Vous êtes sur la page 1sur 54

Contabilometria

Anlise da Deciso

Fonte: Corrar, L. J.; Thephilo, C. R. Pesquisa Operacional para Deciso em


Contabilidade e Administrao, Editora Atlas, So Paulo, 2010 Cap. 6
Anlise da Deciso

Deciso = escolha entre no mnimo duas alternativas,


utilizando um julgamento que leva ao objetivo
pretendido
Nas empresas = processo dinmico otimizar o
resultado do conjunto e no das partes separadamente
As decises podem afetar a empresa no curto prazo
ou no longo prazo, em diversos processos
As Teorias da Deciso e da Utilidade foram
desenvolvidas para auxiliar o processo de tomada de
deciso
Anlise da Deciso

A melhor alternativa pode depender do momento...


Novas informaes ou alternativas podem surgir ao
longo do caminho levando a mudanas nas decises
tomadas...
As decises so afetadas por fatores quantitativos
($, %, ndices e probabilidades) e qualitativos
(experincia, julgamento)
Anlise da Deciso

Elementos bsicos em um processo estruturado de


tomada de deciso:
Identificao do problema
Identificao do objetivo que se pretende atingir com a
deciso
As opes de curso de aes que levam ao objetivo e assim
resolver o problema identificado
Identificao dos resultados de cada opo de curso de ao
Definir o critrio de avaliao empregado
Tomar a deciso para atingir o objetivo desejado
Classificao das Decises

Grau de estruturao
Estruturao e complexidade so inversamente
relacionadas
Decises rotineiras so em geral, bem estruturadas e de
baixa complexidade
Problemas no rotineiros, em geral, envolvem
julgamentos subjetivos e envolvem situaes de incerteza
baixo grau de estruturao e alta complexidade
Classificao das Decises
Nvel estratgico
Quanto maior o conjunto de atividades afetadas pela
deciso, mais importante a deciso, e portanto mais
estratgica para o empreendimento considerado
Nvel OPERACIONAL GERENCIAL CORPORATIVO
estratgico
Grau de
estruturao
ALTO Administrao de Programao da Localizao de uma
estoques produo nova fbrica
MDIO Financiamento de Programao Diversificao pela
capital de giro oramentria aquisio de outra
empresa
BAIXO Escolha da Contratao de um Aprovao de um
manchete de jornal novo diretor programa de pesquisa
e desenvolvimento
Teoria da Deciso
Conjunto de conceitos e tcnicas que permitem estruturar
e analisar um problema de maneira lgica, permitindo a
melhor deciso possvel dadas as informaes disponveis
Permite uma abordagem sistmica e analtica
Anlise dos dados + alternativas possveis + ferramentas
quantitativas apropriadas = boa deciso (mesmo que
apresente resultados desfavorveis ou no desejveis)
O contrrio = m deciso mesmo que os resultados sejam
favorveis
Por que? Como no foram exploradas todas as informaes e
alternativas possveis no se pode afirmar que o resultado
favorvel foi maximizado
Teoria da Deciso

Passos usuais:
Passo 1: definir com clareza o problema
Passo 2: relacionar as possveis alternativas de ao
Passo 3: mensurar os possveis resultados decorrentes das
alternativas
Passo 4: listar o retorno ou lucro de cada combinao de
alternativas e consequncias
Passo 5: selecionar um dos modelos matemticos utilizados
na Teoria da Deciso
Passo 6: aplicar o modelo matemtico
Exemplo da pag. 290 do Corrar et al (2010)

A Masters & Doctors uma empresa de prestao de


servios de auditoria independente e consultoria
empresarial. A diretoria da empresa precisa decidir
quanto contratao de um novo gerente de projetos.
Conforme a classificao vista anteriormente, esta
deciso se caracteriza como de baixo grau de
estruturao e de nvel estratgico gerencial.
Exemplo da pag. 290 do Corrar et al (2010)

Passo 1: Definir com clareza o problema.

Contratao de um novo profissional para fazer parte do


staff da empresa.
Exemplo da pag. 290 do Corrar et al (2010)

Passo 2: Relacionar as possveis alternativas de ao.

Contratar um gerente para projetos de auditoria


Contratar um gerente para projetos de consultoria
Exemplo da pag. 290 do Corrar et al (2010)

Passo 3: Mensurar os possveis resultados decorrentes


das alternativas.

Erro: desconsiderar resultados ruins (tomadores de deciso


otimistas)
Os resultados devem ser avaliados sob diferentes cenrios
(estados da natureza)
Os cenrios devem ser resumidos a nmero reduzido
(vivel para as anlises)
Exemplo da pag. 290 do Corrar et al (2010)
Passo 4: listar o retorno ou lucro de cada combinao
de alternativas e consequncias.

ALTERNATIVAS DE CENRIOS
DECISO Alta Demanda - $ Baixa Demanda - $
Contratar gerente 240.000 5.000
de auditoria
Contratar gerente 360.000 -50.000
de consultoria
Ambientes de Tomada de Deciso
Ambiente

Certeza Incerteza Risco

Escolher o Valor monetrio


Maximax
maior resultado esperado (VME)

Perda de
Maximin oportunidade
esperada (POE)

Valor esperado
Igualmente
da informao
provvel
perfeita (VEIP)

Critrio do
realismo

Minimax
Ambiente de Incerteza

Critrio Maximax
Critrio de deciso otimista
Alternativa que maximiza o mximo resultado

ALTERNATIVA CENRIOS Mximo


S DE DECISO Alta Demanda Baixa
-$ Demanda - $
Contratar 240.000 5.000 240.000
gerente de
auditoria
Contratar 360.000 -50.000 360.000 Maior
gerente de dos valores
consultoria mximos
Ambiente de Incerteza

Critrio Maximin
Critrio de deciso pessimista
Alternativa que maximiza o mnimo resultado

ALTERNATIVA CENRIOS Mnimo


S DE DECISO Alta Demanda Baixa
-$ Demanda - $
Contratar 240.000 5.000 5.000 Maior
gerente de dos valores
auditoria mnimos

Contratar 360.000 -50.000 -50.000


gerente de
consultoria
Ambiente de Incerteza

Critrio igualmente provvel


Critrio de Laplace deciso moderada
Alternativa com maior valor mdio de resultado
Assume que todos os cenrios so igualmente provveis

ALTERNATIVA CENRIOS Mdio


S DE DECISO Alta Demanda Baixa
-$ Demanda - $
Contratar 240.000 5.000 122.500
gerente de
auditoria
Maior
Contratar 360.000 -50.000 155.000
valor
gerente de
mdio
consultoria
Ambiente de Incerteza

Critrio de realismo
Critrio mdio ponderado
Coeficiente de realismo = = definido pelo tomador de
deciso
Quando tende a 1 o tomador de deciso est otimista,
quando tende a 0 ele est pessimista
Para nosso exemplo vamos assumir que ele est otimista e
que igual a 0,7

Mdia ponderada = (valor mximo) + (1- )(valor mnimo)


Ambiente de Incerteza

Para o nosso exemplo:

ALTERNATIVA CENRIOS Mdia


S DE DECISO Alta Demanda Baixa ponderada
-$ Demanda - $
Contratar 240.000 5.000 169.500
gerente de
auditoria
Maior valor
Contratar 360.000 -50.000 237.000
mdio
gerente de
ponderado
consultoria
Ambiente de Incerteza

Critrio minimax
Critrio de deciso conservador extremo
Minimiza ao mximo a maior perda de oportunidade
Desenvolve-se tabela de perdas de oportunidades
Encontra-se a oportunidade mxima de perda em cada
alternativa
Entre elas, seleciona-se a que apresentar menor perda
Ambiente de Incerteza
Para o nosso exemplo precisamos obter o valor mximo de
perda de oportunidade que poder ocorrer em cada cenrio:

ALTERNATIVAS DE CENRIOS
DECISO Alta Demanda - $ Baixa Demanda - $
Contratar gerente de 240.000 5.000
auditoria
Contratar gerente de 360.000 -50.000
consultoria
Mxima perda de 360.000 5.000
oportunidade

O passo seguinte deduzir do payoff de cada alternativa a


mxima perda de oportunidade calculada para o cenrio
correspondente
Ambiente de Incerteza
Minimax
ALTERNATIVAS DE CENRIOS
DECISO Alta Demanda Baixa
-$ Demanda - $
Contratar gerente de 240.000 5.000
auditoria
Contratar gerente de 360.000 -50.000
consultoria
Mxima perda de 360.000 5.000
oportunidade
Perdas de oportunidade Mximo
Contratar gerente de 120.000 0 120.000
auditoria
Contratar gerente de 0 55.000 55.000 Menor
consultoria valor
Ambiente de Risco

Quando o tomador de deciso capaz de atribuir


probabilidades de ocorrncia aos cenrios
A Teoria da Deciso denomina decises sob risco
Dois critrios de deciso
Valor Monetrio Esperado (VME)
Perda de Oportunidade Esperada (POE)
Ambiente de Risco
Valor Monetrio Esperado (VME)
Maximiza os retornos esperados
Calculada a partir das mdias ponderadas pelas
probabilidades de ocorrncia
Para o nosso exemplo, considerando probabilidade de alta
demanda de 80% e de 20% para baixa demanda, o valor
VME da alternativa contratar gerente de auditoria seria:
Alta demanda => 240.000 x 0,80 = 192.000
Baixa demanda => 5000 x 0,2 = 1.000
Valor monetrio esperado => 193.000
Para a alternativa contratar gerente de consultoria seria:
Alta demanda => 360.000 x 0,80 = 288.000
Baixa demanda => -50.000 x 0,2 = -10.000
Valor monetrio esperado => 278.000
Ambiente de Risco

Valor Monetrio Esperado (VME)

ALTERNATIVA CENRIOS Mdia


S DE DECISO Alta Demanda Baixa ponderada
-$ Demanda - $
Contratar 240.000 5.000 193.000
gerente de
auditoria
Contratar 360.000 -50.000 278.000 Maior
gerente de valor
consultoria
Probabilidade 0,8 0,2
Ambiente de Risco

Perda de oportunidade esperada (POE)


Tambm chamada Arrependimento Esperado
Corresponde perda por no ter decidido pela melhor
alternativa
O primeiro passo elaborar uma tabela de perdas de
oportunidade (igual ao critrio minimax)
O passo seguinte calcular a POE considerando as
probabilidades de cada cenrio
Ambiente de Risco

Perda de oportunidade esperada (POE)

ALTERNATIVAS DE CENRIOS Perda de


DECISO Alta Demanda Baixa oportunidade
-$ Demanda - $ esperada
Perdas de oportunidade
Contratar gerente de 120.000 0 96.000
auditoria
Contratar gerente de 0 55.000 11.000 Menor
consultoria valor
Probabilidades 0,8 0,2
Ambiente de Risco
Valor esperado da informao perfeita (VEIP)
A situao ideal seria aquela em que eu tivesse certeza de
qual cenrio ocorreria
Nesse caso o tomador de deciso estaria diante de uma
informao perfeita
O ambiente de risco transformado em ambiente de certeza
(e o tomador de deciso escolhe simplesmente o maior
resultado)
Como s possui as probabilidades dos diversos cenrios, o
valor esperado da deciso com uma informao perfeita
(VECIP) o produto dos melhores valores dos diversos
cenrios, ponderados pelas probabilidades de ocorrncia
A questo que se coloca: quanto o tomador de deciso
estaria disposto a pagar por uma informao que o
conduzisse de uma situao de risco para uma situao de
certeza?
Ambiente de Risco
Valor esperado da informao perfeita (VEIP)
Quanto a introduo de uma informao que assegure a
certeza pode afetar os valores em ambiente de risco?
O que a Teoria da Deciso prope:

Valor Esperado da Info Perfeita = Valor Esperado Com a Info Perfeita


()
Maior Valor Monetrio Esperado
=VEIP = VECIP - MVME

O MVME pode ser obtido do clculo do VME e para o


nosso exemplo $ 278.000
Ambiente de Risco
Valor esperado da informao perfeita (VEIP)
Clculo do VECIP (valor esperado com info perfeita)
Considera cada cenrio como certo para obter a melhor
opo e depois pondera-se pela probabilidade de cada
cenrio

VECIP = (MRC1 * PC1) + (MRC2 * PC2)

Onde:
MRC1 = maior retorno do cenrio 1
PC1 = probabilidade do cenrio 1
MRC2 = maior retorno do cenrio 2
PC2 = probabilidade do cenrio 2
Ambiente de Risco
Valor esperado da informao perfeita (VEIP)
Para o nosso exemplo:

VECIP = (MRC1 * PC1) + (MRC2 * PC2)

VECIP = ($ 360.000 *0,80) + ($ 5.000 * 0,2)


VECIP = $ 288.000 + $ 1.000
VECIP = $ 289.000
E para o clculo do VEIP, temos:
VEIP = VECIP (-) MVME
VEIP = $ 289.000 (-) $ 278.000
VEIP = $ 11.000
Ambiente de Risco
No nosso quadro teremos:
ALTERNATIVAS DE CENRIOS
DECISO Alta Demanda Baixa
-$ Demanda - $
Contratar gerente de 240.000 5.000
auditoria
Contratar gerente de 360.000 -50.000
consultoria
Maior retorno do 360.000 5.000
cenrio
Probabilidades 0,8 0,2

Valor esperado com 288.000 1.000 289.000


info perfeita (VECIP)
Maior valor monetrio esperado (MVME) 278.000
Valor esperado da info perfeita (VEIP) 11.000
Ambiente de Risco

Valor esperado da informao perfeita (VEIP)


A concluso que o tomador de deciso pode gastar at
$11.000 para obter uma informao perfeita, e mud-lo do
ambiente de risco para o de certeza
O VEIP idntico ao POE, o que ocorre em qualquer
situao
rvores de Deciso
Vantagem: permite que novas informaes que
surjam ao longo do processo sejam includas
Alternativas de deciso Cenrios Payoffs

A
Alta demanda $ 240.000

Contratar gerente de auditoria 1


Baixa demanda
$ 5.000

N do cenrio
1
Alta demanda
$ 360.000
Contratar gerente de consultoria 2

Baixa demanda $ (50.000)


N de deciso
rvores de Deciso
Pode mostrar as probabilidades dos cenrios e o Valor Monetrio Esperado
(VME)

VME = $193.000 = (0,80) * $240.000 + (0,20) * $ 5.000

Alternativas de deciso Cenrios Payoffs

A
Alta demanda (0,80) $ 240.000

Contratar gerente de auditoria 1


Baixa demanda (0,20)
$ 5.000

N do cenrio
1
Alta demanda (0,80)
$ 360.000
Contratar gerente de consultoria 2

Baixa demanda (0,20)


N de deciso $ (50.000)

VME = $278.000 = (0,80) * $360.000 + (0,20) * $ -50.000


rvore de Deciso
Introduo de informaes adicionais
Imaginemos a possibilidade da contratao de uma pesquisa de
mercado pelo valor de $ 2.000
A pesquisa tem as seguintes chances de acerto e erro
Alta demanda: acertam em 90% dos casos e erram em 10%
Baixa demanda: acertam em 80% dos casos e erram em 20%
Sejam os seguintes eventos e probabilidades conhecidas:
Eventos:
mercado em alta = alta;
Mercado em baixa = baixa
Pesquisa diz alta = MA
Pesquisa diz baixa = MB
Probabilidades conhecidas:
P(alta) = 0,8
P(baixa) = 0,2
P(MA| alta) = 0,9
P(MB| alta) = 0,1
P(MB| baixo) = 0,8
P(MA| baixo) = 0,2
$ 238.000

$ 3.000
2
$ 358.000

$ -52.000

$ 238.000

3 $ 3.000
$ 358.000
1

$ -52.000

$ 240.000

4 $ 5.000
$ 360.000

$ -50.000
Opes Reais e rvores de Deciso
Um projeto no uma caixa preta.
Quando voc avalia um projeto por VPL assume que
o projeto seguir at o final do horizonte de anlise.
Tem que ser assim?
Aps o investimento ser realizado o gestor pode
decidir ampliar, interromper ou modificar o projeto.
Projetos que permitem essas mudanas so mais
valiosos!
Quanto mais incerto o futuro mais valiosa essa
flexibilidade.
Opes de modificao nos projetos so conhecidas
como Opes Reais.
A Opo de Expandir
Exemplo: em 2000 a FedEx fez um pedido de 10
Airbus 380 superjumbo a serem entregues entre 2008
e 2011.
Se a demanda continuasse a se expandir a FedEx
precisaria de mais aeronaves, mas era impossvel ter
certeza.
Ao invs de, em 2000, colocar mais pedidos, a FedEx
reservou espao na linha de produo da Airbus
adquirindo opes de comprar mais aeronaves por
um preo determinado.
Essa opo no obriga a FedEx a colocar o pedido,
mas lhe d a chance de faz-lo se for conveniente.
Fonte: Brealey e Myers, Principles of Corporate Finance, 7th. Edition, 2003 (Cap. 10)
A Opo de Expandir
Descrevendo a situao em uma rvore de deciso:

Um jogo entre a FedEx e o destino!


Crculos: situaes reveladas pelo destino
Quadrados: deciso da FedEx
Quando o destino revela a condio de mercado a deciso sobre colocar o
pedido adicional ou fcil.
Se a demanda for baixa a FedEx no pede e a Airbus fica com o problema
de vender as aeronaves que estavam reservadas para a FedEx para outro
cliente.
Fonte: Brealey e Myers, Principles of Corporate Finance, 7th. Edition, 2003 (Cap. 10)
A Opo de Expandir

Outros exemplos:
Ao lanar um novo produto uma empresa pode fazer um
piloto e a partir dos resultados decidir se implanta o projeto
completo ou no.
Ao projetar e investir em uma fbrica pode ser interessante
adquirir espao adicional caso seja interessante ampliar as
instalaes.
Ao construir uma estrada com quatro pistas pode ser
interessante construir as pontes com seis pistas para
comportar uma eventual expanso das pistas para seis, caso
o volume de trfego se justifique.
O valor dessas opes aparece no balano?
Fonte: Brealey e Myers, Principles of Corporate Finance, 7th. Edition, 2003 (Cap. 10)
A Opo de Abandono

Caso o projeto no seja mais lucrativo, a empresa


pode reduzir suas perdas terminando-o.
O valor da opo do abandono depende do valor dos
ativos a serem dispensados. Ativos tangveis, com
mercado secundrio, como avies, prdios,
caminhes, so relativamente fceis de vender.
O conhecimento acumulado por uma empresa de
software nas pesquisas e desenvolvimento de
determinado produto que ser descontinuado, no h
como vender. Ativos intangveis muito especficos
dificilmente tero valor de abandono.
Fonte: Brealey e Myers, Principles of Corporate Finance, 7th. Edition, 2003 (Cap. 10)
A Opo de Abandono

Exemplo: uma empresa avalia fabricar um novo tipo


de motor. A opo de abandono deve ser avaliada
antes de fazer o investimento. Imagine que ela tenha
duas opes:
Tecnologia A: investir em um maquinrio controlado
eletrnicamente e desenhado especialmente para a firma,
permitindo alta produo a um baixo custo. Mas se o motor
no tiver boa venda o maquinrio no tem valor de
mercado.
Tecnologia B: usar tecnologia disponvel no mercado, o
que implica em custos de mo de obra elevados. Mas o
maquinrio pode ser vendido no mercado por $10mi caso o
produto no tenha boa sada.
Fonte: Brealey e Myers, Principles of Corporate Finance, 7th. Edition, 2003 (Cap. 10)
A Opo de Abandono
Exemplo (cont.)

Payoffs ($milhes)
Tecnologia A Tecnologia B
Alta demanda $18,5 $18
Baixa demanda $8,5 $8
Obs.: pense no payoff como o fluxo de caixa no primeiro ano mais
o valor presente dos fluxos de caixa futuros

Olhando o VPL apenas qual o melhor projeto?


Se voc for obrigado a continuar qualquer que seja o mercado, a
melhor opo a tecnologia A.
No final do primeiro ano voc conhecer melhor o mercado, e
caso queira interromper o projeto B vale $10mi, mais do que
continuar com ele por $8mi.
Como avaliar essa flexibilidade oferecida pelo projeto B?
A Opo de Abandono

Exemplo (cont.):
$18

$10

Tecnologia B
$8

1
$10
$18,5
Tecnologia A

$8,5
A Opo de Abandono

Exemplo (cont.):
A tecnologia B oferece um seguro contra o mercado ruim
A opo de abandono equivale uma opo de venda no
valor de $10mi
O valor total da tecnologia B e o VPL dos fluxos de caixa
assumindo que a empresa no abandone, mais o valor da
opo de abandono.
Quando voc valora essa opo est valorando a
flexibilidade.

Fonte: Brealey e Myers, Principles of Corporate Finance, 7th. Edition, 2003 (Cap. 10)
Outras opes

Opo de espera: se o retorno incerto pode ser


interessante esperar para verificar a evoluo das
condies do projeto e do mercado.
Opes de produo: imagine a deciso de implantar
uma fbrica de estacas de concreto, e que atualmente
o formato seja circular. O maquinrio que s produz
estacas circulares diferente do que as produz
circulares e quadradas, sendo este ltimo mais caro.
Essa flexibilidade, ou opo, tem um valor.

Fonte: Brealey e Myers, Principles of Corporate Finance, 7th. Edition, 2003 (Cap. 10)
Como avaliar?

Atravs da Teoria de Avaliao de Opes


Fora do escopo do curso
rvores de deciso podem ajudar a entender os riscos
do projeto e como decises futuras podem afetar os
fluxos de caixa.
Para entender como, vamos a um exemplo...

Fonte: Brealey e Myers, Principles of Corporate Finance, 7th. Edition, 2003 (Cap. 10)
Magna Charter
Prov vos executivos no sudeste dos USA
H 40% de chance da demanda ser baixa no primeiro ano,
se ela for baixa no primeiro a chance de ser baixa nos
subsequentes de 60%.
Por outro lado, se a demanda for alta, a chance de
continuar alta de 80%.
O problema decidir que tipo de avio comprar:
Um turbolice custa $550.000
Um motor a pisto custa $250.000, mas tem menor capacidade e
apelo comercial, desenho antigo e provavelmente depreciao
acelerada. No mercado secundrio avies desse tipo, usados,
custam $150.000.
O dono da empresa pensa que pode ser melhor comprar um
modelo a pisto e se a demanda se justificar comprar outro avio
do mesmo tipo no mercado de usados. Se a demanda for baixa
ele fica com o avio menor, relativamente barato.
Magna Charter

Observe a rvore na planilha.


Os payoffs so o valor presente dos fluxos de caixa
at aquele ano.
O problema decidir o que fazer hoje, mas isso
depende do que acontecer amanh. Assim a anlise
comea do lado direito da rvore.
Qual a deciso no segundo ano?
Qual o payoff se ela decide expandir? Se ela expande,
investe mais $150 e tem payoff de $800.000 se a
demanda continua alta e $100.000 se ela for baixa.
Considere custo de capital de 10%.
Magna Charter

Pisto - no segundo ano:


Payoff se ela expande: (0,8*800)+(0,2*100) = $660
VPL se ela expande: -150 + 660/1,1 = $450
Payoff se ela no expande: (0,8*410)+(0,2*180) = $364
VPL se ela no expande: 0 + 364/1,1 = $331
Concluso: se a demanda for alta a melhor deciso
expandir.
Pisto - no primeiro ano:
Se a demanda for alta, o payoff de $ mais o VPL da
deciso tomada de expandir: 100 + 450 = $550
Se a demanda for baixa: no segundo ano: 50 + (0,4*220 +
0,6*100)/1,1 = $185
Magna Charter

Pisto - VPL:
-250 + [(0,6 * 550) + (0,4 * 185)] / 1,1 = $117
Turbo-lice:
Se a demanda for alta:
No primeiro ano: (0,8*960 + 0,2*220)/1,1 = $738,18
No ano 0: (738,18 + 150)/1,1 = $807,44
Se a demanda for baixa:
No primeiro ano: (0,4*930 + 0,6*140)/1,1 = $414,55
No ano 0: (414,55 + 30)/1,1 = $404,13
VPL
(0,6*807,44) + (0,4*404,13) 550 = $96,11
Magna Charter

Concluso: O modelo Pisto melhor


A que concluso chegaramos se no tivssemos
considerado a opo no primeiro ano?
Temos que calcular o VPL sem considerar a
possibilidade de expandir:
Payoff alta= [(0,8*410)+(0,2*180)]/1,1 + 100] = $430,91
Payoff baixa=[(0,4*220+0,6*100)/1,1]+50 = $184,55
VPL = -250 + [(0,6*430,91)+(0,4*184,55)]/1,1 = $52,15
Sem considerar a opo de expandir decidiramos
pelo Turbo
Magna Charter

O valor da opo de expandir , portanto:


$117 - $52,15 = $64,85
Sem considerar a opo de expandir decidiramos
pelo Turbo.
Como a anlise pode ser incrementada?
Considerando no caso do Turbo-lice uma opo de
abandono caso a demanda seja baixa. Seria ainda mais
realista.