UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL

FACULDADE DE CINCIAS ECONMICAS

PROGRAMA DE PS-GRADUAO EM ECONOMIA

JOS ARNALDO RIBEIRO SOARES

A ANLISE DE RISCO, SEGUNDO O MTODO DE MONTE CARLO, APLICADA

MODELAGEM FINANCEIRA DAS EMPRESAS

Porto Alegre
2006
 UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL
FACULDADE DE CINCIAS ECONMICAS
PROGRAMA DE PS-GRADUAO EM ECONOMIA

A ANLISE DE RISCO, SEGUNDO O MTODO DE MONTE CARLO, APLICADA

MODELAGEM FINANCEIRA DAS EMPRESAS

JOS ARNALDO RIBEIRO SOARES

Orientador: Prof. Dr. Marcelo Savino Portugal

Dissertao apresentada ao Programa de Ps-

Graduao em Economia da Faculdade de
Cincias Econmicas da UFRGS, como requisito
parcial para obteno do ttulo de Mestre em
Economia, modalidade profissionalizante, com
nfase em Economia Aplicada.

Porto Alegre
2006
 DADOS INTERNACIONAIS DE CATALOGAO NA PUBLICAO (CIP)
Responsvel: Biblioteca Gldis W. do Amaral, Faculdade de Cincias Econmicas da
UFRGS

S676a Soares, Jos Arnaldo Ribeiro

A anlise de risco, segundo o mtodo de Monte Carlo, aplicada
modelagem financeira das empresas / Jos Arnaldo Ribeiro Soares.
Porto Alegre, 2006.
95 f.

nfase em Economia Aplicada.

Orientador: Marcelo Savino Portugal.

Dissertao (Mestrado Profissional em Economia) - Universidade

Federal do Rio Grande do Sul, Faculdade de Cincias Econmicas,
Programa de Ps-Graduao em Economia, Porto Alegre, 2006.

1. Anlise de risco : Risco financeiro. 2. Simulao : Mtodo de Monte

Carlo. 3. Empresa : Valor. 3. Sistema de apoio deciso : Informao :
Indstria petroqumica. I. Portugal, Marcelo Savino. II. Universidade
Federal do Rio Grande do Sul. Faculdade de Cincias Econmicas.
Programa de Ps-Graduao em Economia. III. Ttulo.

CDU 336.76
657.1
 JOS ARNALDO RIBEIRO SOARES
A ANLISE DE RISCO, SEGUNDO O MTODO DE MONTE CARLO, APLICADA
MODELAGEM FINANCEIRA DAS EMPRESAS

Dissertao apresentada ao Programa de Ps-

Graduao em Economia da Faculdade de
Cincias Econmicas da UFRGS, como requisito
parcial para obteno do ttulo de Mestre em
Economia, modalidade profissionalizante, com
nfase em Economia Aplicada.

Aprovada em: Porto Alegre, 05 de Fevereiro de 2007.

Prof. Dr. Marcelo Savino Portugal Orientador

UFRGS

Prof. Dr. Stefano Florissi

UFRGS

Prof. Dr. Paulo Schmidt

UFRGS

Prof. Dr. Paulo Terra

UFRGS
DEDICATRIA

minha esposa Rosely e s minhas filhas

Mariana e Jlia, por aceitarem meus muitos
momentos de ausncia, e pelo estmulo que me
deram nos momentos de fraqueza.
AGRADECIMENTOS

Ao amigo Luiz Guilherme Aboim Costa, que

primeiro apresentou-me os conceitos da simulao
de Monte Carlo, tornando possvel chegar onde
cheguei.
 RESUMO

Num mundo onde a competitividade ultrapassa as fronteiras nacionais, onde

perturbaes polticas e econmicas tm uma repercusso imediata em todo o
globo, as empresas precisam cada vez estar preparadas para reagir rapidamente. A
dinmica dos movimentos globais no mais permite que as empresas e
organizaes possam esperar muito tempo para tomar medidas adaptativas. As
respostas devem ser rpidas. O nvel de incertezas onde a empresa opera deve ser
melhor entendido, de forma que os riscos de uma tomada de deciso inadequada
possam ser mitigados. Contudo, melhor que reagir aos fatos buscar se antecipar
aos mesmos. Mas a antecipao requer que os eventos possveis sejam analisados,
no apenas quanto aos seus possveis impactos, mas tambm quanto sua
probabilidade de ocorrncia. Este trabalho tem como objetivo maior propor um
modelo de projeo e anlise das demonstraes financeiras das empresas,
segundo uma viso no apenas determinstica, mas empregando tcnicas
probabilsticas, que permitam aos gestores das empresas passarem pelo processo
de tomada de deciso com um nvel de informao que permita a eles terem uma
idia muito clara do nvel de risco que envolve as suas decises. E este modelo
torna isto possvel ao se utilizar da metodologia de Monte Carlo. Esta metodologia
permite que as variveis crticas de uma empresa sejam tratadas a partir das suas
distribuies de probabilidades de ocorrncia. Assim, preos de produtos e
insumos, variveis externas tais como a taxa de juros, a taxa cmbio e a taxa da
inflao podem ser avaliadas dentro de uma expectativa de ocorrncia, como
variveis estocsticas, e no mais como constantes no problema. Com isto,
podemos simular os resultados de uma empresa, que sero disponibilizados ao
gestor segundo sua distribuio de probabilidade. Este processo permitir que o
gestor possa tomar quaisquer decises, sejam de investimentos, de poltica de
preos, de endividamento, etc., com um nvel de informao muito mais adequado
do que quando ele dispe apenas de informaes determinsticas com anlise de
sensibilidade, visto que esta ltima nada informa quanto probabilidade de
ocorrncia do evento.

Palavras-chave: Simulao. Monte Carlo. Projees Financeiras. Risco.

Anlise de Risco. Fluxo de Caixa. Valor de Empresa.
 ABSTRACT

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.

Keywords: Simulation, Monte Carlo. Financial Projections. Risk. Risk

Analysis. Cash Flow. Enterprise Value.
 LISTA DE ILUSTRAES

QUADROS

Quadro 1 - Caractersticas dos Modelos Matemticos.............................................. 14

GRFICOS

Grfico 1 Curva Normal Padro ............................................................................. 18

Grfico 2 Funo de Distribuio Cumulativa da Distribuio Normal ................... 18
Grfico 3 Funo Densidade de Probabilidade Exponencial ................................. 20
Grfico 4 Funo Cumulativa da Distribuio Exponencial .................................... 21
Grfico 5 Funo Densidade de Probabilidade Uniforme ...................................... 22
Grfico 6 Funo Cumulativa da Distribuio Uniforme Padro ............................ 23
Grfico 7 Funo de Densidade de Probabilidade Padro de Cauchy .................. 25
Grfico 8 Funo Cumulativa da Distribuio Padro de Cauchy.......................... 25
Grfico 9 Funo de Densidade de Probabilidade Triangular ................................ 27

FIGURAS

Figura 1 Outras Funes de Distribuio ............................................................... 28

Figura 2 Fluxograma de Anlise de Investimento .................................................. 36
Figura 3 Modelo de Projeo ................................................................................. 37
Figura 4 Ciclos da Empresa ................................................................................... 42
Figura 5 Diagrama das Projees Financeiras....................................................... 47
Figura 6 DRE Demonstrativo de Resultado do Exerccio .................................... 49
Figura 7 BP Balano Patrimonial - 31/12/2006....................................................50
Figura 8 Demonstrativo de Fluxo de Caixa (Mtodo Indireto) ............................. 51
Figura 9 BP Balano Patrimonial......................................................................... 60
Figura 10 Balano Patrimonial ............................................................................... 62
Figura 11 BP Balano Patrimonial....................................................................... 69
Figura 12 Entrada dos Saldos Iniciais de Estoques ...............................................72
Figura 13 Faturamento Bruto e Resumo dos Impostos sobre Vendas................... 73
Figura 14 Movimentao Fsica e Financeira dos Produtos................................... 74
Figura 15 Movimentaes das Contas do Ativo ..................................................... 75
Figura 16 Acompanhamento do Endividamento..................................................... 76
Figura 17 Demonstrativo de Resultado do Exerccio ............................................. 77
Figura 18 Clculo do Custo Mdio Ponderado de Capital...................................... 78
Figura 19 Clculo do Valor da Empresa................................................................. 79
Figura 20 Indicadores............................................................................................. 80
Figura 21 Variveis Estocsticas ........................................................................... 82
Figura 22 Simulaes............................................................................................. 83
Figura 23 Estabilizao das Variveis de Sada .................................................... 84
Figura 24 Histogramas das Variveis de Sada ..................................................... 85
Figura 25 Balano Patrimonial Previsto x Realizado........................................... 86
 SUMRIO

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

3 REVISO BIBLIOGRFICA ...............................................................35

4 A MODELAGEM FINANCEIRA DAS EMPRESAS.............................41

4.1 CICLOS ECONMICOS E FINANCEIROS DA EMPRESA ................................ 41
4.2 DEMONSTRAES FINANCEIRAS FUNDAMENTAIS ..................................... 46
4.3 INDICADORES ANALTICOS DE EMPRESAS .................................................. 52
4.4 OUTRAS INFORMAES RELEVANTES ......................................................... 64

5 APLICAO PRTICA DO MODELO ...............................................65

5.1 INDSTRIA PETROQUMICA ............................................................................ 66
5.2 O MODELO DE PROJEES FINANCEIRAS CARACTERSTICAS GERAIS ....... 69
5.3 ENTRADA DE DADOS DO MODELO................................................................. 70
5.4 PROJEES DO MODELO ............................................................................... 72
5.5 VARIVEIS ESTOCSTICAS............................................................................. 80
5.6 SIMULAES..................................................................................................... 82

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:

A idia revolucionria que define a fronteira entre os tempos

modernos e o passado o domnio do risco: a noo de que o futuro mais
do que um capricho dos deuses e de que homens e mulheres no so
passivos ante a natureza. At os seres humanos descobrirem como
transpor essa fronteira, o futuro era um espelho do passado ou o domnio
obscuro de orculos e adivinhos que detinham o monoplio sobre o
conhecimento dos eventos previstos.

Assim, propsito deste trabalho usar um modelo integrado, que permita a

projeo do Balano Patrimonial, do Demonstrativo de Resultados do Exerccio e do
Fluxo de Caixa de uma empresa, baseado em um cenrio de incertezas, permitindo
ao gestor uma melhor qualificao no seu processo decisrio. Neste caso, as
variveis crticas de entrada do modelo sero estocsticas, o que dever resultar
tambm em resultados estocsticos para as variveis de sada.
 11

Especificamente, ser utilizado o Mtodo de Monte Carlo, que permitir

tratarmos as variveis de entrada relevantes ao problema como estocsticas, com
diferentes distribuies de probabilidades.
Dados que os preos no so fixos, e as variveis macroeconmicas tambm
no so constantes, as eficincias no processo produtivo podem variar. Ento, a
anlise de empresas com base em modelos determinsticos peca por no permitir a
modelagem do risco. A anlise de cenrios alternativos, sem uma indicao de sua
probabilidade de ocorrncia no traz ao gestor qualquer qualificao ao seu
processo de tomada de deciso.
Assim, a utilizao de uma metodologia que utilize cenrios probabilsticos
permitir que os administradores de uma empresa possam tomar suas decises com
um melhor embasamento tcnico, tendo uma perspectiva muito mais clara dos riscos
envolvidos com as mesmas, tanto no curto quanto no mdio prazo.
Apesar da boa aplicabilidade da tcnica de Monte Carlo a esses problemas,
os executivos continuaro no tendo respostas firmes a respeito de suas
indagaes, mas possvel gerar mais informaes que possam auxiliar na tomada
de deciso. Sendo assim, o que se procura estreitar o leque das incertezas, no
elimin-las, pois isto impossvel.
Dentre vrios tpicos presentes no dia-a-dia dos gestores que podero ser
respondidos com maior percepo dos riscos associados, podemos citar o impacto
da taxa de juros ou da taxa de cmbio nos resultados da empresa, a definio do
nvel adequado de estoques para atendimento de um percentual mnimo dos
pedidos de compra e o impacto do grau de endividamento na capacidade de
pagamento de encargos sobre a dvida.
Esse trabalho est estruturado a partir de quatro captulos alm dessa
introduo. No 1 captulo ser feita uma abordagem da metodologia de Monte
Carlo, onde so especificadas as caractersticas desse processo e os fenmenos
estatsticos envolvidos. No 2 captulo feita uma reviso bibliogrfica da aplicao
da tcnica. No captulo 3 feito um arcabouo tcnico das contas administrativas e
contbeis que devero contemplar o modelo final. E, por fim, no captulo 4,
utilizada a tcnica de Monte Carlo com aplicao especfica a uma indstria
petroqumica bsica, visando proporcionar aos seus administradores uma viso clara
da extenso dos seus riscos, proporcionando empresa uma ferramenta que
 12

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

A metodologia a ser utilizada nesse trabalho ser basicamente terica, em

toda a sua concepo fundamental. Sero abordados os modelos fundamentais de
projees financeiras fundamentais, baseadas no Balano Patrimonial,
Demonstrativo de Resultados do Exerccio e Fluxo de Caixa. A seguir sero
aplicados conceitos estocsticos, com base no mtodo de Monte Carlo, tendo como
foco uma ou mais funes objetivo.
Vale ressaltar que diversas tcnicas quantitativas, conforme pode ser visto no
Quadro 1, podem ser aplicadas na soluo de problemas relacionados gesto das
empresas. Em algumas situaes, esta gesto passa por avaliar situaes onde as
variveis associadas esto carregadas de incertezas, tais como:

Qual a probabilidade de que um novo produto seja lucrativo?

Qual o impacto das variveis econmicas no resultado do meu negcio?

Como definir o nvel adequado de estoques de forma a garantir o

atendimento de pelo menos 98% dos pedidos de compra?

Todas as respostas a perguntas dessa natureza no so fceis de serem

encontradas, pois dependem de variveis cujo comportamento , muitas vezes,
difcil de ser previsto ou envolve diversas possibilidades. Assim, a modelagem e
simulao matemtica surgem como uma forma de abordagem para problemas
desta natureza.
A idia do uso de modelos matemticos e estatsticos na anlise e soluo de
problemas no nova, mas seu uso se intensificou imensamente a partir da
revoluo provocada pela aplicao dos computadores. E vrias categorias de
modelos foram desenvolvidas, cada uma abordando problemas de natureza diversa.
O Quadro 1 mostra, segundo Ragsdale (1998), as principais caractersticas
dos modelos matemticos desenvolvidos para a soluo de problemas:
 14

Quadro 1 - Caractersticas dos Modelos Matemticos

Forma da Valores das

Exemplos de tcnicas
Categoria funo variveis
matemticas associadas
objetivo independentes

Modelos Conhecida e Conhecidas ou sob Programao linear, Redes,

prescritivos bem definida controle dos analistas Programao inteira, Lote
econmico de compras,
Programao no linear,
Mtodo do caminho crtico

Modelos Desconhecida Conhecidas ou sob Anlises de regresso;

preditivos ou mal controle dos analistas Anlise de sries
definidas temporais, Anlise
discriminante;

Modelos Conhecidas e Desconhecidas ou Simulao, Problemas de

descritivos bem definidas incertas filas, Modelos de inventrio;

Fonte: Ragsdale, 1998, p. 7.

Os modelos com funes-objetivo e variveis independentes bem definidas

so chamados de Prescritivos porque as solues apontadas por eles dizem aos
tomadores da deciso que aes devem escolher. Este o caso, por exemplo, do
problema de alocao de recursos em diversos investimentos, de forma a maximizar
o retorno dos mesmos, sem ultrapassar um determinado nvel de risco.
J os modelos preditivos so assim chamados porque a funo-objetivo que
liga as variveis independentes varivel dependente no bem definida. Neste
caso, ela dever ser estimada, de forma a permitir que se possa predizer o valor da
varivel dependente, em funo de determinados valores das variveis
independentes. Este o caso, por exemplo, de se tentar determinar o valor de um
imvel a partir da sua rea e idade. A forma da funo que correlaciona o valor do
imvel a estas variveis no conhecida a priori, e deve primeiro ser estimada,
para, a seguir, se predizer o valor do imvel.
 15

Finalmente temos os modelos descritivos. Nesta categoria a funo-objetivo

que liga as variveis independentes varivel dependente bem conhecida.
Entretanto, os valores das variveis independentes no so conhecidos ou
apresentam incerteza em seu comportamento. Nesta categoria esto os problemas
de simulao, que podem incluir, por exemplo, problemas de filas, como na
simulao de overbook na venda de passagens de avio, conforme abordagem
dada por Ragsdale (1998).
Ainda segundo Ragsdale (1998), os elementos chaves que devem ser
seguidos para que se obtenha sucesso em qualquer processo de soluo de
problemas, como a modelagem, so:

identificar o problema;

formular e implementar o modelo;

analisar o modelo;

testar os resultados;

reformular o modelo caso os testes no sejam satisfatrios;

implementar a soluo quando o modelo estiver satisfatrio.

A modelagem e simulao financeira de empresas um problema que tem

uma funo-objetivo especfica e bem determinada, como, por exemplo, a estimativa
de lucros ou o valor da empresa. Contudo, o mesmo no se pode dizer das
principais variveis que so fundamentais para a determinao do modelo. Preos
de matrias-primas, preos de venda dos produtos e custos de outros insumos, so
exemplos de variveis indeterminadas, sob as quais o administrador no tem certeza
do seu valor futuro.
Assim, o processo de modelagem e simulao financeira de empresas que
estamos buscando construir est associado aos modelos descritivos, conforme
classificao dada no Quadro 1. Especificamente ser utilizado o mtodo de
Simulao de Monte Carlo.
importante lembrar que o mtodo tem seu nome associado cidade de
Monte Carlo, em funo do jogo de roleta, que um gerador simples para nmeros
aleatrios. Este nome, e o desenvolvimento sistemtico do mtodo, tm sua origem
 16

ao redor de 1944. H contudo, situaes isoladas de instncias de desenvolvimento

do mesmo em ocasies anteriores a esta.1
Este o caso, por exemplo, de experimentos desenvolvidos ainda no sculo
XVIII, onde se buscou inferir o valor do nmero , atravs do lanamento casual de
agulhas contra um quadro marcado com retas paralelas. Este problema ficou
conhecido como O problema das agulhas de Buffon. Pode-se mostrar, atravs de
alguns clculos, que a probabilidade da agulha cair sobre uma das linhas paralelas
de 2/. E, pela composio do problema, possvel mostrar que depois de muitos
lanamentos, o nmero de vezes que a agulha cruza uma das linhas paralelas
dividido pelo nmero total de lanamentos aproxima-se deste valor. Da tira-se o
valor do nmero .2
Entretanto, o uso real do mtodo de Monte Carlo, como ferramenta de
pesquisa emerge durante o desenvolvimento da bomba atmica, na Segunda
Guerra Mundial. O trabalho envolvia a simulao direta de problemas probabilsticos
relacionados com a difuso aleatria de nutrons em material fssil, conforme pode
ser visto em Metropolis (1987).
Ao redor de 1970, o desenvolvimento da teoria da complexidade
computacional comeou a fornecer razes precisas e persuasivas para o emprego
do mtodo de Monte Carlo. Esta teoria identificou uma classe de problemas para os
quais o tempo de avaliar a soluo exata cresce exponencialmente com o espao
dimensional associado. A questo a ser resolvida era se o mtodo de Monte Carlo
seria capaz ou no de estimar a soluo de problemas desta natureza, dentro de
uma acuracidade estatstica, num tempo menor que aquele definido pela soluo
exata do problema. Numerosos exemplos agora suportam esta condio.
Referncias para estes exemplos podem ser vistas em Pllana ([200-?]).
Um modelo de simulao Monte Carlo nada mais que o processo de se
gerar vrias amostras (podendo chegar a milhares) de sada de uma funo objetivo,
a partir de vrias amostras aleatrias das variveis de entrada. As sadas de um
processo de modelagem e simulao de Monte Carlo tipicamente incluem itens tais
como: - uma distribuio para cada varivel de sada, uma listagem de sensibilidade
das variveis chaves ordenadas segundo sua correlao com a varivel de sada e
vrios grficos e resumos estatsticos que caracterizam os resultados simulados.

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

importante ressaltar que a simulao de Monte Carlo no fornece como

resultado uma recomendao explcita para se tomar uma deciso. O que ela
fornece um detalhamento para as possibilidades de resultado, atravs de uma
distribuio de freqncia.
Dependendo da natureza de cada problema, diversas distribuies de
probabilidades diferentes podem ser utilizadas para as variveis independentes, com
base no comportamento esperado de cada uma. Dada a possibilidade de se usar
diversas distribuies, a seguir so discutidas algumas das principais distribuies
disponveis.

2.1 DISTRIBUIO NORMAL

A funo densidade de probabilidade da distribuio normal, conforme pode

ser visto em Lane (2006), dada por:

( x ) 2
(2n 2 )
e
f ( x) =
2 (1.1)

Onde o parmetro de localizao (mdia) e (desvio padro) o

parmetro de escala. Quando = 0 e = 1 temos a chamada Distribuio Normal
Padro. Neste caso, a equao (1.1) fica:

x2
2
e
f ( x) = (1.2)
2

O Grfico 1 representa a funo densidade de probabilidade normal padro:

 18

0,0050

0,0045

0,0040

0,0035

0,0030

0,0025

0,0020

0,0015

0,0010

Grfico 1 Curva Normal Padro

Fonte: Elaborado pelo autor

Vale destacar que no existe uma frmula para a funo de distribuio

acumulada da Distribuio Normal Padro. Ela calculada numericamente, e o seu
grfico pode ser visto no Grfico 2:
Ressalte-se que uma funo de distribuio acumulada de uma varivel
aleatria X representa a probabilidade de que esta varivel tenha um valor menor ou
igual a x.

1,0

0,5

0,0

Grfico 2 Funo de Distribuio Cumulativa da Distribuio Normal

Fonte: elaborado pelo autor
 19

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):

For both theoretical and practical reasons, the normal distribution is

probably the most important distribution in statistics. For example,
Many classical statistical tests are based on the assumption
that the data follow a normal distribution. This assumption should be tested
before applying these tests.
In modeling applications, such as linear and non-linear
regression, the error term is often assumed to follow a normal distribution
with fixed location and scale.
The normal distribution is used to find significance levels in
many hypothesis tests and confidence intervals.

Adicionalmente, ela uma distribuio bem comportada e matematicamente

tratvel, e o Teorema do Limite Central d suporte ao seu uso ao mostrar que,
medida que o tamanho da amostra cresce, a distribuio da mesma se torna normal,
independente da distribuio da varivel original 3.

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

2.2 DISTRIBUIO EXPONENCIAL

Uma segunda funo de distribuio muito utilizada a exponencial. A

frmula geral para a funo densidade de probabilidade desta distribuio dada
por:

* e (x )
1
f ( x) = x ; > 0 (1.3)

onde o parmetro de localizao e o parmetro de escala (que

frequentemente referido como , igual a 1/). No caso onde temos = 0 e = 1
temos a Distribuio Exponencial Padro, cuja frmula ento fica dada por:

f ( x) = e x para x 0 (1.4)

O grfico da funo densidade de probabilidade da distribuio exponencial,

para 3 diferentes valores de (=1, =2 e =3) est representado no Grfico 3, a
seguir:

3,5

3 Lambda = 1
lambda = 2
Lambda = 3
2,5

1,5

0,5

Grfico 3 Funo Densidade de Probabilidade Exponencial

Fonte: Elaborado pelo autor
 21

Por outro lado, a frmula da funo de distribuio cumulativa dada por:

f ( x) = 1 e x x 0; > 0 (1.5)

O grfico desta funo apresentado no Grfico 4, a seguir.

0,9

0,8

0,7

0,6

Lambda = 1
0,5
Lambda = 2
0,4 Lambda = 3

0,3

0,2

0,1

Grfico 4 Funo Cumulativa da Distribuio Exponencial

Fonte: Elaborado pelo autor

Da mesma forma que verificado para a Funo de Distribuio Normal, a

Funo Exponencial possui diversas estatsticas associadas. No caso da
Distribuio Exponencial Padro a mdia igual a , a mediana igual a ln2 e a
moda igual a zero. O desvio padro dado por , a assimetria tem valor igual a 2
e curtose igual a 9.
importante notar que esta distribuio usada principalmente em
aplicaes envolvendo testes de confiabilidade, onde seu uso se d na modelagem
de dados com uma taxa de falha constante.
 22

2.3 DISTRIBUIO UNIFORME

Uma terceira funo de distribuio muito til a uniforme. A frmula geral

para a funo densidade de probabilidade para essa distribuio uniforme dada
por:

1
f ( x) = para A x B (1.6)
B A

Onde A o parmetro de localizao e (B A) o parmetro de escala.

Quando A = 0 e B = 1 temos a assim chamada Distribuio Uniforme Padro, cuja
equao ficaria ento:

f ( x) = 1 para 0 x 1 (1.7)

O Grfico 5 mostra a funo densidade de probabilidade uniforme:

1,050

1,025

1,000

0,975

0,950
0 0,25 0,5 0,75 1

Grfico 5 Funo Densidade de Probabilidade Uniforme

Fonte: Elaborado pelo autor
 23

A frmula para a funo de distribuio cumulativa da distribuio uniforme

padro dada por:

F ( x) = x para 0 x 1 (1.8)

A funo cumulativa dada no Grfico 6:

1,2
1
0,8
0,6
0,4
0,2
0
0 0,25 0,5 0,75 1

Grfico 6 Funo Cumulativa da Distribuio Uniforme Padro

Fonte: Elaborado pelo autor

As estatsticas associadas Distribuio Uniforme Padro apresentam uma

mdia igual mediana, com valor dado por (A+B)/2, o intervalo dado por B-A, a
assimetria tem valor zero e a curtose tem valor igual a 9/5. Os valores para o desvio
padro e coeficiente de variao so mostrados abaixo:

( B A) 2
= (1.9)
12

( B A)
CV = (1.10)
3 ( B + A)
 24

Vale destacar que a distribuio uniforme define probabilidades iguais sobre

um dado intervalo para uma distribuio contnua. Por esta razo, ela importante
como uma distribuio de referncia. Uma das mais importantes aplicaes da
distribuio uniforme est na gerao de nmeros aleatrios. Para uma investigao
a respeito dos geradores de nmeros aleatrios, consulte Haahr (1998).

2.4 DISTRIBUIO DE CAUCHY

A frmula geral para a funo densidade de distribuio para a distribuio de

Cauchy dada por:

1
f ( x) = (1.11)
s (1 + (( x t ) / s ) 2 )

Onde t o parmetro de localizao e s o parmetro de escala. No caso em

que t = 0 e s =1, temos a Distribuio de Cauchy Padro, cuja equao ento ficar:

1
f ( x) = (1.12)
(1 + x 2 )

O Grfico 7 mostra a funo densidade de probabilidade padro de Cauchy:

 25

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

Grfico 7 Funo de Densidade de Probabilidade Padro de Cauchy

Fonte: Elaborado pelo autor

A frmula para a funo de distribuio cumulativa para a distribuio de

Cauchy dada por:

arctan( x)
F ( x) = 0,5 + (1.13)

Essa funo cumulativa est representada no Grfico 8.

1
0,8
0,6
0,4
0,2
0
-5 -4 -3 -2 -1 -0 1 2 3 4 5

Grfico 8 Funo Cumulativa da Distribuio Padro de Cauchy

Fonte: Elaborado pelo autor
 26

Dentre as estatsticas associadas distribuio de Cauchy, a mdia

indefinida, a mediana igual moda = t, o desvio-padro indefinido, assim como o
coeficiente de variao e a curtose.
A distribuio de Cauchy importante como um exemplo patolgico,
parecendo-se com a distribuio normal. Entretanto, ela apresenta caudas muito
mais pesadas.
Como esta distribuio tem a mdia e o desvio padro indefinidos, isto
significa que uma amostra com 1.000 dados, por exemplo, no fornecer uma
estimativa melhor para estas estatsticas do que apenas um dado.

2.5 DISTRIBUIO TRIANGULAR

A distribuio triangular usada tipicamente como descrio subjetiva de uma

populao da qual se tem conhecimento apenas limitado da sua distribuio. Ela
fundamenta-se a partir da utilizao de valores mnimo e mximo conhecidos para a
varivel e da arbitragem de um valor modal para a distribuio.
A despeito de sua simplicidade para a descrio de uma populao, esta
uma distribuio bastante utilizada na modelagem de processos onde a relao
entre as variveis conhecida. Exemplo prtico de aplicao desta distribuio pode
ser visto em Assis et al. (2006).
Margueron (2003) tambm cita sua aplicao na determinao do espectro de
possibilidades de volumes de leo a serem recuperados a partir de um campo de
petrleo.
A frmula geral para a funo densidade de probabilidade para essa
distribuio triangular dada por:

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)

O Grfico 9 mostra a funo densidade de probabilidade triangular:

0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 0,8 1

Grfico 9 Funo de Densidade de Probabilidade Triangular

Fonte: Elaborado pelo autor

As estatsticas associadas Distribuio Triangular so:

( Min + Moda + Max)

Mdia = (1.17)
3

Min 2 + Moda 2 + Max 2 Min * Moda Min * Max Moda * Max

= (1.18)
18

Quando a moda no conhecida mas se tem uma perspectiva de que ela

esteja situada mais esquerda ou direita da distribuio, ento estas estatsticas
so assim definidas:
Assimtrica esquerda:
 28

2 * Min + Max
Mdia =
3 (1.19)

Min 2 2 * Min * Max Max 2

=
18 (1.20)

Assimetria direita:

Min + 2 * Max
Mdia =
3 (1.21)

Min 2 2 * Min * Max Max 2

=
18 (1.22)

Alm destas funes de distribuio aqui mostradas, existem vrias outras

distribuies que tm aplicaes diferenciadas, como indicadas na Figura 14.

Distribuio t Distribuio F Distribuio

Chi-quadrado

Distribuio Beta Distribuio Gama Distribuio

Log-normal

Figura 1 Outras Funes de Distribuio

Fonte: Nist; Sematech (2003)

4
Uma abordagem completa sobre cada uma das distribuies citadas acima poder ser vista em
NIST e Sematech (2003).
 29

Neste trabalho, construiremos primeiro um modelo determinstico das

projees financeiras de uma empresa. A seguir este modelo transformado num
modelo de projees estocsticas, a partir do tratamento dado s variveis
relevantes para o problema. A partir de ento, so feitas diversas simulaes de tal
forma a se projetar vrios cenrios financeiros para a empresa.
Savvides (1994) estabelece que, de um modo geral, as seguintes etapas
devem ser desenvolvidas no processo de simulao de Monte Carlo:

1 elaborar o modelo matemtico para a predio da realidade;

2 Selecionar as variveis chaves do modelo

3 Definir os limites para os valores possveis das variveis independentes;

4 Definir as distribuies de probabilidades das variveis independentes;

5 Calcular o modelo matemtico para obteno das variveis dependentes;

6 Repetir o processo vrias vezes

7 Efetuar uma anlise estatstica dos resultados das simulaes.

Segundo Ehrlich (1985), o processo de gerao de nmeros aleatrios dever

atender alguns critrios de aceitao para sua gerao nos computadores:

- Independncia estatstica.

- Reprodutibilidade, a fim de permitir comparao entre programas.

- No repetibilidade da srie no intervalo de interesse.

- Velocidade de gerao.

- Baixa utilizao de memria dos computadores.

O procedimento acima mostrado ser utilizado nas projees financeiras de

empresas. Para tanto, na etapa 1, acima definida, construiremos um modelo
determinstico para as principais demonstraes financeiras: - Demonstrativo de
Resultados do Exerccio, Balano Patrimonial e Fluxo de Caixa. A seguir, nas etapas
2, 3 e 4, sero definidas as variveis estocsticas do problema, seus limites de
variabilidade e a cada uma ser associada uma distribuio de probabilidades de
ocorrncia. As etapas seguintes iro compor os resultados de sada do modelo
proposto.
 30

Para o completo desenvolvimento da etapa 1, ser necessrio que se

determine e se detalhe cada uma das premissas necessrias construo do
modelo, tais como:

Estimativas de produo e vendas.

Preos unitrios para cada um dos produtos

Informaes gerais sobre impostos associados s vendas.

Detalhamento geral dos custos fixos e custos variveis unitrios.

Investimentos previstos no ativo imobilizado e possvel impacto na

capacidade produtiva ou nos custos operacionais.

Critrios de depreciao do ativo imobilizado, com definio da parcela

alocada a custo de produo.

Venda de ativo imobilizado (seu valor de venda e valor contbil residual).

Prazos mdios de recebimento das vendas de produtos, dos pagamentos

a fornecedores e de recolhimento das obrigaes fiscais.

Movimentao fsica e financeira dos estoques de produtos e insumos de

produo.

Participaes em companhias controladas e coligadas.

Financiamentos de curto prazo com prazos de amortizao e taxas de

juro associadas.

Financiamentos de longo prazo, com prazos de carncia, amortizaes e

taxas de juro associadas.

Integralizaes de capital programadas.

Alquotas de imposto de renda e contribuio social.

Aquisio e venda de investimentos.

Poltica de distribuio de dividendos.

Taxas para amortizao de diferidos, com definio de parcela alocada a

custo de produo.
 31

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

conforme sugerido por Savvides (1994, p. 8), ao analisar riscos em projetos de

investimentos:

It is seldom possible to have, or to afford the cost of purchasing,

quantitative information which will enable the definition of range values and
the allocation of probability weights for a risk variable on totally objective
criteria. It is usually necessary to rely on judgement and subjective factors
for determining the most likely values of a project appraisal variable. In such
a situation the method suggested is to survey the opinion of experts (or in
the absence of experts of people who can have some intelligible feel of the
subject).

Outro ponto fundamental a ser observado se refere s possveis correlaes

existentes entre as variveis do modelo. O problema da correlao existe quando
duas ou mais variveis tendem a variarem juntas, de forma sistemtica. No
incomum existir tais correlaes entre variveis. Por exemplo, o nvel dos custos
operacionais pode, em alguns casos, definir o preo de venda dos produtos ou, em
outros casos, o preo de venda dos produtos pode ser uma funo inversa do
volume de vendas. A natureza exata de tais relaes freqentemente
desconhecida e no pode ser especificada com exatido.
A existncia destas variveis correlacionadas pode, entretanto, distorcer os
resultados de uma anlise de risco, j que a seleo dos valores das variveis, a
partir de suas distribuies de probabilidades puramente aleatria. Poder
acontecer, nestes casos, que sejam selecionados valores que violem estas
correlaes, provocando resultados indesejveis e no aderentes realidade do
modelo em anlise, conforme conclui Rode, Fischbeck e Dean (2001, p.41):

These correlation methods help to model the income streams of a

project more realistically. More importantly, correlations can serve to either
moderate (e.g., the benefit of diversification) or exacerbate (e.g., selling into
a falling market) uncertainty. Thus, failure to attend correlation can result in
lost risk-reduction opportunities or potentially devastating hidden risks.

Assim, se por exemplo, a quantidade e o preo de mercado estiverem

includos como variveis de risco, em uma dada anlise, razovel supor que haja
uma covarincia negativa entre as duas (para uma quantidade pequena espera-se
 33

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

simulao. Como visto na equao 1.23, o intercepto e a inclinao so

implicitamente definidos quando escolhidos os valores mnimos e mximos das
variveis correlacionadas. A partir da o analista do problema tem apenas que definir
a polaridade da relao (positiva ou negativa) e o coeficiente de correlao, cujo
valor pode variar de 0 a 1.
J Figueiredo (1991 apud COSTA, 1999), apresenta a seguinte equao de
correlao entre duas variveis parcialmente independentes:

y = x + y * ( x , y * (( x x ) / x ) + 1 x , y * ((Y prov y ) / y ))))

2
(1.24)

Assim, quando encontrarmos variveis correlacionadas deveremos utilizar ou

a abordagem proposta em 1.23 ou 1.24 para a estimativa da varivel dependente,
conhecendo-se o valor da independente.
 35

3 REVISO BIBLIOGRFICA

O mtodo de Monte Carlo pode ser utilizado em diversas reas da cincia,

como a fsica, engenharia, finanas, administrao, economia e etc. importante
ressaltar que seu uso vem se disseminando cada vez mais, dada a facilidade hoje
disponvel de computadores com grande capacidade de processamento.
Corrar e Thephilo (2004, p. 243, grifo do autor) assim descrevem um pouco
da histria da origem da Simulao de Monte Carlo:

Durante a Segunda Guerra Mundial, o matemtico hngaro-

americano John Von Neumann, em seu trabalho no Projeto Manhattan
(bomba atmica), criou um novo conceito, denominado Simulao de
Monte Carlo. O trabalho consistia na simulao direta de problemas
probabilsticos relacionados com a difuso aleatria das partculas de
nutrons quando submetidas a um processo de fisso nuclear. O nome
Monte Carlo foi cunhado pelo cientista Metropolis, inspirado no interesse por
pquer de seu colega Ulam. Baseou-se na similaridade que a simulao
estatstica desenvolvida por eles tinha com os jogos de azar, simbolizados
nas roletas do cassino de Monte Carlo, na capital do principado de Mnaco.

O prprio Metropolis (1987) escreveu um artigo relatando o desenvolvimento

do mtodo desde seu nascimento em 1945 e especulando sobre seu futuro, a partir
do desenvolvimento cada vez maior do poder de clculo dos novos computadores.
A partir de ento, diversas aplicaes foram feitas. A utilizao da simulao
de Monte Carlo em finanas aparece associada, sobretudo, a Hertz (1979, p. 169),

Of all decisions that business executives must make, none is more

challenging and none has received more attention than choosing among
alternative capital investment opportunities. What makes this kind of decision
so demanding, of course, is not the problem of projecting return on
investment under any given set of assumptions. The difficulty is in the
assumptions and in their impact. Each assumption involves its own degree
often a high degree of uncertainty; and, taken together, these combined
uncertainties can multiply into a total uncertainty of critical proportions. This
is where the element of risk enters, and it is in the evaluation of risk that the
executive has been able to get little help from currently available tools and
techniques. There is a way to help the executives sharpen key capital
investment decisions by providing him or her with a realistic measurement of
the risks involved. Armed with this gauge, which evaluates the risk at each
 36

possible level of return he or she is then in position to measure more

knowledgeably alternative courses of action against corporate objectives

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.

Figura 2 Fluxograma de Anlise de Investimento

Fonte: Casarotto Filho; Kopittke, 1996, p. 344.
 37

Como se nota, no diagrama acima, os autores mostram, de forma

simplificada, o processo de atribuio de uma distribuio de probabilidade para as
variveis relevantes do problema e, a partir da o modelo determinstico, agora
transformado em estocstico, dever ser estimado n vezes, gerando em sua sada, a
funo objetivo, neste caso, a TIR, com sua respectiva distribuio de probabilidade.
Savvides (1994), abordando o processo de anlise de risco em avaliao de
investimento, props um roteiro genrico, conforme representado na Figura 3,
adequado ao desenvolvimento de qualquer problema onde a incerteza e o risco
estejam presentes:

Figura 3 Modelo de Projeo

Fonte: Savvides, 1994, p.3.

Murtha (2000) apresenta um guia completo de anlise de risco para a

indstria do petrleo, utilizando os critrios de simulao de Monte Carlo. Neste
artigo ele comenta um pouco sobre as dificuldades iniciais que existiam h cerca de
20 anos para que os gerentes das empresas petrolferas aceitassem a abordagem
de risco na anlise de investimentos em poos de petrleo. Mostra tambm que
hoje, cada vez mais, h inmeros trabalhos sendo apresentados em encontros da
SPE Society of Petroleum Engineers e da AAPG American Association of
Petroleum Geologists, que incorporam o mtodo de Monte Carlo.
Ele tambm ressalta a importncia de se avaliar a presena de correlao
entre as variveis do problema, dado que sua no considerao tender a produzir
resultados mais dispersos que o esperado.
 38

Corrar (1993, p. 9) j analisava o modelo econmico da empresa em

condies de incerteza, com a aplicao do mtodo de Monte Carlo, afirmando:

O modelo econmico tradicional ainda tem sido muito til como

instrumento gerencial, ajudando a administrao da empresa a tomar
decises como por exemplo: na determinao do nvel timo de produo
para uma empresa de um nico produto; no clculo do melhor mix de
produo para uma empresa com multiprodutos, etc.; Entretanto, o modelo
tradicional considera que as variveis so conhecidas com certeza,
ignorando dessa forma o fator incerteza que inerente ao processo de
tomada de decises. Porm, para a construo de modelos mais adaptveis
realidade necessrio considerar que as variveis componentes podem
assumir um comportamento aleatrio.

Corrar e Theophilo (2004, p. 268) chamam a ateno para a facilidade de uso

e os benefcios das tcnicas de simulao:

As tcnicas de simulao podem ser facilmente automatizadas em

planilhas eletrnicas, e a anlise da distribuio dos resultados obtidos
fornece concluses consistentes sobre o comportamento futuro esperado de
uma varivel decisria. Constituem-se, por isso, em uma poderosa
ferramenta de planejamento de aes disposio das empresas.

Entre os diversos campos de atuao possveis de aplicao do mtodo, os

autores mencionam a gesto de estoques, fluxos de produo, filas de espera,
definio de polticas de manuteno de mquinas e outros processos onde a
incerteza esteja presente.
Rodrigues (2003) demonstra a utilidade da aplicao do mtodo de Monte
Carlo para avaliao de empresas:

Os modelos de avaliao normalmente escolhidos pelos

investidores para serem utilizados nos processos de aquisio de grandes
empresas so aqueles que aplicam tcnicas baseadas no desconto de fluxo
futuro de benefcios. A premissa bsica que a empresa tem valor quando
possui capacidade de gerao de riqueza ao longo do horizonte
estabelecido no processo de avaliao. Como se tratam de fluxos futuros de
caixa, deve-se buscar superar, na medida do possvel, as dificuldades
relacionadas s projees, atravs da utilizao de uma adequada tcnica
estatstica. Este artigo se prope a aplicar a tcnica de Simulao de monte
 39

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).

Rode, Fischbeck e Dean (2001) aplicaram a metodologia de Monte Carlo na

avaliao de uma usina nuclear. Segundo os autores:

Appraisals typically are conducted using four standard methods

approved by the American Society of Appraisers. For large-scale, technically
unique projects, such as chemical and power plants, and old industrial
practices, these standard methods are insufficient. These type of projects
contain political, technical and economic risks that are not accounted for in
standard valuation methods. To include these risks in an appraisal, a Monte
Carlo simulation method can be used. Probability distributions are used to
model the appropriate uncertainty. Modeling future decisions that may have
to be made concerning the project can also be included to add insight to the
risk involved. A case study of a nuclear power plant is presented. The use of
Monte Carlo methods and the modeling of future decisions decreased the
worth of the plant by 28% as compared to a standard income capitalization
method.

J Moore e Weatherford (2001) apresentam diversas alternativas de aplicao

do mtodo de Monte Carlo, incluindo estudos de viabilidade tcnico-econmica para
adio de nova linha de produo, modelos para controle de estoque, modelo para
clulas de trabalho numa manufatura, otimizao de carteira de aes e seleo de
projetos.
Motta et al. (2000) apresentaram um trabalho relacionado anlise de riscos
associados indstria de petrleo, num momento onde a ANP Agncia Nacional
de Petrleo estava leiloando blocos exploratrios na costa brasileira. A aplicao do
modelo desenvolvido neste trabalho poderia ser aplicada por todas as empresas
petrolferas interessadas em fazer suas prprias avaliaes das possibilidades e
riscos associados ao leilo.
Arajo (1999) aplicou a metodologia de Monte Carlo no estudo do Ponto de
Equilbrio para projetos a partir da investigao das relaes entre custo, volume e
lucro, de forma a propiciar informaes aos administradores, reduzindo desta forma
as incertezas associadas aos projetos.
Thanh (2002) discorre sobre a estimao de reservas de petrleo em campos
produtores, visando proporcionar bases consistentes para o planejamento do
 40

desenvolvimento da explorao no campo. Ele desenvolve um mtodo de regresso

no-linear superior aos mtodos convencionais, que no conseguem captar toda a
heterogeneidade e complexidade dos diversos campos produtores de petrleo.
Olafsen, Derva e Pullen (2001) apresentam uma abordagem completa sobre a
anlise de risco nas corporaes, a partir da tcnica de Monte Carlo, concluindo pela
importncia da aplicao dos conceitos quando se busca fazer uma anlise da
avaliao de investimentos numa empresa bem como sobre a futura necessidade de
capital para a manuteno das operaes.
No prximo captulo sero apresentadas as bases para o desenvolvimento do
modelo determinstico de projees financeiras de uma central petroqumica. Sero
apresentados os modelos desenvolvidos, considerando todas as contas tanto de
resultado quanto patrimoniais que compem uma central petroqumica tpica. Ser
feita uma ampla abordagem dos principais indicadores analticos da central
petroqumica, que permitiro ao gestor acompanhar a evoluo dos valores
projetados e tomar suas decises em funo dos mesmos.
 41

4 A MODELAGEM FINANCEIRA DAS EMPRESAS

Este captulo tem como objetivo desenvolver o modelo determinstico que

relaciona as variveis relevantes para a anlise de projees financeiras da Central
Petroqumica. Para tanto, diversos demonstrativos bem como indicadores sero a
seguir descritos.
Antes, porm, importante que a dinmica da empresa atravs dos seus
ciclos operacional (ou de produo), econmico e financeiro seja entendida para que
possamos ento fazer uma abordagem especfica de cada tpico relevante para as
anlises desejadas.
Vale ressaltar que quando falamos em dinmica estamos falando de tempo. O
tempo, segundo Brasil e Brasil (2005), o insumo mais importante de uma empresa
nos tempos de hoje, num mundo cada vez mais competitivo e internacionalizado.
Alm disso, segundo o autor, a abordagem dos ciclos de uma empresa o que
melhor expressa a influncia do tempo em suas operaes.

4.1 CICLOS ECONMICOS E FINANCEIROS DA EMPRESA

A Figura 4, a seguir, apresenta um diagrama com os diversos ciclos aos quais

est exposta uma empresa.
 42

Figura 4 Ciclos da Empresa

Fonte: Elaborado pelo autor

Podemos observar que para manter o fluxo contnuo de produo, a empresa

faz a compra dos seus insumos para a produo, normalmente adquiridas a prazo,
mediante crdito dos fornecedores, gerando as contas a pagar. Estas contas
normalmente so pagas dentro de um Prazo Mdio de Pagamento PMP. Entre o
recebimento destes insumos e as vendas dos produtos ocorrerem, temos um lapso
de tempo que chamamos de Perodo Mdio de Estocagem PME. No perodo de
tempo decorrido entre as vendas dos produtos e o recebimento das faturas
associadas, temos o Perodo Mdio de Recebimento PMR.
Dadas estas definies, fica muito fcil perceber que o Ciclo Operacional de
uma empresa caracterizado pelo tempo decorrido entre a compra dos insumos de
produo e a venda dos seus produtos finais.
O Ciclo Financeiro ou de Caixa, por sua vez, caracteriza-se pelo tempo
decorrido entre o pagamento dos insumos e o recebimento das vendas de produtos
finais. J o Ciclo Econmico, por sua vez, definido pelo tempo decorrido entre a
compra dos insumos e a venda dos produtos finais
 43

A correta compreenso destes conceitos facilitar bastante o processo de

elaborao das projees financeiras das empresas. Para uma anlise mais
detalhada sobre esses ciclos, ver Fleuriet, Kehdy e Blanc (2003).

4.1.1 PMR - Prazo Mdio de Recebimento das Vendas

o nmero mdio de dias compreendidos entre a venda das mercadorias e o

seu efetivo recebimento. Seu clculo se d atravs da equao 3.1, a seguir:

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).

4.1.2 PME - Prazo Mdio de Estocagem

o nmero mdio de dias decorrentes entre as compras dos insumos e as

vendas de produtos de uma empresa. Seu clculo se d atravs da equao 3.2, a
seguir:

PME = CustoSaldo _ Mdio _ Estoques

_ Pr oduto _ Vendido _ dirio (3.2)
 44

O clculo do custo da mercadoria vendida, numa empresa comercial,

determinado diretamente atravs do custo de aquisio das mesmas, atravs da
equao 3.3., a seguir:

CMV = Estoque _ Inicial + Compras Estoque _ Final (3.3)

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:

CP = MP + Depreciao + MDO + Manuteno + Energia + Outros (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

4.1.3 PMP - Prazo Mdio de Pagamento dos Fornecedores

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:

PMP = Saldo _ Mdio _ Fornecedores

Compra _ Mdias _ Dirias (3.6)

As empresas devem buscar o maior prazo mdio de pagamento possvel,

visto que assim elas estaro reduzindo a sua necessidade de capital de giro.
Clculos semelhantes a estes podem ser feitos para prazos mdios de pagamentos
de obrigaes fiscais, conforme podemos ver a seguir.

4.1.4 PMPOF - Prazo Mdio de Pagamento das Obrigaes Fiscais

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:

PMPOF = Saldo _ Mdio _ Obrigaes _ Fiscais

Im postos _ sobre _ Vendas _ dirias (3.7)

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

4.2 DEMONSTRAES FINANCEIRAS FUNDAMENTAIS

A modelagem financeira das empresas, a partir de mtodos quantitativos,

busca identificar as relaes entre os itens pesquisados, tendo por objetivo principal
permitir aos gestores observarem as tendncias futuras do seu negcio. No
podemos nos esquecer, nas palavras de Moore e Weatherford (2001, p.11), que A
model is a carefully selected abstraction of reality reflecting your beliefs about
causality. Assim, estes mtodos embutem um risco de replicar para o futuro os
acontecimentos passados. Os autores abordam detalhadamente estes conceitos.
Contudo, estes mtodos de projees financeiras para as empresas j esto
consolidados h bastante tempo e se baseiam fundamentalmente nos trs
demonstrativos financeiros tradicionais: - Balano Patrimonial - BP, Demonstrativo
de Resultados do Exerccio DRE e Fluxo de Caixa FC.
A projeo destes demonstrativos para os exerccios seguintes permite aos
administradores uma viso da perspectiva de sucesso ou no do negcio que esto
gerindo.
Assim, mostraremos como projetar estas demonstraes, a partir de um
modelo bsico conforme o descrito na Figura 5 Diagrama das Projees
Financeiras.
 47

Figura 5 Diagrama das Projees Financeiras

Fonte: Elaborado pelo autor

4.2.1 Previso de Vendas

A previso de vendas um dado exgeno ao problema e fornecido a partir

da rea encarregada das vendas na empresa. Para cada produto deve ser dada
uma projeo de vendas, dentro do horizonte a ser modelado.
 48

4.2.2 Plano de Produo

A partir do plano de vendas, a rea encarregada do planejamento da

produo deve estabelecer a produo necessria para atendimento da demanda.
Neste ponto devero ser estabelecidos os custos com consumo de matrias-primas,
bem como todos os demais custos de fabricao associados aos produtos, tais
como mo-de-obra direta, custos indiretos de fabricao e outras despesas
associadas.

4.2.3 Projeo da Demonstrao de Resultados

A Demonstrao do Resultado a demonstrao financeira fundamental onde

se demonstra o desempenho econmico-financeiro da empresa durante
determinado perodo. Tal resultado deve seguir padres estabelecidos por normas
brasileiras de contabilidade. Este demonstrativo estabelece os resultados da
empresa, sejam lucros ou prejuzos, dos quais participaro todos os acionistas da
empresa.
Uma estrutura tpica deste demonstrativo, aplicada a uma empresa industrial,
pode ser vista na Figura 6, a seguir:
 49

DEMONSTRATIVO DE RESULTADO DO EXERCCIO - 31/12/2006

Receita Operacional Bruta

Mercado interno
Mercado externo
Impostos e dedues sobre vendas
Receita Operacional Lquida
Custos dos produtos qumicos e utilidades
Lucro Bruto
Despesas comerciais
Despesas gerais e administrativas
Outras despesas (receitas) operacionais
Resultado da atividade
Receitas financeiras
Despesas financeiras
Variao monetria
Variao cambial sobre passivos no exterior
Resultado de equivalncia patrimonial
Lucro (Prejuzo) Operacional
Receita(despesas) no operacionais
Lucro (prejuzo) antes do IR
Contribuio social
Imposto de renda
Participao nos lucros
Lucro (Prejuzos) do Exerccio

Figura 6 DRE Demonstrativo de Resultado do Exerccio

Fonte: Elaborado pelo autor

4.2.4 Projeo do Balano Patrimonial

Dada a demonstrao financeira projetada, o prximo passo a projeo do

Balano Patrimonial da empresa, que nos dar um retrato, ao final de cada perodo
desejado, da posio patrimonial da empresa, classificando seus ativos e passivos
segundo critrios de liquidez. A estrutura deste demonstrativo, tambm j
estabelecida de longo tempo, pode ser vista na Figura 7, a seguir:
 50

ATIVO
Circulante
Caixa e bancos
Ttulos e valores mobilirios
Contas a receber
Clientes - mercado interno
Clientes - mercado externo
Partes relacionadas operacional
Partes relacionadas outros
Outras contas a receber
Estoques
Estoques de matria-prima
Estoques de produtos em processo
Estoques de produtos acabados
Estoques de produtos qumicos
Outros estoques
Impostos e taxas a recuperar no curto prazo
Despesas pagas antecipadamente no curto prazo
Outros ativos circulantes
Realizvel a longo prazo
Partes relacionadas
Impostos e taxas a recuperar no longo prazo
Despesas pagas antecipadamente no longo prazo
Mutuos com terceiros
Outros ativos realizveis a longo prazo
PASSIVO
Circulante
Fornecedores
Fornecedores nacionais
Fornecedores partes relacionadas
Financiamento para a cobertura do caixa
Financiamentos de curto prazo
Saques de exportao a faturar de curto prazo
Impostos e taxas
Encargos sociais e trabalhistas
Participaes a pagar
Dividendos a pagar
Imposto de renda e contribuio social
Proviso para passivo contingente
Outras contas a pagar de curto prazo
Exigvel a longo prazo
Financiamentos de longo prazo
Partes relacionadas a pagar
Proviso para passivo contingente l.p.
Imposto de renda diferido
Saques de exportao a faturar de 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

TOTAL DO ATIVO TOTAL DO PASSIVO

Figura 7 BP Balano Patrimonial - 31/12/2006

Fonte: Elaborado pelo autor

Importante observar que a natureza e classificao de cada uma das contas

que compem o referido balano patrimonial variam segundo a natureza das
operaes de cada empresa em particular. Mas, o objetivo fundamental do mesmo
mostrar a posio financeira da empresa numa determinada data, mostrando todas
as fontes de recursos da empresa bem como as aplicaes associadas.
 51

4.2.5 Projeo do Fluxo de Caixa

A Figura 8 a seguir, mostra o terceiro demonstrativo financeiro fundamental

para as empresas: o Fluxo de Caixa Mtodo Indireto, que demonstra toda a
gerao e aplicao do caixa da empresa ao longo de determinado perodo.
Sua adequada gesto de extrema importncia, visto que, dados os
descasamentos normais que existem entre entradas e sadas de caixa de uma
empresa, esta uma forma comum das organizaes entrarem numa condio de
alto risco, incapacitando-as de prosseguirem com o negcio. Para uma discusso
mais detalhada sobre o tema, ver Ross, Westerfield e Jaffe (1995) e Iudcibus,
Martins e Gelbcke (2003).

1 - Fluxo Operacional 3 - Fluxo Financeiro

Resultado da atividade (+)Receb. de juros e v.m. sobre aplicaes financeiras
(+) Depreciao e amortizao (-) CPMF
(+) Provises (-)Variao de outros ativos de curto e longo prazo
(-) Variao de caixa (+)Variao de outros passivos de curto e longo prazo
(-) Variao de contas a receber Aplicaes vinculadas
(-) Variao de estoques (-) Novas vinculaes
(-) Variao de imp. a recuperar de curto e longo prazo (+) Resgate de aplicaes
(-) Variao de despesas antecipadas e dep. Judiciais (+) Recebimento de juros
(+) Variao de impostos e taxas Financiamentos para cobertuta do caixa - capital de giro
(+) Variao de encargos sociais e trabalhistas (-) Amortizao de principal
(+) Variao de fornecedores (-) Pagamento de juros e/ou variao monetria
Fluxo de caixa operacional Financiamentos em moeda nacional ou estrangeira
(+) Novos financiamentos de curto e longo prazo
2 - Fluxo de Investimentos (-) Amortizao de curto e longo prazo
(-) Aquisio de imobilizado (-) Pagamento de juros de curto e longo prazo
(+) Venda de imobilizado Companhias ligadas a receber
(-) Aquisio de participaes em outras empresas (-) Adies em contas correntes
(+) Venda de participaes em outras empresas (+) Recebimentos de contas correntes
(-) Aumento do ativo diferido (+) Recebimento de juros e/ou variao monetria
Companhias ligadas a pagar
(+) Adies em contas correntes
(-) Pagamento de contas correntes
(-) Pagamento de juros e/ou V.Monetria
(-) Pagamento de participaes
(-) Pagamento de dividendos
(+) Subscrio de capital

4 - Gerao de caixa no perodo

(+) Baixa nas aplicaes financeiras em R$
(+) Baixa nas aplicaes financeiras em US$
(+) Novos contratos de mtuo
(+) Novos financiamentos para capital de giro
5 - Gerao de caixa ajustada

Figura 8 Demonstrativo de Fluxo de Caixa (Mtodo Indireto)

Fonte: Elaborado pelo autor
 52

Alternativamente ao mtodo indireto para a obteno do fluxo de caixa,

podemos tambm utilizar o mtodo direto, que parte dos recebimentos das vendas
at chegar no caixa gerado.

4.3 INDICADORES ANALTICOS DE EMPRESAS

A anlise econmico-financeira das empresas tem por objetivo fundamental

interpretar quantitativamente seus demonstrativos financeiros, buscando
correlacionar os efeitos das decises estratgicas e polticas adotadas pelas
mesmas aos resultados que vm sendo obtidos. Adicionalmente, e no menos
valioso, esta anlise servir de suporte para estimativas das perspectivas econmica
e financeira da empresa
Esta anlise permitir uma avaliao sobre a adequao das polticas de
crdito, de estoques, compras, produo, investimentos, etc. importante ressaltar
que esta anlise se basear num conjunto de indicadores que permitiro uma viso
geral da empresa. No razovel esperar que tenhamos valores certos ou errados
para os indicadores, que variaro no tempo, de empresa para empresa, de setor
para setor, tudo dependendo do ambiente onde est inserida a empresa. Assim,
apresentaremos a seguir uma srie de indicadores que serviro de suporte para a
anlise das demonstraes financeiras.
Estes indicadores podem ser classificados segundo sua natureza, nos
seguintes tipos:
- Indicadores Estruturais
- Indicadores de Desempenho econmico
- Indicadores Dinmicos
Para um aprofundamento na discusso dos indicadores, ver Marion (1998).
 53

4.3.1 Indicadores Estruturais

Estes indicadores esto relacionados estrutura de financiamento das

empresas, distinguindo a participao de capital prprio e de terceiros.

4.3.1.1 Endividamento total - ET

Mostra a proporo da participao dos recursos de terceiros no

financiamento das aplicaes totais da empresa. Estes recursos podero ser de
vencimento no curto prazo e/ou no longo prazo. Seu clculo pode ser feito pela
equao 3.8, a seguir:

( PC + ELP )
ET = AT (3.8)

Onde:
PC = Passivo circulante
ELP = Exigvel de longo prazo
AT = Ativo total

4.3.1.2 Relao dvida/patrimnio lquido D/PL

Esta uma outra forma de mostrar a composio do capital que financia as

atividades de uma empresa. Seu clculo dado pela equao 3.9:

( PC + ELP )
D / PL = PL (3.9)
 54

Onde PC e ELP como definido anteriormente e:

PL = Patrimnio lquido (ou Capital prprio)

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.

4.3.1.3 Concentrao do endividamento - CE

Este indicador mostra o grau de concentrao do endividamento da empresa

no curto prazo. Seu clculo dado pela equao 3.10:

CE = PC
PC + ELP (3.10)

4.3.1.4 Imobilizao de recursos permanentes - IRP

Este indicador mostra quanto dos recursos permanentes de uma empresa

(Patrimnio lquido + Exigvel de longo prazo) foi aplicado no ativo permanente (AP)
da empresa. Seu clculo dado pela equao 3.11:
 55

IRP = AP
PL + ELP (3.11)

importante salientar que quanto maior for a imobilizao dos recursos

permanentes de uma empresa em ativos permanentes (prdios, instalaes,
equipamentos, veculos, etc.), menor ser a quantidade de recursos que sobrar
para fazer frente aos investimentos necessrios ao giro do negcio, tais como
estoques e financiamentos de clientes.
Isto, por si s, poder no ser problema se a empresa no tiver uma grande
necessidade capital de giro. Por outro lado, se esta necessidade for alta, isto poder
ser muito arriscado.

4.3.1.5 ndice de liquidez corrente - ILC

Este indicador faz uma comparao entre o ativo circulante e o passivo

circulante, objetivando avaliar a capacidade da empresa em honrar seus
compromissos de curto prazo utilizando seus recursos de curto prazo. Seu clculo
dado pela equao 3.12:

ILC = AC
PC (3.12)

Na verdade, este indicador deve ser analisado a partir da limitao que o

mesmo apresenta, visto que se detalharmos a composio do ativo circulante de
uma empresa veremos que uma parte do mesmo est aplicada em estoques de
matrias-primas e produtos, bem como em duplicatas a receber de clientes. H uma
correlao muito forte entre as atividades operacionais de uma empresa e os
recursos colocados nestas contas. Assim, no faz sentido imaginar que a empresa
utilizar estes recursos para saldar dvidas. As dvidas sempre sero pagas com os
recursos gerados pelas atividades operacionais.
Mais uma vez se verifica que as informaes contidas no balano patrimonial
do apenas uma viso esttica da empresa, por isto mesmo devem ser olhadas com
 56

esta perspectiva em mente. Informaes detalhadas sobre o tema podem ser

pesquisadas em Iudcibus, Martins e Gelbcke (2003).

4.3.2 Indicadores de Desempenho Econmico

A seguir veremos alguns indicadores que mostram o desempenho econmico

da empresa. Utilizaremos informaes provenientes do DRE Demonstrativo de
resultados do exerccio e tambm dados constantes do BP Balano patrimonial,
que nos permitiro avaliar a lucratividade da empresa.

4.3.2.1 Margem lquida - ML

Este indicador tem capacidade de qualificar as vendas da empresa, indicando

quanto cada real de venda pode ser transformado em lucro lquido. Seu clculo
dado pela equao 3.13:

ML = RL
LL
*100 (3.13)

Onde temos:
LL = Lucro lquido
RL = Receita lquida de vendas

As empresas devem qualificar este indicador ao longo do tempo, procurando

adotar aes que o elevem. Entre as aes capazes de fazer este indicador
aumentar est a elevao dos preos de venda (quando possvel), reduo dos
custos de produo, seja pelo uso de insumos com menores preos ou seja pelo
aumento na ocupao da capacidade produtiva, que tem o poder de reduzir os
custos fixos de produo.
 57

Da mesma forma, a empresa deve estar sempre atenta s quedas na margem

lquida. Entre as causas provveis da queda nessa margem podemos citar o
aumento da concorrncia, alterao nas condies ambientais, tais como queda
generalizada do poder de compra da populao e mesmo a perda da eficincia no
processo produtivo.

4.3.2.2 Margem EBITDA - ME

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)

EBITDA quer dizer Earnings before interest, taxes, depreciation and

amortization. Em portugus seu nome LAJIDA Lucros antes dos juros, impostos,
depreciao e amortizao. O EBITDA pode ser visto como um fluxo de caixa
mximo potencial, associado estritamente s atividades operacionais da empresa.
Para uma descrio detalhada a respeito, consultar Stumpp et al. (2000) e outros.
Assim, a margem EBITDA nada mais que um indicador da qualidade da
venda de uma empresa, mostrando quanto sobra de cada real de venda aps a
deduo dos custos desembolsveis da empresa (associados ao CPV). Outras
informaes tambm esto disponveis em McClure (2006).

4.3.2.3 Retorno sobre o capital empregado - ROCE

Este um indicador bastante qualificado, pois nos permite avaliar o retorno

que se est obtendo sobre todo o capital operacional empregado no negcio, antes
 58

de considerarmos quaisquer impactos dos financiamentos. Sua frmula de clculo

dada pela equao 3.15:

ROCE = Lucro _ operacional

Ativo _ econmico (3.15)

Onde:
Ativo_econmico = todo o capital utilizado para gerar o lucro operacional

4.3.2.4 Valor econmico agregado (Economic Value Added) - EVA

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:

EVA = Ativo _ econmico* (ROCE CMPC) (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

4.3.3 Indicadores Dinmicos

Para melhor entendimento da anlise financeira de uma empresa, suas

contas do ativo e passivo devem ser compreendidas luz da dinmica associada s
mesmas, ou seja, o tempo que elas levam para realizar uma rotao ou um ciclo.
Algumas contas apresentam uma movimentao mais lenta que outras,
quando fazemos uma anlise de curto prazo. Assim, dentro desta perspectiva, so
chamadas de contas permanentes ou no cclicas. So as contas de realizvel a
longo prazo, investimentos, reservas de lucros, etc.
Outras contas, relacionadas diretamente com o ciclo operacional da empresa
apresentam um movimento contnuo e cclico, sendo por isso mesmo chamadas de
contas cclicas. So as contas de estoques, clientes e fornecedores.
Adicionalmente, existem contas cujo comportamento no est associado ao
ciclo operacional da empresa, apresentando comportamento errtico. Entre estas
temos as aplicaes financeiras, duplicatas descontadas, etc. Esta abordagem das
contas de uma empresa segundo sua dinmica foi desenvolvida por Fleuriet, Kehdy,
Blanc (2003) na dcada de 1970, junto Fundao dom Cabral.
A Figura 9 a seguir resume as contas do balano patrimonial da empresa
segundo a classificao dada acima.
 60

ATIVO PASSIVO

Contas Errticas
Caixa e bancos

Contas Errticas
Duplicatas descontadas

Ttulos e valores mobilirios
Contas a receber
Ativo Circulante
Passivo Circulante
Emprstimos bancrios
de curto prazo

Fornecedores

Contas Cclicas
Contas Cclicas

Estoques Obrigaes Fiscais

Contas a receber Obrigaes Trabalhistas

Despesas antecipadas

Exigvel a longo prazo

.
.
Realizvel a longo prazo
Financiamentos de longo prazo
Emprstimos a terceiros

Ttulos a receber Patrimnio lquido

Ativo No circulante

Passivo no circulante
Contas No Cclicas

Contas No Cclica
Capital social
Permanente
Reservas em geral
Investimentos

Imobilizado

Diferido
.

Figura 9 BP Balano Patrimonial

Fonte: Elaborado pelo autor

4.3.3.1 Necessidade de capital de giro - NCG

No Ciclo financeiro da empresa, conforme definido na Figura 4, se as sadas

de caixa ocorrerem antes das entradas de caixa, a operao da empresa gera uma
necessidade de fundos aplicados permanentemente. Isto pode ser observado
atravs da uma diferena positiva entre os valores das contas cclicas do ativo e das
 61

contas cclicas do passivo. Esta diferena recebe o nome de Necessidade de Capital

de giro - NCG.
A Necessidade de Capital de Giro NCG tambm definida como sendo o
Capital de Giro CDG suficiente para que a empresa possa honrar todos os seus
compromissos de curto prazo (passivo circulante) nas suas datas de vencimento.
Assim, esta varivel (NCG) nos mostra qual o capital de giro mnimo que
uma empresa necessita ter, de forma que enquanto ocorre a rotao do seu ativo
circulante ela possa gerar recursos suficientes para honrar suas dvidas de curto
prazo, sem ter que recorrer a emprstimos onerosos de curto prazo.
Destaca-se que a Necessidade de Capital de Giro diretamente proporcional
ao volume dos ativos operacionais de uma empresa e inversamente proporcional ao
montante dos passivos operacionais da mesma.
Esta Necessidade de Capital de giro varia de empresa para empresa, no
sendo possvel estabelecer um valor padro para analisar todas as empresas.
Fleuriet, Kehdy, Blanc (2003) denominam estas contas cclicas de Ativos
Cclicos - ACI, e Passivos Cclicos PCI.
Assim, conceitualmente temos:
ACI = Contas a Receber + Estoques + Adiantamento a fornecedores +
Despesas Antecipadas
PCI = Fornecedores + salrios + Obrigaes trabalhistas + Obrigaes fiscais
+ Adiantamento de Clientes
De forma simplificada:

NCG = ACI PCI

Logo, de forma simples, a necessidade de capital de giro a diferena entre

os investimentos que a empresa faz nos ativos cclicos e os investimentos
espontneos que fornecedores, empregados e governos fazem nas empresas.
 62

4.3.3.2 Capital de giro CDG

A Figura 10 mostra a definio fundamental do Capital de Giro CDG, a partir

do esquema bsico do balano patrimonial de uma empresa.

Ativos Passivos
Circulantes circulantes

CDG

Passivos de
Ativos de Longo Prazo
Longo Prazo (ELP + PL)
(RLP + AP)

Figura 10 Balano Patrimonial

Fonte: Elaborada pelo autor

As fontes de recursos permanentes de uma empresa so o seu patrimnio

lquido, que o capital investido pelos proprietrios, e os recursos de longo prazo
obtidos junto a terceiros. Estes recursos so empregados de duas formas pela
empresa. Uma parte, a maior delas, quando se trata de uma indstria, aplicada em
seus ativos permanentes, representados pelos seus terrenos, instalaes industriais,
prdios de produo e ou administrativos.
A diferena aplicada para suprir a necessidade de capital de giro da
empresa, conforme definida no item anterior. Esta diferena recebe o nome de
Capital de Giro CDG. So recursos de longo prazo aplicados no financiamento de
investimentos permanentes no giro (ativos operacionais).
Assim, temos:
 63

CDG = ( ELP + PL) ( RLP + AP) (3.18)

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.

4.3.3.3 Saldo de tesouraria - ST

O Saldo de tesouraria definido conforme a equao 3.20 a seguir:

ST = CDG NCG (3.20)

Essa relao mostra se a empresa tem recursos suficientes, representados

pelo seu capital de giro, para fazer frente sua necessidade de capital de giro. Um
saldo de tesouraria positivo indica que a empresa tem recursos suficientes para
atender necessidade de capital de giro e que no necessita ir buscar emprstimos
de curto prazo para fazer frente a estas necessidades. Isto aumenta a liquidez e a
segurana financeira da empresa.
Caso este saldo de tesouraria seja negativo, isto significa que os recursos de
longo prazo aplicados na empresa no so suficientes para atender as
necessidades do ativo permanente (RLP + AP). Neste caso, a empresa tem que se
financiar no curto prazo, o que aumenta o risco de insolvncia. Se o ST permanecer
negativo e com tendncias crescentes, isto significa perigo imediato, com forte risco
de falncia.
 64

Outra forma de se calcular o saldo de tesouraria se d atravs da diferena

entre as contas do Ativo Errtico AE e as contas do Passivo Errtico PE.,
conforme equao 3.21:

ST = Ae PE (3.21)

4.4 OUTRAS INFORMAES RELEVANTES

Todos os indicadores abordados acima so indicadores especficos para cada

negcio e cada empresa. Os valores dos mesmos dependero das polticas de seus
administradores, de cada setor em particular, da maturidade do negcio, dos riscos
associados, etc.
Adicionalmente, cada empresa, independentemente do seu setor de atuao,
impactada pelo ambiente onde est inserida. Assim, dever de cada uma
acompanhar e entender o comportamento de aspectos macroeconmicos, polticos e
regulatrios que possam influenciar a sua existncia.
Assim, variveis tais como taxas de juros, cmbio, inflao, legislaes
federal, estadual e municipal, organizaes do terceiros setor, so todas variveis de
extrema relevncia, e que devero ser regularmente acompanhadas.
Algumas destas variveis exercem um impacto direto nos resultados da
empresa, e devero ser acompanhadas bem de perto, de forma que a mesma
procure antecipar as conseqncias de cada uma para seu negcio. Outras apenas
criaro um ambiente propcio ou ameaador empresa, e como tal tambm no
podem ser negligenciadas.
Nas projees que apresentamos no prximo captulo, todas as variveis
cujos impactos possam ser relevantes sero consideradas no modelo construdo.
 65

5 APLICAO PRTICA DO MODELO

Este captulo descreve o desenvolvimento e a aplicao prtica da

metodologia de Monte Carlo numa central petroqumica. Para entendimento
adequado da lgica de construo do modelo, primeiro feita uma descrio geral
do propsito e do processo geral da indstria. A seguir sero mostrados os
resultados da aplicao do modelo desenvolvido.
Cabe salientar que no Brasil temos hoje quatro grandes centrais
petroqumicas: a mais antiga, inaugurada no incio da dcada de 1970 a
Petroqumica Unio, localizada no Estado de So Paulo. Em meados da dcada de
1970 foi inaugurada a Copene Companhia Petroqumica do Nordeste, hoje
integrada numa empresa maior, a Braskem, que consolidou os ativos da central
petroqumica com algumas empresas de segunda gerao. No final de 1982 entrou
em operao a terceira central petroqumica do pas, a Copesul Companhia
Petroqumica do Sul, localizada em Triunfo RS. Por ltimo, em 2005 foi inaugurada
a quarta central petroqumica, a Rio Polmeros, localizada no estado do Rio de
Janeiro.
Importante observar que as trs primeiras centrais petroqumicas so todas
baseadas em matria prima lquida, a nafta, enquanto que a ltima est baseada em
carga gasosa, o gs natural. Para um entendimento mais detalhado do processo
histrico de surgimento da indstria petroqumica no Brasil, consultar Montenegro
(2002) e Perrone5.
Embora o modelo aqui desenvolvido possa ser facilmente adaptado para uso
por qualquer central petroqumica, importante notar que, embora, na essncia
todas as empresas sejam muito similares, ainda assim, existem especificidades de
cada uma que devem ser consideradas quando da construo de um modelo de
projees financeiras.
A proposta aqui desenvolvida foi baseada no conhecimento e experincia do
autor a respeito da Copesul, mas no reproduz necessariamente os dados de
qualquer das empresas mencionadas acima. Para uso com este propsito
especfico, o modelo requer modificaes.

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

5.1 INDSTRIA PETROQUMICA

Os temas abordados neste e no prximo item esto baseados em material

descritivo disponvel no site da Copesul (COMPANHIA PETROQUMICA DO SUL -
COPESUL, 2006).
A indstria petroqumica a fonte da maior parte dos artigos de consumo
disponveis no mundo moderno. O plstico, em todas as suas variaes, resultante
da petroqumica. Tecidos e fibras sintticas, como a microfibra, so produzidos com
matrias-primas petroqumicas. A qumica fina, base para medicamentos e insumos
agrcolas, tambm vem da petroqumica.
Embora seja um dos setores industriais mais recentes da histria econmica
mundial, a petroqumica desenvolveu-se rapidamente, tanto em termos tecnolgicos
como de ocupao de mercado. Seu aparecimento data do final do sculo XIX,
quando uma resina, a baquelite, foi desenvolvida para substituir o marfim na
produo de bolas de bilhar. Sua origem est tambm na Primeira Guerra Mundial,
quando cientistas das naes em conflito comearam a pesquisar um substituto para
a borracha natural.
Mais tarde, por volta de 1930, foi desenvolvida a tecnologia que possibilitou
pela primeira vez a produo de polietileno, resina termoplstica empregada na
fabricao de embalagens para alimentos, brinquedos, utilidades domsticas e
muitos outros produtos. Utilizando como insumo fundamental produtos derivados do
petrleo, a petroqumica substitui com vantagens uma srie de matrias-primas
utilizadas pelo homem h milhares de anos, tais como o vidro, madeira, algodo,
celulose e metais. Ao substituir matrias-primas de origem animal, como couro, l e
marfim, possibilita o acesso a bens de consumo pela populao de baixa renda.
Alm disso, a petroqumica ensejou o surgimento de novas demandas, como
os produtos descartveis, artigos para o lazer e os novssimos eletro-eletrnicos. Na
rea mdica, por exemplo, as aplicaes so inmeras e revolucionrias: prteses
plsticas, bolsas de sangue, material descartvel, artigos cirrgicos, entre outros
Para um entendimento mais detalhado da indstria petroqumica brasileira e
suas perspectivas, ver Gomes, Dvorsak e Heil (2005).
 67

5.1.1 Central Petroqumica Cadeia Produtiva

Uma central petroqumica uma indstria produtora dos chamados Produtos

Petroqumicos Bsicos, necessrios produo de inmeros artigos presentes na
vida moderna. usual se referir a uma central petroqumica como indstria de
primeira gerao, visto que a partir dela se d incio a uma longa cadeia produtiva.
Dependo da sua concepo bsica estas indstrias podem processar
diversos tipos de matrias-primas, todas derivadas do petrleo ou do gs natural.
Assim, podemos ter centrais petroqumicas baseadas na utilizao de naftas
diversas, gs liquefeito de petrleo GLP, alm de outros condensados de petrleo
e etano extrado do gs natural. A tecnologia adotada no processo visa produo
de produtos tais como o eteno, propeno e butadieno, benzeno, solventes e
combustveis, que por sua vez sero matrias-primas para quatro grandes cadeias
produtivas:

- Cadeia das resinas termoplsticas - produzidas a partir de eteno e propeno

pelas indstrias chamadas de segunda gerao. Estas indstrias
produzem fundamentalmente diversos tipos de polietilenos e
polipropilenos, que vo alimentar as indstrias de transformao plstica,
tambm chamadas de terceira gerao da cadeia petroqumica.

- Cadeia dos elastmeros - produzidos tambm por empresas de segunda

gerao, que vo alimentar a indstria de transformao da borracha.

- Cadeia dos solventes - que abrange a indstria de tintas, calados, mveis,

agroindstria e outros setores que processam petroqumicos bsicos para
produzir solventes, adesivos e outros.

- Cadeia dos combustveis - que abrange distribuidores de combustveis e

outros.
 68

5.1.2 Descrio Bsica do Processo Produtivo

A central petroqumica tem por objetivo fundamental transformar sua matria

prima bsica, como a nafta, por exemplo, em diversos produtos que alimentaro
toda a cadeia petroqumica. Esta transformao se d atravs de um processo
chamado de pirlise ou craqueamento trmico, que ocorre em grandes fornos. Neste
processo a matria prima submetida a temperaturas da ordem de 800 a 850 graus
centgrados. Como conseqncia seus componentes so transformados, gerando os
produtos desejados.
A seguir toda a corrente efluente destes fornos passa por sucessivos
processos de separao e purificao, gerando, ao final uma vasta gama de
produtos, com aplicaes diversas.6
Dada a natureza dos produtos petroqumicos, natural verificar que as
empresas de segunda gerao sempre se situam ao redor das centrais
petroqumicas, formando plos petroqumicos. Os produtos petroqumicos so
perigosos, inflamveis, gasosos, como o eteno e o propeno, e portanto devem ser
consumidos muito prximos ao seu local de produo.
Em funo desta organizao, comum que as centrais petroqumicas
tambm produzam utilidades suficientes para atender s necessidades da indstria
de segunda gerao. Assim, o suprimento de guas industriais com diversas
qualidades, vapores dgua com diversos nveis de presso, eletricidade, gases
industriais como ar comprimido, nitrognio, etc., so tambm produtos associados s
centrais petroqumicas.

5.1.3 Escala Industrial

Com a evoluo e a maturao da indstria petroqumica em geral, as

escalas de produo evoluram desde sua origem e hoje, uma central petroqumica

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.

5.2 O MODELO DE PROJEES FINANCEIRAS CARACTERSTICAS GERAIS

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 11 BP Balano Patrimonial

Fonte: Elaborado pelo autor
 70

De forma a permitir um entendimento adequado do modelo e facilitar a

navegao atravs do mesmo, ele apresentado em 14 abas:

- Aba Instrues Gerais

- Aba Entrada de dados
- Aba Receitas
- Aba Custos
- Aba Movimentaes
- Aba Endividamento
- Aba Valores mensais
- Aba Valores anuais
- Aba Valor da empresa
- Aba Indicadores
- Aba Simulaes
- Aba Estabilizao
- Aba Histogramas
- Aba Previsto x Realizado

O tratamento dado s projees financeiras segue padres que permite ao

usurio definir todas as variveis relevantes para a correta avaliao do problema. O
Modelo de Monte Carlo empregado adota a gerao de nmeros pseudo- aleatrios
do Excel, e gera at mil 1000 simulaes do modelo, permitindo, a partir da, que
todas as anlises estatsticas dos riscos associados ao negcio possam ser
analisadas, para que os gestores busquem alternativas para sua mitigao.

5.3 ENTRADA DE DADOS DO MODELO

Para uma abordagem completa do problema, so necessrias que todas as

variveis pertinentes sejam definidas inicialmente pelo usurio. Assim, na aba
Entrada de Dados do aplicativo, o usurio dever entrar com todas estas variveis.
Destacamos as seguintes variveis necessrias:
 71

- Balano patrimonial inicial para a data a partir da qual se inicia a projeo

financeira.

- Demonstrativo de Resultados do Exerccio at a data anterior ao incio da

projeo.

- Saldos fsicos e financeiros de todos os estoques existentes na empresa: -

matrias primas, produtos em processamento e produtos acabados.

- Premissas macroeconmicas relevantes, tais como taxas de inflao

projetadas, taxas de cmbio e taxas de juros.

- Preos dos produtos finais sejam como entrada de dados ou a partir de

correlaes, que permitam sua gerao.

- Impostos incidentes sobre os produtos vendidos.

- Projees de vendas fsicas e destino das mesmas.

- Premissas de custos, sejam das matrias primas como de outros custos da

empresa, tais como os custos fixos desembolsveis.

- Premissas que definam as caractersticas das contas do ativo da empresa,

tais como taxas de juros associadas s aplicaes da empresa.

- Prazos mdios das contas operacionais

- Novos investimentos previstos.

- Taxas bsicas de depreciao do ativo imobilizado, segundo categorias

especficas.

- Premissas que definam caractersticas das contas do passivo da empresa,

tais como taxas de juros associadas s dvidas, segundo sua categoria.

- Alquotas de impostos associados ao resultado da empresa.

- Outras taxas e contribuies, como a CPMF.

- Poltica de pagamento dos dividendos.

- Despesas comerciais e administrativas.

- Participaes em companhias ligadas.

- Outras premissas para clculo de valor da empresa

 72

A Figura 12 a seguir mostra as entradas dos dados de estoques existentes na

empresa no perodo inicial da simulao e que devem ser informados pelo usurio.
O modelo requer que sejam informados valores fsicos e financeiros para estes
estoques.

Figura 12 Entrada dos Saldos Iniciais de Estoques

Fonte: Elaborado pelo autor

5.4 PROJEES DO MODELO

Na aba Receitas o sistema gera todos os preos de venda de cada produto,

seu volume fsico e financeiro, em funo das regies de destino, bem como calcula
 73

todos os impostos associados a estas vendas. A Figura 13, a seguir, mostra um

resumo da sada de dados referentes ao faturamento bruto da empresa, bem como
um resumo dos impostos incidentes sobre as vendas.

Figura 13 Faturamento Bruto e Resumo dos Impostos sobre Vendas

Fonte: Elaborado pelo autor

Na aba Custos, a partir das definies iniciais dadas na entrada de dados, o

sistema calcula todo o custo de produo por produto, faz toda a movimentao
fsica e financeira de cada produto, de forma a calcular a evoluo dos estoques ao
longo do perodo, bem como calcula o custo dos produtos vendidos, que uma
informao relevante para a construo do demonstrativo de resultados em cada
perodo.
A Figura 14, a seguir, mostra parte dos relatrios de movimentao fsica e
financeira de cada um dos produtos da central petroqumica.
 74

Figura 14 Movimentao Fsica e Financeira dos Produtos

Fonte: elaborado pelo autor

Na aba Movimentaes o sistema faz toda a movimentao financeira de

cada uma das contas do ativo e do passivo da empresa. Estas movimentaes so
fundamentais para a determinao dos saldos das contas do balano patrimonial em
cada perodo.
A Figura 15, a seguir mostra parte desta movimentao relacionada s contas
de aplicaes financeiras tanto em moeda nacional quanto em dlares.
 75

Figura 15 Movimentaes das Contas do Ativo

Fonte: Elaborado pelo autor

Na aba Endividamento feito um acompanhamento do endividamento de

curto e longo prazo da empresa, seja ele em reais ou em dlar. permitido que o
usurio entre com at 7 tipos diferentes de financiamento em moeda nacional e seis
tipos em dlar, com todo o clculo de variaes monetrias e cambiais associadas a
cada um. A Figura 16, a seguir, apresenta parte deste relatrio, com detalhes de
linhas de crdito de curto e longo prazos, em moeda nacional.
 76

Figura 16 Acompanhamento do Endividamento

Fonte: elaborado pelo autor

Na aba Valores mensais, o modelo gera, a partir de todas as informaes

recebidas, as projees do Balano Patrimonial e do Resultado do Exerccio. As
informaes so apresentadas com periodicidade mensal para os dois primeiros
anos, e anual para o restante do perodo. Adicionalmente, nesta aba, o modelo faz
uma anlise vertical do demonstrativo de resultado, mostrando a variao percentual
de cada conta ao longo do perodo de projeo.
O fluxo de caixa tambm gerado, explicitando claramente seus diversos
componentes, ou seja, o fluxo de caixa operacional, o fluxo de investimentos e o
financeiro, culminando com a gerao de caixa no perodo.
A Figura 17, a seguir, mostra parte destes valores mensais associados ao
DRE Demonstrativo do Resultado do Exerccio.
 77

Figura 17 Demonstrativo de Resultado do Exerccio

Fonte: Elaborado pelo autor

Na aba Valores anuais o modelo apresenta as mesmas informaes bsicas

da aba Valores mensais, s que agora, todas esto agrupadas em valores anuais.
Na aba Valor da empresa o modelo calcula o valor das operaes da
empresa, o valor da empresa e o valor para os acionistas. So utilizados os
princpios de valorao a partir do fluxo de caixa descontado. Ao usurio permitido
escolher descontar os fluxos de caixa a uma taxa pr-estabelecida. Entretanto, o
modelo tambm faz um clculo rigoroso da taxa de desconto, atravs do clculo do
CMPC - Custo Mdio Ponderado de Capital - ao qual a empresa est sujeita, em
cada ano. Vale destacar que este custo mdio calculado a partir do custo da
dvida, calculado tambm no sistema e do clculo do custo do capital prprio,
calculado segundo metodologia amplamente aceita, o CAPM Capital Asset Pricing
Method. Este mtodo foi ajustado para o mercado brasileiro a partir da apropriao
do diferencial de inflao entre as economias americana e brasileira, bem como a
apropriao do risco pas.
 78

A Figura 18, a seguir, mostra detalhes do clculo deste custo mdio

ponderado de capital:

Figura 18 Clculo do Custo Mdio Ponderado de Capital

Fonte: Elaborado pelo autor

A Figura 19, a seguir, mostra detalhes do clculo do valor das operaes da

empresa, do valor da empresa propriamente dita e do valor da empresa para os
acionistas.
 79

Figura 19 Clculo do Valor da Empresa

Fonte: elaborado pelo autor

Na aba Indicadores, so calculadas as evolues de diversos indicadores de

controle gerencial para uma organizao, de forma a permitir aos gestores
verificarem a tendncia do negcio. Ali so mostrados indicadores financeiros,
indicadores de estrutura e indicadores econmicos, cada um deles permitindo a
avaliao de aspectos importantes ao negcio.
Nos indicadores financeiros so mostrados indicadores componentes do ciclo
financeiro, tais como prazo mdio de contas a receber, em dias de venda, o mesmo
para a conta de fornecedores e tambm a durao em dias do ciclo financeiro.
Indicadores de gesto da liquidez, como NCG Necessidade de capital de giro, ST
Saldo de Tesouraria e CDG Capital de giro tambm so mostrados.
Nos indicadores de estrutura so mostrados indicadores de endividamento de
curto e longo prazo e indicadores da estrutura de capital, atravs da participao do
prprio e de terceiros, entre outros.
Nos indicadores econmicos mostramos o Lucro da atividade, o EBITDA,
margens brutas e lquidas, margem EBITDA, ROCE, EVA, entre outros.
 80

A Figura 20 mostra a tela parcial com detalhes dos indicadores acima

mencionados:

Figura 20 Indicadores
Fonte: elaborado pelo autor

5.5 VARIVEIS ESTOCSTICAS

Numa central petroqumica como a descrita aqui, a matria prima tem um

peso no custo de produo da empresa, que chega a ultrapassar os 80%. Assim, a
varivel mais relevante em todo o modelo , sem dvida, o preo da matria-prima.
 81

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

Figura 21 Variveis Estocsticas

Fonte: Elaborado pelo autor

5.6 SIMULAES

Estabelecidas todas as variveis de entrada, o modelo est ento em

condies de proceder s simulaes. Este processo feito na aba Simulaes,
que est parametrizado para rodar 1000 vezes o modelo, de forma direta, mas que
tambm pode rodar um nmero de at 1000 rodadas, conforme a demanda do
usurio.
A Figura 22, a seguir, mostra uma seo da sada de dados da simulao do
problema:
 83

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

Figura 23 Estabilizao das Variveis de Sada

Fonte: Elaborado pelo autor

A seguir, na aba Histogramas, so apresentados os histogramas das

variveis de sada, bem como a distribuio de freqncia acumulada, onde
possvel escolher o perodo a ser analisado. A Figura 24, a seguir, mostra alguns
destes histogramas.
 85

Figura 24 Histogramas das Variveis de Sada

Fonte: Elaborado pelo autor

Deve-se observar que neste ponto o sistema apresenta ao usurio

informaes estatsticas suficientes para uma anlise mais clara dos resultados das
projees, dimensionando claramente o nvel de risco associado varivel, atravs
das suas distribuies de probabilidades,
So apresentados os valores mdios para cada uma das variveis ali
representadas nos histogramas. Adicionalmente, possvel avaliar a probabilidade
da varivel estar contida dentro de um determinado intervalo. Assim, pode-se por
exemplo verificar qual a probabilidade do Valor da empresa estar situado entre R$ 2
bilhes e R$ 3 bilhes.
 86

Pode-se tambm avaliar, por exemplo, a probabilidade do EBITDA estar

abaixo ou acima de determinado valor. Com este tipo de informao, o gestor
qualifica melhor suas decises, pois os riscos se tornam mais claros.
Por ltimo, a aba Previsto x Realizado permite ao usurio fazer um
acompanhamento do realizado, tendo em vista os cenrios de projeo, conforme
pode ser visto na Figura 25, a seguir:

Figura 25 Balano Patrimonial Previsto x Realizado

Fonte: Elaborado pelo autor
 87

6 CONCLUSO

O processo de gesto de uma empresa envolve fundamentalmente a tomada

de decises visando garantir o crescimento e a perpetuidade do negcio.
As decises tomadas, sejam elas boas ou ruins refletem no valor econmico
da empresa. E o mercado reconhece a qualidade da gesto atravs dos
investidores, que compram aes das empresas bem administradas e vendem
aes daquelas cujo desempenho fica a desejar.
Com a abertura crescente do Brasil ao mercado internacional, a concorrncia
cada vez maior e as empresas no contam mais com um ambiente favorvel
obteno de resultados positivos com pouco esforo.
Assim, a instrumentalizao dos gestores com ferramentas de apoio tomada
de deciso fundamental para o sucesso de qualquer empresa.
Dentro deste contexto, o desenvolvimento dos planos de negcio e planos
operacionais das empresas deve ser lastreado em projees financeiras, que daro
suporte aos gestores na anlise de cenrios prospectivos, permitindo que questes
relevantes ao crescimento sejam melhor avaliadas, permitindo dimensionar de forma
mais clara os riscos envolvidos em todo o processo.
Assim, projees financeiras adequadas permitiro aos gestores responder
questes relevantes do seu dia-a-dia, tais como:
- Qual a melhor poltica de estoques, tanto de matrias-primas quanto de
produtos acabados a ser adotada, de forma a poder garantir o atendimento das
demandas dos clientes?
- Qual o impacto no fluxo de caixa da empresa em funo de diferentes
polticas de crdito aos clientes?
- Qual o impacto nos resultados em funo da exposio cambial da
empresa?
- Como as taxas de juros afetam os resultados da empresa?
- O fluxo de caixa previsto suficiente para atender a demanda de recursos
para garantir o crescimento do negcio?
Dentro deste conceito, projees financeiras adequadas fornecem aos
administradores das empresas todo o suporte necessrio ao processo de tomada de
 88

decises. Assim, se em funo de determinadas premissas as projees indicam

resultados insuficientes, com baixo valor agregado, ento o administrador poder
rever os planos e repensar alternativas que permitam correo de rotas e escolhas
de cenrios mais atrativos.
Entretanto, importante notar que o uso de projees financeiras baseadas
em modelos determinsticos, quando a realidade dinmica, no dar o suporte
necessrio aos tomadores de deciso. Nestes modelos os preos de venda so fixos
e os custos de produo so bem determinados, quando na realidade, a incerteza
sobre os mesmos a realidade predominante.
A simulao de Monte Carlo permite trabalhar estas incertezas, considerando
cada varivel crtica do modelo como elas realmente o so: - incertas, podendo
ocorrer dentro de uma faixa de variao, que esta sim, pode ser definida com muito
mais propriedade pelos especialistas no negcio ou pelo prprio histrico de
ocorrncia das mesmas.
Assim, a simulao de Monte Carlo permitir uma qualificao no processo
decisrio da empresa, tornando-a mais apta a enfrentar um mundo cada vez mais
competitivo.
importante notar que o modelo aqui desenvolvido flexvel o bastante para
que especificidades associadas a uma determinada empresa possam ser
incorporadas.
Este modelo, por exemplo, aborda apenas duas moedas o Real e o Dlar.
No difcil entretanto que mais moedas sejam incorporadas, dependendo da
insero internacional da empresa. Relaes de preo diferentes das aqui
estabelecidas podero ser modeladas. Alteraes em alquotas de impostos sobre a
venda podero ser facilmente alteradas.
Distribuies de probabilidades diferentes das aqui utilizadas podero ser
facilmente adotadas, visando adequar o modelo s caractersticas particulares a
cada negcio.
Indicadores analticos no abordados aqui, mas que sejam de relevncia em
funo de alteraes do negcio e ou do momento da empresa, podero ser
facilmente, construdos.
Enfim, a adaptabilidade do modelo e a rapidez nas respostas tornam-no
bastante atrativo para uso nas empresas.
 89

Cumpre ressaltar, contudo, que a aplicao da metodologia de Monte Carlo

s trar resultados adequados realidade se o modelo desenvolvido considerar a
existncia de correlao entre as variveis estocsticas.
Variveis de entrada nos modelos podem no ser independentes umas das
outras. Neste caso, a no considerao desta dependncia poder fazer com que os
valores gerados para as variveis no guardem relao entre si, o que tornaria o
modelo inadequado para o propsito buscado.
Este o caso, por exemplo, quando existe uma correlao forte entre um
preo de venda de um produto e o preo do insumo principal para ger-lo. Assim,
dados os intervalos de ocorrncia possveis para cada preo, segundo uma dada
distribuio de probabilidade, esperado que o modelo ao gerar um preo maior
para o insumo, faa com que este fato se reflita na gerao do preo de venda do
produto. Caso isto no seja assim, como os valores so gerados aleatoriamente,
podemos ter preos no condizentes com a realidade do negcio, o que levar a
resultados inadequados, eventualmente exacerbando ou reduzindo o risco do
negcio.
Assim, a utilizao da metodologia de Monte Carlo em modelos
adequadamente construdos, capazes de representar razoavelmente bem a
realidade esperada, onde as possveis correlaes entre as variveis de entrada so
consideradas, permitir que se possa ter uma viso mais clara dos riscos
associados, desta forma melhor embasando todo o processo de tomada de deciso
dentro da empresa.
 90

REFERNCIAS

ARAJO, M. E. R. Cost-Volume-Profit Analysis Using the Monte Carlo Method. In:

ACADEMY OF BUSINESS & ADMINISTRATIVE SCIENCES INTERNATIONAL
CONFERENCE, 1999, Barcelona. Anais eletrnicos... Barcelona: ABAS,1999.
Disponvel em: <http://www.sba.muohio.edu/abas/1999/conf_proc_authors.html>.
Acesso em: 12 dez. 2006.

ASSIS, J. P. et al. Notas cientficas: simulao estocstica de atributos do clima e da

produtividade potencial de milho utilizando-se distribuio triangular. Revista
Pesquisa Agropecuria Brasileira, Braslia, v. 41, n. 3, p. 539-543, mar. 2006.

BRASIL, H. V.; BRASIL, H. G. Gesto financeira das empresas: Um Modelo

Dinmico. 4. ed. Rio de Janeiro: Qualitymark, 2005.

BRASIL, H. G.; FLEURIET, M. Fluxo de caixa e anlise de posicionamento

estratgico. Revista de Economia e Administrao, So Paulo, v. 2, n. 4, p. 1-21,
2003.

BERNSTEIN, P. L. Desafio dos deuses: A fascinante histria do risco. 4. ed. Rio de

Janeiro: Campus, 1997.

CASAROTTO FILHO, N.; KOPITTKE, B. H. Anlise de investimentos. 7. ed. So

Paulo: Atlas, 1996.

COMPANHIA PETROQUMICA DO SUL INDSTRIA PETROQUMICA. 2006.

Disponvel em: <http://www.copesul.com.br/petroquimica/index.htm>. Acesso em: 15
nov. 2006.

CORRAR, L. J. O modelo econmico da empresa em condies de incerteza:

Aplicao do mtodo de simulao de Monte Carlo. Caderno de Estudos Fipecafi,
So Paulo, n. 8, p. 1-11, 1993.

CORRAR, L. J.; THEPHILO, C. R. Pesquisa operacional para deciso em

contabilidade e administrao. So Paulo: Atlas, 2004.
 91

COSTA, L. G. A. Modelagem financeira aplicada anlise, previso e avaliao

de Empresas. 1999. Dissertao (Mestrado em Engenharia de Produo)
Faculdade de Engenharia, Universidade Federal Fluminense, Niteri, 1999.
EHRBAR, Al. EVA - Valor Econmico Agregado: A verdadeira chave para a
criao da riqueza. Rio de Janeiro: Qualitymark, 2000.

EHRLICH, P. J. Pesquisa operacional: Curso introdutrio. 5. ed. So Paulo: Atlas,

1985.

FLEURIET, M.; KEHDY, R.; BLANC, G. O Modelo Fleuriet: A dinmica financeira

das empresas. Rio de Janeiro: Campus, 2003.

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.

HAAHR, M. Random.org: True random number service. 1998. Disponvel em:

<http://www.random.org/>. Acesso em: 12 dez. 2005.

HANSEN, D. R.; MOWEN, M. M. Gesto de custos. So Paulo: Pioneira, 2000.

HERTZ, D. B. Risk Analysis in Capital Investment. Harvard Business Review,

Boston, v. 57, n. 5, p. 169-181, 1979.

IUDCIBUS, S.; MARTINS, E.; GELBCKE, E. R. Manual de contabilidade das

sociedades por aes (aplicvel s demais sociedades). 6. ed. So Paulo: Atlas,
2003.

LANE, D. Online statistics: An interactive multimedia course of study. 11 ago. 2006.

Disponvel em: <http://www.onlinestatbook.com/chapter6/intro.html>. Acesso em: 12
out. 2006.

MARGUERON, M. V. L. Processo de tomada de deciso sob incerteza em

investimentos internacionais na explorao e produo de petrleo: uma
abordagem multicritrio. 2003. Dissertao (Mestrado em Cincias em Planejamento
Energtico) - Escola de Engenharia, Universidade Federal do Rio de Janeiro, Rio de
Janeiro, 2003.

MARION, J. C. Contabilidade empresarial. 7. ed. So Paulo: Atlas, 1998.

 92

MCCLURE, B. A clear look at EBITDA. 2006. Disponvel em:

<http://www.investopedia.com/articles/06/ebitda.asp>. Acesso em: 15 jun. 2005.

METROPOLIS, N. The beginning of the Monte Carlo method. Los Alamos Science
Special Issue, Los Alamos, n. 15, p. 125-130, 1987.

MONTENEGRO, R. S. P. O setor petroqumico. 2002. Disponvel em:

<http://www.bndes.gov.br/conhecimento/livro_setorial/setorial09.pdf>. Acesso em: 25
jun. 2006.

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

MOORE, J. H.; WEATHERFORD, L. R. Decision modeling with Microsoft Excel.

6. ed. New Jersey: Prentice Hall, 2001.

MURTHA, J. Risk Analysis for the Oil Industry. 2000. Disponvel em:
<http://www.jmurtha.com/downloads/riskanalysisClean.pdf>. Acesso em: 29 set.
2005.

NATIONAL INSTITUTE OF STANDARDS AND TECHNOLOGY; SEMATECH. e-

Handbook of Statistical Methods. 2003. Disponvel em:
<http://www.itl.nist.gov/div898/handbook/>. 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.

PLLANA, S. History of Monte Carlo method. [200-?]. Disponvel em:

<http://www.geocities.com/CollegePark/Quad/2435/>. Acesso em: 27 set. 2005.

RAGSDALE, C. T. Spreadsheet modeling and decision analysis. 2. ed. Cincinnati:

South-Western College Publishing, 1998.

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

RODRIGUES, R. N. Avaliao de empresas em condies de risco. Revista de

Contabilidade, So Paulo, v. 8, n. 23, p. 4-18, mar. 2003.

ROSS, S. A.; WESTERFIELD, R. W.; JAFFE, J. F. Administrao financeira:

corporate finance. So Paulo: Atlas, 1995.

SAVVIDES, S. C. Risk analysis in investment appraisal. Project Appraisal, v. 9 n. 1,

p. 3-18, 1994.

SIEGRIST, K. Three problems in probability. [200-?]. Disponvel em:

<www.ship.edu/~deensl/mathdl/stats/index.html>. Acesso em: 27 set. 2005.

STUMPP, P. M. et al. Putting EBITDA em perspective. 2000. Disponvel em:

<http://www.bofabusinesscapital.com/resources/other/EBITDA.pdf>. Acesso em: 10
jul. 2006.

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.

WEISSTEIN, E. W. Buffons needle problem. 2005. Disponvel em:

<http://mathworld.wolfram.com/BuffonsNeedleProblem.html>. Acesso em: 12 dez.
2006.