Guia Pratico Usuarios $AVEPI Lima Southier 2023maio02

2023
Guia prático
para
usuários do
Universidade Tecnológica Federal do Paraná

(UTFPR) – Campus Pato Branco
DEPARTAMENTO ACADÊMICO DE MATEMÁTICA – DAMAT
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE

PRODUÇÃO E SISTEMAS – PPGEPS
JOSÉ DONIZETTI DE LIMA
LUIZ FERNANDO PUTTOW SOUTHIER
Pato Branco, 02 de maio de 2023.

APRESENTAÇÃO
Prezad@ usuári@, seja bem-vind@ ao manual do $AVEPI. O objetivo deste e-book é ser um
guia prático para usuários do Sistema de Análise de Viabilidade Econômica de Projetos de
Investimento ($AVEPI) em ativos reais. A fundamentação teórica do desenvolvimento desta
ferramenta computacional pode ser encontrada em Southier et al. (2016) e Lima et al. (2017b).
A Figura a seguir apresenta a tela principal do aplicativo web de aceso livre $AVEPI. Observa-
se que também existe a opção para uso do aplicativo na versão em inglês. Contudo, vale ressaltar
que o software precisa de uma extensa revisão em inglês.
A tela inicial solicita o que o usuário deseja fazer, ou seja, a escolha do módulo adequado às
especificidades (ou características/peculiaridades/singularidades/complexidades) do Projeto de
Investimento (PI) em estudo. Após selecionar o módulo, a próxima tela solicita a inserção dos
dados do projeto. Terminado este processo, basta clicar em calcular. Na sequência, o $AVEPI
apresentará diversos indicadores, gráficos e um relatório preliminar sobre o desempenho
econômico esperado para o PI em avaliação. O manual do $AVEPI também está disponível na tela
do aplicativo.
Mas, como acessar o $AVEPI? Abra o seu navegador preferido e acesse o endereço
eletrônico: http://pb.utfpr.edu.br/savepi, preencha o cadastro e clique em cadastrar. Observe os
dados solicitados na Figura a seguir.
Nota: Não é responsabilidade dos autores a ocorrência de eventuais perdas ou danos a pessoas
(físicas ou jurídicas) ou bens que tenham origem do uso desta publicação, cuja finalidade é apenas
didática. Os autores desejam uma agradável leitura!
Guia prático para usuários do $AVEPI – José Donizetti de Lima & Luiz Fernando Puttow Southier (2023) – Página 2
SUMÁRIO
INTRODUÇÃO.....................................................................................................................................................................02
PREFÁCIO.............................................................................................................................................................................06
CAPÍTULO 1 – MÉTODOS, TÉCNICAS, METODOLOGIAS E ABORDAGENS DE ANÁLISE DE
INVESTIMENTOS EM ATIVOS REAIS
1.1 Metodologia Multi-índice Ampliada....................................................................................................................12
1.2 Uso de Limites de Elasticidade e Valores-Limite na análise de riscos em projetos de
investimento em ativos reais: uma análise de sensibilidade especial...............................................18
1.3 Índice Benefício Custo...............................................................................................................................................21
1.4 Ponto de Fisher e a Variação da TMA para o ponto de Fisher....................................................................25
1.5 Novo Payback descontado.......................................................................................................................................25
1.6 Modelos matemáticos para os principais Limites de Elasticidade e Valores-Limite.......................26
1.7 Sistema de Análise de Viabilidade Econômica de Projetos de Investimento ($AVEPI)...............27
1.8 Framework para a análise de investimentos em ativos reais...................................................................28
1.9 Exemplo ilustrativo 02..............................................................................................................................................29
1.10 Exemplo ilustrativo 03 – ampliando o exemplo anterior: recursos próprios versus
financiamento.............................................................................................................................................................34
financiamento versus Leasing...........................................................................................................................35
1.12 Exemplo ilustrativo 05 – ampliando o exemplo anterior: Simulação de Monte Carlo.................36
CAPÍTULO 2 – PROBLEMAS PRÁTICOS DE ENGENHARIA ECONÔMICA RESOLVIDOS
COM SUPORTEDO $AVEPI®........................................................................................................................................39
CAPÍTULO 3 – CONCEITOS E DEFINIÇÕES: ABORDAGEM DETERMINÍSTICA
3.1 Taxa Mínima de Atratividade.................................................................................................................................70
3.2 Horizonte de Planejamento....................................................................................................................................70
3.3 Investimento Inicial...................................................................................................................................................70
3.4 Período............................................................................................................................................................................71
3.5 Fluxo de Caixa...............................................................................................................................................................71
3.6 Valor Residual..............................................................................................................................................................72
3.7 Quantidade de vendas...............................................................................................................................................72
3.8 Preço de Venda Unitário...........................................................................................................................................72
3.9 Custo Variável Unitário.............................................................................................................................................72
3.10 Custo Fixo....................................................................................................................................................................73
3.11 Receita Total...............................................................................................................................................................74
3.12 Custo Total..................................................................................................................................................................74
3.13 Depreciação Contábil..............................................................................................................................................74
3.14 Prazo da Depreciação Contábil...........................................................................................................................75
3.15 Alíquota dos Impostos e Contribuições...........................................................................................................75
3.16 Sistema de Amortização........................................................................................................................................75
3.17 Carência do financiamento...................................................................................................................................75
3.18 Percentual Financiável...........................................................................................................................................76
3.19 Prazo do Financiamento........................................................................................................................................76
3.20 Taxa de juros..............................................................................................................................................................76
3.21 Leasing..........................................................................................................................................................................76
3.22 Base para o Imposto de Renda e Contribuições...........................................................................................76
3.23 Fluxo de Caixa Descapitalizado..........................................................................................................................77
3.24 Fluxo de Caixa Descapitalizado e Acumulado...............................................................................................77
3.25 Custo de Carregamento..........................................................................................................................................78
3.26 Volatilidade.................................................................................................................................................................78
3.27 Taxa de dividendos..................................................................................................................................................78
3.28 Tamanho do Passo...................................................................................................................................................79
3.29 Preço do ativo.............................................................................................................................................................79
3.30 Fator Subida...............................................................................................................................................................79
3.31 Tempo...........................................................................................................................................................................80
3.32 Prêmio...........................................................................................................................................................................80
3.33 Quantidade..................................................................................................................................................................80
3.34 Investimento Adicional..........................................................................................................................................81
3.35 Período em dias.........................................................................................................................................................81
3.36 Expansão......................................................................................................................................................................81
3.37 Contração.....................................................................................................................................................................82
3.38 Valor Residual de Contração................................................................................................................................82
3.39 Valor Residual de Abandono................................................................................................................................82
3.40 Preço de Exercício....................................................................................................................................................82
3.41 Valor Inicial.................................................................................................................................................................82
3.42 Valor final....................................................................................................................................................................82
3.43 Divisões........................................................................................................................................................................83
3.44 Taxa de Juros..............................................................................................................................................................83
CAPÍTULO 4 – METODOLOGIA MULTI-ÍNDICE AMPLIADA NO $AVEPI®
4.1 Dimensão Retorno......................................................................................................................................................84
4.2 Dimensão Riscos..........................................................................................................................................................89
4.3 Dimensão Sensibilidades.........................................................................................................................................92
4.4 Relação entre Limites de Elasticidade (LEs) e Valores-Limite (VLs)..................................................103
4.5 Gráficos no $AVEPI®...............................................................................................................................................104
4.6 Relatórios no $AVEPI®...........................................................................................................................................110
CAPÍTULO 5 – CONCEITOS E DEFINIÇÕES PARA A ABORDAGEM ESTOCÁSTICA NO $AVEPI®
5.1 Conceitos de Probabilidade e Estatística Aplicada.....................................................................................112
5.2 Conceitos de Probabilidade e Estatística para a Simulação de Monte Carlo....................................115
5.3 Modelagem Matemática para a Simulação de Monte Carlo – Avaliação do Risco e do
Retorno.......................................................................................................................................................................123
CAPÍTULO 6 – MÓDULOS PARA A ANÁLISE DE RISCO EM PROJETOS DE INVESTIMENTO NO
$AVEPI®
6.1 Submódulos para a Análise de Sensibilidade (AS) no $AVEPI®.............................................................126
6.2 Submódulos para a Análise de Cenários (AC) no $AVEPI®......................................................................128
6.3 Submódulos para a Simulação de Monte Carlo (SMC) no $AVEPI®.....................................................129
REFERÊNCIAS...................................................................................................................................................................131
APÊNDICE A – Atividades Práticas de Engenharia Econômica Desenvolvidas com Suporte do
$AVEPI.................................................................................................................................................................................133
APÊNDICE B - Avaliações de Engenharia Econômica Resolvidas com Suporte do $AVEPI®............162
Agradecimentos: Os autores agradecem particularmente ao Ministério da Ciência, Tecnologia e Invocação
e ao Conselho Nacional de Desenvolvimento Científico e Tecnológico (MCTI/CNPQ – chamada universal
14/2014, processo no 457.473/2014-2) por seu suporte financeiro, o qual financiou parcialmente o
desenvolvimento desse projeto de pesquisa tecnológica, a Fundação Araucária e a Universidade
Tecnológica Federal do Paraná (UTFPR) pela atribuição de bolsas de estudo do Programa Institucional de
Bolsas de Iniciação em Desenvolvimento Tecnológico e Inovação (PIBITI) ao segundo autor. Por fim, vale
ressaltar que o $AVEPI já foi registrado junto ao Instituto Nacional de Propriedade Intelectual (INPI) sob
no BR512018051513-4.
Atenção: O autor empenhou-se para citar adequadamente e atribuir o devido crédito a todos os
detentores dos direitos autorais de qualquer material utilizado na elaboração deste e-book,
dispondo-se a possíveis acertos caso, inadvertidamente, a identificação de algum deles tem sido
emitida.
LISTA DE SIGLAS/ABREVIAÇÕES
SIGLA/ABREVIAÇÃO SIGNIFICADO ADOTADO
$AVEPI® Sistema de Análise de Viabilidade Econômica de Projetos de Investimento
AC Análise de Cenários
AD Árvore de Decisão
AI Análise de Investimento
AOR Análise de Opções Reais
AR Ativos Reais
AS Análise de Sensibilidades
CF Custo Fixo
DFC Diagrama do Fluxo de Caixa
CO&M Custo de Operação e Manutenção
CSLL Contribuição Social sobre o Lucro Líquido
CSS Cascading Style Sheets
CT Custo Total
CVT Custo Variável Total
CVu Custo Variável unitário
EE Engenharia Econômica
FC Fluxo de Caixa
FC0 Fluxo de Caixa inicial ou investimento inicial
FCD/FCDA Fluxo de Caixa Descontado/ Fluxo de Caixa Descontado e Acumulado
GCR Grau de Comprometimento da Receita
IBC Índice Benefício Custo
IL Índice de Liquidez
IR Imposto de Renda
LE Limite de Elasticidade
LGN Lei do Grandes Números
MC Metodologia Clássica/tradicional
MCu Margem de Contribuição unitária
MMI Metodologia Multi-índice
MMIA Metodologia Multi-índice Ampliada
MySQL Structured Query Language
N Horizonte de planejamento/análise (vida útil do projeto)
PHP Hypertext Preprocessor
PI Projeto de Investimento
PVu Preço de Venda unitário
Q Quantidade de vendas
RG Risco de Gestão
RN Risco do Negócio
ROI Retorno sobre o Investimento
ROIA Retorno Adicional sobre o Investimento
RP Recursos Próprios
RT Receita Total
SMC Simulação de Monte Carlo
TCL Teorema Central do Limite
TIR Taxa Interna de Retorno
TIRM Taxa Interna de Retorno Modificada
TMA Taxa Mínima de Atratividade
TOR Teoria das Opções Reais
UTFPR Universidade Tecnológica Federal do Paraná
VAE Valor Anual Equivalente
VE Viabilidade Econômica
VL Valores-Limite
VP Valor Presente
VPL Valor Presente Líquido
VPLA Valor Presente Líquido Anualizado
VR Valor Residual
WACC/CMPC Custo Médio Ponderado do Capital/Weighted Average Cost of Capital
ACB Análise Custo-Benefício
PREFÁCIO/PRÓLOGO
Algum tempo atrás tive a inspiração de escrever um livro sobre a Análise de Investimentos (AI)
em ativos reais. Nesse mesmo momento, também tive ideias concretas quanto à abordagem
temática. Naturalmente, o elevado número de livros já publicados sobre esse tema me deixou
inseguro. Mas, apesar disso, tive a seguinte certeza: até então, não havia um livro que detalhasse
o uso da Metodologia Multi-índice Ampliada (MMIA) via Sistema de Análise de Viabilidade
Econômica de Projetos de Investimento ($AVEPI®) sob as abordagens determinística (Lima et al.,
2015) e estocástica (Lima et al., 2017a; Lima et al., 2018). Assim, estou arriscando a colocar meus
planos em prática. Portanto, o presente livro não pretende repetir o que já foi escrito sobre AI ou
decisão de investimentos de capitais. Nesse livro, utiliza-se a MMIA e as principais funcionalidades
(ferramentas) do aplicativo web $AVEPI® (Lima et al., 2017b; Lima et al., 2021).
A análise de viabilidade econômica (AVE) de Projetos de Investimento (PI) em ativos reais é um
tema de pesquisa coordenado pelo Prof. Dr. José Donizetti de Lima da Universidade Tecnológica
Federal do Paraná (UTFPR) – Campus Pato Branco. Na última década, esse pesquisador tem
procurado desenvolver métodos, técnicas, metodologia (MMIA) e, mais recentemente, uma
ferramenta computacional denominada $AVEPI®, com o intuito de aprimorar esse tipo de análise
e principalmente facilitar o processo de Ensino e Aprendizado (E&A). Esse texto apresenta os
avanços teóricos, computacionais e práticos alcançados nessas pesquisas. A Figura a seguir
apresenta, em ordem cronológica (linha do tempo), as contribuições mais relevantes desse
pesquisador ao tema.
As principais contribuições científicas destas pesquisas foram:

1. Proposição de um novo Payback descontado (PaybackFin) para avaliar investimentos em Ativos
Reais (AR), com uso de financiamento externo à organização proponente do projeto,
contemplando um período de carência (Lima et al., 2013).
2. Proposição de novos métodos/indicadores para promover uma Análise de Sensibilidade (AS)
especial nos principais parâmetros intervenientes no desempenho econômico do Projeto de
Investimento (PI) em AR (custo de oportunidade, custos e receitas, por exemplo) (Lima et al.,
2015). Esta pesquisa recebeu premiação na XXI International Conference on Industrial
Engineering and Operations Management: Research Award Joint Conference (CIO-ICIEOM-IIE),
concedido pela ABEPRO/ADINGOR (2014).
3. Desenvolvimento de uma metodologia para a Análise de Investimentos (AI) em AR (projetos),
denominada MMIA – Metodologia Multi-índice Ampliada, contemplando os principais
métodos/indicadores tradicionais/clássicos de AI e incorporando dezenas de novos
indicadores desenvolvidos, utilizando uma abordagem determinística e/ou estocástica, sendo
que essa última se apoia na Simulação de Monte Carlo – SMC (Lima et al., 2015; Lima et al.,
2017a). A análise conjunta dos indicadores tradicionais e das novas proposições melhoram a
quantidade e qualidade das informações utilizadas para subsidiar o processo de tomada de
decisão acerca da questão de investimento de capitais. A MMIA, além de analisar a expectativa
de retorno e os riscos associados também realiza uma análise de sensibilidade do projeto em
relação às variáveis principais. Isso melhora a percepção dos riscos dos investidores.
4. Construção de um framework que detalha o que deve ser considerado na AI e em que ordem a
mesma deve ser executada para identificar os principais méritos econômicos de um PI (Lima et
al., 2018). Este framework é parcialmente apresentado no Capítulo 1. Vale ressaltar que uma
versão ampliada desse estudo, denominada Framework for Investment Analysis (FIA) está sendo
finalizada e será submetida para avaliação no periódico “The Engineering Economist”.
5. Proposição de novos indicadores para a Análise Custo-Volume-Lucro (ACVL) (Lima et al.,
2018b). Além disso, foi desenvolvida uma metodologia incorporando as Análises de
Sensibilidade (AS) e de Cenários (AC) e a Simulação de Monte Carlo (SMC) na ACVL.
6. Publicação de um capítulo de livro, compartilhando a experiência com o uso do $AVEPI® para

apoiar o processo de ensino e aprendizagem de Engenharia Econômica (Lima et al., 2021).
Além do exposto, as pesquisas desenvolvidas geraram uma contribuição tecnológica social,
o desenvolvimento de uma ferramenta computacional (aplicativo web em linguagem PHP, de
acesso livre, mediante cadastro prévio), denominado $AVEPI – Sistema de Análise de Viabilidade
Econômica de Projeto de Investimento, o qual já incorporou todos os avanços teóricos das
pesquisas realizadas (Lima et al., 2021).
As principais finalidades desse aplicativo são: (i) contribuir com o aprendizado sobre a análise
de viabilidade econômica de PI em ativos reais e capacitar recursos humanos por meio de
ambiente virtual de aprendizagem (autoestudo); (ii) transferir conhecimento científico e
tecnológico para a sociedade (comunidade acadêmica, científica e empresarial); e (iii) facilitar o
processo de avaliação de investimentos nas áreas industriais e agropecuárias. O $AVEPI recebeu
os seguintes prêmios: (i) 6º colocado no prêmio “Projetos Destaque da UTFPR” 2018; (ii) indicação
da UTFPR ao prêmio “Péter Murányi” 2019 na área de Ciência e Tecnologia; (iii) 5º colocado no
prêmio “Projetos Destaque da UTFPR” 2020; (iv) indicação ao prêmio “Masayuki Nakagawa” 2020
pela Associação Brasileira de Custos (ABC); (v) indicação da UTFPR ao prêmio “Péter Murányi”
2021 na área de Educação; e (vi) indicação ao prêmio “Paranaense de Ciência e Tecnologia” 2021
na categoria Engenharias. Além disso, foi publicado recentemente um capítulo de livro pela
ABEPRO no ENCEP 2021 (Lima et al., 2021). Esse capítulo de livro foi desenvolvido como
documento por fazer uma síntese de todos os avanços teóricos e práticos alcançados com o projeto
$AVEPI (Lima et al., 2021). As dificuldades no processo de ensino e aprendizagem foram
acentuadas pela pandemia causada pela COVID-19, exigindo novas alternativas de ensino. Nesse
contexto, o $AVEPI® foi um importante aliado segundo relatos de professores e estudantes de
graduação e pós-graduação que utilizaram essa ferramenta para apoiar o processo de ensino e
aprendizagem de tópicos de Engenharia Econômica (Lima et al., 2021).
A Metodologia Multi-índice Ampliada (MMIA) é uma das mais recentes abordagens de análise
de viabilidade econômica de um Projeto de Investimento (PI) em ativos reais (Lima et al., 2017b;
Lima et al., 2018; Dranka et al., 2018a; Silva et al., 2019; Gularte et al., 2020; Dranka et al., 2020;
Tonial et al., 2020; Tonotto et al., 2020; Maccarini et al., 2020; Vilani e Lima, 2020, Piovesan et al.,
2021; Guares et al., 2021; Lima et al., 2021; Tomazini et al., 2021; Elejalde et al., 2023; Pletsch et
al., 2023; Lima et al., 2023). A MMIA sob a abordagem determinística (Lima et al., 2015), além de
considerar os indicadores de retorno e de riscos da Metodologia Multi-índice (MMI) proposta por
Souza e Clemente (2015), inclui uma Análise de Sensibilidade (AS) especial por meio de Limites
de Elasticidade (LEs) e Valores-Limite (VLs).
O aplicativo computacional web $AVEPI já foi utilizado na avaliação de ativos (projetos)
industriais e agropecuários. Alguns desses projetos estão relatados nas pesquisas publicadas
em: Lima et al. (2016), Ferro et al. (2016), Artuzo et al. (2016), Torrico et al. (2016), Girotto et al.
(2016), Daros et al. (2017), Lizot et al. (2017), Gularte et al. (2017), Lima et al. (2017a), Lima et al.
(2017b), Bernardi et al. (2017), Sieminkoski et al. (2018), Shius et al. (2018), Vieira et al. (2018),
Lima et al. (2018a), Lima et al. (2018b), Limberger e Lima (2018), Dranka et al. (2018a), Dranka
et al. (2018b), Caricimi e Lima (2018), Goffi et al. (2018), Silva et al. (2019), Gularte et al. (2020),
Dranka et al. (2020), Tonial et al. (2020), Tonotto et al. (2020), Maccarini et al. (2020), Pacassa et
al. (2020), Maccarini et al. (2020), Vilani e Lima (2020); Piovesan et al. (2021), Guares et al. (2021)
Lima et al. (2021) e Tomazini et al. (2021), por exemplo. Além disso, podem ser encontrados vários
trabalhos de conclusão de curso de graduação (Facco e Vieira, 2012; Martinazzo, 2014;
Silveira, 2014; Gricolo, 2015; Villa, 2016; Cruz, 2016; Maidana, 2017; Pires, 2017; Machado, 2017;
Mendonça, 2020; Rosa, 2021), pós-graduação lato sensu (Daros, 2016; Artuzo, 2016; Fracalossi
Junior, 2016; Kichel, 2016; Pelozatto, 2018; Restelli, 2018; Limberger, 2018; Menguer, 2018;
Simionato, 2019), dissertações de mestrado acadêmico (Gularte, 2016; Goffi, 2016; Bernardi,
2017; Dvojatzki, 2017; Santos, 2018; Silva, 2019; Vilani, 2020; Guares, 2020; Pletsch, 2020; Petri,
2021; Wolfart, 2022) e teses de doutorado (Maccarini, 2016; Rodrigues, 2018). Essas
publicações podem ser acessadas em: http://pb.utfpr.edu.br/savepi/recursosDidaticos.php.
Para o desenvolvimento do $AVEPI foram utilizados os seguintes recursos humanos: (i)
Coordenador: José Donizetti de Lima; (ii) alunos de iniciação científica e tecnológicas com bolsas
PIBIC/PIBITI via CNPq/Araucária/UTFPR: Luiz Fernando Puttow Southier, Guilherme de Melo
Menegussi, Elza Meira Puppo e Pedro Henrique Viveiros Trentin. Esses alunos também foram
alunos externos do PPGEPS. Atualmente Luiz Fernando Puttow Southier é aluno de doutorado pela
PUC-PR; (iii) Pesquisadores que utilizaram o $AVEPI para apoio ao desenvolvimento de
dissertações e artigos no PPGEPS: José Donizetti de Lima, Marcelo Gonçalves Trentin, Gilson
Adamczuk Oliveira, Dalmarino Setti e Flávio Trojan. Além da UTFPR, as universidades UNOESC,
UNOCHAPECÓ e UMINHO/Portugal têm utilizado o $AVEPI para apoiar o processo de ensino e
aprendizagem de Engenharia Econômica e para subsidiar o desenvolvimento de trabalhos de
conclusão de curso.
Nestes estudos, foram aplicados a Metodologia Multi-índice Ampliada (MMIA) de forma
determinística, de acordo com a proposta por Lima et al. (2015) e/ou a MMIA sob a abordagem
estocástica via Análise de Cenários – AC (Artuzo et al., 2017) ou a Simulação de Monte Carlo – SMC
(Gularte et al., 2017; Lima et al., 2017b; Shius et al., 2018; Lima et al., 2018; Dranka et al., 2018b;
Goffi et al. 2018; Silva et al., 2019; Gularte et al., 2020; Dranka et al., 2020; Tonial et al., 2020;
Tonotto et al., 2020; Maccarini et al., 2020; Pacassa et al., 2020; Maccarini et al., 2020; Vilani e
Lima, 2020; Piovesan et al., 2021; Guares et al. (2021); Lima et al. (2021) e Tomazini et al. (2021),
por exemplo). Contudo, a versão mais recente do $AVEPI permite também a aplicação da Teoria
das Opções Reais (TOR) na AI em ativos reais (Myers, 1977) com o uso dos modelos de Black-
Scholes-Merton (1973) e dos modelos binomiais (lattice) de Cox, Ross e Rubinstein (1979)
(Dranka et al., 2018b; Silva, 2019; Dranka et al., 2020).
O uso do $AVEPI reduziu as dificuldades para a geração de indicadores, gráficos e relatórios
para apoiar o processo de AI em projetos reais. A ferramenta computacional $AVEPI apresenta
a descrição de quais elementos incorporar na análise, os modelos matemáticos envolvidos, a
interpretação e as limitações dos indicadores, técnicas, metodologias e abordagens. O aplicativo
também auxilia no preenchimento dos dados de entrada (input), fornecendo aos usuários uma
descrição dos parâmetros necessários, como buscar essa informação e como informá-la. Além
disso, o $AVEPI pode ser utilizado por quem deseja aprofundar conhecimentos sobre tópicos de
AI em AR, pois disponibiliza diversos materiais-educativos (objetos eletrônicos de aprendizagem)
como e-books, slides, planilhas, vídeos e artigos técnicos-científicos, contribuindo para o acesso à
informação de qualidade e de livre acesso. O $AVEPI possui amplo material de suporte, o qual
pode servir de apoio didático a estudantes, professores, pesquisadores e tomadores de decisão.
O $AVEPI permite a avaliação de uma variedade de PI, tanto de natureza didática quanto
empreendedora, além de fornecer ferramentas auxiliares para a construção de conhecimento
autônomo. Acredita-se que os resultados deste trabalho possam causar impactos em diversos
setores da sociedade. No setor de educação, o $AVEPI pode contribuir para apoiar o processo de
ensino e aprendizagem de AI em AR ou no uso como um recurso didático em aulas de educação
financeira e/ou empreendedorismo, pois contém os principais elementos de matemática
financeira. Por outro lado, no setor empresarial, pode contribuir para a geração de emprego e
renda sustentáveis, auxiliando na aprovação de novos projetos (tradicionais ou inovadores) ou
não recomendando a implementação de projetos que não apresentem viabilidade econômica,
evitando futuras perdas financeiras. Portanto, além de ser uma ferramenta educacional, o
aplicativo pode apoiar a tomada de decisões em PI reais dos setores produtivos industriais e
agropecuárias, independente do porte e do ramo/setor de atuação da empresa.
O aplicativo web $AVEPI foi lançado em 2016 e atualmente possui mais de 1.300 usuários
ativos, com uma média de 5 projetos de investimento (PI) salvos na plataforma on-line para cada
usuário. Essa ferramenta computacional é responsável por mais de 18.000 logins e acima de
50.000 módulos foram utilizados desde o lançamento. Contém mais de 30 artigos científicos
publicados, descrevendo estudos de caso e acima de 20 trabalhos finais de graduação, pós-
graduação sensu lato, dissertação de mestrado e doutorado (Lima et al., 2021). O $AVEPI atende
a demandas da sociedade por conhecimento científico de acesso livre e pronto para ser aplicado
no dia a dia (educacional e/ou empresarial).
Diante do exposto, espera-se que essa publicação auxilie para que o $AVEPI se consolide como
um recurso referencial na AI em AR (projetos) independente do porte e do ramo/setor de atuação
da empresa proponente do empreendimento/projeto. Nesse sentido, este texto busca contribuir
tanto para um melhor entendimento da MMIA via $AVEPI, quanto para a ilustração de sua
aplicabilidade. Portanto, busca-se fomentar a cultura da análise de viabilidade econômica de um
PI em AR de uma forma consistente, ancorada em modernas metodologias analíticas, as quais
incorporem as características da organização e do PI avaliado. Este texto pode ser utilizando como
apoio à construção de conhecimentos nas disciplinas: Engenharia Econômica, Análise/Avaliação
de Investimentos e Análise/Avaliação Econômica de Projetos. É também, leitura recomendada
para profissionais da área de Gestão Econômico-Financeira, como os analistas financeiros.
Frases para refletir:
Em 1942, Robert King Merton escreveu um artigo apresentando várias normas para a ciência. Uma
delas é a "comunalidade": os avanços científicos são produtos de colaboração social e assim,
devem ser acessíveis a toda comunidade.
“A inovação tecnológica só ocorre quando a tecnologia desenvolvida atende a necessidades
ou desejos humanos, isto é, quando ela se incorpora às atividades humanas” (Manual de
OSLO, 2005).
“O caminho real da descoberta não está na procura de passagens novas, mas em possuir
novos olhos” (Marcel Proust).
“Quando temos menos recursos, somos mais criativos” (Malcolm Gladwell).
“Não podemos eliminar os riscos, mas necessitamos conhecê-los e podemos gerenciá-los de
forma inteligente” (Lima, 2021).
Como citar essa publicação?

LIMA, J. D. de; SOUTHIER, L. F. P. Guia prático para usuários do $AVEPI®. Universidade
Tecnológica Federal do Paraná (UTFPR – Campus Pato Branco). Departamento Acadêmico de
Matemática (DAMAT) e Programa de Pós-graduação em Engenharia de Produção e Sistemas
(PPGEPS). 2023. Disponível em: http://pb.utfpr.edu.br/savepi.
Para fins didáticos, é permitida a reprodução total ou parcial deste manual, desde que
citada a fonte e mantida a integridade da informação/ideia!
AVISO IMPORTANTE: Todas as bases de dados (publicações) do e-book estão no seguinte
endereço eletrônico: http://pb.utfpr.edu.br/savepi/recursosdidaticos.
Boa leitura e excelentes práticas!
Prof. Dr. José Donizetti de Lima.
CAPÍTULO 1 – MÉTODOS, TÉCNICAS, METODOLOGIAS E ABORDAGENS DE
ANÁLISE DE INVESTIMENTOS EM ATIVOS REAIS (José Donizetti de Lima)
Todo projeto de investimento (PI) estratégico para uma organização, após receber a aprovação
sob os aspectos técnico, legal, regulatório e de sustentabilidade econômica, social, governança e
ambiental precisa passar por uma robusta análise de viabilidade econômica (AVE) antes de sua
implementação (Lima et al., 2015). Contudo, muitos gestores tomam decisões sobre o negócio sem
respaldo de análises quantitativas, ou seja, não utilizam metodologias ou ferramentas analíticas
para apoio a tomada de decisão. Essa postura pode resultar em uma tomada de decisão equivocada
e com isso expor a organização a riscos desnecessários.
Há uma gama variada de métodos, técnicas e metodologias para avaliar a Viabilidade
Econômica (VE) de um Projeto de Investimento (PI) em ativos reais – AR (Casarotto Filho e
Kopittke, 2020; Souza e Clemente, 2015; Lima et al., 2015; Lima et al., 2017a; Magni, 2020; Souza
e Clemente, 2022). Os principais métodos são: Valor Presente (VP); Valor Presente Líquido (VPL);
Valor Presente Líquido Anualizado (VPLA), também conhecido por Valor Anual Uniformemente
Equivalente (VAUE); Índice Benefício Custo (IBC), também denominado de Índice de Liquidez (IL);
Retorno sobre Investimento (ROI); Retorno Adicional sobre Investimento (ROIA); índice
ROIA/TMA, sendo TMA a Taxa Mínima de Atratividade; Taxa Interna de Retorno (TIR); Taxa
Interna de Retorno Modificada (TIRM); Payback descontado; índice TMA/TIR, índice Payback/N,
sendo N o horizonte de planejamento; PaybackFin, recomendado para PI com financiamento
externo e período de carência; Grau de Comprometimento da Receita (GCR), Risco do Negócio
(RN) e Risco de Gestão (RG) (Souza e Clemente, 2015; Rasoto et al., 2012; Lima et al., 2013; Lima
et al., 2015; Lima et al., 2017a; Souza et al., 2020; Souza e Clemente, 2022).
No que tange às técnicas destacam-se: Análise de Sensibilidade (AS), Análise de Cenários (AC),
Árvore de Decisão (AD) e Simulação de Monte Carlo (SMC). Dentre estas, a SMC é a mais adequada,
contudo, é a de maior complexidade, pois exige maior esforço computacional e conhecimentos de
Probabilidade e Estatística (Correia Neto, 2009; Lima et al., 2017b; Souza et al., 2020; Souza e
Clemente, 2022).
Além dos métodos e técnicas expostos, existem diversas metodologias, as quais utilizam alguns
indicadores ou dimensões agrupando os indicadores (métodos) em conjuntos/grupos. Dentre
estas destacam-se: (i) Metodologia tradicional ou Clássica (MC); (ii) Metodologia Multi-índice
(MMI); (iii) Metodologia Multi-índice Ampliada (MMIA); e (iv) Teoria das Opções Reais (TOR),
também conhecida como Análise de Opções Reais (ROA – Real Analysis Options), com o uso
principalmente do indicador VPL expandido, ou seja: VPLExpandido (Dixit e Pindyck, 1994; Copeland
e Antikarov, 2002; Lima et al., 2015; Dranka et al., 2020; Souza e Clemente, 2022). Uma síntese
comparativa dessas metodologias, com respectivas dimensões e indicadores é apresentada nas
Figuras 1, 2 e 3.
Figura 1 – Metodologias, dimensões e indicadores para a análise de viabilidade econômica
ABORDAGEM/DIMENSÃO INDICADOR MODELO MATEMÁTICO
𝑁
𝐹𝐶𝑗
Valor Presente (VP) 𝑉𝑃 = ∑
(1 + 𝑇𝑀𝐴)𝑗
𝑗=1
𝑁
Valor Presente Líquido 𝐹𝐶𝑗
(VPL3) 𝑉𝑃𝐿 = ∑
𝑗=0
Valor Presente Líquido 𝑉𝑃𝐿 ⋅ 𝑇𝑀𝐴 ⋅ (1 + 𝑇𝑀𝐴)𝑁
Anualizado (VPLA) 𝑉𝑃𝐿𝐴 =
MMI1/MMIA2/RETORNO (1 + 𝑇𝑀𝐴)𝑁 − 1
Índice Benefício Custo (IBC) 𝐹𝐶𝑗
∑𝑁
𝑗=0
ou Índice de Liquidez (IL) (1 + 𝑇𝑀𝐴)𝑗
𝐼𝐵𝐶 =
|𝐹𝐶0 |
Retorno Adicional sobre o 𝑁
Investimento (ROIA) 𝑅𝑂𝐼𝐴 = √𝐼𝐵𝐶 − 1
TIRM4 ou ROI5 𝑇𝐼𝑅𝑀 = (1 + 𝑇𝑀𝐴) ⋅ (1 + 𝑅𝑂𝐼𝐴) − 1
Índice ROIA/TMA6 Í𝑛𝑑𝑖𝑐𝑒 𝑅𝑂𝐼𝐴/𝑇𝑀𝐴 = 𝑅𝑂𝐼𝐴/𝑇𝑀𝐴
𝑃𝑎𝑦𝑏𝑎𝑐𝑘 = 𝑚𝑖𝑛{ 𝑘}, 𝑡𝑎𝑙 𝑞𝑢𝑒:
𝑘
Payback3 𝐹𝐶𝑗
{∑ ≥ |𝐹𝐶0 |}
(1 + 𝑇𝑀𝐴) 𝑗
𝑗=1
MMI1/MMIA2/RISCOS Taxa Interna de Retorno

𝑁
𝐹𝐶𝑗
(TIR3) ∑ =0
(1 + 𝑇𝐼𝑅) 𝑗
𝑗=0
Índice Payback/N Í𝑛𝑑𝑖𝑐𝑒 𝑃𝑎𝑦𝑏𝑎𝑐𝑘/𝑁 = 𝑃𝑎𝑦𝑏𝑎𝑐𝑘/𝑁
Índice TMA/TIR Í𝑛𝑑𝑖𝑐𝑒 𝑇𝑀𝐴/𝑇𝐼𝑅 = 𝑇𝑀𝐴/𝑇𝐼𝑅
TIR
%TMA Δ%TMA = −1
TMA
MMIA2/SENSIBILIDADES: %FC0 Δ%FC0 = IBC − 1
LIMITES DE ELASTICIDADES
(LEs) 1
%FCj (j = 1, 2,…, N) Δ%FCj = 1 −
IBC
VLTMA 𝑉𝐿 𝑇𝑀𝐴 = 𝑇𝑀𝐴 ⋅ (1 + 𝛥%𝑇𝑀𝐴) = 𝑇𝐼𝑅
MMIA2/SENSIBILIDADES: VLFC0 𝑉𝐿𝐹𝐶0 = 𝐹𝐶0 ⋅ (1 + 𝛥%𝐹𝐶0 ) = 𝑉𝑃
VALORES-LIMITES
(VLs) VLFCj (j = 1, 2,…, N) 𝑉𝐿FCj = 𝐹𝐶 ⋅ (1 − 𝛥%𝐹𝐶j )
𝑃(𝑉𝑃𝐿 < 0) =
0
̅̅̅̅̅̅ 2
Probabilidade – P(VPL < 0)7 ̅̅̅̅̅̅ + 5 ∙ 𝑆𝑉𝑃𝐿
𝑉𝑃𝐿 1 1 𝑘−𝑉𝑃𝐿
− ⋅( )
∑ ( )⋅ ⋅ 𝑒 2 𝑆𝑉𝑃𝐿
10,000 𝑆𝑉𝑃𝐿 ⋅ √2𝜋
̅̅̅̅̅̅ −5∙𝑆𝑉𝑃𝐿
𝑘=𝑉𝑃𝐿
SIMULAÇÃO DE MONTE CARLO Valor em Risco – VaR5%8 𝑉𝑎𝑅5% (𝑉𝑃𝐿) = 𝑉𝑃𝐿 + 𝑍5% ⋅ 𝑆𝑉𝑃𝐿 ≅ 𝑋5%
(SMC)
VaR Condicional – CVaR5%9 𝐶𝑉𝑎𝑅5% (𝑉𝑃𝐿) = 𝑚é𝑑𝑖𝑎 𝑑𝑜𝑠 VPLs, tal que:
VPL < 𝑉𝑎𝑅5%
Teoria das Opções Reais (TOR) Valor da Opção Real (VOR)
VOR = VPLExpandido – VPLTraditional
Fonte: Adaptado de Guares, Lima e Oliveira (2021) e Dranka et al. (2021).
Legenda: 1Metodologia multi-índice proposta por Souza e Clemente (2008). 2Metodologia multi-índice ampliada proposta por Lima et al. (2015).
3Indicadores tradicionais da metodologia classica (Casarotto Filho e Kopittke, 2020). 4Taxa interna de retorno modificada (Casarotto Filho e
Kopittke, 2020). 5Retorno sobre o investimento (Casarotto Filho e Kopittke, 2020). 6Taxa mínima de atratividade (Casarotto Filho e Kopittke, 2020;
Souza et al., 2020). 7Probabilidade de insucesso financeiro mensurado pelos VPLs resultante da SMC (Lima et al., 2017). 8Valor em Risco (VaR –
Value at Risk) ao nível de 5% (Morgan, 1984). 9Valor em risco condicional (CVaR – Conditional Value at Risk) ao nível de 5% (Rockafellar e Uryasev,
2000 e 2002). FC: Fluxo de caixa; : variaçao; j: período; N: horizonte de planejamento. Z: distribuiçao normal padrao: N(0, 1); 𝑉𝑃𝐿: VPL medio
obtido numericamente por meio da SMC; 𝑆𝑉𝑃𝐿 : desvio-padrao obtido via SMC; X e uma variavel aleatoria tal que 𝑋~𝑁(𝑉𝑃𝐿, 𝑆𝑉𝑃𝐿 2
).
Figura 2 – Análise comparativa de metodologias para avaliar a viabilidade econômica de projetos de investimento em ativos reais
METODOLOGIA DIMENSÕES E INDICADORES
Metodologia Indicadores: VPL, TIR e/ou Payback.
Clássica (MC) O risco é incorporado por meio de um spread sobre a TMA.
Indicadores da dimensão retorno: VPL, VPLA, IBC, ROIA e índice
Metodologia ROIA/TMA.
Multi-índice (MMI) Indicadores da dimensão riscos: Índices Payback/N, TMA/TIR, GCR,
RN e RG.
Indicadores da dimensão retorno: VPL, VPLA, IBC, ROIA e índice
Metodologia ROIA/TMA.
Multi-índice Ampliada (MMIA) Indicadores da dimensão riscos: Índices Payback/N (ou
PaybackFin/N), TMA/TIR, GCR, RN e RG.
Indicadores da dimensão sensibilidades: %TMA, %FC0, %FCj...
Figura 3 – Síntese comparativa entre as principais metodologias de análise de investimentos
METODOLOGIA DIMENSÕES E INDICADORES REFERÊNCIAS
VPL, TIR e/ou Payback Casarotto Filho e
Metodologia
O risco é avaliado por meio de um spread sobre a Kopittke (2020); Souza e
Clássica (MC)
TMA Clemente (2022)
Retorno: VP, VPL, VPLA, IBC, ROIA e índice Souza e Clemente (2008)
Metodologia ROIA/TMA Souza e Clemente (2022)
Multi-índice (MMI) Riscos: TIR, Payback, índices TMA/TIR,
Payback/N, GCR, RN e RG
Retorno: VP, VPL, VPLA, IBC, ROIA, índice Lima et al. (2013)
ROIA/TMA Lima et al. (2015)
Metodologia Riscos: TIR, Payback (ou PaybackFin), índices Lima et al. (2017)
Multi-índice Ampliada (MMIA) TMA/TIR, Payback/N (ou PaybackFin/N), GCR, RN Lima et al. (2018)
e RG Lima et al. (2021)
Sensibilidades: %TMA, %FC0, %FCj...
Teoria das Dixit e Pindyck (1994);
VPLexpandido
Opções Reais (TOR) Copeland e Antikarov
(2002)
A Taxa Mínima de Atratividade (TMA) é o percentual mínimo de retorno do investimento que

a organização definir (Casarotto Filho e Kopittke, 2020), ou seja, o retorno mínimo exigido pelo
empreendedor. Souza e Clemente (2015) recomendam adotar uma taxa quase livre de risco como
TMA, a qual será utilizada para descontar o Fluxo de Caixa (FC) projetado. A TMA é um parâmetro
essencial para verificar a viabilidade econômica de um PI, pois quase todos os indicadores são
dependentes do seu valor. A TIR é o único indicador que não depende da TMA. Contudo, após a
determinação da TIR, costuma-se confrontar a TIR com a TMA para verificar o nível de
atratividade financeira do investimento (Lima et al., 2015).
A Metodologia Clássica (MC) considera um prêmio pelo risco. Para isto, incorpora um acréscimo
(spread) sobre a TMA (Souza e Clemente, 2015). Em outras palavras, o risco é expresso como uma
sobretaxa sobre a taxa de desconto (TMA). Assim, se o PI for aprovado compensará o risco. Se VPL
> 0 e/ou TIR > TMA e/ou Payback < N, então a MC recomenda a implementação do PI em estudo.
Contudo, o principal problema reside na determinação da magnitude do spread.
Segundo Souza et al. (2020), a essência da Metodologia Multi-índice (MIM), proposta

inicialmente por Souza e Clemente (2008), consiste em: (i) não incorporar o prêmio pelo risco
como um spread na Taxa Mínima de Atratividade (TMA); (ii) expressar a rentabilidade do projeto
por meio de retorno adicionado resultante do investimento (retorno sobre ativos de investimento
– ROIA) como um retorno adicional além do que seria recebido pela aplicação de capital em títulos
de baixo risco; e (iii) comparar os ganhos esperados com os riscos percebidos de cada projeto.
A Metodologia Multi-índice (MMI) utiliza uma série de indicadores divididos em 2 dimensões

(ou categorias), a saber: (i) um conjunto com indicadores de retorno, composto por: VP, VPL,
VPLA, IBC, ROIA e índice ROIA/TMA; e (ii) um outro grupo com índices de riscos, constituídos por:
Payback/N, TMA/TIR, GCR, RG e RN (Souza e Clemente, 2015). Na literatura recente, a
Metodologia Multi-índice (MIM) tem sido aplicada em vários estudos, principalmente em
processos de tomada de decisão em planos de negócios (Harzer et al., 2016; Bendlin et al., 2017;
Strapasson et al., 2018).
A Metodologia Multi-índice Ampliada (MMIA) adiciona a MMI índices para realizar um tipo
especial de Análise de Sensibilidade (AS) sobre os principais parâmetros intervenientes no
desempenho econômico do PI em estudo. Assim, a MMIA utiliza uma série de indicadores divididos
em 3 dimensões (ou categorias), a saber: (i) um conjunto com indicadores de retorno, composto
por: VP, VPL, VPLA, IBC, ROIA e índice ROIA/TMA (Souza e Clemente, 2015); (ii) um outro grupo
com índices de riscos, constituídos por: Payback/N (ou PaybackFin/N), TMA/TIR, GCR, RG e RN
(Lima et al., 2013; Souza e Clemente, 2015); e (iii) um terceiro agrupamento de índices para
promover uma AS e melhorar a percepção de riscos com destaques para: %TMA, %FCo e
%FCj, por exemplo (Lima et al., 2015).
A MMI e a MMIA descartam o conceito de prêmio pelo risco. Contudo, para auxiliar os riscos
utiliza-se os índices Payback/N (ou PaybackFin/N), TMA/TIR, GCR, RG e RN (Souza e Clemente,
2015; Lima et al., 2013; Lima et al., 2015). Além disso, podem fazer uso da técnica de SMC, se assim
for necessário (Lima et al., 2017a).
Na MMI e na MMIA, se VPL > 0, TIR > TMA e Payback < N, então é necessário continuar
analisando o projeto (ao contrário da MC, a qual já recomendaria a implementação). Isso força o
responsável pela tomada de decisão a confrontar o retorno esperado com os riscos associados
a decisão de investir (Souza e Clemente, 2015; Lima et al., 2015; Lima et al., 2017a).
Observa-se que a MMIA incorpora todos os indicadores da MC e da MMI. Assim, a escolha da

abordagem de avaliação fica entre a MMIA, SMC e TOR (Dranka et al., 2020; Guares et al., 2021).
Essa escolha depende da natureza e das características do projeto (ABNT NBR 14653-4:2002).
Estas três metodologias estão implementadas no aplicativo web $AVEPI (Sistema de Análise
da Viabilidade Econômica de Projetos de Investimento), o qual é de livre acesso, mediante
cadastro prévio (Lima et al., 2017b; Lima et al., 2021). Portanto, o $AVEPI já incorpora a MMIA,
mas pode ser utilizado por quem deseja fazer a análise de viabilidade econômica de um PI em
ativos reais usando a MC ou a MMI. Na literatura atual, aplicações da Metodologia Multi-índice
Expandida (MMIA) por meio do $AVEPI estão relatadas em vários estudos de caso (Gularte et al.,
2017; Caricimi e Lima, 2018; Dranka et al., 2018; Goffi et al., 2018; Silva et al., 2019; Dranka et al.,
2020; Gularte et al., 2020; Tonial et al., 2020; Tonotto et al., 2020; Maccarini et al., 2020, Guares et
al. 2021; Lima et al., 2021; e Tomazini et al., 2021, por exemplo).
A Análise de Investimentos (AI) em ativos reais é um problema complexo devido à natureza

probabilística/estocástica da maioria dos parâmetros que interferem nos méritos econômicos de
um projeto/empreendimento (Lima et al., 2017a). Um problema de AI em ativos reais pode ser
abordado sob as formas determinística e estocástica. Em suma:
▪ Abordagem determinística: todos os parâmetros de entrada (input) são constantes (ou certos
ou fixos ou inalteráveis ou estáveis ou inflexíveis ou imutáveis).
▪ Abordagem estocástica: alguns (ou todos) os parâmetros de entrada (input) são regidos por
leis probabilísticas seguindo determinada distribuição de probabilidades. Assim, a abordagem
estocástica considera a aleatoriedade presente nos parâmetros de entrada (input) por meio de
funções de distribuição de probabilidades. Neste contexto, Lima et al. (2017a) recomendam a
aplicação da técnica de Simulação de Monte Carlo (SMC). O $AVEPI também disponibiliza a
SMC (Lima et al., 2021).
1.1 Metodologia Multi-índice Ampliada
A Metodologia Multi-índice Ampliada (MMIA), sob a abordagem determinística (Lima et al.,

2015), avalia um PI em ativos reais observando as dimensões retorno, riscos e sensibilidades. A
Figura 4 apresenta as três dimensões e os respectivos indicadores da MMIA. Para isto, considera
como valores, para os diversos parâmetros de entrada (inputs), os valores médios (ou mais
prováveis). Por outro lado, na abordagem estocástica (Lima et al., 2017a), a qual também utiliza
as mesmas três dimensões, é utilizada a Simulação de Monte Carlo (SMC), respeitando as
características de cada parâmetro, o qual pode ser um valor determinístico ou uma variável
aleatória, seguindo determinada distribuição de probabilidades. Neste último caso, é preciso
identificar uma distribuição de probabilidades adequada e estimar os respectivos parâmetros
para cada variável estocástica (Correia Neto, 2009; Lima et al., 2017a).
Figura 4 – Dimensões e indicadores da metodologia multi-índice ampliada

DIMENSÃO/Dimension INDICADORES/Indicators
Retorno/Return (Souza e Clemente, 2008) VP, VPL, VPLA, IBC, ROIA e índice ROIA/TMA
Riscos/Risks (Souza e Clemente, 2008) Payback (ou PaybackFin de Lima et al., 2013), TIR, Índices
Payback/N (PaybackFin/N), TMA/TIR, GCR, RN e RG
Sensibilidades/Sensibilites (Lima et al., 2015) %TMA, %FC0, %FCj...
A Análise de Sensibilidade (AS), proposta por Lima et al. (2015), utiliza Limites de Elasticidade
(LEs) e Valores-Limite (VLs), os quais são detalhados na Figura 5. Para realizar a classificação, em
um determinado nível (ou grau) e promover o confronto entre as dimensões retorno, riscos e
sensibilidades, Lima et al. (2015; 2017a; 2021) sugerem utilizar a escala apresentada na Figura 6.
Figura 5 – Dimensão sensibilidades: Limites de Elasticidades (LEs) e Valores-Limite (VLs)

Dimensão Parâmetro Limites de Elasticidade (LEs) Valores-Limite (VLs)
TMA %TMA TIR
FC0 %FC0 VP
FC %FC FC*(1 – %FC)
Q %Q Q*(1 – %Q)
Sensibilidades PVu %PVu PVu*(1 – %PVu)
CVu %CVu CVu*(1 + %CVu)
CF %CF CF*(1 + %CF)
VR %VR VR*(1 – %VR)
TMA %TMA TIR
Figura 6 – Escala proposta para avaliar as dimensões da MMIA: retorno, riscos e sensibilidades
Dimensão Índice Baixo (Low) Médio (Medium) Alto (High)
(Dimension) (Index) < 33,33% de 33,33% a 66,66% > 66,66%
Retorno ROIA/TMA
(Return) (ROIA/MARR)
Payback/N
(Payback/N)
Riscos TMA/TIR
(Risks) (MARR/IRR)
GCR
RG
RN
Dimensão Índice Alta (High) Média (Medium) Baixa (Low)
%TMA
(%MARR)
Sensibilidades %FC0
(Sensitivities) (%CF 0)
%FCj
(%CFj)
1.2 Uso de Limites de Elasticidade e Valores-Limite na análise de riscos em projetos de
investimento em ativos reais: uma análise de sensibilidade especial
As decisões de investimento são feitas com bases em estimativas do comportamento futuro dos
componentes do PI. Embora com base em plano estruturado e detalhado, reunindo um conjunto
de informações sobre o transcurso do empreendimento, há incertezas e riscos associados a
decisão (Harzer, 2015).
De acordo com Gomes (2013), os aspectos de incertezas e de riscos são fatores que devem ser
incorporados na análise de viabilidade econômica de um PI em AR. Segundo este autor, estes
fatores, em geral, são decorrentes da economia, da legislação, do setor de atuação e da
concorrência da organização. A Figura 7 destaca os principais fatores que conduzem à incerteza
durante a execução de um PI (Pamplona e Montevechi, 2006).
Figura 7 – Fatores que levam à incerteza ao longo do ciclo de vida de um empreendimento

MERCADOLÓGICOS TÉCNICOS ECONÔMICOS FINANCEIROS OUTROS
▪ Oferta subdimensionada. ▪ Inadequabilidade do ▪ Aumento dos preços ▪ Insuficiência de capital ▪ Fatores Políticos.
▪ Demanda superestimada. processo utilizado. das matérias-primas. de giro. ▪ Fatores
▪ Dimensionamento ▪ Inadequabilidade das ▪ Inflação. ▪ Falta de capacidade de Institucionais.
incorreto. matérias-primas. ▪ Aumento de taxas de pagamento. ▪ Greve
▪ Alteração dos produtos e ▪ Inadequabilidade da juros. ▪ Necessidade de novos
subprodutos. tecnologia empregada. ▪ Restrição de linhas de investimentos.
crédito.
Fonte: Adaptado de Pamplona e Montevechi (2006).
Lima et al. (2015) contribuíram para a análise de viabilidade econômica de um PI ao organizar,

amparado pela literatura, os principais indicadores de retorno e riscos associados ao PI e propor
índices para a Análise de Sensibilidade (AS). Estes índices determinam a variação máxima para a
TMA, para os custos estimados e para as receitas esperadas para o PI em análise, antes da
ocorrência da inviabilidade econômica. Para a cálculo dos índices de AS propostos por estes
autores, utiliza-se como base o Índice Benefício Custo (IBC), a Taxa Interna de Retorno (TIR) e a
Taxa Mínima de Atratividade (TMA).
A abordagem proposta por Lima et al. (2015) difere do tratamento tradicional de AS. Na
abordagem tradicional (ou clássica), promove-se alteração (para mais e para menos) em um dos
parâmetros (TMA, Custos e/ou Receitas, por exemplo) e avalia-se o impacto desta variação no
resultado econômico (VPL ou TIR, por exemplo). Por outro lado, Lima et al. (2015) identificaram
Limites de Elasticidade – LEs (máxima variabilidade tolerada), que mantém o PI
economicamente viável ou o torna viável sob essa ótica, para as principais variáveis intervenientes
(TMA, Custos e Receitas, por exemplo), inclusive trabalhando com a combinação de duas ou três
destas variáveis de forma concomitantemente. A Figura 8 apresenta estes índices, destacando a
fórmula de cálculo (modelo matemático), os dados necessários (input) para o cômputo e a
interpretação (se viável).
Figura 8 – Limites de Elasticidade (LEs) para a avaliação de riscos em PI em ativos reais
Limites de Modelo
Input INTERPRETAÇÃO (SE VIÁVEL)
Elasticidade (LEs) matemático
TIR Aumento máximo admitido à TMA utilizada, antes de inviabilizar economicamente o Projeto
a = ΔTMA a = TIR/TMA – 1 e de Investimento (PI) em estudo. Os demais parâmetros (Custos e Receitas, por exemplo) são
TMA mantidos constantes.
Aumento máximo nos Custos (C) estimados, antes de inviabilizar economicamente o PI em
b = ΔC b = IBC – 1 IBC
estudo. Os demais parâmetros (TMA e Receitas, por exemplo) são mantidos constantes.
Redução máxima nas Receitas (R) esperadas, antes de inviabilizar economicamente PI em
c = ΔR c = 1 – 1/IBC IBC
estudo. Os demais parâmetros (TMA e Custos, por exemplo) são mantidos constantes.
TIR, Aumento máximo na TMA utilizada e nos Custos (C) estimados, de forma concomitantemente,
d = Δ(TMA e C) d = (a*b) / (a+b) TMA antes de inviabilizar economicamente o PI em estudo. Os demais parâmetros são mantidos
e IBC constantes.
TIR, Aumento máximo na TMA utilizada e redução máxima nas Receitas (R) esperadas, de forma
e = Δ(TMA e R) e = (a*c) / (a+c) TMA concomitantemente, antes de inviabilizar economicamente o PI em estudo. Os demais
e IBC parâmetros são mantidos constantes.
Aumento máximo nos Custos (C) estimados e redução máxima nas Receitas (R) esperadas, de
f = Δ(C e R) f = (b*c) / (b+c) IBC forma concomitantemente, antes de inviabilizar economicamente o PI em estudo. Os demais
parâmetros são mantidos constantes.
TIR, Aumento máximo na TMA utilizada, nos Custos (C) estimados e redução máxima nas Receitas
g = (a*b*c) /
g = Δ(TMA e C e R) TMA (R) esperadas, de forma concomitantemente, antes de inviabilizar economicamente o PI em
(a*b + a*c + b*c)
e IBC estudo. Os demais parâmetros são mantidos constantes.
Fonte: Adaptado de Lima et al. (2015).
Notas:
1. Todos os indicadores, sejam de retorno, de riscos ou de sensibilidades, são complementares,

isto é, operam/trabalham em conjunto. Em outras palavras, produzem informações
diferentes e que devem ser consideradas de forma sistêmica para melhor subsidiar o
processo de tomada de decisão acerca da questão de investimento em análise.
2. Após o cálculo dos indicadores, é necessário saber como utilizar cada informação, ou seja, todas
as informações devem ser cuidadosamente analisadas (HOJI, 2014).
3. Os LEs e VLs oportunizam uma VISÃO MAIS ABRANGENTE DOS RISCOS. Com o cálculo da
variação percentual (%) é possível identificar o(s) limite(s) inferior(es) e/ou
superior(es). Por exemplo, busca-se identificar o limite para variações no preço
pago/oferecido ao mercado. Se for preciso, pode-se reduzir o preço de venda, mas não inferior
a %PVuj (desde que mantido constante os demais parâmetros). Os LEs e VLs permitem
entender melhor a vulnerabilidade do PI.
4. Os LEs identificam os fatores mais críticos, os quais necessitam de ações de monitoramento e

correções de desvios (definições do que fazer em cada caso). Mais especificamente, busca-se:
(i) identificar os principais fatores críticos de insucessos econômicos do PI; (ii) estabelecer uma
dinâmica de monitoramento (ações de acompanhamentos) que possibilite ação rápida e eficaz
para solucionar os problemas de desvios dos valores projetados; e (iii) definições de correções
de curso.
5. Se o PI for implementado, então podemos utilizar o diagnóstico realizado via LEs para realizar
o monitoramento e controle e fazer o confronto entre o planejado e o realizado. Além
disso, é importante a definição de um conjunto de ações de acompanhamento e atuação, as
quais devem ser implementadas tão logo ocorra desvios dos valores projetados.
6. Todas as previsões realizadas estão sujeitas a algum grau de risco. Assim, essas
informações podem ser utilizadas para o processo de tomada de decisão e para o
monitoramento e controle durante a implementação do projeto aprovado.
7. Recomenda-se priorizar esforços nos fatores mais críticos apontados pelos LEs, isto é,
dedicar uma maior atenção àqueles parâmetros com menor LEs.
8. 1%/LEs: identifica o quanto cada parâmetro afeta o desempenho econômico (VPL, por
exemplo).
9. A cada 1% de variação (aumento ou queda) em um parâmetro por vez implica em x% de

redução no VPL.
10. A partir desses LEs e VLs, a organização proponente do PI pode elaborar estratégias de
gestão para as variáveis que apresentam maior sensibilidade, respeitando as características do
setor/ramo/atividade.
11. Exemplo ilustrativo: Um PI mantém-se economicamente viável  Qj  7.790 unidades

físicas OU Qj  9.123 unidades físicas e PVuj  9,12 unidades monetárias (reais) OU...
𝑃𝐼 𝑚𝑎𝑛𝑡é𝑚 − 𝑠𝑒 𝑒𝑐𝑜𝑛𝑜𝑚𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑒 𝑣𝑖á𝑣𝑒l

𝑄𝑗 ≥ 7.790 𝑜𝑢 𝑃𝑉𝑢𝑗 ≥ 8,67𝑜𝑢 𝐶𝑉𝑢𝑗 ≤ 5,33 𝑜𝑢 𝑀𝐶𝑢𝑗 ≥ 4,67 𝑜𝑢
⇔ {𝑄𝑗 ≥ 9.303 𝑒 𝑃𝑉𝑢𝑗 ≥ 9,30 𝑒 𝐶𝑉𝑢𝑗 ≤ 4,28𝑜𝑢
...
12. A partir dos LEs é possível identificar as quantias limites/limiar (inferior ou superior).
▪ Por exemplo: VLQ = Q(1–%Qj) = 10,000(1–22.10%) = 7.790 (limite inferior de vendas).

Esse resultado pode ser utilizado no monitoramento e controle: Qj  VLQ = 7.790.
▪ O PI permanece economicamente viável  Qj  VLQ = 7.790 unidades ou Qj  9.123

unidades e PVuj  $ 9.12 ou...
1.3 Índice Benefício Custo
O critério econômico Índice Benefício Custo (IBC) ou Índice de liquidez (IL) busca mensurar o
retorno gerado pelo Projeto de Investimento (PI) em estudo, para cada unidade monetária
investida (Souza e Clemente, 2015; Rasoto et al., 2012; Souza e Clemente, 2022). Contudo, o IBC
não deixa explícito o que considerar como custo (ou investimento).
Neste sentido, Franco e Galli (2007), Correia Neto (2009) e Casarotto Filho e Kopittke (2020),
consideram como custos somente o investimento inicial, ou seja, o fluxo de caixa inicial (FC0).
Neste caso, a fórmula de cômputo do IBC pode ser expressa pela Equação I:
|𝐹𝐶0 |+𝑉𝑃𝐿
𝐼𝐵𝐶1 = (I)
|𝐹𝐶0 |
Na qual, VPL é o Valor Presente Líquido e |FC0| é o módulo do investimento inicial. Demais
parâmetros como definidos anteriormente.
Por outro lado, vários autores (Souza e Clemente, 2015; Rasoto et al., 2012, Lima et al., 2013;
Lima et al., 2015; Lima et al., 2015 por exemplo) consideram como custo, além do investimento
inicial (FC0), os Custos de Operação e/ou Manutenção (CO&M) do projeto. Neste caso, a fórmula
de cômputo do IBC pode ser expressa pela Equação II:
𝑉𝑃(𝐵) |𝐹𝐶0 |+𝑉𝑃𝐿
𝐼𝐵𝐶2 = 𝑉𝑃(𝐶) = |𝐶𝑂&𝑀𝑗 | (II)
|𝐹𝐶0 |+∑𝑛
𝑗=1 (1+𝑇𝑀𝐴)𝑗
Na qual, CO&Mj é o Custo de Operação e/ou Manutenção do projeto, TMA é a Taxa Mínima de
Atratividade, VP(B) é o Valor Presente dos Benefícios e VP(C) é o Valor Presente dos Custos.
Demais parâmetros como definidos anteriormente.
É claro que estas duas formas de cômputo geram diferentes resultados. Contudo, é possível
atribuir uma interpretação econômica para cada um dos IBCs apresentados. No primeiro caso, o
IBC representa o retorno propiciado pelo PI para cada unidade monetária dispendida como
investimento inicial. Por outro lado, o segundo caso, oferece o retorno por cada unidade investida
no projeto, considerando o investimento inicial e os investimentos realizados ao longo do
desenvolvimento do PI (custos de operação e/ou manutenção) em estudo.
Sugestão de leitura complementar sobre esse tema: Magni (2020, pág. 468-469). Referência:
MAGNI, Carlo Alberto. Investment decisions and the logic of valuation: linking finance,
accounting, and engineering. Cham, Switzerland, Springer Nature, 2020, 738p. DOI:
https://doi.org/10.1007/978-3-030-27662-1.
Exemplo ilustrativo 01: Observe o Projeto de Investimento (PI) representado nos diagrama do
Fluxo de Caixa (FC) a seguir.
|FC0| R$ 100.000,00
VP R$ 121.306,49
VPL R$ 21.306,49
VPLA R$ 3.617,87
IBC1 1,2131
ROIA 1,95%
Índice ROIA/TMA 17,73%
𝑉𝑃𝐿 + |𝐹𝐶0 | 21.306,49 + 100.000,00

𝐼𝐵𝐶1 = = = 1,2131
|𝐹𝐶0 | 100.000,00
|FC0| R$ 100.000,00
VP(B) R$ 180.198,81
VP(C) R$ 58.892,32
VP R$ 121.306,49
VPL R$ 21.306,49
VPLA R$ 3.617,87
IBC2 1,1341
ROIA 1,27%
Índice ROIA/TMA 11,51%
𝑉𝑃(𝐵) 𝑉𝑃𝐿 + |𝐹𝐶0 | 21.306,49 + 100.000,00

𝐼𝐵𝐶2 = = = = 1,1341
𝑉𝑃(𝐶) 𝑁 |𝐶𝑂&𝑀𝑗 | 100.000,00 + 58.892,32
|𝐹𝐶0 | + ∑𝑗=1
Diante do exposto, constamos que a literatura apresenta duas formas de cálculo para o Índice
Benefício Custo (IBC), como destacam as Equações (I) e (II), as quais são nomeadas de IBC1 e IBC2
(Correia Neto, 2009; Rasoto et al., 2012; Lima et al., 2013; Souza e Clemente, 2015; Casarotto Filho
e Kopittke, 2020). Neste contexto, a utilização de um ou outro IBC tem influência direta nos
resultados dos índices de AS propostos por Lima et al. (2015) e consequentemente na
interpretação.
𝑄𝑗 ⋅𝑃𝑉𝑢𝑗 𝑄𝑗 ⋅|𝐶𝑉𝑢𝑗 | |𝐶𝐹𝑗 | 𝑉𝑅
∑𝑛
𝑗=1 −∑𝑛 𝑛
𝑗=1(1+𝑇𝑀𝐴)𝑗 − ∑𝑗=1(1+𝑇𝑀𝐴)𝑗 +(1+𝑇𝑀𝐴)𝑁
|𝐹𝐶0 |+𝑉𝑃𝐿𝐸𝑠𝑡á𝑡𝑖𝑐𝑜 (1+𝑇𝑀𝐴)𝑗
𝐼𝐵𝐶1 = = (I)
|𝐹𝐶0 | |𝐹𝐶0 |
𝑄𝑗 ⋅𝑃𝑉𝑢𝑗 𝑉𝑅
∑𝑛
𝑗=1 +
𝑉𝑃(𝐵) (1+𝑇𝑀𝐴)𝑗 (1+𝑇𝑀𝐴)𝑁
𝐼𝐵𝐶2 = = 𝑄𝑗 ⋅|𝐶𝑉𝑢𝑗 | |𝐶𝐹𝑗 | (II)
𝑉𝑃(𝐶) |𝐹𝐶0 |+∑𝑛 𝑛
𝑗=1(1+𝑇𝑀𝐴)𝑗 + ∑𝑗=1(1+𝑇𝑀𝐴)𝑗
Em que:
TMA: Taxa Mínima de Atratividade (ou Custo do Capital ou Custo de Oportunidade);
N: Horizonte de planejamento ou horizonte de análise ou vida útil do PI;
|FC0|: Módulo (ou valor absoluto) do Fluxo de Caixa inicial (ou custo de implementação do PI);
VPLEstatíco: Valor Presente Líquido (estático ou determinístico ou mais provável);
Qj: Quantidade de vendas estimada para o período j;
PVuj: Preço de Venda unitário esperado para o período j;
|CVuj|: Módulo (ou valor absoluto) do Custo Variável unitário estimado para o período j;
|CFj|: Módulo (ou valor absoluto) do Custo Fixo estimado para o período j; e
VR: Valor Residual (ou valor de revenda ou valor do ativo).
Os preços unitários dos produtos e dos insumos de produção, assim como as quantidades de
vendas, por exemplo, em geral, são diferentes dos valores estimados. Além disso, o total de
investimentos necessário para a implementação do PI pode ser maior que o valor orçado (Gomes,
2013). Neste contexto, a medida em que os dados de entrada (TMA, custos e receitas, por exemplo)
se alterem, os resultados esperados (VPL ou TIR, por exemplo) do PI são modificados (Souza e
Clemente, 2015; Correia Neto, 2009).
Diante da lacuna exposta, Lima et al. (2017a), Lima et al. (2017b) e Lima et al. (2018b)
desenvolveram novos índices para promover uma Análise de Sensibilidade (AS) sobre os
parâmetros relevantes no desempenho econômico de um PI, tais como: Quantidade de vendas (Q),
Preço de Venda unitário (PVu), Custo Variável unitário (CVu), Margem de Contribuição unitária
(MCu), Custo Fixo (CF) e Valor Residual ou valor de revenda ou valor do ativo (VR). Estes índices
e interpretações são apresentados na sequência.
𝑇𝐼𝑅
𝛥%𝑇𝑀𝐴(𝑚á𝑥↑ 𝑜𝑢 𝑚í𝑛↓ )∗ = 𝑎 = −1
𝑇𝑀𝐴
∗
𝛥%𝐹𝐶0 (𝑚á𝑥↑ 𝑜𝑢 𝑚í𝑛↓ ) = 𝑏 = 𝐼𝐵𝐶1 − 1
1
𝛥%𝐹𝐶𝑗 (𝑚á𝑥↓ 𝑜𝑢 𝑚í𝑛↑ )∗ = 𝑐 = 1 −
𝐼𝐵𝐶1
𝑎⋅𝑏
𝑃𝑎𝑟𝑎 𝑜 𝐼𝐵𝐶1 : 𝛥%𝑇𝑀𝐴 ∩ 𝐹𝐶0 = 𝑑 = 𝑎+𝑏 (III)
𝑎⋅𝑐
𝛥%𝑇𝑀𝐴 ∩ 𝐹𝐶𝑗 = 𝑒 =
𝑎+𝑐
𝑏⋅𝑐
𝛥%𝐹𝐶0 ∩ 𝐹𝐶𝑗 = 𝑓 =
𝑏+𝑐
𝑎⋅𝑏⋅𝑐
{𝛥%𝑇𝑀𝐴 ∩ 𝐹𝐶0 ∩ 𝐹𝐶𝑗 = 𝑔 = 𝑎⋅𝑏+𝑎⋅𝑐+𝑏⋅𝑐
𝑇𝐼𝑅
𝛥%𝑇𝑀𝐴(𝑚á𝑥↑ 𝑜𝑢 𝑚í𝑛↓ )∗ = 𝑎 = −1
𝑇𝑀𝐴
∗
𝛥%𝐶𝑇𝑗 (𝑚á𝑥↑ 𝑜𝑢 𝑚í𝑛↓ ) = ℎ = 𝐼𝐵𝐶2 − 1
1
𝛥%𝑅𝑇𝑗 (𝑚á𝑥↓ 𝑜𝑢 𝑚í𝑛↑ )∗ = 𝑖 = 1 −
𝐼𝐵𝐶2
𝑎⋅ℎ
𝑃𝑎𝑟𝑎 𝑜 𝐼𝐵𝐶2 : 𝛥%𝑇𝑀𝐴 ∩ 𝐶𝑇𝑗 = 𝑘 = 𝑎+ℎ (IV)
𝑎⋅𝑖
𝛥%𝑇𝑀𝐴 ∩ 𝑅𝑇𝑗 = 𝑙 =
𝑎+𝑖
ℎ⋅𝑖
𝛥%𝐶𝑇𝑗 ∩ 𝑅𝑇𝑗 = 𝑚 =
ℎ+𝑖
𝑎⋅ℎ⋅𝑖
{𝛥%𝑇𝑀𝐴 ∩ 𝐶𝑇𝑗 ∩ 𝑅𝑇𝑗 = 𝑛 = 𝑎⋅ℎ+𝑎⋅𝑖+ℎ⋅𝑖
* Se o PI apresenta VPL > 0 ou equivalente TIR > TMA (viável economicamente, segundo a
Metodologia Clássica), então os Limites de Elasticidade (LEs) apontam a máxima variação
permitida nesse parâmetro antes que ocorra a inviabilidade econômica do empreendimento em
avaliação. Caso contrário, este índice apontará a variação mínima necessária para tornar o PI
viável sob à ótica econômica.
Por outro lado, os Valores-Limite (VLs) apontam quais são esses valores. Além disso, a partir
dos LEs e VLs, a empresa proponente do PI pode definir as estratégias de monitoramento e
controle de riscos associados ao desenvolvimento do projeto. Os LEs apontam os potenciais
riscos, ou seja, informa ao tomador de decisão quais os principais riscos associados à
implementação de um PI.
Portanto, o PI mantém-se economicamente viável se não forem ultrapassados os limites

máximos tolerados (queda () ou elevação ()) para cada parâmetro. Assim, busca-se identificar
as “resistências ou folgas” se for viável ou as “necessidades” para torná-lo economicamente viável.
Em suma: Ideal  Previsto *(1 - ) ou Ideal ≤ Previsto *(1 - ).
Quais a vantagem no uso destes índices de AS? Não precisa fazer a simulação de Monte Carlo
(SMC), por exemplo, se os especialistas apontarem uma variação no intervalo apontado pelos LEs.
1.4 Ponto de Fisher e a Variação da TMA para o ponto de Fisher
O Ponto de Fisher é a taxa de desconto na qual o Valor Presente Líquido (VPL) de dois projetos
de investimento é o mesmo.
Mas, como calcular?
Calcula-se a TIR de um projeto fictício no qual o Fluxo de Caixa (FC) deste projeto é a diferença
entre os Fluxos de Caixas dos dois projetos em análise. O Ponto de Fisher pode ser determinado
apenas por métodos numéricos, como o método de Newton-Raphson (Franco, 2006).
Variação da TMA para o ponto de Fisher (TMA(Fisher), %)
Indica a variação máxima que a TMA suporta até atingir o Ponto de Fisher. A variação ocorre
sempre mantendo constante os demais parâmetros.
Mas, como calcular?
𝐹𝑖𝑠ℎ𝑒𝑟
− 1, 𝑠𝑒𝑇𝑀𝐴 < 𝑇𝐼𝑅
𝛥%𝑇𝑀𝐴(𝐹𝑖𝑠ℎ𝑒𝑟) = { 𝑇𝑀𝐴
1− , 𝑠𝑒𝑇𝑀𝐴 ≥ 𝑇𝐼𝑅
𝑇𝑀𝐴
Em que: Fisher: Ponto de Fisher; TIR: Taxa Interna de Retorno; TMA: Taxa Mínima de
Atratividade.
1.5 Novo Payback descontado
Na busca pela correção de distorções que podem ser geradas no cálculo do Payback de um PI,
que se utiliza de financiamento, principalmente com período(s) de carência, usualmente utiliza-se
o PaybackFin (LIMA et al., 2013).
Mas, como calcular?

𝑗 𝐹𝐶𝑘
𝑃𝑎𝑦𝑏𝑎𝑐𝑘𝐹𝑖𝑛 = 𝑚𝑖𝑛{ 𝑗}, 𝑡𝑎𝑙 𝑞𝑢𝑒: {∑𝑘=1 ≥ |𝐹𝐶0 | 𝑒 {𝐹𝐶𝐷𝐴𝑚 > 0 𝑝𝑎𝑟𝑎 𝑗 < 𝑚 ≤ 𝑁} 𝑒 {𝐹𝐶𝑛 > 0 𝑝𝑎𝑟𝑎 𝑗 + 1 ≤ 𝑛 ≤ 𝑁}}
(1+𝑇𝑀𝐴)𝑘
Em que: j: período; k, m, n: índices; FC0: Investimento Inicial; FCk: Fluxo de Caixa estimado para o
período k; FCn: Fluxo de Caixa estimado para o período n; FCDAm: Fluxo de Caixa Descapitalizado
e Acumulado até o período m; TMA: Taxa Mínima de Atratividade; N: Horizonte de Planejamento.
1.6 Modelos matemáticos para os principais Limites de Elasticidade e Valores-Limite
Lima et al. (2015; 2017a; 2017b; 2018b) defendem o uso racional e sistemático das informações
geradas por meio dos LEs e VLs em conjunto com os indicadores das dimensões retorno e riscos
propostos por Souza e Clemente (2015). A Figura 9 apresenta os principais LEs e VLs da MMIA. As
demonstrações são postas no Apêndice C.
Figura 9 – Principais Limites de Elasticidade (LEs) e Valores-Limite (VLs) da MMIA

Limites de Elasticidade Fórmula básica
(Viável ou não-viável) (Se viável)
Δ%Qj 𝑉𝑃𝐿𝐸𝑠𝑡á𝑡𝑖𝑐𝑜
𝛥%𝑄𝑗 (𝑚á𝑥↓ ) = e 𝑉𝐿𝑄 = 𝑄 ⋅ (1 − 𝛥%𝑄)
(Máx ou Mín) 𝑉𝑃(𝑅𝑇)−𝑉𝑃(𝐶𝑉𝑇)
Δ%PVuj 𝑉𝑃𝐿𝐸𝑠𝑡á𝑡𝑖𝑐𝑜
𝛥%𝑃𝑉𝑢𝑗 (𝑚á𝑥↓ ) = e 𝑉𝐿𝑃𝑉𝑢 = 𝑃𝑉𝑢 ⋅ (1 − 𝛥%𝑃𝑉𝑢)
(Máx ou Mín) 𝑉𝑃(𝑅𝑇)
Δ%CVuj 𝑉𝑃𝐿𝐸𝑠𝑡á𝑡𝑖𝑐𝑜
𝛥%𝐶𝑉𝑢𝑗 (𝑚á𝑥↑ ) = e 𝑉𝐿𝐶𝑉𝑢 = 𝐶𝑉𝑢 ⋅ (1 + 𝛥%𝐶𝑉𝑢)
(Máx ou Mín) 𝑉𝑃(𝐶𝑉𝑇)
Δ%CFj 𝑉𝑃𝐿𝐸𝑠𝑡á𝑡𝑖𝑐𝑜
𝛥%𝐶𝐹𝑗 (𝑚á𝑥↑ ) = e 𝑉𝐿𝐶𝐹 = 𝐶𝐹 ⋅ (1 + 𝛥%𝐶𝐹)
(Máx ou Mín) 𝑉𝑃(𝐶𝐹)
Δ%VR 𝑉𝑃𝐿𝐸𝑠𝑡á𝑡𝑖𝑐𝑜
𝛥%𝑉𝑅(𝑚á𝑥↓ ) = e 𝑉𝐿𝑉𝑅 = 𝑉𝑅 ⋅ (1 + 𝛥%𝑉𝑅)
(Máx ou Mín) 𝑉𝑃(𝑉𝑅)
𝑉𝑃𝐿𝐸𝑠𝑡á𝑡𝑖𝑐𝑜 𝑉𝑃𝐿𝐸𝑠𝑡á𝑡𝑖𝑐𝑜
Δ%MCuj 𝛥%𝑀𝐶𝑢𝑗 (𝑚á𝑥↓ ) = = = 𝛥%𝑄𝑗 (𝑚á𝑥↓ ) e 𝑉𝐿𝑀𝐶𝑢 = 𝑀𝐶𝑢 ⋅ (1 −
𝑉𝑃(𝑀𝐶𝑇) 𝑉𝑃(𝑅𝑇)−𝑉𝑃(𝐶𝑉𝑇)
(Máx ou Mín)
𝛥%𝑀𝐶𝑢)
Δ%FC0 𝑉𝑃𝐿𝐸𝑠𝑡á𝑡𝑖𝑐𝑜
𝛥%𝐹𝐶0 (𝑚á𝑥↑ ) = e 𝐹𝐶0 𝐿𝑖𝑚𝑖𝑡𝑒 = 𝐹𝐶0 Previsto ⋅ (1 + 𝛥)
(Máx ou Mín) |𝐹𝐶0 |
Δ%(QjPVuj) (2 ⋅ 𝑉𝑃(𝑅𝑇) − 𝑉𝑃(𝐶𝑉𝑇)) ± √(−2 ⋅ 𝑉𝑃(𝑅𝑇) + 𝑉𝑃(𝐶𝑉𝑇))2 − 4 ⋅ 𝑉𝑃(𝑅𝑇) ⋅ 𝑉𝑃𝐿𝐸𝑠𝑡á𝑡𝑖𝑐𝑜

𝛥=
(Máx ou Mín) 2 ⋅ 𝑉𝑃(𝑅𝑇)
𝑉𝑃(𝑅𝑇)±√(−𝑉𝑃(𝑅𝑇))2 −4⋅𝑉𝑃(𝐶𝑉𝑇)⋅𝑉𝑃𝐿𝐸𝑠𝑡á𝑡𝑖𝑐𝑜
Δ%(QjCVuj) 𝛥=
2⋅𝑉𝑃(𝐶𝑉𝑇)
𝑉𝑃𝐿𝐸𝑠𝑡á𝑡𝑖𝑐𝑜
Δ%(PVujCVuj) 𝛥=
𝑉𝑃(𝑅𝑇)+𝑉𝑃(𝐶𝑉𝑇)
Δ%(QjPVu jCVu j) 𝛥=
2⋅𝑉𝑃(𝑅𝑇)±√(−2𝑉𝑃(𝑅𝑇))2 −4⋅(𝑉𝑃(𝑅𝑇)+𝑉𝑃(𝐶𝑉𝑇))⋅𝑉𝑃𝐿𝐸𝑠𝑡á𝑡𝑖𝑐𝑜
.
2⋅(𝑉𝑃(𝑅𝑇)+𝑉𝑃(𝐶𝑉𝑇))
Δ%(QjPVujCVuj CFj) 𝛥=
(2⋅𝑉𝑃(𝑅𝑇)+𝑉𝑃(𝐶𝐹))±√(−2⋅𝑉𝑃(𝑅𝑇)−𝑉𝑃(𝐶𝐹))2 −4⋅(𝑉𝑃(𝑅𝑇)+𝑉𝑃(𝐶𝑉𝑇))⋅𝑉𝑃𝐿𝐸𝑠𝑡á𝑡𝑖𝑐𝑜
Δ%(QjPVujCVuj
(2⋅𝑉𝑃(𝑅𝑇)+𝑉𝑃(𝐶𝐹)+|𝐹𝐶0 |)±√(−2⋅𝑉𝑃(𝑅𝑇)−𝑉𝑃(𝐶𝐹)−|𝐹𝐶0 |)2 −4⋅(𝑉𝑃(𝑅𝑇)+𝑉𝑃(𝐶𝑉𝑇))⋅𝑉𝑃𝐿𝐸𝑠𝑡á𝑡𝑖𝑐𝑜
CFjFC0) 𝛥=
Δ%(QjPVu j CVujCFj (2 ⋅ 𝑉𝑃(𝑅𝑇) + 𝑉𝑃(𝐶𝐹) + |𝐹𝐶0 | + 𝑉𝑃(𝑉𝑅)) ± √(−2 ⋅ 𝑉𝑃(𝑅𝑇) − 𝑉𝑃(𝐶𝐹) − |𝐹𝐶0 | − 𝑉𝑃(𝑉𝑅))2 − 4 ⋅ (𝑉𝑃(𝑅𝑇) + 𝑉𝑃(𝐶𝑉𝑇)) ⋅ 𝑉𝑃𝐿𝐸𝑠𝑡á𝑡𝑖𝑐𝑜
𝛥=
FC0VR) 2 ⋅ (𝑉𝑃(𝑅𝑇) + 𝑉𝑃(𝐶𝑉𝑇))
Δ%(CVujCFj) 𝛥%(𝐶𝑉𝑢𝑗 ∩ 𝐶𝐹𝑗 ) =
𝑉𝑃(𝐶𝑉𝑇)+𝑉𝑃(𝐶𝐹)
Δ%(CVujFC0) 𝛥%(𝐶𝑉𝑢𝑗 ∩ 𝐹𝐶0 ) =
𝑉𝑃(𝐶𝑉𝑇)+|𝐹𝐶0 |
Δ%(CFjFC0) 𝛥%(𝐶𝐹𝑗 ∩ 𝐹𝐶0 ) =
𝑉𝑃(𝐶𝐹) + |𝐹𝐶0 |
Δ%(CVujCFjFC0) 𝛥%(𝐶𝑉𝑢𝑗 ∩ 𝐶𝐹𝑗 ∩ 𝐹𝐶0 ) =
𝑉𝑃(𝐶𝑉𝑇)+𝑉𝑃(𝐶𝐹)+|𝐹𝐶0 |
Legenda:  Quedas/reduções/decréscimos/abaixamentos/descimentos.  Aumentos/acréscimos/elevações.
1.7 Sistema de Análise de Viabilidade Econômica de Projetos de Investimento ($AVEPI)
Atualmente, a maioria dos acadêmicos possuem dispositivos móveis (smartphones e/ou

notebooks, por exemplo) e preferem utilizar a tecnologia para auxiliar na aprendizagem (Zhu et
al., 2015). Ainda, segundo estes autores, os educadores e pesquisadores devem desenvolver e
utilizar aplicativos computacionais, pois estes apresentam elevado potencial para serem
utilizados como ferramenta de apoio ao aprendizado.
Um ambiente computacional amigável e bem organizado torna mais estimulante o estudo de

Engenharia Econômica (Bonchristiani Filho et al., 2003). Neste contexto, foi desenvolvido o
aplicativo web denominado $AVEPI (Sistema de Análise da Viabilidade Econômica de Projetos
de Investimento), utilizando a linguagem PHP, o qual é de acesso livre, mediante cadastro prévio
(Lima et al., 2017b; Lima et al., 2021). A Figura 10 apresenta a tela inicial do $AVEPI. A
fundamentação teórica do desenvolvimento desta ferramenta computacional pode ser encontrada
em Southier et al. (2016) e Lima et al. (2017b).
Figura 10 – Tela inicial da ferramenta computacional $AVEPI
O $AVEPI pode ser acessado por meio do seguinte endereço eletrônico:

http://pb.utfpr.edu.br/savepi/cadastrar.php. Por outro lado, o manual está disponível em:
http://pb.utfpr.edu.br/savepi/recursosDidaticos.php. Após o cadastro, o usuário deve selecionar
o módulo e o submódulo mais adequado às especificidades do empreendimento/projeto em
avaliação. As informações (inputs) são inseridas no aplicativo de acordo com o módulo
selecionado. Na sequência, os resultados (outputs) são gerados, sendo apresentados na forma de
indicadores, gráficos e relatórios preliminares.
Contudo, ainda reside uma dificuldade para o analista: qual submódulo do $AVEPI utilizar?
A próxima seção apresenta uma discussão preliminar, apresentado um framework para auxiliar
esse processo.
1.8 Framework para a análise de investimentos em ativos reais
A Figura 11 apresenta o framework proposto para escolher o submódulo adequado para Análise
de Investimento (AI) em Ativos Reais (AR), aplicando a Metodologia Multi-índice Ampliada
(MMIA) via $AVEPI (Lima et al., 2017b). Em síntese, após aplicar a MMIA sob a abordagem
determinística (Lima et al., 2015) via $AVEPI e analisar os resultados, deve-se verificar a
necessidade de aprofundamento da avaliação via abordagem estocástica utilizando a técnica de
Simulação de Monte Carlo (SMC) também via $AVEPI (Lima et al., 2017a). Para a classificação e
confronto entre as dimensões, em termos do grau/nível de retorno, riscos e sensibilidades, Lima
et al. (2018) sugerem a escala exposta na Figura 12.
Figura 11 – Framework para análise de investimentos em ativos reais com o uso da MMIA via $AVEPI ®
Figura 12 – Escala proposta para avaliar e confrontar as dimensões: retorno, riscos e sensibilidades
Retorno ROIA/TMA
Payback/N
(Payback/N)
TMA/TIR
(MARR/IRR)
Riscos
(Risks) GCR
RG
RN
%TMA
(%MARR)
Sensibilidades %FC0
(Sensitivities) (%CF0)
%FCj
(%CFj)
1.9 Exemplo ilustrativo 02
Vamos ilustrar a aplicabilidade do framework proposto por Lima et al. (2018), utilizando um
exemplo hipotético, o qual é descrito na sequência. A empresa DZT2 i9aç@o necessita investir
aproximadamente R$ 100.000,00 na aquisição, transporte e instalação de um equipamento, o
qual será capaz de manufaturar um produto a ser vendido na próxima década. A alteração do Fluxo
de Caixa (FC) está estimada em R$ 15.000,00 por ano. Ao final desse período (vida útil de 10
anos), o equipamento poderá ser vendido por R$ 10.000,00. A Taxa Mínima de Atratividade
(TMA) da empresa está estimada em 6,50% ao ano, após o Imposto de Renda (IR). Considere uma
alíquota de Imposto de Renda (IR) de 15% e uma Contribuição Social sobre o Lucro Líquido (CSLL)
de 9%, totalizando 24%. A depreciação contábil total ocorre em 10 anos, isto é, deprecia-se
10.000,00 R$/ano. Neste contexto, pede-se para analisar a viabilidade econômica deste Projeto
de Investimento (PI) utilizando a Metodologia Multi-índice Ampliada (MMIA) via Sistema de
Análise da Viabilidade Econômica de Projetos de Investimento ($AVEPI) na modalidade recursos
próprios, aplicando o framework proposto.
A Figura 13 mostra a tela do $AVEPI com os dados de entrada (input) do PI em estudo. Por
outro lado, a Figura 14 apresenta as dimensões e os indicadores da MMIA para o projeto em
avaliação. Já a Figura 15 mostra o confronto entre as dimensões da MMIA utilizando a escala
proposta por Lima et al. (2018). Por fim, a Figura 16 apresenta um relatório parcial sobre a VE do
PI em estudo.
Figura 13 – Tela de input do $AVEPI com os dados do PI em estudo
Nota: No $AVEPI, não há um campo destinado para a informação dos impostos e contribuições,
tais como: ICMS, PIS, COFINS, ISS, IPI... Contudo, as alíquotas the IRPJ e CSLL podem ser inseridas
no aplicativo (Exemplo: IRPJ = 15% e CSLL = 9%, informe: 24). Demais impostos devem ser
calculados, por exemplo, utilizando uma planilha eletrônica.
Figura 14 – Dimensões e indicadores da MMIA para o PI em estudo
DIMENSÃO INDICADOR VALOR ESPERADO
VP (R$) 103.254,57
M
E VPL (R$) 3.254,57
T
VPLA (R$) 452,73
O RETORNO
D IBC 1,0325
O
L ROIA (%) 0,32
O
G Índice ROIA/TMA (%) 4,94
I
A Payback (anos) 10
TIR (%) 7,16

M RISCOS
U Índice Payback/N (%) 100,00
L
T Índice TMA/TIR (%) 90,74
I
- Δ%TMA 10,21
Í
Δ%FC0 3,25
N S
D E Δ%FCj 3,15
I N LIMITES
C S DE Δ%(FC0 e FCj) 1,60
E I ELASTICIDADES
B (LEs) Δ%(TMA e FC0) 2,47
A I
Δ%(TMA e FCj) 2,41
M L
P I Δ%(FC0 e FCj e TMA) 1,38
L D
I A TMA (%) 7,16
A D
D E VALORES FC0 (R$) 103.254,57
A S LIMITE
FCj (1 a 9) (R$) 13.365,03
(VLs)
FC10 (R$) 20.725,47
Figura 15 – Escala proposta para avaliar as dimensões da MMIA

Retorno ROIA/TMA
4,94%
Payback/N
100,00%
Riscos (Payback/N)
(Risks) TMA/TIR
90,74%
(MARR/IRR)
%TMA
10,21%
(%MARR)
Sensibilidades %FC0 3,25%
(Sensitivities) (%CF0)
%FCj
3,15%
(%CFj)
Figura 16 – Relatório preliminar sobre a viabilidade econômica do PI em estudo
DIMENSÃO ANÁLISE PRELIMINAR
O Projeto de Investimento (PI) em estudo necessita de um investimento inicial (FC0) de R$

100.000. Espera-se que este investimento retorne R$ 103.254,57 (VP). Isso implica em um
retorno líquido total (VPL) de R$ 3.254,57 em 10 anos, equivalente a R$ 452,73 por ano
(VPLA). Vale ressaltar que esse ganho sempre é o adicional ao oportunizado pelo mercado
RETORNO (TMA). Para esse PI, a cada unidade monetária investida, há a expectativa de retorno de
1,0325. Isso é equivalente a um ganho de 0,32% ao ano além da TMA (6.5%). O retorno fica
melhor expresso pelo índice ROIA/TMA (Souza e Clemente, 2015), cujo valor obtido é de
4,94%. Isso permite classificar o investimento como retorno de grau baixo (0% a 33,33%),
segundo a escala proposta pela Metodologia Multi-índice Ampliada (MMIA).
No tocante a dimensão riscos, o PI em estudo apresenta retorno do investimento (Payback)

em aproximadamente 10 anos. O índice Payback/N é de 100,00%, ou seja, o PI tem que ser
promissor em toda a vida estimada para se pagar. Por outro lado, o índice TMA/TIR
RISCOS
resultou em 90,74%, representando a razão entre o percentual oferecido pelo mercado e o
rendimento esperado PI. Isso permite categorizar o investimento como risco de nível alto
(> 66,66%), segundo a escala proposta pela MMIA.
Para o PI em estudo, a TMA admite uma variação máxima de 10,21% antes de torná-lo
economicamente inviável, sendo o valor-limite igual a 7,16% (TIR). Por outro lado, o
investimento inicial (FC0) suporta um acréscimo de até 3,25%, sendo o Valor-Limite (VL)
igual a R$ 103.254,57 (VP). Já o Fluxo de Caixa (FC) permite uma redução máxima 3,15%,
SENSIBILIDADES sendo o VL igual a R$ 13.365,03. A exceção é para o último período em que o VL é de R$
20.725,47, devido a presença do Valor Residual (VR). Esses valores melhoram a percepção
dos riscos associados à implementação do PI em estudo. Além disso, esses valores podem
ser utilizados nas etapas/fases de monitoramento e controle do projeto, se esse for
aprovado e implantado.
Com base na análise da expectativa de retorno, das estimativas de riscos envolvidos, das
sensibilidades das principais variáveis intervenientes no desempenho econômico do PI e
PARECER
do confronto entre retorno e riscos, recomenda-se uma nova análise utilizando a
PRELIMINAR
Simulação de Monte Carlo (SMC). Essa recomendação é amparada pela presença de alta
sensibilidade em pelo menos um parâmetro de entrada.
Com base nos resultados apresentados e no parecer preliminar, foi aplicado a Simulação de
Monte Carlo (SMC), com a seguinte configuração: (i) para o Fluxo de Caixa (FC) adotou-se uma
distribuição triangular com os seguintes parâmetros: R$ 10.000,00 (valor mínimo), R$ 15.000,00
(valor mais provável, caso determinístico) e R$ 20.000,00 (valor máximo); (ii) demais parâmetros
são mantidos constantes durante a simulação; e (iii) foram realizadas 100.000 simulações no
$AVEPI. As telas de input são apresentadas na Figura 17. Por outro lado, os resultados
encontrados são apresentados nas Figuras 18 (estatísticas descritivas), 19 (probabilidades) e 20
(Valor em Risco – VaR e Valor em Risco Condicional – CVaR). A interpretação das estatísticas
descritivas é elementar e foi omitida.
A Figura 19 apresenta as probabilidades de o PI gerar déficit financeiro (prejuízo: VPL < 0) para
a organização proponente, sob o enfoque frequentista – contagem pela frequência (baseada na Lei
dos Grandes Números) e o do Teorema Central do Limite (TCL – área sob a curva normal). Pelo
enfoque frequentista, esta probabilidade é de 18,32%, pois ocorreram 18.323 resultados
desfavoráveis (VPL < 0), em uma amostra composta por 100.000 cenários aleatórios. Por outro
lado, pelo cálculo da área sob a curva (TCL), a probabilidade é de 18,18%, sendo este o valor
adotado.
Assim, pela distribuição de probabilidades resultante para o VPL em 100.000 simulações,

observa-se que há 18,18% de probabilidade de o VPL ser negativo. Portanto, a probabilidade do
PI ser promissor sob a ótica econômica é de 81,82% (100% – 18,18%). Uma análise análoga pode
ser realizada para a TIR ou qualquer outro indicador da MMIA (LIMA et al., 2017a).
Figura 17 – Input para aplicar a SMC no PI estudo
Figura 18 – Estatísticas descritivas via SMC
Estatísticas Descritivas VPL TIR
Quantidade 100.000 100.000
Mínimo - R$ 10.601,26 4,30%
Máximo R$ 18.228,37 10,27%
Amplitude (Máx – Mín) R$ 28.829,63 5,97%
Média R$ 3.262,92 7,16%
Desvio-padrão R$ 3.590,91 0,73%
Coeficiente de variação 110,05% 10,20%
Mediana R$ 3.273,73 7,17%
Figura 19 – Probabilidades segundo a SMC para o PI em estudo
Quantidade: VPL < 0 18.323
Método da frequência – Lei dos Grandes Números: P(VPL < 0) 18,32%
Área sob a curva – Teorema Central do Limite: P(VPL < 0) 18,18%
A Figura 20 apresenta o VaR (Morgan, 1994) e o CVaR (Rockafellar e Uryasev, 2000 e 2002)
para os níveis mais comuns. Em relação ao Valor em Risco (VaR – Value at Risk) e Valor em Risco
Condicional (CVaR – Conditional Value at Risk) para o PI em estudo, os seguintes resultados foram
encontrados. Há 1% de probabilidade de este PI gerar um VPL menor ou igual a - R$ 5.090,78
(VaR). Neste contexto, espera-se uma perda média estimada de R$ 6.186,58 (CVaR). A
interpretação para os demais níveis (5% e 10%) é análoga e não será apresentada.
Figura 20 – Value at Risk (VaR) e Conditional Value at Risk (CVaR)
Nível (α) Valor em Risco: VaR (em R$) Valor em Risco Condicional: CVaR (em R$)
1% -5.090,78 -6.186,58
5% -2.643,60 -4.098,88
10% -1.339,01 -3.030,44
Observa-se que o PI em estudo seria recomendado pela Metodologia Clássica (MC), pois VPL >
0, TIR > TMA e/ou Payback < N. Por outro lado, o projeto não seria recomendado pela MMIA
determinística (nível de risco maior que o grau de retorno).
Contudo, o uso da Simulação de Monte Carlo (SMC) para aprofundar a análise mostrou que esse
projeto tem 81,82% de probabilidade de ser promissor sob a ótica financeira. A decisão final fica
a cargo do tomador de decisão (decision-maker), respeitando as especificidades do setor e da
organização proponente do empreendimento.
Como sugestão para trabalhos futuros, surge a oportunidade de ampliação do framework

proposto por meio da inclusão da Teoria das Opções Reais (TOR). A TOR permite avaliar as
flexibilidades gerencias presentes na maioria dos PIs (Dixit e Pyndick, 1994; Copeland e Antikarov,
2002; Correia Neto, 2009).
financiamento
Vamos considerar que também exista uma linha de financiamento que apresenta as seguintes
características: (i) percentual financiável: 90%; (ii) prazo máximo de amortização: 8 anos; (iii)
taxa de juros do financiamento: 5% ao ano; (iv) carência: 2 anos; e (v) sistema de amortização:
SAC. Neste contexto, pede-se para aplicar a MMIA determinística via $AVEPI, comparando o
desempenho esperado nas modalidades de execução: Recursos Próprios e Financiamento.
Observe a tela de entrada dos dados (input) na Figura a seguir:
 RETORNO: Índice ROIA/TMA (%): RecProp: 4,94; e Financiamento: 20,35 => Financiamento + TMA
 RISCOS: Índice Payback/N (%): RecProp: 100 e Financiamento: 90 => Financiamento + TMA
 RISCOS: Índice TMA/TIR (%): RecProp: 90,74 e Financiamento: 69,83 => Financiamento + TMA
 SENSIBILIDADES: Var. TMA (%): RecProp: 10,21 e Financiamento: 43,20 => Financiamento + TMA
 SENSIBILIDADES: Var. FC0 (%): RecProp: 3,25 e Financiamento: 14,05 => Financiamento + TMA
 SENSIBILIDADES: Var. FCj (%): RecProp: 3,14 e Financiamento: 12,32 => Financiamento + TMA
financiamento versus Leasing
Vamos considerar também que exista a possibilidade de fazer um Leasing por R$ 12.000,00 por
ano. Neste contexto, pede-se para aplicar a MMIA determinística via $AVEPI, comparando o
desempenho esperado nas modalidades de execução: Recursos Próprios, Financiamento e
Leasing. Observe a tela de entrada dos dados (input) na Figura a seguir:
1.12 Exemplo ilustrativo 05 – ampliando o exemplo anterior: Simulação de Monte Carlo
Vamos considerar que exista uma linha de financiamento que apresenta as seguintes
características: (i) percentual financiável: 90%; (ii) prazo máximo de amortização: 8 anos; (iii)
taxa de juros do financiamento: 5% ao ano; (iv) carência: 2 anos; e (v) sistema de amortização:
SAC. Neste contexto, pede-se para aplicar a MMIA com a SMC via $AVEPI , comparando o
desempenho esperado nas modalidades de execução: Recursos Próprios e Financiamento.
Figura – Estatísticas descritivas obtidas via SMC: Recursos Próprios x Financiamento

Modalidade Recursos Próprios Financiamento Recursos Próprios Financiamento
Estatísticas Descritivas VPL VPL TIR TIR
Quantidade 100.000 100.000 100.000 100.000
Mínimo - R$ 10.601,26 - R$ 2.215,83 4,30% 6,06%
Máximo R$ 18.228,37 R$ 28.901,74 10,27% 12,23%
Amplitude (Máx - Mín) R$ 28.829,63 R$ 31.117,56 5,97% 6,17%
Média R$ 3.262,92 R$ 13.529,55 7,16% 9,20%
Desvio-padrão R$ 3.590,91 R$ 3.867,32 0,73% 0,77%
Coeficiente de variação 110,05% 28,58% 10,20% 8,42%
Mediana R$ 3.273,73 R$ 13.571,20 7,17% 9,21%
Figura – Probabilidades obtidas via SMC: Recursos Próprios x Financiamento
Modalidade Recursos Próprios Financiamento
Quantidade: VPL < 0 18.323 36
Método da frequência – Lei dos Grandes Números: P(VPL < 0) 18,32% 0,036%
Área sob a curva – Teorema Central do Limite: P(VPL < 0) 18,18% 0,02%
Figura – Value at Risk (VaR) e Conditional Value at Risk (CVaR)
Recursos Recursos
Modalidade Financiamento Financiamento
Próprios Próprios
Valor em Risco Valor em Risco Valor em Risco Valor em Risco

Nível
VaR VaR Condicional Condicional
(α)
(em R$) (em R$) CVaR (em R$) CVaR (em R$)
1% -5.090,78 4.532,81 -6.186,58 3.141,75
5% -2.643,60 7.168,37 -4.098,88 5.491,86
10% -1.339,01 8.573,37 -3.030,44 6.679,62
Atividade proposta: Tomando como base os resultados apresentados, elabore um parecer

detalhado sobre a modalidade recomendada para implementação deste PI.
2023
Capítulo 2
PROBLEMAS
Práticos DE
engenharia
econômica
resolvidos
COM SUPORTE
DO $AVEPI ®


P1) A empresa DZT2 i9@ção está analisando a viabilidade econômico-financeira de um novo
investimento. Os dados deste projeto de investimento (PI) estão sintetizados no Diagrama do
Fluxo de Caixa (DFC) apresentados na Figura a seguir. Nesse contexto, realize a análise de
viabilidade econômico-financeira, com suporte da ferramenta computacional de acesso livre
$AVEPI® (Sistema de Análise de Viabilidade Econômica de Projetos de Investimento – 2023),
aplicando a Metodologia Clássica (MC), a Metodologia Multi-índice (MMI), a Metodologia
Multi-índice Ampliada (MMIA) e a Simulação de Monte Carlo (SMC).
(a) Metodologia Clássica (MC):

Resolução:
Vamos utilizar uma Taxa Mínima de Atratividade (TMA) de 15% ao ano. A Figura a seguir
apresenta a tela de entrada de dados (input) no $AVEPI.
A próxima Figura detalha o Fluxo de Caixa (FC), evidenciando os resultados do processo de

descapitalização e apresenta também o Valor Presente Líquido (VPL, o qual é igual a R$ 14.161,26)
e o tempo mínimo necessário para que ocorra o retorno do capital investido – Payback (3 anos).
Figura – Fluxo de Caixa e Demonstrativo de Cálculo do Payback Descontado
A próxima Figura apresenta o Diagrama do Fluxo de Caixa (DFC).
Já a próxima Figura apresenta os principais indicadores da Metodologia Clássica (MC).
A penúltima Figura apresenta graficamente a relação entre a taxa de desconto (TMA) e o VPL.
Figura - Espectro de validade da decisão

Por fim, é apresentado um relatório preliminar para subsidiar a tomada de decisão.
Parecer preliminar:
O projeto de investimento (PI) em análise é considerado atrativo (ou recomendável) pois o
valor presente do fluxo de receitas e do valor residual supera o valor presente do fluxo de
desembolsos (Souza e Clemente, 2022). Portanto, o PI é considerado financeiramente atrativo,
pois: VPL ≥ 0, TIR ≥ TMA e Payback ≤ N.
(b) Metodologia Multi-índice (MMI):
Resolução:
Vamos utilizar uma Taxa Mínima de Atratividade (TMA) de 10% ao ano.
Como os valores da TMA são diferentes para as Metodologias Clássica (MC, TMA = 15% ao ano)
e Multi-índices (MMI/MMIA, TMA = 10% ao ano), o Valor Presente Líquido (VPL) são diferentes,
ou seja: (i) MC: VPL = R$ 14.161,26 (rever o item a); e (ii) MMI/MMIA: VPL = R$ 24.342,60. O
Payback também pode ser alterado em função de modificação na TMA, mas nesse exemplo ambos
apresentam um Payback de 3 anos. Por outro lado, como a Taxa Interna de Retorno (TIR) não
depende da TMA, ambas metodologias apresentam a mesma TIR (23,38%).
Figura – Dimensões e indicadores da Metodologia Multi-índice – MMI (Souza e Clemente, 2022)
Figura – Confronto entre as dimensões retorno e risco em uma escala de 3 níveis
Figura – Confronto entre as dimensões retorno e risco em uma escala de 5 níveis
Parecer preliminar:
O projeto de investimento em análise é financeiramente atrativo pois o grau de retorno

esperado é maior ou igual ao nível médio de risco associado a decisão de investimento.
(c) Metodologia Multi-índice Ampliada (MMIA)
Resolução:
Vamos utilizar uma Taxa Mínima de Atratividade (TMA) de 10% ao ano.
(d) Simulação de Monte Carlo (SMC):
Resolução:
Vamos utilizar uma Taxa Mínima de Atratividade (TMA), com distribuição de probabilidade
triangular com os seguintes parâmetros/valores: (i) mínimo (melhor caso ou otimista): 5% ao
ano; (ii) mais provável (caso base): 10% ao ano; e (iii) máximo (pior caso ou pessimista): 20% ao
ano, ou seja, TMA  T(5%; 10%; 20%). Além disso, considerando que o investimento inicial (FC0 –
Fluxo de Caixa inicial), segue uma distribuição uniforme com os seguintes parâmetros/valores: (i)
mínimo (melhor caso ou otimista): R$ 90.000,00; e (ii) máximo (pior caso ou pessimista): R$
120.000,00, ou seja, FC0  U(90.000; 120.000). Ainda, considerando que o Fluxo de Caixa por
período (FCj, para j = 1, 2, 3) segue uma distribuição triangular com os seguintes
parâmetros/valores: (i) mínimo (pior caso ou cenário pessimista): R$ 40.000,00 por ano; (ii) mais
provável (caso base): R$ 50.000,00 por ano; e (iii) máximo (melhor caso ou cenário otimista): R$
55.000,00 por ano, ou seja, FCj  T(40.000; 50.000; 55.000).
Atenção:
Para classificar o nível de risco obtido via SMC, podemos utilizar a seguinte escala: (i) risco
baixo: Probabilidade via SMC < 5%; (ii) risco médio: 5%  Probabilidade via SMC  15%; (ii) risco
alto: Probabilidade via SMC > 15% (Harzer, 2015; Harzer et al., 2016).
Relatório:
Os índices de riscos das metodologias multi-índices MMI e MMIA (TMA/TIR, Payback/N e Grau
de Comprometimento da Receita (GCR), Risco de Negócio (RN) e Risco de Gestão (RG), por
exemplo), tendem a superestimar o nível de risco de um projeto de investimento (Harzer, 2015;
Harzer et al., 2016). Isto ficou evidenciado na resolução apresentada. Nesse contexto, aplicamos a
SMC. Os resultados indicam que há uma probabilidade de aproximadamente 15% de insucesso
financeiro na realização desse investimento. Além disso, pelo Value at Risk (VaR) há 5% de
possibilidade de um prejuízo financeiro de, pelo menos, R$ 7.000,00 (aproximadamente). No
contexto desse VaR, a perda esperada é de R$ 11.000,00 (CVaR – Condicional VaR).
P2) Uma empresa cuja Taxa Mínima de Atratividade (TMA), após o imposto de renda (IR), é de
12% ao ano está analisando a viabilidade financeira de um novo investimento. O Fluxo de
Caixa líquido (FC) anual do Projeto de Investimentos (PI) em análise está representado no
diagrama do FC a seguir (Souza e Clemente, 2015, p.73). Nesse contexto, aplique a
Metodologia Multi-índice Ampliada (MMIA) e a Simulação de Monte Carlo (SMC).
Observe as Figuras apresentadas a seguir, as quais foram elaboradas com suporte da

ferramenta computacional $AVEPI® (2023) para aplicação da Metodologia Multi-índice Ampliada
(MMIA).
No contexto do desempenho esperado para o projeto de investimento em análise, sugere-se a
aplicação da Simulação de Monte Carlo (SMC) para melhor subsidiar a tomada de decisão de
investimento. Diante do exposto, as próximas Figuras apresentam os dados de entrada (input) e
os resultados gerados (estatísticas descritivas e inferenciais) com a aplicação da SMC. Inputs: TMA
~T(5%; 12%; 20%); FCo ~U[R$ 342.000,00; R$ 456.000,00]; e FCj ~T(90% do valor
determinístico; 100%; 110% do valor determinístico).
Atenção:
alto: Probabilidade via SMC > 15% (Harzer, 2015; Harzer et al., 2016).
Os índices de riscos das metodologias multi-índices MMI e MMIA (TMA/TIR, Payback/N e Grau
de Comprometimento da Receita (GCR), Risco de Negócio (RN) e Risco de Gestão (RG), por
Harzer et al., 2016). Isto ficou evidenciado na resolução apresentada. Nesse contexto, aplicamos a
SMC. Os resultados indicam que há uma probabilidade de aproximadamente 21% de insucesso
financeiro na realização desse investimento. Além disso, pelo Value at Risk (VaR) há 5% de
possibilidade de um prejuízo financeiro de, pelo menos, R$ 62.000,00 (aproximadamente), com
perda esperada de R$ 81.000,00 (CVaR – Conditional VaR).
Parecer:
Diante do exposto, não se recomenda o investimento, dado o alto nível de risco associado a
decisão de investimento. Contudo, se o investimento for estratégico para a organização, seguindo
uma avaliação multicritério, a decisão final pode ser diferente da sugerida.
P3) Implementação de uma fábrica de bolsas de couro de tilápia (Souza e Clemente, 2022, p. 32ss).
Os principais dados desse projeto estão postos na Tabela a seguir. Nesse contexto, aplique as
metodologias clássica (MC), multi-índice (MMI) e ampliada (MMIA) com suporte do $AVEPI.
Além disso, avalie a necessidade de aplicação da Simulação de Monte Carlo (SMC).
Tabela – Fluxo de Caixa Projetado

Ano Fluxo de Lucro Investimento Inicial (FC0) Depreciação Valor Residual (VR) Fluxo de Caixa (FC)
0 – - R$ 432.000,00 – – - R$ 432.000,00
1 R$ 173.260,00 – R$ 28.830,00 – R$ 202.090,00
2 R$ 234.748,00 – R$ 28.830,00 – R$ 263.578,00
3 R$ 155.724,00 – R$ 28.830,00 – R$ 184.554,00
4 R$ 173.988,00 – R$ 28.830,00 – R$ 202.818,00
5 R$ 94.660,00 – R$ 28.830,00 – R$ 123.490,00
6 R$ 73.700,00 – R$ 28.830,00 – R$ 102.530,00
7 R$ 52.740,00 – R$ 28.830,00 – R$ 81.570,00
8 R$ 52.740,00 – R$ 28.830,00 R$ 255.693,00 R$ 337263,00
Fonte: Souza e Clemente (2022, p. 63).
(a) Vamos aplicar a Metodologias Clássica (MC) com suporte do $AVEPI.
Nota sobre o Payback descontado:

“Mesmo havendo recursos para calcular a fração do tempo do terceiro ano que seria obtida por
interpolação, não se pode esquecer que se trata de estimativas e buscar grande precisão pode ser
inadequado. Assim, recomenda-se postura conservadora” (Souza e Clemente, 2022, p.68).
PARECER PRELIMINAR:
O projeto de investimento (PI) em análise é considerado atrativo (ou recomendável) pois o

valor presente do fluxo de receitas e do valor residual supera o valor presente do fluxo de
desembolsos (Souza e Clemente, 2022). Portanto, o PI é considerado financeiramente atrativo,
pois: VPL ≥ 0, TIR ≥ TMA e Payback ≤ N.
(b) Vamos aplicar a Metodologias Multi-índice (MMI) com suporte do $AVEPI para uma TMA de
7% ao ano – taxa equivalente a remuneração de um título de baixo risco e com liquidez (Souza
e Clemente, 2022, p.63).
(c) Vamos aplicar a Metodologias Multi-índice Ampliada (MMIA) com suporte do $AVEPI.
Análise de Sensibilidade:
“Ao projetar um fluxo de caixa são admitidas conjecturas sobre os parâmetros mais relevantes,
como quantidades vendidas, preços e custos variáveis unitários. Modelar a variabilidade de todos
os parâmetros envolvidos pode ser muito trabalhoso, principalmente se vários produtos ou
serviços estiverem em análise. Às vezes, um único parâmetro pode ser decisivo para modificar os
resultados obtidos” (Souza e Clemente, 2022, p. 68-69). A MMIA acrescenta à MMI uma análise
de sensibilidade, identificando os limites de elasticidades e valores-limites dos principais
parâmetros que interferem na viabilidade econômica do projeto/empreendimento em
análise/avaliação. Nesse contexto, a seguir aplicamos a MMIA com suporte do $AVEPI.
(d) Vamos avaliar a necessidade de aplicação da Simulação de Monte Carlo (SMC).
Da análise dos resultados dos limites de elasticidades da MMIA, depreende-se que todos os
índices são maiores que 33,33%, isto é, apresentam baixa ou média sensibilidades. Dessa forma,
pequenas variações nos principais parâmetros intervenientes no desempenho do projeto não
devem provocar uma inviabilidade financeira. Nesse contexto, recomenda-se a implementação do
projeto sem a necessidade de aplicação da SMC.
P4) Plano de negócios de uma empresa de confecção infantil feminino (Souza e Clemente, 2022,
p. 77ss). Os principais dados desse projeto estão postos na Tabela a seguir. Nesse contexto,
aplique a Metodologia Multi-índice Ampliada (MMIA) com suporte do $AVEPI. Além disso,
avalie a necessidade de aplicação da Simulação de Monte Carlo (SMC).
Figura 1 – Fluxo de Caixa do Investidor
Ano 0 Ano 1 Ano 2 Ano 3 Ano 4 Ano 5 Ano 6 Ano 7 Ano 8 Ano 9 Ano 10
Fluxo de Lucro 0 391.031 431.391 465.294 482.923 500.905 519.246 537.955 537.955 537.955 537.955
Depreciação – 21.765 21.765 21.765 21.765 21.765 21.765 21.765 21.765 21.765 21.765
Investimentos em Ativos Fixos 245.000 – – – – – – – – – –
Capital de Giro Inicial 1.100.000 – – – – – – – – – –
Despesas Pré-operatórias 90.000 – – – – – – – – – –
Valor Residual – – – – – – – – – – 1.491.462
Fluxo de Caixa do Investidor - 1.435.000 412.796 435.156 487.059 504.688 522.670 541.011 559.720 559.720 559.720 2.051.182
Fonte: Souza e Clemente (2022, p. 80).
Resolução: Vamos aplicar a MMIA via $AVEPI.
Parecer conclusivo:
Da análise dos resultados dos limites de elasticidades da MMIA, depreende-se que todos os
índices são maiores que 33,33%, isto é, apresentam baixa sensibilidades. Dessa forma, pequenas
variações nos principais parâmetros intervenientes no desempenho do projeto não devem
provocar uma inviabilidade financeira. Nesse contexto, recomenda-se a implementação do
projeto sem a necessidade de aplicação da SMC.
P5) A empresa DZT2 está analisando a viabilidade econômico-financeira de um novo investimento.
Os dados deste projeto de investimento (PI) estão sintetizados no Diagrama do Fluxo de Caixa
(DFC) apresentados na Figura a seguir. Nesse contexto, realize a análise de viabilidade
econômico-financeira, com suporte da ferramenta computacional de acesso livre $AVEPI®
(Sistema de Análise de Viabilidade Econômica de Projetos de Investimento – 2023), aplicando
a Metodologia Clássica (MC), a Metodologia Multi-índice (MMI), a Metodologia Multi-índice
Ampliada (MMIA) e a Simulação de Monte Carlo (SMC).
(a) Metodologia Clássica (MC):

Resolução:
(b) Metodologia Multi-índice (MMI):
Resolução:
(c) Metodologia Multi-índice Ampliada (MMIA)
Resolução:
Portanto, diante dos resultados apresentados pelo projeto em análise, recomenda-se a aplicação
da SMC, a qual será efetuada no próximo item.
(d) Simulação de Monte Carlo (SMC):
Resolução:
Vamos utilizar uma Taxa Mínima de Atratividade (TMA), com distribuição de probabilidade
triangular com os seguintes parâmetros/valores: (i) mínimo (melhor caso ou otimista): 5% ao
ano; (ii) mais provável (caso base): 10% ao ano; e (iii) máximo (pior caso ou pessimista): 20% ao
ano, ou seja, TMA  T(5%; 10%; 20%). Além disso, considerando que o investimento inicial (FC0 –
Fluxo de Caixa inicial), segue uma distribuição uniforme com os seguintes parâmetros/valores: (i)
mínimo (melhor caso ou otimista): R$ 90.000,00; e (ii) máximo (pior caso ou pessimista): R$
120.000,00, ou seja, FC0  U(90.000; 120.000). Ainda, considerando que o Fluxo de Caixa por
período (FCj, para j = 1, 2, 3) segue uma distribuição triangular com os seguintes
parâmetros/valores: (i) mínimo (pior caso ou cenário pessimista): R$ 20.000,00 por ano; (ii) mais
provável (caso base): R$ 30.000,00 por ano; e (iii) máximo (melhor caso ou cenário otimista): R$
35.000,00 por ano, ou seja, FCj  T(20.000; 30.000; 35.000).
alto: Probabilidade via SMC > 15% (Harzer, 2015; Harzer et al., 2016). O projeto de investimento
em análise apresenta alto risco de insucesso financeiro, pois há 37,42% de possibilidade de
inviabilidade.
(e) Analise os impactos da depreciação, dos tributos (IR + CSLL) e da fonte de financiamento
no desempenho financeiro deste projeto de investimento
Resolução:
Vamos utilizar uma taxa de depreciação contábil/fiscal de 20% ao ano, ou seja, o projeto
deprecia-se totalmente em 5 anos. Além disso, considerando uma alíquota de imposto de renda
(IR) de 25% e uma contribuição social sobre o lucro líquido (CSLL) de 9%, ou seja, a tributação é
de 34%. Ainda, considerando que há a possibilidade de o investimento ocorrer com recursos
próprios ou acessando uma linha de financiamento que disponibiliza 90% do capital necessário,
com prazo máximo de 4 anos, sendo um 1 ano de carência pelo sistema PRICE e com uma taxa de
juros de 8% ao ano.
Vamos primeiro aplicar a MMIA.
Observa-se que o projeto de investimento em análise apresenta baixo grau de retorno e níveis
elevados de riscos em ambas modalidades de execução/implementação (recursos próprios e
financiamentos). Nesse contexto, recomenda-se a aplicação da Simulação de Monte Carlo
(SMC). Contudo, se for preciso decidir nesse momento, sem a aplicação da SMC, devemos verificar
se a previsão é a TMA ficar acima de 5,28%, então recomenda-se a implementação do projeto na
modalidade de financiamento.
Figura – Recursos Próprios x Financiamento

Observa-se que o projeto de investimento em análise apresenta alto nível de risco em ambas
modalidades de execução/implementação (recursos próprios e financiamentos). Nesse contexto,
não se recomenda esse projeto de investimento. Contudo, se for preciso implementar o
projeto, então recomenda-se que ocorra na modalidade financiamento, pois tem-se uma melhor
expectativa de ganho e menores riscos associados a decisão de investimento.
CAPÍTULO 3 – CONCEITOS E DEFINIÇÕES: ABORDAGEM DETERMINÍSTICA
(José Donizetti de Lima e Luiz Fernando Puttow Southier)
3.1 Taxa Mínima de Atratividade (TMA, %)
A Taxa Mínima de Atratividade (TMA) ou custo de oportunidade é a melhor taxa, com baixo
grau/nível de risco, disponível para aplicação do capital em análise (Souza e Clemente, 2015).
Assim, a TMA é uma taxa quase livre de risco e corresponde a melhor alternativa de investimento
(Souza e Clemente, 2015; Harzer, 2015; Lima et al., 2015). Desta forma, a rentabilidade obtida
considerará como ganho apenas o excedente sobre aquilo que já se tem, isto é, o que será obtido
além da aplicação do capital à TMA.
Mas, onde buscar? Na empresa proponente do Projeto de Investimento (PI), sendo a TMA
definida de acordo com a política da organização. No Banco Central (BACEN): taxa de juros livre
de risco (SELIC, no caso brasileiro), remuneração da caderneta de poupança, entre outras fontes
(Souza e Clemente, 2015; Lima et al., 2015; Casarotto Filho e Kopittke, 2020). A proposta do
empreendimento deve render, no mínimo, a taxa de juros equivalente à rentabilidade das
aplicações correntes e de pouco risco para que se torne atrativa (Casarotto Filho e Kopittke, 2020).
Essa taxa é representada pela remuneração dos títulos de baixo risco e deve ser compatível com o
perfil do investidor. Também pode ser utilizado o Custo Médio Ponderado do Capital – CMPC (ou
Weighted Average Cost of Capital – WACC, em inglês).
Mas, como informar? Forneça o valor em porcentagem com . (ponto) ou , (vírgula) na separação
de casas decimais.
Exemplo: Para uma TMA de 14,25% ao ano, informe: 14,25 ou 14.25.
3.2 Horizonte de Planejamento (N, unidades)
O horizonte de planejamento ou vida útil do projeto ou horizonte de análise (N) é a quantidade

de unidades de tempo, como meses ou anos, pelo qual o PI será analisado. Em outras palavras, é o
período de projeção do Fluxo de Caixa (FC) de um empreendimento (NBR 14653-4: ABNT, 2002).
Mas, onde buscar? Definido de acordo com o escopo do PI. Segundo a NBR 14653-4 (ABNT, 2002,
p.11), “O horizonte deve ser definido levando em consideração a natureza do empreendimento, as
características setoriais e o estágio tecnológico”. Já para novos empreendimentos, Dornelas et al.
(2016), sugerem um horizonte de tempo do planejamento financeiro (N) de 5 anos.
Mas, como informar? Informe um número inteiro.
Exemplo: Para um horizonte de análise (N) de 10 anos, informe: 10.
3.3 Investimento Inicial (FC0, R$)
O Investimento Inicial (FC0) é o valor monetário inicial a ser desembolsado para a

implementação do projeto. Constituem o FC0, custos tais como: custo de aquisição, custo de
transporte, custo de instalação, custo de capacitação/treinamento, custo de adequação de layout,
custo de adequação do padrão de energia, aporte inicial de capital de giro, entre outros. Em outras
palavras, representa o volume total de recursos financeiros necessários para a implementação do
PI em estudo.
Onde buscar? Orçamento com as empresas fabricantes e/ou revendedoras de máquinas e

equipamentos, por exemplo. Especialistas da área/setor também podem ser consultados.
Como informar? Informe o valor com . (ponto) ou , (vírgula) na separação de casas decimais.
Nota: Não importa se o valor informado é positivo ou negativo. Exemplo: para FC0 = R$
100.000,00, informe: 100000.
Exemplo: Para FC0 = R$ 10.000,00, informe: 10000.
3.4 Período (j, unidades)
O período é o valor incremental da unidade de tempo: varia de 0 até a unidade de tempo N

(Horizonte de Planejamento).
3.5 Fluxo de Caixa (FCj, R$)
O Fluxo de Caixa (FC) é a relação entre as entradas (recebimentos) e as saídas (desembolsos)

de recursos financeiros, em determinada unidade de tempo (ano ou mês, por exemplo). O FC pode
ser definido como o movimento do dinheiro que entra e sai em uma empresa, em determinado
intervalo temporal, em decorrência de suas atividades. De acordo com a NBR 14653-4 (ABNT,
2002, p.4), FC “é a série de receitas, custos e despesas de um empreendimento ao longo de um
determinado período”. No caso da Análise de Investimento (AI), trata-se de previsões para cada
período do horizonte de planejamento (N) estabelecido no projeto, as quais podem ser obtidas via
técnicas de séries temporais, modelos econométricos e/ou pesquisas com especialistas da área,
por exemplo.
Onde buscar? Projeção baseada no histórico ou estimativas via especialistas da área/setor.

Portanto, procure detalhar a estrutura de custos e receitas associadas ao PI em estudo. Para isso,
mostre a composição do FC futuro, evidenciando o FC0, os custos de manutenção e de operação e
os benefícios esperados com a implementação do projeto.
Como informar? Informe o valor com . (ponto) ou , (vírgula) na separação de casas decimais. Para
valores negativos, informe - (sinal de menos).
Nota: O Fluxo de Caixa pode ser constante ou não. Caso ele seja constante, marque a opção de
Fluxo de Caixa (FC) constante. Do contrário, deixe-a desmarcada e clique sobre o botão Calcular.
Desta maneira, a opção de inserir os valores, período a período, será habilitada. Pode ainda ser
inserido por meio das Receitas (R) e Custos (C) em cada um dos períodos do horizonte de
planejamento (N).
Exemplo: Idem ao Investimento Inicial (FC0).
3.6 Valor Residual ou de Revenda (VR, R$)
O Valor Residual (VR) é o valor monetário de revenda do ativo no final da execução do projeto.
Pode ser positivo, negativo ou nulo (zero). Esse valor se caracteriza pela revenda de máquinas,
equipamentos ou custo de desinstalação, por exemplo, ao final da vida útil do PI. Para isso, utiliza-
se a depreciação econômica e não a contábil. Segundo a NBR 14653-4 (ABNT, 2002, p.10), “o valor
residual ou da perpetuidade, se houver, integra o fluxo de caixa no final do horizonte”.
Nota: Valor residual ou valor de desmonte (NBR 14653-4: ABNT, 2002) ou valor do ativo (Correia
Neto, 2009). O VR aparece como uma única entrada (positiva, negativa ou nula) no último período
do horizonte temporal (N).
Onde buscar? Pesquisa de mercado ou estimativas. Para definir o VR é preciso realizar a

identificação do valor de mercado para o bem em estudo na data N – último período do horizonte
de planejamento.
Como informar? Informe o valor com . (ponto) ou , (vírgula) na separação de casas decimais. Para
valores negativos, informe - (sinal de menos).
3.7 Quantidade de vendas (Qj, unidades)
A quantidade esperada de vendas (Qj) se refere ao número de elementos a serem vendidos pela
empresa, em cada unidade de tempo, dentro do horizonte de planejamento (N). Exemplificando:
utiliza-se estimativas da quantidade de produtos fabricados, e consequentemente vendidos, isto
é, sistema puxado de produção.
Onde buscar? Estimativas baseadas no histórico ou via especialistas da área/setor.
Como informar? Informe o valor sem . (ponto) ou , (vírgula) na separação de casas de milhar.
Nota: A quantidade pode ser constante ou não. Caso ela seja constante, marque a opção de
Quantidade constante. Do contrário, deixe-a desmarcada e clique sobre o botão Calcular. Desta
maneira a opção de inserir os valores período a período será habilitada.
Exemplo: Para Qj = 10.000 unidades, informe: 10000.

3.8 Preço de Venda unitário (PVu, R$)
O preço de Venda unitário (PVuj) é o valor monetário pelo qual espera-se que cada elemento
produzido e/ou serviço seja vendido pela empresa proponente do PI.
Nota: O Preço de Venda pode ser constante ou não. Caso ele seja constante, marque a opção de
Preço de Venda unitário constante. Do contrário, deixe-a desmarcada e clique sobre o botão
Calcular. Desta maneira, a opção de inserir os valores, período a período, será habilitada.
3.9 Custo Variável unitário (CVuj, R$)
O Custo Variável unitário (CVuj) refere-se ao custo variável estimado para a produção de cada item
e/ou serviço.
Nota: O Custo Variável pode ser constante ou não. Caso ele seja constante, marque a opção de
Custo Variável unitário constante. Do contrário, deixe-a desmarcada e clique sobre o botão
Calcular. Desta maneira, a opção de inserir os valores, período a período, será habilitada.
3.10 Custo Fixo (CFj, R$)
O custo Fixo por período (CFj) é aquele que não depende da quantidade produzida e/ou vendida
de cada item e/ou serviço.
Nota: O Custo Fixo pode ser constante ou não. Caso ele seja constante, marque a opção de Custo
Fixo constante. Do contrário, deixe-a desmarcada e clique sobre o botão Calcular. Desta maneira,
a opção de inserir os valores, período a período, será habilitada.
3.11 Receita Total (RTj, R$)
A Receita Total por período (RTj) se caracteriza por todas as entradas (recebimentos) de
recursos financeiros em determinado período (ano ou mês, por exemplo). É o resultado do
produto entre as vendas estimadas (Qj) e o preço de venda unitário esperado (PVuj).
Nota: A Receita Total (RT) é gerada automaticamente pelo sistema em alguns módulos e em outros
o usuário pode inserir.
3.12 Custo Total (CTj, R$)
O Custo Total por período (CTj) se caracteriza por todas as saídas (desembolsos) de recursos
financeiros em determinado período (ano ou mês, por exemplo). É o resultado da soma do Custo
Variável Total (CVT) e do Custo Fixo (CF), sendo que o CVT é obtido pelo produto entre as vendas
estimadas (Qj) e o custo variável unitário estimado (CVuj).
Nota: O Custo Total (CT) é gerado automaticamente pelo sistema em alguns módulos e em outros
o usuário pode inserir.
3.13 Depreciação Contábil por período (DCj, R$)
A perda de valor (de mercado) dos ativos fixos é denominada depreciação econômica. A
depreciação econômica se distingue da depreciação contábil porque esta é um valor calculado de
forma a atender ao que estabelece a legislação do Imposto de Renda (IR), com pouca ou nenhuma
ligação com o valor de mercado dos bens. A depreciação econômica, ao contrário, refere-se à perda
de valor de mercado e, por isso, em geral, é de difícil mensuração (Souza e Clemente, 2015).
Máquinas, equipamentos e instalações, por exemplo, podem ser depreciados contabilmente, de
acordo com o que estabelece a lei fiscal para cada item. Contudo, o aporte de capital de giro inicial,
que faz parte do investimento inicial (FC0), não é parcela dedutível da base de incidência de
impostos e contribuições.
Onde buscar? Órgãos governamentais, legislação, entre outras fontes.
Como informar? Informe o valor com . (ponto) ou , (vírgula) na separação de casas decimais. A
Depreciação Contábil pode ser constante ou não. Caso ela seja constante, marque a opção
Depreciação Contábil constante. Do contrário, deixe-a desmarcada e clique sobre o botão Calcular.
Desta maneira a opção de inserir os valores período a período será habilitada.
3.14 Prazo da Depreciação Contábil (Pd, R$)
Para efeito de cálculo, o período no qual a depreciação contábil será aplicada deve ser menor ou
igual ao horizonte de planejamento (N). Depreciações que ocorram fora desse período não são
consideradas.
Como informar? Informe um número inteiro.
Exemplo: Para 10 anos, informe: 10.
3.15 Alíquota dos Impostos e Contribuições (IR+CSLL, %)
Taxa do Imposto de Renda (IR) e da Contribuição Social sobre Lucro Líquido (CSLL).
Como informar? Informe o valor em porcentagem com . (ponto) ou , (vírgula) na separação de

casas decimais.
Exemplo: Para 24,00%, informe: 24.
3.16 Sistema de Amortização
Oferece a opção de escolha entre o Sistema de Amortização Constante (SAC), o Sistema PRICE ou
um sistema no qual o usuário informa os valores.
Onde buscar? Bancos, empresa, entre outras fontes.
Como informar? Informe o valor com . (ponto) ou , (vírgula) na separação de casas decimais ou
selecione SAC ou PRICE.
3.17 Carência do financiamento (unidades)
Período menor ou igual ao prazo do financiamento pelo qual a dívida do financiamento não é
aplicada. Contudo, nesse período ocorre os juros, os quais ou são pagos ou integrados ao capital.

3.18 Percentual Financiável (%)
Percentual do Investimento Inicial (FC0) que será financiado.
Onde buscar? Bancos, empresa, outras fontes.

casas decimais.
Exemplo: Para 85,50%, informe: 85,5 ou 85.5.
3.19 Prazo do Financiamento (unidades)
Período menor ou igual ao horizonte de planejamento (N) pelo qual o financiamento será aplicado.
3.20 Taxa de juros (%)
Taxa de juros do financiamento, por unidade de tempo.

casas decimais.
Exemplo: Para 7,85%, informe: 7,85 ou 7.85.
3.21 Leasing (aluguel) por período (L, R$)
Aluguel pago a cada período por um projeto do tipo leasing.
3.22 Base para o Imposto de Renda e Contribuições (R$)
Valor sobre o qual será calculado o Imposto de Renda (IR) e a Contribuição Social sobre o Lucro
Líquido (CSLL).
Onde buscar? Para cada tipo de projeto existe um modo diferente:
𝐵𝐴𝑆𝐸RecursosProprios = 𝐹𝐶𝑗 − 𝐷𝐶𝑗 ou 𝐵𝐴𝑆𝐸Financiamento = 𝐹𝐶𝑗 − 𝐽𝑗 − 𝐷𝐶𝑗 ou 𝐵𝐴𝑆𝐸Leasing = 𝐹𝐶𝑗 − 𝐿𝑗
Em que: FCj: Fluxo de Caixa (FC) estimado para o período j; DCj: Depreciação Contábil para o
período j; Jj: Juros do financiamento para o período j; Lj: Valor do leasing (aluguel) esperado para
o período j.
3.23 Fluxo de Caixa Descapitalizado (FCDj, R$)
O Fluxo de Caixa Descapitalizado (FCD) é o valor desse fluxo descapitalizado para a data zero,
tendo como taxa de desconto a TMA.
Mas, como calcular?
𝐹𝐶𝑗
𝐹𝐶𝐷𝑗 =
Em que: j: período; FCj: Fluxo de Caixa estimado para o período j; TMA: Taxa Mínima de
Atratividade.
3.24 Fluxo de Caixa Descapitalizado e Acumulado (FCDAj, R$)
O Fluxo de Caixa Descapitalizado e Acumulado (FCDA) até o período j é a soma dos valores do
FC Descapitalizado do início até o período em questão, tendo como taxa de desconto a TMA.
Mas, como calcular?

𝑗
𝐹𝐶𝑘
𝐹𝐶𝐷𝐴𝑗 = ∑
(1 + 𝑇𝑀𝐴)𝑘
𝑘=0
Em que: j: período; k: índice; FCk: Fluxo de Caixa estimado para o período k; TMA: Taxa Mínima
de Atratividade
Exemplo ilustrativo: Observe a Figura a seguir:
Figura – Demonstrativo de cálculo do processo de descapitalização e acumulação

Período Fluxo de Caixa FC Descapitalizado para a data zero FCD Acumulado
(j) (FCj) (FCDj) (FCDAj)
0 - R$ 100.000,00 - R$ 100.000,00 - R$ 100.000,00
1 R$ 30.000,00 R$ 27.272,73 - R$ 72.727,27
2 R$ 30.000,00 R$ 24.793,39 - R$ 47.933,88
3 R$ 30.000,00 R$ 22.539,44 - R$ 25.394,44
4 R$ 30.000,00 R$ 20.490,40 - R$ 4.904,04
5 R$ 40.000,00 R$ 24.836,85 R$ 19.932,82
A seguir são apresentados alguns conceitos e parâmetros utilizado no $AVEPI® para a aplicação
de tópicos da Teoria das Opções Reais (TOR). Esse conteúdo foi escrito pelo graduando em
Engenharia de Computação Pedro Henrique Viveiros Trentin.
3.25 Custo de Carregamento (b, unidades)
“Despesa relativa à manutenção de um ativo na carteira. Inclui, dependendo do tipo do ativo,

despesas financeiras, custos de estocagem, seguros, custos de obtenção de crédito e juros”
(Revista Petros, nº 53). De forma simples, é o custo que existe só por ter adquirido e mantido
determinado ativo.
Onde buscar? Deve ser verificado em conjunto com especialistas do setor/área nos bancos,
empresa e corretoras onde o produto/ativo do projeto está disponível.
Exemplo: para b de 100,30 reais, informe: 100,30 ou 100.30
3.26 Volatilidade (, %)
A volatilidade é um parâmetro de extrema relevância na Teoria das Opções Reais (TOR). Ela
estima os riscos e as incertezas relativos ao retorno futuro esperado do investimento. Para
determinar a volatilidade é utilizado o desvio-padrão. Existem diversas formas para estimar a
volatilidade de um ativo. A diferença entre os métodos reside no vetor utilizado como base para o
cômputo da volatilidade. Entre os métodos recomendados pela literatura, foram implementados
no $AVEPI: Log-Retorno do Fluxo de Caixa, Esperança-Variância de Markowitz e a Abordagem
Consolidada de Copeland e Antikarov.
Onde buscar? A volatilidade é um fator positivo em opções e, portanto, quanto maior as incertezas
(volatilidade) maior a o valor da opção (prêmio). O método mais adequado para o projeto deve
ser decidido pelo gestor do projeto, em conjunto com especialistas do setor/área.

casas decimais. Exemplo: para 11,70%, informe: 11,70 ou 11.70
3.27 Taxa de dividendos (D, %)
Segundo Minardi (2004), existe um modelo que assume que a empresa paga uma taxa constante
de dividendo sobre o preço da ação em determinados períodos futuros. Portanto, nesta entrada é
preciso informar, em porcentagem, o valor que uma ação gera de dividendo. O preço da ação pós-
dividendo é dado por:
𝑺𝒊𝒋 = 𝑺∙𝒖 𝒋 ∙ 𝒅 𝒊−𝒋 ∙ (𝟏 − 𝑫)
Sendo D a taxa de dividendos sobre o preço.
Onde buscar? É preciso que os especialistas do setor/área realizem um estudo e projeção baseada
no histórico do ativo e chegar, portanto, em um preço médio de dividendos que o ativo irá pagar.

3.28 Tamanho do passo (Δt, unidades)
O tamanho do passo é a variável que contém o tempo de decisão das opções que será adotado
para um projeto. Por exemplo, se um projeto de vigência de 5 anos terá decisões semestrais, ou
seja, a cada 6 (seis) meses o tamanho de cada passo (t) será 0,5 ano (5 anos/10 passos, ou seja,
0,5 ano/passo, ou ainda, ½ ano por passo).
Onde buscar? Deve ser decidido pelo gestor do projeto em conjunto com especialistas do
setor/área.
Como informar? Informe um número inteiro. Exemplo: para Δt de 10, informe: 10
3.29 Preço do ativo (S, unidades)
É o valor do projeto sem flexibilidade, o qual pode ser estimado pelo VPL (Valor presente
Líquido) ou de maneira análoga é o preço do ativo subjacente disponível no mercado nas opções
financeiras.
Onde buscar? O valor do projeto deve ser estimado pelos especialistas do setor/área. No caso
das ações do mercado financeiro é preciso verificar o histórico do preço da ação.
Exemplo: para S de 105 reais, informe: 105
3.30 Fator Subida (u, unidades)
É um dos parâmetros de entrada essenciais para a construção do modelo binomial, já que este
se baseia em uma estrutura na qual o preço do ativo pode se alterar ao longo do tempo em
movimentos crescentes (fator de subida) e decrescentes (fator de descida). Está diretamente
ligado com a volatilidade e inversamente proporcional ao fator de descida.
Como calcular?
𝑢 = 𝑒 𝜎∙√∆𝑡
d = 1/u
Sendo que:
• 𝜎 é a volatilidade.
• d é o fator de descida.
• u é o fator de subida.
Como informar? Informe um número inteiro. Exemplo: para u de 1,12 informe: 1,12 ou 1.12
3.31 Tempo (t, unidades)
É o prazo estabelecido em contrato para a expiração da opção.
setor/área.
Como informar? Informe um número inteiro. Exemplo: para t de 10, informe: 10
3.32 Prêmio (Pr, R$)
Valor pago para ter direito a exercer uma opção.
setor/área projetando o risco e previsões existentes para o ativo.
Exemplo: para Pr de 105,30 anos, informe: 105,30
3.33 Quantidade (Q, unidades)
É o número de ativos a serem comprados ou vendidos, ou seja, a quantidade de opções em

negociação (Correia Neto, 2011).
setor/área.
Exemplo: para Q de 10 unidades, informe: 10
3.34 Investimento Adicional (E, unidades)
O Investimento Adicional ou preço de exercício em uma opção de expansão é o investimento

necessário para ter uma projeção de um VPL dos fluxos de caixa incrementais. Em outras palavras,
é o valor adicionado no projeto para geralmente aumentar a produção e, portanto, aumentar o
retorno do empreendimento (Correia Neto, 2009).
Onde buscar? Deve ser decidido pelo gestor do projeto em conjunto com um estudo de
especialistas do setor/área decidindo, portanto, quanto será necessário investir a mais para
aumentar o projeto.
Exemplo: para um Investimento Adicional de 30 mil reais, informe: 30000
3.35 Período em dias (unidades)
É o tempo do projeto em formato de dias. Assim, é preciso informar 365 dias, caso o prazo de
vigência do projeto seja de 1 ano.
setor/área.
Como informar? Informe um número inteiro. Exemplo: para um período em dias de 10 dias,
informe: 10
3.36 Expansão (%)
Se houver demanda maior do que o inicialmente previsto, ou se circunstâncias que o envolvem

sejam suficientemente positivas, é possível expandir a escala de produção mediante investimento
adicional (Correia Neto, 2009; Minardi, 2004). Nesta entrada, deve ser informada a porcentagem
do projeto que o investimento adicional representa.
setor/área.

casas decimais. Exemplo: para 30,87%, informe: 30,87 ou 30.87.
3.37 Contração (%)
Uma empresa pode decidir se proteger por meio do uso de estratégias opções, caso identifique
condições adversas (Mun, 2006). A opção de contração considera a possibilidade de reduzir a
escala do projeto. Essa contração pode diminuir o valor total do projeto, porém leva em
consideração o valor residual da parte que foi reduzida (Correia Neto, 2009). Nessa entrada, deve
ser informada a porcentagem do valor do projeto que pode ser contraído.
setor/área.

3.38 Valor Residual de Contração (R$)
O Valor Residual de Contração é o preço de revenda do ativo no final do projeto de investimento.

Normalmente, esse número é o valor de revenda de equipamentos e/ou máquinas.
Onde buscar? É preciso fazer um estudo do mercado e fazer uma projeção desse valor para a data
de término do projeto.
Exemplo: para Valor Residual de Contração de 30 mil reais, informe: 30000
3.39 Valor Residual de Abandono (R$)
Similar ao Valor Residual de Contração, é o preço de revenda do ativo na data do abandono.

Normalmente, esse número é o valor de revenda de equipamentos e/ou máquinas.
Onde buscar? É preciso fazer um estudo do mercado e fazer uma projeção desse valor para a dada
de término do projeto.
Exemplo: para Valor Residual de Abandono de 35 mil reais e 50 centavos, informe: 35000,50 ou
35000.50.
3.40 Preço de Exercício (E, R$)
O preço de exercício é o valor acordado para a futura aquisição. O preço de exercício também é
chamado de strike price.
setor/área após realizar projeções e estimativas de um estudo de mercado.
Exemplo: para E de 10,50 reais, informe: 10,50
3.41 Valor Inicial (R$)
É o valor mínimo do ativo.
Onde buscar? Deve ser realizado um estudo pelos especialistas do setor/área do mercado em que
o projeto se encontra.
Como informar? Informe o valor com . (ponto) ou , (vírgula) na separação de casas decimais..
Exemplo: para Valor Inicial de 30 reais, informe: 30
3.42 Valor final (R$)
É o valor máximo do ativo.
Onde buscar? Deve ser realizado um estudo do futuro do projeto pelos especialistas do
setor/área.
Exemplo: para Valor Final de 300,10 reais, informe: 300,10 ou 300.10
3.43 Divisões (n, unidades)
É o número de partições.
setor/área.
Como informar? Informe um número inteiro. Exemplo: para n de 10, informe: 10
3.44 Taxa de Juros (r, %)
No Banco Central (BACEN): taxa de juros livre de risco (SELIC, no caso brasileiro), remuneração
da caderneta de poupança, entre outras fontes (Souza e Clemente, 2015; Lima et al., 2015;
Casarotto Filho e Kopittke, 2020). A proposta do empreendimento deve render, no mínimo, a taxa
de juros equivalente à rentabilidade das aplicações correntes e de pouco risco para que se torne
atrativa (Casarotto Filho e Kopittke, 2020).

CAPÍTULO 4 – METODOLOGIA MULTI-ÍNDICE AMPLIADA NO $AVEPI®
(José Donizetti de Lima)
4.1 DIMENSÃO RETORNO
4.1.1 Valor Presente (VP, $)
O Valor Presente (VP) é o valor monetário, na data zero, resultante ao final da vida útil do
projeto, sem considerar o Investimento Inicial (FC0).
Mas, como calcular?

𝑁
𝐹𝐶𝑗
𝑉𝑃 = ∑
𝑗=1
Em que: j: período; N: Horizonte de planejamento; FCj: Fluxo de Caixa estimado para o período j;
TMA: Taxa Mínima de Atratividade.
Fonte: Lima e Southier (2023).
4.1.2 Valor Presente do Custo Variável Total (VP(CVT), R$)
Valor Presente (VP) do Custo Variável Total (CVT) descapitalizado para a data zero.
Mas, como calcular?

𝑁
|𝐶𝑉𝑢𝑗 | ⋅ 𝑄𝑗
𝑉𝑃(𝐶𝑉𝑇) = ∑
𝑗=1
Em que: j: período; N: Horizonte de planejamento; CVuj: Custo Variável unitário para o período j;
Qj: Quantidade de vendas esperada para o período j; TMA: Taxa Mínima de Atratividade.
4.1.3 Valor Presente da Receita Total (VP(RT), R$)
Valor Presente (VP) da Receita Total (RT) descapitalizado para a data zero.
Mas, como calcular?

𝑁
𝑃𝑉𝑢𝑗 ⋅ 𝑄𝑗
𝑉𝑃(𝑅𝑇) = ∑
𝑗=1
Em que: j: período; N: Horizonte de planejamento; PVuj: Preço de Venda unitário para o período
j; Qj: Quantidade de vendas esperada para o período j; TMA: Taxa Mínima de Atratividade.
4.1.4 Valor Presente do Custo Total (VP(CT), R$)
Valor Presente (VP) do Custo Total (CT) descapitalizado para a data zero.
Mas, como calcular?
𝑁
|𝑇𝐶𝑗 |
𝑃𝑉(𝑇𝐶) = ∑
(1 + 𝑀𝑅𝐴)𝑗
𝑗=1
Em que: j: período; N: Horizonte de planejamento; |CTj|: Módulo do Custo Total estimado para o
período j; TMA: Taxa Mínima de Atratividade.
4.1.5 Valor Presente do Valor Residual (VP(VR), R$)
Valor Presente (VP) do Valor Residual (VR) descapitalizado para a data zero.
Mas, como calcular?
𝑉𝑅
𝑉𝑃(𝑉𝑅) =
(1 + 𝑇𝑀𝐴)𝑁
Em que: VR: Valor Residual esperado para o fim do horizonte de planejamento (N); TMA: Taxa
Mínima de Atratividade; N: Horizonte de planejamento.
4.1.6 Valor Presente Líquido (VPL, R$)
O Valor Presente Líquido (VPL) é o valor monetário, no momento zero, resultante ao final da
vida útil do projeto, descontando-se o Investimento Inicial (FC0). O VPL (NPV em inglês – Net
Present Value) ou Valor Atual Líquido (VAL), é o resultado do processo de descapitalização (para
a data atual, utilizando como taxa de desconto a TMA) de todos os componentes do FC esperados
como resultado de uma decisão de investimento.
Mas, como calcular?

𝑁
𝐹𝐶𝑗
𝑉𝑃𝐿 = ∑
𝑗=0
ou equivalente
𝑁
𝐹𝐶𝑗
𝑉𝑃𝐿 = ∑ − |𝐹𝐶0 |
𝑗=1
ou equivalente
𝑉𝑃𝐿 = 𝑉𝑃 − |𝐹𝐶0 |
Em que: j: período; N: Horizonte de planejamento; FCj: Fluxo de Caixa estimado para o período j;
TMA: Taxa Mínima de Atratividade; |FC0|: Módulo do Investimento Inicial ou Fluxo de Caixa no
momento zero; VP: Valor Presente.
Mas, como calcular?

𝑁 𝑁 𝑁
𝑃𝑉𝑢𝑗 ⋅ 𝑄𝑗 |𝐶𝑉𝑢𝑗 | ⋅ 𝑄𝑗 |𝐶𝐹𝑗 | 𝑉𝑅
𝑉𝑃𝐿 = −|𝐹𝐶0 | + ∑ 𝑗
−∑ 𝑗
−∑ 𝑗
+
(1 + 𝑇𝑀𝐴) (1 + 𝑇𝑀𝐴) (1 + 𝑇𝑀𝐴) (1 + 𝑇𝑀𝐴)𝑁
𝑗=1 𝑗=1 𝑗=1
Em que: |FC0|: Módulo do Investimento Inicial ou Fluxo de Caixa no momento zero; j: período; N:
Horizonte de planejamento; PVuj: Preço de Venda unitário para o período j; Qj: Quantidade de
vendas esperada para o período j; TMA: Taxa Mínima de Atratividade; |CVuj|: Módulo do Custo
Variável unitário para o período j; |CFj|: Módulo do Custo Fixo estimado para o período j; VR: Valor
Residual.
4.1.7 Valor Presente Líquido Anualizado (VPLA, R$)
O Valor Presente Líquido Anualizado (VPLA) é o valor monetário resultante da distribuição do

VPL por unidade de tempo. Para comparar Projetos de Investimento (PIs) com vidas úteis
diferentes (Ns), sem fazer ajustes, recomenda-se a utilização do VPLA. Também é conhecido como
Custo Anual Uniformemente Equivalente – CAUE (Souza e Clemente, 2015; Casarotto Filho e
Kopittke, 2020).
Mas, como calcular?
𝑉𝑃𝐿 ⋅ 𝑇𝑀𝐴 ⋅ (1 + 𝑇𝑀𝐴)𝑁

𝑉𝑃𝐿𝐴 =
(1 + 𝑇𝑀𝐴)𝑁 − 1
Em que: VPL: Valor Presente Líquido; TMA: Taxa Mínima de Atratividade; N: Horizonte de
Planejamento.
Fonte: Southier e Lima (2021).
4.1.8 Índice Benefício/Custo (IBC) ou Índice de Liquidez (IL)
O Índice Benefício/Custo (IBC) representa, para todo o horizonte de planejamento (N), as

expectativas de ganho por unidade de capital investido no projeto, além do ganho se essa unidade
de capital tivesse sido aplicada à TMA. O IBC é muito utilizado e sua interpretação é relativamente
fácil. É calculado dividindo os benefícios descontados pelos custos descontados do PI (Junkes et
al., 2012). Também é conhecido como Índice de Lucratividade ou Liquidez (IL), sendo a relação
entre o Valor Presente (VP) das receitas liquidas e os investimentos (NBR 14653-4: ABNT, 2002).
Contudo, uma dificuldade do IBC refere-se à definição de quais benefícios e custos serão
considerados no cômputo desse indicador, dada a variabilidade de critérios. Nesse sentido, no
$AVEPI® foram programados dois IBCs, nomeados de IBC1 (considera apenas o custo de
implementação) e IBC2 (considera os custos de implementação, manutenção e operação).
Mas, como calcular?

𝐹𝐶𝑗
∑𝑁
𝑗=0 (1+𝑇𝑀𝐴)𝑗
𝐼𝐵𝐶1 = |𝐹𝐶0 |
ou equivalente
𝑉𝑃
𝐼𝐵𝐶1 = |𝐹𝐶
0|
ou equivalente
𝑉𝑃𝐿+|𝐹𝐶0 |
𝐼𝐵𝐶1 = |𝐹𝐶0 |
Em que: j: período; N: Horizonte de Planejamento; FCj: Fluxo de Caixa estimado para o período j;
TMA: Taxa Mínima de Atratividade; |FC0|: Módulo do Investimento Inicial; VP: Valor Presente;
VPL: Valor Presente Líquido.
Mas, como calcular?

𝑅𝑇𝑗 𝑉𝑅
∑𝑁
𝑗=1 +
(1+𝑇𝑀𝐴)𝑗 (1+𝑇𝑀𝐴)𝑗
𝐼𝐵𝐶2 = |𝐶𝑇𝑗 |
|𝐹𝐶0 |+∑𝑁
𝑗=1(1+𝑇𝑀𝐴)𝑗
ou equivalente
𝑉𝑃(𝐵)
𝐼𝐵𝐶2 = 𝑉𝑃(𝐶)
Em que: j: período; N: Horizonte de planejamento; RTj: Receita Total estimada para o período j;
TMA: Taxa Mínima de Atratividade; VR: Valor Residual; |FC0|: Módulo do Investimento Inicial;
|CTj|: Módulo do Custo Total estimado para o período j, incluindo os custos fixos e variáveis;
VP(B): Valor Presente dos Benefícios esperados; VP(C): Valor Presente dos Custos estimados.
4.1.9 Retorno Adicional sobre o Investimento (ROIA, %)
O Retorno Adicional sobre o Investimento (ROIA) é o melhor indicador de rentabilidade, pois

representa o ganho extra decorrente do Investimento realizado (Souza e Clemente, 2015). Este
indicador é análogo ao conceito do EVA (Economic Value Added) mensurado na forma percentual
(Souza e Clemente, 2015; Harzer, 2015). Assim, o retorno obtido além da TMA é mensurado pelo
ROIA.
Mas, como calcular?
𝑁
𝑅𝑂𝐼𝐴 = √𝐼𝐵𝐶 − 1
Em que: N: Horizonte de planejamento; IBC: Índice Benefício Custo.
Fonte: Souza e Clemente (2015).
4.1.10 Índice ROIA/TMA (ROIA/TMA, %)
O índice ROIA/TMA é a razão entre o ROIA e a TMA. Esse índice mede a magnitude do retorno
extra do investimento. É o retorno adicional proporcionado pela decisão de investir no projeto.
Mas, como calcular?
ROIA
Indice ROIA/TMA =
TMA
Em que: ROIA: Retorno Adicional sobre o Investimento; TMA: Taxa Mínima de Atratividade.
Fonte: Souza e Clemente (2015), Rasoto et al. (2012) e Lima et al. (2015).
4.1.11 Retorno sobre o Investimento (ROI, %)
Esse indicador mede a magnitude do retorno do investimento. Representa o retorno total do

investimento, por período. Como expressa o ganho por período, pode ser diretamente comparado
com a TMA (Harzer, 2015).
Mas, como calcular?
𝑅𝑂𝐼 = (1 + 𝑇𝑀𝐴) ⋅ (1 + 𝑅𝑂𝐼𝐴) − 1
Em que: TMA: Taxa Mínima de Atratividade; ROIA: Retorno Adicional sobre o Investimento;
Fonte: Souza e Clemente (2015) e Rasoto et al. (2012).
4.1.12 Taxa Interna de Retorno Modificada (TIRM, %)
Esse indicador é igual ao ROI, desde que o ROIA seja calculado utilizando-se o IBC1.
Fonte: Rasoto et al. (2012).
4.2 DIMENSÃO RISCOS
4.2.1 Taxa Interna de Retorno (TIR, %)
A Taxa Interna de Retorno (TIR) é a taxa de desconto que torna o VPL do projeto nulo. Pode ser
determinada apenas por métodos numéricos, como o método de Newton-Raphson (Franco, 2006).
“A TIR apenas informa o retorno máximo que o projeto pode obter caso fosse possível reinvestir
todos os fluxos de caixa com taxas iguais à TIR do projeto” (Harzer, 2015). Como medida de risco,
a TIR pode ser interpretada como um limite superior para a variabilidade da TMA (Souza e
Clemente, 2015).
Mas, como calcular?

𝑁
𝐹𝐶𝑗
∑ =0
(1 + 𝑇𝐼𝑅)𝑗
𝑗=0
ou equivalente
𝐹𝐶𝑗
∑𝑁
𝑗=1 − |𝐹𝐶0 | = 0
(1+𝑇𝐼𝑅)𝑗
Em que: j: período; N: Horizonte de Planejamento; FC0: Investimento Inicial; FCj: Fluxo de Caixa
estimado para o período j.
4.2.2 Payback (unidades)
O Payback período é o tempo mínimo necessário para o retorno de um investimento. É o menor

valor pertencente ao horizonte de planejamento (N) no qual o Projeto de Investimento (PI) se paga
(apresenta FCDA positivo) e se mantém pago pelo restante de sua vida útil.
Mas, como calcular?

𝑗
𝐹𝐶𝑘
𝑃𝑎𝑦𝑏𝑎𝑐𝑘 = 𝑚𝑖𝑛{ 𝑗}, 𝑡𝑎𝑙𝑞𝑢𝑒: {∑ ≥ |𝐹𝐶0 | 𝑒{𝐹𝐶𝐷𝐴𝑚 > 0𝑝𝑎𝑟𝑎𝑗 < 𝑚 ≤ 𝑁}}
(1 + 𝑇𝑀𝐴)𝑘
𝑘=1
Em que: j: período; k, m: índices; FCk: Fluxo de Caixa estimado para o período k; TMA: Taxa
Mínima de Atratividade; |FC0|: Módulo do Investimento Inicial; FCDAm: Fluxo de Caixa
Descapitalizado e Acumulado até o período m; N: Horizonte de Planejamento.
4.2.3 Payback ajustado (unidades)
Na busca pela correção de distorções que podem ser geradas no cálculo do Payback de um PI,
que se utiliza de financiamento, principalmente o que apresenta período(s) de carência,
usualmente utiliza-se o Payback ajustado (LIMA et al., 2013).
Mas, como calcular?

j FCk
𝑃𝑎𝑦𝑏𝑎𝑐𝑘𝐹𝑖𝑛 = min{ j}, tal que: {∑k=1 ≥ |FC0 | e {FCDAm > 0 para j < m ≤ N} e {FCn > 0 para j + 1 ≤ n ≤ N}}
(1+TMA)k
Em que: j: período; k, m, n: índices; FC0: Investimento Inicial; FCk: Fluxo de Caixa estimado para o
período k; FCn: Fluxo de Caixa estimado para o período n; FCDAm: Fluxo de Caixa Descapitalizado
e Acumulado até o período m; TMA: Taxa Mínima de Atratividade; N: Horizonte de Planejamento.
Fonte: Lima et al. (2003).
4.2.4 Índice Payback/N (Payback/N, %)
O Índice Payback/N é razão entre o Payback e o horizonte de planejamento. Pode ser

interpretado como o risco de não recuperação do capital investido (Souza e Clemente, 2015).
Segundo Kreuz et al. (2004), ao relacionar o Payback com a vida útil do projeto (N) melhora-se a
percepção do risco quanto à recuperação do capital investido.
Mas, como calcular?
𝑃𝑎𝑦𝑏𝑎𝑐𝑘
Indice 𝑃𝑎𝑦𝑏𝑎𝑐𝑘/N =
N
Em que: N: Horizonte de Planejamento; Payback: Tempo mínimo necessário para o retorno do

investimento
4.2.5 Índice TMA/TIR (TMA/TIR, %)
O Índice TMA/TIR é razão entre a TMA e a TIR. Pode ser interpretado como o risco financeiro
(Souza e Clemente, 2015).
Mas, como calcular?
TMA
Indice TMA/TIR =
TIR
Em que: TMA: Taxa Mínima de Atratividade; TIR: Taxa Interna de Retorno.
4.2.6 Ponto de Fisher (Fisher, %)
O Ponto de Fisher é a taxa de desconto na qual o Valor Presente Líquido (VPL) de dois projetos
de investimento é o mesmo.
Mas, como calcular?
Calcula-se a TIR de um projeto fictício no qual o Fluxo de Caixa (FC) deste projeto é a diferença
entre os Fluxos de Caixas dos dois projetos em análise. O Ponto de Fisher pode ser determinado
apenas por métodos numéricos, como o método de Newton-Raphson (Franco, 2006).
4.2.7 Variação da TMA para o ponto de Fisher (TMA(Fisher), %)
Além do exposto na seção 2.23, pode-se identificar a variação máxima que a TMA suporta até
atingir o Ponto de Fisher. A variação ocorre sempre mantendo constante os demais parâmetros.
Mas, como calcular?
Fisher
𝛥%𝑇𝑀𝐴(Fisher) = { 𝑇𝑀𝐴
Fisher
𝑇𝑀𝐴
Atratividade.
4.3 DIMENSÃO SENSIBILIDADES
4.3.1 Variação da TMA (TMA, %)
Caso positiva, indica a variação máxima que a TMA suporta antes do PI se tornar
economicamente inviável. Caso negativa, indica a variação mínima que a TMA deve sofrer para
tornar o PI economicamente viável. A variação ocorre sempre mantendo constante os demais
parâmetros.
Mas, como calcular?
𝑇𝐼𝑅
𝛥%𝑇𝑀𝐴 = −1
𝑇𝑀𝐴
Em que: TMA: Taxa Mínima de Atratividade; TIR: Taxa Interna de Retorno.
4.3.2 Variação do Investimento Inicial (%FC0, %)
Caso positiva, indica a variação máxima que o Investimento Inicial (FC0) suporta antes do PI se
tornar economicamente inviável. Caso negativa, indica a variação mínima que o FC0 deve sofrer
para tornar o PI economicamente viável. A variação ocorre sempre mantendo constante os demais
parâmetros.
Mas, como calcular?
𝛥%𝐹𝐶0 = 𝐼𝐵𝐶1 − 1
Em que: IBC1: Índice Benefício Custo, considerando apenas o custo de implementação.
4.3.3 Variação do Fluxo de Caixa (%FCj, %)
Caso positiva, indica a variação máxima que o Fluxo de Caixa (FCj) suporta antes do PI se tornar
economicamente inviável. Caso negativa, indica a variação mínima que o FCj deve sofrer para
parâmetros.
Mas, como calcular?
1
𝛥%𝐹𝐶𝑗 = 1 −
𝐼𝐵𝐶1
4.3.4 Variação do Fluxo de Caixa e do Investimento Inicial (%FCj e FC0, %)
Caso positiva, indica a variação máxima que o Fluxo de Caixa (FCj) e o Investimento Inicial (FC0)
suportam antes do PI se tornar economicamente inviável. Caso negativa, indica a variação mínima
que o FCj e o FC0 devem sofrer para tornar o PI economicamente viável. A variação ocorre sempre
mantendo constante os demais parâmetros.
Mas, como calcular?

𝐼𝐵𝐶1 − 1
𝛥%𝐹𝐶𝑗 ∩ 𝐹𝐶0 =
𝐼𝐵𝐶1 + 1
4.3.5 Variação da TMA e do Investimento Inicial (%TMA e FC0, %)
Caso positiva, indica a variação máxima que a TMA e o Investimento Inicial (FC0) suportam
antes do PI se tornar economicamente inviável. Caso negativa, indica a variação mínima que a TMA
e o FC0 devem sofrer para tornar o PI economicamente viável. A variação ocorre sempre mantendo
constante os demais parâmetros.
Mas, como calcular?

(𝐼𝐵𝐶1 − 1) ⋅ (𝑇𝐼𝑅 − 𝑇𝑀𝐴)
𝛥%𝑇𝑀𝐴 ∩ 𝐹𝐶0 =
𝑇𝐼𝑅 + 𝑇𝑀𝐴 ⋅ 𝐼𝐵𝐶1 − 2 ⋅ 𝑇𝑀𝐴
Em que: IBC1: Índice Benefício Custo, considerando apenas o custo de implementação; TIR: Taxa
Interna de Retorno; TMA: Taxa Mínima de Atratividade.
4.3.6 Variação da TMA e do Fluxo de Caixa (%TMA e FCj, %)
Caso positiva, indica a variação máxima que a TMA e o Fluxo de Caixa (FCj) suportam antes do
PI se tornar economicamente inviável. Caso negativa, indica a variação mínima que a TMA e o FCj
devem sofrer para tornar o PI economicamente viável. A variação ocorre sempre mantendo
Mas, como calcular?

(𝐼𝐵𝐶1 − 1) ⋅ (𝑇𝐼𝑅 − 𝑇𝑀𝐴)
𝛥%𝑇𝑀𝐴 ∩ 𝐹𝐶𝑗 =
𝑇𝐼𝑅 ⋅ 𝐼𝐵𝐶1 − 𝑇𝑀𝐴

4.3.7 Variação da TMA, do Fluxo de Caixa e do Investimento Inicial (%TMA e FCj e FC0, %)
Caso positiva, indica a variação máxima que a TMA, o Fluxo de Caixa (FCj) e o Investimento
Inicial (FCo) suportam antes do PI se tornar economicamente inviável. Caso negativa, indica a
variação mínima que a TMA, o FCj e o FCo devem sofrer para tornar o PI economicamente viável.
A variação ocorre sempre mantendo constante os demais parâmetros.
Mas, como calcular?

(𝐼𝐵𝐶1 − 1)2 ⋅ (𝑇𝐼𝑅 − 𝑇𝑀𝐴)
𝛥%𝑇𝑀𝐴 ∩ 𝐹𝐶𝑗 ∩ 𝐹𝐶0 =
4.3.8 Variação dos Custos Totais (%CTj, %)
Caso positiva, indica a variação máxima que os Custos Totais (CTj) suportam antes do PI se
tornar economicamente inviável. Caso negativa, indica a variação mínima que os CTj devem sofrer
parâmetros.
Mas, como calcular?

𝛥%𝐶𝑇𝑗 = 𝐼𝐵𝐶2 − 1
Em que: IBC2: Índice Benefício Custo, considerando os custos de implementação, manutenção e

operação.
4.3.9 Variação das Receitas Totais (%RTj, %)
Caso positiva, indica a variação máxima que as Receitas Totais (RTj) suportam antes do PI se
tornar economicamente inviável. Caso negativa, indica a variação mínima que as RTj devem sofrer
parâmetros.
Mas, como calcular?

1
𝛥%𝑅𝑇𝑗 = 1 −
𝐼𝐵𝐶2

operação.
4.3.10 Variação das Receitas Totais e dos Custos Totais (%RTj e CTj, %)
Caso positiva, indica a variação máxima que as Receitas Totais (RTj) e os Custos Totais (CTj)
que as RTj e os CTj devem sofrer para tornar o PI economicamente viável. A variação ocorre
Mas, como calcular?

𝐼𝐵𝐶2 − 1
𝛥%𝑅𝑇𝑗 ∩ 𝐶𝑇𝑗 =
𝐼𝐵𝐶2 + 1

operação.
4.3.11 Variação da TMA e dos Custos Totais (%TMA e CTj, %)
Caso positiva, indica a variação máxima que a TMA e os Custos Totais (CTj) suportam antes do
PI se tornar economicamente inviável. Caso negativa, indica a variação mínima que a TMA e os CTj
Mas, como calcular?

(𝐼𝐵𝐶2 − 1) ⋅ (𝑇𝐼𝑅 − 𝑇𝑀𝐴)
𝛥%𝑇𝑀𝐴 ∩ 𝐶𝑇𝑗 =
𝑇𝐼𝑅 + 𝑇𝑀𝐴 ⋅ 𝐼𝐵𝐶2 − 2 ⋅ 𝑇𝑀𝐴

operação; TIR: Taxa Interna de Retorno; TMA: Taxa Mínima de Atratividade.
4.3.12 Variação da TMA e das Receitas Totais (%TMA e RTj, %)
Caso positiva, indica a variação máxima que a TMA e as Receitas Totais (RTj) suportam antes
do PI se tornar economicamente inviável. Caso negativa, indica a variação mínima que a TMA e as
RTj devem sofrer para tornar o PI economicamente viável. A variação ocorre sempre mantendo
Mas, como calcular?

(𝐼𝐵𝐶2 − 1) ⋅ (𝑇𝐼𝑅 − 𝑇𝑀𝐴)
𝛥%𝑇𝑀𝐴 ∩ 𝑅𝑇𝑗 =

4.3.13 Variação da TMA, das Receitas Totais e dos Custos Totais (%TMA e RTj e CTj, %)
Caso positiva, indica a variação máxima que a TMA, as Receitas Totais (RTj) e os Custos Totais
(CTj) suportam antes do PI se tornar economicamente inviável. Caso negativa, indica a variação
mínima que a TMA, as RTj e os CTj devem sofrer para tornar o PI economicamente viável. A
variação ocorre sempre mantendo constante os demais parâmetros.
Mas, como calcular?

(𝐼𝐵𝐶2 − 1)2 ⋅ (𝑇𝐼𝑅 − 𝑇𝑀𝐴)
𝛥%𝑇𝑀𝐴 ∩ 𝑅𝑇𝑗 ∩ 𝐶𝑇𝑗 =

4.3.14 Variação da TMA para o ponto de Fisher (TMA(Fisher), %)
Indica a variação máxima que a TMA suporta até atingir o ponto de Fisher. A variação ocorre
Mas, como calcular?

𝛥%𝑇𝑀𝐴(𝐹𝑖𝑠ℎ𝑒𝑟) = { 𝑇𝑀𝐴
𝑇𝑀𝐴
Atratividade.
4.3.15 Variação da Quantidade de vendas (Δ%Qj, %)
Caso positiva, indica a variação máxima que a Quantidade de vendas (Qj) suporta antes do PI se
tornar economicamente inviável. Caso negativa, indica a variação mínima que a Qj deve sofrer para
parâmetros.
Mas, como calcular?

𝑉𝑃𝐿
𝛥%𝑄𝑗 =
𝑉𝑃(𝑅𝑇) − 𝑉𝑃(𝐶𝑉𝑇)
Em que: VPL: Valor Presente Líquido; VP(RT): Valor Presente (VP) da Receita Total (RT);
VP(CVT): Valor Presente (VP) do Custo Variável Total (CVT).
4.3.16 Variação do Preço de Venda unitário (Δ%PVuj, %)
Caso positiva, indica a variação máxima que o Preço de Venda unitário (PVuj) suporta antes do
PI se tornar economicamente inviável. Caso negativa, indica a variação mínima que o PVuj deve
sofrer para tornar o PI economicamente viável. A variação ocorre sempre mantendo constante os
demais parâmetros.
Mas, como calcular?
𝑉𝑃𝐿
𝛥%𝑃𝑉𝑢𝑗 =
𝑉𝑃(𝑅𝑇)
Em que: VPL: Valor Presente Líquido; VP(RT): Valor Presente (VP) da Receita Total (RT).
4.3.17 Variação do Custo Variável unitário (Δ%CVuj, %)
Caso positiva, indica a variação máxima que o Custo Variável unitário (CVuj) suporta antes do
PI se tornar economicamente inviável. Caso negativa, indica a variação mínima que o CVu j deve
sofrer para tornar o PI economicamente viável. A variação ocorre sempre mantendo constante os
demais parâmetros.
Mas, como calcular?
𝑉𝑃𝐿
𝛥%𝐶𝑉𝑢𝑗 =
𝑉𝑃(𝐶𝑉𝑇)
Em que: VPL: Valor Presente Líquido e VP(CVT): Valor Presente (VP) do Custo Variável Total
(CVT).
4.3.18 Variação do Custo Fixo (Δ%CFj, %)
Caso positiva, indica a variação máxima que o Custo Fixo (CFj) suporta antes do PI se tornar
economicamente inviável. Caso negativa, indica a variação mínima que o CF j deve sofrer para
parâmetros.
Mas, como calcular?
𝑉𝑃𝐿
𝛥%𝐶𝐹𝑗 =
𝑉𝑃(𝐶𝐹)
Em que: VPL: Valor Presente Líquido; VP(CF): Valor Presente (VP) do Custo Fixo (CF).
4.3.19 Variação do Valor Residual (Δ%VR, %)
Caso positiva, indica a variação máxima que o Valor Residual (VR) suporta antes do PI se tornar
economicamente inviável. Caso negativa, indica a variação mínima que o VR deve sofrer para
parâmetros.
Mas, como calcular?

𝑉𝑃𝐿
𝛥%𝑉𝑅 =
𝑉𝑃(𝑉𝑅)
Em que: VPL: Valor Presente Líquido; VP(VR): Valor Presente (VP) do Valor Residual (VR).
4.3.20 Variação da Margem de Contribuição unitária (Δ%MCuj, %)
Caso positiva, indica a variação máxima que a Margem de Contribuição unitária (MCuj) suporta
antes do PI se tornar economicamente inviável. Caso negativa, indica a variação mínima que a MCuj
deve sofrer para tornar o PI economicamente viável. A variação ocorre sempre mantendo
constante os demais parâmetros. Vale lembrar que: MCuj = PVuj – CVuj.
Mas, como calcular?

𝑉𝑃𝐿
𝛥%𝑀𝐶𝑢𝑗 =
𝑉𝑃(𝑅𝑇) − 𝑉𝑃(𝐶𝑉𝑇)
4.3.21 Variação da Quantidade de vendas e do Preço de Venda unitário (Δ%Qj e PVuj, %)
Caso positiva, indica a variação máxima que a Quantidade de vendas (Qj) e o Preço de Venda
unitário (PVuj) suportam antes do PI se tornar economicamente inviável. Caso negativa, indica a
variação mínima que a Qj e o PVuj devem sofrer para tornar o PI economicamente viável. A
Mas, como calcular?

−2 ⋅ 𝑉𝑃(𝑅𝑇) + 𝑉𝑃(𝐶𝑉𝑇) + √(𝑉𝑃(𝐶𝑉𝑇) − 2 ⋅ 𝑉𝑃(𝑅𝑇))2 − 4 ⋅ 𝑉𝑃(𝑅𝑇) ⋅ 𝑉𝑃𝐿
𝛥%𝑄𝑗 ∩ 𝑃𝑉𝑢𝑗 = −
2 ⋅ 𝑉𝑃(𝑅𝑇)

4.3.22 Variação da Quantidade de vendas e do Custo Variável unitário (Δ%Qj e CVuj, %)
Caso positiva, indica a variação máxima que a Quantidade de vendas (Qj) e o Custo Variável
unitário (CVuj) suportam antes do PI se tornar economicamente inviável. Caso negativa, indica a
variação mínima que a Qj e o CVuj devem sofrer para tornar o PI economicamente viável. A
Mas, como calcular?

𝑉𝑃(𝑅𝑇) − √(−𝑉𝑃(𝑅𝑇))2 − 4 ⋅ 𝑉𝑃(𝐶𝑉𝑇) ⋅ 𝑉𝑃𝐿
𝛥%𝑄𝑗 ∩ 𝐶𝑉𝑢𝑗 =
2 ⋅ 𝑉𝑃(𝐶𝑉𝑇)
4.3.23 Variação do Preço de Venda unitário e do Custo Variável unitário (Δ%PVuj e CVuj, %)
Caso positiva, indica a variação máxima que o Preço de Venda unitário (PVuj) e o Custo Variável
unitário (CVuj) suportam antes do PI se tornar economicamente inviável. Caso negativa, indica a
variação mínima que o PVuj e o CVuj devem sofrer para tornar o PI economicamente viável. A
Mas, como calcular?

𝑉𝑃𝐿
𝛥%𝑃𝑉𝑢𝑗 ∩ 𝐶𝑉𝑢𝑗 =
𝑉𝑃(𝑅𝑇) + 𝑉𝑃(𝐶𝑉𝑇)
VP(CVT): Valor Presente (VP) do Custo Variável Total (CVT),
4.3.24 Variação do Quantidade de vendas, do Preço de Venda unitário e do Custo Variável

unitário (Δ%Qj, PVuj e CVuj, %)
Caso positiva, indica a variação máxima que a Quantidade de vendas (Qj), o Preço de Venda
unitário (PVuj) e o Custo Variável unitário (CVuj) suportam antes do PI se tornar economicamente
inviável. Caso negativa, indica a variação mínima que a Qj, o PVuj e o CVuj devem sofrer para tornar
o PI economicamente viável. A variação ocorre sempre mantendo constante os demais
parâmetros.
Mas, como calcular?

2 ⋅ 𝑉𝑃(𝑅𝑇) − √(−2 ⋅ 𝑉𝑃(𝑅𝑇))2 − 4 ⋅ (𝑉𝑃(𝑅𝑇) + 𝑉𝑃(𝐶𝑉𝑇)) ⋅ 𝑉𝑃𝐿
𝛥%𝑄𝑗 ∩ 𝑃𝑉𝑢𝑗 ∩ 𝐶𝑉𝑢𝑗 =
2 ⋅ (𝑉𝑃(𝑅𝑇) + 𝑉𝑃(𝐶𝑉𝑇))
4.3.25 Variação do Quantidade de vendas, do Preço de Venda unitário, do Custo Variável

unitário e do Custo Fixo (Δ%Qj, PVuj, CVuj e CFj, %)
unitário (PVuj), o Custo Variável unitário (CVuj) e o Custo Fixo (CFj) suportam antes do PI se tornar
economicamente inviável. Caso negativa, indica a variação mínima que a Qj, o PVuj, o CVuj e o CFj
Mas, como calcular?
2 ⋅ 𝑉𝑃(𝑅𝑇) + 𝑉𝑃(𝐶𝐹) − √(−2 ⋅ 𝑉𝑃(𝑅𝑇) − 𝑉𝑃(𝐶𝐹))2 − 4 ⋅ (𝑉𝑃(𝑅𝑇) + 𝑉𝑃(𝐶𝑉𝑇)) ⋅ 𝑉𝑃𝐿

𝛥%𝑄𝑗 ∩ 𝑃𝑉𝑢𝑗 ∩ 𝐶𝑉𝑢𝑗 ∩ 𝐶𝐹𝑗 =
VP(CVT): Valor Presente (VP) do Custo Variável Total (CVT); VP(CF): Valor Presente (VP) do
Custo Fixo (CF).

unitário, do Custo Fixo e do Investimento Inicial (Δ%Qj, PVuj, CVuj, CFj e FC0, %)
unitário (PVuj), o Custo Variável unitário (CVuj), o Custo Fixo (CFj) e o Investimento Inicial (FC0)
que a Qj, o PVuj, o CVuj, o CFj e o FC0 devem sofrer para tornar o PI economicamente viável. A
Mas, como calcular?
2 ⋅ 𝑉𝑃(𝑅𝑇) + 𝑉𝑃(𝐶𝐹) + |𝐹𝐶0 | − √(−2 ⋅ 𝑉𝑃(𝑅𝑇) − 𝑉𝑃(𝐶𝐹) − |𝐹𝐶0 |)2 − 4 ⋅ (𝑉𝑃(𝑅𝑇) + 𝑉𝑃(𝐶𝑉𝑇)) ⋅ 𝑉𝑃𝐿
𝛥%𝑄𝑗 ∩ 𝑃𝑉𝑢𝑗 ∩ 𝐶𝑉𝑢𝑗 ∩ 𝐶𝐹𝑗 ∩ 𝐹𝐶0 =
Custo Fixo (CF); |FC0|: Módulo do Investimento Inicial.
unitário, do Custo Fixo, do Investimento Inicial e do Valor Residual (Δ%Qj, PVuj, CVuj,
CFj, FC0 e VR, %)
unitário (PVuj), o Custo Variável unitário (CVuj), o Custo Fixo (CFj), o Investimento Inicial (FC0) e
o Valor Residual (VR) suportam antes do PI se tornar economicamente inviável. Caso negativa,
indica a variação mínima que a Qj, o PVuj, o CVuj, o CFj, o FC0 e o VR devem sofrer para tornar o PI
economicamente viável. A variação ocorre sempre mantendo constante os demais parâmetros.
Mas, como calcular?

2 ⋅ 𝑉𝑃(𝑅𝑇) + 𝑉𝑃(𝐶𝐹) + |𝐹𝐶0 | + 𝑉𝑃(𝑉𝑅) − √(−2 ⋅ 𝑉𝑃(𝑅𝑇) − 𝑉𝑃(𝐶𝐹) − |𝐹𝐶0 | − 𝑉𝑃(𝑉𝑅))2 − 4 ⋅ (𝑉𝑃(𝑅𝑇) + 𝑉𝑃(𝐶𝑉𝑇)) ⋅ 𝑉𝑃𝐿
𝛥%𝑄𝑗 ∩ 𝑃𝑉𝑢𝑗 ∩ 𝐶𝑉𝑢𝑗 ∩ 𝐶𝐹𝑗 ∩ 𝐹𝐶0 ∩ 𝑉𝑅 =
Custo Fixo (CF); |FC0|: Módulo do Investimento Inicial; VR: Valor Residual.
4.3.28 Variação do Custo Variável unitário, do Custo Fixo e do Investimento Inicial (Δ%CVuj,
CFj e FC0, %)
Caso positiva, indica a variação máxima que o Custo Variável unitário (CVuj), o Custo Fixo (CFj)
e o Investimento Inicial (FC0) suportam antes do PI se tornar economicamente inviável. Caso
negativa, indica a variação mínima que o CVuj, o CFj e o FC0 devem sofrer para tornar o PI
economicamente viável. A variação ocorre sempre mantendo constante os demais parâmetros.
Mas, como calcular?
𝑉𝑃𝐿
𝛥%𝐶𝑉𝑢𝑗 ∩ 𝐶𝐹𝑗 ∩ 𝐹𝐶0 =
𝑉𝑃(𝐶𝐹) + 𝑉𝑃(𝐶𝑉𝑇) + |𝐹𝐶0 |
Em que: VPL: Valor Presente Líquido; VP(CF): Valor Presente (VP) do Custo Fixo (CF); VP(CVT):
Valor Presente (VP) do Custo Variável Total (CVT); |FC0|: Módulo do Investimento Inicial.
4.3.29 Variação do Custo Variável unitário e do Custo Fixo (Δ%CVuj e CFj, %)
Caso positiva, indica a variação máxima que o Custo Variável unitário (CVuj) e o Custo Fixo (CFj)
que o CVuj e o CFj devem sofrer para tornar o PI economicamente viável. A variação ocorre sempre
Mas, como calcular?
𝑉𝑃𝐿
𝛥%𝐶𝑉𝑢𝑗 ∩ 𝐶𝐹𝑗 =
𝑉𝑃(𝐶𝐹) + 𝑉𝑃(𝐶𝑉𝑇)
Em que: VPL: Valor Presente Líquido; VP(CF): Valor Presente (VP) do Custo Fixo (CF); VP(CVT):
Valor Presente (VP) do Custo Variável Total (CVT).
4.3.30 Variação do Custo Variável unitário e do Investimento Inicial (Δ%CVuj e FC0, %)
Caso positiva, indica a variação máxima que o Custo Variável unitário (CVuj) e o Investimento
Inicial (FC0) suportam antes do PI se tornar economicamente inviável. Caso negativa, indica a
variação mínima que o CVuj e o FC0 devem sofrer para tornar o PI economicamente viável. A
Mas, como calcular?
𝑉𝑃𝐿
𝛥%𝐶𝑉𝑢𝑗 ∩ 𝐹𝐶0 =
𝑉𝑃(𝐶𝑉𝑇) + |𝐹𝐶0 |
Em que: VPL: Valor Presente Líquido; VP(CVT): Valor Presente (VP) do Custo Variável Total
(CVT); |FC0|: Módulo do Investimento Inicial.
4.3.31 Variação do Custo Fixo e do Investimento Inicial (Δ%CFj e FC0, %)
Caso positiva, indica a variação máxima que o Custo Fixo (CFj) e o Investimento Inicial (FC0)
que o CFj e o FC0 devem sofrer para tornar o PI economicamente viável. A variação ocorre sempre
Mas, como calcular?
𝑉𝑃𝐿
𝛥%𝐶𝐹𝑗 ∩ 𝐹𝐶0 =
𝑉𝑃(𝐶𝐹) + |𝐹𝐶0 |
Em que: VPL: Valor Presente Líquido; VP(CF): Valor Presente (VP) do Custo Fixo (CF); |FC0|:
Módulo do Investimento Inicial.
4.4 RELAÇÃO ENTRE LIMITES DE ELASTICIDADE (LEs) E VALORES-LIMITE (VLs)
O Limite de Elasticidade (LE) estabelece a variação percentual para cada variável interveniente
no desempenho econômico do projeto em análise. Por outro lado, o Valor-Limite (VL) representa
o limite superior (ou inferior) para essa variabilidade. Observe a relação entre os LEs e os VLs na
Figura a seguir:
Limites de Elasticidade (LEs) Máx (1) ou Mín(2) Valores-Limite (VLs)
%TMA x% = TIR(3)
%FC0 y% = VP(3)
%FCj z% = FCj∙(1 – %FCj)(4)
%Qj w% = Qj∙(1 – %Qj)(4)
... ... ...
Figura – Relação entre Limites de Elasticidade (LEs) e Valores-Limite (VLs)
Notas:
1. Máxima variação permitida, mantendo a viabilidade econômica do Projeto de Investimento

(PI).
2. Mínima variação necessária para tornar o Projeto de Investimento (PI) economicamente viável.
3. Única resposta;
4. Se for constante, haverá duas respostas: uma compreendendo os períodos 1 a N-1 e outra para
o período N. Se não for constante, haverá N respostas.
Exemplos ilustrativos:
1) Suponha um Projeto de Investimento (PI) economicamente viável, com Taxa Mínima de

Atratividade (TMA) igual a 10% ao ano e um Limite de Elasticidade (LE) para esse parâmetro
igual a 20% (%TMA), isto implica em um Valor-Limite (VL), para a TMA, igual a 12% (TIR –
Taxa Interna de Retorno). Em suma, se TMA = 10% e %TMA = 20%, então: VL = 12%.
2) Suponha um Projeto de Investimento (PI) economicamente inviável, com Taxa Mínima de

Atratividade (TMA) igual a 10% ao ano e um Limite de Elasticidade (LE) para esse parâmetro
igual a -30% (%TMA), isto implica em um Valor-Limite (VL), para a TMA, igual a 7% (TIR –
Taxa Interna de Retorno). Em suma, se TMA = 10% e %TMA = -30%, então: VL = 7%.
4.5 GRÁFICOS NO $AVEPI®
4.5.1 Diagrama do Fluxo de Caixa
A Figura Diagrama do Fluxo de Caixa (DFC) apresenta graficamente os valores projetados para
o Fluxo de Caixa (FC) do projeto, bem como o Investimento Inicial (FC0). Para a elaboração do DFC,
adota-se “convenções cartesianas: fluxos positivos para cima e negativos para baixo” (Costa e
Attie, 1990).
Eixo horizontal: apresenta os períodos de 0 a 3, bem como os três últimos períodos do projeto.
Eixo vertical: apresenta os valores em unidade monetária do FC em cada um dos períodos e FC0.
Utiliza-se a cor preta para valores positivos e vermelha para valores negativos. Para ver os valores
exatos, basta repousar o mouse sobre as setas.
Figura – Diagrama do Fluxo de Caixa de um PI
4.5.2 Espectro de validade da decisão
A Figura espectro de validade da decisão apresenta os valores do Valor Presente Líquido (VPL)
do projeto para diferentes taxas de desconto (TMAs). Além disso, destaca-se a TIR e a TMA.
Eixo horizontal: apresenta os valores, em porcentagem, das taxas de desconto (TMAs).
Eixo vertical: apresenta os valores, em unidades monetárias, do VPL, com destaques para a TIR e
a TMA.
Figura – Espectro de validade da decisão de um PI em análise
Fonte: Elaborada a partir de Souza e Clemente (2015).
4.5.3 Limites de Elasticidade
A Figura Limites de Elasticidade (LEs) apresenta os valores dos diferentes LEs em um gráfico
horizontal, ordenado pelos valores em módulo, do maior para o menor.
Eixo horizontal: Simboliza o tamanho de cada um dos LEs.
Figura – Limites de Elasticidade de um PI em análise
4.5.4 Limites de Elasticidade para dois projetos
A Figura Limites de Elasticidade (LEs) para 2 Projetos de Investimento (PIs) apresenta os

valores dos diferentes LEs desses projetos de investimento em um gráfico vertical ordenado pelos
valores em módulo, do maior para o menor.
Eixo vertical: Simboliza o tamanho de cada um dos LEs.
Figura – Limites de Elasticidade dos PIs em análise
4.5.5 Espectro de validade da decisão para dois projetos
A Figura espectro de validade da decisão de 2 PIs apresenta os valores do VPL dos projetos para
diferentes taxas de desconto (TMAs). Além disso, destaca-se a TIR, a TMA e o Ponto de Fisher.
Eixo horizontal: apresenta os valores, em porcentagem, das taxas de desconto (TMAs).
Eixo vertical: apresenta os valores, em unidades monetárias, dos VPLs, com destaques para a TIR,
a TMA e o Ponto de Fisher.
Figura – Espectro de validade da decisão para 2 projetos
Fonte: Elaborado a partir de Souza e Clemente (2015).
4.5.6 Diagrama de Tornado
Mostra graficamente o resultado da Análise de Sensibilidade (AS) no Valor Presente Líquido

(VPL) por meio de alterações nos principais parâmetros intervenientes no desempenho
econômico do Projeto de Investimento (PI) em análise.
Eixo horizontal: apresenta as sensibilidades dos parâmetros, dada uma variação percentual pré-
estabelecida pelo usuário.
Eixo vertical: apresenta os parâmetros e respectivas sensibilidades.
Figura – Gráfico de Tornado para 1 projeto
Fonte: Elaborado a partir de Correia Neto (2009).
4.5.7 Dashboard
O painel de visualização dos indicadores mostra graficamente o resultado esperado para as 3

dimensões da Metodologia Multi-índice Ampliada (MMIA): retorno, risco médio e sensibilidade.
Figura – Dashboard para 1 projeto
4.6 Relatórios no $AVEPI

Prezad@ usuári@, as informações apresentadas no relatório (report) não devem ser
interpretadas como recomendação de qualquer natureza, para quaisquer tipos de investimentos,
estratégias ou transações comerciais. A única finalidade é a didática, ou seja, apoiar o processo de
ensino-aprendizagem-avaliação de tópicos de análise de investimentos em ativos reais
(projetos/empreendimentos). O objetivo é apresentar um relatório descritivo/consolidado, o qual
fornece uma síntese dos principais resultados esperados para o projeto em avaliação.
O $AVEPI fornece relatórios consolidados com resultados analíticos e explicações detalhadas

dos resultados. Para isso, foram desenvolvidos relatórios-padrão para cada uma das principais
metodologias de análise de investimentos: metodologia clássica (MC), metodologia multi-índice
(MMI), metodologia multi-índice ampliada (MMIA) e Simulação de Monte Carlo (SMC). A seguir,
detalhamos a lógica utilizada para a geração automática desses relatórios:
▪ Parecer preliminar da Metodologia Clássica (MC): Caso 1: O projeto de investimento (PI) em

análise é considerado atrativo (ou recomendável) pois o valor presente do fluxo de receitas
e do valor residual supera o valor presente do fluxo de desembolsos (Souza e Clemente, 2022).
Portanto, o PI é considerado financeiramente atrativo, pois: VPL ≥ 0, TIR ≥ TMA e Payback ≤
N. Caso 2: O projeto de investimento (PI) em análise não é considerado atrativo pois o valor
presente do fluxo de receitas e do valor residual não supera o valor presente do fluxo de
desembolsos (Souza e Clemente, 2022). Portanto, o PI não é considerado financeiramente
atrativo, pois: VPL < 0, TIR < TMA e Payback > N.
▪ Parecer preliminar da Metodologia Multi-índice (MMI): Caso 1: O projeto de investimento
em análise é financeiramente atrativo pois o grau de retorno esperado é maior ou igual ao
nível médio de risco associado a decisão de investimento. Caso 2: O projeto de investimento
em análise não apresenta viabilidade financeira pois o grau de retorno esperado é menor
que o nível médio de risco associado a decisão de investimento.
▪ Parecer preliminar da Metodologia Multi-índice Ampliada (MMIA): Caso 1: O projeto de

investimento em análise é financeiramente atrativo pois o grau de retorno esperado é maior
ou igual ao nível médio de risco associado a decisão de investimento e todos os limites de
elasticidades são ≥ 33,33%. Caso 2: O projeto de investimento em análise necessita da
aplicação da Simulação de Monte Carlo (SMC) antes da tomada de decisão pois
apresenta pelo menos um limite de elasticidade  33,33%.
▪ Parecer preliminar da Simulação de Monte Carlo (SMC): a lógica utilizada é detalhada na

Figura a seguir:
Todos os parâmetros estocásticos declarados pelo usuário foram simulados simultaneamente

e considerados independentes. Uma série de Simulações de Monte Carlo – SMC (10.000
Estatísticas iterações) foram realizadas – experimentos computacionais (Farrell et al., 2022).
Descritivas A execução da SMC produziu os seguintes resultados: (i) o retorno médio esperado é de R$ x
(VPLMédio); (ii) o menor valor gerado foi R$ x (VPLMínimo); (iii) o maior valor gerado foi R$ x
(VPLMáximo); (iv) a amplitude foi de R$ x (VPLMáximo – VPLMínimo); (v) o desvio-padrão amostral
produzido foi de R$ x (sVPL); (vi) o coeficiente de variação amostral foi de x% (sVPL/VPLMédio); e
(vii) a mediana produzida foi de x (VPLMediano).
Segundo a SMC realizada, a probabilidade de insucesso financeiro (área sob a curva do VPL)
é de x% [P(VPL < 0)]. Além disso, a SMC produziu um valor em risco (Value at Risk), para o
Estatísticas nível de 5% (VaR5%) de R$ y, ou seja, há 5% de probabilidade de o projeto de investimento
em análise produzir um VPL menor ou igual a R$ y. Por fim, o valor em risco condicional
Inferenciais
(CVaR – Conditional VaR), para o nível de 5%, é de R$ z. Vale ressaltar que o CVaR,
representa o valor médio dentre os valores que são menores ou iguais ao VaR.
Caso 1) Diante do exposto, recomenda-se a implementação do projeto de investimento em
análise pois a probabilidade de insucesso financeiro, mensurada pelo indicador P(VPL < 0), é
menor que 5%, ou seja, apresenta baixa probabilidade de prejuízo. Além disso, a
recomendação é sustentada pelos valores do VaR e CVaR estimados pela SMC.
Caso 2) Diante do exposto, não se recomenda a implementação do projeto de investimento
em análise pois a probabilidade de insucesso financeiro, mensurada pelo indicador P(VPL <
Parecer 0), é maior que 15%, ou seja, apresenta alta probabilidade de prejuízo. Além disso, a
preliminar recomendação é sustentada pelos valores do Var e CVaR estimados pela SMC.
Caso 3) Diante do exposto, não se recomenda a implementação do projeto de investimento
em análise pois a probabilidade de insucesso financeiro, mensurada pelo indicador P(VPL <
0), é maior ou a 5% e menor ou igual a 15%, ou seja, apresenta média probabilidade de
prejuízo. Além disso, a recomendação é sustentada pelos valores do Var e CVaR estimados
pela SMC.
Atenção: Para classificar o nível de risco obtido via SMC, utilizamos a seguinte escala: (i)
risco baixo: Probabilidade via SMC < 5%; (ii) risco médio: 5%  Probabilidade via SMC  15%;
e (ii) risco alto: Probabilidade via SMC > 15%.
Em suma: Recomendar somente se a P(VPL < 0) < 5%, caso contrário, recomenda-se
rejeitar, mas sempre justificando.
CAPÍTULO 5 – CONCEITOS E DEFINIÇÕES PARA A ABORDAGEM
ESTOCÁSTICA NO $AVEPI® (José Donizetti de Lima)
5.1 CONCEITOS DE PROBABILIDADE E ESTATÍSTICA APLICADA
5.1.1 Distribuição Uniforme Contínua: U[a, b]
A Distribuição Uniforme contínua é a distribuição de probabilidades na qual a probabilidade de

se gerar um valor entre os extremos (a) e (b), incluindo-os, é sempre constante, isto é, todos os
valores possíveis são equiprováveis (tem a mesma probabilidade). Observe na Figura a seguir
como ocorre a distribuição de probabilidades.
Figura – Função densidade de probabilidade (fdp) contínua uniforme
Mas, como calcular?
1
, 𝑠𝑒 𝑎 ≤ 𝑥 ≤ 𝑏
𝑓(𝑥: 𝑎, 𝑏) = {(𝑏 − 𝑎)
0, 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜
Em que: x = variável aleatória; a = valor mínimo; b = valor máximo.
Nota: “A distribuição uniforme só deve ser usada quando se desconhecer o comportamento do

fenômeno” (FERREIRA, 2004).
Nota: A área sob a curva fornece a probabilidade.
Fonte: Elaborado a partir de Montgomery e Runger (2016).
5.1.2 Distribuição Triangular Contínua: T(a, c, b)
A Distribuição Triangular contínua é a distribuição de probabilidades que possui um valor

mínimo (a), um valor máximo (b) e um valor mais provável (c). Observe na Figura a seguir como
ocorre a distribuição de probabilidades:
Figura – Função densidade de probabilidade (fdp) contínua triangular
Mas, como calcular?
2 ⋅ (𝑥 − 𝑎)
, 𝑠𝑒 𝑎 ≤ 𝑥 ≤ 𝑐
(𝑏 − 𝑎) ⋅ (𝑐 − 𝑎)
𝑓(𝑥: 𝑎, 𝑏, 𝑐) = 2 ⋅ (𝑏 − 𝑥)
, 𝑠𝑒 𝑐 < 𝑥 ≤ 𝑏
(𝑏 − 𝑎) ⋅ (𝑏 − 𝑐)
{0, 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜
Em que: x = variável aleatória; a = valor mínimo; b = valor máximo; c = valor mais provável.
Destaques sobre o uso da distribuição Triangular na análise de investimentos:
A Distribuição Triangular é normalmente utilizada quando existe uma ideia subjetiva da

população, por meio dos seus extremos (a e b) e da sua moda (c). Exemplo de aplicação: área de
finanças e área de Engenharia Econômica: estimativa de demanda, preço e custo, por exemplo.
A distribuição triangular é utilizada quando é possível determinar o valor mais provável da

variável aleatória (v.a.), além do seu valor mínimo e máximo, e quando uma função linear parece
adequada/apropriada para a descrição do seu comportamento.
A distribuição de probabilidade triangular é a mais conhecida e utilizada na Simulação de

Monte Carlo (SMC) devido a sua simplicidade, sendo que consiste em uma distribuição contínua,
descrita por 3 (três) valores: mínimo, mais provável e máximo.
Os parâmetros da distribuição triangular são relativamente fáceis de estimar porque são

muito intuitivos.
5.1.3 Distribuição Normal: N(, 2)
A Distribuição Normal, também conhecida como Distribuição de Gauss ou curva gaussiana é

inteiramente descrita por seus dois parâmetros: média () e desvio-padrão (). Observe na Figura
a seguir como ocorre a distribuição de probabilidades.
Figura – Probabilidades associadas a uma distribuição normal
Mas, como calcular?
1 1 𝑥−𝜇 2
⋅ 𝑒 −2⋅( )
𝑓(𝑥: 𝜇, 𝜎) = 𝜎 , 𝑝𝑎𝑟𝑎 − ∞ < 𝑥 < +∞
𝜎 ⋅ √2𝜋
Em que: x = variável aleatória;  = média;  = desvio-padrão.
Fonte: Elaborado a partir de Montgomery e Runger (2016).

Nota: Comparativo entre distribuições de probabilidades: Uniforme, Triangular e Normal.
Distribuição Área correspondente a:   1
Uniforme 57,74%
Triangular 64,98%
Normal (ou gaussiana) 68,27%
Figura – Área sob a curva permite obter as probabilidades
5.2 Conceitos de Probabilidade e Estatística para a Simulação de Monte Carlo (SMC)
5.2.1 Quantidade Válida (quantidade)
Número de simulações que retornaram um resultado válido para cada parâmetro avaliado.
5.2.2 Mínimo (Mín)
Menor valor encontrado no conjunto de resultados simulados para cada parâmetro avaliado.
5.2.3 Máximo (Máx)
Maior valor encontrado no conjunto de resultados simulados para cada parâmetro avaliado.
5.2.4 Amplitude (Máx – Mín)
“A amplitude é uma medida simples de variabilidade” (Montgomery e Runger, 2016), sendo o

resultado da diferença entre o maior e o menor valor de um conjunto de dados. No presente
contexto, representa, por exemplo, a subtração entre o maior e o menor VPL gerados durante as
simulações realizadas (1.000 ou 5.000 ou 10.000 ou 100.000 ou 200.000). Em suma, representa a
diferença entre o máximo e o mínimo do conjunto de resultados simulados para o VPL, por
exemplo. A interpretação é análoga para os demais indicadores de viabilidade econômica.
Mas, como calcular?
𝐴𝑚𝑝𝑙𝑖𝑡𝑢𝑑𝑒 = 𝑉𝑃𝐿𝑀á𝑥 − 𝑉𝑃𝐿𝑀í𝑛
Em que: VPLMáx: maior VPL gerado durante as simulações; VPLMín: menor VPL gerado durante as
simulações.
5.2.5 Mediana
“A mediana de um conjunto de dados é aquele valor que divide os dados em duas partes iguais”
(Montgomery e Runger, 2016). Em outras palavras, a mediana é o valor numérico que separa a
metade superior de uma amostra de dados, população ou distribuição de probabilidades, em rol
ordenado de forma crescente ou decrescente, a partir da metade inferior.
Mas, como calcular?
No caso de dados ordenados com n elementos, se n for ímpar, a mediana será o elemento central:
(n+1)/2. Por outro lado, se n for par, a mediana será o resultado da média simples entre os
elementos centrais: n/2 e n/2 + 1.
5.2.6 Média populacional ()
“A média se refere ao valor esperado de uma variável aleatória” (Montgomery e Runger, 2016).
Geometricamente, a média é valor que indica onde mais se concentram os dados de uma
distribuição. Fisicamente, a média pode representar o centro de gravidade (ou centro de massa).
Mas, como calcular?
𝑁
1
𝜇 = ⋅ ∑ 𝑥𝑘
𝑁
𝑘=1
Em que: N: quantidade de elementos de uma população; k: índice; e xk: k-ésimo valor observado.
5.2.7 Desvio-padrão populacional ()
“O desvio-padrão é a medida mais largamente usada para expressar a variabilidade”

(Montgomery e Runger, 2016). A vantagem do desvio-padrão é que essa medida de variabilidade
considera toda a informação contida na amostra (Ribeiro e ten Caten, 2000).
Mas, como calcular?
𝑁
1
𝜎 = √ ⋅ ∑(𝑥𝑘 − 𝜇)2
𝑁
𝑘=1
Em que: N: quantidade de elementos de uma população; k: índice; xk: k-ésimo valor observado.
5.2.8 Média amostral (𝑥̄ )
A média amostral se refere ao valor esperado de uma variável aleatória (Montgomery e Runger,
2016).
Mas, como calcular?
𝑛
1
𝑥̄ = ⋅ ∑ 𝑥𝑘
𝑛
𝑘=1
Em que: n: quantidade de elementos amostrados (número de simulações realizadas); k: índice; xk:

k-ésimo valor gerado pela simulação.
5.2.9 Desvio-padrão amostral (s)
Esse desvio-padrão é uma medida de dispersão que mostra o quanto de variação existe entre os
valores obtidos em relação à média amostral. “O desvio-padrão é a medida mais largamente
usada de variabilidade de dados amostrais” (Montgomery e Runger, 2016).
Mas, como calcular?
𝑛
1
𝑠=√ ⋅ ∑(𝑥𝑘 − 𝑥̄ )2
𝑛−1
𝑘=1
Em que: n: quantidade de elementos amostrados (número de simulações realizadas); k: índice; xk:
k-ésimo valor gerado; 𝑥̄ : média amostral pela simulação.
5.2.10 Coeficiente Variação amostral (CV, %)
O coeficiente de variação é uma medida de dispersão relativa, empregada para estimar a precisão
de experimentos e representa o desvio-padrão expresso como porcentagem da média.
Mas, como calcular?

𝑠
𝐶𝑉 =
𝑥̄
Em que: s: desvio-padrão amostral; 𝑥̄ : média amostral.
5.2.11 Lei do Grandes Números (LGN)
Para a maioria das experiências/ensaios, a frequência relativa de um acontecimento/evento A

é um valor aproximado de sua probabilidade: p(A)  Frequência relativa de A. Uma das
características de um experimento aleatório é a regularidade estatística, isto é, a propriedade que
a frequência relativa tem de se estabilizar. A essência desta propriedade é que se um experimento
aleatório for executado um elevado número de vezes, a frequência relativa da ocorrência de algum
evento A tenderá a variar cada vez menos à medida que o número de repetições for aumentado.
Nesse sentido, é que a frequência relativa converge (em probabilidade) para um número
denominado probabilidade do evento A. Essa propriedade de regularidade dos experimentos
aleatórios motivou a formulação de uma importante lei da Estatística: a Lei dos Grandes
Números (LGN).
Segundo Bruni (2012, p.111 e 120), a Lei dos Grandes números (LGN) “estabelece que, com o
aumento do tamanho da amostra, a distribuição de frequências relativas da amostra se aproxima
da distribuição de frequências da população. À medida que o tamanho da amostra cresce, a média
amostral converge para a média populacional”. Em suma, a LGN trata da convergência em
probabilidade da frequência relativa de um evento para a probabilidade desse evento (Vide
MEYER, 1983. p. 285 a 287). Observe alguns exemplos ilustrativos nas Figuras a seguir.
Figura – Exemplos ilustrativos da Lei dos grandes números simulados no MS-Excel®

Observe os resultados encontrados para o lançamento de uma moeda (simulação da LGN)
executados no software R.
Sugestão de atividade: repita esses experimentos utilizando uma planilha eletrônica ou o

software R.
Em síntese: Se em uma experiência aleatória, os resultados se preveem equiprováveis (mesma

probabilidade), pode se determinar a probabilidade de um acontecimento: (i) previamente (antes
de realizar a experiência), aplicando a Lei de Laplace: P(A) = n(A)/n(); (ii) empiricamente
(realizando a experiência), aplicando a Lei dos Grandes Números (LGN).
5.2.12 Teorema Central do Limite (TCL)
Segundo Montgomery e Runger (2016), o Teorema Central do Limite (TCL), em sua forma mais
simples, estabelece que a soma “de n variáveis aleatórias distribuídas independentemente tenderá
a ser normalmente distribuída quando n se torna grande”. O TCL indica que “a soma (e, por
conseguinte, a média) de n variáveis independentes seguirá o modelo de distribuição de
probabilidades Normal, independentemente da distribuição das variáveis individuais, sendo que
a aproximação melhora na medida em que n aumenta” (Ribeiro e ten Caten, 2001). Em outras
palavras, o TCL afirma que quando o tamanho da amostra aumenta, a distribuição amostral da sua
média aproxima-se cada vez mais de uma distribuição normal. Convém ressaltar que há formas
gerais do TCL que permitem variáveis aleatórias correlacionadas (Montgomery e Runger, 2016).
Segundo Bruni (2012, p.110), “para valores grandes do tamanho da amostra, n maior ou igual a
30, a distribuição das médias amostrais se comporta como uma distribuição normal, com média
igual à média populacional e desvio-padrão igual ao desvio-padrão da variável original dividido
pela raiz quadrada do tamanho da amostra”.
Matematicamente, podemos escrever:
𝜎2
𝑆𝑒𝑋~𝑁(𝜇, 𝜎 2 ), 𝑒𝑛𝑡ã𝑜: 𝑋̄~𝑁 (𝜇, )
𝑛
5.2.13. VPL acumulado
É a Função Distribuição Acumulada (FDA) para os resultados simulados do VPL baseado em sua
média e desvio-padrão.
Mas, como calcular?

𝑥 1 𝑥−𝑥̄ 2
1
𝑒 2 𝑠 ) 𝑑𝑥
− ⋅(
∫ ⋅
−∞ 𝑠 ⋅ √2𝜋
Em que: x: variável aleatória; s: desvio-padrão amostral; 𝑥̄ : média amostral.
Nota: Essa integral imprópria somente admite solução numérica. Nesse sentido, o cálculo desta
integral foi aproximado por:
𝑥
𝑥 − 𝑥̄ + 5𝑠 1 1 𝑘−𝑥̄ 2
⋅𝑒 2 𝑠 )
− ⋅(
∑ ( )⋅
10000 𝑠 ⋅ √2𝜋
𝑘=𝑥̄ −5𝑠
Vale ressaltar que, teoricamente, temos:
Intervalo Área Intervalo Área Intervalo Área Intervalo Área Intervalo Área
  1 68,2689%   2 95,4500%   3 99,7300%   4 99,9937%   5 99,9999%
Fonte: Elaborada pelos autores no MS-Excel®.
Figura – Área sob a curva permite obter as probabilidades
5.2.14 Correlação Linear Simples de Pearson
5.2.14.1 Covariância e Correlação
Segundo Montgomery e Runger (2016, p. 140), “quando duas ou mais variáveis aleatórias são
definidas em um espaço probabilístico, é útil descrever como elas variam conjuntamente; ou seja,
é útil medir a relação entre as variáveis”. Uma medida comum da relação linear entre duas
variáveis aleatórias é a covariância. A covariância entre as variáveis aleatórias x e y, denotadas
por cov(x, y) ou xy, é dada por:
𝜎𝑥𝑦 = 𝐸[(𝑥 − 𝜇𝑥 ) ⋅ (𝑦 − 𝜇𝑦 )] = 𝐸(𝑥 ⋅ 𝑦) − 𝜇𝑥 ⋅ 𝜇𝑦
Em que: x, y: variáveis aleatórias; E: Valor esperado ou esperança matemática para a variável

aleatória em estudo; e : Média populacional da variável aleatória em estudo.
Contudo, segundo esses autores, “há outra medida da relação entre duas variáveis aleatórias
que é frequentemente mais fácil de interpretar que a covariância”. A correlação entre as variáveis
aleatórias x e y, denotada por xy, é dada por:
𝑐𝑜𝑣( 𝑥 ⋅ 𝑦) 𝜎𝑥𝑦
𝜌𝑥𝑦 = =
√𝑉(𝑥) ⋅ 𝑉(𝑦) 𝜎𝑥 ⋅ 𝜎𝑦
Em que: x, y: variáveis aleatórias; cov: Covariância entre as variáveis aleatórias em estudo; V:

Variância; : desvio-padrão populacional da variável aleatória em estudo.
Ainda, de acordo com Montgomery e Runger (2016), a correlação apenas escalona a covariância
por meio do desvio-padrão de cada variável. Desta forma, “a correlação é uma grandeza
adimensional que pode ser utilizada para comparar as relações lineares entre pares de
variáveis em diferentes unidades” (Montgomery e Runger, 2016, p. 142).
Mas, como calcular?
∑𝑛𝑖=1 𝑥𝑖 ⋅ ∑𝑛𝑖=1 𝑦𝑖
∑𝑛𝑖=1 𝑥𝑖 ⋅ 𝑦𝑖 − ∑𝑛𝑖=1 𝑥𝑖 ⋅ 𝑦𝑖 − 𝑛 ⋅ 𝑥̄ ⋅ 𝑦̄
𝜌𝑥𝑦 = 𝑛 =
(∑𝑛𝑖=1 𝑥𝑖 )2 (∑𝑛𝑖=1 𝑦𝑖 )2 √(∑𝑛𝑖=1 𝑥𝑖2 − 𝑛 ⋅ 𝑥̄ 2 ) ⋅ (∑𝑛𝑖=1 𝑦𝑖2 − 𝑛 ⋅ 𝑦̄ 2 )
√(∑𝑛𝑖=1 𝑥𝑖2 − ) ⋅ (∑𝑛𝑖=1 𝑦𝑖2 − )
𝑛 𝑛
Nesse contexto, para a Simulação de Monte Carlo (SMC), foi construído um gráfico que
evidencia a influência de cada variável no Valor Presente Líquido (VPL), por meio dos
coeficientes de correlação linear (), os quais medem a intensidade da associação entre as
duas variáveis. Os coeficientes de correlação são valores normalizados no intervalo [-1; +1],
sendo -1 a correlação perfeita negativa e +1 a correlação perfeita positiva. Quanto maior o grau de
correlação linear, mais relevante é essa variável para o desempenho econômico do PI avaliado
pelo critério do VPL. Uma interpretação análoga ocorre para os demais indicadores da MMIA
(Lima et al., 2017b).
A correlação linear deve ser positiva entre o VPL e as variáveis Quantidade de vendas (Qj), Preço
de Venda unitário (PVuj) e Valor Residual (VR), pois quanto maior o valor para cada uma Destas
variáveis, maior será o resultado do VPL. Por outro lado, a correlação linear deve ser negativa
entre o VPL e as variáveis Custo Variável unitário (CVuj), Custo Fixo (CFj), Taxa Mínima de
Atratividade (TMA) e Investimento Inicial (FC0), pois quanto maior o valor para cada uma Destas
variáveis, menor será o resultado do VPL.
Nota: Inclua no relatório final uma análise dos coeficientes de correlação linear entre as principais
variáveis intervenientes no desempenho econômico do PI e o VPL.
5.2.15 Estatísticas Descritivas
E[VPL]: Valor Esperado do Valor Presente Líquido (VPL) – equivale ao valor médio dos VPLs
gerado pelas Simulações de Monte Carlo (SMC).
RAIZ(Var[VPL]): Desvio-padrão do Valor Presente Líquido (VPL) – indicador de risco do Projeto

de Investimento (PI), mede a dispersão do VPL nas Simulações de Monte Carlo (SMC) geradas.
P(VPL < 0): Probabilidade de o VPL ser negativo – percentual de cenários simulados nos quais o
VPL do PI apresenta valor negativo, ou seja, a rentabilidade é inferior ao custo do capital (TMA –
Taxa Mínima de Atratividade).
VaR: Value-at-Risk (VaR) – mede o potencial de perda do investidor. Segundo Jorion (2006), “o
VaR sintetiza a maior (ou pior) perda esperada dentro de determinados períodos de tempo e
intervalo de confiança”.
VaR(1%): valor máximo dos 1% piores cenários. Exemplificando: suponha que sejam gerados
100.000 cenários pela SMC. Assim, VaR(1%) apresenta o valor máximo dos 1.000 piores cenários
gerados.
CVaR(1%): valor médio dos 1% piores cenários. Exemplificando: suponha que sejam gerados
100.000 cenários pela SMC. Assim, o Condicional VaR, CVaR(1%) apresenta o valor médio dos
1.000 piores cenários gerados.
CV: Coeficiente de Variação estimado – é a incerteza em torno da estimativa calculado com base
na variância do estimador financeiro e é inversamente proporcional ao tamanho da amostra. Logo,
a medida que o tamanho da amostra aumenta, melhor será a precisão da Simulação de Monte Carlo
(SMC).
Análise dos resultados probabilísticos: Na SMC verifica-se que x% dos cenários rejeitam o PI
(VPLs < 0). Além disso, o Value at Risk (VaR) de 5%, indicam que para y dos 100.000 VPLs
registraram-se abaixo de R$ z. Embora, apresente atratividade do projeto na maioria dos
cenários....
▪ Indicadores/métricas da análise de risco via SMC
RESULTADOS DA SMC
INDICADOR VALOR ESPERADO
VPL esperado No
Quantidade: VPL < 0 No
P(VPL < 0) %
Abaixo de a
Quantidade de VPL < a No
P(VPL < a) %
Entre b e c
Quantidade: b < VPL < c No
P(b < VPL < c) %
Acima de d
Quantidade: VPL > d No
P(VPL > d) %
VaR5%(VPL) No
CVaR5%(VPL) No
Tabela – Indicadores probabilísticos obtidos via SMC
5.3 Modelagem Matemática para a Simulação de Monte Carlo – avaliação do risco e do
retorno
O vetor dos VPLs obtidos pela SMC, gera uma distribuição de probabilidades normal (o que é
garantido pelo Teorema Central do Limite – TCL, segundo Montgomery e Runger, 2016). Desta
forma, é possível obter a probabilidade de ocorrência de uma determinada faixa de valores do VPL
por meio do cálculo da área sob a curva da distribuição gaussiana.
Nesse contexto, o VPL médio (ou esperado) é dado por:

𝑛𝑠
1
𝑉𝑃𝐿 = ∑ 𝑉𝑃𝐿𝑖
𝑛𝑠
𝑖=1
Em que: 𝑽𝑷𝑳: Valor Presente Líquido (VPL) médio; 𝒏𝒔: número de simulações realizadas; 𝑽𝑷𝑳𝒊 :
Valor Presente Líquido gerado para a i-ésima simulação.
De forma análoga, podemos obter o desvio-padrão amostral do VPL, os qual pode ser
determinado por:
2
∑𝑛𝑠 (𝑉𝑃𝐿𝑖 − 𝑉𝑃𝐿)
𝑆𝑉𝑃𝐿 = √ 𝑖=1
𝑛𝑠 − 1
Em que: 𝑆𝑉𝑃𝐿 : Desvio-Padrão (Standard deviation) amostral do Valor Presente Líquido (VPL), o
qual descreve variações em relação à média. Demais parâmetros, como definidos anteriormente.
Por outro lado, o Coeficiente de Variação (CV), o qual é um indicador de dispersão relativa dos
valores possíveis obtidos pelo VPL, sendo a razão entre o desvio-padrão e a média, é dado por:
𝑆𝑉𝑃𝐿
𝐶𝑉𝑉𝑃𝐿 =
𝑉𝑃𝐿
Em que: 𝐶𝑉𝑉𝑃𝐿 : Coeficiente de Variação (CV) do Valor Presente Líquido (VPL). Demais parâmetros,
como definidos anteriormente.
Assim, considerando que a distribuição resultante dos valores dos VPLs seja modelada pela
distribuição normal, a probabilidade de insucesso financeiro, medido pela probabilidade de o VPL
ser menor que zero, é dado por:
2
0 1 𝑉𝑃𝐿−𝑉𝑃𝐿
1 − (
2 2
𝑆𝑉𝑃𝐿
)
𝑃(𝑉𝑃𝐿 < 0) = ∫ ⋅𝑒 𝑑𝑉𝑃𝐿
−∞ 𝑆𝑉𝑃𝐿 √2𝜋
De forma análoga podemos determinar a probabilidade de o VPL estar entre dois valores,
digamos a e b:
2
𝑏 1 𝑉𝑃𝐿−𝑉𝑃𝐿
1 − (
2 𝑆𝑉𝑃𝐿
)
𝑃(𝑎 < 𝑉𝑃𝐿 < 𝑏) = ∫ ⋅𝑒 𝑑𝑉𝑃𝐿
𝑎 𝑆𝑉𝑃𝐿 √2𝜋
Dentro do universo de simulações a probabilidade de ocorrência de VPL < 0 (probabilidade de

o PI resultar em prejuízo financeiro) ou a probabilidade de o PI resultar em um lucro entre R$
50.000,00 e R$ 100.000,00, por exemplo. Esses valores de probabilidades para ocorrência de
faixas de VPL podem ser utilizados para analisar os riscos e retornos possíveis inerentes ao PI.
Outros dois indicadores utilizado para analisar o risco de um PI é o Value at Risk (VaR – Valor
em Risco: Morgan, 1994) e Conditional Value at Risk (CVaR – Valor em Risco Condicional:
Rockafellar e Uryasev, 2000; 2002).). O indicador de risco VaR está associado a uma probabilidade
de ocorrência de um evento crítico (ou extremo), e indica um valor mínimo de prejuízo esperado
dentro desta probabilidade. Nesta análise, estamos considerando como evento crítico a faixa dos
menores valores de VPL que correspondem a 1% de todos os valores de VPL encontrados na
simulação. Assim, VaR(1%) indica o prejuízo mínimo esperado caso o PI resulte em um valor
dentro desses 1% de chance.
O indicador VaR(1%) é calculado pela equação 5:
𝑉𝑎𝑅1% (𝑉𝑃𝐿) = 𝑉𝑃𝐿 + 𝑍1% ⋅ 𝑆𝑉𝑃𝐿
No qual, o de valor Z é tabelado, com valor aproximado de -2,33 para a probabilidade de 1%.
Entretanto, o indicador VaR não é completamente conservativo na consideração dos riscos

associados, pois ele representa um prejuízo mínimo dentro da faixa de probabilidade a priori
(Rockafellar e Uryasev, 2000; 2002). Tal prejuízo pode ser maior que o indicado pela VaR.
Um indicador mais conservativo é o indicador CVaR, o qual considera um valor médio dos
prejuízos dentro da margem de prejuízo condicionada ao VaR. Assim, o CVaR pode ser usado como
referência para definir um caixa reserva mínimo para um eventual prejuízo dentro do valor em
risco (Rockafellar e Uryasev, 2000; 2002).
O indicador CVaR(1%) é a média da distribuição do VPL até o valor de VaR(1%).

2
𝑉𝑎𝑅1% (𝑉𝑃𝐿) 1 𝑉𝑃𝐿−𝑉𝑃𝐿
1 1 − ( )
𝐶𝑉𝑎𝑅1% (𝑉𝑃𝐿) = ∫ ⋅ 𝑒 2 𝑆𝑉𝑃𝐿 𝑑𝑉𝑃𝐿
𝑉𝑎𝑅1% (𝑉𝑃𝐿) −∞ 𝑆𝑉𝑃𝐿 √2𝜋
O Fluxo de Caixa Livre (FCL) é um valor aleatório com distribuição uniforme entre o valor
mínimo e máximo conhecido, e pode ser modelado com a equação 01:
𝐹𝐶𝐿𝑗 = 𝐹𝐶𝐿𝑀í𝑛 + (𝐹𝐶𝐿𝑀á𝑥 − 𝐹𝐶𝐿𝑀í𝑛 ) ⋅ 𝑎𝑙𝑒𝑎𝑡ó𝑟𝑖𝑜(0,1)
O lucro real é obtido calculando-se o Valor Presente Líquido (VPL) com todos os Fluxos de
Caixa Livre, como apresentado na equação 01.
𝑁
𝐹𝐶𝐿𝑗
𝑉𝑃𝐿 = ∑
𝑗=0
Na SMC realizada nesse estudo, utilizou-se a quantidade de 100.000 (cem mil) simulações, ou
seja, gerou-se 100.000 cenários com fluxos de caixa livres aleatório entre os valores mínimos e
máximos considerados ao longo dos períodos do PI, resultando em 100.000 valores para o VPL.
Nota: Parâmetros de referência para apoiar a Tomada de Decisão (TD), sob a abordagem
estocástica via SMC.
̅̅̅̅̅̅: VPL médio => Retorno esperado.

▪ 𝑉𝑃𝐿
▪ P (VPL< 0) => Risco estimado.
▪ VaR (1%) => perda mínima ao nível de 1%.
▪ CVaR (1%) => perda média ao nível de 1%.
Cálculo do risco financeiro do negócio: A quantificação do risco financeiro de um

investimento em ativos reais pode ser realizada por meio do cálculo do quantil negativo da
distribuição de frequências da série de Valor Presente Líquido (VPL), conforme exposto na
Equação a seguir:
0
𝑅𝑖𝑠𝑐𝑜 = ∫ 𝑓𝑉𝑃𝐿 𝑑𝑉𝑃𝐿
−∞
Para tanto, foram gerados dados do VPL por meio da SMC utilizando-se uma distribuição
paramétrica. Isso porque, pela Lei dos Grandes Números (LGN), a média dos dados converge para
o seu valor esperado à medida que o número de repetições se torna grande (Morettin e Bussab,
2004).
CAPÍTULO 6 – MÓDULOS PARA A ANÁLISE DE RISCO EM PROJETOS DE
INVESTIMENTO NO $AVEPI® (José Donizetti de Lima)
6.1 SUBMÓDULOS PARA A ANÁLISE DE SENSIBILIDADE (AS) NO $AVEPI
Nesses submódulos foram implementados a técnica de Análise de Sensibilidade (AS) clássica

(ou tradicional ou convencional), a qual consiste em modificar um parâmetro por vez e verificar o
impacto econômico desta mudança. Contudo, foi utilizado a Metodologia Multi-índice Ampliada
(MMIA) para a avaliar a viabilidade econômica de cada Projeto de Investimento (PI). As Figuras
apresentadas a seguir mostram as telas de entrada de dados (input) desses submódulos.
6.2 SUBMÓDULOS PARA A ANÁLISE DE CENÁRIOS (AC) NO $AVEPI®
Nesses submódulos foram implementados a técnica Análise de Cenários (AC) clássica (ou
tradicional ou convencional) que consiste em avaliar 3 (três) cenários, a saber: (i) mais provável
(caso-base ou esperado); (ii) pessimista (pior-caso); e (iii) otimista (melhor-caso). Contudo, foi
utilizado a Metodologia Multi-índice Ampliada (MMIA) para a avaliar a viabilidade econômica de
cada um dos cenários. As Figuras apresentadas a seguir mostram as telas de entrada de dados
(input) desses submódulos.
Para a técnica Análise de Cenário (AC), sugere-se a seguinte abordagem:

▪ O(s) especialista(s) de cada setor/departamento determina(m) as variações percentuais, em
relação ao cenário mais provável (caso-base), para os cenários pessimista e otimista.
▪ Após a obtenção desses valores junto aos especialistas, deve-se selecionar e preencher
cuidadosamente o submódulo de Análise de Cenário no $AVEPI®.
▪ Como sugestão para a determinação da probabilidade para cada um dos cenários avaliados, o
Prof. Dr. Márcio Bennemann propõe que a estimativa seja o resultado das probabilidades
fornecidas pelos especialistas de cada setor/departamento. Desta forma, os especialistas
devem informar as variações percentuais esperadas para cada cenário avaliado e, respectivas
probabilidades de ocorrência.
6.3 SUBMÓDULOS PARA A SIMULAÇÃO DE MONTE CARLO NO $AVEPI®
O principal objetivo desta seção é apresentar um dos módulos da ferramenta computacional

$AVEPI® (Lima et al., 2017b; Lima et al., 2021), a qual serve de apoio à Análise de Investimentos
(AI) em ativos reais por meio da Metodologia Multi-índice Ampliada (MMIA). Mais
especificamente, esse módulo visa a aplicação da Simulação de Monte Carlo (SMC) em situações
de risco. Isso facilita o processo de tomada de decisão por parte do analista e/ou investidor.
Assim, nesses submódulos foram implementados a Simulação de Monte Carlo (SMC). Contudo,
foi utilizada a Metodologia Multi-índice Ampliada (MMIA) para a avaliar a viabilidade econômica
de cada Projeto de Investimento (PI) em estudo (Lima et al., 2017a). Além disso, utilizando as
proposições de Morgan (1994) e Rockafellar e Uryasev (2000 e 2002), foram implementados os
indicadores de riscos extremos: Value at Risk (VaR – Valor em Risco) e Conditional Value at Risk
(CVaR – Valor em Risco Condicional).
A Figura apresentada a seguir mostra os submódulos desenvolvidos no $AVEPI® para a

execução da SMC (Lima et al., 2017b; Lima et al., 2021). Assim, com esses módulos, várias
possibilidades podem ser realizadas via SMC.
Figura – Submódulos desenvolvidos no $AVEPI® para a aplicação da SMC
Para isso, deve-se realizar algumas etapas, a saber:
Etapa 1: Selecionar as variáveis estocásticas e a distribuição de probabilidades para cada variável

estocástica selecionada.
A Figura a seguir apresenta um exemplo ilustrativo da realização da primeira etapa.
Figura – Tela inicial do submódulo SMC: Opção – Fluxo de Caixa
Etapa 2: Fornecer os parâmetros de cada distribuição de probabilidades e escolher o número de

simulações a serem realizadas.
Terminada a seleção, clique em Avançar.
Então, surge a tela exposta na próxima Figura, a qual solicita o fornecimento dos parâmetros de
entrada de cada distribuição de probabilidades (input) e a seleção do número de simulações a
serem realizadas (1.000, 5.000, 10.000, 100.000 ou 200.000). Preenche-se e clica-se novamente
em Calcular.
Nesse mesmo submódulo, pode-se utilizar um Fluxo de Caixa (FC) não constante ou fornecer os
Custos Totais estimados (CTj) e as Receitas Totais estimadas (RTj) para cada período j,
compreendido dentro do horizonte de planejamento (N).
Figura – Tela secundária do submódulo SMC: Opção – Fluxo de Caixa
REFERÊNCIAS
ABNT. Associação Brasileira de Normas Técnicas. NBR 14653-1: Avaliação de bens. Parte 1: Procedimentos
Gerais. Rio de Janeiro, 2005. 10 p. ABNT NBR 14653-1:2001 Versão Corrigida 2:2005
ABNT. Associação Brasileira de Normas Técnicas. NBR 14653-2: Avaliação de bens. Parte 2: Imóveis Urbanos. Rio
de Janeiro, 2011. 54 p. Confirmada em 08.12.2015. ABNT NBR 14653-2:2011
ABNT. Associação Brasileira de Normas Técnicas. NBR 14653-3: Avaliação de bens. Parte 3: Imóveis Rurais. Rio
de Janeiro, 2004. 27p. ABNT NBR 14653-3:2004
ABNT. Associação Brasileira de Normas Técnicas. NBR 14653-4: Avaliação de bens. Parte 4: Empreendimentos.
NBR Rio de Janeiro, 2002. 16 p. ABNT NBR 14653-4:2002
ABNT. Associação Brasileira de Normas Técnicas. NBR 14653-5: avaliação de bens. Parte 5: Máquinas,
equipamentos, instalações e bens industriais em geral. Rio de Janeiro, 2006. Confirmada em 08.12.2015. ABNT
NBR 14653-5:2006
ABNT. Associação Brasileira de Normas Técnicas. NBR 14653-6: avaliação de bens. Parte 6: Recursos naturais e
ambientais. Rio de Janeiro, 2009. 16 p. ABNT NBR 14653-6:2008 Versão Corrigida:2009
ABNT. Associação Brasileira de Normas Técnicas. NBR 14653-7: avaliação de bens. Parte 7: Patrimônios
históricos. Rio de Janeiro, 2009. 12 p. Confirmada em 28.07.2014. ABNT NBR 14653-7:2009
ANDRADE, E. L. de. Introdução à pesquisa operacional. 4a. ed. Rio de Janeiro: Editora LTC, 2009.
BARRETO, E. L. et al. Análise de viabilidade econômica: um estudo aplicado a estrutura de custo da cultura do açaí no
estado do Amazonas. Revista Académica de Economía. n. 161, 2012.
BENDLIN, L.; SOUZA, A. Custo de produção, expectativas de retorno e de riscos do agronegócio uva Niágara no Planalto
Norte de Santa Catarina. In: Congresso Brasileiro de Custos, 20, 2013, Uberlândia. Anais eletrônicos... Uberlândia:
CBC, 2013. Disponível em: http://www.abcustos.org.br/texto/viewpublic?ID_TEXTO=3869.
BENDLIN, L.; SOUZA, A.; VICHINHESKI, K.A. Methodology for the construction of the efficient border for selecting
investment projects: a multi-index approach. International Journal of Modern Engineering Research, 6, 8–22.
2016.
BLACK, F.; SCHOLES, M. The Pricing of Options and Corporate Liabilities. Journal of Political Economy, v.81, n.3,
May-Jun., 1973, p.637-654.
BREALEY, R. A.; MEYERS, S. C.; ALLEN, F. Principles of corporate finance. 10. ed. New York: McGraw-Hill, 2011.
BUARQUE, C. R .C. Avaliação Econômica de Projetos. 4 ed. Rio de Janeiro: Elsevier, 1989.
CASAROTTO FILHO, N. C.; KOPITTKE, B. H. Análise de investimentos: manual para solução de problemas e
tomadas de decisão. 12 ed. São Paulo: Atlas. 2020.
COPELAND, T.; ANTIKAROV, V. Real Options: a practitioner’s guide. Texere, New York, 2001.
CORREIA NETO, J. F. Elaboração e Avaliação de Projetos de Investimento. 1. ed. Editora: Campus, 2009.
CORREIA NETO, J. F.; MOURA, H.J.; FORTE, S.H.A.C. Modelo prático de previsão de fluxo de caixa operacional para
empresas comerciais considerando os efeitos do risco, através do Método de Monte Carlo. Revista Eletrônica de
Administração. v. 8, n. 3, 2002.
COSTA, P. H. S.; ATTIE, E. V. Análise de projetos de investimento. 3 ed. Rio de Janeiro: Fundação Getúlio Vargas,
1990.
DIXIT, A. K.; PINDYCK, R. S. Investment under uncertainty. New York. Princeton: Princeton University Press. 1994.
Evaluation Unit, DG Regional Policy, European Commission. Guide to cost-benefit analysis of investment projects
(Structural Fund-ERDF, Cohesion Fund and ISPA), 2015.
ELEJALDE, D. A. G.; SOARES, A. B.; LIMA, J. D. de; MISSIO, R. L.; ASSMANN, T. S.; TATTO, W. H.; DEIFELD, F. L. C.;
BORTOLLI, M. A.; BERNARDON, A.; LEVINSKI-HUF, F.; MACCARI, M.; BARRIGA, P. A. B.; RHODEN, A. C. Economic
viability in the integrated crop-livestock system with nitrogen fertilization system and sward canopy heights.
Frontiers In Sustainable Food Systems, v. 6, p. 1-10, 2023. DOI: https://doi.org/10.3389/fsufs.2022.940946
FERREIRA, M. A. M. Indicadores para análise de projetos de investimento considerando fluxos de benefícios não-
determinísticos. Revista de Negócios, Blumenau, v.9, n.4, p. 207-214. 2004.
FONSECA, Y. D., BRUNI, A. L. Técnicas de avaliação de investimentos: uma breve revisão da literatura. Cadernos
de Análise Regional, n. especial, 2003.
FRANCO, A. L.; GALLI, O. C. Método para análise de investimentos: alternativa para classificação de projetos
com prazo e volume de recursos diferentes. XXVII Encontro de Engenharia de Produção. Foz do Iguaçu, 2007.
Disponível em: http://www.labceo.com.br/bibliografia/archive/files/ge---4_c185ea5756.pdf. Acesso em: 22 ago.
2014.
FRANK, A. G.; SOUZA, D. V.; ECHEVESTE, M. E. S.; RIBEIRO, J. L. D. A framework for decision-making in investment
alternatives selection. International Journal of Production Research, v. 28. jun., p. 1-18, 2013.
GALESNE, A.; FENSTERSEIFER, J. E.; LAMB, R. Decisões de investimentos da empresa. São Paulo: Atlas. 1999.
GOMES, J. M. Elaboração e Análise de Viabilidade Econômica de Projetos. São Paulo: Atlas, 2013
GONÇALVES, A.; CALÔBA, G. M.; MOTTA, R. da R. Análise de Investimentos: Custo de Capital, Risco e Decisões
Financeiras. In: Engenharia Econômica e Finanças. GONÇALVES et al., 2009. Rio de Janeiro: Elsevier, 2009. Coleção
ABEPRO-Campus.
GUARES, S. A.; LIMA, J. D. de; OLIVEIRA, G. A. Techno-economic model to appraise the use of cattle manure in
biodigesters in the generation of electric energy and biofertilizer. Biomass and Bioenergy, v. 150, p. 1-11, 2021.
HARZER, J. H. Indicadores de riscos em projetos de investimentos: uma contribuição à Metodologia Multi-
índice. Tese de Doutorado em Administração. Pontifícia Universidade Católica do Paraná, Curitiba. 2015.
HARZER, J. H., SOUZA, A.; SILVA, W. V., Cruz, J. A. W.; VEIGA, C. P. Probabilistic approach to the MARR/IRR indicator to
assess financial risk in investment projects. International Research Journal of Finance and Economics, 144, 131–
146. 2016.
HERTZ, D. B. Risk Analysis in Capital Investment. Harvard Business Review. January/February 1964.
JUNKES, M. B.; TERESO, A. P.; AFONSO, P. S. L. P. Current Practice and Teaching of Engineering Economics in
Brazilian Universities. In: Proceedings of the Fourth International Symposium on Project Approaches in Engineering
Education (PAEE). Eds. Natascha van Hattum-Janssen, Rui M. Lima, Dinis Carvalho and Luiz Carlos de Campos, São
Paulo-Brazil, 26-27. July, 2012
KIRCHNER, R.; SOARES, A. B.; SEPULCRI, O.; SARTOR, L.; ADAMI, P. Abordagem Técnica e Econômica como uma
Ferramenta na Tomada de Decisões na Bovinocultura de Leite no Sudoeste do Paraná. In: Simpósio
Internacional de Integração Lavoura Pecuária, 2007, Curitiba. Simpósio Internacional de Integração Lavoura Pecuária,
2007.
KREUZ, C. L.; SOUZA, A.; SCHUCK, Ê.; CUNHA, S. K. Custos de produção, expectativas de retorno e de riscos do
agronegócio da uva na região dos Campos de Palmas. Revista Alcance. Itajaí SC, v.11, n.2. 2004. p. 239-258.
LOPES, M. A. et al. Custo leite para windows: software de controle de custos para a pecuária leiteira. Rev. Bras. Zootec.
[online]. 2000, vol.29, n.5, pp. 1504-1510. ISSN 1806-9290.
MATSUMOTO, M.; Nishimura, T. Mersenne Twister: A 623-dimensionally equidistributed uniform pseudorandom
number generator. ACM Transactions on Modeling and Computer Simulation. v. 8, n. 1, Jan. 1998, p. 3–30. 1998.
Disponível em: https://dl.acm.org/doi/10.1145/272991.272995.
MARTINS, R. A.; MELLO, C. H. P.; TURRIONI, J. B. Guia de Elaboração de Monografia e TCC em Engenharia de
Produção. 1 ed. São Paulo: atlas, 2014.
MONTEIRO, C. A.; SANTOS, L. S.; WERNER, L. Simulação de Monte Carlo em decisão de investimento para
implementação de projeto hospitalar. In: XXXII Encontro Nacional de Engenharia de Produção, 2012, Bento
Gonçalves/RS. Anais do XXXII Encontro Nacional de Engenharia de Produção, 2012.
MONTGOMERY, D. C.; RUNGER, G. C. Estatística Aplicada e Probabilidade para Engenheiros. 6. ed. Rio de Janeiro.
LTC, 2016.
MORETTIN, P. A.; BUSSAB, W. O. Estatística básica. 5. ed. São Paulo: Saraiva, 2004. 526 p.
MORGAN, Banco J. P. RiskMetrics. Technical Manual. 4th ed. New York, J.P. Morgan, 1996. Disponível em:
<https://www.msci.com/documents/10199/5915b101-4206-4ba0-aee2-3449d5c7e95a> Acesso em: fev. 2023.
296p.
MYERS, S. Determinants of Corporate Borrowing. Journal of Financial Economics, 5, Nov. 1977, p.147-175.
OLIVEIRA, J. A. N. Engenharia Econômica: Um a abordagem às decisões de investimento. São Paulo: McGraw-Hill,
1982.
PAMPLONA, E. O.; MONTEVECHI, J.A.B. Engenharia Econômica avançada, UNIFEI, 2006. Disponível em:
<http://www.iepg.unifei.edu.br/edson/pesquisa.htm>. Acesso em: mar. 2016.
PLETSCH, G. B.; SETTI, D.; LIMA, J. D. de; OLIVEIRA, G. A.; PIMENTEL, T. C. A multi-criteria model for the techno-
economic evaluation of fat removal technologies from dairy waste. SAGE OPEN, 2023.
https://journals.sagepub.com/articles/SGO
PIOVESAN, G. T.; LIMA, J. D. de; OLIVEIRA, G. A. Viabilidade econômica da automação de equipamentos: estudo de caso
em fábrica de ração suína utilizando a MMIA. Custos e Agronegocio On Line, v. 17, n. 1, p. 145-165, 2021.
RASOTO, A.; GNOATTO, A. A.; OLIVEIRA, A. G. de; ROSA, C. F. da; ISHIKAWA, G.; CARVALHO, H. A. de; LIMA, I. A. de;
LIMA, J. D. de; TRENTIN; M. G.; RASOTO, V. I. Gestão Financeira: enfoque em inovação. 1. ed. Curitiba: Aymará, 2012.
v. 6. 140p. (série UTFinova). Disponível em: <http://www.utfpr.edu.br/estrutura-universitaria/pro-
reitorias/prorec/diretoria-da-agencia-de-inovacao-1/livros-6>. Acesso em: fev. 2023.
RÊGO, T. de F.; CORREIA, A. M. M.; ARAÚJO, J. A. R. de; GURGEL, J. da C.; SOUZA, A. Expectativas de retorno e riscos
percebidos no agronegócio corante natural de caju para o mercado B2B (business-to-business). v.11, n.2. Abr./jun.
Custos e agronegócio on line. 2015. p. 370-400. Disponível em:
<http://www.custoseagronegocioonline.com.br/numero2v11/K%2018%20caju.pdf>. Acesso em: fev. 2023.
RESTLE, J. et al. Produtividade animal e retorno econômico em pastagem de aveia preta mais azevém adubada com
fontes de nitrogênio em cobertura. R. Bras. Zootec. [online]. 2000, v.29, n.2, p. 357-64.
RIBEIRO, J. L. D; CATEN, C. ten. Estatística Industrial. Série Monográfica Qualidade. Universidade Federal do Rio
Grande do Sul. Escola de Engenharia. Programa de Pós-Graduação em Engenharia de Produção. Porto Alegre, RS. 2000.
RIBEIRO, M. H. D. M.; STEFENON, S. F.; LIMA, J. D. de; NIED, A.; MARINI, V. C.; COELHO, L. S. Electricity price forecasting
based on self-adaptive decomposition and heterogeneous ensemble learning. Energies, v. 13, p. 1-22, 2020. DOI:
https://doi.org/10.3390/en13195190.
ROCKAFELLAR, R. T.; URYASEV, S. Conditional Value-at-Risk for general loss distributions. Journal of Banking &
Finance. v. 26, n. 7 p.1443–1471. 2002.
ROCKAFELLAR, R. T.; URYASEV, S. Optimization of Conditional Value-at-Risk. The Journal of Risk. v. 2, n.3. p.21-41.
2000.
SOUZA, A.; CLEMENTE, A. Decisões financeiras e análise de investimentos: fundamentos, técnicas e aplicações.
5. ed. São Paulo: Atlas, 2004.
SOUZA, A.; CLEMENTE, A. Decisões Financeiras e Análises de Investimentos: Conceitos, técnicas e aplicações. 6.
ed. São Paulo: Atlas, 2008.
SOUZA, A.; OLIVEIRA, A.M.M. de; FOSSILE, D.K.; ÓGUCHI OGU, E.; DALAZEN, L.L.; VEIGA, C.P. da. Business plan analysis
using multi-index methodology: expectations of return and perceived risks. SAGE OPEN, v. 10, 2020, p. 1–15. DOI:
https://journals.sagepub.com/doi/10.1177/2158244019900171
SOUZA, J. S. de; KLIEMANN NETO, F. J. O impacto da incorporação da inflação na análise de projetos de investimentos.
Produção, v. 22, n, 4, 2012, p.709-717.
STRAPASSON, F.; PAVLOSKI, R. P.; MOREIRA, A. S.; AMARO, H. D.; SOUZA, A. Viability of Eucalyptus grandis for wood
production: An analysis using the multi-index methodology. Custos e Agronegócio on line, 14, 276–297. 2018.
http://www.custoseagronegocioonline.com.br/
TOMAZINI, C. E. G.; SANTOS, E. P.; ABATTI, L.; BORSATTI, A. C.; TAVARES, B.; LIMA, J. D. de. Análise de viabilidade
econômica da produção de physalis em estufa como opção de renda para a agricultura familiar. Custos e Agronegócio
On Line, v. 17, ed. Especial, p. 161-183, 2021. Disponível em:
http://www.custoseagronegocioonline.com.br/especialv17/OK%207%20phisalis.pdf.
$AVEPI. Sistema de Análise de Viabilidade Econômica de Projetos de Investimento. Guia prático para usuário do
$AVEPI. Disponível em: <http://pb.utfpr.edu.br/savepi>.
LIMA, J. D. de; SOUTHIER, L.F.P.; MENEGUSSI, G.M.; PUPPO, E.M. Sistema de Análise de Viabilidade Econômica de
Projetos de Investimento ($AVEPI). 2018. Patente: Programa de Computador. Número do registro:
BR512018051513-4, data de registro: 16/08/2018, título: "Sistema de Análise de Viabilidade Econômica de Projetos
de Investimento ($AVEPI)", Instituição de registro: INPI - Instituto Nacional da Propriedade Industrial. Acesso em:
fev. 2023.
Zhu, W., Marquez, A., & Yoo, J. (2015). Engineering economics jeopardy!” mobile app for university students. The
Engineering Economist, 60(4), 291–306.
2023
APÊNDICE A
atividades
Práticas DE
engenharia
econômica
desenvolvidas
COM SUPORTE
DO $AVEPI ®


MINISTÉRIO DA EDUCAÇÃO DESEMPENHO
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
CAMPUS PATO BRANCO
Atividades práticas de Engenharia Econômica elaboradas pelo Prof. Dr. José Donizetti de Lima
Vamos sedimentar o conhecimento em Engenharia Econômica? A ideia de insistir na
resolução destas atividades propostas é que elas foram elaboradas para complementar as aulas
expositivas-dialogadas. Em geral, as dúvidas surgem quando vocês começam a resolver os
problemas/exercícios/questões teóricos e/ou práticos/aplicados. Acredito que conseguirão
resolver todas as atividades práticas para a revisão dos conceitos. Contudo, é necessário
dedicação/esforços. Portanto, reveja slides, apostilas (E-books), livros, artigos.... Agora é com
vocês (hora de praticar!).
Sugestão de roteiro para a análise de viabilidade econômico-financeira de projetos de

investimento e planos de negócios:
Passo 1) Aplicar a Metodologia Multi-índice Ampliada (MMIA), pois essa metodologia incorpora
todos os indicadores da Metodologia Clássica (MC) e da Metodologia Multi-índice (MMI).
Passo 2) Avaliar a necessidade de uso da Simulação de Monte Carlo (SMC).
➢ Se todos os limites de elasticidades da MMIA são maiores ou iguais a 33,33%, então não há a
necessidade de aplicação da SMC.
➢ Se há pelo menos um limite de elasticidade da MMIA menor que 33,33%, então há a necessidade
de aplicação da SMC. Vale destacar que a SMC não melhora as expectativas de ganho do projeto.
O objetivo principal da SMC é melhorar as percepções de riscos associados a decisão de
investimento. Para classificar o nível de risco obtido via SMC, podemos utilizar a seguinte
escala: (i) risco baixo: Probabilidade via SMC < 5%; (ii) risco médio: 5%  Probabilidade via
SMC  15%; (ii) risco alto: Probabilidade via SMC > 15% (Harzer, 2015; Harzer et al., 2016).
ATENÇÃO:
1. Resolva os problemas/projetos no Sistema de Análise de Viabilidade Econômica de
Projeto de Investimento ($AVEPI).
2. Salve os problemas/projetos na área de usuário do $AVEPI, clicando no ícone de
Disquete, utilizando os seguintes códigos: Problema/projeto 1 → P1a, P1b....;
Problema/projeto 2 → P2a.... Eles ficarão armazenados em “Projetos e informações”.
3. Na correção das atividades práticas serão consideradas somente os problemas que
apresentarem os RESULTADOS (telas do $AVEPI®) e os TEXTOS ORIGINAIS d@
acadêmic@.
BREVE REVISÃO CONCEITOS-CHAVE:

➢ A economia define investimento como ato de incorrer em custo imediato na expectativa de
recompensas futuras (Dixit e Pindyck, 1994). Na área de Engenharia Econômica (EE),
utilizamos o conceito de investimento econômico, isto é, processo de aporte de capital em
uma unidade produtiva. Portanto, em EE, o objetivo do investimento é contribuir com a
melhoria do processo produtivo. A análise de investimento é fundamental para subsidiar este
processo de tomada de decisão. Nesse contexto, investimentos em mercados financeiros (ações
e opções, por exemplo) são considerados como aplicações e estão fora do nosso escopo de
estudo/pesquisa.
➢ “Os investimentos iniciais abrangem todo o aporte de capital necessário para colocar o projeto
ou o plano de negócios em funcionamento” (Souza e Clemente, 2022, p.32).
 O que é e como estimar a taxa de desconto do fluxo de caixa do projeto de investimento?
➢ A Taxa Mínima de Atratividade (TMA) é o custo do capital ou a taxa de mercado (Babaei e
Abdollah, 2022).
➢ A TMA é a taxa de desconto que represente o custo da melhor oportunidade preterida
(Souza e Clemente, 2022, p.44).
➢ “Conceitualmente, a TMA é custo de oportunidade” (Souza e Clemente, 2022, p.47).
➢ “A TMA é simples conceituar, mas não é fácil de operacionalizar” (Souza e Clemente, 2022,
p.47).
➢ Há diferenças importantes entre a operacionalização da TMA nas metodologias Clássica
(MC), Multi-índices (MMI/MMIA) e Opções Reais (OR) (Souza e Clemente, 2022, p.47-48).
➢ “O ponto de partida para a estimativa da TMA é a taxa livre de risco” (Souza e Clemente,
2022, p.48).
➢ “Quanto à TMA, há consenso entre as metodologias de que o ponto de partida para sua
estimativa é a taxa livre de risco” (Souza e Clemente, 2022, p.50).
➢ A TMA é a taxa equivalente a remuneração de um título de baixo risco e com liquidez (Souza
e Clemente, 2022, p.63).
➢ Na Metodologia Clássica (MC), a TMA inclui um prêmio pelo risco (Souza e Clemente, 2022,
p.52).
➢ Na Metodologia Clássica (MC), a TMA é estimada como a taxa livre de risco adicionada de um
prêmio pelo risco definido em nível estratégico (Souza e Clemente, 2022, p.52).
➢ Payback descontado: “uma estimativa do tempo necessário para recuperar o capital
investido” (Souza e Clemente, 2022, p.67).
➢ O Payback descontado deve ser menor do que o número máximo de períodos estipulado como
meta para a recuperação do capital (Souza e Clemente, 2022, p.53)
➢ A distribuição de probabilidades descreve a dispersão dos dados de cada variável aleatória
de interesse que tem comportamento estocástico.
➢ Função Densidade de Probabilidade Uniforme: utilizamos essa distribuição, quando
conhecemos os limites e quaisquer intervalos iguais entre esses limites são igualmente
prováveis (Souza e Clemente, 2022, p.70).
➢ Função Densidade de Probabilidade Triangular ou Beta: utilizamos essa distribuição,
quando conhecemos os limites e um valor médio ou mais provável. Nesse caso, admitimos que
intervalos iguais apresentarão menor probabilidade à medida que estejam mais afastados do
valor médio ou mais provável (Souza e Clemente, 2022, p.70).
Figura – Breve comparativo entre as metodologias Clássica (MC), Multi-índice (MMI) e Ampliada (MMIA)
Os índices de retorno, riscos e sensibilidades da MMIA são categorizados em três níveis: baixo, médio e alto. Um
exemplo ilustrativo é apresentado na Figura a seguir.
QUESTÕES CONCEITUAIS PARA FIXAÇÃO DO CONTEÚDO DE ENGENHARIA ECONÔMICA
Com base na Análise de Investimentos (AI) em Ativos Reais (AR), responda:
1) (Peso 1) Imagine você com sólidos conhecimentos sobre Engenharia Econômica (EE). Em
quais situações e de que forma a EE poderia ajudá-lo?
Digite aqui a sua resposta.
2) (Peso 1) Qual a importância da realização de um adequado estudo de viabilidade econômica

de um Projeto de Investimento (PI) em ativos reais, antes de sua
implementação/execução/realização? EXPLIQUE COM SUAS PALAVRAS.
3) (Peso 1) EXPLIQUE, COM SUAS PALAVRAS, o que é preciso fazer para avaliar de forma
adequada/consistente a viabilidade econômica de um Projeto de Investimento (PI).
4) (Peso 1) Quais as principais diferenças entre a Metodologia Clássica (MC), a Metodologia
Multi-índice (MMI) proposta por Souza e Clemente (2008), a Metodologia Multi-índice
Ampliada (MMIA) proposta por Lima et al. (2015) e a Simulação de Monte Carlo (SMC) para a
análise de viabilidade econômica de um Projeto de Investimento (PI) em ativos reais?
EXPLIQUE COM SUAS PALAVRAS. Atenção: LEIA ESTAS PUBLICAÇÕES, antes de
responder!
5) (Peso 1) O que é a Metodologia Multi-índice Ampliada (MMIA) proposta por Souza e Clemente
(2008) e ampliada por Lima et al. (2015)? Qual a vantagem do uso da MMIA? Não se esqueça
de falar sobre as dimensões da MMI e MMIA e os principais indicadores de cada dimensão.
EXPLIQUE COM SUAS PALAVRAS.
6) (Peso 1) Qual a principal finalidade da Análise de Sensibilidade (AS)

tradicional/clássica/convencional? Quando ela deve ser aplicada? EXPLIQUE COM SUAS
PALAVRAS.
7) (Peso 1) Qual a principal finalidade dos índices de Análise de Sensibilidade (AS) propostos por
Lima et al. (2015)? Quando eles devem ser aplicados?
8) (Peso 1) O que são os Limites de Elasticidade (LEs) e os Valores-Limite (VLs) propostos por
Lima et al. (2015) para melhorar as percepções de riscos de um Projeto de Investimento (PI)
em ativos reais? EXPLIQUE COM SUAS PALAVRAS.
9) (Peso 1) Qual a diferença básica entre a Análise de Sensibilidade (AS) clássica (ou tradicional
ou convencional) e a Análise de Sensibilidade (AS) proposta por Lima et al. (2015), a qual
utiliza Limites de Elasticidade (LEs) e Valores-Limite (VLs). EXPLIQUE COM SUAS
PALAVRAS.
10) (Peso 1) Qual a finalidade da Análise de Cenários (AC)? Quando ela deve ser aplicada?
EXPLIQUE COM SUAS PALAVRAS.
11) (Peso 1) Qual a finalidade da Simulação de Monte Carlo (SMC)? Quando ela deve ser aplicada?
EXPLIQUE COM SUAS PALAVRAS. Veja o artigo de Lima et al. (2018).
12) (Peso 1) Quais as diferenças entre as técnicas de avaliação de risco: Análise de Sensibilidade
(AS), Análise de Cenários (AC) e Simulação de Monte Carlo (SMC)? EXPLIQUE COM SUAS
PALAVRAS.
13) (Peso 1) Qual(is) a(s) diferença(s) entre as abordagens determinística (ou estática) e
estocástica (ou probabilística ou não determinística) para a análise de viabilidade econômica
de um Projeto de Investimento (PI) em ativos reais? EXPLIQUE COM SUAS PALAVRAS.
14) (Peso 1) O que é Payback? Descreva, COM SUAS PALAVRAS, a diferença básica entre Payback
simples, Payback descontado e Payback fin (Lima et al., 2013).
15) (Peso 1) Descreva, COM SUAS PALAVRAS, a diferença básica entre a depreciação econômica
(ou de mercado) e a depreciação contábil (ou fiscal). Além disso, explique em que contexto
cada uma dessas duas formas de depreciação é utilizada dentro da análise de viabilidade
econômica de Projetos de Investimento (PI) em ativos reais?
16) (Peso 1) Um Projeto de Investimento (PI), após a aplicação da Simulação de Monte Carlo
(SMC), apresentou P(R$ 10.000,00 ≤ VPL ≤ R$ 1.000.000,00) = 95%, na qual: P =
Probabilidade e VPL = Valor Presente Líquido. Qual a interpretação desse resultado?
17) (Peso 1) A aplicação da Simulação de Monte Carlo (SMC) em um Projeto de Investimento (PI),
em 100.000 simulações, gerou 5.670 resultados com Valor Presente Líquido (VPL) negativo
(VPL < 0). Nesse contexto, estime a probabilidade desse PIA ser promissor sob a ótica
econômica.
18) (Peso 1) Qual a diferença básica entre o Valor em Risco (VaR – Value at Risk) e o Valor em
Risco Condicional (CVaR – Conditional Value at Risk)?
(SMC), gerou um Valor em Risco (VaR – Value at Risk), para o indicador Valor Presente Líquido
(VPL), ao nível de 5%, igual a – R$ 10.000,00, ou seja: VaR5% = – R$ 10.000,00. Qual a
interpretação do valor esperado para esse indicador de risco extremo?
(SMC) – 100 mil cenários aleatórios, gerou um Valor em Risco Condicional (CVaR – Conditional
Value at Risk), para o indicador Valor Presente Líquido (VPL), ao nível de 5%, igual a – R$
15.000,00, ou seja: CVaR5% = – R$ 15.000,00. Qual a interpretação do valor esperado para
esse indicador de risco extremo?
21) (Peso 1) A empresa DZT2 i9aç@o está analisando dois Projetos de Investimento (PI) em
ativos reais. A aplicação de 100.000 Simulações de Monte Carlo (SMC) no primeiro projeto,
gerou um Valor em Risco ao nível de 5% (VaR5% – Value at Risk) igual a - R$ 10.000. Por outro
lado, o segundo PI, também em 100.000 Simulações de Monte Carlo (SMC), gerou um Valor
em Risco Condicional ao nível de 5% (CVaR5% – Conditional Value at Risk) igual a - R$
10.000,00. Nesse contexto, qual o PI você recomendaria? Justifique a sua escolha.
22) (Peso 2) Comente sobre o Projeto de Investimento (PI) que será foco do estudo de caso do seu
grupo/equipe.
23) (Peso 5) Observe as Figuras apresentadas a seguir, as quais foram elaboradas na ferramenta
computacional $AVEPI (2023):
Figura 1 – Input Abordagem Determinística - Recursos Próprios - Fluxo de Caixa ou Custos e Receitas

M
E VP (R$) 125.351,52
T VPL (R$) 25.351,52
O
D VPLA (R$) 7.384,48
O RETORNO
L IBC 1,2535
O
ROIA (%) 4,62
G
I Índice ROIA/TMA (%) 33,02
A
Payback (períodos) 4
M
U TIR (%) 23,77
L RISCOS Índice Payback/N (%) 80,00
T
I Índice TMA/TIR (%) 58,91
-
Í Δ% TMA 69,76
N S
E Δ% FC0 25,35
D
I N Δ% FCj 20,22
C S
I LIMITES De
E Δ% FC0 e FCj 11,25
B ELASTICIDADE (LEs)
I Δ% TMA e FC0 18,59
A
M L
Δ% TMA e FCj 15,68
P I
L D Δ% FC0 e FCj e TMA 9,69
I A
A D TMA (%) 23,77
D E
S VALORES-LIMITE FC0 (R$) 125.351,52
A
(VLs) FCj (1 a 4) (R$) 27.921,48
FC5 (R$) 35.899,05
Figura 2 – Dimensões e indicadores da Metodologia Multi-índice Ampliada (MMIA)
DIMENSÃO ÍNDICE BAIXO MÉDIO ALTO
RETORNO ROIA/TMA 33,02%
Payback/N 80,00%
RISCOS
TMA/TIR 58,91%
DIMENSÃO ÍNDICE ALTO MÉDIO BAIXO

Δ% TMA 69,76%
SENSIBILIDADES Δ% FC0 25,35%
Δ% FCj 20,22%
Escala proposta Menor que 33,33% de 33,33% a 66,66% Maior que 66,66%
Figura 3 – Escala de avaliação das dimensões da MMIA
Figura 4 – Espectro de validade da decisão para o PI em estudo
Nesse contexto, analisando os resultados da aplicação da Metodologia Multi-índice

Ampliada (MMIA) determinística via $AVEPI®, pede-se: EXPLIQUE COM SUAS PALAVRAS.
(a) Elaborar uma análise completa da dimensão Retorno da MMIA.
(b) Elaborar uma análise completa da dimensão Riscos da MMIA.
(c) Elaborar uma análise completa da dimensão Sensibilidades da MMIA: Limites de Elasticidade
(LEs) e dos Valores-Limite (VLs).
(d) Emitir um parecer preliminar sobre a viabilidade econômica desse Projeto de Investimento
(PI). Justifique.
(e) Avaliando os resultados apresentados, justifique a afirmação: “Recomenda-se a aplicação da
Simulação de Monte Carlo (SMC)”.
Estudo de Viabilidade Econômica de Projetos de Investimento (PI) – INTRODUÇÃO
24) (Peso 5) Para ilustrar a aplicação da Metodologia Multi-índice Ampliada (MMIA) via Sistema
de Análise da Viabilidade Econômica de Projetos de Investimento ($AVEPI®), vamos utilizar
um Projeto de Investimento (PI) da empresa DZT2 i9aç@o. Essa empresa está estudando a
implementação de um PI que requer um Investimento Inicial (FC0) da ordem de R$
100.000,00 (custos de aquisição, transporte, instalação e aporte inicial de capital de giro, por
exemplo). O horizonte de planejamento ou de análise ou vida útil (N) é de 10 anos. A
expectativa é que a implementação desse PI gere um superávit de R$ 30.000,00 por ano,
resultante do Fluxo de Caixa (FC), o qual é a diferença entre as Receitas esperadas (R j) e os
Custos totais estimados (Cj), para os próximos 10 anos. O Valor Residual ou de Revenda (VR)
está estimado em 10% do valor de aquisição (FC0). A Taxa Mínima de Atratividade (TMA) da
organização está estimada em torno de 10% ao ano. Nesse contexto, analise a viabilidade
econômica desse empreendimento por intermédio da MMIA via $AVEPI®. Observe o
Diagrama do Fluxo de Caixa (DFC) na Figura a seguir:
Figura – Diagrama do Fluxo de Caixa para o PI em estudo
(a) Inserir aqui a tela de entrada dos dados no aplicativo web $AVEPI®.
(b) Inserir aqui a análise da dimensão retorno da MMIA.
(c) Inserir aqui a análise da dimensão riscos da MMIA.
(d) Inserir aqui a análise da dimensão sensibilidades da MMIA.
(e) Inserir aqui um parecer conclusivo.
25) (Peso 5) O desempenho econômico-financeiro esperado para um Projeto de Investimento (PI)
em fase de estudo preliminar está representado no diagrama do Fluxo de Caixa (FC) a seguir.
Nesse contexto, utilize a Metodologia Multi-índice proposta por Souza e Clemente (2008) e
ampliada por Lima et al. (2015), denominada MMIA, via aplicativo web $AVEPI® para analisar
a viabilidade econômica desse PI.
Figura – Diagrama do Fluxo de Caixa para o PI em estudo
26) (Peso 10) Resolva a questão descrita a seguir:
▪ A empresa DZT2 i9aç@o necessita investir R$ 100.000,00 na aquisição, transporte e
instalação de um equipamento, o qual será capaz de manufaturar um produto a ser vendido na
próxima década.
▪ A previsão anual (volume) de vendas está estimada em 10.000 unidades ao preço de venda
unitário de R$ 10,00.
▪ Os custos fixos anuais estão estimados em R$ 20.000,00, enquanto os custos variáveis
esperados são de R$ 4,00 por unidade.
▪ Ao final desse período (vida útil de 10 anos), o equipamento poderá ser vendido por R$
10.000,00.
▪ A Taxa Mínima de Atratividade (TMA) da empresa está estimada em 13,75% ao ano, após o
Imposto de Renda (IR).
▪ Nesse contexto, analise a viabilidade econômica desse Projeto de Investimento (PI) utilizando
a Metodologia Multi-índice Ampliada (MMIA) via Sistema de Análise da Viabilidade Econômica
de Projetos de Investimento ($AVEPI®).
É preciso investir 100 mil nesse projeto. Com isso, espera-se um retorno bruto total de 209 mil,
um retorno líquido total de 109 mil e um retorno líquido anual de 21 mil. A cada real investido,
prospecta-se um retorno de 2,09. Como consequência, tem-se um ROIA igual a 7,66% ao ano e um
índice ROIA/TMA igual a 54%. Portanto, o projeto apresenta um retorno de grau médio.

ANÁLISE DOS EFEITOS DA DEPRECIAÇÃO, DOS IMPOSTOS, DAS CONTRIBUIÇÕES E DA
FONTE DE FINANCIAMENTO
27) (Peso 10) Resolva a questão de investimento descrita a seguir:
▪ A empresa DZT2 i9aç@o necessita investir R$ 100.000,00 na aquisição, transporte e
instalação de um equipamento, o qual será capaz de manufaturar um produto a ser vendido na
próxima década.
▪ A previsão anual (volume) de vendas está estimada em 10.000 unidades ao preço de venda
unitário de R$ 10,00.
10.000,00.
Imposto de Renda (IR).
▪ Considere uma alíquota de Imposto de Renda (IR) de 15% e uma Contribuição Social sobre o
Lucro Líquido (CSLL) de 9%, totalizando 24%.
▪ A depreciação contábil total ocorre em 10 anos, isto é, deprecia-se R$ 10.000,00 por ano.
▪ Além disso, considere que exista uma linha de financiamento que disponibiliza no máximo 90%
do investimento inicial. O prazo máximo é de 8 anos, contemplando um período de 2 anos de
carência pelo SAC. A taxa de juros cobradas nesse financiamento é de 12% ao ano.
▪ Nesse contexto, analise a viabilidade econômica desse Projeto de Investimento (PI) utilizando
a Metodologia Multi-índice Ampliada (MMIA) via Sistema de Análise da Viabilidade Econômica
de Projetos de Investimento ($AVEPI®), comparando as opções/modalidade/alternativas
(fontes de financiamentos): Recursos Próprios e Recursos de Terceiros (Financiamento
externo).



Sugestão de leitura complementar: DAROS, R.; LIMA, J. D. de; ARTUZO, R. M.; OLIVEIRA, G. A.;
TRENTIN, M.G. Análise de viabilidade econômica da aquisição de um equipamento
utilizando a metodologia multi-índice ampliada. In: XXXVII Encontro Nacional de Engenharia
de Produção (ENEGEP), 2017, Joinville/SC. A Engenharia de Produção e as novas tecnologias
produtivas: indústria 4.0, manufatura aditiva e outras abordagens avançadas de produção, 2017.
Disponível em: http://www.abepro.org.br/biblioteca/TN_STO_240_390_33587.pdf
ANÁLISE DE RISCOS COM A APLICAÇÃO DA TÉCNICA ANÁLISE DE SENSIBILIDADE (AS)
28) (Peso 10) Resolva a questão de investimento descrita a seguir:
▪ A empresa i9 always & Cia. Ltda. necessita investir R$ 100.000,00 na aquisição, transporte e
instalação de um equipamento que será capaz de manufaturar um produto a ser vendido na
próxima década.
▪ A previsão anual (volume) de vendas está estimada em 10.000 unidades ao preço unitário de
cerca de R$ 10,00.
10.000,00.
imposto de renda.
▪ Além disso, existe uma linha de financiamento que disponibiliza no máximo 90% do
investimento inicial. Nessa opção, o prazo máximo de financiamento é de 8 anos, contemplando
um período de 2 anos de carência pelo SAC. A taxa de juros cobrada nessa operação é de 12%
ao ano.
▪ Considere os dados anteriores e promova uma variação de 10% em todos os parâmetros.
▪ Nesse contexto, analise a viabilidade econômica desse projeto de investimento utilizando a
Metodologia Multi-índice Ampliada (MMIA) via Sistema de Análise da Viabilidade Econômica
de Projetos de Investimentos ($AVEPI®) utilizando a Abordagem Estocástica na modalidade
Análise de Sensibilidade (AS).



ANÁLISE DE RISCOS COM A APLICAÇÃO DA TÉCNICA ANÁLISE DE CENÁRIOS (AC)
próxima década.
cerca de R$ 10,00.
10.000,00.
imposto de renda.
ao ano.
▪ Considere os dados anteriores como o Cenário Mais Provável com probabilidade igual a 50%.
Além disso, considere como Cenário Pessimista a ocorrência de uma variação desfavorável de
5% em todos os parâmetros, com probabilidade de ocorrência de 20%. Por fim, considere
como Cenário Otimista a ocorrência de uma variação favorável de 10% em todos os
parâmetros, com probabilidade de ocorrência de 30%.
▪ Nesse contexto, analise a viabilidade econômica desse projeto de investimento utilizando a
Metodologia Multi-índice Ampliada (MMIA) via Sistema de Análise da Viabilidade Econômica
de Projetos de Investimentos ($AVEPI®) utilizando a Abordagem Estocástica na modalidade
Análise de Cenários (AC).
ANÁLISE DE RISCOS COM A APLICAÇÃO DA TÉCNICA SIMULAÇÃO DE MONTE CARLO (SMC)
próxima década.
cerca de R$ 10,00.
10.000,00.
imposto de renda.
▪ Os dados reportados anteriormente são os mais prováveis. Contudo, por meio de
entrevistas com especialistas nas diversas áreas que interferem no desempenho
econômico do projeto de investimento em análise, chegou-se a seguinte configuração
para a utilização de uma abordagem probabilística/estocástica/não-
determinística/não-estática:
 TMA  T(7,25%; 13,75%; 20,00%); Estabelecido por especialistas com base no histórico
dos últimos os anos da SELIC. Mínimo = 7,25% ao ano; Mais provável) = 13,75% ao ano;
Máximo = 20% ao ano. Distribuição triangular.
 FC0  U(R$ 95.000,00; R$ 105.000,00); Estabelecido por especialistas com base no
histórico em projetos similares. Distribuição uniforme.
 VR  U(R$ 5.000,00; R$ 15.000,00); Estabelecido por especialistas com base no histórico
em projetos similares. Distribuição uniforme.
 Qj  T(8.000; 10.000; 13.000); Estabelecido por especialistas com base em: (i) pior
cenário/caso: queda de 20%; e (ii) melhor cenário/caso: aumento de 30%. Distribuição
triangular.
 PVuj  T(R$ 7,00; R$ 10,00; R$ 14,00); Estabelecido por especialistas com base em: (i)
pior cenário/caso: queda de 30%; e (ii) melhor cenário/caso: aumento de 40%.
Distribuição triangular.
 CVuj  T(R$ 3,00; R$ 4,00; R$ 6,00); Estabelecido por especialistas com base em: (i) pior
cenário/caso: aumento de 50%; e (ii) melhor cenário/caso: queda de 25%. Distribuição
triangular.
 CFj  U(R$ 15.000,00; R$ 30.000,00); Estabelecido por especialistas com base no
histórico em projetos similares. Distribuição uniforme.
▪ Nesse contexto, analise a viabilidade econômica desse projeto de investimento (PI) utilizando
a abordagem estocástica via Simulação de Monte Carlo (SMC) realizando 10.000
simulações com suporte do Sistema de Análise da Viabilidade Econômica de Projetos de
Investimentos ($AVEPI).
▪ Na sequência, responda aos seguintes questionamentos, utilizando o Teorema Central
do Limite (TCL) – cálculo da área sob a curva:
a) Qual a probabilidade de o Valor Presente Líquido (VPL) ser negativo, isto é: P(VPL < 0)?
b) Qual a probabilidade de o VPL ser menor que R$ 50.000,00, isto é: P(VPL < R$ 50.000,00)?
c) Qual a probabilidade de o VPL ficar entre R$ 50.000,00 e R$ 150.000,00, isto é: P(R$ 50.000,00
< VPL < R$ 150.000,00)?
d) Qual a probabilidade de o VPL ser maior que R$ 150.000,00, isto é: P(VPL > R$ 150.000,00)?
e) Calcule VaR1% e VaR5%. VaR = Valor at Risk = Valor em Risco.

f) Calcule CVaR1% e CVaR5%. CVaR = Conditional Valor at Risk = Valor em Risco Condicional.
g) Formule uma questão e resolva-a, por exemplo: altere o número de simulações para 100.000 e
compare o tempo de computacional, o VPL médio, a P(VPL < 0), o VaR5% e o CVaR5%.
Número de Simulações VPL médio P(VPL < 0 VaR5% CVaR5%
10.000
100.000
Diferença
O $AVEPI não gerou as 100.000 simulações solicitadas.
h) Elabore um parecer conclusivo.

próxima década.
cerca de R$ 10,00.
10.000,00.
imposto de renda e a contribuição social sobre o lucro líquido.
▪ Os dados reportados anteriormente são os mais prováveis. Contudo, por meio de
entrevistas com especialistas nas diversas áreas que interferem no desempenho
econômico do projeto de investimento em análise, chegou-se a seguinte configuração
para a utilização de uma abordagem probabilística/estocástica/não-
determinística/não-estática:
 TMA  T(7,25%; 13,75%; 20,00%); Estabelecido por especialistas com base no histórico dos
últimos anos da SELIC. Mínimo = 7,25% ao ano; Mais provável) = 13,75% ao ano; Máximo =
20% ao ano. Distribuição triangular.
 FC0  U(R$ 95.000,00; R$ 105.000,00); Estabelecido por especialistas com base no histórico
 VR  U(R$ 5.000,00; R$ 15.000,00); Estabelecido por especialistas com base no histórico em
projetos similares. Distribuição uniforme.
 Qj  T(8.000; 10.000; 13.000); Estabelecido por especialistas com base em: (i) pior
triangular.
 PVuj  T(R$ 7,00; R$ 10,00; R$ 14,00); Estabelecido por especialistas com base em: (i) pior
triangular.
 CVuj  T(R$ 3,00; R$ 4,00; R$ 6,00); Estabelecido por especialistas com base em: (i) pior
cenário/caso: aumento de 50%; e (ii) melhor cenário/caso: queda de 25%. Distribuição
triangular.
 CFj  U(R$ 15.000,00; R$ 30.000,00); Estabelecido por especialistas com base no histórico
ao ano.
▪ Nesse contexto, analise a viabilidade econômica desse projeto de investimento (PI) utilizando
a abordagem estocástica via Simulação de Monte Carlo (SMC) realizando 10.000
simulações com suporte do Sistema de Análise da Viabilidade Econômica de Projetos de
Investimentos ($AVEPI).
▪ Atenção: faça um comparativo entre as modalidades: (a) recursos próprios; (b)
financiamento; e (c) análise comparativa: recursos próprios x financiamento.
ESTUDO DE CASO: ANÁLISE DE VIABILIDADE ECONÔMICA DE UM PROJETO DE INVESTIMENTO
32) (Peso 10) Faça uma análise crítica do artigo de Luchtemberg et al. (2010), identificando
oportunidades de melhoria e implementando-as, na medida do possível.
Etapas:
1ª) Ler o artigo.
2ª) Refazer os cálculos no $AVEPI®.
3ª) Identificar oportunidades de melhoria e descrevê-las.
4ª) Implementar, se possível, o que foi apontado na etapa anterior.
5ª) Apresentar sugestões para trabalhos futuros.
Para tanto: Leia o artigo. Construa o Fluxo de Caixa (FC). Elabore o diagrama do FC. Calcule os
indicadores de retorno, de riscos e sensibilidades (LEs e VLs). Verifique o espectro de validade da
decisão: gráfico VPLs x TMAs. Elaborar um relatório com os resultados encontrados e emitir
um parecer conclusivo. UTILIZAR O ROTEIRO DOS EXEMPLOS ILUSTRATIVOS.
Dica: Siga o roteiro de resolução dos exemplos ilustrativos. Em suma, analisar a viabilidade
econômica do Projeto de Investimento (PI) descrito no estudo de Luchtemberg et al. (2010),
utilizando a Metodologia Multi-índice Ampliada (MMIA) via Sistema de Análise da Viabilidade
Econômica de Projetos de Investimentos ($AVEPI®).
RELATÓRIO: VEJA O EXEMPLO ILUSTRATIVO – SIGA O ROTEIRO!
Análise da dimensão Retorno: falar dos indicadores VPL, VPLA, IBC, ROIA e do índice ROIA/TMA
e fazer a classificação segundo a escala proposta.
Análise da dimensão Riscos: falar dos índices Payback/N e TMA/TIR e fazer a classificação
segundo a escala proposta.
Análise de sensibilidades (Limites de Elasticidade (LEs) e dos Valores-Limite (VLs)): falar de
forma conjunta dos LEs (%) e VLs e fazer a classificação segundo a escala proposta.
Emissão do parecer conclusivo: veja o exemplo ilustrativo 01.
Referência: LUCHTEMBERG, I. C.; LIMA, J. D. de; TRENTIN, M. G.; OLIVEIRA, G. A. Viabilidade
Técnica e Econômica da Verticalização na Produção de Válvula Reguladora de Pressão para
Panelas de Pressão em Indústria de Artefatos de Alumínio. In: Maturidade e desafios da
Engenharia de Produção: Competitividade das empresas, condições de trabalho, meio ambiente.
XXX Encontro Nacional de Engenharia de Produção – ENEGEP. São Carlos – SP, 2010. Disponível
em: http://www.abepro.org.br/biblioteca/enegep2010_TN_STP_115_752_15094.pdf.
LUCHTEMBERG et al. (2010): “Este trabalho teve por objetivo analisar a viabilidade técnica e
econômica da verticalização na produção de válvula reguladora de pressão para panelas de
pressão de uso doméstico. A pesquisa teve como base a NBR 11.823 que regulamenta o setor de
panelas de pressão, literaturas de produção, custos e análise econômica para a decisão final
quanto à verticalização da produção ou continuar adquirindo este componente de empresas
parceiras. Os resultados apresentaram viabilidade e baixo risco, demonstrando ser atraente
produzir internamente as válvulas reguladoras de pressão da empresa estudada”.
ESTUDO DE CASO: ANÁLISE DE VIABILIDADE ECONÔMICA DE UM PROJETO DE INVESTIMENTO
33) (Peso 10) Faça uma análise crítica do artigo de Girotto, Oliveira e Lima (2016), identificando
oportunidades de melhoria e implementando-as, na medida do possível.
Etapas:
1ª) Ler o artigo.
2ª) Refazer os cálculos no $AVEPI®.
3ª) Identificar oportunidades de melhoria e descrevê-las.
4ª) Implementar, se possível, o que foi apontado na etapa anterior.
5ª) Apresentar sugestões para trabalhos futuros.
Para tanto: Leia o artigo. Construa o Fluxo de Caixa (FC). Elabore o diagrama do FC. Calcule os
indicadores de retorno, de riscos e sensibilidades (LEs e VLs). Verifique o espectro de validade da
decisão: gráfico VPLs x TMAs. Elaborar um relatório com os resultados encontrados e emitir
um parecer conclusivo. UTILIZAR O ROTEIRO DOS EXEMPLOS ILUSTRATIVOS.
Dica: Siga o roteiro de resolução dos exemplos ilustrativos. Em suma, analisar a viabilidade
econômica do Projeto de Investimento (PI) descrito no estudo de Luchtemberg et al. (2010),
utilizando a Metodologia Multi-índice Ampliada (MMIA) via Sistema de Análise da Viabilidade
Econômica de Projetos de Investimentos ($AVEPI®).
RELATÓRIO: VEJA O EXEMPLO ILUSTRATIVO – SIGA O ROTEIRO!
Análise da dimensão Retorno: falar dos indicadores VPL, VPLA, IBC, ROIA e do índice ROIA/TMA
e fazer a classificação segundo a escala proposta.
Análise da dimensão Riscos: falar dos índices Payback/N e TMA/TIR e fazer a classificação
segundo a escala proposta.
Análise de sensibilidades (Limites de Elasticidade (LEs) e dos Valores-Limite (VLs)): falar de
forma conjunta dos LEs (%) e VLs e fazer a classificação segundo a escala proposta.
Emissão do parecer conclusivo: veja o exemplo ilustrativo 01.
Referência: GIROTTO, K.; OLIVEIRA, G.A.; LIMA, J.D. de. Estudo de Viabilidade Econômica da
Produção de Noz-pecã em Pequenas Propriedades Rurais. In: Contribuições da Engenharia de
Produção para Melhores Práticas de Gestão e Modernização do Brasil. XXXVI Encontro Nacional
de Engenharia de Produção – ENEGEP. João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
Disponível em: http://www.abepro.org.br/biblioteca/TN_STO_228_330_30254.pdf.
ATENÇÃO: (1) Resolver todas essas questões aqui nesse arquivo em MS-WORD®. Se julgar
adequado, pode resolver de forma manual, escanear/fotografar e colar no lugar adequado de cada
questão; (2) Gerar um arquivo em PDF, sendo que o nome do arquivo deve ser o SEU NOME
COMPLETO; e (3) Enviar para o e-mail (donizetti@utfpr.edu.br). Bom estudo!
SAIBA+ – SUGESTÃO DE ATIVIDADES COMPLEMENTARES: Leitura crítica de artigos
Encontre outras publicações sobre a análise de investimentos em ativos reais (projetos) em:
 $AVEPI: http://pb.utfpr.edu.br/savepi/recursosDidaticos.php
 Lattes: http://lattes.cnpq.br/1633959881315804
 ResearchGate:https://www.researchgate.net/profile/Jose_Donizetti_De_Lima/contributions
 Youtube:
https://www.youtube.com/channel/UC5xvNTgJShmIUD3bknhKNnw?view_as=subscriber
 LinkedIn: https://www.linkedin.com/in/prof-dr-jos%C3%A9-donizetti-de-lima-464ab434/
2023
APÊNDICE B
avaliações DE
engenharia
econômica
resolvidas
COM SUPORTE
DO $AVEPI ®


CAMPUS PATO BRANCO
1ª Avaliação de Engenharia Econômica 1 (EE23G) do Curso de Agronomia – Prof. Dr. José Donizetti de Lima. Data: 13/06/2022
Nome completo e assinatura do Acadêmico(a):

_______________________________________________________________
Na correção da avaliação serão consideradas somente as questões que apresentarem os
cálculos necessários e a resposta à caneta. A interpretação dos problemas e o uso da
calculadora científica são inerentes à avaliação. Utilize 2 (duas) casas decimais com
arredondamentos adequados.
1) (10,0 pontos) Uma empresa cuja Taxa Mínima de Atratividade (TMA), após o imposto de renda
(IR), é de 12% ao ano está analisando a viabilidade financeira de um novo investimento. O Fluxo
de Caixa líquido (FC) anual do Projeto de Investimentos (PI) em análise está representado no
diagrama a seguir (Souza e Clemente, 2015, p.73).
Observe as Figuras apresentadas a seguir, as quais foram elaboradas com suporte da ferramenta
computacional $AVEPI® (2022) para aplicação da Metodologia Multi-índice Ampliada (MMIA).
Valor Presente: VP (R$) 460,14

Valor Presente Líquido: VPL (R$) 80,14
Valor Presente Líquido Anualizado: VPLA (R$) 15,04

RETORNO
Índice Benefício/Custo: IBC 1,2109
Retorno adicional sobre o investimento: ROIA (%) ao ano 2,15

Índice ROIA/TMA (%), sendo TMA a Taxa Mínima de Atratividade 17,91
Payback (anos): tempo mínimo de retorno do investimento 8
Taxa Interna de retorno: TIR (%) ao ano 16,19

RISCOS Índice Payback/N (%) 88,89
Índice TMA/TIR (%) 74,14
Δ%TMA (variação percentual) 34,89

SENSIBILIDADES:
LIMITES DE Δ%FC0 (variação percentual) 21,09
ELASTICIDADE (LEs)
Δ%FCj (variação percentual) 17,42
TMA (%) ao ano 16,19

SENSIBILIDADES:
VALORES-LIMITE Investimento inicial: FC0 (R$) 460,14
(VLs)
Fluxo de Caixa: FCj (médio) (R$) 79,83
Payback/N 88,88%
RISCOS
TMA/TIR 74,14%
Δ% TMA 34,89
SENSIBILIDADES Δ% FC0 21,09
Δ% FCj 17,42
Figura 4 – Espectro de validade da decisão e dashboard da MMIA para o PI em estudo
(I) Nesse contexto, analisando os resultados da aplicação da Metodologia Multi-índice
a) (1,0 ponto) Elaborar uma análise completa da dimensão Retorno da MMIA, ou seja, discutir
os resultados esperados e realizar uma classificação do grau de retorno.
b) (1,0 ponto) Elaborar uma análise completa da dimensão Riscos da MMIA, ou seja, discutir os
resultados esperados e realizar uma classificação do nível de risco.
c) (1,0 ponto) Elaborar uma análise completa da dimensão Sensibilidades da MMIA: Limites de
Elasticidade (LEs) e dos Valores-Limite (VLs), ou seja, discutir os resultados esperados e
realizar uma classificação do nível de sensibilidade.
d) (1,0 ponto) Emitir um parecer preliminar sobre a viabilidade econômica desse Projeto de
Investimento (PI) pela análise das 3 dimensões da MMIA determinística. Justifique.
e) (1,0 ponto) Avaliando os resultados e análises apresentados, justifique a afirmação:

“Recomenda-se a aplicação da Simulação de Monte Carlo (SMC)”.
Atenção: Os índices de riscos das metodologias multi-índices MMI e MMIA (TMA/TIR, Payback/N
e Grau de Comprometimento da Receita (GCR), Risco de Negócio (RN) e Risco de Gestão (RG), por
Harzer et al., 2016). Diante do exposto, recomenda-se a aplicação da Simulação de Monte Carlo
(SMC).
Nesse contexto, observe as Figuras apresentadas a seguir, as quais foram elaboradas com suporte
da ferramenta computacional $AVEPI® (2022) para aplicação da Simulação de Monte Carlo (SMC).
Figura 6 – Input Abordagem Estocástica via SMC
Estatísticas Descritivas VPL
Quantidade: número de simulação realizadas 100.000
Mínimo (R$) -47,87
Máximo (R$) 175,38
Amplitude (Máximo - Mínimo) (R$) 223,25
Média (VPL médio) (R$) 59,87
Desvio-padrão (R$) 38,31
Coeficiente de variação 64,00%
Mediana (R$) 59,91
Estatísticas Inferenciais VPL
P(VPL < 0): Probabilidade de insucesso financeiro 5,91%
VaR5% (R$): Value at Risk – Valor em Risco -3,15
CVaR5% (R$): VaR Conditional – Valor em Risco Condicional -13,46

Figura 7– Resultados da SMC
ATENÇÃO: Explique com suas palavras e Faça uma representação geométrica (gráfico da
função de distribuição de probabilidade) e represente os principais resultados gerados
pela SMC, tais como: VPL médio, P(VPL < 0), VaR(5%) e CVaR(5%). Faça uma única figura
para todos os itens solicitados a seguir. Se quiser pode sinalizar na Figura a seguir!
II) Nesse contexto, analisando os resultados da aplicação da abordagem estocástica via
Simulação de Monte Carlo (SMC) obtidos por intermédio do $AVEPI®, pede-se:
f) (1,0 ponto) Disserte sobre o retorno esperado para o projeto.
g) (1,0 ponto) Disserte sobre o risco associado à decisão de investimento.

h) (1,0 ponto) Disserte sobre o valor em risco (VaR) para o nível de 5% para esse projeto.
i) (1,0 ponto) Disserte sobre o valor em risco condicional (CVaR) para o nível de 5% para esse
projeto.
j) (1,0 ponto) Emitir um parecer conclusivo sobre a viabilidade econômica desse projeto.
Justifique.
GABARITO PARCIAL
a) Retorno: O Projeto de Investimento (PI) em estudo/análise/avaliação/questão/foco
necessita/requer/precisa de um investimento inicial de R$ 380,00. Espera-se que esse
investimento retorne/gere/produza R$ 460,14 (VP). Isso implica em um retorno líquido total
(VPL) de R$ 80,14 em 9 períodos, equivalente a R$ 15,04 por ano (VPLA). Vale ressaltar que
esse ganho sempre é o adicional ao oportunizado pelo mercado (TMA). Para esse PI, a cada
unidade monetária investida, há a expectativa de retorno de 1,2109. Isso é equivalente a um
ganho de 2,15% ao ano, além da TMA (12%). O retorno fica melhor expresso pelo índice
ROIA/TMA (Souza e Clemente, 2009), cujo valor obtido é de 17,91%. Isso permite classificar
(ou categorizar ou enquadrar) o investimento como retorno de grau (ou nível) baixo [<
33,33%], segundo a escala proposta pela Metodologia Multi-índice Ampliada (MMIA).
b) Riscos: No tocante a dimensão riscos, o PI em estudo apresenta retorno do investimento
(Payback) em aproximadamente 8 ano(s). O índice Payback/N é de 88,89%, ou seja, o PI tem
que ser promissor em pelo menos 88,89% da vida estimada para se pagar. Por outro lado, o
índice TMA/TIR resultou em 74,14%, representando a razão entre o percentual oferecido pelo
mercado e o rendimento máximo esperado/previsto pelo PI. Isso permite categorizar o
investimento como risco de nível/grau alto [> 66,66%], segundo a escala proposta pela MMIA.
c) Sensibilidades: Para o PI em estudo, a TMA admite uma variação máxima de 34,89% antes de
torná-lo economicamente inviável, sendo o valor-limite igual a 16,19% (TIR). Por outro lado, o
investimento inicial (FC0) suporta um acréscimo de até 21,09%, sendo o valor-limite igual a R$
460,14 (VP). Já o Fluxo de Caixa (FC) permite uma redução máxima 17,42%, sendo o valor-
limite igual a R$ 24,78. Esses valores melhoram a percepção dos riscos associados à
implementação do PI em estudo. Além disso, esses valores podem ser utilizados nas
etapas/fases de monitoramento e controle do projeto, se o PI for aprovado e implantado.
d) Parecer Preliminar: Com base nos dados fornecidos pelo usuário, nos resultados
apresentados (Quadros de indicadores e gráficos) e na análise da expectativa do retorno, das
estimativas de riscos envolvidos, dos limites de elasticidade (e valores-limite) das principais
variáveis intervenientes no desempenho econômico do PI, do confronto entre retorno e riscos
e do espectro de validade da decisão, recomenda-se utilizar a Simulação de Monte Carlo para
verificar a implementação do PI em estudo. Além disso, sinaliza-se uma especial atenção no
processo de monitoramento e controle do projeto para a variável Fluxo de Caixa (FCj) que se
apresenta como a mais sensível para a manutenção da viabilidade econômica do PI em estudo.
ESTE É O TEXTO DO $AVEPI, AGORA FAÇA O DE VOCÊS, POR EXEMPLO. Para o Projeto de
Investimento (PI) em análise espera/projeta-se um retorno de grau baixo e altos níveis
para os índices das dimensões riscos e sensibilidades. Neste contexto, não se recomenda
a implementação deste PI. Contudo, devemos aplicar a Simulação de Monte Carlo (SMC)
para melhorar a robustez da percepção do risco associado a decisão de investimento e
melhor subsidiar a tomada de decisão. Em outras palavras, como o retorno
esperado/previsto é baixo e os riscos e sensibilidades são altos, recomenda-se aplicar a
Simulação de Monte Carlo (SMC) e decidir após analisar os resultados observados pela
abordagem estocástica.
e) Dada a alta sensibilidade, recomenda-se a aplicação de uma abordagem estocástica apoiada
na Simulação de Monte Carlo (SMC) com suporte da ferramenta computacional $AVEPI. Em
outras palavras, a SMC é recomendada pela alta sensibilidade dos principais parâmetros que
afetam/impactam no desempenho financeiro esperado/previsto/oportunizado/estimado para
o projeto/empreendimento. Assim, a SMC vai produzir resultados mais robustos para melhor
subsidiar o processo decisório.
f) Em geral, a Simulação de Monte Carlo (SMC) não melhora a expectativa/percepção do
retorno esperado com a decisão de investimento. A aplicação da SMC, com suporte do
$AVEPI, resultou em um Valor Presente Líquido (VPL) médio igual a R$ 59,87. O grau de
retorno do Projeto de Investimento (PI) permanece o mesmo, ou seja, PI com baixo grau de
retorno. Se quiserem também podem falar do valor máximo, valor mínimo, amplitude,
mediana....
g) Em geral, a Simulação de Monte Carlo (SMC) melhora a robustez do nível de risco da
decisão de investimento. A aplicação da SMC, com suporte do $AVEPI, mostra que a
probabilidade de insucesso financeiro [P(VPL < 0)] é de 5,91%, ou seja, há 94,09% de
possibilidade/chance de sucesso financeiro. A classificação do nível de risco em baixo, médio
ou alto, por exemplo, depende do setor/ramo da atividade e do grau de aversão do decisor
(decision maker). Vejam os estudos dos pesquisadores Jorge Harry Harzer e Alceu Souza sobre
este tema. Como um projeto/empreendimento, sem considerar as especificidades do setor e
decisor, podemos classificar este PI em baixo grau de risco.
h) Há 5% de possibilidade de que a perda financeira nesse empreendimento seja superior a R$
3,15. Em outras palavras, em 5% dos piores cenários gerados pela SMC, o prejuízo financeiro
mínimo é estimado em R$ 3,15.
i) Nesse cenário extremamente desfavorável, espera-se uma perda média de R$ 13,46. Em outras
palavras, o risco médio esperado em condições adversas (prejuízo médio) é de R$ 13,46.
j) Parecer conclusivo: Dado a expectativa de ganho (R$ 59,87) e a probabilidade de perda
(5,91%), recomenda-se a implementação desse empreendimento. Contudo, vale ressaltar que,
para o projeto em análise, projeta-se um grau de retorno baixo, mas associado a um baixo nível
de risco. É claro que esta decisão pode ser diferente em função das especificidades do
setor/ramo do projeto/empreendimento e do grau de aversão do decisor.
Por fim, apresentamos os resultados da aplicação da metodologia clássica (MC) com apoio da
ferramenta computacional web de acesso livre $AVEPI. Vale ressaltar que a MC incorpora o risco
por meio de um aumento na TMA. Assim, neste caso, vamos considerar uma TMA de 15% ao ano.
Indicador Resultado Esperado (se viável) Valor esperado

VPL VPL ≥ 0 R$ 20,59
Payback Payback ≤ N 9
TIR (%) TIR ≥ TMA 16,19%
III) Nesse contexto, faça uma análise da viabilidade econômica deste Projeto de
Investimento (PI) avaliando os resultados estimados com a aplicação da abordagem
determinística via metodologia clássica obtidos por intermédio do $AVEPI®.
Gabarito parcial: PARECER PRELIMINAR: O projeto de investimento (PI) em análise é
considerado atrativo (ou recomendável) pois o valor presente do fluxo de receitas e do valor
residual supera o valor presente do fluxo de desembolsos (Souza e Clemente, 2021, p.16).
Portanto, o PI é considerado financeiramente atrativo, pois: VPL ≥ 0, TIR ≥ TMA e Payback ≤ N.
Para o projeto em análise, temos:
MC:
Parecer: Recomenda-se o PI em análise devido VPL > 0, TIR > TMA e Payback < N.
MMI:
Retorno: grau baixo
Riscos: níveis altos
Parecer: Não se recomenda o PI pois o grau de retorno é menor que os níveis de riscos.
MMIA:
Retorno: grau baixo
Riscos: níveis altos
Sensibilidades: níveis elevados/altos
Parecer: Não se recomenda o PI pois o grau de retorno é baixo, os riscos são altos e as
sensibilidades são altas.
SMC:
Retorno: grau baixo
Risco: nível baixo, pois P(VPL < 0 ) < 6%.
Parecer: Recomenda-se o PI em análise, pois apesar do retorno esperado ser baixo, o nível de risco
também é. Em suma, espera-se um baixo retorno, mas com baixo risco.
Graficamente:
RETORNO
BAIXO MÉDIO ALTO
BAIXO
(MMIA < 33,33%) SMC
R (SMC < 5% ou 10% ou 20%, depende do projeto, empreendedor...)
I MÉDIO
S (MMIA ≥ 33,33% e ≤ 66,66%)
C (SMC < 5% ou 10% ou 20%, depende do projeto, empreendedor...)
O ALTO
(MMIA > 66,66% MMI/MMIA
(SMC < 5% ou 10% ou 20%, depende do projeto, empreendedor...)
Nome do arquivo: SMC_Souza_Clemente_2022maio07.xlsx
CAMPUS PATO BRANCO

2ª Avaliação de Engenharia Econômica 1 (EE23G) do Curso de Agronomia – Prof. Dr. José Donizetti de Lima. Data: 21/11/2022
Nome completo e assinatura do Acadêmico(a):
_______________________________________________________________
Na correção da avaliação serão consideradas somente as questões que apresentarem os
cálculos necessários e a resposta à caneta. A interpretação dos problemas e o uso da
calculadora científica são inerentes à avaliação. Utilize 2 (duas) casas decimais com
arredondamentos adequados.
1) (10,0 pontos) A empresa DZT2 está analisando a viabilidade econômico-financeira de um novo
investimento. Observe as Figuras apresentadas a seguir, as quais foram elaboradas com suporte
da ferramenta computacional $AVEPI® (2022) para aplicação da Metodologia Multi-índice
Ampliada (MMIA) e da Simulação de Monte Carlo (SMC).
Valor Presente: VP (R$) 108.142,70

Valor Presente Líquido: VPL (R$) 8.142,70
Valor Presente Líquido Anualizado: VPLA (R$) 2.357,60

RETORNO
Índice Benefício/Custo: IBC 1,0814
Retorno adicional sobre o investimento: ROIA (%) ao ano 1,58

Índice ROIA/TMA (%), sendo TMA a Taxa Mínima de Atratividade 11,48
Payback (anos): tempo mínimo de retorno do investimento 5

Taxa Interna de retorno: TIR (%) ao ano 17,10
RISCOS Índice Payback/N (%) 100,00
Índice TMA/TIR (%) 80,40

Δ%TMA (variação percentual) 24,38
SENSIBILIDADES:
LIMITES DE Δ%FC0 (variação percentual) 8,14
ELASTICIDADE (LEs)
Δ%FCj (variação percentual) 7,53
SENSIBILIDADES: TMA (%) ao ano 17,10

VALORES-LIMITE Investimento inicial: FC0 (R$) 108.142,70
(VLs) Fluxo de Caixa: FCj (j = 1, 2, 3, 4) (R$) 29.220,65
Fluxo de Caixa: FC5 (R$) 27.463,71
Payback/N 100,00%
RISCOS
TMA/TIR 80,40%
Δ% TMA 24,38
SENSIBILIDADES Δ% FC0 8,14
Δ% FCj 7,53
Figura 4 – Espectro de validade da decisão e dashboard da MMIA para o PI em estudo

(I) Nesse contexto, analisando os resultados da aplicação da Metodologia Multi-índice
a) (1,0 ponto) Elaborar uma análise completa da dimensão Retorno da MMIA, ou seja, discutir os
resultados esperados e realizar uma classificação do grau de retorno.
b) (1,0 ponto) Elaborar uma análise completa da dimensão Riscos da MMIA, ou seja, discutir os
resultados esperados e realizar uma classificação do nível de risco.
c) (1,0 ponto) Elaborar uma análise completa da dimensão Sensibilidades da MMIA: Limites de
Elasticidade (LEs) e dos Valores-Limite (VLs), ou seja, discutir os resultados esperados e
realizar uma classificação do nível de sensibilidade.
d) (1,0 ponto) Emitir um parecer preliminar sobre a viabilidade econômica desse Projeto de
Investimento (PI) pela análise das 3 dimensões da MMIA determinística. Justifique.
e) (1,0 ponto) Avaliando os resultados e análises apresentados, justifique a afirmação:
“Recomenda-se a aplicação da Simulação de Monte Carlo (SMC)”.
Atenção: Os índices de riscos das metodologias multi-índices MMI e MMIA (TMA/TIR, Payback/N
e Grau de Comprometimento da Receita (GCR), Risco de Negócio (RN) e Risco de Gestão (RG), por
Harzer et al., 2016). Diante do exposto, recomenda-se a aplicação da Simulação de Monte Carlo
(SMC).
Nesse contexto, observe as Figuras apresentadas a seguir, as quais foram elaboradas com suporte
da ferramenta computacional $AVEPI® (2022) para aplicação da Simulação de Monte Carlo (SMC).
Figura 6 – Input Abordagem Estocástica via SMC

Estatísticas Descritivas VPL
Quantidade: número de simulação realizadas 10.000
Mínimo (R$) -23.240,36
Máximo (R$) 40.338,46
Amplitude (Máximo - Mínimo) (R$) 63.578,82
Média (VPL médio) (R$) 4.466,48
Desvio-padrão (R$) 9.764,77
Coeficiente de variação 218,62%
Mediana (R$) 3.818,12
Estatísticas Inferenciais VPL
P(VPL < 0): Probabilidade de insucesso financeiro 32,37%
VaR5% (R$): Value at Risk – Valor em Risco -11.595,14
CVaR5% (R$): VaR Conditional – Valor em Risco Condicional -14.265,73

Figura 7– Resultados da SMC
ATENÇÃO: Explique com suas palavras e Faça uma representação geométrica (gráfico da
função de distribuição de probabilidade) e represente os principais resultados gerados
pela SMC, tais como: VPL médio, P(VPL < 0), VaR(5%) e CVaR(5%). Faça uma única figura
para todos os itens solicitados a seguir. Se quiser pode sinalizar na Figura a seguir!
II) Nesse contexto, analisando os resultados da aplicação da abordagem estocástica via

Simulação de Monte Carlo (SMC) obtidos por intermédio do $AVEPI®, pede-se:
a) (1,0 ponto) Disserte sobre o retorno esperado para o projeto.
b) (1,0 ponto) Disserte sobre o risco associado à decisão de investimento.
c) (1,0 ponto) Disserte sobre o valor em risco (VaR) para o nível de 5% para esse projeto.
d) (1,0 ponto) Disserte sobre o valor em risco condicional (CVaR) para o nível de 5% para esse
projeto.
e) (1,0 ponto) Emitir um parecer conclusivo sobre a viabilidade econômica desse projeto.
Justifique.
GABARITO PARCIAL
a) Retorno: O Projeto de Investimento (PI) em estudo necessita de um investimento inicial de R$
100.000,00. Espera-se que esse investimento retorne/gere/produza R$ 108.142,70 (VP). Isso
implica em um retorno líquido total (VPL) de R$ 8.142,70 em 5 anos, equivalente a R$ 2.357,60
por ano (VPLA). Vale ressaltar que esse ganho sempre é o adicional ao oportunizado pelo
mercado (TMA). Para esse PI, a cada unidade monetária investida, há a expectativa de retorno
de 1,0814. Isso é equivalente a um ganho de 1,58% ao período, além da TMA (13,75%). O
retorno fica melhor expresso pelo índice ROIA/TMA (Souza e Clemente, 2009), cujo valor
obtido é de 11,48%. Isso permite classificar (ou categorizar ou enquadrar) o investimento
como retorno de grau (ou nível) baixo [< 33,33%], segundo a escala proposta pela MMIA
(Lima et al., 2018).
b) Riscos: No tocante a dimensão riscos, o PI em estudo apresenta retorno do investimento
(Payback) em aproximadamente 5 anos. O índice Payback/N é de 100,00%, ou seja, o PI tem
que ser promissor em pelo menos 100,00% da vida estimada para se pagar. Por outro lado, o
índice TMA/TIR resultou em 80,40%, representando a razão entre o percentual oferecido pelo
mercado e o rendimento máximo esperado pelo PI. Isso permite categorizar o investimento
como risco de nível/grau alto [> 66,66%], segundo a escala proposta pela MMIA (Lima et al.,
2018).
c) Sensibilidades: Para o PI em estudo, a TMA admite uma variação máxima de 24,38% antes de
torná-lo economicamente inviável, sendo o valor-limite igual a 17,10% (TIR). Por outro lado,
o investimento inicial (FC0) suporta um acréscimo de até 8,14%, sendo o valor-limite igual a
R$ 108.142,70 (VP). Já o Fluxo de Caixa (FC) permite uma redução máxima 7,53%, sendo o
valor-limite igual a R$ 29.220,65 para os 4 primeiros anos e R$ 27.463,71 para o último ano.
Esses valores melhoram a percepção dos riscos associados à implementação do PI em estudo.
Além disso, esses valores podem ser utilizados nas etapas/fases de monitoramento e controle
do projeto, se o PI for aprovado e implantado.
d) Parecer Preliminar: Com base nos dados fornecidos pelo usuário, nos resultados
apresentados (Quadros de indicadores e gráficos) e na análise da expectativa do retorno, das
estimativas de riscos envolvidos, dos limites de elasticidade (e valores-limite) das principais
variáveis intervenientes no desempenho econômico do PI, do confronto entre retorno e riscos
e do espectro de validade da decisão, recomenda-se utilizar a Simulação de Monte Carlo para
verificar a implementação do PI em estudo. Além disso, sinaliza-se uma especial atenção no
processo de monitoramento e controle do projeto para a variável Fluxo de Caixa (FCj) que se
apresenta como a mais sensível para a manutenção da viabilidade econômica do PI em estudo.
ESTE É O TEXTO DO $AVEPI, AGORA FAÇA O DE VOCÊS, POR EXEMPLO. Para o Projeto de
Investimento (PI) em análise espera/projeta-se um retorno de grau baixo e altos níveis
para os índices das dimensões riscos e sensibilidades. Neste contexto, não se recomenda
a implementação deste PI. Contudo, devemos aplicar a Simulação de Monte Carlo (SMC)
para melhorar a robustez da percepção do risco associado a decisão de investimento e
melhor subsidiar a tomada de decisão. Em outras palavras, como o retorno
esperado/previsto é baixo e os riscos e sensibilidades são altos, recomenda-se aplicar a
Simulação de Monte Carlo (SMC) e decidir após analisar os resultados observados pela
abordagem estocástica.
e) Dada a alta sensibilidade, recomenda-se a aplicação de uma abordagem estocástica apoiada
na Simulação de Monte Carlo (SMC) com suporte da ferramenta computacional $AVEPI. Em
outras palavras, a SMC é recomendada pela alta sensibilidade dos principais parâmetros que
afetam/impactam no desempenho financeiro esperado/previsto/oportunizado/estimado para
o projeto/empreendimento. Assim, a SMC vai produzir resultados mais robustos para melhor
subsidiar o processo decisório.
f) Em geral, a Simulação de Monte Carlo (SMC) não melhora a expectativa/percepção do
retorno esperado com a decisão de investimento. A aplicação da SMC, com suporte do
$AVEPI, resultou em um Valor Presente Líquido (VPL) médio igual a R$ 4.466,48. O grau de
retorno do Projeto de Investimento (PI) permanece o mesmo, ou seja, PI com baixo grau de
retorno. Se quiserem também podem falar do valor máximo, valor mínimo, amplitude,
mediana....
g) Em geral, a Simulação de Monte Carlo (SMC) melhora a robustez do nível de risco da
decisão de investimento. A aplicação da SMC, com suporte do $AVEPI, mostra que a
probabilidade de insucesso financeiro [P(VPL < 0)] é de 32,37%, ou seja, há 67,63% de
possibilidade/chance de sucesso financeiro. A classificação do nível de risco em baixo, médio
ou alto, por exemplo, depende do setor/ramo da atividade e do grau de aversão do decisor
(decision maker). Vejam os estudos dos pesquisadores Jorge Harry Harzer e Alceu Souza sobre
este tema. Como um projeto/empreendimento, sem considerar as especificidades do setor e
decisor, podemos classificar este PI em nível de risco alto.
h) Há 5% de possibilidade de que a perda financeira nesse projeto/empreendimento seja
superior a R$ 11.595,14. Em outras palavras, em 5% dos piores cenários gerados pela SMC, o
prejuízo financeiro mínimo é estimado em R$ 11.595,14.
i) Nesse cenário extremamente desfavorável, espera-se uma perda média de R$ 14.265,73. Em
outras palavras, o risco médio esperado em condições adversas (prejuízo médio) é de R$
14.265,73.
j) Parecer conclusivo: Dado a baixa expectativa de ganho (11,48% acima da TMA) e a alta
probabilidade de perda (32,37%), não se recomenda a implementação desse empreendimento.
Em outras palavras, para o projeto em análise, projeta-se um grau de retorno baixo, associado
a um alto nível de risco. É claro que esta decisão/recomendação pode ser diferente da exposta
em função das especificidades do setor/ramo do projeto/empreendimento e do grau de
aversão do decisor.
REFERÊNCIAS COMPLEMENTARES
ARTUZO, R. M.; ULSENHEIMER, L.; DAROS, R.; LIMA, J. D. de; SETTI, D. Estudo de viabilidade econômica da
alteração do processo de moldagem de chapas de fogão a lenha. In: VI Congresso Brasileiro de Engenharia de
Produção (CONBREPRO). 2016, Ponta Grossa – PR. Engenharia de Desenvolvimento de Produto, 2016. Disponível em:
<http://aprepro.org.br/conbrepro/2016/anais2016.php>. Acesso: fev. 2023.
BERNARDI, A. Melhoria da qualidade e eficiência na produção de rações avícolas por meio da classificação de
matérias primas. 2017. Dissertação de Mestrando no Programa de Pós-Graduação em Engenharia de Produção e
Sistema (PPGEPS)) - Universidade Tecnológica Federal do Paraná - Campus Pato Branco.
BERNARDI, A.; LIMA, J. D. de; TRENTIN, M. G.; OLIVEIRA, G. A. Análise de investimento em segregação de milho: estudo
de caso em agroindústria produtora de ração para frangos de corte. Custos e agronegócio online, v.13, n.4, p. 147-
171, set/dez. 2017. Disponível em:
<http://www.custoseagronegocioonline.com.br/numero4v13/OK%208%20milho.pdf>. Acesso em: fev. 2023.
CARICIMI, R.; LIMA, J. D. de. Economic Analysis for Small Hydroelectric Power Plant using Extended Multi-Index
Methodology: An Approach Stochastic by the Monte Carlo Simulation. IEEE Latin America Transactions, v. 16, n.8,
p. 2184-2191, Aug. 2018. DOI: https://doi.org/10.1109/tla.2018.8528233.
DAROS, R.; LIMA, J. D. de; ARTUZO, R. M.; OLIVEIRA, G. A.; TRENTIN, M. G. Análise de viabilidade econômica da
aquisição de um equipamento utilizando a metodologia multi-índice ampliada. In: XXXVII Encontro Nacional de
Engenharia de Produção (ENEGEP), Joinville/SC, Brasil, 2017. A Engenharia de Produção e as novas tecnologias
produtivas: indústria 4.0, manufatura aditiva e outras abordagens avançadas de produção, 2017. Disponível em:
<http://www.abepro.org.br/biblioteca/TN_STO_240_390_33587.pdf>. Acesso em: fev. 2023.
DRANKA, G. G.; CUNHA, J.; LIMA, J. D. de; FERREIRA, P. Economic evaluation methodologies for renewable energy
projects. AIMS Energy, v. 8, p. 339-363, 2020. Disponível em:
http://www.aimspress.com/article/10.3934/energy.2020.2.339. Acesso em: fev. 2023.
DRANKA, G. G.; CUNHA, J.; FERREIRA, P. F. V.; LIMA, J. D. de. Real Options Theory Applied to the Evaluation of Small
Hydropower Investments in Brazil. In: International Conference on Efficiency, Cost, Optimization, Simulation and
Environmental Impact of Energy systems, 2018, Guimarães. International Conference on Efficiency, Cost,
Optimization, Simulation and Environmental Impact of Energy systems, 2018a. Disponível em:
https://repositorium.sdum.uminho.pt/bitstream/1822/70910/1/1.6%20ECOS_2018_Artigo_RO_FINAL.pdf.
DRANKA, G. G.; LIMA, J. D. de; BONOTTO. R. C.; MACHADO, R. H. S. Economic and Risk Analysis of Small-Scale PV
Systems in Brazil. IEEE Latin America Transactions, v. 16, n.10, p. 2.530-2.538, Oct. 2018b. DOI:
http://dx.doi.org/10.1109/TLA.2018.8795132.
DVOJATZKI, P. Identificação e avaliação de projetos de investimentos para redução dos índices de condenações
de frangos de corte. Dissertação de Mestrado. Programa de Pós-graduação em Engenharia de Produção e Sistemas.
2017. 114p.
FERRO, W. A.; LIMA, J. D. de; SETTI, D. Viabilidade econômica da aquisição de uma linha de pintura associada ao
tratamento de superfície de metais com tecnologia nanocerâmica. Espacios (Carracas). v. 37, n. 26. p. 19-32. 2016.
Disponível em: <www.revistaespacios.com/a16v37n26/16372619.html>. Acesso em: fev. 2023.
GIROTTO, K.; OLIVEIRA, G.A.; LIMA, J.D. de. Estudo de viabilidade econômica da produção de noz-pecã em
pequenas propriedades rurais. In: XXXVI ENEGEP, 2016, João Pessoa - PB. Contribuições da Engenharia de
Produção para Melhores Práticas de Gestão e Modernização do Brasil. Rio de Janeiro: ABEPRO, 2016. v. 1. p. 52-61.
Disponível em: <www.abepro.org.br/biblioteca/TN_STO_228_330_30254.pdf>. Acesso em: fev. 2023.
GOFFI, A. S. uso da análise multicritério para a determinação de tecnologias de tratamento de efluentes.
Dissertação de mestrado. Programa da Pós-graduação em Engenharia de Produção e sistemas) – Universidade
Tecnológica Federal do Paraná. Pato Branco, 2017.
GOFFI, A. S.; TROJAN F.; LIMA, J. D. de; LIZOT, M.; THESARI, S. S. Economic Feasibility for Selecting Wastewater
Treatment Systems. Water Science and Technology, v. 78, n. 12. p. 2518-2531, 2018. DOI:
http://dx.doi.org/10.2166/wst.2019.012.
GULARTE, L. C. P. Modelo de avaliação da viabilidade econômico-financeira da implementação de usinas de
reciclagem de resíduos da construção civil em municípios brasileiros. 2017. Dissertação (Mestrado em
Programa de Pós-Graduação em Engenharia de Produção e Sistema (PPGEPS)) - Universidade Tecnológica Federal do
Paraná - Campus Pato Branco.
GULARTE, L. C. P.; BORTOLUZZI, S. C.; LIMA, J. D. de; PINTO, M. A. N.; GOFFI, A. S. Análise bibliométrica e sistêmica da
literatura sobre viabilidade econômico-financeira, gestão e sustentabilidade da reciclagem de resíduos da construção
civil. EXACTA (ONLINE), v. 16, p. 45-58, 2018. DOI: http://dx.doi.org/10.5585/exactaep.v16n4.7436. ISSN 1983-
9308.
GULARTE, L.C.P.; LIMA, J.D. de; OLIVEIRA, G.A.; Barichello, R.; PINTO, M.A.N. Modelo de avaliação da viabilidade
econômico-financeira da implementação de usinas de reciclagem de resíduos da construção civil em municípios
brasileiros. Revista Engenharia Sanitária e Ambiental. v. 25, n. 2, mar./abr. 2020, p.281-291.
GULARTE, L.C.P.; LIMA, J.D. de; OLIVEIRA, G.A.; TRENTIN, M.G.; SETTI, D. Estudo de viabilidade econômica da
implementação de uma usina de reciclagem de resíduos da construção civil no município de Pato Branco – PR
utilizando a metodologia multi-índice ampliada. Revista Engenharia Sanitária e Ambiental. v. 22, n. 5, set./out.
2017, p. 985-992. DOI: http://dx.doi.org/10.1590/s1413-41522017162097. ISSN 1413-4152.
LIMA, J. D. de; ALBANO, J. C. da S.; OLIVEIRA, G. A.; TRENTIN, M.G.; BATISTUS, D. R. Estudo de viabilidade econômica
da expansão e automatização do setor de embalagem em agroindústria avícola. Custos e agronegócio online, v. 12,
n. 1, 2016. p.89-112. Disponível em:
<http://www.custoseagronegocioonline.com.br/numero1v12/OK%206%20automatizacao.pdf>. Acesso em: fev.
2022.
LIMA, J. D. de; FERRO, W. A.; BORTOLUZZI, S. C.; SOUTHIER, L. F. P.; BATISTUS, D. R. Uma proposta de ampliação na
análise custo-volume-lucro com implementação computacional via aplicativo web. Exacta – EP, São Paulo, v. 16, n. 2,
p. 21-41, 2018. DOI: DOI: https://doi.org/10.5585/exactaep.v16n2.7214
LIMA, J. D. de; OLIVEIRA, G. A.; DRANKA, G. G.; SOUTHIER, L. F. P.; TRENTIN, M. G. Proposta de um framework para
análise de investimentos em ativos reais com suporte do $AVEPI. In: XXXVIII ENEGEP, 2018, Maceió - AL. A
Engenharia de Produção e suas contribuições para o desenvolvimento do Brasil. Rio de Janeiro: ABEPRO, 2018. v. 1.
p. 1-15. DOI: 10.14488/enegep2018_tn_sto_260_492_36348.
LIMA, J. D. de. Elementos de Matemática Financeira para Engenharia Econômica: Princípios e Práticas. Notas
de aula – textos para discussão. Universidade Tecnológica Federal do Paraná (UTFPR – Campus Pato Branco).
Programa de Pós-graduação em Engenharia de Produção e Sistemas (PPGEPS). 2021. Disponível em:
<http://pb.utfpr.edu.br/savepi/>. Acesso em: fev. 2023.
LIMA, J. D. de. Manual de Análise de Viabilidade Econômica de Projetos de Investimento (MAVEPI): abordagem
determinística. Notas de aula – textos para discussão. Universidade Tecnológica Federal do Paraná (UTFPR – Campus
Pato Branco). Programa de Pós-graduação em Engenharia de Produção e Sistemas (PPGEPS). 2021. Disponível em:
LIMA, J. D. de. Manual de Análise de Viabilidade Econômica de Projetos de Investimento (MAVEPI): abordagem
estocástica. Notas de aula – textos para discussão. Universidade Tecnológica Federal do Paraná (UTFPR – Campus
Pato Branco). Programa de Pós-graduação em Engenharia de Produção e Sistemas (PPGEPS). 2021. Disponível em:
LIMA, J. D. de; BENNEMANN, M.; SOUTHIER, L. F. P.; BATISTUS, D. R.; OLIVEIRA, G. A. $AVEPI – Web System to Support
the Teaching and Learning Process in Engineering Economics. Brazilian Journal of Operations and Production
Management, v. 14, n. 4, p. 469-485, 2017b. Disponível em:
https://bjopm.emnuvens.com.br/bjopm/article/view/383. Acesso em: fev. 2023. DOI:
https://doi.org/10.14488/BJOPM.2017.v14.n4.a4.
LIMA, J. D. de; OLIVEIRA, G. A.; DITZEL, G.; GRIGOLO, V. E.; KERSHAW FILHO, J. R. Um estudo de viabilidade econômica
para fabricação de um protótipo destinado às pessoas com paraplegia. In: IV Congresso Brasileiro de Engenharia
de Produção (CONBREPRO), Ponta Grossa/PR. Engenharias na Indústria de Embalagens, 2014. Disponível em:
<http://www.aprepro.org.br/conbrepro/2014/anais/artigos/eng%20e/17.pdf>. Acesso em: fev. 2023.
LIMA, J. D. de; SCHEITT, L. C.; BOSCHI, T. de F.; SILVA, N. J. da; MEIRA, A. A. de; DIAS, G. H. Propostas de ajuste no
cálculo do Payback de projetos de investimentos financiados. Custos e agronegócio online. v. 9, n. 4 – Out/Dez, p.
162-180. 2013. Disponível em:
<http://www.custoseagronegocioonline.com.br/numero4v9/calculo%20payback.pdf>. Acesso em: fev. 2023.
LIMA, J. D. de; TRENTIN, M. G.; OLIVEIRA, G. A.; BATISTUS, D. R.; SETTI, D. A systematic approach for the analysis of the
economic viability of investment projects. Int. J. Engineering Management and Economics. v.5, n. 1/2. 2015. p. 19-
34. Disponível em: <http://www.inderscience.com/offer.php?id=69887>. Acesso em: fev. 2023.
LIMA, J. D. de; TRENTIN, M. G.; OLIVEIRA, G. A.; BATISTUS, D. R.; SETTI, D. Systematic analysis of economic viability: a
proposal for investment projects. In: Joint Conference CIO-ICIEOM-IIIE 2014 - XX International Conference on
Industrial Engineering and Operations Management, 2014, Málaga - ES. Andalucia Tech. Universidad de Sevilha.
Universidad de Málaga, 2014. p.87. Abstract.
LIMA, J. D. de; TRENTIN, M. G.; OLIVEIRA, G. A.; BATISTUS, D. R.; SETTI, D. Systematic Analysis of Economic Viability
with Stochastic Approach: A Proposal for Investment. In: Engineering Systems and Networks: The Way Ahead for
Industrial Engineering and Operations Management. Amorim, M.; Ferreira, C.; Vieira Junior, M.; Prado, C. (Org.).
Volume 10, Serie 11786: Lecture Notes in Management and Industrial Engineering. 1ed.Switzerland: Springer
International Publishing, 2017a, v. 10, p. 317-325. ISBN: 978-3-319-45746-8. eBook ISBN: 978-3-319-45748-2. DOI:
http://dx.doi.org/10.1007/978-3-319-45748-2. Disponível em:
http://www.springer.com/gp/book/9783319457468. https://link.springer.com/chapter/10.1007%2F978-3-319-
45748-2_34
LIMA, J. D. de; TRENTIN; M. G.; OLIVEIRA, G. A.; BATISTUS, D. R.; SETTI, D. Systematic analysis of economic viability
with stochastic approach: a proposal for investment projects. In: Joint Conference ICIEOM-CIO-IIIE 2015 - XXI
International Conference on Industrial Engineering and Operations Management, University of Aveiro, Aveiro – PT.
Engineering Systems and Networks: the way ahead for industrial engineering and operations management. 2015.
Abstract.
LIMBERGER, K. P.; LIMA, J. D. de. Análise de viabilidade econômica da instalação de um gerador em horário de
ponta em uma cerealista. XXV Simpósio de Engenharia de Produção (SIMPEPS) Inovação e sustentabilidade na
gestão de processos de negócios. 07 a 09 de novembro de 2018. Bauru/SP. Disponível em:
http://www.simpep.feb.unesp.br/anais_simpep.php?e=13. Acesso em: fev. 2023.
LIZOT, M.; ANDRADE JUNIOR, P. P.; LIMA, J. D. de; TRENTIN, M. G.; SETTI, D. Análise econômica da produção de aveia
preta para pastejo e ensilagem utilizando a metodologia multi-índice ampliada. Custos e agronegócio online, v. 13,
n. 2, p. 141-155, 2017. Disponível em:
<http://www.custoseagronegocioonline.com.br/numero2v13/OK%208%20silagem.pdf>. Acesso em: fev. 2023.
LUCHTEMBERG, I. C.; LIMA, J. D. de; ADAMCZUK, G.; TRENTIN, M. G. Viabilidade técnica e econômica da verticalização
na produção de válvula reguladora de pressão para panelas de pressão em indústria de artefatos de alumínio. XXX
Encontro Nacional de Engenharia de Produção (ENEGEP). São Carlos-SP, 2010. Disponível em:
<http://www.abepro.org.br/biblioteca/enegep2010_TN_STP_115_752_15094.pdf>. Acesso em: fev. 2023.
MACCARINI, A. C.; BESSA, M. R.; ERRERA, M. R. (2020). Energy valuation of urban pruning residues feasibility
assessment. Biomass and Bioenergy, v. 142, p.1-11. https://doi.org/10.1016/j.biombioe.2020.105763.
PELOZATO, E. C.; LIMA, J. D. de. Análise de viabilidade econômica de implementação de linha de produção de
pães ultracongelados utilizando a metodologia multi-índice ampliada via $AVEPI. IV Congresso Sul Brasileiro
de Engenharia de Alimentos (CSBEA) e VII Encontro Paranaense de Engenharia de Alimentos. Universidade Estadual
do Centro-Oeste, UNICENTRO. Guarapuava – PR. 2018. Disponível em:
https://evento.unicentro.br/files/Submissaoxarquivos/car_submissao/30_11_2018_car_submissao_115
6513963.pdf Acesso em: fev. 2023.
RASOTO, A.; GNOATTO, A.A.; OLIVEIRA, A.G. de; ROSA, C.F. da; ISHIKAWA, G.; CARVALHO, H.A. de; LIMA, I.A. de; LIMA,
J.D. de; TRENTIN; M.G.; RASOTO, V.I. Gestão Financeira: enfoque em inovação. 1. ed. Curitiba: Aymará, 2012. v. 6.
140p. (série UTFinova). Disponível em: <http://repositorio.utfpr.edu.br/jspui/handle/1/2062 >. Acesso em: fev.
2023.
RESTELLI, A.; LIMA, J. D. de; DALMARINO, D.; RESTELLI, R. E. Análise econômica comparativa para seleção de
processos de fusão em pequenas e médias fundições de ferrosos. In: XXXVIII ENEGEP, 2018, Maceió - AL. A
Engenharia de Produção e suas contribuições para o desenvolvimento do Brasil. Rio de Janeiro: ABEPRO, 2018. v. 1.
p. 1-13. DOI: 10.14488/enegep2018_tn_stp_260_492_35426.
RESTELLI, R. E.; LIMA, J. D. de; BATISTUS, D. R.; RESTELLI, A. Análise de viabilidade econômico da implementação
de uma fábrica de tijolos solo-cimento. In: XXXVIII ENEGEP, 2018, Maceió - AL. A Engenharia de Produção e suas
contribuições para o desenvolvimento do Brasil. Rio de Janeiro: ABEPRO, 2018. v. 1. p. 1-12. DOI:
10.14488/enegep2018_tn_sto_260_492_35944.
RIBEIRO, M. H. D. M.; STEFENON, S. F.; LIMA, J. D. de; NIED, A.; MARINI, V. C.; COELHO, L. S. Electricity price forecasting
based on self-adaptive decomposition and heterogeneous ensemble learning. Energies, v. 13, p. 1-22, 2020. DOI:
https://doi.org/10.3390/en13195190
SANTOS, A. I. dos. Framework lean-green para promover a melhoria da eficiência em processo de produção de
papéis tissue reciclados Dissertação (Mestrado em Engenharia de Produção e Sistemas) – Universidade Tecnológica
Federal do Paraná. Pato Branco - PR. 2019, 92p.
SHIUS, F. M.; LIMA, J. D. de; Sperandio, S.; Delazzari, R. Estudo de viabilidade econômica de instalação de esteira para
transporte de resíduos em frigoríficos. UNOESC & CIÊNCIA - ACSA, v. 9, p. 41-50, 2018. Disponível em:
https://portalperiodicos.unoesc.edu.br/index.php/acsa/article/view/15328/pdf. Acesso em: fev. 2023.
SIEMINKOSKI, T.; LIMA, J.D. de; Pessa, S.L.R. Análise de viabilidade econômica de PIs para adequação de
maquinário em empresa do APL-alumínio do Sudoeste/PR. Tópicos em Gestão Econômica. 1ed. Belo Horizonte:
Poisson, 2018, v. 3, p. 189-198. Disponível em: <http://poisson.com.br/bs/produto/topicos-em-gestao-economica-
volume-3/>. Acesso em: fev. 2023. DOI: 10.5935/978-85-93729-97-3.2018B001. ISBN: 978-85-93729-97-3.
SILVA, B.R. Metodologia para análise de investimentos em empreendimentos imobiliários com base na teoria
das opções reais. Dissertação (Mestrado em Engenharia de Produção e Sistemas) – Universidade Tecnológica Federal
do Paraná. Pato Branco - PR. 2018, 85p.
SILVA, B.R.; LIMA, J.D. de; SCHENATTO, F. J.A. Revisão sistemática da literatura sobre análise de risco e de
viabilidade de investimentos em empreendimentos imobiliários. In: VII Congresso Brasileiro de Engenharia de
Produção (CONBREPRO), 2017, Ponta Grossa – PR. Engenharias na Indústria Alimentícia, 2017. Disponível em:
<http://www.aprepro.org.br/conbrepro/2017/down.php?id=3209&q=1>. Acesso em: fev. 2023.
SILVA, K.P.; LIMA, J.D. de. MALACARNE, K.; CARICIMI, R. Análise da viabilidade econômica da automação de processo:
estudo de caso em uma cooperativa agroindustrial avícola. Custos e Agronegocio On Line, v.15, Ed. Especial. Abr. p.
537-555, 2019. Disponível em:
<http://www.custoseagronegocioonline.com.br/especialv15/OK%2020%20processos.pdf>. Acesso em: fev. 2023.
SOUTHIER, L. F. P.; LIMA, J. D. de. $AVEPI – Sistema para auxiliar o processo de análise da viabilidade econômica
de projetos de investimento. In: XXI Seminário de Iniciação Científica e Tecnológica da UTFPR, 2016, Francisco
Beltrão - PR. Anais do SICITE 2016, 2016.
SOUTHIER, L. F. P.; LIMA, J. D. de. $AVEPI – uma ferramenta web para a análise da viabilidade econômica de
projetos de investimentos. In: SEMINÁRIO DE EXTENSÃO E INOVAÇÃO DA UTFPR – 6º SEI-UTFPR, 2016, Francisco
Beltrão - PR. Anais do 6º SEI-UTFPR 2016, 2016.
SOUTHIER, L. F. P.; LIMA, J. D. de; BATISTUS; D.R.; OLIVEIRA, G.A.; TRENTIN, M.G. Proposta de um sistema para
auxiliar o processo de análise da viabilidade econômica de projetos de investimentos. In: XXXVI ENEGEP, 2016,
João Pessoa - PB. Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do
Brasil. Rio de Janeiro: ABEPRO, 2016. v. 1. p. 52-61. Disponível em:
<www.abepro.org.br/biblioteca/TN_STO_228_330_30172.pdf>. Acesso em: fev. 2023.
TONATTO, MATHEUS; BOZI, A. H.; VIECELLI, M.; LIMA, A. C.; MEIRA, D.; BORTOLI, C. A. F.; OLIVEIRA, G. A.; BENIN,
GIOVANI. Análise de investimentos em cultivo de commodities: um estudo de caso na região Oeste catarinense.
Brazilian Journal of Development, v. 6, p. 1, 2020. https://doi.org/10.34117/bjdv6n8-398.
TONIAL, C. H.; RODRIGUES, M. F. F.; BOSSE, M.; SOUSA, I. M. O.; LIMA, J. D. de; CUNHA, M. A. A.; FOGLIO, M.A.; MARQUES,
M. O. M.; MARCHESE, J. A. Technical and economic evaluation of cultivation and obtaining of the essential oil of
Varronia curassavica Jacq. INDUSTRIAL CROPS AND PRODUCTS, 2020. Disponível em:
<https://www.journals.elsevier.com/industrial-crops-and-products>. Acesso em: jun. 2020.
TORRICO, G. M.; LIMA, J. D. de; BORTOLUZZI, S. C. Análise Econômica Comparativa entre Aquecedores Solares de Baixo
Custo e Aquecedores com Tubos de Vidro Evacuados. Espacios (Caracas), v. 37, p. 31-46, 2016. Disponível em:
<http://www.revistaespacios.com/a16v37n34/16373431.html>. Acesso em: fev. 2023.
VIEIRA, E. L.; LIMA, J. D. de; COSTA, S. E. G. da; LIMA, E. P. de. Processo estruturado de revisão da literatura e
análise bibliométrica sobre métodos de avaliação econômica da implementação do Lean. In: VIII Congresso de
Sistema Lean, 2018, Florianópolis. Em busca da excelência do fluxo de valor. Florianópolis: UFSC, 2018. v. 1. p. 18-32.
VILANI, L.; LIMA, J. D. de. Análise da viabilidade econômica da produção integrada de grãos e eucalipto na região Oeste
de Santa Catarina. Custos e Agronegocio On Line, v. 16, p. 354-373, 2020. Disponível em:
<http://www.custoseagronegocioonline.com.br/especialv16/OK%2015%20eucalipto.pdf>. Acesso em: fev. 2023.
Teses de Doutorado
MACCARINI, Adelino Carlos. Desenvolvimento metodológico para conversão energética de resíduos de plantios
florestais e de poda de árvores. Tese (Doutorado em Ciências). Programa de Pós-Graduação em Engenharia de
Recursos Hídricos e Ambiental. Universidade Federal do Paraná. 2016. Participante como colaborador no
desenvolvimento da análise de viabilidade econômica
RODRIGUES, Michele Fernanda Faita. Avaliação de tecnologias ambientalmente sustentáveis para extração de
compostos bioativos. 2018. 115 f. Tese (Doutorado em Agronomia) - Programa de Pós-Graduação em Agronomia.
Universidade Tecnológica Federal do Paraná, Pato Branco, 2018. Participante como colaborador no desenvolvimento
da análise de viabilidade econômica e como membro da banca de defesa.
Dissertação de Mestrado em Engenharia de Produção e Sistema (PPGEPS)
Luis Carlos Pais GULARTE. Modelo de avaliação da viabilidade econômico-financeira da implementação de
usinas de reciclagem de resíduos da construção civil em municípios brasileiros. 2017. Dissertação (Mestrado
em Programa de Pós-Graduação em Engenharia de Produção e Sistema (PPGEPS)) - Universidade Tecnológica Federal
do Paraná – Campus Pato Branco. Orientador: José Donizetti de Lima.
Mauro LIZOT. Modelo de gestão de custos para pequenas propriedades rurais familiares com foco na tomada
de decisão. 2016. Dissertação (Mestrado em Engenharia de Produção e Sistemas (PPGEPS)) - Universidade
Tecnológica Federal do Paraná – Campus. Coorientador: José Donizetti de Lima.
Pricila DVOJATZKI. Identificação e avaliação de projetos de investimentos para redução dos índices de
condenações de frangos de corte. 2017. Dissertação (Mestrado em Programa de Pós-Graduação em Engenharia de
Produção e Sistema (PPGEPS)) - Universidade Tecnológica Federal do Paraná – Campus Pato Branco. Coorientador:
José Donizetti de Lima.
Andreia dos Santos GOFFI. Uso da análise multicritério para a seleção de tecnologias de tratamento de
efluentes. 2017. Dissertação (Mestrado em Programa de Pós-Graduação em Engenharia de Produção e Sistema
(PPGEPS)) - Universidade Tecnológica Federal do Paraná - Campus Pato Branco. Orientador: Flávio Trojan.
Alex BERNARDI. Melhoria da qualidade e eficiência na produção de rações avícolas por meio da classificação
de matérias-primas. 2017. Dissertação (Mestrado em Engenharia de Produção e Sistemas (PPGEPS) - Universidade
Tecnológica Federal do Paraná - Campus Pato Branco. Orientador: Marcelo Gonçalves Trentin.
Wílian Assmann FERRO. Previsão de demanda em indústrias de eletrodomésticos por meio da integração de
métodos quantitativos e qualitativos. 2018. Dissertação (Mestrado em Programa de Pós-Graduação em Engenharia
de Produção e Sistema (PPGEPS)) - Universidade Tecnológica Federal do Paraná – Campus Pato Branco. Orientador:
Flávio FÜHR. Proposição de modelos de previsão de risco de crédito para pequenas e médias empresas por
meio da regressão logística. 2018. Dissertação (Mestrado em Programa de Pós-Graduação em Engenharia de
Produção e Sistema (PPGEPS)) - Universidade Tecnológica Federal do Paraná - Campus Pato Branco. Orientador: José
Donizetti de Lima.
Anderson Idacir dos SANTOS. Framework Lean-Green para promover a melhoria da eficiência em processo de
produção de papéis tissue reciclados. 2018. Dissertação (Mestrado em Engenharia de Produção e Sistemas
(PPGEPS)) – Universidade Tecnológica Federal do Paraná. Orientador: Gilson Adamczuk Oliveira.
Bruno Ricardo da SILVA. Metodologia para análise de investimentos em empreendimentos imobiliários com
base na teoria das opções reais. 2018. Dissertação (Mestrado em Engenharia de Produção e Sistemas) –
Universidade Tecnológica Federal do Paraná. Pato Branco - PR. Orientador: José Donizetti de Lima.
Leonir VILANI. Proposta de um framework para análise de viabilidade econômica de projetos de investimento
agropecuário. 2020. Dissertação (Mestrado em Engenharia de Produção e Sistemas) – Universidade Tecnológica
Federal do Paraná – PR. Pato Branco – PR. Orientador: José Donizetti de Lima.
Simone Andreia GUARES. Modelo de avaliação técnica e econômica do uso de biodigestores na geração de
energia elétrica com dejetos da bovinocultura. 2020. Dissertação (Mestrado em Programa de Pós-Graduação em
Engenharia de Produção e Sistema (PPGEPS)) - Universidade Tecnológica Federal do Paraná - Campus Pato Branco.
Orientador: José Donizetti de Lima.
Guilherme Bolico PLETSCH. Modelo multicritério para seleção e avaliação econômica de tecnologias de
separação de resíduos lácteos. 2020. Dissertação (Mestrado em Programa de Pós-Graduação em Engenharia de
Produção e Sistema (PPGEPS)) - Universidade Tecnológica Federal do Paraná - Campus Pato Branco. Orientador: José
Donizetti de Lima.
Jaqueline Marchiori PETRI. Framework de avaliação de projetos de investimento em inovação tecnológica em
startups. 2021. Dissertação (Mestrado em Programa de Pós-Graduação em Engenharia de Produção e Sistema
(PPGEPS)) - Universidade Tecnológica Federal do Paraná - Campus Pato Branco. Orientador: José Donizetti de Lima.
Simone Beatriz WOLFART. Modelo de Escolha e Avaliação de Alternativas de Investimentos da Bovinocultura
Leiteira. 2022. Dissertação (Mestrado em Programa de Pós-Graduação em Engenharia de Produção e Sistema
(PPGEPS)) - Universidade Tecnológica Federal do Paraná - Campus Pato Branco. Orientador: José Donizetti de Lima.
Trabalho de Conclusão de Pós-Graduação (lato-sensu) em Engenharia de Produção
FRACALOSSI JUNIOR, José Carlos. Viabilidade econômica da aquisição de um novo sistema de pintura para
equipamentos agrícolas. Monografia. (Aperfeiçoamento/Especialização em Engenharia de Produção) -
Universidade Tecnológica Federal do Paraná – Campus Pato Branco. 2017. Orientador: José Donizetti de Lima.
GNOATTO, Laerte Carlos. Viabilidade econômica da verticalização da fabricação de papel decorativo em uma
empresa fabricante de componentes de móveis. Trabalho de Conclusão de Curso (Especialização) - Universidade
Tecnológica Federal do Paraná – Campus Pato Branco, 2014. 21f. Disponível em:
<http://repositorio.roca.utfpr.edu.br/jspui/handle/1/4150>. Acesso em: fev. 2020.
KICHEL, Luciene de Souza. Viabilidade econômica da substituição de lâmpadas fluorescentes por LED em planta
fabril. 2017. Monografia. (Aperfeiçoamento/Especialização em Engenharia de Produção) - Universidade Tecnológica
Federal do Paraná – Campus Pato Branco. Orientador: José Donizetti de Lima.
RESTELLI, Rogério Expedito. Análise de viabilidade econômica da implementação de uma fábrica de tijolos
solo-cimento. 2018. Monografia. (Aperfeiçoamento/Especialização em Engenharia de Produção) - Universidade
Tecnológica Federal do Paraná - Campus Pato Branco. Orientador: José Donizetti de Lima. Coorientadora: Dayse
Regina Batistus.
LIMBERGER, Karoline Parsianello. Análise da viabilidade econômica da instalação de um gerador em horário de
ponta em uma cerealista. 2018. Monografia. (Aperfeiçoamento/Especialização em Engenharia de Produção) -
Universidade Tecnológica Federal do Paraná - Campus Pato Branco. Orientador: José Donizetti de Lima.
PELOZATO, Ederson Carlos. Análise de viabilidade econômica de implementação de linha de produção de pães
ultracongelados utilizando a metodologia multi-índice ampliada via $AVEPI. 2018. Monografia.
(Aperfeiçoamento/Especialização em Engenharia de Produção) - Universidade Tecnológica Federal do Paraná -
Campus Pato Branco. Orientador: José Donizetti de Lima.
MENGUER, Marcos Vinicius. Análise de viabilidade econômica do projeto de substituição de caixas de
abastecimento de microingredientes de uma fábrica de rações. 2018. Monografia.
(Aperfeiçoamento/Especialização em Engenharia de Produção) - Universidade Tecnológica Federal do Paraná -
Campus Pato Branco. Orientador: José Donizetti de Lima.
SIMIONATO, Rafael Ary. Análise da viabilidade econômica do projeto de aproveitamento de energia e eficiência
energética para frigorífico. 2018. Monografia. (Aperfeiçoamento/Especialização em Engenharia de Produção) -
Universidade Tecnológica Federal do Paraná - Campus Pato Branco. Orientador: José Donizetti de Lima.
Coorientadora: Janecler Amorim Colombo.
Trabalho de Conclusão de Curso (TCC) – Engenharias e Administração
Anderson FACCO e Fernando Vieira dos SANTOS. Análise de viabilidade técnica e econômica da implementação
de um grupo motor-gerador em uma granja suinícola. 2012. Trabalho de Conclusão de Curso. (Graduação em
Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná - Campus Pato Branco. Disponível em:
<http://repositorio.roca.utfpr.edu.br/jspui/bitstream/1/4090/1/PB_ COELT_2012_1_03.pdf>. Acesso em: fev. 2020.
Coorientador: José Donizetti de Lima.
Michel MARTINAZZO. Análise econômica da implementação e utilização de sistemas de gestão de energia e de
água dentro dos padrões de sustentabilidade em uma residência unifamiliar. 2014. Trabalho de Conclusão de
Curso. (Graduação em Engenharia Civil) - Universidade Tecnológica Federal do Paraná - Campus Pato Branco.
Disponível em: <http://repositorio.roca.utfpr.edu.br/jspui/handle/1/1979>. Acesso em: fev. 2023 Coorientador:
Thiago dos Santos SILVEIRA. Viabilidade Econômica da ampliação do setor de radioterapia. 2014. Trabalho de
Conclusão de Curso. (Graduação em Administração de empresas) - Universidade Tecnológica Federal do Paraná -
Campus Pato Branco. Coorientador: José Donizetti de Lima.
Vinícius Ramalho MAIDANA. Análise da viabilidade econômica de sistema residencial de aquecimento solar de
água. 2017. Trabalho de Conclusão de Curso. (Graduação em Engenharia Civil) - Universidade Tecnológica Federal do
Paraná - Campus Pato Branco. Coorientador: José Donizetti de Lima.
Raphael Henrique Soares MACHADO. Análise econômica da inserção de sistemas fotovoltaicos conectados à
rede para uma concessionária de energia elétrica. 2017. Trabalho de Conclusão de Curso. (Graduação em
Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná - Campus Pato Branco. Coorientador: José
Donizetti de Lima.
Thiago de Prado CAMPOS. Análise de viabilidade técnico econômica de instalação de um grupo gerador diesel
na UTFPR - Campus Pato Branco. 2016. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica) -
Universidade Tecnológica Federal do Paraná. Orientador: Géremi Gilson Dranka.
Alison Alves da CRUZ. Análise de viabilidade econômica para reutilização de resíduo de cerâmica vermelha por
meio de moagem. 2016. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecânica) - Universidade
Tecnológica Federal do Paraná. Disponível em: <http://repositorio.roca.utfpr.edu.br/jspui/bitstream/1/7335/>.
Acesso em: fev. 2020. Orientador: Dalmarino Setti.
Matheus Gehlen Rocha GRICOLO. Análise Econômica da Produção de Grãos e Eucalipto em um Estabelecimento
Rural no Município de Mariópolis/PR. 2015. Trabalho de Conclusão de Curso (Graduação em Agronomia) -
Universidade Tecnológica Federal do Paraná - Campus Pato Branco. CITA EXPLICITAMENTE O $AVEPI.
Marco Cesar Zanella PIRES. Análise de viabilidade financeira de produção em escala de veículo mini baja. 2017.
Trabalho de Conclusão de Curso. (Graduação em Engenharia Mecânica) - Universidade Tecnológica Federal do Paraná.
Orientador: Abdinardo Moreira Barreto de Oliveira. Disponível em:
<http://repositorio.roca.utfpr.edu.br/jspui/handle/1/9265>. Acesso em: fev. 2023.
Gean Michel GAVLIK. Estudo de Eficiência Energética em um Moinho de uma Planta Industrial de Produtos
Alimentícios. 2017. Trabalho de Conclusão de Curso. (Graduação em Tecnologia em Manutenção Industrial) - UTFPR
Campus Pato Branco - PR. Orientador: Hervê Stangler Irion.
Elias José MACHADO. Estudo de viabilidade da substituição de iluminação fluorescente por iluminação de Led
na indústria de abate de aves. 2017. Trabalho de Conclusão de Curso. (Graduação em Tecnologia em Manutenção
Industrial) - UTFPR Campus Pato Branco - PR. Orientador: Hervê Stangler Irion.
Amanda Cunico CARNEIRO. Indicadores de projeto para estruturas em concreto armado do município de
balneário Camboriú - SC. 2018. Trabalho de Conclusão de Curso. (Graduação em Engenharia Civil) - Universidade
Tecnológica Federal do Paraná - Campus Pato Branco. Orientador: José Donizetti de Lima.
Patrick Melo de MENDONÇA. Análise comparativa de assertividade dos métodos CPM e simulação de Monte Carlo
para cronogramas de projeto da construção civil. 2020. Trabalho de Conclusão de Curso. (Graduação em Engenharia
Civil) - Universidade Tecnológica Federal do Paraná - Campus Pato Branco. Orientador: José Donizetti de Lima.
Dissertação de Mestrado em Engenharia Elétrica (PPGEE)
Luis Antônio Brum do Nascimento. Análise Energética na Avicultura de Corte: Estudo de Viabilidade Econômica
para um Sistema de Geração de Energia Elétrica Eólica Fotovoltaica. 2010. Dissertação (Mestrado em Mestrado
em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná. Orientador: Jean-Marc Stephane Lafay.
Bruno Leonardo Alves da Silva. Levantamento do potencial energético e estudo da viabilidade econômica da
geração hidroelétrica utilizando a rede pública de distribuição de água estudo de caso: sistema de
abastecimento de água de Pato Branco. 2012. Dissertação (Mestrado em Programa de Pós-Graduação em
Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná. Orientador: Jean-Marc Stephane Lafay.
Vitor Baldin. Geração de Energia Na Avicultura de Corte a Partir da Cama de Aviário. 2013. Dissertação (Mestrado
em Engenharia Elétrica – Pato Branco) - Universidade Tecnológica Federal do Paraná, Coordenação de
Aperfeiçoamento de Pessoal de Nível Superior. Disponível em:
<http://repositorio.utfpr.edu.br/jspui/bitstream/1/756/1/PB_PPGEE_M_Baldin,%20Vitor_2013.pdf>. Acesso em:
fev. 2023 Orientador: Jean-Marc Stephane Lafay. Coorientador: José Donizetti de Lima.
Tarlis Portela. Gestão de Energia para a Indústria Frigorífica de Aves – Viabilidade Técnica e Econômica. 2015.
Dissertação (Mestrado em Engenharia Elétrica). Universidade Tecnológica Federal do Paraná – Campus Pato Branco.
Disponível em:
<http://repositorio.utfpr.edu.br/jspui/bitstream/1/1511/1/PB_PPGEE_M_Portela%2c%20Tarlis%20Tortelli_2015
.pdf>. Sistema: http://ee.tarlis.com.br/index.php?r=site/index. Orientador: Jean-Marc Stephane Lafay. Banca: José
Donizetti de Lima.

Guia Pratico Usuarios $AVEPI Lima Southier 2023maio02

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Guia Pratico Usuarios $AVEPI Lima Southier 2023maio02

Enviado por

Direitos autorais:

Formatos disponíveis

2023

Universidade Tecnológica Federal do Paraná

DEPARTAMENTO ACADÊMICO DE MATEMÁTICA – DAMAT

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE

JOSÉ DONIZETTI DE LIMA

LUIZ FERNANDO PUTTOW SOUTHIER

Pato Branco, 02 de maio de 2023.

As principais contribuições científicas destas pesquisas foram:

6. Publicação de um capítulo de livro, compartilhando a experiência com o uso do $AVEPI® para

Como citar essa publicação?

MMI1/MMIA2/RISCOS Taxa Interna de Retorno

A Taxa Mínima de Atratividade (TMA) é o percentual mínimo de retorno do investimento que

Segundo Souza et al. (2020), a essência da Metodologia Multi-índice (MIM), proposta

A Metodologia Multi-índice (MMI) utiliza uma série de indicadores divididos em 2 dimensões

Observa-se que a MMIA incorpora todos os indicadores da MC e da MMI. Assim, a escolha da

A Análise de Investimentos (AI) em ativos reais é um problema complexo devido à natureza

1.1 Metodologia Multi-índice Ampliada

A Metodologia Multi-índice Ampliada (MMIA), sob a abordagem determinística (Lima et al.,

Figura 4 – Dimensões e indicadores da metodologia multi-índice ampliada

Figura 5 – Dimensão sensibilidades: Limites de Elasticidades (LEs) e Valores-Limite (VLs)

Figura 7 – Fatores que levam à incerteza ao longo do ciclo de vida de um empreendimento

Lima et al. (2015) contribuíram para a análise de viabilidade econômica de um PI ao organizar,

1. Todos os indicadores, sejam de retorno, de riscos ou de sensibilidades, são complementares,

4. Os LEs identificam os fatores mais críticos, os quais necessitam de ações de monitoramento e

9. A cada 1% de variação (aumento ou queda) em um parâmetro por vez implica em x% de

11. Exemplo ilustrativo: Um PI mantém-se economicamente viável  Qj  7.790 unidades

𝑃𝐼 𝑚𝑎𝑛𝑡é𝑚 − 𝑠𝑒 𝑒𝑐𝑜𝑛𝑜𝑚𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑒 𝑣𝑖á𝑣𝑒l

▪ Por exemplo: VLQ = Q(1–%Qj) = 10,000(1–22.10%) = 7.790 (limite inferior de vendas).

▪ O PI permanece economicamente viável  Qj  VLQ = 7.790 unidades ou Qj  9.123

𝑉𝑃𝐿 + |𝐹𝐶0 | 21.306,49 + 100.000,00

𝑉𝑃(𝐵) 𝑉𝑃𝐿 + |𝐹𝐶0 | 21.306,49 + 100.000,00

Portanto, o PI mantém-se economicamente viável se não forem ultrapassados os limites

Mas, como calcular?

Variação da TMA para o ponto de Fisher (TMA(Fisher), %)

Mas, como calcular?

1.5 Novo Payback descontado

Mas, como calcular?

Figura 9 – Principais Limites de Elasticidade (LEs) e Valores-Limite (VLs) da MMIA

Δ%(QjPVuj) (2 ⋅ 𝑉𝑃(𝑅𝑇) − 𝑉𝑃(𝐶𝑉𝑇)) ± √(−2 ⋅ 𝑉𝑃(𝑅𝑇) + 𝑉𝑃(𝐶𝑉𝑇))2 − 4 ⋅ 𝑉𝑃(𝑅𝑇) ⋅ 𝑉𝑃𝐿𝐸𝑠𝑡á𝑡𝑖𝑐𝑜

Atualmente, a maioria dos acadêmicos possuem dispositivos móveis (smartphones e/ou

Um ambiente computacional amigável e bem organizado torna mais estimulante o estudo de

O $AVEPI pode ser acessado por meio do seguinte endereço eletrônico:

Figura 13 – Tela de input do $AVEPI com os dados do PI em estudo

DIMENSÃO INDICADOR VALOR ESPERADO

TIR (%) 7,16

Figura 15 – Escala proposta para avaliar as dimensões da MMIA

DIMENSÃO ANÁLISE PRELIMINAR

O Projeto de Investimento (PI) em estudo necessita de um investimento inicial (FC0) de R$

No tocante a dimensão riscos, o PI em estudo apresenta retorno do investimento (Payback)

Assim, pela distribuição de probabilidades resultante para o VPL em 100.000 simulações,

Figura 17 – Input para aplicar a SMC no PI estudo

Figura 18 – Estatísticas descritivas via SMC

Estatísticas Descritivas VPL TIR

Quantidade 100.000 100.000

Mínimo - R$ 10.601,26 4,30%

Máximo R$ 18.228,37 10,27%

Amplitude (Máx – Mín) R$ 28.829,63 5,97%

Média R$ 3.262,92 7,16%

Desvio-padrão R$ 3.590,91 0,73%

Coeficiente de variação 110,05% 10,20%

Mediana R$ 3.273,73 7,17%

Figura 19 – Probabilidades segundo a SMC para o PI em estudo

Quantidade: VPL < 0 18.323

Método da frequência – Lei dos Grandes Números: P(VPL < 0) 18,32%