Professional Documents
Culture Documents
Porto Alegre
2006
Porto Alegre
2006
S676a
CDU 336.76
657.1
DEDICATRIA
AGRADECIMENTOS
RESUMO
ABSTRACT
In a world where the competitiveness crosses the national borders, where political
and economical instabilities have an immediate impact in the whole globe, the
companies need to be prepared to give a fast response. The dynamics of the global
movements no more allows that the companies and organizations take a long time to
implement new alternatives. The answers should be fast. The uncertainties about
company environment should be better understood, so the risks of a wrong decision
can be mitigated. However, better than to react to the facts, is to anticipate them. The
anticipation requests that the possible events must be deeply understood, not just as
for their possible impacts, but also for its probability of occurrence. This work has as
objective to propose a simulation and analysis financial model of companies,
considering probabilistic techniques to allow managers go through decision process
with a level of information sufficient enough to permit them to have a clear
understanding about the risks involved in their decision. This model turns this
possible through the utilization of Monte Carlos methodology. This methodology
allows the critical variables of a company to be treated as random variables. Prices of
products and macroeconomics variables such as interest rate, rate exchange and
rate of inflation can be considered as random variables and not as constants in the
model. The results of a company will be available to the managers with a statistic
treatment and a probabilistic analysis. This process will facilitate the managers
decisions process about investments, price policies, loans and others critical subjects
to the future of the company with a much more appropriate level of information.
LISTA DE ILUSTRAES
QUADROS
GRFICOS
FIGURAS
SUMRIO
1 INTRODUO ....................................................................................10
2 METODOLOGIA..................................................................................13
2.1 DISTRIBUIO NORMAL................................................................................... 17
2.2 DISTRIBUIO EXPONENCIAL ........................................................................ 20
2.3 DISTRIBUIO UNIFORME............................................................................... 22
2.4 DISTRIBUIO DE CAUCHY............................................................................. 24
2.5 DISTRIBUIO TRIANGULAR........................................................................... 26
6 CONCLUSO......................................................................................87
REFERNCIAS ......................................................................................90
10
1 INTRODUO
Num mundo cada vez mais competitivo, com conexes globais em vez de
locais
regionais,
onde
vantagens
competitivas
devem
ser
cultivadas
11
12
poder ser usada com o propsito de definir que aes devero ser tomadas
visando levar a empresa em busca do atendimento de seus objetivos estratgicos.
13
2 METODOLOGIA
financeiras
fundamentais,
baseadas
no
Balano
Patrimonial,
14
Categoria
Modelos
Forma da
Valores das
funo
variveis
objetivo
independentes
Conhecida e
Conhecidas ou sob
Exemplos de tcnicas
matemticas associadas
Modelos
Desconhecida
Conhecidas ou sob
preditivos
ou mal
definidas
Anlises de regresso;
temporais, Anlise
discriminante;
Modelos
Conhecidas e
Desconhecidas ou
Simulao, Problemas de
descritivos
bem definidas
incertas
dependente,
em
funo
de
determinados
valores
das
variveis
15
16
Para uma discusso histrica do mtodo de Monte Carlo ver Metropolis (1987) e Pllana ([200-?]).
Para uma discusso deste problema ver Siegrist ([200-?]) ou Weisstein (2005).
17
( x ) 2
f ( x) =
(2n 2 )
(1.1)
f ( x) =
x2
(1.2)
18
0,0050
0,0045
0,0040
0,0035
0,0030
0,0025
0,0020
0,0015
0,0010
1,0
0,5
0,0
19
Alm da mdia, a curva normal possui outras estatsticas que podem ser
calculadas, como a moda, mediana, o desvio-padro, a assimetria e a curtose. No
caso da Distribuio Normal Padro, a mdia igual moda, que igual mediana.
Alm disso, tem-se que a assimetria tem valor zero e a curtose o valor 3.
Vale destacar que os parmetros de localizao e de escala da distribuio
normal podem ser estimados atravs da mdia e do desvio padro da amostra
respectivamente.
A distribuio normal , provavelmente, a mais importante distribuio
estatstica existente, conforme pode ser visto em NATIONAL INSTITUTE OF
STANDARDS AND TECHNOLOGY NIST e Sematech (2003):
Para uma discusso mais detalhada da curva normal, sua aplicabilidade e sobre o teorema do limite
20
* e (x )
x ; > 0
(1.3)
f ( x) = e x
para x 0
(1.4)
3,5
Lambda = 1
lambda = 2
Lambda = 3
2,5
1,5
0,5
21
x 0; > 0
(1.5)
0,9
0,8
0,7
0,6
0,5
Lambda = 1
Lambda = 2
0,4
Lambda = 3
0,3
0,2
0,1
22
f ( x) =
1
B A
para
A x B
(1.6)
f ( x) = 1
para
0 x 1
(1.7)
1,050
1,025
1,000
0,975
0,950
0
0,25
0,5
0,75
23
F ( x) = x
0 x 1
para
(1.8)
1,2
1
0,8
0,6
0,4
0,2
0
0,25
0,5
0,75
=
CV =
( B A) 2
12
( B A)
3 ( B + A)
(1.9)
(1.10)
24
f ( x) =
1
s (1 + (( x t ) / s ) 2 )
(1.11)
f ( x) =
1
(1 + x 2 )
(1.12)
25
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
-5
-4
-3
-2
-1
-0
F ( x) = 0,5 +
arctan( x)
(1.13)
1
0,8
0,6
0,4
0,2
0
-5
-4
-3
-2
-1
-0
26
f ( x) =
2
Max Min
f ( x) =
2 * ( x Min)
para x < Moda
( Max Min) * ( Moda Min)
para
x = Moda
(1.14)
(1.15)
27
f ( x) =
2 * ( Max x)
para x > Moda
( Max Min) * ( Max Moda)
(1.16)
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0
0,8
Mdia =
(1.17)
(1.18)
28
Mdia =
2 * Min + Max
3
(1.19)
(1.20)
Assimetria direita:
Mdia =
Min + 2 * Max
3
(1.21)
(1.22)
Distribuio t
Distribuio F
Distribuio
Chi-quadrado
Distribuio Beta
Distribuio Gama
Distribuio
Log-normal
Uma abordagem completa sobre cada uma das distribuies citadas acima poder ser vista em
29
30
31
Uma vez que a relao entre estas variveis esteja bem definida e os
modelos determinsticos estejam definidos, deve-se fazer uma avaliao crtica das
variveis de entrada para os modelos. Algumas destas variveis sero mais crticas
que outras, significando que os resultados da empresa podem ser fortemente
impactados em funo de variaes nas mesmas. Estas sero as variveis que
recebero um tratamento estocstico. Os limites de variao possveis para estas
variveis, bem como sua distribuio de probabilidades de ocorrncia podero ser
definidos por exame de sries histricas da mesma ou atravs da percepo dos
especialistas da empresa, que conhecem o comportamento esperado para a
varivel.
A seguir, o modelo estimado por centenas ou at milhares de vezes,
fornecendo uma amostragem para as variveis de sada. Entre as sadas do modelo
podemos citar o resultado projetado para o perodo, o EBITDA, o valor da empresa,
faturamentos, dividendos a pagar, e uma vasta gama de indicadores, conforme ser
discutido no item 4.3 INDICADORES ANALTICOS DE EMPRESAS.
importante lembrar que no existe uma regra estabelecida para o nmero
de vezes que devemos rodar o modelo. Entretanto, uma forma prtica de definir se o
nmero de simulaes est adequado analisar seus resultados estatsticos, como
a mdia aritmtica e o desvio padro da varivel de sada, por exemplo. Se estes
valores estiverem dentro de um intervalo de preciso desejado, ento o nmero de
vezes que se roda o modelo considerado satisfatrio. Ou seja, o nmero oportuno
de vezes que o modelo dever ser rodado est associado ao alcance de uma
varincia mxima desejada para a varivel.
Todas estas informaes daro aos administradores da empresa uma viso
do risco associado a quaisquer decises que queiram tomar, melhorando assim o
processo decisrio baseado em modelos determinsticos, com suas anlises de caso
e sensibilidades pontuais, que embora teis, so limitados.
A aplicao da metodologia, contudo, poder produzir resultados dissociados
da realidade, se alguns cuidados bsicos no forem tomados durante a modelagem
do sistema a ser analisado.
Em primeiro lugar, importante, mas no essencial, que a distribuio de
freqncia das variveis de entrada do modelo seja estabelecida com base num
comportamento verificado. Alternativamente, esta distribuio pode ser elaborada a
partir da experincia e do julgamento do administrador especialista no negcio,
32
33
preo mais alto e vice-versa). Se isto no for considerado, altamente provvel que
os valores gerados a partir das distribuies de freqncia de cada varivel no
sigam esta expectativa, gerando cenrios no realistas. Mantendo-se esta situao,
a anlise de risco estar sujeita a algum vis.
Portanto, antes de se partir para o estgio de gerao das estimativas,
imperativo considerar se existem tais correlaes entre as variveis do problema em
questo e, caso positivo, providenciar restries no modelo que impeam ou
minimizem a possibilidade de gerao de cenrios que violem estas correlaes.
Segundo Savvides (1994), uma das maneiras mais fceis de se lidar com o
problema da correlao na anlise de risco usar o coeficiente de correlao como
uma proxi da relao entre duas variveis. Para isto preciso que se defina a
direo da relao entre as variveis (se positiva ou negativa) e uma estimativa
razovel da fora desta relao. O objetivo maior evitar que o modelo possa gerar
cenrios inconsistentes com a realidade, em vez de buscar alta exatido estatstica.
portanto, suficiente que uma relao linear possa ser adotada, expressa pela
seguinte frmula:
Y = a + b* X + e
(1.23)
onde:
Y = varivel dependente
X = varivel independente
a = intercepto (valor mnimo de Y, se a relao for positiva, ou mximo, se a
relao for negativa)
b = inclinao = (Variao de Y) / (Variao de X)
e = fator de erro, com distribuio normal independente
Savvides (1994) ressalta que importante ter em mente que o uso sugerido
do coeficiente de correlao exerce o papel do mecanismo pelo qual o analista pode
expressar uma relao presumida entre duas variveis de risco.
O objeto da anlise de correlao controlar os valores da varivel
dependente, de tal forma que a consistncia seja mantida com os valores da varivel
independente. Vale destacar que a equao de regresso, como a proposta em
1.23, parte das premissas que regulam esta relao durante o processo de
34
(1.24)
35
3 REVISO BIBLIOGRFICA
Durante a Segunda Guerra Mundial, o matemtico hngaroamericano John Von Neumann, em seu trabalho no Projeto Manhattan
(bomba atmica), criou um novo conceito, denominado Simulao de
Monte Carlo. O trabalho consistia na simulao direta de problemas
probabilsticos relacionados com a difuso aleatria das partculas de
nutrons quando submetidas a um processo de fisso nuclear. O nome
Monte Carlo foi cunhado pelo cientista Metropolis, inspirado no interesse por
pquer de seu colega Ulam. Baseou-se na similaridade que a simulao
estatstica desenvolvida por eles tinha com os jogos de azar, simbolizados
nas roletas do cassino de Monte Carlo, na capital do principado de Mnaco.
36
Aqui Hertz (1979) aborda a questo central que sempre esteve e estar
presente em toda a deciso que os administradores de empresa enfrentaram ou
viro a enfrentar: - qual o curso de ao a tomar, dado que as incertezas esto
sempre presentes, em maior ou menor grau? Como fazer para delimit-la mais
claramente, permitindo que as decises sejam tomadas com mais conscincia dos
riscos envolvidos? Esta a abordagem de Hertz (1979), que permitiu aos gestores
enfrentarem estes dilemas com muito mais conhecimento de causa.
Siegrist
([200-?])
apresenta
aplicaes
prticas
em
linguagem
de
37
38
39
Carlo como auxlio para o clculo do valor de uma empresa hipottica, de tal
forma a disponibilizar informaes sobre o Valor Presente Lquido mais
provvel, os riscos correspondentes e o grau de confiana presente na
estimativa realizada. (RODRIGUES, 2003, p. 4).
40
41
42
43
Duplicatas _ a _ receber
PMR = Venda
_ mdias _ dirias
(3.1)
Observe-se que quanto maior for o prazo mdio de recebimento das vendas
de uma empresa, maior ser o comprometimento de recursos no financiamento dos
seus clientes, elevando a necessidade de capital de giro.
Este um item de crucial importncia na anlise de risco de qualquer
empresa, visto que uma poltica de crdito a clientes, feita de forma inadequada,
poder ser ruinosa para a empresa. Maiores informaes sobre a gesto do crdito
aos clientes podem ser vistas em Ross, Westerfield e Jaffe (1995).
_ Mdio _ Estoques
PME = CustoSaldo
_ Pr oduto _ Vendido _ dirio
(3.2)
44
(3.3)
No caso de uma empresa industrial, seu clculo mais complexo, visto que
h uma efetiva adio de valor aos insumos adquiridos para o processo produtivo.
Assim. O Custo dos Produtos Vendidos CPV, dado pela equao 3.4, a seguir:
CPV = EI + CP EF
(3.4)
Sendo:
EI = Valor dos produtos acabados em estoque no incio do perodo
EF = Valor dos produtos acabados em estoque no final do perodo
CP = Custo de produo do perodo
Por sua vez, o custo de produo do perodo dado pela equao 3.5:
(3.5)
Onde:
MP = Valor dos insumos consumidos no processo produtivo
MDO = Mo de obra empregada na produo
Vale destacar que a correta gesto dos estoques de produtos acabados e dos
insumos fator determinante para os negcios de uma empresa, que deve
compreender as possveis sazonalidades a que suas vendas podero estar
expostas, bem como as compras dos seus insumos. Para uma descrio mais
detalhada do tema, ver Hansen e Mowen (2000). Para uma aplicao do controle de
estoques atravs da simulao de Monte Carlo, ver Ragsdale (1998).
45
Este indicador nos mostra o tempo mdio decorrido entre a compra dos
insumos para a produo e o efetivo pagamento dos mesmos. Seu clculo se d
atravs da relao expressa na equao 3.6:
PMP =
(3.6)
Este indicador nos mostra o tempo mdio decorrido entre as vendas dos
produtos e o efetivo pagamento dos impostos sobre as mesmas. Seu clculo se d
atravs da seguinte relao conforme expresso 3.7, a seguir:
PMPOF =
(3.7)
Quanto maior for este prazo, maior ser o financiamento que a empresa
estar obtendo junto ao governo, atravs dos impostos sobre vendas, reduzindo
assim, sua necessidade de capital de giro.
Destaca-se que estes impostos devem ser geridos corretamente, pois o no
recolhimento nos prazos adequados ir gerar passivos elevados para a empresa,
que podero colocar em risco sua prpria sobrevivncia.
46
47
48
demonstra
desempenho
econmico-financeiro
da
empresa
durante
determinado perodo. Tal resultado deve seguir padres estabelecidos por normas
brasileiras de contabilidade. Este demonstrativo estabelece os resultados da
empresa, sejam lucros ou prejuzos, dos quais participaro todos os acionistas da
empresa.
Uma estrutura tpica deste demonstrativo, aplicada a uma empresa industrial,
pode ser vista na Figura 6, a seguir:
49
50
ATIVO
Circulante
Caixa e bancos
Ttulos e valores mobilirios
Contas a receber
Clientes - mercado interno
Clientes - mercado externo
Partes relacionadas operacional
Partes relacionadas outros
Outras contas a receber
Estoques
Estoques de matria-prima
Estoques de produtos em processo
Estoques de produtos acabados
Estoques de produtos qumicos
Outros estoques
Impostos e taxas a recuperar no curto prazo
Despesas pagas antecipadamente no curto prazo
Outros ativos circulantes
Realizvel a longo prazo
Partes relacionadas
Impostos e taxas a recuperar no longo prazo
Despesas pagas antecipadamente no longo prazo
Mutuos com terceiros
Outros ativos realizveis a longo prazo
Permanente
Investimentos
Participao em controladas e coligadas
Outros investimentos
Imobilizado
Imobilizado - custo
Imobilizado - depreciao acumulada
Imobilizado - obras em andamento
PASSIVO
Circulante
Fornecedores
Fornecedores nacionais
Fornecedores partes relacionadas
Financiamento para a cobertura do caixa
Financiamentos de curto prazo
Saques de exportao a faturar de curto prazo
Impostos e taxas
Encargos sociais e trabalhistas
Participaes a pagar
Dividendos a pagar
Imposto de renda e contribuio social
Proviso para passivo contingente
Outras contas a pagar de curto prazo
Patrimnio lquido
Capital social
Reservas de capital
Reservas de reavaliao
Reservas de lucros
Lucros (prejuzos) acumulados
Resultado do perodo
Diferido
Diferido - custo
Amortizao acumulada
TOTAL DO ATIVO
TOTAL DO PASSIVO
51
1 - Fluxo Operacional
Resultado da atividade
(+) Depreciao e amortizao
(+) Provises
(-) Variao de caixa
(-) Variao de contas a receber
(-) Variao de estoques
(-) Variao de imp. a recuperar de curto e longo prazo
(-) Variao de despesas antecipadas e dep. Judiciais
(+) Variao de impostos e taxas
(+) Variao de encargos sociais e trabalhistas
(+) Variao de fornecedores
Fluxo de caixa operacional
2 - Fluxo de Investimentos
(-) Aquisio de imobilizado
(+) Venda de imobilizado
(-) Aquisio de participaes em outras empresas
(+) Venda de participaes em outras empresas
(-) Aumento do ativo diferido
3 - Fluxo Financeiro
(+)Receb. de juros e v.m. sobre aplicaes financeiras
(-) CPMF
(-)Variao de outros ativos de curto e longo prazo
(+)Variao de outros passivos de curto e longo prazo
Aplicaes vinculadas
(-) Novas vinculaes
(+) Resgate de aplicaes
(+) Recebimento de juros
Financiamentos para cobertuta do caixa - capital de giro
(-) Amortizao de principal
(-) Pagamento de juros e/ou variao monetria
Financiamentos em moeda nacional ou estrangeira
(+) Novos financiamentos de curto e longo prazo
(-) Amortizao de curto e longo prazo
(-) Pagamento de juros de curto e longo prazo
Companhias ligadas a receber
(-) Adies em contas correntes
(+) Recebimentos de contas correntes
(+) Recebimento de juros e/ou variao monetria
Companhias ligadas a pagar
(+) Adies em contas correntes
(-) Pagamento de contas correntes
(-) Pagamento de juros e/ou V.Monetria
(-) Pagamento de participaes
(-) Pagamento de dividendos
(+) Subscrio de capital
4 - Gerao de caixa no perodo
(+) Baixa nas aplicaes financeiras em R$
(+) Baixa nas aplicaes financeiras em US$
(+) Novos contratos de mtuo
(+) Novos financiamentos para capital de giro
5 - Gerao de caixa ajustada
52
quantitativamente
seus
demonstrativos
financeiros,
buscando
53
ET =
( PC + ELP )
AT
(3.8)
Onde:
PC = Passivo circulante
ELP = Exigvel de longo prazo
AT = Ativo total
D / PL =
( PC + ELP )
PL
(3.9)
54
CE =
PC
PC + ELP
(3.10)
55
IRP =
AP
PL + ELP
(3.11)
ILC =
AC
PC
(3.12)
56
(3.13)
Onde temos:
LL = Lucro lquido
RL = Receita lquida de vendas
As empresas devem qualificar este indicador ao longo do tempo, procurando
adotar aes que o elevem. Entre as aes capazes de fazer este indicador
aumentar est a elevao dos preos de venda (quando possvel), reduo dos
custos de produo, seja pelo uso de insumos com menores preos ou seja pelo
aumento na ocupao da capacidade produtiva, que tem o poder de reduzir os
custos fixos de produo.
57
Este indicador mostra o quanto restou de cada real de venda aps a deduo
de todos os custos desembolsveis associados ao processo produtivo. No esto
includos os custos de depreciao e amortizao nem os pagamentos de juros por
conta de emprstimos. Seu clculo dado pela equao 3.14:
ME =
EBITDA
RL
(3.14)
58
ROCE =
Lucro _ operacional
Ativo _ econmico
(3.15)
Onde:
Ativo_econmico = todo o capital utilizado para gerar o lucro operacional
Este indicador foi desenvolvido pela Stern & Stewart Company, uma
companhia de consultoria dos Estados Unidos, com o objetivo de verificar se o
capital investido por uma empresa, em determinado negcio, est remunerando
adequadamente aos proprietrios. Caso a remunerao esteja acima do custo do
capital empregado no negcio, ento estar havendo criao de valor para os
acionistas; caso contrrio, estar havendo destruio de valor.
O clculo do EVA dada pela equao 3.16:
(3.16)
Onde:
CMPC = Custo mdio ponderado de capital, que leva em conta o custo de todos os
capitais empregados no negcio, ou seja, o custo do capital prprio dos acionistas e
o custo do capital de terceiros, associados s dvidas da empresa.
Conforme Ehrbar (2000, p. 1), Em seu nvel mais bsico, o EVA, uma sigla
para valor econmico agregado, uma medida de desempenho empresarial que
difere da maioria das demais ao incluir uma cobrana sobre o lucro pelo custo de
todo o capital que uma empresa utiliza.
59
60
Caixa e bancos
Duplicatas descontadas
Ttulos e valores mobilirios
Contas a receber
Emprstimos bancrios
de curto prazo
Estoques
Obrigaes Fiscais
Contas a receber
Obrigaes Trabalhistas
Despesas antecipadas
Contas Cclicas
Contas Cclicas
Fornecedores
Passivo Circulante
Contas Errticas
PASSIVO
Contas Errticas
Ativo Circulante
ATIVO
Contas No Cclicas
Reservas em geral
Investimentos
Imobilizado
Capital social
Permanente
Passivo no circulante
Patrimnio lquido
Ttulos a receber
Contas No Cclica
Ativo No circulante
Emprstimos a terceiros
Diferido
61
62
Ativos
Circulantes
Passivos
circulantes
CDG
Ativos de
Longo Prazo
(RLP + AP)
Passivos de
Longo Prazo
(ELP + PL)
63
(3.18)
A partir da Figura 10 tambm possvel tirar uma outra relao para o Capital
de Giro CDG, conforme Eq. 3.19 a seguir:
CDG AC PC
(3.19)
Entretanto, a equao 3.19 deve ser vista apenas como uma identidade
matemtica conseqncia da definio dada na equao 3.18, e no como uma
definio para o capital de giro.
ST = CDG NCG
(3.20)
64
ST = Ae PE
(3.21)
65
Informao fornecida por O. V. Perroni na palestra A petroqumica brasileira e alguns de seus mitos, na
Comisso de Petroqumica do Instituto Brasileiro de Petrleo, em So Paulo, em 18 de abril de 2001.
66
67
fundamentalmente
diversos
tipos
de
polietilenos
68
Uma central tpica pode produzir, entre outros, os seguintes produtos: Benzeno, Butadieno, Buteno-1, Eteno,
Gasolina, GLP Gs liquefeito de petrleo, MTBE Metil-ter-butil-ter, leo combustvel aromtico, Propano,
Propeno, Solventes alifticos, Solventes aromticos, Tolueno, Xileno
69
bsica deve ter escala suficiente para produzir, no mnimo 500 mil toneladas ano de
eteno, que se for base de nafta, significar um consumo desta matria prima da
ordem de quase 2 milhes de toneladas por ano.
Os investimentos necessrios para realizar um empreendimento deste porte
aproximam-se de 1 bilho de dlares, e requerem pessoal altamente qualificado.
A complexidade do empreendimento significa que um projeto deste porte
pode levar mais de 5 anos entre sua concepo e o incio de produo.
Assim, sua concepo bsica, projeto, construo e operao devem ser
etapas planejadas criteriosamente, visando o sucesso do empreendimento.
O modelo aqui proposto foi construdo a partir de uma lgica que facilite o
entendimento e a utilizao do mesmo. Foi empregada a plataforma da planilha
eletrnica do Microsoft Excel, visto ser esta uma ferramenta de uso disseminado e
que permite a sua rpida apreenso por parte do usurio.
A projeo dos resultados da empresa feita num horizonte de 10 anos,
sendo que nos dois primeiros o detalhamento mensal. Permite tambm que sejam
escolhidas diferentes distribuies de probabilidades associadas s variveis
relevantes, entre algumas alternativas, conforme se pode ver na Figura 11, a seguir:
70
71
72
73
74
75
76
77
78
79
80
Figura 20 Indicadores
Fonte: elaborado pelo autor
81
Considerando que a nafta, matria prima adotada, tem seu preo associado
ao preo do petrleo, de onde se origina, o preo desta commoditie fundamental
para o negcio de qualquer central petroqumica. Assim, o modelo aqui considerado
tem como premissa fundamental o preo do petrleo tipo Brent, referencial bsico
utilizado no mundo dos negcios de energia. A partir do preo deste petrleo Brent
no mercado internacional, o modelo deriva o preo da nafta, atravs de uma
correlao fundamental adotada neste negcio. O preo da nafta a resultante do
preo do petrleo Brent dado em US$/toneladas mais um spread, que varia
conforme condies gerais do mercado.
E assim est estabelecido o preo da nafta nesta aplicao, ou seja, ele
resultante direto do preo do petrleo. E este ltimo sim, considerado a varivel
estocstica mais relevante para a indstria, dado seu impacto final nos custos e na
rentabilidade do negcio.
Outras variveis relevantes para o negcio petroqumico so as variveis
macroeconmicas, como as taxas de juros nacionais e internacionais, de curto e de
longo prazos, a taxa de cmbio e a inflao. Assim, todas estas variveis tambm
so consideradas variveis estocsticas no modelo desenvolvido.
Dado que as matrias primas da indstria petroqumica esto todas
associadas
ao
mercado
energtico
(petrleo),
cujo
preo
cotado
82
5.6 SIMULAES
83
Figura 22 Simulaes
Fonte: elaborado pelo autor
Uma vez que o sistema tenha feito as rodadas demandadas, ento o usurio
dever ir at a aba Estabilizao, onde ele poder verificar se o nmero de
rodadas foi satisfatrio. Caso as variveis de sada tenham convergido para valores
estveis, ento no ser necessrio aumentar o nmero de rodadas.
A Figura 23, a seguir, mostra alguns dos grficos das variveis de sada da
simulao, onde o nmero de rodadas simuladas foi suficiente para estabilizar as
mdias das mesmas:
84
85
86
87
6 CONCLUSO
88
89
utilizao
da
metodologia
de
Monte
Carlo
em
modelos
90
REFERNCIAS
91
92
93