TUTORIAL

ANLISE DO RISCO NA AVALIAO

DE PROJETOS DE INVESTIMENTO:
UMA APLICAO DO MTODO DE
MONTE CARLO
Adriano Leal Bruni(*)
Rubens Fam(**)
Jos de Oliveira Siqueira(***)

RESUMO
A avaliao de projetos de investimento comumente envolve um conjunto de tcnicas que buscam
estabelecer parmetros de sua viabilidade. Em condies de incerteza, uma alternativa para a obteno do retorno esperado e do risco de um projeto
pode ser expresso atravs da utilizao do Mtodo
de Monte Carlo (MMC). Este procedimento envolve a utilizao de nmeros aleatrios nas simulaes, o que pode facilitar acentuadamente os
clculos do risco, ainda mais quando suportados
por uma planilha eletrnica (a exemplo do MSExcel 5 ou superior) dotada de linguagem de programao (Visual Basic for Aplications) que permite a gerao automtica dos resultados. O objetivo deste artigo apresentar a anlise econmica
de projetos com a utilizao simplificada do MMC,
incluindo a utilizao de recursos da planilha
eletrnica Excel.

INTRODUO
A avaliao de projetos de investimento comumente envolve um conjunto de tcnicas que buscam
estabelecer parmetros de sua viabilidade. Comumente esses parmetros so expressos pelo Payback
(Pb, prazo de retorno do investimento inicial), da
TIR (taxa interna de retorno) ou do Valor Presente
Lquido (VPL, resultado dos fluxos de caixas, descontados a data zero pelo custo de capital do projeto e subtrado do investimento inicial). Porm,
(*)

(**)

(***)

Mestrando do Programa de Ps-Graduao da

FEA/USP. E-mail : albruni@usp.br.
Professor-doutor do Programa de Ps-Graduao da
FEA/USP. E-mail : rfama@usp.br.
Professor do Departamento de Administrao da
FEA/USP. E-mail : siqueira@usp.br.

poucas so as consideraes formais sobre os riscos

que envolvem os fluxos de caixa de um projeto. A
forma mais comum d-se com a anlise de sensibilidade, que costuma envolver a simulao de resultados para vrios nveis de custo de capital e/ou
taxa de crescimento de receitas.
Quando o VPL adotado como parmetro de deciso, o tratamento matemtico formal envolve a
determinao do seu valor mdio e de sua variabilidade (ou risco, expresso sob a forma de desvio
padro) calculados a valor presente dos fluxos de
caixa deste projeto. A obteno da mdia no seria
um complicador, j que o seu clculo simples,
resultante da ponderao das outras mdias de cada
fluxo de caixa. Entretanto, a determinao do risco,
conforme Markowitz j havia estabelecido em seu
artigo Portfolio Selection, publicado no Journal
of Finance em junho de 1952, envolveria a considerao da variabilidade de cada fluxo de caixa,
mais a covarincia, calculada dois a dois, para
todos os fluxos. Se imaginarmos que cada fluxo de
caixa pode ser considerado resultante de um conjunto de fatores de risco (como preos praticados,
quantidades vendidas, custos e despesas), o tratamento matemtico convencional seria muito complexo e, portanto, quase impossvel na maioria das
vezes, j que boa parte dos tomadores de deciso
e/ou analistas de projetos no teriam condies de
realiz-lo.
Uma alternativa a esse problema pode ser expresso
atravs da utilizao do Mtodo de Monte Carlo
(MMC) no clculo da variabilidade do VPL de um
projeto. Este procedimento envolve a utilizao de
nmeros aleatrios nas simulaes, o que pode
facilitar acentuadamente os clculos do risco, ainda
mais quando suportados por uma planilha eletrnica (a exemplo do MS-Excel 5 ou superior)
dotada de linguagem de programao (Visual Basic
for Applications) que permite a gerao automtica
dos resultados.
Este artigo apresenta a anlise econmica de projeto com a utilizao simplificada do MMC, valendo-se, para isso, dos recursos do Excel. Esperamos, assim, contribuir para a considerao do risco
em projetos, esperando que outros trabalhos dem
continuidade ao que agora iniciamos.

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98

Payback

FUNDAMENTAO TERICA
Principais Mtodos de Avaliao de Projetos
A anlise de projetos costuma envolver a obteno
de parmetros expressos sob a forma das seguintes
tcnicas:

Representa o prazo necessrio para a recuperao

do capital investido, podendo ser simples (sem
considerar o custo de capital, valor do dinheiro no
tempo) ou descontado (considerando o valor do
dinheiro no tempo). Vide exemplo 1:

Exemplo 1 : Clculo de Payback Simples e Descontado

Ano

Fluxo de
Caixa Anual
0
(1000)
1
350
2
500
3
250
4
300
5
420
Payback (para k=10%aa)

Saldo
Simples
(1000)
(650)
(150)
100
400
820
Simp. (anos)

De acordo com o exemplo acima, encontramos

valores para o payback de 2,60 anos (simples, desconsiderando o custo de capital) e de 3,36 anos
(descontado, considerando o custo de capital). A
depender do parmetro da empresa, por exemplo de
3 anos para um PBs, o projeto pode ser aceito ou
no.
O Payback comumente usado de forma preliminar a outros mtodos como um calibre passa- noPayback
Simples

PBs
(parciais)
1,0000
1,0000
0,6000

2,60

Saldo
Descontado
(1000)
(750)
(325)
(108)
182
620
Desc. (anos)

Valor Presente Lquido

O Valor Presente Lquido (simplesmente VPL ou
NPV, do ingls Net Present Value) representa a

1,0000
1,0000
1,0000
0,3580
3,36

passa inicial. Se, por exemplo, o payback descontado de um projeto for superior ao perodo mximo
estabelecido pela empresa para recuperar o investimento inicial, este no deve ser aceito pela empresa, mesmo que apresente TIR superior ao custo
de capital ou VPL positivo. Assim, suas principais
vantagens e desvantagens pode ser resumidas
como:

Vantagens
Simplicidade : j que no exige nenhuma
sofisticao de clculos, apenas sucessivas
subtraes.
Serve como parmetro de liquidez (quanto
menor, maior a liquidez do projeto) e de risco
(quanto menor, menor o risco do projeto).
Considera o valor do dinheiro no tempo.

Descontado

PBd
(parciais)

Desvantagens
No considera o custo de capital, o
valor do dinheiro no tempo.
No considera todos os fluxos de
caixa.

No considera todos os fluxos de

caixa do projeto.

diferena entre os Fluxos de Caixa futuros trazidos

a valor presente pelo custo de oportunidade do
capital e o investimento inicial. Se positivo deve ser
aceito.

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98

63

Lapponi (1996 : 36) ressalta que VPL positivo

indica que o capital investido ser recuperado;
remunerado na taxa de juros que mede o custo de
capital do projeto k; gerar um ganho extra, na data
0, igual ao VPL.

De acordo com o exemplo a seguir , supondo uma

taxa de desconto (custo de oportunidade do projeto,
ou simplesmente k) igual a 10% aa, podemos estimar o VPL como sendo igual a $385, devendo,
ento, ser aceito.

Exemplo 2 : Clculo do VPL

Ano

Fluxo de
Caixa Anual
0
(1000)
1
350
2
500
3
250
4
300
5
420
VPL (para k=10%aa, em $)

Valor
Presente
(1000)
318
413
188
205
261
385

As principais vantagens e desvantagens do uso do VPL podem ser expressas por :

Vantagens
Informa se o projeto de investimento aumentar o valor da
empresa.
Considera o valor do dinheiro no tempo.
Incluiu todos os capitais na avaliao.
Considera tambm o risco j embutido no k.

Taxa Interna de Retorno

A taxa interna de retorno representa o valor do
custo de capital que torna o VPL nulo, sendo ento

Desvantagens
preciso conhecer k.
Resposta em valor monetrio ( difcil, por
exemplo, responder se melhor investir $100
para um VPL de $5 ou investir $10 para um VPL
de $3).

uma taxa que remunera o valor investido no projeto. Quando superior ao custo de capital do projeto
(k) deve ser aceito. Como exemplo, vide o Fluxo de
Caixa a seguir .

Exemplo 3 : Clculo da TIR

Ano

Fluxo de
Caixa Anual
0
(1000)
1
350
2
500
3
250
4
300
5
420
Para TIR = 0,2443, VPL =

De acordo com o Fluxo de Caixa anterior podemos

determinar que para um VPL nulo, o valor de k (ou

Valor
Presente
(1000)
281
323
130
125
141
0

da TIR) seria de 24,43% aa. Se o custo de capital

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98

64

deste projeto for de, por exemplo, 15% aa, o mesmo

deveria ser aceito, j que a TIR foi superior ao k.
O maior problema de uso da TIR consiste quando
ocorre a inverso de sinais do Fluxo de Caixa em
Projeto
Simples
No - Simples
Puros

mais de uma vez. Lapponi (1996 : 122) chama a

ateno que dependendo da estrutura dos fluxos de
caixa do projeto, este pode ser classificado de diferente formas:

Descrio
quando os capitais do fluxo de caixa apresentam apenas uma mudana de sinal.
quando os capitais do fluxo de caixa apresentam mais de uma mudana de sinal.
o projeto de investimento com data terminal igual a n e que apresenta uma nica taxa
interna de juros (TIR) e os valores do saldo em qualquer data quando calculados com a
TIR so negativos at a data n, e iguais a zero em n.
o projeto de investimento no simples que no atende as regras do projeto puro

Misto

Cuidados devem ser tomados no uso da TIR quando

os projetos no so puros. Para isso, pode-se verificar a existncia de TIR mltiplas mediante a apliRegra
Descartes

cao das regras de Descartes e Norstrom, conforme segue:

Descrio
Nos permite prever o nmero de taxas mltiplas. Para um Fluxo de Caixa com coeficientes reais, o nmero de razes reais maiores que -1 igual ou menor que o nmero de
mudanas de sinais do fluxo de caixa.
Se a acumulao de capitais na data zero negativo, se o valor na data "n" positivo e
se a srie formada pelos valores acumulados dos capitais em cada data apresentar somente uma mudana de sinal, ento existe somente uma TIR com valor real positivo.

Norstrom

Se o projeto apresentar mais de uma TIR recomenda-se no aplicar o mtodo da TIR, valendo-se
do mtodo do VPL. A seguir apresenta-se um
exemplo extrado de Lapponi (1996 : 105) que

permite a considerao de TIRs mltiplas em projetos. Imagine que uma mina de ferro apresenta a
distribuio de fluxos de caixa apresentada a
seguir:

Exemplo 4 : TIR de projeto no puro

0
1
2
3
4
5
6
7
8

Fluxo de
Caixa Anual
0
180
100
50
1800
600
500
400
300

Valor
Presente (A)
0
145
65
26
(760)
204
137
89
54

Valor
Presente (B)
0
113
40
13
(284)
60
31
16
7

Valor
Presente
0
164
83
38
(1229)
373
282
205
140

9
10

200
100

29
12

3
1

85
39

178

25%
0,2404

60%
0,5861

k=
10%

VPL (soma)
Estimativa para a TIR :
Valores da TIR :

Com base nesses Fluxos de Caixa, para um k =

10%, teramos um VPL de $178, devendo o projeto
ser aceito. Aps a aplicao das Regras de Descartes e Norstrom podemos deduzir que o projeto
acima apresenta mais de uma TIR (conforme repre-

k x VPL

200,00

150,00

100,00

TIR1=24,04%

VPL

Ano

TIR2=58,61%

50,00

10%
(50,00)

20%

30%

40%

50%

60%

70%

80%

sentado no grfico). Sendo assim, para k compreendido entre 24,04% e 58,61% o projeto no
deveria ser aceito.
As vantagens e desvantagens da TIR podem ser
representadas por :

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98

65

Vantagens
O resultado uma taxa de juros (valor relativo), fcil de ser
comunicado.

Desvantagens
No pode ser usado quando o fluxo de caixa
no do tipo simples (e apresentar mais de
uma TIR).
Requer a anlise dos fluxos de caixa incrementais na seleo de projetos mutuamente
exclusivos.

Seleo de projetos

Exemplo 5 : Seleo de Projetos

Ano

Fl. Caixa
Projeto A
(6.000,00)
5.000,00
6.000,00
7.500,00
8.500,00
9.500,00
10.000,00
11.000,00
11.500,00

0
1
2
3
4
5
6
7
8
VPL (k=8,50%)
TIR

40.359,49
100,77%

Fl. Caixa
Projeto B
(30.000,00)
9.000,00
10.500,00
12.500,00
14.000,00
16.000,00
17.500,00
18.500,00
19.500,00

Fl. Caixa
Projeto C
(70.000,00)
13.000,00
16.000,00
19.000,00
22.000,00
25.000,00
27.000,00
30.000,00
32.000,00

49.074,06

53.107,61

37,74%

Segundo a maioria dos livros clssicos de finanas

o principal mtodo de avaliao de projetos consiste
no VPL. Sendo assim, em caso de seleo de projetos poderamos sempre escolher aquele que apresentar o maior VPL. No caso de basearmos nossa
escolha na TIR, deveramos tomar cuidados, j que
o projeto de maior TIR no representa necessariamente o melhor projeto.
Neste caso, sugere-se montar os fluxos de caixas
incrementais, comparando-se a TIR destes incrementos com o custo de capital do projeto. Cada vez
que o fluxo incremental de um projeto desafiante
superar o custo de capital, este desafiante deve ser
aceito no lugar do desafiado. Para ilustrar a propo-

23,34%

Diferena
B-A
(24.000,00)
4.000,00
4.500,00
5.000,00
5.500,00
6.500,00
7.500,00
7.500,00
8.000,00
8.714,57
16,34%

Diferena
C-B
(40.000,00)
4.000,00
5.500,00
6.500,00
8.000,00
9.000,00
9.500,00
11.500,00
12.500,00
4.033,55
10,69%

sio apresentamos a seguir trs projetos mutuamente excludentes1 : A, B e C.

Baseados nos nmeros dos projetos apresentados
anteriormente , pelo mtodo do VPL deveramos
escolher o projeto C, que apresentou maior VPL,
apesar de apresentar menor TIR. Seriam os mtodos incongruentes ? A resposta no. Para escolhermos um projeto em funo de sua TIR deveramos fazer a anlise dos fluxos incrementais entre
os projetos. Sendo assim, subtraindo os fluxos do
projeto B menos os do projeto A, encontraramos
uma TIR para essa variao de fluxos igual a
16,34%, superior ao custo de capital de 8,5% e
justificando o investimento adicional. Portanto, o
desafiante (B) se justifica em relao ao desafiado
1

Adaptado de Lapponi (1996 : 146).

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98

66

(A). Repetindo o procedimento para o projeto C,

encontramos uma situao anloga - ou seja, C
melhor que B. Logo, pelo mtodo da TIR o melhor
projeto continuaria sendo o projeto C.
Anlise do Risco
Anlise de Sensibilidade

que os valores projetados realmente ocorram. O

tratamento do risco do projeto, quando existe,
comumente feito atravs da utilizao de anlise de
sensibilidade, para o custo de capital do projeto ou
para o possvel crescimento dos fluxos de caixa
futuros. Para o exemplo da mina de ferro anteriormente apresentado poderamos montar a matriz de
sensibilidades para o custo de capital conforme a
seguir :

Normalmente, as abordagens de avaliao de projetos apresentadas so determinsticas: espera-se

k

VPL

VPL

VPL

10%
40%

177,80
(21,36)

20%
50%

25,21
(11,33)

30%
60%

(18,02)
1,84

De acordo com os valores obtidos e de forma aproximada, para valores de k entre 25% e 60%, teramos VPLs negativos, devendo o projeto ser recusado a essas taxas. uma primeira aproximao,
mas que representa uma tentativa de considerao
do risco no projeto, ainda que bastante simples.

O Tratamento Matemtico Convencional

valores

{F }
j

futuros

j =1,..., n

representados
por
:
= {F1 , F2 ,..., Fn }, onde os Fj so va-

riveis aleatrias independentes e identicamente

distribudas com uma funo densidade de probabilidade g(Fj). Considere tambm uma taxa de
desconto pr-determinada i% ao perodo.
Numa distribuio discreta de probabilidade poderamos representar os fluxos de caixa e suas respectivas probabilidades de ocorrncia como:

O tratamento de um fluxo de caixa em condies de

risco apresentado por Securato (1996 : 61) . Considere-se um fluxo de caixa dado pela seqncia de
Fj
P(Fj)

fj,1
P(fj,1)

fj,2
P(fj,2)

fj,3
P(fj,3)

...
...

fj,n
P(fj,n)

Cada VPL dado por:

VPL =

Var[VPL ] =

Fj

(1 + i )
j =1

Ou seja, o risco do projeto

2j

Var[VPL ] funo

dos riscos individuais.

E[ Fj ]

(1 + i )
j =1

Var[ F j ]

(1 + i)
j =1

A esperana do VPL dos fluxos de caixa futuros

expressa por :

E[VPL ] =

A Utilizao do Mtodo de Monte Carlo

O risco do projeto, expresso sob a forma do desvio

padro destes fluxos de caixa, :
CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98

67

Uma alternativa para o clculo do risco seria a

utilizao de nmeros aleatrios, como expresso
pelo Mtodo de Monte Carlo. De acordo com Costa
e Azevedo (1996 : 100) :
O Mtodo de Monte Carlo uma tcnica de
amostragem artificial empregada para operar
numericamente sistemas complexos que tenham
componentes aleatrios. Trata-se de uma ferramenta importantssima de pesquisa e planejamento
que vem sendo cada vez mais utilizado devido ao
constante aperfeioamento dos computadores, com
sua grande velocidade de clculo, poder de armazenar dados e capacidade de tomar decises lgicas...
Essa metodologia, incorporada a modelos de Finanas, fornece como resultado aproximaes
para as distribuies de probabilidade dos parmetros que esto sendo estudados. So realizadas
diversas simulaes onde, em cada uma delas, so
gerados valores aleatrios para o conjunto de
variveis de entrada e parmetros do modelo que
esto sujeitos incerteza. Tais valores aleatrios
gerados seguem distribuies de probabilidade
especficas que devem ser identificadas ou estimadas previamente.
O conjunto de resultados produzidos ao longo de
todas as simulaes ... podero ser analisados
estatisticamente e fornecer resultados em termos
de probabilidade. Essas informaes sero teis na
avaliao da disperso total das predies do
modelo causada pelo efeito combinado das incertezas dos dados de entrada e na avaliao das
probabilidades de serem violados os padres das
projees financeiras.
Feitas as ressalvas matemticas adequadas, de
acordo com Shimizu (1975)2, jamais seria possvel
a obteno de aleatrios genunos, mas sim nmeros pseudo-aleatrios ou quase-aleatrios. Isto por
que para que pudssemos garantir seu carter de
aleatoriedade, precisaramos efetuar infinitos testes
gerados por um mesmo processo e seguidos por
uma infinidade de testes estatsticos.
De acordo com Ehrlich (1988)3, os critrios de
aleatoriedade dos nmeros pseudo-aleatrios gerados em computador seriam: a) uniformemente distribudos; b) estatisticamente independentes, c)
2
3

Citado por Costa e Azevedo (1996 : 101)

Idem

reprodutveis, a fim de permitir comparao entre

programas; d) no repetibilidade da srie no intervalo de interesse; e) velocidade de gerao; f) utilizao de memria mnima do computador na gerao.
De forma simplificada, poderamos aplicar o MMC
no Excel da seguinte forma :
Para distribuies discretas :
Bastaria colocarmos a distribuio discreta
baseados na funo probabilidade acumulada (entre
0% e 100%), gerarmos um aleatrio (pela funo
=ALEATRIO()) e, por exemplo, atravs de uma
funo de busca e referncia [=PROCV(NO,
MATRIZ DE DADOS, COLUNA)] identificarmos
o valor correspondente. Exemplo: suponha a seguinte funo discreta de probabilidades para preos futuros de um produto qualquer :

Distribuio
Qtde
100
200
300

Prob
30%
60%
10%

2a. coluna da Matriz

0%
100
30%
200
90%
300
100%
300
=ALEATRIO()
0,85912386
=PROCV(Aleat;Matriz;2)
200

Usando uma funo de Busca e Referncia, como a

PROCV do Excel, poderamos gerar aleatrios com
base na matriz de dados apresentada ao lado da
distribuio de preos, cujas quantidades passam a
ser representadas pela funo acumulada de probabilidades, para viabilizarmos o uso da funo
PROCV4.
Sendo assim, para um nmero aleatrio (gerado
entre 0 e 1) igual a 0,859112386, a funo retornaria o valor de $200, j que 0,859112386 est compreendido entre 0,30 e 0,90. Asseguramos assim, a
aleatoriedade5 das quantidades obtidas, que aps

Em caso de dvidas, pode-se consultar o Help do

Excel (tecla F1), que fornece uma boa orientao
para a utilizao das funes mencionadas neste
trabalho.
Mantidas as ressalvas de Shimizu (1975),
precisaramos verificar o algoritmo de gerao de

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98

68

"n" simulaes, nos permitiria calcular a mdia e o

risco da distribuio - lembrando que o Teorema do
Limite Central nos revela que para "n" grande, a
mdia ("n" maior ou igual a 30) e o desvio padro
amostral ("n" maior ou igual a 100) convergem
para a mdia e desvio padro populacionais (Spiegel, 1978 : 227).
Para o exemplo anterior, calculado a mdia e o
desvio encontraramos os valores respectivos de
$180 e $60. Rearrumando os dados, com a funo
acumulada de probabilidade, poderamos, ento,
simular o valor resultante de acordo com o Mtodo
de Monte Carlo.
No Excel :
F
$100
$200
$300
Soma

P(F)
30%
60%
10%
100%

F*P(F)
30
120
30
180

F^2.P(F)
3.000
24.000
9.000
36.000

Mdia = [F.P(F)] =

180

Risco = {E(F^2)-[E(F)]^2}^ =

60

Calculando P(F) acumulada e usando os recursos

do Excel pode-se expressar as funes apresentadas
a seguir.

aleatrios do Excel para assegurarmos a verdadeira

aleatoriedade ou no.
CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98

69

P(F) acumul
0%
30%
90%
100%

Funes do Excel

Qtde.
100
200
300
300

=ALEATRIO()
=PROCV($H$16;$F$11:$G$14;2)

0,17266676
$100
Valor
Simulado

Efetuando 1.000 simulaes do valor acima, encontramos valores de $179,63 para a mdia e
$59,72 para o desvio. Sendo assim, podemos afirmar ter encontrado boas aproximaes para os
valores populacionais ($180 e $60) de acordo com

o Mtodo de Monte Carlo. Plotando um grfico de

Nmero de Simulaes (n) versus Mdia e Desvio,
podemos perceber que nossos resultados estabilizariam em torno de 200 simulaes.

300
250
200
150
Mdia (estab = 179,63)
Desvio (estab = 59,72)

100
50
0
0

200

400

N o d e 600
simulaes

800

1000

1200

Para distribuies contnuas :

De acordo com Seila e Banks (1990)6, para cada
tipo de distribuio contnua poderamos montar
uma funo estocstica. Por exemplo, uma distribuio normal poderia ser expressa por

12

sx aleatorioi 6 + x . Sendo assim, no

i =1

Excel, bastaria usarmos a funo =ALEATRIO()

para a gerao da distribuio normal desejada, que
pode ser expressa pela funo =(((ALEATRIO() +
ALEATRIO() + ALEATRIO() + ALEATRIO()
+
ALEATRIO()
+
ALEATRIO()
+
ALEATRIO() + ALEATRIO() + ALEATRIO()

Citado por Costa e Azevedo (1996 : 101)

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98

70

+
ALEATRIO()
+
ALEATRIO()
+
ALEATRIO())-6)*Desvio + Mdia)7.
Para facilitar o uso do mtodo de Monte Carlo,
desenvolvemos uma planilha que permite simulaes variadas, estando o resultado a ser obtido apresentado em funo das distribuies mencionadas .
A seguir apresentamos um exemplo de utilizao
deste modelo.

Um exemplo de utilizao do Mtodo de Monte

Carlo
A Golden Beverage, tradicional fabricante de refrigerantes, j estabelecida h mais de 50 anos estuda
a viabilidade da implantao de uma nova fbrica
para a produo de refrigerantes sabores cola, limo e laranja. De acordo com os seus estudos este
novo empreendimento de $900.000,00 poderia
apresentar uma vida til de 20 anos, com valor
residual considerado desprezvel (suposto nulo) ao
fim do perodo.
Em funo do histrico da empresa, as estimativas
para esse novo empreendimento indicam que suas
vendas e preos possveis (expressos em moeda
forte, desprezando efeitos inflacionrios) de serem
praticados podem ser representados pelas distribuies de probabilidade apresentadas a seguir.
Preos a serem praticados :
Suposta
distribuio discreta dos preos unitrios.
Preo
$
20
30
40
Total

Cola
12%
63%
25%
100%

Refrigerante
Limo
10%
60%
30%
100%

Cola
16.000
1.500

Limo
8.000
4.000

Laranja
6.500
3.200

Custos variveis : supostos iguais a 60% das

vendas.
Despesas fixas: supostas fixas e iguais a
$172.000,00 por ano.
Custo de capital : pr-determinado em 14% aa.
Imposto de Renda :

suposta alquota de 35%.

Depreciao : suposta igual a $45.000,00 por

ano (linear para os 20 anos, $45.000 =
$900.000/20).

O valor disponvel para a empresa poderia ser representado pelo Fluxo de Caixa Livre, resultante do
Lucro Operacional aps Impostos mais a Depreciao (j que esta reduz o Imposto a Pagar, mas fica
disponvel para distribuio). De acordo com as
premissas acima, seria possvel a montagem, ento,
de uma planilha em Excel para o clculo da distribuio do VPL .

uma

Laranja
30%
45%
25%
100%

Vendas de produtos : Suposta uma distribuio

normal, com previso de vendas em unidades.

De acordo com Costa e Azevedo (1996 : 110), Seila e

Banks (1990) demonstram que utilizao de 12
aleatrios nos daria uma boa aproximao da
distribuio normal.
CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98

71

Receitas

911.460,00

Q Cola

17.831,00

P Cola

40

Rec Cola

713.240,00

Q Limao

6.584,00

P Limao

20

Rec Limao

131.680,00

Q Laranja

2.218,00

P Laranja

30

Rec Laranja

66.540,00

Custos

(546.876,00)

Depreciao

(45.000,00)

Despesas

(172.000,00)

Lucro Operacional

147.584,00

IR

(51.654,40)

Lucro Lquido

95.929,60

Depreciao

45.000,00

FCL

Cada um destes valores de VPL isoladamente

pouca utilidade representam, j que constituem
estimativas pontuais. Entretanto, o Teorema do
Limite Central nos revela que para "n" grande , a
mdia e o desvio padro amostrais convergem para
a mdia e desvio populacionais. Sendo assim,
construindo um grfico da mdia e do desvio obtido
versus nmero de simulaes encontra-se que
ocorre uma estabilizao dos valores da mdia e do
risco do projeto.

140.929,60

14,000%

Vpi

933.395,14

INVESTIMENTO

900.000,00

VPL i

VPL ($)
450.000,00
400.000,00
350.000,00
300.000,00
250.000,00
200.000,00
150.000,00
100.000,00
50.000,00
(50.000,00) 0

33.395,14

Mdia e desvio amostrais X No. Simulaes

Desvio padro amostral aps 1.000 simulaes igual a $362.034,25

Mdia amostral aps 1.000 simulaes igual a $26.736,39

100

200

300

400
500
No. Simulaes

Podemos constatar que medida que o nmero de

simulaes aumenta, ocorre uma estabilizao dos
resultados (expressos pela mdia e pelo desvio

600

700

800

900

1000

padro dos valores do VPL). Pelo grfico percebese que o risco do projeto muito maior que a mdia. O histograma das 1.000 simulaes resulta em:

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98

72

Freqncia

Histogra m a
100
90
80
70
60
50
40
30
20
10
0

100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
,00%

VPL =$0
Frequncia = 43%

F r e q n c ia

Blo c o

A proporo de VPLs menores ou iguais a 0 (zero)

foi de 43%. Portanto, teramos apenas cerca de
57% de chance de ter um VPL estritamente positivo. Logo, sob estas condies no seria razovel
recomendar a aceitao do projeto.

% c u m u la t i v o

De acordo com as proposies do exemplo, o projeto apresenta uma taxa de desconto fixa igual a
14% aa. De forma complementar e usando o MMC
pode-se analisar o comportamento da mdia e desvio padro dos VPLs para outros nveis de taxas de
desconto.

Esperana e Risco X k
Para 1000 simulaes

2.500.000,00

Mdia

2.000.000,00

Desvio padro

1.500.000,00
1.000.000,00
500.000,00
(500.000,00) 0%

2%

4%

6%

8%

10%

12%

14%

16%

18%

Sendo assim, se a empresa assumisse como razovel a tomada da deciso de investimento em um

nvel de confiana igual ou superior a 80%, expresso atravs do percentil para VPLs menores que
zero, aps 1.000 simulaes para cada k, inferior a

20%, pode-se estimar que o custo de capital correspondente, conforme grfico a seguir, seria em torno
de 8%aa. Portanto, para k inferior a 8% o projeto
poderia ser aceito.

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98

73

k x Percentil (VPL<0)
Aps 1.000 simulaes para cada k

80,00%
70,00%
Percentil (VPL<0)

60,00%
50,00%

k = 8%
Perc = 19%

40,00%
30,00%
20,00%
10,00%
0,00%
0%

2%

4%

6%

8%

CONSIDERAES FINAIS
A avaliao dos riscos de um projeto , sem dvidas, fundamental. O maior problema a ser enfrentado consiste no tratamento matemtico das fontes
individuais de risco.
O uso de um procedimento numrico, como o Mtodo de Monte Carlo uma alternativa para a avaliao do risco de um projeto. Neste trabalho foi
apresentado o MMC e desenvolvido um exemplo de
sua aplicao na Engenharia Econmica. Possivelmente, trabalhos futuros podero dar continuidade
ao agora apresentado, colocando novas consideraes sobre as dependncias dos fluxos de caixa,
envolvendo uma sofisticao no tratamento matemtico e uma evoluo na utilizao do MMC.

BIBLIOGRAFIA
ANDRADE, Eduardo Leopoldino. Introduo a
Pesquisa Operacional. Rio de Janeiro :
Livros Tcnicos e Cientficos. 1994.
BREALEY, Richard A; MYERS, Stewart C.
Princpios de Finanas Empresariais.
McGraw-Hill de Portugal. 1992.
BRUNI, Adriano Leal; SOUZA, Almir Ferreira;
LUPORINI, Carlos Eduardo. A determinao do Valor da Empresa com base no FCD :
Um estudo de caso. Anais do II SemeAd
FEA/USP. So Paulo. 1997.

10%

12%

14%

16%

18%

COSTA, Luiz Guilherme Tinoco Aboim e

AZEVEDO, Marcos Correia Lima. Anlise
Fundamentalista.
Rio
de
Janeiro:
FGV/EPGE. 1996.
EHRLICH, Pierre Jacques. Pesquisa Operacional. So Paulo : Atlas. 1988.
HERTZ, David B. Risk Analysis in Capital
Investment. Harvard Business Review. Set.
1979.
KANAAN, Joo C. e SIQUEIRA, Jos de O.
Microsoft Excel 7 para Windows 95. So
Paulo : Pioneira. 1997.
KLEINJNEN, Jack e GROENENDAAL, Willem
V. Simulation : A Statistical Perspective.
John Wiley & Sons. 1994.
LAPPONI, Juan Carlos. Avaliao de Projetos
de Investimento : Modelos em Excel. So
Paulo : Lapponi. 1996.
ROSS, Stephen A; WESTERFIELD, Randolph
W; JAFFE, Jeffrey F. Administrao Financeira. So Paulo: Atlas. 1995.
SASSATANI, Ricardo. As Tcnicas de Avaliao
de Investimentos em Condies de Risco.
Trabalho no publicado, apresentado FEA
USP. So Paulo : 1997.
SASSATANI, Ricardo; SOUSA, Almir Ferreira
de; LUPORINI, Carlos Eduardo. Anlises e
Questionamentos Quanto s Tcnicas Usuais
de Avaliao de Investimentos de Capital.
Anais do II SemeAd FEA/USP. So Paulo.
1997.

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98

74

SECURATO, Jos Roberto. Decises Financeiras

em Condies de Risco. So Paulo : Atlas.
1996.
SEILA, Andrew F. e BANKS, Jerry. Spreadsheet
Risk Analysis Using Simulation. 1990.
SHIMIZU, Tamio. Simulao Digital em Computador. So Paulo : Editora da USP. 1975.

SPIEGEL, Murray R. Probabilidade e estatstica. MacGraw Hill. 1978.

VLAHOS, Kiriaxos. Onde H Incerteza Convm
Minimizar o Risco. Gazeta Mercantil.
25/09/1997.

CADERNO DE PESQUISAS EM ADMINISTRAO, SO PAULO, V.1, N 6, 1 TRIM./98

75