Escolar Documentos
Profissional Documentos
Cultura Documentos
DOI: 10.18721/JE.14310
UDC 338.27
125
Machine Translated by Google
A utilização de tecnologias digitais para gestão de riscos de projetos de investimento é relevante e promissora de
acordo com a tendência de desenvolvimento da Indústria 4.0. O objetivo do estudo é aplicar o método de Monte Carlo
usando ferramentas de software para avaliação quantitativa de risco de projetos de investimento em construção no
exemplo de organizações de São Petersburgo. A base metodológica do estudo foram os métodos qualitativos e
quantitativos, que incluem: 1) formação de um cadastro de riscos; 2) classificação de risco para identificar o risco
mais provável para projetos de construção; 3) quantificar os riscos de maior impacto utilizando o add-in funcional para
MS Excel @Risk. O artigo analisa os riscos que afetam a indústria da construção. Os critérios para avaliar a
probabilidade e o grau de impacto do risco em projetos de investimento na indústria da construção são formados.
São identificados os riscos que afetam os projetos de construção de investimento, que estão divididos em vários
grupos: macroeconômico, setorial, legal, operacional e financeiro. Assim, foi constituído um registo de riscos que
inclui os seguintes riscos: aumento da inflação; riscos regionais; mudanças nas preferências do consumidor ou
tendências de mercado; escassez de terrenos para novos projetos; legislação mais rigorosa; falha dos subcontratados
em cumprir suas obrigações; piora das condições de compra de materiais de construção; incapacidade de atrair e
reter pessoal-chave; acidentes mais frequentes em canteiros de obras; mudanças nas taxas de juros e condições de
capitalização para financiamento de projetos; mudanças nas taxas de câmbio; dificuldades em levantar capital; risco
de crédito associado a clientes; o risco de liquidez reduzida. A partir do mapa de riscos construído para as
construtoras, determinamos o risco que representa a maior ameaça para a organização, tanto pelo grau de influência
quanto pela probabilidade de realização do risco – o risco de diminuição da liquidez. Para realizar o cálculo usando o
add-in @Risk, determina-se o valor do dano da implementação do risco de redução de liquidez em três cenários. O
gráfico de distribuição construído no @Risk usando o método de Monte Carlo permitiu determinar que a variável
aleatória tem maior probabilidade de ser maior que o valor previsto do cenário realista. Nesse sentido, é necessário
revisar esse valor no sentido de aumentar o dano da realização do risco em um cenário realista. No futuro, planeja-se
realizar um estudo sobre as possibilidades de uso de duplas digitais como uma ferramenta moderna para reduzir
riscos emergentes, bem como para monitorar projetos de construção de capital.
Palavras-chave: gestão de risco, projetos de investimento, desenvolvimento da indústria, método de Monte Carlo,
tecnologias digitais, simulação, São Petersburgo
Este é um artigo de acesso aberto sob a licença CC BY-NC 4.0 (https://creativecommons.org/li censes/by-nc/
4.0/)
Introdução A incerteza está presente em todas as áreas de atuação da organização, que devem
ser identificadas, avaliadas e controladas tempestivamente, principalmente na implementação de projetos
de investimento. A formação de parâmetros e a previsão de futuros empreendimentos, processos e
ações são sempre acompanhados de um risco que pode levar a um impacto negativo e, em alguns
casos, positivo no resultado. Portanto, ao desenvolver projetos de investimento, os possíveis riscos
devem ser levados em consideração e planos de ação devem ser elaborados para reduzi-los ou preveni-
los. O monitoramento contínuo e a gestão de riscos contribuem para a implementação bem-sucedida
dos projetos de investimento. Graças ao desenvolvimento das tecnologias digitais, tornou-se possível
analisar big data em tempo real, realizar aprendizado de máquina e aplicar o potencial da inteligência
artificial. A transformação digital aumentou as capacidades intelectuais dos sistemas de informação que
tomam decisões não apenas com base em dados localizados em
126
Machine Translated by Google
isso, mas com base em todas as informações disponíveis (incluindo não estruturadas e contextuais, que são formadas com
base na análise de várias fontes).
Hoje, os sistemas de informação corporativos processam, acumulam e estruturam uma quantidade impressionante de
dados que permitem estudar processos rapidamente, definir tendências e identificar padrões. Consequentemente, tornou-se
muito mais fácil avaliar e analisar os riscos em tempo hábil. As plataformas de TI permitem integrar uma abordagem
abrangente de gerenciamento de riscos em todas as funções de gerenciamento. Isso, por sua vez, permite antecipar os riscos
na formação de novos projetos e tomar decisões com base nas informações sobre eles, bem como responder em tempo hábil
aos riscos e reduzir o impacto negativo dos riscos se forem implementados em projetos existentes. A digitalização contribui
para a identificação de relações antes invisíveis, o que aumenta a eficiência da comparação e comparação de parâmetros. A
principal vantagem das empresas que usam ativamente tecnologias modernas reside na eficiência e validade das decisões de
negócios tomadas com
tendo em conta os
riscos. As oportunidades descritas no âmbito dos processos de digitalização da gestão de riscos são confirmadas pelos
resultados de um estudo realizado pela consultora PWC [1]. O desenvolvimento de competências digitais aumenta a precisão
das previsões, a capacidade de resposta e aumenta o envolvimento da função de gestão de riscos em todos os processos de
negócios. As empresas inovadoras que estão prontas para submeter a função de gestão de riscos à transformação digital
recebem uma série de vantagens: 1) 76% dos respondentes atingiram suas expectativas em termos de otimização do processo
decisório da gestão; 2) 57% das empresas estão dispostas a assumir mais riscos do que antes devido à simplificação das
ferramentas de avaliação de risco para os usuários interessados. A segunda vantagem é alcançada por meio do uso de
automação inteligente por “inovadores”, por exemplo, com base em plataformas de BI ou aprendizado de máquina para
priorização.
riscos. O
gerenciamento de riscos em comparação com a implementação das atividades de projeto da organização é bastante
promissor, o que se reflete no trabalho internacional de pesquisadores. É possível destacar estudos cujos resultados estão
focados no estudo dos fundamentos metodológicos da gestão de riscos, tanto no nível fundamental quanto no aplicado [2–7].
Por exemplo, Shamin D.V. no artigo [3] propôs uma estrutura de implementação em três estágios de acordo com
com os elementos-chave de um sistema de gestão de riscos, a fim de levar em consideração os riscos não apenas na fase de
desenvolvimento do projeto, mas também durante sua implementação. O autor em [6] considerou a partir de posições
científicas a essência e o conteúdo dos conceitos de "gestão de riscos" e "gerenciamento de riscos" como categorias científicas
da teoria de gestão organizacional. Na obra de Karelina M.G. [7] realizou uma pesquisa de especialistas na área de
gerenciamento de riscos das maiores empresas e organizações em 15 entidades constituintes da Federação Russa, o que
possibilitou identificar os principais problemas de gerenciamento de riscos
nos níveis micro, meso e macro, bem como propor métodos específicos para apoiar e regular a gestão de risco russa.
A maioria dos estudos é dedicada a diferentes áreas e ramos da gestão de riscos de projetos de investimento [8-12]. Por
exemplo, o estudo [8] considera a aplicação da teoria dos conjuntos difusos para avaliar os riscos da infraestrutura de transporte
em larga escala, e em [9] os autores avaliam os riscos em projetos de energia renovável usando o exemplo da Rússia. Jiang,
J., Zhao, Q. em [10] conduziu uma análise de risco de projetos de investimento de tecnologias blockchain.
Um grupo separado deve incluir estudos destinados a estudar a gestão de riscos de construção e projetos imobiliários
[13-17]. Os monoprojetos de construção são de grande importância na implementação de mega e multiprojetos em diferentes
níveis
127
Machine Translated by Google
gestão, portanto, a avaliação do perfil de risco dos projetos no nível mais baixo - o nível de
projectos, evitará consequências negativas durante a sua implementação.
Realização de uma análise detalhada da pesquisa atual no banco de dados cientométrico e abstrato
SCOPUS para a consulta de pesquisa "Gestão de riscos de projetos de investimento" (gestão de riscos
de projetos de investimento) em uma amostra limitada de acordo com a área de conhecimento "Negócios,
Gestão e Contabilidade" e "Economia, Econometria e Finanças", foram analisados 329 estudos científicos.
Dinâmica das publicações de artigos científicos sobre o tema em estudo para o período de 1972 a 2020
mostrado na fig. 1.
Principais obras do período de 1972 a 2020 publicados por representantes de diferentes países: EUA
(219 publicações, a seguir é indicado o número de trabalhos publicados por representantes desses
países), China (145), Grã-Bretanha (89), Rússia (85), Canadá (43), Alemanha ( 40), Austrália (39 ) e
outros. Os principais cientistas neste campo são: Tiong, RLK (7 artigos, a seguir indicado o número de
artigos publicados pelo autor), Lefley, F. (6), Tulacz, GJ (5 ), Wang, SQ (5), Benaroch, M. (4), Chang, CY
(4), Górecki, J. (4), Akintoye, A. (3), Ashley, D. (3) et al. o tema em estudo, bem como determinar que os
projetos de investimento de organizações de construção com foco na construção de projetos de construção
de capital podem ser considerados a mais alta prioridade.
O objetivo do estudo é aplicar o método de Monte Carlo usando ferramentas de software para
avaliação quantitativa de risco de projetos de investimento em construção no exemplo de organizações
que operam no território de São Petersburgo. De acordo com o objetivo proposto, o estudo envolve a
solução das seguintes tarefas: 1) identificar produtos de software utilizados para modelagem de simulação
pelo método de Monte Carlo; 2) analisar os riscos que afetam a indústria da construção e formar um
cadastro de riscos; 3) avaliar o risco de maior impacto usando o add-in funcional para MS Excel @Risk.
128
Machine Translated by Google
Arroz. 1. Dinâmica das publicações na base de dados cientométrica e abstrata SCOPUS para a consulta de pesquisa
"Gestão de riscos de projetos de investimento", de 1972 a 2020
FIG. 1. Dinâmica das publicações na base de dados cientométrica e abstrata SCOPUS para a consulta de
pesquisa "Gestão de riscos de projetos de investimento", de 1972 a 2020 Fonte. Base
de dados bibliográfica e abstrata SCOPUS
Métodos de Pesquisa
A base metodológica da pesquisa é métodos qualitativos e quantitativos. Os métodos de pesquisa qualitativa
são a formação de um registro de riscos com a determinação da probabilidade de ocorrência e o grau de
influência de cada risco. Em seguida, é feito um ranking para identificar o risco mais provável que causa o
maior dano. Depois disso, esse risco é considerado usando um método quantitativo de avaliação.
O @Risk permite avaliar os fatores de risco da organização e demonstrar os resultados de Monte Carlo
com uma lista de resultados possíveis, o que permite evitar erros na análise de risco e identificar oportunidades
de crescimento para a organização. Este complemento não é russificado. Uma versão de demonstração está
disponível para análise de risco expressa e é frequentemente usada por empresas russas.
O Crystal Ball é projetado para modelagem preditiva, previsão, simulação e otimização, implementado com
base em planilhas. Este complemento não é russificado. Uma versão de demonstração está disponível para
análise de risco expressa. Raramente usado na Rússia
empresas do céu.
ModelRisk é o simulador mais rápido em MS Excel, com três vezes a funcionalidade de seu concorrente
mais próximo. O add-in oferece recursos exclusivos que podem simplificar e acelerar muito o trabalho dos
modelos. O complemento possui um conversor embutido para modelos criados com @Risk e Crystal Ball. Este
complemento não é russificado. Disponível
129
Machine Translated by Google
versão de demonstração para análise de risco expressa. Raramente usado em computadores russos
niyakh.
O add-on Risk Simulator, desenvolvido pela Real Options Valuation, permite modelar, prever e otimizar
situações de risco. Este complemento não é russificado. Uma versão de demonstração está disponível para
análise de risco expressa. Raramente usado em empresas russas.
Para modelagem de simulação, os autores escolheram o add-on @Risk da Palisade, pois é ela que tem a
prática de utilizá-lo para avaliar riscos em grandes empresas da Federação Russa, inclusive as localizadas em
São Petersburgo. O algoritmo para gerar um modelo de simulação no MS Excel usando o complemento
funcional @Risk consiste no seguinte
degraus:
Para realizar uma avaliação de risco quantitativa, será necessário identificar os riscos que têm maior impacto
em projetos de construção de investimento e empresas de construção em
em geral.
Resultados e Discussão Os
projetos da indústria da construção são afetados por diversos riscos que podem ser realizados com
diferentes probabilidades e graus de influência. Estes podem ser riscos associados à deterioração da situação
econômica; aumento da inflação; mudança inesperada nas preferências do consumidor; redução da oferta de
terrenos para incorporação, bem como
crescimento do custo da terra; endurecimento da regulamentação estadual; um aumento no custo de materiais
importados e nacionais; incumprimento de obrigações pelos subempreiteiros; violação de volumes e prazos de
fornecimento de materiais; falha em reter e motivar funcionários-chave; aumento das taxas de juros e condições
de capitalização; enfraquecimento da taxa de câmbio do rublo, etc.
A seguir, definimos os critérios para uma avaliação qualitativa do risco: avaliação da probabilidade de um
evento de risco e o grau de seu impacto. Na tabela. 1 mostra a gradação de probabilidades de muito baixa a
muito alta, dependendo dessa gradação, o risco recebe uma pontuação de 1 a 5
respectivamente.
Outro critério importante é a avaliação da significância do risco. Este critério, assim como o critério da
probabilidade de realização do risco, é necessário para o ranqueamento. Na tabela. 2, forma-se uma gradação
de acordo com o grau de impacto do risco de muito fraco a muito forte e, à semelhança da definição dos critérios
de probabilidade, é atribuído ao risco uma pontuação de 1 a 5, respetivamente, dependendo da quantidade de
danos.
Em seguida, identificamos os riscos específicos da indústria da construção e analisamos esses riscos. O
método mais comum de estruturação e classificação de riscos é a formação de um registro de riscos (Tabela
3). Para formar o registro de risco, foi feita uma análise das declarações anuais de empresas de construção
(seção "gestão de risco") operando no território de São Petersburgo - empresas "Legend" e o grupo "Etalon"
130
Machine Translated by Google
[25, 26]. Essas empresas foram selecionadas como incorporadoras de grande porte que atuam no setor
de construção há mais de 20 anos, implementando com sucesso projetos imobiliários residenciais para a
classe média, incl. projetos de construção industrial e manutenção imobiliária. O registo dos riscos será
agrupado por tipos: macroeconómicos, sectoriais, jurídicos, operacionais e financeiros, identificando-se o
impacto de cada risco e determinando-se a probabilidade e o grau de impacto. Deve-se notar que cada
projeto de construção é um projeto de investimento separado, e os riscos acima são válidos não apenas
para a indústria da construção, mas também
também para os próprios projetos descritos anteriormente.
Interpretação
qualidade Salão de baile intervalos
Interpretação para eventos do ponto de vista
avaliação avaliação probabilidades
data histórica
Várias implementações
É mais provável que o evento
Alto 4 risco por ano em uma empresa que 50-80%
aconteça do que não aconteça
faz parte de um grupo de empresas
Os riscos que se enquadram na zona vermelha do quadrante representam a maior ameaça para a
organização, tanto em termos do grau de impacto quanto da probabilidade de realização do risco (em menor
grau). Portanto, para construir um modelo utilizando o método de Monte Carlo, optou-se pelo risco de redução da liquidez.
131
Machine Translated by Google
Grau
ÿ Tipo de riscos Risco Probabilidade
influência
Se esse risco se materializar, a empresa não conseguirá cumprir suas obrigações financeiras, levando a
interrupções operacionais, danos à reputação e taxas de empréstimos de curto prazo e falência de longo
prazo.
Para realizar o cálculo usando o add-on @Risk, foi determinado o valor do dano da realização do risco
de redução de liquidez em três cenários. Foi efectuada uma avaliação preliminar do impacto do risco de
diminuição da liquidez com base na análise das declarações da Legenda e do Grupo
132
Machine Translated by Google
"Etalon" [25, 26]. O valor previsto, de acordo com estimativas preliminares, em um cenário realista será de
46 milhões de rublos (230 milhões de rublos com probabilidade de 20%), em um cenário pessimista - 160
milhões de rublos (200 milhões de rublos com probabilidade de 80%), e em um cenário otimista - 5 milhões
de rublos (100 milhões de rublos com probabilidade de 5%). O produto dos valores de dano e os valores de
probabilidade do cenário serão os parâmetros de entrada da simulação, ou seja, o significado da cena pessimista
riya é o valor máximo, o valor otimista é o valor mínimo, e o valor do cenário realista será calculado por
simulação e correlacionado com
valor previsto.
Formados os parâmetros de entrada e saída, obtemos os seguintes resultados sobre o valor do dano
em caso de realização do risco de diminuição de liquidez para uma construtora utilizando o add-on @Risk.
Como função de distribuição, foi escolhida a função “RiskPert”, que permite construir automaticamente a
distribuição de variáveis aleatórias no contexto de cenários: o valor mínimo, o valor esperado e o valor
máximo – 5, 46, 160, respectivamente. Além disso, o suplemento está configurado para gerar 1.000 números
aleatórios. Os resultados da simulação são mostrados na fig. 3. O valor mais provável de 58 com base nas
simulações de Monte Carlo acabou sendo maior do que o valor previsto do cenário realista, portanto o valor
previsto de 46 deve ser revisado para cima.
Conclusão
No âmbito deste estudo, o método de Monte Carlo foi aplicado para quantificar
avaliações de risco de liquidez inerentes a projetos de investimento em construção usando o add-on
funcional @Risk. O estudo possibilitou: 1. Identificar produtos de software utilizados para modelagem de
simulação pelo método de Monte Carlo, como add-on @Risk, Crystal Ball, ModelRisk, Risk Simulator e
determinar suas funcionalidades;
133
Machine Translated by Google
2. Analisar os riscos que afetam a indústria da construção, criar um cadastro dos riscos mais significativos para a
indústria e construir um mapa de risco para as empresas da indústria da construção; 3. Avalie o risco de redução de liquidez
usando o suplemento funcional para MS Excel @Risk. O método de Monte Carlo é relativamente simples de implementar e
fornece informações importantes sobre os riscos dos projetos de investimento. O exemplo analisado mostra que existe
uma grande probabilidade de um valor maior ser registrado no projeto.
as ferramentas utilizadas para avaliação de riscos melhoram a qualidade das previsões e ampliam os limites da análise
estatística de dados e identificação de dependências de diversos parâmetros, devido à possibilidade de criação de modelos
matemáticos complexos.
BIBLIOGRAFIA
5. Makarova V.A. Formação do sistema de gerenciamento de riscos na empresa // Boletim da Universidade Estadual
de Pskov. Série: Economia. Direita. Ao controle. 2014. não. 4. P. 98–108. 6. Kiselev A.A. Gestão do risco e gestão do risco:
problemas de fundamentação da essência dos conceitos enquanto categorias científicas da teoria e prática da gestão das
organizações // Economia e Negócios: Teoria e Prática. 2020. Nº 3(1).
134
Machine Translated by Google
13. Badran D., AlZubaidi R., Venkatachalam S. Gerenciamento de risco baseado em BIM para o processo de
projeto de construção de licitação de projeto (DBB) nos Emirados Árabes Unidos: uma estrutura conceitual. International
Journal of Systems Assurance Engineering and Management, 2020. no. 11 (6), pp. 1339–1361.
14. Fattinnanzi E. O papel da avaliação na indústria da construção na era pós-covid. Sonhadores em Val utazion,
2020. no. 2020 (26), pp. 101-1 3–10.
15. Li X.-J. Pesquisa sobre fatores de influência de risco de investimento em projetos de edificações pré-fabricadas. Diário de
Engenharia Civil e Gestão, 2020. nº. 26 (7), pp. 599–613.
16. Wang SQ, Dulaimi MF, Aguria MY Estrutura de gerenciamento de riscos para projetos de construção em
países em desenvolvimento. Gestão e Economia da Construção, 2004. n. 22 (3), pp. 237–252.
17. Górecki J. Análise de big data para gerenciamento de riscos em projetos de construção. Anais da 31ª Conferência
da International Business Information Management Association, IBIMA 2018: Gestão da Inovação e Excelência em
Educação até, 2018. Visão 2020, pp. 2712–2721.
18. Tereshko E.K., Rudskaya I.A. Potencial digital do complexo de edifícios: conceito, essência e problemas de
desenvolvimento // St. Petersburg State Polytechnical University Journal. Ciências econômicas. 2020. V. 13, No. 3. S. 27–
40. 19. Pishchalkina I.Yu., Suloeva S.B. Métodos e modelos modernos do sistema de gerenciamento de riscos, levando
em consideração as especificidades das empresas industriais.Organizador proizvodstva. 2020. V. 28. No. 4. S. 69–
79.
REFERÊNCIAS
135
Machine Translated by Google
8. B. Abeysekara, Aplicação da teoria do conjunto difuso para avaliar a avaliação de riscos de infraestrutura de transporte
em larga escala e aplicação das melhores práticas para gerenciamento de riscos, Conferência Internacional IEEE sobre
Engenharia Industrial e Gerenciamento de Engenharia 2020-dezembro, 9309957 (2020) 385–389.
9. G. Chebotareva, W. Strielkowski, D. Streimikiene, Avaliação de risco em projetos de energia renovável: Um caso da
Rússia, Journal of Cleaner Production, 269, 122110 (2020) .
10. J. Jiang, Q. Zhao, Análise sobre o valor do investimento da tecnologia blockchain, Conference Pro
ceedings of the 8th International Symposium on Project Management, ISPM, (2020) 897–901.
11. AN Chowdhury, P.-H. Chen, RLK Tiong, Fatores de melhoria de crédito para o financiamento de projetos de produtores
independentes de energia (IPP) na Ásia, International Journal of Project Management, 33 (7) (2015) 1576–1587.
12. F. Lefley, A avaliação de projetos de capital TIC e não TIC: Um estudo das práticas atuais de grandes organizações do
Reino Unido, International Journal of Management Projects in Business, 6 (3) (2013) 505–533.
13. D. Badran, R. AlZubaidi, S. Venkatachalam, gerenciamento de risco baseado em BIM para processo de design de
construção de licitação (DBB) nos Emirados Árabes Unidos: uma estrutura conceitual, International Journal of Systems Assurance
Engineering and Management,11 (6) (2020) 1339–1361.
14. E. Fattinnanzi, O papel da avaliação na indústria da construção na era pós-covid, Valori e Valutazioni, 2020 (26) (2020)
3–10.
15. X.-J. Li, Pesquisa sobre fatores de influência de risco de investimento de projetos de edifícios pré-fabricados, Journal
de Engenharia Civil e Gestão, 26 (7) (2020) 599–613.
16. SQ Wang, MF Dulaimi, MY Aguria, Estrutura de gerenciamento de riscos para projetos de construção
em países em desenvolvimento, Construction Management and Economics, 22 (3) (2004) 237–252.
17. J. Górecki, Análise de big data para gerenciamento de riscos em projetos de construção, Anais da 31ª Conferência
Internacional da Associação de Gerenciamento de Informações de Negócios, IBIMA 2018: Gerenciamento de Inovação e
Excelência em Educação por meio de, Visão 2020 (2020) 2712–2721.
18. EK Tereshko, IA Rudskaya, Tsifrovoy potentsial stroitelnogo kompleksa: ponyatiye, sushch nost i problemy razvitiya
[Potencial digital do complexo de construção: conceito, essência e problemas de desenvolvimento], Boletim Científico e Técnico
da SPbSPU, Ciências econômicas, vol. 13, 3 (2020) 27–40.
19.I.Yu. _ Pishchalkina, SB Suloyeva, Métodos e modelos modernos do sistema de gerenciamento de riscos, levando em
consideração as especificidades das empresas industriais], Organizador da produção, vol. 28, 4 (2020) 69–79.
136
Machine Translated by Google
137