Story Transcript
Variabilidad climática de la temperatura Impacto económico en el EBITDA de los cultivos de arroz riego mecanizado en la zona centro de Colombia para el periodo 1999-2013: medidas de adaptación.
Angela Cristina Gómez Higuera Diana Fernanda Peluha Monroy
Colegio de Estudios Superiores de Administración –CESAMaestría en finanzas corporativas Bogotá Octubre 31 de 2014
2
Variabilidad climática de la temperatura Impacto económico en el EBITDA de los cultivos de arroz riego mecanizado en la zona centro de Colombia para el periodo 1999-2013: medidas de adaptación.
Angela Cristina Gómez Higuera Diana Fernanda Peluha Monroy
Director: Carlos Gustavo Cano Sanz Codirector Banco de la República Banco Central de Colombia
Colegio de Estudios Superiores de Administración –CESAMaestría en finanzas corporativas Bogotá Octubre 31 de 2014
3
CONTENIDO 1.
INTRODUCCIÓN .................................................................................................................... 10
2.
MARCO TEÓRICO ................................................................................................................ 16
3.
METODOLOGÍA..................................................................................................................... 24
4.
ANÁLISIS LOS DATOS DE VARIABILIDAD CLIMÁTICA DE LA TEMPERATURA Y
SU AFECTACIÓN SOBRE LOS CULTIVOS DE ARROZ RIEGO. ....................................... 29 5.
ANÁLISIS ECONÓMICO DEL CULTIVO DE ARROZ RIEGO MECANIZADO .......... 39 5.1.
ESTRUCTURA DE LA CADENA PRODUCTIVA DEL ARROZ ............................ 39
5.2.
COSTOS DE PRODUCCIÓN DEL ARROZ PADDY VERDE ................................. 43
5.3. COMPORTAMIENTO DE PRECIOS PROMEDIO DE COMPRA DE ARROZ PADDY VERDE. ......................................................................................................................... 48 5.4. GASTOS ASOCIADOS A LA PRODUCCIÓN DE ARROZ PADDY VERDE EN COLOMBIA. ................................................................................................................................ 50 6.
MODELO PARA ESTIMAR EL IMACTO DE LA VARIABILIDAD CLIMÁTICA EN EL
RENDIMIENTO DE LOS CULTIVOS DE ARROZ .................................................................... 51
7.
6.1.
MUESTRA SELECCIONADA ...................................................................................... 54
6.2.
ESTIMACIÓN .................................................................................................................. 55
MODELO FINANCIERO ....................................................................................................... 59 7.1.
PROPUESTA .................................................................................................................. 59
7.2.
ESTIMACIÒN .................................................................................................................. 60
7.3.
SENSIBILIDAD ............................................................................................................... 64
8.
MEDIDAS DE ADAPTACION A LA VARIABILIDAD CLIMÁTICA ............................... 70
9.
CONCLUSIONES................................................................................................................... 74
10. BIBLIOGRAFÍA ...................................................................................................................... 76 11. ANEXOS .................................................................................................................................. 79
4
LISTA DE GRÁFICAS Gráfica 1. Función Cobb Douglas……………………………………………………18 Gráfica 2. Producto de L (K está fijo)………………………………………………...19 Gráfica 3. Producto Marginal de L……………………………………………………19 Gráfica 4. Temperaturas máximas Ambalema, Tolima 2010……………………..33 Gráfica 5. Rendimiento mensual t/ha Norte del Tolima 2010……………………...33 Gráfica 6. Temperatura media máxima Tolima. Periodos 1971-2000 y 1981-2010 ……………………………………………………………………………35 Gráfica 7.
Temperatura media máxima Tolima primer y segundo semestre.
Periodos 1971-2000 y 1981-2010 ……………………………………………………35 Gráfica 8. Temperatura media mínima Tolima. Periodos 1971-2000 y 1981-2010……………………………………………………………………………..36 Gráfica 9.
Temperatura media mínima Tolima primer y segundo semestre.
Periodos 1971-2000 y 1981-2010 ……………………………………………………36 Gráfica 10. Temperatura máxima Benito Salas, Neiva, Huila primer y segundo semestre. Periodos 1999-2013……………………………………….……………….37 Grafica 11. Temperatura máxima semestre I …………………………….…………38 Grafica 12. Temperatura máxima semestre II…………………………………….…39 Gráfica 13. Producción Nacional del arroz por método de cultivo…………………41 Gráfica 14. Producción de arroz mecanizado por departamento
5
(Primer Semestre)………………………………………………………………………42 Gráfica 15. Producción de arroz mecanizado por departamento (Segundo Semestre)………………………………………………………………………………...43 Gráfica 16. Costos de producción por hectárea de arroz Paddy verde riego por semestre………………………………………………………………………………….44 Gráfica 17. Costos de Producción de Arroz Riego Zona Centro (Semestre I 2012)…………………………………………………………………………………….45 Gráfica 18. Costos de Producción de Arroz Riego Zona Centro (Semestre II 2012)…………………………………………………………………………………….46 Gráfica 19. Comportamiento de los costos de Producción de Arroz Riego Zona Centro (Semestre I)……………………………………………………………………...47 Gráfica 20. Comportamiento de los costos de Producción de Arroz Riego Zona Centro (Semestre II)……………………………………………………………………..47 Gráfica 21. Temperatura vs. Rendimiento 1999-2013 ………………………………62 Gráfica 22. Temperatura vs. EBITDA 1999 – 2013 …………………………………63 Gráfica 23. Impacto de la Temperatura en EBITDA primer semestre (2004 2013)………………………………………………………………………………………65 Gráfica 24. Impacto de la Temperatura en EBITDA segundo semestre (2004 2013) ……………………………………………………………………………………..66 Gráfica 25. Comparativo impacto de la variabilidad climática en el EBITDA primer semestre de 2013 ……………………………………………………………………….67
6
Gráfica 26. Comparativo impacto de la variabilidad climática en el EBITDA segundo semestre de 2013 …………………………………………………………..67 Gráfica 27. Impacto de la Temperatura y los costos en EBITDA primer semestre 2013 ………………………………………………………………………………………68 Gráfica 28. Impacto de la Temperatura y los costos en EBITDA segundo semestre 2013……………………………………………………………………………………….69
7
LISTA DE DIAGRAMAS Diagrama 1. Estructura de la cadena productiva del arroz …………………………40 Diagrama 2. Supuestos sensibilidad EBITDA ………………………………………64
8
LISTA DE TABLAS Tabla 1. CAGR por componente del costo de producción de arroz Paddy verde por semestre…………………………………………………………………………………..48 Tabla 2. Precio promedio mensual del arroz paddy verde en la Zona Centro (Pesos / Tonelada) (2000 – 2012)…………………………………………………….49 Tabla 3. Estimaciones econométricas………………………………………………..55 Tabla 4. EBITDA y Margen EBITDA Semestral 1999-2013 ………………………..61
9
LISTA DE ANEXOS Anexo 1. Estaciones Meteorológicas, Hidrológicas e Hidrometereológica en Colombia………………………………………………………………………………….79 Anexo 2. Temperatura media máxima y mínima periodos 1971-2000 y 19812010……………………………………………………………………………………….80 Anexo 3. Promedio y valor máximo de las temperaturas máximas diarias de la estación meteorológica Benito Salas del Instituto de Hidrología, Meteorología y Estudios Ambientales IDEAM…………………………………………………………81 Anexo 4. Valoración Nominal por Rubros de los Costos del Arroz Riego Desde 2000 hasta 2014 Semestre 1 en Colombia. Costos por Hectárea en Pesos Colombianos. Zona Centro……………………………………………………………..82 Anexo 5. Valoración Nominal por Rubros de los Costos del Arroz Riego Desde 2000 hasta 2014 Semestre 2 en Colombia. Costos por Hectárea en Pesos Colombianos. Zona Centro……………………………………………………………..82 Anexo 6. Producción de Arroz Paddy en Colombia por Semestres, para el periodo 2000-2014. Toneladas…………………………………………………………………..83 Anexo 7. Rendimientos de Arroz Paddy en Colombia por Zonas Desde 2000 hasta 2014. Tonelada por Hectáreas…………………………………………………………83 Anexo 8. Producción Nacional de Arroz por método de cultivo. Periodo 2000 – 2011……………………………………………………………………………………….84
10
1. INTRODUCCIÓN
Aunque la disminución de los casquetes polares, es la cara más conocida del cambio climático, el calentamiento global tendrá consecuencias graves, especialmente en los trópicos donde las variaciones de temperatura y humedad darán lugar a climas desconocidos hasta ahora, que acarrean impactos económicos, sociales, políticos y culturales. Es por esto que la investigación que se presenta se acoge con la finalidad de que se pueda cuantificar el costo económico de los eventos asociados a la variabilidad climática y aquellos que se generarán como resultado de la mitigación del mismo. Específicamente, tiene como principal propósito simular el impacto de la variabilidad climática en el EBITDA de los agricultores que hacen parte del sistema de cultivos de arroz riego mecanizado en la zona centro de Colombia, comprendida principalmente por los departamentos de Tolima y Huila. El Arroz Mecanizado “es aquel en el cual se emplean máquinas como tractores, combinadas y aviones, para realizar una o varias labores del proceso productivo del cultivo, tales como, preparación del suelo, siembra, control de malezas y plagas, fertilización y recolección. El arroz mecanizado a su vez se divide en arroz riego y arroz secano. El arroz riego es aquel en el cual el agua que requiere el cultivo es provista por el hombre en cualquier momento, mientras que en el arroz secano, el agua únicamente proviene de las lluvias”. (Federación Nacional de Arroceros, 2008)
La zona arrocera Centro es una de las más importantes del país, ya que está comprendida por 8,783 UPA, unidades productoras de arroz, es decir, todo terreno
aprovechado
en
la
producción
de
arroz,
con
administración
independiente, sin consideración de tamaño ni producción. Cuenta con 146,498 hectáreas anuales cultivadas, las cuales representan el 38,2% del total de área cultivada con arroz mecanizado a nivel Nacional, y representa en promedio el
11
47% de la producción total de arroz en Colombia. (Federación Nacional de Arroceros, 2008)
De este modo, todo el planteamiento y desarrollo del presente trabajo de investigación se fundamenta en un interrogante, y es el siguiente, ¿Cómo afecta el cambio climático al EBITDA de los productores de arroz riego mecanizado en la zona centro de Colombia?
Según estudios realizados, el rendimiento del grano de arroz disminuye un 10 por ciento por cada incremento de 1 °C en la temperatura al aproximarse la estación seca (Peng & Otros, 2004). Los efectos biofísicos del cambio climático sobre la agricultura inducen cambios en la producción y precios, que se manifiestan en el sistema económico a medida que los agricultores y otros participantes del mercado realizan ajustes de forma autónoma, modificando sus combinaciones de cultivos, uso de insumos, nivel de producción, demanda de alimentos, consumo de alimentos y comercio (Instituto Internacional de Investigación sobre Políticas Alimentarias (IFPRI), 2009)
Sin cambio climático, los precios mundiales de los cultivos agrícolas más importantes como los son el arroz, trigo, maíz y soja, aumentarán entre el 2000 y 2050, impulsados por el crecimiento demográfico, ingresos y por la demanda de biocombustibles. Aún sin cambio climático, el precio del arroz aumentará 62 por ciento. El cambio climático da como resultado aumentos adicionales de los precios que varían de 32 a 37 por ciento para el arroz. Por su parte, sin cambio climático, el aumento del ingreso per cápita da como resultado una menor disminución en el consumo per cápita de cereales en los países en vías de desarrollo entre 2000 y 2050, así como un aumento en el consumo de carne. El cambio climático reduce ligeramente el crecimiento en el consumo de carne y causa una caída más importante en el consumo de cereales.
12
Este tipo de estudios cobran importancia en nuestro país, debido a que la agricultura en Colombia es un sector de alto incidencia en la economía del país, ya que contribuye con un 9% del PIB total y genera el 21% de los empleos. Y es por el hecho de ser tan relevante, que causa preocupación su vulnerabilidad con respecto a la variabilidad climática, pues se estima que la degradación ambiental en Colombia representa pérdidas equivalentes al 3.7% del PIB. (Ocampo, 2011)
Existen estudios que buscan cuantificar el impacto del cambio y variabilidad climática en distintas regiones y países del mundo, con lo que se ha logrado simular el impacto del cambio climático en distintos cultivos. Este es el caso del estudio realizado en el año 2008 por McKinsey & Company, sobre el impacto del cambio climático sobre el flujo de caja de varios sectores. Específicamente, se analizaron los impactos potenciales del cambio climático en los flujos de caja y el valor presente neto de un arquetipo de compañía en cada sector en diferentes escenarios. Los resultados arrojaron que en algunas industrias la mitigación del cambio climático serán una inversión corporativa importante para crear ya sea cambios fundamentales en la demanda o para crear nuevas dinámicas competitivas y nuevos modelos de negocios. En otras industrias por ejemplo, el flujo de caja se ve menos afectado debido a que los costos de corto plazo serian trasferidos al consumidor lo que permitiría que los márgenes de utilidad a largo plazo volvieran al nivel promedio. (McKinsey&Company, 2008)
En México por ejemplo, la Universidad Veracruzana realizó un estudio del cambio climático y su impacto económico, en el estado de Veracruz –México, resultado de dicho análisis que se basó en escenarios del Grupo Intergubernamental de Expertos en Cambio Climático, IPCC por sus siglas en Ingles y el Informe Stern sobre la economía del Cambio Climático, se concluyó que los costos de producción varían en función de los niveles de calentamiento. Así, un incremento térmico de 0.5 ºC se considera que ocasionará beneficios
13
globales máximos de 2.5% del PIB. Sin embargo, a partir del valor de 0.5 ºC el aumento de temperatura incrementará aceleradamente los costos por la pérdida de
la
capacidad
productiva.
Los
costos
de
adaptación
crecerán
exponencialmente respecto al cambio climático, sobre todo en los países subdesarrollados con altos niveles de pobreza y marginación en su población. (Instituto de Investigaciones y Estudios Superiores Económicos y Sociales, Universidad Veracruzana)
Por otro lado en Malasia, en el año 2011 se realizó un estudio de los impactos potenciales del cambio climático en la producción de arroz en este país. A través del modelo utilizado se predijo una reducción en el rendimiento del arroz de 0.36 tonelada por hectárea, en el escenario de un aumento de la temperatura en 2° C, y en un nivel de CO2 de 383 ppm, con la reducción de la producción de arroz, las pérdidas económicas para la industria del arroz de Malasia se estimaron en 162.531 millones de dólares por año; bajo el escenario de aumento de la concentración de CO2 desde 383 hasta 574 ppm y con 2° C aumento en la temperatura, se predijo una disminución en el rendimiento del arroz por 0,69 tonelada por hectárea y una pérdida económica de 299.145 millones de dólares por año para la industria del arroz. Con los posibles efectos anteriores, al final del estudio se establecieron recomendaciones y estrategias de adaptación y mitigación para superar los efectos adversos del cambio climático en la producción de arroz. (Vaghefi, Nasir Shamsudin, Makmom, & Bagheri, 2010).
En la actualidad en Colombia, el departamento nacional de planeación de la mano de expertos en el tema agrícola está llevando a cabo un estudio sobre el impacto económico del cambio climático en la agricultura colombiana. El Estudio de Impactos Económicos de Cambio Climático para Colombia (EIECC), tiene como objetivo evaluar costos, impactos y posibilidades de mitigación y adaptación del cambio climático para el país, con el propósito de identificar
14
opciones estratégicas, desarrollar mecanismos e instrumentos, y tomar previsiones para enfrentar los retos del cambio climático de corto, mediano y largo plazo en los sectores económicos principales y en las distintas regiones del país (Departamento Nacional de Planeación).
Hoy día aunque existen estudios que analizan el impacto económico del cambio climático, lo hacen en términos generales de la economía, en especial sobre el PIB de un país; sin embargo un análisis del impacto hacia el interior de la rentabilidad del productor no existe, por esta razón, lo que se busca con el presente estudio es identificar la correlación que existe entre los cambios de temperatura y los rendimientos, precios y costos relacionados al cultivo de arroz riesgo mecanizado en la zona centro de Colombia, con el fin de determinar cómo dicho cambio climático afecta el EBITDA de los productores de este sistema de cultivos de arroz en la zona.
Para lograr dicho resultado, se cuenta con información histórica desde el año 1999 al año 2013, suministrada por la Federación Nacional de Arroceros FEDEARROZ, con periodicidad semestral de los datos de rendimiento, precio, costos de producción tales como costo de asistencia técnica, arriendos, preparación del terreno, riego, fertilizantes, protección al cultivo y recolección.
A partir de la información histórica, en el capítulo IV se analizan los datos de la variabilidad climática de la temperatura y su incidencia sobre los rendimientos de los cultivos de arroz riego mecanizado en la zona centro del país. Seguidamente, en el capítulo V se realiza un análisis de los costos asociados a los cultivos en términos operacionales. Adicional a lo anterior, en el capítulo VI mediante un modelo econométrico se cuantifica el impacto de eventos asociados a la variabilidad climática de la temperatura sobre el rendimiento de de los cultivos de arroz y en el capítulo VII se realiza una simulación donde se
15
identifica el impacto de la variabilidad climática en el EBITDA de los cultivadores de arroz paddy verde de la zona centro de Colombia.
Específicamente en el capítulo VI, mediante la construcción de un modelo econométrico de producción en función de distintas variables, se busca identificar cómo éstas afectan los rendimientos. Entre dichas variables se encuentran, la asistencia técnica, preparación del el terreno, fertilizantes, recolección, arriendos y temperatura.
Se quiere conocer cómo las temperaturas afectan las toneladas producidas, y cómo cada una de las demás variables afecta las toneladas. Mediante el modelo se hallan los betas de las distintas variables, los cuales determinan la ponderación de cada una frente a la productividad. De esta manera se puede identificar cómo un grado de temperatura afecta el rendimiento del cultivo.
A partir de los betas del primero modelo, en el capítulo VII se corre una simulación de Montecarlo, en la que se introducen los betas y las variables se asumen aleatorias, esto con el fin de obtener distintos escenarios de EBITDA con ciertos niveles de probabilidad.
Finalmente, en el capítulo VIII se proponen medidas de adaptación para el sector arrocero. Por último, se presentan las conclusiones a las que se llegó al final de la presente investigación.
16
2. MARCO TEÓRICO
Dentro del presente proyecto, se desarrollará un modelo econométrico de producción en el cual la variable dependiente será el rendimiento del cultivo de arroz Paddy verde en toneladas / hectárea. La función Cobb Douglas describe la sensibilidad o respuesta marginal del rendimiento del cultivo ante cambios en una variable dadas. Para el presente estudio, éstas variables independientes son temperatura, costos de producción tales como costo de la materia prima, asistencia técnica, arriendo, preparación del terreno, riesgo, fertilizantes, protección del cultivo y otros.
El modelo tradicional Cobb Douglas es una forma de función de producción, ampliamente usada para representar las relaciones entre un producto y las variaciones de los insumos tecnología, trabajo y capital. Fue propuesta por Knut Wicksell (1851-1926) e investigada con respecto a la evidencia estadística concreta, por Charles Cobb y Paul Douglas en 1928. El establecimiento de la función partió de la observación empírica de la distribución de la renta nacional total de Estados Unidos entre el capital y el trabajo. Los datos mostraron que se mantenía más o menos constante a lo largo del tiempo y a medida que crecía la producción, la renta del total de los trabajadores crecía en la misma proporción que la renta del conjunto de los empresarios. Douglas solicitó a Cobb establecer una función que resultara en participación constante de los dos factores si ganaban en su producto marginal (Wikipedia, 2013). Esta función de producción presenta la forma: . Donde:
Q = producción total (el valor monetario de todos los bienes producidos durante un año)
17
T = trabajo insumo K = capital insumo A = factor total de productividad α y β son las elasticidades producto del trabajo y el capital, respectivamente. Estos valores son constantes determinadas por la tecnología disponible. La elasticidad del producto mide la respuesta del producto a un cambio en los niveles del trabajo o del capital usados en la producción, si permanecen constantes los demás factores. Por ejemplo, si α = 0,15, un aumento del 1% en la cantidad de trabajo, provocaría un incremento aproximado del 0,15% en el volumen del producto. Así, si: α + β = 1, La función de producción tiene economías de escala constantes, es decir que si T y K aumenta cada uno el 20%, Q aumenta también el 20%. Esto significa que la función Cobb-Douglas es homogénea de grado 1 e implica que el costo mínimo es independiente del volumen de la producción y depende sólo de los precios relativos de los factores de producción. Si α + β < 1, rendimientos de escala son descendentes, y si α+β>1 los rendimientos de escala son crecientes. Suponiendo competencia perfecta, α y β pueden ser obtenidos como la cuota de T y de K con respecto a Q. Un avance tecnológico que aumenta el parámetro A
18
incrementa proporcionalmente el producto marginal de T y de K. (Wikipedia, 2013). Gráfica 1. Función Cobb Douglas
Fuente: (Wikipedia, 2013)
Una de las variaciones de la función de Cobb Douglas y que será de gran ayuda para el desarrollo de modelo econométrico a realizar es la productividad marginal. La productividad marginal es el cambio en la producción, ante cambios en la cantidad de insumos. La productividad marginal es la derivada primera de la función de producción respecto a algún insumo: ∂Q/∂L En el caso de la función de producción Cobb-Douglas ∂Q/∂L = Aβ L^(β-1) K^α
19
Si L o K se incrementan, también lo hará la cantidad de producción. Esto significa que el rendimiento marginal de los insumos es positivo. La productividad marginal es positiva. Gráfica 2. Producto de L (K está fijo)
Fuente: www.zonaeconomica.com
Gráfica 3. Producto Marginal de L
Fuente: www.zonaeconomica.com
20
Existe otra teoría que será utilizada dentro del presente proyecto y será complemento al desarrollo del modelo Cobb Douglas; la simulación a través del método de Monte Carlo. El método Montecarlo es un método numérico que permite resolver problemas físicos y matemáticos mediante la simulación de variables aleatorias. El método Montecarlo fue bautizado así por su clara analogía con los juegos de ruleta de los casinos. La importancia actual del método Montecarlo se basa en la existencia de problemas que tienen difícil solución por métodos exclusivamente analíticos o numéricos, pero que dependen de factores aleatorios o se pueden asociar a un modelo probabilística artificial (resolución de integrales de muchas variables, minimización de funciones, etc.). El método se llamó así en referencia al Casino de Monte Carlo (Principado de Mónaco) por ser “la capital del juego de azar”, al ser la ruleta un generador simple de números aleatorios. El nombre y el desarrollo sistemático de los métodos de Monte Carlo datan aproximadamente de 1944 y se mejoraron enormemente con el desarrollo de la computadora. El uso de los métodos de Monte Carlo como herramienta de investigación, proviene del trabajo realizado en el desarrollo de la bomba atómica durante la Segunda Guerra Mundial en el Laboratorio Nacional de Los Álamos en EE. UU. Este
trabajo
conllevaba
la
simulación
de
problemas
probabilísticos
de
hidrodinámica concernientes a la difusión de neutrones en el material de fisión. Esta difusión posee un comportamiento eminentemente aleatorio. En la actualidad es parte fundamental de los algoritmos de Raytracing para la generación de imágenes 3D. El método de Monte Carlo proporciona soluciones aproximadas a una gran variedad de problemas matemáticos posibilitando la realización de experimentos con muestreos de números pseudoaleatorios en un computador. El método es
21
aplicable a cualquier tipo de problema, ya sea estocástico o determinista. A diferencia de los métodos numéricos que se basan en evaluaciones en N puntos en un espacio M-dimensional para producir una solución aproximada, el método de Monte Carlo tiene un error absoluto de la estimación que decrece como
en
virtud del teorema del límite central (Wikipedia, 2013).. La Simulación de Montecarlo, es una técnica de análisis de riesgos que incorpora múltiples simulaciones de resultados con la variabilidad de elementos individuales para producir una distribución de resultados potenciales.
Para cada simulación, la herramienta de simulación Monte Carlo escoge al azar un valor para cada evento de riesgo dentro de su rango de valores posibles, pero de acuerdo con la probabilidad de ocurrencia de cada uno de éstos.
Luego se combinan los valores escogidos al azar para generar un solo resultado para una simulación. Este proceso se repite un cierto número de veces (típicamente más de 1,000 iteraciones), y se produce un rango de resultados potenciales igualmente probables (Alvarez).
Las variables de rendimiento, temperatura y otras incluidas se relacionaran posteriormente con los costos, gastos e ingresos de los cultivos de arroz paddy verde en la zona Centro, esto con el fin de conocer el impacto en EBITDA de los mismos.
El EBITDA, (Earnings Before Interest, Taxes, Depreciation and Amortization según su sigla en inglés y Ganancias antes de Intereses Impuestos, depreciaciones y amortizaciones en español), es un indicador con un uso creciente tanto sea como herramienta de control de gestión, como también, para decidir una adquisición. Su
22
momento de gran difusión fue, acompañando el furor de las adquisiciones y fusiones de los 80 y 90.
Por muchos es considerado uno de los indicadores claves, para conocer el desempeño económico de una empresa, y se lo utiliza asimilándolo a un valor de “Cash flow” y así determinar la capacidad para generar caja, de ahí que también sea la base de medida para decidir adquisiciones. Sin embargo no pasa de ser una medición parcial, aproximada, y con algunas limitaciones que debieran circunscribir su aplicación.
El EBITDA es uno de los indicadores financieros más conocidos, e imprescindible en cualquier análisis fundamental de una empresa. Sus siglas representan, en inglés, las ganancias antes de intereses, impuestos, depreciación y amortización (Earnings Before Interest, Taxes, Depreciation, and Amortization), o lo que es lo mismo, representa el beneficio bruto de explotación calculado antes de la deducibilidad de los gastos financieros.
Aunque no forma parte del estado de resultados de una compañía, está muy relacionado con él. Constituye un indicador aproximado de la capacidad de una empresa para generar beneficios considerando únicamente su actividad productiva, eliminando de esta manera, la subjetividad de las dotaciones, el efecto del endeudamiento o la variabilidad o arbitrio del legislador de turno en materia impositiva.
El EBITDA se calcula a partir del resultado final de explotación de la empresa, sin incorporar los gastos por intereses e impuestos, ni las disminuciones de valor por amortizaciones o depreciaciones, con el objetivo último de mostrar el resultado puro de explotación de la empresa. Por este motivo, los elementos financieros (intereses de la deuda), tributarios (impuestos), cambios de valor del inmovilizado
23
(depreciaciones) y de recuperación de la inversión (amortizaciones) deben quedar fuera de este indicador.
El cálculo del EBITDA, se realiza de la siguiente manera:
Ingresos (-) Costo de producción = Utilidad Bruta (-) Gastos administrativos (-) Gastos de comercialización = Resultado operativo (o ganancias antes de intereses e impuestos, EBIT) (+) Amortizaciones y depreciaciones = Ganancias antes de intereses, impuestos, depreciaciones y amortizaciones (EBITDA)
En resumen, lo que el EBITDA pretende es obtener una imagen más fiel de lo que la empresa gana o pierde por el ejercicio de su actividad exclusivamente, de ahí que sólo tome los gastos del negocio que son ciertos y que efectivamente se van a pagar.
El uso de estas metodologías de análisis y modelación permitirán de manera sistemática, identificar y cuantificar los principales impactos del cambio climático sobre los cultivos de arroz paddy verde, evaluar los riesgos y costos asociados, así como su afectación sobre la rentabilidad, evaluar los riesgos potenciales y diseñar e implementar medidas de adaptación.
24
3. METODOLOGÍA
El presente estudio se realizará sobre los cultivos de arroz Paddy verde de la zona Centro del país para los años 1999- 2013, lo anterior pues la periodicidad de los datos disponible es semestral y para el uso de los modelos y métodos que se utilizarán se requieren mínimo 30 datos.
El análisis de la relación entre los cambios en la temperatura y el rendimiento de los cultivos de arroz Paddy verde por sistema de riego en la zona centro, se harpa a través del uso de la función Cobb Douglas. Una aplicación del modelo de Cobb Douglas, está en el desarrollo de modelos agrícolas; y es precisamente esta utilidad la base metodológica que nos ayudará en el presente proyecto; en este caso, se evaluará el rendimiento de las cosechas basándose únicamente en un factor climático externo (Temperatura) dejando constantes los demás factores inputs; este modelo nos va a permitir medir efectos marginales de la pluviosidad sobre el rendimiento o dicho de otro modo el rendimiento marginal de la temperatura. Y = βR1i β1 La variable Y representa el rendimiento del cultivo, β0 es la intersección en el eje de las ordenadas, R es la variabilidad climática y β1 es el coeficiente o elasticidad de la temperatura. Esta relación es no lineal, pero si se transforma mediante la función logaritmo, se obtiene: LnY = Ln β0 + β1i LnR + ei Donde β1 es la elasticidad parcial (Si derivamos parcialmente LnYi = β + β 1 LnR + εi con respecto al log de cada variable x. Por consiguiente, ζLnY/ ζLnR = (ζY/ ζR)(R/ Y) = β1 que por definición es la elasticidad de Y con respecto a R.) del producto o rendimiento del cultivo con respecto al nivel de temperatura semestral
25
ocurrido; mide el cambio porcentual en el rendimiento debido a una variación del 1% en la temperatura, manteniendo las demás variables como dadas o constantes. La condición necesaria para que el derivado sea efectivo es que la derivada de la producción con respecto a la temperatura sea mayor a cero (0). En el caso contrario implicaría que el clima no incide en la producción agrícola y no tendría sentido realizar una estrategia de cobertura para mitigar el riesgo de producción (Castro). Una vez analizada la relación entre la temperatura y el rendimiento de cultvos en los añois 1999.2013, se procederá a realizar simulaciones a través del método de Monte Carlo, técnica numérica con la cual calcularemos probabilidades y otras cantidades relacionadas, utilizando secuencias de números aleatorios. El procedimiento será el siguiente: Generar una serie de números aleatorios, r1, r2,…,rm, uniformemente distribuidos en [0,1]. Usar esta secuencia para producir otra secuencia, x1, x2,…,xm, distribuida de acuerdo a la función de probabilidad en la que nos interesaremos.
Usar la secuencia de valores x para estimar alguna propiedad de f(x). Los valores de x pueden tratarse como medidas simuladas y a partir de ellos puede estimarse la probabilidad de que los x tomen valores determinados.
La generación de número aleatorios que son necesarios para proporcionar la secuencia aleatoria inicial (uniformemente distribuida entre 0 y 1), se puede realizar a trvés dde numeroso algoritmos de generación de números (pseudo) aleatorios. En particular, las diferentes variantes de RANLUX,
26
disponibles en todas las bibliotecas matemáticas modernas (CERN, GSL, etc.) (Gómez Cadenas, 2005). De forma simplificada, el Modelo de Monte Carlo se aplicará en el Excel de la siguiente forma: 1. Estimar la escala de valores que podría alcanzar cada factor, y la probabilidad de ocurrencia asociada a cada valor.
2. Elegir, aleatoriamente, uno de los valores de cada factor, y dependiendo de la combinación seleccionada, computar la tasa de rendimiento resultante.
3. Repetir el mismo proceso una y otra vez, la cantidad de veces que sea necesaria, que permita definir y evaluar la probabilidad de ocurrencia de cada posible tasa de rendimiento. Como existen millones de posibles combinaciones de factores, necesitamos efectuar un número de pruebas suficientemente grande para que pueda apreciarse la posibilidad de ocurrencia de las varias tasas de rendimiento. El resultado a que se llegará será una lista de distintas tasas de rendimiento que podrían lograrse, que puede variar desde una pérdida (si los factores son adversos) hasta la ganancia máxima que sea posible lograr conforme con los pronósticos que se hayan efectuado.
4. Se calcula la tasa media esperada, que es el promedio ponderado de todas las tasas resultantes de las sucesivas pruebas realizadas, siendo la base de ponderación la probabilidad de ocurrencia de cada una.
5. También se determina la variabilidad de los valores respecto del promedio, lo que es importante porque a igualdad de otros factores, esto nos dará información relevante de la sensibilidad.
27
Para Distribuciones Continuas, y en el modelo de simulación estocástico, existen varias varialbles aleatorias interactuando. Y estas variables, siguen distribuciones de probabilidad teóricas o empíricas distintas a la distribución uniforme. Por esta razón, para simular este tipo de variables, es necesario contar con un generador de números uniformes y una función que a través de un método específico, transforme estos números en valores de distribución normal. Existen varios procedimientos para lograr este objetivo, el que se expone a continuación es uno de los que posiblmente se utilizará en el presnete proyecto para generar números al azar que sigan la distribución de probaiblidad: Para cada tipo de distribución continua, se montará una función estocástica; en este caso, una distribución normal puede ser expresado por:
para expresar la distribución acumulada de la distribución normal en forma explícita, se utilizará el teorema del límite central, el cual establece que la suma de n variables aleatorias independientes se aproxima a una distribución nomral a medida que n se aproxima a infinito. Que expresado en forma de teorema sería: Si x1,x2,.......xn es una secuencia de n variables aleatorias independientes con E(x)=µi y var (x)= ð2i (ambas finitas) y Y= a1x1+a2x2+.....+anxn, entonces bajo ciertas condiciones generales:
28
Tiene una distribución normal estándar a medida que n se aproxima a infinito. Si las variables que se están sumando son uniformes en el intervalo (0;1) entonces.
donde R es un número aleatório Tiene una distribución normal estándar. Puesto que la normal estándar de una variable aleatoria x distribuida normalmente se obtiene como:
entonces, la simulación de la variable aleatoria x se haría de acuerdo a la siguiente expresión:
Finalmente, utilizando un valor de n=12, la confiabilidad de los valores simulados es bastante aceptable.
Y utilizando un valor de n=12, la última expresión se simplifica a:
29
Para hacer esta operación en el Excel, se debe usar la función =aleatorio(). =((((ALEATORIO()+ALEATORIO()+ALEATORIO()+ALEATORIO()+ALEATORIO()+ ALEATORIO()+ ALEATORIO()+ALEATORIO()+ALEATORIO()+ALEATORIO()+ALEATORIO()+ALE ATORIO())-6)*Desvío + Promedio))
4. ANÁLISIS
LOS
DATOS
DE
VARIABILIDAD
CLIMÁTICA
DE
LA
TEMPERATURA Y SU AFECTACIÓN SOBRE LOS CULTIVOS DE ARROZ RIEGO.
El contraste principal entre variabilidad climática y cambio climático es el periodo de tiempo en que ocurre cada uno. Las fluctuaciones del clima en escalas de tiempo medidas en años,
se denominan ‘variabilidad climática’
interanual, aquellas que se presentan en escalas de tiempo en milenios, se denominan ‘cambios climáticos’ globales. Dichas variaciones son resultado de los cambios en la interacción de los distintos componentes del sistema climático. (IDEAM, 2013)
Entre los efectos de la variabilidad y el cambio climático, se encuentran el aumento de la “temperatura promedio del aire y del océano, el derretimiento de la nieve de los glaciales y los polos, y la elevación del nivel del mar ... Como consecuencia, podrían experimentarse una serie de impactos, a escala global, que incluyen: cambios en los ecosistemas, en la disponibilidad de agua, en la productividad de las cosechas y en la distribución de vectores y enfermedades; además del posible incremento de los eventos meteorológicos extremos, como tormentas, sequías e inundaciones.” (Ocampo, 2011)
30
Los efectos de la variabilidad climática que sufre nuestro país se evidencian cada año. En el 2010 por ejemplo, el mes de julio fue el más lluvioso de los últimos 30 años, debido a las fuertes precipitaciones en la región Caribe, Andina y Pacifica. Estas precipitaciones desencadenaron severas inundaciones en el 2010 y 2011. (García M. , Piñeros Botero, Bernal Quiroga , & Ardila Robles , 2012)
La mayor intensidad en las sequias y lluvias, y por consiguiente desastres ambientales han ocasionado pérdidas económicas globales que se registran por desastres, el 74% se estiman de origen climático. Estas pérdidas se han incrementado de 200 billones de dólares en la década de 1970 a cerca de 750 billones de dólares en la década de 1990. El Fenómeno El Niño entre los años 1997-1998 generó 98 billones de dólares en pérdidas en todo el mundo. (Garcia Vargas, 2007)
Adicional a lo anterior, se evidencia disminución de los rendimientos en ambientes cálidos, mayor probabilidad de incendios forestales, erosión del suelo e incremento de plagas. En cuanto a la temperatura, la tendencia lineal de aumento en Colombia es de 0.13 grados centígrados por década, mientras que el promedio en el mundo es de 0.74. Con mayores temperaturas, se reduce la cantidad de oxígeno disuelto, lo que termina en alteración de nutrientes y contaminación en el flujo de agua, que también se ve disminuido. (Ocampo, 2011)
La agricultura, es un sector altamente vulnerable al cambio y a la variabilidad climática. El aumento de las temperaturas disminuye la producción de los cultivos en la mayor parte del mundo, así como los cambios en las precipitaciones hacen que los cultivos fracasen a corto plazo y que la productividad de los mismos disminuya a largo plazo. Aunque los efectos del cambio climático pueden beneficiar algunos cultivos en algunas partes del
31
mundo, son una amenaza para el medio ambiente, para el desarrollo social y económico de los países, impacta diferentes sectores económicos, en general se espera que su impacto sea negativo en la agricultura.
(Instituto
Internacional de Investigacion sobre Políticas Alimentarias (IFPRI), 2009)
Según las estimaciones de la Organización de las Naciones Unidas para la Agricultura y la Alimentación, se identifican los cultivos más sensibles a los cambios presentados por la
variabilidad climática. En Centro América y el
Caribe, son la caña de azúcar, el maíz, el arroz y el trigo; en la región Andina son, el arroz, el trigo, el maíz, la cebada y la caña de azúcar. (Ocampo, 2011)
Los cultivos de arroz bajo riego se ven notablemente afectados, más en los países en vía de desarrollo que en los países desarrollados. En los países en vía de desarrollo, el cambio climático entre los años 2000 y 2050 reducirá el rendimiento de los cultivos más importantes, como lo son el arroz, el trigo, maíz y soya. Adicional a esto, acarreará aumentos adicionales de precios de dichos cultivos, y por tanto una caída notable en el consumo de los cereales. (Instituto Internacional de Investigacion sobre Políticas Alimentarias (IFPRI), 2009)
La variabilidad climática está compuesta por varias variables como lo son la temperatura, precipitaciones, brillo solar y humedad relativa. Para el caso de la variable temperatura, cuando ésta toma valores altos se acelera el proceso de maduración del arroz, lo que conduce un menor peso del grano y mala calidad del mismo lo que se traduce en menores rendimientos. Una mayor temperatura también propicia la reproducción de plagas y distintas enfermedades no sólo en los cultivos aledaños sino entre distintas regiones, lo que a su vez se traduce en mayores costos. (Fedearroz Fondo Nacional del Arroz - Tolima, 2010)
La condiciones de alta temperatura, requieren una mayor eficiencia en el riego, debido a que afecta la productividad y fertilidad de los suelos, ya que estos
32
tienen pérdidas de agua por evaporación. “Desde mediados del año 2009 se han presentado bajas en la producción del arroz en el Departamento del Tolima debido a altas temperaturas en máximas y mínimas, las cuales han estado por encima de 3 grados centígrados de los datos históricos causando esterilidad del polen y un alto porcentaje de vaneamiento (50%), además se ha reportado alta incidencia de enfermedades producidas por bacterias como Pseudomonas Fuscovaginae y Burkholderia Glumae, y altas poblaciones del acaro Steneotarsonemus Spinky”. (Fedearroz Fondo Nacional del Arroz - Tolima, 2010)
En el Tolima, departamento que representa el 75% del total de área sembrada en la zona centro de Colombia, las temperaturas máximas han estado por encima de 34 grados centígrados a partir del año 2009, lo que ha disminuido los rendimientos como consecuencia de la esterilidad del polen y el venteamiento en la panícula del arroz. Por otro lado, las temperaturas mínimas han estado alrededor de los 22 grados centígrados, lo que acarrea menor peso del grano y por supuesto menores toneladas por hectárea. Esta información es concida gracias a las estaciones metereologicas del Ideam, que se encuentran en todo el territorio nacional, ver anexo 1.
(Fedearroz Fondo Nacional del Arroz -
Tolima, 2010). En la zona del “Espinal del Tolima, con el descenso de las temperaturas a partir de Abril de 2010 de 3 a 5°C., los rendimientos se han incrementado en promedio 1.6, 1.2 y en 2.3 t/ha en los meses (Junio, Julio y Agosto) con respecto a Mayo. Para la zona de Saldaña también se han incrementado los rendimientos, pasando de 4.7 t/ha en el mes de Abril a 7.4 t/ha en el mes Agosto, con un incremento cercano a 2.7 t/ha. De igual forma, en la zona Norte del Tolima, ha sido notable el aumento del Rendimiento. De los meses de Abril a Mayo pasó de 5.5 t/ha a 6.0 t/ha y en los meses de Julio a Agosto de 5.8 t/ha a 6.9 t/ha, lo cual coincide con la disminución de las temperaturas entre los
33
meses de Mayo a Agosto para esta zona arrocera”. (Fedearroz Fondo Nacional del Arroz - Tolima, 2010).
En la gráfica 4 se muestran las temperaturas máximas promedio de Ambalema, ubicada en el norte del departamento del Tolima en el año 2010, las cuales para el primer semestre del año alcanzan sus mayores valores llegando hasta los 37 grados centígrados, para luego ir disminuyendo en el segundo semestre del año.
Gráfica 4. Temperaturas máximas Ambalema, Tolima 2010
Fuente: Cambio Climático y Producción de Arroz. Fedearroz 2010.
Cuando se compara esta información con los rendimientos para en la misma zona para el mismo periodo de tiempo, se observa que los rendimientos en la gráfica 5 presentan una caída en el primer semestre del año, cuando las temperaturas estuvieron más altas, y un incremento en el segundo semestre del año, cuando las temperaturas disminuyeron.
34
Gráfica 5. Rendimiento mensual t/ha Norte del Tolima 2010
Fuente: Cambio Climático y Producción de Arroz. Fedearroz 2010.
La misma tendencia de temperaturas y rendimientos es observada en la zona arrocera de la Meseta de Ibagué. Así como en Albalema, las temperaturas alcanzaron sus mayores valores en el primer semestre del año, y los menores en el segundo, también se presentaron mayores rendimientos en el segundo semestre del año. Las producciones de Enero a Junio de 2010 estuvieron entre 6.0 y 7.0 t/ha y a partir de Julio y Agosto éstas se incrementaron de 6.5 a 9.0 t/ha aproximadamente. (Fedearroz Fondo Nacional del Arroz - Tolima, 2010).
Al realizar un análisis del comportamiento de las temperaturas máxima y mínima promedio en las zonas del departamento del Tolima con mayor área sembrada, como lo son Ibagué, Espinal, Saldaña y Guamo, en los periodos de 1971 al 2000 y 1981 al año 2010, a partir de promedios mensuales de temperaturas (ver anexo 2), se observa que la tendencia es ascendente. Para todos los meses, en el segundo periodo observado (1981-2010), las temperaturas han mostrado un incremento. Esta tendencia se puede observar también en los incrementos en las temperaturas en los semestres I y II, enero a junio y julio a diciembre respectivamente, los cuales alcanzaron un grado centígrado en cada semestre, ver gráfica 6 y 7.
35
Gráfica 6. Temperatura media máxima Tolima. Periodos 1971-2000 y 19812010 33.6 32.5 32.0
31.8 30.8
30.9
31.6
31.6 30.7
30.7 29.9
ENE
FEB
32.7 32.4
MAR
30.7 29.8
ABR
MAY
31.4
31.4
31.0
30.4
JUN
Temperatura Media Maxima 1971-2000
30.8
30. 29.8
JUL
AGO
SEP
OCT
29.4
29.9
NOV
DIC
Temperatura Media Maxima 1981-2010
Fuente: Elaborado por los autores con información de IDEAM.
Gráfica 7. Temperatura media máxima Tolima primer y segundo semestre. Periodos 1971-2000 y 1981-2010
32,0 31,0
31.8
31.4 30.8
30.5
30,0 29,0 SEM I
SEM II
Temperatura Media Maxima 1971-2000 Temperatura Media Maxima 1981-2010 Fuente: Elaborado por los autores con información de IDEAM.
Finalmente se observa que la temperatura media mínima también ha venido incrementando a medida que transcurren los años. Para el periodo de 1981 y
36
2010 se observan mayor temperatura mínima promedio para todos los meses, y para cada semestre se observa que el incremento fue de casi 1 grado centígrado, ver grafica 8 y 9.
Gráfica 8. Temperatura media mínima Tolima. Periodos 1971-2000 y 19812010
21.5
21.6
21.7 20.9
20.5
ENE
20.7
21.6
21.5
21.4 21.2
20.8
FEB
MAR
ABR
MAY
20.6
JUN
Temperatura media Mínima 1971-2000
21.3
21.4
21.4
20.9
20.6 20.4
21.4 20.6
20.2
JUL
AGO
SEP
20.5
OCT
20.6
20.4
NOV
DIC
Temperatura media Mínima 1981-2010
Fuente: Elaborado por los autores con información de IDEAM.
Gráfica 9. Temperatura media mínima Tolima primer y segundo semestre. Periodos 1971-2000 y 1981-2010 21.5
22,0 21,0
20.7
21.3 20.5
20,0 19,0 SEM I
SEM II
Temperatura Media Maxima 1971-2000 Temperatura Media Maxima 1981-2010 Fuente: Elaborado por los autores con información de IDEAM.
37
Adicionalmente, al analizar el comportamiento de la temperatura de la estación meteorológica del aeropuerto Benito Salas del Instituto de Hidrología, Meteorología y Estudios Ambientales IDEAM, en el municipio de Neiva, departamento del Huila, serie de datos de la temperatura que será usada en el modelo econométrico del presente estudio (ver anexo 3), se observa una gran variabilidad de la temperatura, ya que las temperaturas máximas del semestre han estando desde los 35 °C hasta superar los 39°C, ver grafica 10.
Gráfica 10. Temperatura máxima Benito Salas, Neiva, Huila primer y segundo semestre. Periodos 1999-2013
39,2
39,0 37,8 38,0 38,1 35,3
38,7 38,0 38,2 38,1 38,0 37,7
37,6 37,5 36,8
38,7
39,5 39,7 37,4 37,3
37,3 36,5
36,5 36,2
35,5
36,5
38,0 37,7 37,2
35,2
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
Semestre I
Semestre II
Fuente: Elaborado por los autores con información de IDEAM.
En cuanto al comportamiento de la temperatura máxima del primer semestre desde 1999 a 2013, se observa en la grafica 11 que la tendencia es ascendente ya que la temperatura máxima ha aumentado aproximadamente 2°C de 1999 a 2013. Esta temperatura promedio máxima ha alcanzado niveles hasta de 39.7°C, estando normalmente entre 35°C y los 38°C aproximadamente.
38
Grafica 11. Temperatura máxima semestre I
41,0 39,7
40,0 39,0 38,1
38,0
37,7
37,0
37,5
37,3
37,2
36,5
36,8
36,0 35,0
38,2
38,0
36,5
36,2
35,5 35,3
35,2
34,0 33,0 32,0 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
Fuente: Elaborado por los autores con información de IDEAM.
Con relación al segundo semestre del año, se observa que las temperaturas máximas fluctúan entre los 37°C y los 39°C generalmente, mostrando dos picos significativos en los años 2008 y 2009 en donde las temperaturas máximas del semestre estuvieron en 36.5°C y 39°C respectivamente. A diferencia del primer semestre del año, comparando la temperatura máxima del semestre entre los años 1999 y la del 2013, no se observa una tendencia creciente, ver grafica 12.
39
Grafica 12. Temperatura máxima semestre II
40,00
39.5
39,50
39.0
38.7
39,00
38.7
38,50
38.0
38,00 37,50
39.2
38.0
38.1
38.0 37.8
37.7
37.4 37.6
37.3
37,00 36.5
36,50 36,00 35,50 35,00
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
Fuente: Elaborado por los autores con información de IDEAM.
5. ANÁLISIS
ECONÓMICO
DEL
CULTIVO
DE
ARROZ
RIEGO
MECANIZADO
5.1.
ESTRUCTURA DE LA CADENA PRODUCTIVA DEL ARROZ
El esquema de producción y comercialización de la cadena arrocera se entiende de acuerdo con las actividades productivas de cada uno de los integrantes de este mercado (Ver Diagrama 1). Así, en primer lugar se encuentra la producción agrícola, que corresponde a la siembra y cosecha del arroz paddy verde por parte de los agricultores. Este producto constituye la materia prima de todo el proceso productivo. Posteriormente, tiene lugar el proceso industrial desarrollado por los molinos. El arroz paddy verde que llega al molino es sometido a procesos de limpieza y reducción del porcentaje de humedad con el objeto de prepararlo para el almacenamiento y la trilla. De este modo, el proceso de molinería deja como principal producto el arroz blanco y
40
subproductos como la cascarilla de arroz y el arroz integral (Superintendencia de Industria y Comercio, 2012).
Diagrama 1. Estructura de la cadena productiva del arroz AGRICULTORES
Arroz Cascara (Paddy Verde)
Arroz Descascarillado (Integral, Brown)
Cascarilla de Arroz
1. Sustitución de combustible en el proceso de secamiento. 2. Fertilizantes Orgánicos.
Arroz Blanco Entero
Consumo
Partido
1. Pastas Alimenticias. 2. Sopas. 3. Cervezas.
Fuente: (Espinal, Martinez, & Acevedo, 2005).
5.1.1 TIPOS DE PRODUCCIÓN
El cultivo de arroz tiene una clasificación de acuerdo con la forma de siembra, así:
Mecanizado: empleo de maquinaria en el proceso productivo del cultivo.
Manual: empleo intensivo en mano de obra.
Por su parte, el arroz mecanizado se divide en:
MOLINOS
Harina de Pulimento (Salvado de Arroz)
41
Arroz de riego: es aquel en que el recurso hídrico es provisto por bombeo o gravedad, ya sea que el agua provenga de distritos de riego públicos o privados.
Arroz secano: es aquel en que el agua únicamente proviene del periodo de lluvias; donde normalmente se disponen de canales de drenaje.
En la siguiente gráfica (Ver Gráfica 13), se puede ver que los métodos de riego y secano mecanizado aportan cerca del 94% de la producción total de arroz en Colombia siendo el porcentaje restante dependiente del método secano manual.
Gráfica 13. Producción Nacional del arroz por método de cultivo.
Fuente: Elaborado por los autores con información de FedeArroz.
5.1.2. PRINCIPALES ZONAS PRODUCTORAS
La oferta de arroz paddy verde está determinada por dos grandes cosechas anuales:
1. La producción del primer semestre del año (siembra del segundo semestre del año inmediatamente anterior).
42
2. La producción del segundo semestre del año (siembra del primer semestre del mismo año).
El mayor volumen de producción de arroz paddy verde se obtiene en los meses de enero, febrero, julio, agosto, septiembre y diciembre, en los cuales se cosecha cerca del 70% de la producción anual nacional. Aproximadamente tres cuartas partes de la oferta pertenecen a la Zona Centro (Tolima, Huila) y a los Llanos Orientales (Meta y Casanare) (Espinal, Martinez, & Acevedo, 2005).
En las siguientes Graficas (Gráfica 14 y Gráfica 15) se muestra la estacionalidad en la producción de arroz Paddy verde por departamentos para el periodo 2000 – 2013.
Gráfica 14. Producción de arroz mecanizado por departamento (Primer Semestre).
Fuente: Elaborado por los autores con información de FedeArroz.
43
Gráfica 15. Producción de arroz mecanizado por departamento (Segundo Semestre).
Fuente: Elaborado por los autores con información de FedeArroz.
Se puede observar que durante el periodo comprendido entre los años 20082012 el departamento que tuvo una mayor participación en la producción de arroz paddy verde fue el departamento del Tolima con el 31,69%, seguido por los departamentos del Meta y Casanare con una producción de 18,35% y de 16,72% respectivamente. La producción del departamento del Huila representó tan solo el 9,95% de la producción nacional de arroz paddy verde en ese mismo año. Es importante resaltar que en el segundo semestre de cada año es cuando se cosecha la mayor cantidad de arroz paddy verde.
5.2.
COSTOS DE PRODUCCIÓN DEL ARROZ PADDY VERDE
Los costos de producción del arroz paddy verde difieren según el sistema de producción (riego o secano). Los costos de producción junto con el precio que recibe el productor, determinan los márgenes de ganancia de los cuales depende la permanencia de los agricultores en la actividad (Espinal, Martinez, & Acevedo, 2005).
A continuación (Gráfica 16) se muestran los costos de
44
producción de la zona centro para el sistema de producción riego por semestre en el periodo comprendido entre 2000 – 2012.
Gráfica 16. Costos de producción por hectárea de arroz Paddy verde riego por semestre.
Fuente: Elaborado por los autores con información de FedeArroz.
De los datos anteriores se puede observar que los costos asociados a la producción de arroz paddy verde, en el sistema de riego, se han incrementado a lo largo del periodo observado.
Acerca de los anterior, MADR e IICA (2005) señala que en términos reales los costos de producción nacional de arroz, tanto por hectárea como por tonelada, presentaron una tendencia ascendente en el último decenio.
Las Gráficas 17 y 18 muestran la composición de la estructura de costos para el año 2012 de la cual se observan los rubros más importantes.
45
De la gráfica 17 se puede ver la estructura de costos para el sistema de producción de arroz riego para la zona centro, se puede deducir que el rubro más significativo son los fertilizantes con un 22%, seguido del valor de los arriendos con un 19% y la preparación del terreno con un 17%, por su parte la protección al cultivo participa con un 16%, y otros asociados como la recolección, el riego, otros diversos y la asistencia técnica, se encuentran en participaciones de 9%, 8%, 8% y 1% respectivamente.
Gráfica 17. Costos de Producción de Arroz Riego Zona Centro (Semestre I 2013). Otros 7%
Asistencia Tecnica 1%
Recoleccion 9%
Arriendos 21%
Proteccion al Cultivo 15% Preparacion Terreno 18%
Fertilizantes 19%
Riego 10%
Fuente: Elaborado por los autores con información de FedeArroz.
Por su parte, en la gráfica 18, se evidencia que el rubro más significativo siguen siendo son los fertilizantes con un 22%, seguido del valor de los arriendos con un 19% y la preparación del terreno con un 18%, por su parte la protección al cultivo participa con un 16%, y otros asociados como la recolección, el riego y otros diversos se encuentran en participaciones del 8%, así mismo la asistencia técnica se ubica con una participación del 1%.
46
Gráfica 18. Costos de Producción de Arroz Riego Zona Centro (Semestre II 2013).
Fuente: Elaborado por los autores con información de FedeArroz.
Por su parte y como se muestra en la Gráfica 19 y Gráfica 20 a lo largo del tiempo los costos por hectárea del arroz riego en la zona centro se han incrementado, llegando a un CAGR en los últimos 5 años de 3,5% aproximadamente.
47
Gráfica 19. Comportamiento de los costos de Producción de Arroz Riego Zona Centro (Semestre I).
Fuente: Elaborado por los autores con información de FedeArroz.
Gráfica 20. Comportamiento de los costos de Producción de Arroz Riego Zona Centro (Semestre II).
Fuente: Elaborado por los autores con información de FedeArroz.
48
Del comportamiento expuesto en las gráficas anteriores, se puede observar que uno de los rubros que mayor incremento ha presentado a lo largo del periodo analizado es el relacionado con los fertilizantes; la Tabla 1 muestra el CAGR 2003 – 2012 que ha presentado cada uno de los componentes del costo de producción por Hectárea de arroz Paddy verde por sistema de riego.
Tabla 1. CAGR por componente del costo de producción de arroz Paddy verde por semestre. Año
Asistencia Tecnica
Arriendos
Preparacion Terreno
Riego
Fertilizantes
Proteccion Recoleccion al Cultivo
CAGR Semestre I
3,0%
3,4%
5,5%
3,7%
5,9%
-0,6%
5,9%
2,5%
CAGR Semestre II
4,2%
1,9%
6,2%
4,3%
6,8%
0,5%
4,4%
2,5%
Otros
Fuente: Elaborado por los autores con información de FedeArroz.
De la información anterior, se puede observar que los rubros con mayor Tasa de crecimiento anual compuesta en el periodo comprendido entre 2003 y 2012 fueron los fertilizantes seguido de la preparación del terreno, esto tanto para el primero como para el segundo semestre.
5.3.
COMPORTAMIENTO DE PRECIOS PROMEDIO DE COMPRA DE ARROZ PADDY VERDE.
El precio de compra del arroz paddy verde es fundamental para la industria arrocera, en la medida en que se estima que representa entre el 80% y el 85% de los costos de producción del arroz blanco (Superintendencia de Industria y Comercio, 2012).
Para el presente trabajo de investigación, el precio de compra del arroz paddy verde es la base para entender los ingresos del agricultor, pues como bien se delimitó en este proyecto, el objeto de estudio se centra en la afectación en las utilidades de los agricultores.
49
Tabla 2. Precio promedio mensual del arroz paddy verde en la Zona Centro (Pesos / Tonelada) (2000 – 2012).
Mes
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
Enero
406.353
448.207
483.521
523.744
618.100
558.695
572.875
629.274
655.558
1.081.257
771.400
916.952
Febrero
405.196
521.455
484.568
573.711
636.973
554.892
575.261
635.716
720.560
977.409
864.130
924.153
931.243 970.649
Marzo
411.000
549.128
485.424
591.124
625.173
572.237
579.048
643.238
813.125
898.977
816.955
955.943
1.002.312
Abril
417.470
536.771
491.874
601.186
620.771
575.652
595.607
644.727
829.629
893.742
778.100
978.143
1.048.971
Mayo
420.610
517.999
513.164
602.941
611.025
575.995
621.153
644.877
867.679
893.442
793.595
1.036.745
1.150.841
Junio
418.897
517.771
520.263
607.540
586.612
571.048
643.542
643.871
1.110.247
852.100
832.805
1.002.370
1.114.683
Julio
398.631
491.696
513.263
594.080
573.889
562.597
643.174
640.345
1.163.903
794.429
807.915
865.737
1.122.483
Agosto
396.726
474.756
489.584
536.325
547.336
556.406
637.856
638.336
921.966
763.565
807.480
900.251
1.154.330
Septiem bre
402.523
478.536
490.360
534.822
519.150
559.982
655.604
639.559
950.861
721.275
838.221
952.343
1.194.179
Octubre
420.226
481.061
492.113
553.242
519.616
563.921
666.771
643.286
1.094.995
718.119
863.665
1.005.129
1.181.372
Noviem bre
431.332
482.543
496.717
578.681
521.000
567.496
651.249
645.877
1.133.320
732.007
898.325
1.026.569
1.072.822
Diciem bre
434.082
482.329
504.939
593.647
537.314
571.262
628.655
647.991
1.111.287
725.278
915.632
969.039
988.143
Precio Com pra Ton / Mes S1
413.254
515.222
496.469
583.374
616.442
568.087
597.914
640.284
832.800
932.821
809.498
969.051
1.036.450
Precio Com pra Ton / Mes S2
413.920
481.820
497.829
565.133
536.384
563.611
647.218
642.566
1.062.722
742.446
855.206
953.178
1.118.888
Fuente: Elaborado por los autores con información de Fedearroz
De la tabla 2 se puede observar que:
a. Para el año 2001 el precio promedio mensual presentó un comportamiento al alza durante el primer semestre. Para el segundo semestre del año disminuyó llegando a valores cercanos a los $480.000 por Ton. Este comportamiento de precio altos en el primer semestre del año y bajos en el segundo semestre, se ajustan al ciclo de cosecha.
b. Para el año 2008 se presenta un comportamiento atípico, caracterizado por un aumento progresivo en el precio del arroz verde Paddy durante los cuatro trimestres del año. El año 2009 también presenta un comportamiento atípico, en el cual se observa una disminución permanente del precio de compra por toneladas de arroz paddy verde.
c. El año 2010 se presenta una tendencia similar a la del año 2007, mostrando un comportamiento constante, con leves aumentos para el primer y tercer trimestre del año. Para el cuarto trimestre el precio promedio de compra por tonelada de arroz paddy verde estuvo por encima de los $880.000.
50
d. En el 2011, es posible observar un comportamiento cíclico de los precios por trimestres. El precio por tonelada aumento en el primer y tercer trimestre mientras que en el segundo y cuarto tienden a la baja.
e. En lo corrido del 2012 se observa un aumento de los precios de un trimestre a otro. (Superintendencia de Industria y Comercio, 2012). El comportamiento del precio de compra “es importante anotar que el cultivo de arroz es transitorio y su producción se da entre 90 y 120 días después de la siembra, lo que indica que lo que se siembra en un semestre se cosecha en el siguiente y se refleja en los precios” (Sistema de Información de Precios al Sector Agropecuario, 2009).
5.4.
GASTOS ASOCIADOS A LA PRODUCCIÓN DE ARROZ PADDY VERDE EN COLOMBIA.
Adicional a los costos de producción que detallamos en líneas anteriores, existen gastos que aunque no están directamente relacionados con la producción, si están presentes en la cadena de producción del arroz Paddy verde. La información específica de estos gastos es difícil de conseguir, pues los agricultores no cuentan con sistemas de registro contable fácilmente identificables; sin embargo y de parte de los expertos en estudios económicos de Fedearroz fue proporcionada la siguiente información, con la cual se indica que este rubro corresponde aproximadamente al 3% de los costos totales de producción.
51
6. MODELO
PARA
ESTIMAR
EL
IMACTO
DE
LA
VARIABILIDAD
CLIMÁTICA EN EL RENDIMIENTO DE LOS CULTIVOS DE ARROZ
El presente modelo se basa en la función de producción Cobb Douglas, usada para representar las relaciones entre un producto y las variaciones de los insumos trabajo y capital. La utilización de una función de producción establece la cantidad de producto que puede obtenerse a partir de unas determinadas combinaciones de insumos. Se parte de la función de producción de Cobb Douglas: Y= 𝑓(𝐾, 𝐿) = 𝐴𝐾𝛼𝐿𝛽
Donde Y representa la producción, A representa la tecnología, K el capital, L el trabajo y 𝛼 y 𝛽 son parámetros positivos. Con el fin de facilitar el cálculo de los parámetros de la función, se aplica logaritmo natural en ambos lados
de la
ecuación, obteniendo la ecuación que se muestra a continuación:
lnY= 𝑙𝑛𝐴 + 𝛼𝑙𝑛𝐾 + 𝛽𝑙𝑛𝐿 O, lnY= 𝐵0 + 𝐵1 𝑙𝑛𝐾 + 𝐵2 𝑙𝑛𝐿 Debido a las limitantes en la información, se desarrolló un modelo econométrico por mínimos cuadrados ordinarios Log- Log, en el que no se involucró el insumo trabajo antes mencionado. Se hizo una función de producción, en donde el rendimiento está en función de una serie de variables que representan insumos de capital, como lo son, la preparación del terreno, asistencia técnica, arriendos, riego, fertilizantes, protección del cultivo, recolección y otros. Adicional a las demás variables se involucró en el modelo el promedio semestral de las temperaturas máximas diarias de la zona y la varianza de las temperaturas máximas diarias.
52
Los autores del estudio realizan una primera aproximación al problema, el cual da luces de lo que puede ser el impacto de la variabilidad climática en los rendimientos
de los cultivos de arroz paddy verde en la región centro de
Colombia.
El modelo económico determina la relación que existe entre el rendimiento de los cultivos de arroz en la zona centro y las variables independientes: promedio temperatura máxima, desviación estándar de la temperatura máxima diaria, asistencia técnica, preparación del terreno, riego, fertilizantes, protección al cultivo, recolección y otros. Obteniendo la ecuación que se muestra a continuación: 𝑙𝑛 𝑅𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 = 𝐵0 + 𝐵1 𝑙𝑛 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑇𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎 𝑚𝑎𝑥𝑖𝑚𝑎 + 𝐵2 𝑙𝑛 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎 𝑚𝑎𝑥𝑖𝑚𝑎 + 𝐵3 𝑙𝑛 𝑎𝑠𝑖𝑠𝑡𝑒𝑛𝑐𝑖𝑎 𝑡é𝑐𝑛𝑖𝑐𝑎 + 𝐵4 𝑙𝑛 𝑝𝑟𝑒𝑝𝑎𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑡𝑒𝑟𝑟𝑒𝑛𝑜 + 𝐵5 𝑙𝑛 𝑟𝑖𝑒𝑔𝑜 + 𝐵6 𝑙𝑛 𝑓𝑒𝑟𝑡𝑖𝑙𝑖𝑧𝑎𝑛𝑡𝑒𝑠 + 𝐵7 𝑙𝑛 𝑝𝑟𝑜𝑡𝑒𝑐𝑐𝑖ó𝑛 𝑎𝑙 𝑐𝑢𝑙𝑡𝑖𝑣𝑜 + 𝐵8 𝑟𝑒𝑐𝑜𝑙𝑒𝑐𝑐𝑖ó𝑛 + 𝐵9 𝑙𝑛 𝑜𝑡𝑟𝑜𝑠 + 𝐵10 𝐷𝑢𝑚𝑚𝑦 + 𝑈 Para el cálculo del rendimiento en función de las demás variables, se incluye además una variable dummy que pretende verificar si el semestre tiene efectos en el rendimiento.
A continuación se describe de forma detallada cada variable del modelo econométrico:
-
Rendimiento: Es la variable dependiente del modelo. Se refiere al rendimiento del arroz en la zona centro del país medida en toneladas por hectárea. Su periodicidad es semestral desde el año 1999 a 2013.
-
Temperatura
máxima
promedio:
Variable
independiente.
Promedio
semestral de las temperaturas máximas diarias desde 1999 a 2013. Esta variable está dada en grados centígrados.
53
-
Asistencia Técnica: Variable independiente. Corresponde al costo de la asistencia técnica, componente fundamental para el desarrollo sostenible de las actividades agrícolas, porque permite un acompañamiento integral a los productores. Está dada en pesos colombianos (COP) por hectárea con periodicidad semestral.
-
Preparación del Terreno: Variable independiente. Corresponde al costo de preparar el suelo antes de sembrar el arroz. Esta variable está dada en pesos colombianos (COP) por hectárea con periodicidad semestral.
-
Riego: Variable independiente. Corresponde al costo de aportación de agua al suelo cultivado, compensando el déficit de precipitaciones. Esta variable está dada en pesos colombianos (COP) por hectárea con periodicidad semestral.
-
Fertilizantes: Variable independiente. Es el costo de todos aquellos materiales que aportan nutrientes al cultivo. Esta variable está dada en pesos colombianos (COP) por hectárea con periodicidad semestral.
-
Protección al cultivo: Variable independiente. Costo de insecticidas, herbicidas y plaguicidas que deben ser suministrados para propender con la protección del cultivo de arroz. Esta variable está dada en pesos colombianos (COP) por hectárea con periodicidad semestral.
-
Recolección: Variable independiente. Costo de la recolección de la producción semestral del cultivo. Esta variable está dada en pesos colombianos (COP) por hectárea con periodicidad semestral.
-
Otros: Variable independiente. Corresponde a todos aquellos gastos operacionales en los que se incurre en el cultivo de arroz, como lo son los costos de administración. Esta variable está dada en pesos colombianos (COP) por hectárea con periodicidad semestral.
54
Para la estimación del modelo la serie de datos de las variables de insumo de capital incluidas deben ser convertidas a precios constantes, deflactando los datos a pesos de 1999.
6.1.
MUESTRA SELECCIONADA
La base de datos del presente estudio está compuesta por información de datos relacionados con temperatura, rendimientos y costos asociados a los cultivos. La definición de los criterios de selección de la base de datos son los que se mencionan a continuación:
-
Datos de temperatura máxima diaria de la estación meteorológica No. 21115020 ubicada en el departamento Huila, en el municipio Neiva en el Aeropuerto Benito Salas, para el periodo comprendido entre 1999 y 2013, información suministrada por el IDEAM – Instituto de Hidrología, Meteorología y Estudios Ambientales.
-
Producción, área y costos semestrales asociados por hectárea al cultivo de arroz paddy verde en la región centro de Colombia para el periodo comprendido entre 1999 y 2013. Información suministrada por Fedearroz.
-
Precio semestral por hectárea de arroz paddy verde riesgo mecanizado en la región centro para el periodo comprendido entre 1999 y 2013.Informacion suministrada por Fedearroz.
Las variables utilizadas en la estimación del presente modelo están compuestas por:
-
Variable independiente: Rendimiento.
55
-
Variables independientes: Temperatura máxima promedio, varianza de las temperaturas máximas diarias, asistencia técnica, preparación del terreno, riego, fertilizantes, protección al cultivo, recolección, otros.
Teniendo en cuenta los anteriores criterios, se obtuvo una muestra de todas las variables antes mencionadas, con periodicidad semestral desde el años 1999 a 2013 para la zona centro de Colombia.
6.2.
ESTIMACIÓN
El presente modelo económico éste se ajustó a partir de la aproximación econométrica Mínimos Cuadrados Ordinarios (MCO). Las variables Fertilizantes, protección, riesgo, arriendos, preparación del terreno, el promedio de la temperatura máxima, la constante y la dummy resultan estadísticamente significativas. A continuación se presentan los resultados del modelo econométrico en la tabla 3.
Tabla 3. Estimaciones econométricas VARIABLE FERTILIZANTES PROTECCION DEL CULTIVO (herbicidas) RIEGO ARRIENDOS PREPARACION DEL TERRENO CONSTANTE DUMMY OTROS PROMEDIO TEMPERATURA MÁXIMA *P