Investimento Sob Incerteza em Mineração de Ferro

UNIVERSIDADE FEDERAL DE MINAS GERAIS
ESCOLA DE ENGENHARIA
DEPARTAMENTO DE ENGENHARIA DE PRODUO
PROGRAMA DE PS-GRADUAO EM ENGENHARIA DE PRODUO
Investimento sob incerteza em minerao de ferro: o valor

da flexibilidade em decises de capacidade e escoamento
Caio Pereira e Maia
Belo Horizonte, Maro de 2011
Caio Pereira e Maia
Investimento sob incerteza em minerao de ferro: o valor

da flexibilidade em decises de capacidade e escoamento
Dissertao apresentada ao Curso de Mestrado em

Engenharia de Produo da Universidade Federal de
Minas Gerais, como requisito parcial para a obteno
do ttulo de Mestre em Engenharia de Produo.
rea de Concentrao: Produo e Logstica
Linha de Pesquisa: Modelos Estocsticos de Apoio
Deciso
Orientador: Leonardo Pereira Santiago Departamento de Engenharia de Produo - UFMG
Belo Horizonte, Maro de 2011
AGRADECIMENTOS
Sarah pelo apoio incondicional nessa jornada.

minha Me, rico, meus avs e familiares pelos incentivos.
Ao meu pai pela inspirao.
Suzana e ao Paulinho pela torcida.
Ao professor Leonardo Santiago pela orientao.
Ao Eloi pela ajuda sempre importante.
Ao Leo Tavares, pela fora mtua na largada e nesta reta final.
Aos companheiros do LADEC e do mestrado pela convivncia.
RESUMO
A implantao de empreendimentos de minerao envolve investimentos de grande

montante de capital e possuem um elevado nvel de incerteza, principalmente
relacionados aos preos das commodities. Neste contexto, a literatura de anlise de
investimentos aponta a teoria de opes reais como a tcnica mais adequada de
avaliao de investimentos, por incorporar o valor da flexibilidade gerencial em
condies de incerteza ao valor do projeto. O problema abordado neste trabalho a
valorao das opes gerenciais de um empreendimento de minerao de ferro. Para
tanto, desenvolvemos um estudo de caso para avaliao de um projeto de minerao de
ferro sob a tica de opes reais. Construmos essa anlise atravs da modelagem de
incertezas inerentes indstria de minerao (i.e. modelagem do preo do minrio e
modelagem do lead time de implantao), principalmente motivados pelo contexto
macroeconmico afetado pela entrada da China no mercado transocenico de minrio
de ferro. Para modelar as incertezas, utilizamos processos estocsticos tais como
movimento geomtrico browniano e processo de reverso mdia histrica para
projetar o preo futuro do minrio de ferro, e modelamos a probabilidade de atraso na
implantao utilizando distribuio de probabilidades Beta. Avaliamos a coerncia de
nossa projeo de preos atravs do teste economtrico de raiz unitria de DickeyFuller, aplicando-o srie histrica do preo do minrio de ferro. Analisamos tambm
as incertezas endgenas utilizando uma taxa de desconto e avaliamos o seu impacto no
valor das opes atravs de anlise de sensibilidade. Comprovamos o aumento de valor
ocasionado pela existncia da flexibilidade gerencial e discutimos a influncia das
variveis modeladas na definio das opes gerenciais que maximizam o valor do
projeto.
PALAVRAS CHAVE: valorao, opes reais, processos estocsticos, investimentos

sob incerteza e minerao de ferro.
4
ABSTRACT
Mining projects implementation requires large amount of capital investment and has a
high level of uncertainty, mostly related to commodity prices. In this context, research
on investment analysis presents real options theory as the most appropriate method of
valuating investments, since it incorporates the value of managerial flexibility under
uncertainty in project value. The problem addressed in this paper is the valuation of the
managerial options of an iron mining project. We have developed a case study to value
an iron mining project using real options approach. We have built this analysis through
the modeling of uncertainties inherent in the mining industry (i.e. iron ore price forecast
modeling and project implementation lead time), mainly motivated by the
macroeconomic effect related to China's entry into the seaborne market for iron ore. To
model those uncertainties, we have used stochastic processes such as geometric
brownian motion and mean reversion process to forecast iron ore price pattern, and
modeled the probability of delay in implementation using beta probability distribution.
We have validated the consistency of our forecasted prices by applying econometric test
for unit root, Dickey-Fuller test, on the iron ore prices time series. We have also
analyzed the endogenous uncertainties using a discount rate and evaluated its impact on
the value of the modeled options through sensitivity analysis. Therefore, we have
measured the increase in project value caused by the existence of managerial flexibility
and we have discussed the influence of the input variables on modeled options that
maximize the project value.
KEY WORDS: valuation, real options, stochastic process, investment under

uncertainty, iron ore mining.
Sumrio
Lista de Figuras ................................................................................................................. 8
Lista de Tabelas .............................................................................................................. 10
Lista de Equaes ........................................................................................................... 11
1.
Introduo .............................................................................................................. 13
1.1. Anlise de Investimento na Indstria de Minerao............................................ 13

1.2. Objetivos do Trabalho ......................................................................................... 16
1.3. Indstria de Minerao de Ferro .......................................................................... 17
1.4. Panorama do Mercado de Minrio de Ferro ........................................................ 19
1.5. Estrutura da Dissertao ...................................................................................... 20
2.
Reviso Bibliogrfica............................................................................................. 22
2.1. Definio de Flexibilidade Gerencial .................................................................. 22

2.2. Definio de Retorno, Incerteza e Risco ............................................................. 25
2.3.
Anlise de Investimento: Comparao entre a abordagem da Teoria Clssica e
a Anlise por Opes Reais ............................................................................................ 28
2.4. Opes Financeiras .............................................................................................. 31
2.5. Precificao de Opes Financeiras .................................................................... 35
2.6. Definio de Opes Reais .................................................................................. 43
2.7. Tipos de Opes Reais ......................................................................................... 46
2.8. Limitaes da Analogia entre Opes Reais e Opes Financeiras .................... 48
2.9. Aplicaes de Opes Reais ................................................................................ 50
2.10. Processos Estocsticos ........................................................................................ 52
2.10.1 Movimento Geomtrico Browniano ................................................................ 52
2.10.2 Processo de Reverso Mdia......................................................................... 54
2.11. Teste de Raiz Unitria Dickey-Fuller ................................................................. 55
2.12. Simulao de Monte Carlo .................................................................................. 57
3.
Apresentao do Estudo de Caso ......................................................................... 61
3.1. O Problema .......................................................................................................... 61

3.2. Decises Gerenciais ............................................................................................. 62
3.3. Cenrios Analisados ............................................................................................ 65
3.4. Dados de Entrada ................................................................................................. 67
4.
Resultados .............................................................................................................. 70
4.1. Modelagem das Opes Reais ............................................................................. 70

6
4.2. Modelagem do Preo do Minrio ........................................................................ 76

4.2.1 Parmetros do Movimento Geomtrico Browniano .......................................... 77
4.2.2 Parmetros do Processo de Reverso Mdia................................................... 79
4.3. Anlise do Comportamento do Preo do Minrio ............................................... 82
4.4. Modelagem de Incerteza de Lead Time ............................................................... 85
4.5. Nmero de Simulaes ........................................................................................ 86
4.6. Valor do Empreendimento Cenrio Caso Base ................................................... 87
4.7. Valor do Empreendimento Cenrio Preo ........................................................... 91
4.8. Valor do Empreendimento Cenrio Tempo para Implantao ............................ 94
4.9. Valor do Empreendimento Cenrio Custo de Capital ......................................... 98
5.
Anlises ................................................................................................................... 99
5.1. Anlise Comparativa: Cenrio Base x Cenrio Preo ......................................... 99

5.2. Anlise Comparativa: Cenrio Base x Cenrio Tempo para Implantao ......... 102
5.3. Anlises de Sensibilidade do Cenrio Custo de Capital .................................... 104
6.
Concluso ............................................................................................................. 109
7.
Referncias Bibliogrficas .................................................................................. 114
8.
Apndice 1 ............................................................................................................ 124
Lista de Figuras
Figura 1 Diferencial da abordagem por Opes .......................................................................... 23
Figura 2 Prmio da Flexibilidade Gerencial ................................................................................ 24
Figura 3 Diferena entre a Abordagem Tradicional e a Abordagem por Opes Reais.............. 30
Figura 4 Relao entre o valor da opo de compra e o preo do ativo-objeto ........................... 35
Figura 5 Quadro comparativo - dimenses das Opes Financeiras X Opes Reais ................ 45
Figura 6 Ilustrao das Opes nos respectivos perodos de deciso dos empreendedores ........ 64
Figura 7 Ilustrao da Lgica de Funcionamento do Modelo ..................................................... 65
Figura 8 Srie histrica do Minrio de ferro, valores em centavos de dlar por unidade metlica
de Fe no produto. (valores corrigidos pela inflao americana para 2008) ................................ 68
Figura 9 Comparativo valores aleatrios gerados na simulao de Monte Carlo e a distribuio
beta especificada .......................................................................................................................... 86
Figura 10 Comparativo das Distribuies de Resultados do Modelo, Variando o nmero de
rodadas de simulao ................................................................................................................... 87
Figura 11 Distribuio dos Valores de VPL do Modelo para o Cenrio Base ............................ 88
Figura 12 Distribuio dos Valores de VPL do Modelo para o Cenrio Base, com flexibilidade
gerencial e sem flexibilidade gerencial ....................................................................................... 89
Figura 13 Grfico comparativo dos coeficientes de variao do modelo considerando a
flexibilidade gerencial e desconsiderando a flexibilidade gerencial ........................................... 89
Figura 14 Freqncia da melhor deciso do primeiro ponto de deciso ..................................... 90
Figura 15 Freqncia da melhor deciso do segundo ponto de deciso ...................................... 91
Figura 16 Distribuio dos Valores de VPL do Modelo para o Cenrio Preo ........................... 92
Figura 17 Distribuio dos Valores de VPL do Modelo para o Cenrio Preo, com flexibilidade
gerencial e sem flexibilidade gerencial ....................................................................................... 92
flexibilidade gerencial e desconsiderando a flexibilidade gerencial para o caso preo ............... 93
Figura 19 Freqncia da melhor deciso do primeiro ponto de deciso para o caso preo ......... 93
Figura 20 Freqncia da melhor deciso do segundo ponto de deciso para o caso preo....... 94
Figura 21 Distribuio dos Valores de VPL do Modelo para o Cenrio Tempo de Implantao95
Figura 22 Distribuio dos Valores de VPL do Modelo para o Cenrio Tempo de Implantao,
com flexibilidade gerencial e sem flexibilidade gerencial........................................................... 96
flexibilidade gerencial e desconsiderando a flexibilidade gerencial para o caso tempo de
implantao.................................................................................................................................. 96
Figura 24 Freqncia da melhor deciso do primeiro ponto de deciso para o caso tempo para
implantao.................................................................................................................................. 97
Figura 25 Freqncia da melhor deciso do segundo ponto de deciso ...................................... 97
Figura 26 Grfico da Mdia de Preos projetadas conforme processo estocsticos do cenrio
base e cenrio preo..................................................................................................................... 99
Figura 27 Comparao da Distribuio dos Resultados entre os Cenrios: Caso Base e Caso
Preo .......................................................................................................................................... 100
Figura 28 Comparao do Coeficiente de Variao dos Resultados entre os Cenrios: Caso Base
e Caso Preo .............................................................................................................................. 100
Figura 29 Comparao entre Caso Base e o Caso Preo da Distribuio da Melhor Opo para a
1a. Deciso ................................................................................................................................ 101
Figura 30 Comparao da Freqncia da melhor deciso do segundo ponto de deciso do Caso

Preo e do Caso Base................................................................................................................. 102
Figura 31 Comparao da Distribuio dos Resultados entre os Cenrios: Caso Base e Caso
Tempo para Implantao ........................................................................................................... 103
Figura 32 Comparao do Coeficiente de Variao dos Resultados entre os Cenrios: Caso Base
e Caso Tempo para Implantao ............................................................................................... 103
Figura 33 Comparao entre a Distribuio da Melhor Opo para a 1a. Deciso, Caso Base e o
Caso Tempo para a Implantao ............................................................................................... 104
Figura 34 Comparao do fator de desconto conforme o nmero de perodos ......................... 105
Figura 35 Grfico Anlise de Sensibilidade Taxa de Desconto X Melhor Opo .................... 106
Figura 36 Fluxos Descontados comparados com Taxa de Desconto......................................... 107
Lista de Tabelas
Tabela 1 Posies bsicas em Opes Financeiras...................................................................... 34
Tabela 2 Categorias Comuns de Opes Reais ........................................................................... 48
Tabela 3 Frmulas da Valorao de Sq ....................................................................................... 71
Tabela 4 Frmulas da Valorao das opes A ........................................................................... 72
Tabela 5 Frmulas da Valorao das opes B ........................................................................... 73
Tabela 6 Frmulas da Valorao das opes C ........................................................................... 75
Tabela 7 Frmulas da Valorao de D ........................................................................................ 76
Tabela 8 Parmetros MGB para projeo do Preo do minrio de ferro..................................... 78
Tabela 9 Parmetros PRM para projeo do Preo do minrio de ferro ..................................... 81
Tabela 10 Resultados do teste Dickey-Fuller do logaritmo da srie histrica do Minrio de Ferro
realizados no Software Stata 11................................................................................................... 83
10
Lista de Equaes
Equao 1 Processo estocstico que governa a evoluo do preo de um ativo ......................... 26
Equao 2 Valor esperado para a apreciao relativa do preo do ativo ..................................... 26
Equao 3 Varincia do preo do ativo ....................................................................................... 27
Equao 4 Equao do Valor Presente Lquido .......................................................................... 29
Equao 5 Equao do custo mdio ponderado de capital .......................................................... 30
Equao 6 Modelo CAPM (Capital Asset Price Model) ............................................................. 31
Equao 7 Equao de Black e Scholes ...................................................................................... 39
Equao 8 Frmula geral multiplicativa binomial de precificao de opes............................. 42
Equao 9 Equao do Movimento Geomtrico Browniano ...................................................... 53
Equao 10 Equao da soluo analtica da Equao do Movimento Geomtrico Browniano. 53
Equao 11 Equao do Valor esperado da Varivel aleatria do Movimento Geomtrico
Browniano ................................................................................................................................... 53
Equao 12 Varincia da Varivel aleatria do Movimento Geomtrico Browniano................. 53
Equao 13 Equao do Processo de Reverso Mdia ............................................................. 54
Equao 14 Equao do Processo de Ornstein-Uhlenbeck ......................................................... 55
Equao 15 Equao do Valor do Empreendimento ................................................................... 71
Equao 16 Equao do Valor Presente da Opo Sq ................................................................. 72
Equao 17 Equao do Valor Presente da Opo A .................................................................. 72
Equao 18 Equao do Valor Presente da Opo B .................................................................. 74
Equao 19 Equao do Valor Presente da Opo C .................................................................. 75
Equao 20 Equao do Valor Presente da Opo D .................................................................. 76
Equao 21 Equao com a transformao que descreve o comportamento de P....................... 79
Equao 22 Regresso para estimar os parmetros de reverso mdia .................................... 80
Equao 23 Equao para clculo da mdia histrica ................................................................. 80
Equao 24 Equao para clculo da velocidade de reverso mdia ....................................... 81
Equao 25 Equao para clculo da volatilidade ....................................................................... 81
Equao 26 Equao de xt para simulao dos valores de preos pelo processo de reverso
mdia ........................................................................................................................................... 81
Equao 27 Equao do valor esperado da distribuio beta ...................................................... 86
11
a incerteza que nos fascina.

Tudo maravilhoso entre brumas.
Oscar Wilde
12
1. Introduo
1.1. Anlise de Investimento na Indstria de Minerao

A tcnica de avaliao de investimentos mais empregada no mundo corporativo
o fluxo de caixa descontado (FCD). Sua aplicao consiste na identificao de um
cenrio esperado, na estimativa dos fluxos de caixa peridicos e no emprego de uma
taxa de desconto1 associada ao risco do projeto para calcular o valor presente do ativo.
Uma caracterstica da tcnica de FCD o fato da mesma considerar que a
empresa ir seguir uma estratgia esttica de operao at o trmino do
empreendimento. Em mercados estveis, onde as previses e os cenrios elaborados
pelos analistas possuem maior probabilidade de acerto e as estratgias estabelecidas na
etapa de planejamento podem ser implementadas como originalmente concebidas, essa
tcnica suporta adequadamente a tomada de decises dos gerentes (AMRAN e
KULATILAKA, 2000). Entretanto, nas ltimas dcadas, os mercados tm se mostrado
altamente volteis, a competio acirrada tem levado as empresas a implantar grandes
projetos, lanar novos produtos ou desenvolver novas tecnologias com uma freqncia
muito maior do que no passado. A tcnica de FCD, por no considerar as incertezas de
mercado e os possveis cursos de ao que a gerncia pode tomar em funo da
Dois princpios esto por trs da taxa de desconto: primeiro, o princpio do valor do dinheiro no tempo,
que diz que um dlar amanh vale menos que um dlar hoje; e o princpio embutido no conflito retorno
versos risco segundo o qual um fluxo de caixa seguro mais valioso que um fluxo de caixa arriscado no
mesmo perodo de tempo. A taxa de desconto deve refletir o princpio que investidores requerem retornos
maiores para investimentos mais arriscados (DAMONDARAN, 1997).
13
evoluo dos acontecimentos, no gera resultados adequados tomada de deciso de

investimento com as anlises tradicionais, argumentam Amran e Kulatilaka (2000).
Assim, a discrepncia entre os mtodos de avaliao de investimento
tradicionais como o Fluxo de Caixa Descontado (FCD) e a realidade corporativa, aliado
a um ambiente macroeconmico cada vez mais complexo so importantes fatores que
motivam a aplicao de metodologias de anlise de investimento que sejam capazes de
incorporar incertezas e flexibilidades gerenciais. Anlises baseadas simplesmente no
valor presente lquido (VPL) podem levar um tomador de deciso a aes que
impossibilitam a captura de valor de novas oportunidades que poderiam gerar ainda
mais valor e foram ignoradas previamente.
Decises gerenciais que posteriormente se mostram sub-timas podem resultar
em falncia das empresas, especialmente em indstria de capital intensivo como
minerao, siderurgia e petrolferas (TRIGEORGIS, 1996). Este tipo de indstria
necessita de grande volume de capital e longo perodo para implantao de novos
projetos, e est exposta a diversas fontes de incertezas, como, por exemplo, incerteza de
lead time2 de implantao, incerteza da estimativa do volume de investimento
necessrio construo e ainda incerteza sobre os preos das commodities que sero
produzidas.
A indstria de minerao de ferro se insere neste contexto. Em sntese, para
implantar um novo empreendimento necessrio um alto investimento. Normalmente, a
implantao de um projeto se inicia com pesquisas geolgicas, seguidas por um trabalho
de engenharia e processo, passando pela construo e em seguida o incio da produo.
Entre a fase de pesquisa geolgica e o incio da produo leva-se em mdia sete anos,
2
Lead time ou tempo de aprovisionamento, em portugus europeu, o perodo entre o incio de uma
atividade, produtiva ou no, e o seu trmino. Nesta dissertao, a definio de lead time est relacionada
com o tempo de implantao de projeto. A definio mais convencional para lead time em gerenciamento
de cadeia de suprimentos o tempo entre o momento de entrada do material at a sua sada do inventrio
(LAMBERT et al., 1998)
14
podendo chegar a uma dcada. Por todo este perodo o projeto fica exposto oscilao
do valor de investimento para construo e operao da planta, s incertezas do preo da
commodity e de lead time de implantao. Estas caractersticas resultam num longo
perodo entre o investimento e a gerao de caixa, o que pode levar um analista a
concluses equivocadas na avaliao da viabilidade do projeto caso utilize FCD
impossibilitando a captao dos recursos financeiros necessrios e at a inviabilizao
do empreendimento.
A abordagem tradicional do FCD imprpria ao tratar incertezas e capturar a
flexibilidade de se revisar decises na medida em que mais informaes so
naturalmente reveladas (DIXIT e PINDYCK, 1994). O FCD possui premissas que
indicam um horizonte de anlise esttico, onde os gestores possuem uma postura
passiva frente estratgia operacional os gestores no seriam capazes de mudar a
estratgia em caso de alterao das condies macroeconmicas ou surgimento de
oportunidades melhores de captura de valor (TRIGEORGIS, 1996).
Por no considerar as flexibilidades para a reviso das estratgias iniciais, o
mtodo do fluxo de caixa descontado pode subavaliar um projeto, pois as flexibilidades
gerenciais possibilitam capitalizar as oportunidades futuras favorveis empresa e
reagir a eventos adversos. Trigeorgis (1996) afirma que no caso de investimentos reais,
a inadequao bsica do FCD para oramento de capital que esta tcnica no
corretamente captura a flexibilidade para adaptar ou rever as decises posteriormente.
Neste contexto surge a Anlise por Opes Reais (AOR) como uma tcnica que
incorpora as incertezas inerentes a um projeto de investimento. A literatura apresenta
relatos de diversas aplicaes de AOR em projetos de minerao (e.g. (AKBARI e
SHIRAZI, 2009)), pesquisa e desenvolvimento (e.g. (SANTIAGO, 2006); (SANTIAGO
e VAKILI, 2005)), indstria petrolfera (e.g. (DIAS, 2005)), e mercado imobilirio (e.g.
15
(JONES e NICKERSON, 2002)). Em sntese, esta tcnica considera que o investidor

tem a opo de redirecionar o projeto de investimento por meio de aes gerenciais,
onde cada uma de suas possveis aes possui um custo - mas no possui obrigao de
investir. Esse investimento s pode ser exercido em um perodo especfico de tempo,
porm ser executado apenas se as condies futuras se mostrarem favorveis ao
investimento. Esta abordagem permite que a anlise incorpore as incertezas e a
flexibilidade gerencial.
1.2. Objetivos do Trabalho
Esta dissertao tem como principal objetivo analisar a valorao da

flexibilidade gerencial de um projeto de minerao de ferro sob a tica de opes reais.
Esta anlise construda atravs da modelagem de incertezas inerentes indstria de
minerao, principalmente motivada pelo contexto macroeconmico afetado pela
entrada da China no mercado transocenico de minrio de ferro.
Os objetivos especficos so:
(i)
Analisar e descrever a srie temporal do preo do minrio de ferro,

utilizando testes economtricos. Este objetivo embasa a definio da
modelagem estocstica das incertezas do preo do minrio de ferro no
modelo de valorao por opes reais.
(ii)
Considerando que a estrutura de oferta e demanda no mercado de

minrio de ferro alterou profundamente na ltima dcada, investigaremos
se esta mudana suficiente para alterar a modelagem do preo. Em
outras palavras, analisar o que devemos alterar na modelagem estocstica
do preo do minrio de ferro com o aumento de demanda ocasionado
16
pela entrada da China no mercado transocenico de minrio de ferro, e

quais os impactos esta alterao proporciona nas premissas clssicas
utilizadas atestadas para uma anlise por Opes Reais para esta
indstria.
(iii)
Analisar qual o impacto das incertezas endgenas no modelo. Focamos

principalmente na incerteza de lead time de implantao e avaliamos o
impacto desta incerteza.
(iv)
Avaliar, em nosso modelo de Opes Reais, o impacto das incertezas

endgenas modeladas por uma taxa de desconto determinstica.
Investigamos seu impacto utilizando anlise de sensibilidade.
1.3. Indstria de Minerao de Ferro

Embora o ferro seja o quarto elemento em abundncia relativa na crosta
terrestre, por ser um elemento muito reativo, este no encontrado na forma metlica,
ou seja, sem estar ligado quimicamente a outro elemento. Assim, destacam-se
mundialmente como principais minerais-minrios de ferro: a hematita, a limonita, a
magnetita e a siderita. No Brasil, a hematita (Fe2O3) sobressai-se como principal fonte
primria da cadeia de produo da Indstria Siderrgica conforme Departamento
Nacional de Produo Mineral (DNPM, 2007).
A histria reconhece que o ferro j era manuseado pelos hititas egpcios e
chineses nos idos 1.500 A.C. No processo evolutivo tecnolgico de uso dos minerais
busca do aumento da resistncia geral dos metais e resistncia corroso, atribui-se a
Henry Bessener (1856) o procedimento para transformar ferro fundido em ao (ferro
com pequeno percentual de carbono), principal fator determinante Revoluo
Industrial.
17
O ferro um mineral metlico, conceito o qual est estreitamente associado s

propriedades fsicas (mecnica, trmica e eltrica) e qumicas (resistncia corroso) do
material. A condutividade trmica e eltrica dos metais est ligada mobilidade dos
eltrons nos tomos em sua estrutura cristalina. Assim, os metlicos conduzem bem o
calor e a eletricidade.
Entre todos os metais, o ferro o mais produzido e o que est mais presente em
nossa vida. Inmeros minerais tm ferro como componente essencial, mas somente os
xidos apresentam grandes concentraes. Os principais minerais que contm ferro so:
hematita (Fe2O3), magnetita (Fe3O4), goethita (FeO(OH)) e siderita (FeCO3). As
formaes ferrferas compostas de hematita e slica, denominadas itabiritos, se
constituem nos maiores depsitos de ferro.
Cerca de 99,0% do minrio de ferro produzido no mundo so utilizados na
fabricao de ao e ferro fundido segundo o DNMP (2007). Outras aplicaes so as
indstrias de ferro-ligas e cimento. A produo de minrio de ferro no Brasil se
desenvolve em minas a cu aberto. A lavra em bancadas com desmonte por
explosivos, escavadeiras, carregamento em ps carregadeiras, transporte em caminhes
fora-de-estrada. O beneficiamento consiste de britagem, peneiramento, lavagem,
classificao, concentrao e pelotizao.
O minrio bruto (ROM) aps o beneficiamento gera produtos classificados como
granulados (acima de 6,3mm) e finos (sinterfeed entre 0,15 e 6,3mm e pelletfeed
abaixo de 0,15mm). Os granulados so utilizados diretamente nos altos fornos. Os finos
passam por processos de aglomerao (sinterizao e pelotizao), para posteriormente
serem adicionados nos fornos de reduo. A sinterizao consiste na adio de cal e
finos de coque ao minrio sinterfeed, resultando num produto aglomerado denominado
18
sinter. O processo de sinterizao desenvolvido nas usinas siderrgicas. No processo

de pelotizao o minrio pelletfeed recebe a adio de insumos (cal, bentonita e finos de
carvo) e transformado em pelotas nos discos de pelotizao. Aps a sua formao as
pelotas so queimadas nos fornos de endurecimento.
1.4. Panorama do Mercado de Minrio de Ferro

No incio da dcada atual, o impacto sobre o mercado mundial de minerao de
ferro causado pela crescente demanda chinesa, lastreada por forte crescimento
econmico daquele pas valorizou o minrio de ferro. Este fato, conseqentemente,
resultou em aumentos significativos de preo e margem para as mineradoras. O preo da
commodity aumentou sucessivamente a partir do ano 2000 no mercado internacional, e,
com isso, muitas jazidas e tratamentos de minrio que antes tinham um custo muito
elevado tornaram-se viveis, o que motivou tambm o desenvolvimento de diversos
projetos no mundo.
Este fato culminou numa mudana importante na lgica de precificao do
minrio de ferro. Desde 1980, o preo, que era definido com base anual nos contratos de
longo prazo (preo benchmark anual) entre os fornecedores e os consumidores (em sua
maioria, siderrgicas do Japo, Coria do Sul e Europa Ocidental que dependem do
mercado transocenico). No sculo XXI, especificamente a partir de 2008, o mercado
spot (contratos de compra e venda no vinculada a contratos de longo prazo) passou a
ganhar fora e o preo benchmark anual passou a ser revisado atravs de negociaes
trimestralmente. Esta caracterstica do mercado de precificao naturalmente afeta a
volatilidade do preo do minrio e motivou o desenvolvimento deste trabalho.
No mercado global de minrio de ferro, a China foi responsvel por 96% do
crescimento da demanda de minrio de ferro entre 2000 e 2009, em termos de consumo,
19
este pas aumentou em quase 1,1 bilhes de toneladas no perodo, mais do que todo o
mercado mundial em 2000 (CRU ANALISYS, 2009). Da demanda chinesa por minrio
de ferro, 540 milhes de toneladas foram atendidas atravs da importao no mercado
transocenico. Hoje, a China responsvel por 61% do total de importaes de minrio
de ferro consumido no mundo, em comparao com apenas 15% em 2000.
O domnio de uma nao como o principal importador de minrio de ferro levou
mudanas estruturais no mercado: Primeiro, transformou o mercado do Pacfico no
maior mercado mundial de minrio de ferro (anteriormente, antes do ano 2000, o
volume consumido no Pacfico era inferir ao volume consumido na Europa). Isso levou
ao surgimento de um mercado spot, atravs da venda de minrio de ferro da ndia
(especialmente proveniente de Goa) para a China. Esses fatores tm contribudo para
uma mudana fundamental na forma em que o preo do minrio de ferro negociado
atualmente.
Outra particularidade do mercado de minrio de ferro a ausncia de um
mercado futuro organizado em bolsa de valores. Ao contrrio dos minrios como ouro,
cobre, alumnio e zinco, que so commodities negociadas em contratos a futuro, o
minrio de ferro apresenta basicamente duas formas de negociao entre os
fornecedores e consumidores: preo de referncia, que atualmente passou de anual para
trimestral e o preo spot, o qual surgiu recentemente e j responde por uma parcela3
importante dos negcios das grandes mineradoras (CRU ANALISYS, 2009).
1.5. Estrutura da Dissertao
A proporo de vendas de minrio de ferro pelo preo de referncia e preo spot no so divulgadas
pelas mineradoras.
20
O trabalho encontra-se dividido em 6 captulos. O primeiro contm as

justificativas, os objetivos e a contextualizao as quais levaram a realizao do mesmo.
Alm da organizao de toda a dissertao, no primeiro captulo discutimos o panorama
geral da indstria de minerao de ferro.
No segundo captulo, apresentamos a reviso bibliogrfica ressaltando os
principais conceitos relacionados aplicao de anlises por opes reais. Iniciamos
com a definio de flexibilidade gerencial, em seguida, definimos retorno, incerteza e
risco. A partir da, apresentamos o comparativo entre as tcnicas clssicas de valorao
de investimentos e opes reais. Definimos ento opes financeiras, e sua valorao.
Em seguida, explicamos a analogia entre a valorao de opes financeiras e opes
reais. Definimos opes reais e apresentamos diversas aplicaes na literatura. Ainda na
reviso bibliogrfica apresentamos as metodologias que normalmente esto relacionadas
aplicao de anlises por opes reais: Simulao de Monte Carlo, Processos
Estocsticos e testes economtricos em sries temporais.
No captulo terceiro descrevemos o estudo de caso construdo para ilustrar a
anlise por opes reais. Definimos o problema, apresentamos as decises gerenciais,
definimos os cenrios a serem analisados e os dados de entrada.
No quarto captulo apresentamos os resultados do modelo implementado no
estudo de caso. Apresentamos os resultados da modelagem do minrio e do lead time de
implantao. Alm disso, discutimos os resultados de cada cenrio modelado.
No captulo cinco efetuamos uma anlise comparativa entre os cenrios com o
objetivo de mensurar o efeito e o comportamento das variveis de entrada do modelo
em nossa anlise.
21
No sexto captulo apresentamos as concluses de nossa anlise. Discutimos as

limitaes da abordagem e sugerimos temas a serem desenvolvidos em trabalhos
futuros.
2. Reviso Bibliogrfica
2.1. Definio de Flexibilidade Gerencial

A flexibilidade gerencial definida por Aggarwal (1997) como sendo a
habilidade para mudar decises estratgicas em resposta s mudanas exgenas e
endgenas do ambiente competitivo4. Ela pode propiciar s empresas a capacidade de
reverter, modificar ou alterar decises feitas em perodos anteriores, oferecendo uma
maior capacidade de resposta a uma variedade de possveis resultados oriundos da
incerteza do mercado (KULATILAKA e MARKS, 1988).
Em outras palavras, Trigeorgis (1996) define a flexibilidade gerencial como a
capacidade que permite o gestor tomar decises ao longo da vida do projeto de acordo
com as necessidades que surgem, como, por exemplo, postergar o investimento.
O conceito de flexibilidade gerencial foi crucial para que a AOR se tornasse uma
ferramenta importante, uma vez que a flexibilidade possibilita ao gestor rever a
estratgia inicial tendo condies de alterar o plano de investimento, de forma que as
perdas sejam minimizadas e os retornos esperados maximizados.
Conforme Amram e Kulatilaka (1999), as incertezas endgenas so aquelas associadas aos riscos
privados do negcio (i.e. incerteza tcnica, incerteza de custo de produo e investimento). Ao contrrio,
as incertezas exgenas esto relacionadas ao risco de mercado (i.e. incerteza de preo da commoditie,
incerteza de taxa de cmbio).
22
Segundo Copeland e Antikarov (2002), o valor da flexibilidade gerencial

demonstrado na figura 1:
Figura 1 Diferencial da abordagem por Opes

Fonte: Adaptado de Copeland e Antikarov (2002)
A existncia da flexibilidade gerencial em projetos de investimento consiste na

possibilidade que os gestores possuem em adaptar suas futuras aes em resposta s
futuras alteraes do mercado e de informaes internas do negcio. Isto proporciona
um aumento do valor da oportunidade do investimento pela melhoria do potencial de
ganhos, enquanto limita as perdas s expectativas iniciais da administrao sob uma
gerncia passiva. Segundo Trigeorgis (1996), a assimetria resultante criada pela
adaptabilidade requer uma regra para um VPL expandido que reflita os dois valores
componentes: o VPL tradicional (esttico ou passivo) e o valor da opo de operao e
adaptabilidade estratgica (ver Figura 2). Desta forma tem-se:
VPL expandido = VPL tradicional + Valor flexibilidade gerencial
23
A Figura 2 ilustra a assimetria causada pela flexibilidade gerencial sobre a

distribuio dos resultados. A distribuio em pontilhado referente a avaliao sem
considerar a flexibilidade gerencial. J a distribuio em negrito refere-se avaliao
considerando a flexibilidade gerencial. Nota-se que a flexibilidade gerencial modifica a
curva de distribuio, aumentando o valor esperado deste projeto. O grfico da figura 2
uma forma de ilustrar a mudana de posio do cone da incerteza.
Prmio da
Flexibilidade
Gerencial
Figura 2 Prmio da Flexibilidade Gerencial

Fonte: Adaptado de Trigeorgis (1996)
Em outras palavras, a flexibilidade gerencial permite tomar aes em resposta a

mudanas de mercado ou a iniciativas de concorrentes. Podem-se aproveitar condies
ambientais favorveis e elevar o valor presente dos fluxos de caixa esperados do
projeto, por meio de uma expanso, por exemplo. Em condies desfavorveis, podemse limitar possveis perdas tomando aes como a reduo de escala, a interrupo ou o
abandono do projeto. Essa flexibilidade gerencial, que se assemelha a uma opo
financeira, introduz uma assimetria na distribuio de probabilidades do valor presente
24
lquido (VPL) de um empreendimento. Desta forma, pode-se dizer que um projeto

possui um valor expandido que corresponde soma do valor da opo a seu VPL
esttico (TRIGEORGIS e MASON, 2001).
A AOR leva a valores substancialmente diferentes dos gerados pelas tcnicas de
FCD quando 3 fatores se combinam Copeland e Antikarov (2002):
1. Incerteza elevada: quando a incerteza baixa, a probabilidade de ocorrncia
de cenrios distintos do previsto pequena, logo no haver necessidade de se lanar
mo da flexibilidade gerencial.
2. Existncia de flexibilidade gerencial: se no h alternativas de ao a serem
tomadas na ocorrncia de condies diferentes das previstas inicialmente, no haver
opes que possam aumentar o valor do projeto.
3. VPL do projeto prximo de zero: se o valor presente do projeto for muito
negativo, a flexibilidade provavelmente no ser suficiente para viabilizar o projeto. Em
casos de VPL altamente positivos, o projeto aprovado mesmo sem a incorporao de
opes na anlise.
2.2. Definio de Retorno, Incerteza e Risco

Quando tratamos de anlise de investimento, precisamos entender trs conceitos
chaves: retorno, incerteza e risco (DAMONDARAN, 1997). Retorno pode ser entendido
como a apreciao de capital ao final do horizonte de investimento. Existem incertezas
associadas ao retorno que efetivamente ser obtido ao final do perodo de investimento.
Qualquer medida numrica desta incerteza pode ser chamada de risco.
O ambiente em que as decises de investimento so tomadas caracterizado
pela existncia de risco e incerteza. Segundo Trigeorgis (1996), a incerteza
25
tipicamente solucionada com o passar dos perodos, uma vez que o futuro incerto se
transforma em presente, e o fluxo de caixa previsto (quando os fluxos no so
contratualmente garantidos) imperfeito e sujeito a erro.
Por exemplo, denotemos por o processo estocstico que governa a
evoluo do preo de um ativo. Suponhamos que a equao diferencial estocstica que
rege a dinmica deste processo (para uma aproximao em um intervalo de tempo
)

Equao 1 Processo estocstico que governa a evoluo do preo de um ativo
Onde e so parmetros, e segue uma distribuio Normal padro (aqui,

apenas como exemplo, pois outras distribuies podem reger a parte estocstica). O
valor esperado para a apreciao relativa do preo do ativo :

Equao 2 Valor esperado para a apreciao relativa do preo do ativo
Ou seja, espera-se uma apreciao relativa de (por unidade de tempo) para o

preo do ativo sob anlise. Entretanto, no se pode ter certeza hoje de qual ser o preo

unidades de tempo adiante. Assim, existe uma incerteza associada a quanto o ativo
ter apreciado ao final do intervalo de tempo
. Sob incerteza, uma varivel futura no
um valor nico, mas definido pela distribuio de probabilidade de ocorrncia de seus
valores. Se calcularmos a varincia para a variao relativa do preo do referido ativo
obteremos:
26

Equao 3 Varincia do preo do ativo
Vemos que enquanto o parmetro est relacionado com o retorno esperado do
ativo, o parmetro est relacionado com a incerteza associada variao do preo do
ativo. No caso particular da equao diferencial estocstica apresentada, o parmetro
chamado de volatilidade do preo do ativo considerado, sendo comumente usado

como uma medida de risco.
Alm do preo do ativo, existem diversas fontes de incerteza que podem ser
modeladas na anlise de projetos. Por exemplo, a incerteza quanto ao lead time para o
start-up das operaes; incerteza quanto s projees de custos operacionais; incerteza
relativa ao valor do investimento.
O risco do ttulo (ou ativo) consiste de dois componentes risco diversificvel e
no-diversificvel. Ross, Westerfield e Jaffe (2005) afirmam que o risco diversificvel,
s vezes chamado de risco no-sistmico, representa a parcela do risco de um ativo que
pode ser eliminada pela diversificao (i.e., investimento em outros ativos). Este resulta
da ocorrncia de eventos randmicos, tais como greves, processos, aes reguladoras,
perda de cliente especial e assim por diante. Os eventos que levam as firmas a
enfrentarem riscos diversificveis variam de empresa para empresa e so, portanto,
especficos de cada empresa.
O risco no-diversificvel, tambm chamado risco sistmico, atribudo as
foras que afetam o mercado como um todo. Por exemplo, fatores como guerra,
inflao, incidentes internacionais, eventos polticos, fazem parte do risco no
diversificvel. Este risco pode ser avaliado em relao ao risco de uma carteira
diversificada de todos os ativos comumente chamados de carteira do mercado ou o
mercado.
27
2.3. Anlise de Investimento: Comparao entre a abordagem da

Teoria Clssica e a Anlise por Opes Reais
Dixit e Pindyck (1994) citam que a maioria das decises de investimentos possui
trs importantes caractersticas que se interagem para determinar a deciso tima de
investimento. Primeiro, a irreversibilidade: um investimento parcialmente ou
completamente irreversvel, ou seja, o custo inicial do investimento pelo menos
parcialmente perdido e no pode ser recuperado totalmente caso haja mudana de idia.
A segunda a incerteza: existem incertezas sobre futuros retornos pelo investimento.
Portanto, o melhor que pode ser feito avaliar as possibilidades de diferentes
resultados, os quais significam maiores ou menores retornos e at mesmo, perda parcial
ou total do investimento. E por ltimo, o momento de investir: existe alguma
flexibilidade em relao ao tempo do investimento? Pode-se adiar a ao at obter mais
informaes que subsidiem a tomada de deciso?
Mun (2006) ressalta o valor da abordagem de opes reais, pois a mesma
incorpora a capacidade de aprendizagem dos gestores, a qual os mesmos so capazes de
efetuarem melhores decises estratgicas uma vez que os nveis de incerteza so
resolvidos atravs da passagem do tempo. A anlise do fluxo de caixa descontado
pressupe uma deciso de investimento esttica, e assume que as decises estratgicas
so feitas inicialmente com nenhum recurso para escolher outros caminhos ou opes
no futuro.
Luehrman (1997) argumenta que a maioria das empresas executa valorao de
projetos e de ativos atravs de fluxo de caixa descontado seguindo a seguinte
abordagem. Primeiro, so projetados os itens que compem os fluxos de caixa anuais,
28
como, por exemplo, receitas, custos, despesas, capital de giro, impostos e investimentos.
Porm, os analistas excluem os fluxos de caixa associados aos programas de
financiamento da empresa. Em seguida, a taxa de desconto em que este fluxo de caixa
ser descontando ajustada pelos custos financeiros: neste ponto so incorporados tanto
os impactos positivos quanto os negativos provenientes da estratgia de financiamento.
Ainda segundo Luehrman (1997), a metodologia do custo mdio ponderado de
capital (CMPC5) o mtodo mais comum de determinao de taxa de desconto. O
CMPC taxa de desconto que ajusta a ganho fiscal referente ao pagamento de juros das
fontes de financiamento da empresa. A aplicao do mtodo simples, porm, esta
facilidade possui um custo para a qualidade da anlise: a aplicao do CMPC s
efetiva para as estruturas financeiras mais simples e estticas existentes, o que diverge
da realidade corporativa.
Basicamente, a anlise pelo fluxo de caixa descontado tradicional se d pela
equao:
Valor Presente = %
&'
!
"#$ !
Equao 4 Equao do Valor Presente Lquido
Onde,
()* + representa o fluxo de caixa esperado para o perodo t
K representa a taxa de desconto que o fluxo ser descontado (i.e, WACC)
t representa o perodo
N representa o nmero de perodos
A sigla em ingls para CMPC WACC (Weighted Average Cost of Capital). O termo em ingls citado
em diversas passagens desta dissertao.
29
Abordagem Tradicional:
Fluxo de Caixa Descontado
Boas Notcias
Abordagem de Oportunidades:
Opes Reais
Fluxo de
Caixa
Investir
Investir
Ms notcias
Boas Notcias
Boas
Notcias
Fluxo de
Caixa
Fluxo de
Caixa
Investir
Ms
notcias
No Investir
Ms notcias
No Investir
Fluxo de
Caixa
No Investir
Neste diagrama, a deciso de investir

tomada, e posteriormente
descobre-se o que acontece. O Fluxo
de Caixa Descontado tradicional foi
desenvolvido para este tipo de
problema.
Fluxo de
Caixa
Fluxo de
Caixa
Fluxo de
Caixa
Fluxo de
Caixa
Neste diagrama, descobre-se o que

acontece antes da deciso ser
tomada. Fluxo de Caixa Descontado
tradicional no favorece a anlise
deste tipo de problema.
Figura 3 Diferena entre a Abordagem Tradicional e a Abordagem por Opes Reais

Fonte: Adaptado de Luherman (1997)
Segundo Copeland e Antikarov (2002), o custo mdio ponderado do capital a

mdia ponderada dos custos marginais do capital aps o desconto dos impostos que
incidem sobre o mesmo, e pode ser resumido pela frmula:
,--. /0
12
1
/3
4 5 6
12 1
12 1
Equao 5 Equao do custo mdio ponderado de capital
onde /0 o custo do capital prprio, /3 custo de capital de terceiros, 12 capital

prprio, Kt capital de terceiros e ir o imposto de renda. Para calcular o custo de
capital prprio /0 , utilizamos o modelo CAPM (Capital Asset Price Model),
desenvolvido por Sharpe (1964):
30
/0 78 97: 5 78
Equao 6 Modelo CAPM (Capital Asset Price Model)
Onde 78 a taxa livre de risco, o risco sistmico do ativo que corresponda
ao risco do capital prprio e 7: o retorno esperado da carteira de mercado.
Segundo Damondaran (1997), o CAPM mede o risco em termos de varincia

no-diversificvel e relaciona os retornos esperados a essa medida de risco. O risco nodiversificvel medido pelo , que uma medida de volatilidade das taxas de retorno
do ativo analisado em relao s taxas de retorno do mercado como um todo.
A utilizao de Anlise de Sensibilidade e de Cenrios, de Simulao de Monte
Carlo e de rvores de Deciso buscou contornar as restries da anlise de FCD.
Entretanto elas tambm apresentavam suas limitaes. A Anlise de Sensibilidade, a
Anlise de Cenrios e a Simulao de Monte Carlo pura buscam incorporar a incerteza
no modelo de anlise, mas no consideram a flexibilidade gerencial, isto , a
possibilidade de tomar aes corretivas ao longo do projeto. J as rvores de Deciso
falham ao utilizar a mesma taxa de desconto para trazer a valor presente fluxos de caixa
gerados por cursos de ao que apresentam riscos distintos. A utilizao de taxas de
desconto diferentes para cada ramo da rvore de Deciso torna extremamente complexa
sua utilizao conforme Copeland e Antikarov (2002).
2.4. Opes Financeiras
A teoria das opes financeiras fundamenta os conceitos da teoria das opes

reais. Conforme Minardi (2004), uma opo o direito de comprar ou vender uma
quantidade especfica de um bem ou ativo por um preo fixo em uma determinada data
prefixada ou at esta data. O fato de ser um direito e no uma obrigao gera uma
31
assimetria benfica ao proprietrio da opo, j que o exerccio somente ser feito no

caso da oscilao no preo do ativo objeto ser favorvel ao seu detentor.
O preo fixo para a compra ou venda do ativo objeto chamado de preo de
exerccio. A data prefixada para o exerccio da opo conhecida como data de
expirao, data de vencimento, ou maturidade da opo.
H dois tipos de opo (Minardi (2004); Hull (2005)):
(i) Opes de compra (call): do a seu detentor o direito de comprar uma
quantidade pr-determinada de um ativo por um preo especificado em contrato (preo
de exerccio) definido em (ou antes de) uma data de exerccio estipulada (data de
vencimento ou de maturidade da opo). O ativo objeto pode ser uma ao de
determinada firma, um contrato futuro sobre outro ativo ou uma commodity, entre
outros.
(ii) Opes de venda (put): do a seu detentor o direito de vender uma
quantidade predeterminada de um ativo por um preo de exerccio em (ou antes da) data
de maturidade.
A opo de compra pode ser interpretada por sua analogia com uma
oportunidade de investimento. J a opo de venda pode ser entendida como um seguro,
pois o detentor da opo, que tambm detm a ao, limita as suas perdas. Assim, caso
o valor da ao caia, pode-se exercer a opo e vender a ao por um preo prdeterminado como o mnimo adequado.
Quanto data de exerccio, as opes podem ser classificadas em:
(i) Opes Americanas: podem ser exercidas a qualquer momento at a data de

vencimento.
(ii) Opes Europias: s podem ser exercidas na data de vencimento.
32
O investidor pode assumir duas posies ao negociar opes:
(i) Posio comprada (long): o investidor adquire uma opo, obtendo o direito,
mas no a obrigao de exerc-la na (ou antes da) data de vencimento.
(ii) Posio vendida (short): o investidor emite (vende) uma opo, recebendo
uma quantia na venda, mas assume a obrigao potencial futura de comprar (ou vender)
o ativo pelo preo de exerccio, se o comprador desejar exercer a opo.
Os resultados financeiros das duas partes de um contrato de opo so

diametralmente opostos. Se o comprador tem resultado positivo, o vendedor tem perdas
e vice-versa. O quadro abaixo apresenta as quatro posies bsicas em opes e o
retorno (payoff) para exerccio imediato, que funo do preo do ativo (St) e do preo
de exerccio da opo (X).
Posio
Payoff (Retorno)
Grfico do Payoff
Compra de opo de
compra
(Long in a call)
Max (St X, 0)
Compra de opo de
venda
(Long in a put)
Max (X St, 0)
33
Posio
Payoff (Retorno)
Grfico do Payoff
Venda de opo de
compra
(Short in a call)
Max (St X, 0) =
Min (X St, 0)
Venda de opo de
venda
(Short in a put)
Max (X St, 0) =
Min (St X, 0)
Tabela 1 Posies bsicas em Opes Financeiras

Fonte: adaptado de Hull ( 2005)
O ndice t da varivel St denota que o valor do ativo varia com o tempo, ao passo
que o preo de exerccio (X) constante. Os grficos mostram a variao do retorno em
face de variaes no valor do ativo-objeto, sem considerar os custos de comercializao.
A relao entre o valor do ativo (St) e o preo de exerccio (X) pode levar uma opo a
trs situaes em termos de gerao de Caixa.
Conforme Trigeorgis (1996), a figura 4 apresenta o formato caracterstico da
curva de valor de uma opo de compra (C), em uma data qualquer menor ou igual
data de vencimento, que uma funo do preo do ativo-objeto (S) na data especfica,
do tempo para a maturidade (;) e do preo de exerccio (X). So apresentados, tambm,
os limites para o valor da opo. O limite superior dado pelo preo do ativo-objeto
(S), que alcanado quando ; <. Como o investidor no obrigado a exercer a
opo, o limite inferior o valor intrnseco da opo dado por Max (S-X,0). A curva de
valor da opo se situa acima da reta S-X devido ao valor tempo.
34
Figura 4 Relao entre o valor da opo de compra e o preo do ativo-objeto

2.5. Precificao de Opes Financeiras

2.5.1 Portflio equivalente: ambiente neutro ao risco
Black e Scholes (1973) identificaram a possibilidade de construir um portfolio

que gere o mesmo retorno que uma opo em qualquer estado, denominado portfolio
equivalente. Se os retornos so os mesmos, o valor da opo deve ser igual ao valor do
portflio equivalente, que conhecido. Esse portflio composto de N aes de um
ativo-objeto e de um emprstimo de uma quantia $B remunerado taxa livre de risco.
Trigeorgis (1996) apresenta o seguinte exemplo para ilustrar o mecanismo de
precificao de opes: Suponhamos que o preo de uma ao seja $100 e que, no
prximo perodo, possa valer $180 com probabilidade q ou $60 com probabilidade 1-q.
O preo de exerccio (X) $112 e a taxa livre de risco (r) 8%. As representaes
35
grficas dos estados atual e futuro da ao e do valor da opo na data de vencimento

so:
S+ = 180
q
S = 100
1-q
S - = 60
C+ = Max (S+ -X,0) = 68

q
C
1-q
C- = Max (S- -X,0) = 0
A compra de uma opo equivalente ao investimento na compra de um

determinado nmero de aes (N), com uma parte da quantia tomada emprestada (a ser
paga no prximo perodo). No pior cenrio, com a venda das aes pelo seu valor
mnimo, obtm-se um ganho nulo, exatamente como no investimento na opo. Caso
contrrio, se a ao se valorizar, o emprstimo ser pago e haver um lucro na operao.
Se esse lucro for igual ao ganho proporcionado pelo investimento na opo, o retorno da
carteira ser igual ao da opo, possibilitando determinar o valor atual (C) da opo.
Sendo N a quantidade de aes a serem compradas, a representao da carteira referente
aos estados atual e futuro da carteira seria:
36
NS+ - (1+r) B+
q
NS-B
1-q
NS- - (1+r) B-
Sendo S o preo atual da ao, N o nmero de aes e r a taxa de juros a ser paga sobre
o emprstimo de B. Como o portflio deve gerar o mesmo retorno que a opo, temos:
=> # 5 4 ? @ * #
=> A 5 4 ? @ *A
Resolvendo o sistema com duas equaes, tem-se:
=
*# 5 *A
BC 5 D

DEFG
#
A
> 5>
4CD 5 BD
> A *# 5 > # *A
BD H BC 5 4CD H D
@ #

I4EJC
> 5 > A 4 ?
4CD 5 BD 4EDC
O nmero de aes do ativo-objeto (N) que necessrio comprar para criar o

portflio equivalente denominado taxa de hedge da opo e obtido dividindo o
spread de preo da opo pelo spread de preo da ao. Substituindo N e B na equao
C = NS-B, temos:
* => 5 @ DEFG H 4DD 5 I4EJC KFE4L
Intuitivamente, a equao C = NS-B pode ser rearranjada para NS-C = B. Isto ,

criando-se um portflio composto por N aes do ativo-objeto e da venda de uma opo
37
de compra, gera-se um retorno de (1+r)B no perodo seguinte, independente de haver

um aumento ou uma reduo no preo do ativo.
NS+ - C + =(1+r) B
0,56 (180) 68 = 34
NS - C = B
0,56 (100) 25,19 = 31,48
1-q
NS- - (1+r) B0,56 (60) 0 = 34
Dessa forma, se o preo da ao for mnimo, ganha-se na venda da opo de

compra. Se for mximo, perde-se na venda da opo. Os resultados opostos da venda da
opo de compra e de deteno da ao geram uma situao de risco nulo. Isto permite
que a taxa de juros usada para o clculo do valor da opo seja a taxa livre de risco, cujo
proxy a taxa paga por ttulos pblicos de longo prazo. Ao se construir um hedge para o
investimento, pode-se calcular o valor da opo assumindo que estamos em um mundo
livre de risco. Sendo o retorno do ativo dado por u e d calculado:
4CD
#

4EC
M
4DD

N
A
BD

DEB

4DD
Existe um nmero p que, se utilizado para ponderar os retornos do ativo, gera um

retorno igual taxa livre de risco.
OM 4 5 O N 4
p denominado probabilidade neutra ao risco, embora no seja realmente uma medida
de probabilidade. No exemplo acima, a probabilidade neutra ao risco calculada por:
38
O
4 5 N 4EDC 5 DEB DEJC

DEJ
M5N
4EC 5 DEB
4EK
Assim, ponderando-se o retorno da opo em funo de p, o retorno esperado da

opo deve ser igual taxa livre de risco:
O. # 4 5 O . A
4
.
Uma opo de venda pode ser precificada de maneira semelhante, alterando-se o
portflio equivalente para a venda de N aes do ativo-objeto e a tomada de um
emprstimo de $B taxa livre de risco.
2.5.2 Equao de Black & Scholes e rvore Binomial
Em 1973, Fischer Black e Miron Scholes, utilizando o conceito de portflio

equivalente, desenvolveram um modelo para precificao de opes europias sobre um
ativo que no distribui dividendos. Nesse modelo, o preo da ao segue um processo
estocstico denominado Movimento Browniano Geomtrico. A equao de Black e
Scholes (1973) para a opo de compra dada por:
*E ;E P QN" 5 PR AST QN
Equao 7 Equao de Black e Scholes
Onde:
4

UV W X
K
P
N"
;
N N" 5 Y

39
N(dn) representa a probabilidade de uma varivel aleatria ser menor ou igual

dn. S corresponde ao preo atual do ativo, X corresponde ao preo de exerccio do ativo,
r corresponde taxa livre de risco anual, 2 representa a varincia anual do retorno do
ativo e t o tempo at a data de exerccio.
Posteriormente, Cox, Ross e Rubinstein (1979) desenvolveram um modelo onde
o processo estocstico de tempo contnuo (Movimento Browniano Geomtrico)
substitudo por um de tempo discreto, o processo binomial multiplicativo ou caminho
aleatrio (random walk),
), que, no limite, quando o nmero de intervalos tende ao
infinito, aproxima-se
se da soluo dada pela equao de Black & Scholes. Esse modelo
denominado rvore Binomial.
De acordo com o caminho
aminho aleatrio, o preo do ativo (S) pode aumentar, sendo
multiplicado por um fator u, para uS, com probabilidade q ou reduzir para dS, com
probabilidade 1-q.
q. Esse movimento pode ser representado graficamente por:
Os fatores u e d representam a taxa logartmica

logartmica (ou continuamente composta) de
retorno do ativo, sendo d = 1/u. Para evitar arbitragem sem risco, u > 1 + r > d.
Conforme Trigeorgis (1996), para
p
que haja convergncia, no limite, quando n tende ao
infinito, entre o processo binomial discreto e o Movimento Browniano, os parmetros u
e d devem ser:
40
Onde:
o desvio-padro do retorno do ativo,
t o incremento de tempo.
Substituindo u e d nas equaes de clculo do nmero de aes e do valor de
emprstimo do portflio equivalente, tem-se:
.# 5 .A
.# 5 .A
.# 5 .A

Q #
M 5 N
5 A M # 5 N A
N. # 5 M. A
N. # 5 M. A
A.# 5 #.A

Z #
M 5 N 4
M 5 N 4
5 A 4
A probabilidade neutra ao risco, p, dada por:
O
4 5 N
M5N
O valor da opo dado por:
.
O. # 4 5 O . A
4
Estendendo-se o modelo de um perodo para mltiplos perodos (n), temos a

frmula geral multiplicativa binomial de precificao de opes Cox, Ross e Rubinstein
(1979).
41
.
%^&'
[\
O ^ 4 5 O %A^ _`aM ^ N%A^ 5 E D
]\ [ 5 ] \
4 %
Equao 8 Frmula geral multiplicativa binomial de precificao de opes
Conforme Trigeorgis (1996), a primeira parte da equao a frmula da

distribuio binomial, que fornece a probabilidade do preo do ativo dar j saltos para
cima em n passos, com probabilidade neutra ao risco p. O termo de maximizao da
equao fornece o valor da opo na data de expirao condicionada ocorrncia de j
saltos para cima segundo o fator u e n-j movimentos descendentes de acordo com o
fator d. O somatrio de todos os possveis valores da opo na data de vencimento
multiplicados pela probabilidade de ocorrncia nos d o valor na data final, que
descontado taxa livre de risco por n perodos.
As opes americanas so em geral resolvidas numericamente ou usando
aproximaes analticas. Em alguns casos, o valor da opo europia usado como um
dos parmetros para avaliar a opo americana atravs de relaes do tipo:
Opo Americana = Opo Europia + Prmio de Exerccio Antecipado.
A avaliao de opes americanas requer a determinao de uma poltica tima de

investimento, ou seja, deve-se determinar a partir de qual valor do preo do ativo objeto
a opo deve ser exercida, de modo a maximizar o valor presente de sua remunerao.
Para a teoria das opes reais, a determinao desta poltica o fator central, j que
pode estar sendo determinado o melhor momento para se investir em um projeto.
42
2.6. Definio de Opes Reais
Em uma definio restrita, a abordagem de avaliao atravs de opes reais

uma extenso da teoria das opes financeiras, aplicada avaliao de ativos reais, ou
"no-financeiros", tais como investimentos em novas plantas, em pesquisa e
desenvolvimento ou expanso da capacidade produtiva, conforme Mun (2006). Assim,
enquanto as opes financeiras so detalhadas atravs de contratos, as opes reais
esto embutidas em investimentos estratgicos, e por este motivo, necessitam de um
cuidadoso trabalho de anlise para serem corretamente identificadas e especificadas.
Opes Reais vem sendo considerado nas duas ltimas dcadas como o novo
paradigma para a anlise econmica de projetos. O termo real options (expresso em
ingls para opes reais) foi cunhado pelo professor Stewart C. Myers do MIT em 1977,
quatro anos aps a publicao do artigo de Black & Scholes (1973). Myers (1977)
caracterizou as oportunidades de investimento das firmas em ativos reais (e.g. projetos
de investimento) como sendo anlogas a opes de compra sobre esses ativos.
Assim, a teoria das Opes Reais reconhece e valoriza o fato de que as firmas tm o
direito, mas no a obrigao, de investir D em um projeto que vale V.
Conforme Copeland e Antikarov (2002), a anlise de investimento num projeto
pela teoria da opes fornece basicamente dois resultados: o valor da oportunidade de
investimento (ou da opo de investimento) e a regra de deciso, atravs do valor
crtico ou de gatilho da varivel estocstica (preo do minrio, por exemplo) a partir
do qual deve-se realizar o investimento.
No caso do valor da oportunidade de investimento, esse sempre maior ou igual
ao VPL, j que pode incluir opes gerenciais embutidas no projeto, que no foram
includas no VPL tradicional. No livro-texto de Van Horne (1992) a questo colocada
43
na forma de uma equao: Valor do Projeto = VPL + Valor da Opo. Tambm

Trigeorgis (1996) se expressa de forma anloga: VPL expandido (estratgico) = VPL
esttico (passivo) dos fluxos de caixa + valor das opes da gesto ativa. A idia a
mesma: necessrio adicionar o valor da opo (ou das opes) seno se subavaliar o
valor da oportunidade do investimento.
Esta basicamente a razo pela qual o FCD subestima (ou subavalia) os
investimentos. Por exemplo, quando se considera apenas o valor da opo de espera
(timing) o valor da oportunidade de investimento igual ao VPL tradicional (se
positivo ou, em caso contrrio, zero) mais o valor da opo de espera. Quando se tem
duas ou mais opes geralmente elas no so aditivas devido s interaes entre as
opes.
Quando o foco da anlise a regra de deciso, o valor crtico ou de gatilho
da varivel estocstica o indicador que define a ao gerencial. No exemplo do preo
do minrio, esse o valor mnimo necessrio para que seja timo o investimento. Como
afirma Mun (2006), o preo crtico sempre maior do que o custo unitrio de produo
ou break-even price (valor no qual o VPL seria igual a zero), usado na anlise do
FCD.
O ferramental da Teoria de Opes Reais permite uma anlise mais profunda de
investimentos, procurando associar, ao valor total de uma operao, suas diversas
opes embutidas de tomada de deciso, as quais agregam grande valor a um
investimento por possibilitar a reduo de riscos frente s condies de incerteza do
mercado (DIXIT e PINDYCK, 1994).
A AOR consiste na aplicao dos conceitos e tcnicas utilizados na precificao
de opes financeiras para avaliar investimentos em ativos reais como projetos e
empresas. Traando um paralelo entre o investimento em um projeto e uma opo
44
financeira, pode-se
se dizer que o projeto corresponde a uma opo de compra cujo preo
de exerccio o investimento necessrio para realiz-lo.
realiz
A figura 5 apresenta um
paralelo entre opes financeiras e opes reais.
Figura 5 Quadro comparativo - dimenses das Opes Financeiras X Opes Reais

Fonte: Adaptado de Leslie e Michaels (1997)
Do mesmo modo que uma opo financeira, uma opo real pode ser avaliada
usando tcnicas de anlise de direitos contingenciais. Se os investidores
invest
forem
considerados neutros ao risco, ento o valor da opo pode ser obtido montando-se
montando uma
carteira dinmica, neutra ao risco, que replica o valor do ativo real. Utilizando
ferramentas do clculo estocstico, obtm-se
obtm se uma equao diferencial parcial
parcia que pode
ser resolvida analiticamente ou atravs de mtodos numricos. Este mtodo muito
limitado, pois medida que as incertezas sobre as variveis subjacentes tornam-se
tornam mais
complexas, o processo de avaliao pode tornar-se
tornar se oneroso computacionalmente
computacionalment ou
intratvel algebricamente.
Tcnicas de tratamento de incerteza, como Simulao de Monte Carlo e
Programao Dinmica Estocstica, podem ser utilizadas para a avaliao de opes.
Simulao Monte
te Carlo normalmente utilizada para avaliao de opes Europias,
45
devido caracterstica de prazo determinada que esses ttulos derivativos possuem. J

Programao Dinmica Estocstica utilizada para avaliar opes americanas, j que as
mesmas devem ser avaliadas com um algoritmo capaz de avaliar um ativo cuja data de
expirao no fixa no tempo. A combinao da simulao de Monte Carlo e a
Programao Dinmica Estocstica permite desenvolver mtodos para avaliao de
opes americanas, conforme os trabalhos de Grant et al. (1997), Ibes e Zapatero
(1999) e Longstaff e Schwartz (2001).
As limitaes da anlise por opes reais sero detalhadas na seo 2.8.
2.7. Tipos de Opes Reais

Traduzir as flexibilidades gerenciais existentes em termos da terminologia de
opes financeiras uma capacidade que o analista deve desenvolver. Isto facilita a
anlise do investimento e o dilogo com investidores. Deve-se selecionar o tipo de
opo financeira (call, put, americana, europia) e as variveis utilizadas na precificao
de opes (ativo-objeto, preo de exerccio, tempo de maturidade, volatilidade, etc)
devem ser identificadas, quantificadas e modeladas. A literatura apresenta uma relao
extensa de aplicaes de opes reais e analogias com as opes financeiras. Conforme
Trigeorgis (1996), os tipos mais comuns esto sintetizados na tabela 2.
Categoria
Aplicaes importantes
em
Descrio
Uma empresa detm o direito sobre

terrenos, recursos naturais ou outro
ativo de valor e pode aguardar
algum tempo para verificar se as
Opo de diferimento condies de mercado tornam
vivel a implementao do
empreendimento (um imvel, uma
fbrica, uma mina ou estao de
extrao de petrleo, por exemplo).
46
Indstrias de extrao de
recursos
naturais,
empreendimentos
imobilirios, agropecuria
e produo de papel e
celulose.
Categoria
Descrio
Opo de
investimento em
estgios (time to
build)
O investimento realizado em
estgios, formando uma srie de
desembolsos. Tem-se a opo de
abandono caso novas informaes
sejam desfavorveis.
Opo de alterao
da escala de operao
(expanso, contrao,
fechamento e
reabertura)
Expanso
da
produo
ou
acelerao do uso de recursos em
condies de mercado favorveis.
Reduo da escala em condies
desfavorveis. Em casos extremos,
interrupo
e
retomada
da
produo.
Opo de abandono
Abandono do empreendimento,
com venda dos ativos no mercado
de segunda mo, quando as
condies
de
mercado
se
deterioram significativamente.
Opo de Troca
Possibilidade de alterao do mix

de produtos em funo de
variaes de preo e demanda
(flexibilidade de produto) ou
possibilidade de alterao de
insumos em funo de variaes
de
preo
(flexibilidade
de
processo).
47
em
Indstrias intensivas em
P&D, especialmente as
farmacuticas; projetos de
longo prazo e intensivos
em capital (construo de
grande porte ou usinas de
gerao
e energia);
investimentos em startups.
Indstrias de recursos
naturais (ex: minerao),
planejamento
e
construo de fbricas em
indstrias cclicas, setor
de moda, setor de bens de
consumo,
empreendimentos
imobilirios comerciais.
Indstrias
de
capital
intensivo
(ex:empresas
areas,
ferrovias),
servios
financeiros,
introduo
de
novos
produtos em mercados
incertos.
Alterao de produtos:
bens
produzidos
em
pequenos lotes ou sujeitos
a demanda voltil (ex:
equipamentos eletrnicos
de consumo, brinquedos,
papis especiais, peas de
maquinrio, automveis).
Alterao de insumos:
fbricas dependentes de
matrias-primas de preos
volteis que possuem
substitutos
(energia
eltrica,
qumica,
produtos
agrcolas).
Fbricas
com
fornecedores alternativos
para o mesmo insumo.
Categoria
Opes de Expanso
Opes com
interaes mltiplas
em
Descrio
Quando um investimento (ex:
P&D, aquisio de direito de
explorao de reservas de petrleo,
sistemas de informao) prrequisito ou faz parte de uma
cadeia
de
projetos
interrelacionados e abre oportunidades
de crescimento futuro (ex: novos
produtos ou processos, reservas de
petrleo, acesso a novos mercados,
fortalecimento de competncias
essenciais).
Opes de alavancagem em
condies favorveis e de proteo
em condies adversas esto
presentes em conjunto. O valor do
conjunto de opes pode diferir da
soma dos valores isolados devido
interao entre elas.
Indstrias
de
infraestrutura ou de alta
tecnologia,
P&D
(indstrias que geram
mltiplos produtos ou
aplicaes a partir de uma
linha
de
pesquisa),
operaes multinacionais,
fuses e aquisies.
Projetos reais na maioria

das indstrias
Tabela 2 Categorias Comuns de Opes Reais

2.8. Limitaes da analogia entre opes reais e opes financeiras
Algumas propriedades das opes financeiras no so observadas no caso de

opes reais. Miller e Park (2002) apresentaram uma anlise dessas diferenas.
Primeiro, na anlise de opes financeiras que tm como ativo-objeto uma ao
e, em geral, o retorno desta ao modelado como um movimento browniano
geomtrico. Entretanto, o retorno de ativos reais pode apresentar comportamento mais
complexo, exigindo a adoo de processos estocsticos alternativos para cada fonte de
incerteza a ser modelada.
Outra limitao da analogia diz respeito ao ativo-objeto: uma das premissas da
precificao de opes financeiras a possibilidade de negociar o ativo-objeto em um
48
mercado eficiente6. Entretanto a maioria dos ativos reais no negociada, assim

algumas premissas adicionais so utilizadas para permitir o uso da tcnica para avaliar
opes reais.
Neste contexto, Trigerogis (1996) prope utilizar um ativo financeiro gmeo ou
adjacente (twin security) altamente correlacionado no clculo do valor da opo e
considerar esse fato ao interpretar os resultados. Em outras palavras, o ativo gmeo
utilizado em trs situaes: na anlise de empreendimentos envolvendo recursos
naturais devido existncia do mercado futuro; na avaliao de uma rea de negcio
quando h uma empresa do mesmo setor com aes negociadas em bolsa; quando o
projeto contribui significativamente para o valor de mercado da empresa e, assim, podese utilizar a ao da prpria empresa como ativo financeiro gmeo.
Para Copeland e Antikarov (2002), o valor do ativo real perfeitamente
correlacionado com ele mesmo e, por isso, a melhor estimativa no tendenciosa do
valor de mercado do ativo real se este fosse negociado. Assim, o valor do ativo real
(projeto sem flexibilidade) pode ser usado como ativo-objeto.
Na precificao de opes financeiras, parte-se da premissa de que possvel
criar um portfolio equivalente que funciona como hedge do valor da opo. Assim,
pode-se utilizar a taxa livre de risco como taxa de desconto. Como o ativo real no
negociado, essa premissa prejudicada. Hull (2005) argumenta que, se o ativo no
negociado, deve-se adicionar um prmio de risco7 (relacionado volatilidade do ativo e
ao preo de mercado do risco) taxa de desconto.
Segundo a teoria financeira, riscos privados podem ser eliminados pela adoo
de um portflio diversificado. Entretanto, na anlise de opes reais, quando os riscos
O mercado eficiente aquele onde os preos dos ativos refletem totalmente as informaes disponveis
(ROSS, WESTERFIELD e JAFFE, 2005).
7
Copeland, Koller e Murrin (1995) argumentam que, em termos tericos, a melhor estimativa para
uma taxa livre de risco seria o retorno de um portflio com beta igual a zero.
49
privados so significativos, aplicar uma a taxa de desconto livre de risco superestima o

valor do empreendimento. Assim, a parte privada do risco deve ser descontada a uma
taxa maior.
Outra diferena apresentada por Miller e Park (2002) com relao
volatilidade. Muitos ativos reais no possuem informaes sobre seu retorno histrico,
inviabilizando uma medida direta da volatilidade. As alternativas utilizadas so a
utilizao de dados do ativo financeiro gmeo, a gerao de uma estimativa de
volatilidade do projeto em anlise por meio de Simulao de Monte Carlo, equaes
que estimam a volatilidade do retorno do projeto a partir de dados da volatilidade do
preo do produto.
2.9. Aplicaes de Opes Reais

A utilizao da tcnica de AOR na indstria de explorao de recursos naturais
data da dcada de 1980. Segundo Dias (2005), o mais antigo registro do uso da teoria
das opes reais em empresas data de 1985 quando a estudante de doutorado e
consultora A. Kemna iniciou um longo trabalho na Shell holandesa, que durou at 1990,
desenvolvendo AOR em petrleo. Trs dessas aplicaes foram reportadas em Kemna
(1993).
Diversas publicaes focam a indstria de petrleo, como o valor da
flexibilidade em operaes de arrendamento conforme Paddock et al. (1988) e tambm
na estratgia de licitao de reas governamentais na Noruega para desenvolvimento de
projetos da indstria de petrleo (SUNNEVAG, 1998).
Em se tratando de aplicaes de opes reais em minerao, um dos primeiros
estudos de valorao utilizando AOR objetivou a valorao de uma mina de cobre
proposto por Brennan e Shwartz (1985), focando nos conceitos de incertezas e
50
flexibilidade operacionais. Moyen et al. (1996) desenvolveu comparaes entre minas

de cobre no Canad onde demonstra que o FCD subestima o valor dos projetos em
relao aplicao de AOR. Tambm nas minas de cobre do Canad, Slade (2001)
props um trabalho onde o foco est na flexibilidade operacional das minas,
considerando as incertezas de custos, reservas e preo do cobre modelado, concluindo
que, quanto mais incerteza incorporado ao modelo, maior o valor do projeto
analisado.
Kelly (1998) aplicou o modelo binomial para valorao de minas de ouro.
McCarthy and Monkhouse (2003) desenvolveram um modelo trinomial, considerando
opes de espera e abandono em minas de cobre, considerando processo de reverso
mdia para a projeo do preo do metal.
Teoria de opes reais tambm j foi utilizada para anlise do melhor plano de
lavra a partir dos dados de pesquisas geolgicas do ativo como no trabalho de Akbari,
Osanloo e Shirazi (2009). Normalmente os planos de lavra so escolhidos com FCD nas
simulaes operacionais de mina. Porm, o FCD ignora as opes de abandono que
possuem este item especfico, uma vez que melhor cava dimensionada num
planejamento de mina evita perdas nos perodos de flutuao do minrio proposto por
Dimitrakopoulos e Sabour (2007). Outras aplicaes na indstria de mineradora
incluem Trigeorgis (1993), Tufano e Moel (1999), Kamrad e Ernst (2001), Cortazar,
Schwartz e Casassus (2001), Moel e Tufano (2002), Abdel Sabour e Poulin (2006),
Samis et al. (2006) e Abdel Sabour e Wood (2009).
Outro foco encontrado nos trabalhos de aplicao de AOR aplicados
explorao de empreendimento de recursos naturais est nas opes de expanso em
seqncia conforme o trabalho desenvolvido por Arnold, Crack e Schwartz (2007).
Adquirir uma propriedade cria a opo de pesquisa geolgica, a informao proveniente
51
da pesquisa cria a opo de desenvolvimento do projeto, e implantar o projeto cria a

opo de extrao do recurso natural: aps o incio da operao, o empreendedor possui
a opo de paralisar a operao nos perodos de crise da commodity extrada como no
trabalho apresentado por Mayer e Kazakidis (2007). Muitos trabalhos na literatura de
finanas abordam a valorao neste contexto.
2.10.
Processos Estocsticos
Processos estocsticos so definidos como um modelo matemtico de um

experimento probabilstico que evolui com o tempo e gera uma seqncia de valores
numricos. Cada valor numrico da seqncia modelado por uma varivel aleatria,
logo um processo estocstico simplesmente uma seqncia, finita ou infinita, de
variveis aleatrias conforme Bertsekas e Tsitsiklis (2000).
Na rea financeira e econmica, por exemplo, processos estocsticos so usados
para gerar uma seqncia de preos de ativos financeiros como aes, ttulos pblicos,
preos de commodities, valores presentes de fluxos de caixa de projetos, valorao de
derivativos entre outros conforme Glasserman (2003).
Nesta dissertao utilizamos o Movimento Geomtrico Browniano (MGB) e o
Processo de Reverso Mdia (PRM). Focamos nestes processos porque ambos so
bastante utilizados em modelos de anlises por opes reais, (DIXIT e PINDYCK,
1994).
Assim, nas prximas subsees (2.10.1 e 2.10.2) detalharemos estes processos.
As mesmas foram construdas fundamentadas no trabalho de Dixit e Pindyck (1994).
2.10.1 Movimento Geomtrico Browniano
52
O movimento geomtrico browniano (MGB) o processo estocstico mais

utilizado para modelar variveis econmicas como preos de aes, taxas de juros e
preos de produtos. Seu comportamento aleatrio se assemelha ao comportamento de
aes em bolsa de valores reflete o comportamento especulativo do mercado
financeiro (DIXIT e PINDYCK, 1994). O MGB regido pela seguinte equao, onde
(taxa de drift) e (taxa de volatilidade) so constantes:
bc+ dc+ be c+ bf+
Equao 9 Equao do Movimento Geomtrico Browniano
Onde Wt um movimento browniano ou processo Wiener. Para qualquer valor

inicial X0, a equao tem a soluo analtica:

c+ c' gah ijd 5 k e bf+ l
K
Equao 10 Equao da soluo analtica da Equao do Movimento Geomtrico Browniano
Que uma varivel aleatria com distribuio log-normal com valor esperado:
R m '
Equao 11 Equao do Valor esperado da Varivel aleatria do Movimento Geomtrico Browniano
E varincia:
R m ' R m 5 4

Equao 12 Varincia da Varivel aleatria do Movimento Geomtrico Browniano
53
A demonstrao desta soluo pode ser verificada com a utilizao do lema de

It8. A varivel aleatria log
n!
no
normalmente distribuda com mdia (d 2 / 2)t e
varincia 2t, refletindo o fato de que incrementos de um MGB so normais relativos ao

preo atual, causa pela qual o processo leva o nome de 'geomtrico'.
2.10.2 Processo de Reverso Mdia
O Processo de Reverso Mdia, ou Processo Autorregressivo de Primeira

Ordem (AR1) um processo estocstico de tempo discreto e estado contnuo que tem
uma caracterstica peculiar: a varivel que segue esse processo tende a retornar ao valor
esperado de longo prazo. Por isso classificado como um processo de reverso mdia
(DIXIT e PINDYCK, 1994). A equao que modela esse processo :
ba p qa+A" r+
Equao 13 Equao do Processo de Reverso Mdia
Onde p uma constante, q uma constante cujo valor -1 < q < 1, e r uma
varivel aleatria que segue uma distribuio normal com mdia igual a zero e desvio
padro igual a 1. O processo estacionrio e o valor esperado de xt no longo prazo p
/(1-q).
O processo de reverso mdia (PRM) em tempo contnuo mais simples o
processo de Ornstein-Uhlenbeck, dado pela seguinte equao:
Dixit e Pindyck (1994) afirmam que o Lema de It comumente chamado de teorema fundamental do
clculo estocstico. Seu resultado permite diferenciar e integrar funes em clculo estocstico. Para
maiores detalhes, ver Dixit e Pindyck (1994)
54
ba sa
tu a be bv
Equao 14 Equao do Processo de Ornstein-Uhlenbeck
Onde s a velocidade de reverso, a

t o valor mdio de longo prazo, isto , o
nvel para o qual a tende a se reverter e a volatilidade.
Nesse processo, os incrementos de x no so independentes, pois dependem da

distncia entre seu valor atual e o valor mdio de longo prazo. Quanto mais distante do
valor de longo prazo, maior tende a ser a variao. Alm disso, se o valor atual
superior ao valor de longo prazo, x tende a se reduzir, caso contrrio, tende a crescer
(DIXIT e PINDYCK, 1994).
2.11.
Teste de Raiz Unitria Dickey-Fuller
A srie histrica do minrio de ferro um exemplo de srie temporal. Para

avaliarmos os processos estocsticos que utilizamos no modelo de opes reais
analisamos a srie do preo do minrio de ferro atravs do teste de raiz unitria DickeyFuller. Conforme Brooks (2002), existem outros testes de razes unitrias tais como
Dickey-Fuller Aumentado (ADF), Phillips-Perron entre outros. Nossa escolha em
aplicar o teste Dickey-Fuller baseia-se em outras aplicaes na literatura em anlises
semelhantes, como a avaliao de sries temporais de preos de commodities. Exemplos
de aplicaes deste teste, bem como a definio do mesmo so apresentadas nesta
seo.
A utilizao de testes economtricos para avaliar a melhor forma de projeo de
preo j foi estudada para o petrleo. Um teste realizado por Pilipovic (1998) mostra
que o melhor modelo para estimar o preo futuro do petrleo tipo WTI a reverso
mdia do logaritmo do preo. Pindyck e Rubinfeld (1991) mostraram, utilizando o teste
Dickey-Fuller, que a reverso do petrleo tende a ser lenta e rejeitaram a hiptese do
55
movimento geomtrico browniano. Em nossa pesquisa, no encontramos aplicao de

testes economtricos srie histrica do minrio de ferro. Esta uma das contribuies
desta dissertao.
Ainda sobre petrleo, Baker, Mayfield e Parson (1998) argumentam em seu
trabalho que o preo futuro desta commodity cai se o spot est alto, e sobe se o spot est
baixo. Se o preo seguisse um movimento browniano, a volatilidade do preo futuro
deveria ser aproximadamente igual volatilidade do preo spot, o que no acontece. Na
prtica, o preo spot muito mais voltil. Esta anlise, no caso do minrio de ferro,
mais difcil de ser feita, uma vez que os contratos futuros alteram trimestralmente e os
preos spot so negociados diariamente.
Como indica Enders (1995), o primeiro passo na anlise de sries temporais
consiste em avaliar se as sries so ou no estacionrias ao longo do tempo. Uma srie
estacionria aquela cujas mdias, varincias e covarincias permanecem as mesmas,
independentemente do perodo de tempo em que so medidas. A no-estacionariedade
de um processo estocstico a conseqncia da existncia de raiz unitria no processo
autorregressivo gerador da varivel.
Assim, define-se como um processo estocstico estacionrio se suas mdias e
varincias forem constantes ao longo do tempo e o valor da covarincia entre dois
perodos de tempo depender apenas da distncia ou defasagem entre os dois perodos, e
no do perodo de tempo efetivo em que a covarincia calculada (Heij et al. (2004)).
De acordo com Brooks (2002), a verificao formal da presena de raiz unitria
em uma srie de interesse deve ser conduzida atravs de um teste de hipteses
formalizado que busque responder seguinte questo: a partir dos dados amostrais,
factvel considerar que o processo gerador de dados de Yt contm uma ou mais razes
unitrias?.
56
Segundo Heij et al. (2004), para que a reverso mdia seja a melhor projeo
de um processo estocstico, o mesmo deve ser estacionrio. Nesse contexto, o teste a
que efetuamos nesta dissertao o de Dickey-Fuller, e trabalha-se com a hiptese nula
Ho de que a srie possu raiz unitria, ou seja, no estacionria. O valor de
significncia de segue a estatstica , em que os valores crticos foram calculados por
Dickey e Fuller (1979). Basicamente, o teste verifica a hiptese de que w 4 em:
x wxA" M
Contra a hiptese alternativa de w y 4, onde M um termo rudo branco9.

Assim, de maneira clara, a hiptese H0: de que a srie possui raiz unitria contra H1: a
srie estacionria.
Na prtica, a seguinte regresso aplicada, para facilitar o clculo e a
interpretao (BROOKS, 2002):
x zxA" M
De forma que o teste de w 4 equivalente ao teste de z D (uma vez que
w 5 4 z. O teste de Dickey-Fuller tambm conhecido como o teste .
2.12.
Simulao de Monte Carlo
Conforme Law e Kelton (1991), a simulao de Monte Carlo um mtodo que

utiliza nmeros aleatrios para resolver problemas estocsticos ou determinsticos.
Segundo os mesmos autores, o nome Monte Carlo surgiu na Segunda Guerra
9
Rudo Branco (White noise) um termo aleatrio, cujas caractersticas so: mdia e varincia
constantes, e autocorrelaes iguais a zero. Em outras palavras, cada observao no correlacionada
com nenhum outro valor desta varivel na srie. (BROOKS, 2002)
57
Mundial, quando o mtodo foi aplicado a problemas relacionados ao desenvolvimento

da bomba atmica, na resoluo de integrais de funes matemticas de difcil soluo
analtica. Entretanto, de acordo com Vose (2000), as simulaes de Monte Carlo j
haviam sido usadas para examinar equaes no campo da fsica. Consta tambm que o
estatstico Student, W. S. Gossett, tenha usado o mtodo de Monte Carlo para estimar o
coeficiente de correlao na sua distribuio t. Grande parte dos trabalhos referentes
Simulao de Monte Carlo podem ser creditado a Ulam, Fermi and Von Neumann, que
refinaram as tcnicas de simulao direta atravs de diversas tcnicas de reduo de
varincia.
Em geral, este mtodo tem a vantagem de conseguir reproduzir e resolver
sistemas complexos, mas tem a desvantagem da necessidade de um nmero de
simulaes elevado para garantir a convergncia. Pode se dizer que o mtodo de Monte
Carlo possui diversas aplicaes viveis na otimizao, como teste dos modelos e
gerao de cenrios para posterior reduo de varincia.
Law (2007) cita que a Simulao de Monte Carlo vastamente utilizada na
resoluo de problemas estatsticos que no possuem soluo analtica ou apresenta
grau de complexidade elevado (e.g. aplicao na determinao dos valores crticos de
testes de hiptese).
Ainda, de acordo com Glasserman (2003), o mtodo de Monte Carlo baseado
na analogia entre probabilidade e volume, associando um evento com um conjunto de
amostras e definindo como probabilidade do evento o seu volume ou medida sobre todo
o universo de possibilidade de amostragem. Monte Carlo usa essa identidade em reverso
calculando o volume do conjunto e interpretando esse volume como probabilidade.
Evans e Olson (1998) definem Simulao de Monte Carlo como um experimento
amostral utilizado no intuito de estimar a distribuio de resultados possveis da
58
varivel de sada com base em uma ou mais variveis de entrada, sendo que tais
variveis possuem comportamento probabilstico de acordo com alguma distribuio
estipulada como dado de entrada.
A utilizao da tcnica de Monte Carlo para integrao de funes pode ser visto
no caso de se integrar a funo {| sobre um intervalo unitrio [0,1] conforme a
equao10:
"
} ~ {| N|
'
Representando a integral como a esperana de f (U) multiplicada pelo

comprimento unitrio, onde U uniformemente distribudo sobre o intervalo [0,1]
obtm-se a equao:
%
4
% {
[
&"
Para f integrvel no intervalo [0,1] pela lei dos grandes nmeros pode-se provar que
para n tendendo a infinito tende } (GLASSERMAN, 2003). E se o quadrado de f for
integrvel pode-se definir a varincia de f como:
8
"
~ {| 5 }
'
N|
Sabe-se que a diferena entre o valor verdadeiro da integral e o valor estimado do

erro ser N(0, 8 /n). Como no se sabe o valor de 8 pode-se estim-lo pela equao:
8
10
4
{ 5 [ |
[54
Este exemplo foi adaptado de Glasserman (2003). Para maiores detalhes, ver Glasserman (2003).
59
Assim, a partir das funes {" E E {% obtemos no somente a estimativa da

integral, mas tambm uma medida do erro desta estimativa.
60
3. Apresentao do Estudo de Caso

3.1. O Problema
Este estudo de caso trata da valorao de um empreendimento de minerao de

ferro no estgio inicial do projeto. Os proprietrios do empreendimento devem decidir
qual a capacidade produtiva e qual estratgia de escoamento devem utilizar (que tipo de
escoamento ser utilizado entre as minas e os portos deste empreendimento). Para tomar
estas decises, so conhecidos:
(i)
Os recursos minerrios: localizao e quantidade.
(ii)
O valor do investimento e os custos de operao (ambos dependendo da

capacidade a ser instalada).
(iii)
Dois pontos disponveis para a construo de Porto.
(iv)
Duas modalidades distintas de transporte entre as minas e os Portos.
(v)
O mercado onde o produto ser vendido (sia, especialmente China).
Os proprietrios deste empreendimento possuem 5 ativos minerrios, properacionais11, que podem ser explorados com capacidades produtivas diferentes. Os
investimentos necessrios para implantao deste tipo de projeto da ordem de bilhes
de dlares americanos. No ponto em que o empreendimento se encontra, para entrar em
operao so necessrio de 4 anos.
A complexidade desta anlise refletida na construo de um modelo de opes
reais que incorpora tanto as incertezas do preo do minrio de ferro projetado quanto a
incerteza de lead time de implantao. As opes reais so mapeadas conforme a
11
Ativos de minas pr-operacionais so chamados de greenfield. Ativos de minerao que j comearam

a ser explorados so definidos como brownfield. (MOON, 2006)
61
flexibilidade gerencial decorrente das opes de escoamento e capacidade produtiva do

empreendimento.
Relembrando a citao de Dixt e Pindyck (1994), nossa anlise possui trs
importantes caractersticas: Primeiro, estas decises apresentam irreversibilidade (uma
vez definido a capacidade produtiva a ser implantada e iniciada a implantao, o custo
inicial do investimento pelo menos parcialmente perdido e no pode ser recuperado
totalmente caso haja mudana de idia). Segundo, a incerteza: Cada deciso possui
incertezas sobre os fluxos de caixa que sero gerados pelo empreendimento com
magnitudes e estratgias de escoamento distintas. E, por ltimo, o momento de investir
(e.g. no momento da implantao interessante do ponto de vista da gerao de valor
criar uma opo de expanso para o futuro?). Essas trs caractersticas se interagem para
determinar a deciso tima de investimento.
3.2. Decises Gerenciais
A construo do modelo de valorao parte da modelagem das opes, seguida

pela estruturao das planilhas de fluxo de caixa. Depois, a este modelo agregada a
modelagem das variveis de acordo com os processos estocsticos. Assim, ajustamos a
planilha para que um software especfico (@Risk) possa executar a simulao de Monte
Carlo. Aps a simulao, analisamos os resultados e apontamos concluses.
Consideremos a situao em que o empreendedor possui dois pontos chaves
decisrios durante a implantao do projeto de minerao. Estes pontos so definidos
levando em considerao as etapas em que se pode executar a expanso ou no do
projeto respeitando cronograma de implantao. As incertezas influenciaram em cada
ponto decisrio para que o empreendedor escolha a opo que mais adiciona valor ao
62
projeto. Nestes momentos, o empreendedor pode escolher o valor do investimento que

far conforme cada opo, e em cada uma das opes de negcio ele incorrer em
diferentes custos de implantao e operao.
Uma premissa importante que devemos considerar a de que todas as opes
so compostas por no mnimo um transporte e um porto, com suas devidas capacidades
operacionais. As opes mapeadas esto modeladas para dois momentos decisrios na
vida do projeto. Cada opo considera os investimentos necessrios implantao,
capacidade produtiva e, conseqentemente, a gerao de caixa da opo. A figura 6
apresenta a ilustrao das opes modeladas.
No primeiro ponto decisrio (t+1), temos 5 opes: Sq, A, B, C, D. Em seguida
(t+3), outras opes derivadas das cinco primeiras. Partindo do instante de tempo t
como incio do Projeto, os pontos de decisrios t+1 e t+3 com suas possveis opes so
as seguintes:
D+1:
Sq: Construo do Transporte A (50 MMt12) e do Porto A (50 MMt)
A: Construo do Transporte A (75 MMt) e do Porto A (50 MMt com
possibilidade de expanso para 75MMt)
B: Construo do Transporte A (50 MMt), Porto A (50 MMt) e Porto B (25
MMt)
C: Construo do Transporte A (75 MMt), Porto A (50 MMt com
possibilidade de expanso para 75MMt) e Porto B (25 MMt)
D: Construo do Transporte B (50 MMt), e do Porto B (50 MMt)
D+3:
Sq: Operao do Transporte A (50 MMt) e do Porto A (50 MMt)
A0: Operao do Transporte A (50 MMt) e do Porto A (50 MMt)
12
MMt a abreviatura para Milhes de Toneladas
63
A1: Expanso da Operao do Transporte A (75 MMt) e do Porto A

(75MMt)
B0: Operao do Transporte A (50 MMt), Porto A (50 MMt) e Porto B (25
MMt)
B1: Expanso Operao: Transporte A (50 MMt), Porto A (50 MMt),
Construo do Transporte B (25 MMt), Porto B (25 MMt)
B2: Operao do Transporte A (50 MMt), Porto A (50 MMt) e venda do
Porto B (25 MMt)
C0: Operao do Transporte A (50 MMt), Porto A (50 MMt) e Porto B (25
MMt)
C1: Expanso Operao: Transporte A (75 MMt), Porto A (75 MMt),
Construo do Transporte B (25 MMt), Porto B (25 MMt)
C2: Expanso Operao: Transporte A (75 MMt), Porto A (75 MMt),
Construo do Transporte B (25 MMt) e vender Porto B (25 MMt)
C3: Operao: Transporte A (50 MMt), Porto A (50 MMt) e vender Porto B
(25 MMt)
D: Operao do Transporte B (50 MMt), e do Porto B (50 MMt)
Tempo t
1 Ponto de Deciso - Tempo t+1
2 Ponto de Deciso - Tempo t+3
sq
Porto A (50MMt)
Transporte A (50MMt)
A
Porto A (50MMt+25MMt
opo)
Transporte A (75MMt)
sq
Manter (50MMt)
Sem flexibilidade
A0
Manter (50MMt)
Exapanso (75MMt Porto A)
B 0 Manter
B
Incio do Projeto
Porto A (50MMt)/ Transporte

A (50MMt)/ Porto B (25MMt)
Transporte B
(50/75 Porto A)
(25/00 Porto B)
(50/50 Porto A)
(25/25 Porto B)
B 2 Vender Porto B (50/50 Porto A)
C
Porto A (50MMt+25MMt
opo) /
Transporte A(75MMt)/
Porto B (25MMt)
C 0 Manter
C
C
Opo de Expanso
(50/75 Porto A)
(25/00 Porto B)
(50/75 Porto A)
(25/25 Porto B)
Transporte B
Expandir Porto A/
Vender Porto B (75/75 Porto A)
C 3 Vender Porto B (50/75 Porto A)
D
Porto B (50MMt)/ Transporte
B (50MMt)
Manter (50MMt)
Sem flexibilidade
Figura 6 Ilustrao das Opes nos respectivos perodos de deciso dos empreendedores
A sada do modelo, aps a simulao de Monte Carlo, a distribuio dos VPL

das opes modeladas. O detalhamento de como as opes so valoradas apresentado
na seo 4.1. Como o valor em si no relevante para esta dissertao, e, para evitar
64
qualquer julgamento de valor sobre a empresa proprietria dos empreendimentos,

multiplicamos todos os resultados por um fator de forma a no comprometer a anlise e
o foco de discusso desta dissertao. A figura 7 apresenta a lgica de funcionamento
do modelo.
Incerteza
do Preo
do Minrio
Incertezas
de lead
time
Projeo de
Preos Futuros
Anlise
das sries
histricas
Modelagem
estatstica
Distribuio da Valorao
de Cada Opo
Distribuio
da Incerteza
Simulao de
Monte Carlo
Opes Existentes
Parametrizao do
Fluxo de caixa de
cada opo
Figura 7 Ilustrao da Lgica de Funcionamento do Modelo
A incerteza de lead time afeta o fluxo de caixa projetado de forma independente

para a implantao das minas, e construo do transporte at o porto e implantao do
porto. O atraso implica no deslocamento no tempo da gerao de caixa de cada opo.
Modelamos a incerteza do lead time utilizado a distribuio beta, e detalhamos esta
modelagem na seo 4.4.
3.3. Cenrios Analisados
Analisamos o valor da flexibilidade gerencial, a melhor opo e em quatro

diferentes cenrios:
65
(i)
Cenrio Caso Base: Este cenrio o nosso caso base. Neste cenrio,
modelamos o preo do minrio de ferro utilizando o MGB para os
primeiros anos (t at t+4), e o processo de reverso mdia (PRM) para
os anos seguintes (t+5 at t+29). A incerteza de lead time de
implantao modelada utilizando-se uma distribuio Beta. Os itens dos
fluxos de caixa influenciados pelo preo do minrio so descontados
utilizando a taxa livre de risco estimada em 4%. Os demais itens so
descontados a uma taxa de desconto denominada WACC de 9,7%.13
(ii)
Cenrio Preo: Este cenrio relaxa a modelagem do preo do minrio de

ferro. Neste cenrio, modelamos o preo do minrio de ferro utilizando
somente o PRM para os anos seguintes (t at t+29). Os demais
parmetros mantivemos inalterados em relao ao Cenrio Caso Base. A
incerteza de lead time de implantao modelada utilizando-se uma
distribuio Beta. Os itens dos fluxos de caixa influenciados pelo preo
do minrio so descontados utilizando a taxa livre de risco estimada em
4%. Os demais itens so descontados a uma taxa de desconto
denominada WACC de 9,7%.
(iii)
Cenrio Tempo para Implantao: Neste cenrio medimos o impacto da

modelagem do lead time de implantao. Para isto, retiramos a
modelagem
desta
incerteza
no
modelo,
considerando
como
determinsticos os valores referentes incio de operao: sem atrasos. J

os demais parmetros, mantivemos inalterados em relao ao Cenrio
Caso Base. Modelamos o preo do minrio de ferro utilizando o MGB
para os primeiros anos (t at t+4), e o PRM para os anos seguintes (t+5
13
O valor do WACC base utilizado nos cenrios analisados o valor mdio de WACC real (lquido do
efeito da inflao) utilizado em anlises de investimento de projetos de minerao de ferro no ano de
2009 (CRU ANALISYS, 2009).
66
at t+29). Os itens dos fluxos de caixa influenciados pelo preo do

minrio so descontados utilizando a taxa livre de risco estimada em
4%. Os demais itens so descontados a uma taxa de desconto
denominada WACC de 9,7%.
(iv)
Cenrio Custo de Capital: Neste cenrio analisamos o impacto da

modelagem das incertezas endgenas modeladas atravs de uma taxa de
desconto determinstica. Assim, modelamos o preo do minrio de ferro
utilizando o MGB para os primeiros anos (t at t+4), e o PRM para os
anos seguintes (t+5 at t+29). A incerteza de lead time de implantao
modelada utilizando-se uma distribuio Beta. Os itens dos fluxos de
caixa influenciados pelo preo do minrio so descontados utilizando a
taxa livre de risco estimada em 4%. Os demais itens so descontados
taxas de desconto WACC determinsticas, variando entre 4% e 15%.
3.4. Dados de Entrada
Para a construo do modelo, os fluxos de caixa das opes do empreendimento

foram construdos anualmente. As variveis aleatrias do fluxo de caixa so os preos
projetados do minrio de ferro e o plano de produo, que influenciado pelo possvel
atraso no lead time de implantao do projeto. A receita bruta foi estimada baseando-se
na quantidade de minrio produzida, assumindo-se que 100% da produo ser
exportada. Para obter a receita lquida, consideramos a tributao da CFEM
(Contribuio Financeira sobre Explorao Mineral).
Os valores de preos foram estimados atravs da anlise da srie temporal,
denominada srie histrica do preo do minrio de ferro, entre os anos de 1900 e 2008.
67
Os dados utilizados so dados reais em 2008, j retirados os efeitos de inflao. Na

seo 4.2, apresentamos os parmetros extrados dessa srie para a projeo dos preos
pelos processos estocsticos MGB e PRM.
UScent/DMTU
Srie Histrica do Preo do Minrio de Ferro

150,00
140,00
130,00
120,00
110,00
100,00
90,00
80,00
70,00
60,00
50,00
40,00
30,00
20,00
10,00
-
1900
1910
1920
1930
1940
1950
1960
1970
1980
1990
2000
2008
2010
Anos
Figura 8 Srie histrica do Minrio de ferro, valores em centavos de dlar por unidade metlica de Fe no
produto. (valores corrigidos pela inflao americana para 2008)
Fonte: U.S. Geological Survey website
Os custos de produo, despesas administrativas e comerciais e estimativas de

investimentos de cada opo foram obtidos de estudos de engenharia pr-conceitual de
uma empresa de minerao de ferro. Tambm consideramos o tempo de vida de
operao das minas como 30 anos de produo.
O modelo mais utilizado para se fazer valorao de empresas e projetos, o fluxo
de caixa descontando, construdo sobre a premissa de que possvel estimar o risco
sistemtico sobre o fluxo de caixa, utilizando esta premissa para calcular a taxa de
desconto ajustada ao risco apropriada. Entretanto, quando o fluxo de caixa uma funo
no-linear dos preos, no possvel adaptar o risco sistemtico desses preos ao risco
sistemtico do fluxo de caixa. Assim, conforme Trigeoris (1996) desconta-se os fluxos
ligados projeo de preos utilizando taxa livre de risco, e os demais fluxos utilizando
a taxa de desconto ajustada utilizada nas anlises de valorao por fluxo de caixa
descontado.
68
Para o clculo do VPL de cada uma das opes, os fluxos influenciados pela
modelagem do preo foram descontados taxa livre de risco. Conforme citado
anteriormente, essa abordagem defendida por Trigeorgis (1996). Os demais fluxos
foram descontados a uma taxa de desconto de 9,7%, que chamamos nesta dissertao de
WACC. Esta taxa pretende captar os demais riscos para os investidores, que no esto
modelados explicitamente. Uma anlise de sensibilidade sobre este parmetro, bem
como uma discusso sobre seu impacto no modelo, apresentada nas prximas sesses.
69
4. Resultados
4.1. Modelagem das Opes Reais
O empreendimento sem flexibilidade gerencial modelado pela Opo Sq,
uma vez que a mesma considera que no h possibilidade de alterao de plano, pois
no h alterao de deciso gerencial para a mesma. Em nossa anlise, definimos quatro
opes europias no primeiro momento decisrio (t+1), sendo elas as Opes A, B, C e
D. Para o segundo momento decisrio (t+3), definimos outras dez opes europias.
So elas as Opes A0, A1, B0, B1, B2, C0, C1, C2, C3 e D. O horizonte de tempo de
nossa anlise so 30 perodos, sendo os mesmos perodos anuais.
Para o clculo do VPL de cada uma das opes, construmos um FCD para as
opes. Cada opo teve o valor de seu fluxo calculado conforme seu horizonte de
tempo: isto , as opes do 2 ponto de deciso eram simuladas, e o maior VPL
escolhido. Aps a definio desta opo do tempo t+3, o valor da opo em t+1 era
calculado. Em seguida, conclu-se qual o VPL do projeto para a interao em curso.
O FCD de cada opo inicia-se com os fluxos da receita operacional lquida, a
qual incorpora tanto a incerteza do preo do minrio, quanto a incerteza do lead time de
implantao. A partir deste valor so subtrados os custos. Em nossa modelagem,
consideramos os custos especficos do setor acoplados ao comportamento do minrio
(de forma considerar a inflao especfica do setor nos custos) e uma parte ligada
somente ao volume. Em outras palavras, dividimos os custos em dois componentes, um
aliado ao preo do minrio e outro associado ao volume. Esta suposio nos permitiu
captar o efeito da variao do preo do minrio sobre os custos produtivos do setor,
incorporando este efeito ao fluxo de caixa de cada opo. Uma amostra da planilha de
clculo do fluxo de caixa apresentada no Apndice 1.
70
O valor da opo em t=0, calculado pelo fluxo de caixa projetado em cada

rodada de simulao, representando o valor do empreendimento Ut foi obtido atravs da
seguinte equao:
| DE E --'E -" E ZZ'E Z" E Z E ..'E ." E . E . E
Equao 15 Equao do Valor do Empreendimento
Onde:
Para Sq, consideramos a construo do Transporte A com capacidade para 50
MMt e Porto A com capacidade para 50 MMt. Em detalhes:
Descrio
Tipo de Deciso
Gerencial14
Fluxos com Incerteza

Modelada

Generalizada
Equao
Opo Sq
- Operao do Transporte
A com 50 MMt
- Operao do Porto A com
50 MMt
-Manter
SSq (Valor Presente dos
itens do Fluxo de Caixa no
perodo t+3 influenciados
pelo preo do minrio de
ferro, descontados taxa
livre de risco r)
XSq (Valor Presente dos
perodo t+3 referentes
custos de produo e
custos de implantao,
descontados pela taxa de
desconto WACC)
Max (SSq XSq, 0)
Tabela 3 Frmulas da Valorao de Sq
E o valor de Sq em t=0 obtido:
14
O tipo de deciso gerencial assemelha-se aos tipos de Opes Reais adaptados de Trigeorgis (1996),
seo 2.7 do captulo de Reviso Bibliogrfica.
71
n |
>
4 ?
c
4 f**
E D
Equao 16 Equao do Valor Presente da Opo Sq
Para a Opo A, a qual consideramos a construo do Transporte A com

capacidade para 75 MMt e do Porto A com capacidade de 50 MMt e possibilidade de
expanso para 75 MMt, temos:
Descrio
Tipo de Deciso
Gerencial

Modelada

Generalizada
Equao
Opo A0
A com 50 MMt
50 MMt
-Manter
Opo A1
A com 75 MMt
75 MMt
-Expandir
SA0 (Valor Presente dos

livre de risco r)
XA0 (Valor Presente dos
custos de produo e
desconto WACC)
Max (SA0 - XA0, 0)
SA1 (Valor Presente dos

livre de risco r)
XA1 (Valor Presente dos
custos de produo e
desconto WACC)
Max (SA1 - XA1, 0)
Tabela 4 Frmulas da Valorao das opes A
E o valor da Opo A em t=0 obtido:

--'E -" |
>'
4 ?
c'
4 f**
>"
4 ?
c"
4 f**
E D
Equao 17 Equao do Valor Presente da Opo A
Para a Opo B, a qual consideramos a construo do Transporte A com

capacidade para 50 MMt, construo do Porto A com capacidade de 50 MMt e
construo do Porto B com capacidade para 25 MMt, temos:
72
Descrio
Tipo de Deciso
Gerencial
Fluxos com
Incerteza
Modelada
Fluxos com
Incerteza
Generalizada
Equao
Opo B0
- Operao do
Transporte A com
50 MMt
- Operao do
Porto A com 50
MMt
- Operao do
Porto B com 25
MMt
Opo B2
- Operao do
Transporte A com
50 MMt
- Operao do
Porto A com 50
MMt
- Venda do Porto B
com 25 MMt
-Manter
Opo B1
- Operao do
Transporte A com
50 MMt
- Construo do
Transporte B com
25 MMt
- Operao do
Porto A com 50
MMt
- Operao do
Porto B com 25
MMt
-Expanso
SB0 (Valor
Presente dos itens
do Fluxo de Caixa
no perodo t+3
influenciados pelo
preo do minrio
de ferro,
descontados taxa
livre de risco r)
XB0 (Valor
Presente dos itens
do Fluxo de Caixa
no perodo t+3
referentes custos
de produo e
custos de
implantao,
descontados pela
taxa de desconto
WACC)
SB1 (Valor Presente

dos itens do Fluxo
de Caixa no
perodo t+3
influenciados pelo
preo do minrio
de ferro,
descontados taxa
livre de risco r)
XB1 (Valor
Presente dos itens
do Fluxo de Caixa
no perodo t+3
referentes custos
de produo e
custos de
implantao,
descontados pela
taxa de desconto
WACC)
Max (SB0 XB0, 0)
Max (SB1 XB1, 0)
SB2 (Valor
Presente dos itens
do Fluxo de Caixa
no perodo t+3
influenciados pelo
preo do minrio
de ferro,
descontados taxa
livre de risco r)
XB2 (Valor
Presente dos itens
do Fluxo de Caixa
no perodo t+3
referentes custos
de produo e
custos de
implantao e
venda do Porto
descontados pela
taxa de desconto
WACC)
Max (SB2 XB2, 0)
Tabela 5 Frmulas da Valorao das opes B
E o valor da Opo B em t=0 obtido:
73
-Abandono
ZZ'E Z" E Z
|
>'
4 ?
c
4 f**
E D
c'
4 f**
>"
4 ?
c"
4 f**
>
4 ?
Equao 18 Equao do Valor Presente da Opo B
Para a Opo C, consideramos a construo do Transporte A com capacidade

para 50 MMt, e possibilidade de expanso para 75 MMt. Alm disso, construo do
Porto A com capacidade de 50 MMt, tambm com possibilidade de expanso para 75
MMT e construo do Porto B com capacidade para 25 MMt, temos:
Descrio
Tipo de
Deciso
Gerencial
Fluxos com
Incerteza
Modelada
Opo C0
- Operao do
Transporte A
com 50 MMt
- Operao do
Porto A com 50
MMt
- Operao do
Porto B com 25
MMt
Opo C1
- Expanso do
Transporte A
para 75 MMt
- Expanso do
Porto A para 75
MMt
-Construo do
transporte B
com 25 MMt
- Operao do
Porto B com 25
MMt
-Manter
-Expanso
SC0 (Valor
Presente dos
itens do Fluxo
de Caixa no
perodo t+3
influenciados
pelo preo do
minrio de
ferro,
descontados
taxa livre de
risco r)
SC1 (Valor
Presente dos
itens do Fluxo
de Caixa no
perodo t+3
influenciados
pelo preo do
minrio de
ferro,
descontados
taxa livre de
risco r)
74
Opo C2
- Expanso
do
Transporte A
para 75 MMt
- Expanso
do Porto A
para 75 MMt
- Construo
do transporte
B com 25
MMt
- Vender o
Porto B com
25 MMt
- Expanso
Opo C3
- Operao do
Transporte A
com 50 MMt
- Operao do
Porto A com 50
MMt
- Venda do
Porto B com 25
MMt
SC2 (Valor
Presente dos
itens do
Fluxo de
Caixa no
perodo t+3
influenciados
pelo preo
do minrio
de ferro,
descontados
taxa livre
de risco r)
SC3 (Valor
Presente dos
itens do Fluxo
de Caixa no
perodo t+3
influenciados
pelo preo do
minrio de
ferro,
descontados
taxa livre de
risco r)
-Abandono
Fluxos com
Incerteza
Generalizada
Equao
XC0 (Valor
Presente dos
itens do Fluxo
de Caixa no
perodo t+3
referentes
custos de
produo e
custos de
implantao,
descontados
pela taxa de
desconto
WACC)
XC1 (Valor
Presente dos
itens do Fluxo
de Caixa no
perodo t+3
referentes
custos de
produo e
custos de
implantao,
descontados
pela taxa de
desconto
WACC)
Max (SC0 XC0,

0)
Max (SC1 XC1,

0)
XC2 (Valor
Presente dos
itens do
Fluxo de
Caixa no
perodo t+3
referentes
custos de
produo e
custos de
implantao,
descontados
pela taxa de
desconto
WACC)
Max (SC2
XC2, 0)
XC3 (Valor
Presente dos
itens do Fluxo
de Caixa no
perodo t+3
referentes
custos de
produo e
custos de
implantao,
descontados
pela taxa de
desconto
WACC)
Max (SC3 XC3,
0)
Tabela 6 Frmulas da Valorao das opes C
E o valor da Opo C em t=0 obtido:

..'E ." E . E .
|
>'
4 ?
c
4 f**
c'
4 f**
>
4 ?
>"
4 ?
c
4 f**
E D
c"
4 f**
>
4 ?
Equao 19 Equao do Valor Presente da Opo C
Para a Opo D, consideramos a construo do Transporte B com capacidade

para 50 MMt e Porto B com capacidade para 50 MMt. Em detalhes:
Descrio
Tipo de Deciso
Gerencial

Modelada
Opo Sq
B com 50 MMt
- Operao do Porto B com
50 MMt
-Manter
SD (Valor Presente dos
livre de risco r)
75

Generalizada
Equao
XD (Valor Presente dos

custos de produo e
desconto WACC)
Max (SD XD, 0)
Tabela 7 Frmulas da Valorao de D
E o valor da Opo D em t=0 obtido:

|
>
4 ?
c
4 f**
E D
Equao 20 Equao do Valor Presente da Opo D
4.2. Modelagem do Preo do Minrio

Modelamos a incerteza do preo do minrio de ferro com dois processos
estocsticos conforme o horizonte de tempo. Para o curto e mdio prazo (de t at t+4),
utilizamos movimento geomtrico browniano (MGB) e para o longo prazo (t+5 at
t+29) utilizamos o processo de reverso mdia (PRM). Adotamos esta estratgia de
modelagem com base na anlise da srie histrica do preo do minrio de ferro
apresentada nas prximas sees e sob a hiptese de que na ltima dcada a demanda
do minrio cresceu a uma taxa maior que a oferta devido entrada da China como
grande consumidor do mercado transocenico. Em nossa anlise da srie histrica do
preo, identificamos que este fato modificou o comportamento do preo do minrio,
fazendo com que o preo aumentasse sempre em relao ao ano anterior. Estimamos
que em 5 perodos esta demanda se equilibre, e que, em seguida, o preo se comportar
revertendo mdia histrica. Esta hiptese se baseia no tempo de implantao de um
projeto de minerao, em torno de 6 anos. Estas suposies refletem a opinio de
especialistas no setor, relatadas na mdia especializada e em relatrios de bancos de
76
investimento, de acordo com as informaes de novos projetos em desenvolvimento

(CRU ANALISYS, 2009).
importante ressaltar tambm que no MBG, para os dois primeiros perodos da
anlise, utilizamos uma tendncia de alta no processo. Em seguida, deixamos o processo
sem tendncia. O MBG, conforme descrito anteriormente, um dos processos
estocsticos que considera a suposio de que o preo de um ativo segue um processo
de Markov, isto , de que para predizer o futuro do preo do ativo basta conhecer o
preo atual, no importando os preos histricos. O comportamento dos preos
histricos captado pelos parmetros do processo.
Alm disso, esta definio coerente para o perodo atual, onde a presso da
demanda sobre a oferta proporciona ao mercado a rever a lgica de negociao do
minrio de ferro. Aliado a este fator, existe o lead time de implantao de projetos que
impede que o equilbrio do mercado seja alcanado num curto perodo de tempo.
4.2.1 Parmetros do Movimento Geomtrico Browniano
Como apresentado no item 2.10.1, o MGB representado pela seguinte equao:

b dbe bf
Onde:
P o preo do ativo
dP a variao do preo
d o termo de drift (ou tendncia)
a volatilidade
dW o incremento de Wiener (N, N

onde ~ N(0,1)
77
d e so constantes
Para estimar os parmetros da equao do MBG, interessante utilizar a relao
entre a varivel P e seu logaritmo natural que segue o Movimento Browniano Simples
(vide item 2.11.1).
4
ba bUV d 5 be bf
K
ou,
ba dbe bf
A mdia dos valores de lnPt - lnPt-1 nos d uma estimativa de ' (' = 2) e
o desvio padro de lnPt - lnPt-1 fornece a estimativa da volatilidade (HULL, 2005).
Para estimar o parmetro do MBG basta substituir a estimativa do valor de em (
2). Utilizamos este clculo para determinar os parmetros utilizados na modelagem
do MGB, apresentados na tabela 8.
Varivel
Termo de drift
Volatilidade15
Smbolo
Valor (t+1 e t+2)
Valor (t+3 e t+4)
0,12
0,16
0,16
Tabela 8 Parmetros MGB para projeo do Preo do minrio de ferro
Para simular a evoluo do preo de um ativo, necessrio obter uma equao

que relacione o preo em t+1 com o preo no instante anterior t. Dada a equao do
Movimento Browniano que descreve o comportamento de ln(P), podemos obter a
15
O valor estimado da volatilidade confirmado em relatrios de bancos de investimentos e anlise de

especialistas do mercado de minerao de ferro (CRU ANALISYS, 2009).
78
equao que descreve o comportamento de P com a seguinte transformao (DIXIT e

PINDYCK 1994).
NUV
UV#" 5 UV d 5 be bf

R e 4 ue R A
#"
R A
+#
+#
Como N, N

QD 4 , temos:
#" R A
# '"
Equao 21 Equao com a transformao que descreve o comportamento de P
A partir da equao acima, basta utilizar um gerador de nmeros aleatrios,

obter o valor correspondente em uma distribuio normal padronizada cumulativa
N(0;1) e substitu-lo na equao do MGB cujos parmetros foram estimados. Este
processo realizado em nosso modelo pelo software @risk.
4.2.2 Parmetros do Processo de Reverso Mdia
Como apresentado na seo 2.10.2, o processo de reverso mdia em tempo

contnuo dado pela equao a seguir.
ba sa
tu a be bf
79
Onde:
s a velocidade de reverso mdia
a
t o nvel de equilbrio de x
a volatilidade
dW o incremento de Wiener
Como a simulao realizada em intervalos discretos de tempo, utiliza-se o

processo AR1 com os parmetros a
t4 5 g e g 5 4 como aproximao do
PRM. Onde p uma constante, q uma constante cujo valor -1 < q < 1.
a+ 5 a+A" a
t4 5 gA + gA + u 4 a+A" r+
Onde r uma varivel aleatria que segue uma distribuio normal com mdia
igual a zero e desvio padro . O processo estacionrio e o valor esperado de xt no

longo prazo p /(1-q).
Para estimar os parmetros reverso mdia, deve-se realizar a seguinte

regresso:
xt - xt-1 = a + b xt-1 + t
Equao 22 Regresso para estimar os parmetros de reverso mdia
Onde xt o logaritmo natural do preo do minrio de ferro. Os valores de | ,
se podem ser obtidos de acordo com as frmulas abaixo, decorrentes da equao do
processo AR1 (DIXIT e PINDYCK 1994).
| 5
| 4 5 gA +

| 4 5 gA +

5
5
A +
A +
45g
u g
54
Equao 23 Equao para clculo da mdia histrica
80
s 5 UVgA 5 UV W4 gA + 5 4 X 5UV4

Equao 24 Equao para clculo da velocidade de reverso mdia
Ks
5Ks
KUV4 gA + 5 4

5

4 5 gA
gA 5 4
4 gA + 5 4 5 4

KUV4

4 5 4
Equao 25 Equao para clculo da volatilidade
Onde o erro da regresso. A unidade das variveis a mesma da srie

temporal utilizada na regresso. Para obter os parmetros em outro intervalo de tempo,
basta multiplicar s por
e por
.
Utilizamos este clculo para determinar os parmetros utilizados na modelagem
do PRM, apresentados na tabela 9.
Varivel
Preo Inicial
Smbolo
e D
Valor (t+5 at
t+29)
P(t=4) (Projetado
pelo MGB)
0,16
0,26
53,0
Volatilidade
Velocidade de
Reverso Mdia
Preo Mdio de
Equilbrio
Tabela 9 Parmetros PRM para projeo do Preo do minrio de ferro
Para simular xt = ln(Pt) basta transferir o termo xt-1 para o lado direito da equao
do processo AR1.
4 5 gA +
=DE4
| |A" gA + | 4 5 gA +
Ks
Equao 26 Equao de xt para simulao dos valores de preos pelo processo de reverso mdia
A relao entre Pt e xt dada por:
81
g
A'E
A"A
Dessa forma, para simular P(t), basta simular x(t), utilizando um gerador de
nmeros aleatrios, transformando-os em amostras de uma distribuio normal
padronizada e substituindo os valores na equao de x(t).
4.3. Anlise do Comportamento do Preo do Minrio

Em nossa pesquisa, aplicamos o teste de Dickey-Fuller na srie temporal do
preo do minrio de ferro. Primeiramente, realizamos o teste sobre a srie completa
(1900 2008), e em seguida, alteramos os perodos do teste para verificar se h
alterao na estatstica de teste. Procuramos descobrir se as alteraes mercadolgicas
dos anos 2000 alteraram efetivamente o comportamento da srie, atravs do
comportamento da estatstica de teste . O software Stata, com o comando dfuller,
mostra aos nveis de significncia de 1%, 5% e 10%, se as variveis so estacionrias
ou no.
importante ressaltar que a srie histrica do preo do minrio de ferro anual.
Assim, a informao disponvel para anlise da srie histrica ser limitada o que, em
parte, justifica as alteraes das estatsticas de teste apresentadas na tabela 10 (e.g.,
alteraes nos pontos extremos da srie podem alterar significativamente os resultados
das estatsticas do teste).
82
Nvel de Significncia de
Intervalo de Anos
Estatstica de
Teste
1% Crtico 5% Crtico 10% Crtico
1900 2008
-1.681
-3.507
-2.889
-2.579
1900 2007
-2.331
-3.508
-2.890
-2.580
1900 2006
-2.572
-3.508
-2.890
-2.580
1900 2005
-2.580
-3.508
-2.890
-2.580
1900 2004
-2.548
-3.508
-2.890
-2.580
1900 2003
-2.477
-3.509
-2.890
-2.580
1900 2002
-2.320
-3.509
-2.890
-2.580
1900 2001
-2.286
-3.509
-2.890
-2.580
1900 2000
-2.367
-3.509
-2.890
-2.580
1900 1999
-2.416
-3.509
-2.890
-2.580
1900 1998
-2.492
-3.509
-2.890
-2.580
Tabela 10 Resultados do teste Dickey-Fuller do logaritmo da srie histrica do Minrio de Ferro realizados no
Software Stata 11
Na anlise dos resultados, verificamos que para todos os intervalos medidos a

srie no estacionria. Estes resultados esto alinhados com a literatura conforme
83
Baker, Mayfield e Parson (1998) e Pyndick e Rubinfeld (1991) em geral, os volumes

de dados das sries histricas de preo insuficiente para apontar a estacionariedade da
srie. Pyndick e Rubinfeld (1991), por exemplo, aplicaram este mesmo teste para as
sries histricas do preo de petrleo, cobre e borracha, analisando o perodo entre 1870
1986. Em seus testes, eles rejeitaram a hiptese nula em 5% de significncia para o
petrleo e o cobre (que devem ento ser projetados atravs de reverso mdia), porm
no para a borracha.
Adicionalmente, Dixit e Pindyck (1994) apontaram que a aplicao do teste
economtrico de DickeyFuller na srie histrica do preo do petrleo no puderam
rejeitar a hiptese do MGB quando 30 anos de dados foram usados. Somente nos testes
em que foram usados 117 anos de dados que o MGB foi rejeitado em favor do PRM.
No processo de reverso mdia, os incrementos do preo ano a ano no so
independentes, pois dependem da distncia entre seu valor atual e o valor mdio de
longo prazo. Este comportamento pode ser observado para commodities, onde os preos
esto ligados aos ciclos econmicos. Quanto mais distante do valor de longo prazo,
maior tende a ser a variao. Alm disso, se o valor atual superior ao valor de longo
prazo, assim, o preo tende a se reduzir, caso contrrio, tende a crescer conforme Dixit e
Pindyck (1994).
Em nossa anlise, os valores das estatsticas de teste entre os anos de 2007 e
2008 apresentaram um aumento em relao s estatsticas de teste dos outros anos da
srie. Em termos de modelagem do processo estocstico, isso nos permite relaxar a
hiptese de reverso mdia de commodities de Dixit e Pindyck (1994) para os
primeiros perodos de projeo. Esta hiptese ad hoc que adotamos est alinhada com a
percepo do mercado em geral quanto ao comportamento futuro esperado para o preo
do minrio de ferro. Este anlise detalhada na prxima seo 5.1.
84
4.4. Modelagem de Incerteza de Lead Time

O lead time de implantao em nosso modelo definido como o tempo de atraso
que o projeto pode ter no perodo de construo, o que, conseqentemente, afeta o valor
presente lquido da opo analisada ao alterar o perodo em que se iniciar a produo.
A modelagem deste parmetro pode ser explorada com mais detalhes, uma vez
que a implantao de projetos de minerao apresenta diversos riscos a cada etapa, por
exemplo, risco de atraso de licenciamento, risco de atraso na aquisio de
equipamentos, risco de catstrofe ambiental, risco de construo, risco de escassez de
mo-de-obra entre outros. Cada tipo de risco de atraso possui fontes de incerteza, que
poderiam ser modeladas de maneira distinta, para cada uma das opes do modelo.
Em nossa anlise, utilizamos a distribuio beta para gerar os nmeros aleatrios
referentes ao lead time de implantao. A escolha da distribuio beta se baseia na
caracterstica de ser uma distribuio que apresenta uma boa aproximao na ausncia
de dados que permitam obter uma distribuio mais adequada, conforme Montgomery
(2003).
Para estimar os parmetros, utilizamos opinio dos especialistas do
empreendimento analisado estimar os valores de atraso. Assim, definimos: mnimo
atraso (0 meses), mximo atraso (24 meses) e atraso mdio de (4 meses). Tambm, com
base nas informaes de especialistas, a probabilidade de atraso maior est entre o ms
0 e 4. Esta premissa norteou o formato da distribuio beta a ser implementada no
modelo.
Como a distribuio Beta definida entre 0 e 1, dividimos os 24 meses neste
intervalo, onde cada ms representa um intervalo de 0,04 na reta. A distribuio beta
definida pelos parmetros } e 9. O valor esperado na distribuio beta definido pela
equao:
85
Equao 27 Equao do valor esperado da distribuio beta
Como a probabilidade de atraso maior est entre o ms 0 e 4, utilizamos o

formato estritamente convexo da distribuio, definido com = 1. Este formato garante
que a probabilidade maior de atraso est entre 0 e a mdia. Como o valor da mdia
0,125 (4 meses), calculamos o valor de = 7.
No grfico abaixo verificamos a comparao entre os valores aleatrios gerados
na simulao de Monte Carlo
Car e a distribuio beta com os parmetros = 1e = 7.
Figura 9 Comparativo valores aleatrios gerados na simulao de Monte Carlo e a distribuio beta
especificada
A limitao das premissas utilizadas para a modelagem do lead time de

implantao ser revisitada na concluso (Captulo 6).
4.5. Nmero de Simulaes
86
Em nossa anlise, utilizamos 10.000 rodadas de simulao para atingir os

resultados das distribuies dos valores presentes lquidos das opes. Para verificar se
este nmero de rodadas foi suficiente para garantir a convergncia do modelo, e assim
captar o comportamento das projees, alteramos arbitrariamente o volume de rodadas e
comparamos os resultados obtidos.
Verificamos os resultados com 1.000, 5.000, 10.000 e 50.000 rodadas de
simulao. A partir de 5.000 rodadas, no verificamos alteraes significativas de mdia
e desvio padro no modelo, o que nos permite assumir a premissa de que 10.000
rodadas um volume suficiente para analisar os resultados da simulao de Monte
Carlo. A figura 10 apresenta os resultados do modelo conforme o nmero de rodadas de
simulao efetuadas.
1.000 Rodadas
5.000 Rodadas
VPL do Modelo
10.000 Rodadas
VPL do Modelo
50.000 Rodadas
VPL do Modelo
VPL do Modelo
Figura 10 Comparativo das Distribuies de Resultados do Modelo, Variando o nmero de rodadas de

simulao
4.6. Valor do Empreendimento Cenrio Caso Base
87
A distribuio do valor do empreendimento para o cenrio caso base

apresentado no grfico seguir. 90% das rodadas de simulao esto entre os valores
4.780 e 11.048. A mdia 7.616,50 e o desvio padro 1.926,74.
VPL do Modelo
Figura 11 Distribuio dos Valores de VPL do Modelo para o Cenrio Base
Para calcular o valor da flexibilidade gerencial decorrente das opes de

escoamento e capacidade de produo do projeto analisado, comparamos os resultados
das simulaes considerando a escolha da melhor opo e comparamos com a
distribuio obtida no clculo da opo Sq (a qual no apresenta flexibilidade
gerencial).
Conforme os grficos da distribuio do valor do projeto apresentado na figura
12, verificamos que h um aumento de valor de aproximadamente 40% (mdia das
distribuies com flexibilidade gerencial igual a 7.616,50 comparado com a mdia dos
resultados da opo Sq igual a 5.457,19) quando comparamos os resultados
considerando a flexibilidade gerencial em relao distribuio sem flexibilidade
gerencial. Este resultado o aumento do valor do projeto conseqncia da existncia de
88
Com Flexibilidade
Sem Flexibilidade
VPL do Modelo
VPL
VPL do
do Modelo
Modelo
Figura 12 Distribuio dos Valores16 de VPL do Modelo para o Cenrio Base, com flexibilidade gerencial e
sem flexibilidade gerencial
Outro resultado destacado, que o coeficiente de variao17, calculado pela

razo entre o desvio padro e a mdia dos resultados. Para o cenrio caso base,
encontramos um coeficiente maior quando analisamos o resultado que desconsidera a
flexibilidade gerencial. Porm, podemos notar que os coeficientes de variao
encontrados apresentaram valores muito prximos entre si.
Coeficiente de Variao - Caso Base

26,40%
26,19%
26,20%
26,00%
25,80%
25,60%
25,40%
25,28%
25,20%
25,00%
24,80%
Sem Flexibilidade Gerencial
Com Flexibilidade Gerencial
Figura 13 Grfico comparativo dos coeficientes de variao do modelo considerando a flexibilidade gerencial e
desconsiderando a flexibilidade gerencial
16
Os eixos dos grficos de distribuio de valores de VPL nesta dissertao no esto na mesma escala.
Pede-se ateno do leitor ao interpret-los.
17
O coeficiente de variao uma medida de disperso para a comparao de distribuies diferentes. O
desvio-padro relativo mdia, e, como duas distribuies podem ter mdias/valores mdios diferentes,
o desvio dessas duas distribuies no comparvel. Em finanas, o coeficiente de variao utilizado na
anlise de carteira de ativos serve como medida de risco para cada unidade de ativo.
89
No modelo, tambm analisamos a freqncia em que cada uma das opes

modeladas se mostra a opo tima para os gestores do negcio. Em outras palavras,
qual opo gerencial foi mais vezes a escolhida, a que possui maior valor. Para nosso
modelo no cenrio caso base, a opo C foi a mais escolhida no primeiro ponto de
deciso.
Conforme definido na seo 4.1, a opo C a opo com a maior capacidade
instalada.
Figura 14 Freqncia da melhor deciso do primeiro ponto de deciso
Alm do primeiro ponto de deciso, h o segundo momento de deciso. Abaixo

so apresentados os grficos com as melhores decises do segundo momento. Para estas
decises no houve alterao significativa das opes. Uma hiptese, que no perodo
aps esta deciso os fluxos de caixa so impactados pelo processo de reverso mdia
histrica, o que aproxima o comportamento dos fluxos de uma rodada para a outra
partir deste ponto.
90
2a. Deciso: Distribuio da Melhor Opo A

99,8%
100,0%
50,0%
0,2%
0,0%
Opo A0
Opo A1
2a. Deciso: Distribuio da Melhor Opo B

98,6%
100,0%
50,0%
0,1%
1,3%
0,0%
Opo B0
Opo B1
Opo B2
2a. Deciso: Distribuio da Melhor Opo C

99,9%
100,0%
50,0%
0,0%
0,0%
Opo C0
Opo C1
0,1%
0,0%
Opo C2
Opo C3
Figura 15 Freqncia da melhor deciso do segundo ponto de deciso
4.7. Valor do Empreendimento Cenrio Preo

Para o cenrio preo, como j explicitado na seo 3.3, relaxamos a modelagem
do preo do minrio de ferro em relao ao caso base, considerando apenas o processo
de reverso mdia para a previso dos fluxos de caixa futuros.
A distribuio do valor do empreendimento para o cenrio caso base
apresentado no grfico seguir. 90% das rodadas de simulao esto entre os valores
3.420 e 7.243. A mdia 5.110,22 e o desvio padro 1.185,31.
91
Caso Preo
VPL do Modelo
Figura 16 Distribuio dos Valores de VPL do Modelo para o Cenrio Preo
Novamente, efetuamos o clculo do valor da flexibilidade gerencial comparando a

distribuio obtida no cenrio preo com o valor da opo Sq deste cenrio (a qual no
apresenta flexibilidade gerencial).
Conforme os grficos da distribuio do valor do projeto apresentado abaixo,
verificamos que h um aumento de valor de aproximadamente 37% (mdia das
Cenrio Preo com Flexibilidade
Cenrio Preo sem Flexibilidade
Figura 17 Distribuio dos Valores de VPL do Modelo para o Cenrio Preo, com flexibilidade gerencial e sem
flexibilidade gerencial
92
Para o cenrio preo, encontramos um coeficiente de variao maior quando

analisamos o resultado que considera a flexibilidade gerencial. Neste caso, a
flexibilidade gerencial aumenta a variabilidade: a modelagem de preo considerando
apenas o processo estocstico PRM apresenta uma variabilidade menor que a
variabilidade dos cenrios que consideram o processo de MGB.
Coeficiente de Variao - Caso Preo

24,0%
23,2%
23,0%
22,0%
21,0%
19,6%
20,0%
19,0%
18,0%
17,0%
Cenrio Sem Flexibilidade
Cenrio Com Flexibilidade
desconsiderando a flexibilidade gerencial para o caso preo
Analisamos tambm, para o caso preo, a freqncia em que cada uma das
opes modeladas se mostra a opo tima para os gestores do negcio. Neste cenrio, a
opo A foi a mais escolhida no primeiro ponto de deciso. Esta opo possui escala de
produo prxima ao cenrio Sq, o qual foi escolhido em 4,5% das simulaes.
1a. Deciso: Distribuio da Melhor Opo

60,0%
50,1%
PRM
Frequncia
50,0%
40,0%
27,8%
30,0%
17,5%
20,0%
10,0%
4,5%
0,5%
0,0%
Sq
Opo A
Opo B
Opo C
Opo D
Figura 19 Freqncia da melhor deciso do primeiro ponto de deciso para o caso preo
93
Abaixo apresentamos os grficos com as melhores decises do segundo

momento. Neste ponto, as opes que apresentam caractersticas de expanso so as
mais escolhidas.

97,7%
100,0%
50,0%
2,3%
0,0%
Opo A0
Opo A1

93,3%
100,0%
50,0%
4,1%
2,6%
0,0%
Opo B0
Opo B1
Opo B2

93,7%
100,0%
50,0%
1,7%
4,4%
Opo C0
Opo C1
0,2%
0,0%
Opo C2
Opo C3
Figura 20 Freqncia da melhor deciso do segundo ponto de deciso para o caso preo
4.8. Valor do Empreendimento Cenrio Tempo para Implantao

Para o cenrio tempo para implantao, analisamos o impacto da modelagem do
lead time de implantao. Para tanto, retiramos a distribuio beta do clculo do
possvel atraso de implantao e analisamos os resultados.
94
A distribuio do valor do empreendimento para o cenrio tempo para a

implantao apresentado no grfico seguir. 90% das rodadas de simulao esto
entre os valores 4.842 e 11.192. A mdia 7.729,59 e o desvio padro 1.932,99.
Figura 21 Distribuio dos Valores de VPL do Modelo para o Cenrio Tempo de Implantao
Da mesma forma que fizemos para os outros cenrios, efetuamos o clculo do

valor da flexibilidade gerencial comparando a distribuio obtida no cenrio tempo para
implantao com o valor da opo Sq (a qual no apresenta flexibilidade gerencial).
Conforme os grficos da distribuio do valor do projeto apresentado abaixo,
verificamos que h um aumento de valor de aproximadamente 39% (mdia das
95
Figura 22 Distribuio dos Valores de VPL do Modelo para o Cenrio Tempo de Implantao, com
flexibilidade gerencial e sem flexibilidade gerencial
Para o cenrio tempo de implantao, encontramos um coeficiente maior quando

analisamos o resultado que no considera a flexibilidade gerencial. Apesar da diferena
de disperso ser pequena, a flexibilidade gerencial reduz a variabilidade dos fluxos.
Podemos formular a hiptese de que flexibilidade gerencial, quando analisamos o efeito
do atraso no tempo para a implantao possibilita aos gestores do negcio reduzir
perdas em seus fluxos de caixa.
desconsiderando a flexibilidade gerencial para o caso tempo de implantao
Analisamos tambm, para o caso tempo para implantao, a freqncia em que

cada uma das opes modeladas se mostra a opo tima para os gestores do negcio.
Neste cenrio, a opo C foi a mais escolhida no primeiro ponto de deciso.
96
Figura 24 Freqncia da melhor deciso do primeiro ponto de deciso para o caso tempo para implantao
Na figura 25, apresentamos os grficos com as melhores decises do segundo

momento de deciso. As opes de expanso tambm foram a maioria nesta anlise.

100%
100,00%
50,00%
0%
0,00%
Opo A0
Opo A1

99%
100,00%
50,00%
1%
0%
0,00%
Opo B0
Opo B1
Opo B2

100%
100,00%
50,00%
0%
0%
0%
Opo C0
Opo C1
0,00%
Opo C2
Opo C3
Figura 25 Freqncia da melhor deciso do segundo ponto de deciso
97
4.9. Valor do Empreendimento Cenrio Custo de Capital

Este cenrio tem o objetivo de avaliar o efeito da taxa de desconto WACC
sobre o modelo. Assim, partimos dos resultados do caso base e avaliamos o impacto da
modelagem da taxa de desconto WACC no modelo.
Esta anlise importante uma vez que em nosso modelo, projetamos o preo
do minrio de ferro numa abordagem definida por Trigeorgis (1996) como projeo de
preo neutra ao risco. Em outras palavras, isso significa que o prprio comportamento
projetado j capta o risco dos fluxos de caixa futuros do projeto incorporando assim o
risco diversificvel. Assim, o nico risco que devemos utilizar para descontar os fluxos
de receitas a taxa livre de risco, que representa a parcela no diversificvel do risco
total, ou risco sistmico.
Os demais fluxos so descontados (trazidos valor presente) pela taxa WACC,
que representa o risco total (risco sistmico e o risco no-sistmico) para o acionista.
Como as incertezas desses fluxos no esto modeladas neutras ao risco, devemos
utilizar esta taxa de desconto sobre esses fluxos, de forma a incorporar todo o risco na
anlise. Assim, na seo 5.3 apresentamos uma anlise de sensibilidade variando o
WACC partindo da taxa livre de risco (4% at 15%).
98
5. Anlises
5.1. Anlise Comparativa: Cenrio Base X Cenrio Preo
A anlise da srie histrica do preo do minrio de ferro nos motiva a avaliar o

efeito que a modelagem utilizando Movimento Geomtrico Browniano em comparao
com o Processo Estocstico de Reverso Mdia histrica. O primeiro, para os
primeiros anos do projeto, baseado em nossa hiptese do efeito da entrada da China
como grande consumidor no mercado transocenico, e suportadas nos testes de Dickey
Fuller realizados na seo 4.3; o segundo, como forma de projeo de longo prazo de
commodities. Pergunta-se: qual o efeito da alterao do comportamento do preo do
minrio de ferro na tomada de deciso?
Construmos ento uma anlise para os dois modelos, alterando apenas a lgica
de projeo do preo do minrio de ferro. No que tange a projeo do preo, podemos
observar no grfico abaixo os valores mdios das projees da srie temporal. Os
valores mdios das projees se igualam a partir do ano 2023 aproximadamente.
Srie Histrica do Minrio de Ferro & Valores Mdios dos Preos Projetados
180
160
UScent/DMTU
140
Cenrio
Base
120
100
80
60
40
Cenrio
Preo
20
Figura 26 Grfico da Mdia de Preos projetadas conforme processo estocsticos do cenrio base e cenrio
preo.
99
2036
2032
2028
2024
2020
2016
2012
2008
2004
2000
1996
1992
1988
1984
1980
1976
1972
1968
1964
1960
1956
1952
1948
1944
1940
Com
relao
aos
resultados
dos
cenrios,
estes
geraram
resultados
significativamente diferentes entre si. No s os valores dos projetos, como tambm

uma alterao no coeficiente de variao dos resultados. Os grficos das distribuies
dos valores so apresentados abaixo.
Distribuio dos Valores
Caso Base
Distribuio dos Valores
Caso Preo
VPL do Modelo
VPL do Modelo
Figura 27 Comparao da Distribuio dos Resultados entre os Cenrios: Caso Base e Caso Preo
A anlise do coeficiente de variao dos resultados demonstra que os fluxos de

caixa projetados utilizando movimento geomtrico browniano possuem uma
variabilidade maior que os fluxos projetados somente com o processo de reverso
mdia. Este resultado coerente com o comportamento dos processos estocsticos
utilizados, uma vez que o MGB (utilizado nos 4 primeiros perodos) apresenta uma
variabilidade maior do que o PRM.
Coeficiente de Variao dos Cenrios

25,3%
23,2%
Caso Base
Caso Preo
Figura 28 Comparao do Coeficiente de Variao dos Resultados entre os Cenrios: Caso Base e Caso Preo
100
Outra anlise a mudana da freqncia em que cada uma das opes a

melhor opo para os gestores do negcio, no primeiro ponto de deciso do modelo.
Enquanto no modelo com os fluxos projetados utilizando MGB e PRM, temos a opo
C como a opo que mais vezes apresentou o maior VPL do projeto, quando o preo do
minrio modelado imediatamente por um processo de reverso mdia, a opo A a
que mais vezes apresenta o melhor VPL.
interessante notar que a Opo C apresenta volumes maiores de produo e de
investimento iniciais que a Opo A. Isto demonstra que o MGB nos primeiros anos
favorece a projeo de preos de forma a permitir que um investimento maior
possibilite a maior captura de valor para os acionistas.

70,0%
62,6%
60,0%
50,1%
PRM
MGB e PRM
Frequncia
50,0%
36,7%
40,0%
27,8%
30,0%
17,5%
20,0%
10,0%
4,5%
0,1%
1,1%
0,5% 0,0%
0,0%
Sq
Opo A
Opo B
Opo C
Opo D
Figura 29 Comparao entre Caso Base e o Caso Preo da Distribuio da Melhor Opo para a 1a. Deciso
Quando analisamos o efeito da modelagem no segundo ponto de deciso, no h

alterao significativa da distribuio dos resultados. A partir desse ponto, ambos os
modelos apresentam quase o mesmo comportamento das sries de preo de minrio de
ferro projetadas. Vemos claramente que as opes de expanso so as preferidas no
segundo ponto de deciso.
101
Caso Preo
Caso Base

99,8%
97,7%
100,0%
100,0%
50,0%
50,0%
2,3%
0,2%
0,0%
0,0%
Opo A0
Opo A1
Opo A0

98,6%
93,3%
100,0%
Opo A1
100,0%
50,0%
50,0%
4,1%
2,6%
0,1%
0,0%
1,3%
0,0%
Opo B0
Opo B1
Opo B2
Opo B0
Opo B2

99,9%
93,7%
100,0%
Opo B1
100,0%
50,0%
50,0%
1,7%
4,4%
0,2%
0,0%
0,0%
0,0%
Opo C0
Opo C1
0,1%
0,0%
Opo C0
Opo C1
Opo C2
Opo C3
Opo C2
Opo C3
Figura 30 Comparao da Freqncia da melhor deciso do segundo ponto de deciso do Caso Preo e do
Caso Base
5.2. Anlise Comparativa: Cenrio Base X Cenrio Tempo para

Implantao
Ao comparar os resultados do caso base com os resultados do cenrio tempo de

implantao, notamos que o segundo possui valores de projeto superiores ao caso base
(e.g. mdia dos valores do caso base 7.616,5 comparado com 7.729,59). Isso acontece
pois o cenrio tempo para implantao no apresenta atraso na implantao das opes,
ou seja, o atraso deterministicamente zero. Os grficos das distribuies dos valores
so apresentados abaixo.
102
Caso Base
Cenrio Tempo de Implantao
VPL do Modelo
VPL do Modelo
Figura 31 Comparao da Distribuio dos Resultados entre os Cenrios: Caso Base e Caso Tempo para
Implantao
A anlise do coeficiente de variao dos resultados mostra que praticamente

inexistem diferenas de disperso dos resultados, quando comparamos os valores do
cenrio base e do cenrio tempo para a implantao. Isto sugere que a maior fonte de
variao dos fluxos de caixa a varivel preo. Porm, estes resultados refletem as
premissas da modelagem do atraso da implantao: como h presso do mercado de
capitais para que o projeto no atrase sua implantao, a premissa que levantamos com
os especialistas de que a maior probabilidade de atraso estaria entre 0 e 4 meses, e este
atraso no suficiente para impactar as decises timas do modelo.
Coeficiente de Variao dos Cenrios

25,3%
25%
Caso Base
Caso Tempo Para Implantao
Figura 32 Comparao do Coeficiente de Variao dos Resultados entre os Cenrios: Caso Base e Caso Tempo
para Implantao
Outra anlise a demonstrao de que no h mudana significativa da

freqncia em que cada uma das opes a melhor opo para os gestores do negcio,
103
no primeiro ponto de deciso do modelo. O segundo ponto de deciso omitido pois

apresenta valores idnticos de deciso tima para os cenrios caso base e tempo para
implantao.
1a. Deciso: Distribuio da Melhor Opo - Caso

Tempo para Implantao
70,0%
61,3%
Frequncia
60,0%
50,0%
38,6%
40,0%
30,0%
20,0%
10,0%
0,0%
0,8%
Sq
Opo A
0,0%
0,0%
70,0%
Opo B
Opo C
Opo D

Cenrio Base
62,6%
Frequncia
60,0%
50,0%
36,7%
40,0%
30,0%
20,0%
10,0%
0,1%
1,1%
Sq
Opo A
0,0%
0,0%
Opo B
Opo C
Opo D
Opo
Figura 33 Comparao entre a Distribuio da Melhor Opo para a 1a. Deciso, Caso Base e o Caso Tempo
para a Implantao
5.3. Anlises de Sensibilidade do Cenrio Custo de Capital
As incertezas endgenas esto captadas na taxa de desconto dos fluxos no

impactados pela modelagem do preo do minrio de ferro (fluxos no descontados pela
taxa livre de risco). Assim, esta medida associada ao prmio de risco do capital prprio
deve ser analisada, uma vez que seu efeito sobre os fluxos afeta o valor das opes.
104
Para esta anlise, primeiro devemos recordar o comportamento da taxa de

desconto no tempo. Como a frmula de valor presente lquido um quociente que
multiplica o fluxo do ano corrente, seu comportamento no linear. O grfico abaixo
ilustra como o fator de desconto de comporta conforme o aumento do nmero de
perodos e de acordo com cada magnitude de taxa (variando de 4% 15%).
Efeito taxa de desconto

1
0,9
Fator de Desconto para Valor Presente
4.00%
0,8
5.00%
6.00%
0,7
7.00%
0,6
8.00%
9.00%
0,5
10.00%
0,4
11.00%
0,3
12.00%
13.00%
0,2
14.00%
15.00%
0,1
0
0
10
15
20
25
30
Nmero do Perodo
Figura 34 Comparao do fator de desconto conforme o nmero de perodos
105
Em seguida, simulamos nosso modelo variando as taxas de desconto nesta faixa.

Observamos um comportamento interessante entre quais as opes so mais vezes a
opo com o maior valor presente lquido por simulao. Entre as taxas 11% e 5% a
opo C a melhor. Nas demais, a opo B se sobressai como a de maior valor.
Anlise de Sensibilidade: Taxa de Desconto X Melhor Opo

100%
Frequncia - Melhor Deciso
90%
80%
70%
60%
Opo D
50%
Opo C
40%
Opo B
30%
Opo A
Opo Sq
20%
10%
0%
15%
14%
13%
12%
11%
10%
9%
8%
7%
6%
5%
4%
Taxa de Desconto
Figura 35 Grfico Anlise de Sensibilidade Taxa de Desconto X Melhor Opo
O resultado do grfico da anlise de sensibilidade da taxa de desconto e melhor

opo se mostrou contra-intuitiva devido ao comportamento das opes mais
escolhidas entre as taxas de desconto de 4% e 6%. No espervamos que houvesse uma
mudana entre a escolha da melhor opo que no fosse linear. Isso nos motivou a
analisar o porqu disto. O grfico da figura 36 nos ajuda a compreender o porqu deste
comportamento:
106
Projetamos neste grfico amostras do comportamento dos desembolsos das

Opes B e C, uma vez que a escolha da opo tima ficou dividida entre essas duas.
Estas amostras so os valores dos desembolsos descontados com trs taxas distintas,
sendo elas: 5%, 9% e 18%. A idia mostrar que o efeito da taxa de desconto, por no
ser linear, afeta de forma distintas as opes, pois as mesmas possuem fluxos de
desembolsos diferentes entre si (conseqncia da definio de capacidade de produo
de cada cenrio por exemplo).
Anlise Fluxos Descontados Taxa de Desconto

0
1
0
10
15
20
25
30
35
0,9
-500
0,8
0,7
-1000
$ Milhes
0,6
0,5
-1500
0,4
0,3
Fluxo Opo C
Taxa de 5%
Fluxo Opo C
Taxa de 9%
Fluxo Opo C
Taxa de 18%
Fluxo Opo B
Taxa de 5%
Fluxo Opo B
Taxa de 9%
Fluxo Opo B
Taxa de 18%
Taxa de 5%
Taxa de 9%
Taxa de 18%
-2000
0,2
0,1
-2500
Figura 36 Fluxos Descontados comparados com Taxa de Desconto
Em sntese, h duas explicaes para este comportamento:

(i)
A distribuio dos desembolsos dos itens do fluxo de caixa varia de

opo para opo. O efeito combinado da variao dos desembolsos com
o efeito no linear da taxa de desconto possibilita a alternncia da opo
tima.
(ii)
Existe uma maior variabilidade dos fluxos de receita do curto prazo

devido modelagem pelo MGB para os 4 primeiros perodos. Isso
aumenta a variabilidade do curto prazo, onde esto concentrados os
fluxos de investimento das opes. Quando os fluxos so descontados
107
taxas maiores, observa-se um comportamento mais monotnico da

definio da opo tima.
interessante ressaltar que a anlise de sensibilidade das taxas de desconto
demonstra que o grau de averso ao risco por parte do investidor (uma vez que o
aumento da taxa de desconto aumenta a expectativa de retorno do mesmo)
determinante na anlise das opes.
Uma limitao de nossa anlise que possvel modelar parte das incertezas
endgenas com processos estocsticos ou distribuies de probabilidade que captem o
comportamento dessas incertezas, tais como: incerteza de projeo de investimento,
incerteza de projeo de custos, incerteza da jazida de minrio de ferro entre outras.
108
6. Concluso
A partir dos resultados apresentados nos captulos de resultados e de anlises,

podemos ver que o estudo de caso desenvolvido nesta dissertao responde aos
objetivos propostos no captulo 1.
Para o objetivo geral, desenvolvemos a valorao da flexibilidade gerencial de
um projeto de minerao de ferro sob a tica de opes reais. Aps apresentarmos como
foi concebido nosso modelo, quais as opes foram modeladas e quais as caractersticas
de cada opo, discutimos a valorao do modelo utilizando cenrios diferentes, de
forma a experimentar valores extremos para anlise. Comprovamos o aumento de valor
ocasionado pela existncia da flexibilidade gerencial, resultado este j bastante
discutido na literatura (e.g, DIXIT e PINDYCK, 1994; TRIGEORGIS , 1996).
Para os objetivos especficos propostos, o primeiro analisar e descrever a srie
histrica do preo do minrio de ferro (abordado nas sees 4.2, 4.3). Este objetivo
especfico uma das contribuies deste estudo, uma vez que que no encontramos na
literatura anlises da srie histrica do minrio de ferro e seu impacto na projeo de
preos. Atravs do teste de Dickey-Fuller, verificamos a mudana na estatstica do teste
devido ao comportamento da srie quando consideramos os anos de 2007 e 2008 na
anlise. Este objetivo um primeiro passo na modelagem do preo do minrio se ferro.
De forma semelhante a nossa abordagem, Dixit e Pindyck (1994) utilizaram este mesmo
teste para comear a investigar o comportamento do preo do petrleo e de outras
commodities.
109
Uma possvel causa de no termos encontrarmos estudos semelhantes pode ser o

prprio histrico da organizao do mercado transocenico do minrio de ferro no
mundo. Uma vez que os preos deste mercado eram estabelecidos pelo oligoplio de
trs grandes mineradoras, este estudo poderia se mostrar desinteressante. Porm, com o
fortalecimento do mercado spot, principalmente aps 2006, h uma mudana estrutural
no mercado e nos motivou a desenvolver esta anlise.
O segundo objetivo especfico relacionado com o primeiro: em sntese,
analisamos o que deveramos alterar na modelagem estocstica do preo do minrio de
ferro com o aumento de demanda ocasionado pela entrada da China no mercado
transocenico de minrio de ferro, e quais os impactos esta alterao proporciona nas
premissas clssicas utilizadas atestadas para uma anlise por Opes Reais para esta
indstria. Verificamos nos testes economtricos que nossa hiptese de MGB a partir de
2008 coerente com o comportamento da srie, e que em seguida a srie pode se
comportar como um PRM (Cenrio caso base). Comparamos ento esta modelagem
com um PRM logo a partir de 2008, e constatamos alteraes significativas de valor e
de solues timas.
Outro objetivo a anlise do impacto das incertezas endgenas no modelo. Este
tratado em duas etapas: primeiro, focamos na incerteza de lead time de implantao e
avaliamos o impacto desta incerteza. Em nossos resultados, verificamos que no h
grande influencia do lead time nos resultados do modelo. Isso nos aponta uma limitao
da modelagem, uma vez que os parmetros de atraso propostos pelos especialistas que
consultamos so muito rgidos (provavelmente, devido s presses por resultados).
Entendemos que um projeto como o empreendimento analisado, dado sua complexidade
possui probabilidade de atrasos maiores que as modeladas.
110
Em seguida, avaliamos o impacto das incertezas endgenas modeladas por uma

taxa de desconto determinstica. Investigamos seu impacto utilizando anlise de
sensibilidade. Nesta anlise, encontramos uma variao das opes timas, dependendo
da taxa de desconto utilizada na modelagem. Isso mostra a importncia das premissas de
custo de capital para os fluxos modelados que no so neutros ao risco. Em outras
palavras, as incertezas endgenas impactam os resultados do modelo.
Inicialmente, tnhamos a idia de comparar os resultados de rentabilidade deste
modelo de opes reais com a fronteira eficiente de Markowitz (MARKOWITZ, 1959),
ou com a rentabilidade de um ttulo do governo, ou ainda com aes das grandes
mineradoras de minrio de ferro listadas em bolsa de valores. Porm tais anlises se
mostraram difceis de serem construdas: No caso da fronteira eficiente de Markowitz,
estaramos comparando um modelo dinmico (que incorpora as incertezas endgenas
nos fluxos futuros) com uma anlise que um diagnstico atual do mercado financeiro.
No caso da comparao com um ttulo do governo, compararamos um ttulo com nveis
de risco muito pequenos em relao implantao de um projeto como o analisado, e
tambm, torna-se limitada tal comparao. Para o terceiro caso, comparar os resultados
de uma empresa start-up, ou um projeto sem produo atual com o desempenho no
mercado de aes de empresas com mais de dcadas de mercado tambm no reflete
uma boa base para comparabilidade. medida que este projeto for evoluindo no tempo,
estas anlises podem ser desenvolvidas como pesquisas futuras.
importante tambm destacar as limitaes da abordagem. Devemos apontar
aqui trs grupos principais: limitaes tcnicas, limitaes referentes s premissas e
limitaes da aplicao de opes reais.
111
(i)
Limitaes tcnicas: Conforme discutido na seo 2.8, a anlise por

opes reais uma analogia da anlise das opes financeiras. Porm, na
anlise de opes financeiras, tm-se como ativo-objeto uma ao e, em
geral, o retorno desta ao modelado como um movimento browniano
geomtrico (MGB). Entretanto, o retorno de ativos reais pode apresentar
comportamento mais complexo, exigindo a adoo de processos
estocsticos alternativos para cada fonte de incerteza a ser modelada.
Muitas vezes, certas incertezas so captadas utilizando premissas, como
no caso das incertezas endgenas em nosso modelo.
(ii)
Limitaes referentes s premissas: Como j discutido ao longo do

trabalho, as premissas influenciam o resultado final. Este item bastante
evidenciado na anlise do cenrio do tempo para implantao do projeto.
(iii)
Limitaes da Aplicao de Opes Reais: A abordagem por opes

reais deve ser sempre construda caso a caso, pois o comportamento das
incertezas endgenas e exgenas pode variar muito entre indstrias. Isto
um fator que dificulta a adoo da anlise por opes reais em relao
ao fluxo de caixa clssico (COPELAND e ANTIKAROV, 2002). A
replicabilidade da abordagem deve ser sempre analisada caso-a-caso.
Para estudos futuros, recomenda-se uma anlise da srie histrica do minrio de

ferro utilizando um teste de estacionariedade em conjunto com os testes de raiz unitria.
Testes de estacionariedade tm a estacionariedade como hiptese nula fazendo com que
os dados sejam assumidos a priori como estacionrios se h pouca informao na
amostra. Um teste deste tipo o teste KPSS (Kwaitkowski, Phillips, Schmidt e Shin,
1992).
112
O teste de Dickey-Fuller um dos primeiros testes de raiz unitria

desenvolvidos, e um primeiro passo na anlise de comportamento de commodities,
como ilustrado no trabalho de Pindyck e Rubinfeld (1991). Porm, este teste apresenta
limitaes. No caso de nossa aplicao na srie histrica do minrio de ferro, a literatura
aponta uma crtica importante ao teste: o teste de raiz unitria de Dickey-Fuller possui
um baixo poder de anlise para casos em que processo estacionrio, mas com uma raiz
prxima de 1. A literatura sobre o tema argumenta que esse teste incapaz de
diferenciar uma raiz 1 de uma raiz 0,95, especialmente em amostras pequenas (Heij et
al. (2004)). A utilizao de outros testes em pesquisas futuras pode possibilitar a
definio do perodo ideal de MGB na modelagem do preo do minrio de ferro.
Outro estudo interessante refere-se modelagem das incertezas endgenas:
possvel modelar parte delas com processos estocsticos ou distribuies de
probabilidade que captem o comportamento de incertezas, tais como: incerteza de
projeo de investimento, incerteza de projeo de custos, incerteza do teor jazida de
minrio de ferro e incerteza do comportamento do cmbio.
113
7. Referncias Bibliogrficas
ABDEL SABOUR, S.A. E POULIN, R. (2006), Valuing real capital investments using
the least-squares Monte Carlo method, Eng. Econom., 51 (2), 141160.
ABDEL SABOUR, S.A. E WOOD, G. (2009), Modelling financial risk in open pit
mine projects: implications for strategic decision-making, Journal Of The South African
Institute Of Mining And Metallurgy, 109 (3), 169-175.
AGGARWAL, S. (1997), Flexibility Management: The Ultimate Strategy, Industrial

Management Review, January/February, pag. 26-30.
AKBARI, A. D., OSANLOO, M. E SHIRAZI, M. A. (2009), Minable reserve

estimation while determining ultimate pit limits under price uncertainty by real option
approach (ROA), Archives Of Mining Sciences, 54 (2), 321-339.
AMRAN, M. e KULATILAKA, N. (1999), Real Options: Managing Strategic

Investment in an Uncertain World. Boston, MA: Harvard Business School Press.
AMRAN, M.; KULATILAKA, N. (2000), Strategy and shareholder value creation: the
real options frontier. Journal of Applied Corporate Finance, v.13, n.2.
114
ARNOLD, T., CRACK, F.T. E SCHWARTZ, A. (2007), Valuing real options using
implied binomial trees and commodity futures options, journal of futures markets, 27
(3), 203-226.
BAKER, M.P.; MAYFIELD, E.S.; PARSONS, J.E. (1998), Alternative Models of

Uncertain Commodity Prices for Use with Modern Asset Pricing. Energy Journal,
vol.19(1), January, p.115-148.
BERTSEKAS, D. E TSITSIKLIS, J., (2000), Introduction to probability class notes,

MIT, Boston, 2000.
BLACK, F. e SCHOLES, M. (1973), The Pricing of Options and Corporate Liabilities.

Journal of Political Economy, 81, pp. 637-659.
BRENNAN, M.J. E SCHWARTZ, E.S.(1985), Evaluating natural resource investments,

Journal of Business, 58, 135157.
BROOKS, C. (2002), Introductory econometrics for finance. United Kingdom:

Cambridge University Press. 2002. 701p.
COPELAND, T. e ANTIKAROV, V. (2002) Real Options, a practitioners guide. New

York, NJ: Thomson Texere.
COPELAND, T; KOLLER, T E MURRIN, J (1995), Valuation: Measuring and

Managing the Value of Companies. McKinsey & Company Inc.
115
CORTAZAR, G., SCHWARTZ, E.S. E CASASSUS J. (2001), Optimal exploration

investments under price and geological-technical uncertainty: a real options model, R &
D management, 31 (2), 181-189.
COX, J.C.; ROSS, S.A.; RUBINSTEIN, M. (1979), Option Pricing: A Simplified

Approach. Journal of Financial Economics, vol. 7, p.229-263.
CRU ANALISYS. (2009), Iron ore market service: Main report 2009. Londres: CRU
International Ltd.
DAMODARAN, A. (1997), Corporate finance: theory and practice, John Wiley &
Sons, New York.
DIAS, M. A. G. (2005), Opes Reais hbridas com aplicaes em petrleo. Tese

(Doutorado), Departamento de Engenharia Industrial, PUC-RIO, Rio de Janeiro.
DICKEY, D.A; FULLER, W.A. (1979), Distribution of the estimator for autoregressive time series with a unit root. Journal of the American Statistical Association,
74:427-31.
DIMITRAKOPOULOS, R.G. E SABOUR, S.A.A. (2007), Evaluating mine plans under

uncertainty: Can the real options make a difference?, Resources Policy, 32, 116-125.
116
DIXIT, A.K. e PINDYCK, R.S. (1994), Investment under Uncertainty. Princeton

University Press, New Jersey.
DNPM DEPARTAMENTO NACIONAL DE PRODUO MINERAL (2007),

Panorama mineral. Braslia, 2007.
ENDERS, W. (1995), Applied Econometric Time Series. John Wiley and Sons.
EVANS, J., OLSON, D. (1998), Introduction to Simulation and Risk Analysis. New
Jersey: Prentice Hall.
GLASSERMAN, P. (2003), Monte Carlo methods in financial engineering. New York:

Springer- Verlag.
GRANT, D.; VORA, G.; WEEKS, D. E. (1997), Path-Dependet Options: Extending the
Monte Carlo Simulation Approach. Management Science, Vol 43, N 11, November,
pp. 1589-1602.
HEIJ, C.; BOER, P.; FRANSES, P. H.; KLOEK, T. & VAN DIJK, H. K. (2004),
Econometric Methods with Applications in Business and Economics. New York:
Oxford University Press.
HULL, J. C. (2005), Fundamentos dos mercados futuros e de opes. So Paulo: Bolsa

de Mercadorias e Futuros.
117
IBEZ, A.; ZAPATERO, F. (1999), Monte Carlo Valuation of American Option

Through Computation of the Optimal Exercise Frontier, Working Paper, Instituto
Tecnolgico de Mxico & University of South California, August, pp. 30.
JONES, R.A. AND NICKERSON, D. (2002), Mortgage Contracts, Strategic Options

and Stochastic Collateral. Journal of Real Estate Finance and Economics, Vol 24(1/2),
35-58.
KAMRAD, B., ERNST, R. (2001), An economic model for evaluating mining and
manufacturing ventures with output yield uncertainty, Oper. Res., 49 (5), 690699.
KELLY, S. (1998), A binomial lattice approach for valuing a mining property, Quart.
Rev. Econom. Finance, 38, 693709.
KEMNA, A.G.Z. (1993), Case Studies on Real Options. Financial Management,

Autumn, p.259-270.
KULATILAKA, N. & MARKS, S. (1988), The Strategic Value of Flexibility: Reducing

the Ability to Compromise. American Economic Review, June, p.574-580.
KWAITKOWSKI, D., PHILLIPS, P. C. B., SCHMIDT, P. AND SHIN, Y. (1992)

Testing the Null Hypothesis of Stationarity Against the Alternative of a Unit Root,
Journal of Econometrics, 54, p. 159-78
118
LAMBERT, D. M.; STOCK, J. R.; ELLRAM, L. M. (1998) Fundamentals of logistics

management. Nova Iorque: McGraw-Hill, 1998.
LAW, A. M. (2007), Simulation Modeling and Analysis (4 ed.). McGraw-Hill, New

York.
LAW, A. M. & KELTON, W. D. (1991), Simulation Modelling & Analysis. McGrawHill Books, NY, Second Edition.
LESLIE, K. e Michaels, M. (1997), "The Real Power of Real Options" The McKinsey
Quarterly. n. 3.
LONGSTAFF, F. A., SCHWARTZ E. S. (2001), Valuing American options by

Simulation: A Simple Least-Squares Approach, The review of Financial Studies, The
Society for Financial Studies, Vol. 14, N 1, pp. 113-147, Spring.
LUEHRMAN, T. A. (1997), Whats it worth? A general management guide to

valuation. Harvard Business Review, mai-jun., p.132-142.
MAYER, Z. E KAZAKIDIS, V. (2007), Decision making in flexible mine production

system design using real options, Journal Of Construction Engineering And
Management-Asce, 133 (2), 169-180.
MARKOWITZ, H. (1959). Portfolio selection. Journal of Finance, 14(1):7791.

119
MCCARTHY, J., MONKHOUSE, P.H.L. (2003), To open or not to open-or what to do

with a closed copper mine, J. Appl. Corporate Finance, 15 (2), 5666.
MILLER, L. T.; PARK, C. S. (2002), Decision making under uncertainty Real

Options to the rescue? The Engineering Economist, v.47, n.2, p.105-149.
MINARDI, A. M. A. F. (2004), Teoria de Opes aplicada a projetos de investimento.

So Paulo: Editora Atlas.
MOEL, A., TUFANO, P. (2002), When are real options exercised? An empirical study
of mine closings, Rev. Financial Stud., 15 (1), 3564.
MONTGOMERY, Douglas C. e RUNGER, George, C. (2003), Estatstica Aplicada e

Probabilidade para Engenheiros. 2. Ed.. Rio de Janeiro: LTC.
MOON, C.J. (2006) Introduction to mineral exploration. 2.ed. Bleckwell Publising.
MOYEN, N., SLADE, M., UPPAL, R. (1996), Valuing risk and flexibility:
acomparison of methods, Resource Policy, 22, 6374.
MUN, J. (2006) Real Options Analysis: Tolls and Techniques for valuing Strategic
Investments and Decisions. Ed. Wiley& Songs. Berkeley.
120
MYERS, S.C. (1977), Determinants of Corporate Borrowing. Journal of Financial

Economics, November, p.147-175.
PADDOCK, J.L., SIEGEL, D.R., SMITH, J.L. (1988), Option valuation of claims on
real assets: the case of offshore petroleum leases, Quart. J. Econom., 103 (3), 479508.
PILIPOVIC, D. (1998), Energy Risk Valuing and Managing Energy Derivatives. New
York: McGraw Hill Co.
PINDYCK, R.S.; RUBINFELD, D.L. (1991) Econometric Models and Economic

Forecasts. New York: McGraw-Hill, Inc., third edition.
ROSS, S. A.; WESTERFIELD, R. W.; JAFFE, J. F. (2005), Corporate Finance, 7th

Edition, McGraw-Hill College Division.
SAMIS, M., DAVIS, G.A., LAUGHTON, D., POULIN, R. (2006). Valuing uncertain
asset cash flows when there are no options: a real options approach, Resources Policy,
30, 285298.
SANTIAGO, L. P. (2006). On the Appropriateness of Flexibility Approach to the

Product Portfolio Selection: a case study. IEEE, 2006. v. 6. p. 2715-2723.
SANTIAGO, L. P. e VAKILI, P. (2005) On The Value of Flexibility in R&D Projects.
121
Management Science. 51 1206-1218.
SHARPE, W. (1964), Capital asset prices: a theory of market equilibrium under

conditions of risk. The Journal of Finance. v. 19, n. 3, p. 425-442, sep.
SLADE, M.E. (2001), Valuing managerial flexibility: an application of real option

theory to mining investments, J. Environ. Econom. Manage., 41, 193233.
SUNNEVAG, K. (1998), An option pricing approach to exploration licensing strategy,

Resources Policy, 24, 25-38.
TRIGEORGIS, L. (1996), Real Options: managerial flexibility and strategy in resource

allocation, The MIT Press, Cambridge.
TRIGEORGIS, L. (1993), The nature of option interactions and the valuation of

investments with multiple real options, J. Financial Quant. Anal., 28 (1), 120.
TRIGEORGIS, L.; MASON, S. P. (2001), Valuing managerial flexibility, Cambridge:

The MIT Press.
TUFANO, P., MOEL, A. (1999), Bidding for Antamina: incentives in a real option
context, Project Flexibility, Agency and Competition, Oxford University Press, Oxford,
128150.
122
USGS. United States Geological Survey. Iron ore Prices. Disponvel em:
<http://minerals.usgs.gov/minerals/pubs/commodity/iron_ore/> Acesso em: 15 abril
2010.
VAN HORNE, JAMES C. (1992), "Financial Management and Policy", 9th Edition,
Prentice-Hall, Englewood Cliffs, New Jersey.
VOSE, D. (2000), Risk analysis: a quantitative guide. 2. ed. Sussex: John Wiley & Sons
Ltd.
123
8. Apndice 1
Amostra do Fluxo de Caixa calculado para cada opo modelada:
124
Amostra da planilha que sumariza os resultados do modelo:
125

Investimento Sob Incerteza em Mineração de Ferro

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Investimento Sob Incerteza em Mineração de Ferro

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDADE FEDERAL DE MINAS GERAIS

Investimento sob incerteza em minerao de ferro: o valor

Caio Pereira e Maia

Belo Horizonte, Maro de 2011

Caio Pereira e Maia

Investimento sob incerteza em minerao de ferro: o valor

Dissertao apresentada ao Curso de Mestrado em

Belo Horizonte, Maro de 2011

Sarah pelo apoio incondicional nessa jornada.

A implantao de empreendimentos de minerao envolve investimentos de grande

PALAVRAS CHAVE: valorao, opes reais, processos estocsticos, investimentos

KEY WORDS: valuation, real options, stochastic process, investment under

1.1. Anlise de Investimento na Indstria de Minerao............................................ 13

2.1. Definio de Flexibilidade Gerencial .................................................................. 22

Apresentao do Estudo de Caso ......................................................................... 61

3.1. O Problema .......................................................................................................... 61

4.1. Modelagem das Opes Reais ............................................................................. 70

4.2. Modelagem do Preo do Minrio ........................................................................ 76

5.1. Anlise Comparativa: Cenrio Base x Cenrio Preo ......................................... 99

Concluso ............................................................................................................. 109

Referncias Bibliogrficas .................................................................................. 114

Apndice 1 ............................................................................................................ 124

Figura 30 Comparao da Freqncia da melhor deciso do segundo ponto de deciso do Caso

a incerteza que nos fascina.

1.1. Anlise de Investimento na Indstria de Minerao

evoluo dos acontecimentos, no gera resultados adequados tomada de deciso de

(JONES e NICKERSON, 2002)). Em sntese, esta tcnica considera que o investidor

1.2. Objetivos do Trabalho

Esta dissertao tem como principal objetivo analisar a valorao da

Analisar e descrever a srie temporal do preo do minrio de ferro,

Considerando que a estrutura de oferta e demanda no mercado de

pela entrada da China no mercado transocenico de minrio de ferro, e

Analisar qual o impacto das incertezas endgenas no modelo. Focamos

Avaliar, em nosso modelo de Opes Reais, o impacto das incertezas

1.3. Indstria de Minerao de Ferro

O ferro um mineral metlico, conceito o qual est estreitamente associado s

sinter. O processo de sinterizao desenvolvido nas usinas siderrgicas. No processo

1.4. Panorama do Mercado de Minrio de Ferro

1.5. Estrutura da Dissertao

O trabalho encontra-se dividido em 6 captulos. O primeiro contm as

No sexto captulo apresentamos as concluses de nossa anlise. Discutimos as

2.1. Definio de Flexibilidade Gerencial

Segundo Copeland e Antikarov (2002), o valor da flexibilidade gerencial

Figura 1 Diferencial da abordagem por Opes

A existncia da flexibilidade gerencial em projetos de investimento consiste na

VPL expandido = VPL tradicional + Valor flexibilidade gerencial

A Figura 2 ilustra a assimetria causada pela flexibilidade gerencial sobre a

Figura 2 Prmio da Flexibilidade Gerencial

Em outras palavras, a flexibilidade gerencial permite tomar aes em resposta a

lquido (VPL) de um empreendimento. Desta forma, pode-se dizer que um projeto

2.2. Definio de Retorno, Incerteza e Risco

Onde  e  so parmetros, e  segue uma distribuio Normal padro (aqui,

Equao 2 Valor esperado para a apreciao relativa do preo do ativo

Ou seja, espera-se uma apreciao relativa de (por unidade de tempo) para o

Equao 3 Varincia do preo do ativo

Vemos que enquanto o parmetro est relacionado com o retorno esperado do

ativo, o parmetro  est relacionado com a incerteza associada variao do preo do

ativo. No caso particular da equao diferencial estocstica apresentada, o parmetro 

chamado de volatilidade do preo do ativo considerado, sendo comumente usado

2.3. Anlise de Investimento: Comparao entre a abordagem da

Equao 4 Equao do Valor Presente Lquido

Neste diagrama, a deciso de investir

Neste diagrama, descobre-se o que

Onde e so parmetros, e segue uma distribuio Normal padro (aqui,

ativo, o parmetro est relacionado com a incerteza associada variao do preo do

ativo. No caso particular da equao diferencial estocstica apresentada, o parmetro

ao risco do capital prprio e 7: o retorno esperado da carteira de mercado.

4 5 N 4EDC 5 DEB DEJC

R m ' R m 5 4

Onde s a velocidade de reverso, a

nvel para o qual a tende a se reverter e a volatilidade.