Calculadora ECL: Agricultura | ciferi

Descripción general

La agricultura es uno de los sectores más importantes de la economía peruana, representando aproximadamente el 7-8% del PBI y empleando a millones de personas en todo el país. Las empresas agrícolas que preparan estados financieros bajo NIIF (obligatorio para entidades con activos superiores a 3.000 UIT) deben medir las pérdidas crediticias esperadas (ECL) de sus cuentas por cobrar conforme a NIIF 9 Instrumentos Financieros, vigente desde el 1 de enero de 2018.
La cartera de cuentas por cobrar agrícola presenta características distintivas: ciclos de cosecha que generan concentración temporal en el período post-cosecha, dependencia de factores climáticos que afectan la solvencia de clientes, y a menudo una base de deudores compuesta por cooperativas, intermediarios comerciales, y empresas de procesamiento. La superintendencia del mercado de valores (SMV) y la superintendencia de banca, seguros y AFP (SBS) supervisan estas mediciones en entidades reguladas, mientras que las entidades no reguladas deben cumplir con la orientación emitida por la Junta de Decanos de los Colegios de Contadores Públicos del Perú (JDCCPP).
Esta calculadora está preconfigurada con tasas de pérdida históricas, factores de ajuste prospectivo, y estructuras de cubetas de antigüedad típicas del sector agrícola peruano.

Características de las cuentas por cobrar agrícola

Las cuentas por cobrar en operaciones agrícolas difieren de otros sectores en varios aspectos centrales:
Ciclos de cosecha: La mayoría de las empresas agrícolas concentran sus ventas en uno o dos períodos de cosecha al año. Esto significa que la cartera de cuentas por cobrar es volátil: crece de forma notable después de una cosecha y se reduce conforme se recauda. Un auditor que evalúe ECL inmediatamente después de la cosecha verá una cartera inflada que se normalizará en los meses siguientes.
Dependencia climática: Las condiciones meteorológicas afectan no solo la producción de la empresa auditada, sino también la solvencia de sus clientes (cooperativas, comerciantes, empresas procesadoras). Una sequía, exceso de lluvia, o helada puede afectar a toda una región agrícola simultáneamente, generando concentración de riesgo crediticio que no es capturada por los datos históricos de pérdida de la empresa individual.
Base de deudores diversa: A diferencia de empresas manufactureras que venden a grandes clientes corporativos, los productores agrícolas venden a cooperativas (a menudo con gestión débil), intermediarios comerciales (con márgenes bajos y solvencia variable), empresas de procesamiento, exportadores, y ocasionalmente consumidores finales en mercados mayoristas. Cada categoría tiene un perfil de riesgo distinto.
Recepción de mercancía y garantías: Las transacciones agrícolas frecuentemente incluyen retenciones por calidad, acuerdos de recompra, o depósitos en garantía que complican el análisis de antigüedad. Una partida de frutas rechazada por plagas genera una disputa que no refleja un "retraso de pago" tradicional.
Operaciones de financiamiento: Muchas empresas agrícolas participan en sistemas de financiamiento de producción donde bancos, bonistas, o programas gubernamentales financian la cosecha. El deudor de la empresa agrícola puede no ser el agricultor final, sino el intermediario que otorga crédito a los agricultores. Este riesgo de concentración debe ser considerado.

Indicadores prospectivos relevantes para ECL agrícola

El ajuste prospectivo del factor de ECL debe capturar los indicadores específicos que afectan el riesgo crediticio agrícola:

• Índice de Precios de Productos Agrícolas del Perú (publicado por el Banco Central de Reserva): indica tendencias en precios de productos agrícolas principal. Caídas sostenidas en precios de exportación (café, espárragos, arándanos, cacao) reducen la solvencia de productores y comerciantes.
• Pronósticos de producción agrícola (emitidos por el Ministerio de Agricultura y Riego): el Instituto Nacional de novedad Agraria (INIA) y el Servicio Nacional de Meteorología e Hidrología (SENAMHI) publican perspectivas de cosecha.
• Índice de Condiciones Agrícolas SENAMHI (disponible mensualmente): captura estrés hídrico, anomalías de temperatura, y riesgo climático que afectan la producción regional.
• Tipo de cambio USD/PEN: para empresas exportadoras o que compran insumos importados, el tipo de cambio afecta márgenes y solvencia de clientes.
• Tasa de interés de mercado: tasas elevadas afectan el costo de financiamiento de insumos y reducen márgenes de agricultores y procesadores.
• Indicadores de solvencia de clientes específicos: para cooperativas y empresas procesadoras grandes, auditar estados financieros disponibles o información crediticia de SMV y SBS.

Contexto normativo y expectativas de auditoría

La SMV, a través de sus revisiones de calidad de reportes corporativos, ha identificado hallazgos recurrentes en la medición de ECL de empresas agrícolas. El marco normativo aplicable incluye:
NIIF 9 párrafo 5.5.15 (Enfoque simplificado para cuentas por cobrar comerciales): las entidades pueden medir la pérdida crediticia esperada en un importe igual a la pérdida crediticia esperada de toda la vida útil para cuentas por cobrar comerciales y activos por derechos contractuales, sin necesidad de evaluar cambios notables en el riesgo crediticio.
NIIF 9 párrafo 5.5.17 (Información prospectiva): la medición de pérdida crediticia esperada debe reflejar información prospectiva. Para entidades agrícolas, esto significa que los datos de pérdida histórica deben ajustarse explícitamente por factores como pronósticos de producción, condiciones climáticas esperadas, y perspectivas de precio de productos.
NIIF 7 párrafo 35 (Divulgaciones sobre riesgo crediticio): las entidades deben revelar cómo determina la pérdida crediticia esperada, los datos históricos utilizados, los supuestos prospectivos aplicados, y un análisis de sensibilidad que muestre cómo cambios en supuestos principal afectarían el saldo de ECL.
Los auditores deben evaluar si la medición de ECL de la administración:

• Usa datos de pérdida histórica que reflejan la cartera de clientes actual (no datos desactualizados o de empresas anteriores)
• Incorpora explícitamente factores prospectivos relevantes al sector agrícola
• Segmenta la cartera en cubetas de antigüedad que reflejan el perfil de crédito (no simples rangos de días)
• Evalúa la concentración de riesgo crediticio (exposición a productos agrícolas específicos, regiones geográficas, o tipos de deudor)
• Documenta la ratificación de supuestos en la junta directiva o comité de auditoría

Ejemplo práctico: Agroindustria Chancay S.A.C.

Agroindustria Chancay S.A.C. es una empresa mediana ubicada en el valle de Chancay, región Lima, que cultiva y comercializa espárragos frescos y congelados. Tiene operaciones de exportación y venta local. A 31 de diciembre de 2025, su cartera de cuentas por cobrar es de S/ 3,200,000.
Perfil de clientes de Agroindustria Chancay:
| Categoría | Exposición | Tipo de deudor | Riesgo crediticio |
|-----------|-----------|---|---|
| Exportadores y distribuidores locales | 45% | Empresas medianas, márgenes variables | Moderado a alto |
| Empresas procesadoras y congeladores | 30% | Medianas, estables, pero sensibles a precios | Moderado |
| Cooperativas agrícolas | 15% | Variables en solvencia, menos información financiera | Alto |
| Comerciantes mayoristas e intermediarios | 10% | Alto riesgo, operaciones a corto plazo | elevado |
Estructura de antigüedad y tasas de pérdida histórica (basada en datos de 3 años de Agroindustria Chancay):
| Cubeta de antigüedad | Saldo en S/ | Tasa de pérdida histórica | Observaciones |
|---|---|---|---|
| Sin vencer | 1,600,000 | 0.25% | Incluye ventas post-cosecha (bajo riesgo, liquidación inmediata esperada) |
| 1–30 días | 800,000 | 0.60% | Términos comerciales estándar (30 días netos); riesgo bajo |
| 31–60 días | 480,000 | 2.10% | Retrasos iniciales; clientes en dificultad temporal |
| 61–90 días | 200,000 | 7.50% | Riesgo elevado; seguimiento activo |
| 91–180 días | 80,000 | 18.00% | elevado; perspectiva de cobro comprometida |
| 180+ días | 40,000 | 45.00% | Cuentas vencidas; probabilidad de incobrabilidad alta |
Factor prospectivo: A diciembre de 2025, los analistas de Agroindustria Chancay evalúan:
Resultado: factor de ajuste prospectivo de 1.15 (incremento del 15% a las tasas de pérdida base).
Cálculo de ECL:
| Cubeta | Saldo | Tasa base | Factor prospectivo | Tasa ajustada | Pérdida esperada |
|---|---|---|---|---|---|
| Sin vencer | S/ 1,600,000 | 0.25% | 1.15 | 0.29% | S/ 4,640 |
| 1–30 días | S/ 800,000 | 0.60% | 1.15 | 0.69% | S/ 5,520 |
| 31–60 días | S/ 480,000 | 2.10% | 1.15 | 2.42% | S/ 11,616 |
| 61–90 días | S/ 200,000 | 7.50% | 1.15 | 8.63% | S/ 17,260 |
| 91–180 días | S/ 80,000 | 18.00% | 1.15 | 20.70% | S/ 16,560 |
| 180+ días | S/ 40,000 | 45.00% | 1.15 | 51.75% | S/ 20,700 |
| Total | S/ 3,200,000 | | | | S/ 76,296 |
Tasa de ECL efectiva: S/ 76,296 / S/ 3,200,000 = 2.38% de la cartera bruta.
Documentación auditada:

• Precios internacionales del espárrago han bajado 12% respecto al trimestre anterior (BCR, 2025)
• Pronóstico de El Niño para 2026 genera incertidumbre sobre riego y producción (SENAMHI)
• Dos clientes importantes (una cooperativa y un intermediario) han reportado dificultades de pago
• La administración preparó un informe de análisis de antigüedad segregado por categoría de cliente, con sustentación de las tasas de pérdida históricas en registros de cobranza de 2022–2024.
• Se verificó que el factor prospectivo de 1.15 fue ratificado en sesión de junta directiva de 15 de diciembre de 2025, documentándose la discusión de precios internacionales y riesgos climáticos.
• Se auditó la exactitud matemática del cálculo de ECL contra la hoja de trabajo preparada por la administración.
• Se evaluó si el saldo de S/ 76,296 era razonable en el contexto de los estados financieros consolidados.

Errores frecuentes en la medición de ECL agrícola

Los auditores en el sector agrícola deben estar atentos a estos errores recurrentes:
Tier 1: Hallazgos de reguladores internacionales
Los reportes de inspección de organismos reguladores internacionales indican que las entidades agrícolas frecuentemente omiten factores prospectivos relevantes. Por ejemplo, estudios de la FRC (Reino Unido) y BaFin (Alemania) en empresas agrícolas exportadoras muestran que modelos de ECL que se basan únicamente en datos históricos de la entidad, sin ajustar por pronósticos de precio de productos o condiciones climáticas, subestiman sistemáticamente las pérdidas esperadas en períodos de volatilidad de precios.
Tier 2: Prácticas deficientes documentadas en el sector
Tier 3: Brechas de práctica auditada en el mercado local
Basado en orientación de la JDCCPP y análisis de papeles de trabajo de auditoría en el sector agrícola peruano, se observa que los auditores ocasionalmente:

• Uso de tasas de pérdida genéricas del sector sin adaptación a cartera propia. Algunas empresas aplican tasas "benchmark" de asociaciones agrícolas sin verificar que su mezcla de clientes sea comparable. Una empresa que vende principalmente a cooperativas débiles no debería usar tasas calibradas para ventas a exportadores sólidos.
• Falta de segregación entre ciclos de cosecha. Cuando una cartera se mide meses después de la cosecha (con alta liquidez esperada), aplicar tasas de pérdida calibradas sobre una cartera normalizada produce una ECL sobreutilizada.
• Ignorancia del efecto de financiamiento externo. Si los clientes de la empresa están financiados por un banco o programa del Estado (como programas de AGROBANCO), el riesgo crediticio del cliente es contingente a que el financiero continúe apoyando. Cambios en políticas de crédito del financiero afectan solvencia de clientes más que su desempeño operativo.
• Concentración no evaluada. Una entidad con exposición a una cooperativa específica que representa el 20% de cuentas por cobrar debería evaluar separadamente el riesgo de esa cooperativa, no confiarla solo a la matriz de provisión colectiva.
• Aceptan factores prospectivos genéricos (1.0 a 1.1) sin verificar que estén sustentados en análisis específico de la cartera y el entorno.
• No cuestionan si los datos históricos de pérdida provienen de períodos que son representativos (p. ej., si la empresa fue adquirida hace dos años, ¿los datos de pérdida de la empresa anterior son comparables?).
• Omiten evaluar si la junta directiva o comité de auditoría ha ratificado los supuestos prospectivos principal.