30/08 a 03/09

XLII SBPO

Bento gonalves rs

Comparando CVaR e a Varincia como medidas de risco

em Usinas Sucro Alcooleiras
Celma de Oliveira Ribeiro
Departamento de Engenharia de Produo, Escola Politcnica da USP
Av. Prof. Almeida Prado, 128, Tr. 2 binio, 2 andar, CEP 05508-900, So Paulo, SP
celma@usp.br
William Tsunomachi
Departamento de Engenharia de Produo, Escola Politcnica da USP
Av. Prof. Almeida Prado, 128, Tr. 2 binio, 2 andar, CEP 05508-900, So Paulo, SP
william.tsunomachi@usp.br
Anna Andra Kajdacsy Balla Sosnoski
Departamento de Engenharia de Produo, Escola Politcnica da USP
Av. Prof. Almeida Prado, 128, Tr. 2 binio, 2 andar, CEP 05508-900, So Paulo, SP
Resumo
O risco financeiro ao qual o produtor agrcola est exposto no momento da
comercializao do produto final demanda o uso de instrumentos de reduo de risco, a fim de
assegurar um preo que viabilize economicamente o processo produtivo. Este artigo analisa o
problema de elaborao de estratgias de proteo financeira na presena de restries de
produo, atravs de um modelo de otimizao multi-perodo determinstico. O comportamento
do modelo proposto analisado no caso do mercado sucroalcooleiro, para a gesto financeira de
usinas sucroalcooleiras, sendo as estratgias de hedging construdas com base no mercado futuro
de acar. Neste artigo vamos comparar duas medidas de risco o Modelo de Markowitz (1952)
que buscava a mnima varincia e o modelo de Rockafellar e Uryasev (2002) que usa o CVaR
como medida de risco.
Palavras-chave: Otimizao; Commodities agrcolas, Medida de Risco
Comparing CVaR and variance like risk measure
in a sugar cane factory
Abstract
Agricultural producers face financial risk at the moment of final products selling. This
imposes the use of instruments to reduce risks in order to assure prices and production process
economical feasibility. This paper examines the problem of creating hedging strategies with
production constraints and proposes a deterministic mutiperiod optimization model to solve it.
Uncertainty is introduced in the model through scenario trees and risk is analyzed according
traditional mean variance approach. The model is analyzed in the sugar market, to help financial
management of a sugar cane plant. In this paper we will compare two risk measure the
Markowitz model (1952) that minimize the variance and the Rockafellar e Uryasev model (2002)
that use CVaR like risk measure.
Key-words: Optimization; Agricultural Commodities. Sugar and Ethanol Sector; Risk Measure

XLII SBPO

30/08 a 03/09
Bento gonalves rs

1. INTRODUO
A evoluo da agroindstria canavieira nacional e a incerteza presente nos preos dos
produtos tm demandado um melhor posicionamento financeiro por parte dos produtores,
exigindo o emprego de estratgias de produo e financeiras elaboradas. O mercado
sucroalcooleiro marcado por grande incerteza o que impe aos produtores uma definio
adequada de polticas de produo e estruturao financeira.
Dentro das diversas possibilidades de proteo financeira existentes no mercado de
capitais comum o emprego de estratgias de compra e venda em mercados de derivativos, com
destaque para o mercado futuro. Estes mercados so bastante lquidos e apropriados para
assegurar preos de commodities, reduzindo o risco financeiro. H uma extensa literatura a
respeito de estratgias de reduo de risco em mercados futuros, porm em geral admite-se que o
investidor possui (ou deve adquirir) um ativo e procura vender (ou comprar) o mesmo ativo no
mercado futuro de forma a fixar preos. A questo de gesto da posio fsica em geral no
considerada e conseqentemente a deciso de produo tomada de forma isolada da estratgia
financeira. Visando reduzir a lacuna existente entre o problema de reduo de riscos financeiros
e produo, este artigo considera estratgias de hedging em mercados futuros em conjunto com
as decises de produo de uma usina sucroalcooleira.
Dentre os diversos riscos associados ao processo de produo e comercializao de
produtos derivados de cana de acar este artigo trata especificamente da gesto de risco de
preo, que consiste na possibilidade do preo do produto final oscilar em sentido contrrio ao
interesse do produtor, caindo a nveis insuficientes para remunerar o custo de produo. No caso
especfico dos mercados de lcool e acar, a determinao de preos bastante complexa tanto
do ponto de vista de previso quanto em termos da descrio dos processos estocsticos que
regem os preos, o que dificulta a construo de estratgias.
O artigo est estruturado da seguinte maneira. A seo 2 apresenta conceitos referentes
aos preos de commodities e estratgias de hedging. O modelo proposto apresentado na seo
3, sendo os resultados computacionais discutidos na seo 4. A concluso apresentada na seo
5.
2. RISCO DE PREO E HEDGING NO MERCADO SUCRO ALCOOLEIRO
Os mercados de commodities agrcolas, em particular o mercado sucroalcooleiro,
apresentam peculiaridades que os distinguem dos mercados de ativos financeiros. Em funo de
sazonalidade, de variaes climticas, descasamentos de oferta e demanda, possibilidade de
armazenagem, polticas protecionistas em mbito mundial entre outros fatores, os preos de
commodities so marcados por grande volatilidade o que dificulta significativamente a gesto
financeira por parte de agentes do setor. H duas questes importantes para o produtor rural:
como financiar a produo desde o momento de plantio at a colheita e como assegurar preos ao
final da colheita. Para o financiamento da produo o produtor conta com vrias alternativas que
incluem diferentes ttulos de crdito regulados por lei. O processo de comercializao de
commodities por sua vez pode ocorrer de diferentes maneiras, seja atravs do mercado a vista, a
termo ou atravs de contratos de venda antecipada, o que inclui os mercados futuros.
Alm dos movimentos sazonais resultantes de condies de plantio e colheita,
peculiaridades do mercado mundial caracterizado por barreiras protecionistas e interferncia
governamental, dificultam a tomada de deciso. A cana de acar tem sua colheita no incio do
outono, uma caracterstica que determina o comportamento dos preos desses produtos. Nas
estaes comumente chuvosas do Brasil (setembro a maro), a produo de cana cai
(entressafra), aumentando nos meses de abril a agosto, perodo de pouca chuva, que o perodo
de safra. Em decorrncia da evoluo da tecnologia disponvel para o cultivo e produo de cana
e seus subprodutos, o perodo de safra e entressafra tem apresentado variaes que levam
impossibilidade de identificar sazonalidade nestes preos atravs de anlise estatstica. No caso
do acar, em particular, so observadas tambm oscilaes nos preos do acar decorrentes de
desajustes entre oferta e demanda em nvel mundial.

30/08 a 03/09

XLII SBPO

Bento gonalves rs

No mercado de derivativos h diversos instrumentos que possibilitam a reduo do risco

de preo, em especial os contratos futuros e as opes. Este artigo trata especificamente de
estratgias que empregam o mercado futuro. Atravs da combinao de duas posies, uma no
mercado vista e outra no mercado futuro, possvel reduzir o risco de preo a que um produtor
agrcola est exposto. Estas operaes so conhecidas como estratgias de hedging. A questo de
hedging com o uso de mercado futuro objeto de estudo h mais de cinco dcadas. Working
(1953), em artigo clssico na rea de hedging em commodities, discute o papel dos mercados
futuros como instrumento de proteo contra flutuaes de preos. O autor trata do uso de
estratgias com futuros por parte dos diversos agentes do mercado, destacando a quase
inexistncia de produtores (farmers) que, na poca, utilizavam estas ferramentas. Collins (1997)
destaca o amplo espectro no uso de estratgias de hedging, que depende fundamentalmente do
agente que o utiliza dentro da cadeia de suprimentos, e salienta a importncia dos fundos de
investimento dentro deste mercado. Tomek e Peterson (2001) discutem abordagens empregadas
por produtores agrcolas na gesto de risco de preo e apontam as dificuldades existentes na
elaborao de modelos para elaborao de estratgias de hedging. Garcia e Leuthold (2004)
apontam como uma importante rea de pesquisa a ligao entre o hedging e a estrutura de capital
do produtor.
Em geral a elaborao de estratgias de hedging refere-se construo de carteiras que
maximizam a utilidade esperada do investidor, usualmente retratada pela minimizao de alguma
medida de risco. Ou seja, busca-se resolver o problema max C f E U (C f ) onde Cf denota o

nmero de unidades de contratos no mercado futuro que se deve comprar (ou vender) para cada
unidade do ativo a vista Cs disponvel, sendo U(.) a utilidade do investidor. Assume-se que a
posio em caixa fixa, se procura uma posio tima no futuro, sendo que a funo utilidade
reflete a averso ao risco do investidor. O quociente C f

Cs

denominado razo de hedge.

H essencialmente duas abordagens na construo de estratgias de hedging: as estticas

que presumem que a razo de hedge se mantm constante ao longo do tempo, desde a elaborao
da estratgia at o momento em que uma posio revertida (por exemplo, no vencimento do
contrato futuro ou na execuo da posio vista), e as dinmicas so alteradas ao longo do
tempo e envolvem o clculo da razo de hedge com base em informaes condicionais (CHEN et
al., 2003). Um modelo esttico bastante conhecido o de mnima varincia, proposto por
Johnson (1960), na qual se minimiza o risco do portflio, avaliado atravs da varincia das
mudanas no valor do portfolio com estratgia de hedging, que conduz a uma expresso simples
para o clculo da razo de hedge. Emprega-se, neste caso uma abordagem consistente com a de
modelos de composio de carteiras proposta por Markowitz (LUENBERGER, 1997), quando se
constatou que desvios positivos e negativos tm um impacto diferente para os investidores, foi
necessrio o uso de mtricas percentis, como por exemplo, o Value at Risk (VaR) e o Conditional
Value at Risk (CVaR). O VaR uma mtrica que quantifica o potencial mximo de perda que um
ativo financeiro pode sofrer dentre um certo nvel de confiana, porm o VaR no analisa as
perdas que podem ocorrer quando ultrapassamos o valor mximo de perda. Em 1999 Artzner ET
AL., mostrou que o VaR no possui subaditividade e convexidade, assim no podemos
considerar esta mtrica como uma medida de risco coerente.
Poucos artigos na literatura procuram tratar de problemas de gesto de carteiras
constitudas de ativos fsicos e financeiros. Chen et al. (2003) analisam modelos multiperodo
para elaborao de polticas de estoque e apreamento, com base em medidas de utilidade
aditivas que incorporam a averso ao risco do investidor. Geman e Ohana (2008) tratam de
problemas de armazenagem e venda de contratos por parte de um vendedor de varejo que
trabalha em um universo no qual a demanda pelo produto e a evoluo de preos estocstica.
3. O MODELO PROPOSTO
O modelo proposto para determinao de estratgias de hedging considera restries de
produo. Assume-se que um produtor sucroalcooleiro deve determinar uma estratgia de

30/08 a 03/09

XLII SBPO

Bento gonalves rs

produo em conjunto com uma estratgia de hedging no mercado futuro, dentro de um horizonte
de planejamento H, podendo optar, no perodo t {1,2, , H }, por trs alternativas distintas:
vender parte de sua produo no mercado fsico vista, armazenar parte de sua produo, ou
vender no mercado futuro, adotando uma estratgia de hedge para parte de sua produo. Em
cada perodo est disponvel uma quantidade C de cana-de-acar que pode tanto ser convertida
para lcool anidro, lcool hidratado ou acar. A produo no instante t (Xt) pode ser
armazenada, vendida vista ou no mercado futuro e, portanto Xt se relaciona com as vendas
realizadas no mercado fsico (Vt), as vendas realizadas no mercado futuro (VFt) e a variao do
estoque naquele perodo (At At-1) de acordo com a equao:

X t = Vt + VFt + At At 1

O modelo busca maximizar a esperana da utilidade do investidor ao final de um perodo

de um ano (em dias teis). Vamos adotar duas diferentes maneiras para as tomadas de decises
uma delas mensal e a outra toma as decises coincidindo com os vencimentos dos produtos no
mercado futuro de acar (No caso do mercado brasileiro H = 5, correspondente aos meses de
fevereiro, abril, julho, setembro e novembro). As restries do sistema produtivo referem-se
capacidade de produo, respeitando-se a capacidade mxima de processamento da cana-deacar e a disponibilidade de matria prima em cada perodo do ano (presume-se que no
possvel o armazenamento de cana-de-acar para processamento em um prximo perodo). A
demanda mnima do mercado para os produtos principais acar e lcool - deve ser atendida,
assumindo-se limites superiores e inferiores de produo. Devido s limitaes do espao fsico
para armazenagem dos produtos derivados da cana, necessrio considerar uma restrio que
avalie o giro de estoque no permitindo o acmulo excessivo da produo nos estoques. Destacase que a parcela da produo alocada para vendas no mercado futuro tambm necessita
permanecer em estoque at o prximo vencimento. O modelo no considera a possibilidade de
venda de mais de 100% da produo no mercado futuro.
Na produo de acar e lcool temos como subproduto o bagao da cana de acar,
como existe um mercado para esse produto, vamos comercializ-lo para aumentar o lucro da
nossa usina.
3.1 PARMETROS DO MODELO
I = {1, , N } : indexao dos produtos que podem ser produzidos pela usina.

Cei :
Cpi (t ) :
PFi (t ) :
PBag (t ) :

Pi (t )
Di (t ) :
C (t ) :
K:

Conv X Y :

custo de armazenagem (e movimentao) do produto i.

custo de produo do produto i no tempo t.
preo no mercado futuro do primeiro vencimento do produto i I no instante t.
preo do comercio de bagao no instante t.
preo do produto i I no tempo t;
demanda do produto i no tempo t.
quantidade de cana disponvel no tempo t.
Capital mnimo requerido a cada perodo. Este valor estimado como o mnimo
de riqueza gerada necessria para manter o funcionamento da usina e permitir
investimentos no prprio negcio.
Conversor para determinar quantidade obtida de produto Y a partir de
determinada quantidade de produto X.

30/08 a 03/09

XLII SBPO

Bento gonalves rs

3.2 VARIVEIS DE DECISO

t=0

Ai (0) : quantidade do produto i, i I , estocado em t = 0 .

Vi (0) : quantidade do produto i, i I , vendido em t = 0 .
VFi (0) : quantidade do produto i, i I , vendido no mercado futuro, tomada de deciso em
t = 0 e liquidao da posio em t = 1 .

Bag (0) : quantidade de bagao produzido no tempo t = 0 .

t = 1, ... , H

Ai (t ) :

quantidade do produto i, i I , estocado no tempo t .

Vi (t ) :

quantidade do produto i, i I , vendido no tempo t .

VFi (t ) : quantidade do produto i, i I , vendido no mercado futuro, tomada de deciso em t

e liquidao da posio em t + 1 .

Bag (t ) : quantidade de bagao produzido no tempo t .

As variveis de deciso so medidas em porcentagem da quantidade de cana disponvel.
Neste artigo apresenta-se a verso determinstica do modelo na qual as variveis de deciso
independem do cenrio considerado, ou seja, no adotada uma abordagem de otimizao
estocstica.
3.3 RESTRIES
Presume-se que as estratgias de hedging sejam realizadas apenas no mercado futuro de
acar uma vez que no h liquidez no mercado futuro de lcool. As restries foram elaboradas
para que as condies bsicas de funcionamento da usina sejam atendidas. So elas:
Retorno da usina

Rs (t ) = (Vi (t ) Pi (t ) Convcanai X i (t )Cp i (t ) Conv canai

i

Ai (t )Cei (t ) Conv canai ) +

PFacar (t )VFacar (t 1) Conv canaacar +
PBag (t ) Bag (t )
Limite da produo de lcool

X lcool (t ) = Alcool (t ) Alcool (t 1) + Vlcool (t )

Limite da produo de acar

X acar (t ) = Aacar (t ) Aacar (t 1) + Vacar (t ) + VFacar (t )

Produo no pode exceder a quantidade total de cana

X i(t ) C (t )

(t ) = C (t )

t , i
t

Satisfazer a demanda mnima

Di (t ) Vi (t ) + Ai (t 1) t {1,2, H }, i
Produo no pode ser negativa

30/08 a 03/09

XLII SBPO
Ai (t ) 0
X i (t ) 0
Vi (t ) 0
VFi (t ) 0

Bento gonalves rs

t , i
t , i
t , i
t , i

Limite de Estoque

Ai (t ) LimEst (t ) t , i
Retorno mnimo da usina

R (t ) K

3.4. FUNO OBJETIVO

Este artigo analisa duas medidas de risco: O Valor em Risco Condicional (CVaR) e a

t
f t = [Vt VFt At ] formado pelos
VFt = (VF1 (t ),VF2 (t ), ,VFn (t ))
e

varincia como funo objetivo. O vetor de deciso

Vt = (V1 (t ),V2 (t ), ,Vn (t )) ,

At = ( A1 (t ), A2 (t ), , An (t )) .

vetores

No modelo de Markowitz (1952) a funo objetivo busca determinar uma carteira de

mnima varincia. Sendo a matriz de covarincia representada por , a funo objetivo neste
caso:
Min

f Ht f H

Segundo Jorion (1997), o Valor em Risco (VaR) uma medida de risco que sintetiza a
pior perda esperada dentro de um fixado perodo de tempo com uma determinada confiana.
Artzner et al. (1999), mostraram que o VaR no pode ser considerado uma medida de risco
coerente pois no possui subaditividade e convexidade. Para sanar os problemas do VaR,
Rockafellar e Uryasev (2002) criaram o CVaR como medida de risco. Analisando a distribuio
de probabilidade da perda, o CVaR mede a perda mdia para valores direita do Var, sendo
portanto maior que o VaR. Com base em gerao de cenrios pode-se verificar que o CVaR,
quando empregados em modelos de composio de carteiras, pode ser escrito como:Min
q
1
+
uk
q (1 ) k =1
s.t.
xT yk + + uk 0
uk 0

Onde:
k = 1,...,q representa os cenrios de decises a serem tomadas
f ( x, y k ) = funo distribuio de perdas, sendo x a posio tomada e yk o retorno no perodo k.
= nvel de confiana
= varivel que representa o valor de VaR (Value at Risk)
uk = variveis que representam as perdas na usina
4. APLICAO DO MODELO E RESULTADOS
4.1. DETERMINAO DOS PARMETROS
Os preos de fechamento dos contratos de lcool e acar no mercado vista foram
obtidos atravs do site do CEPEA/ESALQ, considerando o perodo de 4 de janeiro de 2002 6
de fevereiro de 2009. Os preos do mercado futuro do acar foram obtidos atravs de um
terminal Bloomberg, considerando o mesmo perodo que o do mercado a vista de 4 de janeiro de
2002 6 de fevereiro de 2009. Com os histricos das cotaes do mercado futuro e a vista foram
construdos os cenrios mensais com as cotaes de cada ms, por exemplo, o perodo de janeiro

30/08 a 03/09

XLII SBPO

Bento gonalves rs

tem as cotaes de janeiro do ano de 2002 at 2009. De maneira anloga para os perodos
coincidentes com o vencimento do mercado futuro do acar (fevereiro, abril, julho, setembro e
novembro) os cenrios so construdos a partir de dados do mercado futuro do acar.
Os dados sobre custos de produo do lcool e do acar e os fatores de converso de
cana em acar, cana em lcool e a quantidade gerada de bagao de cada um desses produtos,
foram concedidos por uma empresa do setor de segurana do trabalho1.
Em cada perodo da tomada de deciso est disponvel uma quantidade C em toneladas de
cana de acar que pode tanto ser convertida para lcool anidrido, lcool hidratado como para
acar.
A demanda de lcool foi estimada com base na evoluo projetada da venda de veculos bicombustvel (flex) e no nmero de veculos em circulao. Presume-se que a participao de
veculos flex na frota total se expressa atravs de uma curva de Gompertz, calibrada com base em
dados da ANFAVEA Associao Nacional dos Fabricantes de Veculos Automotores.
Assumindo-se um consumo mdio mensal para estes veculos e a porcentagem de lcool
adicionada a gasolina, obtm-se qual seria a necessidade do mercado de lcool. No caso do
acar a demanda estvel e sabe-se que seus valores oscilam entre 30 e 40% da produo de
cana-de-acar brasileira, quantidade esta suficiente para abastecer o mercado interno e permitir
a exportao.
4.2 RESULTADOS COMPUTACIONAIS
As restries de demanda e de riqueza mnima por perodo levaram inviabilidade do
modelo, pois em alguns perodos a cotao do acar e do lcool era inferior ao custo de
produo dos mesmos. Como o foco principal deste trabalho a anlise de estratgias
financeiras, optou-se por relaxar a restries de riqueza mnima. Cabe destacar que os dados
obtidos a respeito do custo de produo e do lucro mnimo, no so confiveis, pois cada usina
tem os seus parmetros e seria difcil achar um valor geral que possa representar estes valores de
maneira fiel.
As tabelas abaixo apresentam os resultados da simulao como a venda vista do lcool
anidrido ( Vanidrido (t ) ), venda vista do lcool hidratado ( Vhidratado (t ) ), venda do acar vista
( Vacar (t ) ), venda do acar no mercado futuro ( VFacar (t ) ), quantidade estocada de acar
( Aacar (t ) ), quantidade estocada de lcool anidrido ( Aanidrido (t ) ), quantidade estocada de lcool
hidratado ( Ahidratado (t ) ).
A soma das vendas vista, com as vendas futuras e a variao de estoque tanto de lcool
como de acar de um perodo para o perodo subseqente no deve ultrapassar 1 (100%), de
acordo com as restries do problema. No entanto como o estoque acumulativo e pode no ser
utilizado para vendas no perodo subseqente, seu valor pode superar 1.
As tabelas 1 e 2 mostram os resultados obtidos da simulao utilizando como medida de
risco o CVaR e a Varincia respectivamente. Os perodos de tomada de deciso desse modelo
coincidem com os vencimentos do mercado futuro do acar.

Vanidrido (t ) Vhidratado (t ) Vacar (t )

Fevereiro
Abril
Junho
Setembro
Novembro

0,30
0,42
0,30
0,30
0,48

VFacar (t )

Aacar (t ) Aanidrido (t ) Ahidratado (t )

0,30
0,36
0,00
0,04
0,30
0,26
0,17
0,06
0,30
0,24
0,15
0,04
0,30
0,26
0,00
0,04
0,30
0,26
0,22
0,00
Tabela 1 Decises timas atravs do uso de CVaR

CIPA- Serv. Esp. Ass. de Seg. e Trein. Indl. Ltda

0,00
0,00
0,00
0,00
0,00

0,00
0,00
0,00
0,00
0,00

30/08 a 03/09

XLII SBPO

Bento gonalves rs

Os valores do Valor em Risco e do Valor em Risco Condicional neste problema foram

VaR = 0,0167 e CVaR = 0,0223.

Vanidrido (t ) Vhidratado (t ) Vacar (t )

Fevereiro
Abril
Junho
Setembro
Novembro

0,30
0,50
0,50
0,50
0,50

VFacar (t )

Aacar (t ) Aanidrido (t ) Ahidratado (t )

0,30
0,30
0,00
0,10
0,00
0,30
0,20
0,00
0,10
0,00
0,30
0,20
0,00
0,10
0,00
0,30
0,20
0,00
0,10
0,00
0,30
0,20
0,00
0,00
0,00
Tabela 2 Decises timas atravs do uso da Varincia

0,00
0,00
0,00
0,00
0,10

A varincia obtida neste caso foi de 10,8376.

As tabelas 3 e 4 mostram os resultados obtidos da simulao utilizando como medida de
risco o CVaR e a Varincia respectivamente, as tomadas de decises desse modelo so mensais.

Vanidrido (t ) Vhidratado (t ) Vacar (t ) VFacar (t )

Janeiro
Fevereiro
Maro
Abril
Maio
Junho
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro

0,33
0,34
0,30
0,33
0,33
0,33
0,33
0,33
0,33
0,30
0,33
0,33

Aacar (t )

Aanidrido (t )

0,33
0,30
0,04
0,00
0,00
0,34
0,30
0,03
0,00
0,00
0,30
0,40
0,00
0,00
0,00
0,33
0,30
0,05
0,00
0,00
0,33
0,30
0,04
0,00
0,00
0,33
0,30
0,03
0,00
0,00
0,33
0,30
0,05
0,00
0,00
0,33
0,30
0,05
0,00
0,00
0,33
0,30
0,05
0,00
0,00
0,30
0,40
0,00
0,00
0,00
0,33
0,30
0,05
0,00
0,00
0,33
0,30
0,05
0,00
0,00
Tabela 3 Decises timas atravs do uso de CVaR

Ahidratado (t )
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00

Os valores do Valor em Risco e do Valor em Risco Condicional neste problema foram

VaR = 0,1531e CVaR = 0,4403.

Vanidrido (t ) Vhidratado (t ) Vacar (t ) VFacar (t )

Janeiro
Fevereiro
Maro
Abril
Maio
Junho
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro

0,30
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50

Aacar (t )

Aanidrido (t )

0,30
0,30
0,00
0,10
0,00
0,30
0,20
0,00
0,10
0,00
0,30
0,20
0,00
0,10
0,00
0,30
0,20
0,00
0,10
0,00
0,30
0,20
0,00
0,10
0,00
0,30
0,20
0,00
0,10
0,00
0,30
0,20
0,00
0,10
0,00
0,30
0,20
0,00
0,10
0,00
0,30
0,20
0,00
0,10
0,00
0,30
0,20
0,00
0,10
0,00
0,30
0,20
0,00
0,10
0,00
0,30
0,20
0,00
0,00
0,10
Tabela 4 Decises timas atravs do uso da varincia

Ahidratado (t )
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00

XLII SBPO

30/08 a 03/09
Bento gonalves rs

A varincia obtida neste caso foi de 52,0570.

5. CONCLUSO
Observa-se ao utilizar o CVaR como funo objetivo que os resultados no tm uma
preferncia de produo to grande para nenhum produto, quando comparados com as solues
do problema de mnima varincia.. Esta preferncia pela produo de um produto mostra como a
varincia pode correr um risco maior por no diversificar tanto os produtos produzidos na usina e
tambm por no investir tanto no mercado futuro, que poderia ser uma estratgia de hedging
adotada pela usina.
O modelo desenvolvido revela-se til para decises relativas a hedging no mercado
sucroalcooleiro. Boa parte dos modelos propostos na literatura trabalha com estratgias de
hedging sem considerar as restries presentes no meio produtivo e conseqentemente possuem
pouca aplicao prtica. Verificou-se com este estudo que os modelos propostos para construir
estratgias de hedging podem ser aprimorados se considerarem as restries do sistema
produtivo.
6. REFERNCIAS BIBLIOGRFICAS
1. CHEN, S. S.; LEE, C.F.; SHRESTHA, K. Futures hedge ratios: a review. The Quarterly
Review of Economics and Finance, v. 43, p. 433-465, 2003.
2. COLLINS, R.A. Toward a positive economic theory of hedging. American Journal of
Agricultural Economics, v. 79, n.2, p. 488-499, 1977.
3. GARCIA, P., LEUTHOLD, R.M. A Selected Review of Agricultural Commodity Futures
and Options Markets. European Review of Agricultural Economics, v.31, p.235-72, 2004.
4. GEMAN, H. Commodities and Commodity Derivatives: Modeling and Pricing for
Agriculturals, Metals and Energy. England: Wiley, 2005.
5. GEMAN, H., OHANA, S. Time-consistency in managing a commodity portfolio: A dynamic
risk measure approach. Journal of Banking & Finance, v.32, p.1991-2005, 2008.
6. GULPINAR, N; RUSTEM, B; STTERGREN, R. Simulation and optimization approaches to
scenario tree generation. Journal of Economic Dynamics and Control, v. 28, n.7, p.12911315, 2004.
7. HOYLAND, K; WALLACE, S, W. Generating Scenario Trees for Multistage Problems.
Management Science, v. 47, n.2, p. 295-307, 2001.
8. JOHNSON, L.L. The theory of hedging and speculation in commodity futures. Review of
Economic Studies, v. 27, p. 139-151, 1960.
9. JORION, PHILIPPE. Value at Risk A nova fonte de referncia para a gesto do risco
financeiro. BM&F, 1997
10. LUENBERGER, D. G. Investment Science. New York: Oxford University Press, 1997.
11. ROCKAFELLAR, R. T.; URYASEV, S. Optimization of conditional value-at-risk. Journal
of Risk, 2, 21-41, 2002
12. TOMEK, W.G., PETERSON, H.H., Risk Management in Agricultural Markets: a Review.
Journal of Futures Markets, v.21, n.10, p. 953-985, 2001.
13. TSENG, C., BARZ, G. Short-Term Generation Asset Valuation: A Real Options Approach.
Operations Research, v. 50, n.2, p.297-310, 2002.
14. WORKING, H. Trading and hedging. The American Economic Review, v.43, p.314-343,
1953.