Opciones Reales: una propuesta para valorar

proyectos de I+D en centros pblicos de

investigacin.

TRABAJO DE INVESTIGACIN
Doctorado Internacional en Creacin y Gestin de Empresas
Departament d'Economia de l'Empresa
Universitat Autnoma de Barcelona

Autora

Director

Graciela Vedovoto

Dr. Diego Prior

gvedovoto@gmail.com

diego.prior@uab.cat

BELLATERRA (CERDANYOLA DEL VALLES), SEPTIEMBRE DE 2010

1

RESUMEN

Las decisiones de inversin en Investigacin y Desarrollo (I+D) son importantes para el

xito de las organizaciones, sobre todo para los centros pblicos de investigacin. La
flexibilidad, caracterstica inherente a los proyectos de I+D, puede ser una fuente de
complejidad en el momento de valorar un proyecto, pero ayuda a revelar, de forma ms
precisa, los beneficios econmicos que el mismo puede aportar a la organizacin. Este
trabajo evala un proyecto de I+D (mejora gentica de semillas) utilizando un mtodo
tradicional, el Valor Actual Neto, y tambin un mtodo ms reciente, como las
Opciones Reales. Considerando que el proyecto se desarrolla en un centro pblico de
investigacin, se utiliza la Teora del Excedente Econmico para estimar los beneficios
sociales. Asimismo utilizamos simulaciones de Monte Carlo para estimar parmetros
relacionados a la generacin de beneficios del proyecto. Los resultados indican que el
enfoque de las Opciones Reales es prometedor siendo una herramienta de gran utilidad
para el anlisis de proyectos en centros pblicos de I+D.

Palabras clave: valoracin de proyectos, Opciones Reales, centros pblicos de

investigacin

Contenido
1. INTRODUCCIN..................................................................................................................... 4
2. EVALUACIN DE LOS PROYECTOS DE I+D DESARROLLADOS EN LOS CENTROS PBLICOS DE
INVESTIGACIN CONSIDERACIONES TERICAS Y METODOLGICAS. ......................................... 8

2.1. CAMPO TEMTICO - ALGUNAS DEFINICIONES ................................................................... 9

2.2. TEORA DEL EXCEDENTE ECONMICO ............................................................................. 11
2.3. MTODOS DE EVALUACIN DE PROYECTOS ..................................................................... 15
2.4 TEORA DE OPCIONES REALES............................................................................................ 16
2.4.1. El Modelo Black & Scholes ...................................................................................... 18
2.4.2 El Mtodo Binomial ................................................................................................... 18
2.5 COMPARACIN ENTRE VAN Y OPCIONES REALES .............................................................. 21
3. APLICACIN EMPRIRICA: MEJORA GENTICA DE UNA VARIEDAD DE TRIGO. .. 25
3.1. ESTIMACIN DE COSTES .................................................................................................. 27
3.2 FLUJO DE BENEFICIOS SOCIALES ....................................................................................... 28
3.3 PLANTEAMIENTO GENERAL DE LA VALORACIN DE UN PROYECTO DE SEMILLA MEJORADA
GENTICAMENTE. .................................................................................................................... 30

3.4 LAS FASES DEL PROYECTO CONTEMPLADAS COMO OPCIONES REALES............................ 32

3.5 EL CLCULO DE LA VOLATILIDAD ..................................................................................... 35
3.5.1 La utilizacin de la simulacin de Monte Carlo para la obtencin de la volatilidad. 36
3.6. CLCULO DEL VALOR DE LAS OPCIONES REALES ............................................................. 38
4. CONCLUSIONES................................................................................................................... 43
REFERENCIAS BIBLIOGRFICAS ........................................................................................ 46
ANEXOS..................................................................................................................................... 49

1. INTRODUCCIN
Existe un creciente inters por parte del gobierno, de los inversores y de la
sociedad por la evaluacin de los posibles resultados de las organizaciones que invierten
en investigacin y desarrollo (I+D). Estimar beneficios potenciales y efectivos en el
mbito econmico, generados por sus investigaciones, es para los centros de
investigacin orientados al mercado una valiosa medida para justificar y legitimar el
gasto en I+D.
Por esta razn, en referencia al gasto en I+D en organizaciones pblicas de
investigacin, en los ltimos aos los gobiernos intensificaron sus polticas de
evaluacin para el sector y, en mayor o menor grado, adoptaron una postura de
rendicin de cuentas. Esto ocurre especialmente debido al aumento de escala del coste
de la actividad cientfica y tecnolgica y del reconocimiento de la importancia de las
innovaciones para el desarrollo de las sociedades (Zackiewicz, 2003).
La lgica es que si un centro de investigacin se orienta al mercado, es decir, si
desarrolla innovaciones1 que tienen como objetivo principal generar renta para los
productores o empresas adoptantes de sus tecnologas, debe intentar identificar la
medida de los beneficios econmicos que obtiene de sus innovaciones.
Trabajos como, por ejemplo, los de Alston et al. (2000) y Evenson (2003)
evidencian que los estudios que evalan los impactos de las inversiones en
investigacin agrcola son importantes como instrumento para acreditar la rendicin de
cuentas de las inversiones pblicas, adems de servir como herramienta para la toma
decisiones de las futuras inversiones en I+D.
Ya se sabe que la innovacin, resultante de la I+D, es esencial para el
crecimiento de la productividad en el sector agrcola (Spielman & Birner, 2008). En este
sentido, una de las principales reas de estudio es justamente la evaluacin de los
beneficios que genera la I+D agrcola orientada al mercado (Schimmelpfennig et al.,
2006; Huffman y Evenson, 1992).

Las innovaciones orientadas al mercado, el objeto de estudio de este trabajo, se refieren a innovaciones
de producto derivados de la investigacin aplicada (OCDE, 2005).

Adems de analizar los beneficios resultantes de las inversiones en I+D en

agricultura es creciente el inters por conocer los impactos potenciales que pueden ser
logrados si se invierte en determinados tipos de innovaciones. Esto ocurre, por ejemplo,
en reas especificas de la investigacin agrcola, como el mejoramiento gentico de las
plantas y la biotecnologa.
Las inversiones en estas reas normalmente son muy elevadas y arriesgadas, lo
que hace necesaria la bsqueda de metodologas de evaluacin ex ante que ayuden en
la toma de decisiones en cuanto a la distribucin de recursos que empresas y centros
pblicos de investigacin poseen para invertir en I+D.
Trabajar en gerencia de proyectos de I+D bajo la perspectiva de la innovacin
agrega algunos principios, como la flexibilidad por ejemplo, que cambian el anlisis
tradicional de gestin de proyectos tecnolgicos. Existen muchas formas de evaluar
impactos potenciales y resultados de proyectos de desarrollo cientfico y tecnolgico y
de innovacin. En realidad, este es uno de los ms controvertidos temas que se
relacionan con la gestin de proyectos. Evidentemente, la administracin de proyectos
de ingeniera (construccin de una carretera, una mquina, entre otros) es ms previsible
que aquella relacionada con proyectos de desarrollo tecnolgico (Avila et al., 2007).
Aunque ningn proyecto puede ser totalmente previsible, quizs sea ms difcil
conducir el monitoreo y, principalmente, la evaluacin de proyectos de desarrollo
cientfico y tecnolgico. Por mejor diseado que se presente un proyecto, y por ms que
los detalles estn previstos desde el comienzo, es probable que ocurran desviaciones y
aparezcan contingencias inesperadas. Muchas veces estos elementos producen cambios
importante, as que la incertidumbre y la irreversibilidad son piezas fundamentales en el
avance del conocimiento (Avila et al., 2007).
Dos caractersticas ms son particularmente importantes para la evaluacin de
los resultados y de los impactos de proyectos de desarrollo cientfico y tecnolgico. La
primera se refiere al hecho de que una parte importante de los productos solamente ser
conocida despus de finalizado el proyecto. El segundo aspecto se refiere a la dificultad
de cuantificacin de productos intangibles, que seguramente estarn presentes en
aquellos proyectos donde la dimensin conocimiento subsiste de forma indeleble.
En este contexto, la cuestin del anlisis y de la seleccin de proyectos de
inversin, o, en una perspectiva ms amplia, de la eleccin entre alternativas de
5

inversiones disponibles para un inversionista, es, sin duda, una de las cuestiones
cruciales para la empresa o centro de investigacin.
Tradicionalmente, el anlisis econmico aborda este tema considerando
conceptos bsicos como el valor del dinero en el tiempo y tambin el coste de
oportunidad. Estos conceptos son utilizados para definir el Valor Actual Neto (VAN) de
los proyectos (Marcel, 2003). Sin embargo, ni siempre los mtodos tradicionales dan
cuenta de la complejidad gerencial de una decisin de inversin, pues ellos no
consideran lo que muchos autores denominan como problema de evaluacin de la
flexibilidad gerencial, haciendo que la evaluacin basada en estos indicadores sea
cuestionada y, de manera general, subestime el valor generado por un proyecto.
Esas caractersticas, juntamente con la incertidumbre sobre el futuro, hacen que
la oportunidad de inversin sea anloga a una opcin financiera (Dixit y Pindyck,
1995). El valor de una opcin, que contempla la flexibilidad gerencial en la evaluacin
de proyectos de inversin, puede ser calculado a travs de los mtodos de estimacin de
los precios, herramientas prometedoras en el anlisis de decisiones estratgicas. Dichos
mtodos estn basados en la Teora de Opciones Reales.
El objetivo de este trabajo es verificar si la Teora de Opciones Reales es
adecuada para evaluar proyectos de I+D agrcolas llevados a cabo en centros pblicos
de investigacin. Esta teora ya es ampliamente utilizada para evaluar proyectos de
empresas privadas y pblicas como por ejemplo, petrolferas e industria farmacutica.
Utilizarla para evaluar proyectos de centros pblicos de investigacin incluye un reto
adicional: el uso de la teora del excedente econmico para estimar a los beneficios
potenciales que pueden generar tales proyectos. De acuerdo con Thomas et. al. (2008),
todava no existe evidencia de aplicacin de tal herramienta en el sector pblico, donde
las inversiones se justifican por beneficio social marginal y/o liberacin de recursos y
no por ingresos o utilidades esperadas.
A pesar de un gran nmero de trabajos destacando la aplicabilidad de la teora de
Opciones Reales para evaluar proyectos de I+D, en la revisin de la literatura realizada
fueron escasos los trabajos empricos que utilizan dicha teora para evaluar la I+D en
centros de investigacin agrcolas direccionados al mercado. An ms raros son los
trabajos que utilizan la teora del excedente econmico ampliamente usada para

demostrar la posible existencia de beneficios sociales generados por centros pblicos de

investigacin de forma asociada al enfoque de las Opciones Reales.
La teora de Opciones Reales tuvo su origen en el campo de las finanzas y se
demuestra prometedora en la evaluacin pblica de los proyectos de investigacin. As
pues, la realizacin de este trabajo pretende contribuir al debate sobre un tema que
desde dcadas recibe mucha atencin de investigadores y acadmicos: cmo demonstrar
los beneficios generados por la I+D y de esta manera auxiliar en la toma de decisiones
acerca de inversiones y, por supuesto, conseguir ms recursos para los proyectos de
investigacin con unos resultados estimados que sean aceptables.
La metodologa utilizada en este trabajo consiste en una revisin profundizada
de la literatura sobre el tema, particularmente de trabajos empricos que utilizan el
enfoque de las Opciones Reales. Adems, por tratarse de un trabajo emprico, se
compara los resultados de la evaluacin de un proyecto real de mejoramiento gentico
de una variedad de trigo a partir del uso de dicha teora con los obtenidos al evaluar el
mismo proyecto con una metodologa tradicional de evaluacin, el VAN.
Se destaca tambin la consulta a investigadores de un centro pblico de
investigacin agraria, lo que es particularmente importante para la atribucin de los
valores utilizados en los clculos de la parte tcnica del trabajo. Finalmente, con el
objetivo de disminuir la subjetividad existente, en el anlisis se utilizan simulaciones de
Monte Carlo para estimar parmetros como el flujo medio de beneficios y la volatilidad
consolidada del proyecto de investigacin.
Este trabajo est compuesto de 4 partes. Adems de esta introduccin, la
prxima seccin presentar una exposicin terica sobre los principales conceptos
utilizados, particularmente los referidos a las Teoras de Opciones Reales, Valor Actual
Neto y Excedente Econmico. Asimismo se presenta la revisin de trabajos empricos
que utilizan las Opciones Reales.
La metodologa utilizada en el trabajo consiste en la aplicacin de estas
respectivas teoras as que sern explicadas en este mismo segn apartado. Una
excepcin se hace al presentar otra herramienta, la Simulacin de Monte Carlo, que ser
comentada en el tercer apartado, el que ensea los resultados y discusin del anlisis de
un proyecto de mejoramiento gentico. A pesar del formato poco comn, esta forma de

presentacin tuvo como objetivo de dejar el trabajo ms claro. La cuarta sesin

concluye el trabajo y, a la vez, comenta las limitaciones de esta investigacin.

2. EVALUACIN

DE LOS PROYECTOS DE I+D DESARROLLADOS EN LOS

CENTROS PBLICOS DE INVESTIGACIN CONSIDERACIONES TERICAS Y
METODOLGICAS.

La economa agrcola ha hecho un esfuerzo sustancial en el clculo de los

retornos de la investigacin cientfica, con evaluaciones cuantitativas importantes que
empezaron en la dcada de los aos cincuenta. Uno de los primeros economistas a
estimar la contribucin de la I+D fue Schultz (1953), que calcul el valor de los
factores invertidos en los Estados Unidos entre 1910 y 1950 a partir de las innovaciones
introducidas en las tcnicas de produccin agrcola. Ms adelante, Griliches (1958)
utiliz el enfoque del excedente econmico para estimar los retornos obtenidos por los
productores rurales de los EEUU por la introduccin de maz hbrido.
En paralelo a las evaluaciones empricas de la investigacin se ha desarrollado
una literatura terica y conceptual extensa para entender el valor general de la ciencia,
as como para desarrollar y formalizar pautas para la evaluacin de la investigacin. Las
tcnicas desarrolladas se han diseado de modo que las evaluaciones de la investigacin
puedan ser realizadas ms sistemticas y objetivas para producir unos resultados ms
robustos.
Mucho de estos trabajos se centran en la investigacin agrcola. Como ejemplos
se pueden citar las contribuciones de Lindner y Jarrett (1978), Norton y Davis (1981),
Mullen y Cox (1994), y el libro titulado Science under Scarcity de Alston, Norton y
Pardey (1998). Hay tambin una destacable literatura respecto a la evaluacin de los
beneficios y de los impactos de la investigacin de las ciencias sociales. Estudios
notables incluyen Smith y Pardey (1997), Timmer (1997), Schimmelpfennig y Norton
(2003).

2.1. CAMPO TEMTICO - ALGUNAS DEFINICIONES

Cuando se pretende evaluar impactos de innovaciones tecnolgicas resultantes

de I+D, es importante tener claro los conceptos que se tratarn. Se considera, en este
trabajo, el concepto ms aceptado de innovacin el del Manual de Oslo (OCDE,
2005): Una innovacin es la introduccin de un nuevo, o significativamente mejorado,
producto (bien o servicio), de un proceso, de un nuevo mtodo de comercializacin o de
un nuevo mtodo organizativo, en las prcticas internas de la empresa, la organizacin
del lugar de trabajo o las relaciones exteriores.(OCDE, 2005:56)
Un elemento esencial de la innovacin es su aplicacin exitosa de forma
comercial. No slo hay que inventar algo, tambin se trata de introducirlo en el mercado
para que los ciudadanos puedan disfrutarlo.
Una distincin relevante en lo que se refiere a las evaluaciones del impacto de
las innovaciones es que stas pueden ser ex post y ex ante. Ambos tipos de anlisis
utilizan la misma base terica, pero emplean diferentes tipos de informacin que son
pertinentes para diferentes situaciones.
Anlisis ex post son realizados despus que una determinada innovacin ya fue
adoptada por el mercado. A partir de estos estudios es posible saber lo cuanto rentable
fue la inversin en la I+D para la obtencin de una innovacin. El anlisis ex post puede
suministrar alguna sustentacin para decisiones estratgicas acerca del presupuesto total
de la investigacin de mejoramiento y su destino. Sin embargo, estos resultados no
pueden ser usados directamente para responder cuestiones referentes, por ejemplo a la
mejor manera de distribuir recursos entre diferentes programas de investigacin (Pardey
et al. 2004).
La respuesta a tales cuestiones demanda un clculo ex ante de las estimacioness
de los beneficios probables de esas inversiones (en contraste con las evidencias
desarrolladas por estudios ex post) y una medida del grado de sensibilidad de los
beneficios respecto a los cambios en la suma de los recursos. El proceso de evaluacin
ex post se vuelve relevante en un contexto de tomada de decisin si es capaz de
suministrar una referencia y fundamentacin para un anlisis ex ante.
El anlisis ex ante, se lleva a cabo antes de la actividad de investigacin. Indica
la perspectiva futura estrictamente en trminos de anlisis de inversiones y considera el
9

producto de la inversin en investigacin cientfica, la adopcin temprana de los

resultados y los efectos posteriores sobre los precios, los productos y los beneficios de
la empresa y del mercado. Es, por naturaleza, hipottico y directamente aplicable como
fuente de informacin acerca de las consecuencias esperadas de las asignaciones
alternativas de recursos de investigacin (Pardey, et al. 2004).
En un contexto ex ante, diferentes tipos de problema emergen. En especial, es
necesario realizar la difcil tarea de obtener medidas plausibles de los probables
resultados cientficos de diferentes inversiones hipotticas de investigacin y no slo
sobre cules sern los probables resultados, y adems hay que estimar cuanto irn a
costar. Es tambin necesario averiguar el tiempo en lo cual ser posible verificar la
obtencin de tales resultados. Asimismo debemos frecuentemente referirnos al
problema de la traduccin de una estimacin de ganancias bajo condiciones
experimentales en trminos de una medida del desempeo comercial.
En evaluaciones ex ante interesan los objetivos de la actuacin, pero, razonando
que la actuacin an no se ha desarrollado. Se centra en el diseo de la actuacin con el
objetivo de verificar su adecuacin al enfoque buscado, las perspectivas de obtener
resultados satisfactorios de acuerdo con los objetivos enunciados, la coherencia interna
que presentan las propuestas, la adecuacin de los recursos materiales y humanos
movilizados, etc. (Viladomiu y Rosell, 1998).
La investigacin en biotecnologa, por ejemplo, ofrece una amplia gama de
posibilidades para elevar la productividad de los adoptantes de este tipo de innovacin.
A corto plazo, su contribucin ms importante es el aumento de la cantidad y de la
calidad de la produccin global de alimentos. La biotecnologa de plantas puede
producir las semillas que podrn contribuir hacia la productividad creciente y los
sistemas de cultivo sostenibles, que son un ingrediente esencial para mejorar el uso
responsable de los recursos naturales.
Una lista compleja de las ventajas deseables de la investigacin biotecnolgica y
de su uso productivo es un parmetro importante, el cual debe ser analizado
cuidadosamente mientras los resultados de la investigacin y la produccin alcanza el
mercado. La evaluacin del impactos ex ante es una herramienta que puede ayudar a
comprender mejor tal realidad.

10

2.2. TEORA DEL EXCEDENTE ECONMICO

El enfoque del excedente econmico permite estimar los beneficios econmicos

generados por la adopcin de innovaciones tecnolgicas frente a una situacin en la que
el suministro del producto era hecho mediante el uso una de tecnologa tradicional, o
sea, donde hubo un cambio tcnico.
Ardila (1999) agrupa las definiciones de cambio tcnico en tres grandes categoras:

Enfoque sociolgico: el cambio tcnico se concibe como un proceso social,

vuelto al mantenimiento de la propiedad de los factores de produccin y a su
incremento, por medio del control sobre los nuevos flujos de beneficios
econmicos que genera el aumento en la eficiencia productiva.

Enfoque economicista: el cambio tcnico es considerado un instrumento para la

reasignacin de recursos (capital, tierra y mano de obra bsicamente),
procurando, a partir de una determinada dotacin de los mismos en la zona que
recibe la nueva tecnologa, crear innovaciones que ocupen de preferencia los
recursos ms abundantes y ahorren los ms escasos, en la bsqueda del sesgo
adecuado. Este pensamiento es ms comn en la planificacin econmica de los
gobiernos y centros acadmicos de estudios econmicos. Normalmente se
relaciona con el cambio tcnico al servicio no solo del uso ms eficiente de los
recursos existentes, sino de una distribucin ms equitativa de sus beneficios,
procurando un efecto positivo para el mejoramiento de la reparticin del ingreso
nacional.

Enfoque ecologista: el cambio tcnico se identifica como una forma de mejorar

el comportamiento y rendimiento de los animales y las plantas, bajo diferentes
condiciones agroecolgicas, con el fin de que se puedan producir ms y de una
forma ms eficiente, preservando de igual manera los recursos naturales.

El autor llega a una definicin ms amplia, que contempla las tres anteriores, en
la forma siguiente: "El cambio tcnico aplicado a la agricultura se entiende como un
proceso que afecta la proporcin y formas de uso de los factores de produccin,
generando al mismo tiempo un excedente econmico objeto de apropiacin entre
diferentes actores sociales, mediante la introduccin de cambios en el proceso
11

productivo (en la calidad y formas de aplicacin de tecnologas de procesos, productos,

equipos y materias primas). El cambio tcnico no puede considerarse como un proceso
neutro, por cuanto sus efectos pueden producir externalidades positivas o negativas, no
solo desde el punto de vista econmico, sino tambin desde el punto de vista social y
ambiental. (Ardila, 1999: 4)
En este trabajo consideramos cambio tcnico desde el punto de vista econmico,
las diferentes trayectorias que el mismo puede seguir en la agricultura, que tienen
impactos diferenciales en el volumen del excedente generado.
Si bien el cambio tcnico ocurra en todas las etapas desde la produccin a nivel
de finca, su transformacin y finalmente comercializacin, se presenta esta
conceptualizacin ms desde la perspectiva de produccin, que ha sido la visin
predominante hasta ahora (Ardila, 1999). Por lo dems, esta visin deber cambiar
rpidamente, para adaptarse a una situacin en la cual la investigacin tradicional
supera cada vez ms el nivel de anlisis de la finca, para adentrarse en temas ms
vinculados con las cadenas agroalimentarias y los procesos de innovacin.
La base del clculo de beneficios para modelos que utilizan la teora del
excedente econmico considera inicialmente el desplazamiento de la oferta del producto
en cuestin, a partir de la adopcin de una tecnologa o conjunto de tecnologas en el
proceso productivo. Ese desplazamiento tiene efectos positivos sobre el rendimiento de
los productores que adoptan las tecnologas. Las innovaciones tornan ms elstica la
oferta en las siguientes situaciones: a) cuando aumentar de forma considerable los
rendimientos por hectrea y la produccin de una zona, como por ejemplo en los casos
de recomendaciones sobre fertilizantes en zonas con elevada respuesta y b) con la
adopcin de nuevas variedades de porte enano, por ejemplo, como en los casos de
arroz y trigo, en los cuales el ndice de cosecha ha aumentado considerablemente en las
ltimas dcadas.
Una observacin importante sobre la generacin y la magnitud de este excedente
econmico se relaciona con el hecho de que existen diferentes tipos de investigaciones,
que afectan de forma diferente el desplazamiento de la oferta del producto en cuestin,
lo que tiene consecuencias sobre la magnitud del excedente y la distribucin del mismo
entre productores y consumidores.

12

El clculo de la produccin del excedente se ilustra en la Figura 1, representada

por la zona azul (Avila, 2008).
Precio

Cantidad

Figura 1. Excedente econmico generado por la adopcin de innovaciones tecnolgicas.

Fuente: Avila (2008).
Para calcular el rea correspondiente a los excedentes econmicos generados
para la investigacin agrcola, es posible usar varias frmulas, dependiendo de los
supuestos de las curvas de oferta y demanda. Akino y Hayami (1977 citado por Avila,
2008), por ejemplo, utilizaron la ecuacin 1.
K Pm Qm + Pm Qm K (1+)2

[1]

2 ( + )

donde K = velocidad de desplazamiento de la curva de oferta, Pm x Qm = valor anual

de la produccin, beta = elasticidad de la demanda, y = la elasticidad de la oferta.
La curva de oferta muestra las cantidades de un bien que son ofertadas en los
diferentes precios. El excedente del productor mide la diferencia entre el valor que el
productor estara dispuesto a recibir por el su producto y lo que realmente recibe en el
mercado. De esa forma, es la diferencia entre el precio de mercado y el coste marginal
de cada unidad vendida.
Cuando la investigacin desarrolla una tecnologa que, siendo adoptada, lleva al
aumento de productividad o disminucin en los costes de produccin, ocurre un
desplazamiento de la curva de oferta para la derecha. Ese desplazamiento afecta el
excedente del productor y del consumidor. Para los productores, existe una ganancia
debido a la baja en los costes de produccin representado en el grfico 2 por el rea A.
Sin embargo, los productores pasan a recibir un precio menor, ya que menores costes
aumentan la cantidad ofertada, perdiendo as el rea B.
13

El rea A B ser positiva dependiendo de la elasticidad de las curvas de oferta

y demanda. Cunto ms elstica la demanda, mayor ser o lucro del productor, ya que el
consumidor responder por la cada del precio. Los productos para exportacin obtienen
una demanda ms elstica que, por ejemplo, los productos para programas asistenciales
del gobierno que componen una demanda ms inelastica. En cambio, los consumidores
siempre ganan. Ellos son beneficiados con el rea B + C debido a la baja de los precios.
O lucro lquido para la sociedad es entonces el rea A + C.
En los estudios de evaluacin de impacto, la tasa de desplazamiento (K)
de la curva de oferta es frecuentemente calculada por centros pblicos de investigacin
utilizando las diferencias de rendimiento entre las tecnologas en uso y las tecnologas
mejoradas creadas por la investigacin y las respectivas tasas de adopcin.
Los beneficios calculados por medio de la metodologa del excedente econmico
pueden ser relacionados con los costes de la investigacin. De esta forma, se puede
evaluar el rendimiento de la inversin, a travs del VAN (Avila, 2008).
En las evaluaciones de impactos econmicos hechas en centros pblicos de
investigacin es utilizada una variante del concepto de excedente econmico para el
clculo de los beneficios. Son adoptadas hiptesis sobre las elasticidades de la
oferta y de la demanda diferentes de aquellas usadas en la mayora de los de ms
estudios realizados en base a tal mtodo.
Esas hiptesis poseen dos variantes cuanto a las elasticidades de oferta,
dependiendo del tipo de impacto de la innovacin tecnolgica. El aumento de
produccin curva de demanda (D) perfectamente elstica y una curva de oferta (S)
vertical (Avila, 2008).
Estimar la tasa de desplazamiento de la curva de oferta sin investigacin para
la curva de oferta con investigacin (es decir, las variaciones en los excedentes del
consumidor y productor) es el objetivo a ser alcanzado. Es importante observar que lo
que se estima es el desplazamiento de la oferta de una situacin sin investigacin para
una situacin con la investigacin y no antes y despus de la introduccin de la
innovacin. Muchas veces, la investigacin es desarrollada para mantener ndices de
productividad, por ejemplo. Investigaciones de control de plagas pueden ser encuadrar
en ese caso. Al estimar ese desplazamiento, es decir, el rea A + C, es posible conocer
los beneficios que la investigacin trae para la sociedad (Magalhes et. al., 2006).
14

2.3. MTODOS DE EVALUACIN DE PROYECTOS

Uno de los mtodos ms comnmente utilizados para evaluar proyectos de

inversin es el VAN2. La existencia de un VAN positivo es el criterio bsico de
aceptacin de los proyectos y la ordenacin de VANs se tiene como criterio de eleccin
entre diversas alternativas de inversin. En complemento al VAN, existen otras tcnicas
de anlisis de viabilidad econmico-financiera de proyectos de inversin, tales como la
Tasa Interna de Retorno (TIR) y el Periodo de Payback Descontado (PPD).
El VAN indica cunto se prev que aumente el valor de una empresa si realiza el
proyecto que se est valorando. Su ecuacin general es la siguiente:
j=n

VAN = -A + FCj
j=1

[2]
j

(1 + K)

donde el desembolso inicial del proyecto viene representado por A, los diversos flujos
de caja esperados por FCj, el horizonte temporal del proyecto por n, y la tasa de
descuento (el coste de oportunidad del capital) apropiada al riesgo del proyecto por k.
Sin embargo, es necesario tener en cuenta que cuando se analiza un proyecto de
inversin bajo la ptica del criterio de valoracin VAN, por lo general, el analista realiza
una serie de supuestos que afectan al resultado obtenido. Los principales son
(Mascareas, 2007):
1. Los flujos de caja que el proyecto promete generar son valores medios esperados
y stos se pueden tratar como valores conocidos desde el principio del anlisis.
2. La tasa de descuento es conocida y constante, dependiendo nicamente del
riesgo del proyecto.

Para calcularlo es necesario sumar todos los flujos de caja lquidos proporcionados por la inversin en
determinado proyecto, trados a valor presente utilizando una tasa de descuento predeterminado
(denominada tasa mnima de atractivo TMA) y sustraerlo del valor de la inversin inicial. Este valor
representa la riqueza creada cuando es positivo por el proyecto.

15

3. La necesidad de proyectar los precios esperados a lo largo de todo el horizonte

temporal del proyecto es algo imposible en algunos sectores, porque la gran
variabilidad de aqullos obligara a esbozar todos los posibles caminos seguidos
por los precios al contado a lo largo del horizonte de planificacin.
4. Se supone que los VAN de los proyectos son aditivos, lo que no es del todo cierto
porque no pueden valorar la serie de activos intangibles (la flexibilidad
operativa y las interacciones entre proyectos, por ejemplo) que llevan
incorporados aqullos.
Segn Mascareas (2007), sin embargo, es importante sealar que las carencias
anteriormente sealadas no lo son del mtodo, que adecuadamente empleado puede
fcilmente soslayarlas, sino del uso que habitualmente se hace de dicho mtodo en el
da a da. Las principales limitaciones en el uso del VAN surgen debido a que ste es un
mtodo desarrollado originariamente para la valoracin de los bonos sin riesgo, y cuya
utilizacin se extendi tambin a la valoracin de los proyectos de inversin reales.
El autor seala que los mtodos clsicos de valoracin de proyectos todava son
idneos cuando se trata de evaluar decisiones de inversin que no admiten demora
(realizar el proyecto ahora o nunca). Sin embargo, minimizan su valoracin si ste
posee flexibilidad operativa (se puede hacer ahora, o ms adelante, o no hacerlo) u
oportunidades de crecimiento contingentes, lo que sucede cuando la directiva puede
obtener el mximo partido del riesgo de los flujos de caja. Por tanto, la posibilidad de
retrasar un desembolso inicial irreversible puede afectar profundamente la decisin de
invertir.

2.4 TEORA DE OPCIONES REALES

En 1973, Robert C. Merton public "Theory of Rational Option Pricing", en l

haca referencia a un modelo matemtico que Fisher Black y Myron Scholes haban
desarrollado. Pero, la terminologa Opciones Reales fue identificada en primer lugar
por S. C. Myers en su trabajo Determinants of Corporate Borrowing, publicado en
1977.

16

De acuerdo con Marcel (2003), la expresin (valor de las) Opciones reales se

utiliza para representar la estimacin de valor explcita respecto a las oportunidades
relacionadas con decisiones cambiantes que se toman en respuesta a la adquisicin de
informacin adicional que resuelve situaciones de incertidumbre relevantes. Las
Opciones Reales son aqullas cuyo activo subyacente es un activo real como, por
ejemplo, un inmueble, un proyecto de inversin, una empresa o una patente.
La mayora de las decisiones de inversin comparten tres caractersticas
importantes (Marcel, 2003):

La inversin es parcial o totalmente irreversible. El coste inicial de la inversin

est, al menos parcialmente, hundido. No es posible recuperarlo si se cambia de
idea respecto a dicha inversin.

Existe cierto nivel de incertidumbre en lo que se refiere al futuro rendimiento de

la inversin. Lo mejor que se puede hacer es estimar las probabilidades de
ocurrencia de las distintas alternativas posibles. Esto implica que existen
mayores o menores niveles de ganancia o prdidas posibles.

Es posible que se disponga de cierta flexibilidad respecto a la oportunidad de

realizar efectivamente la inversin. Ello permite demorar la accin para adquirir
mayor nivel de informacin respecto al futuro.

Una Opcin es el derecho, pero no la obligacin, de realizar una accin en el

futuro. Por ello, las opciones resultan importantes cuando se est frente a una situacin
de incertidumbre. Los dos mtodos ms usuales son: (i) el modelo binomial y (ii) el
modelo

desarrollado

por

Fischer

Black

Myron

Scholes,

posteriormente

complementado por Robert Merton (Modelo de Black & Scholes).

Ambos mtodos se basan en criterios derivados de la utilizacin de portafolios
equivalentes y en los principios de comportamiento de los modelos de arbitraje (Marcel,
2003). Los conceptos bsicos considerados en ambos modelos de valoracin de
opciones son los siguientes:
S

Precio del activo financiero objeto de la opcin,

Precio de ejercicio de la opcin respecto al activo financiero de

referencia.

17

Plazo remanente desde el momento en que se hace la observacin hasta

la expiracin de la opcin.

Rf

Tasa de inters libre de riesgo

Varianza, considerada como medida del grado de variabilidad esperado

del precio del activo financiero objeto de la opcin.

2.4.1. El Modelo Black & Scholes

A titulo de ilustracin, se expone la frmula que propusieran Black & Scholes
para la valuacin de Opciones de Compra (Call) y Venta (Put).

d1=ln(S/X) + (r + 0,5 2)T

c S e qT N (d1 ) X e rT N (d 2 )
p X e rT N (d 2 ) S e qT N (d1 )

[3]

T
d2=ln(S/X) + (r - 0,5 2)T
T

Este modelo fue empleado para estimar el valor actual de una opcin europea
para la compra (Call), o venta (Put), de acciones en una fecha futura. Posteriormente el
modelo se ampli para opciones sobre acciones que producen dividendos, y luego se
adopt para opciones europeas, americanas, y para el mercado monetario3.
2.4.2 El Mtodo Binomial

El mtodo binomial, el que utilizamos en este trabajo, se refiere a un enfoque

numrico muy utilizado para valorar una opcin. El mtodo fue desarrollado y
publicado en primer lugar por John Cox, Stephen Ross y Mark Rubinstein. El modelo
divide la vida de una opcin en varios intervalos discretos. Con el paso de cada
intervalo, el precio del activo subyacente solamente puede subir a un nuevo valor
superior y nada ms, o bajar a un nuevo valor inferior y nada ms. Los valores se
muestran como nodos de un rbol binario.
La estructura bsica del rbol es la siguiente:
3

En 1997, Merton y Scholes recibieron el Premio Nobel en Economa por su trabajo; Black, el otro
creador de la frmula, falleci en 1995

18

S0u2
S0u
S0

S0ud

[4]

S0d
S0d2
Siendo:
S0 = valor presente del flujo de fondos.
u = et = factor multiplicativo up (coeficiente de crecimiento) del flujo de fondos
esperado.
d = e-t = 1/u = factor multiplicativo down (coeficiente de decrecimiento) del flujo
de fondos esperado.
= volatilidad estimada del flujo de fondos.
t = fraccin de tiempo en que se divide el periodo analizado (T).
Empezando por el valor presente del flujo de fondos en el tiempo cero (S0 ), al
multiplicarlo por el factor u (up) y d (down) como se muestra en la celosa, se va
creando el rbol de los posibles valores del flujo de fondos. Hay una bifurcacin por
cada nodo creando as sucesivamente las ramas up y down siendo todas ellas
recombinantes.
Segn indica Mun (2002), el movimiento browniano es la hiptesis requerida
para valorar Opciones Reales. La volatilidad ahora tiene un valor y es la que define los
movimientos up y down que dan valor a la opcin o flexibilidad del proyecto (Pardo
Sempere, et. al.,2004).
La estructura bsica de la celosa para estimar el valor de las opciones es
semejante a la presentada en la estructura 4. El valor del proyecto en cada nodo difiere
al incorporar el valor de la flexibilidad. El procedimiento de construccin de esta celosa
consta de dos pasos. Primero realiza la evaluacin de la opcin en los nodos terminales
y despus se contina por los nodos intermedios a travs de un proceso denominado de
induccin regresiva (Pardo Sempere, et. al., 2004), es decir yendo de derecha a
izquierda. Las variables requeridas para el clculo en cada nodo, adems de las
anteriores, son:
P = probabilidad neutral al riesgo
19

P = erf(dt) d

[5]

ud
A continuacin se muestra la derivacin intuitiva de la formulacin de la
probabilidad neutral al riesgo usando un nodo de decisin con dos ramas y sus
probabilidades de ocurrencia asociadas:
p

Valor u

Valor inicial
1-p Valor d

El valor inicial esperado es (p) u + (1-p) d. Si aadimos el factor tiempo al

anlisis los valores finales deberan descontarse por el valor del dinero en el tiempo. Si
no se garantizan los valores finales hay al menos riesgos asociados con sus niveles por
lo que deberan descontarse a una tasa de descuento de mercado ajustado al riesgo (dr).
Es decir:
valor presente esperado = [(p) u + (1-p) d] e (- dr) (t).
Si asumimos que el valor esperado es 1, lo cual es aceptado y usado
ampliamente en modelos de opciones de precios (Mun, 2003), entonces podemos
escribir:
1 = [(p) u + (1-p) d] e (- dr) (t).
Multiplicando en ambos lados de la ecuacin por la recproca de e(-dr)(t)
obtenemos:
(p) u + (1-p) d = e dr (t).
Y despejando p:
P = e dr(t)) d

[6]

ud
Esta probabilidad neutral al riesgo es la solucin para las probabilidades en un
rbol binomial. Como en el enfoque binomial el tiempo es simplemente el paso entre
nodos, podemos escribir "t" como "dt"(Pardo Sempere, et. al.,2004).

20

2.5 COMPARACIN ENTRE VAN Y OPCIONES REALES

Una comparacin entre VAN y Teora de las Opciones Reales puede ser vista en
la Tabla 1. El enfoque de la teora de las Opciones Reales se orienta a capturar el valor
implcito de la flexibilidad de que dispone la gerencia. El concepto principal en el
enfoque de la teora de las Opciones reales es el reconocimiento que la gerencia tiene la
capacidad de acotar las prdidas sin perder la oportunidad de capturar ganancias (valor)
adicionales si la oportunidad se presenta.
Tabla 1. Comparacin entre VAN y Teora de las Opciones Reales
Elementos

VAN

Opciones Reales

Flujos de caja

Fijos (media)

Flexible

Tasa de Descuento

Conocida y constante

Variable

Riesgo

Constante

Variable

Proyeccin de precios

No

Si

Fuente: Elaboracin propia.

Esta caracterstica del valor de la flexibilidad se hace ms importante cuando la

oportunidad de inversin en el objeto del anlisis tiene un VAN tradicional cercano a
cero. En tal situacin, cuando no est claro si el proyecto es bueno o no, la posibilidad
de cambiar de idea a medida que se obtiene mayor informacin es evidente y la
probabilidad de hacer uso de tal flexibilidad es mayor. Es en ese tipo de situacin que
las diferencias en las estimaciones de valor que resultan de la aplicacin de la teora de
las Opciones Reales y las que producen los mtodos tradicionales del VAN son ms
significativas.
El valor de la flexibilidad es mayor cuando:

existe un alto nivel de incertidumbre sobre el futuro,

es probable adquirir nueva informacin sobre la evolucin futura con el transcurso del
tiempo,

la gerencia tiene capacidad de maniobra y agilidad para responder adecuadamente

cuando recibe nueva informacin.
La eleccin del mtodo de evaluacin respecto al grado de flexibilidad operativa
e incertidumbre puede ser vista en la Tabla 2. Ms precisamente, las Opciones Reales
son particularmente importantes para evaluar proyectos con un elevado grado de
21

incertidumbre y cuando la equipe directiva de la empresa posee flexibilidad suficiente

para aplazar, eliminar o expandir el proyecto durante su fase de desarrollo.
Tabla 2. Flexibilidad, Incertidumbre y metodologa de evaluacin aconsejada
Incertidumbre
Flexibilidad
operativa

Baja

Alta

Baja

VAN

VAN

Alta

VAN

Opciones Reales

Fuente: Elaboracin propia

Las evaluaciones de proyectos de I+D son un buen ejemplo de eso caso.

Normalmente son proyectos de innovaciones, o sea que naturalmente tienen de forma
intrnseca algo de incertidumbre. A parte de eso, proyectos de esa naturaleza, en la
mayora de los casos, son desarrollados en varias fases siendo posible evaluar cada una
de ellas en separado, permitiendo a los directivos o investigados reflexionar sobre si el
proyecto posee la posibilidad de llegar a buen porto.
Las inversiones en I+D no son hechas ante la expectativa de resultados
inmediatos. Adems, por el estoque de conocimiento que generan, deben ser vistas
como series de decisiones secuenciales incluyendo desde la fase del proyecto hasta la
fase de comercializacin, con diferentes riesgos e incertidumbres (Morris et al, 1991),
que disminuyen en la medida en que los proyectos prosigan.
A partir de la perspectiva de las opciones, la secuencia de la evaluacin tiene una
estructura especfica (Amram y Kulatilaka, 2000). En el primer paso de la explotacin
se adquiere la opcin de continuar con la segunda etapa del desarrollo del proyecto, y
as hacia adelante. Esto es conocido como una estructura de opcin compuesta4, una
secuencia de opciones, en la que cada paso puede ser visto como una opcin de compra
en la explotacin, un valor que incluye el valor de todas las opciones futuras. Segn
Perlitz, Peske y Schrank (1999), si los resultados de la fase de investigacin no
corresponden a las expectativas el proyecto puede, por ejemplo, ser paralizado, evitando
prdidas que se realizaran por la continuacin de la inversin en el mismo.

4 Opciones compuestas son opciones cuyo valor depende del valor de otra opcin. Son inversiones que se
realizan por etapas: investigacin, diseo, ingeniera, construccin, teniendo la opcin de parar o seguir al
fin de cada etapa.

22

An respecto a la tabla 2, la construccin de un puente, por ejemplo, permite

poca flexibilidad a la equipe directiva para abandonar el proyecto a la mitad del camino,
aunque sea en un ambiente incierto. Tampoco hace falta utilizar las Opciones Reales si
la empresa invierte en bonos de bajo riesgo, mismo que a los directivos les sea posible
influir en el proceso. Si no hay incertidumbre no es necesario hacer cualquier alteracin
ya que el desarrollo del proyecto probablemente seguir el rumbo pre establecido, as
que en estas situaciones el VAN es el mtodo ms indicado.
En la visin tradicional, un alto nivel de incertidumbre conduce a reducir el
valor de los activos. El enfoque de las Opciones Reales muestra que un incremento de la
incertidumbre puede conducir a un alto valor de los activos si los directivos identifican
y usan sus opciones de inversin para responder flexiblemente a los eventos que se
desarrollan (Thomas et. al., 2008). La figura 2 ilustra uno de los ms importantes
cambios en el enfoque de las Opciones Reales: la incertidumbre crea oportunidades.
(Amram y Kulatilaka , 2000).

Figura 2 Enfoque Opciones Reales x Mtodo Tradicional

Fuente: Amram y Kulatilaka (2000).
Desde el punto de vista de la aplicacin de las Opciones Reales, Souza &
Barreto (1999) en su estudio presentan algunos ensayos respecto a la valoracin de los
conocimientos tecnolgicos, generados por un centro de investigacin. En uno de los
ensayos, los autores investigaron el valor que el conocimiento tecnolgico puede
agregar a un trabajo hecho para desarrollar una oportunidad de negocio, establecido por
un contrato con varias etapas, descritas por medio de un rbol de decisin. En un otro
ensayo utilizaron la teora de las opciones (Modelo Black & Scholes) para estimar el
valor de una patente de producto, mantenida en cartera por el centro de investigacin.
23

Mascareas (2005) utiliza las Opciones Reales compuestas para evaluar un

proyecto de inversin de un frmaco. En su trabajo el autor utiliza muchas de las
tcnicas ms comunes de valoracin en opciones como rboles de decisin, rboles
binominales y finalmente una variacin del Modelo de Black y Scholes. Proyectos de
esta naturaleza se dividen en una serie de etapas de larga duracin, cada una de las
cuales consume dinero sin generar ningn ingreso antes de su comercializacin - lo que
puede tener lugar entre 10 y 20 aos en el futuro. Aparte de que en estos casos, segn el
autor, la probabilidad de que un proyecto llegue a su trmino y genere la liquidez
suficiente para hacerlo rentable es muy pequea.
Vicente y Pereira Junior (2005) analizan la viabilidad financiera de una
propuesta de inversin en la produccin de Biodiesel en Brasil, comparando los
resultados obtenidos a partir del uso de modelos tradicionales - VAN y TIR, punto de
partida para el anlisis inicial de la viabilidad de los proyectos, con los resultados
revelados a partir de la teora de Opciones Reales. Los autores concluyen que un
proyecto puede ser definido como un conjunto de Opciones Reales y que el uso de dicha
teora agrega flexibilidad gerencial en el anlisis del VAN. En la misma lnea de
investigacin, Santos y Pamplona (2003) demuestran una aplicacin de la Teora de las
Opciones Reales en anlisis de inversin en un proyecto real de I+D. Asimismo
comparan los resultados con un mtodo de evaluacin tradicional, el Flujo de caja
Descontado FC, con el anlisis por rbol de Decisiones.
Muoz (2002) utiliz el enfoque de las Opciones Reales para evaluar proyectos
en Tecnologa de Informacin (TI) y concluy que cuando se utiliza esta teora la
empresa obtiene ventajas y tiene una mayor posibilidad de aumentar su desempeo ya
que tendr ms posibilidad al analizar cada una das opciones que carga en proyecto
(seguir, crecer, salir del negocio etc.). Sobrinho et al (2005) aplicaron la Teora de las
Opciones Reales en un caso real de proyecto de I+D en la industria aeronutica
demostrando que es una herramienta financiera adecuada para la gestin de proyectos y
de actividades de investigacin.

24

3. APLICACIN EMPRIRICA: MEJORA GENTICA DE UNA

VARIEDAD DE TRIGO5.
Las actividades de I+D en mejoramiento vegetal son imprevisibles, de largo
plazo y con alto coste. La garanta de retorno a los esfuerzos invertidos es una de las
cuestiones que afectan al mantenimiento de un elevado dinamismo tecnolgico en este
sector, en especial en el segmento de las variedades de semillas de trigo (De Mori,
2009).
Los centros de investigacin normalmente realizan alguna evaluacin ex ante
para llevar a cabo un proyecto de I+D. Un mtodo sencillo y muy utilizado es el VAN.
Se adopta una postura conservadora al estimar los parmetros utilizados en su clculo,
ya que el objetivo no es sobreestimar los resultados. La experiencia de los
investigadores expertos en el producto en evaluacin es fundamental, ya que es
necesario estimar costes y flujos de beneficios. Para generar las estimaciones de
beneficios en centros pblicos de investigacin normalmente se utiliza la teora del
excedente econmico.
Es posible elaborar escenarios e intentar clasificar las semillas que se pueden
comercializar. Mascareas (2005) clasifica proyectos de inversin, de acuerdo con la
rentabilidad que pueden proporcionar:
1. Gran xito. Son proyectos con una gran rentabilidad pero, en promedio, la
probabilidad de que aparezcan proyectos de este tipo suele ser muy baja.
2. xito. Proporcionan una rentabilidad superior a la normal para las semillas
mejoradas genticamente, pero sin llegar a los niveles del gran xito.
3. En la media. Proporcionan una rentabilidad normal. La mayora de las
semillas se encuentran en este nivel.
4. Fracaso. Proporcionan una rentabilidad inferior a la normal.

A pesar de que en este trabajo se evala un proyecto hipottico, se han utilizado datos reales de un
proyecto de investigacin de mejoramiento de una semilla de trigo. Naturalmente, sera necesario
contextualizar las informaciones, sobre todo para elaborar los escenarios de cuota de mercado y costes de
produccin. As fue considerada la realidad brasilea a la hora de elegir el contexto de la evaluacin del
proyecto. Se justifica la eleccin de Brasil y de las innovaciones desarrolladas en el sector agrcola en
razn de la importancia econmica y social que tiene para el pas el desarrollo de las actividades de este
sector (el sector agrcola genera uno de cada tres unidades monetarias del PIB brasileo. Pero el buen
desempeo de las exportaciones del sector y la creciente generacin de puestos de trabajo en la cadena de
suministro no puede atribuirse nicamente a la vocacin agrcola de Brasil. El desarrollo cientfico y
tecnolgico, obtenido mediante la investigacin y la expansin de la maquinaria y de las instalaciones,
tambin sigue siendo fundamental para la obtencin de los resultados positivos de la agricultura brasilea.

25

5. Gran fracaso. Refleja un completo desastre, dnde la rentabilidad es mnima

aunque, por suerte, la probabilidad media de que se produzca es bastante baja.

El desarrollo de una semilla mejorada genticamente se realiza por medio de

una serie de etapas. En la primera fase biotecnologa - se trabaja la parte gentica de la
investigacin, algo como el descubrimiento de alguna propiedad que haga con que la
semilla sea mejor que las dems en algn aspecto. Si los resultados de esta fase son
prometedores se empieza la siguiente fase: el mejoramiento. En esta fase se llega a la
nueva semilla. En la fase de pruebas se ponen en marcha los ensayos de campo,. Si los
resultados en esta fase son aceptables, se pasa a la posterior y se empieza la
multiplicacin de semillas. En la fase de multiplicacin no hay ms ensayos y las
semillas son reproducidas. Si, efectivamente, se decide el lanzamiento en el mercado
(comercializacin), hay el esfuerzo final para producir semillas en una cantidad
especfica.
Tabla 3 Fases de desarrollo de una semilla
Aos

Etapas6

Fases

BC - F1

1
2

Biotecnologa

F2 - F3

F4 - F5

F6 - F7 (NL)

EPI

Mejoramiento

EPR

ER

ESB

9
10
11
12

Pruebas

ESB (NC)
MULTIPLICACIN

Multiplicacin

CULTIVO

Comercializacin

Fuente: Adaptado de De Mori (2009).

El significado de la terminologa es: BC - Bloque de Cruce, F1 Primera Generacin, F2- Segunda

Generacin, ..., F7- Sptima Generacin, NL - Nuevo Linaje, NC - Nueva Cultivar, EPI - Ensayo
Preliminar Interno, EPR - Ensayo Preliminar en Red, ER - Ensayo Regional, ESB - Ensayo Regional
ms amplio.
6

26

3.1. ESTIMACIN DE COSTES7

La ejecucin del clculo econmico de los impactos de la I+D, como forma de
establecer una base de informacin para cualquier tomada de decisin, requiere un
ncleo de datos relacionados a los costes de la investigacin y a las consecuencias de las
innovaciones resultantes sobre la liberacin, la asimilacin, el desempeo y el mercado
para cada variedad desarrollada.
En primero lugar, consideramos el tiempo total gasto en el proyecto por el
equipo de investigadores y tcnicos, as como el nmero de personas que componen tal
equipo. En estudio de evaluacin de impactos de un programa de mejoramiento de soja,
desarrollado por Almeida et al. (1998) fue utilizado como base a la hora de considerar la
composicin del equipo y distribucin del tiempo de los investigadores en el proyecto
en evaluacin en este trabajo.
En la estimacin de los costes hemos llevado en cuenta, adems de los gastos de
personal, la depreciacin del capital usado para generar tal tecnologa. Fueron
considerados tambin los gastos con la administracin del centro de investigacin
(costes fijos) y los de transferencia de tecnologa, estos ltimos, en su mayor parte,
realizados despus de que el producto es lanzado y el proyecto encerrado.
Los Costes de Personal se refieren a la remuneracin anual bruta ms encargos
sociales del personal envuelto en la generacin y en la transferencia de la tecnologa.
Los Costes de Investigacin son relativos a los gastos anuales con la generacin de la
innovacin (excepto personal), estimados con base en el presupuesto del proyecto. La
Depreciacin de Capital corresponde a la depreciacin anual de todos los bienes del
centro de investigacin, distribuida segn la participacin de la tecnologa en el
esfuerzo de investigacin del centro. Los Costes de Administracin representan una
parcela de los costes fijos (costes indirectos) que son atribuidos a la tecnologa. En ese
tem se incluyen: el costeo del personal ligado a la administracin, los costes de los
sectores de campos experimentales y mquinas agrcolas, entre otros. Finalmente, los
Costes de Transferencia Tecnolgica son realizados por el centro de investigacin para
difundir y viabilizar la adopcin de la tecnologa bajo evaluacin. La tabla 4 presenta un

La metodologa utilizada para estimar los costes y beneficios est basada en el documento: Avaliao
dos impactos de tecnologas geradas pela Embrapa: Metodologia de Referncia (Avila et. al 2008)

27

resumen de los costes y adems indica los sub-totales de los costes en las diferentes
fases, lo que ser muy til mas adelante en la evaluacin del proyecto a partir del
enfoque de las Opciones Reales.
Tabla 4 Estimacin de costes (en reais8)
Costes con
Personal
(Investigadores)
96.412,30

Costes de
Transferencia
de Tecnologa

Costes de
Investigacin

Depreciacin

Costes de
gestin

16.934,11

20.399,07

5.599,98

139.345,46

97.858,48

17.018,78

21.419,02

5.765,67

142.061,96

99.326,36

17.103,87

22.489,97

5.939,08

144.859,29

SubTotal

293.597

51.057

64.308

17.305

426

138.411,61

17.189,39

23.614,47

6.120,58

185.336,06

140.487,78

26.777,00

24.795,20

7.735,83

199.795,82

142.595,10

26.910,89

26.034,96

7.941,88

203.482,83

144.734,03

27.045,44

27.336,71

8.157,32

207.273,50

146.905,04

27.180,67

28.703,54

8.382,63

211.171,88

SubTotal

713.134

125.103

130.485

38.338

1.007

130.412,30

27.316,57

30.138,72

8.618,29

196.485,89

140.116,00

27.453,15

31.645,65

8.864,82

208.079,63

Ao

Fases

1
2
3

Biotecnologa

6
7

Mejoramiento

Total

Pruebas
10

404.565,56
11

Multiplicacin

12

Comercializacin

5.840,10

27.590,42

33.227,94

9.122,75

104219

180.000,22

8.293,41

292000

300.293,41

2.675,29

2727,27

5.402,57

13

14

2.432,09

2479,34

4.911,42

15

2.210,99

2253,94

4.464,93

16

2.009,99

2049,04

4.059,03

17

1.827,26

1862,76

3.690,03

18

1.661,15

1693,42

3.354,57

19

1.510,13

1539,47

3.049,61

20

1.372,85

1399,52

2.772,37

Fuente: Elaboracin propia

3.2 FLUJO DE BENEFICIOS SOCIALES

El Real es la moneda brasilea. Para que el lector pueda tener una idea mejor de lo que representan estos
valores conviene saber que, en 15 de junio de 2010, con 1 Euro se podra comprar 2.21 reais.

28

Como ya comentado el mtodo utilizado para la estimacin de los beneficios fue

el Excedente Econmico. En la tabla 5 estn los datos bsicos que alimentan el modelo
de valoracin del descuento de flujos a partir del momento en que empieza su
comercializacin. En este ejemplo se han alterado, para reflejar los cinco escenarios, la
variable: cuota de adopcin mxima de la semilla en el mercado del primer al octavo
ao. La cuota inicial fue considerada la misma en todos los escenarios porque, segn los
investigadores consultados, para el lanzamiento son producidos un numero
preestablecido de semillas, o sea que las proyecciones son consideradas a partir del ao
siguiente, pos lanzamiento de la semilla.
Tabla 5 Escenarios utilizados para valoracin del proyecto (en miles de reais).
Gran
xito
Tamao inicial del rea plantada (ha)

xito
moderado

Regular

Fracaso

Fracaso
Total

1.848.000

1.848.000

1.848.000

1.848.000

1.848.000

1,2%

1,2%

1,2%

1,2%

1,2%

0,27%

0,27%

0,27%

0,27%

0,27%

Cuota de adopcin mxima (ao 8)

16,00%

7,80%

2,40%

0,60%

0,30%

Coste de lanzamiento

300.293

300.293

300.293

300.293

300.293

12%

12%

12%

12%

12%

Crecimiento real anual del mercado

Cuota de adopcin inicial

Tasa de descuento real

Fuente: Elaboracin propia

La tabla 6 presenta los Flujos de Beneficios, considerando todos los escenarios

propuestos.
Tabla 6 Flujo de Beneficios Sociales del Proyecto considerando los escenarios preestablecidos.
Grande xito
Ao 13

477.664

xito
moderado
477.664

Regular

Fracaso

Fracaso Total

477.664

477.664

477.664

Ao 14

4.511.699

2.416.981

1.079.585

572.914

501.299

Ao 15

8.642.482

4.402.774

1.695.883

670.381

525.433

Ao 16

12.871.755

6.435.877

2.326.817

770.104

550.074

Ao 17

17.201.285

8.517.140

2.972.649

872.125

575.231

Ao 18

21.632.870

10.647.428

3.633.646

976.483

600.913

Ao 19

26.168.336

12.827.615

4.310.078

1.083.220

627.127

Ao 20

30.809.539

15.058.594

5.002.222

1.192.379

653.885

Total

122.315.631

60.784.077

21.498.547

6.615.274

4.511.631

Fuente: Elaboracin propia

29

3.3 PLANTEAMIENTO

GENERAL DE LA VALORACIN DE UN PROYECTO DE SEMILLA

MEJORADA GENTICAMENTE.

El primer mtodo planteado es el VAN. La tabla 7 presenta la valoracin del

proyecto en evaluacin considerando nada ms que las estimacioness de costes,
beneficios propuestos por los 5 escenarios - de gran xito hasta fracaso total y una tasa
de descuento de 12% que es la normalmente utilizada por centros pblicos de
investigacin en agricultura. El VAN del escenario regular es 1.919.444 miles de reais,
lo que de entrada ya podra indicar que el proyecto es rentable desde una perspectiva
social, ya que esto valor se refiere a los beneficios que la I+D puede transferir a la
sociedad.
Sin embargo, sera interesante, para valorar a un proyecto de mejoramiento
gentico de una semilla de trigo, considerar todas las fases del mismo hasta llegar al
cultivo. Todas ellas se caracterizan por la necesidad de desembolsar una cantidad de
dinero para su realizacin, por la ausencia total de ingresos durante las mismas y por el
gran riesgo de cada una de ellas. La fase de comercializacin es distinta a las anteriores
porque es en esta que se empieza a recibir los flujos de caja esperados que sirven para
validar el proyecto de inversin.

30

Tabla 7 Valoracin del Proyecto con VAN, por escenarios

Gran xito

xito Moderado

Flujo de
Costes

Flujo de
Beneficios
Sociales
Netos

Flujo de
Beneficios
Sociales

139.345

-139.345

142.062

-142.062

144.859

-144.859

185.336

-185.336

199.796

Regular

Flujo de
Costes

Flujo de
Beneficios
Sociales
Netos

Flujo de
Beneficios
Sociales

Flujo de
Costes

Flujo de
Beneficios
Sociales

Flujo de
Costes

Flujo de
Beneficios
Sociales
Netos

139.345

-139.345

139.345

-139.345

139.345

-139.345

-142.062

142.062

-142.062

142.062

-142.062

142.062

-142.062

144.859

-144.859

144.859

-144.859

144.859

-144.859

144.859

-144.859

185.336

-185.336

185.336

-185.336

185.336

-185.336

185.336

-185.336

-199.796

199.796

-199.796

199.796

-199.796

199.796

-199.796

199.796

-199.796

203.483

-203.483

203.483

-203.483

203.483

-203.483

203.483

-203.483

203.483

-203.483

207.274

-207.274

207.274

-207.274

207.274

-207.274

207.274

-207.274

207.274

-207.274

211.172

-211.172

211.172

-211.172

211.172

-211.172

211.172

-211.172

211.172

-211.172

162.486

-162.486

162.486

-162.486

162.486

-162.486

162.486

-162.486

162.486

-162.486

10

165.822

-165.822

165.822

-165.822

165.822

-165.822

165.822

-165.822

165.822

-165.822

11

5.403

-5.403

5.403

-5.403

5.403

-5.403

5.403

-5.403

5.403

-5.403

12

4.911

-4.911

4.911

-4.911

4.911

-4.911

4.911

-4.911

4.911

-4.911

13

477.664

4.465

473.199

477.664

4.465

473.199

477.664

4.465

473.199

477.664

4.465

473.199

477.664

4.465

473.199

14

4.511.699

4.059

4.507.640

2.416.982

4.059

2.412.923

1.079.585

4.059

1.075.526

572.914

4.059

568.855

501.300

4.059

497.241

15

8.642.482

3.690

8.638.792

4.402.774

3.690

4.399.084

1.695.883

3.690

1.692.193

670.381

3.690

666.691

525.434

3.690

521.744

16

12.871.755

3.355

12.868.400

6.435.877

3.355

6.432.523

2.326.817

3.355

2.323.463

770.105

3.355

766.750

550.075

3.355

546.720

17

17.201.285

3.050

17.198.235

8.517.141

3.050

8.514.091

2.972.649

3.050

2.969.600

872.126

3.050

869.076

575.232

3.050

572.182

18

21.632.870

2.772

21.630.098

10.647.428

2.772

10.644.656

3.633.646

2.772

3.630.874

976.484

2.772

973.711

600.913

2.772

598.141

19

26.168.336

180.000

25.988.336

12.827.616

180.000

12.647.616

4.310.079

180.000

4.130.079

1.083.221

180.000

903.221

627.128

180.000

447.128

20

30.809.539

300.293

30.509.245

15.058.595

300.293

14.758.301

5.002.223

300.293

4.701.929

1.192.379

300.293

892.086

653.885

300.293

353.592

Ao
1

TIR
VAN

Flujo de
Costes

Flujo de
Beneficios
Sociales

139.345

-139.345

142.062

Fracaso Total
Flujo de
Beneficios
Sociales
Netos

Flujo de
Beneficios
Sociales

Flujo de
Beneficios
Sociales
Netos

Fracaso

39%

32%

21%

12%

8%

15.237.133

7.108.966

1.919.444

- 46.600

- 324.486

31

3.4 LAS FASES DEL PROYECTO CONTEMPLADAS COMO OPCIONES REALES

El primer paso es rescatar los cinco escenarios ya comentados para estimar las
distintas posibilidades de rentabilidad que posee el proyecto. Para la elaboracin de
estos escenarios fueron asignadas probabilidades considerando la experiencia de
investigadores de un centro pblico de investigacin9 en trigo y en datos sobre su
mercado potencial, competidores, gastos con marketing etc. De todas las formas es
importante resaltar que siempre habr algn grado de subjetividad en el anlisis y,
adems, hay otros factores que se escapan al control del analista como, por ejemplo, la
competencia que se espera encontrar en el periodo analizado. Con el objetivo de intentar
disminuir el grado de subjetividad del anlisis hemos hecho una simulacin de Monte
Carlo a partir de los beneficios obtenidos en los escenarios propuestos.
Solo la variable beneficio fue simulada10 (se supone que al simular esta variable
todas las dems informaciones que la componen son tambin simuladas (Copeland &
Antikarov, 2001). Para cada intervalo fueron generados 1000 valores pseudo-aleatorios.
Utilizamos la media de estos valores en el modelo.
La tabla 8 est simplificada pero ilustra cmo fue realizada la simulacin. Fue
considerado el valor 0 (cero) en el intervalo inicial porque como estamos simulando
beneficios lo peor que puede ocurrir es que ninguna semilla sea utilizada o sea, ningn
beneficio social generado11. El resultado de la simulacin es presentado en la columna
Vb, una media de los beneficios generados en la simulacin.

Con tal fin, se consult a la investigadora Claudia de Mori, de Embrapa Trigo, un centro pblico de
investigacin brasileo que se dedica a la investigacin en trigo.
10

Los costes no fueron simulados porque, en la prctica, es una variable deterministica y que adems no
depende de cota de mercado.
11

Es importante considerar que, al analizar solamente la variable flujo de beneficios, no hay la

posibilidad de utilizar valores negativos por dos razones: aqu no son considerados los costes y, la
simulacin se refiere a la soma de los beneficios generados del ao 13 hasta al 20 para cada escenario.
As que se puede considerar, aun que poco probable, que en estos aos considerados ninguna semilla de la
variedad lanzada sea utilizada por los productores rurales. Los mismos datos de flujo de beneficios son
utilizados en la tabla 7 en la que se puede observar que en los escenarios Fracaso Regular y Fracaso Total
el VAN es negativo, pero en aquella situacin son considerados los costes.

32

Tabla 8 Intervalos de flujos de beneficios sociales del proyecto utilizados para la

Simulacin de Monte Carlo
Escenarios

Intervalo

Vb

Gran xito

122.315.631 60.784.077

92.379.185,00

xito moderado

60.784.077 21.498.547

40.966.631,00

Regular

21.498.547 6.615.274

13.728.604,00

Fracaso

6.615.274 4.511.631

5.595.271,00

Fracaso Total

4.511.631 - 0

2.232.663,00

Fuente: Elaboracin propia

En la tabla 8 estn desglosados los valores del Flujo de Beneficios medio (Vb).
En la tabla 9 es posible observar los resultados de los cinco escenarios junto a sus
probabilidades asociadas. Para asignar probabilidades se ha utilizado el conocimiento
que tiene los investigadores consultados sobre el mercado del producto. En este caso se
asume que la rentabilidad de un proyecto posee una distribucin normal12 de
rendimientos (Mascareas, 2005). As, por un lado, vemos el valor de beneficios medio
de los flujos de caja esperados (24.26 millones) y por otro, sabemos que el coste de
lanzamiento de la tecnologa es de 300 miles (tabla 7).
Tabla 9 - Valor Beneficios Vb x Prob
Escenarios

Vb

Probabilidad
(%)

Vb x Probabilidad

Gran xito

92.379.185,00

10

9237918,50

xito moderado

40.966.631,00

20

8193326,20

Regular

13.728.604,00

40

5491441,60

Fracaso

5.595.271,00

20

1119054,20

Fracaso Total

2.232.663,00

10

223266,30

Flujo de Beneficios
Medio

24.265.006,80

Fuente: Elaboracin propia

12

En su modelo, Black-Scholes y Merton consideran una funcin de probabilidad acumulada de una

distribucin normal estndar. En este caso se asume valores semejantes a dicha distribucin. De hecho,
muy pocas innovaciones van a lograr un gran xito o un fracaso total.

33

En la segunda fase de la valoracin se incluye las diversas fases por las que
debe pasar el mejoramiento gentico de una variedad de trigo hasta convertirse en una
semilla comercializada, la probabilidad de pasar cada fase, y el dinero que es necesario
invertir en cada una de ellas para continuar su desarrollo. La Figura 3 presenta el rbol
de decisin para el proyecto en anlisis.

Biotecnologa

Mejoramiento

Pruebas

Multiplicacin

3 aos

5 aos

2 aos

1ao

Comercializacin

24.265

90
75
50
25

abandono
abandono
abandono

abandono

426 miles

1006 miles

404 miles

180 miles

Fase 1

Fase 2

Fase 3

Fase 4

300 miles

Figura 3 - rbol de Decisin del Proyecto. Fuente: Elaboracin propia

Para empezar la fase de biotecnologa se estima que ser necesario invertir 426
mil reais, su tiempo es de 3 aos y se considera que hay un 25% de probabilidades de
terminarla con xito y pasar a la fase siguiente. La fase de mejoramiento cuesta 1,006
millones, siendo el tiempo medio de esta fase de 5 aos y la probabilidad de xito es de
un 50%. Si el proyecto sigue prometedor, se llegar a la fase de Pruebas, cuya duracin
se estima en unos dos aos y que implica un coste de 404 mil reales, con una
probabilidad de xito es de un 75%. Por ltimo, si se supera esta ltima fase es posible
comercializar la semilla, los costes implicados se estiman en 180 mil reales, la duracin
es de un ao y la probabilidad de superar dicha fase es del 90%.
Las probabilidades de xito respecto a cada una de las fases son referentes a un
documento publicado por Monsanto (2010). En esto documento son presentadas las
probabilidades medias de xito de cada una de las fases del desarrollo de una semilla
mejorada genticamente.
34

Segn Mascareas (2005), este sistema de clculo tiene en cuenta la posibilidad

de detener el proceso, incluso cuando se ha superado una fase cualquiera. Por ejemplo,
imagnese que al terminar con xito la fase Biotecnologa los directivos piensan que
el producto, si llega a la fase de comercializacin, va a ser un fracaso total y, por lo
tanto, lo que procede es no seguir invirtiendo dinero. Esta lgica evitara costes
posteriores minimizando lo gastado hasta ese instante. Esta es la forma de pensar de la
metodologa de Opciones Reales, invertiremos dinero en una fase si el valor actual del
proyecto al final de la misma es superior al coste de la siguiente fase.
La figura 3 presenta las diversas fases que componen la elaboracin de una
variedad mejorada genticamente. Son Opciones Reales porque aportan flexibilidad al
permitir que se decida al comienzo de cada fase si interesa o no seguir con el proceso.
Lo que se aprecia es una cadena de Opciones Reales (opcin real compuesta),
donde el valor de cada una de ellas es funcin del valor de la posterior. El proceso de
clculo recursivo del valor actual medio de los flujos de caja del proyecto se realiza a
partir de la teora de valoracin de opciones, aplicando el mtodo binomial. En este
caso hemos de calcular el nico parmetro que no tenemos en nuestro rbol de decisin,
la volatilidad.

3.5 EL CLCULO DE LA VOLATILIDAD

Para calcular el valor de una opcin con el uso del mtodo binomial, uno de los
datos necesarios, entre otros, es la volatilidad del precio del activo subyacente. En lugar
de buscar un activo en el mercado financiero, Copeland & Antikarov (2001), sugieren
que el Valor Actual de los flujos de caja del proyecto, sin flexibilidad (esto es, el VA
tradicional) es la mejor estimacin no tendenciosa del valor de mercado del proyecto, si
este fuese un activo negociado. Con base en esa hiptesis es posible evaluar Opciones
Reales relativas a cualquier activo real, para lo cual sea posible estimar el VAN
tradicional, sin flexibilidad.
Sin embargo, los parmetros necesarios para la evaluacin de una opcin real
(variaciones en los precios de los productos, en los precios de los insumos, en la
demanda, etc.) no pueden ser encontrados con la misma facilidad de informaciones
obtenidas a partir del mercado financiero. Para estimar la distribucin de probabilidad
35

de los retornos del proyecto de inversin utilizamos nuevamente una Simulacin de

Montecarlo (Copeland & Antikarov, 2001).
La simulacin de Montecarlo puede modelar las correlaciones cruzadas entre
diversas variables, como precio y cantidad (Copeland & Antikarov, 2001). Es posible,
de ese modo, estimar una medida consolidada de la volatilidad de un rbol de eventos
considerando el valor del proyecto. El trmino consolidada es utilizado porque el
resultado es una nica estimacin de volatilidad, generada a partir de las muchas
incertidumbres que la componen (de precio, coste, cantidad). Se difiere, de esa forma,
de la volatilidad histrica, obtenida a partir de una serie histrica, y de la volatilidad
implcita, obtenida a partir del mercado financiero.
Es posible, por tanto, considerar el efecto conjunto de incertidumbres causales
sobre el valor del proyecto por medio de la simulacin de Montecarlo y estimar la
volatilidad de las variaciones porcentuales del valor. Esa estimacin consolidada de la
volatilidad y el valor actual del proyecto son utilizados para montar un rbol de eventos
(Meirelles y Rebelatto, 2004)

3.5.1 La utilizacin de la simulacin de Monte Carlo para la obtencin de la

volatilidad.

Para utilizar simulaciones de Montecarlo en la proyeccin del flujo de caja

operacional del proyecto de inversin se define una franja aceptable de beneficios para
el horizonte de tiempo del proyecto de inversin, adoptando los valores de los
escenarios utilizados para estimar el flujo de beneficios medios en la primera fase de
este trabajo. La diferencia en este caso fueron dos: (1) consideramos solamente los
escenarios extremos gran xito y fracaso total; (2) fueron generados nmeros aleatorios
de flujos de beneficios para cada ao, observando los respectivos valores lmites,
establecidos por los escenarios gran xito y fracaso total13. La tabla 10 presenta los
valores estimados para el flujo de beneficios medio (FB) del proyecto.

13

Este procedimiento es propuesto por Copeland y Antikarov (2001) y fue y aplicado en otros trabajos
empricos como, por ejemplo, en Meirelles y Rebelatto (2004).

36

Tabla 10 - Valores estimados para el flujo de beneficios medio (FB)

Ao

Flujo de Benefcios
Sociales (FB)
(1)

Flujo de Costes

"Flujos de
Beneficios Sociales
Netos"
(3)=(1)-(2)
139.345,46

(2)
139.345,46

142.061,96

144.859,29

Valor Actual del

Beneficio Social
Neto
-

124.415,59

142.061,96

113.250,93

144.859,29

103.107,98

185.336,06

185.336,06

117.784,42

199.795,82

199.795,82

113.369,51

203.482,83

203.482,83

103.090,73

207.273,50

07.273,50

93.760,00

211.171,88

211.171,88

85.288,78

162.485,89

162.485,89

58.594,04

10

165.822,12

165.822,12

53.390,28

11

5.402,57

5.402,57

1.553,11

12

4.911,42

4.911,42

1.260,64

13

473.199,46

4.464,93

468.734,52

107.421,85

14

2.451.835,26

4.059,03

2.447.776,23

500.863,51

15

4.412.606,32

3.690,03

4.408.916,30

805.492,52

16

6.631.327,65

3.354,57

6.627.973,08

1.081.165,98

17

9.085.350,20

3.049,61

9.082.300,59

1.322.785,68

18

11.142.267,58

2.772,37

11.139.495,21

1.448.575,39

19

13.960.411,62

180.000,22

13.780.411,41

1.599.999,15

20

15.373.743,11

300.293,41

15.073.449,69

1.562.615,77

Total

7.460.053,85

Desviacin Tpica

658.789,25

Volatilidad

0,088308914

Fuente: elaboracin propia

Cada generacin de la serie de nmeros aleatorios significa un escenario posible

de ocurrir. Ese proceso de generacin de dados es repetido cuantas veces fueren
necesarias. Cunto mayor el nmero de repeticiones, ms la distribucin de frecuencia
de los resultados debe aproximarse a una distribucin normal. A esa distribucin se

37

puede aplicar la medida de concentracin estadstica promedio y la medida de

dispersin desviacin tpica (Correia Neto et al., 2002).
De esa forma, para el ao 14, fueron generados valores aleatorios para el flujo de
caja del proyecto de inversin, con valores entre R$ 501.300 (Escenario Fracaso Total)
y R$ 4.511.699

(Escenario Gran xito). Estos valores se pueden observar en la

respectiva tabla 7 del clculo del VAN. Nuevamente, solo los beneficios fueron
simulados. En la tabla 10 es posible observar el flujo medio de beneficios simulados
(FB) para el ao 14 es R$ 2.451.835. Para el clculo del VAN sacamos los costes de la
media de (FB) para cada ao. El mismo fue realizado para los dems aos14. La tasa de
descuento utilizada para el clculo del VAN fue 12%.
El VAN del proyecto de inversin fue de R$ 7.460.053,85. La tasa de descuento
utilizada fue de 12% al ao (tipo de descuento real). Para estimar el riesgo del proyecto
de inversin (y, entonces, obtener la volatilidad consolidada) tras el clculo del VAN fue
necesario obtener la desviacin tpica de este VAN. La desviacin tpica del VAN del
proyecto de inversin fue de R$658.789,25. Lo que representa un coeficiente de
variacin (CV) del Valor Actual del proyecto de inversin de 8.83%, a cada ao. Ese
valor es considerado la volatilidad del VA del proyecto de inversin.
Ahora que ya tenemos los parmetros necesarios para el rbol binomial
presentaremos, en la siguiente sesin, el clculo del valor de la opcin de cada una de
las fases.

3.6. CLCULO DEL VALOR DE LAS OPCIONES REALES

La fase 4 implica un coste inicial de 180 miles de reais. Interesa saber cul es el
valor actual del proyecto al comienzo de la fase. Aparte del precio de ejercicio es
posible saber el valor actual del activo subyacente15, el periodo de la fase (un ao) y el
tipo de inters sin riesgo (he adoptado 4% al ao). Para calcular el valor de la

14

No present nuevamente las tablas de flujo de beneficios en este apartado por los valores simulados
fueron los mismos: flujo de beneficios sociales obtenidos a partir de la metodologa del excedente
econmico.
15

Actualizando los 24,26 millones del final de la fase al comienzo de la misma: 24,26 / 1,12 = 21,66
millones). Los costes tambin son actualizados con la misma tasa.

38

volatilidad, considero la probabilidad consolidada para todo el proyecto, que es de

8.83%. Con los valores de las cinco variables es posible aplicar el modelo binomial16.
Tambin se calcula el rbol de forma recurrente desde atrs hacia delante para
obtener el valor de la opcin (figura 5). ste resulta ser de 22,48 millones de reais17 y
para desarrollar dicha fase hace falta desembolsar 180 miles de reais. Por tanto, el VAN
medio, en ese instante, es positivo lo que implica que la fase 4 se llevar a cabo.

16

De acuerdo con Mascareas (2005), un binomial de veinte subperiodos ya es suficiente en evaluaciones

de esta naturaleza. Es necesario recalcular las variables para adaptarlas a un periodo equivalente a un
veinteavo anual. As, la volatilidad de dicho subperiodo es igual a 8.83% por la raz cuadrada de 1/20. El
tipo de inters sin riesgo del subperiodo en su forma continua es igual a e0,04/20 1 = 0,002 = 0,2%. Los
coeficientes de crecimiento y decrecimiento del rbol binomial son, respectivamente: U = e0,0883 = 1,09 y
D = 1/1,09 = 0,91
17

El mtodo de clculo consiste en detraer el coste de lanzamiento y despus multiplicar los dos valores
siguientes por la probabilidad de ascenso p = (1,002D)/(U-D) = 38.2% y por la de descenso (1-p) y el
resultado se actualiza al tipo sin riesgo del sub-periodo es de 0,2%.

39

Tabla 11 Arbol Binomial - Valor del activo subyacente multiplicado por los coeficientes de crecimiento y decrecimiento - Fase Multiplicacin (valores
en miles de reais)
21665

23665

25850

28236

30843

33690

36800

40198

43908

47962

52390

57226

62509

68279

74583

81468

88988

97203 106177

115979

126685

19834

21665

23665

25850

28236

30843

33690

36800

40198

43908

47962

52390

57226

62509

68279

74583

81468

88988

97203

106177

18158

19834

21665

23665

25850

28236

30843

33690

36800

40198

43908

47962

52390

57226

62509

68279

74583

81468

88988

16623

18158

19834

21665

23665

25850

28236

30843

33690

36800

40198

43908

47962

52390

57226

62509

68279

74583

15218

16623

18158

19834

21665

23665

25850

28236

30843

33690

36800

40198

43908

47962

52390

57226

62509

13932

15218

16623

18158

19834

21665

23665

25850

28236

30843

33690

36800

40198

43908

47962

52390

12755

13932

15218

16623

18158

19834

21665

23665

25850

28236

30843

33690

36800

40198

43908

7780

12755

13932

15218

16623

18158

19834

21665

23665

25850

28236

30843

33690

36800

7123

11677

12755

13932

15218

16623

18158

19834

21665

23665

25850

28236

30843

6521

10690

11677

12755

13932

15218

16623

18158

19834

21665

23665

25850

3978

9787

10690

11677

12755

13932

15218

16623

18158

19834

21665

3642

8959

9787

10690

11677

12755

13932

15218

16623

18158

3334

8202

8959

9787

10690

11677

12755

13932

15218

3052

7509

8202

8959

9787

10690

11677

12755

2794

6874

7509

8202

8959

9787

10690

2558

6293

6874

7509

8202

8959

2342

5762

6293

6874

7509

2144

5275

5762

6293

1963

4829

5275

1797

4421
1645

Fuente: Elaboracin propia

40

Tabla 12 rbol Binomial de la fase Cultivo calculado de forma recurrente Valor de la opcin obtenido por medio de la multiplicacin de la ultima columna
por las probabilidades de ascenso y descenso (valores en miles de reais)
126418

115943

106334

97520

89435

82018

75214

68973

63248

57996

53179

48760

44706

40987

37576

34447

31577

28944

26529

24313

105909

97130

89077

81690

74913

68697

62995

57764

52966

48564

44527

40823

37425

34309

31450

28827

26422

24215

22191

20334

88721

81363

74613

68422

62742

57533

52753

48370

44348

40659

37275

34171

31323

28711

26315

24117

22101

20252

18555

74315

68148

62491

57302

52542

48176

44170

40496

37125

34034

31197

28596

26209

24020

22012

20170

18480

16930

62241

57072

52331

47982

43993

40333

36976

33897

31072

28481

26104

23923

21923

20088

18405

16861

15445

52122

47790

43816

40171

36828

33761

30947

28366

25999

23827

21835

20007

18331

16793

15382

14088

43641

40010

36680

33625

30823

28252

25894

23731

21746

19926

18256

16725

15320

14031

12849

36532

33490

30699

28138

25789

23635

21659

19846

18183

16657

15258

13974

12796

11716

30575

28025

25686

23540

21571

19765

18109

16590

15196

13917

12744

11668

10681

25582

23445

21484

19686

18036

16522

15134

13861

12692

11621

10638

9735

21397

19606

17963

16455

15073

13804

12641

11573

10594

9696

8870

17890

16389

15011

13748

12589

11526

10551

9657

8836

8078

14951

13692

12538

11479

10508

9617

8800

8050

7353

12487

11432

10465

9578

8763

8017

7332

6685

10422

9538

8727

7984

7301

6676

6065

8692

7951

7271

6648

6076

5480

7241

6620

6051

5528

4909

6026

5505

5028

4316

5007

4571

3633

4153

2735

1377

Fuente: Elaboracin propia

41

22281

El valor de la opcin en la fase Pruebas es de 18, 68 millones, superior a lo valor

necesario para realizarla. En la fase Biotecnologa el valor de la opcin es 9.4 millones
mientras sera necesario cerca de 716 miles para llevarla a cabo. De esta misma forma,
son calculados todos los dems parmetros y el valor de la opcin en cada una de fases
del proyecto. Los resultados se presentan en la tabla 13. En el anexo estn, de forma
ms detallada, los clculos y los respectivos rboles binomiales de las otras fases.

Tabla 13 Parmetros utilizados en los arboles binomiales, por fase

Parmetros/Fases

Multiplicacin

Pruebas

Mejoramiento

Biotecnologa

267,86

143,49

229,24

716,05

Valor actual del activo

subyacente (en miles de reais)

24.265

17.761

10.604

9.046

Coeficiente de crecimiento U

1,09

1,133

1,22

1,17

Coeficiente de decrecimiento D

0,915

0,883

0,82

0,86

Probabilidad de ascenso P

0,510

0,485

0,476

0,481

Probabilidad de descenso (1-P)

0,489

0,515

0,524

0,519

Valor de la opcin (en miles de

reais)

22.280

18.687

12.709

9.480

Precio del ejercicio (en miles)

Tiempo (aos)

Fuente: Elaboracin propia

Finalmente, es posible hacer una comparacin respecto a la valoracin de este

proyecto considerando las teoras y mtodos utilizados. La tabla 14 presenta los
resultados obtenidos en cada uno de ellos. El valor 9.054.175,62 reais

se refiere al

valor de la opcin menos el valor del coste de realizacin de la fase Biotecnologia, R$

426 miles de reais (figura 3).
Tabla 14 Resultado final mtodos de valoracin
Valoracin del proyecto segn diferentes mtodos
VAN
Opciones Reales

1.919.444,17

9.054.175,62

Fuente: Elaboracin propia

Al comparar los resultados obtenidos con el mtodo de Opciones Reales y los

mtodos tradicionales fue posible comprobar que el valor estimado por el mtodo de
42

Opciones Reales fue cerca de cuatro veces superior al valor estimado por por medio del
VAN. Estos resultados son compatibles con otros encontrados en la literatura. Thomas
et. al (2008) comparando evaluaciones de proyectos de instituciones pblicas chilenas
utilizando los mismos mtodos llego a resultados semejantes: que el mtodo de las
Opciones Reales revelaba valores entre un 25 y un 500% superiores que los mismos
proyectos evaluados por el VAN, dependiendo del proyecto en estudio. Por ello, se pudo
concluir que el enfoque de Opciones Reales resulta una alternativa viable y til para las
instituciones pblicas.
La evaluacin de proyectos mediante la teora de Opciones Reales permite
incorporar numricamente el valor de la flexibilidad operativa y estratgica, mejorando
el proceso de toma de decisiones al complementar los mtodos tradicionales de
evaluacin socioeconmica existentes.
En nuestro caso, los resultados indicaron que la valoracin de proyectos por
medio de la metodologa de Opciones Reales suministra informacin relevante que
puede ayudar a un centro pblico de investigacin a decidir por la inversin en el
mejoramiento gentico de una variedad de trigo.

4. CONCLUSIONES

Los modelos de Opciones Reales estn basados en una slida teora financiera y,
a la vez, han sido bien recibidos por los profesionales y acadmicos como una eficiente
manera de considerar en la evaluacin de proyectos elementos tales como la flexibilidad
y la incertidumbre.
En este trabajo interesaba saber si la evaluacin de un proyecto de mejora
gentica de una variedad de trigo podra ser realizada con el uso de las Opciones Reales.
A pesar del grado de complejidad tcnica del anlisis del proyecto puede aumentar de
forma considerable, se puede considerar que sta puede ser una buena lnea de
investigacin para la evaluacin de impactos de organizaciones pblicas de
investigacin porque revela informacin ms precisa y detallada acerca de la evaluacin
de proyectos.
43

Los resultados indican qu proyectos de I+D pueden ser muy rentables, e

informaciones de esta naturaleza son particularmente tiles para organizaciones
pblicas de investigacin. Considerando que en la revisin bibliogrfica fueron
encontrados pocos trabajos utilizando modelos las Opciones Reales calculados a partir
de datos de beneficios sociales (con el Excedente Econmico), el trabajo quiso
contribuir al debate sobre cmo cuantificar los beneficios sociales generados por las
organizaciones pblicas.

De hecho, evaluar y demostrar los beneficios sociales

generados por estas organizaciones sigue siendo un reto.

Fue posible incorporar en el anlisis las probabilidades de xito y los costes de
cada una de fases del proyecto, as como fue incorporado en el anlisis el gasto temporal
en las respectivas fases. Otro aspecto importante se refiere a la incorporacin de los
escenarios en los clculos. En esto sentido, el uso de las simulaciones de Monte Carlo
fue fundamental para reducir la subjetividad de las estimaciones de beneficios
socioeconmicos. En definitiva, con el uso de la metodologa de Opciones Reales fue
posible comprobar que el proyecto de I+D de mejoramiento de variedades de trigo es
ms rentable desde un punto de vista social de lo que revela la evaluacin del mismo
considerando otros mtodos, como el VAN, por ejemplo.
El trabajo evalu un proyecto de mejora gentica de una variedad de trigo as
que los resultados encontrados son especficos para este contexto, o sea que una
limitacin de este trabajo de investigacin se refiere a la imposibilidad de generalizar
los resultados para cualquier proyecto de I+D. Sin embargo, el conjunto metodolgico
utilizado puede ser utilizado para evaluar proyectos de I+D de otras innovaciones
relacionadas al uso de biotecnologa.
Quizs una barrera para la utilizacin de las Opciones Reales sea la falta de un
modelo patrn. No hay uno mtodo estandarizado para aplicarse a toda y cualquier
anlisis de inversin. As, debido a que el proceso de tomada de decisin no es simple y,
muchas veces, envuelve miles o millones de dlares, la administracin deber prestar
atencin a esta nueva y poderosa herramienta, con el fin de encontrar la mejor solucin
de entre todas las posibles. Eso es importante porque, como un mtodo de evaluacin ex
ante, las Opciones Reales pueden proveer informaciones relevantes para la eleccin de
proyectos y, en eso caso, es fundamental que los proyectos sean evaluados con el uso de
un mismo procedimiento metodolgico.
44

Portal y como qued mencionado en Perlitz, Peske y Schrank (1999), existe, en

el contexto de la teora de las Opciones Reales, la necesidad de disponer de un proceso
de estandarizacin de los modelos ya existentes. En consecuencia,

debern ser

elaborados trabajos empricos adicionales para garantizar su aplicabilidad prctica.

Como futura extensin de este trabajo, se podra plantear el clculo de otras
posibilidades en el anlisis ex ante de proyectos de I+D, como por ejemplo, investigar
lo que pasara al proyecto frente a la reduccin o ampliacin de recursos o costes.

45

REFERENCIAS BIBLIOGRFICAS
Almeida, F.A., C.T. Wetzel e A.F. DAvila.(1998) Impacto das cultivares de soja da Embrapa e
Rentabilidade dos rendimentos em melhoramento. Braslia, Embrapa (Empresa
Brasileira de Pesquisa Agropecuria).
Alston, J.M., Norton, G.W., Pardey, P.G. (1998). Science under Scarcity: Principles and
Practice for Agricultural Research Evaluation and Priority Setting. Cornell
University Press, New York.
Alston, J., Kang, C., Marra, M., Pardey, P., Wyatt, J., (2000). Meta-analysis of rates of return to
agricultural R&D: Ex Pede Herculem. IFPRI Research Report 113, Jun,
Washington DC.
Amram, M., Kulatilaka, N. (2000): Opciones reales. Evaluacin de inversiones en un mundo
incierto. Gestin 2000. Harvard Business School Press.
Ardila, J. (1999) El excedente econmico y los beneficiarios del cambio tcnico: una
perspectiva para la evaluacin de proyectos. UNICAMP, DPCT, Campinas,
Brasil (Working Paper)
Avila, A. F.D., (2008) Avaliao dos Impactos Econmicos de tecnologias agropecurias. In:
Avila. A. F.D., Rodrigues, G. R., Vedovoto, G. L., Avaliao dos Impactos de
tecnologias geradas pela Embrapa.: Metodologia de referncia. Braslia, DF:
Embrapa. Informao Tecnolgica. p.19-42.
Avila, A.F.D., G. Sain y S. Salles-Filho. (2007).Evaluacin multidimensional de los impactos
de la investigacin agropecuaria: Una propuesta metodolgica. IICAFONTAGRO, San Jos, Costa Rica.
Black, F. Scholes, M. (1973); The pricing of options and corporate liabilities; Journal of
Political Economy, Volume 81(3), 637-54.
Copeland, T. E., Antikarov, V. (2001). Opes reais: um novo paradigma para reinventar a
avaliao de investimentos. Rio de Janeiro, Campus.
Correia Neto, J. F., Moura, H. J., Forte, S. H. C. A. (2002). Modelo prtico de previso de fluxo
de caixa operacional para empresas comerciais considerando os efeitos do risco,
atravs do mtodo de Monte Carlo. Read: Revista Eletrnica de Administrao.
PPGA/UFGRS, 27 ed, 3(8), 1-15
De Mori, C. (2009) Dinmica tecnolgica no setor de material gentico vegetal no Brasil:
evoluo e perfil das concesses de proteo de cultivares. (Working paper).
Dixit, A. K., Pindyck, R. S. (1995) The Options Approach to Capital Investment, Harvard
Business Review, 73(1), 105-15.
Evenson, R. E., 2003. Private and public research and extension. In: Gardner, B. L., Rausser,
G. C. (Eds.), Handbook of Agricultural Economics, Volume 1, Part 1. NorthHolland/Elsevier Science Publishers, New York.
Griliches, Z. (1958). Research costs and social returns: Hybrid corn and related innovations,
Journal of Political Economy , 66(5), 41931.
Huffman, W. E., Evenson, R. E., 1992. Contributions of public and private science and
technology to U.S. agricultural productivity. Am. J. Agric. Econ. 74, 751756.
46

Lindner, R.K. Jarrett, F.G. (1978). Supply shifts and the size of research benefits, American
Journal of Agricultural Economics 60(1), 4858.
Magalhes, M. C. , Vedovoto, G. L. , Irias, L. J. M. ,Vieira, R. C. M. T., Avila, A. F. D. (Orgs.)
(2006) Avaliao de impactos da pesquisa da Embrapa: uma amostra de 12
tecnologias.. Braslia - DF: Embrapa Informao Tecnolgica.
Marcel, A. E. (2003) El real valor de las opciones reales. Jornadas Anuales de SADAF.
Disponible
en:
http://www.administracion.econo.unlp.edu.ar/646/paginas_web/06_materiales/o
pc_reales.pdf
Mascareas, J. (2005).La valoracin de un proyecto de inversin biotecnolgico como una
opcin
real
compuesta.
Working
paper.
Disponible
en:
http://www.ucm.es/info/jmas/finemp/dt/0505.pdf
Mascareas, J. (2007). Opciones reales en la valoracin de proyectos de inversin. Working
paper. Disponible en: http://www.ucm.es/info/jmas/mon/14.pdf
Meirelles, J. L. F., Rebelatto, D. A. N. (2004) Obteno da volatilidade por meio da simulao
de Monte Carlo para a avaliao de Opes Reais. Anais do XXIV Encontro
Nac. de Eng. de Produo.
Merton, R. C.; (1973) Theory of rational option pricing; Bell Journal of Economics and
Management Science. 4: 141-83.
Monsanto,

(2010)
Portifolio
de
productos.
Disponible
http://www.monsanto.com.ar/biotecnologia/portfolio_productos.aspx

en

Morris, P. A., Teisberg, E. O., Kolbe, A. L. (1991) When Choosing R&D Projects, Go With
Long Shots, Research Technology Management, Jan./Feb: 35-40.
Mullen, J.D.,Cox, T.L. (1994). The returns from research in Australian broadacre agriculture,
Australian Journal of Agricultural Economics 39(2), 10528.
Muoz , J. P. (2002) Estudio de Modelos de Evaluacin de Proyectos de Inversin en TI .
Working
paper.
Disponible
en:
http://www.inf.udec.cl/~cjimenez/johanaperezDic2002.pdf
Mun, J. (2002): Real options analysis: Tools and Techniques for valuing strategic investments
and decisions. John Wiley and Sons. Inc. N.Y.
Mun, J. (2003): Real options analysis course: Business cases and software applications. John
Wiley and Sons. Inc. N.Y.
Norton, G.W. and Davis, J.S. (1981). Evaluating returns to agricultural research: A review,
American Journal of Agricultural Economics 63(4), 68599.
Pardo Sempere. L., Rodrguez Alcaide, j. J., Rodrguez Zapatero. M., (2004) Opciones Reales
en la valoracin de proyectos de inversin en acuicultura. Anales de Congreso.
XVIII
Reunin
Anual
de
ASEPELT.
Disponible
en:
http://www.asepelt.org/ficheros/File/Anales/2004%20%20Leon/comunicaciones/Pardo%20Rodr%EDguez%20y%20Rodr%EDguez.d
oc.
OCDE (2005) Oslo Manual: Guidelines for Collecting and Interpreting Innovation, 3rd
Edition. OECD, Paris.
47

Pardey, P., Alston, J.M., Chan-Kang, C., Magalhes, E.C. , Vosti, S.A. (2004) Assessing and
Attributing the Benefits from Varietal Improvement Research in Brazil
International Food Policy Research Institute. Washington 90p. (Research Report
136).
Perlitz, M., Peske, T., Schrank, R.(1999) Real Option Valuation: The New Frontier in R&D
Project Evaluation?, R&D Management, 29(3), 255-69.
Santos, E. M.; Pamplona, E. (2003) O. Qual o Valor de Um Projeto de Pesquisa? Uma
Comparao Entre os Mtodos de Opes Reais, rvore de Deciso e VPL
Tradicional na Determinao do Valor de um Projeto Real de Pesquisa e
Desenvolvimento (P&D), 3o Encontro Brasileiro de Finanas, FEA-USP, 21 e
22 de Jul.
Schimmelpfennig, D.E., Norton, G.W. (2003). What is the value of agricultural economics
research?, American Journal of Agricultural Economics 85(1), 8194.
Schimmelpfennig, D. E.; ODonnell, C.J.;. Norton, G.W. (2006) Efficiency effects of
agricultural economics research in the United States. Agricultural Economics 34
27380.
Schultz, T.W. (1953). The Economic Organization of Agriculture. McGraw-Hill, New York.
Smith, V.H. , Pardey, P.G. (1997). Sizing up social science research (Measuring the Benefits of
Social Science Research), American Journal of Agricultural Economics 79(5),
153033.
Spielman, D. J., Birner, R. (2008) How Innovative Is Your Agriculture? Using Innovation
Indicators and Benchmarks to Strengthen National Agricultural Innovation
Systems. Agriculture and Rural Development Discussion Paper 41.
Sobrinho, A. A., Marins, F. A. S., Batista Junior, E. D. (2005). Deciso de investimentos em
projetos de pesquisa e desenvolvimento usando a teoria das opes reais. XXV
Encontro Nac. de Eng. de Produo Porto Alegre, RS, Brasil, 29 oct a 01 de
Nov.
Souza, A. L. V., Barreto, S. p. (1999) Avaliao de ativos intangveis: Algumas tcnicas para
valorar tecnologia bol. Tc. Petrobras, Rio de Janeiro, 42 (1/4): 9-17.
Thomas, M. G., Vidal, R. A., Chacur, A. A. (2008) Evaluacin socioeconmica de proyectos
con el mtodo de Opciones Reales. Revista Ingeniera Industrial - Ao 7, 2, 4764.
Timmer, P. (1997). Valuing social science research and policy analysis (Measuring the Benefits
of Social Science Research), American Journal of Agricultural Economics 79(5),
154550.
Vicente, E. F. R., Pereira Junior, (2005). O Uso da Teoria de Opes Reais (TOR) na
Avaliao de Projetos: Um Estudo de Caso do Biodiesel no Brasil. IX Congresso
Internacional de Custos - Florianpolis, SC, Brasil - 28 a 30 de Nov.
Viladomiu, L., Rosell, J., (1998) Evaluando polticas, programas y actuaciones de desarrollo
rural, Economa Agraria, 182: 297-08.
Zackiewicz, M.(2003) Coordenao e organizao da inovao: perspectivas do estudo do
futuro e da avaliao em cincia e tecnologia. In: Parcerias Estratgicas nmero 17.
48

ANEXOS

Valor del proyecto en la Fase Pruebas

Tabla 15 Arbol Binomial - Valor del activo subyacente multiplicado por los coeficientes de crecimiento y decrecimiento - Fase Pruebas (valores en miles de reais)
17762

20124

22801

25834

29270

33163

37574

42571

48234

54649

61918

70153

79484

90056

102034

115606

130982

148403

168142

190506

215845

15677

17762

20124

22801

25834

29270

33163

37574

42571

48234

54649

61918

70153

79484

90056

102034

115606

130982

148403

168142

13836

15677

17762

20124

22801

25834

29270

33163

37574

42571

48234

54649

61918

70153

79484

90056

102034

115606

130982

12212

13836

15677

17762

20124

22801

25834

29270

33163

37574

42571

48234

54649

61918

70153

79484

90056

102034

10779

12212

13836

15677

17762

20124

22801

25834

29270

33163

37574

42571

48234

54649

61918

70153

79484

9513

10779

12212

13836

15677

17762

20124

22801

25834

29270

33163

37574

42571

48234

54649

61918

8396

9513

10779

12212

13836

15677

17762

20124

22801

25834

29270

33163

37574

42571

48234

7411

8396

9513

10779

12212

13836

15677

17762

20124

22801

25834

29270

33163

37574

6541

7411

8396

9513

10779

12212

13836

15677

17762

20124

22801

25834

29270

5773

6541

7411

8396

9513

10779

12212

13836

15677

17762

20124

22801

5095

5773

6541

7411

8396

9513

10779

12212

13836

15677

17762

4497

5095

5773

6541

7411

8396

9513

10779

12212

13836

3969

4497

5095

5773

6541

7411

8396

9513

10779

3503

3969

4497

5095

5773

6541

7411

8396

3092

3503

3969

4497

5095

5773

6541

2729

3092

3503

3969

4497

5095

2409

2729

3092

3503

3969

2126

2409

2729

3092

1424

2126

2409

1257

1876
1110

Fuente: Elaboracin propia

49

Tabla 16 rbol Binomial de la fase Pruebas calculado de forma recurrente Valor de la opcin obtenido por medio de la multiplicacin de la ltima columna por las
probabilidades de ascenso y descenso (valores en miles de reais)
215701 191125 169346 150048 132947 117793 104364

92465

81920

72576

64296

56959

50457

44696

39590

35066

31057

27504

24356

21567

167999 148854 131888 116855 103533

91728

81268

71998

63784

56505

50055

44339

39274

34786

30809

27285

24161

21394

18942

16769

130838 115925 102709

90998

80620

71424

63275

56054

49656

43985

38961

34508

30563

27066

23968

21223

18790

16634

14724

101891

90273

79978

70855

62771

55607

49260

43634

38650

34233

30318

26850

23776

21053

18639

16501

14606

12926

79341

70291

62271

55164

48867

43286

38341

33959

30076

26635

23586

20884

18490

16368

14488

12822

11346

61774

54724

48477

42941

38035

33688

29836

26422

23398

20717

18342

16237

14372

12719

11255

9957

48090

42598

37732

33419

29598

26211

23210

20551

18195

16107

14257

12617

11164

9876

8736

37430

33152

29361

26002

23025

20387

18049

15978

14142

12515

11074

9797

8665

7662

29126

25794

22840

20223

17904

15849

14028

12415

10985

9718

8595

7600

6718

22658

20061

17761

15722

13916

12315

10896

9639

8525

7538

6664

5888

17618

15596

13804

12216

10809

9562

8456

7477

6610

5841

5159

13693

12118

10721

9484

8388

7417

6556

5793

5117

4517

10635

9408

8320

7357

6503

5746

5075

4481

3953

8253

7297

6450

5699

5034

4444

3922

3456

6397

5653

4993

4408

3890

3430

3017

4952

4372

3858

3402

2998

2628

3826

3374

2973

2618

2279

2948

2596

2284

1960

2265

1991

1654

1733

1338

966

Fuente: Elaboracin Propia

50

18688

Fase Mejoramiento
Tabla 17 Arbol Binomial - Valor del activo subyacente multiplicado por los coeficientes de crecimiento y decrecimiento - Fase Mejoramiento (valores en miles de reais)
10604

12919

15739

19174

23360

28459

34671

42239

51459

62692

76377

93049

113360

138105

168251

204978

249722

304233

370643

451549

550115

8704

10604

12919

15739

19174

23360

28459

34671

42239

51459

62692

76377

93049

113360

138105

168251

204978

249722

304233

370643

7144

8704

10604

12919

15739

19174

23360

28459

34671

42239

51459

62692

76377

93049

113360

138105

168251

204978

249722

5864

7144

8704

10604

12919

15739

19174

23360

28459

34671

42239

51459

62692

76377

93049

113360

138105

168251

4814

5864

7144

8704

10604

12919

15739

19174

23360

28459

34671

42239

51459

62692

76377

93049

113360

3951

4814

5864

7144

8704

10604

12919

15739

19174

23360

28459

34671

42239

51459

62692

76377

3243

3951

4814

5864

7144

8704

10604

12919

15739

19174

23360

28459

34671

42239

51459

2662

3243

3951

4814

5864

7144

8704

10604

12919

15739

19174

23360

28459

34671

2185

2662

3243

3951

4814

5864

7144

8704

10604

12919

15739

19174

23360

1794

2185

2662

3243

3951

4814

5864

7144

8704

10604

12919

15739

1472

1794

2185

2662

3243

3951

4814

5864

7144

8704

10604

1208

1472

1794

2185

2662

3243

3951

4814

5864

7144

992

1208

1472

1794

2185

2662

3243

3951

4814

814

992

1208

1472

1794

2185

2662

3243

668

814

992

1208

1472

1794

2185

549

668

814

992

1208

1472

450

549

668

814

992

370

450

549

668

303

370

450

249

303
204

Fuente: Elaboracin Propia

51

Tabla 18 rbol Binomial de la fase Mejoramiento calculado de forma recurrente Valor de la opcin obtenido por medio de la multiplicacin de la ltima columna
por las probabilidades de ascenso y descenso (valores en miles de reais)

549886

455835

377863

313222

259633

215205

178373

147838

122523

101537

84138

69714

57756

47843

39624

32810

27162

22479

18597

15378

370413

307046

254512

210960

174854

144920

120105

99532

82476

68336

56614

46896

38839

32159

26622

22031

18226

15070

12455

10286

249493

206799

171404

142060

117734

97566

80846

66985

55494

45967

38069

31521

26093

21593

17862

14769

12205

10079

8317

168022

139257

115409

95639

79249

65661

54396

45057

37314

30896

25574

21163

17505

14473

11960

9876

8148

6716

113131

93750

77683

64362

53319

44164

36575

30282

25066

20741

17156

14184

11720

9677

7983

6579

5415

76148

63090

52264

43290

35849

29681

24568

20328

16813

13900

11484

9482

7821

6445

5304

4358

51230

42432

35139

29092

24079

19923

16478

13621

11253

9290

7663

6313

5195

4268

3499

34442

28514

23600

19526

16148

13348

11027

9103

7507

6185

5088

4179

3425

2800

23130

19137

15826

13081

10805

8919

7355

6058

4983

4092

3353

2741

2233

15509

12819

10588

8739

7205

5934

4881

4007

3283

2682

2184

1772

10375

8562

7059

5813

4780

3923

3213

2625

2137

1732

1397

6915

5694

4681

3842

3146

2569

2090

1694

1365

1092

4584

3761

3079

2514

2045

1656

1334

1066

845

3014

2459

2000

1619

1303

1041

824

644

1956

1582

1273

1016

803

626

480

1243

991

783

610

466

347

763

593

453

336

239

439

325

230

152

221

144

80

74

22

-25

Fuente: Elaboracin Propia

52

12710

Fase Biotecnologa
Tabla 19 Arbol Binomial - Valor del activo subyacente multiplicado por los coeficientes de crecimiento y decrecimiento - Fase Biotecnologa (valores en miles de reais)
9046

10542

12285

14316

16682

19440

22654

26399

30763

35849

41775

48681

56729

66107

77035

89771

104611

121905

142058

165542

192909

7763

9046

10542

12285

14316

16682

19440

22654

26399

30763

35849

41775

48681

56729

66107

77035

89771

104611

121905

142058

6662

7763

9046

10542

12285

14316

16682

19440

22654

26399

30763

35849

41775

48681

56729

66107

77035

89771

104611

5717

6662

7763

9046

10542

12285

14316

16682

19440

22654

26399

30763

35849

41775

48681

56729

66107

77035

4906

5717

6662

7763

9046

10542

12285

14316

16682

19440

22654

26399

30763

35849

41775

48681

56729

4210

4906

5717

6662

7763

9046

10542

12285

14316

16682

19440

22654

26399

30763

35849

41775

3613

4210

4906

5717

6662

7763

9046

10542

12285

14316

16682

19440

22654

26399

30763

3100

3613

4210

4906

5717

6662

7763

9046

10542

12285

14316

16682

19440

22654

2660

3100

3613

4210

4906

5717

6662

7763

9046

10542

12285

14316

16682

2283

2660

3100

3613

4210

4906

5717

6662

7763

9046

10542

12285

1959

2283

2660

3100

3613

4210

4906

5717

6662

7763

9046

1681

1959

2283

2660

3100

3613

4210

4906

5717

6662

1443

1681

1959

2283

2660

3100

3613

4210

4906

1238

1443

1681

1959

2283

2660

3100

3613

1062

1238

1443

1681

1959

2283

2660

912

1062

1238

1443

1681

1959

782

912

1062

1238

1443

671

782

912

1062

576

671

782

494

576
424

Fuente: Elaboracin Propia

53

Tabla 20 rbol Binomial de la fase Biotecnologa calculado de forma recurrente Valor de la opcin obtenido por medio de la multiplicacin de la ltima columna por las
probabilidades de ascenso y descenso (valores en miles de reais)
192193

165819

143051

123396

106428

91780

79135

68218

58794

50658

43634

37571

32336

27818

23917

20549

17642

15132

12965

11095

141342

121920

105154

90680

78185

67398

58086

50047

43107

37115

31943

27478

23624

20296

17423

14944

12803

10954

9359

7982

103895

89593

77247

66588

57386

49443

42586

36666

31555

27143

23334

20046

17208

14757

12642

10816

9239

7878

6703

76319

65787

56695

48846

42071

36221

31171

26812

23048

19799

16995

14573

12483

10678

9121

7776

6615

5613

56013

48257

41562

35782

30792

26484

22766

19555

16784

14391

12326

10543

9004

7675

6528

5537

4682

41059

35348

30417

26161

22486

19314

16576

14212

12171

10409

8888

7575

6442

5463

4618

3889

30047

25841

22210

19076

16370

14034

12018

10277

8774

7476

6356

5390

4555

3834

3212

21938

18841

16167

13859

11866

10146

8661

7379

6272

5317

4492

3780

3165

2635

15966

13685

11717

10017

8550

7283

6189

5245

4430

3727

3119

2595

2142

11569

9889

8439

7188

6107

5174

4369

3674

3074

2556

2108

1722

8330

7094

6026

5104

4309

3622

3029

2517

2075

1693

1364

5946

5035

4249

3570

2984

2478

2041

1664

1339

1058

4190

3519

2940

2440

2009

1636

1315

1037

797

2897

2403

1976

1608

1290

1016

779

575

1944

1581

1267

996

762

560

385

1243

975

744

544

372

223

727

529

359

212

85

346

201

76

-33

66

-41

-133

-140

-219

-292

Fuente: Elaboracin Propia

54

9480