Vous êtes sur la page 1sur 14

TUTORIAL

ANLISE DO RISCO NA AVALIAO poucas so as consideraes formais sobre os riscos


DE PROJETOS DE INVESTIMENTO: que envolvem os fluxos de caixa de um projeto. A
UMA APLICAO DO MTODO DE forma mais comum d-se com a anlise de sensibi-
MONTE CARLO lidade, que costuma envolver a simulao de resul-
tados para vrios nveis de custo de capital e/ou
taxa de crescimento de receitas.
Adriano Leal Bruni(*) Quando o VPL adotado como parmetro de deci-
Rubens Fam(**) so, o tratamento matemtico formal envolve a
Jos de Oliveira Siqueira(***) determinao do seu valor mdio e de sua variabili-
dade (ou risco, expresso sob a forma de desvio
padro) calculados a valor presente dos fluxos de
RESUMO
caixa deste projeto. A obteno da mdia no seria
um complicador, j que o seu clculo simples,
A avaliao de projetos de investimento comu- resultante da ponderao das outras mdias de cada
mente envolve um conjunto de tcnicas que buscam fluxo de caixa. Entretanto, a determinao do risco,
estabelecer parmetros de sua viabilidade. Em con- conforme Markowitz j havia estabelecido em seu
dies de incerteza, uma alternativa para a obten- artigo Portfolio Selection, publicado no Journal
o do retorno esperado e do risco de um projeto of Finance em junho de 1952, envolveria a consi-
pode ser expresso atravs da utilizao do Mtodo derao da variabilidade de cada fluxo de caixa,
de Monte Carlo (MMC). Este procedimento en- mais a covarincia, calculada dois a dois, para
volve a utilizao de nmeros aleatrios nas simu- todos os fluxos. Se imaginarmos que cada fluxo de
laes, o que pode facilitar acentuadamente os caixa pode ser considerado resultante de um con-
clculos do risco, ainda mais quando suportados junto de fatores de risco (como preos praticados,
por uma planilha eletrnica (a exemplo do MS- quantidades vendidas, custos e despesas), o trata-
Excel 5 ou superior) dotada de linguagem de pro- mento matemtico convencional seria muito com-
gramao (Visual Basic for Aplications) que per- plexo e, portanto, quase impossvel na maioria das
mite a gerao automtica dos resultados. O obje- vezes, j que boa parte dos tomadores de deciso
tivo deste artigo apresentar a anlise econmica e/ou analistas de projetos no teriam condies de
de projetos com a utilizao simplificada do MMC, realiz-lo.
incluindo a utilizao de recursos da planilha Uma alternativa a esse problema pode ser expresso
eletrnica Excel. atravs da utilizao do Mtodo de Monte Carlo
(MMC) no clculo da variabilidade do VPL de um
projeto. Este procedimento envolve a utilizao de
INTRODUO nmeros aleatrios nas simulaes, o que pode
facilitar acentuadamente os clculos do risco, ainda
A avaliao de projetos de investimento comu- mais quando suportados por uma planilha ele-
mente envolve um conjunto de tcnicas que buscam trnica (a exemplo do MS-Excel 5 ou superior)
estabelecer parmetros de sua viabilidade. Comu- dotada de linguagem de programao (Visual Basic
mente esses parmetros so expressos pelo Payback for Applications) que permite a gerao automtica
(Pb, prazo de retorno do investimento inicial), da dos resultados.
TIR (taxa interna de retorno) ou do Valor Presente Este artigo apresenta a anlise econmica de pro-
Lquido (VPL, resultado dos fluxos de caixas, des- jeto com a utilizao simplificada do MMC, va-
contados a data zero pelo custo de capital do pro- lendo-se, para isso, dos recursos do Excel. Espera-
jeto e subtrado do investimento inicial). Porm, mos, assim, contribuir para a considerao do risco
em projetos, esperando que outros trabalhos dem
(*)
Mestrando do Programa de Ps-Graduao da continuidade ao que agora iniciamos.
FEA/USP. E-mail : albruni@usp.br.
(**)
Professor-doutor do Programa de Ps-Graduao da
FEA/USP. E-mail : rfama@usp.br.
(***)
Professor do Departamento de Administrao da
FEA/USP. E-mail : siqueira@usp.br.

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98


Payback

Representa o prazo necessrio para a recuperao


FUNDAMENTAO TERICA
do capital investido, podendo ser simples (sem
considerar o custo de capital, valor do dinheiro no
Principais Mtodos de Avaliao de Projetos
tempo) ou descontado (considerando o valor do
dinheiro no tempo). Vide exemplo 1:
A anlise de projetos costuma envolver a obteno
de parmetros expressos sob a forma das seguintes
tcnicas:

Exemplo 1 : Clculo de Payback Simples e Descontado

Ano Fluxo de Saldo PBs Saldo PBd


Caixa Anual Simples (parciais) Descontado (parciais)
0 (1000) (1000) (1000)
1 350 (650) 1,0000 (750) 1,0000
2 500 (150) 1,0000 (325) 1,0000
3 250 100 0,6000 (108) 1,0000
4 300 400 182 0,3580
5 420 820 620
Payback (para k=10%aa) Simp. (anos) 2,60 Desc. (anos) 3,36

De acordo com o exemplo acima, encontramos passa inicial. Se, por exemplo, o payback descon-
valores para o payback de 2,60 anos (simples, des- tado de um projeto for superior ao perodo mximo
considerando o custo de capital) e de 3,36 anos estabelecido pela empresa para recuperar o inves-
(descontado, considerando o custo de capital). A timento inicial, este no deve ser aceito pela em-
depender do parmetro da empresa, por exemplo de presa, mesmo que apresente TIR superior ao custo
3 anos para um PBs, o projeto pode ser aceito ou de capital ou VPL positivo. Assim, suas principais
no. vantagens e desvantagens pode ser resumidas
O Payback comumente usado de forma prelimi- como:
nar a outros mtodos como um calibre passa- no-

Payback Vantagens Desvantagens


Simples Simplicidade : j que no exige nenhuma No considera o custo de capital, o
sofisticao de clculos, apenas sucessivas valor do dinheiro no tempo.
subtraes. No considera todos os fluxos de
Serve como parmetro de liquidez (quanto caixa.
menor, maior a liquidez do projeto) e de risco
(quanto menor, menor o risco do projeto).
Descontado Considera o valor do dinheiro no tempo. No considera todos os fluxos de
caixa do projeto.

Valor Presente Lquido diferena entre os Fluxos de Caixa futuros trazidos


a valor presente pelo custo de oportunidade do
O Valor Presente Lquido (simplesmente VPL ou capital e o investimento inicial. Se positivo deve ser
NPV, do ingls Net Present Value) representa a aceito.

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98 63


Lapponi (1996 : 36) ressalta que VPL positivo De acordo com o exemplo a seguir , supondo uma
indica que o capital investido ser recuperado; taxa de desconto (custo de oportunidade do projeto,
remunerado na taxa de juros que mede o custo de ou simplesmente k) igual a 10% aa, podemos esti-
capital do projeto k; gerar um ganho extra, na data mar o VPL como sendo igual a $385, devendo,
0, igual ao VPL. ento, ser aceito.

Exemplo 2 : Clculo do VPL

Ano Fluxo de Valor


Caixa Anual Presente
0 (1000) (1000)
1 350 318
2 500 413
3 250 188
4 300 205
5 420 261
VPL (para k=10%aa, em $) 385

As principais vantagens e desvantagens do uso do VPL podem ser expressas por :

Vantagens Desvantagens
Informa se o projeto de investimento aumentar o valor da preciso conhecer k.
empresa. Resposta em valor monetrio ( difcil, por
Considera o valor do dinheiro no tempo. exemplo, responder se melhor investir $100
Incluiu todos os capitais na avaliao. para um VPL de $5 ou investir $10 para um VPL
Considera tambm o risco j embutido no k. de $3).

Taxa Interna de Retorno uma taxa que remunera o valor investido no pro-
jeto. Quando superior ao custo de capital do projeto
A taxa interna de retorno representa o valor do (k) deve ser aceito. Como exemplo, vide o Fluxo de
custo de capital que torna o VPL nulo, sendo ento Caixa a seguir .

Exemplo 3 : Clculo da TIR

Ano Fluxo de Valor


Caixa Anual Presente
0 (1000) (1000)
1 350 281
2 500 323
3 250 130
4 300 125
5 420 141
Para TIR = 0,2443, VPL = 0

De acordo com o Fluxo de Caixa anterior podemos da TIR) seria de 24,43% aa. Se o custo de capital
determinar que para um VPL nulo, o valor de k (ou

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98 64


deste projeto for de, por exemplo, 15% aa, o mesmo mais de uma vez. Lapponi (1996 : 122) chama a
deveria ser aceito, j que a TIR foi superior ao k. ateno que dependendo da estrutura dos fluxos de
O maior problema de uso da TIR consiste quando caixa do projeto, este pode ser classificado de dife-
ocorre a inverso de sinais do Fluxo de Caixa em rente formas:

Projeto Descrio
Simples quando os capitais do fluxo de caixa apresentam apenas uma mudana de sinal.
No - Simples quando os capitais do fluxo de caixa apresentam mais de uma mudana de sinal.
Puros o projeto de investimento com data terminal igual a n e que apresenta uma nica taxa
interna de juros (TIR) e os valores do saldo em qualquer data quando calculados com a
TIR so negativos at a data n, e iguais a zero em n.
Misto o projeto de investimento no simples que no atende as regras do projeto puro

Cuidados devem ser tomados no uso da TIR quando cao das regras de Descartes e Norstrom, con-
os projetos no so puros. Para isso, pode-se verifi- forme segue:
car a existncia de TIR mltiplas mediante a apli-

Regra Descrio
Descartes Nos permite prever o nmero de taxas mltiplas. Para um Fluxo de Caixa com coefi-
cientes reais, o nmero de razes reais maiores que -1 igual ou menor que o nmero de
mudanas de sinais do fluxo de caixa.
Norstrom Se a acumulao de capitais na data zero negativo, se o valor na data "n" positivo e
se a srie formada pelos valores acumulados dos capitais em cada data apresentar so-
mente uma mudana de sinal, ento existe somente uma TIR com valor real positivo.

Se o projeto apresentar mais de uma TIR reco- permite a considerao de TIRs mltiplas em pro-
menda-se no aplicar o mtodo da TIR, valendo-se jetos. Imagine que uma mina de ferro apresenta a
do mtodo do VPL. A seguir apresenta-se um distribuio de fluxos de caixa apresentada a
exemplo extrado de Lapponi (1996 : 105) que seguir:

Exemplo 4 : TIR de projeto no puro

Ano Fluxo de Valor Valor Valor 200,00


k x VPL
Caixa Anual Presente (A) Presente (B) Presente
0 0 0 0 0
1 180 145 113 164 150,00
2 100 65 40 83
3 50 26 13 38
4 1800 (760) (284) (1229) 100,00
5 600 204 60 373 TIR1=24,04%
VPL

6 500 137 31 282 TIR2=58,61%


7 400 89 16 205 50,00
8 300 54 7 140
9 200 29 3 85
10 100 12 1 39 -
VPL (soma) 0 0 178 10% 20% 30% 40% 50% 60% 70% 80%

Estimativa para a TIR : 25% 60% k= (50,00)


k
Valores da TIR : 0,2404 0,5861 10%

Com base nesses Fluxos de Caixa, para um k = sentado no grfico). Sendo assim, para k com-
10%, teramos um VPL de $178, devendo o projeto preendido entre 24,04% e 58,61% o projeto no
ser aceito. Aps a aplicao das Regras de Descar- deveria ser aceito.
tes e Norstrom podemos deduzir que o projeto As vantagens e desvantagens da TIR podem ser
acima apresenta mais de uma TIR (conforme repre- representadas por :

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98 65


Vantagens Desvantagens
O resultado uma taxa de juros (valor relativo), fcil de ser No pode ser usado quando o fluxo de caixa
comunicado. no do tipo simples (e apresentar mais de
uma TIR).
Requer a anlise dos fluxos de caixa incre-
mentais na seleo de projetos mutuamente
exclusivos.

Seleo de projetos

Exemplo 5 : Seleo de Projetos

Ano Fl. Caixa Fl. Caixa Fl. Caixa Diferena Diferena


Projeto A Projeto B Projeto C B-A C-B
0 (6.000,00) (30.000,00) (70.000,00) (24.000,00) (40.000,00)
1 5.000,00 9.000,00 13.000,00 4.000,00 4.000,00
2 6.000,00 10.500,00 16.000,00 4.500,00 5.500,00
3 7.500,00 12.500,00 19.000,00 5.000,00 6.500,00
4 8.500,00 14.000,00 22.000,00 5.500,00 8.000,00
5 9.500,00 16.000,00 25.000,00 6.500,00 9.000,00
6 10.000,00 17.500,00 27.000,00 7.500,00 9.500,00
7 11.000,00 18.500,00 30.000,00 7.500,00 11.500,00
8 11.500,00 19.500,00 32.000,00 8.000,00 12.500,00
VPL (k=8,50%) 40.359,49 49.074,06 53.107,61 8.714,57 4.033,55
TIR 100,77% 37,74% 23,34% 16,34% 10,69%

Segundo a maioria dos livros clssicos de finanas sio apresentamos a seguir trs projetos mutua-
o principal mtodo de avaliao de projetos consiste mente excludentes1 : A, B e C.
no VPL. Sendo assim, em caso de seleo de pro- Baseados nos nmeros dos projetos apresentados
jetos poderamos sempre escolher aquele que apre- anteriormente , pelo mtodo do VPL deveramos
sentar o maior VPL. No caso de basearmos nossa escolher o projeto C, que apresentou maior VPL,
escolha na TIR, deveramos tomar cuidados, j que apesar de apresentar menor TIR. Seriam os mto-
o projeto de maior TIR no representa necessaria- dos incongruentes ? A resposta no. Para esco-
mente o melhor projeto. lhermos um projeto em funo de sua TIR deve-
Neste caso, sugere-se montar os fluxos de caixas ramos fazer a anlise dos fluxos incrementais entre
incrementais, comparando-se a TIR destes incre- os projetos. Sendo assim, subtraindo os fluxos do
mentos com o custo de capital do projeto. Cada vez projeto B menos os do projeto A, encontraramos
que o fluxo incremental de um projeto desafiante uma TIR para essa variao de fluxos igual a
superar o custo de capital, este desafiante deve ser 16,34%, superior ao custo de capital de 8,5% e
aceito no lugar do desafiado. Para ilustrar a propo- justificando o investimento adicional. Portanto, o
desafiante (B) se justifica em relao ao desafiado

1
Adaptado de Lapponi (1996 : 146).

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98 66


(A). Repetindo o procedimento para o projeto C, que os valores projetados realmente ocorram. O
encontramos uma situao anloga - ou seja, C tratamento do risco do projeto, quando existe,
melhor que B. Logo, pelo mtodo da TIR o melhor comumente feito atravs da utilizao de anlise de
projeto continuaria sendo o projeto C. sensibilidade, para o custo de capital do projeto ou
para o possvel crescimento dos fluxos de caixa
Anlise do Risco futuros. Para o exemplo da mina de ferro anterior-
mente apresentado poderamos montar a matriz de
Anlise de Sensibilidade sensibilidades para o custo de capital conforme a
seguir :
Normalmente, as abordagens de avaliao de pro-
jetos apresentadas so determinsticas: espera-se

k VPL k VPL k VPL


10% 177,80 20% 25,21 30% (18,02)
40% (21,36) 50% (11,33) 60% 1,84

De acordo com os valores obtidos e de forma apro- valores futuros representados por :
ximada, para valores de k entre 25% e 60%, tera- {F }
j j =1,..., n
= {F1 , F2 ,..., Fn }, onde os Fj so va-
mos VPLs negativos, devendo o projeto ser recu-
sado a essas taxas. uma primeira aproximao, riveis aleatrias independentes e identicamente
mas que representa uma tentativa de considerao distribudas com uma funo densidade de proba-
do risco no projeto, ainda que bastante simples. bilidade g(Fj). Considere tambm uma taxa de
desconto pr-determinada i% ao perodo.
Numa distribuio discreta de probabilidade pode-
O Tratamento Matemtico Convencional ramos representar os fluxos de caixa e suas res-
pectivas probabilidades de ocorrncia como:
O tratamento de um fluxo de caixa em condies de
risco apresentado por Securato (1996 : 61) . Con-
sidere-se um fluxo de caixa dado pela seqncia de

Fj fj,1 fj,2 fj,3 ... fj,n


P(Fj) P(fj,1) P(fj,2) P(fj,3) ... P(fj,n)

Cada VPL dado por:


n Var[ F j ]
n Fj Var[VPL ] = (1 + i)
VPL = (1 + i )
j =1
j j =1
2j

Ou seja, o risco do projeto Var[VPL ] funo


A esperana do VPL dos fluxos de caixa futuros
expressa por : dos riscos individuais.

n E[ Fj ]
E[VPL ] = (1 + i )
j =1
j

A Utilizao do Mtodo de Monte Carlo


O risco do projeto, expresso sob a forma do desvio
padro destes fluxos de caixa, :

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98 67


Uma alternativa para o clculo do risco seria a reprodutveis, a fim de permitir comparao entre
utilizao de nmeros aleatrios, como expresso programas; d) no repetibilidade da srie no inter-
pelo Mtodo de Monte Carlo. De acordo com Costa valo de interesse; e) velocidade de gerao; f) utili-
e Azevedo (1996 : 100) : zao de memria mnima do computador na gera-
O Mtodo de Monte Carlo uma tcnica de o.
amostragem artificial empregada para operar De forma simplificada, poderamos aplicar o MMC
numericamente sistemas complexos que tenham no Excel da seguinte forma :
componentes aleatrios. Trata-se de uma ferra- Para distribuies discretas :
menta importantssima de pesquisa e planejamento Bastaria colocarmos a distribuio discreta
que vem sendo cada vez mais utilizado devido ao baseados na funo probabilidade acumulada (entre
constante aperfeioamento dos computadores, com 0% e 100%), gerarmos um aleatrio (pela funo
sua grande velocidade de clculo, poder de arma- =ALEATRIO()) e, por exemplo, atravs de uma
zenar dados e capacidade de tomar decises lgi- funo de busca e referncia [=PROCV(NO,
cas... MATRIZ DE DADOS, COLUNA)] identificarmos
Essa metodologia, incorporada a modelos de Fi- o valor correspondente. Exemplo: suponha a se-
nanas, fornece como resultado aproximaes guinte funo discreta de probabilidades para pre-
para as distribuies de probabilidade dos par- os futuros de um produto qualquer :
metros que esto sendo estudados. So realizadas
diversas simulaes onde, em cada uma delas, so
gerados valores aleatrios para o conjunto de
variveis de entrada e parmetros do modelo que Distribuio 2a. coluna da Matriz

esto sujeitos incerteza. Tais valores aleatrios Qtde Prob 0% 100


gerados seguem distribuies de probabilidade 100 30% 30% 200
especficas que devem ser identificadas ou estima- 200 60% 90% 300
das previamente. 300 10% 100% 300
O conjunto de resultados produzidos ao longo de =ALEATRIO() 0,85912386
todas as simulaes ... podero ser analisados =PROCV(Aleat;Matriz;2) 200
estatisticamente e fornecer resultados em termos
de probabilidade. Essas informaes sero teis na
avaliao da disperso total das predies do
modelo causada pelo efeito combinado das incer-
tezas dos dados de entrada e na avaliao das Usando uma funo de Busca e Referncia, como a
probabilidades de serem violados os padres das PROCV do Excel, poderamos gerar aleatrios com
projees financeiras. base na matriz de dados apresentada ao lado da
distribuio de preos, cujas quantidades passam a
Feitas as ressalvas matemticas adequadas, de ser representadas pela funo acumulada de proba-
acordo com Shimizu (1975)2, jamais seria possvel bilidades, para viabilizarmos o uso da funo
a obteno de aleatrios genunos, mas sim nme- PROCV4.
ros pseudo-aleatrios ou quase-aleatrios. Isto por Sendo assim, para um nmero aleatrio (gerado
que para que pudssemos garantir seu carter de entre 0 e 1) igual a 0,859112386, a funo retorna-
aleatoriedade, precisaramos efetuar infinitos testes ria o valor de $200, j que 0,859112386 est com-
gerados por um mesmo processo e seguidos por preendido entre 0,30 e 0,90. Asseguramos assim, a
uma infinidade de testes estatsticos. aleatoriedade5 das quantidades obtidas, que aps
De acordo com Ehrlich (1988)3, os critrios de
aleatoriedade dos nmeros pseudo-aleatrios gera-
dos em computador seriam: a) uniformemente dis- 4
Em caso de dvidas, pode-se consultar o Help do
tribudos; b) estatisticamente independentes, c) Excel (tecla F1), que fornece uma boa orientao
para a utilizao das funes mencionadas neste
trabalho.
2 5
Citado por Costa e Azevedo (1996 : 101) Mantidas as ressalvas de Shimizu (1975),
3
Idem precisaramos verificar o algoritmo de gerao de

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98 68


"n" simulaes, nos permitiria calcular a mdia e o
risco da distribuio - lembrando que o Teorema do
Limite Central nos revela que para "n" grande, a
mdia ("n" maior ou igual a 30) e o desvio padro
amostral ("n" maior ou igual a 100) convergem
para a mdia e desvio padro populacionais (Spie-
gel, 1978 : 227).
Para o exemplo anterior, calculado a mdia e o
desvio encontraramos os valores respectivos de
$180 e $60. Rearrumando os dados, com a funo
acumulada de probabilidade, poderamos, ento,
simular o valor resultante de acordo com o Mtodo
de Monte Carlo.

No Excel :

F P(F) F*P(F) F^2.P(F)


$100 30% 30 3.000
$200 60% 120 24.000
$300 10% 30 9.000
Soma 100% 180 36.000

Mdia = [F.P(F)] = 180


Risco = {E(F^2)-[E(F)]^2}^ = 60

Calculando P(F) acumulada e usando os recursos


do Excel pode-se expressar as funes apresentadas
a seguir.

aleatrios do Excel para assegurarmos a verdadeira


aleatoriedade ou no.

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98 69


P(F) acumul Qtde. Funes do Excel
0% 100
30% 200 =ALEATRIO() 0,17266676
90% 300 =PROCV($H$16;$F$11:$G$14;2) $100
Valor
100% 300 Simulado

Efetuando 1.000 simulaes do valor acima, en- o Mtodo de Monte Carlo. Plotando um grfico de
contramos valores de $179,63 para a mdia e Nmero de Simulaes (n) versus Mdia e Desvio,
$59,72 para o desvio. Sendo assim, podemos afir- podemos perceber que nossos resultados estabiliza-
mar ter encontrado boas aproximaes para os riam em torno de 200 simulaes.
valores populacionais ($180 e $60) de acordo com

300

250

200

150
Mdia (estab = 179,63)
100 Desvio (estab = 59,72)

50

0
0 200 400 N o d e 600
simulaes 800 1000 1200

Para distribuies contnuas :

De acordo com Seila e Banks (1990)6, para cada Excel, bastaria usarmos a funo =ALEATRIO()
tipo de distribuio contnua poderamos montar para a gerao da distribuio normal desejada, que
uma funo estocstica. Por exemplo, uma distri- pode ser expressa pela funo =(((ALEATRIO() +
buio normal poderia ser expressa por ALEATRIO() + ALEATRIO() + ALEATRIO()
12 + ALEATRIO() + ALEATRIO() +
sx aleatorioi 6 + x . Sendo assim, no ALEATRIO() + ALEATRIO() + ALEATRIO()
i =1
6
Citado por Costa e Azevedo (1996 : 101)

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98 70


+ ALEATRIO() + ALEATRIO() + Cola Limo Laranja
ALEATRIO())-6)*Desvio + Mdia)7. 16.000 8.000 6.500
Para facilitar o uso do mtodo de Monte Carlo, 1.500 4.000 3.200
desenvolvemos uma planilha que permite simula-
es variadas, estando o resultado a ser obtido apre-
sentado em funo das distribuies mencionadas . Custos variveis : supostos iguais a 60% das
A seguir apresentamos um exemplo de utilizao vendas.
deste modelo.
Despesas fixas: supostas fixas e iguais a
$172.000,00 por ano.
Um exemplo de utilizao do Mtodo de Monte
Carlo
Custo de capital : pr-determinado em 14% aa.
A Golden Beverage, tradicional fabricante de refri-
Imposto de Renda : suposta alquota de 35%.
gerantes, j estabelecida h mais de 50 anos estuda
a viabilidade da implantao de uma nova fbrica
Depreciao : suposta igual a $45.000,00 por
para a produo de refrigerantes sabores cola, li-
ano (linear para os 20 anos, $45.000 =
mo e laranja. De acordo com os seus estudos este
$900.000/20).
novo empreendimento de $900.000,00 poderia
apresentar uma vida til de 20 anos, com valor
residual considerado desprezvel (suposto nulo) ao
O valor disponvel para a empresa poderia ser re-
fim do perodo.
presentado pelo Fluxo de Caixa Livre, resultante do
Em funo do histrico da empresa, as estimativas
Lucro Operacional aps Impostos mais a Deprecia-
para esse novo empreendimento indicam que suas
o (j que esta reduz o Imposto a Pagar, mas fica
vendas e preos possveis (expressos em moeda
disponvel para distribuio). De acordo com as
forte, desprezando efeitos inflacionrios) de serem
premissas acima, seria possvel a montagem, ento,
praticados podem ser representados pelas distribui-
de uma planilha em Excel para o clculo da distri-
es de probabilidade apresentadas a seguir.
buio do VPL .
Preos a serem praticados : Suposta uma
distribuio discreta dos preos unitrios.

Preo Refrigerante
$ Cola Limo Laranja
20 12% 10% 30%
30 63% 60% 45%
40 25% 30% 25%
Total 100% 100% 100%

Vendas de produtos : Suposta uma distribuio


normal, com previso de vendas em unidades.

7
De acordo com Costa e Azevedo (1996 : 110), Seila e
Banks (1990) demonstram que utilizao de 12
aleatrios nos daria uma boa aproximao da
distribuio normal.

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98 71


Receitas 911.460,00
Q Cola 17.831,00
P Cola 40
Rec Cola 713.240,00
Q Limao 6.584,00
P Limao 20
Rec Limao 131.680,00
Q Laranja 2.218,00
P Laranja 30 Cada um destes valores de VPL isoladamente
pouca utilidade representam, j que constituem
Rec Laranja 66.540,00
estimativas pontuais. Entretanto, o Teorema do
Custos (546.876,00) Limite Central nos revela que para "n" grande , a
Depreciao (45.000,00) mdia e o desvio padro amostrais convergem para
Despesas (172.000,00) a mdia e desvio populacionais. Sendo assim,
construindo um grfico da mdia e do desvio obtido
Lucro Operacional 147.584,00 versus nmero de simulaes encontra-se que
IR (51.654,40) ocorre uma estabilizao dos valores da mdia e do
Lucro Lquido 95.929,60 risco do projeto.
Depreciao 45.000,00
FCL 140.929,60
k 14,000%
Vpi 933.395,14
INVESTIMENTO 900.000,00

VPL i 33.395,14

VPL ($) Mdia e desvio amostrais X No. Simulaes


450.000,00
400.000,00 Desvio padro amostral aps 1.000 simulaes igual a $362.034,25
350.000,00
300.000,00
250.000,00
200.000,00
150.000,00
100.000,00 Mdia amostral aps 1.000 simulaes igual a $26.736,39
50.000,00
-
(50.000,00) 0 100 200 300 400 500 600 700 800 900 1000
No. Simulaes

Podemos constatar que medida que o nmero de padro dos valores do VPL). Pelo grfico percebe-
simulaes aumenta, ocorre uma estabilizao dos se que o risco do projeto muito maior que a m-
resultados (expressos pela mdia e pelo desvio dia. O histograma das 1.000 simulaes resulta em:

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98 72


Histogra m a
100 100,00%
90 90,00%
80 80,00%
70 70,00%
Freqncia

VPL =$0
60 60,00%
Frequncia = 43%
50 50,00%
40 40,00%
30 30,00%
20 20,00%
10 10,00%
0 ,00%

Blo c o F r e q n c ia % c u m u la t i v o

A proporo de VPLs menores ou iguais a 0 (zero) De acordo com as proposies do exemplo, o pro-
foi de 43%. Portanto, teramos apenas cerca de jeto apresenta uma taxa de desconto fixa igual a
57% de chance de ter um VPL estritamente posi- 14% aa. De forma complementar e usando o MMC
tivo. Logo, sob estas condies no seria razovel pode-se analisar o comportamento da mdia e des-
recomendar a aceitao do projeto. vio padro dos VPLs para outros nveis de taxas de
desconto.

Esperana e Risco X k
Para 1000 simulaes

2.500.000,00 Mdia
2.000.000,00 Desvio padro
1.500.000,00
1.000.000,00
$

500.000,00
-
(500.000,00) 0% 2% 4% 6% 8% 10% 12% 14% 16% 18%
k

Sendo assim, se a empresa assumisse como razo- 20%, pode-se estimar que o custo de capital corres-
vel a tomada da deciso de investimento em um pondente, conforme grfico a seguir, seria em torno
nvel de confiana igual ou superior a 80%, ex- de 8%aa. Portanto, para k inferior a 8% o projeto
presso atravs do percentil para VPLs menores que poderia ser aceito.
zero, aps 1.000 simulaes para cada k, inferior a

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98 73


k x Percentil (VPL<0)
Aps 1.000 simulaes para cada k
80,00%
70,00%
60,00%
Percentil (VPL<0)

50,00% k = 8%
40,00% Perc = 19%
30,00%
20,00%
10,00%
0,00%
0% 2% 4% 6% 8% 10% 12% 14% 16% 18%
k

CONSIDERAES FINAIS COSTA, Luiz Guilherme Tinoco Aboim e


AZEVEDO, Marcos Correia Lima. Anlise
A avaliao dos riscos de um projeto , sem dvi- Fundamentalista. Rio de Janeiro:
das, fundamental. O maior problema a ser enfren- FGV/EPGE. 1996.
tado consiste no tratamento matemtico das fontes EHRLICH, Pierre Jacques. Pesquisa Operacio-
individuais de risco. nal. So Paulo : Atlas. 1988.
O uso de um procedimento numrico, como o M- HERTZ, David B. Risk Analysis in Capital
todo de Monte Carlo uma alternativa para a ava- Investment. Harvard Business Review. Set.
liao do risco de um projeto. Neste trabalho foi 1979.
apresentado o MMC e desenvolvido um exemplo de KANAAN, Joo C. e SIQUEIRA, Jos de O.
sua aplicao na Engenharia Econmica. Possivel- Microsoft Excel 7 para Windows 95. So
mente, trabalhos futuros podero dar continuidade Paulo : Pioneira. 1997.
ao agora apresentado, colocando novas considera- KLEINJNEN, Jack e GROENENDAAL, Willem
es sobre as dependncias dos fluxos de caixa, V. Simulation : A Statistical Perspective.
envolvendo uma sofisticao no tratamento mate- John Wiley & Sons. 1994.
mtico e uma evoluo na utilizao do MMC. LAPPONI, Juan Carlos. Avaliao de Projetos
de Investimento : Modelos em Excel. So
Paulo : Lapponi. 1996.
BIBLIOGRAFIA ROSS, Stephen A; WESTERFIELD, Randolph
W; JAFFE, Jeffrey F. Administrao Finan-
ANDRADE, Eduardo Leopoldino. Introduo a ceira. So Paulo: Atlas. 1995.
Pesquisa Operacional. Rio de Janeiro : SASSATANI, Ricardo. As Tcnicas de Avaliao
Livros Tcnicos e Cientficos. 1994. de Investimentos em Condies de Risco.
BREALEY, Richard A; MYERS, Stewart C. Trabalho no publicado, apresentado FEA
Princpios de Finanas Empresariais. USP. So Paulo : 1997.
McGraw-Hill de Portugal. 1992. SASSATANI, Ricardo; SOUSA, Almir Ferreira
BRUNI, Adriano Leal; SOUZA, Almir Ferreira; de; LUPORINI, Carlos Eduardo. Anlises e
LUPORINI, Carlos Eduardo. A determina- Questionamentos Quanto s Tcnicas Usuais
o do Valor da Empresa com base no FCD : de Avaliao de Investimentos de Capital.
Um estudo de caso. Anais do II SemeAd Anais do II SemeAd FEA/USP. So Paulo.
FEA/USP. So Paulo. 1997. 1997.

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98 74


SECURATO, Jos Roberto. Decises Financeiras SPIEGEL, Murray R. Probabilidade e estats-
em Condies de Risco. So Paulo : Atlas. tica. MacGraw Hill. 1978.
1996. VLAHOS, Kiriaxos. Onde H Incerteza Convm
SEILA, Andrew F. e BANKS, Jerry. Spreadsheet Minimizar o Risco. Gazeta Mercantil.
Risk Analysis Using Simulation. 1990. 25/09/1997.
SHIMIZU, Tamio. Simulao Digital em Com-
putador. So Paulo : Editora da USP. 1975.

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98 75