Uma Abordagem para Análise de Projetos de Investimento Utilizando Métodos Financeiros e Lógica Fuzzy OLIVEIRA e MONTINI

Uma Abordagem para Anlise de Projetos de Investimento Utilizando Mtodos
Financeiros e Lgica Fuzzy

Mauri Aparecido de Oliveira (FEA-USP) mauriao@usp.br
Alessandra de Avila Montini (FEA-USP) amontini@usp.br
Revista de Administrao da UNIMEP, v.7, n.3, Setembro / Dezembro 2009
Endereo eletrnico deste artigo: http://www.regen.com.br/ojs/index.php/regen/article/view/90
Copyright, 2009, Revista de Administrao da UNIMEP. Todos os direitos, inclusive de traduo, so

reservados. permitido citar parte de artigos sem autorizao prvia desde que seja identificada a fonte. A
reproduo total de artigos proibida. Os artigos s devem ser usados para uso pessoal e no comercial. Em caso
de dvidas, consulte a redao.
A Revista de Administrao da UNIMEP a revista on-line do Mestrado Profissional em Administrao,

totalmente aberta e criada com o objetivo de agilizar a veiculao de trabalhos inditos. Lanada em setembro de
2003, com perfil acadmico, dedicada a professores, pesquisadores e estudantes. Para mais informaes
consulte o endereo http://www.raunimep.com.br .
Revista de Administrao da UNIMEP

ISSN: 1679-5350
2009 - Universidade Metodista de Piracicaba
Mestrado Profissional em Administrao
RESUMO
Nesse trabalho analisada uma abordagem que considera diferentes tipos e efeitos de riscos
sobre os critrios de deciso de um investidor. Para isso so considerados o modelo de
formao de preos de ativos de capital (CAPM capital asset pricing model), identificao e
mapeamento dos tipos de riscos de um projeto empresarial, aplicao de opes reais e lgica
fuzzy para gerenciar e avaliar os riscos e anlise de rating de crditos dos diferentes tipos de
riscos. Investidores estratgicos e institucionais, desenvolvedores, bancos e outros
Revista de Administrao da UNIMEP Setembro / Dezembro 2009, v.7, n.3. Pgina 134
Uma Abordagem para Anlise de Projetos de Investimento Utilizando Mtodos Financeiros e Lgica Fuzzy
Mauri Aparecido de Oliveira, Alessandra de Avila Montini
investidores so atrados a investir em projetos empresariais em diferentes graus e com

diferentes objetivos em diferentes estgios do ciclo de vida do projeto. Suas decises de
investimento dependero da exposio ao risco que no pode ser influenciado por eles
mesmos. Os projetos empresariais esto submetidos a diferentes tipos de riscos, sendo que
inerente s empresas procurar sempre uma estrutura de capital tima, de tal forma que sejam
minimizados ao mesmo tempo os custos e os riscos.
PALAVRAS-CHAVE: CAPM, Lgica Fuzzy, Estrutura de Capital, Opes Reais, Riscos.
ABSTRACT
In this work is analyzed an approach considering different types of risks and effects over
investors decision criteria. The following methods are considered: capital asset pricing
model (CAPM), identification and mapping of business risks, real options application, fuzzy
logic to manage and assess risks and analysis of credit rating. Strategic and institutional
investors, developers, banks and others investors are attracted to invest in business projects
in different grades with different targets in different stages of project life cycle. Their
investment decisions will depend of risk exposition that cant be influenced by themselves. The
business projects are exposed to different types of risks, where find an optimal structure is
inherent to the companies, in such way that costs and risks must be minimized.
KEYWORDS:CAPM, Fuzzy Logic, Capital Structure, Real Options, Risks.
1. Introduo
Os projetos empresariais so importantes no mundo e estabelecer o melhor projeto a
ser implementado em um determinado pas uma tarefa complexa que envolve um nmero
significativo de variveis.
Existem vrias formas de projetos empresariais: expanso de uma unidade de negcios,
joint ventures (acordos comerciais), governana corporativa (Silveira, 2004; Silveira e Barros,
2006), parcerias pblico-privadas (Pestana, 2006), novos produtos ou servios, criao de
novas plantas, nova tecnologia, projetos de impacto e preservao ambiental, entre outros
tantos.
Investidores estratgicos e institucionais, desenvolvedores, bancos e outros
investidores so atrados a investir em projetos empresariais em diferentes graus e com
diferentes objetivos em diferentes estgios do ciclo de vida do projeto. Suas decises de

investimento dependeram da exposio ao risco que no pode ser influenciado por eles
mesmos.
Os projetos empresariais esto submetidos a diferentes tipos de riscos, por exemplo:
riscos polticos, risco legal, risco de mercado ou financeiro e risco operacional.
inerente s empresas procurar sempre uma estrutura de capital tima, de tal forma
que sejam minimizados ao mesmo tempo os custos e os riscos.
De acordo com Modigliani e Miller (1958) as mudanas na estrutura de capital no
alteram o valor de uma empresa. Ou seja, o valor da empresa sempre o mesmo, qualquer
que seja a estrutura de capital, nenhuma estrutura de capital melhor ou pior do que qualquer
outra para os acionistas da empresa (Ross et al., 1995). Sendo que a estrutura de capital indica
as propores de financiamento com capital prprio e capital de terceiros de curto e de longo
prazo (Ross et al., 1995 e Barros, 2005).
Sendo assim, a determinao da estrutura de capital da empresa passa a ser uma rea
importante de tomada de deciso em investimentos de capital (Okimura et al. 2007).
Os riscos so normalmente analisados pelo ponto de vista especifico dos investidores,
sendo que um mesmo risco pode afetar diferentes investidores diferentemente, dependendo da
descrio dos riscos estabelecidos em contrato e do respectivo modelo de fluxo de caixa do
projeto. Portanto, os riscos podem afetar diferentemente os investidores, induzindo a
diferentes decises de investimento.
Nesse trabalho analisada uma abordagem que considera diferentes tipos e efeitos de
riscos sobre os critrios de deciso de um investidor. Para isso so considerados o modelo de
formao de preos de ativos de capital (CAPM capital asset pricing model), identificao e
mapeamento dos tipos de riscos de um projeto empresarial, aplicao de opes reais e lgica
fuzzy para gerenciar e avaliar os riscos e anlise de rating de crditos dos diferentes tipos de
riscos.
A estrutura para deciso de investimento em um projeto empresarial mostrada na
Figura-1 baseada em Sachs e Tiong (2005). Nesta figura est representa a seqncia para se
chegar a deciso de investimento, o primeiro passo corresponde em analisar os riscos do
projeto utilizando tcnicas financeiras convencionais (nesse caso o CAPM), uso de opes
reais (Saito, 2000) e lgica fuzzy (Corrar e Junior, 2002; Borba, 2001, 2007) para disparar os
contratos que garantem a execuo do projeto.
Figura-1 Estrutura para deciso de investimento em um projeto empresarial
O segundo passo a modelagem do fluxo de caixa do projeto que usado no terceiro

passo para determinar os ndices financeiros tais como taxa interna de retorno (TIR), valor
atual lquido (VAL) e o instante em que o negcio comea a ser rentvel (break even time BET).
O quarto passo corresponde a classificao de crdito. As classificaes de crdito
(ratings) de agncias como a Moodys, Standard & Poors e Fitch desempenham um papel
chave no apreamento do risco de crdito e na delineao das estratgias de investimento.
Suas classificaes de crdito fornecem uma opinio sobre os valores de crdito para uma
empresa. Os ratings tambm servem para monitorar as mudanas na qualidade do crdito.
O ponto chave neste processo de rating de crdito est no poder dos fatores
discriminatrios selecionados. Fatores discriminatrios so razes financeiras que servem
melhor para descrever a sade financeira da empresa e permitem uma indicao antecipada de
eventos adversos. Estes fatores discriminatrios so ramificaes da modelagem do fluxo de
caixa da empresa. neste processo que os riscos do projeto identificados e quantificados
sero trasladados dentro das mudanas de rating de crdito. Notando que quando um
investidor decide investir em um projeto a um certo nvel de risco, ele tambm quer otimizar
seu nvel de compromisso com respeito a um patrimnio otimizado da empresa.
O quinto passo corresponde aos critrios de deciso utilizados para se chegar a tomada
de deciso de investimento, estes critrios estaro baseados principalmente no custo de dbito,
ROE e na medida de risco beta para um investidor individual e seu efeito sobre o patrimnio
total.
2. Fundamentao Terica
A fundamentao terica constituda pelas definies do CAPM, tipos de riscos aos
quais um projeto est submetido, opes reais, lgica fuzzy, das proposies de ModiglianiMiller e do critrio de deciso de investimento.
2.1. Descrio Econmica do CAPM

As derivaes de Sharpe (1964) e Lintner (1965) para o modelo CAPM assumem a
existncia de um mercado onde h a possibilidade de se tomar e emprestar dinheiro taxa
livre de risco.
Definio 1. O retorno esperado do ativo i
E[ Ri ] = R f + im ( E[ Rm ] R f ),
im =
Cov[ Ri , Rm ]
.
Var[ Rm ]
sendo que Rm o retorno do portflio de mercado, R f o retorno do ativo livre de risco e
im uma medida de risco sistemtico. A verso Sharpe-Lintner pode ser expressamente mais
compactada em termos dos retornos em excesso Z i = Ri R f .
E[ Z i ] = im E[ Z m ],
im =
Cov[ Z i , Z m ]
,
Var[ Z m ]
sendo que Z m representa o retorno em excesso em relao ao portflio de mercado.

Na ausncia da taxa livre de risco, Black (1972) derivou uma verso do CAPM mais
geral. Nesta verso, conhecida por zero-beta, o retorno em excesso esperado do ativo i em
relao ao retorno zero-beta Rom linearmente relacionado com o seu beta. O modelo CAPM
zero-beta ter a seguinte representao:
E[ Ri ] = E[ Rom ] + im ( E[ Rm ] E[ Rom ]),
sendo que Rm o retorno do portflio de mercado, e Rom o retorno do portflio zero-beta
associado com Rm . Rom definido como sendo o portflio (no-observvel) de mnima
varincia de todos os portflios no-correlacionados com o portflio de mercado.
Assumindo que um investidor tenha mltiplas oportunidades de investimento, seu

portflio de investimentos reflete sua atitude em direo ao risco. O portflio de referncia
contra o qual ele mede sua exposio ao risco pode ser o portflio de mercado (CAPM) ou
algum outro portflio de referncia (apreamento beta) com o qual ele busca referncia.
Quando um investidor decide investir em um projeto a um certo nvel de risco, ele tambm
quer otimizar seu nvel de retorno sobre o patrimnio lquido (ROE). Isto faz do beta
originado da estrutura do projeto uma abordagem importante para tomada de deciso.
2.2. Tipos de Riscos de um Projeto Empresarial

Tinsley (2001) distingue 16 categorias de risco. Cada categoria pode afetar o cashflow
diferentemente.
1. Reserva de fornecimento
2. Mercado
3. Intercmbio externo
4. Operacional: Custo
5. Operacional : Gerenciamento
6. Operacional: Tcnico
7. Ambiental
8. Infra-estrutura
9. Fora Maior
10. Concluso
11. Engenharia
12. Poltico
13. Participantes
14. Financiamento
15. Sindicato
16. Legal
Por exemplo, nas PPPs, existem trs grupos principais de stakeholders (ou agentes
interessados). Um a agncia governamental pblica que inicia o projeto e os outros dois so
a companhia e os financiadores. Os dois ltimos se constituem em investidores. Os
investidores querem determinar a quais riscos eles esto expostos para quando negociar com o
governo. Assumindo que os riscos emergem da prpria construo e operao do projeto, eles
podem estimar e controlar. Porm, o principal foco reside nos riscos fora de seu controle.
Estes podem ser descritos como riscos polticos, decorrentes do governo. Os riscos polticos
tm se tornado uma ameaa para a economia global de acordo com relatrio de 2007 do
Frum Econmico Mundial citando exemplos de Venezuela, Bolvia e Rssia que
encamparam operaes de empresas na rea de energia.
De acordo com Tinsley (2001), riscos polticos podem ser estruturados em 16
subgrupos onde alguns so segurveis, outros no. Os riscos que precisam ser considerados
so:
1. Guerra e insurreio/ distrbios civis;
2. Inconversibilidade de moeda e transferncia;
3. Nacionalizao e expropriao insidiosa;
4. Distrbios entre latifundirios e indgenas;
5. Terrorismo e sabotagem;
6. Violao do contrato;
7. Mudana de governo;
8. Corrupo;
9. Sindicatos;
10. Ativistas ambientais;
11. Riscos de homologao e burocracia;
12. Conflitos de autoridade;
13. Estados Unidos;
14. Fundamentalismo religioso, tenses tnicas;
15. Mudanas de taxao;
16. Mudanas na lei.
Os riscos podem ser mitigados com o auxlio do suporte governamental. Este suporte
pode ser em forma de garantias, acordos ou indenizaes. Tambm existem seguros e
estruturas financeiras para alguns dos riscos polticos identificados. O Banco Mundial possui
um centro de seguros contra riscos polticos (Political Risk Insurance Center) e servios so
oferecidos pela MIGA (Agncia Multilateral de Garantia de Investimentos).
2.3. Opes Reais
Uma opo um direito, mas no uma obrigao, de tomar uma determinada ao (por
exemplo, comprar, vender, adiar, expandir, etc) a um custo pr-determinado (o preo de
exerccio) durante um perodo pr-estabelecido de tempo (vida do contrato). A anlise de
opes reais um dos mtodos utilizados para estimar os valores de investimentos em
projetos empresariais e pode ser usado em situaes de decises gerenciais envolvidas por
incertezas. Opes reais formam uma abordagem pr-ativa no gerenciamento de incerteza
(Ford et al. 2002).
O gerenciamento de risco convencional foca na identificao, gerenciamento e
mitigao dos riscos. Na mitigao do risco, evitao, reduo, mudana ou transferncia, e
pressuposio de riscos so os quatro mtodos comumente utilizados.
A tcnica de opes reais descreve o mecanismo para gerenciar e aprear tais garantias
e riscos. Garantias tais como garantia de deduo mnima tem efeito quando um certo ponto
critico ultrapassado (tal como uma deduo mnima). Ento, o fiador, neste caso uma
agncia pblica, obrigada a compensar a no deduo de tal forma que o fluxo de uma
receita mnima garantido ao projeto da companhia (Sachs e Tiong, 2005). Avaliao de
garantias em termos de opes reais do valor ao projeto. Elas tambm podem servir como
passivos para os patrocinadores e tomadores de emprstimos (Ho and Liu, 2002).
Riscos, expressados em termos de opes reais podem ser alocados diferentes partes
do projeto e desse modo apreados e gerenciados. Opes reais representam reaes a eventos
que de alguma forma tm acontecido e de alguma forma tm influenciado o cashflow do
projeto de tal forma que em algum ponto, a opo (garantia) foi exercida. Opes reais no
esto preocupadas com a causa, elas reagem s mudanas induzidas por algum gatilho onde o
ponto de disparo est sujeito a negociaes e documentado em contrato.
2.4. Fuzzy Logic

De acordo com Sachs e Tiong (2005), opes reais no fornecem uma resposta para a
qual os riscos polticos induzem quais mudanas no cashflow que eventualmente disparam a
opo. Esta impreciso subjacente embutida no conhecimento e intuio humana de riscos
polticos e seus efeitos podem ser descritos e capturados em termos de relaes SE-ENTO
da teoria dos conjuntos fuzzy.
Em 2002 aproximadamente 250 bilhes de dlares eram gerenciados em fundos de
investimentos por modelos quantitativos (tais como lgica fuzzy, redes neurais, algoritmos
genticos, fractais e modelos de Markov). Desde 2006 estima-se que trs em cada dez destes
fundos utilizem estes modelos quantitativos.
Uma excelente introduo lgica fuzzy pode ser encontrada em Nguyen e Walker
(2000).
A lgica fuzzy serve melhor ao propsito de negociar com incerteza, vagueza,
impreciso e comportamento humano. Esta uma teoria na qual tudo uma questo de grau,
ou elasticidade (Zadeh, 1973). Riscos dos projetos de investimentos levam a ter que lidar com
imprecises e vaguezas, sentimentos, medidas sem clareza quantificvel e podem depender do
comportamento humano. A lgica fuzzy uma ferramenta para embutir conhecimento
humano estruturado em algoritmos exeqveis (Kecman, 2005, p. 365).
Lgica fuzzy mais adequada para manipular impreciso, tamanhos pequenos de
amostra e incertezas. Ela segue regras intuitivas de relaes na forma se-ento. De acordo
com Zadeh (2002) algumas das principais caractersticas da lgica fuzzy so:
- raciocnios exatos so vistos como casos limites de raciocnios aproximados;
- na lgica fuzzy, tudo uma questo de grau;
- na lgica fuzzy, o conhecimento interpretado como uma coleo de elasticidades ou,
equivalentemente, como uma restrio fuzzy sobre uma coleo de variveis;
- qualquer sistema lgico pode ser fuzzyficado.
Na anlise de estruturas de capital pode-se destacar que as duas principais
caractersticas dos sistemas fuzzy apresentarem um desempenho satisfatrio so: (i) os
sistemas fuzzy so adequados para trabalhar com incertezas e raciocnios aproximados,
especificamente em situaes em que modelos matemticos e estatsticos so difceis de
serem determinados e (ii) a lgica fuzzy permite tomar decises em casos em que a
informao incompleta ou incerta. Zadeh (2002) define formalmente os conjuntos fuzzy
como mostrado a seguir.
Definio 2. Seja X = { x} um grupo de objetos representados genericamente por x, ento um
conjunto fuzzy A% em X um conjunto de pares ordenados tal que:
a) para um conjunto finito { x1 , x2 ,..., xn } , o conjunto fuzzy representado por:
(x ) (x )
(x )
A% = A 1 + A 2 + K + A n .
x1
x2
xn
b) quando X no um conjunto finito, o conjunto fuzzy A% definido por:
( x)
A% = A
dx .
x
x
Outras definies de conjuntos fuzzy tm sido propostas, como pode ser visto em
Zimmermann (2001) e Piegat (2005), porm em todos os enfoques necessrio definir o tipo
de pertinncia que caracteriza os nmeros fuzzy dos conjuntos utilizados no problema
modelado.
2.5. Proposies de Modigliani-Miller e Critrio de Deciso de Investimento

Dependendo do tipo do investidor e de seus objetivos, o critrio de deciso pode variar.
Os financiadores do projeto daro ateno razo de cobertura do servio de dbito, ao
projeto da companhia taxa interna de retorno (TIR) e ao valor presente lquido (NPV). Alm
disso, alguns investidores podem planejar seus compromissos de deciso dependendo do beta
de seu investimento no qual o projeto complementa o portflio de investimento. Um outro
critrio o retorno desejado sobre o patrimnio investido o qual est condicionado ao efeito
de alavancagem que depende da bankability (capacidade de financiamento) do projeto.
Os investidores querem maximizar seus retornos sobre o patrimnio investido. Eles
utilizam o efeito de alavancagem para o qual desejam menor custo de dbito para o projeto.
O custo de dbito depende do creditworthiness (saldo da conta de capital da empresa, quando
este figura como ativo), diretamente ligado ao rating de crdito do projeto.
Alm disso, o projeto empresarial e o respectivo risco de investimento devem
completar o portflio global de investimento do investidor. O beta ( ) a medida de risco na
qual o portflio est exposto. Ser desconsiderada a presena de taxas nas exposies a seguir.
A relao entre risco e retorno fundamental para o seguinte argumento de efeito de
alavancagem.
Considerando planos de consumo P1 e P2 que tm a mesma esperana matemtica, P1
mais arriscado que P2 se e somente se todo agente avesso ao risco prefere P2 a P1 (Leroy e
Werner, 2001). Notando que se um plano de consumo mais arriscado que outro, ento ele
tambm tem maior varincia. O contrrio no verdade: um plano de consumo que tem maior
varincia que outro plano de consumo no precisa ser mais arriscado (Leroy and Werner,
2001). Portanto, o retorno esperado de um agente de um plano de consumo particular
aumentar com o aumento do risco: o retorno depende do risco e no o risco do nvel de
retorno. Considerando DL = dvida lquida, CT = dvida lquida + capital dos acionistas e
A = DL + CT .
O CT depende do nvel
DL
CT
, denominado gearing ratio. Ou seja,
Gearing ratio = Dvida Lquida / (Dvida Lquida + Capital dos Acionistas)
A medida gearing ratio mede a porcentagem de capital que financiado pelos dbitos e
financiamentos de longo prazo. Quanto maior a alavancagem, maior a dependncia sobre
emprstimos e financiamentos de longo prazo. Quanto menor o gearing ratio, maior a
dependncia sobre financiamento de capital. Tradicionalmente, quanto maior o nvel de
alavancagem, maior o risco de financiamento devido ao aumento da volatilidade dos lucros. A
utilizao de alavancagem amplia o potencial de ganho de um investimento ou projeto, mas
tambm aumenta o potencial de perdas.
Assumindo que no h taxas, ento a Proposio-I de Modigliani-Miller pode ser
verificada: o valor de mercado de qualquer empresa independente de sua estrutura de capital
e dada pela capitalizao de seu retorno esperado a uma taxa r apropriada a sua classe de
risco (Modigliani-Miller, 1958, p. 286). Ento o valor da empresa visto independente (aparte
das consideraes de taxas) de como seus passivos so particionados (Copland et al. 2005).
Isto implica que o custo mdio ponderado do capital (WACC) assumido constante para
qualquer razo
DL
CT
. Sob aquela proposio, o custo do dbito deve decrescer a medida que o
custo do patrimnio lquido aumenta. A Proposio II de Modigliani-Miller mostra este efeito

alavancagem com relao ao retorno sobre o patrimnio lquido
rCT = rA +
DL
( rA rDL ) .
CT
Com a diminuio de uma quantidade do patrimnio lquido, o dbito ir aumentar.

Agora, o dbito negociado ser mais arriscado aos emprestadores, porque ao mesmo tempo a
quantidade de patrimnio lquido serviu para assegurar seus emprstimos. O patrimnio
lquido visto pelo tomadores de emprstimos como opes de compra. Como resultado disso,
o custo do dbito rDL tambm cresce, resultando em uma desacelerao do aumento do
retorno sobre o patrimnio lquido rCT e rA permanece constante.
Um investidor em um projeto de uma empresa est interessado em um alto retorno
para o seu patrimnio investido e um bom NPV para dividendos adicionais. Estes dois
objetivos esto em conflito. O NPV aumenta a medida que o WACC decresce, mas com o
decrscimo do WACC e com custo de dbito inalterado, seu retorno sobre o patrimnio
lquido tambm decrescer. Portanto, o investidor est interessado em baixo custo de dbito
rDL
tal que seu retorno sobre o patrimnio lquido rCT possa crescer, embora o WACC
decresa (nesse caso tem-se rA no mais constante, mas decrescente). Em qualquer caso,
investidores procuraro projetos com menores custos de dbitos. A otimizao destes dois
interesses conflitantes com relao maximizao do lucro dos investidores pode ser
realizada atravs de programao linear, exemplos podem ser encontrados em Audet et al.
(2005).
Emprestadores apenas provero dbitos a taxas pequenas, se eles estiverem
convencidos do bom creditworthiness do projeto. Quanto menor a probabilidade do projeto
falhar, menor o custo da dvida. A probabilidade do projeto falhar e sua perda associada a
falha dependem, no entanto, do perfil de risco do projeto. Credit rating a medida adequada
para avaliar o risco de crdito. No Brasil, a empresa Serasa possui um credit rating que
organiza as empresas em classes de risco e mede a probabilidade da empresa se tornar
inadimplente.
3. Ferramentas e Mtodos para Gerenciar e Modelar Riscos

A estrutura completa e conexo das tecnologias e metodologias apresentadas neste
trabalho ainda esto num estgio preliminar. O procedimento completo e a construo do
sistema de anlise precisa ser desenvolvido e aes tais como identificar os tipos de
investidores, identificar os critrios de deciso de um tipo desses investidores, identificar e
modelar os riscos sobre o projeto empresarial empregando mtodos convencionais, lgica
fuzzy e opes reais precisam ser utilizadas para validar a estrutura sugerida por Sachs e Tiong
(2005). A seguir, so apresentados exemplos das tcnicas mencionadas.
3.1 Software para Anlise de Opes Reais

Existe uma grande quantidade de programas de computador utilizados para fazer
modelagem e medio de riscos em projetos financeiros. No caso de opes reais dois
programas utilizados so o Crystal Ball e o Real Options Super Lattice Software (SLS).
Nestes programas, parmetros diferentes podem ser alterados e a sensibilidade do modelo
analisada.
O Crystal Ball adiciona riscos aos elementos das declaraes financeiras, sendo que
estes riscos so impostos na forma de funes de densidade de probabilidade (pdf),
distribuies triangulares ou constantes. Crystal Ball tambm roda simulaes de MonteCarlo.
O SLS compreende vrios mdulos, estes mdulos so ferramentas poderosas e

customizveis podendo ser utilizados para resolver muitos tipos de opes (incluindo as trs
principais famlias de opes: opes reais as quais tratam com ativos fsicos e intangveis;
opes financeiras que tratam com ativos financeiros e os investimentos de tais ativos; e as
employee stock options as quais tratam com ativos financeiros para empregados com uma
empresa).
Considerando, por exemplo, a srie histrica de preos da empresa Sadia PN, do setor
de alimentos, no perodo de 02/01/1995 at 02/01/2008 pode-se calcular facilmente a
volatilidade diria e a volatilidade anual da srie de log retornos. A Figura-2a apresenta a
srie no nvel para os preos da Sadia PN e a Figura-2b a srie do log retorno.
Calculando, por exemplo, as volatilidades da srie de log retornos no perodo de vinte
dias anteriores a 02/01/2008 tem-se que:
Volatilidade Diria = 0,026054
Volatilidade Anual = 0,413591= 41,3591%
Srie do log retorno Sadia PN
Srie de Preos Sadia PN

0,15
14
0,1
12
0,05
0
L o g r e to r n o
P re o
10
8
6
4
-0,05
-0,1
-0,15
-0,2
-0,25
0
1
127 253 379 505 631 757 883 100 1135 1261 1387 1513 163 1765 1891 2017 214 226 239 2521 264 277 289 302 3151
-0,3
(a)
(b)
Figura-2 (a) Srie no nvel do preo da Sadia PN, (b) Srie do log retorno da Sadia PN.
Se, por exemplo, em 02/01/2008, faltavam 15 dias teis at o vencimento das opes e
a taxa de juro over anual at o vencimento das opes estava em 22,7374% (0,08133% ao dia)
e que o preo vista observado era de R$ 10,46142, pode-se calcular os prmios da call
(contrato opo de compra) e da put (contrato opo de venda) de uma opo americana (ou
seja, onde o exerccio da opo pode ser feito a qualquer momento antes da data de
maturidade) da Sadia PN utlizando o software SLS verso 3.0, ambas considerando um preo
de exerccio de R$ 12. A Figura-3a apresenta a interface do SLS e os resultados da call e da
put utilizando quatro mtodos diferentes. Na Figura-3b tem-se um dos relatrios fornecidos
pelo software.
Figura-3 Interface do software de opes reais SLS.
O software SLS tambm apresenta interface com o MS-EXCEL possibilitando a

construo de relatrios para anlises das estratgias que podem ser implementadas em
formas de equaes.
3.2 Software para Implementao de Lgica Fuzzy

Muitos programas poderosos como MatLab e Mathematica possuem pacotes
especficos para implementao de modelos utilizando lgica fuzzy, um outro software
bastante utilizado o fuzzyTECH que tambm permite a construo de aplicaes neurofuzzy
(utilizam redes neurais e lgica fuzzy).
Para iniciar um projeto de lgica fuzzy necessrio saber o que se quer fazer e ser
capaz de explicar isso em palavras. Por exemplo, o controle de exercer opes em funo de
informaes econmico-financeiras. Uma regra utilizada em um sistema fuzzy pode ser:
Se a quantia investida I, a habilidade do gestor H, a volatilidade do mercado V, o
risco poltico P, ento o risco do projeto R.
Basicamente a construo de um sistema fuzzy compreende trs etapas (Cox, 1995):
- fuzzyficao, que corresponde transformao dos dados de entrada em variveis
lingsticas;
- inferncia fuzzy, onde as possveis variveis so relacionadas entre si, atravs de
regras pr-estabelecidas;
- defuzzyficao, onde ocorre a traduo do valor lingstico do processo de inferncia

fuzzy, em um valor numrico.
A Figura-4a apresenta a interface no software fuzzyTECH mostrando a regra
mencionada anteriormente e na Figura-4b o grfico de funes de pertinncia para a sada
Risco do Projeto.
(a)
(b)
Figura-4 (a) Editor de variveis do fuzzyTECH, (b) Grfico de funes de pertinncia para a sada
Risco do Projeto.
A incapacidade de reconhecer incerteza, tpica na avaliao de negcios e

investimentos, pode ser suprimida pelo uso das funes da matemtica fuzzy, que podem
formalmente incorporar incerteza nas avaliaes de negcios de tal forma que sejam
incorporadas informaes adicionais significantes nos relatrios de avaliao e auxlio em
mitigar as limitaes das abordagens tradicionais de avaliao.
3.3 Aplicao do Modelo do CAPM

No clculo do beta do modelo CAPM, encontram-se crticas e estudos referentes a
utilizao do Ibovespa como proxy de mercado, anlises mais precisas e que no estejam
sujeitas a algum vis indesejvel devem considerar essas limitaes.
O analista financeiro freqentemente deve estimar o risco de um projeto empresarial,
por exemplo, estimar o custo de capital. Uma das maneiras mais comum de fazer isso
utilizar o CAPM para estimar o custo de capital, e o clculo do beta equity da empresa E
normalmente o primeiro passo. Porm, o risco da ao da empresa afetado por sua poltica
de estrutura de capital, bem como pelos riscos dos seus projetos de investimento, ento
necessrio estimar o beta do ativo da empresa A . O valor da empresa determinado por sua
poltica de investimentos e as diferentes polticas de investimento dividem o fluxo de caixa

em partes diferentes, conforme pode ser inferido pela Proposio-I de Modigliani-Miller. Esta
abordagem para determinar o beta da ao da empresa de um investidor individual tem
origem na estrutura do projeto. Na literatura o E terico derivado de betas de ativos
determinados previamente e do beta do custo de capital de terceiros ( D , beta debt). O beta
equity E dado por (Brealey e Myers 2003):
E = A +
DL
( A D ) .
CT
Dessa forma, o beta sobre todo equity pode ser derivado com o retorno alavancado
sobre o equity como varivel de entrada.
No caso da Sadia pode-se obter o beta ajustado nos relatrios da companhia, ou
conforme divulgado no Bloomberg, que em 2006 foi apurado como sendo de 0,80.
4. Consideraes Finais
Como mostrado anteriormente, o retorno depende dos riscos, mas o contrrio no
verdade. Os riscos identificados so alocados e documentados nos contratos e estes esto
relacionados estrutura do projeto, o qual tem que satisfazer as variveis de deciso do
investidor. Dessa forma, diferentes estruturas de projeto podem ser consideradas at que uma
estrutura definitiva seja encontrada e considere os critrios de deciso do investidor. O
resultado de simulaes poder ser a estrutura tima para aquele investidor com respeito aos
perfis de risco dos projetos.
Tal como sugerido por Sachs e Tiong (2005) a estrutura para anlise de projetos de
investimento utilizando mtodos financeiros e lgica fuzzy est num estgio preliminar. As
principais aes a seguir so: identificao dos tipos de investidores, identificao dos
critrios de deciso desses investidores, modelagem dos riscos empregando mtodos
convencionais, lgica fuzzy e opes reais e por fim validar a estrutura com estudo de casos.
A abordagem sugerida neste trabalho contempla a integrao de mtodos financeiros e
lgica fuzzy, ressalta-se que este texto constitui-se num primeiro passo na discusso conceitual
e criao de um procedimento para execuo de estudos de casos e aplicao das tecnologias
aqui mencionadas.
REFERNCIAS BIBLIOGRFICAS
AUDET, C,; HANSEN, P.; SAVARD, G. Applications of Global Optimization to Portfolio

Analysis. Springer US, 2005.
BARROS, L. A. Valor da Empresa e Estrutura de Capital . Saint Paul, 2005.
BLACK, F. Capital Market Equilibrium with Restricted Borrowing. Journal of Business. 45:3,
1972.
BORBA, J. A. A lgica nebulosa (fuzzy logic) aplicada na contabilidade: um modelo para os
julgamentos de materialidade no planejamento da auditoria. Tese de Doutorado em
Controladoria e Contabilidade. Universidade de So Paulo, 2001.
BORBA, J. A.; DILL, R. P . Anlise da Rentabilidade de Empresas: uma Abordagem Baseada
na Lgica Nebulosa (Fuzzy Logic). Revista de Administrao Contempornea, v. 1, p. 47-66,
2007.
COPLAND, T.E., WESTON, J.F. e SHASTRI, K. Financial theory and corporate policy.
Quarta Edio, Pearson Addison Wesley, 2005.
CORRAR, L. J.; DAVID JUNIOR, J. Mensurao e classificao do risco de mercado
utilizando a lgica Fuzzy. Em: 2 Seminrio USP de Contabilidade, 2002, So Paulo, 2002.
COX, E. Fuzzy Logic for Business and industry. Charles River Media Inc. 1995.
FORD, D.N., LANDER, D. M., e VOYER, J.J. A real options approach to valuing strategic
flexibility in uncertain construction projects. Construction Management and Economics, Vol.
20, 2002.
HO, S.P. e LIU, L.Y. An option pricing-based model for evaluating the financial viability of
privatized infrastructure projects. Construction Management and Economics, 2002.
KECMAN, V. Learning and soft computing: Support vector machines, neural networks, and
fuzzy logic models. A Bradford Book, The MIT Press, 2005.
LEROY, S.F., WERNER, J. Principles of financial economics. Cambridge University Press,
2001.
LINTNER, J. The Valuation of Risk Assets and Selection of Risky Investments in Stock
Portfolios and Capital Budgets, Review of Economics and Statistics, 1965.
MODIGLIANI, F.; MILLER, M. The Cost of Capital, Corporation Finance and the Theory of
Investment. American Economic Review, 1958.
OKIMURA, R. T.; SILVEIRA, A. M.; ROCHA, K. C. Estrutura de Propriedade e
Desempenho Corporativo no Brasil. Revista de Administrao Contempornea, v. 1, p. 119135, 2007.
PESTANA, M. Concorrncia Pblica na Parceria Pblico-Privada, Atlas, 2006.
PIEGAT, A. A new definition of the fuzzy set. Appl. Math. Comput. Sci., Vol. 15, No. 1,
2005.
ROSS, S. A.; WESTERFIELD, R. W.; JAFFE, J. F. Administrao financeira. So Paulo:
Atlas, 1995.
SACHS, T.; TIONG, R. L. K. Political Risks and Investment Decisions in PPPs A Proposed
Framework for Determining PPP Structures that Satisfy an Investors Decision Criteria with
Respect to the Political Risks. QUT Research Week, Brisbane, Australia, 2005.
SAITO, R. Opes reais: exemplo de aplicao para avaliao de reservas petrolferas.
EAESP/FGV/NPP, 2000.
SHARPE,W.F. Capital Asset Prices: A Theory of Market Equilibrium Under Conditions of
Risk, Journal of Finance, 1964.
SILVEIRA, A. M. Governana Corporativa e Estrutura de Propriedade: Determinantes e
Relao com o Desempenho das Empresas. Tese de Doutorado em Administrao.
Universidade de So Paulo, 2004.
SILVEIRA, A. M.; BARROS, L. A.; FAM, R. Atributos corporativos, qualidade da
governana corporativa e valor das companhias abertas no Brasil. Revista Brasileira de
Finanas, v. 4, p. 1/1-30, 2006.
TINSLEY, R. Advanced project financing: Structuring risk. Euromoney Books, 2001.
ZADEH, L.A. Outline of a new approach to an analysis of complex systems and decision
processes. IEEE Trans. on Systems, Man, and Cybernetics, 1973.
ZADEH, L. A. From computing with numbers to computing with words from manipulation
of measurements to manipulation of perceptions in International Journal of Applied Math and
Computer Science, 2002.
ZIMMERMANN, H. Fuzzy set theory and its applications. Boston: Kluwer Academic
Publishers, 2001.
Artigo recebido em: 01/04/2009

Artigo aprovado em: 07/11/2009

Uma Abordagem para Análise de Projetos de Investimento Utilizando Métodos Financeiros e Lógica Fuzzy OLIVEIRA e MONTINI

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Uma Abordagem para Análise de Projetos de Investimento Utilizando Métodos Financeiros e Lógica Fuzzy OLIVEIRA e MONTINI

Uploaded by

Copyright:

Available Formats

Uma Abordagem para Anlise de Projetos de Investimento Utilizando Mtodos

Financeiros e Lgica Fuzzy

Revista de Administrao da UNIMEP, v.7, n.3, Setembro / Dezembro 2009

Endereo eletrnico deste artigo: http://www.regen.com.br/ojs/index.php/regen/article/view/90

Copyright, 2009, Revista de Administrao da UNIMEP. Todos os direitos, inclusive de traduo, so

A Revista de Administrao da UNIMEP a revista on-line do Mestrado Profissional em Administrao,

Revista de Administrao da UNIMEP

investidores so atrados a investir em projetos empresariais em diferentes graus e com

PALAVRAS-CHAVE: CAPM, Lgica Fuzzy, Estrutura de Capital, Opes Reais, Riscos.

diferentes objetivos em diferentes estgios do ciclo de vida do projeto. Suas decises de

Figura-1 Estrutura para deciso de investimento em um projeto empresarial

O segundo passo a modelagem do fluxo de caixa do projeto que usado no terceiro

2.1. Descrio Econmica do CAPM

sendo que Rm o retorno do portflio de mercado, R f o retorno do ativo livre de risco e

sendo que Z m representa o retorno em excesso em relao ao portflio de mercado.

Assumindo que um investidor tenha mltiplas oportunidades de investimento, seu

2.2. Tipos de Riscos de um Projeto Empresarial

2.3. Opes Reais

2.4. Fuzzy Logic

2.5. Proposies de Modigliani-Miller e Critrio de Deciso de Investimento

, denominado gearing ratio. Ou seja,

Gearing ratio = Dvida Lquida / (Dvida Lquida + Capital dos Acionistas)

. Sob aquela proposio, o custo do dbito deve decrescer a medida que o

custo do patrimnio lquido aumenta. A Proposio II de Modigliani-Miller mostra este efeito

Com a diminuio de uma quantidade do patrimnio lquido, o dbito ir aumentar.

3. Ferramentas e Mtodos para Gerenciar e Modelar Riscos

3.1 Software para Anlise de Opes Reais

O SLS compreende vrios mdulos, estes mdulos so ferramentas poderosas e

Srie do log retorno Sadia PN

Srie de Preos Sadia PN

Figura-3 Interface do software de opes reais SLS.

O software SLS tambm apresenta interface com o MS-EXCEL possibilitando a

3.2 Software para Implementao de Lgica Fuzzy

- defuzzyficao, onde ocorre a traduo do valor lingstico do processo de inferncia

A incapacidade de reconhecer incerteza, tpica na avaliao de negcios e

3.3 Aplicao do Modelo do CAPM

poltica de investimentos e as diferentes polticas de investimento dividem o fluxo de caixa

AUDET, C,; HANSEN, P.; SAVARD, G. Applications of Global Optimization to Portfolio

Artigo recebido em: 01/04/2009

You might also like