Análise de Projetos e Investimentos teorico 5

Prévia do material em texto

Análise de Projetos e 
Investimentos
Material Teórico
Responsável pelo Conteúdo:
Prof. Dr. Marcos Crivelaro
Revisão Textual:
Prof. Ms. Luciano Vieira Francisco
Processo de Análise de Risco
5
• Conceitos
• O que é Análise de Risco
• Modelos de Previsão
• Analisando as Probabilidades
 · Apresentar os conceitos e as práticas empresariais relacionadas ao processo de 
análise de risco em avaliação financeira de projetos.
Caro(a) aluno(a),
A orientação de estudos sugere a leitura dos tópicos principais de cada uma das unidades, por exemplo: 
gestão de investimentos, análise de risco e gestão financeira.
Como ajuda, realize a leitura dos textos indicados, acompanhe e refaça os exemplos resolvidos.
Não deixe de assistir à apresentação narrada do conteúdo e de alguns exercícios resolvidos.
Finalmente – e o mais importante –, fique atento(a) às atividades avaliativas propostas e aos respectivos 
prazos de realização e envio.
Bom estudo!
Processo de Análise de Risco
6
Unidade: Processo de Análise de Risco
Contextualização
O cenário mercadológico atual está se caracterizando por apresentar alta competitividade, 
alta concorrência e alta vulnerabilidade a fatores internos e externos. Há uma corrida 
incessante para que tais fatores acima citados impactem ao mínimo os projetos nas 
organizações. Essas passam, então, a ter que procurarem visões diferenciais acerca dos 
projetos para que consigam vislumbrar e traçar estratégias para alcançarem os objetivos 
pretendidos. Assim, há uma necessidade crescente em conseguir “antecipar o futuro”, no 
que tange ao gerenciamento dos riscos.
Uma “refinada” definição de risco está descrita no Project Management Body of Knowledge 
(PMBOK, 2013): “Um risco do projeto é um evento ou condição incerta que, se ocorrer, terá 
um efeito positivo ou negativo em pelo menos um objetivo do projeto”. Riscos negativos são 
aqueles que podem representar ameaças ao projeto. Em contrapartida, riscos positivos podem 
representar oportunidades ao projeto.
A identificação da importância em mitigar os riscos em projetos acarretou a necessidade de 
processá-los administrativamente. Assim, gerenciamento de riscos em projetos emerge como 
uma competência notória entre aquelas inerentes ao gerenciamento de projetos, de modo que 
a sua integração com as demais se tornou algo inteligível, aplicável e de suma importância 
quando gerenciamos projetos.
O processo de gerenciamento de riscos é composto, basicamente, de seis pilares, os quais: 
planejamento da gestão, identificação, análise qualitativa, análise quantitativa, planejamento 
das respostas, monitoramento e controle dos riscos.
Há como não se preocupar com os riscos? Como qualificá-los? Como priorizá-los? Como 
propiciar com que as organizações adornem sua cultura de sedimentos que as possibilitem à 
previsão de um o futuro melhor baseado em aprendizados passados? O que fazer para que o 
aprendizado não se dilua com o tempo? 
7
Conceitos
Quando mencionamos análise de investimentos em geral, estamos nos referindo às chances 
econômicas do investimento em dado projeto, quanto à sua certeza. Esse método é capaz 
de analisar os cálculos e os possíveis retornos esperados que serão calculados a partir das 
projeções dos fluxos de caixas de determinadas variáveis dos projetos, que na maioria das 
vezes estão inter-relacionados.
Sabemos que um risco sempre tem origem na incerteza que envolve o projeto em si. 
E, consequentemente, a correta avaliação dos riscos de um projeto sempre dependerá da 
capacidade humana de analisar as incertezas contemplando todas as variáveis do projeto. 
Portanto, cobra experiência e habilidade dos profissionais das empresas em lidar com situações 
adversas e ter uma postura proativa nos acontecimentos diários de um projeto. É importante 
que a empresa tenha todas as ferramentas necessárias para que o profissional, por sua vez, 
possua toda a informação possível sobre determinada situação. Isso ajuda muito!
Incertezas do Projeto
A primeira grande incerteza do projeto são os custos. Quando avaliamos um projeto, nem 
sempre é fácil estimar valores futuros. A primeira ideia é utilizarmos dados – valores monetários 
– consolidados de projetos já realizados – de porte similar – para facilitar a estimativa de um 
evento no futuro. Outra opção é realizar simulações de cenários futuros.
A metodologia que normalmente usamos quando avaliamos um investimento é chamada 
de cálculo da melhor estimativa, baseado nos dados que estão disponíveis no momento. 
Posteriormente usamos esses dados como possível modelo de avaliação. Tais estimativas de 
valor único são obtidas, geralmente, a partir da moda – valor com maior ocorrência –, a 
média, ou uma estimativa conservadora.
Quando selecionamos um valor único, portanto, outros intervalos relativos a outras fases 
do projeto não serão consideradas. Lembre-se: estamos selecionando dados de um período 
específico para que possamos ter uma estimativa.
O que fazer quando reconhecemos que os valores projetados estão com alto nível de incerteza? 
Uma alternativa interessante inclui a análise de cenários e de testes de sensibilidade. Como 
funciona a análise de sensibilidade? Nessa ocorrem muitas variações no valor de uma 
determinada variável, tendo por finalidade testar seu impacto no resultado final do projeto. 
8
Unidade: Processo de Análise de Risco
Figura 1 – Etapas do gerenciamento de riscos.
Planejar o gerenciamento
de riscos
Realizar a análise
qualitativa de riscos
Realizar a análise
quantitativa de riscos
Planejar as respostas
aos riscos
Identi�car os riscos
Controlar os riscos
Fonte: Elaborado pelo conteudista
As variáveis mais sensíveis são testadas na análise de sensibilidade. Por que? Para que 
possamos identificar, corretamente, variáveis bastante sensíveis, até as mais importantes do 
projeto. Na seguinte Figura mostramos qual é a equação por trás da análise de sensibilidade:
Figura 2 – Análise de sensibilidade. 
Fonte: Elaborado pelo conteudista
9
Ao analisarmos detalhadamente o cenário, conseguimos ter uma postura proativa das 
desvantagens da análise de sensibilidade, que – podemos dizer – use o valor mais provável 
de cada variável do projeto. Isso não significa que o resultado derivado do projeto também 
será o resultado mais provável, permitindo, então, a mudança simultânea de valores para 
muitas variáveis principais de um projeto, enquanto construímos um cenário alternativo 
para o projeto. Todos os cenários, sejam otimistas ou pessimistas, devem ser apresentados 
e analisados.
Em qual situação as análises de sensibilidade e de cenário podem ser utilizadas? Na 
compensação das limitações de faltas de dados. Mas, apesar de sua reconhecida utilidade, esses 
testes são estatísticos e um pouco arbitrários em sua origem. Na seguinte Figura mostramos o 
gráfico de análise de sensibilidade: 
Figura 3 – Gráfico de análise de sensibilidade.
Investimento Fixo
Receita
Matéria Prima
Capital de Giro
Custos de Produção
100
90
80
70
60
50
40
30
20
10
0
-15 -10 -5 0
Variação (%)
TI
R
5 10 15
Elaborado pelo conteudista
Muitos duvidam da análise de cenários e de sensibilidade para o estudo da análise de risco 
de investimentos, mas pesquisas indicam que esses estudos chegam a uma conclusão lógica. 
Todos gostaríamos de saber quais são as chances existentes de se obter lucro ou de evitar 
prejuízos em um investimento que é planejado. A simulação de Monte Carlo permite executar 
a análise de risco para mostrar vários resultados possíveis, oriundos de uma tabela de dados, 
esses geralmente apresentados em uma planilha eletrônica. A sequência de cálculo a ser 
adotada é a seguinte:
• Execução de cálculos matemáticos levando em consideração o risco de análises 
quantitativas;
• Rastreamento de diversospossíveis cenários futuros de risco, tornando possível a 
construção de cenários aleatórios;
• Determinação da probabilidade de ocorrência dos cenários de riscos;
• Tomada das melhores decisões possíveis em situações de incerteza. 
10
Unidade: Processo de Análise de Risco
Estudo de caso
Quando uma empresa se depara com a situação em que um pedido 
extra é solicitado e que há capacidade produtiva suficiente para processá-
lo, algum parâmetro ou critério deve ser estabelecido para embasar a 
decisão de atender ou não ao pedido. A definição desse critério, em 
muitos casos, passa pela discussão de formas de melhoria do resultado 
econômico da empresa. Um dos parâmetros de decisão existentes é a 
margem de contribuição que tem mensuração econômica e advém do 
campo da contabilidade gerencial. Dentro desse contexto, levanta-se 
o seguinte questionamento que direciona o estudo: como estabelecer 
métricas adequadas que alicercem a decisão econômica de atender ou 
não a pedidos extras cujos produtos têm grande variabilidade de custos 
variáveis diretos unitários? Para responder a essa questão, o presente 
estudo faz o uso de técnicas provindas da contabilidade gerencial e da 
pesquisa operacional. 
O estudo demonstrou que a inclusão do risco na projeção da margem 
de contribuição agrega utilidade a esse conceito para fins gerenciais ao 
permitir uma visão mais realista de cenários futuros em situações em que 
há incertezas contábeis decorrentes de variáveis caracterizadas por um 
comportamento probabilístico. Além disso, o conhecimento detalhado 
da estrutura de custos da empresa verificou-se imprescindível para 
averiguar se determinado pedido contribuía para o aumento do resultado 
econômico da empresa.
Fonte: adaptado de: http://www.scielo.br/pdf/prod/2011nahead/aop_t6_0003_0208.pdf
Vejamos a seguinte Figura, representando essas probabilidades:
Figura 4 – Cálculo de probabilidade.
Fonte: uff.br
11
Usuários de software de análise de risco imaginam que o resultado – saída – consiste de 
valores únicos. A saída correta é uma distribuição de probabilidades sobre todos os retornos 
esperados após a conclusão de um projeto. A Figura 5 apresenta curvas onde se destacam 
grande número de atividades e pequeno índice de atividades, assim como as regiões mais e 
menos prováveis de ocorrência.
Figura 5 – Cálculo de probabilidades
Max
Grande número
de atividades
Pequeno número
de atividades
Mais Provável
Otimista Pessimista
Fonte: thespiderteam.com
Analisando o gráfico da Figura 6, um cliente em busca de opções rentáveis consegue 
distinguir um perfil sobre possíveis retornos e riscos de um projeto, mostrando todos os 
resultados prováveis e que poderiam pesar sobre determinada decisão. 
A seguinte Figura também nos mostra algumas ferramentas computacionais que podem ser 
utilizadas para fazer a análise de Monte Carlo digitalmente:
Figura 6 – Cálculo de Monte Carlo.
Fonte: Elaborado pelo conteudista
12
Unidade: Processo de Análise de Risco
O que é Análise de Risco?
“A cultura, os processos e a estrutura organizacional, direcionados ao eficaz 
gerenciamento de oportunidades e efeitos adversos potenciais”, pensou 
primeiro em Freud e como este tentaria explicar a relação entre os elos da 
organização. A cultura seria o superego, enquanto que os processos são 
o ego e a estrutura organizacional é o id. Em segundo lugar, imaginou um 
pescador, com o vasto oceano à sua frente tendo de tomar a decisão de como 
aproveitar as oportunidades potenciais que se apresentam e ao mesmo tempo 
minimizar a chance de fracasso. Ele então nos dá sua interpretação sobre o 
tema: “gestão de risco é um processo de análise e tomada de decisão, que 
traz à superfície de maneira estruturada, linhas de raciocínio organizacionais 
geralmente subconscientes, com o objetivo de eliminar, evitar ou minimizar o 
risco” (DOONAN, 2001, p. 48-49).
Análise de riscos ou simulação probabilística constituem ferramentas de grande importância 
a serem utilizadas pela administração no processo decisório. A análise de risco tem como base a 
técnica chamada Monte Carlo. A Figura 7 apresenta as características do método de Monte Carlo. 
Figura 7 – Características do método de Monte Carlo
• Modelos matemáticos não lineares;
• Distribuições assimétricas das grandezas de influência;
• Contribuições não normais dominantes;
• Correlações entre grandezas e outras dificuldades para 
a aplicação do método clássico não precisam receber 
atenção especial;
• Considerações sobre a normalidade da estimativa de saída 
e a aplicabilidade da fórmula para cálculo do número de 
graus de liberdade tornam-se desnecessárias.
Fonte: elaborada pelo professor conteudista.
Essa técnica é usada para que um determinado modelo matemático seja submetido a várias 
simulações, de modo que cenários sucessivos são construídos, usando valores de entrada para 
as variáveis que ainda apresentam incertezas no projeto. A qualidade dos resultados dependerá 
dos seguintes fatores:
• Representatividade do modelo matemático;
• Qualidade da caracterização das variáveis de entrada;
• Características do gerador de números pseudoaleatórios;
• Número de simulações realizadas;
• Procedimento de definição do intervalo de abrangência.
13
A técnica de simulação de Monte Carlo no ambiente do gerenciamento de projetos, quando 
utilizada para a execução de uma simulação controlada, por exemplo e no que se refere à 
administração de tempos das atividades previstas em seu escopo, de maneira a fazer com que a 
seleção aleatória dos valores das distribuições probabilísticas específicas, não viola a existência 
dos relacionamentos de correlações suspeitas ou conhecidas entre as variáveis do projeto. 
Utilizando, por exemplo, a ferramenta computacional Crystal Ball, que emprega a simulação 
de Monte Carlo, baseada em planilhas eletrônicas, obtém-se resultados que serão devidamente 
coletados e analisados sob forma estatística, até que possamos chegar a uma distribuição de 
probabilidades dos resultados potenciais do projeto e, dessa forma, estimar possíveis medidas 
de risco para esse. 
Crystal Ball é um software desenvolvido pela empresa Oracle, que trabalha com simulações 
e previsões, através do Microsoft Office Excel. De acordo com o site da Oracle, o software 
“fornece uma visão incomparável para os fatores críticos que afetam riscos”. 
A seguir há uma Figura que mostra os desdobramentos das etapas da análise de risco:
Figura 8 – Gerenciamento de risco
Mapear
Processos
Gerenciamento
de risco
Sumário
Estabelecer
PCCs
Determinar
impacto/
gravidade
do risco
Determinar
o tratamento
do risco
Controlar
o risco
Monitorar
o risco
Revisar
o risco
Identi�car
�uxograma
Identi�car
risco
Con�gurar
�uxograma
Efetuar
análise de
risco
Fonte: Elaborado pelo conteudista
14
Unidade: Processo de Análise de Risco
Modelos de Previsão
Os modelos de previsão são, usualmente, divididos por estágios. O estágio inicial da aplicação 
de uma análise de risco é, basicamente, a existência da obrigatoriedade de um modelo robusto. 
Isto porque é necessário que exista grande capacidade de realizar previsões, da maneira mais 
otimizada possível, desde que sejam inseridos dados reais e corretos. 
Para que esse estágio aconteça, deve-se criar um modelo de previsibilidade, que geralmente 
é usado através de meios computacionais, os quais tenham a capacidade de definição entre as 
relações matemáticas e as variáveis numéricas que, por sua vez, têm relação com as possíveis 
previsões do futuro do projeto. Trata-se de um conjunto de fórmulas matemáticas que objetivam 
fazer o processamento de variáveis de entrada para transformá-las em variáveis de saída e, 
dessa forma, ajudar-nos na obtenção de um resultado.
O relacionamento simplificado entre duas variáveispode ser entendido como um dos 
modelos de maior simplicidade.
Tomemos como exemplo as seguintes equações: B = benefícios e C = custos. Um possível 
modelo de avaliação de investimentos com base nessas equações seria:
Figura 9 – Modelo de relacionamento simplificado entre duas variáveis
B = 3
R = 1B - C
RelaçõesVariáveis Resultado
C = 2
Fonte: elaborada pelo professor conteudista
Pode-se dizer que um bom modelo é aquele que abrange todas as variáveis que são relevantes, 
excluindo, assim, todas que não têm importância, logo, criando um relacionamento adequado 
entre essas variáveis.
Uma previsão de demonstração de um fluxo de caixa simplificada é apresentada na Figura 
10. Nessa aparecem projeções somente de doze meses, representado o modelo de fluxo 
líquido e depende de valores de outras variáveis. Todos os valores originados são resultados da 
aplicação das fórmulas e relações entre essas. Ademais, o modelo apresentado é constituído 
por cinco fórmulas, de F1 a F5. 
15
Figura 10 – Modelo de previsão.
Fonte: elaborada pelo conteudista
O analista deverá usar todos os dados disponíveis, além da opinião de experts, para que 
consiga definir um determinado intervalo de possibilidades probabilísticas que tenham a 
capacidade de realizar a captura do resultado do futuro evento em análise.
Quadro 1 – Condições de risco
Condições definidas para escalas de impacto de um risco em objetivos importantes do projeto
(os exemplos são mostrados somente para impactos negativos)
Objetivo do projeto
São mostradas escalas relativas ou numéricas
Muito baixo/ 0,05 Baixo/ 0,10 Moderado/ 0,20 Alto/ 0,40 Muito alto/ 0,80
Custo
Aumento de custo não 
significativo
Aumento de custo < 10%
Aumento de custo de 
10% a 20%
Aumento de custo de 
20% a 40%
Aumento de custo > 40%
Tempo
Aumento de tempo não 
significativo
Aumento de tempo < 5%
Aumento de tempo de 
5% a 10%
Aumento de tempo de 
10% a 20%
Aumento de tempo > 20%
Escopo
Diminuição de escopo 
quase imperceptível
Áreas menos importantes 
do escopo afetadas
Áreas importantes do 
escopo afetadas
Redução do escopo 
inaceitável para o 
patrocinador
Item final do projeto sem 
nenhuma utilidade
Qualidade
Degradação da qualidade 
quase imperceptível
Somente as aplicações 
mais críticas são afetadas
Redução da qualidade 
exige a aprovação do 
patrocinador
Redução da qualidade 
inaceitável para o 
patrocinador
Item final do projeto sem 
nenhuma utilidade
Fonte: elaborado pelo professor conteudista
16
Unidade: Processo de Análise de Risco
Analisando probabilidades
O que é Incerteza em um Projeto?
Sempre que discorremos sobre o futuro de um projeto estamos nos referindo a hipóteses. Por 
isso, já estamos na área das incertezas, de modo que não é possível antecipar acontecimentos 
futuros com cem por cento de certeza.
É claro que existem fatos que podem ter previsões bem mais sensatas e reais, por exemplo, 
podemos dizer com um grau de certeza elevado sobre o próximo eclipse lunar, qual noite, hora 
etc., mas essa possiblidade só é real porque, ao longo de muitos anos, estudamos o céu e os 
satélites, os quais nos permitem um elevado grau de precisão. Mas, por outro lado, ainda mais 
nos dias de hoje, é bem complicado tentar predizer qual será a taxa de inflação no próximo 
ano, qual será o grau de ocupação de determinado resort na Bahia, entre outras projeções.
Existem muitas variáveis que controlam nossas habilidades em prever, até com certa 
precisão, o futuro. É importante entender que a nossa capacidade de predizer o futuro está 
diretamente relacionada aos nossos conhecimentos acerca do fato, assim como da qualidade e 
quantidade de informações que temos a respeito de determinado evento. Quando juntamos as 
informações e a nossa experiência, conseguimos, com muito mais facilidade, projetar o futuro 
e até predizê-lo.
Quando definimos quais são as variáveis que envolvem determinada incerteza em um projeto 
ou aplicação, podemos aumentar as margens da incerteza para que consigamos considerar, 
igualmente, a possível falta de dados ou de erros contidos nesses dados, os quais poderiam ter 
sido usados para a tomada de decisão. 
Como se pode imaginar, os resultados da interpretação da análise de risco podem melhorar 
a qualidade da decisão de optar ou não por determinado investimento. Através da análise dos 
resultados é possível criar e ponderar outras medidas de risco para saber, com mais certeza, se 
o investimento é viável ou não.
17
Material Complementar
Livros:
LEONE, George. Custos: planejamento, implantação e controle. São Paulo: Atlas, 2000.
MARTINS, Eliseu. Contabilidade de custos. 8. ed. São Paulo: Atlas, 2001.
SAKURAI, Michiharu. Gerenciamento integrado de custos. São Paulo: Atlas, 1997.
18
Unidade: Processo de Análise de Risco
Referências
BIERMAN JR., H.; SMIDT, S. The capital budgeting decision. New York: MacMillan, 1975.
BREALEY, R. A.; MYERS, S. C.; M., A. J. Fundamental of corporate finance. New York: 
McGraw-Hill, 1995.
DAMODARAN, A. Avaliação de investimentos. Rio de Janeiro: Qualitymark, 1997.
DOONAN, P. Freud, fishing and risk management. Risk Management, New York, v. 48, n. 
12, p. 48-49, dez. 2001.
MARTINS, E.; ASSAF NETO, A. Administração financeira. São Paulo: Atlas, 1989.
ROSS, S. A.; WESTERFIELD, R. W.; JAFFE, J. F. Administração financeira: corporate 
finance. São Paulo: Atlas, 1995.
THUESEN, H. G.; FABRYCKY, W. J.; THUESEN, G. J. Engineering economy. 5. ed. New 
Jersey: Prentice-Hall, 1977.
19
Anotações