6 Construção de Cenários



Documentos relacionados
4 Avaliação Econômica

Este capítulo é divido em duas seções, a primeira seção descreve a base de

Opções Reais. Processos Estocásticos. Processos Estocásticos. Modelando Incerteza. Processos Estocásticos

Análise de Sensibilidade

Avaliação dos projetos de E&P implantados sob a perspectiva da Análise de Riscos Econômicos

1. Introdução. 1.1 Introdução

Aula 04 Método de Monte Carlo aplicado a análise de incertezas. Aula 04 Prof. Valner Brusamarello

Modelagem e Simulação Material 02 Projeto de Simulação

Curso CPA-10 Certificação ANBID Módulo 4 - Princípios de Investimento

Capítulo 3. Avaliação de Desempenho. 3.1 Definição de Desempenho

Qual é o risco real do Private Equity?

Gerenciamento de Projetos Técnicas e Ferramentas iniciais

Empresa de Pesquisa Energética (EPE) Analista de Projetos da Geração de Energia


COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA METODOLOGIA DE MONTE CARLO

Tecnologia em Gestão Pública Desenvolvimento de Projetos - Aula 9 Prof. Rafael Roesler

3 Método de Monte Carlo

Ponto de vista. Metodologia para um índice de confiança. E expectativas das seguradoras no Brasil

Método Monte Carlo e a ferramenta do Crystal Ball utilizados na indústria do petróleo: projeções de royalties

Uma análise econômica do seguro-saúde Francisco Galiza Outubro/2005

4 Metodologia de Gerenciamento Integrado de Riscos

Estimativas de Software Fundamentos, Técnicas e Modelos... e o principal, integrando isso tudo!

Simulação Computacional de Sistemas, ou simplesmente Simulação

Gerenciamento de Riscos do Projeto Eventos Adversos

Figura 1.1: Exemplo de links patrocinados no Google

Universidade Federal de Alfenas

CURSO ON-LINE PROFESSOR GUILHERME NEVES

6 Análise dos resultados

3 Classificação Resumo do algoritmo proposto

Projeto de Sistemas I

MÓDULO 6 INTRODUÇÃO À PROBABILIDADE

Potencial Econômico dos Clientes dos Corretores de Seguros Independentes do Estado de São Paulo Francisco Galiza

Tabela de Símbolos. Análise Semântica A Tabela de Símbolos. Principais Operações. Estrutura da Tabela de Símbolos. Declarações 11/6/2008

Value at Risk (VaR) Introdução. Introdução. Prf. José Fajardo FGV-EBAPE

Risco e Retorno dos Investimentos. Paulo Pereira Ferreira Miba 507

dissertação. 2 Credibilidade total, em linhas gerais, seria a capacidade de representar o comportamento

A ANÁLISE FUNDAMENTALISTA PARA A FORMAÇÃO DE UMA CARTEIRA DE AÇÕES: ESTUDO DAS EMPRESAS QUE COMPÕEM O ÍNDICE DE ENERGIA ELÉTRICA DA BM&FBOVESPA

Texto para Coluna do NRE-POLI na Revista Construção e Mercado Pini Abril 2012

5 Considerações finais

Perfil de investimentos

Cláudio Tadeu Cristino 1. Julho, 2014

CAPÍTULO 9 RISCO E INCERTEZA

DEMONSTRAÇÕES FINANCEIRAS COMBINADAS

Redução do Encalhe de Jornais Impressos. Como transformar informação em resultado

MODELAGEM E SIMULAÇÃO

5 Considerações finais 5.1. Reflexões sobre os resultados

UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo

Engenharia de Software II: Desenvolvendo o Orçamento do Projeto. Prof. Msc Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br

por João Gomes, Director Executivo do Instituto de Planeamento e Desenvolvimento do Turismo e Professor Associado da Universidade Fernando Pessoa

DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE

O que é a estatística?

RELACÃO CANDIDATOS E VAGAS NO VESTIBULAR PARA O CURSO DE ADMINISTRAÇÃO EM AGRONEGÓCIOS DE 2007/1 A 2010/2 - UNEMAT/ CUTS

DETERMINAÇÃO DE EPICENTROS E HIPOCENTROS

Estudo da Viabilidade da utilização de Cartão de Crédito para um Grupo de Clientes Essenciais

Aplicação do algoritmo genético na otimização da produção em indústrias de açúcar e álcool

NECESSIDADE DE CAPITAL DE GIRO E OS PRAZOS DE ROTAÇÃO Samuel Leite Castelo Universidade Estadual do Ceará - UECE

Disciplina: Introdução à Informática Profª Érica Barcelos

Aula 09 Matemática Financeira. Princípios Fundamentais da Engenharia Econômica

ser alcançada através de diferentes tecnologias, sendo as principais listadas abaixo: DSL (Digital Subscriber Line) Transmissão de dados no mesmo

'DGRVGH(QWUDGD SDUD D6LPXODomR

3 Metodologia de Gerenciamento de Riscos

PROFESSOR: CRISTIANO MARIOTTI

RESOLUÇÃO CFC Nº /09. O CONSELHO FEDERAL DE CONTABILIDADE, no exercício de suas atribuições legais e regimentais,

República Federativa do Brasil Ministério da Fazenda PRECIFICAÇÃO DE TÍTULOS PÚBLICOS

TEORIA DO RISCO. LUIZ SANTOS / MAICKEL BATISTA economia.prof.luiz@hotmail.com maickel_ewerson@hotmail.com

Precificação de Títulos Públicos

5 Modelagem: Aplicação a um Projeto de Troca de Aparelhos de Ar Condicionado

Gerenciamento de Projeto: Criando o Termo de Abertura II. Prof. Msc Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br

Variação dos Custos Médicos Hospitalares VCMH/IESS Data-base - junho de 2010

TRABALHO DE ECONOMIA:

Projeto Supervisionado

Metodologias de Desenvolvimento de Sistemas. Analise de Sistemas I UNIPAC Rodrigo Videschi

Prof. Cleber Oliveira Gestão Financeira

1. Conceitos Básicos de Avaliação de Projetos 2. Classificação dos Projetos de Investimento 3. Estudos prévios

Plano de Negócios

2. Método de Monte Carlo

5 Considerações finais

Carga dos alimentadores

Vetores Aleatórios, correlação e conjuntas

Teoria de Filas. Prof. Gustavo Leitão. Campus Natal Central. Planejamento de Capacidade de Sistemas

Introdução. 1. Introdução

DISTRIBUIÇÕES DE PROBABILIDADE

Universidade Federal de Uberlândia Brasil

Cálculo Aproximado do número PI utilizando Programação Paralela

4 Arquitetura básica de um analisador de elementos de redes

FATEC Cruzeiro José da Silva. Ferramenta CRM como estratégia de negócios

Capítulo 7 Medidas de dispersão

Política de Gestão de Riscos Tese Investimentos. Junho/2016

ANÁLISE ECONÔMICA DA CULTURA DE ALGODÃO EM SISTEMAS AGRÍCOLAS FAMILIARES MARÍA GLORIA CABRERA ROMERO; OSMAR DE CARVALHO BUENO;

Ivan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente:

Cálculo de amostra para monitoria de qualidade em Call Center

ipea A EFETIVIDADE DO SALÁRIO MÍNIMO COMO UM INSTRUMENTO PARA REDUZIR A POBREZA NO BRASIL 1 INTRODUÇÃO 2 METODOLOGIA 2.1 Natureza das simulações

Podemos encontrar uma figura interessante no PMBOK (Capítulo 7) sobre a necessidade de organizarmos o fluxo de caixa em um projeto.

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.

REDES BAYESIANAS. Palavras-chave: Redes bayesianas, Grafo, Estrutura de Dados, Inteligência artificial.

Práticas de Marketing relacionadas com o sucesso no lançamento de novos produtos

Planejamento Estratégico de TI. Prof.: Fernando Ascani

COMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder

Modelo Cascata ou Clássico

Transcrição:

6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência. 6.1. Parâmetros Estocásticos Para considerar incerteza no modelo, alguns parâmetros serão considerados estocásticos. De acordo com Escudero, Quintana e Salmerón (1999), três abordagens são tipicamente utilizadas para representar os parâmetros estocásticos: pelo seu valor médio (ou valor esperado), em termos de distribuição de probabilidade contínua que descreve cada item ou utilizando uma coleção de cenários discretos. A caracterização desses parâmetros simplesmente como valores médios parece vago e pode não representar a situação real na maioria dos casos. A solução obtida com valores médios pode conduzir a inviabilidade se ocorrer cenário diferente daquele dado pelos valores médios. A alternativa de considerar a distribuição de probabilidade contínua desses parâmetros implícita no modelo é uma abordagem realística. Porém, ela lida com modelos muito complicados, uma vez que requer o conhecimento de um grande conjunto de dados históricos e teoria estatística, além de necessitar de algoritmos complexos para solucionar o modelo. Dessa forma, a alternativa de representação através de cenários discretos é a mais prática e que será utilizada neste trabalho. no modelo. A seguir serão descritos os cenários de cada parâmetro incerto considerado

78 6.1.1. Oferta de Petróleo e Demanda de Derivados Oferta de petróleo e demanda de derivados são fatores que estão sujeitos a variações em função de forças do mercado e afetam os resultados de uma cadeia integrada de petróleo e derivados. Para avaliar o impacto destas variações, esses parâmetros serão considerados incertos no modelo. Para representar os cenários discretos serão consideradas 3 possibilidades para cada um dos fatores mencionados. Os dados de demanda de derivados e oferta de petróleo foram baseados no Plano Decenal de Expansão de Energia (PDE, 2007), formulado pela Empresa de Pesquisa Energética (EPE). Demanda de derivados As três possíveis realizações de demanda de derivados consideradas são representadas por cenários que correspondem a: demanda média, acima da demanda média, e abaixo da demanda média. O cenário de demanda média foi baseado no PDE (2007) e considerado como cenário referência, ou seja, o mais provável. Este cenário utiliza como premissa econômica forte crescimento de consumo, baseado principalmente na redução do patamar de inflação. Detalhes destes cenários são colocados na Tabela 6.1. Tabela 6.1 - Características da Construção de Cenários para Demanda de Derivado 1 Variação do valor esperado (%) Probabilidade de Ocorrência Abaixo da Acima da Demanda Média Demanda Média Demanda Média (Possibilidade 1) (Possibilidade 2) (Possibilidade 3) -15% 0 +15% 25% 50% 25% 1 A variação do valor esperado para os casos Abaixo e Acima da Demanda Média foram arbitrados, assim como a probabilidade de ocorrência de cada possibilidade.

79 Vale ressaltar que as possibilidades de demanda de produtos finais são consideradas apenas para o mercado interno, pois o modelo considera um valor muito alto para demanda de derivados externa. Oferta de Petróleo As três possíveis realizações de oferta de petróleo consideradas são representadas por cenários que correspondem à: oferta média, oferta pesado, e oferta leve. O cenário de oferta média foi baseado no PDE (2007) e considerado como cenário referência, ou seja, o mais provável. Este cenário se baseia nas reservas de produção de petróleo descobertas e a descobrir. Detalhes destes cenários são colocados na Tabela 6.2. Tabela 6.2 - Características da Construção de Cenários para Oferta de Petróleos 2 Variação dos petróleos mais PESADOS em relação ao valor esperado (%) Variação dos petróleos mais LEVES em relação ao valor esperado (%) Oferta Pesada Oferta Média Oferta Leve (Possibilidade 1) (Possibilidade 2) (Possibilidade 3) +5% 0-5% -10% 0 +10% Probabilidade de Ocorrência 25% 50% 25% O primeiro caso, chamado de Oferta Pesado, é um cenário de oferta alta de petróleo pesado e oferta baixa de petróleo leve. No terceiro caso, Oferta Leve, a oferta de petróleos leves é alta em comparação a oferta de pesados. Como existe grande quantidade de petróleos pesados nas reservas já descobertas, a oferta deste tipo de petróleo possui menor incerteza, por isso foi utilizada uma variação de apenas +/-5% para as possibilidades 1 e 3. Por outro lado, existe uma expectativa 2 A variação do valor esperado para os casos Oferta Pesada e Oferta Leve foram arbitrados, assim como a probabilidade de ocorrência de cada possibilidade.

80 de petróleos mais leves em reservas a descobrir, o que gera maior incerteza na oferta deste tipo de petróleo. Por este motivo foi utilizada uma variação de +/-10% na oferta de petróleos leves para as possibilidades 1 e 3. Da mesma forma que para demanda de derivados, a variação na oferta de petróleo é considerada apenas para a produção de óleos nacionais. 6.1.2. Preço de Petróleo e Derivados O preço do petróleo é uma variável que depende de diversos fatores do ambiente político e econômico mundial, o que torna sua previsão incerta. Como os preços dos derivados são influenciados pelo preço do petróleo, sua estimativa também possui incertezas. Para construir os cenários discretos de preços de petróleo e derivados, foi utilizada a metodologia de processo estocástico de reversão à média. Este processo estocástico é o mais adequado, em termos econômicos, para modelar preços de commodities, especialmente sob a ótica de longo prazo (Dias, 1996). A equação (6.1) descreve este processo. P t = P + k P dt σp ε dt (6.1) t 1 ( θ t 1 ) + t 1 t Onde: P t Preço no período t P t 1 Preço no período (t-1) k velocidade anual de reversão θ - média de longo prazo para P σ - volatilidade ε - componente aleatório, com densidade N(0,1) Este processo procura descrever a evolução no tempo dos preços, utilizando parâmetros baseados nos valores históricos do mesmo. Os valores dos parâmetros foram obtidos a partir do resultado de um trabalho realizado na Petrobras, onde os mesmos foram estimados com base em um histórico de preços

81 mensais de aproximadamente vinte anos. Baseado neste processo foi possível gerar, através de simulação de Monte Carlo com 5.000 iterações, uma curva de distribuição de probabilidade para preços do Brent (petróleo referência) e para os preços de cada derivado em cada período do horizonte de tempo considerado. Vale ressaltar que foi realizada uma discretização anual e considerado um horizonte de 10 anos. A Figura 6.1 exemplifica essa situação da distribuição de preços do Brent em cada período. 100 90 80 70 Preço (US$/bbl) 60 50 40 30 20 10 0 1 2 3 4 5 6 7 8 9 10 Período Figura 6.1 Distribuições de Preço do Brent por Período O processo estocástico utilizado para os derivados também foi de reversão a média, porém com o componente aleatório (ε) correlacionado com o processo do Brent, já que essas variáveis possuem forte correlação entre si. As distribuições dos preços dos derivados por período apresentam um comportamento similar ao do preço do Brent. Para a análise pretendida neste trabalho foram construídos 3 cenários discretos de preço, a partir dos resultados obtidos com a simulação de Monte Carlo. Os cenários são caracterizados por: médio, abaixo da média e acima da média. A seguir será apresentada a lógica de extração de preços do Brent para cada um dos três cenários considerados. A mesma lógica se aplica para preços de derivados. Para cada período de tempo, foram expurgados do horizonte de análise os dados que se localizam nos extremos da curva de distribuição de preços. Só foram considerados os valores que estão, no máximo, a um desvio padrão (σ) da média,

82 representando aproximadamente 70% da amostra total. Estes valores foram divididos em três faixas uma para cada cenário - conforme a Figura 6.2 (período 1). 250 200 150 100 1 2 3 50 0 -σ -σ/ 3 +σ/ 3 +σ 2 8 14 20 26 32 38 44 50 56 62 68 74 80 86 92 98 104 110 116 122 128 134 140 146 Preço do Brent (US$/ bbl) Figura 6.2 Distribuição de Preço do Brent no Período 1 As médias dos dados em cada uma das faixas (1, 2 e 3) foram tomadas como sendo os preços discretos do Brent no período, para os cenários abaixo da média, médio e acima da média, respectivamente. Este procedimento foi repetido para todos os períodos e também para os preços de derivados. Vale ressaltar que os preços de cada tipo de petróleo foram calculados a partir de uma defasagem em relação ao preço do Brent, tomado como referência. As probabilidades de cada cenário foram calculadas a partir da divisão da quantidade de dados em cada faixa, dividida pela quantidade de dados na amostra considerada. Isto está expresso na Tabela 6.3.

83 Tabela 6.3 - Características da Construção de Cenários para Preços de Petróleo e Derivados Abaixo do Acima do Preço Preço Médio Preço Médio Médio (Possibilidade 1) (Possibilidade 2) (Possibilidade 3) Probabilidade de Ocorrência 30% 40% 30% 6.2. Construção dos Cenários Apesar do aumento exponencial resultante no tamanho do problema, a abordagem de análise de cenário tem sido amplamente aplicada e invocada na literatura aberta e foi comprovada em fornecer resultados confiáveis e práticos (Gupta e Maranas, 2003; 2000 citados por Khor, 2006). Foi adotada a premissa de que os parâmetros incertos considerados são variáveis aleatórias independentes, ou seja, a ocorrência de uma possibilidade de um parâmetro não influencia na ocorrência de outro parâmetro. Esta premissa, apesar de não ser totalmente realística, não traz prejuízos ao resultado do modelo e simplifica a construção de cenários. Dessa forma os cenários foram construídos baseados nas possibilidades de oferta de petróleo, demanda de derivados e preço. A partir do cruzamento dessas possibilidades, é possível gerar 27 cenários diferentes. Porém, por questões computacionais e escopo deste trabalho, foi simulado o modelo com 12 cenários no máximo. Foi feito teste com modelo de porte superior (até 27 cenários), todavia com a plataforma de hardware disponível (memória RAM de 2 GB e processador de 1.80 GHz), o software CPLEX 10.1 não conseguiu encontrar solução para casos com mais de 12 cenários (processamento termina por falta de recursos). Os cenários que foram considerados em uma primeira abordagem e suas respectivas probabilidades de ocorrência estão representados na Figura 6.3.

84 OFERTA DE PETRÓLEOS DEMANDA DE DERIVADOS PREÇO PETRÓLEO E DERIVADOS CENÁRIOS Abaixo (30%) CENÁRIO 1 13% Média (67%) Média (40%) CENÁRIO 2 18% Base (67%) Acima (30%) CENÁRIO 3 13% Abaixo (30%) CENÁRIO 4 7% Acima (33%) Média (40%) CENÁRIO 5 9% Acima (30%) CENÁRIO 6 67 Abaixo (30%) CENÁRIO 7 7% Média (67%) Média (40%) CENÁRIO 8 9% Pesados (33%) Acima (30%) CENÁRIO 9 7% Abaixo (30%) CENÁRIO 10 3% Acima (33%) Média (40%) CENÁRIO 11 4% Acima (30%) CENÁRIO 12 3% Figura 6.3 Abordagem 1 - Construção de 12 Cenários Na abordagem 1 são consideradas duas possibilidades de oferta de petróleo, duas possibilidades de demanda de derivados e três possíveis realizações de preço, totalizando 12 cenários distintos. As novas probabilidades das possibilidades de oferta de petróleos e demanda de derivados foram calculadas por proporção linear (regra de três). A probabilidade de cada cenário é calculada pela multiplicação da probabilidade de ocorrência de cada possível realização considerada no cenário. Para abranger as possibilidades de demanda e oferta não consideradas na abordagem 1, foram construídos outros dois conjuntos, com 9 cenários cada um. Esses conjuntos de cenários são contemplados nas abordagens 2 e 3 e ilustrados nas figuras 6.4 e 6.5, respectivamente.

Figura 6.4 Abordagem 2 - Construção de 9 Cenários sem Variação de Preço 85

86 Figura 6.5 - Abordagem 3 - Construção de 9 Cenários sem Variação de Oferta de Petróleo A abordagem 2 só considera variação de oferta de petróleo e demanda de derivados, ou seja, é um conjunto de cenários sem variação de preço. Já a abordagem 3 não considera variação de oferta de petróleos. Foram feitas simulações para cada uma das abordagens descritas nesta seção. Os resultados obtidos para cada uma serão apresentados no capítulo 7.