=
J
j
q Q . Por ende p(Q)
17
representa el precio de mercado.
Adicionalmente el beneficio de cada jugador puede ser escrito como:
) ( ) ( ) (
J J J J
q c q Q p q =
(2)
13
or e[emplo: A Came-1heoreLlc Model for CeneraLlon Lxpanslon lannlng: roblem lormulaLlon and
numerlcal Comparlsons". Angela S. Chuang, lellx Wu, ravln varalya.
16
Ln nuesLro caso la canLldad produclda se reflere a la canLldad de energla y poLencla enLregada.
17
(q) represenLa la funcln lnversa de demanda por elecLrlcldad.
40
Donde q
dx
x dU
i
.
70
La utilidad marginal (
2
2
) (
dx
x U d
i
) puede asumir distintos valores y de acuerdo a ellos
se determina el nivel de aversin al riesgo de cada agente.
A continuacin se estudian los distintos grados de aversin al riesgo de los agentes,
mediante las dos caractersticas de la funcin de utilidad recin presentadas.
a) Tendencia hacia el riesgo.
En esta situacin el agente es ms propenso a asumir grandes riesgos debido a que su
utilidad es ms sensible a aumentos de riqueza que a disminuciones de ella. Por lo tanto se
cumple que
0
) (
2
2
>
dx
x U d
i
, lo cual nos dice que para un cierto nivel de riqueza x, la utilidad
sufre una disminucin menor al disminuir el nivel de riqueza en d, comparada con el
aumento de utilidad si se aumenta el nivel de riqueza en la misma cantidad.
Matemticamente:
) ( ) ( ) ( ) ( x U d x U d x U x U + <
(10)
b) Neutralidad al riesgo.
En este caso
0
) (
2
2
=
dx
x U d
i
. Esto quiere decir que la funcin de utilidad es una lnea recta
con pendiente positiva por lo cual el agente se ve afectado de la misma forma al aumentar o
disminuir sus niveles de riqueza con respecto a cierto nivel. Matemticamente:
) ( ) ( ) ( ) ( x U d x U d x U x U + =
(11)
c) Aversin al riesgo.
Analicemos el caso en que
0
) (
2
2
<
dx
x U d
i
, o sea la utilidad marginal decrece a medida que
aumenta el nivel de riqueza. En este caso la funcin de utilidad es convexa debido a que es
creciente con segunda derivada negativa. Debido a esto, si tenemos un nivel de riqueza
71
dado, el agente ser ms sensible a disminuciones que a aumentos de riqueza con respecto a
ese nivel, matemticamente se tiene:
) ( ) ( ) ( ) ( x U d x U d x U x U + >
(12)
Por ende si tenemos un nivel de riqueza x, la utilidad sufre una disminucin mayor al
disminuir el nivel de riqueza en d, comparada con el aumento de utilidad si aumentamos el
nivel de riqueza en la misma cantidad d. En otras palabras una baja en la riqueza afecta ms
al agente, en trminos de la utilidad, que un aumento en la misma cantidad, o sea el agente
tiene una aversin hacia el riesgo.
Para llegar a las conclusiones anteriores, se han investigado distintas descripciones de la
aversin al riesgo de los individuos. Entre ellas en Singer 2006, se encontr que las
representaciones ms comunes son las siguientes
27
.
Figura N10: Distintas descripciones de la aversin al riesgo de los individuos.
27
luenLe, 1esls de MaglsLer:"SubasLas de energla elecLrlca en Chlle", Lduardo 8oublk, ano 2008.
72
Se pueden observar en cada uno de los cuatro grficos anteriores las distintas caractersticas
de aversin al riesgo de los individuos. En el primero se representa una funcin de utilidad
lineal (neutralidad hacia el riesgo) y en el segundo una convexa (aversin al riesgo). Los
dos ltimos grficos nos dicen que puede haber distintos grados de aversin al riesgo
dependiendo del nivel de riqueza:
En una utilidad del tipo Friedman- Savage, en un principio el individuo posee
aversin al riesgo. Pero al ir aumentando el nivel de riqueza se llega a un punto de
neutralidad hacia el riesgo y al ir aumentando el nivel de riqueza se vuelve a
observar la condicin inicial.
En una utilidad del tipo Markowitz se ilustra que pueden haber tramos de ganancia
en los cuales los seres humanos pueden presentar propensin, neutralidad o aversin
al riesgo. Segn Singer este tipo de utilidad es la que representa mayor correlacin
con el comportamiento Humano, lo cual en cierta medida es lgico debido a que
cuando la cantidad arriesgada es pequea la personas estn dispuestas a asumir un
nivel alto de riesgo porque no hay mucho que perder. En un nivel intermedio de
ganancias las personas se muestran neutrales al riesgo, pero cuando se poseen
grandes niveles de ganancias se suele tener una aversin al riesgo debido a que una
disminucin en la ganancia afecta mucho ms al individuo (en trminos de utilidad),
que un aumento de ella.
Ya explicados los conceptos de riesgo, y sus distintos grados de aversin, se explicar la
manera en que los agentes manejan el riesgo para la toma de decisiones de inversin en
ambientes de incertidumbre.
73
4.3.2 El riesgo y la decisin de inversin.
Por miles de aos las personas han realizado decisiones de inversin. Estas decisiones
involucraban riesgo por lo tanto algunas fueron exitosas y otras no lo fueron. No obstante
slo recientemente las personas han comenzado a manejar eficazmente su exposicin al
riesgo. A mediados del siglo diecisiete comenzaron a crecer las actividades de intercambio
y comercio por lo tanto diversos investigadores se interesaron en la gestin ptima del
riesgo. Edward Loyd facilit el crecimiento de la industria de los seguros lo que conllevo
a la propagacin del riesgo como una herramienta para la toma de decisiones bajo
incertidumbre.
Daniel Kahneman y Amos Tversky han tenido un una influencia significativa en la
comprensin de la toma de decisiones bajo condiciones de incertidumbre. Ellos
desarrollaron la teora de las perspectivas (Tversky & Kahneman, 1992) en la cual se
establece que la gente no toma decisiones en una forma totalmente racional como lo
propone la teora econmica clsica. Su trabajo ha contribuido a fomentar una generacin
de investigadores que estn centrndose en cmo afecta la consideracin del riesgo en la
toma de decisiones. Se ha llegado a la conclusin que la limitada capacidad cognitiva, las
caractersticas de la personalidad y las emociones de las personas influyen de forma
determinante en la forma en que se toman las decisiones en ambientes de incertidumbre.
Una de tales emociones, que ha sido ampliamente considerada, es el arrepentimiento. Esta
emocin surge a causa de la toma de una decisin, la cual una vez visto sus consecuencias,
resulta ser una decisin inapropiada
28
. Las personas usualmente hacen juicios de valor
acerca de sus decisiones tomadas en el pasado y las consecuencias asociadas a ellas. En
estos momentos de reflexin se puede estar feliz o arrepentido con los resultados obtenidos.
En caso de arrepentimiento se piensa como las cosas hubiesen resultado distintas si se
hubiese tomado un curso de accin distinto. La base de la gestin del riesgo se basa en lo
recin dicho, tal y como se ver ms adelante.
28
8ell,1982.
74
4.3.3 Gestin del riesgo.
En general el problema de la planificacin de la expansin en sistemas elctricos de
potencia, ha sido abarcado desde dos puntos de vista. El primero de ellos es la opcin
probabilstica (PC, por sus inciales en ingles) el cual tradicionalmente ha sido el ms
usado, pero actualmente hay muchos autores que proponen un segundo enfoque llamado el
anlisis del riesgo (RA, por sus inciales en ingles).
La Opcin probabilstica (PC) puede ser descrita de la siguiente manera: Supongamos
que se tiene un problema de planificacin de inversiones y una funcin de costo para medir
la bondad de cada solucin
29
; Dado un set de posibles escenarios, cada uno con cierta
probabilidad asignada de ocurrir, la solucin ptima debe ser elegida entre todas la que
minimizan el costo esperado sobre el set de todos los escenarios posibles.
En algunos casos no puede ser asignada una probabilidad para cada escenario posible, aun
as los planificadores definen ponderadores en relacin a cada uno de ellos, como una
forma de expresar su frecuencia relativa.
De este modo, si el costo incurrido en el escenario k, dado que se eligi la alternativa i, es
ik
f y su probabilidad de ocurrencia es
K
w , entonces el enfoque PC puede ser caracterizado
por:
k
ik k
i
f w PC min
(13)
El mtodo de la opcin probabilstica es una evaluacin hecha a priori. O sea no depende
del reconocimiento de las decisiones tomadas, en comparacin con lo que se podra haber
decidido si se hubiese sabido el futuro de antemano. Es por esta razn que se dice que el
enfoque PC trata con soluciones y no con decisiones. Sin embargo, bajo algunas
suposiciones, se podra saber cmo este proceso est relacionado con las decisiones.
29
Ll concepLo de cosLo se reflere a cualquler crlLerlo que puede conslderarse de manera adecuada y
Lransformado con el ob[eLlvo de reduclrlo al mlnlmo.
73
Un escenario en donde el modelo de la opcin probabilstica es aplicable, consiste en la
planificacin de la operacin a mediano plazo de sistemas hidroelctricos. Esto se debe a
que es razonable asumir que los flujos de agua pueden ser adecuadamente modelados con
un modelo estocstico, siempre y cuando el periodo considerado sea lo suficientemente
largo para que se produzcan un gran nmero de situaciones y de decisiones tomadas, por lo
cual las desviaciones entre los flujos promedios a futuro y los flujos actuales podrn ser
compensadas en el largo plazo. Sin embargo, la planificacin de la operacin de un sistema
hidroelctrico realizada de esta forma, tiene la desventaja de que no se le da la debida
atencin a las variaciones en torno al promedio, por lo cual en el anlisis se podran estar
dejando de lado a eventos sumamente catastrficos (por ejemplo una sequia extrema) que
podran afectar notablemente la decisin de planificacin de la operacin, pero que son
dejados de lado ya que poseen una baja probabilidad de ocurrencia.
En el ltimo tiempo la opcin probabilstica ha sido fuertemente desafiada y ha surgido
como una atractiva alternativa el enfoque del Anlisis de Riesgo (RA). El RA indica que la
solucin elegida es la que minimiza el arrepentimiento
30
del tomador de decisiones,
despus de verificar que las decisiones realizadas no fueron ptimas, dado el futuro que de
hecho ocurri.
Este enfoque se acerca mucho ms a como las personas realmente piensan. De hecho, los
enfoques tradicionales (como por ejemplo la PC) concentran su anlisis en las soluciones
del problema, mientras que el RA es mucho ms acerca de las decisiones. Los factores
como aversin o la atraccin al riesgo, cobertura
31
y el arrepentimiento, estn todos
considerados en la forma en que el RA trata el problema de la toma de decisiones, y por
ende este enfoque es mucho mejor entendido y aceptado por los planificadores que a diario
se deben enfrentar con problemas prcticos. A continuacin se estudia el enfoque de
anlisis de riesgo de una forma ms detallada.
30
Ln lngles se le llama regreL felL y es un Lermlno ampllamenLe usado en el anllsls de rlesgo.
31
agos exLra reallzados por el Lomador de declslones para evlLar fuLuros adversos.
76
4.3.4 Anlisis de Riesgo.
Desde este punto de vista, la solucin preferida es aquella que minimiza el arrepentimiento
que siente el tomador de decisiones, despus de verificar que las decisiones tomadas con
anterioridad no son las ptimas dado el escenario o futuro que realmente aconteci.
Si el escenario futuro fuese conocido de antemano sin ninguna incertidumbre, se podra
estar, en teora, en condiciones para calcular la solucin ptima para el problema de la
decisin de inversin en sistemas elctricos de potencia, la cual tendra un costo
asociado
opt
K
f ,
al cual se le llamar optimo condicional. El arrepentimiento del tomador de
decisiones por haber tomado la decisin de tipo i y haber observado que el futuro k sucedi,
puede ser definido con la funcin de arrepentimiento:
) (
opt
k ik ik
f f R RF =
32
. (14)
Con frecuencia se puede asumir que la funcin R es lineal por lo tanto la funcin de
arrepentimiento puede escribirse como:
opt
k ik ik
f f RF =
(15)
Recordando que el problema del tomador de decisiones es minimizar su RF, se debe
resolver el siguiente problema de optimizacin estocstica:
) ( min
opt
k
k
ik k
i
f f w
(16)
O sea se est minimizando la sumatoria de todas las RF para cada tipo de escenario o futuro
posible, lo cual nos asegura que mediante esta optimizacin sin importar el escenario que
ocurra se podr minimizar el arrepentimiento. Ahora si se sigue desarrollando la expresin
anterior se tiene:
) ( min
opt
k k
k
ik k
i
f w f w
(17)
) ( min
opt
k k
k
ik k
i
f w f w
(18)
32
Ls llamada asl por su lnlclales en lngles: 8egreL funcLlon" (8l).
77
k
ik k
i
f w min
(19)
De este modo la optimizacin estocstica utilizada en la minimizacin de costos, del
enfoque de las opciones probabilsticas, es equivalente a la minimizacin de las funciones
de arrepentimiento del enfoque de anlisis de riesgo.
El resultado anterior no es del todo cierto ya que en el caso general la funcin R (ver
relacin 14) no es lineal. Esta no linealidad resulta conveniente que no sea tomada en
cuenta si todos los costos reales estn relativamente cerca al ptimo condicional. Pero
puede haber ciertas situaciones de escenarios catastrficos, que de seguro le dan a la
funcin R grandes caractersticas no lineales, lo cual significa que escenarios con una muy
baja probabilidad de ocurrencia poseen una decisiva influencia en la toma de decisiones, ya
que se tratara de esquivarlos a travs de asumir costos ms elevados (cobertura).
El concepto de eventos catastrficos es muy importante, ya que contradice el supuesto
bsico del enfoque de la opcin probabilstica: las situaciones poco favorables sern
compensadas con las situaciones favorables a lo largo del tiempo, por lo cual se puede
evaluar una solucin a travs de su valor promedio. Sin embargo, si un evento catastrfico
acontece ninguna recuperacin razonable podr ocurrir, y por ende la hiptesis del enfoque
PC no puede ser verificada. Por lo tanto en esta situacin abordar el problema de toma de
decisiones bajo el enfoque de la opcin probabilstica no es lo correcto.
Si se asume que la RF (funcin de arrepentimiento o regret function) no tiene una forma
lineal, la formulacin general del problema de la toma de decisiones desde el punto de vista
del anlisis del riesgo puede ser escrito como:
{ } { } ) ( max
min
opt
k iK k
k
i
f RF w
(20)
Por lo tanto, al trabajar desde el punto de vista del anlisis del riesgo se trabaja en cinco
etapas para tomar la decisin:
78
Al enfrentarse al problema de la toma de decisiones, lo primero que se hace es tratar
de identificar todos los escenarios posibles que pudiesen acontecer y se le asigna a
cada uno de ellos una cierta probabilidad de ocurrencia. Si esto ltimo no se puede
realizar, aun as se le asigna a cada escenario algn ponderador que indique su
frecuencia relativa.
Una vez identificados los escenarios, se debe identificar en cada uno de ellos la
decisin ptima que hubiese sido tomada, si se supone que en el presente se sabe
que el escenario considerado va a acontecer en el futuro. Esta ltima idea se refleja
en la relacin 20 con el termino
opt
k
f
, el cual es llamado optimo condicional.
Una vez determinados los ptimos condicionales, se calcula el valor de la funcin
de arrepentimiento para cada cada tipo de decisin tomada y para cada tipo de
escenario. Esto se refleja en la relacin 20 en que la RF tiene ndices i y k, los
cuales representan que la funcin de arrepentimiento es distinta para cada tipo de
decisin i y para cada tipo de escenario k. En trminos simples se calcula la RF
suponiendo que se tomo cierta decisin y que va a suceder cierto escenario.
Luego para una decisin tomada de tipo i se maximiza la RF recorriendo todos los
tipos de escenarios futuros que pudiesen ocurrir. Por lo tanto se obtiene para cada
tipo de decisin el mximo de la funcin RF.
Finalmente se minimizan todos los mximos de la funcin RF , en torno a todos los
tipos de decisiones que se pudiesen tomar. El resultado de esta minimizacin,
asegura que la decisin resultante va a minimizar la funcin de arrepentimiento del
tomador de decisiones ya que se minimizaron todos los mximos de la funcin de
arrepentimiento.
Como comentario se puede decir que este enfoque presenta una dificultad, debido a que por
lo general la funcin de arrepentimiento (RF), es distinta para cada tomador de decisiones y
es difcil de medir. Por lo tanto frecuentemente se suelen considerar los costos asociados a
cada tipo de decisin como una medida de la RF.
79
A continuacin se presenta un ejemplo simple que ayuda a entender de mejor manera la
metodologa y las diferencias entre el enfoque de la opcin probabilstica y el anlisis del
riesgo.
Ejemplo N 8
Se tiene un problema de planificacin donde hay dos escenarios probables 1 y 2, y slo se
tienen 4 posibles opciones de decisin. Para cada una de ellas se han evaluado los costos
asociados, lo cual permite calcular los arrepentimientos de cada tipo de decisin en cada
uno de los dos escenarios posibles.
Figura 11: Arrepentimientos de las decisiones disponibles en cada uno de los escenarios.
Una descripcin ms detallada de la figura 11 es mostrada en la tabla N 15:
tabla N 15
La resolucin de este problema bajo los enfoque de PC y RA es fcilmente realizable
mediante las ecuaciones x1 y x2, siempre y cuando se conozcan las probabilidades de
ocurrencia de los dos escenarios.
Por supuesto la decisin del problema depender de la probabilidad de ocurrencia de cada
uno de los escenarios y del enfoque que se est considerando (PC o RA). Lo anterior se
80
puede visualizar en la siguiente figura, en la cual se muestran las decisiones elegidas en
torno a todos los rangos posibles de probabilidad de ocurrencia de cada escenario:
Figura 12
Se observa que el enfoque de la opcin probabilstica tiende a favorecer decisiones ms
extremas, mientras tanto el anlisis del riesgo tiende a tener una mayor cautela en cuanto a
las decisiones elegidas. De la figura 12 se observa que el PC tiende a elegir en rangos ms
amplios las soluciones A y D que el RA, pero son justamente estas dos decisiones las ms
riesgosas (poseen un mayor valor de arrepentimiento).
4.3.5 Principales investigaciones realizadas para la aversin al riesgo.
A continuacin se indican algunos trabajos relacionados con el anlisis del riesgo aplicado
al problema de la expansin de sistemas elctricos de potencia.
En el paper Modeling a Decision Maker, Vladimiro Miranda, Claudio Montero. Se
expone, que en la resolucin de problemas de decisin no se pueden dejar de lado las
motivaciones y la conducta del tomador de decisiones. En este artculo se describe una
tcnica para construir un modelo que representa la interaccin entre las distintas
preferencias del tomador de decisiones.
En el trabajo Why risk analysis outperforms probabilistic choice as the effective
decision support paradigm for power system planning, Vladimiro Miranda ,L.M
Proenca, 1998. Se presentan las principales diferencias entre los enfoques de la opcin
probabilstica y el anlisis de riesgo, para lo cual se exponen las principales caractersticas
81
de los dos tipos de enfoque. Al final de este trabajo se muestra un ejemplo de la expansin
elctrica en el rea de la distribucin, aplicando los dos enfoques antes mencionados y
resaltando porque el anlisis de riesgo es ms apropiado que la opcin probabilstica.
La discusin de la evaluacin de estrategias para la gestin del riesgo, es tratada en el
articulo Evaluating Risk Management Strategies in Resource Planning, C. J.
Andrews , IEEE Transactions on Power Systems, Feb. 1995. En este trabajo se muestra
que las tcnicas tradicionales para resolver el problema de la expansin en sistemas
elctricos de potencia, estn pobremente equipadas para poder lograr un manejo adecuado
del riesgo inherente al resultado de toda toma de decisiones. Y se llega a la conclusin de
que los modelos que incluyen la incertidumbre, permiten llegar a soluciones ms robustas
y flexibles.
82
5. Conclusiones.
Con el advenimiento de las reformas liberalizadoras de los mercados elctricos, (Chile
1982 e Inglaterra en 1990, se genera un nuevo modelo institucional y regulatorio cuya
aplicacin (en lneas generales) conllevo a que la forma en que los inversionistas toman sus
decisiones de inversin cambiara profundamente. Estas decisiones actualmente se basan en
la rentabilidad, por lo cual los productores de electricidad deben tener en cuenta diversos
factores como ingresos, costos y riesgos que puedan influir en los beneficios al hacer una
decisin de inversin.
En la primera parte de este trabajo se presentaron las principales caractersticas de los
mercados elctricos centralizados y competitivos, comprendiendo la tendencia a la
integracin vertical y a la consolidacin horizontal que tuvo lugar incluso en pases en los
que la propiedad del sector continu siendo privada, la cual puede interpretarse como una
forma, eficiente en su momento, de responder a algunas peculiaridades del sector elctrico,
debido a:
Importancia de los costos de transaccin en presencia de cuantiosos activos especficos
en generacin, trasmisin y distribucin, y originados, en menor medida en los problemas
de coordinacin entre los distintos sectores de la industria.
Existencia de economas de escala en la generacin (en especial hidroelctrica) y en la
trasmisin de energa elctrica.
Existencia de fenmenos de externalidades y de bienes pblicos
33
en el suministro de
seguridad tcnica al sistema.
33
Los blenes publlcos son de acceso unlversal, propledad que puede Lomar dos formas. rlmero, no susclLan
rlvalldades, es declr, el hecho de que una persona o empresa uLlllce un blen publlco no lmplde su uso, en
parLe o LoLal, al mlsmo Llempo por oLros. Segundo, son de uso no compeLlLlvo, es declr, es lmposlble, sln
lmpuLar cosLos prohlblLlvos, lmpedlr su uso por parLe de los lndlvlduos. L[emplos claros de blenes publlcos
serlan: las calles y la defensa naclonal.
83
Sin embargo, la integracin vertical condujo a que de hecho, se regulase a las empresas
integradas de generacin, transmisin y distribucin, o al menos de generacin y
transmisin, como monopolios legales y esta regulacin desalent o impidi la entrada de
generadores independientes , lo que condujo que a partir de las reformas en el sector
elctrico se genera un nuevo modelo institucional y regulatorio cuya aplicacin se
extendiera rpidamente respondiendo en parte a modificaciones en la tecnologa del sector,
pero sobre todo a modificaciones en la visin general acerca del papel relativo de la
competencia y la regulacin.
Con posterioridad se abordan todos los factores que influyen en las decisiones de inversin
y que debiesen ser considerados para tomar una buena decisin. Adems se explican los
principales riesgos que involucran el negocio de la generacin elctrica, y que pueden
resultar en serios inconvenientes si no son manejados de una forma adecuada.
Adicionalmente, en esta parte del trabajo se muestra lo complejo que puede resultar una
decisin de inversin, ya que involucra una serie de factores los cuales en su mayora no
dependen del inversionista.
Finalmente, en la ltima parte de este trabajo se presentan tres maneras para modelar el
comportamiento de los inversionistas en generacin elctrica:
Teora de Juegos: Herramienta vlida en ambientes de oligopolios, o sea con un
nmero reducido de competidores. En este enfoque lo que se modela es el
comportamiento del inversionista que toma en cuenta las acciones de sus
competidores.
Opciones Reales: mtodo de anlisis estrechamente ligada con los avances en los
modelos y tcnicas de valorizacin de activos derivados financieros , muy til para
la evaluacin de proyectos que involucran algn grado de flexibilidad futura como
por ejemplo , la opcin de retrasar la inversin, aumentar o disminuir la produccin
o abandonar un proyecto (opciones reales), las cuales no puede llevarse a cabo con
84
las tcnicas tradicionales del valor presente neto o tasa interna de retorno porque,
tales mtodos pueden llevarnos a tomar decisiones incorrectas toda vez que no
consideremos la toma de decisiones intermedias durante la realizacin de los
proyectos.
Aversin al riesgo: Aqu se acenta el hecho de que el riesgo es inherente, en
general, a todo tipo de toma de decisiones y que el inversionista no es indiferente a
l, por lo tanto debe ser considerado en las decisiones de inversin.
En el presente trabajo se explic, en forma general, como se realiza la modelacin en cada
uno de los tres enfoques anteriores. Adems se muestran los aspectos relevantes y las
principales lneas de investigacin de cada uno de ellos. Por lo tanto se cumpli con el
objetivo de presentar las herramientas en la que se puede apoyar un inversionista en su
toma de decisiones, y que ayudan a comprender y modelar su comportamiento. Cabe
destacar el hecho de que ninguno de los tres enfoques es mejor o predomina sobre el otro,
ya que cada uno tiene sus ventajas y sus rangos de funcionalidad, lo que quiere decir que la
aplicabilidad de cada uno de ellos va a estar dado por las caractersticas del mercado en el
que se presente invertir y de los intereses o motivaciones especificas de cada inversionista.
En resumen se puede decir que este trabajo logra su objetivo en el sentido en que se
muestra como los inversionistas planifican sus inversiones en generacin en mercados
elctricos competitivos, ya que se ilustran todos los factores relevantes a considerar y las
herramientas mediante las cuales el inversionista se puede apoyar para lograr la mxima
rentabilidad en sus inversiones.
83
6. Referencias.
-J.C.Fernndez.Anlisis y evaluacin de mercados elctricos liberalizados a escala
internacional.Tesis de Master.Master en Gestin Tcnica y Econmica en el Sector
Elctrico.Madrid,2002.
-N.I. Voropai , E.Yu. Ivanova . A Game Model for Electric Power System Expansion
Planning in the Liberalized Environment.
-IEEE TRANSACTIONS ON POWER SYSTEMS, VOL. 20, NO. 1, FEBRUARY 2005
Audun Botterud, Member, IEEE, Marija D. Ilic, Fellow, IEEE, and Ivar Wangensteen.
Optimal Investments in Power Generation Under Centralized and Decentralized Decision
Making
-Angela S. Chuang, IEEE Member Felix Wu, IEEE Fellow Pravin Varaiya, IEEE Fellow
A Game-Theoretic Model for Generation Expansion Planning: Problem Formulation and
Numerical Comparisons
-Tesis de Magister publicadas en www.ing.puc.cl/power
-Carlos Barra (2008). Inversiones bajo incertidumbre en generacin elctrica: aplicacin
de opciones reales y modelos de precios.
-Roubik, Eduardo (2008). Subastas de energa elctrica en Chile: Modelacin en base a un
supuesto sobre la valoracin de contratos a travs de portafolios ptimos.
-Joskow, P. (2006). Competitive electricity markets and investment in new generating
capacity. Por aparecer en Helm, D. (ed), The New Energy Paradigm, Oxford University
Press.
-Fraser, P. (2003). Power generation investment in electricity markets, International Energy
Agency, OECD, Pars.
-Botterud, A., Ilic, M.D. y Wangensteen, I. (2005). Optimal investment in power generation
under centralized and decentralized decision making. IEEE Transactions on Power
System,Vol. 20, N 1, 254-263.-Deng, S.J. (2005). Valuation of investment and opportunity
to invest in power generation assets with spikes in power prices. Managerial Finance, Vol.
31, N 6, 95-115.
-Xinying ZHANG. Investment in electricity generation and its determinants
-UK Energy Research Centre (2007). Investment in electricity generation.
86
-Pedro Franco Ugidos, Enrique Migulez, Luis Rodriguez (2003). Riesgo en el negocio de
generacin elctrica.
- IEEE Transactions on Power Systems, Vol. 13, No. 3, August 1998, Vladimiro Miranda,
L. Miguel Proenca. Why risk analysis outperforms probabilistic choice as the effective
decision support paradigm for power system planning.