PR7720/NP9720 - Engenharia

Econômica II
Profa. Dra. Fernanda Cristina Vianna
Conteúdo Programático
Apresentação – Visão Geral
Modelo Determinístico ( uso excel)
Análise de Risco Econômico- Financeiro em Projetos
Análise de Sensibilidade
Análise de Cenários
Arvore de decisão
Simulação
Simulação de Monte Carlo

7
Referencias

Engenharia Econômica – Carlos Patrício Samanez – Pearson - 2009

8
 Estrutura de Avaliação
Investimentos com Riscos
Considerando os métodos convencionais da análise econômica de investimentos os valores
estimados de custos e receitas são calculados como se fossem previsões não tendenciosas;
Análises convencionais são limitadas em termos de tomada de decisão;
Técnicas adicionais são necessárias para um processo decisório eficaz.

9
 Estrutura de Avaliação
Investimentos com Riscos
Etapas Iniciais
Modelagem do Fluxo de Caixa
Modelo Determinístico

Fonte: Mattos, C A 2016 10

Etapas Iniciais
Conceitos e Técnicas já discutidas em Engenharia Econômica ... (Samanez; 2009 – Capítulo 2)
◦ Elaboração do Fluxo de Caixa Descontado
◦ VPL, TIR e PayBack
◦ Imposto de Renda e depreciação

Utilização das funções Excel

Aplicação 1, Aplicação 2 e Aplicação 3

11
Estrutura de Avaliação Investimentos com
Riscos e Incertezas
(SAMANEZ, 2009 – CAP 7)
Risco e Incertezas
É importante também distinguir a incerteza (falta de conhecimento ou decisões sobre a
definição do programa ou conteúdo) do risco (probabilidade de um evento previsto ocorrer e
seu provável efeito ou impacto no programa).

13
Métodos de decisão em condições de
incerteza: Análise de Sensibilidade (Samanez,
2009 – item 7.1)

Fonte: Engenharia Financeira(Laurencel & Filho, 2013)

14
 Métodos de decisão em condições de
incerteza: Análise de Sensibilidade

Fonte: Engenharia Financeira(Laurencel & Filho, 2013)

15
Métodos de decisão em condições de
incerteza: Análise de Sensibilidade

Fonte: Engenharia Financeira(Laurencel & Filho, 2013)

16
Métodos de decisão em condições de
incerteza: Análise de Sensibilidade
Nesta expressão µ1 e µ2 representam a razão com que as duas matérias primas mp1 e mp2
são utilizadas por unidade de produto. São também chamados de coeficientes técnicos. P1 e
P2 são os preços das duas matérias primas. O valor presente do fluxo de caixa mostrado na
Figura pode ser representado pela seguinte expressão:

VPL = - I + {PX - [CF + ( µ1 P1 + µ2P2) X]}(P/A, i%, n) + L / (1 + i)n

Trabalhando a expressão, ela pode ser reescrita da seguinte forma:

VPL = - I + [(P - µ1 P1 - µ2P2) X - CF] (P/A, i%, n) + L / (1 + i)n

Fonte: Engenharia Financeira(Laurencel & Filho, 2013)

17
Métodos de decisão em condições de
incerteza: Análise de Sensibilidade
Ao se variar X na expressão acima se chega no gráfico da Figura
onde se nota perfeitamente o valor mínimo a ser vendido do
produto para que VPL possa ser maior que zero. O ponto de
cruzamento da curva com a abscissa é chamado de ponto de
nivelamento

Fonte: Engenharia Financeira(Laurencel & Filho, 2013)

18
Aplicações práticas de Análise de sensibilidade

- Exemplo sensibilidade.xlsx
- Aplicação 4
- Aplicação 5

19
Análise comparativa de projetos:
- Conceitos e Técnicas já discutidas em Engenharia
Econômica I: VPL, VUE (Samanez; 2009 – Capítulo 2)
- Ponto de Fischer (Pilão; Hummel – Capítulo 10)
Tomada de decisão em Investimentos
Dois projetos (I e II) – CONSIDERANDO UMA TMA =4%

Projeto I = TIR => 10%

Projeto II = TIR => 15%

Os projetos são viáveis? Qual é melhor?

Dados acima são suficientes para tomada de decisão?

NÃO
Avaliação dos Projetos
Ponto Fischer – equilíbrio entre
os Projetos I e II

Observa-se que o Ponto de Fischer melhora a percepção de

risco do investimento à medida que estabelece um novo limite
para a variabilidade da TMA.

15%
Avaliação e discussão Projetos
Da figura tem-se que: ao se considerar um valor da TMA entre zero e a definida pela Intersecção
de Fischer, o valor presente do projeto I supera o do projeto II.
A partir da Intersecção de Fischer, o valor presente do projeto II passa a superar o do projeto A.
Nestas condições fica demonstrado que, para distintos valores da TMA, a decisão pelo método
do valor presente pode diferir do método da TIR, sendo que este pode induzir o decisor a erro
de julgamento.
Fonte: AVILA, Antonio Victorino. Matemática financeira e engenharia econômica / Antonio Victorino Avila; Florianópolis – 2013
Aplicações práticas de análise comparativa por
Ponto de Fischer:
- Exemplo ponto de Fischer.xlsx
- Aplicação 6

24
 Risco
O risco está presente quando todas as ocorrências possíveis de uma certa variável encontram-se
sujeitas a uma distribuição de probabilidades conhecida por meio de experiências passadas ou que
pode ser calculada;

o mapeamento de risco é uma prática sistemática de decisão, para minimizar sobretudo resultados
ineficazes em qualquer organização, além de diminuir a chance de falhas por falta de planejamento

25
Tipos de Risco
Segundo Brigham, Capenski e Ehrhardt (2001), três tipos de risco devem ser identificados e
estudados para elaboração de uma análise cuidadosa do projeto: o risco isolado, o risco da
empresa e o risco de mercado:
- risco isolado
- risco da empresa
- risco de mercado

26
Tipos de Risco
Risco isolado – é o risco do projeto que ignora os efeitos da diversificação, ou seja, não leva em
consideração o papel que ele representa na carteira de ativos da empresa. Está puramente
associado às incertezas dos fluxos de caixa futuros e é medido pela variabilidade dos retornos
esperados.

27
Tipos de Risco
risco da empresa – é o risco da empresa em relação ao projeto. Este, fazendo parte da carteira
de ativos da empresa, terá alguns dos efeitos de seu risco diversificados. É avaliado pelo efeito
do projeto sobre a variabilidade dos fluxos de caixa da empresa. Mede em quanto a adição do
projeto à carteira de ativos da empresa modifica o risco dessa carteira, ou seja, em quanto a
empresa está se arriscando com o projeto. Ignora os efeitos da diversificação pessoal dos
acionistas.

28
Tipos de Risco
risco de mercado – é o efeito do projeto sobre a variabilidade dos retornos de um investidor
com uma carteira bastante diversificada. Mede o risco do investidor, ou seja, o quanto ele está
se arriscando com o projeto. O risco de mercado considera a diversificação dos investidores de
capital que sabem que o projeto é um dos ativos da empresa e sua ação faz parte das suas
carteiras;

29
 Árvore de decisão (Samanez, 2009 – item 7.4)
As árvores de decisão são diagramas que permitem mapear de maneira clara as alternativas e
recompensas de várias decisões, bem como suas possibilidades de ocorrência. O método consiste
em calcular o valor esperado atual do projeto com base nas diversas possibilidades de
ocorrência.

30
Árvore de decisão
Os investimentos são divididos em subinvestimentos ou pacotes de trabalho (work packages)
que serão realizados ou desenvolvidos em diferentes estágios do horizonte de planejamento do
projeto.

Segundo Roberts e Weitzman (1981), a implementação efetiva desses investimentos dependerá

de algum evento do futuro que resultará na decisão dos investidores de investir ou não.

31
Estrutura de uma árvore de decisão:

Os nós quadrados representam decisões, e os

nós redondos, nós de incerteza, representam
eventos aleatórios. Nos ramos de um árvore de
decisão devem ser anotados:
-As probabilidades após os nós de incerteza;
-Os valores de investimentos nos nós de
decisão;
-Os retornos no final dos ramos.

Fonte: Engenharia Financeira(Laurencel & Filho, 2013)

32
Árvore de decisão - exemplo

33
Aplicações práticas de árvore de decisão:
- Aplicação 7
- Aplicação 8

34
Análise de Cenários (Samanez, 2009 – item 7.2)
É um método de análise do risco isolado de um projeto que leva em consideração a
sensibilidade do VPL a mudanças em suas principais variáveis de decisão, bem como fornece os
valores das variáveis de acordo com sua distribuição de probabilidades.

35
Análise de Cenários

36
 Análise de Cenários
Fórmula para cálculo 𝜎

0,25 −5000 − 11750 2 + 0,50 15000 − 11750 2 + 0,25(22000 − 11750)^2 = 10.084

o coeficiente de variação do VPL

CVvpl = 10.084 / 11.750 = 0,858

quanto mais alto o coeficiente de variação, maior será o risco do ativo;

segundo Gittman (1997), a verdadeira utilidade do coeficiente de variação está na comparação de ativos que
têm diferentes retornos esperados

37
Aplicação prática de Análise de Cenário:
- Exemplo cenários.xlsx
- Aplicação 9

38
Simulação Monte Carlo (Samanez, 2009 – item 7.3; Cap. 8)
A aplicação de simulações, segundo Brigham, Capenski e Ehrhardt (2001), é uma abordagem
sofisticada, baseada em estatística, para tratar riscos. Sua elaboração requer a geração de fluxos
de caixa usando distribuições probabilísticas predeterminadas e a geração de números
aleatórios.

Modelo de simulação bastante simples e conhecido, o Método de Monte-Carlo destaca-se pela

aplicação em análise de investimentos

39
Simulação Monte Carlo
Etapas
✓ Os riscos são modelados como uma distribuição de probabilidades
✓ Podem ser utilizados dados históricos, avaliações , ou conhecimento prévio do processo
estocástico em análise para estabelecer um ajuste para uma distribuição probabilística
✓Ferramentas utilizadas : @RISK, Crystal Ball, excel

40
Simulação Monte Carlo
Distribuições Probabilisticas

Fonte: Crystal Ball 41

Simulação Monte Carlo – Visão geral

42
Aplicação prática de Simulação de Monte Carlo
em ambiente Excel:
- Exemplo monte carlo.xlsx
- Apliação10
- Aplicação 11

43
 Risco – Abordagem Probabilística
(Exemplo Crystal ball.xlsx)
Profit.xls
Exemplo:
Assumptions Notation Value
Price P $ 50,00 Probabilistico
Unit Sales S 10 Probabilistico
Variable cost percentage V 60% Probabilistico
Fixed cost F $ 100,00

Forecast Determinístico
Profit p $ 100,00

Model
Revenue $ 500,00
Variable Cost $ 300,00
Fixed Cost $ 100,00
Profit $ 100,00

44
 Riscos – Abordagem Probabilística
Exemplo: Assumption: P Ce ll: C5

Lognormal distribution with parameters:

Location $0,00
Profit.xls Mean $50,00
Std. Dev. $10,00

Assumptions Notation Value

Price P $ 50,00
Unit Sales S 10 Assumption: S Ce ll: C6
Variable cost percentage V 60% Poisson distribution with parameters:
Fixed cost F $ 100,00 Rate 10,00

Forecast
Profit p $ 100,00

Model Assumption: V Ce ll: C7

Revenue $ 500,00
Variable Cost $ 300,00 Beta distribution with parameters:
Minimum 0%
Fixed Cost $ 100,00 Maximum 100%
Profit $ 100,00 Alpha 3
Beta 2

45
Risco em Fluxo de Caixa

Distribuições Probabilisticas referentes aos fluxos

46
 Riscos – Abordagem Probabilística
Exemplo:
Profit.xls

Assumptions Notation Value

Price P $ 50,00
Unit Sales S 10
Variable cost percentage V 60%
Fixed cost F $ 100,00

Forecast
Profit p $ 100,00

Model
Revenue $ 500,00
Variable Cost $ 300,00
Fixed Cost $ 100,00
Profit $ 100,00
Summary:
Certainty level is 75.74%
Certainty range is from $0.00 to Infinity
Entire range is from $(99.44) to $1,074.70
Base case is $100.00
After 10,000 trials, the std. error of the mean is $1.32

47
Aplicação prática de Simulação de Monte Carlo
em Crystal Ball:
- Refazer o exemplo disponível em: Exemplo monte carlo.xlsx
- Refazer a Aplicação 10
- Refazer a Aplicação 11
- Aplicação 12

48