4 Metodologia O Modelo Teórico Processos Estocásticos

Tamanho: px
Começar a partir da página:

Download "4 Metodologia O Modelo Teórico Processos Estocásticos"

Transcrição

1 4 Meodologia Nesa seção será proposo um modelo de avaliação uilizando a Teoria de Opções Reais aplicada à expansão da geração de energia de uma usina de cana de açúcar que produz açúcar e eanol e já produz energia excedene aravés da uilização do bagaço da cana. O projeo compreende a opção americana de invesimeno no recolhimeno da palha da cana, seguida da opção de swich enre a venda de energia elérica adicional e a produção de briquees. Inicialmene, será apresenado o arcabouço meodológico necessário para o desenvolvimeno do modelo proposo, dealhando os aspecos eóricos uilizados na modelagem, segundo a qual fez uso de um processo esocásico auoregressivo ou Movimeno de Reversão à Média, na versão geomérica. Em seguida, será analisado o comporameno da variável esocásica considerada no modelo, sendo esa o preço da energia elérica comercializada no Brasil (PLD). Para ano, serão definidos os parâmeros para o Movimeno de Reversão à Média que serão uilizados no modelo proposo. Ao final, dealham-se as premissas do modelo proposo, aplicando-as ao caso práico desenvolvido a parir dos conceios da Teoria de Opções Reais descrios nese esudo e na análise de flexibilidades gerenciais presenes na indúsria sucroalcooleira, quano ao aproveiameno da biomassa da cana de açúcar O Modelo Teórico Processos Esocásicos As incerezas esão presenes na grande maioria dos projeos e configuramse como as principais fones de riscos e oporunidades. As incerezas são normalmene decorrenes das variáveis que compõem o projeo e cujo valor fuuro

2 4 é geralmene esimado por projeções deerminísicas pelos méodos radicionais de avaliação de projeos. Essas variáveis inceras podem ser de diversas origens: preço de energia, preço de uma commodiy, demanda em um mercado (veículos rafegando, demanda fuura por um serviço, ec.), faia a ser capurada desse mercado, ec. Uma vez que o comporameno e as projeções de preços de variáveis, ais como commodiies agrícolas ou preço de energia esão sujeios a grande incereza e volailidade, percebe-se que na lieraura diversos esudos uilizam processos esocásicos em suas modelagens (DENG; GEMAN; MARTINES-FILHO, BURNQUIST, VIAN; ELOBEID, TOKGOZ; GOLDEMBERG; DIAS e al., 000, 005, 006, 006, 007, 011). Um processo esocásico do ipo X { X ( ), T} = é uma coleção de variáveis aleaórias. Assim, para cada no conjuno de índices T, X() é uma variável aleaória. Em geral, é inerpreado como empo e X() é chamado de esado do processo no empo. Quando X() ocorre, é chamado de rajeória da amosra. Quando o conjuno de índices T é um conjuno conável, é dio que há um processo esocásico em empo discreo. Se esse conjuno for conínuo não conável, o processo será dio esocásico em empo conínuo. Para qualquer ocorrência de X, ese é chamado de caminho da amosra, que pode ser discreo ou conínuo (DIAS, 009). Os processos esocásicos podem ser classificados em: 1) processos esacionários em que as propriedades esaísicas, média e variância, da variável esudada são consanes; e ) processos não esacionários: o valor esperado da variável aleaória pode crescer sem limie e sua variância σ, T anos à frene, aumena com T (FAN, 000). Enquano os processos esocásicos ariméicos e geoméricos brownianos (MAB, MGB) êm cada um, um único modelo esocásico, os processos auoregressivos conhecidos como Movimenos de Reversão à Média (MRM) são inúmeros, variando em grau de complexidade. Os mais simples são, evidenemene, os de faor único, como o processo ariméico de Ornsein- Uhlenbeck e os modelos geoméricos conhecidos como modelos de Pindyck (1994), modelo 1 de Schwarz (1997) e de Dias/Marlim (1999). No enano, para

3 43 ese esudo será apresenado somene o modelo geomérico de Schwarz (1997) de forma dealhada, o qual foi aplicado em Basian-Pino (009). Apesar do uso frequene do Movimeno Geomérico Browniano (MGB) em modelagens de avaliações por opções reais, seu uso pode esar mais associado à facilidade de aplicação do que a própria adequação do modelo esocásico às variáveis, como demonsrado por Basian-Pino e al. (007). Os auores realçam ainda, que a adoção do MGB em processos que não sejam realisas com a modelagem em quesão, pode resular em valores superesimados na avaliação de projeos. De forma complemenar, foi possível observar na revisão de lieraura, que para descrever o comporameno de preços de commodiies e energia, os auores endem a uilizar modelagens com base no MRM, segundo o qual as variáveis endem a reverer para um nível de equilíbrio, represenado por um valor médio de longo prazo. Sendo assim, na subseção a seguir, é enfaizada a imporância em esar a uilização do MRM, como sendo o processo esocásico suposamene mais adequado à modelagem do preço da energia comercializada no Brasil Deerminação do Processo Esocásico A deerminação de qual modelo deve ser uilizado para modelagem de uma variável esocásica, enre ouras alernaivas, pode ser conduzido esando-se a validade do modelo MGB, para uma série hisórica de valores x. O MGB é um caso de um processo esocásico em que uma série emporal em valor correne igual ao valor do período anerior mais uma perurbação fracamene dependene (ambém chamada de raiz uniária). Para esar a presença de raiz uniária, pode-se fazer uma regressão linear por mínimos quadrados e aplicar um ese de Dickey- Fuller (1981). Fazendo a regressão sobre a equação: x = a+ bx 1 + ε, e verificando-se a hipóese nula de que b=1 pode-se chegar a conclusão de que a série erá uma raiz uniária e segue um caminho aleaório. Em ouras palavras, esa série poderia ser modelada por um MGB. De oura forma, ao reescrever essa equação, subraindo-se x -1 de ambos os lados, chega-se a x x 1 = a+ ( b 1) x 1+ ε, para enão verificar a hipóese nula de que (b-1) = 0, o que equivale a b=1. Um dos méodos uilizados para esar a

4 44 presença de raiz uniária é aravés da análise das esaísicas de valores de ese de Dickey-Fuller (1981). Mesmo considerando a dificuldade em se rejeiar a hipóese nula de que a série segue um caminho aleaório (MGB), Dixi e Pindyck (1994) provam que os preços de peróleo não seguiriam um MGB, mas apenas para uma série de dados superior a 10 anos. O mesmo resulado não é obido ao serem analisadas séries mais curas. Os resulados do ese de Dickey-Fuller (ADF) para deerminadas séries de dados, podem se mosrar inconclusivos, mesmo quando são obidos valores de b<1, demonsrando haver indícios de reversão à média (Basian-Pino, 009). A não rejeição de um caminho aleaório (MGB) pode permiir a exisência de algum nível de reversão à média na variável esudada, a qual pode ser checada por um ese complemenar al como o de esacionariedade Kwiakowski-Phillips-Schmid- Shin (KPSS) na série de logarimos dos preços (BROOKS, 008). Além disso, a escolha do processo esocásico poderá depender ano de considerações esaísicas quano eóricas, como por exemplo, a inuição com relação aos mecanismos de equilíbrio do aivo modelado (DIXIT; PINDYCK, 1994) Modelos de Reversão à Média Exisem diversas formas de modelagem de MRM. O processo de Ornsein- Uhlenbeck (OU) ou Movimeno Ariméico de Reversão à Média de faor único é um dos mais uilizados e foi esudado por Dixi e Pindyck (1994) e Mecalf e Hasse (1995) e cujas eapas da modelagem serão descrias nesa seção. Primeiramene, uiliza-se a equação diferencial que define o modelo, conforme a seguir: ( ) dx = η x x d + σdz (1) onde: x, é a variável incera x, é a media de longo prazo η, é a velocidade de reversão,

5 45 σ, é o parâmero de volailidade do processo, e dz, é o processo padrão de Weiner, com disribuição normal: ε ~ N(0,1) Ao analisar a série emporal do aivo base a ser modelado como um MRM ariméico, são exraídos os valores esperados e a variância de x em (DIXIT; PINDYCK, 1994): Ex ( ) x ( x xe ) η ( 0 ) = + () 0 σ ( 0 ) var( x ) ( 1 e η = ) (3) η A parir daí, é necessário chegar à equação de simulação do processo, que se obém somando a parcela deerminísica (valor esperado) com a esocásica (dada pela raiz da variância), a qual é muliplicada pela disribuição normal com média 0. Por se raar de um processo ariméico, o valor de x é dado conforme a seguir: η η η 1 e x = x 1e + x( 1 e ) + σ N( 0,1) (4) η A Equação (4) é a expressão para empo conínuo do processo auoregressivo de primeira ordem da seguine expressão: x x = x(1 e ) + ( e 1) x + ε η η 1 1 Para se calcular os valores dos parâmeros do modelo MRM Ariméico (OU), orna-se fundamenal chegar à sua equação em empo discreo (DIXIT; PINDYCK, 1994), a qual é obida uilizando uma série emporal x, pela equação em ermos do inervalo emporal discreo Δ: η η ( 1 ) ( 1) x x 1 = x e + e x 1+ ε, a b 1 ou: x x 1 = a+ ( b 1) x 1+ ε (5) Assim, uilizando a Equação (5), são esimados os parâmeros do processo em quesão, fazendo uma regressão linear sobre a série x (DIXIT; PINDYCK, 1994), na qual se obem: η = ln( b) / x = a ( b 1), e:

6 46 σ = σ ε ln b ( b 1) O parâmero de volailidade do processo ( ) σ é obido a parir a Equação (3) já definida aneriormene, onde σ é o erro padrão da regressão, e: ( ) ε var x = σ. Como viso em Basian-Pino (009), após a obenção dos parâmeros do MRM (OU) é necessário realizar um procedimeno numérico no qual se convere o processo em neuro ao risco, alerando-se o parâmero de crescimeno (drif). Sendo: µ - a axa de descono ajusada ao risco, α - a axa de crescimeno do processo (drif), δ - a axa de dividendos ou axa de conveniência para o caso de commodiy, r - a axa livre de risco. No caso de um processo ajusado ao risco (ou processo real): µ = α + δ ou α = µ δ. Na forma neura a risco, o crescimeno α do processo é subsiuído por r-δ. Como no caso de reversão à media, o crescimeno real é α η( x x) uma função de x: δ µ α µ η( x x) = e a axa de dividendos não é consane, mas é = =. Com essa expressão é obido o crescimeno neuro a risco para o processo de reversão à média: ( µ r) r δ = η x x η Sendo: µ r o prêmio de risco do processo, ao observar as axas de crescimeno (ajusado ao risco ou real, e neuro ao risco), pode-se perceber que a aleração do processo real para o neuro ao risco, ocorre mediane a subração do prêmio de risco normalizado ( r) µ η da média de longo prazo x. Assim, no processo neuro ao risco os valores reverem para um nível inferior aquele do processo real, e a diferença enre eses é o prêmio de risco normalizado. A parir daí, se obém a equação ajusada para a simulação neura a risco de x. ( ) A expressão em empo conínuo desa é: µ r dx = η x x d + σdz η. Na forma neura a risco, o processo x() é simulado (válido ambém para grande) pela equação em empo discreo: ε η µ r 1 e x = x 1e + x e N η + η η η ( 1 ) σ ( 0,1) (6)

7 47 Uma das resrições do Movimeno de Reversão à Média Ariméico (OU) é que ese pode produzir valores negaivos para x, os quais apesar de serem aceiáveis para algumas variáveis, podem apresenar problemas quando se busca modelar preços de commodiies, por exemplo. De oura maneira, para se conornar esa quesão podem ser adoados modelos geoméricos, ais como o modelo proposo por Schwarz (1997), no qual se uiliza uma variável esocásica S, como demonsrado pela seguine equação: ds = η ln S ln S Sd + σsdz (7) É necessário descrever o processo ariméico correspondene assumindo x= ln S, pelo lema de Io, para ober o processo esocásico de dx: x x 1 dx ( ln S ln S ) S x = + η + σ S d x σsdz + S S S x x 1 = 0 =, S S, x = 1 S S, σ dx = η ln S ln S d + σdz η (8) σ Como x= ln S e x = ln S, pode-se ver que a equação (8) é o mesmo η modelo ariméico de faor único da Equação (1), ou seja, o modelo de Ornsein Uhlembeck (OU), sendo que se uiliza o logarimo naural dos preços x= ln S, pois é assumido que os preços de commodiies êm disribuição lognormal, o que é conveniene para que S não seja negaivo, uma vez que S exp( x) propriedade de log-normalidade do processo de S, pode-se escrever: ( ) exp E( x ) E S = + var ( x ) =. Pela O valor esperado do modelo de faor único de Schwarz (1997) é dado por: σ ( ) ( ) ( ) ( ) σ ( ) E[ S] = exp ln ( S ) e + ln ( S) 1 e 1 e 0 + η 4η Sendo: η η η (9) [ S] () x () = ln () ou S () = e x, e σ x = ln S η

8 48 Subsiuindo x() e x em () e (3), obém-se assim a Equação (10) de discreização real do modelo: η η σ η 1 e S = exp ln[ S 1] e + ln ( S) ( 1 e ) + σ N( 0,1) η η (10) A esimação de parâmeros do modelo de reversão à média geomérico dealhada em Basian-Pino (009) para árvore binomial, assim como no modelo de OU, parem de uma série emporal x, escria pela equação da variável x: x x = x(1 e ) + ( e 1) x η η 1 1 A parir desa equação, ao subsiuir x = ln S e x ln S σ η =, chega-se à equação que poderá ser usada na regressão para esimação dos parâmeros: η η ( ) = ( )( σ η) + ( ) ln S S 1 e ln S e 1 ln S 1 1 ln S S = a+ ( b 1) ln S ou : ( ) 1 1 a b 1 (11) Os parâmeros do processo devem ser esimados pela regressão linear sobre as séries: ln ( S ) e ln ( ) (11): η = ln( b) / S 1, que conduz aos parâmeros requeridos na equação σ = σ ε ln b ( b 1) Essas expressões de η e σ são similares àquelas do modelo OU. A diferença em relação àquele modelo esará na média de longo prazo S. η a = 1 e ln S σ η. Com a relação já Na Equação (11), ( ) deerminada 1 b= 1 e η, obém-se: a σ S = exp +. ( 1 b) η Nese modelo, o nível de reversão de longo prazo depende ano da volailidade quano da velocidade de reversão do processo. Dessa forma, subsiuem-se os valores de η e de σ, para se ober S :

9 49 σ S exp a ε = + ( 1 b) ( 1+ b) Ao observar a Equação (9) do valor esperado, pode ser viso que quando T = 0 : σ σ E[ ST ] exp ln ( S) Sexp 4η = 4η Assim, o valor esperado de S () não converge para S, mas para S exp σ 4η, como observado por Basian-Pino (009). Esa consideração pode levar a um valor esperado divergene do cálculo analíico e represena uma limiação do modelo aplicado. Por úlimo, ao se chegar à equação de simulação neura ao risco do modelo de Schwarz, subrai-se o prêmio de risco normalizado da média de longo prazo ( ) x = ln S σ η. η η σ µ r η 1 e S = exp ln[ S 1] e + ln ( S) ( 1 e ) + σ N( 0,1) η η η Aqui novamene o ermo ( r) (1) µ η é a única diferença comparando-se com a equação de simulação real, ou seja, ajusada ao risco. O prêmio de risco é obido por procedimeno numérico, devidamene descrio em Basian-Pino (009). Para maiores dealhes a respeio do cálculo dos parâmeros e do uso de modelos de reversão à média para apreçameno de opções, sugere-se checar Schwarz (1997) e Dias e al. (011). 4.. Análise de Incerezas e Definição de Parâmeros Após definir a abordagem para analisar a variável esocásica a ser uilizada no modelo é necessário que sejam definidos os parâmeros aravés da análise da série hisórica dos dados. Porano, será esudada a série hisórica do preço da energia elérica comercializada (PLD) no Brasil como variável esocásica. Com relação à produção de briquees, devido à fala de dados hisóricos disponíveis no mercado para o preço, o mesmo será considerado como deerminísico, endo por base o referencial eórico obido para esa análise.

10 Modelagem do Preço da Energia Elérica O preço da energia elérica é calculado pela CCEE a parir do Preço de Liquidação das Diferenças (PLD). O PLD é uilizado para valorar a compra e a venda de energia e uiliza os dados considerados pelo ONS para a oimização da operação do Sisema Inerligado Nacional (SIN), buscando o equilíbrio enre os benefícios do uso fuuro e de armazenameno hidrológico, e considerando economias esperadas dos combusíveis das usinas ermeléricas. No cálculo do PLD são uilizados modelos compuacionais que esimam o Cuso Marginal de Operação (CMO) para cada submercado, com base nas condições hidrológicas, ofera e demanda de energia, preços de combusível, cuso de défici, enrada de novos projeos e infraesruura de geração e ransmissão ec. Nese esudo, foi analisada a série hisórica semanal do PLD de fevereiro de 00 a janeiro de 011, para a Região Sudese/Cenro-Oese obida juno à CCEE (011), e considerada esa como a única variável de incereza do projeo, como pode ser observado na Figura ,00 500,00 400,00 300,00 00,00 100,00 0,00 Figura 6 - PLD Preço Spo de Energia no Brasil. Fone: elaboração própria, com base na CCEE (011). Opou-se pela uilização de uma meodologia baseada na modelagem do aivo base (preço de energia elérica), como variável esocásica presene nos fluxos de caixa do projeo.

11 51 A idenificação do processo esocásico mais adequado a ser uilizado na modelagem, segundo Brooks (008) passa por uma análise da esacionariedade, a qual consise em avaliar se as propriedades esaísicas da série de preços esudada são consanes durane longos períodos de empo. A comprovação do modelo como seguindo um processo esacionário é radicionalmene esada algebricamene pela exisência de raízes uniárias em inervalos longos de empo. No caso da série de preços de energia no Brasil, inicialmene considerou-se que a mesma assemelha-se inuiivamene a um processo esacionário, não apresenando variância crescene ao longo do empo. A parir daí, foi usada a práica de análise confirmaória (BROOKS, 008), realizando-se um ese de raiz uniária proposo por Dickey e Fuller (1979) e conhecido como Augmened Dickey Fuller (ADF). O ese pare da realização da regressão sobre a equação: x = a+ bx 1 + ε, e verifica-se a hipóese nula de que b=1 pode-se chegar a conclusão de que a equação erá ao menos uma raiz uniária e segue um caminho aleaório. De oura forma, ao reescrever essa equação, subraindo-se x -1 de ambos os lados, chega-se a x x 1 = a+ ( b 1) x 1+ ε, para enão verificar a hipóese nula de que (b-1) = 0, o que equivale a b=1. Assim, as hipóeses de ineresse são H 0 : a equação coném uma raiz uniária, versus H 1 : a série é esacionária. Uilizando o sofware Eviews, foi realizado o ese ADF sobre a série de logarimo de preços semanais de energia no Brasil. Tendo por base o resulado do ese e os valores críicos da esaísica de ese de Fuller (1976) ilusrados na Tabela 1, não foi possível rejeiar a hipóese nula da presença de raiz uniária a 5% de nível de significância. Por ouro lado, a 10% de significância a hipóese nula seria rejeiada. Tabela 1 - Tese de Raiz Uniária ADF Null Hypohesis: MEDIA_BRASIL has a uni roo Exogenous: Consan Lag Lengh: 8 (Auomaic - based on SIC, maxlag=17) -Saisic Prob.* Augmened Dickey-Fuller es saisic -,6641 0,0813 Tes criical values: 1% level -3,4466 5% level -, % level -,5706 *MacKinnon (1996) one-sided p-values.

12 5 Como observado na lieraura, o ese ADF separadamene apresena pouca robusez conra processos esacionários. A falha ao rejeiar a hipóese nula de presença de raiz uniária pode ser explicada porque a hipóese nula é de fao correa, ou porque não há informação suficiene na amosra, que permia a rejeição. Uma das formas enconradas na lieraura para conornar esa quesão, é adoar de forma complemenar o ese de esacionariedade Kwiakowski-Phillips- Schmid-Shin (KPSS) sobre a série de logarimos dos preços para avaliar se as mesmas conclusões seriam obidas. Nos eses de esacionariedade, a hipóese nula indica a presença de esacionariedade e, porano represenando o conrário do ese de raiz uniária de Dickey-Fuller. Para o ese KPSS, supondo que a série emporal adoada siga um processo do ipo y = α+ r + ε, o erro é o processo esacionário e r = r -1 + u e r é o passeio aleaório em que u ~ iid(0, σ ). Uma vez que a hipóese nula é de u esacionariedade e σ = 0, o processo se ransforma e a parir daí consrói-se a esaísica KPSS: u T = 1 LM = T S / s () l, na qual S é a soma parcial dos desvios dos resíduos em relação a média amosral e a variância de longo prazo é aproximada por s (l). Pelo resulado do ese KPSS na Tabela, percebe-se que o valor da esaísica é menor do que o valor críico a 1%, não sendo possível rejeiar a hipóese nula de que a série é esacionária. De oura forma, ao observar os valores críicos a 5% e 10%, a hipóese nula seria rejeiada. Tabela - Tese de Esacionariedade KPSS Null Hypohesis: MEDIA_BRASIL is saionary Exogenous: Consan Bandwidh: 15 (Newey-Wes auomaic) using Barle kernel LM-Sa. Kwiakowski-Phillips-Schmid-Shin es saisic 0,593 Asympoic criical values*: 1% level 0,739 5% level 0,463 10% level 0,347 *Kwiakowski-Phillips-Schmid-Shin (199, Table 1) Em função dos resulados obidos, a hipóese levanada inicialmene de que a série hisórica de preços de energia elérica (PLD) apresenaria grandes

13 53 variações em suas propriedades esaísicas não é suporada com robusez. Além disso, a análise visual da mesma série demonsra não haver um processo explosivo para esa variável como seria o caso de seguir um Movimeno Geomérico Browniano. Cabe observar que na lieraura, ao se modelar preços de energia elérica, há uma endência a levar em cona a adoção do processo de reversão à média como a modelagem mais adequada. Sendo assim, considerando haver indícios de que o preço da energia elérica no longo prazo revere para um nível de equilíbrio e de que suas propriedades esaísicas se maném consanes, opou-se pela modelagem pelo Movimeno de Reversão à Média (MRM) para o (PLD). Para eviar a uilização de preços negaivos, foi ainda adoado o MRM geomérico conforme proposo por Schwarz (1997) e como já descrio no subiem A parir da modelagem definida, oura quesão imporane diz respeio aos criérios para o levanameno dos parâmeros da série hisórica analisada. O PLD em seu valor deerminado semanalmene para cada paamar de carga com base no Cuso Marginal de Operação, limiado por um preço máximo e mínimo vigenes para cada período de apuração. Dessa forma, é comum na lieraura a exração de parâmeros uilizando direamene a série hisórica semanal do PLD. No enano, o que se percebe é que a ala volailidade desa variável ende muias vezes a não refleir ou aé mesmo superesimar as incerezas presenes em negociações bilaerais para conraos de compra e venda de energia no ACL, cujos preços endem a ser mais esáveis, embora não se enconrem séries disponíveis em mercado. Uma vez que para o projeo avaliado foi considerada a celebração de conraos de venda de energia no ACL por negociações bilaerais com prazo mínimo de 6 meses e máximo de 5 anos, adoou-se como premissa converer a série de preços semanais em semesrais, e somene a parir daí realizar a exração dos parâmeros ambém em base semesral. Os parâmeros requeridos são derivados ao rodar a regressão baseada na Equação (11), cujo resulado esá demonsrado na Figura 7.

14 54 Figura 7 - Regressão das Séries de Reornos do PLD Fone: elaboração própria, com base na CCEE (011). A velocidade de reversão η, assim como a volailidade do processo σ, foram calculadas a parir da série hisórica do PLD, com base nas equações já definidas na seção Em seguida, foi calculado o nível de equilíbrio de longo prazo por a σ S = exp +. Com relação ao preço spo na daa zero ( 1 b) η S E 0, ese foi esimado pelo valor do PLD no momeno da avaliação, já adicionando um ágio de 40,00 R$/MWh, com base em conraos negociados no mercado. Os resulados dos cálculos dos parâmeros semesrais seguem descrios na Tabela 3. Tabela 3 - Parameros para S E S E 0 S E η σ R$/MWh R$/MWh Semesral Semesral 76,37 85,66 0,41 85,73% Fone: elaboração própria.

15 O Modelo Proposo de Aproveiameno da Palha para Fins Energéicos O projeo considera uma usina de cana de açúcar real no Esado de São Paulo, com uma capacidade nominal de processameno de um milhão de oneladas de cana/ano para produzir açúcar e eanol. Em função da usina já funcionar com caldeiras de ala pressão (60 bar), a energia produzida à parir do bagaço é suficiene para suprir a necessidade érmica e elérica da usina e prover energia excedene de cerca de MWh (referene a 10 dias de safra da cana) que já é vendida no mercado à preço fixo, por conrao de longo prazo no Ambiene de Conraação Regulado (ACR). A produção de energia em MWh pode ser expandida em 80% com a inrodução do recolhimeno da palha para fins de cogeração, endo em visa a quanidade de palha disponível considerada e a capacidade de aproveiameno energéico desa biomassa, como observado em Hassuani e al. (005). Pare da palha é queimada (cogeração) durane a safra e o resane é esocado para geração de energia na enressafra da cana, suboalizando 34 dias para a produção de energia. Tendo por base o relaório do CTC, foi adoada a Alernaiva 1 (enfardameno) como roa ecnológica e considerados os percenuais obidos por ese méodo de recolhimeno da palha (ver subseção 3.3). No enano, adoou-se o processo de enfardameno de 50% da palha deixada no campo. Durane o período de colheia, 4% da palha é removida com o colmos (cana propriamene dia) e descarregada na usina em esações de limpeza, enquano pelo menos 50% da palha resane é deixada no campo como coberura naural do solo. Dessa forma, de acordo com a Figura 8, para cada onelada de cana de açúcar, são enfardados 53, kg de palha e levados à usina.

16 56 1 on de colmos da cana 140 kg de palha Colheia Mecanizada 34 kg de palha com a cana 106 kg de palha no campo Enfardameno 53, kg de palha enfardada para a usina 53, kg de palha resane no campo Figura 8 - Disponibilidade da Palha da Cana Fone: elaboração própria com base em Macedo, Leal e Hassuani (001). Com a quanidade de palha definida, é possível agregar aproximadamene MWh à geração anual de energia elérica da usina, a qual pode ser comercializada em conraos de curo prazo no Ambiene de Conraação Livre (ACL), cuja receia sofre influência da volailidade do preço spo de energia (PLD). Os preços e volumes negociados para compra e venda de energia são raados enre as pares envolvidas, por meio de conraos bilaerais. Já os valores reais de consumo e geração de energia são regisrados pela Câmara de Comercialização de Energia Elérica (CCEE). Com base nos conraos e dados de medições regisradas, as diferenças enre o que foi produzido ou consumido e o que foi inicialmene conraado são deerminados e as respecivas diferenças posiivas ou negaivas são liquidadas ao PLD Premissas do Projeo No caso base do projeo em quesão foi considerado o invesimeno (CAPEX) de R$ 4,8 milhões para aquisição de colhedoras, raores e caminhões, máquinas enfardadeiras e reboques para o processo de recuperação, recepção e manejo da palha, somando ainda a área de armazenagem. Esima-se ober 53, kg/c de palha, os quais ao serem levados à usina podem represenar um aumeno de aé 80% na produção de energia excedene (em MWh). O horizone do projeo é de 5 anos, subdivididos em 10 períodos semesrais. A alíquoa de imposo de renda é de 34%. O dealhameno das principais premissas adoadas no projeo pode ser observado na Tabela 4, a seguir.

17 57 Tabela 4 Principais Premissas do Projeo Premissas Valor Unidade Capacidade insalada (geração bagaço + palha) 18 MW Consumo de Energia da Usina ~9 MWmed Preço médio negociado em conraos bilaerais no ACL (ano base 011) 85,7 R$/MWh Período de geração na safra horas Período de geração (bagaço + palha) horas Energia comercializada no ACL pós-expansão 60,5 mil MWh Cusos de produção e rede elérica 0,30 x Receia R$ Despesas com pessoal e serviços gerais 0,05 x Receia R$ Colhedoras, Traores e Caminhões.58,0 R$ (em milhões) Enfardadeiras e Reboques 1.555,9 R$ (em milhões) Área de armazenagem 1.000,0 R$ (em milhões) Invesimeno no Recolhimeno R$ (em milhões) Geração de energia excedene 1.150,0 R$ (em milhões) Inerligação e Isolameno.15,3 R$ (em milhões) Rede elérica indusrial 1.57,3 R$ (em milhões) Subsação elevadora e linha de 15km 1.644,0 R$ (em milhões) Sisema de Conrole e Auomação 1.094,4 R$ (em milhões) Invesimeno Cogeração R$ (em milhões) Invesimeno Toal 3.47 R$ (em milhões) Vida úil da operação (em semesres) 10 períodos Exercício da opção (em semesres) 1 a 5 períodos Taxa de descono 11,9 % Taxa livre de risco 5,5 % Fone: elaboração própria com base em Hassuani, Leal, & Macedo (005). Ainda para o projeo base, a usina invese mais R$ 18,6 milhões para o aumeno no poencial de cogeração. Ese invesimeno compreende ainda a adapação de urbinas a vapor, adapação da infraesruura de inerligação, rede elérica indusrial e subsação, além dos sisemas de conrole e auomação. Considerando o invesimeno na recuperação da palha e na cogeração, o fluxo de caixa deerminísico do projeo F é uma função do preço da energia S E, da geração de energia EE, do cuso variável de produção C E, do cuso fixo de produção FC, alíquoa de imposo de renda T, e depreciação D, como demonsrado na Equação (13). F = ( SE C )* * (1 ) E EE FC D T + D (13) O cuso de capial do projeo foi esimado em 11,9% ao ano e a axa livre de risco de 5,5% ao ano em ermos reais, como será dealhado mais a frene no iem O preço spo da energia S E, já considerando ágio para o projeo base foi de R$ 76,37/MWh na daa da sua avaliação (ouubro de 011).

18 58 Buscou-se, porano, nese esudo, calcular inicialmene o fluxo de caixa deerminísico da venda de energia sem opções reais, dado o invesimeno. A parir daí, foram avaliadas as opções reais disponíveis, analisando não somene a opção de invesir na recuperação e cogeração da biomassa da palha da cana como uma Opção Americana de compra, como ambém a opção de swich (Europeia de roca) enre o fluxo de caixa da venda de energia e o fluxo de caixa da venda de briquees de biomassa. Cabe ainda lembrar que, embora a opção de venda de energia em alguns períodos possa apresenar reornos negaivos, esa opção se enconrará disponível ao longo da vida do projeo, uma vez que o preço esocásico da energia (PLD) revera a um nível de equilíbrio de longo prazo Cuso de Capial do Projeo Nese esudo, para obenção da axa de descono a ser uilizada para a avaliação do projeo, foi esimado o cuso de capial a parir do Capial Asse Pricing Model (CAPM), proposo inicialmene por Sharpe (1964) e Linner (1965) e endo como premissa o endividameno somene aravés de capial próprio. Para ano, foram uilizadas as bases de dados do S&P Capial IQ e Economáica. Pelo CAPM, foi calculada a axa de reorno requerida como a soma da axa livre de risco, mais o produo do risco sisemáico das aividades da indúsria e o prêmio pelo risco de mercado. Ese úlimo corresponde à diferença enre a renabilidade de uma careira diversificada de invesimenos e a axa livre de risco (Brigham, Gapensky e al., 008). O modelo CAPM é descrio pela fórmula a seguir: ( ) k = r + β r r e f m f Onde: k e : cuso de oporunidade do capial próprio; β: risco sisemáico da indúsria sob análise; r f : axa de reorno de um aivo livre de risco; r m : axa de reorno esperada de uma careira diversificada;

19 59 r m - r f : prêmio por risco de mercado; Para o cálculo da axa livre de risco a ser uilizada no modelo CAPM, considerando o ipo de projeo avaliado, qual seja de uma usina de cogeração no Esado de São Paulo, adoou-se como premissa uilizar a axa média anual da Lera Financeira do Tesouro - LFT no ano de 011, como a expecaiva mais adequada para o horizone de vida do projeo. Para ano, esimou-se a média ariméica das médias mensais, chegando-se a axa de 5,5% ao ano em ermos reais, sendo uilizado o IGPM (Índice Geral de Preços do Mercado) como deflaor. Já o prêmio por risco de mercado (r m r f ) pode ser definido como a diferença requerida pelos invesidores para exposição de seus recursos a aivos arriscados, em lugar dos referidos como livres de risco (Gonçalves Junior, Rochman e al., 011). No cálculo do prêmio de risco, o reorno do risco de mercado (r m ) e do reorno da axa livre de risco (r f ), são esimados uilizando a série hisórica para o período de 1995 aé 010, com o objeivo de suavizar a volailidade da série e por represenar um período de maior esabilidade macroeconômica no Brasil. Sendo assim, para o prêmio de risco de mercado, foram uilizadas séries obidas na base de dados da Economáica (01), a parir da qual foi calculada a diferença da série de reornos de um índice do mercado acionário brasileiro (IBRX) e a série de reornos da Lera Financeira do Tesouro - LFT, obendo-se a axa de 11,5% ao ano em ermos reais. No cálculo do bea é esimado como parâmero de medida do risco sisemáico, para refleir o reorno de um deerminado invesimeno vis-à-vis o reorno do mercado como um odo. O valor do bea do projeo (ou o bea considerando financiameno somene por capial próprio, sem dívida) corresponde ao valor do bea desalavancado (unleveraged bea). O bea para o projeo em quesão foi esimado com base nos beas observados das 11 empresas do seor de produos agrícolas da América Laina, lisadas nas respecivas bolsas de valores, como a média no período de 5 anos e exraídos da base de dados do sisema Capial IQ. Em seguida, os beas foram desalavancados pela esruura de capial de cada empresa. Para desalavancar os beas de referência, uilizou-se a axa de imposo nesse mercado (34%) e o nível de endividameno das empresas avaliadas, a parir da equação de Hamada, conforme a seguir:

20 60 βl β U = 1 + (1 ).( DE) Onde: β U : Bea do aivo desalavancado β L : Bea do parimônio ou alavancado (observado em bolsa) D/E : Nível de endividameno de médio/longo prazo : Taxa de imposos (imposo de renda) Para a deerminação do bea (β U ) foi uilizada a média dos beas desalavancados das 11 empresas mencionadas, resulando em um valor de 0,55. De acordo com as considerações aneriores, chega-se a expecaiva de cuso de capial do projeo como sendo de aproximadamene 11,9% ao ano, conforme observado a seguir. Tabela 5 Cuso de Capial do Projeo Composição Taxa Anual Taxa Livre de Risco 5,50% Prêmio de Risco de Mercado 11,50% Bea 0,55, Cuso de Capial do Projeo 11,9% As Opções Reais Avaliadas para o Projeo O radicional méodo de análise pelo Fluxo de Caixa Desconado (FCD) não leva em consideração o valor das flexibilidades presenes em uma usina de geração de energia a parir da biomassa. Foi assumido que uma vez realizado o invesimeno em equipamenos e infraesruura para recuperação da palha e cogeração, a empresa em a alernaiva de fechar conraos de curo prazo para venda de energia no ACL. Da mesma forma, a empresa em a opção de adiar ese invesimeno ao longo do empo, caso considere que o valor esperado para os fluxos de caixa fuuros da venda de energia, não viabilize o projeo no insane zero. Sendo assim, a cada período exise a alernaiva de exercer a opção ou adia-

21 61 la aé o período subsequene, represenando assim uma Opção Americana de invesir no aproveiameno da palha. A incereza do PLD foi modelada na forma discrea, uilizando árvore binomial recombinane não censurada de reversão à média, proposa em Dias, e al. (011), na qual os valores apresenados a cada nó de decisão são fluxos de caixa da venda de energia. O fluxo de caixa desconado que oimiza essa alernaiva, fornece o valor presene deses fluxos de caixa do projeo de forma deerminísica. Para ober uma esruura que descreva o processo de reversão à média considerando opções, com valores em cada nó, após cada movimeno de subida i e movimenos de descida j, é necessário adicionar o valor esocásico x*, ao valor deerminísico de x, como descrio a seguir: ( i j) η( ) η( ) ( ) 0 ( ) = + + σ i+ j i+ j x x 1 e xe i j, Os parâmeros do modelo binomial uilizado na programação dinâmica (DPL) enconram-se descrios a seguir: x + x* = log (S ), no qual: x : é a pare deerminísica do processo; x* : é a porção esocásica modelada como um movimeno ariméico de reversão a média de Ornsein-Uhlenbeck (1930), com média de longo prazo = 0, e parindo de um valor inicial ambém = 0; x* : é modelada como reversão a média recombinane, sendo: x + x = x + σ x = x σ p x 1 1 = + η ( x ) ( x ) η + σ (14) A probabilidade p x em cada nó do processo é calculada pela Equação (14). O comporameno do preço S E é modelado direamene na árvore binomial como

22 6 MRM geomérico, sendo S i, j x i, j = e e risco, na qual λ é prêmio de risco do processo. Nese modelo, ( ) σ λ x = log S, na forma neura a η η Var x σ η e não para como seria o caso do Movimeno Geomérico Browniano (MGB). Iso porque o processo de reversão à media possui variância limiada, como observado por Dixi e Pindyck (1994). Dessa forma, pode-se explicar porque o valor do projeo com o uso do MRM não aumena indefinidamene com o aumeno da volailidade. Para esimação do valor de λ η é realizada aravés de procedimeno numérico no qual, primeiramene, calcula-se o valor presene do fluxo de caixa do projeo base desconado à axa ajusada ao risco. A parir daí, ajusa-se o fluxo de caixa neuro ao risco pelo prêmio de risco λ, que passa a ser desconado à axa livre de risco. Para maiores dealhes sobre o modelo de reversão à média em árvore binomial, sugerimos a leiura de Basian-Pino e al. (007) para o modelo censurado e a aplicação do modelo não censurado em Dias e al. (011). Uma vez que foi omada a decisão de invesir no recolhimeno da palha para aproveiameno energéico, assume-se que além dos R$ 3,4 milhões invesidos, a empresa em a opção de invesir R$ 1 milhão adicional em uma unidade de produção de briquees, que irá permiir a opção de swich enre o fluxo de caixa da venda de energia definido pela Equação (13) e o fluxo de caixa da venda de briquees, pela Equação (15). O fluxo de caixa deerminísico da venda de briquees F B é uma função do preço do briquee S B, do volume produzido de briquees V, do cuso variável de produção C B, do cuso fixo de produção FC B, da alíquoa de imposo de renda T, e da depreciação D, como demonsrado na Equação (15). FB = ( SB C )* * (1 ) B V FC B D T + D (15) Em função das caracerísicas químicas da palha da cana e das resrições ecnológicas para a produção de briquees desa biomassa (FELFLI e al., 011), a produividade é afeada, permiindo que a produção de briquees, seja da ordem de oneladas para cada semesre. O preço médio esimado do briquee é de R$ 00,00/on (TEIXEIRA; PENA; MIGUEL, 010), para o fluxo de caixa no qual

23 63 após dedução de cusos e imposos, além de considerar depreciação, chega-se ao fluxo de caixa livre desconado semesral de aproximadamene R$,9 milhões, com vida úil de 5 anos para o projeo, subdivididos em 10 períodos semesrais, em que ao final considera-se a perpeuidade do mesmo.

2 Processos Estocásticos de Reversão à Média para Aplicação em Opções Reais

2 Processos Estocásticos de Reversão à Média para Aplicação em Opções Reais Processos Esocásicos de Reversão à Média para Aplicação em Opções Reais Resumo Ese capíulo analisa alguns méodos usados na deerminação da validade de diferenes processos esocásicos para modelar uma variável

Leia mais

6 Processos Estocásticos

6 Processos Estocásticos 6 Processos Esocásicos Um processo esocásico X { X ( ), T } é uma coleção de variáveis aleaórias. Ou seja, para cada no conjuno de índices T, X() é uma variável aleaória. Geralmene é inerpreado como empo

Leia mais

4 Método de geração de cenários em árvore

4 Método de geração de cenários em árvore Méodo de geração de cenários em árvore 4 4 Méodo de geração de cenários em árvore 4.. Conceios básicos Uma das aividades mais comuns no mercado financeiro é considerar os possíveis esados fuuros da economia.

Leia mais

3 Metodologia do Estudo 3.1. Tipo de Pesquisa

3 Metodologia do Estudo 3.1. Tipo de Pesquisa 42 3 Meodologia do Esudo 3.1. Tipo de Pesquisa A pesquisa nese rabalho pode ser classificada de acordo com 3 visões diferenes. Sob o pono de visa de seus objeivos, sob o pono de visa de abordagem do problema

Leia mais

4 Metodologia Proposta para o Cálculo do Valor de Opções Reais por Simulação Monte Carlo com Aproximação por Números Fuzzy e Algoritmos Genéticos.

4 Metodologia Proposta para o Cálculo do Valor de Opções Reais por Simulação Monte Carlo com Aproximação por Números Fuzzy e Algoritmos Genéticos. 4 Meodologia Proposa para o Cálculo do Valor de Opções Reais por Simulação Mone Carlo com Aproximação por Números Fuzzy e Algorimos Genéicos. 4.1. Inrodução Nese capíulo descreve-se em duas pares a meodologia

Leia mais

Conceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.

Conceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas. Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma

Leia mais

3 Retorno, Marcação a Mercado e Estimadores de Volatilidade

3 Retorno, Marcação a Mercado e Estimadores de Volatilidade eorno, Marcação a Mercado e Esimadores de Volailidade 3 3 eorno, Marcação a Mercado e Esimadores de Volailidade 3.. eorno de um Aivo Grande pare dos esudos envolve reorno ao invés de preços. Denre as principais

Leia mais

4 O modelo econométrico

4 O modelo econométrico 4 O modelo economérico O objeivo desse capíulo é o de apresenar um modelo economérico para as variáveis financeiras que servem de enrada para o modelo esocásico de fluxo de caixa que será apresenado no

Leia mais

Séries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial

Séries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial Programa de Pós-graduação em Engenharia de Produção Análise de séries de empo: modelos de suavização exponencial Profa. Dra. Liane Werner Séries emporais A maioria dos méodos de previsão se baseiam na

Leia mais

3 Modelos de Markov Ocultos

3 Modelos de Markov Ocultos 23 3 Modelos de Markov Oculos 3.. Processos Esocásicos Um processo esocásico é definido como uma família de variáveis aleaórias X(), sendo geralmene a variável empo. X() represena uma caracerísica mensurável

Leia mais

Prof. Lorí Viali, Dr. UFRGS Instituto de Matemática - Departamento de Estatística

Prof. Lorí Viali, Dr. UFRGS Instituto de Matemática - Departamento de Estatística Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma

Leia mais

4 Análise dos tributos das concessionárias selecionadas

4 Análise dos tributos das concessionárias selecionadas 4 Análise dos ribuos das concessionárias selecionadas Nese capíulo serão abordados os subsídios eóricos dos modelos esaísicos aravés da análise das séries emporais correspondenes aos ribuos e encargos

Leia mais

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc. ECONOMETRIA Prof. Paricia Maria Borolon, D. Sc. Séries Temporais Fone: GUJARATI; D. N. Economeria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006 Processos Esocásicos É um conjuno de variáveis

Leia mais

4 Modelagem e metodologia de pesquisa

4 Modelagem e metodologia de pesquisa 4 Modelagem e meodologia de pesquisa Nese capíulo será apresenada a meodologia adoada nese rabalho para a aplicação e desenvolvimeno de um modelo de programação maemáica linear misa, onde a função-objeivo,

Leia mais

MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA

MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA Nesa abordagem paramérica, para esimar as funções básicas da análise de sobrevida, assume-se que o empo de falha T segue uma disribuição conhecida

Leia mais

5 Solução por Regressão Simbólica 5.1. Introdução

5 Solução por Regressão Simbólica 5.1. Introdução 5 Solução por Regressão Simbólica 5.. Inrodução ese capíulo é descrio um esudo de caso uilizando-se o modelo proposo no capíulo 4. reende-se com esse esudo de caso, mosrar a viabilidade do modelo, suas

Leia mais

Cálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH

Cálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH Cálculo do valor em risco dos aivos financeiros da Perobrás e da Vale via modelos ARMA-GARCH Bruno Dias de Casro 1 Thiago R. dos Sanos 23 1 Inrodução Os aivos financeiros das companhias Perobrás e Vale

Leia mais

4. Modelagem (3) (4) 4.1. Estacionaridade

4. Modelagem (3) (4) 4.1. Estacionaridade 24 4. Modelagem Em um modelo esaísico adequado para se evidenciar a exisência de uma relação lead-lag enre as variáveis à visa e fuura de um índice é necessário primeiramene verificar se as variáveis logarimo

Leia mais

4 O Papel das Reservas no Custo da Crise

4 O Papel das Reservas no Custo da Crise 4 O Papel das Reservas no Cuso da Crise Nese capíulo buscamos analisar empiricamene o papel das reservas em miigar o cuso da crise uma vez que esa ocorre. Acrediamos que o produo seja a variável ideal

Leia mais

Aplicações à Teoria da Confiabilidade

Aplicações à Teoria da Confiabilidade Aplicações à Teoria da ESQUEMA DO CAPÍTULO 11.1 CONCEITOS FUNDAMENTAIS 11.2 A LEI DE FALHA NORMAL 11.3 A LEI DE FALHA EXPONENCIAL 11.4 A LEI DE FALHA EXPONENCIAL E A DISTRIBUIÇÃO DE POISSON 11.5 A LEI

Leia mais

3 Modelo Teórico e Especificação Econométrica

3 Modelo Teórico e Especificação Econométrica 3 Modelo Teórico e Especificação Economérica A base eórica do experimeno será a Teoria Neoclássica do Invesimeno, apresenada por Jorgensen (1963). Aneriormene ao arigo de Jorgensen, não havia um arcabouço

Leia mais

3 Uma metodologia para validação estatística da análise técnica: a busca pela homogeneidade

3 Uma metodologia para validação estatística da análise técnica: a busca pela homogeneidade 3 Uma meodologia para validação esaísica da análise écnica: a busca pela homogeneidade Ese capíulo em como objeivo apresenar uma solução para as falhas observadas na meodologia uilizada por Lo e al. (2000)

Leia mais

3 Metodologia 3.1. O modelo

3 Metodologia 3.1. O modelo 3 Meodologia 3.1. O modelo Um esudo de eveno em como obeivo avaliar quais os impacos de deerminados aconecimenos sobre aivos ou iniciaivas. Para isso são analisadas as diversas variáveis impacadas pelo

Leia mais

Universidade Federal do Rio de Janeiro

Universidade Federal do Rio de Janeiro Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL42 Coneúdo 8 - Inrodução aos Circuios Lineares e Invarianes...1 8.1 - Algumas definições e propriedades gerais...1 8.2 - Relação enre exciação

Leia mais

*UiILFRGH&RQWUROH(:0$

*UiILFRGH&RQWUROH(:0$ *UiILFRGH&RQWUROH(:$ A EWMA (de ([SRQHQWLDOO\:HLJKWHGRYLQJ$YHUDJH) é uma esaísica usada para vários fins: é largamene usada em méodos de esimação e previsão de séries emporais, e é uilizada em gráficos

Leia mais

4 Modelo teórico Avaliação tradicional

4 Modelo teórico Avaliação tradicional 4 Modelo eórico 4.1. Avaliação radicional Em economia define-se invesimeno como sendo o ao de incorrer em um cuso imediao na expecaiva de fuuros reornos (DIXIT e PINDYCK, 1994). Nesse senido as empresas

Leia mais

DEMOGRAFIA. Assim, no processo de planeamento é muito importante conhecer a POPULAÇÃO porque:

DEMOGRAFIA. Assim, no processo de planeamento é muito importante conhecer a POPULAÇÃO porque: DEMOGRAFIA Fone: Ferreira, J. Anunes Demografia, CESUR, Lisboa Inrodução A imporância da demografia no planeameno regional e urbano O processo de planeameno em como fim úlimo fomenar uma organização das

Leia mais

Tipos de Processos Estocásticos

Tipos de Processos Estocásticos Mesrado em Finanças e Economia Empresarial EPGE - FGV Derivaivos Pare 6: Inrodução ao Cálculo Diferencial Esocásico Derivaivos - Alexandre Lowenkron Pág. 1 Tipos de Processos Esocásicos Qualquer variável

Leia mais

3 Referencial teórico

3 Referencial teórico 3 Referencial eórico 3.1. Teoria das Opções Reais As opções reais propiciam uma análise das flexibilidades caracerísicas de deerminado projeo para que, conforme esa análise, um gerene enha um insrumeno

Leia mais

Séries de Tempo. José Fajardo. Agosto EBAPE- Fundação Getulio Vargas

Séries de Tempo. José Fajardo. Agosto EBAPE- Fundação Getulio Vargas Séries de Tempo Inrodução José Faardo EBAPE- Fundação Geulio Vargas Agoso 0 José Faardo Séries de Tempo . Por quê o esudo de séries de empo é imporane? Primeiro, porque muios dados econômicos e financeiros

Leia mais

TRANSFORMADA DE FOURIER NOTAS DE AULA (CAP. 18 LIVRO DO NILSON)

TRANSFORMADA DE FOURIER NOTAS DE AULA (CAP. 18 LIVRO DO NILSON) TRANSFORMADA DE FOURIER NOTAS DE AULA (CAP. 8 LIVRO DO NILSON). CONSIDERAÇÕES INICIAIS SÉRIES DE FOURIER: descrevem funções periódicas no domínio da freqüência (ampliude e fase). TRANSFORMADA DE FOURIER:

Leia mais

Análise de séries de tempo: modelos de decomposição

Análise de séries de tempo: modelos de decomposição Análise de séries de empo: modelos de decomposição Profa. Dra. Liane Werner Séries de emporais - Inrodução Uma série emporal é qualquer conjuno de observações ordenadas no empo. Dados adminisraivos, econômicos,

Leia mais

5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t

5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t 5 Esudo de Casos Para a avaliação dos algorimos online/bach evolucionários proposos nese rabalho, foram desenvolvidas aplicações em problemas de filragem dos esados de um sisema não-linear unidimensional,

Leia mais

5 Metodologia Probabilística de Estimativa de Reservas Considerando o Efeito-Preço

5 Metodologia Probabilística de Estimativa de Reservas Considerando o Efeito-Preço 5 Meodologia Probabilísica de Esimaiva de Reservas Considerando o Efeio-Preço O principal objeivo desa pesquisa é propor uma meodologia de esimaiva de reservas que siga uma abordagem probabilísica e que

Leia mais

5 Erro de Apreçamento: Custo de Transação versus Convenience Yield

5 Erro de Apreçamento: Custo de Transação versus Convenience Yield 5 Erro de Apreçameno: Cuso de Transação versus Convenience Yield A presene seção em como objeivo documenar os erros de apreçameno implício nos preços eóricos que eviam oporunidades de arbiragem nos conraos

Leia mais

GERAÇÃO DE PREÇOS DE ATIVOS FINANCEIROS E SUA UTILIZAÇÃO PELO MODELO DE BLACK AND SCHOLES

GERAÇÃO DE PREÇOS DE ATIVOS FINANCEIROS E SUA UTILIZAÇÃO PELO MODELO DE BLACK AND SCHOLES XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Mauridade e desafios da Engenharia de Produção: compeiividade das empresas, condições de rabalho, meio ambiene. São Carlos, SP, Brasil, 1 a15 de ouubro de

Leia mais

Capítulo 4. Propriedades dos Estimadores de Mínimos Quadrados

Capítulo 4. Propriedades dos Estimadores de Mínimos Quadrados Capíulo 4 Propriedades dos Esimadores de Mínimos Quadrados Hipóeses do Modelo de Regressão Linear Simples RS1. y x e 1 RS. Ee ( ) 0 E( y ) 1 x RS3. RS4. var( e) var( y) cov( e, e ) cov( y, y ) 0 i j i

Leia mais

4 Análise de Sensibilidade

4 Análise de Sensibilidade 4 Análise de Sensibilidade 4.1 Considerações Gerais Conforme viso no Capíulo 2, os algorimos uilizados nese rabalho necessiam das derivadas da função objeivo e das resrições em relação às variáveis de

Leia mais

VI SBQEE. 21 a 24 de agosto de 2005 Belém Pará Brasil

VI SBQEE. 21 a 24 de agosto de 2005 Belém Pará Brasil VI SBQEE 21 a 24 de agoso de 5 Belém Pará Brasil Código: BEL 03 7573 Tópico: Aspecos Conrauais Legais APLICAÇÃO DA MODERNA TEORIA FINANCEIRA NA AVALIAÇÃO DE CONTRATOS DE PERFORMANCE EM QUALIDADE DA ENERGIA

Leia mais

Econometria Semestre

Econometria Semestre Economeria Semesre 00.0 6 6 CAPÍTULO ECONOMETRIA DE SÉRIES TEMPORAIS CONCEITOS BÁSICOS.. ALGUMAS SÉRIES TEMPORAIS BRASILEIRAS Nesa seção apresenamos algumas séries econômicas, semelhanes às exibidas por

Leia mais

UNIVERSIDADE DA BEIRA INTERIOR FACULDADE DE CIÊNCIAS SOCIAIS E HUMANAS DEPARTAMENTO DE GESTÃO E ECONOMIA MACROECONOMIA III

UNIVERSIDADE DA BEIRA INTERIOR FACULDADE DE CIÊNCIAS SOCIAIS E HUMANAS DEPARTAMENTO DE GESTÃO E ECONOMIA MACROECONOMIA III UNIVERSIDADE DA BEIRA INTERIOR FACUDADE DE CIÊNCIAS SOCIAIS E HUMANAS DEPARTAMENTO DE GESTÃO E ECONOMIA MACROECONOMIA III icenciaura de Economia (ºAno/1ºS) Ano ecivo 007/008 Caderno de Exercícios Nº 1

Leia mais

4 Metodologia, aplicações e resultados

4 Metodologia, aplicações e resultados 4 Meodologia, aplicações e resulados Como já discuido na seção 3.1, a flexibilidade proporcionada pelo carro Flex é um exemplo de aplicação da opção de roca de insumo. O proprieário de um auomóvel com

Leia mais

Módulo de Regressão e Séries S Temporais

Módulo de Regressão e Séries S Temporais Quem sou eu? Módulo de Regressão e Séries S Temporais Pare 4 Mônica Barros, D.Sc. Julho de 007 Mônica Barros Douora em Séries Temporais PUC-Rio Mesre em Esaísica Universiy of Texas a Ausin, EUA Bacharel

Leia mais

4 Metodologia R P. = cotação da ação i no final da semana t. 1 Maiores detalhes no ANEXO - 1

4 Metodologia R P. = cotação da ação i no final da semana t. 1 Maiores detalhes no ANEXO - 1 4 Meodologia Com o objeivo de se esar reornos anormais de curíssimo prao para o mercado de ações brasileiro (BOVESPA), ese rabalho foi dividido em rês eapas: Na primeira, usou-se a meodologia de De Bond

Leia mais

Tipos de Processos Estocásticos

Tipos de Processos Estocásticos Mesrado em Finanças e Economia Empresarial EPGE - FGV Derivaivos Pare 7: Inrodução ao álculo Diferencial Esocásico Derivaivos - Alexandre Lowenkron Pág. 1 Tipos de Processos Esocásicos Qualquer variável

Leia mais

Grupo I (Cotação: 0 a 3.6 valores: uma resposta certa vale 1.2 valores e uma errada valores)

Grupo I (Cotação: 0 a 3.6 valores: uma resposta certa vale 1.2 valores e uma errada valores) INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísica II - Licenciaura em Gesão Época de Recurso 6//9 Pare práica (quesões resposa múlipla) (7.6 valores) Nome: Nº Espaço reservado para a classificação (não

Leia mais

Universidade Federal de Lavras

Universidade Federal de Lavras Universidade Federal de Lavras Deparameno de Esaísica Prof. Daniel Furado Ferreira 11 a Teoria da Decisão Esaísica 1) Quais são os erros envolvidos nos eses de hipóeses? Explique. 2) Se ao realizar um

Leia mais

Tabela: Variáveis reais e nominais

Tabela: Variáveis reais e nominais Capíulo 1 Soluções: Inrodução à Macroeconomia Exercício 12 (Variáveis reais e nominais) Na abela seguine enconram se os dados iniciais do exercício (colunas 1, 2, 3) bem como as soluções relaivas a odas

Leia mais

Modelos Não-Lineares

Modelos Não-Lineares Modelos ão-lineares O modelo malhusiano prevê que o crescimeno populacional é exponencial. Enreano, essa predição não pode ser válida por um empo muio longo. As funções exponenciais crescem muio rapidamene

Leia mais

4 Filtro de Kalman. 4.1 Introdução

4 Filtro de Kalman. 4.1 Introdução 4 Filro de Kalman Ese capíulo raa da apresenação resumida do filro de Kalman. O filro de Kalman em sua origem na década de sessena, denro da área da engenharia elérica relacionado à eoria do conrole de

Leia mais

4 Modelo de fatores para classes de ativos

4 Modelo de fatores para classes de ativos 4 Modelo de aores para classes de aivos 4.. Análise de esilo baseado no reorno: versão original (esáica A análise de esilo baseada no reorno é um procedimeno esaísico que visa a ideniicar as ones de riscos

Leia mais

Considere uma economia habitada por um agente representativo que busca maximizar:

Considere uma economia habitada por um agente representativo que busca maximizar: 2 Modelo da economia Uilizaram-se como base os modelos de Campos e Nakane 23 e Galí e Monacelli 22 que esendem o modelo dinâmico de equilíbrio geral de Woodford 21 para uma economia abera Exisem dois países:

Leia mais

IV. METODOLOGIA ECONOMÉTRICA PROPOSTA PARA O CAPM CONDICIONAL A Função Máxima Verosimilhança e o Algoritmo de Berndt, Hall, Hall e Hausman

IV. METODOLOGIA ECONOMÉTRICA PROPOSTA PARA O CAPM CONDICIONAL A Função Máxima Verosimilhança e o Algoritmo de Berndt, Hall, Hall e Hausman IV. MEODOLOGIA ECONOMÉRICA PROPOSA PARA O CAPM CONDICIONAL 4.1. A Função Máxima Verosimilhança e o Algorimo de Bernd, Hall, Hall e Hausman A esimação simulânea do CAPM Condicional com os segundos momenos

Leia mais

Expectativas, consumo e investimento CAPÍTULO 16. Olivier Blanchard Pearson Education Pearson Education Macroeconomia, 4/e Olivier Blanchard

Expectativas, consumo e investimento CAPÍTULO 16. Olivier Blanchard Pearson Education Pearson Education Macroeconomia, 4/e Olivier Blanchard Expecaivas, consumo e Olivier Blanchard Pearson Educaion CAPÍTULO 16 16.1 Consumo A eoria do consumo foi desenvolvida na década de 1950 por Milon Friedman, que a chamou de eoria do consumo da renda permanene,

Leia mais

O Modelo Linear. 4.1 A Estimação do Modelo Linear

O Modelo Linear. 4.1 A Estimação do Modelo Linear 4 O Modelo Linear Ese capíulo analisa empiricamene o uso do modelo linear para explicar o comporameno da políica moneária brasileira. A inenção dese e do próximo capíulos é verificar se variações em preços

Leia mais

Problema de controle ótimo com equações de estado P-fuzzy: Programação dinâmica

Problema de controle ótimo com equações de estado P-fuzzy: Programação dinâmica Problema de conrole óimo com equações de esado P-fuzzy: Programação dinâmica Michael Macedo Diniz, Rodney Carlos Bassanezi, Depo de Maemáica Aplicada, IMECC, UNICAMP, 1383-859, Campinas, SP diniz@ime.unicamp.br,

Leia mais

1 Pesquisador - Embrapa Semiárido. 2 Analista Embrapa Semiárido.

1 Pesquisador - Embrapa Semiárido.   2 Analista Embrapa Semiárido. XII Escola de Modelos de Regressão, Foraleza-CE, 13-16 Março 2011 Análise de modelos de previsão de preços de Uva Iália: uma aplicação do modelo SARIMA João Ricardo F. de Lima 1, Luciano Alves de Jesus

Leia mais

4 Metodologia, aplicações e resultados

4 Metodologia, aplicações e resultados 4 Meodologia, aplicações e resulados Ese capíulo em por objeivo realizar análises quaniaivas e qualiaivas, aravés de conceios de Opções Reais, acerca de alernaivas de invesimenos celulósicos-papeleiros

Leia mais

Teoremas Básicos de Equações a Diferenças Lineares

Teoremas Básicos de Equações a Diferenças Lineares Teoremas Básicos de Equações a Diferenças Lineares (Chiang e Wainwrigh Capíulos 17 e 18) Caracerização Geral de Equações a diferenças Lineares: Seja a seguine especificação geral de uma equação a diferença

Leia mais

5 Método dos Mínimos Quadrados de Monte Carlo (LSM)

5 Método dos Mínimos Quadrados de Monte Carlo (LSM) Méodo dos Mínimos Quadrados de Mone Carlo (LSM) 57 5 Méodo dos Mínimos Quadrados de Mone Carlo (LSM) O méodo LSM revela-se uma alernaiva promissora frene às radicionais écnicas de diferenças finias e árvores

Leia mais

GRUPO XIII GRUPO DE ESTUDO DE INTERFERÊNCIAS, COMPATIBILIDADE ELETROMAGNÉTICA E QUALIDADE DE ENERGIA - GCQ

GRUPO XIII GRUPO DE ESTUDO DE INTERFERÊNCIAS, COMPATIBILIDADE ELETROMAGNÉTICA E QUALIDADE DE ENERGIA - GCQ SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GCQ - 11 16 a 21 Ouubro de 2005 Curiiba - Paraná GRUPO XIII GRUPO DE ESTUDO DE INTERFERÊNCIAS, COMPATIBILIDADE ELETROMAGNÉTICA E

Leia mais

Exercícios sobre o Modelo Logístico Discreto

Exercícios sobre o Modelo Logístico Discreto Exercícios sobre o Modelo Logísico Discreo 1. Faça uma abela e o gráfico do modelo logísico discreo descrio pela equação abaixo para = 0, 1,..., 10, N N = 1,3 N 1, N 0 = 1. 10 Solução. Usando o Excel,

Leia mais

Contabilometria. Séries Temporais

Contabilometria. Séries Temporais Conabilomeria Séries Temporais Fone: Corrar, L. J.; Theóphilo, C. R. Pesquisa Operacional para Decisão em Conabilidade e Adminisração, Ediora Alas, São Paulo, 2010 Cap. 4 Séries Temporais O que é? Um conjuno

Leia mais

3 O Modelo SAGA de Gestão de Estoques

3 O Modelo SAGA de Gestão de Estoques 3 O Modelo SG de Gesão de Esoques O Sisema SG, Sisema uomaizado de Gerência e poio, consise de um sofware conendo um modelo maemáico que permie fazer a previsão de iens no fuuro com base nos consumos regisrados

Leia mais

3 A Formação de Preços dos Futuros Agropecuários

3 A Formação de Preços dos Futuros Agropecuários 3 A ormação de Preços dos uuros Agropecuários Para avaliar a formação de preços nos mercados fuuros agropecuários é necessária uma base de comparação Para al base, esa disseração usa os preços que, em

Leia mais

Critérios e Metodologia de Apuração de Superfície de Volatilidade

Critérios e Metodologia de Apuração de Superfície de Volatilidade Criérios e Meodologia de Apuração de Superfície de Volailidade Diariamene são calculadas superfícies de volailidade implícia de odos os vencimenos de conraos de opções em que há posição em abero e/ou séries

Leia mais

TIR Taxa Interna de Retorno LCF Economia de Recursos Florestais 2009

TIR Taxa Interna de Retorno LCF Economia de Recursos Florestais 2009 TIR Taxa Inerna de Reorno LCF 685-Economia de Recursos Floresais 2009 TIR: Taxa Inerna de Reorno AT Taxa Inerna de Reorno (TIR)de um projeo é aquela que orna o valor presene das receias menos o valor presene

Leia mais

Características dos Processos ARMA

Características dos Processos ARMA Caracerísicas dos Processos ARMA Aula 0 Bueno, 0, Capíulos e 3 Enders, 009, Capíulo. a.6 Morein e Toloi, 006, Capíulo 5. Inrodução A expressão geral de uma série emporal, para o caso univariado, é dada

Leia mais

Modelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indústria de Óleos Vegetais

Modelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indústria de Óleos Vegetais XI SIMPEP - Bauru, SP, Brasil, 8 a 1 de novembro de 24 Modelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indúsria de Óleos Vegeais Regiane Klidzio (URI) gep@urisan.che.br

Leia mais

Motivação. Prof. Lorí Viali, Dr.

Motivação. Prof. Lorí Viali, Dr. Moivação rof. Lorí Viali, Dr. vialli@ma.ufrgs.br hp://www.ma.ufrgs.br/~vialli/ Na práica, não exise muio ineresse na comparação de preços e quanidades de um único arigo, como é o caso dos relaivos, mas

Leia mais

UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA

UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA EAE 206 Macroeconomia I 1º Semesre de 2017 Professor Fernando Rugisky Lisa de Exercícios 3 [1] Considere

Leia mais

3. Garantias governamentais em projetos de infraestrutura

3. Garantias governamentais em projetos de infraestrutura 3. Garanias governamenais em projeos de infraesruura 3.1. lnrodução Nas úlimas décadas a iniciaiva privada em assumido o papel que anes era execuado, exclusivamene, pelo poder público em diversos seores

Leia mais

8 Aplicações e exemplos

8 Aplicações e exemplos 8 Aplicações e exemplos Ese capíulo mosra algumas aplicações práicas dos modelos e apona ouras, de anos exemplos exisenes na lieraura. Os modelos apresenados êm implicações para os agenes que auam nos

Leia mais

4 Análise Empírica. 4.1 Definição da amostra de cada país

4 Análise Empírica. 4.1 Definição da amostra de cada país 57 4 Análise Empírica As simulações apresenadas no capíulo anerior indicaram que a meodologia desenvolvida por Rigobon (2001 é aparenemene adequada para a análise empírica da relação enre a axa de câmbio

Leia mais

Modelos de Crescimento Endógeno de 1ªgeração

Modelos de Crescimento Endógeno de 1ªgeração Teorias do Crescimeno Económico Mesrado de Economia Modelos de Crescimeno Endógeno de 1ªgeração Inrodução A primeira geração de modelos de crescimeno endógeno ena endogeneiar a axa de crescimeno de SSG

Leia mais

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 12º ANO DE ESCOLARIDADE DE MATEMÁTICA A Tema II Introdução ao Cálculo Diferencial II

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 12º ANO DE ESCOLARIDADE DE MATEMÁTICA A Tema II Introdução ao Cálculo Diferencial II ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 2º ANO DE ESCOLARIDADE DE MATEMÁTICA A Tema II Inrodução ao Cálculo Diferencial II TPC nº 9 Enregar em 4 2 29. Num loe de bolbos de úlipas a probabilidade de que

Leia mais

MATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA. Silvio A. de Araujo Socorro Rangel

MATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA. Silvio A. de Araujo Socorro Rangel MAEMÁICA APLICADA AO PLANEJAMENO DA PRODUÇÃO E LOGÍSICA Silvio A. de Araujo Socorro Rangel saraujo@ibilce.unesp.br, socorro@ibilce.unesp.br Apoio Financeiro: PROGRAMA Inrodução 1. Modelagem maemáica: conceios

Leia mais

Escola de Pós-Graduação em Economia da Fundação Getulio Vargas (EPGE/FGV) Macroeconomia I / Professor: Rubens Penha Cysne. Lista de Exercícios 4

Escola de Pós-Graduação em Economia da Fundação Getulio Vargas (EPGE/FGV) Macroeconomia I / Professor: Rubens Penha Cysne. Lista de Exercícios 4 Escola de Pós-Graduação em Economia da Fundação Geulio Vargas (EPGE/FGV) Macroeconomia I / 207 Professor: Rubens Penha Cysne Lisa de Exercícios 4 Gerações Superposas em Tempo Conínuo Na ausência de de

Leia mais

3 A Função de Reação do Banco Central do Brasil

3 A Função de Reação do Banco Central do Brasil 3 A Função de Reação do Banco Cenral do Brasil Nese capíulo será apresenada a função de reação do Banco Cenral do Brasil uilizada nese rabalho. A função segue a especificação de uma Regra de Taylor modificada,

Leia mais

EXAME DE ESTATÍSTICA AMBIENTAL 2ª Época (V1)

EXAME DE ESTATÍSTICA AMBIENTAL 2ª Época (V1) Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (V) I (7 valores) Na abela seguine apresena-se os valores das coordenadas

Leia mais

2. Referencial teórico

2. Referencial teórico Referencial eórico 1 Processos esocásicos De acordo com Hull (1998) qualquer variável cujo valor mude de maneira incera com o empo segue um processo esocásico Muias variáveis subjacenes a projeos podem

Leia mais

Regularização de descargas

Regularização de descargas HIP 11 HIDROLOGIA II Aula 8 Professor Joel Avruch Goldenfum IPH/UFRGS Regularização de descargas vazões naurais exremamene variáveis deve-se compaibilizar a ofera naural com a demanda uso mais harmonioso

Leia mais

DETERMINAÇÃO DA RAZÃO DE HEDGE ÓTIMA PARA O BOI GORDO NO MERCADO FUTURO DA BM&F PELA APLICAÇÃO DA SIMULAÇÃO MONTE CARLO

DETERMINAÇÃO DA RAZÃO DE HEDGE ÓTIMA PARA O BOI GORDO NO MERCADO FUTURO DA BM&F PELA APLICAÇÃO DA SIMULAÇÃO MONTE CARLO XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. DETERMINAÇÃO DA RAZÃO DE HEDGE ÓTIMA PARA O BOI GORDO NO MERCADO FUTURO DA BM&F PELA APLICAÇÃO DA SIMULAÇÃO MONTE CARLO Reginaldo Sanana Figueiredo (UFG)

Leia mais

3 METODOLOGIA E AMOSTRA

3 METODOLOGIA E AMOSTRA 3 METODOLOGIA E AMOSTRA 3.1. Descrição da Amosra Foram uilizados o índice da Bolsa de Valores de São Paulo (Ibovespa) como represenaivo da careira de mercado e os cerificados de depósios inerfinanceiros

Leia mais

3 Árvores Binomiais para Aproximação de Movimento de Reversão à Média, para uso em Opções Reais

3 Árvores Binomiais para Aproximação de Movimento de Reversão à Média, para uso em Opções Reais 3 Árvores Binomiais para Aproimação de Movimeno de Reversão à Média, para uso em Opções Reais Resumo Nese capíulo são proposos dois modelos de árvore binomial recombinane para reversão à média e uso em

Leia mais

Lista de Exercícios nº 3 - Parte IV

Lista de Exercícios nº 3 - Parte IV DISCIPLINA: SE503 TEORIA MACROECONOMIA 01/09/011 Prof. João Basilio Pereima Neo E-mail: joaobasilio@ufpr.com.br Lisa de Exercícios nº 3 - Pare IV 1ª Quesão (...) ª Quesão Considere um modelo algébrico

Leia mais

Prof. Carlos H. C. Ribeiro ramal 5895 sala 106 IEC

Prof. Carlos H. C. Ribeiro  ramal 5895 sala 106 IEC MB770 Previsão usa ando modelos maemáicos Prof. Carlos H. C. Ribeiro carlos@comp.ia.br www.comp.ia.br/~carlos ramal 5895 sala 106 IEC Aula 14 Modelos de defasagem disribuída Modelos de auo-regressão Esacionariedade

Leia mais

ABORDAGEM MULTIOJETIVA PARA SOLUCIONAR UMA MATRIZ ENERGÉTICA CONSIDERANDO IMPACTOS AMBIENTAIS

ABORDAGEM MULTIOJETIVA PARA SOLUCIONAR UMA MATRIZ ENERGÉTICA CONSIDERANDO IMPACTOS AMBIENTAIS ABORDAGEM MULTIOJETIVA PARA SOLUCIONAR UMA MATRIZ ENERGÉTICA CONSIDERANDO IMPACTOS AMBIENTAIS T. L. Vieira, A. C. Lisboa, D. A. G. Vieira ENACOM, Brasil RESUMO A mariz energéica é uma represenação quaniaiva

Leia mais

Teoria do Mercado de Capitais

Teoria do Mercado de Capitais Teoria do Mercado de Capiais Capíulo 9: Ross e all. 1 Inrodução Objeivo de Finanças: avaliação do risco de uma careira de aivos financeiros Risco: é medido em ermos de variações dos preços dos aivos P

Leia mais

2 Conceitos Básicos. 2.1 Alguns Conceitos Básicos de Mercado Futuro

2 Conceitos Básicos. 2.1 Alguns Conceitos Básicos de Mercado Futuro Conceios Básicos.1 Alguns Conceios Básicos de Mercado Fuuro Uma operação de mercado Fuuro pode ser enendida basicamene como um compromisso de compra ou venda de deerminado aivo em cera daa fuura, sendo

Leia mais

Aplicação. Uma famosa consultoria foi contratada por uma empresa. que, entre outras coisas, gostaria de entender o processo

Aplicação. Uma famosa consultoria foi contratada por uma empresa. que, entre outras coisas, gostaria de entender o processo Aplicação Uma famosa consuloria foi conraada por uma empresa que, enre ouras coisas, gosaria de enender o processo gerador relacionado às vendas de deerminado produo, Ainda, o conraane gosaria que a empresa

Leia mais

4 O Fenômeno da Estabilidade de Tensão [6]

4 O Fenômeno da Estabilidade de Tensão [6] 4 O Fenômeno da Esabilidade de Tensão [6] 4.1. Inrodução Esabilidade de ensão é a capacidade de um sisema elérico em maner ensões aceiáveis em odas as barras da rede sob condições normais e após ser submeido

Leia mais

EXAME DE ESTATÍSTICA AMBIENTAL 1ª Época (v1)

EXAME DE ESTATÍSTICA AMBIENTAL 1ª Época (v1) Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (v) I (7 valores) Na abela seguine apresena-se os valores das coordenadas

Leia mais

4 Flexibilidade como fonte de valor na produção de combustíveis alternativos: o caso do etanol brasileiro

4 Flexibilidade como fonte de valor na produção de combustíveis alternativos: o caso do etanol brasileiro 4 Flexibilidade como fone de valor na produção de combusíveis alernaivos: o caso do eanol brasileiro Resumo Geralmene exise um alo grau de flexibilidade gerencial associado à produção de combusíveis alernaivos,

Leia mais

MODELAGEM ESTOCÁSTICA DE SÉRIES FINANCEIRAS PARA APLICAÇÃO EM PROJETOS DE INVESTIMENTO DO SETOR ELÉTRICO

MODELAGEM ESTOCÁSTICA DE SÉRIES FINANCEIRAS PARA APLICAÇÃO EM PROJETOS DE INVESTIMENTO DO SETOR ELÉTRICO GAE/ 14 17 à de ouubro de 1999 Foz do Iguaçu Paraná - Brasil GRUPO VI GRUPO DE ESTUDOS DE ASPECTOS EMPRESARIAIS (GAE) MODELAGEM ESTOCÁSTICA DE SÉRIES FINANCEIRAS PARA APLICAÇÃO EM PROJETOS DE INVESTIMENTO

Leia mais

5 MERCADO FUTURO DE ENERGIA ELÉTRICA

5 MERCADO FUTURO DE ENERGIA ELÉTRICA 5 MERCADO FUTURO DE ENERGIA ELÉTRICA O mercado fuuro permie fixar / limiar o preço fuuro dos produos aravés de conraos e dessa forma permie aos agenes de produção e consumo gerenciar a incereza sobre o

Leia mais

ANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO

ANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. ANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO Breno Richard Brasil Sanos

Leia mais

3 Processos Estocásticos

3 Processos Estocásticos 3 Processos Esocásicos Um processo esocásico pode ser definido como uma seqüência de variáveis aleaórias indexadas ao empo e ambém a evenos. É uma variável que se desenvolve no empo de maneira parcialmene

Leia mais

Função de risco, h(t) 3. Função de risco ou taxa de falha. Como obter a função de risco. Condições para uma função ser função de risco

Função de risco, h(t) 3. Função de risco ou taxa de falha. Como obter a função de risco. Condições para uma função ser função de risco Função de risco, h() 3. Função de risco ou axa de falha Manuenção e Confiabilidade Prof. Flavio Fogliao Mais imporane das medidas de confiabilidade Traa-se da quanidade de risco associada a uma unidade

Leia mais

Exportações e Consumo de Energia Elétrica: Uma Análise Econométrica Via Decomposição do Fator Renda.

Exportações e Consumo de Energia Elétrica: Uma Análise Econométrica Via Decomposição do Fator Renda. XVIII Seminário Nacional de Disribuição de Energia Elérica Olinda - Pernambuco - Brasil SENDI 2008-06 a 0 de ouubro Exporações e Consumo de Energia Elérica: Uma Análise Economérica Via Decomposição do

Leia mais