie anual histórica de retornos. Estrictamente, la práctica financiera calcula el desvío estándar anual a partir del desvío estándar de una unidad menor de tiempo, como por ejemplo con datos diarios. Si los retornos de los activos son estacionarios, entonces el desvío estándar anual puede calcularse como el desvío estándar diario multiplicado por la raíz del número de días de comercialización de acciones en un año (Estrada (2000). Dado que no contamos con información diaria o mensual de los retornos de los activos agropecuarios, para hacer válida la comparación entre los desvíos estándares de ambas series se calcularon los desvíos en base a las series históricas anuales.
38
Tabla 6: Estimación de Tasas de Descuento. CAPM Global
Activo Productor-Propietario
Terrateniente Arrendatario Puro
Soja 10.33% 10.21% 3.41% Girasol 13.12% 11.57% 5.42% Trigo 12.44% 11.51% 8.10% Maíz 12.81% 12.01% 4.41% Cartera Agricultura 11.82% 11.20% 5.01%
Tabla 7: Estimación de Tasas de Descuento. Método de G-E
Activo Productor-Propietario
Terrateniente Arrendatario
Soja 15.83% 15.63% 13.53% Girasol 19.63% 19.46% 13.66% Trigo 19.49% 18.88% 15.44% Maíz 20.21% 20.03% 14.51% Cartera Agricultura 16.94% 16.60% 13.08%
Dado que mayores niveles de riesgo sistemático se traducen en mayores niveles de tasas
de descuento en el CAPM global, las tasas de descuento a ser exigidas bajo los modelos
de productor-propietario y terrateniente son superiores a las correspondientes al modelo
de arrendatario-puro35.
El punto señalado en el párrafo anterior constituye uno de los factores que pueden
contribuir a explicar la suba en el precio de los alquileres de la tierra en las últimas
campañas (pues también el precio del producto y las condiciones de oferta del factor
también influyen). Según surge de la ecuación económica del productor, los arrendatarios
35 En el modelo de arrendatario puro, se observa que la tasa de descuento del activo soja está por debajo de la tasa libre de riesgo, lo cual resulta contra-intuitivo y carece de realismo. La explicación a esto último es que, al tener los coeficientes betas altos errores estándar, la estimación de beta es imprecisa y dicho coeficiente no es significativo estadísticamente. Por ejemplo, para el caso de la soja, con un 95 % de confianza el estadístico se encontrará entre -0.74 y 0.31.
39
diversificados, debido al bajo componente de riesgo sistemático, estarían dispuestos a
exigir un menor retorno a la actividad agrícola por su baja correlación con el mercado. El
menor retorno exigido a la actividad agrícola tiene como consecuencia una disposición a
pagar arrendamientos más caros, compitiendo quizás con actores que tienen un mayor
nivel de eficiencia (por ejemplo, contratistas).
Como alternativa al costo de capital obtenido mediante el CAPM Global, conducimos
otra estimación basada en el modelo propuesto por Godfrey-Espinosa, la cual se refleja en
la ecuación (6):
( ) ( ) )(* ftmtitftit RREARRE −+Κ=− β
donde
Rft representa la tasa global libre de riesgo,
Κt constituye una medida de riesgo país,
E(Rm) representa el retorno esperado del portafolio de mercado global y,
βAi se define como el coeficiente Beta Ajustado del activo i y se calcula como el cociente
entre el desvío estándar de los retornos del activo i y el desvío estándar de los retornos del
portafolio del mercado global, multiplicado por un factor de corrección igual a 0.636.
Las tasas de descuento estimadas por el modelo de Godfrey-Espinosa son más altas para
las tres modalidades de inversión y los cuatro cultivos analizados. La explicación de estas
diferencias radican en la forma de introducir el riesgo país y al alto desvío estándar de los
36 El ajuste del 60 % se aplica porque el 40 % de las volatilidades de los retornos en el mercado local se explican por las variaciones en la calidad crediticia de la cartera, Godfrey y Espinosa (1996).
40
rendimientos de los activos agropecuarios con respecto al desvío estándar del portafolio
de mercado.
Por otro lado, la brecha entre las tasas de descuento en los modelos analizados se reducen
considerablemente. Por ejemplo, en el caso de la soja la tasa de descuento requerida por
un productor en el CAPM global es aproximadamente 3 veces la requerida por un
arrendatario puro, reduciéndose dicho ratio a 1.2 en el caso de las estimaciones de
Godfrey-Espinosa37.
37 El cociente entre los desvíos estándares, bajo supuestos estándares de normalidad en los retornos, representa una medida aproximada del cociente entre las medidas de riesgo total entre los activos. De este modo, los resultados muestran que si bien no se observan diferencias significativas del riesgo total que enfrenta cada tipo de productor, sí se observan en el caso de la correlación de las actividades con el mercado.
41
6. ARRENDAMIENTOS TEÓRICOS BASADOS EN EL MODELO
CAPM
Una de las aplicaciones más relevantes que surge de la estimación de tasas de descuento
para el sector agropecuario es su utilización para la determinación del nivel de
arrendamiento teórico compatible con la rentabilidad esperada del inversor.
Consideremos el modelo de inversor desde el punto de vista del arrendatario puro,
suponiendo que el pago del arrendamiento se realiza en efectivo y al inicio del período. El
Valor Presente Neto de invertir en un cultivo i se define como:
E
E
iTIR
GCIBACDVPN
+−++−=
1)(
(7)
donde:
CD = Costos Directos
IBE = Ingreso Bruto Esperado38
GC = Gastos de Cosecha
A = Arrendamiento a pagar
TIRE = Tasa interna de rentabilidad esperada por el inversor
En equilibrio y en mercados de arriendo perfectamente competitivos se debe cumplir que
VPN = 0. Al valor de arrendamiento compatible con dicho equilibrio lo definimos como
el nivel de arrendamiento teórico (AT). Vale decir, el nivel de arrendamiento que está
dispuesto a pagar un inversor para obtener la rentabilidad esperada. Por ende:
38 El IBE surge del producto del precio esperado a cosecha, aproximado por el precio spot promedio del cultivo en el mes típico de siembra, y el rendimiento físico esperado del cultivo, el cual se calculó como el promedio móvil de los rendimientos físicos tres períodos anteriores al período de siembra.
42
E
E
TIR
GCIBCDAT
+−+−=
1 (8)
Como se desprende de la fórmula anterior, el arrendamiento teórico es función tanto de
las perspectivas del mercado en la época de siembra (representado por el ingreso bruto
esperado a cosecha) como del perfil de riesgo del inversor (representado por la tasa
interna de retorno).
Hasta el momento hemos supuesto que los inversores en los modelos analizados están
diversificados39. Por ende, exigen compensación únicamente por el riesgo sistemático de
la actividad. Sin embargo, es muy probable que el productor tradicional de la pampa
húmeda no se encuentre bien diversificado40 (aunque reconocemos que existe un trade-off
entre eficiencia y diversificación). Si éste es el caso, los coeficientes beta del modelo
CAPM no son aplicables y los productores exigen a su producción una rentabilidad
superior a la correspondiente al inversor diversificado dado que no pueden diversificar
una porción del riesgo único del activo. En el caso extremo donde el inversor tiene toda la
riqueza invertida en un sector, Damodaran41 (2006) propone utilizar como coeficiente
“beta” el cociente entre el desvío estándar del activo y el desvío estándar del mercado.
Consideremos dos productores que utilizan la misma tecnología de producción. El
primero de ellos pertenece al primer modelo de inversión, es decir produce en tierra
39 El término diversificación es utilizado en sentido amplio, donde la cartera del inversor incluye tanto activos del sector como activos extra-sector (inmuebles, acciones, bonos, entre otros). 40 El concepto de diversificación en la cual se basa el CAPM es más amplio, que incluye el resto de los activos de la economía. De este modo, la frontera eficiente de activos del sector agropecuario es un subconjunto de la frontera eficiente de la totalidad de los sectores de la economía. 41 Dicha fórmula de cálculo no surge de un modelo de equilibrio y, por ende, no tiene sustento teórico. Sin embargo, la fórmula es intuitiva dado que el desvío estándar individual se asocia con el riesgo total si los retornos se distribuyen en forma normal.
43
propia y desea incrementar su escala arrendando tierras. Este productor tiene toda la
riqueza invertida en la actividad agropecuaria y no diversifica su portafolio. El segundo
productor representa un inversor de un pool de siembra que produce exclusivamente en
tierra arrendada. Dado que ambos utilizan el mismo paquete tecnológico, el IBE es
similar para ambos productores. Sin embargo, como la inversión bajo un pool de siembra
conlleva un menor riesgo sistemático, la rentabilidad esperada bajo esta modalidad es
menor. De este modo, el pool de siembra está dispuesto a pagar un mayor precio por
arrendar tierras con respecto al productor no diversificado.42
Como ejercicio de aplicación, ser realizó una estimación del diferencial de
arrendamientos que están dispuestos a pagar pooles de siembra y arrendatarios no
diversificados en la campaña 2008/2009 en la zona núcleo y oeste de Buenos Aires y se
compararon los arrendamientos teóricos con los arrendamientos de mercado43 a la fecha.
A título ilustrativo, se supuso una TIR del 10 % para los pooles de siembra y una TIR del
20 % para los arrendatarios no diversificados. En la tabla 7 se muestran los resultados
obtenidos para el caso del cultivo de Soja:
42 Recordar que el ejercicio supone que el IBE es el mismo para ambos casos. Es menester aclarar que este supuesto no necesariamente se cumple dado que los pooles de siembra tienen una mayor capacidad de compra de insumos y, probablemente, menores costos de comercialización. Asimismo, los pooles de siembra que emiten títulos con oferta pública para financiar un plan de siembra estuvieron exentos del pago al impuesto a las ganancias hasta mediados del 2008. Por otro lado, los pooles de siembra asumen mayores costos de monitoreo y control dada la naturaleza de la organización de la producción. 43 Los arrendamientos de mercado se obtuvieron de consultas a productores en las zonas representativas.
44
Tabla 8: Cálculo del Arrendamiento Teórico para el cultivo de Soja
Zona Margen Bruto
Ingreso Neto (productor)
Arrendamiento de Mercado
Arrendamiento Teórico Productor no Diversificado
Arrendamiento Teórico Pooles de Siembra
Núcleo 378.7 633.1 301.5 273.2 337.3
Oeste Bs. As
262.7 500.9 231.9 179.3 230.0
Fuente: Elaboración propia. Todos los valores están en dólares por ha. De los cuadros presentados, se desprende la importancia de la diferencia entre los
arrendamientos: un pool de siembra estaría dispuesto a pagar más de 200 pesos
adicionales por hectárea por arrendar y producir soja en la zona núcleo y más de 170
pesos adicionales por hectárea por arrendar y producir soja en el Oeste de Buenos Aires44.
Asimismo se observa que el arrendamiento máximo que están dispuestos a pagar los
inversores no diversificados es inferior al arrendamiento a pagar en base a los estándares
de la zona. De este modo, los productores tradicionales no diversificados que desean
aumentar la escala arrendando campos no pueden acceder, y no les resulta rentable en
términos de la TIR exigida, a nuevas tierras en arrendamiento.
44 Los valores surgen de la diferencia entre los arrendamientos teóricos de los pooles de siembra y los arrendamientos teóricos de los arrendatarios no diversificados, multiplicado por el tipo de cambio.
45
7. LIMITACIONES
El trabajo desarrollado en las secciones anteriores constituye el primer estudio
sistemático, a nuestro conocimiento, de la estimación de tasas de descuento para
actividades agrícolas en la República Argentina. No obstante ello, es necesario remarcar
un conjunto de limitaciones del trabajo analizado y sus probables consecuencias sobre los
resultados obtenidos:
a. El trabajo ignora la modalidad de inversión donde el productor-propietario
arrienda tierras con el objeto de alcanzar la escala óptima de producción45. El
coeficiente beta de esta modalidad de organización, que en la actualidad es una de
las formas de organización imperantes en el sector agropecuario moderno, se
puede calcular como el promedio ponderado de los coeficientes betas. Los
ponderadores estarían definidos como el porcentaje de la inversión que se realiza
por cada modelo de inversión.
b. Una segunda limitación del trabajo es el supuesto de coeficientes betas constantes
e independientes del tiempo. Existe una amplia literatura46 que demuestra que los
coeficientes betas y la prima de riesgo no son constantes y varían con el ciclo
económico. En estos casos, se han propuesto el testeo de modelos CAPM
condicionales que permitan corregir dicha distorsión. De especial relevancia para
el sector es la potencial influencia del cambio técnico observado en la agricultura
desde 1980 sobre el componente de riesgo sistemático de la agricultura. Dado el
45 Barrón, Brescia, Gallacher y Lema (2003). 46 Bollerslev, Engle y Wooldridge (1988), Campbell Harvey (1989), James Bodurtha y Nelson Mark (1991), Wayne Ferson and Campbell Harvey (1991), Guofu Zhou (1994) y Ravi Jagannathan (1996).
46
reducido tamaño muestral y la frecuencia anual de los datos no se pueden estimar
adecuadamente modelos CAPM condicionales.
c. En la sección metodológica se describieron los supuestos necesarios para la
obtención de las ecuaciones de equilibrio del modelo CAPM. Dos de ellos pueden
no representar la realidad del sector adecuadamente: activos infinitamente
divisibles y líquidos. Con respecto a la indivisibilidad, los activos agropecuarios
generalmente carecen de esta característica. No obstante ello, el surgimiento de
nuevas formas de organización en la década del ’90, tales como los pooles de
siembra con oferta pública de títulos valores, permitió a los inversores adquirir
activos agropecuarios divisibles y con alta liquidez en el mercado. La cuestión de
la liquidez es un tema ampliamente estudiado en la literatura moderna financiera y
Barry (1980) sugiere que la iliquidez de las inversiones agropecuarias puede
explicar parcialmente la diferencia entre el retorno observado histórico y el
retorno predicho por el modelo CAPM. En cualquiera de los casos analizados, el
no cumplimiento de dichos supuestos elevarían el retorno exigido a las
inversiones del sector con relación a la que surge del modelo CAPM.
d. Un aspecto que debe necesariamente remarcarse es que los rendimientos
históricos calculados para cada uno de los activos constituyen rendimientos
estimados en base a insumos que no son estrictamente contables, sino más bien
datos de mercado. El hecho de utilizar los ingresos totales y los gastos directos
asocia inmediatamente éstos con sus precios de mercado. La metodología seguida
47
para la estimación del denominado Margen Bruto establece importantes
resguardos respecto de los desvíos que podrían surgir si se utilizaran datos de
resultados sacados directamente de los estados financieros. Por ejemplo, la
metodología permite aislar los cambios que podrían originarse en cambios en la
valuación de inventarios o en la elección de un método de depreciación, o en los
“resultados financieros originados por pasivos” o “resultados financieros
originados por activos”. En tal sentido la definición de Margen Bruto difiere de la
de Barry como fue mencionado en la sección II47. El enfoque adoptado por Barry
(1980) consistió en la estimación del retorno anual de la producción agropecuaria
a fin de año, extraído de la publicación “Balance Sheet of the Farming Sector”,
como porcentaje del valor de la tierra al inicio del año. A dicho coeficiente Barry
le adicionó las ganancias o pérdidas potenciales del activo tierra. Es decir, no
representan variaciones en el precio de activos que se comercializan en oferta
pública. Existe una profusa literatura48 que analiza si los coeficientes betas
contables constituyen una aproximación razonable de los coeficientes betas de
mercado y los resultados distan de ser concluyentes. Las controversias sobre los
resultados de estas investigaciones recaen sobre los insumos utilizados, ya que las
categorías contables son producto de una opinión y mucho más manipulables que
los datos de mercado, López Dumrauf (2003). Una metodología alternativa, y
seguida a menudo por los practicantes, consiste en utilizar betas de compañías
públicas como proxies del beta de la firma. El estudio de Bowman (2007) sostiene 47 Por ejemplo, una alteración en el método que registre un aumento en la existencia final de los inventarios, aumentaría inmediatamente el margen bruto, tal como se lo conoce en la legislación contable. Puede argumentarse que tal cambio merecería una nota a los estados financieros, pero principalmente en explotaciones pequeñas, estas diferencias podrían ser importantes. 48 Ball y Brown (1969), Beaver, Kettler y Scholes (1970), Gonedes (1973), Kulkarni, Power y Shanon (1991), Karels y Sackley (1993), Almisher y Kish (2000).
48
que la técnica del CCA (Comparable Company Approach) provee una razonable
estimación del coeficiente beta cuando los comparables y la compañía privada son
similares en tamaño. En su estudio incluyeron el efecto del tamaño, cuya
incidencia está bien documentada en la literatura (Fama y French, 1996).
Naturalmente, la metodología de Bowman no trabaja con los datos de la empresa
en cuestión, sino con empresas de la industria consideradas como “comparables”,
cuya definición también es controvertida.
e. Tal como se clarificó en la sección metodológica, el objetivo del presente trabajo
es estimar tasas de descuento para actividades agrícolas y no para empresas
agropecuarias. El análisis a nivel firma sería de suma importancia, dado que
permitiría realizar inferencia acerca de cómo los modelos de organización de la
firma afectan a la magnitud y volatilidad de los rendimientos financieros de los
cultivos agrícolas y al componente de riesgo sistemático. A título ilustrativo,
Barrón, Brescia, Gallacher y Lema (2003) afirman que los costos de control de
cada organización pueden afectar a las decisiones de inversión de las firmas. La
no existencia de una base sistematizada de empresas agropecuarias argentinas y la
ausencia de firmas agropecuarias típicas con cotización pública de acciones
limitan la posibilidad de aplicar un enfoque a nivel corporativo del sector
agropecuario argentino.
f. Relacionado con el punto anterior, dado que el trabajo se centra en las actividades
agrícolas, no se tienen en cuenta los potenciales efectos del apalancamiento sobre
el componente de riesgo sistemático de las firmas.
49
g. Un aspecto que es observado frecuentemente en la práctica profesional es que los
coeficientes betas estimados no son independientes de la frecuencia de los datos
utilizados para su estimación. Por ejemplo, en relación al mercado europeo,
Estrada (2000) observa que los coeficientes betas están inversamente relacionados
a la frecuencia de los datos: es decir, los coeficientes betas construidos en base a
retornos diarios son inferiores a los construidos en base a datos mensuales,
trimestrales y/o anuales. Armitage and Brzeszczynski (2008) encuentran el mismo
resultado para el mercado de UK, argumentando que los bajos niveles de trading
sesgan hacia abajo el coeficiente beta para menores intervalos de tiempo. Dado
que el trabajo se basa en datos anuales, puede existir una sobre-estimación del
componente de riesgo sistemático de las actividades agrícolas.
50
8. CONCLUSIONES Y LÍNEAS FUTURAS DE INVESTIGACIÓN
El análisis desarrollado previamente muestra que la tasa de descuento que debe exigirse
para inversiones en el sector agrícola varía en función del modelo de inversión: la
actividad agrícola llevada a cabo por los propios dueños de la tierra es la actividad con
mayor componente de riesgo sistemático, seguida por la actividad desarrollada por el
terrateniente. Por otro lado, la producción agrícola bajo el modelo de arrendamiento es la
actividad que tiene un menor grado de correlación con los movimientos en el mercado
mundial: las betas estimadas para todos los cultivos y la cartera agropecuaria no son
significativamente distintas de cero. Esto significa que la adición del activo tierra a la
cartera agrícola aumenta el riesgo sistemático del inversor.
Este hecho puede contribuir a explicar el cambio pronunciado en los precios de los
alquileres en los últimos años: la mejora en los términos de intercambio de Argentina ha
atraído la atención de inversores diversificados quienes, a través de vehículos tales como
los Fideicomisos Financieros, han canalizado una porción importante de inversiones en el
sector a través del arrendamiento de tierras, pero sin su adquisición. De este modo, como
el riesgo sistemático de esta modalidad es muy bajo, los inversores exigen un retorno
menor a la inversión y, por ende, están dispuestos a pagar un precio más alto por arrendar
las tierras.
Estos actores que encuentran ventajas desde lo financiero (y desventajas en el control) y
aquellos que cuentan con ventajas por la especialización y niveles tecnológicos (por
ejemplo, los contratistas) generan una probable selección para que los terratenientes que
51
no cuentan con ninguna de ellas entreguen sus tierras para que otra organización las
produzca.
Una reflexión que se deriva del punto anterior es que los alquileres de tierra para
inversores diversificados estarían por debajo de su nivel de equilibrio, generando
oportunidades de arbitraje para dichos inversores. Esto puede también deducirse del signo
y la significatividad de la constante de la regresión en el modelo del arrendatario: al ser la
constante positiva y significativamente distinta de cero, estaría indicando que,
históricamente, los arrendatarios diversificados han obtenido retornos por encima del que
predice el modelo CAPM. Este resultado no se observa en el caso de los modelos de
inversión del dueño y el terrateniente donde las constantes son positivas pero no
significativamente distintas de cero.
El segundo resultado importante del trabajo es que la soja es el cultivo con menor riesgo
sistemático en todas las especificaciones analizadas. Es decir, tanto desde el punto de
vista del riesgo sistemático como no sistemático, la tasa de retorno que se le exige a la
soja en todos los modelos de inversión está por debajo del resto de los activos agrícolas.
Este hecho, entre otras causas, puede contribuir a explicar el fenómeno de crecimiento de
la superficie y la productividad de la soja y el papel que juega la soja en fijar el precio de
los alquileres del resto de los cultivos.
El tercer resultado de relevancia es que la estimación de tasas de descuento siguiendo el
modelo de Godfrey-Espinosa arroja resultados cualitativamente similares, aunque
cuantitativamente distintos. Las tasas de descuento son superiores a las correspondientes
52
al modelo de CAPM global y el orden jerárquico de los modelos de inversión se
mantiene, aunque la brecha entre las tasas de descuento se reduce. Es decir, si bien los
dueños de la tierra exigen una mayor compensación por el riesgo asumido, las diferencias
con respecto a los arrendatarios es menor. Esto significa que las tasas de descuento
exigidas no son sustancialmente distintas cuando la medida de riesgo es una porción del
riesgo total del activo que no se corresponde estrictamente con el riesgo sistemático del
inversor.
A lo largo de la tesis doctoral, se presentaron un conjunto de interrogantes que pueden
constituir líneas de investigación futuras con impactos relevante sobre el diseño de las
políticas públicas del sector agropecuario:
a. Una cuestión esencial la constituye las razones por las cuales se observa mayores
niveles de riesgo sistemático con la incorporación del activo tierra a la cartera. La
correlación entre los retornos de la tierra agrícola y los retornos del portafolio de
mercado global es positiva y significativa, evidencia que se encuentra en línea
contraria a lo observado en Estados Unidos. Tal como señalan Barry, Hennings y
Sherrick (2005), la incorporación del activo agrícola mejora el perfil de riesgo-
retorno de un portafolio diversificado dado que se observa una correlación baja o
nula con los índices del mercado de acciones o el mercado de bonos. Una
potencial e intuitiva explicación a este resultado es que, dado que la Argentina es
un país que exporta una alta proporción de sus productos agropecuarios, un
incremento en la demanda de commodities generada por un ciclo económico
mundial favorable aumentan los incentivos para invertir en el sector agropecuario,
elevando el precio de la tierra y el correspondiente a los arrendamientos rurales.
53
b. La estimación de tasas de descuento pueden constituir un punto de partida para
analizar los determinantes del precio de la tierra agrícola en Argentina. El enfoque
tradicional, conocido como el enfoque del Valor Presente de la Tierra, estima el
valor de la tierra como el cociente entre los niveles de arrendamiento a
perpetuidad (con o sin supuestos en la tasa de crecimiento del flujo de fondos) y la
tasa de descuento correspondiente. Si bien este modelo ha sido consistentemente
rechazado para el caso de Estados Unidos49, no ha sido suficientemente
investigado en la Argentina50.
c. La valuación de los activos agropecuarios en el trabajo desarrollado se ha basado
exclusivamente en el modelo CAPM. No obstante ello, como señala Collins
(1988), las primas de riesgo exigidas según modelos APT explican relativamente
mejor los rendimientos históricos que aquellas estimadas por el modelo CAPM,
aunque los requisitos de información son significativamente superiores.
d. Por último, se debe destacar que una línea de investigación de relevancia la
constituye la estimación del riesgo sistemático de carteras agropecuarias mixtas,
que combinen actividades agrícolas y ganaderas. Sábato (1980), en el libro “La
Pampa Pródiga”, reconocía la importancia de la ganadería como actividad
complementaria a las actividades agrícolas. Dicha complementariedad se
fundamentaba en su rol como estabilizador de los flujos de ingresos de las
49 Moss y Katchova (2005). 50 Una revisión de los métodos principales para estimar el valor de la tierra con una aplicación a una firma agropecuaria argentina puede consultarse en Llorente (1987).
54
empresas agropecuarias, las correlaciones negativas de sus rentas con las de
agricultura y los mayores niveles de liquidez que genera.
55
9. REFERENCIAS AACREA, 1990, Normas para Medir los Resultados Económicos de las Empresas Agropecuarias Almisher, M., and R. Kish, 2000, Accounting Betas: An Ex-Ante Proxy for Risk Within the IPO Market, Journal of Financial and Strategic Decisions 13, 23-34. Alonso, J., M. Buscaglia and Juan J. Cruces, 2005, The Term Structure of Country Risk and Valuation in Emerging Markets, Risk and Crises in Emerging Economies, 71-101, Jyoti Gupta ed., Centre d’Études et de Recherche - Amérique latine - Europe (CERALE), ESCP-EAP European School of Management. Arthur, L., C. Carter, and F. Abizadeh., 1988, Arbitrage Pricing, Capital Asset Pricing, and Agricultural Assets, American Journal of Agricultural Economics 70, 359-65. Ball, R. and P. Brown, 1969, Portfolio Theory and Accounting Theory, Journal of
Accounting Research 7, 300-323. Barrón, E., V. Brescia, M. Gallacher and D. Lema, 2003, Tenencia de la Tierra en la Década del ’90: el Caso de la Provincia de Buenos Aires, Documento de Trabajo Número 22, Instituto de Economía y Sociología, Instituto Nacional de Tecnología Agropecuaria. Barry, P., 1980, Capital Asset Pricing and Farm Real Estate, American Journal of
Agricultural Economics 62, 548-53. Barry,P., Enrique Hennings and Bruce J. Sherrick, 2005, Portafolio Diversification Using Farmland Investments, Selected Paper prepared for presentation at the American Agricultural Economics Association Annual Meeting, Providence, Rhode Island, July 24-27. Barsky, Osvaldo and Mabel Dávila, 2008, La rebelión del campo: historia del conflicto agrario argentino, Editorial Sudamericana. Beaver, B., P. Kettler and M. Scholes, 1970, The Association Between Market Determined and Accounting Determined Risk Measures, The Accounting Review 45, 654-682. Bekaert, G., and Campbell R. Harvey, 2003, Emerging Markets Finance, Journal of
Empirical Finance 10, 3-56. Bekaert, G. and Campbell R. Harvey, 2001, Economic Growth and Financial Liberalization, NBER Reporter Spring, 8-11. Bekaert, G., C. Erb, C. Harvey and T. Viskanta, 1998, Distributional Characteristics of Emerging Market Returns and Asset Allocation, Journal of Portfolio Management
Winter, 102-116.
56
Bekaert, G., C. Erb, Campbell R. Harvey and T. Viskanta, 1997, What Matters for Emerging Equity Market Investments?, Emerging Markets Quarterly Summer, 17-46. Bjornson, B., and R. Innes., 1992, Another Look at Returns to Agricultural and Nonagricultural Assets, American Journal of Agricultural Economics 74, 109-19. Blume, Marshall E., 1974, Unbiased Estimators of Long-Run Expected Rates of Return, Journal of American Statistical Association 69, 634-638. Bodurtha, James N., Jr., and Nelson C. Mark, 1991, Testing the CAPM with Time-Varying Risks and Returns, Journal of Finance 46, 1485-1505. Bollerslev, T., Robert F. Engle, and Jeffrey M. Wooldridge, 1988, A Capital Asset Pricing Model with Time Varying Covariances, Journal of Political Economy 96, 116-131. Bowman, R., 1979, The Theoretical Relationship Between Systematic Risk and Financial (Accounting) Variables, Journal of Finance 34, 617-630. Bowman, R., and Susan R. Bush, 2007, Using Comparables Companies to Estimate the Betas of Private Companies, Working Paper, Department of Accounting and Finance, University of Auckland. Ciappa, C., 2005, Indicadores de Rentabilidad del Sector Agrario Argentino, Documento de Trabajo Número 1, Federación de Centros y Entidades Gremiales de Acopiadores de Cereales. Collins, R., 1988, The Required Rate of Return for Publicly Held Agricultural Equity: An Arbitrage Pricing Theory Approach, Western Journal of Agricultural Economics 13, 163-168. Damodaran, A., 2008, Equity Risk Premiums: Determinants, Estimation and Implications, Working Paper, Damodaran Online. Damodaran, A., 2006, Investment Valuation, John Wiley & Sons, Segunda Edición. Delgado, G., 2002, Finanzas Rurales, Instituto Nacional de Tecnología Agropecuaria. Dickey, David A., and Fuller, Wayne A., 1981, Likelihood Ratio Statistics for Auto-Regressive Time Series with a Unit Root, Econometrica 49, 1057-72. Dimson, E. and M. Mussavian, 2000, Three Centuries of Asset Pricing, Working Paper, London Business School. Dusak, K., 1973, Futures Trading and Investor Returns: an Investigation of Commodity Market Risk Premiums, The Journal of Political Economy 81, 1387-1406.
57
Erb, C., Campbell R. Harvey and T. Viskanta , 1996, Expected Returns and Volatility in 135 Countries, Journal of Portfolio Management Spring, 46-58. Espinosa, R. and S. Godfrey, 1996, A practical approach to calculating costs of equity for investments in emerging markets, Journal of Applied Corporate Finance 9, 80-89. Estrada, J., 2000, The Temporal Dimension of Risk, The Quarterly Review of Economics
and Finance 40, 189–204. Fama, Eugene F. and Kenneth R. French, 1996, Multifactor Explanations of Asset Pricing Anomalies, Journal of Finance 51, 55–84. Fama, Eugene F. and Kenneth R. French., 1992, The Cross-Section of Expected Stock Returns, Journal of Finance 47, 427-465. Fama, Eugene F., L. Fisher, Michael C. Jensen and R. Roll, 1969, The Adjustment of Stock Prices to New Information, International Economic Review 10, 1-21. Fama, Eugene F., 1968, Risk, Return and Equilibrium: some Clarifying Comments, Journal of Finance 23, 29-40. Ferson, Wayne E., and Campbell R. Harvey, 1991, The variation of economic risk premiums, Journal of Political Economy 99, 385-415. Gonedes, N., 1973, Evidence on the Information Content of Accounting Massages: Accounting-Based and Market-Based Estimate of Systematic Risk, Journal of Financial
and Quantitative Analysis 8, 407-444. Harvey, Campbell R., 1995, Predictable Risk and Returns in Emerging Markets, Review
of Financial Studies 8, 773-816. Harvey, Campbell R., 1989, Time-Varying Conditional Covariances in Tests of Asset Pricing Models, Journal of Financial Economics 24, 289-318. Jagannathan, R. and Z. Wang, 1996, The Conditional CAPM and the Cross Section of Expected Returns, The Journal of Finance 51, 3-53. Jensen, Michael C., 1968, The Performance in Mutual Funds in 1945-1964, Journal of
Finance 23, 389-416. Karels, G.V. and W.H. Sackley, 1993, The Relationship Between Market and Accounting Betas for Commercial Banks, Review of Financial Economics 2, 59-72. Katchova, A., and C. Moss, 2005, Farmland Valuation and Asset Performance, Agricultural Finance Review 65, 119-130.
58
Kulkarni, M.,M. Powers and D. Shannon, 1991, The Use of Segment Earnings Betas in the Formation of Divisional Hurdle Rates, Journal of Business Finance and Accounting 18, 497- 512.
Lintner, J., 1965, Security Prices, Risk, and Maximal Gains from Diversification, Journal
of Finance 20, 587-615.
Llorente, Bernardo, 1987, Land Valuation for Financial Analysis Purposes: a Case Study in Argentina, Michigan State University.
López Dumrauf, 2003, Finanzas Corporativas, Grupo Guía.
Markowitz, H., 1952, Portfolio Selection, Journal of Finance 7, 77-99.
Mongrut, S., 2005, Discount Rates in Emerging Capital Markets, Working Paper, EGADE-ZC.
Mossin, J., 1966, Equilibrium in a Capital Asset Market, Econometrica 35, 768–83. Pereiro, L., 2001, The Valuation of Closely-Held Companies in Latin America, Emerging
Markets Review, 330-370. Perold, André F., 2004, The Capital Asset Pricing Model, Journal of Economic
Perspectives 18, 3-24. Roll, R., 1978, Ambiguity when Performance is Measured by the Securities Market Line, Journal of Finance 33(1978):1051-1069. Roll, R.., 1977, A Critique of the Asset Pricing Theory’s Tests, Journal of Financial
Economics, 129-176 Roll, R., 1969, Bias in Fitting Sharpe Model to Time Series Data, The Journal of
Financial and Quantitative Analysis 4, 271-289. Ross, S., 1976, The Arbitrage Theory of Capital Asset Pricing, Journal of Economic
Theory 13, 341-60. Sharpe,W., 1964, A Theory of Market Equilibrium under Conditions of Risk, Journal of
Finance 19, 425-442. Shiha, A., and J. Chavas, 1995, Capital Market Segmentation and US Farm Real State Pricing”, American Journal of Agricultural Economics 77, 397-407. Stulz, R., 1995, Globalization of Capital Markets and the Cost of Capital: The Case of Nestlé, Journal of Applied Corporate Finance 8, 30-38. Tauer, Loren W., (2002), Estimating Risk-Adjusted Interest Rates for Dairy Farms.
59
Agricultural Finance Review 62, 59-68. Treynor, J. L. 1962, Toward a Theory of Market Value of Risky Assets, Unpublished manuscript, Final version in Asset Pricing and Portfolio Performance, 1999, Robert A. Korajczyk, ed., London Risk Books, pp. 15–22. Wooldridge, Jeffrey M., 2003, Introductory Econometrics: A Modern Approach, Segunda Edición, South Western Cengage Learning. Zhou, G., 1994, Analytical GMM Tests: Asset pricing with Time-Varying Risk Premiums, Review of Financial Studies 7, 687-709.
60
10. ANEXO A
A.1. Márgenes Brutos Históricos Consolidados
Campaña SOJA TRIGO MAÍZ GIRASOL
1980/81 251.25 Sin información Sin información
154.85
1981/82 331.07 94.79 319.73 173.90 1982/83 116.41 235.70 323.52 155.32 1983/84 431.62 146.39 308.15 286.14 1984/85 166.96 136.81 225.19 205.67 1985/86 167.06 83.76 140.13 99.82 1986/87 282.19 74.35 84.07 100.49 1987/88 591.91 168.30 179.15 157.42 1988/89 147.64 156.14 223.23 180.79 1989/90 174.78 164.65 141.77 132.59 1990/91 317.98 -13.19 243.88 113.75 1991/92 351.95 187.11 253.29 107.55 1992/93 288.87 239.37 198.35 152.59 1993/94 345.41 182.87 340.61 270.78 1994/95 263.71 193.60 266.30 299.61 1995/96 523.47 422.61 779.94 297.55 1996/97 378.67 136.40 355.39 296.92 1997/98 427.25 176.66 321.76 433.64 1998/99 255.99 80.12 324.23 103.84 1999/00 259.65 69.63 233.99 137.47 2000/01 260.69 183.47 174.02 146.29 2001/02 294.27 147.77 307.13 208.01 2002/03 449.92 136.07 328.12 160.23 2003/04 428.40 286.31 352.15 257.27 2004/05 353.93 55.40 118.58 191.69 2005/06 293.18 71.94 155.82 89.74 2006/07 403.23 124.47 537.50 73.23
Fuente: Dirección de Economía Agraria, SAGPYA. El Margen Bruto está medido en dólares constantes.
61
A.2. Márgenes Brutos Históricos Esperados
Campaña SOJA TRIGO MAÍZ GIRASOL
1980/81 559.29 361.17 727.20 312.77 1981/82 454.24 385.05 537.44 487.65 1982/83 229.45 301.27 316.12 296.09 1983/84 352.39 153.20 477.51 486.88 1984/85 250.96 175.33 300.06 328.77 1985/86 123.72 188.13 167.87 189.86 1986/87 241.72 141.30 250.86 124.89 1987/88 354.63 158.37 226.59 257.83 1988/89 444.79 223.16 328.45 412.65 1989/90 114.65 145.35 88.49 203.56 1990/91 105.07 177.49 89.46 215.96 1991/92 230.70 149.96 184.65 356.25 1992/93 305.32 195.21 183.53 273.34 1993/94 352.85 296.43 491.44 471.17 1994/95 309.69 268.69 454.32 413.13 1995/96 355.65 331.03 617.57 476.26 1996/97 433.58 662.12 633.43 435.30 1997/98 440.62 287.62 248.18 324.93 1998/99 307.86 192.16 242.73 344.20 1999/00 311.91 212.71 350.44 228.30 2000/01 274.78 203.04 238.37 130.04 2001/02 322.71 208.28 330.59 281.80 2002/03 329.35 261.72 468.05 342.37 2003/04 521.99 293.93 352.12 316.65 2004/05 271.68 195.72 250.44 304.16 2005/06 308.10 103.38 184.42 244.71 2006/07 349.18 105.30 326.22 257.10
Fuente: Elaboración propia en base a datos de la Dirección de Economía Agraria, SAGPYA. El Margen Bruto Esperado está medido en dólares constantes.
62
A.3. Valor de la Tierra
Campaña SOJA TRIGO MAÍZ GIRASOL
1980/81 6095.96 2380.85 4862.43 2685.40 1981/82 3482.68 1235.33 2767.83 2486.48 1982/83 2161.50 1216.03 2199.59 3909.21 1983/84 6011.00 1734.52 5377.19 7980.72 1984/85 4450.22 2136.59 4467.95 3186.36 1985/86 2726.26 1513.01 2428.97 1584.56 1986/87 3296.06 1280.81 3149.50 2103.95 1987/88 2911.48 738.57 2440.20 2734.74 1988/89 2747.72 924.15 2652.87 2141.79 1989/90 2071.15 943.18 1625.86 1529.76 1990/91 2309.16 1086.79 2185.39 1898.36 1991/92 3047.07 1213.06 2770.64 2289.72 1992/93 3158.89 1112.11 2427.30 2171.07 1993/94 2739.00 1111.60 2683.92 1990.94 1994/95 2590.00 945.96 2381.52 1574.62 1995/96 3141.26 916.64 3019.24 1947.51 1996/97 3833.25 2283.29 3342.38 2426.78 1997/98 4773.35 2096.83 3598.51 2723.96 1998/99 5165.71 1802.94 3800.06 3226.66 1999/00 5249.70 1563.61 3832.63 2869.95 2000/01 4123.13 1361.19 2853.01 2372.55 2001/02 3978.26 1259.66 3123.54 2262.19 2002/03 3434.12 1105.66 3189.12 1867.23 2003/04 5178.25 1809.32 3814.22 2627.19 2004/05 4368.49 2291.16 4179.75 3552.25 2005/06 5354.73 1894.92 4626.87 3793.97 2006/07 6922.67 2455.44 5426.96 4300.62
Fuente: Agromercado. En dólares constantes por ha.
63
A.4. Arrendamientos Consolidados
Campaña SOJA TRIGO MAÍZ GIRASOL
1980/81 177.63 Sin información Sin información
101.66
1981/82 185.75 71.67 149.27 98.72 1982/83 95.48 110.00 138.05 84.92 1983/84 204.73 73.21 139.49 127.61 1984/85 107.56 71.90 125.62 102.90 1985/86 116.56 56.43 98.88 64.50 1986/87 154.18 52.37 77.63 65.13 1987/88 246.29 79.46 103.16 80.44 1988/89 124.28 85.72 143.09 100.46 1989/90 116.38 78.31 87.22 71.11 1990/91 176.32 30.10 144.52 77.39 1991/92 187.71 91.79 148.33 77.68 1992/93 171.92 115.66 139.05 95.37 1993/94 187.78 97.74 180.43 133.73 1994/95 162.16 98.80 152.21 144.08 1995/96 248.03 178.13 320.42 142.05 1996/97 206.85 111.43 192.82 146.56 1997/98 221.28 115.10 191.90 192.21 1998/99 141.20 70.21 176.76 72.10 1999/00 136.32 65.69 135.30 81.79 2000/01 140.00 101.12 121.09 84.59 2001/02 137.26 99.33 165.58 98.16 2002/03 185.46 132.02 257.67 113.23 2003/04 265.45 214.78 283.76 172.68 2004/05 240.91 111.13 178.39 144.60 2005/06 200.45 122.24 201.88 106.40 2006/07 253.33 148.47 377.67 93.77
Fuente: Elaboración propia en base a datos de la Dirección de Economía Agraria, SAGPYA. En dólares constantes por ha
64
A.5. Arrendamientos Esperados
Campaña SOJA TRIGO MAÍZ GIRASOL
1980/81 278.08 157.03 294.81 178.68
1981/82 225.91 166.32 220.27 234.54
1982/83 132.34 131.38 135.64 152.62
1983/84 178.90 75.44 194.71 225.24
1984/85 134.95 84.46 150.03 166.88
1985/86 102.43 90.46 107.93 109.50
1986/87 140.98 74.20 132.02 85.27
1987/88 168.92 76.22 118.63 132.05
1988/89 221.17 107.57 177.40 205.41
1989/90 96.77 72.01 69.85 109.96
1990/91 106.89 92.28 94.17 129.17
1991/92 148.17 79.67 125.94 185.24
1992/93 177.28 101.26 134.22 157.20
1993/94 190.20 134.77 229.62 232.25
1994/95 177.16 123.28 213.52 211.28
1995/96 193.30 148.26 267.47 233.72
1996/97 224.75 282.86 283.48 223.64
1997/98 225.64 151.28 167.90 182.89
1998/99 158.11 106.74 150.19 175.56
1999/00 153.36 112.35 173.27 129.97
2000/01 144.59 107.51 142.07 92.50
2001/02 146.54 119.06 173.23 142.59
2002/03 146.15 128.99 217.41 157.36
2003/04 311.22 145.67 189.16 156.89
2004/05 200.68 119.84 161.93 155.26
2005/06 207.74 91.74 143.91 141.71
2006/07 226.89 92.73 182.88 142.88
Fuente: Elaboración propia en base a datos de la Dirección de Economía Agraria, SAGPYA. En dólares constantes por ha.
65
A.6. Rentabilidad Consolidada del Productor-Propietario
Campaña SOJA TRIGO MAÍZ GIRASOL
Promedio 1980/1990
7.2% 15.7% 16.6% 15.7%
Promedio 1991/2000
19.8% 18.7% 24.6% 18.7%
Promedio 2001/2006
27.1% 27.0% 28.4% 27.0%
Promedio 1980/2006
14.9% 17.7% 20.7% 17.7%
Fuente: Elaboración propia en base a datos de la Dirección de Economía Agraria, SAGPYA. A.7. Rentabilidad Consolidada del Terrateniente
Campaña SOJA TRIGO MAÍZ GIRASOL
Promedio 1980/1990
3.3% 9.9% 13.3% 12.6%
Promedio 1991/2000
14.6% 19.1% 18.5% 12.6%
Promedio 2001/2006
23.0% 31.1% 27.1% 25.4%
Promedio 1980/2006
10.5% 17.6% 16.7% 13.6%
Fuente: Elaboración propia en base a datos de la Dirección de Economía Agraria, SAGPYA. A.8. Rentabilidad Consolidada del Arrendatario
Campaña SOJA TRIGO MAÍZ GIRASOL
Promedio 1980/1990
19.6% 31.4% 22.6% 35.3%
Promedio 1991/2000
8.3% 34.3% 6.3% 39.5%
Promedio 2001/2006
23.1% 13.6% 11.2% 37.6%
Promedio 1980/2006
15.7% 28.6% 13.4% 38.1%
Fuente: Elaboración propia en base a datos de la Dirección de Economía Agraria, SAGPYA.
66
A.9. Rentabilidad Consolidada de la Cartera Agropecuaria
Campaña Productor-
Propietario Terrateniente Arrendatario
Promedio 1980/1990
12.4% 8.3% 26.3%
Promedio 1991/2000
23.2% 16.5% 20.8%
Promedio 2001/2006
28.1% 25.5% 20.6%
Promedio 1980/2006
18.7% 13.9% 22.8%
Fuente: Elaboración propia en base a datos de la Dirección de Economía Agraria, SAGPYA.
A.10. Promedios Aritméticos de las Series de S&P 500, T-Bills y T-Bonds
Campaña S&P 500 T-Bills T-Bonds
Promedio 1928/2007
11.69% 3.91% 5.26%
Promedio 1958/2007
12.27% 5.57% 6.68%
Promedio 1997/2007
9.39% 4.13% 6.71%
Fuente: Damodaran (2008).
A.11. Promedios Geométricos de las Series de S&P 500, T-Bills y T-Bonds
Campaña S&P 500 T-Bills T-Bonds
Promedio 1928/2007
9.81% 3.87% 5.01%
Promedio 1958/2007
11.57% 6.00% 5.38%
Promedio 1997/2007
7.98% 4.12% 6.47%
Fuente: Damodaran (2008).
67
11. ANEXO B
Definición de Variables y Fuentes de Información
Margen Bruto = Ingreso Bruto –Gastos de Cosecha – Labores – Semillas –
Agroquímicos.
Arrendamiento de Mercado = 0.3 * Ingreso Bruto Consolidado
Arrendamiento Esperado = 0.3* Ingreso Bruto Esperado
A partir de la campaña 2003/2004, los Arrendamientos de Mercado y Esperado
representan el 45 % del Ingreso Bruto Consolidado y Esperado respectivamente.
Tasa Interna de Retorno= Tasa de descuento que hace el VPN de la inversión en
agricultura igual a cero.
VPN = -(Labores+ Semillas+ Agroquímicos+ Arrendamientos) + (Ingreso
Neto)/(1+TIR*)
VPN (TIR*) = 0
Fuente: Serie de Márgenes Brutos y Precios Históricos elaborado por la Secretaría de
Agricultura, Ganadería y Pesca de la Argentina.
Tierra: El precio de la tierra se obtiene de la serie histórica de valores de la tierra, en
quintales por hectárea, de la revista Agromercado. Utilizando los precios históricos al
productor se obtiene la serie en dólares constantes por hectárea.
68
Tasa Libre de Riesgo
Tasas de rendimiento aritméticas y geométricas anuales históricas representativas de las
T-Bills y T-Bonds en base a Damodaran, 1928-2007.
Retorno de Mercado
Tasas de rendimiento aritméticas y geométricas anuales históricas del S&P 500, ajustado
por dividendos, en base a Damodaran, 1928-2007.