ANLISE DO RISCO NA AVALIAO DE PROJETOS DE INVESTIMENTO: UMA

APLICAO DO MTODO DE MONTE CARLO1

Adriano Leal Bruni(*) Rubens Fam(**) Jos de Oliveira Siqueira(***)

INTRODUO

A avaliao de projetos de investimento comumente envolve um conjunto de tcnicas que buscam estabelecer parmetros de sua viabilidade. Comumente esses parmetros so expressos pelo Payback (Pb, prazo de retorno do investimento inicial), da TIR (taxa interna de retorno) ou do Valor Presente Lquido (VPL, resultado dos fluxos de caixas, descontados a data zero pelo custo de capital do projeto e subtrado do investimento inicial). Porm, poucas so as consideraes formais sobre os riscos que envolvem os fluxos de caixa de um projeto. A forma mais comum d-se com a anlise de sensibilidade, que costuma envolver a
Reproduo integral de: Bruni, A. L., Fam, R. & Siqueira, J. O. (1998). Anlise do Risco na Avaliao de Projetos de Investimento : Uma Aplicao do Mtodo de Monte Carlo. Caderno de Pesquisas em Administrao, volume 01, nmero 06, 1o trimestre, pp. 62-74. (*) Mestrando do Programa de Ps-Graduao da FEA/USP. E-mail : albruni@usp.br. (**) Professor, doutor do Programa de PsGraduao da FEA/USP. E-mail : rfama@usp.br. (***) Professor do Departamento de Administrao da FEA/USP. E-mail : siqueira@usp.br.
1

simulao de resultados para vrios nveis de custo de capital e/ou taxa de crescimento de receitas. Quando o VPL adotado como parmetro de deciso, o tratamento matemtico formal envolve a determinao do seu valor mdio e de sua variabilidade (ou risco, expresso sob a forma de desvio padro) calculados a valor presente dos fluxos de caixa deste projeto. A obteno da mdia no seria um complicador, j que o seu clculo simples, resultante da ponderao das outras mdias de cada fluxo de caixa. Entretanto, a determinao do risco, conforme Markowitz j havia estabelecido em seu artigo Portfolio Selection, publicado no Journal of Finance em junho de 1952, envolveria a considerao da variabilidade de cada fluxo de caixa, mais a covarincia, calculada dois a dois, para todos os fluxos. Se imaginarmos que cada fluxo de caixa pode ser considerado resultante de um conjunto de fatores de risco (como preos praticados, quantidades vendidas, custos e despesas), o tratamento matemtico convencional seria muito complexo e, portanto, quase impossvel na maioria das vezes, j que boa parte dos tomadores de deciso e/ou analistas de projetos no teriam condies de realiz-lo. Uma alternativa a esse problema pode ser expresso atravs da utilizao Mtodo de Monte Carlo (MMC) no clculo da variabilidade do VPL de um projeto. Este procedimento envolve a utilizao de nmeros aleatrios nas simulaes, o que pode facilitar acentuadamente os clculos do risco, ainda mais quando suportados por uma planilha eletrnica (a exemplo do MS-Excel 5 ou superior) dotada de linguagem de programao (Visual Basic for Applications) que permite a gerao automtica dos resultados.

Este artigo apresenta a anlise econmica de projeto com a utilizao simplificada do MMC, valendo-se, para isso, dos recursos do Excel. Esperamos, assim, contribuir para a considerao do risco em projetos, esperando que outros trabalhos dem continuidade ao que agora iniciamos.
FUNDAMENTAO TERICA Principais projetos mtodos de avaliao de

A anlise de projetos costuma envolver a obteno de parmetros expressos sob a forma das seguintes tcnicas: Payback Representa o prazo necessrio para a recuperao do capital investido, podendo ser simples (sem considerar o custo de capital, valor do dinheiro no tempo) ou descontado (considerando o valor do dinheiro no tempo). Vide o exemplo a seguir.

Exemplo 1 : Clculo de Payback Simples e Descontado

Fluxo de Caixa Anual 0 (1000) 1 350 2 500 3 250 4 300 5 420 Payback (para k=10%aa) Ano Saldo Simples (1000) (650) (150) 100 400 820 Simp. (anos) PBs (parciais) 1,0000 1,0000 0,6000 Saldo Descontado (1000) (750) (325) (108) 182 620 Desc. (anos) PBd (parciais) 1,0000 1,0000 1,0000 0,3580 3,36

2,60

De acordo com exemplo acima, encontramos valores para o payback de 2,60 anos (simples, desconsiderando o custo de capital) e de 3,36 anos (descontado, considerando o custo de capital). A depender do parmetro da empresa , por exemplo de 3 anos para um PBs, o projeto pode ser aceito ou no. O Payback comumente usado de forma preliminar a outros mtodos como um Payback Simples

calibre passa- no- passa inicial. Se, por exemplo, o payback descontado de um projeto for superior ao perodo mximo estabelecido pela empresa para recuperar o investimento inicial, este no deve ser aceito pela empresa, mesmo que apresente TIR superior ao custo de capital ou VPL positivo. Assim, suas principais vantagens e desvantagens pode ser resumidas como : Desvantagens No considera o custo de capital, o valor do dinheiro no tempo. No considera todos os fluxos de

Vantagens Simplicidade : j que no exige nenhuma sofisticao de clculos, apenas sucessivas subtraes.

Descontado

Serve como parmetro de liquidez caixa. (quanto menor, maior a liquidez do projeto) e de risco (quanto menor, menor o risco do projeto). Considera o valor do dinheiro no No considera todos os fluxos de tempo. caixa do projeto. recuperado; remunerado na taxa de juros que mede o custo de capital do projeto k; gerar um ganho extra, na data 0, igual ao VPL. De acordo com o exemplo a seguir , supondo uma taxa de desconto (custo de oportunidade do projeto, ou simplesmente k) igual a 10% aa, podemos estimar o VPL como sendo igual a $384,92, devendo, ento, ser aceito.

Valor Presente Lquido O Valor Presente Lquido (simplesmente VPL ou NPV, do ingls Net Present Value) representa a diferena entre os Fluxos de Caixa futuros trazidos a valor presente pelo custo de oportunidade do capital e o investimento inicial. Se positivo deve ser aceito. Lapponi (1996 : 36) ressalta que VPL positivo indica que o capital investido ser

Exemplo 2 : Clculo do VPL

Fluxo de Caixa Anual 0 (1000) 1 350 2 500 3 250 4 300 5 420 VPL (para k=10%aa, em $) Ano Valor Presente (1000) 318 413 188 205 261 385

As principais vantagens e desvantagens do uso do VPL podem ser expressas por : Vantagens Informa de o projeto de investimento aumentar o valor da empresa. Considera o valor do dinheiro no tempo. Incluiu todos os capitais na avaliao. Considera tambm o risco j embutido no k. Desvantagens preciso conhecer k. Resposta em valor monetrio ( difcil, por exemplo, responder se melhor investir $100 para um VPL de $5 ou investir $10 para um VPL de $3).

Taxa Interna de Retorno

A taxa interna de retorno representa o valor do custo de capital que torna o VPL nulo, sendo ento uma taxa que remunera

o valor investido no projeto. Quando superior ao custo de capital do projeto (k)

deve ser aceito. Como exemplo, vide o Fluxo de Caixa a seguir .

Exemplo 3 : Clculo da TIR

Fluxo de Caixa Anual 0 (1000) 1 350 2 500 3 250 4 300 5 420 Para TIR = 0,2443, VPL = Ano Valor Presente (1000) 281 323 130 125 141 0

De acordo com o Fluxo de Caixa anterior podemos determinar que para um VPL nulo, o valor de k (ou da TIR) seria de 24,43% aa. Se o custo de capital deste projeto for de, por exemplo, 15% aa, o mesmo deveria ser aceito, j que a TIR foi superior ao k. Projeto Simples No - Simples Puros

O maior problema de uso da TIR consiste quando ocorre a inverso de sinais do Fluxo de Caixa em mais de uma vez. Lapponi (1996 : 122) chama a ateno que dependendo da estrutura dos fluxos de caixa do projeto, este pode ser classificado de diferente formas:

Misto

Descrio quando os capitais do fluxo de caixa apresentam apenas uma mudana de sinal. quando os capitais do fluxo de caixa apresentam mais de uma mudana de sinal. o projeto de investimento com data terminal igual a n e que apresenta uma nica taxa interna de juros (TIJ) e os valores do saldo em qualquer data quando calculados com a TIJ so negativos at a data n, e iguais a zero em n. o projeto de investimento no simples que no atende as regras do projeto puro TIR mltiplas mediante a aplicao das regras de Descartes e Norstrom, conforme segue.

Cuidados devem ser tomados no uso da TIR quando os projetos no so puros. Para isso, pode-se verificar a existncia de Regra Descartes Norstrom

Descrio Nos permite prever o nmero de taxas mltiplas. Para um Fluxo de Caixa com coeficientes reais, o nmero de razes reais maiores que -1 igual ou menor que o nmero de mudanas de sinais do fluxo de caixa. Se a acumulao de capitais na data zero negativo, se o valor na data

n positivo e se a srie formada pelos valores acumulados dos capitais em cada data apresentar somente uma mudana de sinal, ento existe somente uma TIR com valor real positivo. Se o projeto apresentar mais de uma TIR recomenda-se no aplicar o mtodo da TIR, valendo-se do mtodo do VPL. A seguir apresenta-se um exemplo extrado de Lapponi (1996 : 105) que permite a
Exemplo 4 : TIR de projeto no puro
Ano 0 1 2 3 4 5 6 7 8 9 10 VPL (soma) Estimativa para a TIR : Valores da TIR : Fluxo de Caixa Anual 0 180 100 50 1800 600 500 400 300 200 100 Valor Presente (A) 0 145 65 26 (760) 204 137 89 54 29 12 0 25% 0,2404 Valor Presente (B) 0 113 40 13 (284) 60 31 16 7 3 1 0 60% 0,5861 Valor Presente 0 164 83 38 (1229) 373 282 205 140 85 39 178 k= 10% 200,00

considerao de TIRs mltiplas em projetos. Imagine que uma mina de ferro apresenta a distribuio de fluxos de caixa apresentada a seguir :

k x VPL

150,00

100,00 VPL

TIR1=24,04%

TIR2=58,61%

50,00

10% (50,00) 20% 30% 40% k 50% 60% 70% 80%

Com base nesses Fluxos de Caixa, para um k = 10%, teramos um VPL de $177,80, devendo o projeto ser aceito. Aps a aplicao das Regras de Descartes e Norstrom podemos deduzir que o projeto acima apresenta mais de uma TIR

(conforme representado no grfico). Sendo assim, para k compreendido entre 24,04% e 58,61% o projeto no deveria ser aceito. As vantagens e desvantagens da TIR podem ser representadas por :

Vantagens Desvantagens O resultado uma taxa de juros (valor No pode ser usado quando o fluxo de caixa relativo), fcil de ser comunicado. no do tipo simples (e apresentar mais de uma TIR). Requer a anlise dos fluxos de caixa incrementais na seleo de projetos mutuamente exclusivos.

Seleo de projetos

Exemplo 5 : Seleo de Projetos

Ano 0 1 2 3 4 5 6 7 8 VPL (k=8,50%) TIR Fl. Caixa Projeto A (6.000,00) 5.000,00 6.000,00 7.500,00 8.500,00 9.500,00 10.000,00 11.000,00 11.500,00 40.359,49 100,77% Fl. Caixa Projeto B (30.000,00) 9.000,00 10.500,00 12.500,00 14.000,00 16.000,00 17.500,00 18.500,00 19.500,00 49.074,06 37,74% Fl. Caixa Projeto C (70.000,00) 13.000,00 16.000,00 19.000,00 22.000,00 25.000,00 27.000,00 30.000,00 32.000,00 53.107,61 23,34% Diferena B-A (24.000,00) 4.000,00 4.500,00 5.000,00 5.500,00 6.500,00 7.500,00 7.500,00 8.000,00 8.714,57 16,34% Diferena C-B (40.000,00) 4.000,00 5.500,00 6.500,00 8.000,00 9.000,00 9.500,00 11.500,00 12.500,00 4.033,55 10,69%

Segundo a maioria dos livros clssicos de finanas o principal mtodo de avaliao de projetos consiste no VPL. Sendo assim, em caso de seleo de projetos poderamos sempre escolher aquele que apresentar o maior VPL. No caso de basearmos nossa escolha na TIR, deveramos tomar cuidados, j que o projeto de maior TIR no representa necessariamente o melhor projeto. Neste caso, sugere-se montar os fluxos de caixas incrementais, comparando-se a TIR destes incrementos com o custo de capital do projeto. Cada vez que o fluxo incremental de um projeto desafiante superar o custo de capital, este desafiante deve ser aceito no lugar do desafiado. Para ilustrar a proposio apresentamos a seguir trs projetos mutuamente 3 excludentes : A,B e C.

Baseados nos nmeros dos projetos apresentados anteriormente , pelo mtodo do VPL deveramos escolher o projeto C, que apresentou maior VPL, apesar de apresentar menor TIR. Seriam os mtodos incongruentes ? A resposta no. Para escolhermos um projeto em funo de sua TIR deveramos fazer a anlise dos fluxos incrementais entre os projetos. Sendo assim, subtraindo os fluxos do projeto B menos os do projeto A, encontraramos uma TIR para essa variao de fluxos igual a 16,34%, superior ao custo de capital de 8,5% e justificando o investimento adicional. Portanto, o desafiante (B) se justifica em relao ao desafiado (A). Repetindo o procedimento para o projeto C, encontramos uma situao anloga - ou seja, C melhor que B. Logo, pelo mtodo da TIR o melhor projeto continuaria sendo o projeto C.

Adaptado de Lapponi (1996 : 146).

Anlise do risco Anlise de Sensibilidade Normalmente, as abordagens de avaliao de projetos apresentadas so determinsticas: espera-se que os valores projetados realmente ocorram. O tratamento do risco do projeto, quando existe, comumente feito atravs da k 10% 40% VPL 177,80 (21,36) k 20% 50% utilizao de anlise de sensibilidade, para o custo de capital do projeto ou para o possvel crescimento dos fluxos de caixa futuros. Para o exemplo da mina de ferro anteriormente apresentado poderamos montar a matriz de sensibilidades para o custo de capital conforme a seguir :

VPL 25,21 (11,33)

k 30% 60%

VPL (18,02) 1,84

De acordo com os valores obtidos e de forma aproximada, para valores de k entre 25% e 60%, teramos VPLs negativos, devendo o projeto ser recusado a essas taxas. uma primeira aproximao, mas que representa uma tentativa de considerao do risco no projeto, ainda que bastante simples. O tratamento matemtico convencional O tratamento de um fluxo de caixa em condies de risco apresentado por Securato (1996 : 61) . Considere-se um fluxo de caixa dado pela seqncia de Fj P(Fj) fj,1 P(fj,1) fj,2 P(fj,2)

valores futuros representados por : {F j }j =1,...,n = {F1 , F2 ,..., Fn }, onde os Fj so variveis aleatrias independentes e identicamente distribudas com uma funo densidade de probabilidade g(Fj). Considere tambm uma taxa de desconto pr-determinada i% ao perodo. Numa distribuio discreta de probabilidade poderamos representar os fluxos de caixa e suas respectivas probabilidades de ocorrncia como:

fj,3 P(fj,3)

... ...

fj,n P(fj,n)

Cada VPL dado por: VPL =

(1 + i )
j =1

Fj

O risco do projeto, expresso sob a forma do desvio padro destes fluxos de caixa, :
j

A esperana do VPL dos fluxos de caixa futuros expressa por : E[VPL ] =

Var[VPL] =

(1 + i)
j =1

Var[ F j ]
2j

(1 + i )
j =1

E[ Fj ]
j

Ou seja, o risco do projeto funo dos riscos individuais.

Var[VPL]

A utilizao do Mtodo de Monte Carlo Uma alternativa para o clculo do risco seria a utilizao de nmeros aleatrios, como expresso pelo Mtodo de Monte Carlo. De acordo com Costa e Azevedo (1996 : 100) : O Mtodo de Monte Carlo uma tcnica de amostragem artificial empregada para operar numericamente sistemas complexos que tenham componentes aleatrios. Trata-se de uma ferramenta importantssima de pesquisa e planejamento que vem sendo cada vez mais utilizado devido ao constante aperfeioamento dos computadores, com sua grande velocidade de clculo, poder de armazenar dados e capacidade de tomar decises lgicas... Essa metodologia, incorporada a modelos de Finanas, fornece como resultado aproximaes para as distribuies de probabilidade dos parmetros que esto sendo estudados. So realizadas diversas simulaes onde, em cada uma delas, so gerados valores aleatrios para o conjunto de variveis de entrada e parmetros do modelo que esto sujeitos incerteza. Tais valores aleatrios gerados seguem distribuies de probabilidade especficas que devem ser identificadas ou estimadas previamente. O conjunto de resultados produzidos ao longo de todas as simulaes ... podero ser analisados estatisticamente e fornecer resultados em termos de probabilidade. Essas informaes sero teis na avaliao da disperso total das predies do modelo causada pelo efeito combinado das incertezas dos dados de entrada e na avaliao das probabilidades de serem violados os padres das projees financeiras.

Feitas as ressalvas matemticas adequadas, de acordo com Shimizu (1975)4, jamais seria possvel a obteno de aleatrios genunos, mas sim nmeros pseudo-aleatrios ou quase-aleatrios. Isto por que para que pudssemos garantir seu carter de aleatoriedade, precisaramos efetuar infinitos testes gerados por um mesmo processo e seguidos por uma infinidade de testes estatsticos. De acordo com Ehrlich (1988)5, os critrios de aleatoriedade dos nmeros pseudoaleatrios gerados em computador seriam: a) uniformemente distribudos; b) estatisticamente independentes, c) reprodutveis, a fim de permitir comparao entre programas; d) no repetibilidade da srie no intervalo de interesse; e) velocidade de gerao; f) utilizao de memria mnima do computador na gerao. De forma simplificada, poderamos aplicar o MMC no Excel da seguinte forma : Para distribuies discretas : Bastaria colocarmos a distribuio discreta em funo da funo probabilidade acumulada (entre 0% e 100%), gerarmos um aleatrio (pela funo =ALEATRIO()) e, por exemplo, atravs de uma funo de busca e referncia [=PROCV(NO, MATRIZ DE DADOS, COLUNA)] identificarmos o valor correspondente. Exemplo: suponha a seguinte funo discreta de probabilidades para preos futuros de um produto qualquer :

4 5

Citado por Costa e Azevedo (1996 : 101) Idem

Distribuio
Qtde 100 200 300 Prob 30% 60% 10%

2a. coluna da Matriz

0% 30% 90% 100% =ALEATRIO() =PROCV(Aleat;Matriz;2)

100 200 300 300 0,85912386 200

F $100 $200 $300 Soma

P(F) 30% 60% 10% 100%

F*P(F) 30 120 30 180 Mdia = [F.P(F)] =

F^2.P(F) 3.000 24.000 9.000 36.000 180 60

Usando uma funo de Busca e Referncia, como a PROCV do Excel, poderamos gerar aleatrios com base na matriz de dados apresentada ao lado da distribuio de preos, cujas quantidades passam a ser representadas pela funo acumulada de probabilidades, para viabilizarmos o uso da funo PROCV6. Sendo assim, para um nmero aleatrio (gerado entre 0 e 1) igual a 0,859112386, a funo retornaria o valor de $200, j que 0,859112386 est compreendido entre 0,30 e 0,90. Asseguramos assim, a aleatoriedade7 das quantidades obtidas, que aps n simulaes, nos permitiria calcular a mdia e o risco da distribuio lembrando que o Teorema do Limite Central nos revela que para n grande, a mdia (n maior ou igual a 30) e o desvio padro amostral (n maior ou igual a 100) convergem para a mdia e desvio padro populacionais (Spiegel, 1978 : 227). Para o exemplo anterior, calculado a mdia e o desvio encontraramos os valores respectivos de $180 e $60. Rearrumando os dados, com a funo acumulada de probabilidade, poderamos, ento, simular o valor resultante de acordo com o Mtodo de Monte Carlo. No Excel :
Em caso de dvidas, pode-se consultar o Help do Excel (tecla F1), que fornece uma boa orientao para a utilizao das funes mencionadas neste trabalho. 7 Mantidas as ressalvas de Shimizu (1975) , precisaramos verificar o algoritmo de gerao de aleatrios do Excel para assegurarmos a verdadeira aleatoriedade ou no.
6

Risco = {E(F^2)-[E(F)]^2}^ =

Calculando P(F) acumulada e usando as funes do Excel :

P(F) acumul 0% 30% 90% 100%

Qtde. 100 200 300 300

Funes do Excel =ALEATRIO() =PROCV($H$16;$F$11:$G$14;2) 0,17266676 $100

Efetuando 1.000 simulaes do valor acima, encontramos valores de $179,63 para a mdia e $59,72 para o desvio. Sendo assim, podemos afirmar ter encontrado boas aproximaes para os valores populacionais ($180 e $60) de

Valor Si l d acordo com o Mtodo de Monte Carlo. Plotando um grfico de Nmero de Simulaes (n) versus Mdia e Desvio, podemos perceber que nossos resultados estabilizariam em torno de 200 simulaes.

250 200 150 100 50 0 0 200 400 600 800 1000

N o d e si ul m a es

Mdia (estab = 179,63) Desvio (estab = 59,72)

Para distribuies contnuas : De acordo com Seila e Banks (1990)8, para cada tipo de distribuio contnua poderamos montar uma funo estocstica . Por exemplo, uma distribuio normal poderia ser expressa 12 por sx aleatorioi 6 + x . Sendo i =1 assim, no Excel, bastaria usarmos a funo =ALEATRIO() para a gerao das
8

distribuio normal desejada, que pode ser expressa pela funo =(((ALEATRIO() + ALEATRIO() + ALEATRIO() + ALEATRIO() + ALEATRIO() + ALEATRIO() + ALEATRIO() + ALEATRIO() + ALEATRIO() + ALEATRIO() + ALEATRIO() + ALEATRIO())-6)*Desvio + Mdia)9.
De acordo com Costa e Azevedo (1996 : 110), Seila e Banks (1990) demonstram que utilizao de
9

Citado por Costa e Azevedo (1996 : 101)

Para facilitar o uso do mtodo de Monte Carlo, desenvolvemos uma planilha que permite simulaes variadas, estando o resultado a ser obtido apresentado em funo das distribuies mencionadas . A seguir apresentamos um exemplo de utilizao deste modelo. Um exemplo de utilizao do Mtodo de Monte Carlo A Golden Beverage, tradicional fabricante de refrigerantes, j estabelecida h mais de 50 anos estuda a viabilidade da implantao de uma nova fbrica para a produo de refrigerantes sabores cola, limo e laranja. De acordo com os seus estudos este novo empreendimento de $900.000,00 poderia apresentar uma vida til de 20 anos, com valor residual considerado desprezvel (suposto nulo) ao fim do perodo. Em funo do histrico da empresa, as estimativas para esse novo empreendimento indicam que suas vendas e preos possveis (expressos em moeda forte, desprezando efeitos inflacionrios) de serem praticados podem ser representados pelas distribuies de probabilidade apresentadas a seguir. Preos a serem praticados : Suposta uma distribuio discreta dos preos unitrios.
Preo $ 20 30 40 Total Cola 12% 63% 25% 100% Refrigerante Limo 10% 60% 30% 100% Laranja 30% 45% 25% 100%

Vendas de produtos : Suposta uma distribuio normal, com previso de vendas em unidades.
Cola 16.000 1.500 Limo 8.000 4.000 Laranja 6.500 3.200

Custos variveis : a 60% das vendas.

supostos iguais

Despesas Fixas : supostas fixas e iguais a $172.000,00 por ano. Custo de Capital : em 14% aa. Imposto de Renda : de 35%. pr-determinado suposta alquota

Depreciao : suposta igual a $45.000,00 por ano (linear para os 20 anos, $45.000 = $900.000/20). O valor disponvel para a empresa poderia ser representado pelo Fluxo de Caixa Livre, resultante do Lucro Operacional aps Impostos mais a Depreciao (j que esta reduz o Imposto a Pagar, mas fica disponvel para distribuio). De acordo com as premissas acima, seria possvel a montagem, ento, de uma planilha em Excel para o clculo da distribuio do VPL .

12 aleatrios nos daria uma boa aproximao da distribuio normal.

11

Receitas Q Cola P Cola Rec Cola Q Limao P Limao Rec Limao Q Laranja P Laranja Rec Laranja Custos Depreciao Despesas Lucro Operacional IR Lucro Lquido Depreciao FCL k Vpi INVESTIMENTO VPL i
VPL ($) 450.000,00 400.000,00 350.000,00 300.000,00 250.000,00 200.000,00 150.000,00 100.000,00 50.000,00 (50.000,00) 0

911.460,00 17.831,00 40 713.240,00 6.584,00 20 131.680,00 2.218,00 30 66.540,00 (546.876,00) (45.000,00) (172.000,00) 147.584,00 (51.654,40) 95.929,60 45.000,00 140.929,60 14,000% 933.395,14 900.000,00 33.395,14

Cada um destes valores de VPL isoladamente pouca utilidade representam, j que constituem estimativas pontuais. Entretanto, o Teorema do Limite Central nos revela que para n grande , a mdia e o desvio padro amostrais convergem para a mdia e desvio populacionais. Sendo assim, construindo um grfico da mdia e do desvio obtido versus nmero de simulaes encontra-se que ocorre uma estabilizao dos valores da mdia e do risco do projeto.

Mdia e desvio amostrais X No. Simulaes Desvio padro amostral aps 1.000 simulaes igual a $362.034,25

Mdia amostral aps 1.000 simulaes igual a $26.736,39

100

200

300

400 500 No. Simulaes

600

700

800

900

1000

Podemos constatar que a medida que o nmero de simulaes aumenta, ocorre uma estabilizao dos resultados (expressos pela mdia e pelo desvio

padro dos valores do VPL). Pelo grfico percebe-se que o risco do projeto muito maior que a mdia. O histograma das 1.000 simulaes resulta em :

12

H i sto g r a m a
100 90 80 70 60 50 40 30 20 10 0 1 0 0 ,0 0 % 9 0 ,0 0 % 8 0 ,0 0 % 7 0 ,0 0 % 6 0 ,0 0 % 5 0 ,0 0 % 4 0 ,0 0 % 3 0 ,0 0 % 2 0 ,0 0 % 1 0 ,0 0 % ,0 0 %

Freqncia

VP L =$0 F req u n cia = 43%

B lo c o

F r e q n c ia

% c u m u la t iv o

A proporo de VPLs menores ou iguais a 0 (zero) foi de 43%. Portanto, teramos apenas cerca de 57% de chance de ter um VPL estritamente positivo. Logo, sob estas condies no seria razovel recomendar a aceitao do projeto.

De acordo com as proposies do exemplo, o projeto apresenta uma taxa de desconto fixa igual a 14% aa. De forma complementar e usando o MMC pode-se analisar o comportamento da mdia e desvio padro dos VPLs para outros nveis de taxas de desconto.

Espe ra na e Risco X k
2.000.000,00 1.500.000,00 1.000.000,00 $ 500.000,00 0% (500.000,00) 2% 4% 6% 8% 10% k 12% 14% 16% 18% Para 1000 simulaes

Mdia Desvio padro

Sendo assim, se a empresa assumisse como razovel a tomada da deciso de investimento em um nvel de confiana igual ou superior a 80%, expresso atravs do percentil para VPLs menores que zero, aps 1.000 simulaes para cada k,

inferior a 20%, pode-se estimar que o custo de capital correspondente, conforme grfico a seguir, seria em torno de 8%aa. Portanto, para k inferior a 8% o projeto poderia ser aceito.

k x Pe rce ntil (VPL<0)

80,00% 70,00% Percentil (VPL<0) 60,00% 50,00% 40,00% 30,00% 20,00% 10,00% 0,00% 0% 2% 4% 6% 8% k 10% 12% 14% 16% 18% Aps 1.000 simulaes para cada k

k = 8% Pe rc = 19%

Consideraes finais A avaliao dos riscos de um projeto , sem dvidas, fundamental. O maior problema a ser enfrentado consiste no tratamento matemtico das fontes individuais de risco. O uso de um procedimento numrico, como o Mtodo de Monte Carlo uma alternativa para a avaliao do risco de um projeto. Neste trabalho foi apresentado o MMC e desenvolvido um exemplo de sua aplicao na Engenharia Econmica. Possivelmente, trabalhos futuros podero dar continuidade ao agora apresentado, colocando novas consideraes sobre as dependncias dos fluxos de caixa, envolvendo uma sofisticao no tratamento matemtico e uma evoluo na utilizao do MMC. Bibliografia ANDRADE, Eduardo Leopoldino. Introduo a Pesquisa Operacional. Rio de Janeiro : Livros Tcnicos e Cientficos. 1994. BREALEY, Richard A; MYERS, Stewart C. Princpios de Finanas Empresariais. McGraw-Hill de Portugal. 1992.

BRUNI, Adriano Leal; SOUZA, Almir Ferreira; LUPORINI, Carlos Eduardo. A determinao do Valor da Empresa com base no FCD : Um estudo de caso. Anais do II SemeAd FEA/USP. So Paulo. 1997. COSTA, Luiz Guilherme Tinoco Aboim e AZEVEDO, Marcos Correia Lima. Anlise Fundamentalista. Rio de Janeiro : FGV/EPGE. 1996. EHRLICH, Pierre Jacques. Pesquisa Operacional. So Paulo : Atlas. 1988. HERTZ, David B. Risk Analysis in Capital Investment. Harvard Business Review. Set. 1979. KANAAN, Joo C. e SIQUEIRA, Jos de O. Microsoft Excel 7 para Windows 95. So Paulo : Pioneira. 1997. KLEINJNEN, Jack e GROENENDAAL, Willem V. Simulation : A Statistical Perspective. John Wiley & Sons. 1994. LAPPONI, Juan Carlos. Avaliao de Projetos de Investimento : Modelos em Excel. So Paulo : Lapponi. 1996. ROSS, Stephen A; WESTERFIELD, Randolph W; JAFFE, Jeffrey F. Administrao Financeira. So Paulo : Atlas. 1995. SASSATANI, Ricardo. As Tcnicas de Avaliao de Investimentos em Condies de Risco. Trabalho no publicado,

14

apresentado a FEA USP. So Paulo : 1997. SASSATANI, Ricardo; SOUSA, Almir Ferreira de; LUPORINI, Carlos Eduardo. Anlises e Questionamentos Quanto s Tcnicas Usuais de Avaliao de Investimentos de Capital. Anais do II SemeAd FEA/USP. So Paulo. 1997. SECURATO, Jos Roberto. Decises Financeiras em Condies de Risco. So Paulo : Atlas. 1996. SEILA, Andrew F. e Banks, Jerry. Spreadsheet Risk Analysis Using Simulation. 1990. SHIMIZU, Tamio. Simulao Digital em Computador. So Paulo : Editora da USP. 1975. SPIEGEL, Murray R. Probabilidade e estatstica. MacGraw Hill. 1978. VLAHOS, Kiriaxos. Onde H Incerteza Convm Minimizar o Risco. Gazeta Mercantil. 25/09/1997.

15

Infinita Consultoria, Treinamento e Editora Ltda. Material extrado de http://www.infinitaweb.com.br

16