09/08/2013

1
MODELOS DE DECISO
APLICADOS ANLISE DE
INVESTIMENTO
1
COMPONENTES DO MODELO DECISRIO
Em termos gerais a teoria decisria trata de
decises com relao natureza.
O RETORNO DE UMA DECISO INDIVIDUAL
DEPENDE DA AO DE OUTRO
PARTICIPANTE DENOMINADO ESTADO DE
NATUREZA ( parte incontrolvel do processo)
DEPENDENDO
DO ESTADO DE
NATUREZA
DECISO COM CERTEZA
DECISO COM RISCO
DECISO COM INCERTEZA
2
09/08/2013
2
TRS CLASSES DE MODELOS DE DECISO

Decises com certeza: aquela na qual se sabe que
estado de natureza acontecer. Gera os chamados
modelos determinsticos.
Decises com Risco: refere-se a uma classe de modelos
decisrios (denominada modelos probabilsticos)
para os quais h mais de um estado de natureza e
para os quais fazemos pressupostos de quem toma as
decises pode chegar a uma estimativa de
probabilidade para a ocorrncia de cada um
dos vrios estados de natureza.

EXEMPLO: DISTRIBUIO DE
PROBABILIDADE DA DEMANDA
3
TRS CLASSES DE MODELOS DE DECISO
Decises com incerteza: existe mais de um estado
de natureza possvel, mas agora quem toma as
decises no quer ou no pode especificar as
probabilidades de que vrios estados de natureza
acontea.
Exemplo de mtodo:
Critrio de Laplace
4
09/08/2013
3
TCNICAS PARA ANLISE DE PROJETOS DE
INVESTIMENTO

Nos tpicos anteriores que tratavam da anlise
econmica de investimentos, os valores estimados
de custos e receitas foram calculados como se
fossem previses no tendenciosas. Assim o
trabalho dos gestores estaria limitado
basicamente a escolher a taxa de retorno
apropriada e calcular o valor presente dos fluxos
de caixa....

Na prtica isso suficiente?
5
TCNICAS PARA ANLISE DE PROJETOS DE
INVESTIMENTO
O objetivo deste tpico discutir as tcnicas
usadas no planejamento e no controle de um
projeto de investimento, de modo que o gestor
possa ter uma viso melhor da sensibilidade do
empreendimento s mudanas nas principais
variveis, tanto dentro de cenrios previstos
quanto imprevistos!!!!!!!!!!!!!!!
Estudaremos trs ferramentas para auxiliar
neste processo:
Simulao de
Monte Carlo
Anlise de
Sensibilidade rvore de
Deciso
6
09/08/2013
4
SIMULAO DE MONTE CARLO
Ferramenta 01 7
SIMULAO DE MONTE CARLO
Representa um mtodo que permite simular
caminhos para a evoluo do fenmeno, at
encontrarmos uma aproximao satisfatria que o
explique.

Desta forma quando utilizada uma frmula
matemtica para determinar o valor de uma varivel,
o resultado encontrado representa uma resposta
exata, mas nem sempre reflete fielmente a realidade.

J quando utilizada a SMC, o objetivo no
encontrar um resultado exato e nico, mas a
distribuio de valores que melhor descreva o
comportamento do fenmeno estudado.
UTILIZADO EM DECISES QUE ENVOLVEM
RISCO!!!!
8
09/08/2013
5
SIMULAO DE MONTE CARLO
Os fatores incertos do projeto passam ento a
representar variveis aleatrias
O comportamento dessas variveis aleatrias
passa portanto a ser descrito por uma distribuio
de probabilidades.
Em Finanas, a simulao de Monte Carlo indicada para lidar com
problemas de oramentao de capital, avaliao de carteiras de
investimentos, gerenciamento de riscos sobre taxas de juros, clculo
do VAR ( Valuer at Risk); clculo do CF@R ( Cash Flow at Risk), entre
outros.
FERRAMENTA EMPREGADA EM
PRINCIPALMENTE EM PROBLEMAS
MULTIDIMENSIONAIS
Exemplo Variveis aleatrias em anlise de investimento:
demanda por um produto!!!!!!!!
9
DISTRIBUIES DE PROBABILIDADE
A probabilidade a parte da matemtica utilizada
para modelar a incerteza que ocorre na natureza, na
cincia e nos negcios. Logo ela auxilia na modelagem
do comportamento de uma varivel aleatria!!
Tipos de modelos probabilsticos:
Discretos: Estuda a probabilidade da varivel
aleatria assumir valor x.
Distribuio
Uniforme
Discreta
Distribuio
Binomial
Distribuio de
Poisson
P(X=x)
10
09/08/2013
6
DISTRIBUIES DE PROBABILIDADE
Tipos de modelos probabilsticos:
Contnuos: Estuda a probabilidade da varivel
aleatria assumir um valor menor ou igual a x.
Distribuio
Uniforme
Contnua
Distribuio
Exponencial
Distribuio
Normal
P ( a x b)= f(x) dx
a
b
11
DISTRIBUIES MULTIVARIADAS
As distribuies multivariadas so utilizadas
quando h mais de uma varivel aleatria em
considerao, desta forma passa a existir a lgica
de distribuio conjunta.

o Distribuio Conjunta:

F
x,y
( x, y) = a probabilidade de que a varivel
aleatria X assuma o valor x e a varivel
aleatria Y assuma o valor y.

OBS: A palavra e nesse caso indica que os dois
eventos (x,y) tm que acontecer.
09/08/2013
7
Este teste utilizado por meio da comparao entre freqncias esperadas
e observadas , segundo um modelo probabilstico qualquer.O teste se
baseia nas seguintes hipteses:

H
0
: a amostra selecionada de uma populao que segue a distribuio
definida;
H
1
: a amostra no selecionada de uma populao que segue a distribuio
definida;
A estatstica de teste x
2
calc
comparada com um valor tabelado, caso x
2
calc
>
x
2
tab
rejeita-se a hiptese nula.


Onde:
O
i:
a frequncia observada na amostra;
E
i :
a frequencia esperada caso uma varivel siga uma determinada
distribuio

i
2
i
r
1 i
i
calc
2
E
) E O (
x

13
Kolmogorov e Smirnov desenvolveram um mtodo para testar a aderncia entre o
modelo escolhido e o real . Neste teste a varivel de teste a maior diferena
observada entre a funo de distribuio acumulada de uma determinada
distribuio e a funo distribuio acumulada da amostra.

H
0
:F(X)=F
0
(X) para todo o valor de x;
H
1:
F(X) F
0
(X) para pelo menos um valor de x.

Onde:
F(X): funo acumulada a partir da amostra


F
0
(X): funo acumulada a partir de uma distribuio acumulada


Se d for maior que o valor crtico, rejeita-se a hiptese nula.

) X ( F ) X ( F max d
0

14
09/08/2013
8
DIFERENA ENTRE SIMULAO E
OTIMIZAO
MODELO DE OTIMIZAO: Os valores das
variveis de deciso so sadas. Ou seja, o modelo
fornece um conjunto de valores para as variveis
de deciso que maximiza ( ou minimiza) o valor
da funo objetivo.
MODELO DE SIMULAO: os valores das
variveis so entradas. O modelo avalia a funo
objetivo para um determinado conjunto de
variveis.
15
OS PASSOS DA SIMULAO DE MONTE CARLO
1)Construo do
Modelo
A) Construo da
funo objetivo
B) Identificao
das Variveis
aleatrias a
serem simuladas
2)Estimao da
Distribuio de
Probabilidade das
Variveis
Aleatrias
A) Levantamento da
Srie Histrica das
Variveis aleatrias
B) Estimao da
Distribuio de
Probabilidade via
srie histrica por
Meio da aplicao do
Teste de Adequao
de Distribuio.
3)Utilizao do
Gerador aleatrio
de Nmeros (
Variveis discretas
ou contnuas)
A) Designao de
um gerador cujos
valores tenham a
mesma
probabilidade de
ocorrer
4)Clculo da
distribuio de
probabilidade para
a funo objetivo
A) Estimao dos
percentis, Mdia,
desvios, etc...
16
09/08/2013
9
O GERADOR DE VARIVEIS ALEATRIAS
O gerador de variveis aleatrias, tem como funo viabilizar a
retirada de uma amostra aleatria de uma distribuio de
probabilidades.
Exemplo: fcil pensar em um dispositivo fsico que pudesse
ser usado para gerar a demanda de um dado modelo. Suponha
que exista a previso da demanda por ometeleiras de uma
determinada loja de itens domsticos oscilar entre 8 e 17
unidades para o prximo ms. Desta forma poderamos
construir um gerador aleatrio utilizando uma roleta. Veja:
8 9
10
11
12 13
14
15
Todos os
valores tem
12,5% de
chance de
acontecer.
Inclusive Exclusive Valor
0 0,125 8
0,125 0,25 9
0,25 0,375 10
0,375 0,5 11
0,5 0,625 12
0,625 0,75 13
0,75 0,875 14
0,875 1 15
Intervalo de n Aleatrios
++++ Fcil!!!!!!
17
UM MTODO GENERALIZADO
Para gerar uma varivel aleatria so
necessrios dois instrumentos bsicos:
(1) Instrumento de sorteio de nmeros no
tendencioso ( variando de 0 1);
(2) A distribuio acumulada da qual a varivel
ser sorteada ( geralmente utilizamos dados
amostrais para traar esta distribuio)
18
Emprego dos Testes de Adequao de
distribuio
Esta lgica vale tanto para variveis
contnuas quanto discretas!!!!
09/08/2013
10
UM MTODO GENERALIZADO
Como utilizaremos a funo acumulada de
probabilidade para rodar o gerador, esta pode ser
assim representada:

F(x)=Prob D x




No nosso exemplo da ometeleira, teramos:
F(x) definida portanto como a probabilidade de que a varivel
D assuma valores menores ou iguais a x.
x 8 9 10 11 12 13 14 15
F(x) 0,125 0,25 0,375 0,5 0,625 0,75 0,875 1
19
O GERADOR DE VARIVEIS ALEATRIAS
Exemplo: A distribuio exponencial representa um modelo de
varivel aleatria contnua. Ela utilizada frequentemente para
modelar o tempo entre chegadas em um modelo de formao de
filas. Sabemos que a funo probabilidade de uma exponencial
pode ser assim expressa:

F(w)= Prob{Ww} = 1-e
w

Onde representa a mdia obtida na amostra em anlise.
O primeiro passo seria criar um gerador aleatrio que
representasse a probabilidade ( ou seja que variasse de 0 1) e
encontrar a varivel w utilizando a funo acumulada.
20
09/08/2013
11
O GERADOR DE VARIVEIS ALEATRIAS
21
Suponha que queiramos extrair uma amostra da
distribuio exponencial com mdia igual a 20
usando essa equao e um gerador aleatrio de
nmero. Faramos o seguinte:
1.Geraramos um nmero aleatrio por meio da
funo do excel: ALEATORIO ( ). Por exemplo,
suponha que tenhamos obtido o nmero 0,75;
2.Em seguida resolveramos a seguinte equao:

1-e
20w
=0,75
w = 27,72
O GERADOR DE VARIVEIS ALEATRIAS
22
09/08/2013
12
EXEMPLO 1
No exemplo 1, utilizaremos o Software @Risk, para auxiliar no
processo da simulao. Suponha a seguinte situao:

O novo acordo comercial facilitar a exportao dos produtos da
empresa para os pases vizinhos.Como a capacidade instalada na
empresa no suficiente para atender esta nova demanda, o
gerente de novos projetos est realizando a avaliao preliminar
da expanso da planta para aproveitar essa oportunidade.Depois
de algumas reunies com os gerentes das outras reas da empresa
que participam do projeto foram definidas algumas estimativas, a
saber:
Prazo de anlise: 5 anos;
Alquota de Imposto de renda: 35%;
Taxa de requerida para avaliao do projeto: 15% a.a
Investimento inicial: R$195.000
Depreciao: 39.000/ano
Custo Fixo: 10.000/ano
Custo Varivel: 10% da receita.
Preo do produto: Equivale R$10/unidade

E a demanda??? Vamos tentar estim-la usando o
padro do mercado nacional..
23
EXEMPLO 2
Acredita-se que a demanda internacional ter um padro
semelhante ao mercado nacional, se situando 50% abaixo
durante a vigncia do projeto. Para estim-la utilizaremos
a simulao de Monte Carlo, e a srie histrica de demanda
do mercado nacional. Veja:
Ano Histrico Demanda Nacional
1 100.000
2 95.000
3 93.100
4 90.307
5 91.890
6 84.539
7 85.764
8 83.450
9 82.995
10 81.932
11 80.954
12 80.432
13 80.001
14 79.896
15 78.567
24
09/08/2013
13
PASSO 1: DEFINIO DAS VARIVEIS ALEATRIAS
Com o auxlio do @Risk faremos a simulao do VPL do
projeto. Para tal definiremos a demanda anual como sendo
a varivel aleatria ou input. Utilizaremos a ferramenta
de Distribution Fitting empregando a base histrica para
estimar a distribuio de probabilidade da varivel de
interesse.
25
PASSO 1: DEFINIO DAS VARIVEIS ALEATRIAS
Vamos marcar a Demanda no ano 1 e apertar o item Fit
Distribution. Na aba Data, marcar o histrico da varivel aleatria
utilizando o parmetro Range. Marcar no item Type a varivel
como sendo Discrete Sample Data.
26
09/08/2013
14
PASSO 1: DEFINIO DAS VARIVEIS ALEATRIAS
No item Fit Ranking voc dever escolher qual teste dever ser
usado para estimar a melhor distribuio para a demanda. Em
pequenas amostras o teste de Kolmogorov Smirnov mais
aconselhado.
27
PASSO 1: DEFINIO DAS VARIVEIS ALEATRIAS
O programa marcar automaticamente a distribuio
mais adequada sinalizada pelo teste de distribuio
escolhido. No nosso caso, a distribuio
Exponencial.Depois marcaremos a opo Write Cell.
28
09/08/2013
15
PASSO 2: O QUE DEVER SER SIMULADO?
A frmula do VPL ser nosso output, visto que estamos
interessados na distribuio de probabilidade desta
varivel.
29
PASSO 3: INICIAR A SIMULAO
Antes de iniciar a simulao, ajuste o nmero de iteraes. No
nosso caso, vamos utilizar o modelo com 1000 iteraes ( chutes
aleatrios).
30
09/08/2013
16
RESULTADO FINAL
31