Las aplicaciones de herramientas estocásticas en el sector forestal tienen un mayor desarrollo dentro de la rotación económica y valoración forestal. Esto se debe a la búsqueda de alternativas a los clásicos instrumentos, como ser la TIR (tasa interna de retorno), el VAN o alguna de sus adaptaciones en la evaluación de activos forestales. El problema de los métodos clásicos de descuento es que utilizan una tasa de descuento con un fuerte carácter de subjetividad, lo cual lo hace poco realista. El problema radica en que las técnicas clásicas implican actualizar el valor futuro a una tasa de riesgo desestimando la evolución histórica de los precios forestales y el comportamiento de variables macroeconómicas, como, por ejemplo, la inflación. En este sentido, la tasa de descuento empleada y los flujos de efectivos pueden ser afectados por las cuestiones macroeconómicas de una región. Además, el resultado obtenido, mediante la fórmula clásica del VAN, es muy sensible a los valores de la tasa de descuento empleada, especialmente cuando los flujos de cajas se dan en largos horizontes de planificación CLUTTER (1992).
Desde una perspectiva determinística, DÍAZ-BALTEIRO et al. (2014b) plantean dos enfoques para la integración de la inflación en un análisis de la rentabilidad de un bosque con destino industrial. El primero de ellos consiste en utilizar los flujos de caja medidos a precios corrientes, es decir, precios que incorporan la inflación y una tasa de descuento nominal. El segundo plantea trabajar con los flujos de caja en la que el efecto de la inflación ha sido descontado, es decir, emplear los precios constantes. En este caso la tasa de descuento a utilizar será exenta de la inflación, denominada tasa de descuento real.
Si bien las técnicas determinísticas pueden presentar una solución al problema, las metodologías estocásticas reflejan mejor la realidad y, en consecuencia, los resultados posibles. Los pioneros en la aplicación de componentes estocásticos en cosecha fueron MALLIARIS y BROCK (1982), MILLER y VOLTAIRE (1983), entre otros. THOMSON (1992) y YIN y NEWMAN (1997) estudian el turno óptimo de cosecha asumiendo que los precios siguen un Movimiento Geométrico Browniano. Este último autor menciona que los enfoques tradicionales, como el Método de Faustmann, se limitan a un mundo determinista. Para SANT´ANNA y NOGUEIRA (2010), la teoría de opciones o Valoración por Opciones Reales (VOR) es una herramienta más realista que el VAN ya que la tasa de descuento de este último permanece inalterable en la vida del proyecto.
MILANESI et al. (2012), MILANESI et al. (2013) y BROZ et al. (2014a) sugieren el uso de VOR. Para ello, realizan proyecciones de precios de productos forestales de forma
51 análoga al proceso estocástico del tipo Geométrico Browniano. De esta manera, se evita el uso de una tasa fija y constante en el horizonte de planificación y se incorpora flexibilidad estratégica en el ejercicio de la cosecha (ejercer la opción o diferir). La aplicación se realiza mediante el uso de una rejilla binomial de períodos discretos.
LIMAEI (2011) propone el uso de técnicas estocásticas para la determinación de la cosecha forestal teniendo en cuenta el riesgo en la fluctuación de precios y de los costos. Este autor afirma que las decisiones de manejo nunca se deben realizar bajo condiciones de certeza. Además, asegura que la dificultad de las técnicas clásicas es que carecen de efectividad debido a la longitud del horizonte en un escenario forestal.
Las aplicaciones mencionadas no forman parte de un modelo integral que toma en cuenta los beneficios económicos, las cuestiones ambientales, la logística forestal, el balance de producción, los destinos, ni otras importantes cuestiones vinculadas al manejo forestal. En este punto, la literatura, hasta donde sabemos, es más escasa aún. Dentro de los trabajos desarrollados podemos mencionar a QUINTEROS et al. (2006), quienes plantean un modelo estocástico de planificación táctica con un horizonte de 4 años. El objetivo del trabajo es decidir, para cada período, qué rodales se cosecharán y qué caminos se construirán de forma tal que se maximice la utilidad neta esperada. En este trabajo se incorpora la incertidumbre a través de un abanico de precios de la madera en el tiempo. Para ello se trabaja con una serie de escenarios con probabilidades y se busca una solución que maximice el valor esperado y que sea factible en todos los escenarios. Estos últimos autores mencionan que el enfoque estocástico entrega soluciones siempre factibles y hasta un 24 % superior que el modelo determinista.
Por su parte, NGUYEN (2012) plantea un modelo de gestión forestal estocástico que incorpora el riesgo de incendio. Luego de la formulación del problema determinista, el autor realiza la extensión estocástica mediante el método denominado Sample Average Approximation (SAA)11 incorporando muestras aleatorias de incendio. En los trabajos de FERREIRA et al. (2011a) y FERREIRA et al. (2011b) se expone un modelo de gestión basado en programación estocástica dinámica planteando como riesgo la ocurrencia de incendios para plantaciones coetáneas de Pinus pinaster Ait y Eucalyptus globulus Labill para Portugal. Otros autores que aplican técnicas de optimización estocásticas considerando el riesgo de alguna perturbación son GONZÁLEZ et al. (2005), BOYCHUK
11
BEVERS, M. (2007): A chance constraint estimation approach to optimizing resource management under uncertainty. Canadian Journal of Forest Research. 37(11): 2270-2280.
52 y MARTELL (1996) y GASSMANN (1989). Todos estos tienen generalmente un solo objetivos: la maximización del valor económico del bosque.
Un desarrollo más integral podemos encontrar en BROZ et al. (2014c), los cuales plantean la extensión estocástica del MPF basado en PPME determinista (PPME-D) presentado por DURAND et al. (2014) definiendo, de esta manera, un modelo de PPME estocástica (PPME-E). En este trabajo se relaja el supuesto de una tasa de descuento del VA fija y constante en el horizonte de planificación. Para ello incorporan aleatoriedad en función al Índice de Precios al Consumidor (IPC) histórico para Argentina a base de la relación establecida por MILANESI et al. (2012), MILANESI et al. (2013) y BROZ et al. (2014a). Los autores concluyeron que, generalmente, los logros en PPME-D son mayores a PPME-E, sin embargo, este último enfoque otorga decisiones más robustas ya que permite afrontar escenarios adversos con la mejor estrategia posible.