Escolar Documentos
Profissional Documentos
Cultura Documentos
Opes Reais
Parte 5: Simulao de Monte Carlo e
Uso em Derivativos/Opes Reais.
Marco Antonio Guimares Dias,
Professor Adjunto, tempo parcial
Rio de Janeiro, 1o Semestre de 2006 .
1
Como Funciona a Simulao de Monte Carlo
X O mtodo de Monte Carlo (MC) ilustrado abaixo, sendo
que a previamente temos de ter as distribuies de entradas
(inputs) e as equaes que as ligam ao resultado (output):
output de
uma iterao
Aps muitas (N)
iteraes:
2
Incerteza em Funes Cncavas e Convexas
X Vimos que o efeito da incerteza em funes depende se a
funo linear, cncava ou convexa. Esse efeito pode ser
visto com o lema de It ou com a desigualdade de Jensen.
O Desigualdade de Jensen: se x varivel aleatria (v.a.) e
f(x) uma funo (estritamente) convexa de x, ento:
E[f(x)] > f(E[x])
Logo, se o valor esperado de x permanece o mesmo, mas
sua varincia aumenta, ento E[f(x)] aumenta.
Se g(X) funo (estritamente) cncava de x, e x for v.a.,
basta inverter a desigualdade: E[g(x)] < g(E[x])
Se h(x) funo linear da v.a. x, ento: E[h(x)] = h(E[x])
X A simulao de MC permite visualizar esse efeito e
verificar que a desigualdade de Jensen maior (diferena
entre E[f(x)] e f(E[x])) quanto maior for a incerteza.
O Isso permite ver que um aumento da volatilidade (e
logo da varincia) aumenta o valor da opo.
3
Efeito da Incerteza e o Lema de It
X No caso de funes contnuas 2 vezes diferenciveis (C2):
F(x) cncava se 2F/x2 = Fxx < 0
F(x) linear se 2F/x2 = Fxx = 0
F(x) convexa se 2F/x2 = Fxx > 0
4
Valorao da Call Europia por Simulao
X Se o ativo bsico V o valor do projeto operando e I o preo de exerccio
(investimento), a equao visual para a opo real tipo Europia :
5
Simulao de Processos Estocsticos
X A depender da aplicao, podemos simular tanto o processo
estocstico real, como o processo estocstico neutro ao risco.
O Simulao Real: aplicaes em value-at-risk, simulaes para
hedge, estimativa de probabilidades de exerccio de opo,
tempo esperado para o exerccio, etc. J falamos sobre isso.
O Simulao Neutra ao risco: valorao de opes e derivativos.
O Lembrar: drift neutro ao risco = drift real prmio de risco.
Vimos que o drift neutro ao risco = = r
X Foi visto que para o MGB, temos as seguintes equaes
para os casos real e neutro ao risco, respectivamente:
dP
= dt + dz (processo real)
P
dP
= (r ) dt + dz (processo neutro ao risco)
P
6
Discretizao de Processos Estocsticos
X Para fazer a simulao preciso a equao de discretizao
do processo estocstico, i. , P(t) = funo de P(t - 1).
X A discretizao mais simples a de Euler de 1a ordem,
onde dP vira P, dt vira t, etc. Ex.: MGB neutro ao risco:
P = Pt - P0 = (r ) P0 t + P0 z ; com z = N(0, 1) t
O Amostra-se a normal N(0, 1) e, dado P0, obtm-se Pt.
O O esquema de Euler tem erro de discretizao de ordem t.
Existem discretizaes melhores (ex.: Milstein).
X Mas aqui (MGB) e para alguns processos estocsticos (mas
no todos) podemos usar uma discretizao exata, i. , uma
discretizao tal que a preciso numrica independe do
tamanho do passo-tempo (independe do t).
O Isso particularmente til para opes reais, que trabalham geralmente
com tempos de expirao longos. Podemos simular muitos anos frente.
O Para opes europias podemos simular apenas na expirao (t = T).
7
Exemplo: Simulao de Opo Europia
X Iremos calcular o valor da opo europia por simulao e
comparar com o resultado analtico de Black-Scholes-Merton.
O Para tal pode-se simular N caminhos do processo estocstico de V
O Mas como s interessa a distribuio de probabilidades na
expirao, muito melhor simular apenas na expirao.
X Resolve-se o problema com a QMC_Black_Scholes.xls
planilha que tem um simulador de MC embutido (logo,
s precisa do Excel para simular).
O Planilha tem cdigo VBA aberto (ver menu do Excel:
ferramentas/macro/Editor do Visual Basic)
O Planilha usa tanto o Monte Carlo tradicional como o mais
preciso Quase-Monte Carlo (usa nmeros quase-aleatrios),
que ser visto em breve.
O Veremos que necessrio usar um algoritmo para transforma um
nmero aleatrio de distribuio uniforme em distribuio N(0, 1).
O cdigo VBA da Inverso de Moro tambm apresentada.
8
Exemplo: Desenvolvimento de Campo de Petrleo
X Suponha que o desenvolvimento de um campo de
petrleo tem dois anos para ser decidido, mas devido a
falta de recursos a deciso ser tomada s na expirao:
Na expirao, o valor da opo F(T) = mx{VPL, 0}
X Assim convenientemente temos uma opo europia e
podemos usar a simulao de Monte Carlo facilmente
X Assuma o modelo: VPL = V D = (q P B) D ; e os dados:
Tempo de expirao dos direitos dado pela ANP: T = 2 anos
Reserva estimada: B = 120 milhes de barris
Qualidade Econmica da Reserva q = 20%
Custo de desenvolvimento D = 480 MM$
Preo corrente do petrleo P0 = 20 $/bbl
Volatilidade dos preos do petrleo = 30% aa.
Taxa de juros livre de risco r = 10% a.a.
Taxa de dividendos (convenience yield de P) = 10% a.a.
Taxa ajustada ao risco = 15% aa. Logo drift = = 5% aa
9
Simulao da Opo Real Europia
X Podemos simular todo o path (usando pequenos t)
ou, diretamente s em t = T, pois a discretizao
exata nesse caso.
O Mostraremos que do aproximadamente os mesmos valores
X O valor terico por Black & Scholes da opo :
O F = 66,02084 MM$
X Com 50.000 iteraes no @Risk foi obtido (neutro ao risco):
O Simulando todo o path: F = 66,50 MM$ (erro BS = - 0,7%)
O Simulando s em T: F = 66,01 MM$ (erro BS = 0,01%)
10
Preciso da Simulao de Monte Carlo
X Fazendo uma simulao do mesmo problema mas
com 1.000.000 de iteraes no @Risk, foi obtido:
O F = 66,01711 (erro BS = 0,0057 %)
O Fazendo 20 vezes mais iteraes, o erro caiu apenas cerca
da metade (reduo de erro por um fator 2).
O O erro terico da simulao de Monte Carlo da ordem
de n 0,5, ou seja, para reduzir 10 vezes o erro temos de
multiplicar o nmero de iteraes n por 100 (!)
O Existem mtodos que podem reduzir esse erro:
Tcnicas de reduo de varincia (ex.: Latin Hypercubic)
Uso de nmeros quase-randmicos (Quase-Monte Carlo)
Em vez de usar nmeros aleatrios ou pseudo-randmicos se
usa seqencias determinsticas de baixa discrepncia (Sobol,
Faure, Halton). Vamos olhar as animaes do website na
PUC para entender esse mtodo.
Espao equiprovvel
U[0, 1]
Amostre um
no de U[0, 1] Algoritmo transforma
U[0, 1] em N(0, 1) (ou outro)
11
Gerando U[0, 1]: Pseudo x Quase-Aleatrio
X Vimos que a qualidade numrica da simulao depende do
processo de amostragem de U[0, 1]. O mtodo tradicional para
gerar U[0, 1] o pseudo-aleatrio, ex., a funo Excel Aleatrio().
X Um mtodo melhor para gerar U[0, 1] o dos nmeros quase-
aleatrios (seqncias de baixa discrepncias). o Quase-MC.
O As figuras comparam os 2 mtodos p/ a dist. uniforme bi-dimensional.
Note que o caso quase-aleatrio apresenta pontos mais igualmente
dispersos (menos clusters de pontos que no caso pseudo-aleatrio).
Pseudo-Aleatrio Quase-Aleatrio
12
Simulao de Quase-Monte Carlo
X Seqncia de van der Corput na base 2 (16 primeiros nmeros)
vai preenchendo de forma mais uniforme o intervalo [0, 1):
13
Simulao do Modelo de Marlim
X Vimos na parte 2 o Modelo de Marlim: um processo
estocstico de reverso mdia combinado com saltos
(Poisson). Veremos agora uma planilha e sample-paths.
O A planilha simulation-reversion-jumps-marlim-real_x_rn.xls
permite uma simulao ilustrativa com saltos p/ cima ou p/
baixo de ocorrncia aleatria, mas de tamanhos fixos.
14
Planta Flex-Fuel com e sem Opo de Shut-Down
X Uma firma est pensando em investir numa planta que
consome energia. Existem trs alternativas de tecnologia:
O Planta usando s leo combustvel; planta usando s carvo; e
planta flex-fuel, i. , com (sem custo) flexibilidade (leo ou carvo).
O Molho: planta flex-fuel com opo de shut-down (sem custo).
X Quais so os valores da planta em cada caso considerando que
o leo e o carvo seguem processos correlacionados de reverso?
O A resposta d uma idia do mximo valor que uma firma estaria
disposta a pagar pela (mais cara) tecnologia flex-fuel.
O Correlao positiva diminui o valor da opo, mas necessrio uma
(improvvel) correlao muito alta p/ o valor da opo ser desprezvel.
X Qual o efeito da opo de shut-down sem custo?
O Essa opo pode ser muito importante. Existem implicaes contratuais
X A simulao de MC responde facilmente essas questes.
O Essa uma seqncia de opes europias (escolhe o mximo payoff em
cada data de deciso operacional). O prximo slide mostra um exemplo
15
Caso Real de Opo Real: Biodiesel
X Nesse caso real, MC foi o mtodo numrico utilizado.
X O projeto biodiesel usa oleaginosas (mamona, soja, algodo,
pinho-manso, licuri, etc.) para fabricar biodiesel.
O O estudo das trs primeiras unidades foi concludo em 2005.
X O preo das oleaginosas e de seus leos (brutos) oscilam no
mercado internacional (commodities), com variada liquidez.
X Uma importante caracterstica das plantas de biodiesel que
elas so multi-oleaginosas, i. , existe flexibilidade de input.
O Logo, natural que a anlise dessas plantas inclua o valor das opes
reais de usar as oleaginosas mais adequadas ao longo da sua vida til
X Alm disso, a planta de biodiesel precisa usar um reagente
que pode ser tanto o etanol como o metanol, que tambm
oscilam no mercado. Logo, temos mais OR de input!
X Assim, no foi toa que foi solicitada e feita a avaliao por
opes reais nesse estudo de viabilidade.
Projeto Biodiesel
X Uma planta de biodiesel tem duas unidades principais:
O A unidade de esmagamento da oleaginosa, gerando leo bruto e
resduo (torta). O leo bruto a principal receita dessa planta; e
O A unidade de transesterificao, que usa o leo bruto gerado no
esmagamento (custo), alm do reagente, e gera biodiesel e resduos.
Plantao Gros
Metanol
ou
Etanol
Esmagamento
leo bruto
Transesterificao
BIODIESEL
16
Projeto Biodiesel: Flexibilidade de Inputs
X O projeto foi formatado de forma que a Petrobras dona
dos dois negcios (esmagamento e transesterificao),
garantindo a qualidade do leo bruto (input do biodiesel) e
capturando a flexibilidade de escolha das oleaginosas.
X Aps um perodo inicial em que a Petrobras ir garantir a
compra da safra de determinadas culturas, a Petrobras tem
uma opo de escolher livremente qual a oleaginosa usar, a
cada perodo (safra). Essa flexibilidade de input modelada:
O Como uma seqncia de opes europias de uso da(s) oleaginosa(s)
e reagentes (etanol ou metanol) que maximize o lucro a cada perodo
O Escolhe as combinaes oleaginosas + reagentes de maior valor em t
O Assim, fazemos simulaes de Monte Carlo dos processos estocsticos
dos preos de cada um dos gros, de cada um dos leos brutos, de
cada uma das tortas, do etanol e metanol e do biodiesel (= diesel) e a
cada perodo escolhe a combinao (opo) que maximiza o lucro.
O Simulamos diversos tipos de processos estocsticos (movimento
geomtrico Browniano e Marlim = reverso mdia + saltos).
17
MC para Estimar Volatilidade Agregada
X No caso de opes americanas com diversas fontes de
incertezas, um mtodo prtico agregar as variveis em
uma varivel V e calcular a volatilidade de V por MC.
O Com V (e V), pode-se usar um software tradicional com uma
(V) ou duas (V e I) fontes de incerteza e resolve OR facilmente.
Planilha Timing pode ser usada para resolver mltiplas incertezas.
X Eu tenho usado essa abordagem desde incio de 1999,
baseado na equao visual de opes reais.
X O livro do Copeland & Antikarov (2001) defende um
mtodo similar (mas no igual) e d suas bases tericas.
O Esse mtodo conhecido por MAD (marketed asset disclaimer)
e usa um teorema de Samuelson para justificar o uso de MGB.
O C&A: em muitos casos quase impossvel obter o valor de
mercado do valor do projeto operando (ativo bsico V).
Volatilidade de V em geral maior que a do preo P do produto.
+
Valorao do Prospecto
(em milhes $)
Valor Tradicional = 5
18
Copeland & Antikarov: MAD
X MAD (marketed asset disclaimer): usa o valor presente
do valor do projeto (V), sem flexibilidade, como ativo
bsico da opo real.
O Hiptese MAD diz que essa a melhor estimativa no-
tendenciosa do valor do ativo bsico V.
X Vantagem prtica: usa a planilha tradicional do fluxo de
caixa descontado (FCD) para calcular V.
O Assim, no faz premissas mais fortes do que as usadas pelas
empresas que tradicionalmente usam o FCD nas suas decises.
O Assim, dado um conjunto de variveis tais como preo(s) de
produto Pi, custos operacionais fixos COFj e custos
operacionais variveis COVk, conhecidos hoje, a planilha de
FCD calcula o VPL. Tendo o investimento I, V = VPL + I.
Esse a melhor estimativa de mercado para V(t = 0).
O Se o projeto for postergado, os preos Pi e custos COFj e COVk
iro oscilar no mercado e o VPL (assim como V) iro mudar.
19
MAD versus MAD Modificado
X A maneira que C&A implementam a hiptese MAD e o
teorema de Samuelson meio confusa e inconsistente.
O C&A simulam todos os anos de fluxo de caixa. MAD-Dias s
simula parmetros de mercado do fluxo de caixa em t = 1 e usa
curvas de valor esperado para calcular o valor presente de V:
A partir do conhecido P(t = 0), simula
os preos em t = 1.
Em cada cenrio de P(t = 1), frmula
d a curva de valor esperado de P
desde t = 1 at t = final da operao.
Calcula V(P) = valor presente dos FCs
usando a curva de valor esperado de P
O C&A calcula a distribuio normal do retorno logaritmo e sem
postergar o primeiro fluxo de caixa (por que?). MAD-Dias
simula a distribuio log-normal de V, o que mais simples.
Como pode ocorrer cenrios com valor negativo de V, a maneira
de C&A d problemas computacionais (logarit. de no negativo).
20
MAD-Mod.: Simulao Real ou N.R.?
X Qual a simulao das variveis estocsticas devemos
fazer para estimar V, a real ou a neutra ao risco?
O A princpio qualquer uma d estimativa de V, embora sejam
um pouco diferentes. Se usar a sim. real, obtemos o drift real
e se usar a sim. neutra ao risco obtemos o drift n.r. r .
Na sim. real usamos as frmulas E[V(t)] = V(0) exp( t) (obtm
) e Var[V(t)] = V(0)2 exp[2 t] (exp[2 t] 1) (obtm ); e
Na sim. neutra ao risco: E[V(t)] = V(0) exp[(r ) t] (obtm ) e
Var[V(t)] = V(0)2 exp[2 (r ) t] (exp[2 t] 1) (obtm ).
Prefiro a sim. real, pois ela gera menos valores negativos para V
(e, logo, melhor ajuste da log-normal). Mas veremos as duas.
X Veremos um exemplo simples com uma (P) e duas fontes
de incertezas de mercado (P e custo operacional C).
O Usaremos a equao do modelo rigid cash flow (RCF), ver:
http://www.puc-rio.br/marco.ind/payoff_model.html
O V = k P C (onde C custo operacional). No RCF, k = q B.
21
MAD-Modificado: Exemplo Simples
X As figuras mostram as
distribuies real (alto) e
neutra ao risco (abaixo) de
V p/ o caso 2 do exemplo.
X Note que elas tem a cara
de log-normal, apesar de ter
alguns cenrios com valores
negativos.
O Esse problema ligeiramente
menor no caso da simulao
real (pois a mdia maior).
22
Outro Exemplo: Planta com FCD
X A planilha @risk-mad-m_planta_rev.xls apresenta um
outro exemplo, dessa vez para uma planta que fabrica
um produto que tem preo P e que consome combustvel
de custo C por unidade de produto.
O Considere que P(t) e C(t) seguem movimentos de reverso
mdia que podem ser correlacionados.
X Considere que a funo lucro anual :
X Lucro(t) = [{Preo(t) - Custo Energia(t)} * Quantidade -
Outros Custos Operacionais] (1 - alquota de impostos)
X O valor do projeto operando o valor presente dos
lucros atualizados com a taxa ajustada ao risco .
X Numa simulao, com P = C = 25% e P,C = 0, o valor
obtido para a volatilidade do projeto dessa vez foi menor
que as volatilidades individuais: V = 23%.
MATERIAL
ANEXO
Os anexos nos materiais do curso contm slides
que reforam os conceitos tericos e apresentam
exemplos adicionais que no sero discutidos em
sala de aula, mas que podem ser teis para um
melhor entendimento de conceitos apresentados.
23
Processo de Reverso Mdia
X Considere o processo aritmtico de reverso mdia
24
Reverso Mdia com Jumps
X Parecido com o caso da reverso pura. Relao entre
P(t) e x(t) a mesma, mas a equao da varincia :
X Lembrando que
i a distribuio do jump-size
25
Caso Real: Gasoduto Bolvia-Brasil
X Nos anos de 2000 e 2001 houve uma disputa entre a
TBG (Transportadora Bolvia-Brasil; Petrobras o
acionista controlador) e as empresas BG e Enersil.
X A disputa, arbitrada pela ANP, tinha duas questes:
O Livre acesso ao gasoduto, apesar da Petrobras ter
contratado 100% da capacidade com contrato take-or-pay.
O Caso a BG e a Enersil obtivessem livre acesso, qual a tarifa a
ser paga? Eles queriam a mesma tarifa, mas sem take-or-pay.
No pode haver dois take-or-pay sobre a mesma capacidade.
O acesso seria interruptvel (caso a Petrobras conseguisse novos
contratos num volume suficiente para ocupar toda a capacidade),
com aviso prvio. Mas os entrantes tm mais flexibilidade.
X Fizemos uma anlise de opes reais para o caso da tarifa:
O Os entrantes teriam mais flexibilidade, pois em caso de demanda baixa
eles no pagariam take-or-pay, s pagariam quando usassem o duto.
O Essa maior flexibilidade deve ser valorada e cobrada na tarifa.
26
Tarifa Flexvel no GAS-BOL
X A anlise de OR mostrou que a tarifa de equilbrio para
os entrantes deveria ser cerca de 20% mais cara (prmio
da flexibilidade) que a tarifa take-or-pay.
X Fizemos uma apresentao para a ANP em 11/01/2001
para mostrar os motivos do nosso pleito de 20% prmio
O Houve uma tima receptividade, j que o modelo da planilha
era bem transparente e as premissas do estudo eram realistas.
X A deciso da ANP saiu alguns dias depois e foi:
O ANP deu livre acesso aos entrantes (derrota da Petrobras);
O ANP reconheceu que os entrantes teriam maior flexibilidade
que a Petrobras/take-or-pay. Vitria da Petrobras:
No entanto, eles deram um prmio de 11% (menor do
que pleiteamos).
O Ver o Parecer Tcnico ANP de 26/01/01: Caso BG vs. TBG
Referente ao Conflito Relacionado ao Servio de Transporte No
Firme em www.anp.gov.br/doc/gas/release_BG_TBG.pdf
27