Gomes - Analise de Risco

Vol. 3, No.
2
Vitria-ES, Brasil Jan/ Jun 2006
pp. 229-244
Recebido em 26/09/2006; revisado em 19/11/2006; aceito em 02/12/2006.

Correspondncia com autor:

Bruno Nogueira Silva
E-mail: bruno@fcaa.com.br
Leonardo Lima Gomes

E-mail:leonardolima@fucape.br
Rodrigo Loureiro Medeiros

E-mail: rodrigo@fucape.br
Nota do Editor: Este artigo foi aceito por Alexsandro Broedel Lopes.

229

Anlise de Risco de Projetos de Desenvolvimento de Produo
Martima de Petrleo: Um Estudo de Caso

Bruno Nogueira Silva

FCAA-Petrobras

Leonardo Lima Gomes

FUCAPE

Rodrigo Loureiro Medeiros

FUCAPE

RESUMO: Para a realizao do desenvolvimento da produo martima em campos
de petrleo necessrio um expressivo desembolso de capital. Incertezas
permeiam as anlises dos projetos em um elevado grau. Caso as principais
incertezas no sejam consideradas, um empreendimento atrativo pode transformar-
se em um projeto invivel economicamente. Faz-se necessrio, portanto, realizar
anlises que possam identificar e quantificar os riscos inerentes ao projeto,
mitigando-os na medida do possvel. O presente trabalho objetiva apresentar uma
metodologia capaz de realizar uma anlise quantitativa de risco, base para o
processo de tomada de decises em projetos dessa natureza. Para tanto, o estudo
de caso utilizado para explicitar a metodologia da anlise de risco.

Palavras-chave: anlise de risco, produo de petrleo, projetos.

Avaliao e Teste de Dois Modelos de Formao de preo de Ativos Baseados no Consumo para o Brasil
Brazilian Business Review www.bbronline.com.br
230
1. INTRODUO

omar uma deciso de investimento quando no existe incerteza relativamente
simples. Basta calcular o Valor Presente Lquido (VPL) e a Taxa Interna de
Retorno (TIR) de vrios projetos de investimentos e escolher aqueles que
apresentam maior retorno. Entretanto, na prtica, as decises so quase sempre
cercadas de incertezas. O sucesso econmico das empresas depende dentre outros
aspectos dos estudos de viabilidade econmica dos projetos que antecedem tomada de
deciso. A anlise de investimento deve, portanto, considerar os riscos e as incertezas
presentes no projeto.

O alto grau de incerteza das variveis presentes em projetos de desenvolvimento da
produo de petrleo em campos martimos justifica a importncia de se utilizar metodologias
de anlise de projetos que ajudem a identificar onde esto as maiores incertezas e quais as
variveis que mais influenciam no resultado econmico do projeto. Deve-se ento quantificar
o impacto dessas incertezas nas decises a serem tomadas e avaliar o risco envolvido nos
projetos sob pena de serem gerados resultados econmicos indesejveis para a empresa.

No caso de projetos de explorao e produo de petrleo, as decises de
investimentos so afetadas pelos componentes tcnico e econmico da incerteza. As
incertezas tcnicas so intrnsecas ao projeto e no possuem correlaes com os movimentos
gerais do mercado. Incertezas de carter econmico esto, por sua vez, correlacionadas aos
movimentos gerais da economia.

Uma das formas mais utilizadas para tratar a anlise de risco a simulao numrica
do mtodo Monte Carlo que, segundo Prado (2000), uma maneira de se transformar um
conjunto de nmeros aleatrios em outro conjunto de nmeros (variveis aleatrias), com a
mesma distribuio de probabilidade considerada.

Existem alguns softwares que podem ser utilizados para a realizao desta anlise de
risco, tais como: @Risk, Crystal Ball , entre outros. Para a realizao da anlise de risco
do estudo de caso apresentado neste trabalho adotou-se o @Risk.

Foram realizadas 10.000 iteraes e como resultado foram apresentados alguns dos
indicadores principais para melhor identificar o risco do projeto e grficos para melhor
ilustrao destes indicadores.

2. ANLISE DE RISCO

Para abordar as incertezas e riscos associados aos projetos necessrio primeiramente
fazer a distino terica entre estas duas palavras. Conforme Simonsem (1994), risco
quando a varivel aleatria considerada tem uma distribuio de probabilidades conhecida e,
incerteza, quando essa distribuio desconhecida. Trata-se, portanto, de algo possvel e
desejvel a converso de incerteza em risco calculado mediante a determinao de
distribuies de probabilidade para as variveis incertas.

T
Silva, Gomes e Medeiros
231
Vrios so os mtodos adotados para a considerao dos riscos aos quais os projetos
esto sujeitos: anlise de sensibilidade, de cenrios, simulao Monte Carlo e rvores de
deciso.

A anlise de sensibilidade consiste em alterar o valor de cada uma das variveis
individualmente permitindo avaliar o impacto desta alterao no fluxo de caixa do projeto,
identificando as variveis que mais influenciam no seu resultado econmico.

A anlise de cenrios permite corrigir um dos erros da anlise de sensibilidade que
considerar as interdependncias entre as variveis do projeto. So escolhidos cenrios para o
projeto, por exemplo: cenrio otimista, pessimista e esperado considerando combinaes
diferentes, mas consistentes, das variveis.

A simulao Monte Carlo envolve a anlise do impacto das variveis sobre o resultado
do projeto. Em sntese, se associam probabilidades de ocorrncia as suas variveis,
considerarem-se todas as combinaes possveis das variveis presentes no projeto, o que
torna este mtodo mais robusto que os outros dois.

As rvores de deciso podem ser utilizadas para anlise de projetos que envolvam
decises seqenciais. Os projetos no so tratados como caixas pretas, nas quais sejam
consideradas decises estreitas como aceitao ou rejeio, ignorando-se as decises de
investimentos subseqentes.

2.1 A simulao Monte Carlo (SMC) para anlise de projetos

O mtodo Monte Carlo utiliza nmeros aleatrios para computar quantidades no
necessariamente aleatrias. Ele busca gerar valores aleatrios em um modelo com o objetivo
de produzir centenas ou milhares de cenrios. Devido simplicidade de sua aplicabilidade, o
mtodo tem se mostrado ser uma ferramenta de grande efeito para tratar problemas de
finanas, tais como o clculo dos preos das opes, a medio de risco de mercado e de
crdito, o clculo de Value at Risk, a anlise de projetos de investimento e a soluo de opes
reais.

Para a anlise de projetos, o mtodo Monte Carlo, segundo Brealey e Myers (1998),
compreende trs fases:

Fase 1: Construo do modelo do projeto - consiste em fornecer ao computador um modelo
preciso do projeto;
Fase 2: Especificar as probabilidades de erros das previses;
Fase 3: Selecionar os nmeros para os erros de previso e calcular os fluxos de caixa - o
computador faz amostragens da distribuio dos erros de previso, calcula os fluxos de caixa
resultantes para cada perodo e registra-os. Depois de muitas iteraes, comea a obter
estimativas exatas das distribuies de probabilidades dos fluxos de caixa, exatos desde que o
modelo seja preciso.

Os respectivos autores sugerem que a SMC no seja usada apenas para a distribuio
de VPLs, mas tambm para elevar o grau de compreenso do projeto, prospectar seus fluxos
232
de caixa futuros e avaliar o risco. Pode-se partir posteriormente para o clculo do VPL,
descontando os fluxos de caixa esperados pela taxa apropriada de desconto.

Apesar da facilidade de aplicao, a SMC possui algumas desvantagens. Entre elas,
deve-se citar para os problemas complexos o elevado nmero de interaes para se chegar ao
resultado. Diversas tcnicas de reduo de varincia foram desenvolvidas para aumentar a
preciso do resultado sem aumentar o tempo computacional. Uma outra maneira de se acelerar
o processo de convergncia da simulao modificar a maneira com que os nmeros
aleatrios so gerados. A metodologia Latin Hypercube Sampling, que utiliza o princpio de
Monte Carlo, gera nmeros aleatrios de uma forma mais eficiente. Adota-se neste artigo a
respectiva metodologia em conjunto com software @Risk para resolver o problema do estudo
de caso proposto mais adiante.

Um outro ponto que deve ser considerado no mtodo de Monte Carlo a extrema
dificuldade em estimar as relaes existentes entre as variveis e as distribuies de
probabilidades, nas quais a simulao se baseia. Por isso, a equipe de anlise de risco de
projetos deve estar bastante comprometida com a gerao dos inputs.

3. METODOLOGIA

3.1 Levantamento das principais incertezas

As principais incertezas em projetos de desenvolvimento da produo de campos
martimos de petrleo dizem respeito curva de produo, aos investimentos, aos custos
operacionais, ao atraso no cronograma de implantao do projeto e aos preos dos insumos
(leo e gs).

3.1.1 Curva de produo

Conforme Ligero, Costa e Schiozer (2003), uma das principais incertezas no
desenvolvimento de campos de petrleo relacionam-se s variveis estticas (modelo
geolgico) e dinmicas (parmetros de fluxo) de reservatrio, o que reflete diretamente na
curva de produo e, conseqentemente, no Valor Presente Lquido (VPL) do projeto. Steagall
e Schiozer (2001), por sua vez, propuseram uma metodologia para a anlise e a quantificao
da incerteza e do risco nas previses de produo. Trata-se de uma metodologia baseada no
trabalho de Loschiavo (2001), no qual se utiliza a simulao numrica do fluxo de diferentes
cenrios possveis de um reservatrio, combinando os atributos de incerteza.

A curva de produo deve representar o conjunto das principais incertezas existentes.
Para tanto, recomenda-se a obteno do maior nmero possvel de curvas de produo,
considerando-se os parmetros que mais causam impacto no reservatrio. Para cada cenrio -
combinao de parmetros sob anlise - gera-se uma nova curva de produo, o que altera,
conseqentemente, o resultado econmico do projeto. Todas as curvas geradas devem
considerar uma mesma concepo do projeto (capacidade da UEP Unidade Estacionria de
Produo), o nmero e a localizao dos poos, pois se deve analisar o risco da concepo
imaginada para o projeto com relao incerteza no reservatrio, de acordo com o nvel de
informao disponvel sobre o reservatrio. O grande obstculo na realizao de uma anlise
de risco do reservatrio gerar uma grande quantidade de curvas de produo, que
233
normalmente so obtidas utilizando-se um simulador numrico de fluxo. Ressalta-se que o
tempo de gerao de uma curva costuma ser alto, fazendo com que se torne dispendiosa a
gerao de vrias curvas. Por isso, esse assunto bastante discutido em fruns especficos e
possui grande espao para avanos no sentido de melhorar as anlises desejadas.

3.1.2 Investimentos

Para o item de investimentos, existem tanto incertezas tcnicas quanto incertezas de
mercado.

A quantificao das incertezas tcnicas compreende encontrar a distribuio de
probabilidade que melhor representa determinado item de investimento, mediante dados
histricos. Alguns softwares, como o BestFit, podem ser utilizados para encontrar a melhor
distribuio a partir dos dados alimentados no programa. Caso no se tenha tais dados, pode-
se adotar uma distribuio para os custos de investimento baseada na experincia dos tcnicos
responsveis pelo oramento.

Para considerar as incertezas de mercado referentes aos investimentos deve-se modelar
estes custos utilizando-se processos estocsticos, tais como: Movimento Geomtrico
Browniano (MGB), Reverso para a Mdia (MRM), etc. Isto se deve ao fato destes custos
variarem ao longo do tempo de maneira estocstica. Por exemplo, a taxa (?) do barco de
lanamento de linhas pode ser maior ou menor no decorrer do tempo e sua varincia aumentar
no tempo. A Figura 1 apresenta amostras de caminhos aleatrios para o MGB e MRM.

Figura 1: Movimento Geomtrico Browniano e Reverso Para a Mdia
Movimento Geomtrico Browniano
0
10
20
30
40
50
60
70
80
90
100
0 10 20 30 40 50 60 70 80
Tempo
V
a
l
o
r

Reverso Para a Mdia
5
10
15
20
25
30
35
0 50 100 150 200
Tempo
V
a
l
o
r

3.1.3 Custos operacionais

Os custos operacionais da mesma forma que os investimentos possuem tambm
incertezas tcnicas e de mercado. As incertezas tcnicas so as referentes principalmente
estimativa dos preos dos materiais, servios, tempo de utilizao dos recursos e freqncia
dos workovers (interveno em poos). As incertezas de mercado referem-se principalmente
taxa da sonda que realizar o workover nos poos.

No que se refere s incertezas tcnicas, os custos operacionais possuem duas parcelas:
uma que varia com a produo e outra independente da produo. Portanto, pode-se adotar a
equao 1 para os custos operacionais:

[ ] ) t ( Q CO ) t ( CO ) t ( CO
Varivel Fixo Total
+ =

[1]
234

Onde,

CO
Fixo
= Custo Operacional fixo;
CO
Varivel
= Custo Operacional Varivel;
Q = Vazo de leo do projeto.

Para considerar a incerteza nos custos operacionais fixos e variveis, deve-se adotar
distribuies de probabilidade para estes custos baseadas em dados histricos, quando
aplicvel, ou na falta destes, dados obtidos a partir da experincia de tcnicos da rea.

A considerao das incertezas de mercado nos custos operacionais adotar o mesmo
mtodo descrito para os investimentos, ou seja, considerar processos estocsticos.

3.1.4 Preos de leo e gs

As incertezas nos preos do leo e do gs so incertezas de mercado e devem ser
modeladas utilizando-se processos estocsticos. Deve-se avaliar qual o melhor processo
estocstico a ser adotado analisando os dados histricos e o horizonte de tempo proposto para
o projeto. O processo estocstico mais popular o MGB. Dias e Rocha (2001) utilizam o
processo estocstico de reverso para a mdia combinada com saltos para modelar o preo do
petrleo.

Segundo Dias (1996), testes economtricos do preo do petrleo, num intervalo de 30
anos (ou menos), no rejeitam a hiptese do MGB. No entanto, quando se considerou um
intervalo maior, de 117 anos, o modelo MGB foi rejeitado em favor do MRM. Pode ser
importante considerar esse ltimo modelo para projetos de longa durao.

3.1.5 Cronograma de implantao

Um outro fator de grande importncia para ser considerado na anlise de risco a
incerteza referente ao cronograma de implantao do projeto. Uma maneira de considerar esta
incerteza buscar realizar uma anlise de risco para o cronograma, adotando-se distribuies
de probabilidade para duraes ou datas de incio e trmino das atividades que possuem
incerteza. Para tanto, pode-se utilizar softwares especficos como o @Risk for MS Project da
Palisade Corporation. O resultado desta anlise gera uma distribuio de probabilidade para
a data de incio da produo. Pode-se, conseqentemente, obter a probabilidade de atraso ou
antecipao da produo que afeta consideravelmente o VPL do projeto.

3.2 Anlise do projeto

Para a realizao de uma anlise de risco, recomenda-se considerar primeiramente
somente as incertezas tcnicas, pois as mesmas so gerenciveis. Conforme Dixit e Pyndick
(1994), a incerteza tcnica incentiva o investimento passo a passo no sentido da reduo da
varincia dessa incerteza. O gerente pode investir, por exemplo, em informao para melhor a
compreenso do projeto e, conseqentemente, mitigar os seus riscos. A distribuio de
probabilidade do VPL resultante desta anlise mostrar o grau de risco do projeto e o gerente
poder saber as variveis que mais causaram impacto no resultado econmico do mesmo.
235

Aps realizar a anlise considerando-se apenas as incertezas tcnicas, as duas
incertezas - tcnica e de mercado so misturadas para verificar qual o impacto que as
mesmas podem causar no VPL do projeto. A distribuio de probabilidade do VPL gerada.
Sabe-se que incertezas de mercado no so gerenciveis, no podendo o gerente do projeto,
portanto, realizar aes para mitigao das mesmas. Seguindo Dias (1996), adota-se a viso de
que a incerteza econmica exgena ao processo de deciso de uma firma.

4. O ESTUDO DE CASO

Para ilustrar a metodologia de anlise de risco apresentada, realizou-se um estudo de
caso de um campo martimo de petrleo em guas profundas. Os dados do estudo so
adaptaes dos apresentados por Suslick (2001).

4.1 Os dados considerados

A curva de produo foi considerada crescente nos primeiros anos at atingir pico de
produo, seguido por um modelo de curva de declnio exponencial, a mais comumente
utilizada em estudos, cuja formulao est apresentada a seguir:

t
i
e Q Q

= [2]

Uma curva tpica deste modelo apresentada na Figura 2.

Figura 2: Curva de Produo Tpica do Campo
Curva de Produo Tpica
0
20.000
40.000
60.000
80.000
100.000
120.000
140.000
160.000
180.000
200.000
2004 2006 2008 2010 2012 2014 2016 2018 2020 2022 2024 2026 2028 2030 2032
Ano
V
a
z
o

d
e

l
e
o

(
b
b
l
/
d
i
a
)
0
200
400
600
800
1.000
1.200
1.400
1.600
1.800
V
a
z
o

d
e

G
s

(
M
m
/
d
i
a
)
leo Gs

Considerou-se o pico de produo como uma varivel seguindo uma distribuio
triangular com parmetros mnimo, mais provvel e mximo iguais a 137, 200 e 247 mil
bbl/d, respectivamente. A UEP est limitada em 200 mil barris de lquido por dia, portanto
no se pode ultrapassar este patamar em caso de simulao de uma curva com maior potencial
de produo.
236

Para considerar a incerteza no modelo apresentado na equao [2], adotou-se a taxa de
declnio exponencial , com uma distribuio normal com mdia de 18% e desvio padro de
0,9%. Considerou-se que o tempo do projeto o tempo de concesso fornecido pela ANP, 27
anos. Com isso, a variao no ocorre somente na curva de produo, mas tambm na reserva
(volume recuperado) do campo, que para o caso mais provvel seria de, aproximadamente,
500 MMbbl.
Para os investimentos em desenvolvimento da produo, considerou-se o valor
mnimo e mximo de 3,11 e 5,07 US$/bbl para um campo em torno de 500 MMbbl, conforme
adotado por Suslick (2001). Para campos gigantes, como o caso do adotado neste estudo, a
incerteza bem significativa, pois normalmente so projetos complexos e demandam um alto
investimento. Portanto, para se considerar a incerteza tcnica neste item, adotou-se uma
distribuio triangular com parmetros mnimo, e mximo citados logo acima e para o valor
mais provvel adotou-se a mdia destes valores que equivalente a US$4,09/bbl. A
distribuio triangular considerada convertida para milhes de dlares tem seus parmetros
mnimo, mais provvel e mximo iguais a US$ 1555, 2045 e 2535 milhes, respectivamente
conforme apresentado na Figura 3.

A distribuio triangular muito utilizada quando no se tem dados histricos
disponveis e por ser de fcil entendimento. No se considerou a incerteza de mercado
referente aos investimentos.

Figura 3: Distribuio Triangular para Investimento Total
Triangular (1555; 2045; 2535)
0,0
0,5
1,0
1,5
2,0
2,5
1555 2045 2535
V
a
l
o
r
e
s

x

1
0
^
-
3

Adotou-se a equao [1] para considerar a incerteza tcnica nos custos operacionais.
Para o custo operacional fixo, considerou-se uma distribuio triangular com parmetros
mximo, mais provvel e mnimo iguais a US$50, 45 e 40 milhes, respectivamente. O valor
mais provvel corresponde a aproximadamente 57% do valor total esperado do custo
operacional, conforme adotado no estudo de caso por Suslick (2001). Para o custo operacional
varivel, considerou-se um custo de US$1,55/bbl, ou seja, a variao ocorre devido curva de
produo. No foi considerada a incerteza de mercado.

237
Para o custo de abandono adotou-se uma distribuio triangular com parmetros
mnimo, mais provvel e mximo iguais a US$80, 100 e 140 milhes, respectivamente.
Para o preo do leo, considerou-se que o mesmo segue o processo estocstico Movimento
Geomtrico Browniano (MGB) com mdia de 20 US$/bbl, volatilidade de 30% e taxa de
crescimento de 1%.

A equao para o MGB apresentada a seguir:

( )
(
+ |
\
|
=

t 1 ; 0 Normal t
2
exp P P
2
1 t t

[3]

Onde,

P
t
= Preo do leo no tempo t;
P
t-1
= Preo do leo no tempo t-1;
= taxa de crescimento;
= volatilidade;
t = diferena entre o tempo t e o t-1.

Para o preo do gs, considerou-se como sendo proporcional ao preo do leo da
seguinte forma:

t t
P z PG = [4]

Onde,

PG
t
= Preo do gs no tempo t em US$/m;
z = coeficiente de relao entre o preo de leo e gs;
P
t
= Preo do leo no tempo t em US$/bbl.

O valor do parmetro z considerado no estudo foi de 0,35%.

Utilizou-se o software @Risk for MS Project para gerar a distribuio de
probabilidade para a data de incio da produo. Considerou-se a variao das duraes das
atividades com a incerteza e realizou-se a anlise de risco com 10.000 iteraes.

A distribuio de probabilidade de antecipao ou atraso no incio da produo
encontrada foi a triangular com parmetros mnimo, mais provvel e mximo iguais a - 4 e 10
meses, respectivamente. A partir desta distribuio, o atraso ou antecipao da data de entrada
em produo afeta diretamente a curva de produo e, conseqentemente, o custo operacional
e os tributos associados. Considerou-se que, por simplificao, este atraso ou antecipao da
produo no afeta a distribuio temporal dos investimentos, o que uma hiptese
conservadora para este estudo de caso.

As variveis consideradas nesta anlise de risco e seus respectivos modelos para
expressar suas incertezas esto sumarizados na Tabela 1.

238
Tabela 1:Variveis Consideradas na Anlise de Risco do Projeto
Variveis Modelos
Investimento (US$ milhes) Distr. Triangular (1400;1555;1700)
Pico de Produo (Mil bopd) Distr. Triangular (137;200;247)
Taxa de declnio exponencial (%) Distr. Normal (18%;0,9%)
Custo Operacional Fixo (US$ milhes) Distr. Triangular (40;45;50)
Preo do leo (US$/bbl) Movimento Geomtrico Browniano
Preo do Gs (US$/m) F (Preo do leo)

Atraso no Cronograma de Implantao do Projeto
(meses)
Distr. Triangular (-4;0;10)
Abandono (US$ milhes) Distr. Triangular (80;100;140)

4.2 Resultados da Simulao

A realizao da anlise de risco utilizou-se o software @Risk, o mtodo Latin
Hypercube Sampling e foram realizadas 10.000 iteraes, um nmero bastante razovel para o
modelo do estudo devido a sua simplicidade.

Foram rodadas trs simulaes variando somente a Taxa Mnima de Atratividade
(TMA) nos valores 10%, 15% e 20% para as simulaes 1, 2 e 3, respectivamente. Esta
anlise foi realizada tendo em vista que o VPL do projeto altamente influenciado por esta
varivel que de difcil determinao.

4.2.1 Resultados considerando incertezas tcnicas

Primeiramente, foi realizada uma anlise considerando somente as incertezas tcnicas
para melhor entender os riscos gerenciveis do projeto em estudo e poder realizar aes no
sentido de mitig-los. A Tabela 2 apresenta as principais estatsticas relacionadas anlise que
considera somente incertezas tcnicas.

Tabela 2: Estatstica do VPL Para a Anlise Considerando Incertezas Tcnicas
ESTATSTICA
Simulao 1
(TMA = 10% a.a)
Simulao 2
(TMA = 15% a.a)
Simulao 3
(TMA = 20% a.a)
Mnimo (MMUS$) -98,9 -331,4 -443,1
Mximo (MMUS$) 1.697,6 921,2 474,6
Mdia (MMUS$) 818,6 308,8 26,4
Desvio Padro (MMUS$) 304,9 210,6 153,7
Varincia (MMUS$) 92.985,9 44.358,4 23.638,9
P10 (MMUS$)
1
1.209,8 581,0 226,7
P50 (MMUS$)
2
829,7 316,3 30,9
P90 (MMUS$)
3
411,7 28,2 -177,1
1
P10 = Otimista, com apenas 10% de probabilidade de ser superado;
2
P50 = Cenrio mais provvel e com 50% de probabilidade de ser superado;
3
P90 = Pessimista, com 90% de probabilidade de ser superado.

Outro indicador de risco de grande importncia a probabilidade de o VPL do projeto
ser negativo. Para o projeto em estudo o valor encontrado foi de 0,2, 8,1 e 42,3% para as
simulaes 1, 2 e 3 respectivamente, considerando somente incertezas tcnicas.

239
Deve-se ressaltar que a correta interpretao deste resultado depende
fundamentalmente do grau de averso ao risco do decisor e do histrico de outros projetos
semelhantes, no sendo aconselhvel considerar de forma absoluta o valor obtido.

As Figuras 4, 5 e 6 representam as distribuies de probabilidade do VPL encontradas
pela simulao. Nota-se que a probabilidade do VPL ser menor que zero cresce bastante com
o aumento da taxa mnima de atratividade do projeto, principalmente quando passa de 15 para
20%, o que mostra a necessidade de se definir bem a taxa ajustada ao risco a ser considerada
nos estudos.
Figura 4: Distribuies de Probabilidade do VPL Para a Simulao 1 Considerando
Incertezas Tcnicas
Distribuio do VPL (Sim#1)
Mdia = 818,6
X <=0
.2%
X <=1210,3
90%
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
-0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8
VPL (US$ Bilhes)
V
a
l
o
r
e
s

e
m

1
0
^

-
3

Distribuio Acumulada do VPL
(Sim#1)
Mdia = 818,6
X <=0
.2%
X <=1210,3
90%
0,0
0,2
0,4
0,6
0,8
1,0
-0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8
VPL (US$ Bilhes)
Val
or
es
em
10
^-3

Incertezas Tcnicas
Mdia = 308,9
X <=0
8.41%
X <=580,61
90%
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
2,0
-0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0
VPL (US$ Bilhes)
V
a
l
o
r
e
s

e
m

1
0
^
-
3

Distribuio Acum. do VPL (Sim#2)
Mdia = 308,9
X <=0
8.41%
X <=580,61
90%
0,0
0,2
0,4
0,6
0,8
1,0
-0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0
VPL (US$ Bilhes)
V
a
l
o
r
e
s

e
m

1
0
^
-
3

Incertezas Tcnicas
Mdia = 26,4
X <=225,48
90%
X <=0
42.7%
0,0
0,5
1,0
1,5
2,0
2,5
-500 -375 -250 -125 0 125 250 375 500
VPL (US$ Milhes)
V
a
l
o
r
e
s

e
m

1
0
^
-
3

Mdia = 26,4
X <=225,48
90%
X <=0
42.7305%
0,0
0,2
0,4
0,6
0,8
1,0
-500 -375 -250 -125 0 125 250 375 500
VPL (US$ Milhes)
V
a
l
o
r
e
s

e
m

1
0
^
-
3

240
Um outro resultado interessante saber quais variveis causam mais impacto no VPL
do projeto. A Figura 8 apresenta uma anlise de sensibilidade do VPL, considerando-se a
simulao 3. Para as outras simulaes a hierarquizao foi a mesma.

Figura 7: Grfico Tornado de Correlao Para o VPL Considerando Incertezas
Tcnicas
Correlao para VPL
Fator de atraso
Abandono
Custo
Operacional Fixo
Taxa de declnio
exponencial
Investimento
Pico de Produo
-1,00 -0,80 -0,60 -0,40 -0,20 0,00 0,20 0,40 0,60 0,80 1,00
Correlation coefficient

A Figura 7 mostra que a curva de produo e os investimentos so os itens que mais
causam impacto no VPL sendo, portanto, recomendvel avaliar a possibilidade de se investir
em informao adicional para mitigao destes riscos.

4.2.2 Resultados considerando as incertezas tcnicas e de mercado

Tambm foi realizada uma anlise considerando tanto as incertezas tcnicas quanto as
de mercado para avaliar o quanto estas incertezas combinadas podem afetar o resultado da
empresa. Os resultados apresentados no permitem afirmar quais medidas podem ser tomadas
para a reduo dos riscos devido s incertezas tcnicas e as de mercado terem caractersticas
bem distintas.

A Tabela 3 apresenta os resultados da simulao realizada combinando as incertezas
tcnicas com as de mercado.

241
Tabela 3: Estatstica do VPL Para a Anlise Considerando Incertezas Tcnicas e
de Mercado
ESTATSTICA
Simulao 1
(TMA = 10% a.a)
Simulao 2
(TMA = 15% a.a)
Simulao 3
(TMA = 20% a.a)
Mnimo (MMUS$) -1.789,7 -1.479,4 -1.242,0
Mximo (MMUS$) 34.362,2 21.097,3 13.561,6
Mdia (MMUS$) 1.095,1 475,8 133,2
Desvio Padro (MMUS$) 2.318,8 1.469,5 974,6
Varincia (MMUS$) 5.376.972,0 2.159.522,0 949.927,9
P10 (MMUS$)
4
-877,5 -803,0 -729,4
P50 (MMUS$)
5
467,2 88,6 -118,8
P90 (MMUS$)
6
3.737,4 2.164,3 1.272,3
4
P10 = Otimista, com apenas 10% de probabilidade de ser superado;
5
P50 = Cenrio mais provvel e com 50% de probabilidade de ser superado;
6
P90 = Pessimista, com 90% de probabilidade de ser superado.

A probabilidade do VPL do projeto ser negativo encontrada foi de 37,0, 46,5 e 56,6
para as simulaes 1, 2 e 3, respectivamente, o que mostra que as incertezas de mercado
podem acarretar grandes ganhos mas tambm enormes perdas.

As Figuras 8, 9 e 10 representam as distribuies de VPL encontradas para o projeto
em estudo.
Incertezas Tcnicas e de Mercado
Mdia = 1094,5
X <=3770,9
90%
X <=0
37.1%
0,0
0,5
1,0
1,5
2,0
2,5
-5 0 5 10 15 20 25 30 35
VPL (US$ Bilhes)
V
a
l
o
r
e
s

e
m

1
0
^
-
4

Mdia = 1094,5
X <=3770,9
90%
X <=0
37.1%
0,0
0,2
0,4
0,6
0,8
1,0
-5 0 5 10 15 20 25 30 35
VPL (US$ Bilhes)
V
a
l
o
r
e
s

e
m

1
0
^
-
4

Mdia = 475,2
X <=0
46.6%
X <=2203,7
90%
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
-5 0 5 10 15 20
VPL (US$ Bilhes)
V
a
l
o
r
e
s

e
m

1
0
^
-
4

Mdia = 475,2
X <=2203,7
90%
X <=0
46.6%
0
0,2
0,4
0,6
0,8
1
-5 0 5 10 15 20
VPL (US$ Bilhes)
V
a
l
o
r
e
s

e
m

1
0
^
-
4

242
Figura 10 Distribuies de Probabilidade do VPL Para a Simulao 3 Considerando
Mdia = 132,7
X <=1285,5
90%
X <=0
56.5%
0
1
2
3
4
5
6
7
-2 0 2 4 6 8 10 12
VPL (US$ Bilhes)
V
a
l
o
r
e
s

e
m

1
0
^
-
4

Mdia = 132,7
X <=1950,2
95%
X <=0
56,5%
0,0
0,2
0,4
0,6
0,8
1,0
-2 0 2 4 6 8 10 12
VPL (US$ Bilhes)
V
a
l
o
r
e
s

e
m

1
0
^
-
4

Tambm foi gerada uma anlise de sensibilidade para o VPL do projeto. Esta anlise
est apresentada no grfico da Figura 11 e mostra que o preo do leo causa o maior impacto
no VPL do projeto. Isto acontece devido alta volatilidade do preo do leo no mercado
mundial.

Figura 11: Grfico Tornado de Correlao Para o VPL Considerando Incertezas
Tcnicas e de Mercado
Correlao para VPL
0,382
0,381
0,379
0,371
0,361
0,293
0,223
0,161
-0,160
0,145
-1,0 -0,5 0,0 0,5 1,0
Preo do leo - Ano5
Preo do leo - Ano3
Preo do leo - Ano4
Preo do leo - Ano2
Preo do leo - Ano6
Preo do leo - Ano7
Preo do leo - Ano8
Preo do leo - Ano9
Investimento
Pico de Produo

Correlation Coefficients

5. CONCLUSO

A anlise de risco de projetos de investimento uma forma de conhecer melhor os
riscos envolvidos, identificando e quantificando o risco das variveis que mais influenciam o
resultado econmico do projeto. Tal conhecimento muito til para auxiliar os decisores na
seleo dos projetos a serem implantados. Isto particularmente importante em projetos de
243
grande porte e alto grau de incerteza, como costuma ser o caso dos projetos de
desenvolvimento da produo de campos de petrleo.

A anlise de risco permite conhecer os riscos envolvidos nos projetos para se buscar
realizar medidas mitigadoras. Portanto, para utilizar este propsito da anlise de risco, no se
deve misturar incertezas tcnicas e de mercado. As mesmas demandam aes mitigadoras
distintas. Deve-se realizar uma anlise considerando-se estas incertezas separadamente e
posteriormente combin-las para se ter uma idia da influncia que elas podem gerar no VPL
do projeto.

A realizao da anlise de risco compreende um alto grau de comprometimento de
toda a equipe envolvida no projeto, pois a precariedade da qualidade dos dados de entrada
causa resultados duvidosos e, conseqentemente, a perda de confiabilidade na anlise.

Os resultados da anlise de risco realizada mostraram que a curva de produo e os
investimentos foram os itens que causaram maior impacto no VPL do projeto, considerando-
se somente as incertezas tcnicas. O indicador da probabilidade do VPL ser negativo mostrou
que dependendo da TMA adotada para o projeto, o mesmo pode ou no ter probabilidade de
ser antieconmico. O aumento da TMA causa um impacto muito grande no VPL do projeto,
principalmente quando aumentou de 15 para 20%. O decisor passa a ter subsdios para a
tomada de deciso em desenvolver ou no o projeto ou promover algumas aes no sentido de
mitigao dos principais riscos inerentes.

A anlise de risco combinando as incertezas tcnicas e de mercado mostrou que com a
insero da incerteza do preo dos insumos, a probabilidade do VPL ser negativo cresceu
consideravelmente, principalmente considerando uma TMA mais baixa. O projeto passou a ter
possibilidade de ter grandes ganhos no que se refere ao VPL, mas tambm enormes perdas. O
preo do leo foi o item que causou maior impacto no VPL do projeto devido a sua alta
volatilidade.

REFERNCIAS

BREALEY, A R. & MYERS, C. S (1998). Princpios de Finanas Empresariais. Portugal: Ed.
Mcgraw-hill.
DIAS, M. A. G. & ROCHA, K. M. C (2001). Petroleum Concessions With Extendible
Options Using Mean Reversion With Jumps To Model Oil Prices. 3rd Annual
International Conference on Real Options, Wassenaar/Leiden.
DIAS, M. A. G. (1996). Investimento Sob Incerteza em Explorao & Produo De
Petrleo. Dissertao de Mestrado, PUC-RIO, RJ.
LIGERO, L. E, COSTA, A.P.A & SCHIOZER, D.J (2003). SPE 81162, SPE Reservoir
Simulation Symposium, Port-of-Spain, Trinidad, West Indies.
LOSCHIAVO, R. (2001). Estimativas de Incertezas na Previso de Desempenho de
Reservatrios. Dissertao de Mestrado, UNICAMP, SP
244
MOTTA, R., CALOBA, G., ALMEIDA, L., MOREIRA, A., NOGUEIRA, M., CARDOSO,
L. & BERLINK, L. (2000) Investment and Risk Analysis Applied to Petroleum
Industry. SPE 64528, SPE Reservoir Simulation Symposium, Brisbane, Austrlia.
PRADO, D. (2000) Teoria da Filas e Simulao. Belo Horizonte: Ed. DG.
SIMONSEM, M. H (1994). Dinmica Macroeconmica. So Paulo: Ed. Atlas.
STEAGALL, D. E & e SCHIOZER, D. J (2001). Uncertainty Analysis in Reservoir
Production Forecasts During Appraisal and Pilot Production Phases. SPE 66399, SPE
Reservoir Simulation Symposium, Dallas, USA.
SUSLICK, B. S (2001) Regulao em Petrleo e Gs Natural. Campinas: Ed. Komedi.

Gomes - Analise de Risco

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Gomes - Analise de Risco

Enviado por

Direitos autorais:

Formatos disponíveis

Vol. 3, No.

Leonardo Lima Gomes

Rodrigo Loureiro Medeiros

Você também pode gostar