La cifra que decía que todo estaba bien Es noviembre de 2021 en una reunión del Consejo de Administración en Luxemburgo. El informe trimestral de riesgos de un fondo de capital riesgo de mediana capitalización (llamémoslo "Fondo Aurora") está sobre la mesa. La página 14 muestra el Cash Flow at Risk ("CFaR"): con un nivel de confianza del 95%, las distribuciones previstas para los próximos 24 meses no se desviarían del plan en más de un 18%. Todo bajo control. El Consejo pasa al siguiente punto del orden del día. 

Doce meses más tarde, los bancos centrales habían subido los tipos de interés al ritmo más rápido de las últimas cuatro décadas. La ventana de salida se había cerrado. La venta prevista por Aurora de dos empresas de la cartera se pospuso “hasta que los mercados se normalicen”. Las distribuciones no fueron un 18% inferiores a lo previsto: fueron prácticamente nulas. 

 

Al mismo tiempo, se siguieron exigiendo llamadas de capital. Hubo que prorrogar la línea de crédito de suscripción (Subscription Line) con un margen significativamente mayor. Dos empresas de la cartera con deuda a tipo variable se acercaron al límite de sus cláusulas de cobertura de intereses (interest cover covenants). Los socios comanditarios (“LPs”) del fondo, que luchaban con su propio efecto denominador (denominator effect), preguntaron de forma educada pero firme por el calendario de las distribuciones. 

 

El modelo CFaR no era incorrecto en el sentido técnico. Hacía exactamente aquello para lo que había sido diseñado: medir la variabilidad en torno a un plan, calibrado sobre un historial de estabilidad. Lo que no podía hacer, sin embargo, era imaginar un mundo en el que el propio plan perdiera su validez. 

 

El Fondo Aurora es un caso práctico ficticio. El patrón de comportamiento no lo es. 

 

Lo que argumenté en 2019, y que sigue vigente hoy

 

En abril de 2019 escribí que el CFaR no funciona tan bien como debería en los fondos de capital privado (“FCP”). Mi argumento constaba de tres pasos: 

 

  1. Pocos puntos de datos. Una empresa de la cartera genera muy pocos flujos de caja entre la entrada y la salida, a menudo menos de diez. Esto no es suficiente para estimar una distribución estadísticamente válida. 
  2. Juicio de expertos circular. Para salvar esta distancia, los parámetros de Montecarlo se determinan mediante el “juicio de expertos”. Sin embargo, este juicio se basa en los mismos datos de mercado escasos. El modelo no añade objetividad; simplemente oculta el juicio detrás de una cifra con dos decimales. 
  3. Medir lo que realmente importa. Un FCP tiene límites estrictos: el múltiplo mínimo de dinero (Money Multiple o “MoM”), la tasa mínima de rentabilidad para la tasa interna de retorno (Internal Rate of Return o “IRR”) y las cláusulas restrictivas (covenants) de los bancos financiadores. Los escenarios de distinta gravedad que ponen a prueba directamente estos límites son más prudentes y pragmáticos que un percentil. 

 

Siete años después, sigo respaldando estos tres puntos. El Fondo Aurora es el ejemplo exacto del punto 2: un modelo calibrado sobre una década benigna arrojó una cifra correspondientemente optimista. 

 

Los reguladores han tomado el mismo camino. Las directrices de la AEVM (ESMA) sobre las pruebas de resistencia de la liquidez (Liquidity Stress Testing o “LST”) en el sector de la UCITS y los FIA, vigentes desde septiembre de 2020, se basan en escenarios, pruebas de resistencia inversas y la interacción entre activos y pasivos. No exigen una única métrica estadística. 

 

Lo que hoy formularía de otra manera

 

A un gestor de riesgos que nunca corrige sus propios modelos tampoco se le deberían confiar los modelos de los demás. He aquí tres aspectos que hoy redactaría de forma diferente: 

 

En primer lugar: El VaR no es una “pérdida máxima”. Es un cuantil, la pérdida que no se superará con una probabilidad determinada. Más allá de ese punto, las pérdidas pueden ser mucho mayores. Por esta razón, el Expected Shortfall (“ES”) ha sustituido al VaR en el marco de Basilea para el riesgo de mercado. Además, la simulación histórica no es automáticamente el método más conservador. Si el periodo de observación histórico es estable, puede subestimar enormemente los riesgos. El historial del Fondo Aurora fue precisamente uno de esos periodos. 

 

En segundo lugar: El problema de los datos depende de qué flujos de caja se analicen. Para una sola empresa de la cartera, la base de datos es demasiado débil. A nivel de fondo, en cambio, las llamadas de capital y las distribuciones de miles de fondos pueden agregarse a partir de bases de datos comerciales. Esta es la base del modelo de Takahashi-Alexander (el “modelo de Yale”, 2002) y de los modelos estocásticos de Buchner, Kaserer y Wagner. Para un LP que planifica la liquidez de todo un programa de fondos, las herramientas similares al CFaR funcionan bastante bien. Para un socio general (“GP”) que gestiona doce empresas, no. 

 

En tercer lugar: No se trata de “juicio de expertos o modelos”. En 2019 lo presenté como una elección excluyente. No es el caso. Los escenarios puros tienen una debilidad: sin probabilidades, no se pueden agregar, comparar ni asignar capital. Por su parte, los modelos puros tienen la debilidad descrita anteriormente. El enfoque más sólido utiliza el juicio de expertos para diseñar los escenarios y herramientas cuantitativas para disciplinarlos. El resto de este artículo muestra cómo funciona esto. 

 

Qué ha cambiado desde 2019

 

En 2019, este debate era todavía de naturaleza académica. El dinero era gratis, las salidas eran fáciles y las distribuciones fluían en abundancia. Desde entonces, cuatro factores han hecho que el riesgo de flujo de caja en el capital privado sea muy real: 

 

  1. El fin de los tipos de interés cero. El BCE elevó su tipo de depósito del –0,50% a mediados de 2022 al 4,00% en septiembre de 2023. Para las empresas en cartera de capital riesgo de mediana capitalización financiadas con préstamos apalancados a tipo variable (leveraged loans), los costes por intereses casi se duplicaron en el plazo de un año. 
  2. La sequía de salidas (exits). Bain estima en unos 3,6 billones de dólares el valor no realizado de más de 29.000 empresas no vendidas financiadas con adquisiciones (buyouts). Según datos de McKinsey, las distribuciones en los doce meses transcurridos hasta junio de 2025 cayeron a alrededor del 6% de los activos bajo gestión (AUM), frente a una media del 14% en diez años (ORIX, abril de 2026). A este ritmo, se necesitarían más de 16 años para absorber el retraso. 
  3. Endeudamiento a nivel de fondo. Las líneas de crédito de suscripción (subscription lines) son hoy el estándar. La financiación NAV (es decir, un préstamo garantizado por la cartera del fondo) creció hasta alcanzar unos 44.000 millones de dólares en 2023 y se prevé que alcance los 145.000 millones de dólares en 2030 (Nomura, junio de 2025). Los fondos de continuación (continuation vehicles) se han convertido en un canal de salida habitual. Cada uno de estos factores añade una nueva capa de obligaciones de flujo de caja a la cartera. 
  4. AIFMD II. Desde el 16 de abril de 2026, está en vigor la directiva revisada con herramientas armonizadas de gestión de la liquidez para fondos abiertos y un nuevo marco para los FIA originadores de préstamos (Mondaq, 2026). El mensaje de los reguladores es inequívoco: los riesgos de liquidez y apalancamiento deben gestionarse activamente, no limitarse a reportarse. 

 

Como resultado, el foco del problema ha cambiado. Ya no se trata de si el CFaR funciona para un FCP. La pregunta es más bien qué funciona en su lugar cuando tanto el activo como el pasivo financiero sufren presión al mismo tiempo. 

 

El seguimiento prometido: riesgo de mercado y de impago, cuantificados

 

En 2019 anuncié un artículo sobre “Gestión cuantitativa del riesgo de mercado y de impago para fondos de capital privado”. Aquí lo presento en forma compacta. La idea de fondo es sencilla: no modele los flujos de caja del fondo como una única caja negra. Divida el riesgo en tres niveles, mida cada uno de ellos con los datos reales disponibles y vincúlelos a los límites específicos del fondo. 

 

image 1 Blog Hakan

 

Nivel 1 – Riesgo de mercado: tomar prestados los datos del mundo cotizado 

Una empresa en cartera no tiene un precio de mercado diario, pero sus competidoras cotizadas sí. Cada empresa puede asignarse a un grupo de pares (peer group) y a un método de valoración, habitualmente el múltiplo EV/EBITDA. La sensibilidad del valor neto de los activos (NAV) del fondo ante una variación de este múltiplo puede derivarse directamente. 

 

A menudo se pasan por alto dos aspectos. En primer lugar, los NAV publicados están suavizados, ya que las valoraciones tardan en ajustarse. La volatilidad que se observa en los informes subestima el riesgo real. Una desestacionalización estadística (por ejemplo, según Getmansky, Lo y Makarov, 2004) corrige este sesgo. En segundo lugar, el capital propio está apalancado. Si la deuda neta representa la mitad del valor de la empresa (Enterprise Value), una caída del 10% en el valor de la empresa se traduce en una caída del 20% en el valor del capital propio:

 

image 2 Blog Hakan

 

Nivel 2 – Riesgo de impago: el límite de la cláusula es lo que cuenta, no el percentil 

Para cada empresa, la pregunta crucial es: ¿a qué distancia está de incumplir sus cláusulas de cobertura de intereses o de endeudamiento (covenants)? La cobertura de intereses (interest cover) indica cuántas veces cubren los resultados de la empresa sus costes anuales por intereses:

 

image 3 Blog Hakan

 

Tomemos una empresa con una deuda neta de 5,5 veces el EBITDA y un tipo de interés global (all-in) del 5%. Subamos ahora el tipo de interés al 9%, como les ocurrió a muchos prestatarios a tipo variable en 2023. Por último, añadamos una caída del EBITDA del 15%: 

 

image 4 Blog Hakan

 

Muchos contratos de préstamo se mueven precisamente en torno a este último nivel. 

 

Para una medida más formal, un modelo estructural (de tipo Merton) proporciona la distancia al impago (distance to default), donde la volatilidad de los activos se deriva de empresas comparables cotizadas. Pero cuidado con las correlaciones. Con doce empresas, no existe la ley de los grandes números. Un único factor común, como los tipos de interés o una contracción del sector, puede afectar a tres empresas al mismo tiempo. Las concentraciones deben modelarse explícitamente y no diluirse en promedios. 

 

Nivel 3 – Riesgo de liquidez: aquí es donde la estadística sí funciona 

Este es el punto en el que rectifico mi postura de 2019 con mayor firmeza. Las llamadas de capital y las distribuciones a nivel de fondo pueden modelarse con el modelo Takahashi-Alexander o con modelos estocásticos calibrados con miles de fondos. Utilícelos y sométalos a pruebas de resistencia. Sustituya la tasa de distribución histórica por la actual (6 % en lugar del 14 % de los AUM), mantenga inalteradas las llamadas de capital y compruebe el resultado en comparación con la línea de crédito, los covenants de relación préstamo-valor (loan-to-value) de cualquier financiación NAV y las propias necesidades de liquidez de los LPs.

 

Un ejemplo práctico: una devaluación del múltiplo

 

Volvamos al Fondo Aurora utilizando cifras simplificadas. El fondo ha invertido 400 millones de euros en doce empresas. Ha distribuido 100 millones de euros y mantiene un NAV de 600 millones de euros. Según el plan, reembolsará 1,75 veces el capital invertido. El mínimo que el fondo debe entregar a sus LPs y bajo su financiación NAV es de 1,5 veces. La cartera se valora de media a 11 veces el EBITDA, representando la deuda neta la mitad del valor de la empresa.

 

Paso 1 – El análisis de resistencia inversa 

En lugar de preguntar «¿Qué tan grave puede ser con una probabilidad del 95 %?», planteamos la pregunta inversa: «¿Qué tiene que ocurrir para que no alcancemos el objetivo de 1,5 veces?»

Primero, aclaremos dos conceptos que los profesionales de Private Equity utilizan a diario. Las empresas suelen valorarse mediante un múltiplo (multiple) de su resultado operativo anual (EBITDA). Una empresa con 10 millones de euros de EBITDA valorada a 11 veces vale 110 millones de euros. Un giro (turn) es simplemente una unidad de este multiplicador. Si los compradores solo están dispuestos a pagar 10 veces en lugar de 11, el múltiplo ha caído «un giro» y la misma empresa vale ahora 100 millones de euros. Nada ha cambiado en la empresa en sí; solo ha cambiado el precio que el mercado está dispuesto a pagar por ella.

Ahora, el cálculo paso a paso:

  1. El objetivo. El 1,5-fache de 400 millones de Euro invertidos significa que deben devolverse a los inversores un total de 600 millones de euros. 
  2. Lo ya distribuido. 100 millones de Euro ya se han distribuido. El remanente de la cartera debe, por tanto, generar al menos 500 millones de euros más. 
  3. El margen de seguridad. La cartera se valora hoy en 600 millones de euros. Puede perder, como máximo, 100 millones de euros (o un 17% de su valor) antes de que el objetivo final esté en peligro. 

 

 image 5 Blog Hakan

 

Por qué las empresas solo necesitan perder alrededor de un 8%. El fondo no es propietario de toda la empresa; es propietario del capital propio (equity). Cada empresa se financia a partes iguales con dinero del fondo y con préstamos bancarios. Cuando se vende una empresa, el banco cobra primero y por completo. El fondo recibe lo que queda. Por tanto, cualquier pérdida en el valor de la empresa recae únicamente sobre el capital del fondo. 

 

Tomemos una empresa valorada en 110 millones de euros, financiada con 55 millones de euros de deuda y 55 millones de euros de capital propio. Su valor disminuye un 8%, hasta unos 101 millones de euros. El banco sigue recuperando sus 55 millones de euros. El capital propio del fondo se reduce de 55 millones de euros a unos 46 millones de euros, lo que supone una devaluación del 17%. Un descenso de valor de la empresa de un 8% se convierte en una pérdida de un 17% para el fondo. Este es el efecto de apalancamiento (leverage), y funciona en ambas direcciones. 

 

 image 6 Blog Hakan

 

 

Traducido a múltiplos. Una caída del 8% a partir de un múltiplo de 11 veces equivale a 10,1 veces. En términos claros: si los compradores pagan 10,1 veces el EBITDA en lugar de 11 veces por las empresas de Aurora, el fondo no alcanzará su objetivo de 1,5 veces. Eso es menos de un giro.

 

 image 7 Blog Hakan

 

Esta única frase es más útil para un consejo de administración que cualquier percentil. Todos en la sala pueden juzgar si los compradores podrían llegar a pagar un giro menos. Cuando los tipos de interés subieron en 2022, los múltiplos de valoración cayeron esa cantidad o más en muchos sectores en cuestión de meses.

 

Step 2 – Scenarios with probabilities 

Ahora es cuando el juicio de los expertos desempeña su verdadera función: diseñar los escenarios y asignarles probabilidades. El modelo se encarga del trabajo de cálculo.

 

 image 8 Blog Hakan

 

El MoM ponderado por probabilidad es de 1,58 veces. En promedio, el fondo alcanza su valor umbral. Sin embargo, la probabilidad de no alcanzarlo es del 45 %. Un valor promedio oculta precisamente la información que el consejo de administración necesita con urgencia.

 

 image 9 Blog Hakan

 

 image 10 Blog Hakan

 

 

Paso 3 – Añadir el factor tiempo

El MoM no es la única víctima. Si las salidas (exits) en el escenario base se retrasan un año, un múltiplo de 1,75 veces a lo largo de cinco años (aprox. 11,8 % de TIR) se convierte en un múltiplo de 1,75 veces a lo largo de seis años (aprox. 9,8 % de TIR). Aunque no se pierde valor sustancial, el fondo puede caer por debajo de una tasa de retorno preferente (hurdle rate) del 8–10 %, lo que altera la cascada de distribución de las ganancias de los gestores (carried interest waterfall). El tiempo es un factor de riesgo en sí mismo y, en el periodo 2023–2025, fue el principal.

 

 image 11 Blog Hakan

 

Supuestos: simplificación de un solo período, deuda neta sin cambios en todos los escenarios y quiebras con pérdida del 100 % del capital propio. Los modelos reales incorporan, además, la distribución temporal de los flujos de caja (cash flow timing), las comisiones y la cascada de distribución (waterfall).

 

Un práctico kit de herramientas para CROs, Conducting Officers y Consejos de Administración 

Si tuviera que rediseñar mañana el marco de riesgo de un PEF, haría siete cosas: 

 

  1. Empezar por los límites. Anote el MoM mínimo, la tasa límite de IRR, cada covenant de cada línea de crédito a nivel de fondo y de empresa, y las expectativas de liquidez de los LPs. Dies sind die „Limits“ Ihres Risikorahmenwerks. 
  2. Realizar primero una prueba de resistencia inversa. Traduzca cada límite a una cifra comprensible en la práctica: un giro de múltiplo, una caída del EBITDA, un nivel de tipos de interés o un retraso en años. 
  3. Asociar cada empresa a competidoras cotizadas comparables (peers). Utilice estos pares para la sensibilidad del múltiplo y para la volatilidad. Desestacionalice el NAV antes de utilizarlo con fines de análisis estadístico. 
  4. Comprobar las cláusulas restrictivas (covenants) de cada empresa bajo condiciones de estrés. Analice la cobertura de intereses y el endeudamiento con tipos de interés más altos y menores ingresos; primero para cada empresa por separado y luego de forma conjunta, considerando un factor común. 
  5. Utilizar la estadística allí donde haya datos disponibles. Modele las llamadas de capital y las distribuciones a nivel de fondo con un modelo calibrado y someta a pruebas de resistencia la tasa de distribución a los niveles actuales. 
  6. Permitir que los expertos diseñen escenarios und asignen probabilidades. Autorice a los expertos y documente el razonamiento subyacente. Una probabilidad que se puede cuestionar es mejor que una falsa precisión que no permite debate. 
  7. Reportar pocas cifras, pero con claridad. Para el Consejo de Administración: distancia a cada límite, probabilidad de no alcanzarlo y los uno o dos factores clave. Evite veinte páginas llenas de percentiles. 

 

De vuelta a la sala de juntas

 

Imagine al Consejo de Administración del Fondo Aurora en noviembre de 2021 con una página 14 diferente. No dice “CFaR al 95%: –18%”. Dice en términos claros: “Si los compradores pagan un giro menos por nuestras empresas (10 veces el EBITDA en lugar de 11 veces), no alcanzaremos nuestro objetivo de 1,5 veces. Consideramos que la probabilidad de que esto ocurra es del 45%. Dos empresas incumplirán sus covenants bancarios si los tipos de interés suben 4 puntos porcentuales. Nuestro covenant de crédito NAV se incumplirá si las distribuciones se sitúan por debajo del 8% del NAV durante dos años”. 

 

Este Consejo de Administración habría planteado preguntas muy diferentes. Quizás se habrían fijado los tipos de interés de dos préstamos, se habría vendido antes una empresa o se habría negociado un mayor margen en las líneas de crédito. Nada de esto requiere un modelo perfecto. Solo requiere la pregunta adecuada. 

 

Ese era mi punto de vista en 2019, y sigue siéndolo hoy: en el ámbito del capital privado, la gestión de riesgos no consiste en predecir una cifra exacta. Consiste en saber a qué distancia se encuentra del abismo y qué podría empujarle a caer. 

 

Me encantaría saber cómo aborda este tema en su fondo. ¿Qué límite vigila con más atención y qué herramienta le ha ayudado realmente en la práctica? 

 

Fuentes 

Blog
Empezar

Tres formas de conocer Etops

Desde nuestro boletín hasta una demo personalizada: elige la forma que prefieras para conocer mejor Etops.

O elige una de estas opciones:

  • Agendar una reunión Hablar directamente con nuestros expertos de producto.
  • Contactar con nosotros Estaremos encantados de atender tu consulta.
  • Boletín Insights Novedades y tendencias directamente en tu bandeja de entrada.

Solicitar una demo personalizada

Formulario de contacto

Suscribirse al boletín Insights