Utilização Do Modelo Fuzzy de Avaliação de Investimentos Reais Virf para Avaliação de Ativos e Comparação Com o Modelo Clássico de Avaliação Por Fluxos de Caixa Descontados PDF

UTILIZAO DO MODELO FUZZY DE AVALIAO DE INVESTIMENTOS
REAIS (VIRF) PARA AVALIAO DE ATIVOS E COMPARAO COM O

MODELO CLSSICO DE AVALIAO POR FLUXOS DE CAIXA
DESCONTADOS (FCD). ESTUDO DE CASO: AVALIAO DO VALE
Gilberto Jos Xavier Cardoso Junior
Dissertao de Mestrado apresentada ao

Programa de Ps-graduao em Engenharia
Civil, COPPE, da Universidade Federal do
Rio de Janeiro, como parte dos requisitos
necessrios obteno do ttulo de Mestre
em Engenharia de Produo.
Orientador: Carlos Alberto Nunes Cosenza
Rio de Janeiro
Setembro - 2010
1

DISSERTAO SUBMETIDA AO CORPO DOCENTE DO INSTITUTO ALBERTO

LUIZ COIMBRA DE PS-GRADUAO E DISSERTAO DE ENGENHARIA
(COPPE) DA UNIVERSIDADE FEDERAL DO RIO DE JANEIRO COMO PARTE
DOS REQUISITOS NECESSRIOS PARA A OBTENO DO GRAU DE MESTRE
EM CINCIAS EM ENGENHARIA DE PRODUO.
Examinada por:
________________________________________________
Prof. Carlos Alberto Nunes Cosenza, D.Sc.
________________________________________________
Prof. Francisco Antonio de Moraes Accioli Doria, D.Sc.
________________________________________________
Prof. Jos Roberto Ribas, D.Sc.
RIO DE JANEIRO, RJ - BRASIL

SETEMBRO DE 2010
Cardoso Junior, Gilberto Jos Xavier Cardoso

Utilizao do Modelo Fuzzy de Avaliao de Investimentos Reais (VIRF)
para avaliao de ativos e comparao com o modelo clssico de avaliao por
fluxos de caixa descontados (FCD). Estudo de caso: Avaliao da Vale/Gilberto
Jos Xavier Cardoso. Rio de Janeiro: UFRJ/COPPE, 2010.
VIII, 94 p.: il.; 29,7 cm.
Dissertao (mestrado) UFRJ/ COPPE/ Programa de
Engenharia de Produo, 2010.
Referncias Bibliogrficas: p. 73-86
1. Fuzzy. I. Cosenza, Carlos Alberto Nunes. II. Universidade Federal do Rio de
Janeiro, COPPE, Programa de Engenharia de Produo. III. Ttulo.
iii
3
Resumo da Dissertao apresentada COPPE/UFRJ como parte dos requisitos

necessrios para a obteno do grau de Mestre em Cincias (M.Sc.)


Setembro/2010
Programa: Engenharia de Produo
Esta dissertao desenvolve um maior conhecimento sobre grandes investimentos

industriais reais e giga-investimentos. Utiliza-se um modelo de avaliao fuzzy de
investimentos industriais reais para giga-investimentos visando analisar o valor
econmico da companhia Vale, cujas equaes so solucionadas analiticamente. Alm
disso, utilizado o mtodo de avaliao por fluxo de caixa descontado para analisar a
mesma companhia e faz-se uma comparao entre os resultados. Os resultados
observados corroboram com os resultados previstos.
iv
Abstract of Dissertation presented to COPPE/UFRJ as a partial fulfillment of the

requirements for the degree of Master of Science (M.Sc.)
UTILIZATION OF FUZZY REAL INVESTMENT VALUATION MODELS (FRIV)

TO ASSET VALUATION AND COMPARISON WITH CRISP DISCOUTED CASH
FLOW (DCF). CASE STUDY: VALUATION OF VALE COMPANY

Setembro/2010
Advisor: Carlos Alberto Nunes Cosenza
Department: Industrial Engineering
This works enhance the understanding of vary large industrial real investments and
giga-investments. A fuzzy real investment valuation model is used for giga-investments
to analyze the economic value of Vale company, whose equations are solved
analytically. Furthermore, the discounted cash flow method is used to evaluate the same
company and making a comparison between the results. The observed results
corroborate the expected results.
v
5
Agradecimentos
Agradeo aos meus mestres e colegas que me ajudaram na elaborao desta dissertao,
ampliando meus horizontes e enriquecendo meu conhecimento.
Tenho de prestar uma agradecimento a amiga Catarina Maria Cristina Gervai Pedrosa,
que na poca, era minha chefe no departamento de anlise de empresas na corretora
Banif Securities. Sem ela e sem o apoio da corretora no seria possvel cursar o
Mestrado em Engenharia de Produo da COPPE.
Um agradecimento especial a minha esposa Jusara Prraga pela compreenso e ajuda
nas revises de texto.
A minha famlia, agradeo aos meus pais pelo grande exemplo e incentivo em continuar
e aprofundar meus estudos acadmicos.
vi
6
NDICE
1. Introduo
1.1. Motivao para esta dissertao
1.2. Esboo da dissertao
2. Conceitos
2.1. Giga-Investimentos Industriais Reais (GIIR)
2.2. Estado da arte da anlise da rentabilidade
2.2.1. Mtodos mais utilizados para anlise de rentabilidade (Avaliao de
Investimento)
Mtodo de Valor Presente Lquido (VPL)
Mtodo de Taxa Interna Retorno (TIR)
Mtodo Payback (PB)
2.2.2.Tecnologia de suporte a deciso e ferramentas de alocao de capital suplementar
2.3. Avaliando a flexibilidade gerencial, com avaliao de opes: Opes Reais
2.4. Modelagem imprecisa (Financeira) de informaes com Lgica Fuzzy
2.4.1. Fundamento dos Conjuntos Fuzzy
2.5. Resumo dos fundamentos terico para esta dissertao
2.6 Entendendo um Giga-InvestimentoIindustrial Real (GIIR)
2.6.1 Definies e principais ferramentas
2.7 Definindo Giga-Investimentos - Trs principais caractersticas
2.7.1. A Longa vida econmica
2.7.2. Alto grau de irreversibilidade
vii
7
2.7.3. Longo tempo de construo

2.7.4. Giga-investimento: Questes da avaliao e ciclo de vida
2.8. Aprimoramento na avaliao
de
opo real Black-Scholes para Giga-
Investimentos
2.8.1. Modelo (hbrido) de Avaliao de opo real fuzzy (VORF)
2.9. Um Novo Modelo de Avaliao de Giga-Investimentos
2.10. Um resumo sobre a Vale
2.10.1. Panorama Geral dos Negcios
3. Metodologia
3.1 Motivao para a aplicao do mtodo VIRF para avaliao da Vale
4. Desenvolvimento
4.1 Avaliao da Vale utilizando FCD
4.1.1 Indicadores e dados de previso para o modelo FCD da Vale
4.1.2. Anlise dos resultados da avaliao da Vale utilizando o mtodo de FCD
4.2 Utilizao do Modelo VIRF para avaliao da Vale
4.2.1 Definio das variveis do modelo VIRF
5. Concluses e futuras pesquisas
5.1. Resumo dos Objetivos e Contribuies da dissertao
5.2. Concluses
5.2.1. Pontos Fracos da dissertao
6. Referencias bibliogrficas em ordem alfabtica
viii
8
01. Introduo
1.1.
Motivao para esta dissertao
Avaliao o cerne da tomada de deciso em investimentos. H um nmero de fatores

que so importantes quando as decises de investimento so tomadas, no entanto, a
rentabilidade de um investimento talvez a nica e mais o importante fator que
contribui para a deciso. Isso se aplica tanto para investimentos financeiros quanto
ativos reais.
Podemos entender investimento real como sendo feito em um nico real ativo, ou em
um nico projeto, como uma mquina ou uma planta industrial. Como financeiro
entendemos investimentos que so feitos em valores mobilirios que possuam um ativo
real, ou mais comum, uma coleo de ativos reais (uma companhia) a elas subjacentes.
Geralmente, os modelos de avaliao so utilizados para ambos os casos, ativos
financeiros e ativos reais.
Os mercados para investimentos de ativos reais e financeiros so diferentes. Caso uma
companhia invista em ativos financeiros e decida reverter esta deciso, os ativos
financeiros podem, com uma probabilidade muito elevada, serem vendidos em
mercados
financeiros.
preo
do
ativo
financeiro
determinado
nos
mercados existentes para o ativo em questo e pode ser vendido no determinado preo.
Em outra alternativa, uma companhia invista em um ativo real e decida reverter a
deciso de investimento, pode ser impossvel encontrar um comprador para o ativo. Tal
hiptese se d quando o investimento foi feito em uma maquinaria especializada, ou
algum outro ativo real pouco utilizado, ou ainda, quando o investimento real muito
grande. Em outras palavras, os investimentos reais tem maior grau de irreverssibilidade
que os investimentos financeiros, e em especial para o grande investimento real, que
mais se torna difcil de se reverter.
Assim, parece que os mercados de investimentos financeiros so diferentes dos
mercados de investimento real. Isto significa que os ativos reais so diferentes de ativos
financeiros como investimentos, ainda que a avaliao dos ativos reais seja geralmente
feita com os mesmos modelos de avaliao dos ativos financeiros. Parece tambm que
os grandes investimentos reais so diferentes dos pequenos investimentos reais, devido
1
ao seu maior grau de irreversibilidade. Investimentos reais muito grandes necessitam de

grande imobilizao de capital e afeta a estratgia futura das companhias. Quanto maior
o investimento real , mais importante deve ser feita corretamente a avaliao de
investimento, porque as companhias esto, de fato, ligadas a seus grandes investimentos
reais. Uma deciso de investimento incorreta pode levar essas companhias a perderem
quantias significativas em dinheiro, deteriorar sua rentabilidade ou at falir.
(Caves, Gale, e Porter, 1977 ) afirmam que "um dos mais importantes determinantes de
desempenho de muitas companhias ex-post o seu sucesso respectivo com grandes e
ex-ante investimentos incertos", eles tambm apontam semelhantes argumentos que
aparecem em (Demsetz, 1973), (Bock e Farkas, 1969), e (McGee, 1974). O tempo dos
investimentos tambm um problema importante nas indstrias de transformao. De
acordo com as respostas a um inqurito realizado entre companhias irlandesas de
manufatura, o tempo de investimentos em projetos de capital ir afetar o futuro
desempenho da companhia, (Driver e Whelan, 2001). A partir desse contexto, grandes
investimentos industriais reais podem ser considerados vitais para o desempenho da
companhia.
(Collan, 2004) cita o interesse pela avaliao de grandes investimentos industriais reais
surgiu entre as tradicionais companhias industriais na Finlndia durante o perodo de
referncia (contexto econmico), no perodo 1995 a 2004, durante o qual o mundo
apreciou o grande crescimento das companhias chamadas de ponto com. Os retornos
projetados, relativamente baixos e historicamente decrescentes, recairam sobre as
tradicionais companhias industriais que no poderiam competir com os retornos
elevados esperados pelas de tecnologia da informao1.
Devido ao contexto econmico e os juros aparentemente baixos do mercado para
financiamento de seus investimentos, as companhias industriais envolvidas em
fazer grandes investimentos industriais reais tornaram-se mais interessadas em modelos
de avaliao e que suportassem a tomada de deciso de seus investimentos. No fundo,
este interesse foi uma suspeita de que talvez os modelos utilizados para avaliao de
grandes investimentos industriais reais no davam a real magnitude do seu valor.
1
Em uma retrospectiva, podemos dizer que as expectativas de muitas companhias pontocom era fundamentalmente falhas, devido
ao excedente de receita expectativas positivas e, em parte, da desqualificao riscos envolvidos. Uma espiada na avaliao de
companhias pontocom pode ser encontrada, por exemplo, em (Desmet et al., 2000), e em erros na avaliao da companhia, por
exemplo, em (Fernandez, 2003).
Curiosamente, parece que existem muitos poucos modelos de avaliao disponveis,

especificamente projetado para grandes investimentos reais.
Grandes investimentos industriais reais so normalmente caracterizados por grandes
investimentos a fundo perdido, que, juntamente com seu grande tamanho fsico e
equipamento especializado, pode tornar-se em investimentos irreversveis. Sob tais
circunstncias, os investimentos podem ser originais, isto , por no ter nenhuma
informao histrica ou investimentos comparveis disponveis, a incerteza desempenha
um papel fundamental na tomada de deciso de grandes investimentos industriais. A
incerteza sobre a rentabilidade do investimento faz com que o investimento seja um
risco para a companhia. Os gestores precisam de mais informaes sobre o incerteza e
os efeitos dela no valor de grande investimentos industriais reais, e por isso que h um
interesse em novos mtodos que melhorem a anlise da rentabilidade ex-ante de
grandes investimentos industriais reais.
Uma maneira de adicionar anlise ex-ante dos investimentos reais usar a avaliao
de opes reais, com base na avaliao das financeiras, para capturar o valor, por
exemplo, esperando para investir. A avaliao da opo real um mtodo que tambm
til para grandes investimentos industriais reais, devido s suposies subjacentes
frmulas financeiras de preos (Black-Scholes) utilizadas na avaliao deste tipo. A
utilizao desses modelos e avaliaes destas alternativas para estes investimentos
podem ser questionadas. Esta dissertao aplica um mtodo de avaliao fuzzy de opo
real, com base na frmula de Black-Scholes que projetada para melhorar desta a
avaliao para o grandes investimentos industriais reais.
Um modelo de avaliao fuzzy real de investimento, com base nas caractersticas de
grandes investimentos industriais reais, utilizado. Este modelo concentra-se
especialmente no tratamento da incerteza, utilizando conjuntos fuzzy para captar a
incerteza do fluxo de caixa e contando com uma previso futura, ao contrrio do
comumente utilizado com um histrico, o mtodo de clculo do desvio-padro para a
estimativa da incerteza do investimento.
Esta dissertao ainda discute ser possvel, de maneira bastante intuitiva, dividir a
avaliao de grandes investimentos industriais reais em trs fases que podem ser
tratados separadamente, dando uma nova viso para a valorao destes investimentos.
Esta dissertao pressupe que as decises de investimento so tomadas por gestores e
de forma sistemtica, com base nas anlises sobre a rentabilidade do investimento em
questo. Sob os pressupostos de melhores modelos de avaliao, as necessrias
ferramentas de apoio deciso e com base sistemtica do investimento que resultaro
as decises plenas e, portanto, adicionar riqueza companhia. Este contedo no
enfatiza questes organizacionais, psicolgicas e problemas de gesto para as tomadas
de deciso.
Com base na discusso acima, a motivao para este trabalho a aplicao da
ferramenta VIRF de avaliao de empresas, em particular da Vale, e comparar com o
mtodo de fluxo de caixa descontado. Devido s constantes mudanas nas condies de
negcios, ciclos econmicos, tempo de espera para a tomada de investimentos e a
irreversibilidade de investimentos, torna-se cada vez mais importante avaliar um ativo
de forma mais precisa. Espera-se uma avaliao do ativo de forma mais detalhada e
precisa para suportar melhor um processo decisrio de investimento. Alm disso,
poder se avaliar se o modelo VIRF pode ser aplicado no mercado de capitais, fuses e
aquisies.
1.2. Esboo da dissertao

Esta dissertao foi elaborada como uma coletnea de artigos com a reunio de temas da
avaliao, aplicando novos conhecimentos sobre grandes investimentos industriais
reais. No mbito da avaliao de investimentos a colocao do problema desta
dissertao de que um grupo especial de investimentos, dentro do grupo de grandes
investimentos industriais reais, pode ser definido e que o grupo tem caractersticas que
precisam e podem ser tomados em considerao nas suas avaliaes. Mtodos podem
ser desenvolvidos e podem ser demonstrados para representar extenses, ou melhorias,
para os modelos de investimento existentes. Argumenta-se que os modelos vo reforar
e melhorar o apoio s decises de investimento. Para apresentar o problema, os
objetivos desta dissertao so:
4
(I) Compreender e caracterizar os grandes investimentos industriais reais;

(II) Para os fins desta dissertao, mostrar a definio de um grupo especial de
investimentos no mbito do grupo de grandes investimentos industriais reais;
(III) Desenvolver e selecionar relevantes construes e mtodos a serem utilizados na
avaliao do seleto grupo de investimentos e de grandes investimentos industriais reais;
(IV) Apresentar um quadro demonstrativo para a avaliao do seleto grupo de
investimentos que se baseia nas construes e mtodos propostos e selecionados;
(V) Utilizao do modelo e comparao com um modelo VPL para avaliao de
empresas, caso especfico da companhia Vale do ponto de visto de fuso e aquisio.
Os cinco objetivos devem servir para melhorar nosso conhecimento sobre grandes
investimentos industriais reais e deve nos dar um cenrio de utilizao desta ferramenta
que pode ser usado em avali-los.
A dissertao est dividida em duas partes. A primeira parte trata de uma reviso
bibliogrfica dos trabalhos publicados sobre o assunto. So apresentadas e discutidas as
diferentes questes de trabalhos e temas, mostrando como eles se interligam e formam
um todo. A segunda parte baseada na aplicao do modelo e comparao dos
resultados da investigao.
A primeira parte desta dissertao est estruturado da seguinte forma:
O Captulo 2 apresenta a argumentao sobre a qual esta dissertao foi conduzida, ou
seja as questes principais que contribuem e as disciplinas que so relevantes para o
presente estudo.
O Captulo 3 descreve a metodologia utilizada para esta dissertao.
O Captulo 4 apresenta o desenvolvimento das anlises propostas e discusso de seus
resultados.
O Captulo 5 conclui apresentando os resultados da dissertao com referncia
avaliao de grandes investimentos industriais reais e enfatiza as principais
contribuies. Limitaes do estudo so abordadas e para o futuro da investigao,
possibilidades so sugeridas.
5
2. Conceitos
Este captulo ir apresentar o pano de fundo sobre a qual esta dissertao se baseia.
Primeiro, uma breve introduo ao giga-investimento industrial real feita, onde as
caractersticas que so relevantes para a avaliao e rentabilidade destes investimentos
so discutidas e resumidas. Ento, uma reviso do estudo da arte da anlise de
rentabilidade feita, com uma apresentao dos mtodos mais comumente usados para
alocao de capital, a entrada seletiva de valor varivel, ferramentas de alocao
suplementar de capital, e a evoluo da tecnologia de suporte deciso para alocao de
capital. Em terceiro lugar, modelagem de flexibilidade de gesto e avaliao de opes
reais, so discutidas e, uma apresentao acerca da modelagem de informaes
financeiras com lgica fuzzy dada, seguida por uma discusso sobre os conjuntos
fuzzy e nmeros fuzzy. No ltimo tpico o modelo de avaliao de investimento real
fuzzy introduzido e discutido.
2.1.
Giga-Investimentos
Giga-investimentos
industriais
Industriais
reais,
abreviado
GIIR,
Reais
(GIIR)
so
normalmente
investimentos que as companhias industriais fazem em suas instalaes de produo.

Exemplos de grandes investimentos industriais reais so, por exemplo, usinas nucleares
outro tipos de usinas, jazidas e minas, siderrgicas, fbricas de papel e celulose, e outras
grandes instalaes de produo industrial. GIIR so muitas vezes importantes,
no s para as companhias, mas tambm para a sociedade e para a economia como um
todo. Questes como meio ambiente, segurana e emprego no so desprezadas, quando
GIIR so discutidos. Na seqncia da discusso sobre os GIIR, no entanto, vai
priorizar-se questes sobre a rentabilidade e avaliao de grandes investimentos
industriais reais. O tamanho do investimento inicial dos GIIR varia, no entanto, eles
esto acima dos cem milhes de dlares (ou USD)2. O custo do investimento inicial
muitas vezes um custo perdido. GIIR so os investimentos fixos e uma vez que sua
construo foi iniciada, por sua parte, bloqueia a estratgia geogrfica da companhia at
o local de construo. A tecnologia dos GIIR tambm na maioria das vezes fixada por
Custos de investimento inicial utilizado na literatura para GIIR so, por exemplo, USD 104 milhes (leo campo) (Trigeorgis,
1995), US $ 600 milhes (campo de petrleo) (Leslie e Michaels, 1997), FIM 1,4 bilhes (siderurgia) (Blom, 2000), FIM 988
milhes (fbrica de celulose) (Bodman, 2000), EUR 1,7-2,5 bilhes (usina nuclear) (Teollisuuden Voima 2000), e 550 milhes de
dlares (Hidreltrica) (Keppo e Lu, 2003).
um longo tempo e, muitas vezes existem restries, por exemplo, com a capacidade de
produo e com a qualidade da produo do investimento.
"Os investimentos tm um grau de irreversibilidade uma vez que tenham sempre
atributos que faam do capital prprio da companhia, um produto ou uma indstria, ou
to custoso o suficiente para se mover e/ou realocar o valor do capital que foi
efetivamente ligado ao seu uso original "(Barham, Chavas e Klemme, 1994). Segundo a
definio acima, GIIR so de certa maneira, irreversveis. Isso tambm corroborado
pela observao de que no existem mercados estabelecidos para a compra e venda de
GIIR.
O tempo de construo de um GIIR pode ser longo, variando de meses a vrios anos,
por exemplo, dois anos (mquina de papel) (Bodman, 2000), dois anos (Palomki,
2000), trs anos (coque vegetal) (Blom, 2000), trs anos (de celulose) (Leivo, 2001), e
de 4-5 anos (usina nuclear) (Teollisuuden Voima, 2000). Durante um longo perodo de
construo, pode haver mudanas nos mercados, nos quais o giga-investimento
industrial real ir operar aps a sua concluso. Tais mudanas podem afetar a
rentabilidade desses investimentos. Um longo tempo de construo pode aumentar a
dificuldade de se estimar os fluxos de caixa a partir dos GIIR, e assim aumentar a
incerteza do investimento.
O GIIR, na maioria das vezes tm longa vida econmica de 10 a 20 anos3,
variando at 60 anos, por exemplo, usinas de energia nuclear (Teollisuuden Voima,
2000)), ou ainda mais, por exemplo, minas. Quando a rentabilidade de um GIIR
analisa a longa vida econmica, pode causar problemas na preciso da estimativa de
custos e fluxos de caixa e as respectivas receitas provenientes dos GIIR. muito
provvel que os mercados mudem vrias vezes durante a vida econmica dos GIIR.
GIIR podem ter um efeito nos seus mercados, por exemplo, "... no caso de mercado de
eletricidade uma vez que uma usina nova normalmente aumenta significativamente a
capacidade no mercado e, portanto, a deciso de investimento pode afetar o preo da
eletricidade "(Keppo e Lu, 2003). Como um exemplo concreto de um investimento que
orienta os mercados que apresentam uma anlise deste tipo de uma usina hidreltrica.
Efeitos semelhantes da direo do mercado visvel tambm na indstria de papel
Por exemplo, (Blom, 2000), (Bodman, 2000), (Palomki, 2000), Leivo (2001), e (e Keppo Lu, 2003).
(Papel e celulose) (Leivo, 2001) e (Bodman, 2000), e metais bsicos na indstria (cobre
e ao) (Palomki, 2000) e (Blom, 2000). Isto significa que alguns GIIR no seguem um
comportamento tomador de preos, mas h um ciclo de realimentao entre GIIR e os
mercados em que so construdos (Harris, 1978).
Troca
Investimentos
Reais
Investimentos
Figura
1.
GIIR
so
um
caso
Mercado
GIIR
especial
de
investimento.
Alguns
GIIR
podem
dirigir
seus mercados: um ciclo de realimentao entre o investimento e os seus mercados.
Um investimento que possa afetar os preos de mercado, ajustando a sua capacidade de

produo, ou o acesso aos mercados, d aos gestores de tais investimentos uma chance
para tentar otimizar o valor do investimento por um ajuste de produo a nvel timo ou
de entrada. A existncia de tais possibilidades significa que os gestores executando um
GIIR com a possibilidade de orientar os mercados possam tomar decises com base nas
informaes que no seja estocstica (aleatria). Nos casos em que um gigainvestimento industrial real pode dirigir os mercados h um efeito sobre o valor do
investimento (Keppo Lu, 2003) e (Harris, 1978).
A escolha do financiamento de um GIIR pode afetar o seu valor. O project finance um

conjunto de tcnicas4 elaboradas para o financiamento e gesto de projetos de grande
escala de capital intensivo, e, como disciplina acadmica, investiga e desenvolve estas
tcnicas. O project finance geralmente entendido como uma forma de financiar
grandes investimentos reais, de modo que as receitas geradas pelo investimento sejam
usadas para amortizar os emprstimos de financiamento do projeto, e os ativos do
4
O project finance inclui tcnicas para a criao de uma companhia de projeto para fins especiais para um projeto de investimento
financiado. As tcnicas incluem mtodos para, por exemplo, a viabilidade de estudos, os acordos entre os proprietrios, os contratos
com gerenciamento de projetos, e outros. O financiamento do projeto usando project finance altamente praticado.
investimento tidos como garantia. O project finance o financiamento de escolha de

muitos GIIR, por exemplo, (Finnerty, 1996).
A justificativa para o project finance dar a possibilidade de diluio do risco de
grandes investimentos de capital intensivo. Repartio do risco entre certo nmero de
partes torna possvel iniciar grandes investimentos em situaes onde nenhuma parte
est disposta ou capaz de realizar todos os riscos e obrigaes de dvida relacionadas a
um investimento sozinho. O tipo de financiamento utilizado em projetos de grande
escala pode ter um efeito sobre a rentabilidade de um projeto. A quantidade de
alavancagem que um projeto possui pode mudar durante a vigncia do projeto, tendo
assim um efeito sobre o risco do projeto. (Esty, 1999) observa que a mudana na
alavancagem tem um efeito sobre a taxa de desconto utilizada no clculo
dos valores presentes dos fluxos de caixa futuros, portanto, as taxas de desconto
utilizadas para fluxos de investimento devem refletir as alteraes no financiamento.
Algumas companhias utilizam o custo mdio ponderado de capital (WACC) como a
taxa de desconto para seus investimentos, mas tem sido demonstrado que incorreta a
utilizao do WACC como taxa de desconto, por exemplo, (Arditti, 1973), (Baranek,
1975) e (Brick and Thompson, 1978).
GIIR so investimentos muito grandes e, portanto, importante para as companhias
compreend-los. Quando as decises de investimento em GIIR so feitas, um nmero
de questes tem de ser tomadas em considerao. Para resumir brevemente algumas
caractersticas importantes para GIIR e na sua avaliao, podemos afirmar que:
- Eles tm um grande investimento inicial, que mais freqentemente um custo
perdido:
- Geralmente so irreversveis;
- No h mercados estabelecidos de compra e venda de GIIR;
- Muitas vezes tm um longo perodo de construo;
- Eles tm uma longa vida econmica;
- Os mercados tendem a mudar durante a sua vida econmica;
- Alguns GIIR podem dirigir os seus mercados;

- GIIR que dirigem os mercados tm importncia estratgica em seus mercados;
- Escolha do financiamento pode afetar a rentabilidade dos GIIR
As caractersticas acima fazem os GIIR diferentes de aplicaes financeiras e de outros
investimentos reais.
Grandes investimentos industriais reais so feitos na presena de incerteza, uma grande
parte dos quais se insere na categoria de incerteza estrutural que " baseado no
conhecimento imperfeito quanto estrutura que o futuro pode ter "(Kylheiko,
Sandstrm e Virkkunen, 2002). Isto diferente da incerteza paramtrica, em que o
agente, neste caso o gestor tem certo conhecimento sobre a estrutura de uma deciso de
um problema, mas tem dvidas sobre os parmetros do problema ou probabilidades. O
citado
acima
significa
que
os
tomadores
de
deciso
planejadores,
responsveis por decises de grandes investimentos industriais reais podem descobrir

ser impossvel que , ex-ante, o modelo de vida econmica dos GIIR de uma forma
detalhada. Isto implica que, ao lidar com GIIR, decisores esto enfrentando dificuldades
no s para estimar os valores dos parmetros incertos, mas tambm com a incerteza
sobre a estrutura do problema em si (neste caso a anlise da rentabilidade do
investimento). A incerteza estrutural causada por uma srie de questes caractersticas
dos GIIR, por exemplo, os mercados em que operam podem mudar vrias vezes
(entrada de novos operadores, alteraes tecnolgica, etc.).
2.2. Estado da arte da anlise da rentabilidade

A deciso de investimento tomada pelos gestores racional e baseada na anlise
sistemtica da rentabilidade do investimento. O resultado um produto dos mtodos
utilizados na anlise da rentabilidade e de ferramentas de alocao suplementar de
capital. A forma utilizada para fazer a anlise e para executar as ferramentas
complementares desempenha um papel no nvel de apoio deciso proposta. Abaixo
analisaremos (mtodo de fluxo de caixa descontado) mtodos utilizados para a anlise
de rentabilidade, seleo da entrada dos valores das variveis, ferramentas de alocao
10
suplementar de capital, e tirar algumas concluses sobre o estado da tcnica de anlise

de rentabilidade do investimento.
2.2.1. Mtodos mais utilizados para anlise de rentabilidade (Avaliao de

Investimento)
Os mtodos neoclssicos de anlise de rentabilidade so os mais comumente utilizados
na anlise de rentabilidade hoje em dia, so mtodos que podem ser remetidos ao
quadro neoclssico terico para os investimentos e a teoria da companhia, pioneira no
final do sculo XIX e no incio do sculo XX, talvez, mais notavelmente por Irving
Fischer5.
Estes mtodos de anlise de rentabilidade baseados na observao de Fisher, de que um
dlar hoje vale mais do que um dlar amanh, e usa isso como base de avaliao dos
investimentos. Os mtodos que se baseiam em resultados de Fisher, hoje conhecidos
como fluxo de caixa descontado (FCD). Segundo (Wing, 1965), no se mudou muito
em fundamentos de mtodos de alocao de capital no perodo entre 1915 e 1965. Ele
baseia sua avaliao em Deventer,(1915) e afirma que inclui a base para os mtodos de
FCD disponveis em 1965 (descontado e custo de oportunidade do capital). Segundo
uma comparao de estudos sobre o uso de mtodos de alocao de capital em Ryan e
Ryan,( 2002) os mtodos mais utilizados na dcada de 60 em dois estudos,
foi o
mtodo de perodo de retorno do investimento (payback) e o de taxa de retorno contbil.

Os mesmos afirmam que os mtodos mais populares na dcada de 70, 80 e 90 so
tambm baseados no FCD , e que "os mtodos de alocao de capital descontados so
geralmente preferidos em relao s tcnicas sem descontos. Thompson e Wong,
(1991) afirmam que "a abordagem de fluxo de caixa descontado (FCD) para avaliao
uma das ferramentas mais fundamentais em finanas. Baseado no citado, parece que os
mtodos de alocao de capital mudaram pouco a partir do incio do sculo XX at hoje,
e ainda se baseiam nas tcnicas de FCD.
Como existem diferentes mtodos de anlise de rentabilidade com base no fluxo de
caixa descontado (FCD), e muitas verses destes, como foco da presente investigao,
Fisher fez uma definio de capital e discutiu o conceito de valor de tempo de capital (Fisher, 1896a. Ele desenvolveu o conceito
tambm conhecido como composio e descontos (Fisher, 1896b) e (Fisher, 1907).
11
vamos nos concentrar em trs mtodos mais comumente utilizados ,a partir de 2000. De
acordo com Ryan e Ryan,(2002), os mtodos de alocao de capitais mais usados pelas
companhias listadas no ranking da Fortune 1000 so, na seguinte ordem, o valor
presente lquido (VPL), taxa interna de retorno (TIR) e o payback (PB). Os mesmos trs
so considerados os mtodos mais comumente usados no ranking FTSE 100 das
companhias no Reino Unido Busby e Pitts, (1997), entre os cerca de 600 companhias
nos Pases Baixos Verbeeten,(2001), e na lista principal HEX companhias (86), na
Finlndia Collan e Langstrom,(2002). Sandahl e Sjgren,(2003) encontra em seu estudo
sobre as maiores companhias suecas que, em "A indstria da engenharia" e
"investimento" os mesmos trs mtodos que so os mais comuns. Nas "indstrias de
base",
os
trs
esto
entre
os
quatro
mtodos
mais
comumente
usados.
Mtodo de Valor Presente Lquido (VPL)

O valor presente lquido (VPL) de um investimento a soma do valor presente dos
fluxos descontados do custo do investimento inicial (CI) e o fluxo de caixa livre
estimado (FCL) a partir do investimento. A taxa de desconto ajustada ao risco usada.
Investimentos com VPL acima de zero so aceitos. Apresentaes iniciais de VPL
podem ser encontradas em Dean, (1951) e Bierman e Smidt, (1960), mais apresentaes
recentes esto disponveis em livros de texto padro sobre finanas corporativas, por
exemplo, Brealey e Myers, (2003).
A VPL definido como,

onde,
t = tempo
CIt = Investimento no tempo t (investimento inicial)
r fj = Taxa livre de juro no tempo j
E (VPL)t = fluxo de caixa esperado no tempo t
kj = taxa de desconto de tempo j
12

[1]
Verses Fuzzy VPL so apresentadas, por exemplo, em Buckley, (1987) e em

Kuchta (2000), que uma apresentao mais aprofundada. As verses Fuzzy
usam ao invs de nmeros clssicos para uso de modelo de valores variveis, nmeros
fuzzy que so apresentados na seo 2.4. desta dissertao.
Mtodo de Taxa Interna Retorno (TIR)

A Taxa Interna de Retorno (TIR) a taxa de desconto que d VPL zero. Por
comparao, a utilizao da TIR para uma taxa de atratividade de um investimento
aceita ou rejeitada.
A TIR a soluo para a equao seguinte,
0
!

!
[2]
Verses Fuzzy TIR so apresentadas, por exemplo, em Buckley, (1987), Kuchta,

(2000), e Carlsson e Fuller, (1998), o ltimo dos quais se concentra em Fuzzy TIR.
Mtodo Payback (PB)

O mtodo Payback aceita um investimento, caso se pague de volta o custo de
investimento (CI) inicial antes de uma data selecionada de corte (tem um tempo de
retorno inferior ao tempo de corte).
Tempo de Payback (TPB) definido como:
"# min , )*: 0 ,- . 0, /1
[3]
A durao do perodo de retorno pode ser utilizada como uma medida de risco dentro do
mtodo de payback, resultando na afirmao de que, quanto menor o tempo de retorno,
menor o risco. O mtodo de payback usado para comparar dois investimentos com
aproximadamente o mesmo VPL. O investimento com um menor perodo de payback
gera valor mais rpido e pode, portanto, ser mais vantajoso ceteris paribus. Verses
13
do PB onde se leva em considerao o valor do dinheiro no tempo tambm esto

disponveis. Verses Fuzzy PB apresentados, por exemplo, em Kuchta,(2000).
Tabela 1. Caractersticas de payback, taxa interna de retorno, e valor presente lquido
Mtodo
Payback
Taxa Interna de
Valor Presente
Caracterstico
(PB)
Retorno (TIR)
Lquido (VPL)
Avaliao por FCL
Sim
Sim
Sim
Valor do dinheiro no
No/Sim
Sim
Sim
tempo
Mtodo que lida com
Perodo de corte
Regra de deciso da
Taxa de desconto (caso
incerteza
TIR
o projeto especifique)
A tabela 1 apresenta as caractersticas dos trs mtodos mais comuns de alocao de

capital usados. Em cada um dos trs usado o mtodo de fluxo de caixa descontado
para anlise de rentabilidade como base e fornece um nico critrio para resumir em
uma nica resposta, a convenincia econmica do investimento proposto. Resultados de
Ryan e Ryan, (2002) e de Verbeeten, (2001), no entanto, sugerem que as companhias
no se limitem na anlise da rentabilidade de seus investimentos em um s mtodo, mas
elas utilizam uma combinao de mtodos para obter um retrato mais completo da
rentabilidade do investimento. Isso fcil de entender, quando se discute GIIR porque
suas grande dimenses e importncia para as companhias justificam os recursos
adicionais necessrios para uma anlise mais holstica. Isto tambm implica que os
gestores querem mais racionalidade, em vez de menos informaes na tomada de
decises de investimento.
Seleo da varivel de entrada
Os resultados dos mtodos de anlise de rentabilidade so dependentes da entrada de
valores das variveis. Nos trs mtodos mais comumente utilizados e apresentados
acima, as variveis de entrada mais comuns so o investimento inicial (CI) e o fluxos de
caixa livre (FCL). Para o VPL, tambm, a taxa de desconto (custo de oportunidade do
capital) deve ser selecionada. Abaixo iremos discutir maneiras de selecionar os valores
de CI e FCL. A taxa de desconto j foi logo discutida brevemente em 2.1.
Determinar o investimento inicial (CI) uma tarefa bastante simples para investimentos
financeiros, isto porque o CI o preo de mercado no momento em que o investimento
feito. Para pequenos investimentos reais, o CI o preo a que o verdadeiro bem
14
comprado e o custo de instalao possveis, onde se pode afirmar que bastante simples
estimar com preciso. A estimativa de CI para GIIR pode no ser to simples, porque o
investimento inicial por ser muito grande, o custo se dilui ao longo de vrios anos. Por
exemplo, para um investimento em usinas nucleares o tempo de construo gira entre 4
a 6 anos e os custos de investimento inicial depende de uma srie de contratantes e
fornecedores Teollisuuden Voima, (2000). O custo inicial de grandes investimentos
reais muitas vezes um pouco maior do que o esperado, e as companhias costumam se
preparar para essa possibilidade, Palomki, (2000).
Para a maioria dos investimentos, incluindo GIIR, a variabilidade do FCL dependente
da variabilidade do mercado (preos dos insumos para a produo e dos produtos de
sada), portanto, a evoluo dos mercados provavelmente tem uma alta correlao com a
evoluo do FCL do investimento. uma suposio justa que estimando os movimentos
de mercado pode-se estimar o FCL do investimento. No incomum que a estimativa
do FCL futuro seja chamado da previso de fluxo de caixa.
H uma srie de maneiras diferentes para a previso, por exemplo, fluxos de caixa,
que Armstrong e Crohman, (1972) os classificam em quatro diferentes tipos tericos de
acordo com o que eles esto sujeitos: julgamento, processo intuitivo, implcito ou
objetiva, para obter a previso bem especificada e se eles so ingnuos, dados de uso
apenas com varivel dependente ou causais, considerar muitas variveis que podem
causar mudanas na varivel dependente. Armstrong e Crohman,(1972 ) mostrando as
categorias tambm como acordo recente (subjetivo-ingnuo), extrapolao (objetoingnuo), opinio de especialistas (causal-subjetiva), e economtricos (objetivo-causal).
Vai se excluir um aprofundamento sobre os mtodos de acordo recente (subjetivoingnuo), mtodos estes que no so baseados em qualquer procedimento sistemtico,
porque assumimos, em 1,1, que gestores racionais e tomadores de deciso, baseiam na
anlise sistemtica. Esta tambm foi posio de Armstrong e Crohman, (1972).
Os mtodos de extrapolao (objetivo-ingnuos) so mtodos baseados em modelos que
usam a histria de uma srie temporal como base primria para a construo de um
modelo de previso qualitativa do seu futuro Fildes, (1979). H muitos e diferentes
mtodos de extrapolao que podem ser divididos em diferentes grupos, por exemplo,
anlise da curva de tendncia, amortecimento, mtodos Box-Jenkins,
15
previso
Bayesianas, e modelos adaptativos. Os diferentes tipos de modelos so adequados para

diferentes tipos de situaes, mas, em geral, a curva de anlise de tendncia
freqentemente utilizada para previso em longo prazo e os outros modelos tm uma
percepo adequada para o curto prazo Fildes, (1979). A seleo do mtodo de
extrapolao utilizado importante para a credibilidade da previso.
H melhorias disponveis para os mtodos de extrapolao que utilizam teoria dos
conjuntos fuzzy, ainda apresentada em 2.4., para aumentar a preciso da previso, por
exemplo, Chen e Wang, (1999). A adequao dos mtodos de extrapolao para GIIR
pode ser questionvel em alguns casos, devido ao fato de que no pode ser uma srie de
tempo disponvel para a extrapolao.
Os mtodos de previso por julgamento de especialistas (subjetivo-causal) podem ser
divididos em duas categorias principais, separadas em previses de julgamento e de
julgamento ajustado das previses Bunn e Wright, (1991). Separe a base de julgamento
de previso somente em julgamento de especialistas estruturados.
Formas bem conhecidas de separar as projees por julgamento so, por exemplo,
mesas-redondas de discusses entre os especialistas para chegar a um consenso sobre
uma previso, e os de tcnica Delphi. A tcnica Delphi, um conjunto de procedimentos
inicialmente desenvolvido pela Rand Corporation em 1940, projetado para obter o
consenso mais confivel da opinio de um grupo de especialistas Milkovich, Annoni, e
Mahoney, (1972). Delphi uma srie de intensos interrogatrios em que cada
especialista em um painel de especialistas, utilizando um conjunto de especialistas, e
projetado para ser mais favorvel independncia pensamento e da formulao gradual
de uma opinio considerada Dalkey,(1967).
Os especialistas tambm esto convidados a dar suas opinies sobre questes relevantes
para a questo principal. Para um exemplo do mtodo Delphi, por exemplo, Milkovich,
Annoni, e Mahoney,(1972) apresenta a utilizao dos procedimentos de previso Delphi
em recursos humanos. Pode ser questionado se, por exemplo, o mtodo Delphi cai sob a
categoria de mtodos subjetivos, como o prprio processo estruturado e transparente.
De acordo com Bunn e Wright, (1991) e com base, por exemplo, McNees e
Perna, (1981), Corker, Holly, e Ellis, (1986), e Turner, (1990), existem duas razes
16
principais para fazer ajustes de julgamento de previses feitas com modelos

economtricos e discutidas abaixo:
i) Erro de especificao: o modelo no est funcionando to bem como esperado e
faz sentido se ajustar a sada de dados ao invs de reconstruir todo o modelo, e
ii) Mudana estrutural: o desempenho do modelo esperado para ser influenciado por
algum fator extra-modelo ou de alteraes nos pressupostos do modelo.
A literatura parece sugerir que, quando os especialistas so utilizados em suas previses
de mundo real de contexto familiarizado (em sua rea de competncia especfica),
ento um processo de julgamento de ajuste formalizado como a melhor prtica e ir
aumentar o valor de um bom modelo estatstico (Bunn e Wright, 1991). Quando ajustes
de julgamento so feitos, devem ser feitos de forma estruturada e transparente, a
orientao para tal forma estruturada dado, por exemplo, em (Bunn e Wright, 1991).
Parece que a literatura que compara os modelos de julgamentos estatsticos, discute
principalmente os casos em que existe a possibilidade de construir um modelo confivel
(economtricos) e compara os modelos com previso de julgamento. Nos casos em que
no h bastante aprofundamento para um modelo estatstico confivel, pode muito bem
ser que a deciso seja a nica fonte confivel de previses, ou, pelo menos, supera os
modelos. Em tais casos, parece que as previses de julgamento seriam mais confiveis
do que os modelos estatsticos. No entanto, quando modelos estatsticos confiveis
podem ser construdos, ao que parece, de acordo com a literatura e que juntamente com
ajuste de julgamento, renderiam a mais confivel das previses. Para grandes
investimentos industriais reais a previso de julgamento pode ser o caminho mais
seguro para seguir, pois eles podem ser nicos e investimentos sem mercados
estabelecidos, seu futuro altamente incerto.
A previso de julgamento tambm tem limitaes, por exemplo, quando feito por
indivduos que no tenham amplo conhecimento de fenmenos previstosou seja por no
especialistas,onde a confiabilidade das previses e os ajustes podem ser ()
comprometidos. Alm disso, pode haver preconceitos anexados aos especialistas
individuais, para cada especialista existe uma base diferente de experincias em que se
produz a sua opinio.
17
Modelos economtricos (objetivo-causal) so uma forma de caracterizar uma economia

ou um sistema comportamental. Eles so tipicamente modelos lineares ou quase lineares
com uma estrutura bem definida estocstica. Os parmetros do modelo so estimados a
partir dos dados usando tcnicas bem compreendidas e estatisticamente ideais, baseadas
nestes pressupostos estocsticos (Fildes, 1985). Os modelos economtricos so
com base em uma definio do sistema estudado e em anlises sobre as caractersticas
estatsticas das variveis, sobre as relaes e causalidade entre as variveis do sistema
escolhido e da especificao da funcionalidade do modelo. Um modelo economtrico
srio tambm deve ser testado. Depois que o modelo construdo, ele usado (a
simulao executada) para gerar uma previso. (Fildes, 1985) um estado da arte de
modelos economtricos que inclui uma introduo abrangente para a construo de
modelos economtricos e estratgias de modelagem para comparao da preciso de
previso
de
60
diferentes
modelos
economtricos
tambm
compara
mtodos economtricos com outros mtodos.

Os modelos economtricos, como todos os modelos, tm as suas falhas, o que pode
ter a ver com, por exemplo, com os dados disponveis para construir o modelo: se no
houver dados suficientes sobre o sistema estudado, o modelo no ser capaz prever de
forma confivel. Alm disso, "uma vez para identificar o modelo adequado , em parte,
processos subjetivos, pode ser possvel caber mais do que um modelo que parea
descrever os dados de forma adequada "(Thompson e Wong, 1991). Isto significa que
um nmero de modelos economtricos pode, ex-ante, parecer enquadrar-se num sistema
estudado. No entanto, pode ser impossvel saber qual deve ser usado para obter os
melhores resultados ex-post. Se as suposies feitas no modelo economtrico para os
mercados refletem a realidade, por exemplo, o movimento do mercado
verdadeiramente estocstico, e que o modelo construdo corretamente para refletir os
mercados, modelos economtricos de previso podem fornecer uma preciso boa.
Com efeito, a posio de Fildes (1985) que "quando existem dados sobre as principais
variveis explicativas em um problema, um modelo causal, geralmente, superam o
julgamento". Armstrong e Crohman (1972) tm uma viso semelhante, no entanto, no
so claras as respostas possveis para a pergunta, como qual o tipo de modelo o mais
preciso (Fildes, 1985). Em muitas ocasies, pressupostos dos modelos economtricos, o
18
mercado acionrio, mesmo sobre uniformes distribuies, foram encontrados ser

imprecisos, por exemplo, ver (Masoliver, Montero (2000), (Masoliver e Montero,
2001), e (Perello e Masoliver, 2002). Assim, solicitado ser cauteloso ao usar a seleo
de modelos economtricos que tm hiptese.
Alm dos quatro tipos de mtodos classificados por Armstrong e Crohman (1972),
existem tambm alguns mtodos mais recentes disponveis de previso, por exemplo,
redes neurais artificiais.
Rede neural artificial foi desenvolvida na tentativa de imitar a obteno de
conhecimentos e habilidades da organizao do crebro humano" (Wong e Selvi, 1998).
Uma rede neural artificial (RNA) constri modelos usando um computador para simples
emulao de sistemas biolgicos neurais. A RNA faz tentativas de aprender os padres
de dados por mudana dos dados, repetidamente, buscando relaes, automaticamente
na construo de modelos e corrigindo o modelo com os prprios erros (Dhar e Stein,
1997). Mesmo com dados incompletos, a RNA pode produzir modelos de previso de
funcionamento (Li, 1994). A RNA pode ser usada para atingir um alto grau de preciso
da previso que torna uma ferramenta adequada para a previso. A RNA tem sido
utilizada em previso, por exemplo, em Finanas e Economia (Li, 1994), (Wong e
Selvi, 1998), (Terasvirta, van Dijk, e Medeiros, 2004) e na medicina (Nastac et al.,
2004).
Existem deficincias na utilizao de RNA para a previso que incluem, por exemplo,
o fato de que no existem estruturas metodolgicas disponveis para escolha,
desenvolvimento, formao e verificao de uma RNA (Li, 1994), mas quando uma
RNA desenvolvida para um propsito, deve ser feita sob medida. Para funcionar bem
a RNA possui necessidade de dados de treinamento abrangentes, caso esses dados no
estejam disponveis, pode ser impossvel a utilizao de tcnicas de RNA. Mesmo com
as fraquezas da RNA, a tecnologia vivel para aplicaes de negcios que exigem a
soluo de sistema muito complexo de equaes, encontrando padres de entradas
imperfeitas, decises e adapta-se s mudanas do ambiente (Li, 1994).
Diferentes mtodos de previso esto disponveis, alguns deles so mais adequados para
a previso de FCL para GIIR do que outros. No a inteno deste trabalho defender os
mtodos de um tipo particular de entrada de seleo de valor varivel, quando a
19
previso de FCL para GIIR ter que levar em considerao as caractersticas e as

restries que colocam sobre a seleo do mtodo. Armstrong e Crohman (1972) afirma
que " bastante provvel que a combinao das previses de mtodos diferentes pode
levar a (ainda mais) melhorias [sic] ", na preciso das previses, uma afirmao
plausvel, tendo em conta a dificuldades que a previso FCL para GIIR pode se
enfrentar. Pesquisas de companhias que praticam modelos de previso mostram que as
previses mais importantes envolvem julgamento Bunn e Wright (1991). De fato, com
base em Soergel (1983) e Jenks(1983), Bunn e Wright(1991) afirma ainda que a deciso
"s pode antecipar eventos de uma s vez, como extraordinria evoluo competitiva.
"E que as sadas a partir de grandes modelos economtricos so rotineiramente sujeitas
a ajustes de julgamento. Parece que a combinao de diferentes mtodos para obter
melhores resultados de previso uma prtica pouco banal nos negcios.
Na prxima seo vamos discutir ferramentas de alocao suplementar de capital
que so usadas para complementar o apoio dado a deciso de investimento com maior
emprego de mtodos de anlise de rentabilidade, e olhar para a evoluo do
investimento em tecnologia de apoio deciso aps o aparecimento dos computadores.
2.2.2. Tecnologia de suporte a deciso e ferramentas de alocao de capital

suplementar
Alm da anlise de rentabilidades diferentes, ou mtodos de alocao de capital,
existem tcnicas adicionais destinadas a apoiar a tomada de decises em investimentos e
aumentar a anlise de rentabilidade que Ryan e Ryan (2002) chamam de ferramentas de
alocao de capital suplementar. A razo para a existncia de ferramentas de alocao
de capital suplementar porque a anlise de rentabilidade por fluxo de caixa descontado
baseada em mtodos que no integram a anlise de um nmero suficiente de
importantes questes que possam ser relevantes para a deciso de investimento. Por
exemplo, o teoria original neo-clssica do investimento no considera a irreversibilidade
de investimentos ou a incerteza das estimativas de fluxo de caixa. Porque a
irreversibilidade no levada em considerao, significando que modelos neoclssicos
no consideram o valor de espera, ou outras formas de flexibilidade gerencial. Verses
Fuzzy de mtodos de fluxo de caixa descontado levam em considerao a incerteza do
20
futuro investimento nas estimativas de fluxo (ver 4.4.). No entanto, eles tambm
negligenciam o valor da espera.
A incapacidade de se levar em considerao o valor da possibilidade de adiar
investimentos irreversveis "pe em causa a fundamentao terica de padro de
modelos de investimento neoclssicos, e invalida a regra de valor presente, uma vez que
normalmente ensinada na escola de negcios..." (Pindyck, 1991). "Nas indstrias, com
significativos investimentos irreversveis e com incerteza, estas omisses significam
que as medidas de rentabilidade padro tendem a dar indicadores inadequados para
decises de investimento e entrada..." (Barham, Chavas e Klemme, 1994). Isso indicaria
que o VPL, TIR, PB utilizados isoladamente, no so adequados para anlise de
rentabilidade de investimentos complexos, por exemplo, GIIR. Deficincias dos mais
utilizados mtodos de anlise de rentabilidade demandam uma anlise aprofundada que
feita com ferramentas de alocao suplementar de capital. Essas ferramentas incluem,
entre outras, tcnicas para analisar melhor os riscos e os porqus, com ferramentas
adicionais para avaliar o valor do projeto, alm de ferramentas para graficamente
aplicar ao modelo de possibilidades de deciso dentro de um projeto.
Ferramentas para anlise de riscos e dos porqus so, por exemplo, anlises de
sensibilidade e anlises de cenrios. A anlise de sensibilidade usada para observar o
efeito de uma mudana numa varivel de entrada com o tempo, por exemplo, fluxos de
caixa, para o resultado do mtodo de anlise de rentabilidade, por exemplo, ver
(Learner, 1985) e (Borgonovo e Peccati, 2004). Normalmente, uma anlise de
rentabilidade executada com os esperados (mais provveis) valores das variveis,
ento as variveis percebidas so tidas como mais importantes para o resultado geral
que testado com uma anlise de sensibilidade para ver quais so as variveis crticas
do ponto de vista da rentabilidade global (Wallace, 1998). Encontrar tais valores crticos
pode tambm ser chamado de anlise de equilbrio, break-even, (Brealey e Myers,
2003), se o valor global crtico usado no VPL for igual a zero. A anlise de equilbrio
tambm comumente utilizada, por exemplo, na gesto do risco (Baker, Ponniah e Smith,
1998).
O mtodo de anlise de cenrio baseado em uma idia semelhante anlise de
sensibilidade, mas a diferena que ele permite alteraes em mais de uma varivel
simultaneamente. A anlise comumente feita em um nmero de provveis
21
cenrios, e mostra como as rentabilidade do projeto seria afetada, se fosse realizada

Brealey e Myers(2003). Anlise de cenrios tambm comumente usada em
gerenciamento de risco (Baker, Ponniah e Smith, 1998). Ferramentas adicionais para
avaliar o efeito econmico e o valor de um projeto so, por exemplo, o valor econmico
adicionado (VEA) e o valor da opo real (VOR). O Valor Econmico Adicionado
mostra medidas de efetividade de gesto em um determinado ano ou perodo (lucro
operacional lquido aps impostos - depois do custo fiscal do capital necessrio
de apoio s operaes) Ryan e Ryan (2002). A viso que o VEA d, a ligao do
desempenho gerencial e de compensao, para o valor econmico que adicionado
companhia, pelas decises de investimento feita pelos gestores. A compensao de
gesto pode ser projetada de uma maneira que otimiza a seleo de investimentos
(Rogerson, 1997).
A avaliao da opo real a avaliao dos investimentos como opes, ou
possibilidades dentro de investimentos (tambm chamado de flexibilidade gerencial),
como opes. O VOR discutido em mais detalhe na seo 2.3. A rvore de deciso
um exemplo de um mtodo grfico e numrico de modelagem nas decises de projeto
seqencial e contingente de seus resultados. As rvores de deciso podem ser utilizadas
para ilustrar as decises de investimento ou analisar toda a cadeia de decises de timo
investimento , rvores de deciso estocstica. Hespos e Strassman(1965) apresentam o
uso estocstico nas rvores de deciso para a anlise das decises de investimento. As
rvores de deciso so, muitas vezes, usadas para modelar e apoiar a avaliao da opo
real (Brealey e Myers, 2003).
De acordo com Ryan e Ryan (2002), anlises de sensibilidade e anlises de cenrio
so as ferramentas mais utilizadas na alocao suplementar de capital. Verbeeten,(2001)
constata
que
anlise
de
sensibilidade
anlise
de
cenrios
so,
de acordo com os gestores, dos modelos de anlise de incerteza as tcnicas mais

importantes no processo de alocao de capital. Seus resultados corroboram com os
encontrados anteriormente em Pike (1996). Quando os grandes investimentos esto em
questo, provvel que uma seleo de ferramentas complementares seja usada, porque
grandes investimentos justificam o uso de mais recursos para o planejamento. Isto
definitivamente o caso para GIIR, onde as incertezas e os porqus podem ter
22
um papel importante na anlise global do investimento e as opes reais podem

ter um valor considervel.
Evoluo da tecnologia de suporte deciso para a alocao de capital
A tecnologia disponvel para apoiar a alocao de capital evoluiu significativamente
durante os ltimos 40 anos. A evoluo da tecnologia de suporte deciso para a
alocao de capital tomou-se paralelamente com a evoluo dos sistemas de suporte
deciso (SSD), em geral, que por sua vez, so desenvolvidos em sintonia com o
desenvolvimento de computadores. Os SSD so solues tecnolgicas de computadores
que podem ser utilizados para apoio tomada de deciso complexa e soluo de
problemas. Os SSD so baseados em dissertao terica sobre a tomada de deciso
por Herbert Simon e investigao tcnica por Gerrity e Ness no final dos anos 1950 e
incio dos anos 1960 (Shim et al., 2002).
Desde a dcada de 60 o primeiro sistema de apoio deciso de investimento mudou de
computadores mainframes para otimizao numrica com o cdigo feito sob encomenda
para cada problema. Um especialista independente utiliza o computador para anlise
numrica proprietria e simulao de software executados em micro-computadores. A
partir da, existe uma evoluo para o software comercial, especializado em anlise de
rentabilidade de investimento e ferramentas de alocao de capital suplementar,
incluindo simulao, interfaces grficas e sendo executadas em estaes de trabalho.
Nestas estaes, computadores pessoais com software em planilhas , existem funes de
anlise de rentabilidade e pacotes adicionais de extensas funes grficas. Hoje, as
anlises da rentabilidade do investimento e ferramentas de alocao de capital
suplementar podem ser feitas em computadores portteis, praticamente em qualquer
lugar e a qualquer momento, pelos prprios gestores. A facilidade em se fazer anlises
de rentabilidade atingiu um nvel em que possvel fazer anlises aprofundadas com
mtodos comuns e que estejam disponveis para todos.
Avanos na computao, no s trouxe um melhor apoio utilizao de mtodos
existentes, mas tambm causaram uma srie de novas tcnicas de apoio anlise de
rentabilidade de investimentos e que evoluram, como a simulao.
23
A simulao uma tcnica que tem sido desenvolvida com computadores e softwares
para ter um importante papel no apoio deciso de investimento. Conforme
Brealey e Myers(2003), o uso da simulao de alocao de capital foi
primeiramente defendida por David Hertz (Hertz, 1968) e pela companhia McKinsey &
Co. , no entanto, Hespos e Strassman (1965) j mencionam o uso da simulao em
alocao de capital. Seja como for, a simulao tem sido utilizada em alocao de
capital a partir da dcada de 1960. Um artigo de Ryan e Ryan(2002) mostra que a
simulao muitas vezes utilizada em cerca de 20% das empresas que compem o
ranking Fortune 1000 para ajudar companhias em decises de investimento.
A simulao geralmente utilizada para levar em considerao a incerteza em torno
de investimentos (Salazar e Sen, 1968), executando-a nos modelos de alocao direta,
ou por us-la para aumentar o uso de outros instrumentos complementares
de alocao de capital, por exemplo, anlise de sensibilidade (Kleijnen, 2004) e
rvores de deciso (Hespos e Strassman, 1965). H tambm alocao de capital
complementar, totalmente baseados na simulao, por exemplo, anlise de Monte Carlo
por simulao, que permite a inspeo de uma distribuio completa dos resultados do
projeto simulado.Vose( 1996) um guia para modelos de simulao de Monte Carlo.
Nos casos em que houver mais de uma alternativa de investimento possvel, a
seleo das melhores alternativas importante, e onde as simulaes podem ser usadas
para seleo de apoio, simulando diferentes cenrios atravs dos modelos de avaliao,
por exemplo, Tugcu( 1983).
Bancos de dados e data warehouses aumentaram muito a confiabilidade e a anlise de
dados, que, juntamente com o software de anlise fizeram, por exemplo, a previso de
fluxo de caixa mais fcil. O programa de previso especial trouxe ambos, tanto o
mtodo extrapolativo quanto o mtodo economtrico para dentro do alcance
dos gestores, como o uso de estatsticas especializadas ou no econometristas
mais absolutamente necessrias. Fildes(1988) apresenta uma reviso sobre dois
pacotes de programa de previso. As Redes Neurais Artificiais j foram discutidas
acima, cuja tecnologia um produto direto do avano da computao e anlise de
dados, cujo mtodo no pode ser usado sem um computador.
24
A exatido de previso pode se beneficiar do aumento da disponibilidade de

informaes causado, por exemplo, pela revoluo da Internet "e no World Wide
Web,
podendo
ser
digitalizados
de
maneira
significativa.
inteligentes
ferramentas de software que podem varrer a Internet de acordo com os desejos dos
gestores, bem como obter e classificar as informaes em um formato fcil de usar,
salvar o gestor da dificuldade de fazer uma varredura do ambiente de negcios
pessoalmente. Essas ferramentas so chamadas de agentes inteligentes de varredura, por
exemplo,
ver Liu(2000). As informaes recolhidas por agentes inteligentes de
varredura podem ser usadas pelos gestores para ajustar suas estimativas de fluxo de
caixa assim como informaes para decises de investimento.
Essa cadeia de coleta de dados, refinamento e anlise est transformando informao e
conhecimento em lucro (Liautaud e Hammond, 2000), e s vezes chamado de
inteligncia de negcios da companhia. Mais informao no significa necessariamente
mais conhecimento, devido ao fato de que o montante de informaes disponveis
enorme, esta situao muitas vezes chamada de sobrecarga de informao. A
capacidade de uma companhia para filtrar as informaes relevantes advindas das fontes
de informao deve ser enorme e de transformar as informaes pertinentes em
conhecimento, por exemplo, nas previses, podem no futuro se tornar um fator
importante na criao de uma vantagem competitiva. Uma maneira possvel de se
utilizar tal vantagem competitiva est se fazendo mais comum e, conseqentemente,
melhor nas decises de investimento.
No futuro, sistemas de apoio a alocao de capital sero mais provavelmente capazes de
procurar, recolher e refinar as informaes automaticamente de acordo com as
preferncias do usurio. Para aplicar automaticamente as informaes para a previso,
mtodos de anlise de rentabilidade de capital e alocao complementar, alm de
ferramentas para apresentar os resultados da anlise de forma mais fcil de
compreender, e que do suporte de alta qualidade para a tomada de deciso de
investimento. Talvez o mesmo sistema funcione para toda a vida econmica do
investimento, recolha informao, apoiando na rentabilidade do investimento,
substituindo a necessidade de auditoria posterior de rentabilidade.
25
No prximo captulo, ser visto como podemos, com os modelos de avaliao de

opes, o valor da possibilidade de adiar um investimento e outros tipos de flexibilidade
gerencial.
2.3. Avaliando a flexibilidade gerencial, com avaliao de opes: Opes Reais
Esta seo ir discutir primeiro o conceito de flexibilidade gerencial e logo em seguida,

apresenta a avaliao de opes. Depois de ter apresentado brevemente estes dois, a
idia por trs de avaliao de opes reais apresentada.
Flexibilidade gerencial
Diferentes possibilidades que os gestores tm para otimizar o valor de um
investimento so chamadas de flexibilidade gerencial. A flexibilidade gerencial,
definida por Aggarwal (1997) como sendo a habilidade para mudar decises
estratgicas em resposta s mudanas externas e internas do ambiente competitivo. Ela
pode propiciar s empresas a capacidade de reverter, modificar ou alterar decises feitas
em perodos anteriores, oferecendo uma maior capacidade de resposta a uma variedade
de possveis resultados oriundos da incerteza do mercado (Kulatilaka,1988).
A flexibilidade de possuir vrias opes de investimento e a capacidade de reverter,
modificar e alterar as decises j feitas aumenta o valor do negcio, pois as opes no
interessantes sero descartadas. Com isso, evita-se a perda de recursos financeiros em
tais investimentos, logo, o primeiro ponto a ser frisado : a flexibilidade gerencial
adiciona valor. Por outro lado, a flexibilidade gerencial extremamente til em um
ambiente de grande incerteza como o mercado. A incerteza origina-se de um conjunto
de fatores como: a performance dos fornecedores, os processos produtivos, a demanda
dos consumidores e outras reas do mercado e influencia diretamente as taxas de
descontos aplicadas nos projetos das empresas, sinalizando o grau de exposio das
mesmas (Amran e Kulatilaka, 1999). Em um projeto, pode existir, ambos, antes e
depois do investimento. Exemplos de flexibilidade gerencial so, por exemplo, a
possibilidade de adiar um investimento (antes), a possibilidade de um estgio de
investimento (antes), as possibilidades de expandir e contrair um investimento (depois),
a possibilidade de terminar e reiniciar um investimento (depois), a possibilidade de
26
mudana de entrada e sada (depois), e a possibilidade de abandonar um investimento

(depois) (Alcaraz e Heikkil, 2002). Essas possibilidades so valiosas em condies de
reversibilidade incompleta (irreversibilidade) e incerteza, por exemplo, se o resultado de
um investimento irreversvel incerto, ento a possibilidade de adiar o investimento
vlida. (Dixit e Pindyck, 1994).
Tabela 2. Valor da possibilidade de adiar um investimento em diferentes combinaes de reversibilidade
e de certeza.
Certeza
Incerteza
Sem valor
Sem valor
Reversvel
Sem valor
Valor
Irreversvel
Quanto maior a incerteza quanto ao futuro e quanto maior o nvel de irreversibilidade do

investimento, mais flexibilidade gerencial dever ser leva em conta Copeland e Keenan,
(1998). O valor da flexibilidade gerencial mais afetado pela forma como seja o espao
para a flexibilidade gerencial. A flexibilidade gerencial, tal como definida
anteriormente, a possibilidade que os gestores tm sua disposio para afetar e
otimizar o valor do investimento. As opes financeiras do ao seu titular o direito, mas
no a obrigao de comprar, ou vender ativos em questo, ou seja, dar ao seu
proprietrio uma possibilidade que se assemelha flexibilidade gerencial.
Avaliao moderna de opes
A avaliao moderna de opo experimentou um avano, em 1973, quando Black
e Scholes (Black e Scholes, 1973) apresentaram um modelo de avaliao de opo para
para opes Europias (financeiro), que foi reforado por Merton (Merton, 1973).
Depois do artigo de Black e Scholes, uma srie de tcnicas de avaliao de opes
europias e norte-americanas tem surgido. Estas tcnicas incluem tcnicas matriciais
(rvore binomiais e polinomiais), por exemplo, (Cox e Ross, 1976), (Cox, Ross e
Rubinstein, 1979) e (Boyle, 1988), os mtodos de diferenas finitas, por exemplo,
(Brennan e Schwartz, 1977), (Brennan e Schwartz, 1978), e (Schaider e Kandel, 1977),
e mtodos quadrados, por exemplo, (Andricopoulos et al., 2003). Os dois mtodos mais
comumente usados, ao melhor de nosso conhecimento, so o de BlackScholes e o binomial de precificao de opes.
27
O modelo de Black-Scholes baseado em um argumento de replicao: o valor de uma

opo de compra igual ao valor de uma combinao de outros instrumentos dando o
mesmo
fluxo
de
caixa
esperado.
modelo
usa
uma
combinao
de
emprstimos e de compra de um ativo subjacente no futuro. H trs principais conjuntos

de pressupostos ao modelo: i- sobre as taxas de juro, II- sobre a volatilidade do retorno
e III- sobre os mercados.
i)
A taxa de juros considerada como a taxa de retorno livre de risco, devido a

no arbitragem e presume-se que se mantenha constante;
ii)
A volatilidade do retorno pressupe-se que seja constante e assumido como

sendo determinstica;
iii)
Os mercados so supostos como perfeitos e eficientes, sem arbitragem,

quando os ativos so continuamente negociados, em que os ativos podem ser
divididos, onde no h taxas ou custos de transao, e onde os preos dos
ativos possam acompanhar o movimento browniano geomtrico (MBG).
Nestas hipteses, o resultado do modelo de Black-Scholes mais preciso.

A frmula do modelo de Black-Scholes de avaliao de opes, como aperfeioamento
por Merton, calcula o valor da opo de compra (V), como,
2 3 45 67 83 4 679
[4]
Onde,
7
:; < B=>4 5
C
?@
A
@
79 7 E"
[5]
[6]
E
S0 = Preo da ao
X = Preo de exerccio
T = Tempo de expirao
s = A volatilidade do ativo
28
d = Pagamento de dividendos
r = taxa de retorno livre de risco
Pressupostos similares so utilizados tanto, no modelo Black-Scholes quanto no modelo
binomial. A principal diferena que o modelo binomial utiliza um quadro de tempo
discreto para traar a evoluo do ativo (mercados) atravs de uma matriz binomial, que
harmoniza o processo contnuo utilizado no modelo Black-Scholes (movimento
browniano geomtrico). Na verdade, para os resultados de opes europias, partindo
desde a avaliao de binomial de opes, converge-se para o resultado a partir da
frmula de Black-Scholes de preos de opo (Benninga e Wiener, 1997), ou seja, o
modelo Black-Scholes uma verso em tempo contnuo do modelo binominal de
precificao de opo. Foi a escolha do autor para seleo do modelo de Black-Scholes
de precificao de opes para avaliao delas a serem utilizadas nesta dissertao. A
seleo baseada no fato de que, para aumentar o conhecimento, a frmula BlackScholes a mais utilizada como modelo de precificao de opes, e porque a frmula
de Black-Scholes a verso de tempo contnuo do modelo de avaliao binominal de
opo, implicitamente inclui o modelo binomial, que a outra causa de escolha do
modelo.
Avaliao de opes reais
A avaliao da opo real (VOR) baseia-se na observao de que as possibilidades de
opes financeiras do ao seu titular e se assemelham s possibilidades
encontradas em investimentos reais, ou seja, a flexibilidade de gesto, por exemplo, "
oportunidade irreversvel de investimento muito parecida com uma opo financeira
"(Pindyck, 1991). A avaliao da opo real tratada como flexibilidade gerencial
assim como opes e valorizam a flexibilidade gerencial com os modelos de avaliao
de opes, e o termo opes reais foi introduzido com Myers( 1977). Acima, em 2.2.2.
Temos observado que a avaliao uma ferramenta de opo real de alocao de capital
suplementar.
Usando modelos de avaliao de opo concebidos originalmente para as opes
financeiras na avaliao da flexibilidade gerencial significa que as variveis do modelo
devem ser ajustadas para investimentos reais. A Figura 2. Mostra a analogia entre
variveis utilizadas para avaliar as opes financeiras e reais.
29
Os seis nveis para opes reais e financeiras
Nveis da avaliao da opo financeira

Tempo de expirao
Preo de exerccio
Taxa de retorno
livre de risco
Nveis da avaliao da opo real
Incerteza nos movimento

de preos da ao
Tempo de expirao
Preo da ao Valor presente

dos custos fixos
Dividendos
Taxa de retorno
livre de risco
Incerteza do fluxo de
caixa esperado
Valor presente dos

fluxos de caixa
Valor perdido
durante o perodo da opo
Figura 2. Variveis de opes financeiras e reais, a figura de (Leslie e Michaels, 1997)
Pressupostos que fundamentam os modelos de avaliao de opes, so a base para os

mesmos modelos quando tambm so aplicados para avaliao da opo real. Na
verdade, avaliando investimentos reais com modelos de avaliao de opo como, por
exemplo, com Black-Scholes de precificao de opes e o modelo de precificao
binomial de opes, est se aceitando o fato de que os pressupostos aos modelos podem
no ser totalmente compatveis com investimentos reais. difcil dizer at que ponto os
pressupostos de fato so vlidos para se realizar em investimentos reais, mas na
verdade, "... os pressupostos do modelo Black-Scholes podem parecer um pouco
restritivos quando aplicados s opes reais" Copeland e Keenan( 1998). Se a base
de suposies no so realistas, ento "... a maioria dos problemas de opes reais
requer anlise de que so capazes de se adequarem ou no aos pressupostos de BlackScholes " (Copeland e Antikarov, 2001). A avaliao da opo real tem sido criticada
por ser, por vezes irreal, nos pressupostos e na aplicao de modelos. Borison( 2003)
apresenta uma crtica discusso sobre a utilizao das diferentes abordagens para a
aplicao de opo real, incluindo uma anlise da validade das hipteses de modelos de
avaliao de opo.
Os trs principais conjuntos de pressupostos, apresentados acima, por trs do modelo
Black-Scholes podem ser criticados por no considerar os grandes investimentos
30
industriais reais (GIIR). As crticas mais fortes podem, talvez, serem feitas sobre os
pressupostos dos mercados a serem aplicados. O modelo Black-Scholes assume que os
mercados sejam perfeitos e eficientes, o que no se sustenta, s vezes nico, aos
grandes investimentos industriais reais. No entanto, para opes reais dentro de um
giga-investimento industrial real, o caso no igualmente claro. Se os mercados de
GIIR so inexistentes ou incompletos, o argumento de replicao, fundamental para o
modelo, pode realmente ser questionado.
A volatilidade do retorno do projeto/investimento assumida, pelo modelo BlackScholes como sendo determinista e que se mantm constante. difcil ex-ante avaliar
se a volatilidade do retorno de GIIR permanecer constante. A maneira tradicional de
determinao do desvio padro que utilizado no modelo Black-Scholes utiliza dados
histricos para a determinao do desvio padro, ou seja, o clculo do desvio padro de
dados histricos um exerccio passado. Os dados histricos de GIIR podem no estar
disponveis. importante observar que os dados histricos no esto disponveis, a
estimativa do desvio padro deve ser baseada nas expectativa sobre o futuro, tornandose um exerccio de prospectiva. Tem-se discutido em 2.1. que GIIR so, na maioria das
vezes, feitos sob incertezas estruturais, indicando que a estimativa do desvio padro,
ex-ante, para GIIR pode no ser determinista. Na verdade, pode no ser imprudente
afirmar ex-ante que a estimativa prvia da volatilidade de GIIR poderia ser melhor
descrita como um sistema contingente, ao invs de um determinista. No entanto,
impossvel, ex-ante, definitivamente dizer se o desvio padro ir permanecer
constante ou no.
O modelo Black-Scholes assume que a taxa de juros permanecer constante e esta a
taxa livre de risco. Grandes investimentos industriais reais tm longa vida econmica, o
que significa que bastante provvel que as taxas de juros, em geral, sejam alteradas
durante sua vida econmica. No entanto, como no h referncia internacional nica
para a taxa de retorno livre de risco. Na prtica, a taxa de juros paga pelos ttulos de
curto prazo, em grande por parte, dos governos, por exemplo, nos EUA, considerada
como um substituto prximo para as taxas de retorno livre de risco o que difcil
concluir se a suposio sobre uma taxa de juros se mantm constante. Pode ser
argumentado que as taxa de juros utilizadas, por exemplo, no financiamento de GIIR,
seja diferente da taxa de retorno livre de risco (ou um substituto prximo), pelo menos
31
quando o investimento em questo no um governo de grande emisso de ttulos de

curto prazo que substituia a taxa de juros.
Esta dissertao no faz qualquer juzo definitivo sobre as crticas que podem ser feitas
na utilizao da frmula de Black-Scholes para a avaliao da opo real. No entanto,
note-se que h uma srie de questes no resolvidas que precisam de um estudo mais
aprofundado, antes de qualquer sentena definitiva sobre a utilizao do que o modelo
pode ser aplicado.
Apesar das crticas, a avaliao da opo real uma adio bem-vinda para o conjunto
de mtodos de anlise de rentabilidade porque os mtodos baseados na avaliao de
fluxo de caixa descontado no levam o valor da flexibilidade gerencial em
considerao, pondo em risco a preciso dos resultados obtidos por meio deles
(Barham, Chavas e Klemme, 1994). Mesmo que a avaliao da opo real possa no ser
capaz exatamente e corretamente de avaliar o valor da flexibilidade de gesto, que, no
entanto, uma metodologia criada e sistemtica de capturar o valor da flexibilidade
gerencial e inclu-la na avaliao dos investimentos.
O VOR por si s no usado para avaliar investimentos, porque o valor da opo
sempre positivo, ou zero, e da rentabilidade (valor) de investimento pode tambm ser
negativa. Ao modificar a regra de VPL: "Invista quando o valor de uma unidade de
capital , no mnimo, to grande quanto o seu custo de aquisio e instalao ", para: "O
valor da unidade deve ser superior ao custo de aquisio e instalaode um montante
igual ao valor de manter viva a opo de investimento " (Pindyck, 1991) que
efetivamente incluir o valor da opo (de espera), no processo de avaliao. Gestores
vm esta flexibilidade como um fator importante na tomada de decises, por exemplo,
Busby e Pitts(1997) e Collan e Langstrom( 2002), o que significa, acima de que a
flexibilidade gerencial do investimento levada em considerao, incluindo o valor da
avaliao da opo real.
A avaliao da opo real especialmente importante, quando o valor da flexibilidade
gerencial alta, por exemplo, para investimentos que so altamente irreversveis, e feito
sob considervel incerteza, "a diferena entre VOR e outras ferramentas de deciso,
substancial "(Copeland e Keenan, 1998).
32
Existe uma vasta e crescente literatura sobre a avaliao, aplicao, caractersticas e

metodologias de opes reais. Para uma viso geral da literatura sobre opo real
tem-se como opo, Trigeorgis(1995) para uma organizada e temtica reviso da
literatura, Guimares Dias( 1999) para uma nota sobre a bibliografia da evoluo das
opes reais Collan, Carlsson, e Majlender(2003) para uma breve reviso de literatura
de opes reais, e da Internet em Guimares Dias( 2004) para cerca de 2000 referncias
em opes reais. Uma conferncia internacional anual sobre as opes reais tem sido
realizada desde 1997.
As razes da literatura de opes reais podem ser ditas como surgidas por volta do final
de 1960, por exemplo, (Robicheck e Van Horne (1967) e Dyl e Long(1969) discutem o
valor da opo de abandono. Acima se viu que Myers(1977) apresenta as opes em
termos reais. A literatura sobre opo real pode ser dividida em duas categorias, teoria
geral e aplicao. Alguns tpicos do lado da teoria geral tm sido selecionados
nas referncias, por exemplo, a entrada e sada das decises McDonald e Siegel(1986),
Majd e Pindyck (1987), Dixit(1989), Berger, Ofek e Swary, (1996), Alvarez(1999) e
(Pennings e Lint, 2000), as opes de crescimento (Kogut, 1991) e (Garner, Nam, e
Ottoo ( 2002), e avaliao dos projetos inter-relacionados Trigeorgis( 1993) e Childs,
Ott e Triantis( 1998). A avaliao de opes reais tem sido aplicada, notadamente para
alguns especficos tipos de indstrias e situaes, referncias selecionadas), por
exemplo, para a indstria do petrleo EKERN (1985), Paddock, Siegel e Smith(1988), e
Smit( 1996), em minerao Cortazar e Casassus( 1998) e Moel e Tuffano(1999), para
recursos
naturais
em
geral
Brennan
Schwartz(1985)
Cortazar, Schwartz, e Salinas ( 1998), R & D Newton e Pearson( 1994), Grenadier e

Weiss(1995), Smith e Nau(1995), Faulkner(1996), Lint e Pennings( 1998) e Childs, Ott
e
Triantis(2000),
tecnologia
da
informao
Benaroch
Kauffman(1999)
Balasubramanian, Kulatilaka e Storck(2000), e Campbell(2002), e estratgia corporativa

(Kulatilaka e Marks, 1988), (Bowman e Hurry, 1993) e (Das e Elango, 1995).
Grandes investimentos industriais reais (GIIR) se beneficiam a partir da anlise de
valor da flexibilidade gerencial fornecido pela avaliao da opo real, porque
a flexibilidade gerencial encontrada em GIIR, antes e depois do investimento,
pode ser muito valiosa, devido irreversibilidade dos GIIR, e devido sua
longa vida econmica. Na verdade, muitos dos temas aos quais aplicou a
33
avaliao da opo real utilizadas em GIIR incluem, por exemplo, extrao de petrleo
e minerao.
2.4. Modelagem imprecisa (Financeira) de informaes com Lgica Fuzzy
Investimentos concentram-se na forma como os agentes econmicos possam alocar
recursos ao longo do tempo, ou seja, a definio de investir em um sentido geral.
Tarrazo e Gutierrez(2000) afirma que "o assunto sobre investimentos totalmente
voltado para o futuro..." e que "Toda ao em finanas comea com uma expectativa,
que pode ser de natureza qualitativa, como "a economia vai ser forte no prximo
trimestre", ou quantitativo. "Isto significa que as decises de investimento so baseadas
em expectativas sobre o futuro. De acordo com Knight (1921) incerteza pode ser
resultado de basicamente duas fontes. Em primeiro lugar, todas as naes do mundo
podem ser conhecidas, mas impossvel atribuir probabilidades a essas naes. Em
segundo lugar, nem todos os pases do mundo, nem as probabilidades correspondentes
so (todos) conhecido. Isto significa que a maioria das decises das companhias podem
ser classificadas como as decises sob incerteza e que decises baseadas em
expectativas sobre o futuro esto sempre com algum grau de incerteza, porque "o estado
futuro do ambiente no conhecido para o tomador de deciso no momento da mesma.
Baseado em sua experincia passada, ele s pode estimar a probabilidade de cada um
dos estados do ambiente ocorrido." (Verbeeten, 2001).
A incerteza tambm aumenta com o tempo, porque com o tempo, "a complexidade do
sistema aumenta, (e) a nossa capacidade para fazer precisas declaraes sobre seu
comportamento diminui at um limite que atingido, alm do qual a preciso e a
significncia ou relevncia tornam-se quase caractersticas mutuamente exclusivas
Segundo Zadeh(1973). A descrio acima chamada de Princpio de Zadeh de
incompatibilidade, e cabe a um problema em que um gestor/analista financeiro enfrenta
quando tem que estimar, por exemplo, fluxos de caixa de investimento com base em
expectativas incertas sobre o futuro. A incerteza sobre a preciso das estimativas de
fluxo de caixa aumenta mais uma vez quando as estimativas de fluxos de caixa futuros
se estendem, porque a incerteza dos fluxos de caixa futuros de investimento vem de um
grande nmero indeterminado de fontes que cresce com o tempo, e a complexidade do
sistema aumenta.
34
De acordo com o princpio de Zadeh de incompatibilidade, expectativas de futuro

incerto podem no produzir precisas (determinadas) previses de fluxos de caixa de
investimento, e quanto mais futuro sejam os fluxos de caixa, menos precisas sero as
previses. Levando isso em considerao, significa que a utilizao precisa de
estimativas de fluxos de caixa de investimento pode no dar uma imagem correta da
incerteza das estimativas de fluxo de caixa, e quanto mais longe o fluxo de caixa
estimado, menos correta a realidade se torna. Estimativas precisas sobre um
futuro incerto pode causar um problema de credibilidade que tambm pode ser chamado
de falsa sensao de preciso (ou certeza). Este problema de credibilidade
especialmente relevante para os investimentos com longa vida econmica.
Se as estimativas precisas podem no dar uma viso correta de incerteza, o tomador de
deciso enfrenta um dilema, ele deve usar estimativas precisas na sua anlise e tolerar,
do ponto de vista da incerteza, respostas incorretas, ou utilizar as informaes
imprecisas e assumi-las como corretas, imprecisas respostas.
A impreciso que os tomadores de deciso de investimento devem enfrentar pode ser
caracterizada da seguinte forma: "... ns poderamos acumular todas as estatsticas
relativas ao desempenho econmico e colocar todos os especialistas em economia no
mundo num quarto e ns ainda enfrentaramos muitas incgnitas. Este vazio de
conhecimento o que os pesquisadores de lgica fuzzy como difusa (fuzzyness) Tarrazo
e Gutierrez( 2000).
A difuso (fuzyness) a impreciso que os gestores devem
enfrentar na tomada de decises sob incerteza. Impreciso pode ser manuseada com
conjuntos fuzzy, apresentado em 2.4.1. Relacionado com a matemtica e teoria fuzzy.
2.4.1. Fundamento dos Conjuntos Fuzzy

Na teoria dos conjuntos clssica, um elemento ou pertence a um conjunto ou no
pertence a um conjunto, por exemplo, a cor preta ou branca, ou "um fluxo de caixa
futuro no ano x dez euros, ou no . Esse tipo de ambi-valor, ou falso/verdadeiro, a
a lgica comumente usada em aplicaes financeiras. Lgica bivalente de valor, no
entanto, apresenta um problema, porque, como j observamos acima, as decises
financeiras so muitas vezes feitas sob incerteza. A incerteza significa que impossvel
dar como absolutamente corretas as estimativas precisas de, por exemplo, um fluxo de
caixa futuro. Conjuntos Fuzzy so conjuntos que permitem ou possuem uma gradao
35
de pertencer, como todos os tons entre negros e brancos, ou "fluxo de caixa futuro em
dez anos de cerca de x euros. Isto significa que conjuntos Fuzzy podem ser utilizados
para formalizar impreciso que existe na tomada de deciso humana e como uma
representao do vago, conhecimento incerto ou impreciso, pois o raciocnio humano
especialmente adaptativo. "Metodologias Fuzzy baseadas em conjuntos que extrapolam
a linha tradicional entre a anlise qualitativa e quantitativa, uma vez que a modelagem
pode refletir mais o tipo de informao que est disponvel, em vez de preferncias dos
gestores "(Tarrazo, 1997) e tambm na economia" A utilizao da teoria de
subconjuntos fuzzy leva a resultados que no poderiam ser obtidos por mtodos
clssicos. "(Ponsard, 1988).
A origem dos conjuntos fuzzy remonta a um artigo escrito por Lotfi Zadeh (Zadeh,
1965), onde ele desenvolveu uma lgebra para a qual chamou de conjuntos fuzzy. Esta
lgebra foi criada para lidar com elementos imprecisos em nossos processos de tomada
de deciso e o rgo formal da teoria que permite o tratamento de que o conjunto
uma classe de objeto no qual no existe uma fronteira ntida entre os objetos que
pertencem classe e aqueles que no fazem parte" (Bellman e Zadeh, 1970).
Seja
{x}
designa-se
uma
coleo
de
objetos
(pontos)
denotados
genericamente por X. Em seguida, um conjunto fuzzy A em X um conjunto de pares

ordenados
F )GH, IJ H K1, H L 8
[7]
Onde A(x) denominado como grau de pertinncia de x em A e A:X M uma

funo de X para um espao M, chamado de espao de pertinncia. Quando M contm
apenas dois pontos, 0 e 1, A no um nmero fuzzy e sua funo pertinncia se torna
idntica e com caractersticas de conjuntos no-fuzzy. Isto significa que os conjuntos
clssicos so um subconjunto dos conjuntos fuzzy.
Um nmero fuzzy normal, conjunto convexo fuzzy cujo referencial o conjunto
X R nmeros reais. A teoria dos conjuntos Fuzzy utiliza nmeros fuzzy para
quantificar observaes subjetivas fuzzy ou estimativas. Tais observaes subjetivas ou
estimativas podem ser, por exemplo, as estimativas de fluxos de caixa futuros de um
36
investimento. Para estimar os fluxos de caixa futuros e taxas de desconto "Geralmente

emprega-se palpites, com base em valores esperados ou outras tcnicas de estatstica"
(Buckley, 1987), o que consistente com o uso de nmeros fuzzy.
Em aplicaes prticas os nmeros mais utilizados so fuzzy trapezoidal e nmero
fuzzy triangular. Eles so usados, porque eles fazem muitas operaes possveis e
intuitivamente compreensveis e interpretveis.
Um conjunto fuzzy A F chamado um nmero fuzzy trapezoidal com
intervalo [a, b], para a esquerda com espao a direta com espao caso sua funo
pertinncia tenha a seguinte frmula:
Q1 T U3 V W X M Y V
O
1 U3 V X M X Z
a
FM
4[
P 1 \ U3 Z Y M X Z ]
O
N 0 U3 M ^ _V W, Z ]`
S4
[8]
e usamos a notao A = (a, b, , ). Isto pode ser facilmente demonstrado que no

suporte de A (a-, b+ ). Pode-se notar que os nmeros fuzzy triangulares so um
caso particular dos nmeros fuzzy trapezoidais.
Figura 3 Nmero fuzzy trapezoidal, figura de (Fuller, 1998).
Inicialmente, o interesse de pesquisa em conjuntos fuzzy concentrou-se na lgica,

fundamentos matemticos e aspectos da teoria da informao. Mais tarde, em muitas
reas de aplicao da lgica fuzzy grande o interesse entre os pesquisadores, que se
incluem em pesquisas como, por exemplo, o controle da robtica, automao,
rastreamento,
eletro-domsticos,
sistemas
de
informao,
como
DBMS,
retroalimentao de informao, e ainda reconhecimento de padres em processamento

de imagem, viso mecnica.
37
Livros publicados sobre conjuntos fuzzy e suas aplicaes so, por exemplo, Dubois e
Prade(1980), Kaufmann e Gupta( 1985), Kaufmann e Gupta(1986), Klire Folger( 1988),
Zimmerman(1992), e Carlsson e Fuller( 2001). H tambm uma srie de peridicos que
abrangem os diferentes aspectos da lgica fuzzy, por exemplo, International Journal of
Fuzzy Sets e Systems, International Journal of Aproximate Reasoning , e IEEE
Transactions on Fuzzy Systems, estes formam o corpo da literatura sobre a lgica fuzzy.
"Dado o grau de incerteza e impreciso tratada em economia e gesto de negcios, era
esperado que as primeiras aplicaes dos conjuntos fuzzy seriam para a essas reas
Tarrazo e Gutierrez( 2000). Mesmo no tendo sido o caso, h um interesse crescente no
uso de fuzzy na lgica em aplicaes financeiras e uma crescente literatura sobre a
aplicao de conjuntos fuzzy e lgica fuzzy em economia e finanas.
Alguns trabalhos anteriores incluem, por exemplo Ponsard(1985) e Ponsard(1988), onde
o autor discute o uso de conjuntos fuzzy em modelos econmicos e apresenta modelos
matemticos fuzzy que lidam com a escolha econmica, estas se concentram
principalmente em questes econmicas de modelos de equilbrio. Buckley(1987)
concentra-se na apresentao de aplicaes da lgica fuzzy na matemtica financeira,
apresenta modelos fuzzy para valor presente, discute os fluxos de caixa fuzzy,
apresenta modelos de valor presente lquido fuzzy (VPL) e de taxa interna de retorno
fuzzy (TIR). Li Calzi(1990) prope e discute algumas regras gerais de como modelos
financeiros fuzzy devem ser construdos, mas ele faz alguns comentrios duvidosos
sobre o uso de mtodos de FCD em alocao de capital. Buckley(1992) aborda a
resoluo de equaes fuzzy em economia e finanas, ele substitui os parmetros
clssicos com incerteza por nmeros fuzzy triangulares. H uma srie de obras mais
recentes que abordam verses dos mtodos de fuzzy de alocao de capital, e relevantes
para esta dissertao, que foram apresentados no captulo 2.2. da mesma, bem como
com apresentaes dos prprios mtodos de alocao de capital. Na verdade,
matemtica fuzzy compatvel com o mtodo de fluxo de caixa descontado para anlise
de rentabilidade.
38
2.5. Resumo dos fundamentos terico para esta dissertao

De acordo com o acima exposto, o estado da arte na anlise de rentabilidade de
investimento anlise nas companhias parece ser:
i) A utilizao de uma combinao de mtodos neoclssica de alocao de capital (VPL,
TIR, PB), com;
ii) Uma combinao de ferramentas de alocao suplementar de capital: uso comum de
anlise de sensibilidade e anlise de cenrios para incerteza, no com tanta frequncia o
uso de avaliao de opes reais para flexibilidade gerencial;
iii) Baseado no julgamento (combinao de mtodos de previso) ou julgamento
ajustado das variveis de entrada nos modelo de previso, com nmeros clssicos, s
vezes apoiadas por expertise.
iv) Normalmente suportado por uma planilha com base SSD computadorizado.
Na academia, ao que parece, a pesquisa fundamentada na anlise de rentabilidade
concentrou-se na previso e um nmero de ferramentas de alocao de capital
suplementar,
incluindo
opes
reais,
que
tm
uma
literatura
bem
estabelecida. Curiosamente, as tentativas de criar novos mtodos de anlise de

rentabilidade para substituir o velho mtodo baseado em fluxo de caixa descontado
foram muito poucos. O uso da lgica fuzzy em alocao de capital e anlise de
rentabilidade uma idia nova, tem sido desenvolvida desde o final dos anos
1980.Verses fuzzy das mais utilizadas em anlise de rentabilidade esto disponveis,
mesmo que no sejam amplamente utilizados em companhias. A lgica fuzzy
normalmente usada grande nmero nos campos da engenharia e de computao
inteligente.
Parece haver poucas obras disponveis em se tratando de giga-investimento industrial
real (GIIR), ainda que esteja claro que eles so diferentes de pequenos investimentos
reais e dos investimentos financeiros. Mtodos de anlise de rentabilidade baseados em
fluxo de caixa descontado (neoclssico) no pode fornecer anlise suficiente para GIIR
devido ao fato de que tm valor e caractersticas que afetam a rentabilidade e que no
so levadas em considerao por eles. Usando mtodos de extrapolao ou mtodos
39
economtricos para prever a previso de fluxo de caixa para GIIR pode sofrer o fato de
que no podem existir dados em que estes mtodos de previso podem ser
fundamentados e utilizados.
O uso mais comum de ferramentas como alocao suplementar de capital, anlise de
sensibilidade e de cenrios, ajuda com certeza, parece assim que necessrio para GIIR
um julgamento das previses.O uso de conjuntos fuzzy para a incluso de estimativa de
impreciso parece caber em GIIR devido sua longa vida econmica, complexo e
incerto em ambientes que eles precisam operar. A avaliao de opes reais, ou seja,
avaliar a flexibilidade gerencial importante para GIIR, devido ao fato de que a
flexibilidade para GIIR e, a possibilidade de esperar para investir pode ter um valor
considervel para GIIR.
2.6 Entendendo um Giga-Investimento Industrial Real (GIIR)
Para ganhar uma compreenso da realidade na avaliao de grandes investimentos
industriais reais Collan ( 2004) estava envolvido por trs anos, numa dissertao sobre a
rentabilidade de grande investimentos industriais reais. Durante esse tempo, Collan,
(2004) envolveu-se no trabalho com quatro grandes companhias industriais que tinham
investido em GIIR. Nesta ocasio, trabalhou na avaliao ex-post de um nmero
muitos casos histricos sobre grandes investimentos industriais reais, utilizando os
mtodos mais utilizados de alocao de capital (VPL, TIR e Payback) e avaliao da
opo real. Com base nas experincias de trabalho em equipe em analisar
a rentabilidade de um GIIR, sobre as experincias de quatro dissertaes de mestrado
(Bodman, 2000), (Palomki, 2000), (Blom, 2000 e (Leivo, 2001), e entrevistas com
especialistas das respectivas companhias, Collan (2004) escreveu quatro descries para
ilustrar a realidade da natureza de grandes investimentos industriais. Os casos de
trabalho como uma introduo ao compreender o que so GIIR, foram escritos de uma
forma que destaca no apenas as informaes relevantes para a avaliao quantitativa e
procedimentos, mas tambm a envolvente institucional e de ambientes de mercado
destes casos histricos. Collan (2004) apresentou alguns casos em eventos
internacionais, por exemplo, no Real Options Workshop Internacional em Turku.
Os casos apesar de no terem sido utilizados na tentativa de generalizao, foram
utilizados para apresentar o domnio do problema. (Collan, 2004) fez uma dissertao
40
exploratria sobre como companhias finlandesas lidam com flexibilidade na alocao de

capital Collan e Langstrom( 2002). A finalidade da dissertao exploratria foi obter um
conhecimento preliminar sobre o interesse de companhias finlandesas e gestores de
capital no modelo de flexibilidade gerencial, bem como sobre os mtodos que utilizam
para avaliarem seus investimentos6.
2.6.1 Definies e principais ferramentas
Este captulo ir apresentar as principais ferramentas desta dissertao. O captulo
dividido em quatro sees, que contribuem nesta investigao. A primeira seo
apresenta uma construo conceitual: a definio para um grupo especial de grandes
investimentos industriais reais (GIIR). A segunda seo apresenta um modelo de
avaliao fuzzy real opo (VORF). A terceira seo apresenta um modelo de anlise da
rentabilidade (VIRF) projetado especificamente para giga-investimento, utilizando
conjuntos fuzzy, construo avanadas fuzzy, e potencial de captura de valor. A quarta
seo discute uma srie de questes sobre o investimento giga-de apoio deciso e
novas
abordagens
na
gesto
de
giga
investimentos.
2.7 Definindo Giga-Investimentos - Trs principais caractersticas

Giga-Investimentos Industriais Reais (GIIR) so um subgrupo bastante homogneo de
investimentos, dentro do conjunto de investimentos reais. Suas caractersticas so, no
entanto, no homognea o suficiente para definir explicitamente o grupo de GIIR. As
caractersticas comuns entre os GIIR, no entanto, existem e podem ser utilizadas como
base para uma definio mais restrita. Em 2.1 apresentou-se as caractersticas de GIIR e
descobriu-se que GIIR na maioria das vezes so irreversveis, devido a uma srie de
razes (por exemplo, grande tamanho, custos afundados, local fixo, sem mercados
estabelecidos de negociao e tecnologia fixadas), que na maioria das vezes tm um
longo perodo de construo (meses, s vezes anos), e que eles geralmente tm longa
vida econmica (mais de dez anos). A natureza dos mercados em que so feitos GIIR
incerta e caracteriza-se por incertezas estruturais que no podem ser em muitas vezes
exatamente modelado. Os GIIR tambm tm outras caractersticas, como por exemplo,
6
A taxa de retorno de 42% foi alcanado e o resultados explorados esto em consonncia com um estudo anterior Ingls (Busby e
Pitts, 1997), mostrando que os gestores tambm finlandeses parecem perceber que a flexibilidade to valiosa em
investimentos. Nenhuma generalizao, com base nos resultados explorados foi tentada.
41
alguns GIIR podem dirigir os seus mercados, no entanto, nem todos os GIIR apresentam
esta caracterstica. Baseado nisso, deve-se dar uma definio de giga-investimento como
um subgrupo de GIIR.
Para os fins desta dissertao, giga-investimentos so definidos com um
grande
investimento industrial real que apresenta as seguintes caractersticas:

i) Uma longa vida econmica
ii) Um elevado grau de irreversibilidade
iii) Um longo perodo de construo
A definio de giga-investimento no exclui dos GIIR exibindo outras caractersticas,
que so as do giga-investimento. GIIR que no apresentam todas as dos gigainvestimentos que no so giga-investimentos. As trs caractersticas definidoras de
giga-investimentos definem um especial grupo dentro do grupo dos GIIR, mas tambm
definem uma base para a avaliao e anlise de rentabilidade dos giga-investimentos. O
valor dos giga-investimento depende de trs caractersticas que definimos. O valor do
giga-investimento est diretamente relacionado com as caractersticas do gigainvestimento, mas os gestores, responsveis pela avaliao e tomada de deciso de gigainvestimento, parcialmente percebem o valor do giga-investimento indiretamente,
atravs de modelos de avaliao. Modelos de avaliao de investimentos so baseados
em quantificar os efeitos que as caractersticas do investimento tm sobre o valor do
investimento, ento pode se esperar quanto mais precisa a representao do modelo
dos efeitos, mais precisos sero os resultados de avaliao do modelo.
Os modelos de avaliao so construdos de acordo com os especialistas, construtores
do modelo, compreendendo e percebendo a realidade sobre os investimentos. Assim, os
modelos refletem os pressupostos, as escolhas de modelagem, e simplificaes da
realidade que os construtores de modelos fizeram. A partir do ponto de vista da tomada
de deciso, baseada em critrios objetivos de informao, no de se esperar que os
modelos que apresentam a realidade mais precisamente so preferveis aos modelos
menos exatos.
42
Vamos discorrer sobre trs caractersticas do giga-investimento, discutir brevemente

como cada caracterstica afeta o valor e avaliao deles, observar a eventual aplicao
dos mtodos existentes e construir uma avaliao de giga-investimento. Em seguida, um
breve resumo das questes decorrentes das caractersticas feita, juntamente com uma
discusso sobre o ciclo de vida dos giga-investimentos.
2.7.1. A Longa vida econmica
Avida econmica de um investimento, significa o tempo que o investimento gera
fluxo(s) de caixa, ou outro valor que pode ser expresso em termos de caixa. GigaInvestimentos so construdos para o desempenho a longo prazo, e geralmente tm uma
vida econmica de mais de dez anos, como discutido em 2.2., isto significa que eles
geram valor por um longo tempo.
Com base no pensamento neoclssico apresentado em 2.3. "Amanh um dlar vale
menos que um dlar vale hoje. Isto significa que existe um valor de tempo para o
dinheiro e para qualquer outro valor gerado que pode ser expresso como um fluxo de
caixa. O valor do dinheiro no tempo comum, por exemplo, no VPL e TIR, levando em
considerao por meio de descontos. O desconto a principal componente de
precificao de ttulos atualmente. Por causa da vida econmica do giga-investimento
ser de longo prazo, importante ter o valor do dinheiro no tempo em considerao ao se
avaliar um giga-investimento. O efeito do longo tempo, em valor de fluxo de caixa um
efeito diretamente perceptvel a partir de uma caracterstica do giga-investimento ao
avali-lo.
Como j discutido em 2.1., 2.2., e analisadas em 2.4., quanto maior o efeito do futuro
ocorrer, mais difcil ser estimar com preciso a sua conseqncia sobre o investimento,
ou seja, torna-se mais difcil estimar com preciso, por exemplo, o tamanho de um fluxo
de caixa. A longa vida econmica implica que uma parte dos fluxos de caixa do
investimento ocorrero num futuro distante, portanto, estes fluxos de caixa so difceis
de estimar com preciso devido dificuldades face a preciso de eventos futuros. A
preciso da estimativa uma questo importante na avaliao de giga-investimentos. A
falta de preciso da estimativa, por si s, no afeta o valor do giga-investimento. No
entanto, limita as nossas possibilidades em identificar exatamente qual o valor do
giga-investimento. A impreciso do futuro, giga-variveis, de investimento pode vir de
43
uma srie de fontes distintas e suas combinaes. Miller (1992) divide o total de
incerteza enfrentada pelos gestores como a do ambiente em geral, a indstria, e de
fatores organizacionais. Verbeeten (2001) apresenta o quo diferentes so os
componentes da incerteza que afetam as prticas de alocao de capital. Como discutido
em 2.1., durante uma longa vida econmica do giga-investimento podem ocorrer
mudanas, por exemplo, no seu ambiente de mercado, no seu financiamento, e na sua
tecnologia. "Com o aumentar do espao de tempo, mais provvel que grandes
mudanas ocorrero no ambiente "(Armstrong e Crohman, 1972). Todas as mudanas
inesperadas que acontecem durante a vida econmica do giga-projeto servem para
aumentar a incerteza e a dificuldade de, ex-ante, perceber precisamente o valor do
giga-investimento.
Porque ser difcil de estimar com preciso, ou perceber, os valores futuros das variveis
de um giga-investimento a qualquer momento, ex-ante, os modelos que avaliam gigainvestimentos e mostram a realidade, imprecisa, a percepo errada dos valores das
variveis do giga-investimento, e valor do investimento, devem ser preferidos. A
dificuldade de se estimar com preciso o valor do giga-investimento, via percepo
humana indireta e efeito da caracterstica do giga-investimento para a sua avaliao.
Na seo 2.4. discute o uso da lgica fuzzy na modelagem corretamente com a exatido
de informaes financeiras. A Seo 2.2. apresenta verses fuzzy de mtodos de fluxo
de caixa descontado em anlise de rentabilidade que utilizam a matemtica fuzzy na
avaliao de investimentos. Pode-se concluir que uso da lgica fuzzy na apresentao
de informaes inexatas no quadro de avaliao do giga-investimento possvel e uma
metodologia estabelecida.
Como uma nota adicional, importante observar que o problema de longa vida
econmica tem a ver com a percepo da longa vida econmica da giga-investimento. O
atual giga-investimento pode ser abandonado depois de um curto-espao de tempo, no
entanto, a percepo inicial do investimento, na fase de planejamento, de que ele ter
uma longa vida econmica, que tem efeitos sobre o valor percebido e avaliao
discutidas acima.
44
2.7.2. Alto grau de irreversibilidade

Grandes investimentos iniciais em instalaes de produo industrial, e outras
infra-estruturas industriais, so, muitas vezes, irreversveis, como j observados no
ponto 2.1. Os giga-investimentos so, por definio, grandes investimentos industriais
reais que so, em um alto grau, irreversveis. Assim, no contexto dos gigainvestimentos, significa que, aps a deciso inicial de investir feita, impossvel
revert-la, sem qualquer perda. Na prtica, a irreversibilidade dos giga-investimentos
causada, como discutido em 2.1., pelo fato de que no existem mercados para gigainvestimentos, pois eles no podem ser facilmente vendidos e porque so geogrfica e
tecnologicamente rgidos.
Como discutido em 2.3., a irreversibilidade sozinha no significativa do ponto
de vista de valor do giga-investimento. No entanto, quando combinada com
a incerteza sobre o futuro, a irreversibilidade torna-se valiosa para flexibilidade
gerencial. Acima, e no ponto 2.1., tem-se estabelecido que a incerteza sobre o futuro
exista para GIIR e, consequentemente, para o giga-investimento, e em se ter definido
giga-investimento como GIIR com um elevado grau de irreversibilidade. Isto significa
que a flexibilidade de gesto, quanto o planejamento dentro do giga-investimento
valioso.
Em 2.3. discutimos os diferentes tipos de flexibilidade gerencial, e foi visto que a
flexibilidade gerencial pode existir antes e depois da deciso do investimento. Para um
giga-investimento, devido sua alocao de capital inicial e a sua, muitas vezes
estratgica, a importncia da flexibilidade gerencial disponvel antes do investimento
(por exemplo, possibilidade de adiar o investimento) pode ser mais importante na fase
de planejamento do investimento. De acordo com a teoria de opes reais, antes da
deciso de investimento, o investimento total pode ser visto como uma opo (uma
grande). Aps a deciso de investimento a flexibilidade gerencial pode ser vista como
uma menor opo no giga-investimento e a opo de abandonar o gigainvestimento. Durante o tempo, a opo de adiar o giga-investimento disponvel para
que o valor do investimento possa ir para cima ou para baixo. Isto significa que existe
potencial, de alta e de baixa no valor planejado do giga-investimento.
45
Tem-se observado em 2.3. que a flexibilidade gerencial e opes podem ser modelados
e avaliados como formas de opo real. Podemos concluir que importante ter o valor
da flexibilidade gerencial em considerao ao avaliar giga-investimento e que a
avaliao da opo real uma metodologia criada para faz-la.
2.7.3. Longo tempo de construo
Vimos no item 2.1. que o tempo de construo dos GIIR varia geralmente de meses ou
anos, por exemplo, que na maioria das vezes longo o tempo de construo. GigaInvestimentos so definidos como GIIR que tem longo tempo de construo. Os gigainvestimentos possuem, por definio, um alto grau de irreversibilidade e o seu custo do
investimento que pode ser visto como fixo de alto grau. Esta opinio corroborada pelo
fato de que grandes projetos de construo industrial so frequentemente estabelecidos
por contratos. Quando a deciso de investimento feita, os contratos para a construo
do investimento so elaborados e fixados os compromissos de ambas as partes para a
entrega do projeto contratado, a companhia investe pagando o custo do investimento e
os
construtores
entregam
giga-investimento.
Mesmo que o custo de construo ou custo do investimento seja contratado e pode ser
visualizado como fixo de grau elevado, o valor do giga-investimento incerto, isto ,
devido ao fato de que o valor do giga-investimento depende do valor incerto do gigainvestimento que pode ser expresso na forma de fluxo de caixa, ao vida econmica do
giga-investimento.
O aumento da incerteza causada pelo tempo para construir o giga-investimento
devido, face s possveis mudanas nos mercados em que o giga-investimento uma vez
concludo ir operar. Em outras palavras, durante o tempo de construo, o custo do
investimento pode ser visto como fixo, mas os FCL do giga-investimentos so incertos.
A citao acima significa que o tempo de construo de um giga-investimento se
assemelha, por exemplo, a um contrato futuro de commodities, que fixa o preo de uma
mercadoria em uma data futura para o vencimento, mas o valor da commodity oscila de
acordo com o preo de mercado da commodity at o prazo de vencimento e
depois. Pode-se esperar que a avaliao por opo possa ser aproveitada para o modelo
46
de flexibilidade gerencial, modelos de avaliao futuros podem ser usados para avaliar o
valor do tempo de construo de um giga-investimento. A possibilidade de que o valor
da giga-investimento v para cima ou para baixo, durante o tempo de construo pode
ser tambm chamado de potencial: potencial de alta ou de baixa.
Necessita-se seguir adiante na observao de que o tempo de construo deve ser
tomado em considerao no clculo do valor dos fluxos de caixa gerados no gigainvestimento. Podemos concluir que o tempo longo de construo de um gigainvestimento significativo ao investimento e no seu valor e em sua incerteza, e devem
ser levados em considerao na modelagem e avaliao do giga-investimento. Pode
esperar-se que o tempo de construo de giga-investimento assemelha-se a alguns
investimentos de contratos a prazo, os modelos existentes de avaliao futura podem ser
utilizados em modelagem e avaliao do giga-investimento. Durante o tempo de
construo o valor do giga-investimento pode flutuar, h potencial para os dois sentidos,
tanto para cima e quanto movimentos para baixo. Uma discusso similar aplica-se
impreciso em ser capaz de estimar o valor do giga-investimento na concluso de sua
construo, como foi feito sobre a preciso na estimativa de valores das variveis em
4.1.1., ou seja, podemos concluir que a matemtica fuzzy til tambm, quando da
modelagem e avaliao ao longo do tempo de construo do giga-investimento.
2.7.4. Giga-investimento: Questes da avaliao e ciclo de vida

As trs caractersticas do giga-investimento do origem a uma srie de questes que,
direta ou indiretamente, afetam o valor e a avaliao do giga-investimento, ver tabela 41. (e a discusso acima). O valor do dinheiro no tempo importante, devido longa
vida econmica dos giga-investimentos, e tambm importante quando se leva o tempo
de construo de longo em considerao.
A impreciso em ser capaz de estimar valores para as variveis importante para a
avaliao dos giga-investimentos, e relevante devido sua longa vida econmica e
devido ao seu longo tempo de construo, a estimativa de impreciso tambm
relevante ao avaliar a flexibilidade gerencial. Ser capaz de avaliar a flexibilidade
gerencial importante para o giga-investimento, por causa do elevado grau de
47
irreversibilidade, que est presente alm da incerteza. Mtodos para lev-los em

considerao, e adequados para giga-investimentos, so os conjuntos fuzzy, baseados
em valores descontados, avaliao de opo real, avaliao de potencial, (e talvez) de
avaliao futura e verses do fuzzy dos modelos acima.
Tabela 3. Caractersticas do giga-investimento e alguns efeitos no valor do giga-investimento e sua
avaliao
Longo ciclo econmico
Algo grau de
irreversibilidade
Longo tempo de
construo
- valor do dinheiro no tempo importante: descontos (VPL)

- falta de preciso na estimativa das variveis causa impreciso no valor estimado: lgica fuzzy
- aliado a incerteza posui efeito no valor, porque a flexibilidade gerencial se torna valorvel:
avaliao de opo real
- grande custo afundado
- custos fixos, valores incertos: semelhana com contratos futuros com potencial de alta ou baixa
- efeito do tempo de valores de fluxo de caixa futuros (incerteza): desconto e lgica fuzzy
Para entender o ciclo de vida e avaliao melhor do giga-investimento, pode-se dividir

a vida do giga-investimento em trs grandes etapas que chamamos planejamento,
estgio I, fase de construo,estgio II e operao, estgio III, veja a tabela 3.
A fase de planejamento o momento antes da deciso do giga-investimento, quando o
giga-investimento, pode ser visto como uma opo. Tanto o custo de investimento e
valor incerto. A fase de construo o perodo aps a deciso de giga-investimento
que irreversvel. O custo do giga- investimento mais frequentemente contratado, e
pode ser entendido como fixo ou certo ou ter um desvio-padro baixo.
O valor do giga-investimento, no entanto, incerto. A fase de construo do gigainvestimento se assemelha a um contrato a termo de mercadoria, cuja a mercadoria
fixa, mas o preo de mercado incerto. A fase de operao a etapa aps a concluso
da construo do giga-investimento, at ao final da sua vida econmica. A fase de
operao do giga-investimento se assemelha com um contrato de obrigaes, e
comumente avaliado por VPL. Alm das projees de FCL do investimento existe um
valor adicional da flexibilidade gerencial dentro do investimento, por exemplo, a
flexibilidade de manufatura Bengtsson (2001). Esta flexibilidade gerencial pode ser
modelada com avaliao de opo real e pode ser chamada de opo operacional, por
exemplo, Nembhard, Shi, e Aktan, (2001). A estimativa imprecisa de variveis que
afetam o valor do giga-investimento, uma questo que est presente em todas as fases
do seu ciclo de vida.
48
Deciso do giga-investimento
Planejamento
Todo o giga-investimento visto
como uma opo. Tempo timo
para avaliao.
Custo e valor incertos
Giga-investimento pronto
Construo
Giga-investimento em
construo, custo travado, valor
incerto, potencial de alta e de
baixa
Precificao de opo,
VOR, fuzzy VOR
Operao
Giga-investimento est
concludo, estimativa incerta
ex-ante, mudanas tecnolgica
e de mercado, FCF descontado,
opo operacional
Tempo
Precificao futura?
Avaliao do potencial
Precificao de ttulo,
VPL, fuzzy VPL, fuzzy ROV
Figura 4. Apresentao do ciclo de vida do giga-investimento em trs fases, planejamento, construo e
operao - que se assemelha a opo, preos futuros de e precificao de ttulos.
Quando da concepo dos modelos e mtodos para auxiliar na avaliao e na tomada de

deciso de giga-investimento, importante levar em considerao as questes
decorrentes das caractersticas do giga-investimento e as questes decorrentes do ciclo
de vida do mesmo.
2.8. Aprimoramento na avaliao de opo real Black-Scholes para GigaInvestimentos

Vimos na seo 2.3. que a avaliao da opo real, utilizada em conjunto com
VPL, captura o valor da flexibilidade em investimentos. Vimos na seo 2.4. que, para
ser capaz de modelar com impreciso em decises de investimento podemos fazer uso
de conjuntos fuzzy, e em 2.2. que as verses fuzzy de mtodos de fluxos de caixa
descontados para anlise de rentabilidade, incluindo o VPL, so disponveis. Na seo
2.1. definiu-se giga-investimento, e se concluiu que com base em suas caractersticas e
benefcios a avaliao do giga-investimento de ser capaz de tomar tanto, a estimativa de
impreciso varivel quanto flexibilidade de gesto em considerao.
Para ser capaz de analisar a rentabilidade dos giga-investimento de uma forma que leve
em considerao a estimativa de impreciso (com lgica fuzzy) e flexibilidade gerencial
(com opes reais) em giga-investimento, necessrio um modelo de avaliao fuzzy
de opo real. Esse modelo pode ser usado em conjunto com um modelo fuzzy VPL
para anlise de rentabilidade dos giga-investimentos. A seguir ser descrito brevemente
49
alguns modelos fuzzy existentes para a avaliao de opes, e depois ser apresentado
um modelo fuzzy (hbrido) para avaliao da opo real (VORF).
H
algumas
obras
publicadas
sobre
uso
de
conjuntos
fuzzy
em
precificao de opes. Muzzioli e Torricelli (2000b) apresentam um modelo (baseado

em o precificao binomial de opes padro) para precificar uma opo com um fuzzy
payoff. Eles apresentam um modelo de um perodo nico e usa nmeros fuzzy
triangulares. Em (Torricelli e Muzzioli, 2000) apresenta-se uma rvore binomial
multi-perodo fuzzy, cujo
modelo de avaliao de opes usa nmeros fuzzy
triangulares. O trabalho generaliza o padro de avaliao binomial de opo e pode

muito provavelmente de ser utilizado em avaliao de opo real.
Precificao de opo fuzzy usada para avaliar o capital de uma companhia com a
frmula de Black-Scholes em Zmeskal (2001), onde se aplica um mtodo fuzzyestocstico, apresentado em (Wang e Qiao, 1993), combinando a teoria da probabilidade
e conjuntos fuzzy para modelar o ambiente de avaliao incerta (mercados). O trabalho
concentra-se na avaliao da opo do capital de uma companhia, no entanto, os
princpios assumidos e utilizados podem ser aplicveis a situaes de flexibilidade
gerencial (opes reais). (Yoshida, 2003) apresenta um modelo fuzzy que usa a frmula
de Black-Scholes para o valor das opes financeiras tipo europias em ambiente fuzzy
(mercado).
O trabalho baseia-se no processo de modelo fuzzy-estocstico de incertezas nos
mercados
financeiros.
obra
no
menciona
valor
da
opo
real.
Acima temos estabelecido a necessidade de uma avaliao com modelo de opo real
fuzzy adequado para giga-investimento, e olhou-se algumas obras j existentes
que combinam conjuntos fuzzy com precificao de opes. Em seguida, ser visto
modelo de avaliao fuzzy de opes concebido para giga-investimento.
50
2.8.1. Modelo (hbrido) de Avaliao de opo real fuzzy (VORF)

O modelo Black-Scholes de precificao de opes , ao melhor de nosso
conhecimento, o mais conhecido e amplamente utilizado modelo para avaliao da
opo real. Por estas razes, escolher o modelo Black-Scholes (Black e Scholes, 1993),
reforada por Merton (Merton, 1973), como ponto de partida para o modelo de
avaliao de opo real fuzzy (VORF). Usaremos a construo de Black-Scholes, no
entanto, sero mostradas trs melhorias para a construo e aplicao do modelo:
i) Utilizao de variveis fuzzy para substituir as variveis clssicas para o valor
presente
dos fluxos de caixa esperados (S0), e para o valor presente dos os custos esperados (X),
usado no modelo original.
ii) Utilizao de uma nova abordagem para o clculo da volatilidade (desvio-padro)
usado na frmula, e no tratamento fuzzy das variveis no modelo.
Calculamos o desvio-padro utilizado no modelo a partir do valor presente fuzzy dos
fluxos de caixa livre do giga-investimento, usando um mtodo desenvolvido em
(Carlsson, Fuller, e Majlender, 2001) para calcular a variao de possibilidade e desvio
padro de nmeros fuzzy. Isso diferente do clculo de desvio padro utilizado na
frmula de Black-Scholes original. Este mtodo permite que as informaes de
especialistas de mercado, que tenham contribudo para as estimativas do fluxo de caixa
estimativas, seja includos no clculo do desvio padro. Isto pode aumentar a utilizao
do modelo para giga-investimentos.
Utilizando o valor mdio de probabilidade de So e X (Clssicos), conforme definido em
(Carlsson e Fuller, 2001a), dentro do modelo para o clculo de d1 e d2.
iii) Sugere-se que a estimativa (fuzzy) de valores presentes de receitas e despesas
esperadas sejam feitos usando a previso de julgamento (opinio de especialista),
porque, convm melhor para giga-investimento do que usar (apenas) os mtodos
estocsticos. Com isto se quer dizer que o julgamento utilizado para a estimativa e
ajuste das estimativas fuzzy de fluxos de caixa futuros para o giga-investimento. A
partir destes, usados no modelo.
51
Baseia-se na crena de que usar termos de mtodos de julgamento em giga-investimento

seja melhor, do que utilizar apenas mtodos estocsticos, sobre o fato de que gigainvestimento tm muito tempo de vida econmica e que mtodos estocsticos
(economtricos) geralmente no produzem resultados confiveis a longo prazo, por
exemplo, Shnaider e Kandel (1989). De fato, "... alguns economistas, com base no
raciocnio humano e s com dados relativamente limitados e sem o apoio de modelos
economtricos, foram mais precisos em prever o tempo e a intensidade dos pontos de
inflexo da economia. Isto possivelmente porque a argumentao
no foi
constrangida pelos resultados gerados pelos modelos economtricos "Shnaider e

Kandel,(1989). Tem-se a experincia de que as companhias fazendo giga-investimentos
possuem os melhores especialistas no emprego em seus investimentos previstos em
giga-investimento, e como "dinheiro, muitas vezes em finanas montantes futuros e as
taxas de juros so estimados. Em geralmente emprega-se palpites, com base em valores
esperados ou outras tcnicas estatsticas... "(Buckley, 1987), no razovel esperar que
o resultado obtido com os mtodos de julgamento possam ser melhor do que o resultado
obtido com mtodos estocsticos.
Alm disso, se os futuros fluxos de caixa para giga-investimento estimado por
especialistas, levando em considerao todas as informaes sobre o futuro que eles
possuem, as estimativas refletem o futuro com informao e so progressistas, mesmo
os especialistas se baseiam nas estimativas sobre a sua experincia passada ou modelos
economtricos. Mtodos estocsticos baseiam-se apenas em dados do passado. Existem
tambm algumas consideraes de ordem prtica para a abordagem: a simplicidade da
abordagem faz com que seja utilizvel na indstria, ao contrrio, por exemplo, os
modelos de salto que "... so mais difceis de implementar na prtica cotidiana da
indstria Keppo e Lu( 2003) ".
Nestas circunstncias, define-se o modelo (Carlsson, Fuller e Majlender, 2001) e

(Collan, Carlsson e Majlender, 2003):
Sugere-se a seguinte frmula para calcular o valor da opo real fuzzy
(VORF):
52
bc, 2 3 45 67 83 4 6 79 ,
[9]
Onde,
7
?@
:; < B=>5 @ A

C
79 7 E",
[10]
E
S0 = Valor presente dos fluxos de caixa livre esperados (Fuzzy)
X = Valor presente dos custos esperados (fuzzy)
E (S0) = O valor mdio probabilstico do valor presente dos fluxos de
caixa esperados (Clssicos)
E (X) = O valor mdio probabilstico de custos de espera (Clssico)
= desvio padro de possibilidade do valor presente valor dos fluxos de
caixa esperados (Clssico)
T = Tempo de expirao da opo real (Clssico)
= O valor perdido durante a durao da opo (Clssico)
R = taxa de retorno livre de risco anualizada (Clssico)
O dado de sada do modelo um nmero fuzzy que pode ser utilizado junto com o valor
de VPL fuzzy para auxiliar na anlise de rentabilidade de giga-investimento
Se a estimativa dos fluxos de caixa fuzzy esperados feita por mtodo de julgamento
e o desvio padro utilizado no modelo calculado a partir do valor presente dos fluxos
de caixa esperados fuzzy, ento o desvio padro utilizado ir refletir a volatilidade dos
fluxos de caixa, como visto pelos especialistas. Isso faz com que tambm o clculo do
desvio padro seja um exerccio de prospectiva.
interessante comparar o modelo VORF como a opo apresentada com mtodos de
avaliao utilizando conjuntos fuzzy, para uma breve comparao pode-se selecionar o
modelo fuzzy-estocstico apresentado em (Zmeskal, 2001). As duas abordagens
divergem muito entre si, na verdade, o VORF projetado para o valor real opes e o
modelo fuzzy-estocstico para avaliar o patrimnio da companhia. Ainda assim, ambos
53
os conjuntos fuzzy so utilizados na avaliao de opes, e algumas opes de

modelagem podem ser comparadas.
O tratamento e a derivao do desvio padro utilizado nos modelos diferente;
(Zmeskal, 2001) usa uma fuzificao do mesmo, usando a volatilidade implcita ou
volatilidade histrica (na verdade, no indicado que, s que a medida de volatilidade
fuzzy). O modelo prev que no VORF a incerteza de mercado capturada pelas
opinies dos especialistas e originalmente fuzzy seja encontrada nas previses de fluxo
de caixa fuzzy, decorrentes da volatilidade dos mesmos.
Isto , (Zmeskal, 2001) o modelo se baseia em dados do passado, e o modelo VORF
baseado sobre dados do futuro. A utilizao dos modelos diferente, a avaliao do
capital da companhia e a avaliao de um investimento de futuro, da a diferena de
medidas de volatilidade que s pode refletir as diferentes realidades das duas situaes.
Zmeskal (2001) substitui o movimento geomtrico Browniano (MGB) utilizado na
frmula de Black-Scholes original (e no modelo VORF) por uma metodologia fuzzyestocstica para incluir a incerteza na avaliao de mercado. A metodologia fuzzyestocstica permite o uso de variveis fuzzy tambm na modelagem dos mercados, isto
pode melhorar a utilizao e a credibilidade do modelo.
O modelo VORF usa duas variveis fuzzy e deriva a volatilidade internamente,
enquanto em (Zmeskal, 2001) o modelo tem todas as variveis fuzzy. Os modelos
so diferentes, e sem teste emprico, no possvel extrair concluses definitivas sobre
as suas capacidades de avaliao. Quanto mais para frente na procura da abordagem do
modelo VORF que parece capturar melhor a incerteza de giga-investimento, enquanto
que os mtodos utilizados na (Zmeskal, 2001) mais devem ser apropriados a avaliao
da companhia de capital como uma opo. Aplicando um mtodo fuzzy-estocstico para
melhorar o VIRF uma oportunidade interessante de continuidade de pesquisa desta
dissertao.
O modelo VORF apresentado, juntamente com um exemplo numrico, em
(Collan, Carlsson, e Majlender, 2003), e baseia-se em trabalhos anteriores
desenvolvidos
em, por exemplo, (Carlsson e Fuller, 2000) e (Carlsson, Fuller, e
Majlender, 2001). O modelo VORF pode ser utilizado em conjunto com o VPL fuzzy
54
para auxiliar na real tomada de deciso de investimento. Permite a utilizao do fluxo

de caixa fuzzy mesmo em estimativas que so usadas para o clculo do VPL fuzzy e
fornece uma abordagem prospectiva para o clculo do desvio padro utilizada na
avaliao da opo real. O modelo traz suporte VORF mais realista para gigainvestimento que a opo de avaliao de mtodos tradicionalmente no-fuzzy, porque
h menos necessidade de fazer suposies simplistas sobre a incerteza dos valores das
variveis.
2.9. Um Novo Modelo de Avaliao de Giga-Investimentos

Concluiu-se no item 2.1.4. que na concepo de modelos e mtodos para avaliar gigainvestimento, importante levar em considerao a avaliao de questes decorrentes
das caractersticas do giga-investimento e de seu ciclo de vida. Podemos afirmar
tambm que, se possvel ter em considerao adicional tambm giga-investimentos
industriais reais (GIIR) caractersticas das questes de avaliao, que no as do gigainvestimento, mas so relevantes para alguns GIIR, positivo para o aplicabilidade e
preciso dos modelos de avaliao do giga-investimento.
A partir das caractersticas do giga-investimento e que um modelo projetado para
avaliao de giga-investimento deve se levar em considerao, como discutido em
2.2.1, 2.1.2 e 2.1.3, podendo levar em considerao:
i) Valor do dinheiro no tempo (depreciao);
ii) A falta de preciso na estimativa da varivel (lgica fuzzy);
iii) Valor da flexibilidade gerencial;
iv) Efeito do tempo de construir sobre o valor do dinheiro no tempo (depreciao);
v) Potencial de alta e de baixa do valor do giga-investimento
A partir do ciclo de vida do giga-investimento que se pode olhar a avaliao do gigainvestimento (anlise de rentabilidade) em trs fases, planejamento, construo,
operao. Cada uma destas fases diferente, como observado em 2.1.4. Exigindo
diferentes tipos de avaliao para refletir a realidade (o estgio do ciclo de vida do gigainvestimento).
55
i)
Na fase operacional, o custo do giga-investimento historicamente certo, o

valor do dinheiro no tempo, e falta de preciso na estimativa da varivel para
a construo do fluxo de caixa livre do valor do giga-investimento e
estimativa de incerteza (fuzzy). O valor da operao de gesto e opes de
flexibilidade nos investimentos, por exemplo, para alternar entradas / sadas,
opes de expanso, e a opo de abandono, podem ser avaliados
separadamente (avaliao da opo real fuzzy), e o valor agregado, e
atualizado com as estimativas de fluxo de caixa com a mudana. No h
valor da opo de esperar para investir, e no h potencial a partir do
momento da construo.
ii)
Na fase de construo, quando a deciso de investimento do gigainvestimento foi tomada, o custo do investimento pode ser visto como fixo
de alto grau, no entanto, o valor do investimento giga-incerto (fuzzy). O
valor da flexibilidade gerencial operacional, dentro do investimento, pode
ser avaliada separadamente, isto , avaliao da opo real fuzzy, e o seu
valor acrescentado e atualizado com o as estimativas de fluxo de caixa e sua
mudanas. No existe um valor de opo de espera para investir, no entanto,
ainda h potencial, negativo ou positivo, pois durante o tempo de construo
os estados da natureza podem mudar, alterando o valor do investimento.
iii)
Antes da deciso de investimento do giga-investimento ser feita, todo gigainvestimento pode ser visto como uma opo. Isto significa que a opo de
giga-investimento, a opo para iniciar a fase de construo do gigainvestimento. O custo do investimento incerto e o valor do gigainvestimento tambm . O potencial durante o tempo necessrio para
construir precisa ser levado em considerao. Com base nas trs
caractersticas do giga-investimento, e as questes de avaliao da
resultantes, o estgio do ciclo de vida dos giga-investimento, apresentada em
2.1.4., a discusso acima, tambm so levada em considerao,
i) diferentes taxas de desconto para os fluxos de caixa livre e custos iniciais

ii) diferente desvio padro para os fluxos de caixa livre e custos iniciais
56
Prope-se a definio do modelo de avaliao dos giga-investimento como,

Valor de Investimento Real Fuzzy (VIRF) calculado como:
dc,M cefc g E! g M M -ef- g Eg
[11]
Onde,
c 0
g c0
Valor presente fuzzy dos FCL fuzzy do projeto
- 0
g -0
Valor presente fuzzy dos custos iniciais do projeto
i
hi
i
ji
O modelo VIRF no vai tomar uma posio sobre a forma como o FCL e CI so
previstos, diferentes mtodos de previso so apresentados em 2.2.1. Sugere-se a
utilizao da previso de julgamento para a estimativa de fluxos de caixa, a mesma
sugesto se aplica ao modelo VIRF. O modelo permite a utilizao de estimativas de
fluxo de caixa imprecisas, discutida em 2.4. e sugere o uso de nmeros fuzzy,
apresentadas no ponto 2.4.1., por FCL e CI. Sugere-se ainda o uso de nmeros fuzzy
trapezoidais, definidos no ponto 2.4.1., porque eles simplificam os clculos. O clculo
da valor atual apresentado no ponto 2.2.1., com referncias a trabalhos sobre a clculo
do valor presente fuzzy.
rri = taxa de desconto especfico para cada fluxo de caixa livre do projeto (nmero
clssico)
rCi = taxa de desconto especfico para cada fluxo de custo inicial (nmero clssico)
A taxa de desconto determinada separadamente para cada FCL e para o fluxo de custo
CI. Utilizando a srie separada de taxas de desconto para FCL e fluxos de custo CI so
diferentes na prtica do uso comum de uma nica srie de taxas de desconto para o
investimento como um todo, como feito, por exemplo, no valor presente lquido
(VPL) e Black-Scholes para avaliao mtodos de opes reais (VOR), apresentado em
2.2.1. e 2.3. Na prtica, pode ser muito difcil estimar a srie de taxas de desconto
separadas, e pode ser prtico usar apenas duas taxas de desconto, uma para FCL e outra
para todos os fluxos de custo CI. Anlogo o funcionamento prtico para VPL e mtodos
57
baseados em VOR Black-Scholes com a utilizao de uma nica taxa de

desconto. Determinao das taxas de desconto pouco discutido em 2.1. Fuzzy e
nmeros clssicos podem ser usados em conjunto, as taxas de desconto a serem
utilizadas no modelo proposto podem ser clssicos para simplificar o clculo, porm,
possvel utilizar tambm as taxas de desconto fuzzy, por exemplo, (Kuchta, 2000).
E (R) e E (C) = Mdia probabilstica (esperada) para valor de R e C (R e C
fuzzy)
Clculo da mdia de probabilidade esperada para valor de nmeros fuzzy
desenvolvido em (Carlsson e Fuller, 2001a). Para nmeros fuzzy trapezoidais, sugere-se
usar no modelo, o valor mdio probabilstico qu definido como,
f F
S[
9
\4T
k
[12]
Se A um numero fuzzy trapezoidal, A = (a,b,,).

Frmulas
E!
E
lmSnhi
!i
lmSnji
i
Desvio padro probabilstico de receitas fuzzy (FCL) em % (clssico)
Desvio padro probabilstico de custos iniciais fuzzy (CI) em %
(clssico)
O desvio padro calculado separadamente para R e C, a partir da CI e de fluxos de
caixa livre FCL e representados em percentagem. A determinao da varincia
probabilstica e o desvio padro de nmeros fuzzy so desenvolvidos em (Carlsson e
Fuller, 2001a). Para nmeros fuzzy trapezoidais a variao de probabilidade (de um
nmero fuzzy trapezoidal A) definida como:
E 9 F
[4S@
o
[4ST\
k
T\@
9o
[13]
58
O desvio padro de probabilidade de A a raiz quadrada da varincia de

probabilidade. O desvio padro de probabilidade (de um nmero fuzzy trapezoidal A),
em percentagem, apresentou-se, por exemplo, em (Carlsson e Fuller, 200), definido
como:
EF
lC @ Jpqr pqrtuvtuv

s
J
@s
[14]
Na prtica, pode ser difcil determinar um desvio padro utilizvel para o investimento
partindo do desvios padro de cada FCL e CI. Faz sentido em muitos casos substituir o
clculo do desvio padro de cada desvio padro individual, calculando o desvio padro
a partir de agregados, R e C (valores atuais de R e C). Ao calcular o desvio padro dos
fluxos de caixa agregados simplifica-se os clculos, mas deve-se aceitar o fato de que,
em alguns casos, o desvio padro agregado pode diferir de um dos desvios-padro
calculados a partir de desvios-padro de fluxos de caixa individuais.
Desvios padro separados so calculados para as receitas e o investimento inicial. Isso
diferente de, por exemplo, mtodos Black-Scholes baseados em VOR, onde um desvio
padro usado para o investimento como um todo. Os desvios padro para FCL e os
fluxos de custo CI podem ser significativamente diferentes, porque o FCL e os fluxos de
custo CI so regidos por diferentes mercados. No plausvel de se esperar que desvios
padro para diferentes mercados sejam diferentes.
O desvio padro probabilstico de custo e receitas so calculados a partir das
estimativas de fluxo de caixa fuzzy fazer para estimativas da volatilidade de uma
varivel internamente determinvel no modelo, por exemplo, (Carlsson e Fuller, 2001a).
Embora quase nunca seja mencionado, prtica comum com modelos de simulao de
avaliao de opo para determinar volatilidade estocstica internamente, por exemplo,
(Fouque, Papanicolau, e Sirkar, 1999) e (Fouque Tullie, 2002). Isso diferente do
clculo do desvio padro utilizado, por exemplo, na frmula de Black-Scholes
original. O enfoque olha para o futuro, porque o desvio padro calculado a partir da
estimativa de fluxos de caixa futuros. O modelo VIRF no requer o uso de um
determinado modelo de mercado para a gerao das estimativas de fluxo de caixa
59
futuro, este significa que o modelo de mercado que melhor se ajuste pode ser
selecionado (diferente de, por exemplo, o modelo Black-Scholes). Propem-se o uso de
previso de julgamento para um giga-investimento, por causa de uma srie de razes
(ver4.2.1.). O desvio padro calculado a partir da previso de julgamento de fluxos de
caixa futuros levar em considerao o conhecimento dos especialistas sobre a incerteza
e a complexidade intrnsecas ao giga-investimento. Nota-se que esta uma vantagem
em relao aos modelos que esto limitados a um mercado com nico modelo que faz
da VIRF uma ferramenta mais adequada para um giga-investimento.
yzV{7| F Y fFa
ex
Operador heurtico para adio de potencial (incerteza)
yzV{7| F . fF
Um novo operador heurstico introduzido. O operador utiliza heuristicamente duas
operaes algbricas com nmeros fuzzy: a operao usada para valores de um nmero
fuzzy A menor que mdia probabilstica de A, A(V) < E(A), a subtrao, e para o A
(V) > E (A), adio. A figura 4-2 uma ilustrao grfica do operador heurstico. O
operador heurstico faz operaes em um nico nmero, ou seja, no adiciona dois
nmeros no senso comum. O operador acrescenta informaes ao nmero para o qual as
operaes so feitas, as informaes trazidas pelo nmero agregado distribudo em
torno da mdia de probabilidade do nmero original. Isso diferente do efeito do
operador de adio fuzzy.
A utilizao de nmeros clssicos em estimativas de previso de fluxos de caixa futuros
uma simplificao da complexidade das incertezas quanto ao futuro, utilizando
tambm nmeros fuzzy (trapezoidais) simplifica-se a realidade, porm, em menor
extenso. Introduzindo-se
mudanas na incerteza ou a exatido da percepo de
estimativas de fluxos de caixa futuro apresentadas como nmeros fuzzy (trapezoidais)

no simples e requer mais estudos. O operador heurstico um suporte para os
mtodos que, no futuro sero capazes de tratar de forma consistente mudanas na
incerteza e complexidade das estimativas de fluxos de caixa futuros.
O operador causa uma descontinuidade inoportuna no resultado do nmero fuzzy. Isto
pode ser provvel de que este problema possa ser resolvido descontinuidade no
futuro com operadores aritmticos fuzzy.
60
Operador usado para valores < E(A)
Operador usado para valores > E(A)
Figura 5. Ilustrao grfica de como funciona o operador heurstico. O potencial (ou agregados de
incerteza) distribudo em torno do valor da mdia probabilstica E (A) estendendo-se ao nmero fuzzy.
t = tempo de quando a possibilidade de investir est disponvel (tempo de espera)

(nmero clssico)
TC = Tempo para o incio do fluxo de receitas aps a entrada no projeto (tempo de

construo) (nmero clssico)
O tempo que a possibilidade de investir est disponvel anterior o da deciso de

investimento ser feita e o gestor tem a possibilidade de esperar para investir. Durante a
espera, o gestor pode aprender e adquirir novas informaes sobre o investimento, por
exemplo, ver em que direo os mercados de produtos esto evoluindo, se para o
sentido negativo ou positivo, potencial de alta e de baixa. O potencial gerado durante
o tempo que a possibilidade de investir esteja disponvel. O modelo sugere a utilizao
de uma estimativa clssica pela simplicidade. Discutiu-se o valor da possibilidade de
esperar para investir (adiar o investimento) em 2.3.
61
Tempo de construo o tempo que leva para o investimento para ser construdo. Em
2.1. discutiu-se os longos perodos de construo dos GIIR. O potencial gerado
durante o perodo que o investimento est sendo construdo. Sugere-se a utilizao de
uma estimativa clssica para a simplicidade.
Potencial para o investimento proposto pode ser calculado multiplicando o valor
presente esperado dos FCL e do CI para o investimento com o desvio padro do FCL e
do CI com o tempo que o potencial gerado. O potencial gerado pelos (mercados), para
o FCL calculado como E (R) * R * (t+tc) e o potencial gerado pelos (mercados ) para
o CI calcula do como E (C) * C * (t).
O modelo prope o clculo separado dos potenciais causados pelos mercados para o
FCL, por exemplo, a sada de produtos dos mercados para os mercados e da para o CI,
por exemplo, custos de construo. Isso ocorre por que:
i)
A quantidade de potencial causado pelo (mercado) no FCL e no CI

diferente. O potencial causado pelo FCL e do CI (dos mercados) diferente,
porque, como discutido acima, o desvio padro do FCL e os fluxos de caixa
de CI freqentemente diferente. Parece que para grandes investimentos
industriais reais a incerteza face aos fluxos de caixa CI muito menor do que
a incerteza face dos FCL, ou seja, os potenciais causados pelo FCL
(mercados) maior devido ao maior desvio padro estimado do FCL.
ii)
O tempo para que o potencial seja gerado pelos (mercados) em FCL e nos CI
no simtrico. A gerao do potencial durante o tempo de espera e durante
o tempo de construo no simtrica. Durante o tempo da possibilidade de
investir esteja disponvel, o potencial gerado por ambos, (mercados) para o
FCL e os fluxos de caixa CI, uma vez que os mercados podem evoluir de
forma positiva ou negativa, causando potenciais positivos e negativos.
Durante o tempo de construo, aps a deciso de investimento ser feita, o
modelo assume que os fluxos de caixa CI so contratados e fixos, por
exemplo, paga-se antecipadamente, e no so mais dependentes dos
mercados para os fluxos de caixa CI (a incerteza remanescente est includa
na estimativa de fluxo de caixa fuzzy). De acordo com o modelo os
mercados de fluxo de caixa CI no geram potenciais durante o tempo de
62
construo. O potencial ainda gerado durante o tempo de construo por

parte dos mercados para o FCL, porque a produo no comeou e no
sabemos exatamente o preo de mercado, ou a evoluo dos preos de
mercado at o momento que a produo iniciada.
VPL ou VPL fuzzy no levam em considerao o potencial. A proposta de
clculo do potencial difere da cada potencial (valor da flexibilidade gerencial
para esperar; possibilidade de adiar o investimento) calculado com o valor
da opo real, utilizando a frmula Black-Scholes:
i) Potencial de alta e de baixa (a possibilidade de que o mercado evolua pode
ser positiva ou negativa), ambos esto includos na avaliao da opo real,
com base em modelos de avaliao de opo onde se pressupe que o valor
do potencial sempre pelo menos zero. O modelo de avaliao fuzzy de
investimento real (VIRF) considera tambm a possibilidade de uma
diminuio no (valor do giga-investimento) (potencial negativo) durante o
tempo e a possibilidade de investir so disponveis. O modelo VIRF leva em
considerao que o valor do giga-investimento pode diminuir durante o
tempo de espera, e o custo de investimento inicial pode aumentar,
simultaneamente, causando uma variao negativa na rentabilidade do
investimento e, portanto, capta tambm o potencial negativo. O modelo
baseado em princpio, que o potencial positivo e negativo so mostrados ao
gestor, que far ento a deciso. Os potenciais positivo e o negativo
importante, quando no h tempo para esperar e durante o tempo de
construo.
ii) O potencial gerado pelos (mercados), de FCL e os (mercados) os fluxos
de caixa CI so calculados separadamente. A avaliao da opo real usa o
mesmo desvio padro nico para o FCL e os fluxos de caixa CI, ou seja, eles
so assumidos para o mesmo mercado.
iii) Se no houver tempo para esperar, mas h um tempo de construo, o
modelo de avaliao fuzzy de investimento real (VIRF) prope que algum
potencial (de FCL) ainda exista. A avaliao de opes reais, ou a avaliao
da opo real fuzzy (VORF) apresentado em 4.2.1., no reconhece os
63
potenciais causados pelo tempo de construo. Se no h tempo para esperar

e nenhum tempo de construo os resultados do modelo de avaliao fuzzy
de investimento real prope que algum potencial (do FCL) ainda exista. A
avaliao da opo real ou avaliao da opo real fuzzy presente em 4.2.1
no reconhecem o potencial causado pelo tempo de construo. Caso no
haja tempo de espera nem tempo de construo ento os resultados tanto do
modelo de avaliao de investimento real fuzzy quanto os do modelo de
avaliao de opo real fuzzy convergem para um VPL fuzzy.
Alm disso, se no houver a captura da incerteza nos fluxos de caixa
previstos, o VIRF e VORF convergem para um VPL, comumente usado, e
com nmeros clssicos (valores esperados), a avaliao pelo mtodo BlackScholes de avaliao de opes reais recai diretamente num VPL quando
no houver tempo de espera.
iv) Caso no haja incerteza na previso na estimativa de fluxos de caixa, no
existe potencial (o valor da possibilidade de adiar um investimento em
diferentes combinaes de reversibilidade e de segurana so apresentados
na tabela 2-2.). Isto causado pelo fato de que o modelo prope o clculo do
desvio padro utilizado a partir das estimativas de fluxo de caixa fuzzy que
inclui a incerteza dos fluxos de caixa. A avaliao da opo real
vulgarmente utiliza mtodos para a estimativa do desvio padro que no
levam em considerao a percepo da incerteza dos fluxos de caixa futuros,
mas sim baseado na espera. Os valores das estimativas de fluxo de caixa. A
avaliao opo fuzzy real, modelo apresentado no ponto 4.2.1., usa a
mesma abordagem que o modelo de avaliao de investimento real
fuzzy. Caso o modelo de avaliao de investimentos reais fuzzy por algum
motivo, seja usado com nmeros clssicos, ento o desvio padro deve ser
calculado usando outro mtodo sugerido.
v) O modelo de avaliao fuzzy real de investimento no est vinculado a
um nico modelo de mercado. O desvio padro utilizado no modelo
derivado das estimativas de fluxo de caixa, a seleo do modelo de mercado
que usado para prever os futuros fluxos de caixa. O modelo Black-Scholes
de precificao de opes usa um modelo de mercado nico. O clculo do
64
potencial afetado para a seleo do modelo de mercado utilizado, por

exemplo, nos casos em que os mercados podem ser dirigidos por grandes
atores
(alguns
grandes
investimentos
industriais
reais
investimentos, como discutido em 2.1.), sendo capaz de selecionar um

modelo de mercado adequado pode gerar problemas de credibilidade.
O modelo VIRF acrescenta o potencial do FCL para o valor presente dos FCL a partir
do projeto (receitas) e do potencial do CI para o valor presente do CI do projeto (custos)
com o operador heurstico . Caso o modelo seja utilizado como proposto, o potencial
dado como um nmero clssico. Posteriormente o potencial do FCL adicionado ao
valor presente das receitas e o potencial de CI adicionado ao valor presente dos custos.
O custo com potencial deduzido da receita com potencial para atingir o valor de
investimento real fuzzy (valor VIRF). O resultado do VIRF o intervalo de resultados
possveis a partir do valor previsto do giga-investimento que inclui a incerteza dos
fluxos de caixa e os resultados positivo e potencial negativo gerado pelo tempo de
espera e pelo tempo de construo. O VPL um mtodo simplificado para avaliar o
valor dos investimentos, a avaliao de opes reais para flexibilidade gerencial
(potenciais) e com nmeros fuzzy estima-se captar as complexidades e incertezas do
futuro, so esforos para levar a avaliao mais prxima da realidade. O modelo de
avaliao de investimento real fuzzy um esforo para trazer a avaliao dos gigainvestimentos ainda mais perto da realidade, mais inclusive na avaliao do efeito de
algumas caractersticas especiais desses investimentos.
2.10. Um resumo sobre a Vale

A Vale, outrora chamada Companhia Vale do Rio Doce, foi criada pelo governo
brasileiro em 1942. Em 1997, tornou-se uma companhia privada apostando na
diversificao de seu portflio de produtos. Hoje, a companhia global, com sede no
Brasil e mais de 100 mil pessoas trabalhando nos cinco continentes.
65
2.10.1. Panorama Geral dos Negcios

A Vale uma das maiores produtoras mundiais de minrio de ferro e pelotas e o
segundo maior produtor global de nquel. Um dos maiores produtores mundiais de
mangans, ferro ligas, bauxita, alumina e caulim. Tambm produzindo alumnio, cobre,
carvo, potssio, metais do grupo da platina (PGMs) e outros produtos. Para sustentar
essa estratgia de crescimento, a companhia participa ativamente da explorao mineral
em 21 pases no mundo inteiro.
Opera um grande sistema de logstica no Brasil, incluindo ferrovias, terminais e um
porto martimo, integrados s operaes de minerao. Alm disso, est construindo um
portflio de frete martimo para transporte de minrio de ferro. Diretamente e por
intermdio de afiliadas e de joint ventures, tem importantes investimentos no setor
energtico e do ao.
A figura 6 a seguir apresenta a composio e a descrio da receita operacional de cada
uma das principais linhas de negcio.
Demonstrao do resultado de 2009
Figura 6 Demonstrao do resultado de 2009 (BRGAAP)
66
Minerais Ferrosos
Minrio de ferro e pelotas. A Vale opera trs sistemas no Brasil para a produo
e distribuio de minrio de ferro. Os sistemas Norte e Sudeste esto plenamente
integrados e consistem de minas, ferrovias, terminais martimos e instalaes
porturias. O Sistema Sul consiste de trs complexos de minerao e dois
terminais martimos. No Brasil, operam 10 plantas de pelotizao. Tambm
possu participao de 50% em uma joint venture que possui trs usinas
integradas de pelotizao no Brasil e uma participao de 25% em uma
companhia plotizadora na China.
Mangans e ferro ligas. Realiza operaes de mangans por meio de

subsidirias no Brasil e produz vrios tipos de ferro ligas de mangans por
intermdio das subsidirias no Brasil, na Frana e na Noruega.
Minerais no-ferrosos
Nquel. As principais operaes de processamento e de minas de nquel so

realizadas pela subsidiria integral Vale Inco Limited (Vale Inco), que possui
operaes de minerao no Canad, na Indonsia e em Nova Calednia.
proprietria de refinarias de nquel no Reino Unido, no Japo, em Taiwan, na
Coria do Sul e na China, a qual tambm possui operao.
Alumnio. Realiza operaes de minerao de bauxita, refino de alumina e

fundio de alumnio. No Brasil, proprietria de uma mina de bauxita, uma
refinaria de alumina e uma refinaria de alumnio. Tem uma participao de 40%
na Minerao Rio do Norte S.A. (MRN), produtora de bauxita, com operaes
tambm localizadas no Brasil.
Cobre. No Brasil, produz concentrados de cobre em Sossego, Carajs, no estado

do Par. No Canad, produz concentrado de cobre, anodo e catodo associado s
operaes de explorao de nquel, em Sudbury e em Voisey Bay.
Nutrientes fertilizantes. o nico produtor de potssio no Brasil, com operaes

em Rosrio do Catete, no estado de Sergipe. Possui um programa de expanso
das operaes de fertilizantes nutrientes, por meio de aquisies e crescimento
orgnico.
67
PGM (metais do grupo da platina). Produz PGMs como subprodutos de

operaes de minerao e processamento de nquel no Canad. Os PGMs esto
concentrados nas instalaes de Port Colborne, Ontrio (Canad) e so refinados
em Acton, Inglaterra.
Outros metais preciosos. Produz ouro e prata como subprodutos de operaes de

minerao e processamento de nquel no Canad. Alguns desses metais
preciosos so aperfeioados nas instalaes de Port Colborne, Ontrio e
refinados por terceiros no Canad.
Outros minerais no ferrosos. um dos maiores produtores mundiais de caulim

para revestimento utilizado na indstria de papel. Produz cobalto como
subproduto das operaes de minerao e processamento no Canad, refinado
em Port Colborne.
Carvo: Produz carvo metalrgico e trmico por intermdio da Vale Australia

Holdings (Vale Austrlia), que opera ativos de carvo na Austrlia por
intermdio de subsidirias prprias e joint ventures no constitudas. Por
intermdio da subsidiria Vale Carvo Colombia Ltd. Sucursal Colombia (Vale
Colombia) produz carvo trmico no departamento Cesar, Colombia. Possui
interesses minoritrios em produo de coque e operaes de carvo na China.
Servios de logstica: So lderes no fornecimento de servios de logstica no

Brasil, com ferrovias e operaes porturias. Dois dos trs sistemas de minrio
de ferro incorporam uma rede ferroviria integrada a um porto e a terminais
automatizados, que fornecem transporte ferrovirio para produtos de minerao,
carga geral e passageiros, armazenamento nos terminais, servios de
carregamento de navios para operaes de minerao e para terceiros. Realiza o
transporte martimo de granis a seco e presta servios de rebocadores. Possui e
freta navios para transporte de minrio de ferro vendido para clientes em base
custo e frete (CFR). Os servios de rebocadores fornecem um servio eficiente e
seguro de reboque em terminais martimos no Brasil. Tambm possui 31,3% de
participao na Log-In Logstica Intermodal S.A., (Log-In), que presta servios
68
de logstica intermodal no Brasil, na Argentina e no Uruguai e participao de

41,5% na Logstica S.A. (MRS), que transporta produtos de minrio de ferro
das minas do Sistema Sul aos terminais martimos de Ilha Guaba e Itagua, no
Estado do Rio de Janeiro.
Estratgia de negcios
A misso da Vale transformar recursos minerais em riqueza e desenvolvimento
sustentvel. A viso da companhia ser a maior empresa de minerao do mundo e
superar os padres consagrados de excelncia em pesquisa, desenvolvimento,
implantao de projetos e operao dos negcios. Querem aumentar a diversificao
geogrfica e de produtos e capacidade logstica. O minrio de ferro e o nquel
continuaro a ser os principais negcios, enquanto aumentam a capacidade de produo
de cobre, carvo e nutrientes de fertilizantes. Para aumentar a competitividade,
continuaro a investir em ferrovias, terminais porturios, portflio de frete martimo e
na capacidade de gerao de energia. Continua buscar oportunidades de fazer aquisies
estratgicas, mantendo foco na gesto de capital disciplinada, a fim de aumentar o
retorno sobre o capital investido e retorno total aos acionistas.
Investimentos
A Vale informou em 19 de outubro de 2009 que o seu conselho de administrao
aprovou o oramento de investimentos de 2010, que compreende dispndios de US$
12,9 bilhes dedicados sustentao das operaes existentes e promoo de
crescimento atravs de pesquisa e desenvolvimento (P&D) e execuo de projetos. O
oramento de investimentos para 2010 representa aumento de 29,3%, em relao aos
US$ 10 bilhes investidos nos ltimos doze meses terminados em 30 de junho de
20092. O plano de investimentos continua refletindo o foco em crescimento orgnico
como prioridade da estratgia de crescimento: 76,6% do oramento est alocado para
financiar P&D, projetos greenfield e brownfield, contra uma mdia de 71,1% nos
ltimos cinco anos.
69
Com os ativos existentes e os que entraro em operao futuramente, espera-se que a

produo continue crescendo em ritmo acelerado. O ndice de produo, que inclui a
performance operacional de todos minerais e metais produzidos pela Vale, est previsto
crescer a uma taxa mdia anual de 12,6% no perodo de 2010-2014, superior ao j
elevado ritmo de 11,2% por ano para o perodo de 2003-2008.
Tabela 4 Oramento de investimentos Vale, 2010
Oramento de Investimentos - US$ milhes

Por categoria
2010
Crescimento orgnico
Projetos
9.876
8.647
76,6%
67,1%
P&D
Sustentao das operaes
1.228
3.019
9,5%
23,4%
Total
12.894
100,0%
Por rea de negcio

Minerais ferrosos
2010
3.863
%
30,0%
Minerais
Logstica
4.075
2.654
31,6%
20,6%
Carvo
Energia
892
834
6,9%
6,5%
Siderurgia
Outros
343
235
2,7%
1,8%
12.894
100,0%
Total
70
Tabela 5 - Descrio dos pricipais projetos da Vale

Oramento
rea
Projeto
2010
Total
Carajs - Adicional 30 Mtpa
480
2.478
Carajs - Adicional 10 Mtpa
90
290
1.126
11.297
Apolo
38
2.509
Conceio Itabiritos
184
1.170
Vargem Grande Itabiritos
79
975
Tubaro VIII
122
636
Om
484
1.356
Teluk Rubiah
98
900
Ona Puma
510
2.297
Totten
146
362
Long-Harbour
441
2.821
Salobo
600
1.152
Salobo expanso (Salobo II)
66
855
Carajs Serra Sul - (mina S11D)
Status
US$ milhes
Ferrosos
Noferrosos
Este projeto adicionar 30 Mtpa capacidade atual. O projeto

compreende investimentos na instalao de uma nova planta
composta por nova usina de britagem primria, unidades de
beneficiamento e classificao e investimentos significativos
em logstica. Previso de start-up para 1S12, dependendo da
concesso de licenas ambientais
Este projeto adicionar 10 Mtpa de minrio de ferro
capacidade
atual
e
envolve
investimentos
para
repotenciamento de uma planta seco e aquisio de uma
nova planta. Previso de start-up para 1S10.
Localizado na serra sul de Carajs, no estado do Par, este
projeto ter a capacidade produo de 90 Mtpa. A concluso
prevista para 2S13, sujeita obteno das licenas
ambientais. O projeto ainda est sujeito aprovao do
Conselho de Administrao.
Projeto no Sistema Sudeste, com capacidade de produo de
24 Mtpa de minrio de ferro. Start-up previsto para 1S14. O
projeto est sujeito aprovao do Conselho de
Administrao.
Projeto do Sistema Sudeste que adicionar 12 Mtpa de
minrio de ferro capacidade atual. Compreende
investimentos numa nova planta de concentrao, que
receber ROM da mina de Conceio. Previso de start-up
para 2S12. O projeto est sujeito aprovao do
Conselho de Administrao.
Projeto do Sistema Sudeste que adicionar 10 Mtpa de
minrio de ferro capacidade atual. Compreende
investimentos numa nova planta de beneficiamento, que
receber minrio de baixo teor das minas de Aboboras.
Previso de start-up para 2S12. O projeto est
sujeito aprovao do Conselho de Administrao.
Planta de pelotizao a ser construda no complexo de
Tubaro, no estado do Esprito Santo, com capacidade de
produo de 7,5 Mtpa. Previso de start-up para 2S12.
Projeto de construo de uma usina de pelotizao no distrito
industrial de Sohar, Om, Oriente Mdio, para a produo de
9 Mtpa de pelotas de reduo direta e centro de distribuio
com capacidade de movimentao de 40 Mtpa. O incio de
operao est previsto para 2S10
Projeto que compreende a construo de terminal martimo
que receber navios de 400.000 dwt e centro de distribuio
com capacidade de movimentao de at 30 Mtpa de minrio
de ferro em sua primeira fase, com possibilidade de expanso
para at 90 Mtpa no futuro. O start-up est previsto para o
1S13. O projeto est sujeito aprovao do Conselho de
Administrao.
Projeto com capacidade nominal de produo de 58.000 tpa
de nquel contido em ferro-nquel, seu produto final. Previso
de start-up para 2S10.
Mina em Sudbury, Canad, que visa produzir 8.200 tpa de
nquel, alm de cobre e metais preciosos como subprodutos.
O projeto est sendo implantado e a concluso est prevista
para 1S11.
Planta de processamento de nquel na provncia de
Newfoundland and Labrador, Canad, para produzir 50.000
toneladas mtricas de nquel refinado por ano, e at 5.000
toneladas mtricas de cobre e 2.500 toneladas mtricas de
cobalto, utilizando o minrio da mina Ovoid no complexo de
Voiseys Bay. O start-up est programado para 1S13.
O projeto ter capacidade de produo anual de 127.000
toneladas mtricas de cobre contido em concentrado.
Implantao em andamento, com obras civis iniciadas.
Concluso prevista para 2S11.
O projeto ampliar a capacidade de produo anual da mina
de Salobo de 127.000 para 254.000 toneladas mtricas de
cobre contido em concentrado. Concluso estimada para
71
2S13.
Tres Valles
27
102
Konkola North
50
145
Bayvar
219
479
Rio Colorado
304
4.118
O projeto compreende o desenvolvimento de uma mina com

capacidade nominal inicial de 2,4 Mtpa de potssio KCl,
com potencial de expanso para 4,35 Mtpa, construo de
ramal ferrovirio de 350 km, instalao porturia e
termoeltrica. A previso de start-up para 2S13. Este projeto
est sujeito aprovao do Conselho de Administrao.
CAP
60
2.200
487
A nova refinaria de alumina ser localizada em Barcarena, no

estado do Par. A planta ter capacidade de produo de 1,86
Mtpa de alumina, com potencial para futura expanso de at
7,4 Mtpa. A concluso do projeto est prevista para o 1S12.
Paragominas III, adicionar 4,95 Mtpa capacidade existente
de bauxita e concluso prevista para 2S12.
Moatize
595
1.322
Estreito
186
514
Karebbe
126
410
Biocombustvel
55
305
6.086
39.180
Paragominas III
Carvo
Energia
Total
Localizado na regio de Coquimbo, no Chile, tem capacidade

de produo de 18.000 tpa de cobre catodo. Concluso
prevista para 1S10.
Mina cu aberto, localizada no cinturo do cobre na
Zmbia, com capacidade nominal de produo estimada em
44.000 tpa de cobre contido em concentrado. Este projeto
parte de uma parceria 50/50 com a ARM na frica. A
concluso est prevista para 2013. Este projeto est sujeito
aprovao do Conselho de Administrao.
Mina cu aberto no Peru com capacidade nominal de 3,9
Mtpa de concentrado fosfrico. Projeto em implantao com
previso de concluso para 2S10.
O projeto localiza-se em Moambique e ter capacidade de

produo de 11 Mtpa, das quais 8,5 milhes de carvo
metalrgico e 2,5 milhes de carvo trmico. Concluso
prevista para o 1S11.
Usina hidreltrica localizada no rio Tocantins, entre os
estados do Maranho e Tocantins, j obteve licena de
implantao e encontrase em construo. A Vale possui
participao de 30% no consrcio que construir e operar a
usina, que ter capacidade instalada de 1.087 MW. A
concluso est prevista para 2S10.
Usina hidreltrica de Karebbe na Indonsia, que tem como
objetivo o suprimento de 90 MW para as operaes da
Indonsia, visando reduzir o custo de produo por
substituio do uso de leo. Obras iniciadas e os principais
equipamentos foram adquiridos. A previso de incio de
operao 1S11.
Consrcio com Biopalma para investir em biodiesel para
suprir nossas operaes de minerao e logstica na regio
Norte do Brasil, usando a mistura B20 (20% de biodiesel e
80% de diesel), a partir de 2014. A participao da Vale no
consrcio de 41%. Nosso take na produo de leo que
compete a Vale ser consumida pela nossa planta de
biodiesel, com capacidade de 160.000 tpa de biodiesel.
Cabe observar que o total de investimentos em projeto alcana o montante de US$ 6,1
milhes em projetos de crescimento orgncio em 2010 e de US$ 39,2 milhes pelos ao
longo do perodo 2010-2014.
72
3. Metodologia
A metodologia utilizada nesta dissertao em busca da resoluo problema ser avaliar
o valor da companhia Vale utilizando o modelo de FCD, descrito no item 2.2.1 e por
(Ryan e Ryan, 2002), que cita a grande utilizao deste modelo para a avaliao de
empresas, uma vez que um dos mtodos de avaliao de alocao de capitais mais
usados pelas companhias listadas no ranking da Fortune 1000.
Alm disso, utilizar-se- a metodologia de avaliao de alocao capital do modelo
VIRF, definido em 2.9 e citado por Collan ( 2004c) como o estado da arte no modelo de
avaliao para GIIR.
3.1 Motivao para a aplicao do mtodo VIRF para avaliao da Vale

Referenciando-se em 2.7 onde se definiu o conceito de GIIR (Grande Investimentos
Industriais Reais), vislumbra-se a possibilidade de aplicar o modelo VIRF para
avaliao da Vale por alguns motivos, entre eles:
i)
Sendo uma empresa o conjunto de projetos e operaes correntes que geram

fluxos de caixa no presente, em relao as suas operaes correntes, e
expectativa de fluxos de caixa futuros com a suas tambm operaes
correntes e projetos de operaes futuras;
ii)
Comparando-se o valor de mercado em relao ao fluxo de investimentos

futuros (44,25%) encontra-se uma relao muito alta entre o valor presente
de mercado e a expectativa de fluxos de caixa futuros;
iii)
As caractersticas da Vale se encaixam nos principais itens definidos para

GIIR, como: i) Uma longa vida econmica, ii) Um elevado grau de
irreversibilidade, iii) Um longo perodo de construo, uma vez que a sua
expectativa de crescimento est ligada aos seus giga-projetos.
Alm disso, pode-se enquadrar a necessidade de melhor avaliao e captura de valor

citadas em 2.9, como:
i)
Tempo de valor do dinheiro (depreciao);

73
ii)
A falta de preciso na estimativa da varivel (lgica fuzzy);
iii)
Valor da flexibilidade gerencial;
iv)
Efeito do tempo de construir sobre o valor do dinheiro no tempo

(depreciao);
v)
Potencial
de
alta
de
baixa
do
valor
do
giga-investimento
4. Desenvolvimento
Primeiramente ser mostrado o modelo FCD de avaliao empresas para avaliar a
companhia Vale para posterior utilizao do modelo VIRF de avaliao da mesma
companhia. Ao final sero feitas anlises dos resultados e comparao dos mesmos.
4.1 Avaliao da Vale utilizando FCD

Utilizando-se o mtodo de Fluxos de Caixa Descontados (FCD) para a Vale, devem-se
definir as premissas principais da utilizao deste modelo na avaliao da companhia.
4.1.1 Indicadores e dados de previso para o modelo FCD da Vale

Tabela 6 Indicadores macro-econmicos e premissas de previso
Indicadores Macroeconmicos
Taxa de Crescimento Real dos PIBs
Brasil
3. Cenrio Pessimista (-0,5%)
1. Cenrio Base
2. Cenrio Otimista (+0,5%)
4. Cenrio Management (a definir)
China
1. Cenrio Base
EUA
1. Cenrio Base
1. Cenrio Base
2009
2010
2011
2012
2013
2014
2015
-1,0%
-0,5%
0,0%
-1%
3,4%
3,9%
4,4%
3%
4,0%
4,5%
5,0%
4%
3,9%
4,4%
4,9%
4%
3,9%
4%
5%
4%
0%
3,9%
4%
5%
4%
0%
3,9%
4%
5%
4%
0%
6,0%
6,5%
7,0%
6%
7,0%
7,5%
8,0%
7%
8,0%
8,5%
9,0%
8%
8,0%
8,5%
9,0%
8%
0%
8,0%
8,5%
9,0%
8%
0%
8,0%
8,5%
9,0%
8%
0%
8,0%
8,5%
9,0%
8%
0%
-2,5%
-2,5%
-2,0%
-3%
1,0%
1,0%
1,5%
1%
2,1%
2,1%
2,6%
2%
2,6%
2,6%
3,1%
2%
2,6%
2,6%
3,1%
2%
2,6%
2,6%
3,1%
2%
2,6%
2,6%
3,1%
2%
74

Euro rea
1. Cenrio Base
1. Cenrio Base
Japo
1. Cenrio Base
1. Cenrio Base
Mundo
1. Cenrio Base
1. Cenrio Base
Inflaes
IPCA
1. Cenrio Base
1. Cenrio Base
IGP-M
1. Cenrio Base
1. Cenrio Base
CPI (Inflao Norte Americana)
1. Cenrio Base
1. Cenrio Base
Inflao China
1. Cenrio Base
1. Cenrio Base
Inflao (Basket) = CPI (teste)
1. Cenrio Base
1. Cenrio Base
Taxas de Cmbio
R$: US$ final de perodo
1. Cenrio Base
1. Cenrio Base
2. Cenrio Otimista (+0,1)
3. Cenrio Pessimista (-0,1)
0%
0%
0%
-4,5%
-4,5%
-4,0%
-5%
0,5%
0,5%
1,0%
0%
1,9%
1,9%
2,4%
1%
1,9%
1,9%
2,4%
1%
0%
1,9%
1,9%
2,4%
1%
0%
1,9%
1,9%
2,4%
1%
0%
1,9%
1,9%
2,4%
1%
0%
-6,8%
-6,8%
-6,3%
-7%
1,0%
1,0%
1,5%
1%
2,0%
2,0%
2,5%
2%
2,0%
2,0%
2,5%
2%
0%
2,0%
2,0%
2,5%
2%
0%
2,0%
2,0%
2,5%
2%
0%
2,0%
2,0%
2,5%
2%
0%
-1,3%
-1,3%
-0,8%
-2%
1,9%
1,9%
2,4%
1%
3,2%
3,2%
3,7%
3%
4,0%
4,0%
4,5%
4%
4,0%
4,0%
4,5%
4%
0%
4,0%
4,0%
4,5%
4%
0%
4,0%
4,0%
4,5%
4%
0%
4,4%
4,4%
4,9%
4%
4,2%
4,2%
4,7%
4%
4,5%
4,5%
5,0%
4%
4,5%
4,5%
5,0%
4%
4,5%
4,5%
5,0%
4%
0%
4,5%
4,5%
5,0%
4%
0%
4,5%
4,5%
5,0%
4%
0%
-0,2%
-0,2%
0,3%
-1%
3,8%
3,8%
4,3%
3%
5,1%
5,1%
5,6%
5%
5,1%
5,1%
5,6%
5%
5,1%
5,1%
5,6%
5%
0%
5,1%
5,1%
5,6%
5%
0%
5,1%
5,1%
5,6%
5%
0%
1,4%
1,4%
1,9%
1%
1,5%
1,5%
2,0%
1%
2,0%
2,0%
2,5%
2%
2,1%
2,1%
2,6%
2%
2,1%
2,1%
2,6%
2%
0%
2,1%
2,1%
2,6%
2%
0%
2,1%
2,1%
2,6%
2%
0%
0,0%
0,0%
0,0%
0,0%
0,5%
-1%
0,5%
-1%
0,5%
-1%
0,5%
-1%
0,0%
0,0%
0,5%
-1%
0%
0,0%
0,0%
0,5%
-1%
0%
0,0%
0,0%
0,5%
-1%
0%
1,4%
1,4%
1,9%
1%
1,5%
1,5%
2,0%
1%
2,0%
2,0%
2,5%
2%
2,1%
2,1%
2,6%
2%
2,1%
2,1%
2,6%
2%
0%
2,1%
2,1%
2,6%
2%
0%
2,1%
2,1%
2,6%
2%
0%
1,80
1,80
1,90
1,70
1,80
1,80
1,90
1,70
1,92
1,92
2,02
1,82
2,04
2,04
2,14
1,94
2,04
2,04
2,14
1,94
0,00
2,04
2,04
2,14
1,94
0,00
2,04
2,04
2,14
1,94
0,00
75
R$: US$ mdia (nominal)

1. Cenrio Base
1. Cenrio Base
R$: CAD final de perodo
1. Cenrio Base
1. Cenrio Base
Taxas de Juros
BR taxa de juros (Selic, fim de perodo)
1. Cenrio Base
1. Cenrio Base
2. Cenrio Otimista (-0,5%)
3. Cenrio Pessimista (+0,5%)
BR taxa de juros (Selic, Acumulada no perodo)
1. Cenrio Base
1. Cenrio Base
Juro Real (Selic/IPCA)
1. Cenrio Base
1. Cenrio Base
TJLP (fim de perodo)
1. Cenrio Base
1. Cenrio Base
Juro Real (Fed Funds/CPI) - FP
1. Cenrio Base
1. Cenrio Base
Risco Pas
EMBI (pb, fim de perodo)
1. Cenrio Base
1. Cenrio Base
2. Cenrio Otimista (-50pb)
3. Cenrio Pessimista (+50 pb)
2,01
2,01
2,11
1,91
1,80
1,80
1,90
1,70
1,86
1,86
1,96
1,76
1,99
1,99
2,09
1,89
1,99
1,99
2,09
1,89
0,00
1,99
1,99
2,09
1,89
0,00
1,99
1,99
2,09
1,89
0,00
0,00
0,00
0,00
0,00
0,10
-0,10
0,10
-0,10
0,10
-0,10
0,10
-0,10
0,00
0,00
0,10
-0,10
0,00
0,00
0,00
0,10
-0,10
0,00
0,00
0,00
0,10
-0,10
0,00
8,8%
8,75%
8,25%
9,25%
8,8%
8,75%
8,25%
9,25%
11,0%
11,00%
10,50%
11,50%
11,0%
11,00%
10,50%
11,50%
11,0%
11,0%
10,5%
12%
0%
11,0%
11,0%
10,5%
12%
0%
11,0%
11,0%
10,5%
12%
0%
10,0%
9,97%
9,47%
10,47%
8,6%
8,62%
8,12%
9,12%
10,6%
10,58%
10,08%
11,08%
11,0%
11,00%
10,50%
11,50%
11,0%
11,0%
10,5%
12%
0%
11,0%
11,0%
10,5%
12%
0%
11,0%
11,0%
10,5%
12%
0%
5,3%
5,30%
4,80%
5,80%
4,2%
4,20%
3,70%
4,70%
5,8%
5,80%
5,30%
6,30%
6,2%
6,20%
5,70%
6,70%
6,2%
6,2%
5,7%
7%
0%
6,2%
6,2%
5,7%
7%
0%
6,2%
6,2%
5,7%
7%
0%
6,0%
6,00%
5,50%
6,50%
5,5%
5,50%
5,00%
6,00%
5,0%
5,00%
4,50%
5,50%
4,8%
4,80%
4,30%
5,30%
4,8%
4,8%
4,3%
5%
0%
4,8%
4,8%
4,3%
5%
0%
4,8%
4,8%
4,3%
5%
0%
-1,1%
-1,10%
-1,60%
-0,60%
-0,5%
-0,50%
-1,00%
0,00%
1,2%
1,20%
0,70%
1,70%
1,9%
1,90%
1,40%
2,40%
1,9%
1,9%
1,4%
2%
0%
1,9%
1,9%
1,4%
2%
0%
1,9%
1,9%
1,4%
2%
0%
250,00
250,00
200,00
300,00
200,00
200,00
150,00
250,00
150,00
150,00
100,00
200,00
100,00
100,00
50,00
150,00
100,00
100,00
50,00
150,00
0,00
100,00
100,00
50,00
150,00
0,00
100,00
100,00
50,00
150,00
0,00
A partir do cenrio base macro-econmico, prevs estimativas de vendas utilizando o

critrio de previso de julgamento (especialista), que alm de contar com informaes
76
de mercado fornecidas pela prpria Vale, leva-se em conta dados sobre o mercado
internacional de commodities so levados em considerao para a previso.
Tabela 7 Previso de volumes vendidos
Volumes Vendidos
2009
2010
2011
2012
2013
2014
2015
281,37
94%
290,25
93%
304,47
93%
319,58
93%
335,43
93%
352,06
93%
369,53
93%
36,28
79%
38,11
80%
39,98
80%
41,96
80%
44,04
80%
46,23
80%
48,52
80%
1,06
47%
1,02
44%
1,06
44%
1,10
44%
1,14
44%
1,19
44%
1,24
44%
Ferro ligas (em milhares de toneladas)

% do Volume Produzido
498,13
106%
453,85
95%
468,37
95%
487,10
95%
506,59
95%
526,85
95%
547,93
95%
Nquel (em milhares de toneladas)

264,70
99%
258,98
95%
267,11
95%
275,50
95%
284,15
95%
293,07
95%
317,15
100%
Cobre (em milhares de toneladas)

300,61
92%
339,43
98%
363,87
98%
390,00
98%
418,00
98%
448,01
98%
480,18
98%
Caulim (em milhares de toneladas)

916,74
113%
788,61
95%
813,84
95%
846,40
95%
880,25
95%
915,46
95%
952,08
95%
Potssio (em milhares de toneladas)

531,43
89%
559,59
92%
577,50
92%
600,60
92%
624,62
92%
649,60
92%
675,59
92%
Metais Preciosos (oz)

2.257,23
99%
2.205,21
95%
2.393,37
100%
2.489,10
100%
2.588,67
100%
2.692,21
100%
2.799,90
100%
PGMs (oz)
376,08
79%
398,00
82%
410,73
82%
427,16
82%
444,25
82%
462,02
82%
480,50
82%
1.316,85
47%
2.133,15
75%
2.201,41
75%
2.289,47
75%
2.381,05
75%
2.476,29
75%
2.575,34
75%
550,60
103%
517,86
95%
559,09
99%
581,46
99%
604,72
99%
628,90
99%
654,06
99%
4,34
88%
4,23
84%
4,37
84%
4,54
84%
4,73
84%
4,92
84%
5,11
84%
Carvo trmico
1.213,47
96%
1.228,73
95%
1.268,05
95%
1.318,77
95%
1.371,52
95%
1.426,38
95%
1.483,44
95%
Carvo metalrgico
2.431,69
82%
835,21
76%
1.606,52
76%
2.449,53
76%
902,03
76%
1.735,04
76%
2.645,50
76%
Minrio de ferro (em milhes de toneladas)

Pelotas (em milhes de toneladas)
Mangans (em milhes de toneladas)
Cobalto (ton)
Alumnio primrio
(em milhares de toneladas)
Alumina (em milhes de toneladas)
Paras as estimativas de receitas futuras geradas so necessrias premissas de preos

projetados para os prximos anos. Uma vez mais so utilizados os modelos de previso
por julgamento (especialista), aliado e modelos economtricos de previso de oferta vs.
demanda das commodities.
Tabela 8 Previso de preos
Preos
Minrio de Ferro
Preo Real
Inflao Mundial
Inflao Mundial Acumulada
Reajuste Real
Preo Nominal
Pelotas
Preo Real
Inflao Mundial
2009
2010
2011
2012
2013
2014
2015
54,54
1,4%
1,00
55,31
58,07
1,5%
1,015
5,0%
58,94
63,88
2,0%
1,035
10,0%
66,14
63,88
2,1%
1,057
0,0%
67,52
63,88
2,1%
1,079
0,0%
68,94
63,88
2,1%
1,102
0,0%
70,39
63,88
2,1%
1,125
0,0%
71,87
85,93
1,4%
1,00
91,49
1,5%
1,015
100,64
2,0%
1,035
100,64
2,1%
1,057
100,64
2,1%
1,079
100,64
2,1%
1,102
100,64
2,1%
1,125
77
Reajuste Real
Preo Nominal
Mangans
Preo Real
Inflao Mundial
Reajuste Real
Preo Nominal
Ferro-Liga
Preo Real
Inflao Mundial
Reajuste Real
Preo Nominal
Nquel
Preo Real
Inflao Mundial
Reajuste Real
Preo Nominal
Cobre
Preo Real
Inflao Mundial
Reajuste Real
Preo Nominal
Caulim
Preo Real
Inflao Mundial
Reajuste Real
Preo Nominal
Potssio
Preo Real
Inflao Mundial
Reajuste Real
Preo Nominal
Platina (U$ por ona troy)
Preo Real
Inflao Mundial
Reajuste Real
Preo Nominal
Cobalto (US$/lb)
Preo Real
Inflao Mundial
Reajuste Real
Preo Nominal
Alumnio
Preo Real
Inflao Mundial
Reajuste Real
Preo Nominal
Alumina
Preo Real
Inflao Mundial
Reajuste Real
87,13
194,66
1,4%
1,000
197,39
1195,59
1,4%
1,000
1.212,33
11834,50
1,4%
1,000
12.000,19
4249,46
1,4%
1,000
4.308,95
214,74
1,4%
1,000
217,75
616,00
1,4%
1,000
624,63
1010,40
1,4%
1,000
1.024,55
8,51
1,4%
1,000
8,63
1465,14
1,4%
1,000
1.485,65
192,76
1,4%
1,000
5,0%
92,86
10,0%
104,19
0,0%
106,38
0,0%
108,62
0,0%
110,90
0,0%
113,23
207,26
1,5%
1,015
5,0%
210,37
227,99
2,0%
1,035
10,0%
236,03
227,99
2,1%
1,057
0,0%
240,99
227,99
2,1%
1,079
0,0%
246,05
227,99
2,1%
1,102
0,0%
251,22
227,99
2,1%
1,125
0,0%
256,49
1272,95
1,5%
1,015
5,0%
1.292,04
1.400,24
2,0%
1,035
10,0%
1.449,67
1.400,24
2,1%
1,057
0,0%
1.480,11
1.400,24
2,1%
1,079
0,0%
1.511,20
1.400,24
2,1%
1,102
0,0%
1.542,93
1.400,24
2,1%
1,125
0,0%
1.575,33
12.600,20
1,5%
1,015
5,0%
12.789,20
13.860,21
2,0%
1,035
10,0%
14.349,48
13.860,21
2,1%
1,057
0,0%
14.650,82
13.860,21
2,1%
1,079
0,0%
14.958,49
13.860,21
2,1%
1,102
0,0%
15.272,62
13.860,21
2,1%
1,125
0,0%
15.593,34
4.524,40
1,5%
1,015
5,0%
4.592,26
4.976,84
2,0%
1,035
10,0%
5.152,52
4.976,84
2,1%
1,057
0,0%
5.260,72
4.976,84
2,1%
1,079
0,0%
5.371,20
4.976,84
2,1%
1,102
0,0%
5.483,99
4.976,84
2,1%
1,125
0,0%
5.599,15
228,63
1,5%
1,015
5,0%
232,06
251,50
2,0%
1,035
10,0%
260,38
251,50
2,1%
1,057
0,0%
265,84
251,50
2,1%
1,079
0,0%
271,43
251,50
2,1%
1,102
0,0%
277,13
251,50
2,1%
1,125
0,0%
282,95
655,86
1,5%
1,015
5,0%
665,70
721,45
2,0%
1,035
10,0%
746,91
721,45
2,1%
1,057
0,0%
762,60
721,45
2,1%
1,079
0,0%
778,61
721,45
2,1%
1,102
0,0%
794,96
721,45
2,1%
1,125
0,0%
811,66
1.075,77
1,5%
1,015
5,0%
1.091,91
1.183,35
2,0%
1,035
10,0%
1.225,12
1.183,35
2,1%
1,057
0,0%
1.250,85
1.183,35
2,1%
1,079
0,0%
1.277,12
1.183,35
2,1%
1,102
0,0%
1.303,94
1.183,35
2,1%
1,125
0,0%
1.331,32
9,06
1,5%
1,015
5,0%
9,20
9,97
2,0%
1,035
10,0%
10,32
9,97
2,1%
1,057
0,0%
10,54
9,97
2,1%
1,079
0,0%
10,76
9,97
2,1%
1,102
0,0%
10,99
9,97
2,1%
1,125
0,0%
11,22
1.559,93
1,5%
1,015
5,0%
1.583,33
1.715,92
2,0%
1,035
10,0%
1.776,50
1.715,92
2,1%
1,057
0,0%
1.813,80
1.715,92
2,1%
1,079
0,0%
1.851,89
1.715,92
2,1%
1,102
0,0%
1.890,78
1.715,92
2,1%
1,125
0,0%
1.930,49
205,23
1,5%
1,015
5,0%
225,75
2,0%
1,035
10,0%
225,75
2,1%
1,057
0,0%
225,75
2,1%
1,079
0,0%
225,75
2,1%
1,102
0,0%
225,75
2,1%
1,125
0,0%
78
Preo Nominal
Bauxita
Preo Real
Inflao Mundial
Reajuste Real
Preo Nominal
Carvo trmico
Preo Real
Inflao Mundial
Reajuste Real
Preo Nominal
Carvo Metalrgico
Preo Real
Inflao Mundial
Reajuste Real
Preo Nominal
195,46
208,31
233,72
238,63
243,64
248,76
253,98
40,25
1,4%
1,000
42,86
1,5%
1,015
5,0%
43,50
47,14
2,0%
1,035
10,0%
48,81
47,14
2,1%
1,057
0,0%
49,83
47,14
2,1%
1,079
0,0%
50,88
47,14
2,1%
1,102
0,0%
51,95
47,14
2,1%
1,125
0,0%
53,04
79,93
1,5%
1,015
5,0%
81,13
87,92
2,0%
1,035
10,0%
91,02
87,92
2,1%
1,057
0,0%
92,94
87,92
2,1%
1,079
0,0%
94,89
87,92
2,1%
1,102
0,0%
96,88
87,92
2,1%
1,125
0,0%
98,91
152,59
1,5%
1,015
5,0%
154,88
167,85
2,0%
1,035
10,0%
173,78
167,85
2,1%
1,057
0,0%
177,43
167,85
2,1%
1,079
0,0%
181,15
167,85
2,1%
1,102
0,0%
184,96
167,85
2,1%
1,125
0,0%
188,84
40,82
75,07
1,4%
1,000
76,12
143,32
1,4%
1,000
145,33
Com os dados de volumes de venda previstos e projeo de preos das commodities

vendidas, pode se estabelecer uma previso futura de receitas. Como foram utilizadas
tcnicas de previso por julgamento e de modelos economtricos, a incerteza do modelo
de previso j tende a se acentuar.
Tabela 9 Previso das receitas futuras por commodity
Receita (U$ milhes)
2009
2010
2011
2012
2013
2014
2015
Minerais Ferrosos
Minrio de Ferro
% da Receita Bruta
15.555,84
51,6%
17.108,75
51,7%
20.136,62
51,6%
21.579,24
51,4%
23.125,21
52,0%
24.781,94
51,9%
26.557,35
51,8%
Pelotas
% da Receita Bruta
3.817,95
12,7%
4.435,87
13,4%
5.220,93
13,4%
5.594,96
13,3%
5.995,79
13,5%
6.425,34
13,5%
6.885,66
13,4%
Mangans
% da Receita Bruta
375,23
1,2%
486,63
1,5%
563,47
1,4%
598,32
1,4%
635,32
1,4%
674,60
1,4%
716,32
1,4%
Ferros-liga
% da Receita Bruta
623,45
2,1%
617,25
1,9%
714,72
1,8%
758,91
1,8%
805,85
1,8%
855,68
1,8%
908,59
1,8%
Outros
% da Receita Bruta
76,83
0,3%
103,70
0,3%
122,27
0,3%
131,38
0,3%
139,19
0,3%
149,54
0,3%
160,67
0,3%
20.449,30
67,8%
22.752,20
68,7%
26.758,00
68,5%
28.662,81
68,3%
30.701,35
69,1%
32.887,10
68,9%
35.228,60
68,7%
Minerais No-Ferrosos
Nquel
% da Receita Bruta
3.274,68
10,9%
3.486,42
10,5%
4.034,59
10,3%
4.248,66
10,1%
4.474,10
10,1%
4.711,49
9,9%
4.961,48
9,7%
Cobre
% da Receita Bruta
1.327,02
4,4%
1.587,71
4,8%
1.909,67
4,9%
2.089,76
5,0%
2.286,85
5,1%
2.502,51
5,2%
2.738,52
5,3%
Caulim
% da Receita Bruta
205,86
0,7%
192,64
0,6%
223,06
0,6%
236,85
0,6%
251,50
0,6%
267,05
0,6%
283,57
0,6%
Potssio
% da Receita Bruta
344,72
1,1%
406,40
1,2%
470,58
1,2%
499,68
1,2%
530,58
1,2%
563,39
1,2%
598,23
1,2%
Metais preciosos
% da Receita Bruta
110,48
0,4%
99,53
0,3%
117,35
0,3%
126,10
0,3%
133,59
0,3%
143,53
0,3%
154,22
0,3%
PGMs
% da Receita Bruta
279,88
0,9%
293,99
0,9%
346,63
0,9%
372,47
0,9%
394,60
0,9%
423,95
0,9%
455,51
0,9%
Cobalto
% da Receita Bruta
88,21
0,3%
104,90
0,3%
123,68
0,3%
132,90
0,3%
140,80
0,3%
151,27
0,3%
162,53
0,3%
5.630,85
6.171,59
7.225,56
7.706,43
8.212,00
8.763,19
9.354,04
Subtotais Minerais Ferrosos

% da Receita Bruta
Subtotais Minerais
79
No-Ferrosos
% da Receita Bruta
18,7%
18,6%
18,5%
18,4%
18,5%
18,4%
18,2%
Cadeia de Alumnio
Alumnio Primrio
% da Receita Bruta
834,11
2,8%
863,10
2,6%
999,39
2,6%
1.061,19
2,5%
1.126,82
2,5%
1.196,50
2,5%
1.270,49
2,5%
Alumina
% da Receita Bruta
914,24
3,0%
1.047,54
3,2%
1.212,95
3,1%
1.287,96
3,1%
1.367,61
3,1%
1.452,18
3,0%
1.541,99
3,0%
Bauxita
% da Receita Bruta
2,00
0,0%
25,13
0,1%
25,12
0,1%
27,69
0,1%
29,24
0,1%
31,43
0,1%
33,76
0,1%
1.750,35
5,8%
1.935,77
5,8%
2.237,47
5,7%
2.376,84
5,7%
2.523,67
5,7%
2.680,11
5,6%
2.846,24
5,5%
520,92
1,7%
274,63
0,8%
487,74
1,2%
699,16
1,7%
351,35
0,8%
566,45
1,2%
809,83
1,6%
1.148,67
3,8%
1.289,62
3,9%
1.520,53
3,9%
1.633,87
3,9%
1.730,93
3,9%
1.859,69
3,9%
1.998,11
3,9%
Portos
% da Receita Bruta
270,13
0,9%
289,74
0,9%
341,62
0,9%
367,09
0,9%
388,89
0,9%
417,82
0,9%
448,92
0,9%
Navegao
% da Receita Bruta
Subtotal Servios de
Logstica
% da Receita Bruta
47,36
0,2%
75,17
0,2%
88,63
0,2%
95,24
0,2%
100,89
0,2%
108,40
0,2%
116,47
0,2%
1.466,15
4,9%
1.654,53
5,0%
1.950,78
5,0%
2.096,20
5,0%
2.220,72
5,0%
2.385,91
5,0%
2.563,50
5,0%
334,12
1,1%
318,29
1,0%
375,28
1,0%
403,26
1,0%
427,21
1,0%
458,99
1,0%
493,15
1,0%
Subtotal Alumnio
Carvo
Servios de Logstica
Ferrovias
% da Receita Bruta
Outros
% da Receita Bruta
Total Receita Bruta
Dedues
% da Receita Bruta
30.151,70
33.107,02
39.034,82
41.944,71
44.436,30
47.741,74
51.295,37
-796,34
-907,19
-1.045,42
-1.099,50
-1.141,23
-1.198,52
-1.260,02
-2,6%
-2,7%
-2,7%
-2,6%
-2,6%
-2,5%
-2,5%
Receita Lquida
29.355,35
32.199,83
37.989,40
40.845,21
43.295,07
46.543,22
50.035,36
Para as previses de custos, assim como para as previses das receitas futuras, foram
utilizados modelos economtricos e de julgamento para as projees. As premissas
bsicas de previso de custos foram a manuteno dos ndices de custos em relao s
receitas, uma vez que a companhia possui expertise operacional o suficiente para manter
seus custos razoveis. Entretanto, como toda a previso, possui um grau de liberdade
amplo para alguma ocorrncia extra-ordinria de custo, que esto ambos fora da
abrangncia tanto dos modelos de julgamento quanto economtricos, causando uma
grande incerteza na previso.
Tabela 10 Previses de custos e despesas
COGS (US$ milhes)
2009
2010
2011
2012
2013
2014
2015
Servios Terceirizados *
% receita lquida
2.614,96
8,76%
2.824,87
8,76%
3.324,60
8,76%
3.562,25
8,70%
3.765,19
8,70%
4.035,37
8,69%
4.325,63
8,68%
Custo de Materiais *
% receita lquida
2.681,05
7,65%
2.468,53
7,65%
2.905,23
7,65%
3.131,45
7,65%
3.310,52
7,65%
3.548,79
7,64%
3.804,82
7,64%
Combustvel
% receita lquida
1.402,22
4,64%
1.495,63
4,64%
1.760,21
4,64%
1.898,10
4,64%
2.007,52
4,64%
2.152,94
4,64%
2.309,28
4,64%
Energia Eltrica
% receita lquida
910,72
2,9%
942,30
2,9%
1.109,00
2,9%
1.195,88
2,9%
1.264,82
2,9%
1.356,44
2,9%
1.454,94
2,9%
80
Aquisio de Minrio de ferro e Pelotas *

% receita lquida
685,80
3,34%
1.077,59
3,34%
1.268,23
3,34%
1.367,12
3,34%
1.445,45
3,34%
1.549,64
3,34%
1.661,61
3,34%
Aquisio de Nquel *
% receita lquida
734,45
3,00%
967,18
3,00%
1.138,29
3,00%
1.227,00
3,00%
1.297,25
3,00%
1.390,71
2,99%
1.491,14
2,99%
Aquisio de Alumnio *
% receita lquida
353,17
1,15%
370,30
1,15%
435,81
1,15%
469,49
1,15%
496,07
1,15%
531,49
1,14%
569,54
1,14%
Aquisio de Outros Produtos

% receita lquida
62,52
0,28%
90,42
0,28%
106,42
0,28%
114,75
0,28%
121,37
0,28%
130,16
0,28%
139,61
0,28%
Custo com Pessoal *

% receita lquida
1.921,47
5,4%
1.739,34
5,4%
2.047,04
5,4%
2.206,94
5,4%
2.333,68
5,4%
2.502,22
5,4%
2.683,37
5,4%
Depreciao e Exausto
% receita lquida
2.241,84
6,01%
1.939,34
6,01%
2.282,42
6,01%
2.461,21
6,01%
2.603,09
6,01%
2.791,66
6,01%
2.994,37
6,01%
627,38
2,7%
869,08
2,7%
1.022,82
2,7%
1.102,95
2,7%
1.166,53
2,7%
1.251,03
2,7%
1.341,88
2,7%
1.323,50
4,1%
1.306,87
4,1%
1.538,07
4,1%
1.658,10
4,1%
1.753,20
4,0%
1.879,69
4,0%
2.015,63
4,0%
13.317,25
14.152,12
16.655,72
17.934,03
18.961,59
20.328,49
21.797,43
15.559,08 16.091,46
53,0%
49,9%
18.938,14
49,9%
20.395,24
49,8%
21.564,68
49,8%
23.120,15
49,8%
24.791,80
49,8%
Ajustes de Inventrio
% receita lquida
Outros *
% receita lquida
TOTAL COGS sem depreciao e
exausto
TOTAL COGS
% receita lquida
* Apresentam ganho de escala durante
2011-2021
COGS - Cenrios (US$ milhes)
Servios Terceirizados
1. Cenrio Base
1. Cenrio Base
2. Cenrio Otimista
3. Cenrio Pessimista (COGS
constantes)
Materiais
1. Cenrio Base
1. Cenrio Base
2. Cenrio Otimista
3. Cenrio Pessimista
Combustvel
1. Cenrio Base
1. Cenrio Base
2. Cenrio Otimista
Energia Eltrica
1. Cenrio Base
1. Cenrio Base
2. Cenrio Otimista
4. Cenrio Management
Aquisio de Minrio de ferro e Pelotas
1. Cenrio Base
1. Cenrio Base
2. Cenrio Otimista
2009
2010
2011
2012
2013
2014
2015
8,76%
8,76%
8,76%
8,76%
8,76%
8,75%
8,76%
8,76%
8,74%
8,70%
8,70%
8,69%
8,70%
8,70%
8,69%
8,69%
8,69%
8,68%
8,68%
8,68%
8,67%
8,76%
8,76%
8,76%
8,76%
8,76%
8,76%
8,76%
8,70%
8,76%
8,70%
8,76%
8,69%
8,76%
8,68%
7,65%
7,65%
7,65%
7,65%
7,65%
7,65%
7,65%
7,64%
7,65%
7,65%
7,65%
7,65%
7,63%
7,65%
7,65%
7,65%
7,65%
7,64%
7,65%
7,65%
7,65%
7,65%
7,64%
7,65%
7,65%
7,64%
7,64%
7,63%
7,65%
7,64%
7,64%
7,64%
7,63%
7,65%
7,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
4,64%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
2,92%
3,34%
3,34%
3,34%
3,34%
3,34%
3,34%
3,33%
3,34%
3,34%
3,34%
3,32%
3,34%
3,34%
3,34%
3,34%
3,34%
3,33%
3,34%
3,34%
3,34%
3,33%
3,34%
3,34%
3,34%
3,33%
3,34%
81
3,33%
3,34%

Aquisio de Nquel
1. Cenrio Base
1. Cenrio Base
2. Cenrio Otimista
Aquisio de Alumnio
1. Cenrio Base
1. Cenrio Base
2. Cenrio Otimista
Aquisio de Outros Produtos
1. Cenrio Base
1. Cenrio Base
2. Cenrio Otimista
Pessoal
1. Cenrio Base
1. Cenrio Base
2. Cenrio Otimista
Depreciao e Exausto
1. Cenrio Base
1. Cenrio Base
2. Cenrio Otimista
Ajustes de Inventrio
1. Cenrio Base
1. Cenrio Base
2. Cenrio Otimista
Outros
1. Cenrio Base
1. Cenrio Base
2. Cenrio Otimista
SG&A (US$ milhes)
Selling, General & Administrative
expenses (SG&A)
% receita lquida
SG&A
1. Cenrio Base
1. Cenrio Base
2. Cenrio Otimista
(-0,1% da receita lquida)
(+0,1% da receita lquida )
Outras Despesas Operacionais
(US$ milhes)
Outras Despesas
% receita lquida
3,34%
3,34%
3,34%
3,34%
3,34%
3,34%
3,34%
3,00%
3,00%
3,00%
3,00%
3,00%
3,00%
3,00%
2,99%
3,00%
3,00%
3,00%
3,00%
2,98%
3,00%
3,00%
3,00%
3,00%
3,00%
3,00%
2,99%
3,00%
3,00%
2,99%
2,99%
2,98%
3,00%
2,99%
2,99%
2,99%
2,98%
3,00%
2,99%
1,15%
1,15%
1,15%
1,15%
1,15%
1,15%
1,15%
1,14%
1,15%
1,15%
1,15%
1,15%
1,13%
1,15%
1,15%
1,15%
1,15%
1,14%
1,15%
1,15%
1,15%
1,15%
1,14%
1,15%
1,15%
1,14%
1,14%
1,13%
1,15%
1,14%
1,14%
1,14%
1,13%
1,15%
1,14%
0,28%
0,28%
0,28%
0,28%
0,28%
0,28%
0,28%
0,28%
0,28%
0,28%
0,28%
0,28%
0,28%
0,28%
0,28%
0,28%
0,28%
0,27%
0,29%
0,28%
0,28%
0,28%
0,27%
0,29%
0,28%
0,28%
0,28%
0,27%
0,29%
0,28%
0,28%
0,28%
0,27%
0,29%
0,28%
5,39%
5,39%
5,39%
5,39%
5,39%
5,39%
5,39%
5,38%
5,39%
5,39%
5,39%
5,39%
5,37%
5,39%
5,39%
5,39%
5,39%
5,38%
5,40%
5,39%
5,39%
5,39%
5,38%
5,40%
5,39%
5,39%
5,39%
5,38%
5,40%
5,39%
5,39%
5,39%
5,38%
5,40%
5,39%
6,01%
6,01%
6,01%
6,01%
6,01%
6,01%
6,01%
6,01%
6,01%
6,01%
6,01%
6,01%
6,01%
6,01%
6,01%
6,01%
6,01%
6,00%
6,01%
6,01%
6,01%
6,01%
6,00%
6,01%
6,01%
6,01%
6,01%
6,00%
6,01%
6,01%
6,01%
6,01%
6,00%
6,01%
6,01%
2,69%
2,69%
2,69%
2,69%
2,69%
2,69%
2,69%
2,69%
2,69%
2,69%
2,69%
2,69%
2,69%
2,69%
2,69%
2,69%
2,69%
2,68%
2,70%
2,69%
2,69%
2,69%
2,68%
2,70%
2,69%
2,69%
2,69%
2,68%
2,70%
2,69%
2,69%
2,69%
2,68%
2,70%
2,69%
4,05%
4,05%
4,05%
4,05%
4,05%
4,05%
4,05%
4,04%
4,05%
4,05%
4,05%
4,05%
4,03%
4,05%
4,05%
4,05%
4,05%
4,04%
4,05%
4,05%
4,05%
4,05%
4,04%
4,05%
4,05%
4,05%
4,05%
4,04%
4,05%
4,05%
4,05%
4,05%
4,04%
4,05%
4,05%
2009
2010
2011
2012
2013
2014
2015
1.240
4,22%
1.363
4,22%
1.604
4,22%
1.721
4,20%
1.812
4,18%
1.934
4,16%
2.064
4,14%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
4,22%
2009
2010
2011
2012
2013
2014
2015
795
3%
874
3%
1.028
3%
1.109
3%
1.173
3%
1.258
3%
1.349
3%
82
2,99%
3,00%
3,00%
P&D (US$ milhes)

Pesquisa e Desenvolvimento
% receita lquida
2009
2010
2011
2012
2013
2014
2015
745
3%
819
3%
963
3%
1.039
3%
1.099
3%
1.178
3%
1.264
3%
Fazendo-se as previses de receita e de custos, podem-se elaborar as previses de fluxo

de caixa da Vale para o perodo de 2S09 at 2039 conforme tabela 11 abaixo.
Tabela 11 Previso de fluxos de caixa
Fluxo de Caixa
Receita Operacionais
Totais
Receitas Financeiras
Crdito Tributrio
Entradas de Caixa
Dedues s/ rec. Bruta
2S09
2010
2011
2012
2013
2014
2015
19.640,0
33.166,6
39.011,7
42.039,9
44.441,7
47.635,7
51.069,2
522,8
836,8
1.046,6
1.088,2
2.201,4
3.510,1
3.884,1
20.162,8
34.003,4
40.058,3
43.128,2
46.643,1
51.145,9
54.953,4
(546,6)
(907,2)
(14.152,1)
(1.362,6)
(4.836,6)
(1.045,4)
(16.655,7)
(1.603,7)
(5.303,3)
(1.099,5)
(17.934,0)
(1.721,1)
(6.053,1)
(1.141,2)
(18.961,6)
(1.811,7)
(6.691,2)
(1.198,5)
(20.328,5)
(1.933,6)
(7.425,9)
(1.260,0)
(21.797,4)
(2.064,1)
(7.899,3)
(982,0)
(626,0)
(626,0)
(8.376,2)
COGS
SG&A
(806,5)
IR/CS
(2.736,9)
Pgto. Benefcio para
Empregados ps-aposentadoria
Sadas de Caixa
(13.448,2)
Contas a Receber
Estoque
Fornecedores
Salrios e Encargos
Impostos
IR/CS a Pagar
Inv. Capital de Giro
Venda de Participaes
Recebimento de
Proventos
Investimentos em Outras
Empresas
CAPEX
Gastos Diferidos
Investimentos
(633,4)
357,6
53,8
416,0
692,1
886,1
(21.884,5)
(25.234,1)
(26.807,8)
(28.605,7)
(30.886,5)
(33.020,8)
(685,8)
(905,0)
686,8
(72,2)
523,9
(452,2)
(717,0)
(810,6)
510,0
167,7
151,2
(698,7)
(371,4)
(414,9)
261,0
(24,4)
201,0
(348,7)
(294,6)
(333,0)
209,5
(169,9)
169,9
(418,1)
(391,8)
(443,0)
278,7
(181,9)
198,0
(540,0)
(421,2)
(476,0)
299,5
(211,8)
133,7
(675,8)
(3.756,0)
(3.756,0)
(8.127,7)
(8.127,7)
(7.593,3)
(7.593,3)
(7.369,3)
(7.369,3)
(7.794,1)
(7.794,1)
(8.358,7)
(8.358,7)
(8.965,7)
(8.965,7)
Aportes
Captaes de Dvidas
Pagamento de Juros
Amortizao de Dvida
Servio da Dvida
Fluxo de Caixa
Pagamento de
Dividendos
Dividend Payout
Lucro Aps Dividendos
Constituio da Reserva
Legal
Fluxo de Caixa
Aps Dividendos
Saldo Final
Saldo Final
25.503,8
8.582,4
11.121,9
20.608,4
14.514,6
(1.156,1)
(648,0)
(1.804,1)
(1.086,1)
(2.280,0)
(3.366,1)
(2.501,3)
(2.636,0)
20.366,5
(1.699,2)
(5.425,6)
1.457,6
(1.999,3)
(8.638,0)
484,6
(2.567,7)
(17.312,7)
728,0
(3.078,0)
(10.969,4)
467,2
2.040,6
172,9
26.898,7
10.059,9
10.309,8
12.088,7
12.758,3
(1.593,8)
(172,9)
(3.088,4)
(5.875,1)
(6.494,4)
(7.207,5)
(7.667,0)
0,30
3.719,0
0,30
9.215,8
0,30
7.206,3
0,50
5.875,1
0,50
6.494,4
0,50
7.207,5
0,50
7.667,0
78,6
78,6
78,6
78,6
78,6
78,6
78,6
446,8
23.810,3
4.184,8
3.815,4
4.881,1
5.091,3
11.638,8
35.449,0
35.449,0
39.633,8
39.633,8
43.449,2
43.449,2
48.330,3
48.330,3
53.421,7
11.192,0
11.638,8
11.638,8
11.638,8
83
Fluxo de Caixa
do Acionista
Payout
Dividendos
Aportes
Fluxo de Caixa do
Acionista
2S09
30%
1.594
-
2010
30%
173
-
2011
30%
3.088
-
2012
50%
5.875
-
2013
50%
6.494
-
2014
50%
7.208
-
2015
50%
7.667
-
1.594
173
3.088
5.875
6.494
7.208
7.667
As previses de fluxo de caixa foram obtidas com premissas tanto de receitas quanto
custos utilizando modelos de julgamento (especialista) quanto modelos economtricos.
Adicionalmente, utilizaram-se dados fornecidos pela Vale em relao investimentos em
crescimentos orgnicos, P&D, projees de custo da dvida e captaes de caixa. O
fluxo de caixa da Vale foi obtido seguindo as premissas mencionadas a acima.
Para a obteno do fluxo de caixa livre (FCL) da companhia, utiliza-se a seguinte
frmula:
FCL = EBIT (Lucro Antes de Impostos e Juros) Impostos Depreciao/Amortizao
[15]
Investimentos de capital
O clculo obtido abaixo na tabela 12.
Tabela 12 Previso dos fluxo de caixa livre (FCL)
Fluxo de Caixa Livre
2009
2010
2011
2012
2013
2014
2015
EBIT
11.370
14.475
17.053
18.414
19.478
20.899
22.427
IR/CS sobre EBIT
(4.030)
(4.837)
(5.303)
(6.053)
(6.691)
(7.426)
(7.899)
7.340
9.638
11.749
12.361
12.787
13.473
14.528
(146)
(331)
(372)
(410)
(446)
(485)
(526)
7.486
9.969
12.121
12.771
13.233
13.958
15.054
4.671
8.128
7.593
7.369
7.794
8.359
8.966
1.104
(452)
(699)
(349)
(418)
(540)
(676)
FCL - Fluxo de
Caixa Livre
13.261
17.644
19.016
19.791
20.609
21.776
23.344
Fluxo de
Caixa da Firma
2009
2010
2011
2012
2013
2014
2015
EBITDA
11.516
14.805
17.424
18.824
19.924
21.383
22.953
(-) Capex
(-) Investimento
Capital de Giro
(4.671)
(8.128)
(7.593)
(7.369)
(7.794)
(8.359)
(8.966)
1.104
(452)
(699)
(349)
(418)
(540)
(676)
(-) IR/CS
(4.030)
(4.837)
(5.303)
(6.053)
(6.691)
(7.426)
(7.899)
NOPLAT - Net
Operating Profit
Less Adjusted Taxes
Depreciao e
Amortizao
Fluxo de Caixa
Bruto
Investimentos
Investimentos Capital Permanente
Investimentos Capital de Giro
84
FCFF
3.919
1.389
3.829
5.053
5.021
5.059
5.413
Fluxo de Caixa
do Equity
2009
2010
2011
2012
2013
2014
2015
EBITDA
11.516
14.805
17.424
18.824
19.924
21.383
22.953
(-) Capex
(-) Investimento
Capital de Giro
(4.671)
(8.128)
(7.593)
(7.369)
(7.794)
(8.359)
(8.966)
1.104
(452)
(699)
(349)
(418)
(540)
(676)
(-) IR/CS
(+) Captao de
Dvidas
(-) Pagamento de
Juros
(-) Amortizao de
Dvidas
(4.030)
(4.837)
(5.303)
(6.053)
(6.691)
(7.426)
(7.899)
25.504
8.582
11.122
20.608
14.515
(1.156)
(1.086)
(2.501)
(1.699)
(1.999)
(2.568)
(3.078)
(648)
(2.280)
(2.636)
(5.426)
(8.638)
(17.313)
(10.969)
FCFE
2.115
(1.977)
24.196
6.510
5.505
5.787
5.880
(-) Capex
(-) Investimento
Capital de Giro
(-) IR/CS
FCFF
-41%
-55%
-44%
-39%
-39%
-39%
-39%
10%
-35%
34%
-3%
-33%
9%
-4%
-30%
22%
-2%
-32%
27%
-2%
-34%
25%
-3%
-35%
24%
-3%
-34%
24%
So obtidos os fluxos de caixa livre (FCL) da firma e do acionista. Brealey e Myers

(2003) menciona que para a avaliao de companhias que utilizam o modelo de FCD,
pode-se obter o FCFF (Fluxo de Caixa Livre da Firma) quanto ao FCFE (Fluxo de
Caixa do Acionista). Em Brealey e Myers(2003) tem-se as definies de FCFE e FECC.
O FCFE definido como a medida de quanto dinheiro pode ser pago aos acionistas de
capital da empresa aps todas as despesas, reinvestimentos e amortizao da dvida. J o
FCFF definido como a medida de desempenho financeiro que expressa quantidade
lquida de caixa que gerado para a empresa, constituda por despesas, impostos e as
mudanas no capital de giro lquido e investimentos. Esta uma medida de
rentabilidade de uma empresa aps todas as despesas e reinvesti mentos. um dos
muitos parmetros utilizados para comparar e analisar a sade financeira das
companhias.
Um valor positivo indica que a empresa auferiu caixa lquido depois das despesas. Um
valor negativo, por outro lado, indica que a empresa no gerou receitas suficientes para
cobrir seus custos e dos investimentos. Nesse caso, o investidor deve aprofundar a
avaliar por que isso est acontecendo - pode ser um sinal de que a empresa pode ter
alguns problemas mais profundos no futuro.
85
Para fins de anlise de rentabilidade e avaliao da Vale por FCD ser o FCFF (Fluxo
de Caixa da Firma) como parmetro de FCL.
Obtendo-se os FCL (Fluxos de Caixa Livres) da Vale previstos para o perodo de 20092015, vamos obter a taxa de desconto a ser utilizado no modelo FCD (Fluxo de Caixa
Descontado) para a avaliao da companhia. Embora seja mencionado em (Arditti,
1973), (Baranek, 1975) e (Brick and Thompson, 1978) que no seja a melhor taxa de
desconto a ser utilizada, a mdia ponderada de custo de capital ainda a melhor e mais
utilizada taxa de desconto para avaliaes de rentabilidade para o modelo FCD.
Para esta dissertao utiliza-se um WACC de acordo com premissa de custo da dvida
da companhia, estrutura de capital da Vale, taxa de retorno livre de risco, prmio de
risco, Beta ajustado, risco Brasil, tamanho (micro) por Ibbotson de acordo com as
premissas mencionadas na tabela 13 abaixo:
Tabela 13 Apurao do WACC / taxa de desconto dos fluxos de caixa livres
Apurao do WACC
Taxa Livre de Risco Rf
Beta Ajustado -
USA - Market Risk
Premium (%) - MRP
Risco Brasil - Z
Size Premium - SP
Custo K Prprio
Nominal = Ke em
US$
Taxa Inflao
Americana
Ke Real
Inflao Mdia
Brasileira Esperada
Ke Nominal em R$
Custo K Terceiros
Taxa IR e CS no
Brasil
Custo K Terceiros =
Kd X (1 - T)
Valor Equity / Valor
de Firma = E
Dvida Lquida / Valor
de Firma = D
WACC Nominal em
US$
Comentrios
Yield do US T-Bond 10 Anos
(USGG30YR index)
Clculo baseado no Beta
Ajustado da Empresa
Spread mdio anual entre S&P
500 e US T-Bond (ltimos 50
anos)
EMBI projetado depto
econmico Banif
Prmio de Risco associado ao
tamanho (micro), calculado pelo
Ibbotson
= Tx Livre de Risco + (Beta x
USA - Mkt Risk Premium) +
Risco Brasil
Premissa Banif - Depto.
Econmico
= Ke Nominal deflacionado
pela
Taxa
de
Inflao
Americana
Econmico
= Ke Real inflacionado pela
Taxa de Inflao Brasileira
Custo Mdio da Dvida
Financeira da Empresa
Imposto de Renda (25%) e
Contribuio Social (9%)
= Custo K Terceiros Lquido
IR/ CS
2009
2010
2011
2012
2013
2014
2015
3,4%
3,4%
3,4%
3,4%
3,4%
3,4%
3,4%
1,32
1,32
1,32
1,32
1,32
1,32
1,32
5,0%
5,0%
5,0%
5,0%
5,0%
5,0%
5,0%
2,5%
2,0%
1,5%
1,0%
1,0%
1,0%
1,0%
-0,34%
-0,34%
-0,34%
-0,34%
-0,34%
-0,34%
-0,34%
12,1%
11,6%
11,1%
10,6%
10,6%
10,6%
10,6%
12,1%
11,6%
11,1%
10,6%
10,6%
10,6%
10,6%
12,1%
11,6%
11,1%
10,6%
10,6%
10,6%
10,6%
6,14%
6,14%
6,14%
6,14%
6,14%
6,14%
6,14%
34,0%
34,0%
34,0%
34,0%
34,0%
34,0%
34,0%
4,1%
4,1%
4,1%
4,1%
4,1%
4,1%
4,1%
74,9%
79,8%
64,8%
64,8%
65,3%
65,6%
65,8%
25,1%
20,2%
35,2%
35,2%
34,7%
34,4%
34,2%
10,1%
10,1%
8,6%
8,3%
8,4%
8,4%
8,4%
Estrutura de capital
atual da empresa
= (E x Ke) + (D x (Kd x
(1 - T)
86
Taxa Inflao
Americana

Econmico
=
WACC
Nominal
deflacionado pela Taxa de
Inflao Americana
Econmico
= WACC Real inflacionado
pela
Taxa
de
Inflao
Brasileira
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
10,1%
10,1%
8,6%
8,3%
8,4%
8,4%
8,4%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
10,1%
10,1%
8,6%
8,3%
8,4%
8,4%
8,4%
Debt (Dvida)
Equity
(Capital Prprio)
18.826
16.546
39.414
42.571
45.054
48.350
51.895
56.073
65.289
72.495
78.370
84.865
92.072
99.739
D+E
Debt / Equity
74.899
34%
81.835
25%
111.909
54%
120.941
54%
129.919
53%
140.422
53%
151.634
52%
WACC Real
Inflao Mdia
Brasileira Esperada
WACC Nominal
R$
As taxas de desconto so obtidas (WACC) para cada ano da previso de fluxo de caixa
estimado utilizando premissas tanto macro-econmicas quanto dados de entradas
gerados por modelos economtricos.
Uma vez obtidos os FCL e as taxas de desconto obtidas para o perodo 2009-2040,
pode-se obter o FCD da Vale de acordo com a tabela 14 a seguir e com a definio
mencionada em 2.2.1. e abaixo:
VPL definido como,

[1]
onde,
t = tempo (0,1,2,3,4,5,6)
It = Investimento no tempo t (investimento inicial)
r fj = Taxa livre de juro no tempo j
E (VPL)t = fluxo de caixa esperado no tempo t
kj = WACC de tempo j
Tabela 14 Previso de Fluxo de caixa livre e FCD

Fluxo de Caixa Livre
Fluxo de Caixa
da Empresa
2009
WACC
Valor Presente
dos Fluxos de Caixa
0,0%
87
2010
2011
2012
2013
2014
2015
3.156
1.389
3.829
5.053
5.021
5.059
5.413
10,1%
10,1%
8,6%
8,3%
8,4%
8,4%
8,4%
3.081
1.202
3.112
3.819
3.498
3.250
3.206
Sensibilidade Tx de Desconto
(+/-)
Valor dos Fluxos de Caixa
75.648
Data Incio da Perpetuidade
2.041
Taxa de Cresc. Perpetuidade
3,0%
Valor Residual
30.104
Valor da Empresa
105.752
Dvida Lquida
8.282
US$
R$
Valor Econmico
97.470
190.145
Dlar em 30/06/2009
1,98
Anlise de Sensibilidade
Intervalos da Taxa de Desconto
97.470,1
97.470,1
10,1%
10,1%
-1,0%
-0,5%
10,1%
10,1%
10,1%
0,0%
0,5%
1,0%
Intervalos para Valor

Econmico
Variao da
Taxa de Desconto
97.470,1
Intervalos para Valor
Econmico
-0,5%
96.982
97.470
0,5%
97.957
Utilizando a frmula do VPL temos o primeiro membro da equao pois no utilizamos

o conceito de previso de dvida e no temos It = Investimento no tempo t (investimento
inicial) nem r
fj
= Taxa livre de juro no tempo j. Entretanto para se calcular o FCD da
companhia deve-se descontar do valor da companhia da sua dvida lquida, que obtida
pela subtrao da dvida bruta menos o caixa atual da companhia. Isto significa que o
valor final da companhia ser o seu obtido pelo mtodo de FCD subtraindo-se a sua
dvida lquida, ou seja, o Valor Econmico (VE) da companhia o seu FCD menos a
sua dvida lquida.
Para a Vale, obtido o Valor Econmico de R$ 190,1 bilhes (US$ 97,5 bilhes)
utilizando-se uma taxa de cmbio US$/R$ de 1,98 em 30/06/2009. Uma anlise de
sensibilidade foi utilizada para a variao da taxa de desconto em +/- 0,5% para obter-se
um intervalo de previso do valor econmico da Vale, ficando assim:
Valor Econmico da Vale: FCD @ WACC+/- 0,5%, sendo obtido,
VE da Vale = US$ 97, 47 bilhes, com intervalo de sensibilidade entre US$ 96,9 a
97,9 bilhes.
88
Considerando a cotao das aes da Vale no mesmo dia, ou seja, 30/06/2010 que
fecharam com os seguintes valores e Valor de Mercado (VM):
Tabela 15: Valor de fechamento das aes da Vale e valor de mercado em 30/06/2010
Tipo de ao
Cdigo
# de aes
Fechamento
Ordinria
Preferencial
Total em R$
Total em US$
VALE3
VALE5
3.256.724.482
2.108.579.618
34,50
29,85
Valor de
Mercado
112.356,99
62.941,10
175.298,10
88.534,39
4.1.2. Anlise dos resultados da avaliao da Vale utilizando o mtodo de FCD

Obteve-se um valor econmico (VE) base de US$ 97,47 bilhes com intervalo de
anlise de sensibilidade de WACC de US$ 96,90 a 97,9 bilhes. O valor obtido baseouse em premissas descritas acima, alm de modelos de julgamento (especialistas) e
economtricos para as previses de FCL de receitas e custos.
Analisando os resultados e comparando com o valor de mercado da companhia, citado
na tabela X acima, temos uma relao de 10,1% (VE/VM), significando que a empresa
est subavaliada pelo mercado, ou seja, seu preo justo superior em 10,1% acima ao
negociado no mercado acionrio. Cabe ressaltar que o modelo FCD possui muitas
incertezas em relao s previses de FCL de receitas e custos, uma vez que so
utilizada premissas de modelos de previso e que no capturas incertezas de previso
quanto ao tempo de investimento, flexibilidade gerencial e so dependentes da seleo
das variveis de entrada do modelo, citados em Armstrong e Crohman(1972) e (Fildes,
1985)
Sente-se a necessidade de utilizar um modelo que capture as incertezas e os valores de
potencial dos projetos includos na companhia, uma vez que as previses de FCL da
Vale esto muito dependente de seu forte cronograma de investimentos em crescimento
orgnico, relao investimento sobre VM muito elevada, citadas em 4.1.1.
89
4.2 Utilizao do Modelo VIRF para avaliao da Vale

Em 2.7 viu-se e detalhados em 2.7.1, 2.7.2, 2.7.3 que a definio de giga-investimento
como um grande investimento industrial real que apresenta as seguintes caractersticas:o
i) uma longa vida econmica
II) um elevado grau de irreversibilidade
iii) um longo perodo de construo
Alm disso, a dinmica do planejamento e gesto dos giga-investimentos e das suas
caractersticas especiais, principalmente a sua longa vida econmica, exigem estratgias
dos gestores a estarem focalizados em otimiz-los de acordo com as mudanas nos
mercados, que, portanto, precisam ser monitorados. Tem-se discutido acima das opes
reais e flexibilidade gerencial e observou-se que eles tambm necessitam de
monitorao de seus mercados. Na verdade ambos, o planejamento das opes reais e
sua gesto requerem conhecimentos sobre a atual situao do mercado e sobre as
mudanas futuras.
Analisando as caractersticas do cronograma de investimentos para o perodo de 20092040 que a Vale ir realizar e que se julga serem em linhas com a definio de gigainvestimentos industriais reais, aplica-se o modelo VIRF de avaliao para a Vale.
4.2.1 Definio das variveis do modelo VIRF

Segundo a definio do Modelo VIRF citados em 2.9 e mencionados abaixo:
dc, cef c g E! g M M -ef - g Eg
Onde,
f 0
g c0
Valor presente fuzzy dos FCL fuzzy do projeto
- 0
g -0
Valor presente fuzzy dos custos iniciais do projeto
i
hi
i
ji
90
[11]
rri = taxa de desconto especfico para cada fluxo de caixa livre do projeto (nmero
clssico)
rCi = taxa de desconto especfico para cada fluxo de custo inicial (nmero clssico)
E (R) e E (C) = Mdia probabilstica (esperada) para valor de R e C (R e C

fuzzy)
Para utilizar as estimativas de fluxos de caixa livre, alm do modelo base referenciado
acima em 2.4 para a anlise da Vale por mtodo de FCD, cujas previses so do autor,
foram
ouvidos
mais
dois
especialistas
que
forneceram
suas
premissas
conseqentemente suas previses de FCL. Os especialistas, referenciados como banco 2

e banco 3 , forneceram suas previses adicionalmente previso do autor, indicada
como banco 1. As previses tm como premissas as condies de mercado,
sazonalidade, modelos de oferta vs. demanda e principalmente os investimentos de
capital com seus retornos. Adicionalmente para efeitos desta anlise, assim como do
modelo de FCD acima mencionado em 4.1, no se calculou os fluxos de CI e sim se
descontou a dvida lquida do valor final da avaliao. Isto ser levado em considerao
tambm no modelo VIRF, uma vez que os investimentos necessrios aos projetos de
investimentos futuros em grandes investimentos industriais reais j so contemplados
no fluxo de caixa livre na conta Investimentos, mencionados na tabela 14.
30,000
25,000
20,000
Banco 1
15,000
Banco 2
Banco 3
10,000
Mdia
5,000
2S09
2011
2013
2015
2017
2019
2021
2023
2025
2027
2029
2031
2033
2035
2037
2039
Figura 7 Previses de FCL e ambiente de negcio esperado pelo Mercado face os investimentos
91
Os especialistas esto contemplando os fluxos de caixa livre tanto das operaes

correntes da Vale, assim como os investimentos na instalao de novas plantas de
produo para estimar as receitas (FCF) a partir do investimento de acordo com o
ambiente de mercado e sua percepo pessoal, alm conhecimento subjetivo sobre os
mercados. Eles forneceram os seus parecerem como intervalos (nmeros fuzzy) para
incluir subjetivamente a percepo de incerteza que vem enfrentando cada um dos
fluxos de caixa. Figura 8 apresenta os pareceres, juntamente com a expectativa derivada
de FCF esperados. Quanto mais para o futuro dos fluxos de caixa so estimados, maior
a percepo dos especialistas.
80,000
70,000
60,000
50,000
40,000
FCL Max.
30,000
FCL Esperado
FCL Min
20,000
10,000
0
Figura 8. Previses de fluxo de caixa da Vale por especialistas baseadas em suas percepes sobre o
futuro do mercado de minerao e metlicos em face aos investimentos e seus conhecimentos sobre a
incerteza dos fluxos.
Levando-se em considerao o fato de que o tempo da essncia e que o tendncia

agora (tempo zero) inclinada para baixo os gestores desejam ver o que o efeito de
adiar a construo dos investimentos de capital, o adiamento considerado para o
estudo em intervalos de seis meses at trs anos e meio para os projetos da Vale. A
expectativa que, se o investimento adiado os fluxos de caixa durante o tempo de
espera sero perdidos, ceteris paribus. Na figura 9 apresentado o VIRF.
92
90,000
80,000
70,000
60,000
50,000
VIRF Max
40,000
VIRF Central
30,000
VIRF Min
20,000
10,000
0
0
0.5
1.5
2.5
3.5
Figura 9. Efeitos da espera para investir no valor VIRF
Valores para as oito possibilidades diferentes (investir agora adiar para 3 anos). No
se surpreende, parece que o investimento mais rentvel, caso os investimentos sejam
adiados. tambm visvel na figura 9 que, segundo a o FRIV o potencial total do
investimento cresce quanto mais o investimento adiado. Se os gerentes decidem adiar
o investimento para trs anos e meio e esperam aumentar a lucratividade, eles devem
enfrentar aumento incerteza (potencial total) sobre o resultado do projeto. O fato de
VIRF mostrar o aumento da incerteza total (potencial) causadas pela espera e pelo
tempo de construo altamente relevante para os giga-investimentos devido ao fato de
que o tempo muitas vezes essencial para os grandes investimentos industriais. O
modelo no induz a tendncia na informao dada ao tomador de deciso, mostrando
apenas o potencial positivo, mas mostra claramente a cenrio negativo possvel tambm.
No clculo do VIRF, o desvio-padro para o FCL calculado a partir do valor presente
de FCL (R) pela simplicidade. A figura 9 no inclui a descontinuidade do apoio do
valor VIRF.
Tomando-se como resultado o FRIV central, mximo e mnimo, obtem-se o valor
econmico da Vale pelo modelo utilizado acima, somando-se um valor de fluxo de
caixa na perpetuidade, que o valor de crescimento estvel a uma taxa constante
ceteris paribus. Alm disso, tem-se que descontar a dvida lquida da companhia para
93
obteno do seu VE para efeito de comparao com o valor obtido com o modelo de
FCD.
Utilizando o valor de residual de R$ 30,1 milhes assumindo o incio da perpetuidade
em 2041 e uma taxa de crescimento de 3% e uma dvida lquida de R$ 8,2 bilhes, temse os intervalos de valores VE para a Vale de acordo com a figura 10 abaixo.
106,000
104,000
102,000
VIRF Vale Mx
100,000
VIRF Vale Central

98,000
VIRF Vale Mn
96,000
94,000
0
0.5
1.5
2.5
3.5
Figura 10 Valores VE possveis da Vale utilizando VIRF
5. Anlise dos Resultados

Analisando-se os resultados obtidos para a avaliao do valor econmico (VE) da Vale
utilizando o modelo de FCD e dos modelo VIRF, pode-se fazer alguns comentrios:
i)
O modelo de fluxo de caixa no possui sensibilidade de estimar a incerteza e

o modelo FIRV pode capturar este valor;
ii)
O modelo FIRV leva alm de flexibilidade gerencial na tomada de deciso,

numa avaliao de companhia de seu expertise ainda pode agregar o valor da
flexibilidade operacional, no tendo no modelo FCD
iii)
O modelo de fluxo de caixa no tem sensibilidade de analisar corretamente o

tempo de espera nem o tempo de construo de um giga-projeto pertencente
companhia
94
Obtidos em 4.4.1, os resultados da anlise de FCD da Vale foram, utilizando o mtodo

de anlise de sensibilidade de taxas de desconto:
Tabela 15 Intervalos de VE da Vale (US$ Milhes)
Variao da Taxa de Desconto
97.470
-0,5%
0,5%
Intervalos para Valor Econmico
96.983
97.470
97.957
Utilizando o modelo VIRF de avaliao de giga-invesitmentos industriais reais,

obtiveram-se os seguintes intervalos de VE da Vale.
Tabela 16 Valor econmico da Vale utilizando o modelo VIRF
Valor Econmico da Vale (VIRF + Valor Residual - Dvida lquida)
0
0,5
1,5
2,5
3,5
VIRF Vale Mx
102.796
103.038
103.279
103.521
103.763
104.004
104.246
104.488
VIRF Vale Central
100.459
100.708
100.957
101.206
101.455
101.704
101.953
102.202
98.036
98.278
98.519
98.761
99.003
99.244
99.486
99.728
VIRF Vale Mn.
Para efeito de anlise, pode-se estimar o VE da Vale est num intervalo de valor:
VIRF Central = valor econmico central no tempo t=0: US$ 100,5 bilhes
VIRF Mx = valor econmico mximo no tempo t=3,5: US$ 104,5 bilhes
VIRF Mn. = valor econmico mnimo no tempo t=0: US$ 98,0 bilhes
Comparando os dois resultados centrais dos modelos VIRF e FCD, tem-se que:
VIRF Central FCD Central = US$ 2,9 bilhes, ou 3,1% do valor FCD Central.
Mdia : (VIRF Central /FCD Central) = US$ 98,4 bilhes
Desvio padro: (VIRF Central/FCD Central) = US$ 1,0, ou 1,1%
Var: (VIRF Central/FCD Central) = 1116715
95
5. Concluses e futuras pesquisas

Podemos concluir sobre os resultados e as debilidades da investigao que sugerem
caminhos para futuras dissertaes no mbito da presente investigao e para alm dela.
O modelo VIRF se mostrou eficaz para a projeo de valor econmico e alm do que se
mostrou mais precioso em relao s incertezas. Os resultados comparativos entre os
dois modelo tiveram uma mdia, desvio padro e Var em linha com o esperado e
aceitveis do ponto de vista estatstico. Ao mesmo tempo crtica que se faz, e abre-se a
possibilidade de continuidade da pesquisa, em aplicar o modelo VIRF para a Vale e
para outras companhias que possuam giga-projetos de investimento para cada projeto
individualmente e adicionar as projees de FCL das operaes correntes visando a real
captura de valor do tempo de espera da deciso, tempo de construo e vida longa
econmica.
5.1. Resumo dos Objetivos e Contribuies da dissertao

Definimos a motivao desta dissertao como a criao de novos conhecimentos sobre
grandes investimentos industriais reais (giga-investimentos) e respectiva avaliao, e
seu apoio a deciso. Em 1.2. temos definido os objetivos desta dissertao, com base em
uma hiptese que uma companhia pode ser avaliada pelo mtodo VIRF uma vez que
seus projetos fazem parte de que um grupo que pode ser definido como grandes
investimentos industriais reais e que o grupo tem caractersticas que precisam, e podem
ser tomados em considerao em sua avaliao.
Os objetivos desta dissertao foram:
i)
Compreender e caracterizar os grandes investimentos industriais real
ii)
Para os fins desta dissertao, analisar uma definio de um especial

grupo de investimentos no mbito do grupo de grandes industriais real
investimentos
iii)
Desenvolver e selecionar relevantes construes e mtodos a serem

utilizados na avaliao do seleto grupo de investimentos e de grandes
investimentos reais
96
iv)
Analisar e comparar os resultados de avaliao da Vale pelos mtodos de

FCD e VIRF.
5.2. Concluses
Esta dissertao analisou o grande industrial real investimentos e utilizou o mtodo para
avaliao de uma companhia. A noo de compreenso de grandes investimentos
industriais real como um grupo especial dentro do grupo de reais investimentos uma
nova abordagem.
Esta dissertao concentrou-se em questes relativas avaliao do investimento, e tem
a abordagem de definio do escopo da dissertao, definindo um conjunto de
investimentos no mbito do grupo de grandes investimentos industriais reais, simplificar
a complexidade. O grupo de giga-investimentos tem sido analisado e sua avaliao
precisa ser discutida. Foi revelado que os atuais mtodos de avaliao de investimento,
se no so incompatveis, so timas para giga-investimentos.
Observao de que o ciclo de investimento giga, que esta dissertao modela
em trs etapas, ao contrrio do comumente usado investimento em duas fases
de ciclo de vida, podem desempenhar um papel fundamental na avaliao correta de
giga-investimento
Giga-Investimentos parecem se beneficiar de uma abordagem dinmica para o

planejamento e gesto, que se baseia na explorao contnua do ambiente
e atualizao de informaes. Isto verdade para um nmero de razes, das quais ,
pelo menos no a natureza dinmica das opes que se encontram dentro
investimentos.
97
5.2.1. Pontos Fracos da dissertao

Ao ver esta investigao crtica do ponto de vista da investigao metodologia, pode-se
criticar o fato de que o material de apoio utilizado para as investigaes iniciais poderia
ter sido maior do que a quatro apresentaram casos, e que a parte de dissertao deveria
ter sido mais cuidadosamente elaborada. Este seria um apenas um comentrio.
Na utilizao do modelo VIRF em empresas a utilizao do fluxo de caixa lquido
(FCL) para as projees de todos os projetos correntes e futuros pode no mensurar
corretamente os tempos de espera e de construo do ponto de vista de entrada de fluxo.
As incluses dos investimentos no fluxo de caixa lquido e no detalhado em CI para
efeitos do modelo VIRF pode no trazer a exatido das previses de custo e
conseqentemente pode trazer alguma miopia para os resultados.
5.3. Continuao da pesquisa

O trabalho realizado nesta dissertao pode ser continuada pelo menos, nas seguintes
formas:
Os modelos criados tm de ser mais testado com dados de investimento, ambos os
modelos VORF e VIRF so bastante novo e deve ser testados novamente.
A base de dados de conhecimento de giga-investimentos grande investimentos
indstrias reais podem ser expandida para a construo de uma base para generalizao
do modelo para uma populao maior de investimentos e mais detalhados.
Um estudo mais aprofundado sobre a adequao do apreamento de opes BlackScholes frmula de avaliao da opo real necessrio. Os problemas que os
pressupostos rigorosos por trs da frmula quando contrastado com realidade pode,
talvez, ser resolvido, mas um estudo mais aprofundado sobre o assunto necessrio.
Encaminhar os preos do valor do investimento durante o tempo de construo uma
problema da dissertao e que de grande interesse do ponto de vista da modelagem de
investimentos e do ponto de vista da corretamente avaliando grandes investimentos
industriais reais.
98
A integrao de mtodos qualitativos e outras informaes estruturadas em modelos de

avaliao so questes que exigem e merecem maiores estudos.
Utilizao de modelos FIRV em anlise de empresas focando seus investimentos
individualmente e test-los quanto operao de fuses e aquisies.
H sem dvida muitas outras avenidas muito interessantes para o futuro investigao.
99
6. Referencias bibliogrfica em ordem alfabtica

Aggarwal (1997) AGGARWAL, S., Flexibility Management: The Ultimate Strategy,
Industrial Management Review,January/February, pag. 26-30, 1997.
(Aguilar, 1967) AGUILAR, F., 1967, Anning the Business Environment, McMillan
(Alcaraz and Heikkil, 2002) ALCARAZ, F. AND HEIKKIL, M., 2002, Improving
Investment Decision Making by Expanding Key Knowledge with Real Option
Tools, Turku Centre for Computer Science, TUCS Technical Report, No. 467
(Alcaraz and Heikkil, 2003) ALCARAZ GARCIA, F. AND HEIKKIL, M., 2003,
Improving Investment Decision Making by Expanding Key Knowledge with Real
Option Tools, Journal of Decision Systems, 12, 3-4, pp. 345-368
(Amran e Kulatilaka, 1999) AMRAN, M. e KULATILAKA, N. Real Options:
Managing Strategic Investment in an Uncertain World, Harvard Business
School Press, 1999.
(Andricopoulos et al., 2003) ANDRICOPOULOS, A., WIDDICKS, M., DUCK, P.
AND NEWTON, D., 2003, Universal option valuation using quadrature
methods, Journal of Financial Economics, Vol. 67, 3, pp. 447-471
(Alvarez, 1999) ALVAREZ, L., 1999, Optimal Exit and Valuation Under Demand
Uncertainty: A Real Options Approach, European Journal of Operational
Research, 111, pp. 320-329
(Arditti, 1973) ARDITTI, F., 1973, The Weighted Average of Capital: Some Questions
on Its Definition, Interpretation, and Use, Journal of Finance, 28, pp. 1001-1008
(Armstrong and Crohman, 1972) ARMSTRONG, S. ,CROHMAN, M., 1972, A
comparative study of methods for long-range market forecasting, Management
Science, 19, 2, pp. 211-221
100
(Azzone and Maccarone, 2001) AZZONE, G. , MACCARONE, P., 2001, The design of
the investment post-audit process in large organisations: evidence from a
survey, European Journal of Innovation Management, Vol. 4, No. 2, pp. 73-87
(Baker, Ponniah, and Smith, 1998) BAKER, S., PONNIAH, D., SMITH, S., 1998,
Techniques for the Analysis of Risks in Major Projects, The Journal of the
Operational Research Society, 49, 6, pp. 567-572
(Balasubramanian, Kulatilaka, and Storck, 2000) BALASUBRAMANIAN, P.,
KULATILAKA, N., STORCK, J., 2000, Managing information technology
investments using a real options approach, the Journal of Strategic Information
Systems, 9, pp. 39-62
(Baranek, 1975) BARANEK, W., 1975, The Cost of Capital, Capital Budgeting, and the
Maximization of Shareholder Wealth, The Journal of Financial and Quantitative
Analysis, 10, pp. 1-20
(Bardossy, Duckstein and Bogardi, 1993) BARDOSSY, A., DUCKSTEIN, L., BOGARDI, I.,
1993, Combination of fuzzy numbers representing expert opinions, Fuzzy Sets
and Systems, 57, pp. 173-181
(Barham, Chavas, and Klemme, 1994) BARHAM, B., CHAVAS, J-P. , KLEMME, R., 1994,
Low capital dairy strategies in Wisconsin: lessons from a new approach to
measuring profitability, University of Wisconsin-Madison Department of
Agricultural Economics Staff Paper Series, Staff Paper No. 381
(Bellman and Zadeh, 1970) BELLMAN, R.
AND
ZADEH, L., 1970, Decisionmaking in a
fuzzy environment, Management Science, Vol. 17, No. 4, p. 141-164

(Benninga and Wiener, 1997) BENNINGA, S. ,WIENER, Z., 1997, Binomial Option
Pricing, the Black-Scholes Option Pricing Formula, and Exotic Options,
Mathematica in Education and Research, Vol. 6, No. 4, pp. 1-4
101
(Benaroch and Kauffman, 1999) BENAROCH, M. , KAUFFMAN, R., 1999, A case for
using real options pricing analysis to evaluate information technology project
investments, Information Systems Research, 10, pp. 70-86
(Benaroch and Kauffman, 2000) BENAROCH, M. , KAUFFMAN, R., 2000, Justifying
electronic banking network expansion using real options analysis, MIS
Quarterly, 24, pp. 197-225
(Bengtsson, 2001) BENGTSSON, J., 2001, Manufacturing flexibility and real options:
A review, International Journal of Production Economics, 74, pp. 213-224
(Berger, Ofek, and Swary, 1996) BERGER, P., OFEK, E., SWARY, I., 1996, Investor
valuation of the abandonment option, Journal of Financial Economics, 42, 257287
(Bertrand and Fransoo, 2002) BERTRAND, W., FRANSOO, J., 2002, Operations
management research methodologies using quantitative modeling, International
Journal of Operations & Production Management, Vol. 22, No. 2, p. 241-264
(Bierman and Smidt, 1960) BIERMAN, H., SMIDT, S., 1960, The capital budgeting
decision, MacMillan, New York
(Black and Scholes, 1973) BLACK, F., SCHOLES, M., 1973, The Pricing of Options
and Corporate Liabilities, Journal of Political Economy, 81, 3, p. 637-654
(Blom, 2000) BLOM, L., 2000, Investeringar som vrdeskapare fr fretagets och
landets konkurrenskraft - en fallstudie av Rautaruukki Steel, bo Akademi
University, Department of Economics M.Sc. thesis.
(Bock and Farkas, 1969) BOCK, B. , FARKAS, J., 1969, Concentration and
Productivity, Studies in Business Economics, No. 103, National Industrial
Conference Board, New York
(Bodman, 2000) BODMAN, J., 2000, Gigainvestointien elinkaarituottoihin vaikuttavien
tekijiden arviointi, Tampere University of Technology, Department of
Industrial Economics Diploma Thesis, Pori
102
(Borison, 2003) BORISON, A., 2003, Real Options Analysis: Where are the Emperor's
Clothes?, In the Proceedings of the 7th RNAual International Conference on
Real Options, Washington D.C., USA
(Borgonovo, 2004) BORGONOVO, E., PECCATI, L., 2004, Sensitivity analysis in
investment project evaluation, International Journal of Production Economics,
90, pp. 17-25
(Bowman and Hurry, 1993) BOWMAN, E., HURRY, D., 1993, Strategy throght the
option lens: An integrated view of resource investments and incremental-choice
process, Academy of Management Review, 18, pp. 760-82
(Boyle, 1988) BOYLE, P., 1988, A Lattice Framework for Option Pricing with Two
State Variables, Journal of Financial and Quantitative Analysis, 23, 112.
(Brennan and Schwartz, 1977) BRENNAN, M., SCHWARTZ, E., 1977, The Valuation
of American Put Options, Journal of Finance, 32, 449462.
(Brennan and Schwartz, 1978) BRENNAN, M., SCHWARTZ, E., 1978, Finite
Difference Methods and Jump Processes Arising inthe Pricing of Contingent
Claims: A Synthesis, Journal of Financial and Quantitative Analysis, 13, 461
474.
(Brennan and Schwartz, 1985) BRENNAN, M., SCHWARTZ, E., 1985, Evaluating
natural resource investments, Journal of Business, 58(2), April, pp. 135-57
(Brealey and Myers, 2003) BREALEY, R., MYERS, S, 2003, Principles of Corporate
Finance, 7th edition, McGraw-Hill, Boston
(Brick and Thompson, 1978) BRICK, J., THOMPSON, H., 1978, The Economic Life of
an Investment and the Appropriate Discount Rate, The Journal of Financial and
Quantitative Analysis, 13, 5, pp. 831-846
(Bryman, 1988) BRYMAN, A., 1988, Doing Research in Organisations, Routledge,
London
103
(Buckley, 1987) BUCKLEY, J., 1987, The fuzzy mathematics of finance, Fuzzy Sets
and Systems, 21, p. 257-273
(Buckley, 1992) BUCKLEY, J., 1992, Solving fuzzy equations in economics and
finance, Fuzzy Sets and Systems, 48, p. 289-296
(Bunn and Wright, 1991) BUNN, D., WRIGHT, G., 1991, Interaction of judgemental
and statistical forecasting methods: issues & analysis, Management Science, 37,
5, 501-518
(Busby and Pitts, 1997) BUSBY, J. , PITTS, C., 1997, Real options in practice: an
exploratory survey of how finance officers deal with flexibility in capital
appraisal, Management Accounting Research, 8, pp. 169-186
(Campbell, 2002) CAMPBELL, J., 2002, Real options analysis of the timing of IS
investment decisions, Information & Management, 39(5), pp. 337- 344
(Carlsson and Fuller, 1998) CARLSSON, C., FULLR, R., 1998, Fuzzy internal rate of
return, Turku Centre for Computer Science, TUCS Technical Report, No. 211
(Carlsson and Fuller, 2000) CARLSSON, C., FULLR, R.,., 2000, Fuzzy real option
valuation, Turku Centre for Computer Science, TUCS Technical Report No 367
(Carlsson and Fuller, 2001a) CARLSSON, C., FULLR, R.,, 2001, Possibilistic mean
value and variance of fuzzy numbers, Fuzzy Sets and Systems, 122, pp. 315-326
(Carlsson and Fuller, 2001b) CARLSSON, C., FULLR, R.,, 2001, Fuzzy Reasoning in
Decision Making and Optimization, Springer
(Carlsson, Fuller, and Majlender, 2001) CARLSSON, C., FULLR, R.,, MAJLENDER,
P., 2001, Project Selection with fuzzy real options, Second International
Symposium of Hungarian Researchers on Computational Intelligence, Budapest,
November 12, pp. 81-88
104
(Caves, Gale, and Porter, 1977) CAVES, R., GALE, B., PORTER, M., 1977, Interfirm
Profitability Differences: Comment, Quarterly Journal of Economics, 91, 4, pp.
667-675
(Chen and Wang, 1999) CHEN, T., WANG, M., 1999, Forecasting methods using fuzzy
concepts, Fuzzy Sets and Systems, 105, pp. 339-352
(Childs, Ott, and Triantis, 1998) CHILDS, P., OTT, S., TRIANTIS, A., 1998, Capital
budgeting for interrelated projects: A real options approach, Journal of
Financial and Quantitative Analysis, 33(3), pp.305-34
(Childs and Triantis, 2000) CHILDS, P., OTT, S., TRIANTIS, A., 2000, Dyuamic R&D
investment policies, Management Science, 45, 1359-1377
(Collan, 2002) COLLAN, M. (Ed)., 2002, Proceedings of the International Real
Options Workshop, May 6.-8.2002, Turku, Finland
(Collan, 2004a) COLLAN, M, 2004, Fuzzy real investment valuation model for very
large industrial real investments, em JAMSHIDI, M., OLLERO, A.,
FOULLOY, L, REUTER, M., KAMRANI, A., HATA, Y. (Eds.), 2004,
Proceedings of the WAC 2004 (CD-ROM), June 28 - July 1, 2004, Seville, Spain
(Collan, 2004b) COLLAN, M, Dynamic Management of Investments with Long
Economic Lives: Extending Fuzzy Planning to Operational Management, 6th
Manufacturing Accounting Research Conference, MAR 2003, May 26-28,
University of Twente, Netherlands
(Collan, 2004c) COLLAN, M, 2004, Fuzzy Real Investment Valuation Model for GigaInvestments, and a Note on Giga-Investment Lifecycle and Valuation, TUCS
Technical Report, No. 617, Turku Centre for Computer Science
(Collan,
Carlsson,
and
Majlender,
2003)
COLLAN,
M,
CARLSSON,
C.,
MAJLENDER, P., 2003, Fuzzy Black and Scholes real option pricing, Journal
of Decision Systems, Vol. 17, No. 3-4, pp. 391-416
105
(Collan and Hirkman, 2003) COLLAN, M., HIRKMAN, P. (Eds.), 2003, WAENO
1999-2002, CD-ROM of the research program, Institute for Advanced
Management Systems Research, bo Akademi University, Turku, Finland
(Collan and Liu, 2003) COLLAN, M., LIU, S., 2003, Fuzzy logic and intelligent agents:
towards the next step of capital budgeting decision support, Industrial
Management & Data Systems, 103, 6, p. 410-422
(Collan and Lngstrm, 2002) COLLAN, M., LNGSTRM, S., 2002, Flexibility in
Investments: Exploratory Survey on How Finnish Companies Deal with
Flexibility in Capital Budgeting, Turku Centre for Computer Science, TUCS
Technical Report, No. 453
(Collan and Majlender, 2003) COLLAN, M., MAJLENDER, P., 2003, Fuzzy
Multiplicator in Including Trend Information in Fuzzy Capital Budgeting:
Problems and Conclusions, em LIU, Y., CHEN, G., YING, M., CAI, K. (Eds.),
2003, Proceedings of International Conference on Fuzzy Information
Processing, FIP 2003, March 1-4, 2003, Beijing, China, pp. 783-789
(Copeland and Keenan, 1998) COPELAND, T., KEENAN, P., 1998, How much is
flexibility worth?, The McKinsey Quarterly, 1998:2, pp. 38-49 (Copeland and
Antikarov, 2001) Copeland, T. and Antikarov, V., 2001, Real Options: A
Practitioner's Guide, TEXERE, New York, NY
(Corker, Holly, and Ellis, 1986) CORKER, R., HOLLY, S., ELLIS, R., 1986,
Uncertainty and Forecast Precision, International Journal of Forecasting, 2, 1,
pp. 53-70
(Cortazar and Casassus, 1998) CORTAZAR, G., CASASSUS, J., 1998, Optimal timing
of a mine expansion: Implementing a real options model, The Quarterly Review
of Economics and Finance, 38, pp. 755-69
106
(Cortazar and Schwartz, 1998) CORTAZAR, G., SCHWARTZ, E., SALINAS, M.,
1998, Evaluating environmental investments: A real options approach,
Management Science, 44(8), 1059-70
(Coughlan and Coghlan, 2002) COUGHLAN, P., COGHLAN, D., 2002, Action
research for operations management, International Journal of Operations &
Production Management, Vol. 22, No. 2, pp. 220-240
(Cox and Ross, 1976) COX, J., ROSS, S., 1976, A Survey of Some New Results in
Financial Option Pricing Theory, The Journal of Finance, Vol. 31, No. 2, pp.
383-402
(Cox, Ross, and Rubinstein, 1979) COX, J., ROSS, S., RUBINSTEIN, M., 1979,
Option Pricing: A Simplified Approach, Journal of Financial Economics, 7, 229
263.
(Dalkey, 1967) DALKEY, N., 1967, Delphi, RAND Corporation, P-3704, Santa
Monica, CA
(Das and Elango, 1995) DAS, T. , ELANGO, B., 1995, Managing strategic flexibility:
Key to effective performance, Journal of General Management, 20(3), 60-75
(Dean, 1951) DEAN, J., 1951, Capital budgeting: top management policy on plant
equipment on product development, Columbia University, New York
(Demsetz, 1973) DEMSETZ, H., 1973, Industry Structure, Market Rivarly, and Public
Policy, Journal of Law and Economics, 16, pp. 1-10
(Desmet et al., 2000) DESMET, T., FRANCIS, T., HU, A., KOLLER, T., RIEDEL, G.,
2000, Valuing dot-coms, The McKinsey Quarterly, No. 1, pp. 148-157
(Deventer, 1915) DEVENTER, VAN J., 1915, Jigs and Fixtures in the Small Shop,
American Mechanist, XLII, No. 19, pp. 807-809
107
(Dhar and Stein, 1997) DHAR, V., STEIN, R., 1997, Intelligent Decision Support
Systems, Prentice Hall
(Dixit, 1989) DIXIT, A., 1989, Entry and exit decisions under uncertainty, Journal of
Political Economy, 97, 3, pp. 620-638
(Dixit and Pindyck, 1994) DIXIT, A., PINDYCK, R, 1994, Investment under
uncertainty, Princeton University Press, Princeton, NJ
(Driver and Whelan, 2001) DRIVER, C., WHELAN, B., 2001, Journal of Economic
Behaviour & Organization, 44, pp. 403-412
(Dubois and Prade, 1980) DUBOIS D., PRADE. H., 1980, Fuzzy sets and systems,
Theory and applications, Academic Press, New York, NY
(Dubois and Prade, 1988) DUBOIS D., PRADE. H., 1988, Possibility Theory, Plenum
Press, New York
(Dyl and Long, 1969) DYL, E., LONG, H., 1969, Abandonment value and capital
budgeting: comment, Journal of Finance, 24, pp. 88-95
(Eisenhardt, 1989) EISENHARDT, K., 1989, Building Theories From Case Research,
Academy of Management Review, Vol. 14, No. 4, pp. 532-550
(Ekern, 1985) EKERN, S., 1985, An option pricing approach to evaluating petroleum
projects, Energy Economics, 10, pp. 91-99
(Esty, 1999) ESTY, B., 1999, Improved Techniques for Valuing Large-Scale Projects,
The Journal of Project Finance, Spring, p. 9-25
(Faulkner, 1996) FAULKNER, T., 1996, Applying options thinking to R&D valuation,
Research Technology Management, May-June, pp. 50-56
(Fernandez, 2003) FERNANDEZ, P., 2003, 75 common and uncommon errors in
company valuation, University of Navarra Working Paper No. 515
108
(Fildes, 1979) FILDES, R., 1979, Quantitative Forecasting - The State of the Art:
Extrapolative Models, The Journal of the Operational Research Society, 30, 8,
pp. 691-710
(Fildes, 1985) FILDES, R., 1985, Quantitative Forecasting - the State of the Art:
Econometric Models, The Journal of the Operational Research Society, 36, 7,
pp. 549-580
(Fildes, 1988) FILDES, R., 1988, Reviewing Forecasting Software A Review Essay,
The Journal of the Operational Research Society, 39, 8, pp. 773-778
(Fildes and Hastings, 1994) FILDES, R., HASTINGS, R., 1994, The Organiztion and
Improvement of Market Forecasting, The Journal of the Operational Research
Society, 45, 1, pp. 1-16
(Finnerty, 1996) FINNERTY, J., 1996, Project Financing: asset based financial
engineering, John Wiley & Sons, New York, NY
(Fisher, 1896a) FISHER, I., 1896, Appreciation and Intrest, Publications of the
American Economic Association, Vol. 11, No. 4. p. 1-98.
(Fisher, 1896b) FISHER, I., 1896, What is Capital?, The Economic Journal, Vol. 6. No.
24., pp. 509-534
(Fisher, 1907) FISHER, I, 1907, The rate of interest: its nature, determination and
relation to economic phenomena, MacMillan, New York
(Fouque, Papanicolau, and Sirkar, 1999) FOUQUE, J-P., PAPANICOLAU, G., IRKAR,
R., 1999, Financial Modelling in Fast Mean-Reverting Stochastic Volatility
Environment, Asia-Pacific Financial Markets, 6, 1, pp. 37-49
(Fouque and Tullie, 2002) FOUQUE, J-P., TULLIE, T., 2002, Variance reduction for
Monte Carlo simulation in a stochastic volatility environment, Quantitative
Finance, 2, pp. 24-30
109
(Fuller, 1998) FULLR, R., 1998, Fuzzy Reasoning and Fuzzy Optimization, Turku
Centre for Computer Science, TUCS General Publication, No. 9, September, p.
16
(Garner, Nam, and Ottoo, 2002) GARNER, J.L., NAM, J., OTTOO, R.E., 2002,
Determinants of corporate growth opportunities of emerging firms, Journal of
Economics and Business, 54(1), pp. 73-93
(Grenadier and Weiss, 1995) GRENADIER, S., WEISS, A., 1995, Investment in
technological innovations: An options pricing approach, Journal of Financial
Economics, 44, pp. 397-416
(Guimaraes Dias, 1999) GUIMARAES DIAS, M., 1999, A note on the bibliographical
evolution of real options, in Trigeorgis, L. (Ed.), 1999, Real Options and
Business Strategy, Risk Books, London, pp. 357-362
(Guimaraes
Dias,
2004)
GUIMARAES
DIAS,
M.,
2004,
http://sphere.rdc.pucrio.br/marco.ind/bibliogr.html as 14:56h de 23/01/2010

(Gummeson, 2000) GUMMESON, E., 2000, Qualitative methods in management
research, Sage, Thousand Oaks, CA
(Harris, 1978) HARRIS, R., 1978, On the choice of large projects, The Canadian
Journal of Economics, 11, 3, pp. 404-423
(Heikkil, 2002) HEIKKIL, M., 2002, Knowledge Processing in Real Options - A
Process Approach to Make Real Options Operational, Proceedings of EUNITE
2002,19.-21. September, Albufeira, Portugal
(Hertz, 1968) HERTZ, D., 1968, Investment policies that pay off, Harvart Business
Review, 46, pp. 96-108
(Hespos and Strassman, 1965) HESPOS, R., STRASSMANN, P., 1965, Stochastic
decision trees for the analysis of investment decisions, Management Science,
Series B, 11, 10, pp. B244-B259
110
(Jenks, 1983) JENKS, J., 1983, Non-Computer Forecasts to Use Right Now, Business
Marketing, 68, pp.82-84
(Kasanen, Lukka, and Siitonen, 1993) KASANEN, E., LUKKA, K., SIITONEN, A.,
1993, The Constructive Approach in Management Accounting Research, Journal
of Management Accounting Research, Vol. 5, pp. 243-264.
(Kaufmann and Gupta, 1985) KAUFMANN, A., GUPTA, M., 1985, Introduction to
fuzzy arithmetic: Theory and applications I, Van Nostrand Reinhold, New York,
NY
(Kaufmann and Gupta, 1986) KAUFMANN, A., GUPTA, M., 1986, Introduction to
fuzzy arithmetic: Theory and applications II, Van Nostrand Reinhold, New
York, NY
(Keppo and Lu, 2003) KEPPO, J., LU, H., 2003, Real options and large producer: the
case of electricity markets, Energy Economics, 25, p. 459-472
(Kivijrvi and Tuominen, 1999) KIVIJRVI, H., TUOMINEN, M., 1999, Computer
Based Intelligence, Design, Choice, Implementation, and Control of Intangible
Investment Projects, Proceedings of the 32nd HICSS Conference, Vol. 7
(Kleijnen, 2004) KLEIJNEN, J., 2004, An overview of the design and analysis of
simulation experiments for sensitivity analysis, Tilburg University Discussion
Papers, No. 2004-16
(Klir and Folger, 1988) KLIR, G., FOLGER, T., 1988, Fuzzy Sets, Uncertainty, and
Information, Prentice-Hall, Eaglewood Cliffs, N.J.
(Knight, 1921) KNIGHT, F., 1921, Risk, Uncertainty and Profit, Hart, Schaffner &
Marx, Boston (Reprint 1957: London School of Economics and Political
Science, London)
(Kogut, 1991) KOGUT, B., 1991, Joint ventures and the option to expand and acquire,
Management Science, 37(1), pp. 19-33
111
(Kuchta, 2000) KUCHTA, D., 2000, Fuzzy capital budgeting, Fuzzy Sets and Systems,
111, pp. 367-385
(Kulatilaka and Marks, 1988) KULATILAKA, N., MARKS, S., 1988, The strategic
value of flexibility: Reducing the ability to compromise, American Economic
Review, pp. 574-80
(Learner, 1985) LEARNER, E., 1985, Sensitivity Analyses Would Help, The American
Economic Review, 75, 3, pp. 308-313
(Leivo, 2001) LEIVO, K., 2001, Investoinnin kannattavuuteen vaikuttavat ulkoiset ja
sisiset
tekijt
metsteollisuusyrityksiss,
case:
Mets-Serla
Kirkniemi
paperikone 1, Tampere University of Technology, Department of Industrial

Economics Diploma Thesis, Pori
(Leslie and Michaels, 1997) LESLIE, K., MICHAELS, M., 1997, The real power of
real options, The McKinsey Quarterly, 3, p. 5-22
(Li, 1994) LI, E., 1994, Artificial neural networks and their business applications,
Information & Management, 27, pp. 303-313
(Liautaud and Hammond, 2000) LIAUTAUD, B. AND HAMMOND, M., 2000, eBusiness Intelligence, McGraw-Hill
(Li Calzi, 1990) LI CALZI, M., 1990, Towards a general setting of the fuzzy
mathematics of finance, Fuzzy Sets and Systems, 35, p. 265-280
(Lint and Pennings, 1998) LINT, O., PENNINGS, E., 1998, R&D as an option on
market introduction, R&D and Management, 28, pp. 279-87
(Liu, 2000) LIU, S., 2000, Improving executive support in strategic scanning with
software agent systems, Turku Centre for Computer Science, Doctoral
Dissertations, No. 25, bo Akademi University, Turku, Finland
(Lotan, 1997) LOTAN, T., 1997, Integration of fuzzy numbers corresponding to static
knowledge and dynamic information, Fuzzy Sets and Systems, 86, pp. 335-344
112
(Maccarone, 1996) MACCARONE, P., 1996, Organizing the capital budgeting process
in large firms, Management Decision, 34, 6, pp. 43-56
(Majd and Pindyck, 1987) MAJD, S., PINDYCK, R., 1987, Time to build, option value,
and investment decisions, Journal of Financial Economics, 18(1), pp. 7-27
(Mancke, 1974) MANCKE, R., 1974, Interfirm Profitability Differences, Quarterly
Journal of Economics, 87, pp. 181-193
(Masoliver, Montero, and Porr, 2000) MASOLIVER, J., MONTERO, M., PORR, J.,
2000, A dynamical model describing stock market price distributions, Physica A,
283, pp. 559-567
(Masoliver and Montero, 2001) MASOLIVER, J., MONTERO, 2001, Integrated
random process exhibiting long tails, finite moments, and power-law spectra,
Physical Review E, 64, 011110 99
(McDonald and Siegel, 1986) MCDONALD, R., SIEGEL, D., 1986, The value of
waiting to invest, Quarterly Journal of Economica, 101(4), November, pp. 70727
(McGee, 1974) MCGEE, J., 1974, Efficiency and Economics of Size, in Goldschmid et
al., ed., Industrial Concentration: The New Learning, Little, Brown, Boston, pp.
55-97
(McIntyre and Coldhurst, 1987) MCINTYRE, A., COLDHURST, N., 1997, The
planning and control of capital investments in medium sized companies,
Management Accounting, 65, 3, 39-40
(McNees and Perna, 1981) MCNEES, S., PERNA, N., 1981, Forecasting
Macroeconomic Variables: An Eclectic Approach, New England Economic
Journal, May/June, pp. 15-30
113
(Merton, 1973) MERTON, R., 1973, Theory of rational option pricing, Bell Journal of
Economics and Management Science, 4, pp. 141-183
(Milkovich, Annoni, and Mahoney, 1972) MILKOVICH, A., ANNONI, A.,
MAHONEY, T., 1972, The Use of the Delphi Procedures in Manpower
Forecasting, Management Science, 19, 4, pp. 381-388
(Miller, 1992) MILLER, K., 1992, A Framework for Integrated Risk Management in
International Business, Journal of International Business Studies, Q2, pp. 311331
(Mitroff et al., 1974) MITROFF, I., BETZ, F., PONDY, L., SAGASTI, F., 1974, On
managing science in the systems age: two schemas for the study of science as a
whole systems phenomenon, Interfaces, Vol. 4, No. 3, pp. 46- 58
(Moel and Tuffano, 1999) MOEL, A., TUFANO, P., 1999, Bidding of the
Antamina mine: valuation and incentives in a real options context, presented at
the 3rd Annual International Conference on Real Options, Wassenaar, The
Netherlands
(Mukherjee and Henderson, 1987) MUKHERJEE, T., HENDERSON, G., 1987, The
capital budgeting process: theory and practice, Interfaces, Vol. 17, No. 2, pp.
78-90
(Muzzioli and Torricelli, 2000a) MUZZIOLI, S., TORRICELLI, C., 2000, A model for
pricing an option with a fuzzy payoff, Fuzzy Economics Review, Vol. 6, No. 1
(Muzzioli and Torricelli, 2000b) MUZZIOLI, S., TORRICELLI, C., 2000, Combining
the Theory of Evidence with Fuzzy Sets for Binomial Option Pricing, Materiale
di Discussione n.312, Dipartimento di Economia Politica, Universit degli Studi
di Modena e Reggio Emilia
(Myers, 1977) MYERS, S., 1977, Determinants of Corporate Borrowing, Journal of
Financial Economics, 5, 2, pp. 147-175
114
(Nastac et al., 2004) NASTAC, I., COLLAN, Y., BACK, B., COLLAN, M., JALAVA,
P., KUOPIO, T., 2004, A Neural Network Model for Estrogen Receptor Status
Prediction, Turku Centre for Computer Science, TUCS Technical Report No.
610
(Neale and Holmes, 1990) NEALE, C., HOLMES, E., 1990, Post-Auditing Capital
Projects, Long Range Planning, Vol. 23, No. 4, p. 88-96
(Nembhard, Shi, and Aktan, 2001) NEMBHARD, H., SHI, L., AKTAN, M., 2001, A
real options design for product outsourcing, in Proceedings of the 2001 Winter
Simulation Conference, Peters, J., Smith, D., Medeiros, D, and Rohrer, M. Eds.
(Newton and Pearson, 1994) NEWTON, D., PEARSON, A., 1994, Application of
option pricing theory to R&D, R&D Management, 24, pp. 83-9
(Paddock, Siegel, and Smith, 1988) PADDOCK, J., SIEGEL, D., SMITH, J., 1988,
Option valuation of claims on real assets: The case of offshore petroleum leases,
Quarterly Journal of Economics, 103(3), pp. 479-508
(Palomki, 2000) PALOMKI, T.,
2000, Perusteollisuuden gigainvestoinnin
elinkaarimalli ja sen tuottoon vaikuttavien tekijiden arviointi. Case:

Outokumpu Harjavalta Metals Oy, Tampere University of Technology,
Department of Industrial Economics Diploma Thesis, Pori
(Pennings and Lint, 2000) PENNINGS, E., LINT, O., 2000, Market entry, phased
rollout or abandonment? A real option approach, European Journal of
Operational Research, 124(1) pp. 125-138
(Perello and Masoliver, 2002) PERELLO, J., MASOLIVER, J., 2002, Fat tails and
colored noise in financial derivatives, Elsevier Preprint, 24 July 2002
(Pike, 1996) PIKE, R., 1996, A Longitudinal Survey on Capital Budgeting Practices,
Journal of Business Finance & Accounting, 23, 1, pp. 79-92
115
(Pinches, 1982) PINCHES, G., 1982, Myopia, capital budgeting and decision making,
Financial Management, Vol. 11, No. 3, pp. 6-19
(Pindyck, 1991) PINDYCK, R., 1991, Irreversibility, uncertainty, and investment,
Journal of Economic Literature, 29, pp. 1110-1148
(Ponsard, 1985) PONSARD, C., 1985, Fuzzy sets in economics, Foundations of soft
decision theory, in: Kacprzyk, J., and Yager, R. Eds., 1985, Management
Decision Support Systems Using Fuzzy Sets and Possibility Theory, Verlag TUV
Rheinland, Kln, p. 25-27
(Ponsard, 1988) PONSARD, C., 1988, Fuzzy mathematical models in economics, Fuzzy
Sets and Systems, 28, p. 273-283
(Robicheck and Van Horne, 1967) ROBICHECK, A., VAN HORNE, J., 1967,
Abandonment value and capital budgeting, Journal of Finance, 22, pp. 577590
(Rogerson, 1997) ROGERSON, W., 1997, Intertemporal Cost Allocation and
Managerial Investment Incentives: A Theory Explaining the Use of Economic
Value Added as a Performance Measure, The Journal of Political Economy,
105, 4, pp. 770-795
(Ryan e Ryan, 2002) RYAN, P., RYAN, G., 2002, Capital Budgeting Practices of the
Fortune 1000: How Have Things Changed?, Journal of Business and
Management, Vol. 8, No. 4
(Salazar e Sen, 1968) SALAZAR, R., SEN, S., 1968, A simulation model of capital
budgeting under uncertainty, Management Science, 15, 4, pp.
161-179
(Sandahl e Sjgren, 2003) SANDAHL, G., SJGREN, S., 2003, Capital budgeting
methods among Sweden's largest groups of companies. The state of the art and a
comparison with earlier studies, International Journal of Production Economics,
84, pp. 51-69
116
(Schwartz, 1977) SCHWARTZ, E., 1977, The Valuation of Warrants: Implementing a

New Approach, Journal of Financial Economics, 4, 7993.
(Shim et al., 2002) SHIM, J., ET AL., 2002, Past, present, and future of decision
support technology, Decision Support Systems, 33, pp. 111-126
(Shnaider e Kandel, 1989) SHNAIDER, E., KANDEL, A., 1989, The use of fuzzy set
theory for forecasting corporate tax revenues, Fuzzy Sets and Systems, 31, pp.
187-204
(Simon, 1991) SIMON, H., 1991, Models of my life, Basic Books
(Smit and Nau, 1995) SMITH, J., NAU, R., 1995, Valuing risky project: Option pricing
theory and decision analysis, Management Science, 41, 5, pp. 25-32
(Smit, 1996) SMIT, J., 1996, The valuation of offshore concessions in the Netherlands,
Financial Management, 26, 2, pp. 5-17
(Soergel, 1983) SOERGEL, R, 1983, Probing the Past for the Future, Sales and
Marketing Management, 130, pp. 39-43
(Tarrazo, 1997) TARRAZO, M., 1997, A Methodology and Model for Qualitative
Business Plannng, International Journal of Business Research, 3 (1), p. 41-62
(Tarrazo and Gutierrez, 2000) TARRAZO, M., GUTIERREZ, L., 2000, Economic
expectations, fuzzy sets and financial planning, European Journal of Operational
Research, 126, pp. 89-105
(Teollisuuden Voima, 2000) TEOLLISUUDEN VOIMA OY, 2000, Anskan om
principbeslut fr byggande av en krnkraftverksenhet - Lovisa 3 / Olkiluoto 3,
Teollisuuden Voima Oy, Olkiluoto
(Tersvirta, van Dijk, and Medeiros, 2004) TERSVIRTA, T., DIJK VAN, D.,
MEDEIROS, M., 2004, Linear models, smooth transition autoregressions, and
neural networks for forecasting macroeconomic time series: A reexamination,
Departemento de Economia, PUC-RIO, Texto para Discusso No. 485
117
(Thompson and Wong, 1991) THOMPSON, H., WONG, W., 1991, The Unavoidability
of 'Unscientific' Judgment in Estimating the Cost of Capital, Managerial and
Decision Economics, 12, pp. 27-42
(Trigeorgis, 1993) TRIGEORGIS, L., 1993, The nature of option interactions and the
valuation of investments with multiple real options, Journal of Financial and
Quantitative Analysis, 28(1), march, pp. 1-20
(Trigeorgis, 1995) TRIGEORGIS, L., 1995, Real Options: An Overview, in Trigeorgis,
L. ed., 1995, Real Options in Capital Investments, Praeger, Westport, CT
(Tugcu, 1983) TUGCU, S., 1983, A Simulation Study on the Determination of the Best
Investment Plan for Istanbul Seaport, Journal of the Operational Research
Society, 34, 6, pp. 479-487
(Turner, 1990) TURNER, D., 1990, The Role of Judgement in Macroeconomic
Forecasting, Journal of Forecasting, 9, pp. 315-345
(Verbeeten, 2001) VERBEETEN, F., 2001, The Impact of Uncertainty on Capital
Budgeting Practices, Willem-Jan van der Wolf, Nijmegen, The Netherlands
(Vose, 1996) VOSE, D., 1996, Quantitative Risk Analysis: A Guide to Monte Carlo
Simulation Modelling, John Wiley & Sons, Chichester, England
(Wallace, 1998) WALLACE, S., 1998, Decision making under uncertainty: is
sensitivity analysis of any use?, Operations Research, 48, 1, pp. 20-25
(Wang and Qiao, 1993) WANG, G., QIAO, Z., 1993, Linear Programming with Fuzzyrandom Variable Coefficients, Fuzzy Sets and Systems, 57, pp. 295-311
(Wing, 1965) WING, G., 1965, Capital Budgeting, Circa 1915, The Journal of Finance,
Vol. 20, No. 3, pp. 472-479
(Wong and Selvi, 1998) WONG, B., SELVI, Y., 1998, Neural network applications in
finance: A review and analysis of literature (1990-1996), Information &
Management, 34, pp. 129-139
118

Utilização Do Modelo Fuzzy de Avaliação de Investimentos Reais Virf para Avaliação de Ativos e Comparação Com o Modelo Clássico de Avaliação Por Fluxos de Caixa Descontados PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Utilização Do Modelo Fuzzy de Avaliação de Investimentos Reais Virf para Avaliação de Ativos e Comparação Com o Modelo Clássico de Avaliação Por Fluxos de Caixa Descontados PDF

Transféré par

Droits d'auteur :

Formats disponibles

UTILIZAO DO MODELO FUZZY DE AVALIAO DE INVESTIMENTOS

REAIS (VIRF) PARA AVALIAO DE ATIVOS E COMPARAO COM O

Gilberto Jos Xavier Cardoso Junior

Dissertao de Mestrado apresentada ao

Orientador: Carlos Alberto Nunes Cosenza

UTILIZAO DO MODELO FUZZY DE AVALIAO DE INVESTIMENTOS

Gilberto Jos Xavier Cardoso Junior

DISSERTAO SUBMETIDA AO CORPO DOCENTE DO INSTITUTO ALBERTO

RIO DE JANEIRO, RJ - BRASIL

Cardoso Junior, Gilberto Jos Xavier Cardoso

Resumo da Dissertao apresentada COPPE/UFRJ como parte dos requisitos

UTILIZAO DO MODELO FUZZY DE AVALIAO DE INVESTIMENTOS

Gilberto Jos Xavier Cardoso Junior

Orientador: Carlos Alberto Nunes Cosenza

Programa: Engenharia de Produo

Esta dissertao desenvolve um maior conhecimento sobre grandes investimentos

Abstract of Dissertation presented to COPPE/UFRJ as a partial fulfillment of the

UTILIZATION OF FUZZY REAL INVESTMENT VALUATION MODELS (FRIV)

Gilberto Jos Xavier Cardoso Junior

Advisor: Carlos Alberto Nunes Cosenza

Department: Industrial Engineering

2.7.3. Longo tempo de construo

opo real Black-Scholes para Giga-

Motivao para esta dissertao

Avaliao o cerne da tomada de deciso em investimentos. H um nmero de fatores

ao seu maior grau de irreversibilidade. Investimentos reais muito grandes necessitam de

Curiosamente, parece que existem muitos poucos modelos de avaliao disponveis,

1.2. Esboo da dissertao

(I) Compreender e caracterizar os grandes investimentos industriais reais;

investimentos que as companhias industriais fazem em suas instalaes de produo.

seus mercados: um ciclo de realimentao entre o investimento e os seus mercados.

Um investimento que possa afetar os preos de mercado, ajustando a sua capacidade de

A escolha do financiamento de um GIIR pode afetar o seu valor. O project finance um

investimento tidos como garantia. O project finance o financiamento de escolha de

- Alguns GIIR podem dirigir os seus mercados;

responsveis por decises de grandes investimentos industriais reais podem descobrir

2.2. Estado da arte da anlise da rentabilidade

suplementar de capital, e tirar algumas concluses sobre o estado da tcnica de anlise

2.2.1. Mtodos mais utilizados para anlise de rentabilidade (Avaliao de

mtodo de perodo de retorno do investimento (payback) e o de taxa de retorno contbil.

Mtodo de Valor Presente Lquido (VPL)

A VPL definido como,

Verses Fuzzy VPL so apresentadas, por exemplo, em Buckley, (1987) e em

Mtodo de Taxa Interna Retorno (TIR)

Verses Fuzzy TIR so apresentadas, por exemplo, em Buckley, (1987), Kuchta,

Mtodo Payback (PB)

do PB onde se leva em considerao o valor do dinheiro no tempo tambm esto

A tabela 1 apresenta as caractersticas dos trs mtodos mais comuns de alocao de

Bayesianas, e modelos adaptativos. Os diferentes tipos de modelos so adequados para

principais para fazer ajustes de julgamento de previses feitas com modelos

Modelos economtricos (objetivo-causal) so uma forma de caracterizar uma economia

mtodos economtricos com outros mtodos.

mercado acionrio, mesmo sobre uniformes distribuies, foram encontrados ser

previso de FCL para GIIR ter que levar em considerao as caractersticas e as

2.2.2. Tecnologia de suporte a deciso e ferramentas de alocao de capital

cenrios, e mostra como as rentabilidade do projeto seria afetada, se fosse realizada

de acordo com os gestores, dos modelos de anlise de incerteza as tcnicas mais

um papel importante na anlise global do investimento e as opes reais podem

A exatido de previso pode se beneficiar do aumento da disponibilidade de

ver Liu(2000). As informaes recolhidas por agentes inteligentes de

No prximo captulo, ser visto como podemos, com os modelos de avaliao de

Esta seo ir discutir primeiro o conceito de flexibilidade gerencial e logo em seguida,

mudana de entrada e sada (depois), e a possibilidade de abandonar um investimento

:; < B=>5 @ A

lC @ Jpqr pqrtuvtuv