Escolar Documentos
Profissional Documentos
Cultura Documentos
Porto Alegre
2006
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL
FACULDADE DE CINCIAS ECONMICAS
PROGRAMA DE PS-GRADUAO EM ECONOMIA
Porto Alegre
2006
DADOS INTERNACIONAIS DE CATALOGAO NA PUBLICAO (CIP)
Responsvel: Biblioteca Gldis W. do Amaral, Faculdade de Cincias Econmicas da
UFRGS
CDU 336.76
657.1
JOS ARNALDO RIBEIRO SOARES
A ANLISE DE RISCO, SEGUNDO O MTODO DE MONTE CARLO, APLICADA
MODELAGEM FINANCEIRA DAS EMPRESAS
In a world where the competitiveness crosses the national borders, where political
and economical instabilities have an immediate impact in the whole globe, the
companies need to be prepared to give a fast response. The dynamics of the global
movements no more allows that the companies and organizations take a long time to
implement new alternatives. The answers should be fast. The uncertainties about
company environment should be better understood, so the risks of a wrong decision
can be mitigated. However, better than to react to the facts, is to anticipate them. The
anticipation requests that the possible events must be deeply understood, not just as
for their possible impacts, but also for its probability of occurrence. This work has as
objective to propose a simulation and analysis financial model of companies,
considering probabilistic techniques to allow managers go through decision process
with a level of information sufficient enough to permit them to have a clear
understanding about the risks involved in their decision. This model turns this
possible through the utilization of Monte Carlos methodology. This methodology
allows the critical variables of a company to be treated as random variables. Prices of
products and macroeconomics variables such as interest rate, rate exchange and
rate of inflation can be considered as random variables and not as constants in the
model. The results of a company will be available to the managers with a statistic
treatment and a probabilistic analysis. This process will facilitate the managers
decisions process about investments, price policies, loans and others critical subjects
to the future of the company with a much more appropriate level of information.
QUADROS
GRFICOS
FIGURAS
1 INTRODUO ....................................................................................10
2 METODOLOGIA..................................................................................13
2.1 DISTRIBUIO NORMAL................................................................................... 17
2.2 DISTRIBUIO EXPONENCIAL ........................................................................ 20
2.3 DISTRIBUIO UNIFORME............................................................................... 22
2.4 DISTRIBUIO DE CAUCHY............................................................................. 24
2.5 DISTRIBUIO TRIANGULAR........................................................................... 26
6 CONCLUSO......................................................................................87
REFERNCIAS ......................................................................................90
10
1 INTRODUO
Num mundo cada vez mais competitivo, com conexes globais em vez de
locais e regionais, onde vantagens competitivas devem ser cultivadas
incessantemente, as empresas tm por obrigao analisar constantemente o
ambiente em que esto expostas. Com isso, podem antecipar, tanto quanto possvel,
todas as suas aes, sejam de curto ou longo prazo. Tal fato permite a reduo da
exposio de seus negcios aos diferentes tipos de riscos.
Uma grande parte das empresas ainda planeja suas aes atravs de
modelos econmicos tradicionais, onde as incertezas e os riscos associados ao
processo no so tratadas de forma paramtrica, ou o so apenas de uma forma
muito embrionria.
Em alguns casos so aplicadas apenas tcnicas determinsticas tradicionais
modelagem das empresas, com o emprego de anlise de cenrios, sem que estes
possam esclarecer aos tomadores de deciso quais as chances dos mesmos virem
a acontecer. Porm, isso no implica na ausncia de tcnicas estatsticas na
literatura que podem auxiliar nessa modelagem do risco.
Bernstein (1997, p. 1) disse:
poder ser usada com o propsito de definir que aes devero ser tomadas
visando levar a empresa em busca do atendimento de seus objetivos estratgicos.
13
2 METODOLOGIA
identificar o problema;
analisar o modelo;
testar os resultados;
1
Para uma discusso histrica do mtodo de Monte Carlo ver Metropolis (1987) e Pllana ([200-?]).
2
Para uma discusso deste problema ver Siegrist ([200-?]) ou Weisstein (2005).
17
( x ) 2
(2n 2 )
e
f ( x) =
2 (1.1)
x2
2
e
f ( x) = (1.2)
2
0,0050
0,0045
0,0040
0,0035
0,0030
0,0025
0,0020
0,0015
0,0010
1,0
0,5
0,0
Alm da mdia, a curva normal possui outras estatsticas que podem ser
calculadas, como a moda, mediana, o desvio-padro, a assimetria e a curtose. No
caso da Distribuio Normal Padro, a mdia igual moda, que igual mediana.
Alm disso, tem-se que a assimetria tem valor zero e a curtose o valor 3.
Vale destacar que os parmetros de localizao e de escala da distribuio
normal podem ser estimados atravs da mdia e do desvio padro da amostra
respectivamente.
A distribuio normal , provavelmente, a mais importante distribuio
estatstica existente, conforme pode ser visto em NATIONAL INSTITUTE OF
STANDARDS AND TECHNOLOGY NIST e Sematech (2003):
3
Para uma discusso mais detalhada da curva normal, sua aplicabilidade e sobre o teorema do limite
central, consultar NIST e Sematech (2003) e Lane (2006)
20
* e (x )
1
f ( x) = x ; > 0 (1.3)
f ( x) = e x para x 0 (1.4)
3,5
3 Lambda = 1
lambda = 2
Lambda = 3
2,5
1,5
0,5
f ( x) = 1 e x x 0; > 0 (1.5)
0,9
0,8
0,7
0,6
Lambda = 1
0,5
Lambda = 2
0,4 Lambda = 3
0,3
0,2
0,1
1
f ( x) = para A x B (1.6)
B A
f ( x) = 1 para 0 x 1 (1.7)
1,050
1,025
1,000
0,975
0,950
0 0,25 0,5 0,75 1
F ( x) = x para 0 x 1 (1.8)
1,2
1
0,8
0,6
0,4
0,2
0
0 0,25 0,5 0,75 1
( B A) 2
= (1.9)
12
( B A)
CV = (1.10)
3 ( B + A)
24
1
f ( x) = (1.11)
s (1 + (( x t ) / s ) 2 )
1
f ( x) = (1.12)
(1 + x 2 )
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
-5 -4 -3 -2 -1 -0 1 2 3 4 5
arctan( x)
F ( x) = 0,5 + (1.13)
1
0,8
0,6
0,4
0,2
0
-5 -4 -3 -2 -1 -0 1 2 3 4 5
2
f ( x) = para x = Moda (1.14)
Max Min
2 * ( x Min)
f ( x) = para x < Moda (1.15)
( Max Min) * ( Moda Min)
27
2 * ( Max x)
f ( x) = para x > Moda (1.16)
( Max Min) * ( Max Moda)
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 0,8 1
2 * Min + Max
Mdia =
3 (1.19)
Assimetria direita:
Min + 2 * Max
Mdia =
3 (1.21)
4
Uma abordagem completa sobre cada uma das distribuies citadas acima poder ser vista em
NIST e Sematech (2003).
29
- Independncia estatstica.
- Velocidade de gerao.
Uma vez que a relao entre estas variveis esteja bem definida e os
modelos determinsticos estejam definidos, deve-se fazer uma avaliao crtica das
variveis de entrada para os modelos. Algumas destas variveis sero mais crticas
que outras, significando que os resultados da empresa podem ser fortemente
impactados em funo de variaes nas mesmas. Estas sero as variveis que
recebero um tratamento estocstico. Os limites de variao possveis para estas
variveis, bem como sua distribuio de probabilidades de ocorrncia podero ser
definidos por exame de sries histricas da mesma ou atravs da percepo dos
especialistas da empresa, que conhecem o comportamento esperado para a
varivel.
A seguir, o modelo estimado por centenas ou at milhares de vezes,
fornecendo uma amostragem para as variveis de sada. Entre as sadas do modelo
podemos citar o resultado projetado para o perodo, o EBITDA, o valor da empresa,
faturamentos, dividendos a pagar, e uma vasta gama de indicadores, conforme ser
discutido no item 4.3 INDICADORES ANALTICOS DE EMPRESAS.
importante lembrar que no existe uma regra estabelecida para o nmero
de vezes que devemos rodar o modelo. Entretanto, uma forma prtica de definir se o
nmero de simulaes est adequado analisar seus resultados estatsticos, como
a mdia aritmtica e o desvio padro da varivel de sada, por exemplo. Se estes
valores estiverem dentro de um intervalo de preciso desejado, ento o nmero de
vezes que se roda o modelo considerado satisfatrio. Ou seja, o nmero oportuno
de vezes que o modelo dever ser rodado est associado ao alcance de uma
varincia mxima desejada para a varivel.
Todas estas informaes daro aos administradores da empresa uma viso
do risco associado a quaisquer decises que queiram tomar, melhorando assim o
processo decisrio baseado em modelos determinsticos, com suas anlises de caso
e sensibilidades pontuais, que embora teis, so limitados.
A aplicao da metodologia, contudo, poder produzir resultados dissociados
da realidade, se alguns cuidados bsicos no forem tomados durante a modelagem
do sistema a ser analisado.
Em primeiro lugar, importante, mas no essencial, que a distribuio de
freqncia das variveis de entrada do modelo seja estabelecida com base num
comportamento verificado. Alternativamente, esta distribuio pode ser elaborada a
partir da experincia e do julgamento do administrador especialista no negcio,
32
preo mais alto e vice-versa). Se isto no for considerado, altamente provvel que
os valores gerados a partir das distribuies de freqncia de cada varivel no
sigam esta expectativa, gerando cenrios no realistas. Mantendo-se esta situao,
a anlise de risco estar sujeita a algum vis.
Portanto, antes de se partir para o estgio de gerao das estimativas,
imperativo considerar se existem tais correlaes entre as variveis do problema em
questo e, caso positivo, providenciar restries no modelo que impeam ou
minimizem a possibilidade de gerao de cenrios que violem estas correlaes.
Segundo Savvides (1994), uma das maneiras mais fceis de se lidar com o
problema da correlao na anlise de risco usar o coeficiente de correlao como
uma proxi da relao entre duas variveis. Para isto preciso que se defina a
direo da relao entre as variveis (se positiva ou negativa) e uma estimativa
razovel da fora desta relao. O objetivo maior evitar que o modelo possa gerar
cenrios inconsistentes com a realidade, em vez de buscar alta exatido estatstica.
portanto, suficiente que uma relao linear possa ser adotada, expressa pela
seguinte frmula:
Y = a + b* X + e (1.23)
onde:
Y = varivel dependente
X = varivel independente
a = intercepto (valor mnimo de Y, se a relao for positiva, ou mximo, se a
relao for negativa)
b = inclinao = (Variao de Y) / (Variao de X)
e = fator de erro, com distribuio normal independente
Savvides (1994) ressalta que importante ter em mente que o uso sugerido
do coeficiente de correlao exerce o papel do mecanismo pelo qual o analista pode
expressar uma relao presumida entre duas variveis de risco.
O objeto da anlise de correlao controlar os valores da varivel
dependente, de tal forma que a consistncia seja mantida com os valores da varivel
independente. Vale destacar que a equao de regresso, como a proposta em
1.23, parte das premissas que regulam esta relao durante o processo de
34
3 REVISO BIBLIOGRFICA
Aqui Hertz (1979) aborda a questo central que sempre esteve e estar
presente em toda a deciso que os administradores de empresa enfrentaram ou
viro a enfrentar: - qual o curso de ao a tomar, dado que as incertezas esto
sempre presentes, em maior ou menor grau? Como fazer para delimit-la mais
claramente, permitindo que as decises sejam tomadas com mais conscincia dos
riscos envolvidos? Esta a abordagem de Hertz (1979), que permitiu aos gestores
enfrentarem estes dilemas com muito mais conhecimento de causa.
Siegrist ([200-?]) apresenta aplicaes prticas em linguagem de
programao java onde ele explora trs problemas clssicos de aplicao da
metodologia de Monte Carlo, sendo dois deles modelos discretos e o outro um
modelo contnuo.
Casarotto Filho e Kopittke (1996) apresentam um fluxograma simplificado
para um processo de anlise de investimento, sob condies de risco, atravs de
modelos probabilsticos, conforme a Figura 2.
Carlo como auxlio para o clculo do valor de uma empresa hipottica, de tal
forma a disponibilizar informaes sobre o Valor Presente Lquido mais
provvel, os riscos correspondentes e o grau de confiana presente na
estimativa realizada. (RODRIGUES, 2003, p. 4).
PMR = Venda
Duplicatas _ a _ receber
_ mdias _ dirias (3.1)
Observe-se que quanto maior for o prazo mdio de recebimento das vendas
de uma empresa, maior ser o comprometimento de recursos no financiamento dos
seus clientes, elevando a necessidade de capital de giro.
Este um item de crucial importncia na anlise de risco de qualquer
empresa, visto que uma poltica de crdito a clientes, feita de forma inadequada,
poder ser ruinosa para a empresa. Maiores informaes sobre a gesto do crdito
aos clientes podem ser vistas em Ross, Westerfield e Jaffe (1995).
No caso de uma empresa industrial, seu clculo mais complexo, visto que
h uma efetiva adio de valor aos insumos adquiridos para o processo produtivo.
Assim. O Custo dos Produtos Vendidos CPV, dado pela equao 3.4, a seguir:
CPV = EI + CP EF (3.4)
Sendo:
EI = Valor dos produtos acabados em estoque no incio do perodo
EF = Valor dos produtos acabados em estoque no final do perodo
CP = Custo de produo do perodo
Por sua vez, o custo de produo do perodo dado pela equao 3.5:
Onde:
MP = Valor dos insumos consumidos no processo produtivo
MDO = Mo de obra empregada na produo
Vale destacar que a correta gesto dos estoques de produtos acabados e dos
insumos fator determinante para os negcios de uma empresa, que deve
compreender as possveis sazonalidades a que suas vendas podero estar
expostas, bem como as compras dos seus insumos. Para uma descrio mais
detalhada do tema, ver Hansen e Mowen (2000). Para uma aplicao do controle de
estoques atravs da simulao de Monte Carlo, ver Ragsdale (1998).
45
Este indicador nos mostra o tempo mdio decorrido entre a compra dos
insumos para a produo e o efetivo pagamento dos mesmos. Seu clculo se d
atravs da relao expressa na equao 3.6:
Este indicador nos mostra o tempo mdio decorrido entre as vendas dos
produtos e o efetivo pagamento dos impostos sobre as mesmas. Seu clculo se d
atravs da seguinte relao conforme expresso 3.7, a seguir:
Quanto maior for este prazo, maior ser o financiamento que a empresa
estar obtendo junto ao governo, atravs dos impostos sobre vendas, reduzindo
assim, sua necessidade de capital de giro.
Destaca-se que estes impostos devem ser geridos corretamente, pois o no
recolhimento nos prazos adequados ir gerar passivos elevados para a empresa,
que podero colocar em risco sua prpria sobrevivncia.
46
ATIVO PASSIVO
Circulante Circulante
Caixa e bancos Fornecedores
Ttulos e valores mobilirios Fornecedores nacionais
Contas a receber Fornecedores partes relacionadas
Clientes - mercado interno Financiamento para a cobertura do caixa
Clientes - mercado externo Financiamentos de curto prazo
Partes relacionadas operacional Saques de exportao a faturar de curto prazo
Partes relacionadas outros Impostos e taxas
Outras contas a receber Encargos sociais e trabalhistas
Estoques Participaes a pagar
Estoques de matria-prima Dividendos a pagar
Estoques de produtos em processo Imposto de renda e contribuio social
Estoques de produtos acabados Proviso para passivo contingente
Estoques de produtos qumicos Outras contas a pagar de curto prazo
Outros estoques
Impostos e taxas a recuperar no curto prazo
Despesas pagas antecipadamente no curto prazo
Outros ativos circulantes
Exigvel a longo prazo
Realizvel a longo prazo Financiamentos de longo prazo
Partes relacionadas Partes relacionadas a pagar
Impostos e taxas a recuperar no longo prazo Proviso para passivo contingente l.p.
Despesas pagas antecipadamente no longo prazo Imposto de renda diferido
Mutuos com terceiros Saques de exportao a faturar de longo prazo
Outros ativos realizveis a longo prazo Outras contas a pagar de longo prazo
Permanente
Investimentos
Participao em controladas e coligadas
Outros investimentos Patrimnio lquido
Capital social
Imobilizado Reservas de capital
Imobilizado - custo Reservas de reavaliao
Imobilizado - depreciao acumulada Reservas de lucros
Imobilizado - obras em andamento Lucros (prejuzos) acumulados
Resultado do perodo
Diferido
Diferido - custo
Amortizao acumulada
( PC + ELP )
ET = AT (3.8)
Onde:
PC = Passivo circulante
ELP = Exigvel de longo prazo
AT = Ativo total
( PC + ELP )
D / PL = PL (3.9)
54
A comparao entre D/PL e ET evidente pelo fato de que o Ativo total (AT)
utilizado na equao 3.8 igual ao patrimnio lquido (PL) somado ao passivo
circulante (PC) e exigvel de longo prazo (ELP).
Vale lembrar que comum a associao de risco a que uma empresa est
exposta ao seu ndice de endividamento. Sem dvidas, quanto maior o
endividamento, mais difcil ser o pagamento das dvidas. Entretanto, anlises desta
natureza, que apenas comparam nmeros apresentados num balano patrimonial
tm limitaes e do uma viso esttica das organizaes. Porm, estas no so
estticas, e devem ser analisadas num contexto de perpetuidade. A capacidade de
uma empresa honrar suas dvidas deve ser avaliada a partir da sua capacidade de
gerar recursos, em comparao s caractersticas do endividamento, tais como
taxas de juros associadas e prazos de amortizao.
CE = PC
PC + ELP (3.10)
IRP = AP
PL + ELP (3.11)
ILC = AC
PC (3.12)
ML = RL
LL
*100 (3.13)
Onde temos:
LL = Lucro lquido
RL = Receita lquida de vendas
Este indicador mostra o quanto restou de cada real de venda aps a deduo
de todos os custos desembolsveis associados ao processo produtivo. No esto
includos os custos de depreciao e amortizao nem os pagamentos de juros por
conta de emprstimos. Seu clculo dado pela equao 3.14:
ME = EBITDA
RL (3.14)
Onde:
Ativo_econmico = todo o capital utilizado para gerar o lucro operacional
Este indicador foi desenvolvido pela Stern & Stewart Company, uma
companhia de consultoria dos Estados Unidos, com o objetivo de verificar se o
capital investido por uma empresa, em determinado negcio, est remunerando
adequadamente aos proprietrios. Caso a remunerao esteja acima do custo do
capital empregado no negcio, ento estar havendo criao de valor para os
acionistas; caso contrrio, estar havendo destruio de valor.
O clculo do EVA dada pela equao 3.16:
Onde:
CMPC = Custo mdio ponderado de capital, que leva em conta o custo de todos os
capitais empregados no negcio, ou seja, o custo do capital prprio dos acionistas e
o custo do capital de terceiros, associados s dvidas da empresa.
Conforme Ehrbar (2000, p. 1), Em seu nvel mais bsico, o EVA, uma sigla
para valor econmico agregado, uma medida de desempenho empresarial que
difere da maioria das demais ao incluir uma cobrana sobre o lucro pelo custo de
todo o capital que uma empresa utiliza.
59
ATIVO PASSIVO
Contas Errticas
Caixa e bancos
Contas Errticas
Duplicatas descontadas
Passivo Circulante
Ttulos e valores mobilirios
Emprstimos bancrios
Contas a receber de curto prazo
Ativo Circulante
Fornecedores
Contas Cclicas
Contas Cclicas
Despesas antecipadas
.
.
Realizvel a longo prazo
Financiamentos de longo prazo
Emprstimos a terceiros
Passivo no circulante
Contas No Cclicas
Contas No Cclica
Capital social
Permanente
Reservas em geral
Investimentos
Imobilizado
Diferido
.
Ativos Passivos
Circulantes circulantes
CDG
Passivos de
Ativos de Longo Prazo
Longo Prazo (ELP + PL)
(RLP + AP)
A partir da Figura 10 tambm possvel tirar uma outra relao para o Capital
de Giro CDG, conforme Eq. 3.19 a seguir:
CDG AC PC (3.19)
Entretanto, a equao 3.19 deve ser vista apenas como uma identidade
matemtica conseqncia da definio dada na equao 3.18, e no como uma
definio para o capital de giro.
ST = Ae PE (3.21)
5
Informao fornecida por O. V. Perroni na palestra A petroqumica brasileira e alguns de seus mitos, na
Comisso de Petroqumica do Instituto Brasileiro de Petrleo, em So Paulo, em 18 de abril de 2001.
66
6
Uma central tpica pode produzir, entre outros, os seguintes produtos: Benzeno, Butadieno, Buteno-1, Eteno,
Gasolina, GLP Gs liquefeito de petrleo, MTBE Metil-ter-butil-ter, leo combustvel aromtico, Propano,
Propeno, Solventes alifticos, Solventes aromticos, Tolueno, Xileno
69
bsica deve ter escala suficiente para produzir, no mnimo 500 mil toneladas ano de
eteno, que se for base de nafta, significar um consumo desta matria prima da
ordem de quase 2 milhes de toneladas por ano.
Os investimentos necessrios para realizar um empreendimento deste porte
aproximam-se de 1 bilho de dlares, e requerem pessoal altamente qualificado.
A complexidade do empreendimento significa que um projeto deste porte
pode levar mais de 5 anos entre sua concepo e o incio de produo.
Assim, sua concepo bsica, projeto, construo e operao devem ser
etapas planejadas criteriosamente, visando o sucesso do empreendimento.
O modelo aqui proposto foi construdo a partir de uma lgica que facilite o
entendimento e a utilizao do mesmo. Foi empregada a plataforma da planilha
eletrnica do Microsoft Excel, visto ser esta uma ferramenta de uso disseminado e
que permite a sua rpida apreenso por parte do usurio.
A projeo dos resultados da empresa feita num horizonte de 10 anos,
sendo que nos dois primeiros o detalhamento mensal. Permite tambm que sejam
escolhidas diferentes distribuies de probabilidades associadas s variveis
relevantes, entre algumas alternativas, conforme se pode ver na Figura 11, a seguir:
Figura 20 Indicadores
Fonte: elaborado pelo autor
Considerando que a nafta, matria prima adotada, tem seu preo associado
ao preo do petrleo, de onde se origina, o preo desta commoditie fundamental
para o negcio de qualquer central petroqumica. Assim, o modelo aqui considerado
tem como premissa fundamental o preo do petrleo tipo Brent, referencial bsico
utilizado no mundo dos negcios de energia. A partir do preo deste petrleo Brent
no mercado internacional, o modelo deriva o preo da nafta, atravs de uma
correlao fundamental adotada neste negcio. O preo da nafta a resultante do
preo do petrleo Brent dado em US$/toneladas mais um spread, que varia
conforme condies gerais do mercado.
E assim est estabelecido o preo da nafta nesta aplicao, ou seja, ele
resultante direto do preo do petrleo. E este ltimo sim, considerado a varivel
estocstica mais relevante para a indstria, dado seu impacto final nos custos e na
rentabilidade do negcio.
Outras variveis relevantes para o negcio petroqumico so as variveis
macroeconmicas, como as taxas de juros nacionais e internacionais, de curto e de
longo prazos, a taxa de cmbio e a inflao. Assim, todas estas variveis tambm
so consideradas variveis estocsticas no modelo desenvolvido.
Dado que as matrias primas da indstria petroqumica esto todas
associadas ao mercado energtico (petrleo), cujo preo cotado
internacionalmente, os produtos de uma central petroqumica, mesmo instalada no
Brasil, tendem, no longo prazo a ter uma forte aderncia aos preos internacionais.
Assim, o modelo desenvolvido considera uma forte correlao dos preos dos
produtos seja com a nafta, ou com o petrleo, e permite que diferenas que estejam
sendo praticadas em relao ao mercado internacional sejam captadas atravs de
spreads, que devero ser informados pelo usurio. Estes spreads esto fortemente
associados ao momento em que se faz a projeo, pois eles derivam de questes
logsticas, custos de exportao, custos de importao, e outros que possam
impactar os custos de referncia, seja para internao de produtos importados, seja
para a exportao de produtos.
A Figura 21, a seguir, mostra um detalhe da tela onde so definidas algumas
das variveis estocsticas do problema.
82
5.6 SIMULAES
Figura 22 Simulaes
Fonte: elaborado pelo autor
Uma vez que o sistema tenha feito as rodadas demandadas, ento o usurio
dever ir at a aba Estabilizao, onde ele poder verificar se o nmero de
rodadas foi satisfatrio. Caso as variveis de sada tenham convergido para valores
estveis, ento no ser necessrio aumentar o nmero de rodadas.
A Figura 23, a seguir, mostra alguns dos grficos das variveis de sada da
simulao, onde o nmero de rodadas simuladas foi suficiente para estabilizar as
mdias das mesmas:
84
6 CONCLUSO
REFERNCIAS
GOMES, G.; DVORSAK, P.; HEIL, T. Indstria petroqumica brasileira: situao atual
e perspectivas. BNDES Setorial, Rio de Janeiro, n. 21, p. 75-104, mar. 2005.
METROPOLIS, N. The beginning of the Monte Carlo method. Los Alamos Science
Special Issue, Los Alamos, n. 15, p. 125-130, 1987.
MOTTA, R. et al. Investment and risk analysis applied to the petroleum industry. In:
SPE ASIA AND PACIFIC OIL AND GAS CONFERENCE AND EXHIBITION, 2000,
Brisbane. Anais... Brisbane: Society of Petroleum Engineers, 2000. SPE 64528
MURTHA, J. Risk Analysis for the Oil Industry. 2000. Disponvel em:
<http://www.jmurtha.com/downloads/riskanalysisClean.pdf>. Acesso em: 29 set.
2005.
OLAFSEN, T.; DERVA, J. M.; PULLEN, E. Corporate risk analysis. Value Sim, Oslo
p. 1-30, Nov. 2001. Disponvel em:
<http://www.valuesim.no/downloads/Corporate_Risk_Analysis.pdf>. Acesso em: 26
nov. 2006.
RODE, D.; FISCHBECK, P.; DEAN, S. Monte Carlo methods for appraisal and
valuation: A case study of a nuclear power plant. Journal of Structured and Project
Finance, Washington, v. 7, n. 3, p. 38-48, 2001.
93
THANH, T. T. An improved method for reserves estimation. In: ASIA PACIFIC OIL
AND GAS CONFERENCE AND EXHIBITION, 2002, Melbourne. Anais... Melbourne:
Society of Petroleum Engineers, 2002. SPE 101939.