Calcular los riesgos financieros de las energías renovables
Para los inversores, decidir si invertir dinero en proyectos de energía renovable puede resultar complicado. El problema es la volatilidad: la producción de energía eólica, por ejemplo, cambia anualmente, incluso semanalmente o diariamente, lo que genera incertidumbre y riesgos de inversión. Con opciones limitadas para cuantificar con precisión esa volatilidad, los inversores de hoy tienden a actuar de manera conservadora.
Pero EverVest, empresa derivada del MIT, ha creado una plataforma de análisis de datos que tiene como objetivo brindar a los inversores modelos de flujo de efectivo rápidos y precisos y análisis de riesgo financiero para proyectos de energía renovable. Recientemente adquirida por la firma de gestión de activos Ultra Capital, la plataforma de EverVest podría ayudar a impulsar la inversión en proyectos de infraestructura sostenible, incluida la energía eólica y solar.
Ultra Capital adquirió la plataforma y el equipo EverVest a principios de este año, con el objetivo de aprovechar el software para sus propios análisis de riesgos. La adquisición permitirá que la plataforma EverVest se expanda a una gama más amplia de sectores de infraestructura sostenible, incluidos proyectos de agua, desechos y agricultura.
“Si un inversor tiene confianza en el rendimiento y el riesgo que está asumiendo, puede estar dispuesto a invertir más capital en la clase de activos de infraestructura sostenible. Más capital significa que se construyen más proyectos”, dice el cofundador y ex director ejecutivo de EverVest, Mike Reynolds MBA ’14, ahora director de ejecución de Ultra Capital. “Queríamos darle a la gente más poder de fuego cuando se trata de evaluar el riesgo”.
La tecnología central de la plataforma se basó inicialmente en la investigación en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT, realizada por el cofundador y ex director de tecnología de EverVest, Teasha Feldman ’14, ahora directora de ingeniería en Ultra Capital.
La fuerza de los datos
La plataforma de EverVest analiza datos sobre una variedad de factores que pueden afectar el desempeño de los proyectos de energía renovable. El diseño y la ubicación de un sitio, ciertos contratos, el tipo de equipo, la conexión a la red, el clima y los costos de operación y mantenimiento pueden ayudar a predecir la tasa de retorno financiera.
En la actualidad, los analistas financieros utilizan hojas de cálculo de Excel para encontrar un promedio de producción anual fijo para los próximos 20 a 30 años. “Deja mucho a la imaginación”, dice Reynolds. “La energía renovable es volátil e incierta”.
En el momento de su adquisición, EverVest tenía clientes en los Estados Unidos y Europa, incluidos bancos, inversores y desarrolladores de proyectos de energía eólica y solar. Los usuarios ingresan información sobre su posible proyecto en el software, lo que proporcionaría un análisis detallado del modelo de flujo de efectivo futuro, junto con un análisis estadístico detallado de los riesgos financieros del proyecto.
“Es la fortaleza de los datos que queríamos brindar a los inversionistas, bancos y desarrolladores, para que comprendan mejor sus activos”, dice Reynolds.
Por ejemplo, considere un parque eólico. Con los datos de ubicación, la plataforma puede utilizar conjuntos de datos públicos para calcular las últimas décadas de velocidad del viento y determinar el rendimiento general del proyecto. La ubicación también puede ayudar a determinar la rentabilidad del proyecto en el mercado. California podría ser un mercado mejor que, digamos, Texas o Maine.
Los tipos específicos de equipos y fabricantes también son importantes. Si un inversor considera cierto tipo de turbina eólica, “podemos extraer datos para determinar que una turbina en esa ubicación necesitará $ 2 millones en piezas de repuesto en el quinto año”, dice Reynolds. “En el séptimo año, es posible que tenga un 50 por ciento de probabilidad de que algo falle, lo que podría provocar el cierre del sitio”.
El resultado final es una proyección más detallada de la tasa de rendimiento, dice Reynolds. Si bien una hoja de cálculo electrónica podría dar una tasa de retorno promedio de, digamos, 12 por ciento, la plataforma de EverVest mostraría un análisis completo del desempeño trimestral, incluida la incertidumbre estadística de la tasa de retorno. Si bien el 12 por ciento puede ser el promedio, los rendimientos pueden variar entre el 4 y el 18 por ciento. “Al comprender ese rango de riesgo, puede comprender el verdadero valor”, dice Reynolds.
Ahora en Ultra Capital, Feldman sigue desarrollando la plataforma. Reynolds lo está utilizando para invertir en una amplia gama de proyectos de infraestructura sostenible, incluidos proyectos de energía solar, activos de conversión de residuos en energía, instalaciones de tratamiento de agua y plantas de reciclaje. “Hemos traído nuestra tecnología internamente y la hemos expandido mucho”, dice Reynolds. “Ahora puedo usar el software que creamos para hacer mejores inversiones”.
EverVest: el feliz accidente
EverVest (anteriormente Cardinal Wind) comenzó como un proyecto de investigación de CSAIL que se perfeccionó y desarrolló a través del ecosistema empresarial del MIT antes de salir al mercado.
Como estudiante de tercer año del MIT en 2012, Feldman quería diversificarse de sus cursos de física teórica para centrarse en las energías renovables. Descubrió un proyecto CSAIL, dirigido por la científica investigadora Una-May O’Reilly, que incluía la recopilación y el análisis de datos sobre la energía de los parques eólicos. “Me presenté en [O’Reilly’s] oficina y le rogué que me dejara trabajar en el proyecto “, dice Feldman.
En un año, Feldman había diseñado un algoritmo de aprendizaje automático que recopilaba 30 años de datos eólicos de aeropuertos y otros sitios, para predecir la energía eólica futura allí durante los próximos 30 años. Durante ese tiempo, buscó la inscripción en el Curso 15.366 (Energy Ventures), donde estudiantes de todos los departamentos planifican negocios en torno a tecnologías limpias. Rara vez se aceptan estudiantes universitarios. Pero por suerte, la clase quería que O’Reilly hablara sobre su investigación y O’Reilly les dijo que le preguntaran a Feldman.
“Le dije: ‘Sí, estoy trabajando en esa investigación. Debería dejarme entrar en la clase'”, dice Feldman, riendo.
Al inscribirse en el otoño de 2013, Feldman presentó su algoritmo a la clase y llamó la atención de un estudiante. Reynolds había llegado a MIT Sloan School of Management, dice, “con las cicatrices de trabajar en Wall Street en banca de inversión y quería abrir mis horizontes y trabajar con ingenieros que estaban construyendo cosas asombrosas en MIT”.
Durante su tiempo como banquero de inversión, Reynolds se ocupó de financiar grandes proyectos en infraestructura, energía y transporte. Así que el algoritmo de predicción de Feldman resonó de inmediato. “Vi su algoritmo y pensé en lo fantástico que sería para los inversores tener una forma más precisa de medir la tasa de rendimiento de una posible inversión en un proyecto eólico”, dice Reynolds.
Uniendo fuerzas, Feldman y Reynolds lanzaron Cardinal Wind en 2013. La puesta en marcha fue algo así como un “feliz accidente”, dice Feldman. “La empresa requirió una gran cantidad de trabajo duro para comenzar y construir. Pero al aparecer en un laboratorio y convencerlos de que me dieran un trabajo, y luego llevar la investigación a la clase, pudimos determinar que había una gran oportunidad y la necesidad de mejores herramientas de análisis de riesgos financieros en el mercado “.
El verano siguiente, Cardinal Wind ingresó en Global Founders ‘Skills Accelerator (GFSA), administrado por el Martin Trust Center for MIT Entrepreneurship, “que fue un gran impulso”, dice Reynolds. Los mentores y emprendedores residentes ofrecieron orientación y comentarios sobre los lanzamientos, y la generosa financiación de GFSA pagó las facturas de la puesta en marcha. “Y trabajamos junto con otras startups que atraviesan los mismos desafíos”, dice Reynolds. “Todos esos recursos fueron increíblemente útiles”.
Para octubre de 2015, Cardinal Wind había expandido el algoritmo de Feldman a una plataforma completa de modelado de flujo de efectivo que también incluía análisis para proyectos de energía solar. Ese mes, Cardinal Wind se rebautizó como EverVest, y este mes de julio fue adquirido por Ultra Capital.
Una clave del éxito de EverVest, dice Feldman, fue el desarrollo constante de la tecnología para satisfacer las necesidades del cliente, como incluir energía solar. “Cuando descubrimos que la necesidad real era algo más que predecir patrones de viento, dejamos de usar ese algoritmo en particular y hemos construido gran parte de nuestra plataforma central desde entonces”, dice.
