Baixe o app para aproveitar ainda mais
Prévia do material em texto
Documento Interno UNISIM-DEP-FEM-UNICAMP 06/08/2018 Métricas para quantificar o risco de perda e a oportunidade de ganho de estratégias de produção Susana M. G. Santos, Ana Teresa F. S. Gaspar, Denis J. Schiozer O risco de cada negócio está associado a incertezas associadas aos diversos parâmetros de cada projeto e ao resultado esperado de cada decisão. Muitas vezes, o risco é associado a variabilidade da resposta esperada para projetos, mas este conceito acaba tratando da mesma forma a variabilidade de retornos abaixo e acima do esperado. Em particular, nos projetos de desenvolvimento de campos de petróleo, o risco é tipicamente associado à chance de não se conseguir alcançar um certo retorno desejado. Este retorno, denominado aqui de retorno referência ou benchmark (B), é definido pela empresa e pode representar a meta desejada em dado projeto. Uma empresa menor, que valorize e aceite projetos que apenas retornem lucro, poderá definir B = 0. Já uma empresa maior, que apenas considere atrativos os projetos que apresentem um retorno acima de dado valor, por exemplo, US$ 1 bilhão, definirá B igual a este valor. A variabilidade acima do esperado (ou acima de B), está mais associada a oportunidade de ganho. Neste contexto, Santos et al. (2017) individualizam três domínios de variabilidade da curva de risco (Figura 1), designados de: o Incerteza (overall uncertainty) – variabilidade total do retorno do projeto. o Risco de perda (downside risk) – domínio que, por se encontrar abaixo do retorno benchmark, representa o domínio indesejado da incerteza, correspondendo aos cenários pessimistas que se pretende mitigar. o Oportunidade de ganho (upside potential) – domínio que, por se encontrar acima do retorno benchmark, pode ser visto como domínio desejável da incerteza, representado cenários otimistas possivelmente explotáveis. Figura 1 – Domínios de variabilidade da curva de risco de uma variável X: variabilidade abaixo do retorno benchmark (B) reflete o risco de perda, variabilidade acima de B reflete a oportunidade de ganho e a variabilidade total da curva reflete a incerteza global no retorno. O benchmark B não necessita coincidir com o valor esperado de X, E{X} (modificado de Santos et al., 2017). 0 0.2 0.4 0.6 0.8 1 350 450 550 650 P ro b a b il id a d e a cu m u la d a Variável X E{X} B Domínio da oportunidade de ganho Domínio do risco de perda Domínio da incerteza 1 Documento Interno UNISIM-DEP-FEM-UNICAMP 06/08/2018 O desvio padrão, apesar de frequentemente aplicado, torna-se uma métrica incompatível com a percepção de risco nos projetos de desenvolvimento de campos de petróleo. Isto porque o desvio- padrão quantifica, em um só valor, toda a variabilidade da curva de risco. Destaca-se que essa métrica de risco foi originalmente proposta para o mercado financeiro de ações, onde maior volatilidade representa, simultaneamente, maior risco e maior oportunidade de ganho, uma vez que o lucro pode ser conseguido tanto na valorização como na desvalorização de uma ação. Desta forma, o desvio padrão não é necessariamente inadequado, ele apenas é uma métrica inadequada no contexto do desenvolvimento de campos de petróleo. Por isso, Santos et al. (2017) propõem o uso do semidesvio padrão em relação a B, o qual permite quantificar, isoladamente, subdomínios do desvio padrão. O semidesvio padrão inferior (lower semideviation) é usado para quantificar o risco de perda (Equação 1), enquanto que o semidesvio padrão superior (upper semideviation) é usado para quantificar a oportunidade de ganho (Equação 2). Neste contexto, o desvio padrão (Equação 3) deve ser usado apenas para quantificar a incerteza global no retorno do projeto. 𝑆𝐵− = √𝑆𝐵− 2 = √𝐸{min[(𝑋 − 𝐵), 0]2} (1) 𝑆𝐵+ = √𝑆𝐵+ 2 = √𝐸{max[(𝑋 − 𝐵), 0]2} (2) 𝜎 = √𝜎2 = √𝐸{(𝑋 − �̅�)2} (3) onde, SB- e SB+ são o semidesvio padrão inferior e superior, respectivamente, em relação ao retorno benchmark B; S2B- e S 2 B+ são a semivariância inferior e superior, respectivamente; σ é o desvio padrão; E é o operador de valor esperado; X é a variável (ex. valor presente líquido, produção acumulada de óleo); e �̅� é o valor esperado de X. Destaca-se que o semidesvio padrão é dado pela raiz quadrada da semivariância, a qual, à semelhança da variância, é de difícil análise por ser expressa em unidades quadráticas. As Equações 1 a 3 são válidas para variáveis discretas e contínuas. Para o caso de variáveis discretas, estas equações podem ser escritas tal como apresentadas nas Equações 4 a 6, onde pi é a probabilidade de ocorrência do cenário i. 𝑆𝐵− = √∑ 𝑚𝑖𝑛[(𝑋𝑖 − 𝐵), 0]2 ∗ 𝑝𝑖 𝑁 𝑖=1 = √ ∑ (𝑋𝑖 − 𝐵) 2 ∗ 𝑝𝑖 𝑋𝑖<𝐵 (4) 𝑆𝐵+ = √∑ 𝑚𝑎𝑥[(𝑋𝑖 − 𝐵), 0]2 ∗ 𝑝𝑖 𝑁 𝑖=1 = √ ∑ (𝑋𝑖 − 𝐵) 2 ∗ 𝑝𝑖 𝑋𝑖>𝐵 (5) 2 Documento Interno UNISIM-DEP-FEM-UNICAMP 06/08/2018 𝜎 = √∑(𝑋𝑖 − �̅�)2 ∗ 𝑝𝑖 𝑁 𝑖=1 (6) onde, �̅� = ∑ 𝑋𝑖 ∗ 𝑝𝑖 𝑁 𝑖=1 (7) Definição do benchmark B no contexto da metodologia de análise de decisão em 12 passos A comparação justa de várias estratégias de produção exige o uso do mesmo benchmark. No contexto dos 12 passos (Schiozer et al., 2015), sugere-se que B seja definido no passo 6, dado pelo valor esperado da estratégia de produção otimizada para o caso base. Para estudos de valor da informação e da flexibilidade, sugere-se que B seja igual ao valor esperado da estratégia de produção sem informação e sem flexibilidade, respectivamente. Exemplo A Tabela 1 apresenta um exemplo hipotético de cinco cenários, cada um com uma probabilidade de ocorrência. Neste exemplo, a função-objetivo é o valor presente líquido (VPL) e B = US$ 200 milhões. Tabela 1 – Caso de estudo hipotético com cinco cenários, apresentando-se passos auxiliares para o cálculo do semidesvio padrão inferior e superior. Cenário Probabilidade VPL (US$ milhões) min[(VPLi-200),0] (US$ milhões) max[(VPLi-200),0] (US$ milhões) 1 0.1 -100 -300 0 2 0.2 150 -50 0 3 0.4 500 0 300 4 0.2 -50 -250 0 5 0.1 350 0 150 Para este exemplo obtêm-se as seguintes métricas: o Valor monetário esperado: 𝑉𝑀𝐸 = (−100) ∗ 0.1 + 150 ∗ 0.2 + 500 ∗ 0.4 + (−50) ∗ 0.2 + 350 ∗ 0.1 = 𝑈𝑆$ 245 𝑚𝑖𝑙ℎõ𝑒𝑠 3 Documento Interno UNISIM-DEP-FEM-UNICAMP 06/08/2018 o Desvio padrão: 𝜎 = √ (−100 − 245)2 ∗ 0.1 + (150 − 245)2 ∗ 0.2 + (500 − 245)2 ∗ 0.4 + (−50 − 245)2 ∗ 0.2 + (350 − 245)2 ∗ 0.1 = 𝑈𝑆$ 241.3 𝑚𝑖𝑙ℎõ𝑒𝑠 o Semidesvio padrão inferior: 𝑆200− = √(−300)2 ∗ 0.1 + (−50)2 ∗ 0.2 + 0 ∗ 0.4 + (−250)2 ∗ 0.2 + 0 ∗ 0.1 = 𝑈𝑆$ 148.3 𝑚𝑖𝑙ℎõ𝑒𝑠 o Semidesvio padrão superior: 𝑆200+ = √0 ∗ 0.1 + 0 ∗ 0.2 + (300)2 ∗ 0.4 + 0 ∗ 0.2 + (150)2 ∗ 0.1 = 𝑈𝑆$ 195.6 𝑚𝑖𝑙ℎõ𝑒𝑠 Referências Santos, S. M. G.; Botechia, V. E.; Gaspar, A. T. F. S.; Schiozer, D. J. 2017. Expected Value, Downside Risk and Upside Potential as Decision Criteria in ProductionStrategy Selection for Petroleum Field Development, Journal of Petroleum Science and Engineering, v. 157, pp. 81-93. https://dx.doi.org/10.1016/j.petrol.2017.07.002 Santos, S. M. G. 2017. Decision criteria for production strategy selection under uncertainty, UNISIM ON-LINE, v. 117, Agosto. Disponível em: https://www.unisim.cepetro.unicamp.br/online/UNISIM_ON_LINE_N117.PDF Santos, S. M. G. 2015. Semi-deviation from a Benchmark Value as a Measure of Risk in Petroleum Development Projects, UNISIM ON-LINE, v. 95, Outubro. Disponível em: https://www.unisim.cepetro.unicamp.br/online/UNISIM_ON_LINE_N95.PDF Schiozer, D. J.; Santos, A. A. S.; Drumond, P. S. 2015. Integrated Model Based Decision Analysis in Twelve Steps Applied to Petroleum Fields Development and Management, In: SPE EUROPEC, 1-4 Junho, Madri, Espanha. https://doi.org/10.2118/174370-MS 4 https://dx.doi.org/10.1016/j.petrol.2017.07.002 https://www.unisim.cepetro.unicamp.br/online/UNISIM_ON_LINE_N117.PDF https://www.unisim.cepetro.unicamp.br/online/UNISIM_ON_LINE_N95.PDF https://doi.org/10.2118/174370-MS
Compartilhar