Apostila do Curso ICA - Avaliao do Risco em Projetos

Autor: Nelson Rodrigues de Albuquerque

Ref. livro: Johnathan Mun,
Modeling Risk Applying Monte Carlo
Simulation, Real Options Analysis,
Forecasting, and Optimization
Techniques, John Wiley&Sons, 2006

Ttulo: Avaliao do Risco em Projetos

(baseado no software Risk Simulator1)

Ementa:
1 - Montagem de Fluxo de Caixa

(1 dia)

Ferramentas disponveis no software Risk Simulator

(10 minutos)

Padro de Fluxo de Caixa normalmente empregado

(10 minutos)

Identificao das variveis relevantes

(30 minutos)

Anlises de sensibilidade

(30 minutos)

Valor esperado do VPL - tipos de taxas empregadas (finanas corporativas)

(20 minutos)

2 - Introduo ao mtodo de simulao Monte Carlo

(2 dia)

Como funciona a simulao Monte Carlo

(20 minutos)

Como definir a funo de distribuio para cada incerteza do projeto

(30 minutos)

Modelando as incertezas de mercado e incertezas tcnicas

(30 minutos)

Previso de Receitas Futura (modelos e tcnicas de previso)

(30 minutos)

3 - Utilizando o Risk Simulator para anlise de risco

(3 dia)

O que "risco" associado ao projeto?

(20 minutos)

Exemplos e exerccios

(30 minutos)

Uso de Opes Reais como um aperfeioamento da anlise de FCD

(60 minutos)

Real Options Valuation (www.realoptionsvalutation.com), by Johnathan Mun, PhD

Fluxo de Caixa - tcnicas

1. Montagem de Fluxo de Caixa
A avaliao de um projeto normalmente envolve a elaborao de um
modelo que procura refletir as diversas variveis que atuam no desempenho
futuro do projeto. De modo geral o que se pretende com essa anlise
entender as implicaes financeiras do projeto e o resultado que o mesmo trar
ao investidor.
Tradicionalmente se utiliza um padro de modelagem conhecido como
Fluxo de Caixa - FC, onde as variveis que afetam a receita prevista e as
despesas decorrentes da execuo do projeto so avaliadas ao longo de
tempo, por um perodo que pode ser a vida til do projeto ou que a influncia
seja relevante para as decises que devero ser tomadas.
Para que essa avaliao possa ser feita, como no se pode prever o
futuro, muitas tcnicas foram desenvolvidas, de tal forma que o tomador de
deciso possa avaliar as diversas possibilidades, as mais provveis de
ocorrerem e, assim, se preparar para a deciso.
Um dos mtodos utilizados a criao de cenrios, onde se prev faixas
de possibilidades nas variveis que afetam de forma mais sensvel o resultado
do projeto. Apesar de essa tcnica ser muito utilizada, inclusive em avaliaes
que so realizadas por grandes empresas e rgos governamentais de
planejamento, o seu resultado continuar sendo um mero chute,
principalmente quando se considera que as diversas variveis usadas na
modelagem podem sofrer influncias cruzadas que misturam diversos cenrios
simultaneamente.
Para contornar esse problema uma tcnica desenvolvida na poca da
segunda grande guerra mundial, conhecida como simulao Monte Carlo, foi
adaptada ao mundo dos negcios, juntamente com as diversas ferramentas
que sero apresentadas nesta apostila, que possibilitam no um maior grau de
adivinhao sobre o futuro, mas um mtodo para identificar as ocorrncias
mais provveis. Com isso o tomador de deciso poder optar por um
determinado conjunto de aes tendo uma idia do risco que essas aes
podero estar associadas.
Antes de apresentar o modelo de elaborao de fluxo de caixa e das
diversas maneiras de se escolher as variveis relevantes para o clculo do
resultado de um projeto, iremos apresentar um conjunto de ferramentas
disponibilizadas pelo software Risk Simulator, desenvolvidos pela Real Options
Valuation, Inc.

Ferramentas disponveis no software Risk Simulator

O software Risk Simulator tem os seguintes mdulos:

Simulao Monte Carlo (roda simulaes paramtricas e no
paramtricas utilizando 24 distribuies de probabilidades prdefinidas, distribuies customizadas, simulaes truncadas,

Curso Interno ICA

correlacionadas, com controle de erro e preciso e diversos
outros algoritmos);
Previso (utilizando Box-Jenkins ARIMA, previso de volatilidade
GARCH, Regresso Mltipla, Extrapolao no-linear, Processos
Estocsticos, anlise de Sries Temporais, cadeia de Markov,
modelos de Mxima Verossimilhana, modelos Economtricos,
previso com curva J-S, modelo Spline, etc.)
Otimizao sob incerteza (roda otimizao usando variveis
inteiras discretas e contnuas para anlise de carteira de projetos
com e sem simulao);
Ferramentas de modelagem e anlise (grfico Tornado, Spider,
anlise de sensibilidade, simulao bootstrap, ajuste de
distribuio):
o Ferramentas Estatsticas (Estatsticas descritivas
incluindo os 4 momentos; testes de ajustes de distribuio,
testes de hipteses verifica se um dado
estatisticamente significante; testes de extrapolao nolinear testa se um conjunto de dados ou uma srie
temporal tem natureza no-linear; teste de normalidade verifica se os dados se ajustam a uma distribuio normal;
estimador de parmetros estocsticos encontra os
parmetros de um modelo estocstico para os dados como
reverso mdia com saltos, por exemplo; teste de
autocorrelao testa se os dados disponveis podem ser
usados para predizer dados futuros; teste de srie histrica
teste para avaliar modelos de previso como tendncia e
sazonalidade; anlise de tendncia verifica adequao
para uso de modelo de previso linear).
o Ferramentas avanadas executa os seguintes testes:
Heterocedasticidade,
Multicolinearidade,
micronumerosidade, outliers, autocorrelao parcial,
atrasos distributivo, esferecidade, no-estacionaridade,
grficos.
Esses testes so vitais antes de se iniciar qualquer tipo de
previso ou procedimento de anlise de dados. Cada teste
realizado e produz um relatrio de fcil entendimento e autoexplicativo.

Modelagem
Padro de Fluxo de Caixa normalmente empregado

O padro utilizado para projeo de fluxo de caixa um modelo

tradicional e que foi aperfeioado com o advento das planilhas eletrnicas. Sua
forma segue alguns conceitos contbeis e os termos so internacionais.
Conceitualmente um fluxo de caixa dividido em trs grupos de informao,
que se repetem horizontalmente ao longo do horizonte de anlise.
Um primeiro grupo diz respeito estimativa de receita. De forma geral se
divide em itens que tm riscos diferentes, como por exemplo, caso seja um
projeto que tenha como resultado a produo de petrleo, que est atrelado a
um processo de produo deve ser projetado como uma varivel independente
da do preo do mesmo. O produto dos dois indica a receita a ser obtida ao
longo dos anos.
O segundo grupo de dados refere-se s despesas. Esse grupo dividido
em segmentos que ajudam os analistas a identificarem parmetros e
indicadores que so utilizados tradicionalmente.
O primeiro subgrupo de despesas agrega os custos imediato de
produo (custo varivel). O resultado desse grupo abate do valor do resultado
itens de produtos vendidos e informa o Lucro Bruto. Representa a primeira
informao sobre o resultado do projeto que est sendo avaliado.
Em seguida se apresentam os custos operacionais e os custos com a
comercializao. O resultado dessa avaliao informa a Receita Operacional,
ou tambm conhecido como IBTIDA. Nesse bloco so deduzidas as despesas
com Depreciao (uma compensao sobre o desgaste do investimento em
equipamentos) e as despesas com Amortizao (EBIT). O resultado desse
bloco informa o ganho obtido antes das Despesas Financeiras e dos Impostos.
Em seguida se subtrai os as Despesas Financeiras (EBT) que o lucro
oferecido ao clculo do Imposto de Renda. Aps a subtrao dos Impostos se
obtm o Resultado Lquido do empreendimento ou projeto.
Para se avaliar o Fluxo de Caixa Livre FCL, ou seja, a quantidade de
recursos realmente disponvel ao final necessrio se repor a Depreciao
alm de informar a variao do Capital de Giro e o dispndio com Aquisio de
Imobilizado.
Um terceiro grupo de dados refere-se ao fluxo de Investimentos ao longo
do projeto.
A avaliao financeira do resultado realizada levando todos os valores
data de incio do projeto (Valor Presente VP), considerando que o dinheiro
uma varivel em funo do tempo e da taxa de oportunidade $ ( i, t ) .
A seguir apresentamos um modelo de Fluxo de Caixa Descontado
FCD (DCF em ingls), conforme explicado:

Curso Interno ICA

Modelo de Fluxo de Caixa Descontado
Ano Base
Taxa de Desconto Ajustado ao Mercado
Taxa de Desconto Risco Provado
Taxa de Crescimeno de Vendas Anualizada
Taxa de Inflao de preo
Taxa Efetiva
Suposies...

2005
15,00%
5,00%
2,00%
5,00%
40,00%

Soma dos FCL em VP

Soma dos VP dos Invest.
Valor Presente Lquido (VPL)
Taxa Interna de Retorno
Retorno do Investimento

$1.896,63
$1.800,00
$96,63
18,80%
5,37%

Previso...

2005

2006

2007

2008

2009

Variaes no Capital de Giro (Circulante)

Dispndio p/ Aquisio de Imobilizado
Fluxo de Caixa Livre

$10,00
$12,25
$15,15
50,00
35,00
20,00
$1.231,75
$184,76
$1.046,99
$157,50
$15,75
$873,74
$10,00
$3,00
$860,74
$2,00
$858,74
$343,50
$515,24
$13,00
$0,00
$0,00
$528,24

$9,50
$11,64
$14,39
51,00
35,70
20,40
$1.193,57
$179,03
$1.014,53
$160,65
$16,07
$837,82
$10,00
$3,00
$824,82
$2,00
$822,82
$329,13
$493,69
$13,00
$0,00
$0,00
$506,69

$9,03
$11,06
$13,67
52,02
36,41
20,81
$1.156,57
$173,48
$983,08
$163,86
$16,39
$802,83
$10,00
$3,00
$789,83
$2,00
$787,83
$315,13
$472,70
$13,00
$0,00
$0,00
$485,70

$8,57
$10,50
$12,99
53,06
37,14
21,22
$1.120,71
$168,11
$952,60
$167,14
$16,71
$768,75
$10,00
$3,00
$755,75
$2,00
$753,75
$301,50
$452,25
$13,00
$0,00
$0,00
$465,25

$8,15
$9,98
$12,34
54,12
37,89
21,65
$1.085,97
$162,90
$923,07
$170,48
$17,05
$735,54
$10,00
$3,00
$722,54
$2,00
$720,54
$288,22
$432,33
$13,00
$0,00
$0,00
$445,33

Investimentos

$1.800,00

$440,60
$0,00
$506,69

$367,26
$0,00
$485,70

$305,91
$0,00
$465,25

$254,62
$0,00
$445,33

Preo mdido Prod A

Preo mdido Prod B
Preo mdido Prod C
Quantidade Prod. A
Quantidade Prod. B
Quantidade Prod. C

Total Receitas
Custo das mercadorias vendidas

Lucro Bruto
Despesas Operacionais
Despesas Comerc. Gerais e Admin.(SG&A)

Receita Operacional (EBITDA)

Depreciao
Amortizao

EBIT
Despesas Financeiras

EBT
Impostos

Receita Lquida
Depreciao

Anlises Financeiras
Valor Presente do FC Livre
VP do Investimento realizado
Fluxo de Caixa Lquido

$528,24
$1.800,00
($1.271,76)

No quadro anterior podemos distinguir que alm dos trs grupos de

informaes que compe o Fluxo de Caixa - FC so necessrios alguns
parmetros, bem como possvel se extrair algumas informaes importantes.
Na parte superior desse modelo temos a informao do incio do projeto,
que neste caso anual. A Taxa de Desconto Ajustado ao Mercado, que ser
vista em detalhes mais adiante; a Taxa de Desconto Privado; Taxa de
Crescimento de Vendas; Taxa de Inflao, Taxa de Imposto de Renda. No
canto direito so apresentados alguns resultados como o valor presente de
todos os resultados, o valor presente dos investimentos, o VPL (Valor Presente
Lquido) que o resultado acumulado menos o Investimento acumulado no
incio do projeto. A Taxa Interna de Retorno (TIR) e o Retorno do Investimento2
(ROI em ingls).

ROI = {[($1896,63/$1.800,00) -1] *100} = 5,37%

Modelagem
De maneira geral os projetos so apresentados dessa forma. A partir
desse modelo que estudaremos em detalhes como identificar as variveis
relevantes para a simulao, os modelos de previso e anlise risco da varivel
a ser analisada, bem como discutiremos como avaliar a taxa de retorno a ser
utilizadas de maneira adequada ao risco do projeto.
Identificao das variveis relevantes

Essa etapa fundamental durante a modelagem do FC (Fluxo de

Caixa), pois dependendo da complexidade do mesmo, poder haver centenas
de relaes de precedncia entre a sada (resultado) e as entradas. O ideal
que se identifiquem quais as relaes que causam um maior impacto no
resultado e ento avaliar a caracterstica de cada relao e as incertezas que
podero ser avaliadas. Essa analise feita atravs de dois grficos chamados
de Tornado e de Spider.
O que o software faz identificar todas as possveis relaes (do fim
para o incio) at os elementos terminais e variar cada um desses terminais, de
forma independente, linearmente e com igual proporo, analisando o efeito
causado no resultado.
A forma sistemtica de se identificar as variveis mais relevantes se
proceder em duas ou trs etapas, onde em cada uma se reduz o nmero de
variveis at um conjunto razovel, cujo impacto no resultado seja relevante.
Para isso vamos utilizar a planilha j introduzida e realizar a avaliao.

Curso Interno ICA

Na planilha a ser avaliada, indique a clula onde obtido o resultado, no nosso

caso clula G6.
Selecione o comando Tornado Analysis no seguinte caminho:
| Risk Simulator | Tools | Tornado Analysis
Isso far gerar uma anlise das diversas variveis envolvidas no processo de
obteno do resultado, conforme a figura anterior. Indique quais as variveis
que se deseja avaliar nessa rodada.
Algumas observaes nessa etapa. O parmetro de variao default, tanto
para cima quanto para baixo de 10%. Pode se ignorar valores iguais a zero
ou nulos. A anlise poder ser feita apenas na pgina atual (ocupa menos
memria). A execuo resulta nos seguintes grficos:

Modelagem
Tipo Spider:

Tipo Tornado:

Podemos numa primeira avaliao considerar que as variveis que tem menor
impacto no resultado no devem ser consideradas como variveis na
simulao e sim como constantes.

Curso Interno ICA

Anlises de sensibilidade

Os grficos de sensibilidade so perturbaes dinmicas criadas aps

uma simulao. O grfico de sensibilidade apresenta perturbaes dinmicas
no sentido que as suposies mltiplas so perturbadas simultaneamente e
suas interaes esto capturadas nas flutuaes dos resultados. Em contraste,
o grfico Tornado sofre perturbaes estticas, o que significa que cada
varivel precedente ou varivel de hiptese so perturbadas em uma
quantidade pr-ajustada e as variaes precedentes versus resultados so
tabuladas.
O grfico Tornado identifica que variveis influenciam no resultado de
forma mais intensa e sua anlise apropriada para determinar que variveis
utilizar na simulao (significa que deve ser usado antes de uma simulao). J
o grfico de Sensibilidade identifica o impacto do resultado quando as mltiplas
variveis interligadas so simuladas (isto , so usadas aps uma simulao).
O grfico de Ordenamento das Correlaes no-Lineares indica as
magnitudes das correlaes entre cada suposio e as metas das previses e
so descritas do valor absoluto mais elevado ao valor absoluto mais baixo. As
correlaes positivas esto mostradas em verde e as correlaes negativas
so mostradas em vermelho. O Rank de Correlaes usado no lugar de
coeficientes de correlao regular uma vez que captura os efeitos no-lineares
entre variveis. Em contraste, a Variao Percentual Explicada calcula quanto
da variao na varivel da previso pode ser explicado pelas variaes em
cada uma das hipteses em um ambiente simulado dinmico. Esse grfico
mostra a sensibilidade da previso do alvo s suposies simuladas.

10

Modelagem

Para se obter essa anlise necessrio que a simulao tenha sido

executada. Uma vez que a simulao tenha sido finalizada, executa-se a
anlise de sensibilidade pelo seguinte caminho:
| Risk Simulator | Tools | Sensitivity Analysis
Com isso aparece a janela mostrada a seguir que habilitar a execuo
da referida anlise.

11

Curso Interno ICA

Embora essa anlise tenha sido apresentada neste momento, oque
ajuda na identificao das variveis que influenciam a avaliao do resultado a
ser pesquisado, ela pressupe um conhecimento ainda no apresentado, ou
seja, a modelagem das variveis de incerteza. Tal ser visto no prximo
captulo.
O resutado da anlise de sensibilidade semelhante ao do grfico
Tornado quando as variveis so no-correlacionadas, contudo isso alterado
quando existe correlao entre as varivais.

Valor esperado do VPL - tipo de taxas empregadas (finanas corporativas)

Um conceito muito sensvel na avaliao de um projeto a questo do

valor da taxa de oportunidade a ser utilizada para o clculo do Valor Presente
do resultado. Existem vria abordagens para se obter essa taxa, contudo
importante entender que o valor da taxa est ligado ao grau de risco de um
investimento. Para investimentos sem risco (ou com um risco muito pequeno)
utiliza-se a taxa conhecida como Taxa Livre de Risco que a taxa dos ttulos
negociados pelo Tesouro Americano. Em projetos com risco maior que esse
ttulo o investidor passa a exigir um prmio de risco que proporcional ao grau
de incerteza sobre o retorno a ser obtido.
As empresas normalmente tm inmeros projetos que geram resultado,
uma cesta de investimentos financeiros, variaes do valor de mercado das
aes, emprstimos e outras obrigaes que podem ser traduzidos por uma
taxa de juros ponderada, conhecida como WACC que traduzem o ganho mdio
que um acionista pode esperar de sua aplicao na empresa. Tambm
sabido que o risco da empresa est atrelado ao seu setor, tipo de indstria,
pas alm dos fatores internos da prpria administrao. Todos esses
parmetros influenciam na hora de se escolher uma taxa de retorno a ser
exigida no projeto em anlise.
Uma maneira de se avaliar qual a taxa de juros para se medir o retorno
previsto do investimento em um determinado projeto conhecida como ajuste
da taxa de oportunidade adotada vezes o risco do projeto. O resultado final do
projeto comparado oportunidade de se aplicar o investimento em outras
aplicaes ou projeto que o investidor tem, com o mesmo nvel de risco e
verificar se melhor ou pior.
Embora seja possvel fazer essa avaliao com certo rigor no
possvel utilizar o mtodo de Fluxo de Caixa Descontado para avaliar projetos
de longo prazo que podem ter alteraes imprevisveis ao longo da sua
execuo, j que a escolha da taxa de oportunidade tem que ser feita no incio
da anlise.
Mesmo com o uso da tcnica como rvore de deciso no correto o
uso de VPL quando existem solues alternativas que, a priori, no se sabe se
ocorrero ou no e que afetaro dinamicamente o perfil de risco do projeto.

12

Modelagem
Por esse motivo foi desenvolvido outra tcnica de se avaliar o retorno de
um investimento em projetos, chamada de anlise por opes reais que
baseada em uma metodologia desenvolvida para o mercado de ativos
mobilirios chamada de derivativos. No ltimo captulo ser apresentado um
breve resumo sobre essa tcnica.

Mtodo baseado na anlise do Fluxo de Caixa Descontado ajustado ao

risco
Trata-se da avaliao da evoluo das receitas e despesas que compe
um determinado cenrio, trazido a valor presente por uma taxa que reflita a
oportunidade de investimento da empresa (NPV). Essa avaliao, de uma
forma simples e didtica, apresentada na equao (1):
T

rNPV = I 0 +
t =1

rCFt

(1 + r )

(1)

Onde:
I0
rCFt
r
T

=
=
=
=

Investimento ocorrido no instante 0 ( = CF0 )

Fluxo de Caixa ajustado ao Risco no instante t
Taxa de desconto
Instante final do projeto

A taxa percentual que multiplica o valor do fluxo de caixa lquido

representa a probabilidade estimada que aquele cenrio ocorra, resultando no
Fluxo de Caixa ajustado ao Risco (rCF).
Como exemplificao, mostramos a seguir o uso dessa tcnica,
representada pela Figura 1, onde a durao do projeto de 6 anos, a taxa de
oportunidade de 15% e a probabilidade do cenrio avaliado ocorrer de
50%. O investimento inicial de $100.000,00 e um ano aps o projeto tem 50%
de probabilidade de passar a fase seguinte, quando feito um investimento
adicional de $500.000,00 e no ano seguinte entra em produo com um custo
de produo de 10% da receita.

13

Curso Interno ICA

FCD
Despesas
Receitas
FCLiq
Probabilidade
FCajustadoaorisco
Desconto(15%)
rpFC(FCD)
rNPV(somarpFC)
TIR

0
1
2
3
4
5
6
($100.000,00) ($500.000,00) ($10.000,00) ($20.000,00) ($30.000,00) ($20.000,00) ($10.000,00)
$100.000,00 $200.000,00 $300.000,00 $200.000,00 $100.000,00
($100.000,00) ($500.000,00) $90.000,00 $180.000,00 $270.000,00 $180.000,00 $90.000,00
100%
50%
50%
50%
50%
50%
50%
($100.000,00) ($250.000,00) $45.000,00 $90.000,00 $135.000,00 $90.000,00 $45.000,00
$1,00

$0,87

($100.000,00) ($217.391,30)

$0,76

$34.026,47

$0,66

$59.176,46

$0,57

$77.186,69

$0,50

$44.745,91

$0,43

$19.454,74

($82.801,04)
4,58%

Figura 1 Exemplo de utilizao de Fluxo de Caixa Descontado ajustado ao

risco

No exemplo este projeto seria rejeitado, pois o valor presente lquido

negativo. Isso devido ao fato de que a taxa de retorno do projeto (obtido pela
TIR do fluxo de caixa lquido) que 4,58% ser menor que a taxa de
oportunidade de investimento da empresa que de 15%.

Custo de Capital
Um princpio bsico da sociedade: recursos financeiros so sempre
escassos. Por esse motivo sempre existem diferentes alternativas de
investimento competindo pelo mesmo recurso, levando o investidor a decidir a
melhor situao para investir seu capital. Isso gera o que se chama de custo de
oportunidade do capital.
Cada investidor por seu turno apresenta um perfil de risco fazendo com
que cada um exija uma determinada taxa de retorno a uma proposta de
investimento (Copeland & Weston, 1992). Essa a principal premissa para se
estudar o custo de capital e da sua possibilidade de minimizao em uma
composio entre capital prprio e de terceiros. Indiretamente essa deciso
est vinculada ao objetivo de maximizao da riqueza da firma.
Logo o estudo do custo de capital um elemento fundamental para a
avaliao de ativos. O capital de uma empresa formado por duas fontes de
recursos, ou seja, Capital Prprio e Capital de Terceiros, cuja ponderao
resulta no WACC (Weighted Average Cost of Capital).
O custo de terceiros , por natureza, de fcil mensurao, uma vez que
estabelecido atravs de contratos bilaterais. J o custo de capital prprio tem
uma mensurao mais complexa e na maioria das vezes indireta. Eles podem
ser medidos, quando possvel, de dados obtidos da contabilidade e, na
impossibilidade dessa informao, recorre-se a avaliao a partir de dados
obtidos no mercado.
Os modelos baseado no mercado podem ser explcitos ou implcitos, ou
seja, os modelos implcitos estimam as taxas de retorno do investidor
diretamente. J os modelos explcitos lanam mo de variveis externas,
correlacionadas com o perfil da empresa ou que possam afetar o valor das
14

Modelagem
aes como: taxa livre de risco, retorno das aes de outras empresas, etc. O
modelo conhecido como CAPM Capital Asset Pricing Model e o APT
Arbitrage Pricing Theory so dois exemplos desse tipo de mtodo. O modelo
CAPM um dos mais usados e ser detalhado a seguir.
O modelo CAPM
No existe um nico criador desse modelo, contudo seu surgimento
acorreu no incio da dcada de 60. As premissas so as seguintes:
1. A avaliao dos investidores baseada nos retornos esperados e
nos desvios-padro das carteiras de investimento dentro do
horizonte de um perodo;
2. Os investidores nunca esto satisfeitos e escolhem sempre a
carteira de investimento que proporcione o maior retorno;
3. Os investidores so avessos ao risco e escolhem sempre a carteira
de investimento que apresente o menor desvio-padro;
4. Os ativos so considerados infinitamente divisveis;
5. Existe uma instituio com capacidade ilimitada de aceitar
investimento ou emprstimo a uma taxa livre de risco, que a
mesma para todos os investidores;
6. Os horizontes so os mesmo para todos os investidores, ou seja,
um perodo;
7. As informaes so obtidas por todos de forma instantnea
8. As percepes a cerca dos ttulos disponveis no mercado so
idnticas para todos os investidores.
De acordo com o modelo CAPM, o custo do capital prprio (ou seja, o
retorno esperado das aes) de uma empresa formado pela soma da taxa de
risco e do prmio exigido pelo risco de se aplicar em um determinado ativo. O
prmio de risco, por sua vez, formado pela diferena entre o retorno do ndice
de mercado e da taxa livre de risco, multiplicado por um fator de risco,
chamado de Beta ( ). A equao desse modelo a seguinte equao (4):
Prmio de Risco
64748

E ( Ri ) = R f + E ( RM ) R f * i

(2)

Onde:

15

Curso Interno ICA

E ( Ri ) = retorno esperado do ativo i
R f = taxa livre de risco
E ( RM ) = retorno esperado da carteira de mercado

i = risco associado ao ativo i

O Beta, por sua vez, calculado pela equao (5)

i =

iM
M2

(3)

Onde:

iM = covarincia entre o retorno do ativo i e do ndice de mercado

M2 = varincia de retornos do ndice de mercado

O Beta uma medida de risco da empresa com o mercado em equilbrio

(demanda igual a oferta) e segundo Pratt (1998: 70), ele mede a sensibilidade
do retorno em excesso das aes em ralao a um ndice de mercado. Quando
a empresa tem seu Beta igual a um (1) sua volatilidade igual a do mercado.
As empresas com beta maior que um (1) so conhecidas como empresas
agressivas. J as empresas que possuem Beta menor que um (1) so
chamadas de defensivas.
Custo Mdio Ponderado de Capital
O custo mdio ponderado de capital, usualmente denominado na
literatura como WACC, o resultado da ponderao dos custos de Capital
Prprio e de Capital de Terceiros, segundo a sua participao na formao do
capital da empresa.
O WACC como um ndice global mais utilizado para avaliao de
empresas como um todo. Sua aplicao no adequada, porm, para
avaliao de projetos com risco muito diferentes ao risco mdio da empresa.
Essa observao nos conduz uma constatao: quando se realiza estudos de
investimento associado a ativos intangveis deve-se adotar um custo de capital
apropriado para cada tipo de ativo dado seu alto grau de volatilidade.

16

Forecast e Simulao
2. Introduo ao mtodo de simulao Monte Carlo
Simulao Monte Carlo, em sua concepo mais simples, um gerador
de nmeros aleatrios utilizado para estudos de previso, estimativas e anlise
de risco. Um processo de simulao calcula um grande nmero de cenrios
para o modelo em anlise, obtendo valores para as variveis indicadas
segundo uma distribuio de probabilidade associada a cada varivel de
incerteza. O conjunto de cenrio produzido apresenta a caracterstica da
varivel a ser observada do modelo (p.ex., Resultado, Lucro, Despesas
Brutas).
Quanto maior o nmero de cenrios gerados, maior a definio da
distribuio da varivel avaliada. Em nosso software de simulao o nmero de
cenrios chamado de Trial e a varivel avaliada indicada como forecast
output. H possibilidade de se indicar dependncia entre as variveis de
incerteza (grau de correlao). Por esse motivo, durante o processo de
modelagem existem vrias tcnicas para se definir as caractersticas de cada
varivel de incerteza e que sero apresentadas mais adiante.

Como funciona a simulao Monte Carlo

Como foi dito anteriormente, o mtodo de simulao Monte Carlos um

gerador de cenrios, sendo que esse conjunto de cenrios muito grande, o
suficiente para aproximar a varivel observada a uma funo de distribuio de
probabilidade. Existem vrias tcnicas para se reduzir o nmero de cenrios
dado o custo computacional associado a isso, contudo esse tema no ser
tratado neste curso.
O mtodo parte do princpio que cada varivel de incerteza possui uma
distribuio de probabilidade associada, que pode ser padro ou pode ser
desenhada a partir de um grande conjunto de observaes daquela varivel. A
partir de um gerador de nmeros aleatrios com distribuio uniforme
possvel aplicar esse gerador uma funo de transferncia que tenha como
resultado um conjunto de dados com as caractersticas semelhantes as
desejadas. Graficamente as figuras a seguir representam esse processo.
1 etapa Obter um gerador de nmeros com distribuio Uniforme (0 1);

Curso Interno ICA

2 etapa Identificar a funo de distribuio acumulada que se deseja gerar
valores (p.ex., Normal(0,1)) e sua acumulada
N acum ( x ) =

N ( , )dx ;

3 etapa Obter a inversa da Funo de Distribuio Acumulada - FDA

desejada;

Funo de Transferncia
=
Inversa da Acumulada

4 etapa Ao se aplicar um conjunto de valores gerados com uma distribuio

uniforme a essa funo de transferncia, obtm um conjunto de
valores que tem a caracterstica desejada (p.ex., Normal,
1
U [ x ] = N [ x ]
LogNormal). N acum

18

Modelagem

Como definir a funo de distribuio para cada incerteza do projeto

As variveis utilizadas na modelagem do Fluxo de Caixa (FC) nem

sempre so perfeitamente explicveis. Na maioria das vezes o planejador tem
um conjunto de informaes histricas que imagina usar para explicar o
comportamento futuro de determinadas variveis. De forma geral toda varivel
que carrega uma incerteza pode ser modelada como uma Gaussiana (ou
Normal), embora o ideal seja que a varivel deva ser definida o mais prximo
possvel da sua tendncia histrica. Quando tal vivel utiliza-se uma funo
densidade de probabilidade (fdp) mais adequada conforme indicao dos
testes estatsticos que forem aplicados base histrica. No havendo nenhum
histrico, mas apenas informaes como: limites (superior e inferior) e valor
esperado pode-se usar a distribuio triangular como uma primeira
aproximao.
Outras variveis tm um comportamento que varia com o tempo,
podendo ser estacionrio ou no, sazonal ou cujo comportamento futuro no
tem relao com o histrico passado. Para isso existem testes que avaliam
essas caractersticas e que podem ser utilizados para se identificar o padro
ideal para essas variveis. O que apresentaremos a seguir um recurso
disponvel no Risk Simulator que poder ajudar ao modelador na escolha da
forma mais adequada de representar o comportamento de cada varivel a ser
simulada no Fluxo de Caixa.
19

Curso Interno ICA

Ferramenta de ajuste de funo de distribuio
Para identificar se um conjunto de dados histricos pode ser
representado por uma determinada funo de distribuio de probabilidade
aplica-se o teste:
| Risk Simulator | Tools | Distributional Fitting (Single-Variable)
Suponha um conjunto de dados que se deseja conhecer a melhor fdp
que explica esses valores, como apresentado na figura a seguir. A partir da
seleo desse conjunto de valores executado o teste de ajuste.

No exemplo acima se seleciona todas as possveis distribuies que

podem ser ajustadas ao conjunto de dados. Quanto mais dados disponveis
melhor o ajuste.
O resultado do ajuste apresentado em forma de um ranqueamento
de possveis fdps segundo testes estatsticos, conforme mostrado na figura a
seguir. Um dos testes utilizados pelo software apresenta o resultado da
estatstica p-value. Quanto maior o p-value mais os dados fornecidos so
explicados pela distribuio terica referida. No exemplo observamos que a fdp
Normal(100,67;10,40) explica 99,96% dos dados disponibilizados, o que
razovel j que a origem desses dados foi obtida a partir dessa distribuio.
Isso significa, na prtica, que poderemos utilizar essa fdp para representar o
comportamento da varivel a ser simulada.

20

Modelagem

Uma vez identificado as variveis relevantes e suas caractersticas, o

passo seguinte simular o Fluxo de Caixa de forma a se conhecer o
comportamento da varivel que se quer analisar. Contudo, antes de apresentar
como se prepara e executa uma simulao no Risk Simulator, vamos avaliar os
diversos tipos de riscos que um projeto est submetido e como esses riscos
podem ser modelados.
A realizao de um projeto submetida a diversas incertezas que
podem ser: de ordem tcnica (por exemplo, falha de equipamento, taxa de
produo de um determinado poo de leo, reao qumica), incertezas de
mercado (p.ex., preo de uma commodity a ser vendida ou da quantidade a ser
adquirida pelo mercado que podem variar ao longo do projeto a partir de um
processo estocstico). Alm desses riscos, existe um grupo de riscos que
podero ser considerados no projeto como riscos: jurdicos (contratos), de
crdito, de regulao, comportamentais da equipe do projeto, etc. Essa
avaliao conduzida pelo analista que dever decidir se inclui no modelo ou
no.
Os riscos tcnicos podem ser modelados a partir de variveis aleatrias,
como explicado anteriormente, j os riscos de mercado, normalmente, exigem
a utilizao de variveis estocsticas, ou seja, variveis aleatrias que evoluem
ao longo do projeto ou de variveis que tenham um comportamento que
possam ser previstas por modelos de previso como ARIMA e outros no
analticos como Redes Neurais.

21

Curso Interno ICA

Modelando as incertezas de mercado

As incertezas de mercado podero ser avaliadas de diversas formas.

Como resultado da anlise de uma srie temporal, onde seus valores podem
ser projetados a partir de modelos estatsticos (decomposio de srie
temporal, auto-regressivos, ARIMA, tendncia), modelos no analticos como
Redes Neurais ou a partir de modelos gerados por processos estocsticos
(Movimento Browniano; Reverso Mdia; Difuso com Saltos, etc.).
Caso exista uma srie de dados de referncia possvel aplicar testes
para se identificar o que melhor se ajusta a esses dados. Alguns modelos
exigem um grande nmero de dados histricos, como Redes Neurais e
mtodos analticos. Os processos estocsticos de uma maneira geral, exigem
apenas informaes sobre a volatilidade e o ltimo valor ocorrido. No caso de
projetos principalmente associados ao desenvolvimento de novas tecnologias,
utiliza-se a simulao do prprio fluxo de caixa para identificar os principais
parmetros (p.ex., Opes Reais).
Previso de Receitas Futura (modelos e tcnicas de previso)

1 - Decomposio da srie temporal:

O mtodo de decomposio avalia a projeo de uma determinada
varivel em funo de seus dados histricos encontrando um modelo mais
adequado e seus parmetros em funo de elementos de: baseline (valor de
referncia), tendncia e sazonalidade.
Caso no se saiba o modelo a ser utilizado possvel indicar que o
programa utilize um algoritmo especial para encontrar o modelo mais adequado
(baseado em critrios analticos: Akaika&Schwartz e R-Quadrado Ajustado).
Para isso deve ser selecionada a seguinte opo: | Risk Simulator | Forecast |
Time Serie Analysis e na figura a seguir indicar Auto Model Selection.

22

Modelagem
Como exemplo vamos testar a seguinte srie temporal e avaliar uma
previso para 4(quatro) passos seguinte. Os dados so trimestrais e refere-se
vendas.
Quadro de Vendas Histricas
Ano

Quarter

Perodo

Vendas

2004
2004
2004
2004
2005
2005
2005
2005
2006
2006
2006
2006
2007
2007
2007
2007
2008
2008
2008
2008

1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

$684,20
$584,10
$765,40
$892,30
$885,40
$677,00
$1.006,60
$1.122,10
$1.163,40
$993,20
$1.312,50
$1.545,30
$1.596,20
$1.260,40
$1.735,20
$2.029,70
$2.107,80
$1.650,30
$2.304,40
$2.639,40

A tendncia nessa srie pode ser avaliada graficamente pela anlise de

ajuste polinomial | Risk Simulator | Forecast | Trendline com o seguinte
resultado:

23

Curso Interno ICA

O resultado da avaliao de decomposio da srie temporal teve o
seguinte relatrio:
Avaliaes
The Best Model: Holt-Winter's Multiplicative
Alpha
0,2429
Beta
1,0000
Gamma
0,7797
Seasons
4
RMSE
71,8132
MSE
5157,1348
MAD
53,4071
MAPE
4,50%
Theil's U
0,3054

Second Best Model: Holt-Winter's Additive

Alpha
0,2217
Beta
1,0000
Gamma
1,0000
Seasons
4
RMSE
92,4240
MSE
8542,1969
MAD
74,0883
MAPE
5,38%
Theil's U
0,3424

Third Best Model: Seasonal Multiplicative

Alpha
0,7195
Gamma
1,0000
Seasons
4
RMSE
152,3492
MSE
23210,2897
MAD
126,6442
MAPE
9,01%
Theil's U
0,4908

Forth Best Model: Seasonal Additive

Alpha
0,6882
Gamma
1,0000
Seasons
4
RMSE
182,4348
MSE
33282,4687
MAD
161,1926
MAPE
10,62%
Theil's U
0,5607

Fifth Best Model: Double Exponential Smoothing

Alpha
0,1160
Beta
1,0000
RMSE
223,6280
MSE
50009,4736
MAD
197,9173
MAPE
15,09%
Theil's U
0,7313

Sixth Best Model: Double Moving Average

4
RMSE
272,7573
MSE
74396,5245
MAD
249,0010
MAPE
14,40%
Theil's U
0,7248

Seventh Best Model: Single Exponential Smoothing

Alpha
0,7948
RMSE
287,1776
MSE
82470,9621
MAD
249,2510
MAPE
18,16%
Theil's U
0,9561

Eighth Best Model: Single Moving Average

2
RMSE
318,8152
MSE
101643,1317
MAD
280,3222
MAPE
19,55%
Theil's U
0,9623

Como se observa, o modelo que mais se ajustou aos dados foi o HoltzWinter Multiplicativo. Observar que solicitamos que o programa encontrasse os
parmetros timos. O resultado da projeo apresentado a seguir com os
vrios tipos de erros, como visto no relatrio.

24

Modelagem
Period
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Forecast21
Forecast22
Forecast23
Forecast24

Actual Forecast Fit

684,20
584,10
765,40
892,30
885,40
684,20
677,00
667,55
1006,60
935,45
1122,10
1198,09
1163,40
1112,48
993,20
887,95
1312,50
1348,38
1545,30
1546,53
1596,20
1572,44
1260,40
1299,20
1735,20
1704,77
2029,70
1976,23
2107,80
2026,01
1650,30
1637,28
2304,40
2245,93
2639,40
2643,09
2713,69
2114,79
2900,42
3293,81

Error Measurements
RMSE
71,8132
MSE 5157,1348
MAD
53,4071
MAPE
4,50%
Theil's U
0,3054

2 Modelo ARIMA (Autoregressive Integrated Moving Average):

O Risk Simulator permite que se encontrem os parmetros que melhor
se adqem srie que se deseja projetar. Observe o exemplo a seguir. Dado
uma srie conhecida possvel identificar o melhor modelo ARIMA executando
o seguinte comando: |Risk Simulator | Forescast | Auto ARIMA
O seguinte resultado pode ser obtido, indicando o melhor ajuste
encontrado.
AUTO-ARIMA (Autoregressive Integrated Moving Average)

P=2,
P=1,
P=1,
P=0,
P=1,
P=2,
P=1,
P=2,
P=1,
P=0,
P=1,
P=2,
P=0,
P=1,
P=2,
P=0,
P=0,
P=0,
P=2,
P=2,

D=0,
D=0,
D=0,
D=0,
D=1,
D=1,
D=1,
D=1,
D=1,
D=1,
D=2,
D=2,
D=2,
D=2,
D=2,
D=1,
D=2,
D=0,
D=0,
D=0,

Q=0
Q=1
Q=0
Q=1
Q=2
Q=1
Q=1
Q=0
Q=0
Q=1
Q=2
Q=2
Q=2
Q=1
Q=0
Q=0
Q=0
Q=2
Q=1
Q=2

Adjusted
R-Squared
0,9999
0,9999
0,9999
0,7309
0,5025
0,4977
0,4865
0,4514
0,4340
0,3242
0,2689
0,2672
0,2593
0,2526
0,2057
0,0000
0,0000
N/A
N/A
N/A

Akaike Information
Criterion (AIC)
4,5624
4,6213
4,8908
12,9116
4,4960
4,4966
4,5301
4,5870
4,6297
4,7944
4,4883
4,5009
4,5118
4,5127
4,5862
5,1877
4,8166
N/A
N/A
N/A

Schwarz
Criterion (SC)
4,6044
4,6632
4,9187
12,9395
4,5520
4,5527
4,5721
4,6291
4,6577
4,8224
4,5444
4,5711
4,5538
4,5547
4,6284
5,2016
4,8305
N/A
N/A
N/A

Durbin-Watson
Statistic (DW)
2,1254
1,8588
0,9211
0,1188
2,0424
1,9676
1,7916
2,0969
2,2420
1,7167
1,9968
2,0000
2,0413
1,9681
2,0417
0,6802
2,6443
N/A
N/A
N/A

Number of
Iterations
0
5
0
62
15
20
15
0
0
8
23
28
11
8
0
0
0
N/A
N/A
N/A

Model
Rank
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

A projeo representada pela seguinte figura:

25

Curso Interno ICA

Contudo, esses mtodos supem que o comportamento da varivel

governado por observaes histricas. Para muitas variveis relacionadas com
a natureza esse padro ocorre, contudo para variveis associada ao mercado
financeiro, como preo de petrleo, de commodities, taxas de cmbio, juros,
etc., no seguem esse comportamento
3 Processos Estocsticos:
Esses processos podem ser gerados a partir do mdulo | Risk Simulator
| Forescast | Stocastic Processes e obtm a janela a seguir onde possvel se
escolher:

Movimento Browniano com Drift

Movimento Exponencial Browniano com Drift;
Processo de Reverso Mdia e Drift
Processo de Difuso com Salto e Drift
Processo de Difuso com Salto, Reverso Mdia e Drift.

26

Modelagem
O uso desses processos implica na utilizao de um recurso especial de
simulao, pois para cada TRIAL deve ser gerado um caminho possvel para a
varivel estocstica (p.ex., preo do combustvel).

27

Risk Simulator em operao

3. Utilizando o Risk Simulator para anlise de risco
Uma vez montado o modelo de Fluxo de Caixa do projeto, identificado
as variveis relevantes que impactam no resultado e feito sua modelagem, o
passo seguinte realizar a simulao. A simulao como foi explicado
anteriormente, a avaliao de centenas de cenrios onde todas as variveis
so simultaneamente perturbadas e o resultado ento composto como um
histograma, que comparado a diversos padres de fdp.
De posse dessa distribuio possvel obter um conjunto de
informaes importantes para uma tomada de deciso a respeito do projeto.
Uma das informaes mais importantes saber o valor esperado do resultado.
O projeto prev um retorno desejado ou est abaixo do esperado? Contudo, na
maioria das vezes o investidor ou tomador de deciso deseja saber qual o risco
do projeto dar prejuzo ou o retorno ficar abaixo de um determinado limite.
Tambm importante uma anlise inversa, por exemplo, no caso de um
projeto de pesquisa, onde existe um limite de verba e se deseja saber se esse
limite ir ser superado e com que probabilidade.
Essas avaliaes so realizadas com o tema de anlise de risco do
projeto, que ser demonstrado a seguir.
O que "risco" associado ao projeto?

A avaliao de risco est associada a falta de preciso com que

obtemos os dados de um fluxo de caixa, principalmente quando existem
variveis relevantes que tem um comportamento errtico ou aleatrio.
Suponhamos que o resultado de um projeto apresente um comportamento
semelhante a uma funo Normal com as seguintes caractersticas:
Valor esperado do lucro em valor presente:

$100 milhes

Desvio padro de todos os 1000 cenrios:

$20 milhes

A fdp teria a seguinte forma:

Curso Interno ICA

A simulao obtida indica um conjunto de cenrios que tem uma fdp
prxima de uma normal, cujo intervalo de confiana nos d a certeza que em
90% dos cenrios obtidos o resultado ficou entre $69,4 milhes e $132,2
milhes. Com 99% de certeza poderamos afirmar que o lucro seria superior a
$56,2 milhes.

Essa anlise que oferece ao tomador de deciso a dimenso do risco

do projeto, segundo o modelo desenhado e os parmetros considerados.
A seguir apresentaremos alguns exemplo de avaliao de risco passo a
passo, usando o Risk Simulator.
Exemplos e exerccios

Exemplo 1 Avaliao de Custo de Produo

Avaliao do custo em um processo explodido com diversas etapas
cujos custos variam de forma aleatria. O custo de cada etapa modelado por
uma fdp triangular, onde o gerente estima os limites e o valor mais provvel,
contudo esse custo poder ter uma pequena variao com uma distribuio
normal, parametrizada pela mdia para cada etapa. Caso ocorra falha em uma
das etapas o processo abortado. Essa falha modelada por uma distribuio
Bernoulli com 95% de probabilidade de no ocorrer. Vamos observar a planilha
de custo e a modelagem das variveis.

30

Modelagem
Planilha:
Modelo de Estimativa de Custo de um projeto em etapas
Este modelo utilizado para se estimar o custo total de fabricao de um determinado produto, dado as incertezas de custo de cada
elemento, a probabilidade de execesso e vrios acordos contratuais

Fase 1

Conceitualizao
Tempo adicional para remodelagem d

Hiptese
$2.911
$1.187

Min
$1.500
$150

Custo
Esperado
$2.250
$750

Mx
$4.500
$1.500

Custo
$2.973
$1.187

Mn
1
0,1

Fase 2

Inicializao
Refazendo os conceitos
Modeficando os conceitos existentes

$7.482
$1.836
$1.501

$5.000
$750
$750

$7.500
$1.500
$1.500

$12.500
$3.000
$2.250

$8.167
$1.836
$1.501

2
0,5
0,5

3
1
1

5
2
1,5

Fase 3

Desenvolvimento
Adiciona P&D
Apply external IP

$24.376
$1.326
$4.774

$17.500
$1.000
$2.500

$21.000
$1.500
$5.000

$28.000
$2.000
$5.000

$28.577
$1.355
$4.875

5
1
0,5

6
1,5
1

Fase 4

Fabricao
Reprototipagem
Reforma e retrabalho

$65.692
$15.360
$10.781

$50.000
$8.000
$8.000

$80.000
$12.000
$12.000

$100.000
$16.000
$16.000

$0
$0
$0

5
1
1

Fase 5

Mercado
Pesquisa adicional de mercado
Reposionamento

$176.937
$14.901
$33.389

$120.000
$10.000
$20.000

$150.000
$20.000
$30.000

$240.000
$30.000
$50.000

$0
$0
$0

4
1
2

Estrutura de trabalho explodida

Total Geral

Durao em semanas
Esperado
Mx
Cst. Un.
1,5
3
$1.500
0,5
1
$1.500

Hiptese de
sobre-custo
2%
0%

Probabilidade
de Sucesso
95%
95%

Sucesso/
Falha
1
1

Evento
Associado
1
1

$2.500
$1.500
$1.500

9%
0%
0%

93%
99%
99%

1
1
1

1
1
1

8
2
1

$3.500
$1.000
$5.000

17%
2%
2%

97%
97%
98%

1
1
1

1
1
1

8
1,5
1,5

10
2
2

$10.000
$8.000
$8.000

24%
2%
2%

95%
98%
98%

0
1
1

0
0
0

5
2
3

8
3
5

$30.000
$10.000
$10.000

9%
11%
11%

90%
95%
95%

1
1
1

0
0
0

$50.471

A clula G13 marcada como Varivel de Entrada. | Risk Simulator | Set

Input Assumption. A janela que se abre permite uma srie de definies como
pode ser visto da figura acima. Os valores podem ser linkados s clulas ou
informados diretamente. Todas as variveis de entrada ficam marcadas pela
cor VERDE. A varivel de sada (Output Forecast) ao ser escolhida fica
marcada por AMARELO. Os relatrios aps a simulao sero apresentados a
partir dos dados obtidos nessas variveis marcadas.
O resultado da simulao com 1000 TRIAL apresentado na figura
seguinte.

31

Curso Interno ICA

Como pode ser observado, existem trs grupos, indicando as falhas que
ocorreram sem que o processo tivesse sido completado. Pode-se concluir que
existem 37% de probabilidade do custo estar entre $320 e $481

Exemplo 2 Avaliao do Retorno de Investimento de Fluxo de Caixa

A planilha a seguir exemplifica um modelo de Fluxo de Caixa
Descontado.
Discounted Cash Flow / ROI Model
Base Year
Start Year
Market Risk-Adjusted Discount Rate
Private-Risk Discount Rate
Terminal Period Growth Rate
Effective Tax Rate

Product A Avg Price/Unit

Product B Avg Price/Unit
Product C Avg Price/Unit
Product A Sale Quantity ('000s)
Product B Sale Quantity ('000s)
Product C Sale Quantity ('000s)

Total Revenues
Direct Cost of Goods Sold

Gross Profit
Operating Expenses
Sales, General and Admin. Costs

Operating Income (EBITDA)

Depreciation
Amortization

EBIT
Interest Payments

EBT
Taxes

Net Income
Noncash: Depreciation Amortization

Noncash: Change in Net Working Capital

Noncash: Capital Expenditures
Free Cash Flow
Investment Outlay
Net Free Cash Flow
Financial Analysis
Present Value of Free Cash Flow
Present Value of Investment Outlay
Discounted Payback Period
Risk Analysis
Base Case PV at Time 0
PV of Cash Flow at Time 1
Intermediate X Variable

32

2009
2009
15,00%
5,00%
2,00%
40,00%

Sum PV Net Benefits

Sum PV Investments
Net Present Value
Internal Rate of Return
Return on Investment
Profitability Index

$4.762,09
$1.634,22
$3.127,87
55,68%
191,40%
2,91

Discrete End-of-Year
Discounting
Discount Type
1
Discrete End-of-Year Discounting
Model T Discrete MidInclude Terminal
2 Exclude
Valuation Terminal Valuation
Continuous End-of-Year Include Terminal Valuation
Continuous Midyear Discounting

2009

2010

2011

2012

2013

2014

2015

2016

2017

2018

$10,00
$12,25
$15,15
50
35
20
$1.231,75
$184,76
$1.046,99
$157,50
$15,75
$873,74
$10,00
$3,00
$860,74
$2,00
$858,74
$343,50
$515,24
$13,00
$0,00
$0,00
$528,24

$10,50
$12,50
$15,30
50
35
20
$1.268,50
$190,28
$1.078,23
$157,50
$15,75
$904,98
$10,00
$3,00
$891,98
$2,00
$889,98
$355,99
$533,99
$13,00
$0,00
$0,00
$546,99

$11,00
$12,75
$15,45
50
35
20
$1.305,25
$195,79
$1.109,46
$157,50
$15,75
$936,21
$10,00
$3,00
$923,21
$2,00
$921,21
$368,49
$552,73
$13,00
$0,00
$0,00
$565,73

$11,50
$13,00
$15,60
50
35
20
$1.342,00
$201,30
$1.140,70
$157,50
$15,75
$967,45
$10,00
$3,00
$954,45
$2,00
$952,45
$380,98
$571,47
$13,00
$0,00
$0,00
$584,47

$12,00
$13,25
$15,75
50
35
20
$1.378,75
$206,81
$1.171,94
$157,50
$15,75
$998,69
$10,00
$3,00
$985,69
$2,00
$983,69
$393,48
$590,21
$13,00
$0,00
$0,00
$603,21

$12,50
$13,50
$15,90
50
35
20
$1.415,50
$212,33
$1.203,18
$157,50
$15,75
$1.029,93
$10,00
$3,00
$1.016,93
$3,00
$1.013,93
$405,57
$608,36
$13,00
$0,00
$0,00
$621,36

$13,00
$13,75
$16,05
50
35
20
$1.452,25
$217,84
$1.234,41
$157,50
$15,75
$1.061,16
$10,00
$3,00
$1.048,16
$4,00
$1.044,16
$417,67
$626,50
$13,00
$0,00
$0,00
$639,50

$13,50
$14,00
$16,20
50
35
20
$1.489,00
$223,35
$1.265,65
$157,50
$15,75
$1.092,40
$10,00
$3,00
$1.079,40
$5,00
$1.074,40
$429,76
$644,64
$13,00
$0,00
$0,00
$657,64

$14,00
$14,25
$16,35
50
35
20
$1.525,75
$228,86
$1.296,89
$157,50
$15,75
$1.123,64
$10,00
$3,00
$1.110,64
$6,00
$1.104,64
$441,86
$662,78
$13,00
$0,00
$0,00
$675,78

$14,50
$14,50
$16,50
50
35
20
$1.562,50
$234,38
$1.328,13
$157,50
$15,75
$1.154,88
$10,00
$3,00
$1.141,88
$7,00
$1.134,88
$453,95
$680,93
$13,00
$0,00
$0,00
$5.444,64

$500,00
($1.105,97)

$1.500,00
$546,99

$565,73

$584,47

$603,21

$621,36

$639,50

$657,64

$675,78

$5.444,64

$528,24
$500,00
3.47 Years

$475,64
$0,00

$427,77
$1.134,22

$384,30
$0,00
3,47

$344,89
$0,00
5,53

$308,92
$0,00
7,70

$276,47
$0,00
10,02

$247,23
$0,00
12,50

$220,91
$0,00
15,15

$1.547,71
$0,00
11,02

$528,24

$475,64
$546,99

$427,77
$491,94

$384,30
$441,94

$344,89
$396,62

$308,92
$355,26

$276,47
$317,94

$247,23
$284,32

$220,91
$254,05

$1.547,71
$1.779,86

0,0222

Modelagem
As variveis relacionadas receita (preo e quantidade) foram
modeladas com preo com fdp N(,) e quantidade U(Max., Mn.), investimento
Triang(mdia,+10%, -10%). Existem duas variveis designadas como output.
Uma o VPL do projeto. A outra para avaliar a volatilidade implcita do VPPL,
que a maneira de se obter a modelagem da volatilidade quando se usa
VP
] onde VP um valor fixo (baseline) e VP
Opes Reais. [ Vol = ln t
t 1
t
VPt 1
varia a cada cenrio. Ao trmino da simulao o desvio padro de Vol indicar
a volatilidade do VPL, que poder ser utilizado para modelagem de processo
estocstico.
Aps a indicao das variveis de input e output realizamos a simulao
com 1000 TRIAL e obtivemos os seguintes dados:
Number of Trials
1000
Mean
0,0329
Median
0,0390
Standard Deviation
0,1549
Variance
0,0240
Coefficient of Variation
4,7140
Maximum
0,4114
Minimum
-0,4332
Range
0,8446
Skewness
-0,1733
Kurtosis
-0,5771
25% Percentile
-0,0786
75% Percentile
0,1505
Percentage Error Precision at 95% Confidence 29,22%

A volatilidade associada ao VPL de 15,5%. Caso os dados fossem

trimestrais ou mensais a volatilidade deveria ser anualizada (multiplicando o
desvio padro por 4 ou 12 ).
A avaliao do risco neste projeto poder ser realizada diretamente na
distribuio do VPL. Conforme o grfico a seguir apresentado, possvel
identificar a faixa mais provvel de valores (p.ex., 95% ou 99% dos cenrios
esto entre $1.903,6 e $4.625,0; $1.722,8 e $5.067,6), bem como avaliar o
33

Curso Interno ICA

risco do resultado ficar abaixo de certo valor (p.ex., o risco de o resultado ficar
abaixo de $2034 de 5%). O risco de um prejuzo neste projeto praticamente
0(zero). Veja o grfico a seguir.

possvel avaliar a faixa do TIR prevista e saber a probabilidade de que

seu valor fique abaixo do WACC da empresa. No exemplo em 99% das vezes
o TIR situou-se entre 36,78% e 91,79% sendo a mdia 57,51%.

34

Modelagem
Uso de Opes Reais como um aperfeioamento da anlise de FCD

35