PPAs: cómo evitar los errores más frecuentes en su valoración de mercado como derivado

Los contratos de compraventa de energía a largo plazo (Power Purchase Agreements o PPAs) se han convertido en una herramienta clave en la transición energética. Permiten a las compañías garantizar precios, financiar activos renovables y cumplir objetivos ESG mediante certificados de origen.

Aunque a simple vista parecen contratos sencillos, esconden una complejidad técnica considerable. La valoración de un PPA exige entender cómo se comporta el mercado, cómo se genera la energía y cómo interactúan ambos factores.

Desde la óptica contable, muchos PPAs cumplen los requisitos para clasificarse como derivados financieros bajo IFRS 9, lo que obliga a su medición a valor razonable (fair value) conforme a IFRS 13. La cuestión práctica es cómo estimar un valor razonable creíble para contratos con horizontes de 10, 15 o incluso 20 años, especialmente cuando la liquidez del mercado desaparece más allá de los primeros años.

Todo depende de dos pilares: la solidez del modelo y la fiabilidad de los datos que lo alimentan. A continuación, repasamos los errores más frecuentes que distorsionan la valoración de PPAs y cómo evitarlos.

1. Usar precios base en lugar de precios de captura

Uno de los fallos más comunes al valorar PPAs es utilizar precios “baseload” o promedios de mercado en vez de precios de captura específicos para cada planta o tecnología.

Los precios de captura reflejan el precio medio ponderado por la producción horaria real de una instalación. Una planta solar no produce al mismo ritmo que el mercado: genera durante las horas de sol, justo cuando la abundancia de oferta renovable suele hundir los precios.

Por ejemplo, una planta solar, que solo genera durante el día, tendrá un precio de captura distinto al de una eólica, que puede operar de noche. Incluso entre dos plantas solares, la localización geográfica puede alterar de forma notable el perfil de precios.

Usar precios promedio puede sobrestimar el valor del contrato y generar diferencias materiales. La modelización horaria, ajustada a la realidad de cada instalación, es muy recomendable para estimar correctamente el valor económico del PPA.

2. Ignorar la variabilidad horaria y la degradación

Muchos modelos simplifican el flujo de caja del PPA a una base anual, como si la producción fuera uniforme. En realidad, tanto los precios como la generación renovable cambian constantemente: un día nublado, una racha de viento o una ola de calor pueden alterar por completo las previsiones.

Además, toda planta solar o eólica pierde eficiencia con el paso del tiempo (normalmente entre 0,3 % y 0,5 % anual). Ignorar esta degradación puede provocar una sobrevaloración significativa en contratos de larga duración.

La buena práctica consiste en modelar la producción anual como función de la irradiancia esperada, ajustada por degradación y variabilidad, y contrastar esos resultados con datos históricos del operador o de red. Normalmente, para las valoraciones se usa el P50, pero este dato debe ser revisado periódicamente.

3. No ajustar las curvas a la realidad del mercado local

Otro obstáculo habitual es la falta de liquidez en los mercados eléctricos. En la mayoría de países europeos, las curvas forward de precios solo son líquidas durante los primeros tres o cinco años. Más allá, los precios deben extrapolarse o derivarse de proxies, modelos fundamentales o PPAs comparables.

Un fallo frecuente es extender la curva de precios sin comprobar si los supuestos encajan con los datos observables. IFRS 13 exige priorizar los inputs cotizados y documentar adecuadamente aquellos que no lo son.

Por tanto, el análisis de la curva es tan relevante como el propio cálculo del fair value: utilizar proxies sin validar puede alterar significativamente la valoración final.

Otro factor es que bajo IFRS 13 es necesario calcular el riesgo de crédito de mercado (CVA/DVA por sus siglas en inglés).

4. No validar las hipótesis del modelo frente a datos reales

La calidad de una valoración depende directamente de la calidad de sus datos de partida. En muchos casos, los modelos de PPA se construyen sobre supuestos sin respaldo empírico.

Realizar backtesting (comparar proyecciones con resultados históricos) es fundamental para medir la fiabilidad del modelo. No se trata de adivinar el futuro, sino de garantizar coherencia entre la simulación y el comportamiento real del mercado.

Cuando ya existen datos de producción real, recalibrar el modelo es obligatorio al igual que al inicio del contrato. Si las diferencias son sistemáticas, puede que el error esté en la simulación de irradiancia, eficiencia o perfil horario.

Un modelo sólido debe combinar series históricas, datos contractuales y benchmarks de mercado para asegurar trazabilidad y transparencia.

5. Confiar en modelos estándar o genéricos

Confiar en modelos universales es tentador, pero rara vez funciona en la práctica. Cada PPA tiene su propia estructura de precios, cláusulas de volumen, indexaciones y condiciones de flexibilidad que pueden alterar de forma notable su valor razonable.

Los modelos “plug and play” no capturan estos matices. La clave está en combinar automatización y juicio profesional:

• Automatización para garantizar consistencia y eficiencia.
• Juicio profesional para adaptar las hipótesis a la realidad económica del contrato.

El resultado debe ser un modelo trazable, auditable y transparente, donde cada input esté justificado y documentado.

Conclusión: el valor está en los datos, no solo en el modelo

Valorar un PPA va mucho más allá de rellenar una hoja de cálculo.
Requiere entender cómo interactúan los datos, el mercado y la física de la generación.

Los errores más comunes (usar precios promedio, ignorar la variabilidad, extrapolar sin análisis o no validar los supuestos) pueden distorsionar decisiones estratégicas, auditorías e incluso financiaciones.

El enfoque correcto combina:

• Granularidad horaria y precios de captura realistas.
• Modelos calibrados con datos históricos y observables.
• Trazabilidad y transparencia documental.
• Juicio profesional para interpretar los resultados.

En EY combinamos experiencia contable, conocimiento de mercado y modelización cuantitativa avanzada para ofrecer valoraciones robustas, defendibles y alineadas con las exigencias de IFRS 9 e IFRS 13.