Home

Risk Simulator - Real Options Valuation, Inc.

Contents

1. Figura 5 36 Ferramenta An lise da distribui o FDA da distribui o binomial com 20 tentativas Usando a ferramenta An lise da distribui o distribui es ainda mais avan adas podem ser analisadas no Risk Simulator como gama beta binomial negativa e muitas outras Como outro exemplo do uso da ferramenta em uma distribui o cont nua e da funcionalidade de IFDA a Figura 5 37 mostra a distribui o normal padr o distribui o normal com uma m dia zero e desvio padr o igual a um na qual aplicamos IFDA para encontrar o valor de x que corresponde probabilidade cumulativa de 97 50 FDA Ou seja uma FDA unicaudal de 97 50 equivalente a um intervalo de confian a bicaudal de 95 h uma probabilidade de 2 50 na cauda direita e 2 50 na cauda esquerda restando 95 no centro ou na rea do intervalo de confian a que equivale a uma rea de 97 50 para uma cauda O resultado o conhecido escore Z de 1 96 Assim usando a ferramenta An lise da distribui o pode se obter r pida e facilmente os escores padronizados para outras distribui es bem como as probabilidades cumulativas e exatas de outras distribui es Manual do Usu rio Risk Simulator 165 O 2005 2012 Real Options Valuation Inc An lise de distribui o Esta ferramenta gera a fun o densidade de probabilidade FDP a fun o distribui o acumulada FDA e a fun o inversa da fun o de distribui es no Risk Simulat
2. TEMPO RESIDUAL DIFEREN A Clique em Mostrar resultados para visualizar o modelo calculado e clique em OK para gerar o relat rio do modelo econom trico Voc tamb m pode gerar automaticamente v rios modelos inserindo um modelo de exemplo e usando a vari vel predefinida INTEGER N bem como deslocar dados para cima ou para baixo nas linhas Por exemplo se voc usar a vari vel LAG VARI INTEGERI e definir INTEGER como entre MIN 1 e MAX 3 ent o os tr s modelos a seguir ser o executados LAG VARI 1 ent o LAG VAR1 2 e por ltimo LAG VARI 3 Al m disso s vezes pode ser necess rio testar se os dados 99 O 2005 2012 Real Options Valuation Inc Teoria Procedimento da s rie temporal t m altera es estruturais ou se o comportamento do modelo consistente ao longo do tempo alterando os dados e executando o mesmo modelo Por exemplo se voc tem 100 meses de dados listados cronologicamente pode desloc los 3 meses por vez por 10 vezes isto o modelo ser executado nos meses 1 a 100 4 a 100 7 a 100 etc Usando a se o Modelos m ltiplos em Econometria b sica voc pode executar centenas de modelos simplesmente inserindo uma equa o de modelo nico se usar estas vari veis inteiras predefinidas e m todos de deslocamento 3 10 Previs es de curvas JS A curva J ou curva de crescimento exponencial aquela na qual o crescimento do pr ximo per odo depende do n vel do per o
3. 287 79 290 10 5841 139 69 289 10 291 29 7654 139 69 290 10 292 29 892 3 140 69 292 20 294 5 885 4 14119 29389 29610 677 141 69 295 29 297 39 1006 6 141 89 296 39 298 5 11221 296 5 2985 11634 NEBN E 8 2351 3 294 3 287 0 666 12938 GATR RES BS 27377 Executa a an lise atual na Etapa 2 ou a an lise salva selecionada na Etapa 4 exibe os resultados os gr ficos e as estat sticas copia os resultados e os gr ficos para a rea de transfer LN VARZ LN VAR3 LN VAR 1 LN VAR2 LN VAR3 LN VAR3 LN VARZ VAR3 LN VAR 1 N VAR3 VARZ VAR3 VARL LN VAR2 O ETAPA 2 An lise EE E as entradas de par metro de exemplo abaixo Exibi o VARS a VARG VAR7 VARS ANOVA V rios tratamentos de fator nico a e An lise da s rie temporal autom tica An lise de s rie temporal aditiva de Holt Wi An lise de s rie temporal aditiva de sazonal An lise de s rie temporal multiplicativa de H An lise de s rie temporal multiplicativa de s An lise de s rie temporal m dia m vel dupla An lise de s rie temporal m dia m vel simpl An lise de s rie temporal suaviza o expon Raso eae E fura o espia Var2 Var3 Var4 An lise do componente principal 0 1 ARIMA o AUtoARIMA 0 Autocorrela o e autocorrela o parcial Autoeconometria detalhada F Autoeconometria r pida B
4. e Selecione os dados que deseja ajustar os dados devem estar em uma nica coluna com v rias linhas e Selecione Risk Simulator Ferramentas Ajuste da distribui o vari vel nica e Selecione as distribui es espec ficas que deseja ajustar ou mantenha o padr o no qual todas as distribui es s o selecionadas e clique em OK Figura 5 13 e Analise os resultados do ajuste escolha a distribui o relevante desejada e clique em OK Figura 5 14 Manual do Usu rio Risk Simulator 140 O 2005 2012 Real Options Valuation Inc Normal Variable A VariableB Variable C 93 75 L 0 00 109 52 Ajuste nico 101 17 nD 102 29 O ajuste da distribui o seleciona dados brutos i existentes e encontra o melhor ajuste estat stico de 105 58 distribui o por exemplo otimizando os par metros de 99 55 cada distribui o e executando testes de hip teses d i 86 79 estat sticas o 105 20 Tipo de distribui o E pal O Ajuste para distribui es continuas Ajuste para distribui es discretas 90 68 96 20 Selecione distribui es para ajustar 79 74 q pis ps 98 28 x 97 70 Beta Cauchy Qui quadrado 97 85 93 73 85 51 103 21 n 87 45 Exponencial F Gama 96 40 92 41 82 75 Selecionar tudo Limpar tudo 103 65 90 19 92 85 46 6 00 112 42 70 86 45 57 8 00 Figura 5 13 Ajuste da distribui o de vari vel nica Interpreta o dos A hip tese nula sendo testada
5. onde apenas uma linha nica minimiza essa soma dos erros elevados ao quadrado Os erros dist ncia vertical entre os dados reais e a linha prevista s o elevados ao quadrado para evitar que os erros negativos cancelem os erros positivos A solu o desse problema de minimiza o com rela o inclina o e intercep o requer primeiro o c lculo da derivada primeira e defini la como zero lt Sg fy 0eLS Py o dB i l dB j l o que resulta nas equa es quadr ticas dos m nimos da regress o bivariada gt xP Yxy b m f n l 2x X E x NT 3 i n A Y BX Para a regress o multivariada a analogia ampliada para explicar as m ltiplas vari veis independentes em que Y A 5X BjX e e as inclina es estimadas s o calculadas por erre DX Ds X X f XYK KaD ND KX FAGAN X Xa A execu o de regress es multivariadas requer muita aten o na configura o e interpreta o dos resultados Por exemplo necess rio ter boa compreens o do modelo econom trico por exemplo identificar armadilhas de regress o como quebras estruturais multicolinearidade heteroscedasticidade autocorrela o testes de especifica o n o linearidades etc antes que um modelo apropriado possa ser constru do Consulte Modeling Risk 2 edi o Applying Monte Carlo Simulation Real Options Analysis Forecasting and Optimization Wiley 2010 do Dr Johnathan Mun para uma an lise ma
6. sua simplicidade e variadas aplica es Os dois outros processos estoc sticos s o o processo de revers o m dia e processo de difus o com salto O interessante sobre a simula o de processo estoc stico que os dados hist ricos n o s o necessariamente obrigat rios Ou seja o modelo n o precisa ajustar conjuntos de dados hist ricos Basta calcular os retornos e a volatibilidade esperados dos dados hist ricos estim los usando dados externos compar veis ou fazer suposi es sobre esses valores Consulte Modeling Risk 2 edi o Applying Monte Carlo Simulation Real Options Analysis Forecasting and Optimization 2 edi o Wiley 2010 de Dr Johnathan Mun para obter mais detalhes sobre como cada um dos valores de entrada calculado por exemplo taxa de revers o m dia probabilidades de salto volatilidade etc e Para iniciar o m dulo selecione Risk Simulator Previs o Processos estoc sticos e Selecione o processo desejado insira os valores obrigat rios clique em Atualizar gr fico algumas vezes para verificar se o processo est se comportando da maneira esperada e clique em OK Figura 3 9 A Figura 3 10 mostra os resultados de um processo estoc stico de exemplo O gr fico mostra um conjunto de exemplo das itera es enquanto o relat rio explica o b sico sobre processos estoc sticos Al m disso s o fornecidos os valores de previs o m dia e desvio padr o para cada per odo de tempo
7. 0 51 475 Projeto 8 1 235 00 115 00 926 25 75 00 1 33 11 74 Projeto 9 1 945 00 125 00 2 100 60 108 00 0 93 16 56 Projeto 10 2 250 00 458 00 1 912 50 85 00 1 18 5 91 Projeto 11 549 00 45 00 263 52 48 00 2 08 13 20 Projeto 12 52500 105 00 309 75 59 00 1 69 6 00 Total 17 218 00 8 197 44 7 007 40 70 12 00 Meta M X lt 5000 lt 6 Raz o de Sharpe 2 4573 Figura 4 4 Modelo de otimiza o inteira discreta Manual do Usu rio Risk Simulator 118 2005 2012 Real Options Valuation Inc Nome da decis o Projeto 1 Tipo de decis o Cont nuo por exemplo 1 15 2 35 10 55 Limite inferior E Limite superior E Inteiro por exemplo 1 2 3 Limite inferior E Limite superior Ei Bin rio 0 ou 1 resultados fornecem os retornos m ximos ou os custos riscos m nimos Os usos incluem o gerenciamento de estoques a aloca o de carteiras financeiras mix de produtos sele o de projeto etc C lula de objetivo c19 Hj Objetivo da otimiza o O Maximizar o valor na c lula de objetivo Minimizar o valor na c lula de objetivo Figura 4 5 Execu o de otimiza o inteira discreta no Risk Simulator Manual do Usu rio Risk Simulator 119 O 2005 2012 Real Options Valuation Inc Interpreta o dos resultados A Figura 4 6 most
8. 6000 nssthancssssnis coracao daddiceaios ao as ca nsnitia a 5 000 4 4 000 Value 3 000 2 000 1 000 4 400 0 Teoria Procedimento Nota Manual do Usu rio Risk Simulator 101 Curvas JS j As curvas J S representam a curva J crescimento exponencial e a V je Option 5 curva S curva de crescimento log stico Essas curvas s o usadas a uation em previs es de taxas de crescimento altas curva J ou em www realoptions valuation com situa es com eventos com crescimento inicialmente alto mas com diminui o at atingir a maturidade ao longo do tempo medida que o ambiente fica saturado quando atinge sua capacidade curva S Maturity and Curva J exponencial 9 Curva S log stica Saturation Phase Valor inicial 200 Taxa de crescimento 10 N vel de satura o 6000 Gerar curva de previs o com base nestes per odos Per odo final 100 40 60 80 100 Figura 3 17 Previs o de curva S 3 11 Previs es de volatilidade GARCH O modelo de heteroscedasticidade condicional autorregressiva GARCH usado para modelar n veis de volatilidade hist ricos e prever a volatilidade futura de um instrumento negoci vel por exemplo pre os de a es pre os de commodities pre os do petr leo etc O conjunto de dados deve ser uma s rie temporal de n veis de pre os brutos Primeiro GARCH converte os pre os em retornos relativos e executa uma otimiza o interna para
9. es no modelo Manual do Usu rio Risk Simulator 98 O 2005 2012 Real Options Valuation Inc 521 367 443 365 614 385 286 397 T64 427 153 231 524 328 240 286 285 569 36 438 481 468 TT 138 458 108 246 231 68 31 606 512 426 47 Conjunto de dados econom tricos b sicos Esta ferramenta usada para executar modelos econom rricos b sicos primeiramente transformando as vari veis de entrada antes de executar a an lise de regress o mulbvariada Voc pode inserir v rias especifica es no modelo econom tnico para testar Cada modelo est em uma nova linha e em cada linha a primeira vari vel a vari vel dependente seguida por pelo menos ums ou mais 73 6 vari veis independentes separadas por ponto e virgula No exemplo a seguir LN VAR e VAR3 G sio 1 ne A aae ara s o vari veis independentes nos 32 3 5 7 VER VARZ VARJ VARA TIME VARA 45 1 7 3 LAG VAR2 3 DIFF VAR1 RESIDUAL VAR3 VAR4 190 8 TS 31 8 5 678 4 6 7 340 8 6 2 239 6 Tia 11 9 5 172 5 2 8 12 2 6 1 205 6 TA 154 6 5 3 43 7 4 6 30 3 44 Vari veis independentes 32 8 7 4 LN VART LN VARZ VARIVARG LAGIVARS 1 DIFE VARS 96 9 71 por exempio LNIVAR E 33 8 TA Fun es LN 4892 59 LOG LUG 767 6 a k 1636 92 hem 55 SA 54 9 8 6 74 3 6 6 59 6 9 20 5 2 7 TEGERI 10 3 55 ANE n os de 123 7 Teo INTEGERZ Min J Linhas acima 1042 6 6 NTEGER3 Min d roca z Linhas abaixo 12 5 6 3
10. o binomial com 20 tentativas A Figura 5 36 mostra a mesma distribui o binomial mas agora a FDA calculado A FDA simplesmente a soma dos valores de FDP at o ponto x Por exemplo na Figura 5 35 observamos que as probabilidades de 0 1 e 2 s o 0 000001 0 000019 e 0 000181 cuja soma 0 000201 que o valor de FDA emx 2 na Figura 5 36 Enquanto FDP calcula as probabilidades de obter se exatamente 2 caras FDA calcula a probabilidade de obter n o mais do que 2 caras ou at 2 caras ou probabilidades de 0 1 e 2 caras O complemento por exemplo 1 0 00021 obt m 0 999799 ou 99 9799 a probabilidade de se obter pelo menos 3 caras ou mais Manual do Usu rio Risk Simulator 164 2005 2012 Real Options Valuation Inc An lise de distribui o Esta ferramenta gera a fun o densidade de probabilidade FDP a fun o distribui o acumulada FDA e a fun o inversa da fun o de distribui o acumulada IFDA de todas as distribui es no Risk Simulator incluindo os momentos te ricos e o gr fico de probabilidade Distribui o Tentativas Tipo de gr fico CDF um 0 000001 0 000001 Formata o i 0 000019 0 000020 l 0 000181 0 000201 Valor simples 0 001087 0 001288 y i 0 004621 0 005909 k i 0 014786 0 020695 O Faixa de valores 0 036964 0 057659 P 0 073929 0 131588 i 0 120134 0 251722 Limite superior T 0 160179 da 0 176197 0 160179 0 120134 0 073929 0 036964
11. o ocorre quando uma abordagem de regress o Manual do Usu rio Risk Simulator 157 O 2005 2012 Real Options Valuation Inc stepwise usada na qual as vari veis independentes significantes estatisticamente ser o deixadas de fora da combina o de regress o muito antes do esperado o que resulta em uma equa o de regress o que n o eficiente nem precisa Um teste r pido da presen a de multicolinearidade em uma equa o de regress o m ltipla que o valor de R2 relativamente alto enquanto as estat sticas t s o relativamente baixas Outro teste r pido criar uma matriz de correla o entre as vari veis independentes Uma correla o cruzada alta indica um potencial para autocorrela o A regra geral que a uma correla o com valor absoluto maior do que 0 75 indica forte multicolinearidade Outro teste para a multicolinearidade usar o fator de infla o de vari ncia VIF obtido ao regressar cada vari vel independente a todas as outras vari veis independentes obtendo o valor de R2 e calculando o VIF Um VIF superior a 2 0 pode ser considerado uma forte multicolinearidade Um VIF superior a 10 0 indica multicolinearidade destrutiva Figura 5 27 Matriz de correla o CORRELA O X2 XxX X5 X1 0 333 0 959 0 242 0 237 X2 1 000 0 349 0 319 0 120 X3 1 000 0 196 0 227 X4 1 000 0 290 1 000 Fator de infla o de vari ncia FIV X2 X3 X4 X5 X1 1 12 12 46 1 06 1 06 x2 N A 1 14 1 11 1 01 X3 N A
12. 1 69 6 00 o neto eus we MH tower upper Total 5 776 00 3 694 44 1 539 26 64 6 00 EM s Fe Peun a 0000008 0 O 0 000000ET000 Meta M X lt 55000 lt 6 ERPE ques qo Es Raz o de Sharpe 3 7543 Foram encontrados valores bmos Deseja substitur as vari veis de decis o existentes pelos valores otimizados ou reverter s entradas originais Revener L d Figura 4 6 Sele o tima de projetos que maximiza a raz o de Sharpe Para obter mais exemplos pr ticos de otimiza o consulte o estudo de caso no Capitulo 11 sobre an lise de risco integrada no livro Real Options Analysis Tools and Techniques 2 edi o Wiley Finance 2005 Esse estudo de caso ilustra como gerar uma fronteira eficiente e como combinar previs o simula o otimiza o e op es reais em um processo anal tico integrado Manual do Usu rio Risk Simulator 120 O 2005 2012 Real Options Valuation Inc 4 4 Fronteira eficiente e configura es de otimiza o avan ada O segundo gr fico na Figura 4 5 mostra as restri es de otimiza o Aqui se voc clicou no bot o Fronteira eficiente depois de definir algumas restri es poder agora alter las Ou seja cada uma das restri es pode ser criada para percorrer cada valor m ximo e m nimo Por exemplo a restri o na c lula J17 lt 6 pode ser definida para ser executada entre 4 e 8 Figura 4 7 Ou seja cinco otimiza es ser o executadas cada uma com as
13. 21 22 25 32 80 114 118 124 141 181 182 211 PERT 11 66 Poisson 11 50 55 56 58 popula o 35 41 48 49 60 64 68 141 146 147 148 152 155 172 portf lio 110 111 112 113 114 116 117 118 122 123 125 potencial 38 67 158 potencial multiplicativa deslocada 67 precis o 5 11 12 13 19 24 27 31 35 36 90 105 144 145 146 169 208 pre o 33 38 39 61 62 63 64 86 130 131 133 156 157 166 pre o de a es 64 156 previs o 5 9 11 12 13 14 16 17 18 19 21 23 24 25 26 27 28 29 30 31 33 35 36 38 44 73 74 75 77 78 80 81 87 89 Manual do Usu rio Risk Simulator 218 90 92 93 94 96 97 98 100 101 105 106 107 108 109 111 120 125 128 138 144 145 146 147 148 151 152 153 156 170 173 206 207 208 209 212 previs es 10 11 13 16 17 18 20 21 23 31 36 44 73 74 75 77 78 80 89 92 97 101 105 111 125 138 146 147 148 149 150 154 174 177 206 207 211 212 primeiro momento 38 39 41 probabilidade 5 10 13 14 16 22 25 28 29 30 40 42 43 44 45 46 47 48 49 51 52 54 57 59 60 63 66 67 68 69 70 76 104 105 152 156 162 163 164 165 176 177 178 179 180 207 p valor 94 141 147 154 158 quadrados m nimos 105 106 152 quarto momento 36 40 41 qui quadrada 10 57 58 68 regress o 5 11 12 75 76 82 83 84 86 89 92 9
14. 684 20 584 10 765 40 892 30 885 40 S AUNA UNaSAUNSaSAUNSAUN Manual do Usu rio Risk Simulator Vendas A an lise de s rie temporal usada na previs o de vari veis de s rie temporal decompondo dados hist ricos em elementos de is de base tend ncia e sazonalidade e replicando esses elementos em previs es futuras Essa an lise sup e que a tend ncia e a sazonalidade persistem Sele o autom tica de modelo M dia m vel simples Suaviza o exponencial sit m r m Par metros do modelo Otimizar E 05 7 roiaanaidade Timesres 4 7 0 5 7 N mero de per odos de previs o 8 o Periodicidade 4 7 Tempo de execu o m ximo s 300 IV Gerar suposi es automaticamente J Permitir par metros polares Cancelar Figura 3 4 An lise da s rie temporal 79 O 2005 2012 Real Options Valuation Inc Interpreta o dos resultados Notas A Figura 3 5 ilustra os resultados gerados usando a ferramenta Previs o O modelo usado foi o multiplicativo de Holt Winters Observe que na Figura 3 5 o gr fico de ajuste de modelo e previs o indica que a tend ncia e a sazonalidade s o demonstradas pelo modelo multiplicativo de Holt Winters O relat rio de an lise da s rie temporal fornece os par metros alfa beta e gama otimizados as medidas de erro os dados ajustados os valores previstos e o gr fico de previs o ajustado Os par metros s o somente para refer ncia Alfa ca
15. Exemplos Diagn stico de regress o e na planilha Dados da s rie temporal selecione os dados incluindo os nomes das vari veis c lulas C5 H55 e Clique em Risk Simulator Ferramentas Ferramenta de diagn stico e Verifique os dados e no menu suspenso selecione Vari vel dependente Y Clique em OK quando terminar Figura 5 22 Conjunto de dados econom tricos b sicos l V Dea onaons www realoptionsvaluation com Esta ferramenta usada para diagnosticar problemas de previs o em um conjunto de diversas vari veis Vari vel dependente Y Figura 5 22 Execu o da ferramenta de diagn stico de dados Uma viola o comum na an lise de previs o e regress o a heteroscedasticidade ou seja o aumento da vari ncia dos erros ao longo do tempo consulte a Figura 5 23 para obter os resultados do teste usando a ferramenta de diagn stico Visualmente a largura das flutua es verticais dos dados aumenta ou se dispersa com o tempo e normalmente o coeficiente de determina o coeficiente de R2 cai significantemente quando h heteroscedasticidade Se a vari ncia da vari vel dependente Manual do Usu rio Risk Simulator 151 2005 2012 Real Options Valuation Inc n o for constante a vari ncia do erro n o ser constante A menos que a heteroscedasticidade da vari vel dependente seja pronunciada seu efeito n o ser grave as estimativas dos m nimos quadrados continuaram a ser n o
16. No entanto como os residuais de erro podem ajudar a prever os residuais de erros atuais podemos usar essa informa o para formar uma previs o melhor da vari vel dependente usando ARIMA e Os erros padr o calculados usando a f rmula de regress o e s rie temporal n o s o corretos e geralmente n o s o fi is e se h um conjunto de vari veis dependentes defasadas definidas como regressores as estimativas de regress o s o tendenciosas e inconsistentes mas podem ser corrigidas com ARIMA Os modelos de m dia m vel integrada autorregressiva ou ARIMA p d q s o extens es do modelo AR que usam tr s componentes para modelar a correla o serial nos dados de s ries temporais O primeiro componente o per odo autorregressivo AR O modelo AR p usa as defasagens p da s rie temporal na equa o Um modelo AR p tem esta forma y ay ayip e O segundo componente o termo de ordem de integra o d Cada ordem de integra o corresponde diferencia o da s rie temporal I 1 significa a Manual do Usu rio Risk Simulator 92 O 2005 2012 Real Options Valuation Inc Procedimento Nota sobre ARIMA e AUTOARIMA Interpreta o dos resultados diferencia o dos dados uma vez I d significa a diferencia o dos dados d vezes O terceiro componente o per odo da m dia m vel MA O modelo MA q usa as defasagens q dos erros de previs o para aperfei oar a previs o Um modelo MA q tem a forma
17. Obliquidade 0 0794 Curtose 0 0220 25 percentil 86 4456 75 percentil 114 7888 Precis o de erro em 95 0 0133 Nome Rendimento B N mero de pontos de dad 1000 Habilitado Sim M dia 99 1790 C lula G 10 Mediana 99 1303 Desvio padr o 22 5914 Precis o de previs o Vari ncia 510 3735 N vel de precis o Coeficiente de varia o 0 2278 N vel de erro M ximo 162 7509 M nimo 32 5085 Faixa 130 2424 Obliquidade 0 0498 Curtose 0 2711 25 percentil 84 0684 75 percentil 114 8800 Precis o de erro em 95 0 0141 Matriz de correla o D8 Receita D9 Custo 38 Receita G9 Custo D8 Receita 1 00 D9 Custo 0 00 1 00 G8 Receita 0 00 0 00 1 00 G9 Custo 0 00 0 00 0 00 1 00 Figura 5 21 Relat rio de simula o da amostra Manual do Usu rio Risk Simulator 150 O 2005 2012 Real Options Valuation Inc 5 8 Ferramenta de diagn stico de previs o e regress o Esta ferramenta anal tica avan ada do Risk Simulator usada para determinar as propriedades econom tricas dos dados O diagn stico inclui a verifica o de heteroscedasticidade n o linearidade observa es discrepantes erros de especifica o micronumerosidade propriedades estacion rias e estoc sticas normalidade e esfericidade dos erros e multicolinearidade Cada teste descrito mais detalhadamente em seus respectivos relat rios no modelo Procedimento e Abra o modelo de exemplo Risk Simulator
18. Real Options Valuation Risk Simulator Exemplos ou acessado diretamente em Risk Simulator Modelos de exemplo 3 3 An lise da s rie temporal A Figura 3 3 lista os oito modelos de s rie temporal mais comuns separados por sazonalidade e tend ncia Por exemplo se a vari vel de dados n o possuir tend ncia ou sazonalidade um modelo de m dia m vel simples ou de suaviza o exponencial simples seria suficiente No entanto se a sazonalidade existe mas nenhuma tend ncia discern vel est presente um modelo sazonal aditivo ou multiplicativo seria melhor etc Manual do Usu rio Risk Simulator 78 O 2005 2012 Real Options Valuation Inc Procedimento No Seasonality With Seasonality o t Seasonal S Single Moving Average EN e zZ Single Exponential Seasonal Smoothing Multiplicative Double Moving Holt Winter s E Average Additive o Double Exponential Holt Winter s z Smoothing Multiplicative Figura 3 3 Os oito m todos de s rie temporal mais comuns e Jnicie o Excel e abra os dados hist ricos se necess rio O exemplo abaixo usa o arquivo Previs o da s rie temporal na pasta de exemplos e Selecione os dados hist ricos os dados devem ser listados em uma nica coluna e Selecione Risk Simulator Previs o An lise da s rie temporal e Escolha o modelo a ser aplicado insira as suposi es relevantes e clique em OK Receita de vendas hist rica Trimestre Periodo N x a
19. Usando esses valores voc pode decidir qual per odo de tempo relevante para a an lise e definir suposi es com base nesses valores de m dia e desvio padr o usando a distribui o normal Essas suposi es podem ent o ser simuladas no seu pr prio modelo personalizado Manual do Usu rio Risk Simulator 87 O 2005 2012 Real Options Valuation Inc pt tda ce la stochastio ia l mae podera ocorrer crendo aleiros a0 kongo o lempo govemados por leis estallsticas e POSSE n HRN probabilisticas especificas Eles s o teis na previs o de eventos aleat rios por exemplo pre os de a es taxas de juros pre o de eletricidade Meiodos Valor inicial Taxa de crescimento 9 Movimento browniano caminho aleat rio com crescimento Movimento browniano exponencial caminho aleat rio com crescimento Processo de revers o m dia com crescimento Volatilidade anualizada Processo de difus o com salto com crescimento Prever horizonte anos Processo de difus o com salto com crescimento e revers o m dia Taxa de revers o Valor de longo prazo Taxa de salto Tamanho do salto Propaga o aleat ria Mostrar todas as itera es Atualizar gr ic Figura 3 9 Previs o de processo estoc stico Manual do Usu rio Risk Simulator 88 O 2005 2012 Real Options Valuation Inc Previs o de processo estoc stico Resumo est
20. digamos acima de 30 a distribui o t se aproxima da distribui o normal com m dia 0 e vari ncia 1 Requisitos de entrada Grau de liberdade gt 1 devendo ser um inteiro A distribui o triangular descreve uma situa o na qual voc sabe os valores m nimo m ximo e os mais prov veis MP de acontecer Por exemplo voc poderia descrever o n mero de carros vendidos por semana quando as vendas passadas mostrassem os n meros m nimo e m ximo e o n mero normal de carros vendidos Condi es As tr s condi es subjacentes distribui o triangular s o e O n mero m nimo de itens fixo e O n mero m ximo de itens fixo e O n mero mais prov vel de itens encontra se entre os valores m nimo e m ximo formando uma distribui o de formato triangular que mostra que os valores perto do m nimo e do m ximo t m menor chance de ocorr ncia do que aqueles perto do valor mais prov vel MP Os construtos matem ticos da distribui o triangular s o os seguintes 2 x Min Max Min MP min 2 Max x Max MinX Max MP para Min lt x lt Mais provavel fe para Mais provavel lt x lt Max m dia Min MP Max 1 desvio padr o Ji Min MP Max Min Max Min MP Max MP Manual do Usu rio Risk Simulator 69 O 2005 2012 Real Options Valuation Inc Distribui o uniforme Distribui o de Weibull distribui o de Rayleigh dbliq
21. importante j que a capacidade para testar valores extremos melhor do que perturba es menores ao redor dos valores esperados Em algumas circunst ncias valores extremos podem ter um impacto maior menor ou n o equilibrado por exemplo podem ocorrer n o linearidades onde houver aumento ou diminui o das economias de escala e imprevistos do escopo para valores maiores ou menores de uma vari vel e somente uma faixa mais ampla captura esse impacto n o linear Modelo de fluxo de caixa descontado Ano base 2005 Soma dos benef cios l qu 1 896 63 Taxa de desconto ajustada pelo risco de r 15 00 Soma dos investimentos 1 800 00 Taxa de desconto de risco privado 5 00 Valor presente l quido 96 63 Taxa anualizada de crescimento de venda 2 00 Taxa de retorno interna 18 80 Taxa de eros o dos pre os 5 00 Retorno do investimento 5 37 Taxa de juros efetiva 40 00 2005 2006 2007 2008 2009 Pre o m dio do produto A Pre o m dio do produto B Pre o m dio do produto C Quantidade do produto A Quantidade do produto B Quantidade do produto C Receita total Custo dos bens vendidos Lucro bruto Despesas operacionais Custos de vendas gerais e admin 16 39 Rendimento operacional EBITDA 837 82 802 83 768 75 735 54 Deprecia o Amortiza o EBIT Pagamentos de juros EBT jape Rendimento l quido Deprecia o Altera o no capital de giro l quido Despesas de capital Fluxo de caixa livre 528 24 506 69
22. lculo de melhor ajuste suficiente para garantir o uso de uma previs o de processo estoc stico e se assim for se um modelo de caminho aleat rio de revers o m dia de difus o com salto ou de combina es deles Ao escolher o modelo de processo estoc stico correto voc precisa confiar em suas experi ncias passadas e as expectativas econ micas e financeiras a priori que melhor representam o conjunto de dados subjacentes Esses par metros podem ser inseridos em uma previs o de processo estoc stico Risk Simulator Previs o Processos estoc sticos Peri dico Taxa de crescimento 1 48 Taxa de revers o 283 89 Taxa de salto 0 204082 Volatilidade 88 84 Valor de longo prazo 327 72 Tamanho do salto 237 89 Probabilidade de ajuste do modelo estoc stico 46 48 um alto ajuste significa que um modelo estoc stico melhor que os modelos convencionais Execu es 20 Normal padr o 1 7321 Positivo 25 P valor unicaudal 0 0416 Negativo 25 P valor bicaudal 0 0833 Execu o esperada 26 Um p valor baixo abaixo de 0 10 0 05 0 01 significa que a sequ ncia n o aleat ria e portanto apresenta problemas estacion rios e um modelo ARIMA pode ser mais apropriado Inversamente p valores mais altos indicam aleatoriedade e modelos de processo estoc stico podem ser apropriados Figura 5 26 Estimativa de par metro do processo estoc stico necess rio ter aten o neste ponto A calibra o dos par metros estoc
23. o dispon veis no Risk Simulator incluindo EGARCH EGARCH T GARCH M GJR GARCH GJR GARCH T IGARCH e T GARCH A curva J ou curva de crescimento exponencial na qual o crescimento do pr ximo per odo depende do n vel do per odo atual e o aumento exponencial Isso significa que ao longo do tempo os valores aumentar o significativamente de um per odo para o outro Normalmente esse modelo usado para prever o crescimento biol gico e rea es qu micas ao longo do tempo Uma cadeia de Markov existe quando a probabilidade de um estado futuro depende de um estado anterior e quando unidos formam uma cadeia se reverte a um n vel de estado est vel no longo prazo Essa abordagem usada para prever a participa o de mercado de dois concorrentes Os valores de entrada obrigat rios s o a probabilidade inicial de um cliente na primeira loja o primeiro estado retornar mesma loja no pr ximo per odo comparada com a probabilidade de mudar para uma loja concorrente no pr ximo estado A estimativa de m xima verossimilhan a MLE usada para prever a probabilidade de que algo ocorra dado algumas vari veis independentes Por exemplo usa se a MLE para prever se uma linha de cr dito ou d bito ficar inadimplente dado as caracter sticas do devedor 30 anos de idade solteiro sal rio de 100 000 por ano e d vida total no cart o de cr dito de 10 000 ou a probabilidade de um paciente desenvolver c ncer de pulm o se for um
24. o de processo estoc stico Risk Simulator Previs o Processos estoc sticos Anualizado Taxa de crescimento 4 80 Taxa de revers o N A Taxa de salto 14 29 Volatilidade 152 56 Valor de longo prazo 21772 52 Tamanho do salto 32960 71 Probabilidade de ajuste do modelo estoc stico 54 62 Os valores s o anualizados Os valores s o peri dicos Figura 5 33 Relat rio da ferramenta An lise estat stica da amostra estimativa do par metro estoc stico 5 10 Ferramenta An lise da distribui o Esta uma ferramenta de probabilidade estat stica do Risk Simulator que muito til em diversas situa es e pode ser usada para calcular a fun o densidade de probabilidade FDP tamb m chamada de fun o de probabilidade de massa PMF para distribui es discretas usaremos esses termos de maneira intercambi vel na qual dadas algumas distribui es e seus par metros pode se determinar a probabilidade da Manual do Usu rio Risk Simulator 162 O 2005 2012 Real Options Valuation Inc ocorr ncia considerados um resultado x Al m disso a fun o distribui o acumulada FDA tamb m pode ser calculada que a soma dos valores PDF at esse valor x Por fim a fun o de distribui o acumulada inversa IFDA usada para calcular o valor x dada a probabilidade cumulativa de ocorr ncia Essa ferramenta est dispon vel em Risk Simulator Ferramentas An lise da distribui o Como exempl
25. o multidimensional por exemplo se voc vincular os par metros de entrada da suposi o a outra c lula que seja uma suposi o ser o simuladas as entradas ou a simula o portanto lembre se de selecionar esta op o A simula o din mica s funciona se as entradas est o vinculadas a outros valores de entrada alter veis Em E Bernoulli Distribui o uniforme o A Nome da suposi o G9 Custo M nimo 0 85 E M ximo 1 25 Er Triangular A LM Personalizar Entrada normal D Entrada de percentil F Habilitar limite de dados M nimo Com a distribui o uniforme todos os valores entre o m nimo e o m ximo valores m nimo e m ximo s o fixos representando os dois par metros de distribui o DE LS ocorrem com a mesma probabilidade Os G8 Receita Infinity E Infinity E Z Habilitar simula es din micas Modelo est tico e M ximo Definir resultados de previs o Manual do Usu rio Risk Simulator 23 Figura 2 4 Propriedades da suposi o Nota Se voc estiver acompanhando com o exemplo continue definindo outra suposi o na c lula G9 Desta vez use a distribui o Uniforme com os valores m nimo 0 85 e m ximo 1 25 Em seguida defina os resultados de previs o na pr xima etapa A pr xima etapa definir os resultados de previs o no modelo As previs es s podem ser definidas em c lulas de resultado com eq
26. poss vel vincular o modelo c lula do resultado do modelo Excel ou pode definir hip teses de distribui o de probabilidade para executar as simula es e Verajanela Propriedades do N est dispon vel no menu Editar e as propriedades do n selecionado ser o atualizadas quando um n for selecionado e O m dulo de Arvore de Decis o tamb m vem com as seguintes an lises avan adas o Modelagem de Simula o Monte Carlo nas rvores de Decis o o An lise Bayesiana para a obten o de probabilidades a posteriori Manual do Usu rio Risk Simulator 194 O 2005 2012 Real Options Valuation Inc Valor Esperado da Informa o Perfeita An lise MINIMAX e MAXIMIN Perfis de Risco e Valor da Informa o Imperfeita o An lise de Sensibilidade o o An lise de Cen rio An lise de Fun o de Utilidade O 5 27 2 Modelagem da Simula o Essa ferramenta executada a simula o de Risco Monte Carlo na rvore de Decis o Figura 5 62 Esta ferramenta permite que voc defina os par metros de entrada das distribui es de probabilidade para a execu o de simula es Voc tanto pode definir um pressuposto para o n selecionado ou definir um novo pressuposto e usar este novo pressuposto ou usar o previamente criado pressupostos em uma equa o num rica ou f rmula Por exemplo voc pode definir um novo pressuposto chamado Normal p ex distribui o normal com uma m dia de 100 e desvio padr o de
27. previs es qualitativas s o usadas quando h poucos ou nenhum dado hist rico contempor neo ou comparativo H v rios m todos qualitativos como a abordagem Delphi ou de opini o de especialista uma previs o de cria o de consenso por peritos na rea especialistas de marketing ou membros da equipe Manual do Usu rio Risk Simulator 73 O 2005 2012 Real Options Valuation Inc interna suposi es de gerenciamento metas de taxa de crescimento definidas pela alta administra o bem como pesquisas de mercado dados externos ou vota es e pesquisas dados obtidos por meio de terceiros ndices setoriais e da ind stria ou de pesquisas de mercado ativas Essas estimativas podem ser estimativas de ponto nico um consenso m dio ou um conjunto de valores de previs o uma distribui o de previs es A ltima pode ser inserida no Risk Simulator como uma distribui o personalizada e as previs es resultantes podem ser simuladas Ou seja uma simula o n o param trica usando os pontos de dados estimados como a distribui o Na parte quantitativa da previs o os dados dispon veis ou dados que precisam ser previstos podem ser divididos s ries temporais valores que t m um elemento temporal como receitas de anos diferentes ndices de infla o taxas de juros participa o no mercado taxas de falha etc dados cruzados valores que independem do tempo como a m dia nacional das notas dos universit rios do segun
28. rio de simula o da amostra 5 7 Criar relat rio Depois de executar uma simula o voc pode gerar um relat rio das suposi es previs es e dos resultados obtidos durante a execu o da simula o Manual do Usu rio Risk Simulator 149 O 2005 2012 Real Options Valuation Inc Procedimento Abra ou crie um modelo defina suposi es e previs es e execute a simula o Selecione Risk Simulator Criar relat rio Simula o Modelo de simula o Geral N mero de tentativas 1000 Parar a simula o em cas N o Propaga o aleat ria 123456 Habilitar correla es Sim Suposi es Nome D8 Receita Nome D9 Custo Nome G8 Receita Habilitado Sim Habilitado Sim Habilitado Sim C lula D 8 C lula D 9 C lula G 8 Simula o din mica N o Simula o din mica N o Simula o din mica N o Faixa Faixa Faixa M nimo Infinity M nimo Infinity M nimo Infinity M ximo Infinity M ximo Infinity M ximo Infinity Distribui o Normal Distribui o Normal Distribui o Normal M dia 200 M dia 100 M dia 200 Desvio padr o 20 Desvio padr o 10 Desvio padr o 20 Previs es Nome Rendimento A N mero de pontos de dad 1000 Habilitado Sim M dia 100 5485 C lula D 10 Mediana 100 4388 Desvio padr o 21 6421 Precis o de previs o Vari ncia 468 3797 N vel de precis o Coeficiente de varia o 0 2152 N vel de erro M ximo 167 0852 M nimo 38 8005 Faixa 128 2848
29. sticos mostra todos os par metros para todos os processos e n o distingue qual processo melhor pior ou mais apropriado para uso Essa determina o cabe ao usu rio Por exemplo se h uma taxa de revers o de 283 provavelmente um processo de revers o m dia ser inapropriado ou dada uma elevada taxa de salto de digamos 100 isso significa que um processo de difus o com salto provavelmente n o apropriado e assim por diante Al m disso a an lise n o pode determinar o que a vari vel e qual a fonte dos dados Por exemplo se os dados brutos s o dos pre os de a es hist ricos s o pre os hist ricos de eletricidade taxas de infla o ou movimento molecular de part culas subat micas etc Apenas o usu rio poderia saber e assim usando um conhecimento e teoria pr vios seria capaz de escolher o processo correto para o uso por exemplo os pre os de a es tendem a seguir o caminho aleat rio do movimento browniano ao passo que as taxas de infla o seguem um processo de revers o m dia ou talvez um processo de difus o com salto seja mais apropriado caso voc esteja prevendo o pre o da eletricidade Existe multicolinearidade quando h uma rela o linear entre as vari veis independentes Quando isso acontece a equa o de regress o n o pode ser estimada Em situa es de colinearidade pr xima a equa o de regress o estimada ser polarizada e fornecer resultados imprecisos Essa situa
30. uma medida de erro absoluto que eleva os erros ao quadrado a diferen a entre os dados hist ricos reais e os dados ajustados previs o previstos pelo modelo para evitar que os erros positivos e negativos cancelem um aos outros Essa medida tamb m tende a exagerar erros grandes pois eleva seu peso ao quadrado e assim atribui um peso maior do que a erros pequenos o que pode ajudar na compara o de modelos de s ries temporais diferentes A REQM a raiz quadrada do EQM e a medida de erro mais popular tamb m conhecida como fun o perda quadr tica A REQM pode ser definida como a m dia dos valores absolutos dos erros de previs o e muito apropriada quando o custo desses erros proporcional ao seu tamanho absoluto A REQM usada como o crit rio para sele o do modelo de s ries temporais mais adequado O erro m dio percentual absoluto MAPE uma estat stica de erro relativo medida como uma m dia do erro percentual dos pontos de dados hist ricos e mais adequada quando o custo do erro de previs o est relacionado mais intimamente ao erro percentual do que ao tamanho num rico do erro Por ltimo uma medida associada a estat stica U Theil que mede a ingenuidade da previs o do modelo Ou seja se a estat stica U Theil for menor do que 1 0 ent o o m todo de previs o usado fornecer uma estimativa que estatisticamente melhor do que um palpite Per odo Real Ajuste de previs o Medidas de erro 1 684
31. 10 e executar uma simula o na rvore de decis o ou usar esta hip tese em uma equa o como 100 Normal 15 25 5 27 3 An lise Bayesiana Esta ferramenta de an lise bayesiana Figura 5 63 pode ser feita com quaisquer dois eventos incertos que est o ligados por um caminho No exemplo direita as incertezas A e B est o ligadas onde na linha do tempo o evento A ocorre primeiro e o evento B ocorre ap s o primeiro O evento A uma Pesquisa de Mercado com dois resultados possiveis Favor vel ou Desfavor vel O segundo evento B est associado s Condi es de Mercado tamb m com dois resultados Forte e Fraco Esta ferramenta usada para calcular as probabilidades Bayesianas conjunta marginal e a posteriori informado as probabilidades a priori e as probabilidades condicionais ou as probabilidades condicionais podem ser calculadas quando voc tem as probabilidades a posteriori condicionais Selecione abaixo a an lise desejada e clique em Carregar Exemplo para ver uma amostra das entradas correspondente an lise selecionada e os resultados na grade direita bem como quais resultados s o utilizados como insumos na rvore de decis o da figura e PASSO 1 Entre com os nomes do primeiro e segundo evento de incerteza e escolha quantos eventos probabil sticos ou estados da natureza ou resultados cada evento tem e PASSO 2 Entre com os nomes de cada evento de probabil stico ou resultado e PASSO
32. 152 158 vendas 46 49 69 74 77 82 100 154 srias 6 10 13 16 18 22 24 31 36 39 44 S oa R E T a volatilidade 11 17 76 87 101 102 112 125 126 135 136 140 143 154 158 159 156 206 181 206 208 211 213 214 Weibull 11 70 71 138 177 205 207 vari veis de decis o 9 10 12 110 111 112 Weibull e Rayleigh multiplicativa deslocada 113 114 117 118 121 122 123 125 126 7I 206 211 vari vel de decis o 110 111 112 113 114 117 118 122 123 124 125 206 Manual do Usu rio Risk Simulator 220 2005 2012 Real Options Valuation Inc
33. 2 80 Figura 3 19 Cadeias de Markov troca de regimes 3 13 Modelos de M xima Verossimilhan a MLE em logit probit e tobit As vari veis dependentes limitadas descrevem a situa o na qual a vari vel dependente cont m dados limitados em escopo e faixa como uma resposta bin ria 0 ou 1 dados truncados ordenados ou censurados Por exemplo conhecido um conjunto de vari veis independentes por exemplo idade renda n vel de educa o de titulares de cart o de cr dito ou mutu rios da casa pr pria podemos modelar a probabilidade de inadimpl ncia usando o MLE estimador de m xima verossimilhan a A resposta ou vari vel dependente Y bin ria ou seja s pode ter dois resultados poss veis que ser o indicados como 1 e O por exemplo Y pode representar a presen a aus ncia de uma determinada condi o adimpl ncia inadimpl ncia em empr stimos anteriores sucesso falha de alguns dispositivos respostas sim n o em uma pesquisa etc H ainda um vetor de Manual do Usu rio Risk Simulator 104 O 2005 2012 Real Options Valuation Inc regressores X da vari vel independente que supostamente influenciam o resultado Y Uma abordagem t pica de regress o dos quadrados m nimos inv lida porque os erros de regress o s o heterosced sticos e anormais e as estimativas de probabilidade esperadas resultantes retornar o valores absurdos maiores do que 1 ou menores do que 0 A an lise MLE trata esses p
34. 2005 2012 Real Options Valuation Inc A z c D E E Moo 1 2 Modelo de fluxo de caixa descontado ROI 3 4 Ano base 2009 Soma dos beneficios liquidos de VP 4 762 09 Tipo de desc 5 Ano inicial 2009 Soma dos investimentos de VP 1 634 22 Taxa de desconto ajustada pelo risco de mercad 15 00 Valor presente liquido AJA Tipo de modt T Taxa de desconto de risco privado 5 00 Taxa de retomo interna 55 68 8 Taxa de crescimento do periodo terminal 2 00 Retomo do investimento 191 40 9 Taxa de juros efetiva 40 00 ndice de probabilidade 2 91 1 8 E An lise de cen rio 2013 12 Pre o unit rio m dio do produto A Comece inserindo os endere os de c lula para as vari veis de teste de entrada e sa da 13 Pre o unit rio m dio do produto B por exemplo A1 13 25 14 Pre o unit rio m dio do produto C Local da vari vel de sa da as E Opcionai 15 75 15 Quantidade vendida do produto A milhares Primeira vari vel de entrada Segunda vari vel de entrada 5 50 00 16 Quantidade vendida do produto B milhares para testar c9 Bi para testar c12 Bi 35 00 17 Quantidade vendida do produto C milhares Em seguida insira os valores inicial e final e o n mero de etapas ou o tamanho do incremento 20 00 18 Receita total para testar 1 378 75 1 415 50 19 Custo direto dos bens vendidos Vari vel 1 Vari vel 2 E 30 206 81 212 33 20 Lucro bruto Valor iricial Valor inicial m 70 1 17
35. 3 Entre com o segundo evento de probabilidade a priori e a probabilidade condicional para cada evento ou resultado As probabilidades devem somar 100 Manual do Usu rio Risk Simulator 195 2005 2012 Real Options Valuation Inc 5 27 4 Valor Esperado da Informa o Perfeita An lise Minimax e Maximin Perfis de Risco e Valor da Informa o Imperfeita Esta ferramenta calcula o Valor Esperado da Informa o Perfeita VEIP An liseMinimax e Maximin bem como o Perfil de Risco e o Valor da informa o imperfeita Figura DT4 Para come ar insira o n mero de ramos de decis o ou estrat gias em considera o por exemplo construir uma grande instala o m dia ou pequena instala o e o n mero de eventos incertos ou resultados dos estados da natureza por exemplo mercado bom mercado ruim e digite as recompensas esperadas Payoffs em cada cen rio O Valor Esperado da Informa o Perfeita VEIP ou seja supondo que se tenha uma previs o perfeita e se saiba exatamente o que fazer atrav s de pesquisa de mercado ou outros meios para melhor discernir os resultados probabil sticos calcular se h valor adicionado em tais informa es isto se a pesquisa de mercado ir adicionar valor em compara o com estimativas probabil sticas mais ing nuas dos estados da natureza Para come ar insira o n mero de ramos de decis o ou de estrat gias em considera o p ex construir uma grande instala o m dia
36. 381 T 2 136 1 5 8 os FI 4 1 Nota Manual do Usu rio Risk Simulator 18308 1148 18068 7729 100484 16728 14630 4008 38327 22322 3m 3136 50508 28886 16336 13035 12373 16303 5227 19235 44457 44213 23619 3106 24917 3872 8945 2373 7128 23624 5242 92623 28735 4487 185 600 372 142 432 230 346 328 354 266 320 197 266 173 130 233 180 241 183 358 315 303 228 134 183 196 183 41r 233 349 284 433 231 143 o gt E E 3 665 2 351 23 76 3 294 3 287 0 666 12 338 6 478 1108 1 007 11 431 5 544 ENEG 2 478 3 685 4 22 1 228 4 781 6 016 9 295 4 375 2573 5 117 0 799 1578 1 202 1 103 7 73 1515 17 99 6 629 0 639 Figura 3 15 M dulo Econometria b sica Consulte o Cap tulo 9 para obter mais detalhes sobre a interpreta o de resultados de regress o e tamb m os resultados da an lise de econometria b sica Para executar um modelo econom trico selecione os dados B5 655 incluindo os cabe alhos e clique em Risk Simulator Previs o Econometria b sica Voc pode digitar as vari veis e suas modifica es para as vari veis dependentes e independentes Figura 8 15 Observe que apenas uma vari vel permitida como vari vel dependente Y enquanto pode se usar m ltiplas vari veis na se o Vari veis independentes X separadas por um Yponto e v rgula e fun es matem ticas b sicas podem ser usadas por exemplo LN LOG LAG
37. 8000 140 2823 0 4823 16 139 6000 140 2726 0 6726 17 139 6000 139 9775 0 3775 18 139 6000 140 1232 0 5231 19 140 2000 140 0513 0 1487 20 141 3000 140 9862 0 3138 21 141 2000 142 1738 0 9738 22 140 9000 141 4377 0 5377 23 140 9000 141 3513 0 4513 24 140 7000 141 3939 0 6939 25 141 1000 141 0731 0 0270 26 141 6000 141 8311 0 2311 27 141 9000 142 2065 0 3065 28 142 1000 142 4709 0 3709 29 142 7000 142 6402 0 0598 30 142 9000 143 4561 0 5561 31 142 9000 143 3532 0 4532 32 143 5000 143 4040 0 0960 33 143 8000 144 2784 0 4784 34 144 1000 144 2966 0 1966 35 144 8000 144 7374 0 0626 36 145 2000 145 5692 0 3692 37 145 2000 145 7582 0 5582 38 145 7000 145 6649 0 0351 39 146 0000 146 4605 0 4605 40 146 4000 146 5176 0 1176 41 146 8000 147 0891 0 2891 Figura 3 13 Relat rio de previs o ARIMA Box Jenkins Manual do Usu rio Risk Simulator 96 2005 2012 Real Options Valuation Inc Teoria Procedimento Nota sobre ARIMA e AUTOARIMA 3 8 AUTOARIMA s rie temporal avan ada Box Jenkins ARIMA Esta ferramenta fornece an lises id nticas ao m dulo ARIMA mas a diferen a que o m dulo AutoARIMA automatiza algumas das modelagens ARIMA tradicionais por meio do teste autom tico de v rias permuta es de especifica es do modelo e retorna o modelo de melhor ajuste A execu o de AutoARIMA semelhante execu o das previs es ARIMA normais A diferen a que as entra
38. 83 4 82 4 81 4 80 4 79 Notas Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Interpolar Extrapolar Extrapolar Extrapolar Extrapolar Extrapolar Estas s o as entradas de valores conhecidas no modelo de interpola o e extrapola o de spline c bico Observa o X conhecido Y conhecido 1 0 0833 4 55 2 0 2500 4 47 3 0 5000 4 52 4 1 0000 4 39 5 2 0000 4 13 6 3 0000 4 16 7 5 0000 4 26 8 7 0000 4 38 9 10 0000 4 56 10 20 0000 4 88 11 30 0000 4 84 Valores conhecidos Valores ajustados Figura 3 22 Resultados de previs o de spline 109 O 2005 2012 Real Options Valuation Inc 4 OTIMIZA O sta se o analisa o processo e as metodologias de otimiza o mais detalhadamente pois isso est relacionado ao uso do Risk Simulator Essas metodologias incluem o uso de otimiza o de valores inteiros cont nuos versus discretos bem como otimiza es est ticas din micas e estoc sticas 4 1 Metodologias de otimiza o H muitos algoritmos para executar otimiza o e h v rios procedimentos diferentes quando a otimiza o usada junto com a simula o Monte Carlo No Risk
39. Cen rios O Copyright 2005 2012 Dr Johnathan Mun Soo coco sa aQzZE Fun es de utilidade ou U x s o por vezes usados no lugar de valores esperados de Payoffs do terminal em uma rvore de decis o U x pode ser desenvolvido de duas maneiras usando a experimenta o tedioso e detalhada de cada resultado poss vel ou um m todo de extrapola o exponencial usado aqui Eles podem ser modelados por um tomador de decis o que avesso ao risco as desvantagens s o mais desastrosas ou dolorosas do que um potencial crescimento de igual valor o risco neutro as vantagens e desvantagens t m atratividade iguais ou amante do risco o potencial de upside mais atraente Digite o valor m nimo e m ximo esperado de retornos seu terminal e o n mero de pontos de dados no meio para calcular a curva de utilidade e a tabela M nimo valor m nimo esperado 34 00 M nimo valor de Payoff esperado para iniciar a gera o da curva de U x uig M ximo valor esperado 435 50 M ximo valor esperado para finalizar a gera o da curva U x 0 6798 0 0 7311 Pontos para obter U x 50 N mero de passos entre m ximo e m nimo U x E 0 8103 Se voc tivesse alternativa entre realizar uma aposta com a chance de 50 50 onde voc tanto ganha X ou perde X 2 0 1830 versus n o jogar e recebendo um retorno igual a 0 o que seria esse X ser Por exemplo se voc est indiferente entre 0 1978 uma aposta onde voc pode ganhar 100 ou perder 50 com
40. Dados brutos em uma nova planilha na qual os valores simulados suposi es e previs es podem ser salvos ou analisados posteriormente caso necess rio e Arquivo de texto simples que permitie exportar os dados para outro software de an lise de dados e Arquivo do Risk Simulator em que os resultados suposi es e previs es possam ser recuperados posteriormente selecionando Risk Simulator Ferramentas Abrir importar dados A op o mais comum a terceira op o Ela salva os resultados simulados como um arquivo risksim do qual os resultados podem ser recuperados N o necess rio executar novamente uma simula o toda vez A Figura 5 21 mostra a caixa de di logo para extrair ou exportar e salvar os resultados da simula o Extra o de dados A extra o de dados usada para obter os dados brutos gerados em uma simula o Os dados podem ser extra dos de suposi es e de previs es Em seguida poss vel manipular os dados brutos e executar uma an lise adicional se desejado Selecione os par metros para extrair Modelo de simula Rendimento A M dia Modelo de simula Rendimento A Desvio padr o Modelo de simula Rendimento A Obliquidade Modelo de simula Rendimento A Curtose Modelo de simula Rendimento B Modelo de simula Modelo de simula Modelo de simula Modelo de simula TETE Dados do Risk Simulator risksim 31 Arquivo de texto bd Figura 5 21 Relat
41. Decision Tree Op es Ajuda Licen a icone S ba q J AM pe po A A tt 24 HO Loe ETLCERE E EBAR EERBEBES Risk Valores de Resultado Executar Super ARIMA Auto Auto Econometria Spline GARCH Curvas Cadeiade M xima Extrapola o An lise de Processos S rieda Linhade L gica difusa Rede Pr ximo Simulator entrada de previs o r pida ARIMA econometria b sica c bico 15 Markov verossimilhan a n o linear regress o estoc sticos temporal tend ncia combinat ria neural cone Menu Suposi es e previs es Execu o da simula o Previs o cone x 29 HERE Za a ss FEEN o Risk rav Verificar Criar Dessatonaliza o Extra o Niagn stico An lisede Editar Ajuste Testede Bootstapn o Gr ficas PCA Testede agrupamento an lisede An lisede An ise Mudan a An lise Pr rimo Simulatore Ulster DecsionTree Modelo remt rio eteng ncia dedados decados distribui o comeia es mip teses param tico sobrepostos sazonalidade segmenta o sensbllicade cen rio estatistica estrutural tomado icone Menu V Uestats ROV D ton Tree Fermamen anal 4 kone 4 B a Gr EA O Beoecoe agg Risk Novo Alterar Definir valores Definir resultado Copiar Colar Remover Executar Executar simula o Redefinir Executar Definir Definir Definir Modelos de Manual do Pr ximo Simulator perfil perfil de entrada de previs o super r pida otimiza o objetivo decis o restri o exemplo usu rio cone Menu Perfil Suposi es e prev
42. Linear Trend Line Logarithmic Detrended Trend Line Logarithmic Trend Line Moving Average Detrended Trend Line Moving Average Trend Line Polynomial Detrended Trend Line Polynomial Trend Line Power Detrended Trend Line Power Trend Line Rate Detrended Trend Line Static Mean Detrended Trend Line Static Median Detrended Variance Population Variance Sample Volatility EGARCH Volatility EGARCH T Volatility GARCH Volatility GARCH M Volatility GJR GARCH Volatility GJR TGARCH Volatility Log Returns Approach Volatility TGARCH Volatility TGARCH M Yield Curve Bliss and Yield Curve Nelson Siegel Manual do Usu rio Risk Simulator 15 O 2005 2012 Real Options Valuation Inc 2 SIMULA O MONTE CARLO simula o Monte Carlo assim chamada devido ao famoso cassino no principado de M naco uma metodologia muito poderosa Para o exerc cio de uma profiss o a simula o abre as portas para a resolu o de problemas dif ceis e complexos ainda que pr ticos com grande facilidade A simula o Monte Carlo cria futuros artificiais gerando at milh es de caminhos de amostras de resultados e observa suas caracter sticas predominantes Para os analistas em uma empresa cursar disciplinas de matem tica avan ada no n vel de p s gradua o simplesmente n o l gico nem pr tico Um analista brilhante usaria todas as ferramentas dispon veis ao seu dispor para obter a mesma resposta da ma
43. Manual do Usu rio Risk Simulator 7 O 2005 2012 Real Options Valuation Inc DERRETE sa tfit E eg fF b O Objeto re PY D Decido e Novo Alterar Editat Defini valores Definir sesuitado Copiar Colar Remove Executar Simula o Por Redefmit Previs o Executar Ferramentas ROW rov Op es Ajuda Licen a Pr ximo peta peta pema deentrads geprens o super r pioa etaps e otmiza o Resto o anaitiast Distats Deasion Tree icone E tovo pemi se smuis o ba e previs es ta o Execu o da simula o Previs o Otimiza o Ferramentas ROV Uastats ROV Dection tres Co es Ajuda Ucen kone H Editar pertil de simula o ED altera pesti de simula o F G H J K t M N o P a R 5 T u v w ocre valores de entra Mm Define resultado de previs o O copiar pa mero games ss Modelosdeememplo E come par metro O Exscusotmea o MB 01 Mogeios avan ados de previs o Remover par metro DT cod cia Verificar Modelo E 02 Modelo b xico de simula o O Definit gbjel EEP SP Criar tabela de estatisticas de previs o BB 03 Smuia o coneiacionada Fegha todos os qr ticos D Definit decis o aA amp Crarrem ro 04 Modelo de eosreta o de efeito de riscos CC demas o Minimizar todos os gr ficos E mae Dessazonaniza o e supress o da tend ncia des dados 05 Modelo de estimata de custo Suk E ireto imaagio MOINHO Gen tic ortugu s Algormmo genetico Estrairiesportar dacot 0
44. N vel de satura o 3 155 13 739 a ida es Gerar curva de previs o com base nestes per odos l 14 12 17959 855 Per odo final 100 B 188 56 8 38 E ams aso mad 16 2823 1033 E T 229 20 10 31 18 240 66 1146 w Figura 3 16 Previs o de curva J Manual do Usu rio Risk Simulator 100 2005 2012 Real Options Valuation Inc Curva S log stica ent o medida que a competi o aumenta o crescimento diminui e para na maturidade Essas fun es encontram aplica es em v rias reas da biologia economia Por exemplo no desenvolvimento de um embri o um vulo fertilizado se divide e a contagem de c lulas cresce 1 2 4 8 16 32 64 etc Esse crescimento exponencial Mas o feto pode crescer somente at o ponto que o tero pode aguentar assim outros fatores come am a diminuir o aumento da contagem das c lulas e a taxa de crescimento diminui mas o beb continua crescendo evidentemente Depois de um tempo adequado a crian a nasce e continua crescendo Por fim a contagem de c lulas se estabiliza a altura da pessoa fica constante e o crescimento para na maturidade Os mesmos princ pios podem ser aplicados ao crescimento da popula o de animais ou humanos e penetra o do mercado e s receitas de um produto com uma explos o de crescimento inicial em penetra o do mercado mas com o tempo o crescimento diminui devido competi o e por fim o mercado entra em decl nio e amadurece 7 000
45. Resultados de otimiza o cont nua 4 3 Otimiza o com vari veis inteiras discretas s vezes as vari veis de decis o n o s o n meros inteiros cont nuos mas discretos por exemplo O e 1 Ou seja podemos usar tal otimiza o como bot es liga desliga ou decis es do tipo sim n o A Figura 4 4 ilustra um modelo de sele o de projeto que lista 12 projetos O exemplo usa o arquivoOtimiza o discreta dispon vel no menu Iniciar em Iniciar Real Options Valuation Risk Simulator Exemplos ou diretamente por meio de Risk Simulator Modelos de exemplo Como anteriormente cada projeto tem seus pr prios retornos VPLE para valor l quido atual expandido e e VPL para n o expandido o VPLE simplesmente o VPL mais quaisquer valores de op es estrat gicas reais custos de implementa o riscos etc Se necess rio este modelo pode ser modificado para incluir equival ncias de per odo integral necess rias FTE e outros recursos de v rias fun es podendo se definir restri es adicionais nesses recursos adicionais As entradas neste modelo geralmente s o vinculadas a outros modelos de planilha Por exemplo cada projeto ter seu pr prio fluxo de caixa descontado ou modelo de retorno do investimento O uso para maximizar a raz o de Sharpe do portf lio de acordo com alguma aloca o de or amento poss vel criar muitas outras vers es do modelo por exemplo maximizando os retornos do portf lio minimizando os ri
46. Simulator h tr s procedimentos de otimiza o e tipos de otimiza o distintos al m de diferentes tipos de vari veis de decis o Por exemplo o Risk Simulator pode lidar com Vari veis de decis o cont nuas 1 2535 0 2215 etc Vari veis de decis o inteiras como 1 2 3 4 ou 1 5 2 5 3 5 etc Vari veis de decis o bin rias 1 e O para decis es de continuar ou n o e Vari veis de decis o mistas vari veis inteiras e cont nuas Al m disso o Risk Simulator pode lidar com otimiza es lineares como quando o objetivo e as restri es s o fun es e equa es lineares e com otimiza es n o lineares como quando os objetivos e as restri es s o uma mistura de fun es e equa es lineares e n o lineares No que diz respeito ao processo de otimiza o o Risk Simulator pode ser usado para executar uma otimiza o discreta ou seja uma otimiza o que executada em um modelo discreto ou est tico no qual nenhuma simula o executada Em outras palavras todas as entradas no modelo s o est ticas e n o se alteram Esse tipo de otimiza o se aplica quando se sup e que o modelo seja conhecido e n o h nenhuma incerteza Al m disso uma otimiza o discreta pode ser executada primeiro para determinar o portf lio timo e a aloca o tima de vari veis de decis o correspondentes antes de aplicar procedimentos de otimiza o mais avan ados Por exemplo antes de executar um problema de otimiza
47. Volatilidade EGARCH Volatilidade EGARCHT Volatilidade GARCH Volatilidade GARCH M Volatilidade GJR GARCH Volatilidade GJR TGARCH p Volatilidade TGARCH Volatilidade TGARCH M Sa ETAPA 4 Salvar opcional Voc pode salvar v rias an lises e notas no perfil para consultar posteriormente lt Valor inicial Taxa de crescimento anualizada Volatilidade anualizada Bro i Me a Stdev Sample Stepwise Regression Backward Stepwise Regression Correlation Stepwise Regression Forward Stepwise Regression Forward Backward Stochastic Process Exp Brownian Motion Stochastic Process Geometric Brownian Moton S Stochastic Process Jump Diffusion Stochastic Process Mean Reversion Stochastic Process Mean Reverting Jump Diffusion PORE e Figura 5 53 ROV BizStats visualiza o de dados e gr ficos de resultados Manual do Usu rio Risk Simulator 184 2005 2012 Real Options Valuation Inc ETAPA 1 Dados Insira manualmente os dados cole os de outro aplicativo par metros obrigat rios consulte ou carregue um conjunto de dados de exemplo com an lise as entradas de par metro de exemplo abaixo Conjunto de dados Visualizar Comando V Executar comendo Exibi o Em ordem alfab tica VARS VART VARS VARS VA 1 Autoeconometriadetalhada VARS amp VARG VAR7 VAR8 0 1 0 An lise do componente principal a 2 AN
48. aloca o de ativos e problemas de otimiza o nos quais temos a m dia dividida pelo desvio padr o do portf lio ent o esta abordagem deve ser usada O processo de otimiza o estoc stica ao contr rio semelhante ao procedimento de otimiza o din mica com exce o de que todo o processo de otimiza o din mica repetido T vezes Isto executa se uma simula o com N tentativas e em seguida uma otimiza o com M itera es para obter os resultados timos Depois o processo replicado T vezes O resultado ser um gr fico de previs o para cada vari vel de decis o com T valores Em outras palavras uma simula o executada e a previs o ou as estat sticas de suposi o s o usadas no modelo de otimiza o para encontrar a aloca o ideal das vari veis de decis o Em seguida outra simula o executada gerando estat sticas de previs o diferentes e esses valores atualizados s o otimizados e assim por diante Assim as vari veis de decis o final ter o cada uma seu pr prio gr fico de previs o indicando a faixa tima das vari veis de decis o timas Por exemplo em vez de obter estimativas de um nico ponto no processo de otimiza o din mica agora voc pode obter uma distribui o das vari veis de decis o e assim uma faixa de valores timos para cada vari vel de decis o tamb m conhecido como otimiza o estoc stica Por ltimo um procedimento de otimiza o de fronteira e
49. amig vel H quatro conjuntos de cones que se ajustam maioria das resolu es de tela 1280 x 760 ou melhor 14 Menus de atalho acesse todas as ferramentas e menus do Risk Simulator clicando com o bot o direito do mouse 15 Integra o com softwares da ROV funciona bem com outros softwares da ROV incluindo o Real Options SLS o Modeling Toolkit o Basel Toolkit o ROV Compiler o ROV Extractor and Evaluator o ROV Modeler o ROV Valuator o ROV Optimizer o ROV Dashboard o ESO Valuation Toolkit entre outros 16 Fun es RS no Excel fun es RS para configurar suposi es e previs es e suporte a cliques com o bot o direito do mouse no Excel 17 Solu o de problemas esta ferramenta permite reabilitar o software verificar os requisitos do sistema obter a ID do hardware entre outros 18 Turbo Speed Analysis este novo recurso executa previs es e outras ferramentas de an lise em velocidades alt ssimas aprimorado na vers o 5 2 A an lise e os resultados permanecem os mesmos mas agora s o calculados e geram relat rios muito rapidamente 19 Recursos da Web estudos de caso e v deos baixe gratuitamente modelos v deos de introdu o estudos de caso whitepapers e outros materiais no nosso site 1 4 3 M dulo de Simula o 20 Seis geradores de n meros aleat rios gerador subtrativo avan ado ROV gerador de embaralhamento aleat rio subtrativo gerador de embaralhador de longo per odo gerado
50. bolas de golfe de uma grande cesta repetidamente com reposi es O tamanho e a forma da cesta depende das suposi es da distribui o por exemplo uma distribui o normal com uma m dia 100 e um desvio padr o 10 comparada com uma distribui o uniforme ou triangular em que algumas cestas s o mais fundas ou mais sim tricas do que outras permitindo que certas bolas sejam tiradas com mais frequ ncia do que outras O n mero de bolas tiradas repetidamente depende do n mero de tentativas simuladas Para um modelo grande com v rias suposi es relacionadas imagine o modelo grande como uma cesta muito grande com muitas cestas menores dentro Cada cesta menor tem seu pr prio conjunto de bolas que est o se movimentando Algumas vezes essas cestas menores est o juntas umas das outras se houver uma correla o entre as vari veis e as bolas de golfe est o se movimentando em pares enquanto outras se movimentam independentemente umas das outras As bolas que s o retiradas de cada vez dessas intera es dentro do modelo a cesta maior s o tabuladas e registradas fornecendo o resultado de previs o da simula o Com a simula o Monte Carlo o Risk Simulator gera valores aleat rios para cada distribui o de probabilidade de suposi o que s o totalmente independentes Em outras palavras o valor aleat rio selecionado para uma tentativa n o afeta o pr ximo valor aleat rio gerado Use a amostragem Monte Carlo quando quiser simul
51. caso h uma probabilidade de 59 70 de a renda ser menor ou igual a 1 Figura 2 12 Avalia o da probabilidade do gr fico de previs o Para garantir a integridade selecione o tipo de probabilidade Cauda direita gt insira o valor 1 na caixa de entrada de valor e pressione a tecla TAB A probabilidade resultante indicar a probabilidade de cauda direita depois do valor 1 ou seja a probabilidade de a renda exceder 1 Nesse caso percebe se que h uma probabilidade de 40 30 de a renda exceder 1 A soma de 59 70 e 40 30 evidentemente 100 a probabilidade total abaixo da curva Rendimento Previs o do Risk Simulator S S Histograma Vis o Global Figura 2 13 Avalia o da probabilidade do gr fico de previs o Manual do Usu rio Risk Simulator 30 2005 2012 Real Options Valuation Inc DICAS e Para redimensionar a janela de previs o clique no canto inferior direito da janela e arraste recomend vel redefinir a simula o atual sempre antes de executar uma simula o novamente Para fazer isso selecione Risk Simulator Redefinir simula o e Pressione a tecla TAB para atualizar o gr fico e os resultados quando inserir os valores de certeza ou valores de cauda direita e esquerda e Voc tamb m pode pressionar a barra de espa o repetidamente para alternar entre as guias Histograma Estat sticas Prefer ncias Op es e Controle e Al m disso se vo
52. comparar par metros diferentes da mesma distribui o por exemplo as formas e os valores de FDP FDA e IFDA de uma distribui o Weibull com alfa e beta iguais a 2 2 3 5 e 3 5 8 e sobrep los um ao outro e Gr ficos sobrepostos usada para comparar distribui es diferentes valores de entrada te ricos e previs es de sa da emp ricas simuladas e sobrep las uma outra para uma compara o visual DICAS fronteira eficiente e Vari veis de fronteira eficiente para acessar as vari veis de fronteira primeiro defina as restri es do modelo antes de configurar as vari veis de fronteira DICAS c lulas de previs o e C lulas de previs o sem equa o voc pode definir previs es de sa da em c lulas sem equa es ou valores basta ignorar a mensagem de aviso mas lembre se de que o gr fico de previs o resultante estar vazio As previs es de sa da s o tipicamente definidas em c lulas vazias quando h macros para serem calculadas e a c lula ser continuamente atualizada Manual do Usu rio Risk Simulator 207 O 2005 2012 Real Options Valuation Inc DICAS gr ficos de previs o e Tab versus barra de espa o pressione Tab no teclado para atualizar o gr fico de previs o e obter os percentis e os valores de confian a depois de inserir algumas entradas Pressione a barra de espa o para alternar entre as v rias guias no gr fico de previs o e Exibi o normal versus exibi o glob
53. de 0 5565 e outros 5 de probabilidade de que a renda esteja acima de 1 3423 Ou seja o intervalo de confian a bicaudal um intervalo sim trico centrado na mediana ou no valor do 50 percentil Dessa forma ambas as caudas ter o a mesma probabilidade Figura 2 10 Intervalo de confian a bicaudal do gr fico de previs o Como alternativa pode se calcular uma probabilidade unicaudal A Figura 2 11 mostra a sele o da cauda esquerda com 95 de confian a por exemplo escolha o tipo Cauda esquerda lt insira 95 como o n vel de certeza e pressione a tecla TAB Isso significa que h uma probabilidade de 95 de o rendimento estar abaixo de 1 3423 ou uma probabilidade de 5 de que a renda esteja acima de 1 3423 correspondendo perfeitamente aos resultados vistos na Figura 2 10 Figura 2 11 Intervalo de confian a unicaudal do gr fico de previs o Al m de avaliar qual o intervalo de confian a ou seja dado um n vel de probabilidade e encontrando os valores de renda relevantes voc pode Manual do Usu rio Risk Simulator 29 O 2005 2012 Real Options Valuation Inc determinar a probabilidade de uma renda espec fica Por exemplo qual a probabilidade de a renda ser menor ou igual a 1 Para fazer isso selecione o tipo de probabilidade Cauda esquerda lt insira 1 na caixa de entrada de valor e pressione a tecla TAB A certeza correspondente ser calculada Nesse
54. dia p desvio padr o pap e E P JPG p 6p 6p 1 curtose excessiva p p Probabilidade de xito p o nico par metro de distribui o Al m disso importante observar que h apenas uma tentativa na distribui o Bernoulli e o valor simulado resultante ser 0 ou 1 Requisitos de entrada Probabilidade de xito gt 0 e lt 1 ou seja 0 0001 lt p lt 0 9999 Manual do Usu rio Risk Simulator 45 2005 2012 Real Options Valuation Inc Distribui o binomial Distribui o binomial negativa A distribui o binomial descreve quantas vezes um determinado evento ocorre em um n mero fixo de tentativas como o n mero de caras em 10 rodadas de cara ou coroa ou o n mero de itens defeituosos entre 50 itens escolhidos Condi es As tr s condi es subjacentes distribui o binomial s o e Para cada tentativa apenas dois resultados s o poss veis e mutuamente exclusivos e As tentativas s o independentes o que acontece na primeira tentativa n o afeta a pr xima tentativa e A probabilidade de um evento ocorrer permanece a mesma de uma tentativa para outra Os construtos matem ticos da distribui o binomial s o os seguintes P x n p l p paran gt 0 x 0 1 2 n5e0 lt p lt l x n x m dia np desvio padr o Jnp l p obliquidade A npl p 6p 6p 1 curtose excessiva np l p A probabilidade de xito p e o n mero i
55. dispers o dos pontos de dados acima e abaixo da linha ou do plano de regress o Esse valor usado como parte do c lculo para obter o intervalo de confian a das estimativas depois O AIC e o SC s o frequentemente usados na sele o de modelos O SC imp e uma penalidade maior para coeficientes adicionais Geralmente o usu rio deve selecionar um modelo com o valor mais baixo de AIC e SC Aestat stica de Durbin Watson mede a correla o serial nos residuais Em geral DW menor do que 2 implica uma correla o serial positiva Resultados da regress o Intercepta o AR 1 MA 1 Coeficientes 0 0626 1 0055 0 4936 Erro padr o 0 3108 0 0006 0 0420 Estat stica t 0 2013 1691 1373 11 7633 P valor 0 8406 0 0000 0 0000 5 mais baixos 0 4498 1 0065 0 5628 95 mais altos 0 5749 1 0046 0 4244 Graus de liberdade Teste de hip teses Graus de liberdade para regress o 2 Estat stica tcr tica 99 de confian a com dfigual a 432 2 5873 Graus de liberdade para residual 432 Estat stica t cr tica 95 de confian a com df igual a 432 1 9655 Total de graus de liberdade 434 Estat stica t cr tica 90 de confian a com df igual a 432 1 6484 Os coeficientes fornecem a intercepta o e a inclina o estimadas da regress o Por exemplo os coeficientes s o estimativas dos verdadeiros valores da popula o b nesta equa o de regress o Y b0 b1X1 b2X2 bnXn O erro padr o mede a precis o dos coeficientes previstos e as est
56. do escopo deste manual Para obter mais detalhes consulta Modeling Risk 2 edi o Applying Monte Carlo Simulation Real Options Analysis Stochastic Forecasting and Portfolio Optimization de Dr Johnathan Mun Wiley Finance 2010 que tamb m criou o software the Risk Simulator Apesar disso listamos a seguir algumas abordagens mais comuns Todas as outras abordagens de previs o podem ser aplicadas sem dificuldades com o Risk Simulator A seguir fornecida uma r pida revis o de cada metodologia e diversos exemplos simples para come ar a usar o software Descri es mais detalhadas e modelos de exemplos de cada t cnica s o encontradas ao longo deste cap tulo e do pr ximo M dia m vel integrada autorregressiva ARIMA tamb m conhecida como ARIMA Box Jenkins uma t cnica de modelagem econom trica avan ada ARIMA observa dados hist ricos de s ries temporais e executa rotinas de otimiza o de retroajuste para explicar a autocorrela o hist rica a rela o de um valor em oposi o a outro no tempo a estabilidade dos dados para corrigir as caracter sticas n o estacion rias dos dados Este modelo de previs o aprende com o tempo corrigindo seus erros de previs o Normalmente necess rio ter conhecimento avan ado em econometria para construir bons modelos de previs o usando esta abordagem O modelo AutoARIMA automatiza algumas das modelagens ARIMA tradicionais testando automaticamente v rias permuta es de e
57. empo por ermelo me de 289 10 29130 bed a a oia 290 10 292 30 Vari vel de s rie temporal B5 B440 E 292 30 294 50 29390 29610 para sia 295 30 297 40 Ordem autorregressiva AR p 296 40 298 50 3 Bra 296 50 298 50 Ordem de diferencia o I d 296 60 298 60 Ordem de m dia m vel MA q 297 20 299 20 M ximo de itera es 297 80 299 80 es 298 30 300 30 Periodos de previs o 298 50 300 50 Revis o 299 20 301 30 300 10 302 20 301 00 303 00 302 20 304 30 304 20 306 40 Figura 3 13 Ferramenta de previs o ARIMA Box Jenkins Manual do Usu rio Risk Simulator 94 2005 2012 Real Options Valuation Inc ARIMA modelo de m dia m vel integrada autorregressiva Estat sticas de regress o R2 coeficiente de determina o 0 9999 Crit rio de informa o Akaike AIC 4 6213 R2 ajustado 0 9999 Crit rio de Schwarz SC 4 6632 R m ltiplo coeficiente de correla o m ltipla 1 0000 Probabilidade de log 1005 13 Erro padr o das estimativas SEy 297 52 Estat stica de Durbin Watson DW 1 8588 N mero de observa es 435 N mero de itera es 5 Os modelos de m dia m vel integrada autorregressiva ou ARIMA p d q s o extens es do modelo AR que usam tr s componentes para modelar a correla o serial nos dados de s ries temporais O primeiro componente o per odo autorregressivo AR O modelo AR p usa as defasagens p da s rie temporal na equa o Um modelo AR p tem esta forma y
58. entradas de m dia e desvio padr o curtose excessiva 0 isso se aplica a todas as entradas de m dia e desvio padr o M dia 11 e desvio padr o 0 s o os par metros de distribui o Requisitos de entrada Desvio padr o gt 0 podendo ser qualquer valor positivo A m dia pode assumir qualquer valor A distribui o parab lica um caso especial da distribui o de beta quando Forma Escala 2 Os valores fecham ao m nimo e m ximo tem probabilidades baixas de ocorr ncia ao passo que valores entre estes dois extremos t m probabilidades mais altas ou ocorr ncia O m nimo e m ximo s o os par metros de distributional Os construtos matem ticos da distribui o parab lica s o os seguintes F E x 1 xA ra e Tr a p Where the functional form above is for a Beta distribution and for a Parabolic function we set Alpha Beta 2 and a shift of location in Minimum with a multiplicative factor of Maximum Minimum for gt 0 8 gt 0 x gt 0 Manual do Usu rio Risk Simulator 63 2005 2012 Real Options Valuation Inc Distribui o Pareto Er Min Max m dia Max Min 20 desvio padr o obliquidade 0 curtose excessiva 0 8571 Requisitos de entrada M nimo lt M ximo A distribui o Pareto amplamente usada na investiga o de distribui es associadas a fen menos emp ricos como o tamanho da popula o de cidades a ocorr nci
59. exemplo as aloca es inferior e superior permitidas s o 10 e 40 como mostram as colunas F e G Isso significa que cada classe de ativos pode ter seus pr prios limites de aloca o Eia B C D E F G 1 2 MODELO DE OTIMIZA O DE ALOCA O DE ATIVO o a Retornos Risco de Pesos Alocacho nao Descri o da classe de ativo K ii m nima m xima anualizados volatilidade alocados ses a arca obrigat ria obrigat ria 5 6 Ativo 1 10 57 12 38 10 00 40 00 T Ativo 2 11 13 16 19 10 00 40 00 8 Ativo 3 10 51 15 95 25 10 00 40 00 9 Ativo 4 10 64 12 45 2500 10 00 40 00 10 11 Total do portf lio 10 7129 7 18 100 00 12 Taxa de retorno sobre o risco 1 4921 13 Figura 4 9 Modelo de aloca o de ativo pronto para otimiza o estoc stica Em seguida a coluna H mostra a taxa de retorno sobre o risco que simplesmente o percentual de retorno dividido pelo percentual de risco quanto maior esse valor maior o retorno As partes restantes do modelo mostram os rankings individuais de classe de ativos por retornos risco taxa de retorno sobre o risco e aloca o Em outras palavras os rankings mostram resumidamente qual classe de ativos tem o menor risco ou o maior retorno etc Manual do Usu rio Risk Simulator 123 2005 2012 Real Options Valuation Inc Execu o de uma Para executar o modelo clique em Risk Simulator Otimiza o otimiza o Executar otimiza o Como alternativa voc pod
60. hip teses sobre as m dias e as vari ncias de duas previs es Resumo estat stico Um teste de hip teses executado durante o teste das m dias e das vari ncias de duas distribui es para determinar se elas s o estatisticamente id nticas ou diferentes uma da outra Ou seja para ver se as diferen as entre duas m dias e duas vari ncias ocorridas s o baseadas em chances aleat rios ou se s o de fato diferentes uma da outra O teste t de duas vari veis de vari ncias diferentes espera se que a vari ncia da popula o da previs o 1 seja diferente da vari ncia da popula o da previs o 2 apropriado quando as distribui es da previs o s o de popula es diferentes por exemplo dados coletados de dois locais geogr ficos diferentes duas unidades de neg cios distintas e assim por diante O teste t de duas vari veis de vari ncias iguais espera se que a vari ncia da popula o da previs o 1 seja igual vari ncia da popula o da previs o 2 apropriado quando as distribui es da previs o s o de popula es semelhantes por exemplo dados coletados de dois motores diferentes com especifica es parecidas e assim por diante O teste t de duas vari veis dependentes emparelhadas apropriado quando as distribui es de previs o s o de popula es semelhantes por exemplo dados coletados do mesmo grupo de clientes mas em ocasi es diferentes e assim por diante Um teste de hip teses bicaudal execu
61. hist ricos de s ries temporais de 100 per odos e apenas se tiver vari veis ex genas de 105 per odos 100 per odos hist ricos para corresponder vari vel de s rie temporal e 5 per odos futuros adicionais de vari veis ex genas independentes para prever a vari vel dependente da s rie temporal Manual do Usu rio Risk Simulator 97 O 2005 2012 Real Options Valuation Inc AHH D E F G H 1 J K T M N o P a R Dados hist ricos da s rie temporal de amostra M dia m vel integrada autorregressiva M1 M2 M3 ARIMA uma t cnica de modelagem TE AutoARIMA ada model dados Et 138 90 286 70 289 00 ad iai o pd ERRRNESAREV RP JE AutoARIMA executa as combina es PDQ 139 40 287 80 290 10 componente de tempo por exemplo taxas de de ordem inferior mais comuns e encontra 139 70 289 10 291 30 juros infla o receitas de vendas produto o melhor ajuste usando o R2 ajustado o 139 70 290 10 292 30 interno bruto Akaike e o crit rio de Schwarz e os O ao 2E Vari vel de s rio temporal esm W classifica do melhor para o pior 141 20 293 90 296 10 Vari vel ex gena Ei Vari vel de s rie temporal B5 8440 Bj ei 5 R pag o Ordem autorregressiva AR p 1 Vari vel ex gena 141 00 29650 298 50 Ordem de diferencia o I d ol M ximo de itera es 140 50 296 60 298 60 Ordem de m dia m vel MA a o Pioda de propisao 140 40 297 20 299 20 E 3 A Revis o 140 00 297 80 299 80 M ximo de itera es 140
62. homem entre 50 e 60 anos que fuma 5 ma os de cigarros por m s etc Nessas circunst ncias a vari vel dependente limitada ou seja limitada a ser bin ria 1 e O para inadimpl ncia morrer e adimpl ncia viver ou limitada a valores inteiros como 1 2 3 etc e o resultado desejado do modelo prever a probabilidade de ocorr ncia de um evento A an lise de regress o tradicional n o funciona nessas situa es pois a probabilidade prevista normalmente menor que zero ou maior que um e muitas das suposi es de regress o obrigat rias s o violadas como a independ ncia e a normalidade dos erros e os erros ser o grandes O termo rede neural tradicionalmente usado para se referir a uma rede ou um circuito de neur nios biol gicos ao passo que o uso moderno do termo se refere s redes neurais artificiais que compreendem neur nios artificiais ou n s recriados em um ambiente de software Essa metodologia tenta imitar os neur nios ou o c rebro humano no modo de pensar e identificar padr es em nosso caso para identificar padr es com a finalidade de prever dados de s rie temporal A regress o multivariada usada para modelar a estrutura de rela es e caracter sticas de uma determinada vari vel dependente j que ela depende de outras vari veis ex genas independentes Usando a rela o modelada podemos prever os valores futuros da vari vel dependente Tamb m poss vel determinar Manual do Usu rio Risk S
63. igual probabilidade em compara o com n o jogar ent o o i 0 2268 valor de X de 100 Digite o X na caixa de resultados positivos abaixo Note se que quanto maior X menos avessos ao 0 7547 risco que voc enquanto um X menor indica que voc est mais avessos ao risco a 217 75 Entrar com os dados solicitados selecione o tipo de U x e dique em Calcule 0 8647 Utilidade para obter os resultados Voc tamb m pode aplicar os valores de a s 108 88 UGO rvore de decis o e re executa a ou reverter a rvore anterior 0 1446 utilizando os valores de retorno Payoffs esperados 0 1563 BSLSLeLPLIREUH O BLLLLLP REINA l it Dos U3 Fun o de Utilidade Averso ao Risco Calibrado entre 0 e 1 U4 Fun o de Utilidade Averso so Risco Calibrado entre 0 e 100 U5 Fun o de Utilidade Neutro ao Risco Calibrado entre 0 e 1 U6 Fun o de Utilidade Neutro ao Risco Calibrado entre 0 e 100 UZ Fun o de Utilidade Amante do Risco Apenas Valores de Utilidade positivos U8 Fun o de Utilidade Amante do Risco Calibrado entre 0 e 1 U9 Fun o de Utilidade Amante do Risco Calibrado entre O e 100 0 1 O 50 100 150 200 250 300 350 400 450 EV Figura 5 67 ROV Decision Tree Fun es de Utilidade ROV Visual Modeler User Manual 204 O Copyright 2005 2012 Dr Johnathan Mun 6 Dicas e t cnicas teis Veja a seguir algumas dicas e t cnicas teis para usu rios avan ados do Risk Si
64. normalidade aqui usado Resultado do teste Dados Frequencia Observado Esperado O E M dia dos dados 21667 54 relativa Desvio padr o 21906 10 1148 00 0 02 0 02 0 1745 0 1545 Estat stica D 0 2042 1641 00 0 02 0 04 0 1803 0 1403 D cr tico em 1 0 1138 2373 00 0 02 0 06 0 1892 0 1292 D cr tico em 5 0 1225 3136 00 0 02 0 08 0 1988 0 1188 D cr tico em 10 0 1458 3680 00 0 02 0 10 0 2058 0 1058 Hip tese nula os dados est o distribu dos normalmente 3711 00 0 02 0 12 0 2062 0 0862 3872 00 0 02 0 14 0 2083 0 0683 Conclus o A amostra de dados n o normalmente 4008 00 0 02 0 16 0 2101 0 0501 distribu da 4487 00 0 02 0 18 0 2164 0 0364 Figura 5 32 Relat rio da ferramenta An lise estat stica da amostra teste de normalidade Resumo estat stico Os par metros a seguir s o estimados para um processo estoc stico considerando se os dados fornecidos Cabe a voc determinar se a probabilidade de ajuste semelhante a um c lculo de melhor ajuste suficiente para garantir o uso de uma previs o de processo estoc stico e se assim for se um modelo de caminho aleat rio de revers o m dia de difus o com salto ou de combina es deles Ao escolher o modelo de processo estoc stico correto voc precisa confiar em suas experi ncias passadas e as expectativas econ micas e financeiras a priori que melhor representam o conjunto de dados subjacentes Esses par metros podem ser inseridos em uma previs
65. o fixo e As tentativas continuam at o primeiro xito e A probabilidade de xito a mesma de uma tentativa para outra Os construtos matem ticos da distribui o geom trica s o os seguintes Manual do Usu rio Risk Simulator 47 O 2005 2012 Real Options Valuation Inc Distribui o hipergeom trica P x p l p paraO lt p lt lex 1 2 n m dia E P l z l p desvio padr o o P 2 obliquidade l p p 6p 6 curtose excessiva gt l p Probabilidade de xito p o nico par metro de distribui o O n mero de tentativas bem sucedidas simuladas indicado por x que s pode conter inteiros positivos Requisitos de entrada Probabilidade de xito gt 0 e lt 1 ou seja 0 0001 lt p lt 0 9999 importante observar que a probabilidade de xito p de O ou 1 uma condi o trivial e n o requer simula o portanto n o permitida no software A distribui o hipergeom trica semelhante distribui o binomial j que ambas descrevem quantas vezes um determinado evento ocorre dado um certo n mero fixo de tentativas A diferen a que as tentativas da distribui o binomial s o independentes enquanto as tentativas da distribui o hipergeom trica mudam a probabilidade de cada tentativa subsequente e s o chamadas tentativas sem substitui o Por exemplo suponha que uma caixa de pe as fabricadas contenha algumas pe as def
66. o Arco seno x Gr ficos e tabelas Gr fico FDP FDA 12 DIFDA M nimo 10 M ximo 20 0 Resultado 0 Gr fico Tabela Compare os gr ficos Alterar primeiro par metro Alterar segundo par metro Par metro a 0 Distribui o te rica Distribui o simulada Tentativas De 0 De 0 9 De para s rie Para 1 Para 1 Propaga o Personalizar MoE ttet RALO SO Ekk REAA 1 bioma Tipo de gr fico rea 2D linhasdegrade Figura 5 49 Distribui o de probabilidade ROV gr ficos FDP e FDA Manual do Usu rio Risk Simulator 179 O 2005 2012 Real Options Valuation Inc Distribui es Gr ficos e tabelas Esta ferramenta gera uma tabela de probabilidades e gr ficos comparativos para uma distribui o escolhida al m de formas diferentes de acordo com os diferentes par metros de entrada Para ver v rias distribui es use a ferramenta Gr ficos sobrepostos do Risk Simulator Distribui o beta x Gr ficos e tabelas Gr fico Alterar primeiro par metro Alterar segundo par metro 2 9 FDP Sci id Par metro Afa beta Distribui o simulada baa 5 OA EE E Ai RS di O De para s rie Paa 1 E Resultado 9 Personalizar Poretapa 01 Por etapa o 0 0 460800 L 255 5 3 5 Por exemplo escolha a distribui o gama defina o alfa e o beta como par metros a serem alterados e in
67. o grau de liberdade do denominador m s o os nicos par metros de distribui o Requisitos de entrada e Graus de liberdade do numerador e do denominador gt 0 e inteiros A distribui o gama se aplica a uma grande variedade de quantidades f sicas e est relacionada a outras distribui es lognormal exponencial Pascal Erlang Poisson e qui quadrada Ela usada em processos meteorol gicos para representar a concentra o de poluentes e as quantidades de precipita o A distribui o gama tamb m usada para medir o tempo entre as ocorr ncias de eventos quando o processo do evento n o completamente aleat rio Outras aplica es da distribui o gama incluem controle de estoques teoria econ mica e a teoria de riscos de seguro Condi es A distribui o gama usada com mais frequ ncia como a distribui o da quantidade de tempo at a r sima ocorr ncia de um evento em um processo Poisson Quando usada dessa maneira as tr s condi es subjacentes distribui o gama s o e O n mero de ocorr ncias poss veis em qualquer unidade de medida n o est limitado a um n mero fixo e As ocorr ncias s o independentes O n mero de ocorr ncias em uma unidade de medida n o afeta o n mero de ocorr ncias em outras unidades e O n mero m dio de ocorr ncias deve permanecer inalterado de uma unidade para outra Os construtos matem ticos da distribui o gama s o os seguintes a Ta B
68. ou pequena instala o e o n mero de eventos incertos ou estados da natureza p ex mercado bom mercado ruim e digite as recompensas Payoffs esperadas em cada cen rio Minimax minimizar o arrependimento m ximo e Maximin maximizar o retorno ou Payoff m nimo s o duas abordagens alternativas para encontrar o caminho decis o tima Estas duas abordagens n o s o usadas frequentemente mas ainda fornecem uma vis o adicional no processo de tomada de decis o Digite o n mero de alternativas de decis o ou caminhos que existem p ex a constru o de uma instala o de grande porte m dio ou pequeno porte bem como os eventos incerteza ou estados da natureza em cada caminho p ex economia boa versus economia ruim Em seguida complete a tabela de Payoffs para os v rios cen rios e calcule os resultados Minimax e Maximin Voc tamb m pode clicar em Carregar Exemplo para ver um exemplo de c lculo 5 27 5 Sensibilidade An lise de Sensibilidade Figura 5 65 sobre as probabilidades de entrada realizada para se determinar seus impactos sobre os valores obtidos no caminho de decis o Primeiro selecione um dos N s de Decis o abaixo depois a probabilidade de um dos eventos da lista para teste Se existem m ltiplos eventos de incerteza com probabilidades id nticas elas devem ser analisadas de forma independente ou concomitante Os gr ficos de sensibilidade mostram os valores dos caminhos de decis o sob n veis v
69. pa 1 ife lt 0 Ja 1 ife lt 0 Re t otherwise E F otherwise Manual do Usu rio Risk Simulator 103 2005 2012 Real Options Valuation Inc Teoria Procedimento Nota 3 12 Cadeias de Markov Uma cadeia de Markov existe quando a probabilidade de um estado futuro depende de um estado anterior e quando unidos formam uma cadeia se reverte a um n vel de estado est vel no longo prazo Essa abordagem usada para prever a participa o de mercado de dois concorrentes Os valores de entrada obrigat rios s o a probabilidade inicial de um cliente na primeira loja o primeiro estado retornar mesma loja no pr ximo per odo comparada com a probabilidade de mudar para uma loja concorrente no pr ximo estado e Inicie o Excel e selecione Risk Simulator Previs o Cadeia de Markov e Insira as suposi es de entrada obrigat rias consulte a Figura 3 19 para obter um exemplo e clique em OK para executar o modelo e o relat rio Configure as duas probabilidades como 10 e execute novamente a cadeia de Markov para ver os efeitos da mudan a de comportamentos claramente no gr fico resultante Previs o de cadeia de Markov ou processo de Markov O processo de Markov til para estudar a evolu o de sistemas ao longo de v rias tentativas e repeti es em per odos de tempo sucessivos O estado do sistema em um determinado momento desconhecido e estamos interessados em conhecer a probabilidade de um determinado estado e
70. par metros de entrada incertos 29 Controle de precis o determina se o n mero de tentativas de simula o executadas suficiente 30 Simula o super r pida executa 100 000 tentativas em poucos segundos 1 4 4 M dulo de Previs o 31 ARIMA modelos ARIMA ou m dia m vel integrada autorregressiva P D Q 32 AutoARIMA executa as combina es mais comuns do ARIMA para encontrar o modelo de melhor ajuste 33 Autoeconometria executa milhares de combina es de modelos e permuta es para obter o modelo de melhor ajuste para os dados existentes linear n o linear intera o defasagem diferen as taxa diferen a 34 Econometria b sica modelos de regress o interativa linear n o linear e econom tricos 35 Spline c bico interpola o e extrapola o n o lineares 36 GARCH proje es de volatilidade usando modelos autorregressivos heteroscedasticidade condicional generalizada GARCH GARCH M TGARCH TGARCH M EGARCH EGARCH T GJR GARCH e GJR TGARCH 37 Curva J curvas J exponenciais 38 Vari veis dependentes limitadas logit probit e tobit 39 Cadeias de Markov dois elementos concorrentes ao longo do tempo e previs es de participa o no mercado Manual do Usu rio Risk Simulator 11 2005 2012 Real Options Valuation Inc 40 Regress o m ltipla regress o normal linear e n o linear com metodologias stepwise avan o regresso correla o avan o regresso 41 E
71. para x e y forem listados nas c lulas A1 B10 ent o a fun o do Excel a ser usada ser CORREL A1 A10 B1 B10 A terceira abordagem executar a ferramenta Multiajuste do Risk Simulatore a matriz de correla o resultante ser calculada e exibida E importante observar que a correla o n o significa causalidade Duas vari veis aleat rias completamente n o relacionadas podem exibir alguma correla o mas isso n o significa qualquer rela o de causa entre as duas por exemplo a Manual do Usu rio Risk Simulator 31 O 2005 2012 Real Options Valuation Inc atividade solar e eventos no mercado de a es s o correlacionadas mas n o existe nenhuma rela o causal entre as duas H dois tipos gerais de correla o correla o param trica e n o param trica O coeficiente de correla o de Pearson a medida de correla o mais comum Normalmente se refere a ele simplesmente como coeficiente de correla o No entanto a correla o de Pearson uma medida param trica o que significa que requer que as duas vari veis correlacionadas tenham uma distribui o normal subjacente e que a rela o entre as vari veis seja linear Quando essas duas condi es s o violadas que frequentemente o caso na simula o Monte Carlo os contrapontos n o param tricos se tornam mais importantes A correla o de ranking de Spearman e Tau de Kendall s o as duas alternativas A correla o de Spearman normalmen
72. percentil c eee eeeeeeerererererenerenerana 176 5 21 Gr ficos e tabelas de distribui o Ferramenta de distribui o de probabilidade 177 9 227 RONA B1751 AE T E E E A E T 181 5 23 Metodologias de previs o de l gica difusa combinat ria e de rede neural 186 5 24 Otimizador de Buscar meta ir reeeeercerearaeraceacanaa e aeaaea e enaeraneacana a 189 5 25 Otimizador de Vari vel NICA creu uesrtesiga ore sntalii ndeas i eR e EE peca EANES aaa Tear dep 189 5 26 Otimiza o de algoritmo gen tico c ic ieereererererereaaeraneraneranereneeeneerarenenarenarenerara 190 5 27 M dulo ROV Decision Tree rvore de Decis o temem 192 5271 Amore de Decisions os a Us Ra a a a di ON 192 5 27 2 Modelagem da Simula o ier e E E E E a a cena cena nene N Sa 195 5 273 An lise BAVESTANA secs israterrastt er RANERO NEEN AISEE AE OEE EE ONEAN eS 195 5 27 4 Valor Esperado da Informa o Perfeita An lise Minimax e Maximin Perfis de Risco e Valor da Informa o Imperfeita ssssosonsenseseeeeeseesesssesssssssssssssssssesssesssesssessses 196 5 27 J Veni binda Eneasen REA ARE RANEES A TACENS SaS 196 I2 10 Tabelade Cen rio Sierrei nns a E EET TE T EOE NEEN T a ES 197 92704 Trun oesde Utilidade eii iE E ENERE O E ERS 197 6 Dicas e t cnicas teis ssesoessessoesoossessoesoossessoesoosseesoesoossoesossoossoesoessossossoessossoesseseossosssessossos
73. polarizadas e as estimativas da inclina o e intercepta o ser o distribu das normalmente caso os erros sejam distribu dos normalmente ou pelo menos distribu das assintoticamente medida que o n mero de pontos de dados aumenta caso os erros sejam normalmente distribu dos A estimativa para a vari ncia da inclina o e a vari ncia geral ser imprecisa mas n o haver probabilidade de o erro ser substancial se os valores da vari vel independente forem sim tricos em rela o sua m dia Se o n mero de dados for pequeno micronumerosidade pode ser dif cil detectar viola es na suposi o Em amostras pequenas dif cil detectar viola es de suposi o como n o normalidade ou heteroscedasticidade de vari ncias at mesmo quando est o presentes Com um n mero pequeno de pontos de dados a regress o linear oferece menos prote o contra a viola o de suposi es Com poucos pontos de dados pode ser dif cil determinar o n vel de correspond ncia entre a linha ajustada e os dados ou se uma fun o n o linear seria mais apropriada Mesmo que nenhuma das suposi es de teste seja violada uma regress o linear com pequeno n mero de dados pode n o ter capacidade suficiente para detectar uma diferen a significativa entre a inclina o e zero mesmo que a inclina o seja diferente de zero A capacidade depende do erro residual da varia o observada na vari vel independente da signific ncia selecion
74. portf lio Esse valor visto na c lula C18 e representa o objetivo a ser maximizado neste exerc cio de otimiza o Para resumir temos as seguintes especifica es neste modelo de exemplo Objetivo Maximizar a taxa de retorno sobre o risco C18 Vari veis de decis o Pesos alocados E6 E15 Restri es das vari veis M nimo e m ximo necess rios F6 G15 Restri es A soma total dos pesos alocados 100 E17 Abra o arquivo de exemplo e inicie um novo perfil clicando em Risk Simulator Novo perfil e nomeie o A primeira etapa na otimiza o definir as vari veis de decis o Selecione a c lula E6 e defina a primeira vari vel de decis o Risk Simulator Otimiza o Definir decis o e clique no cone de v nculo para selecionar o nome da c lula B6 bem como os valores de limite inferior e superior das c lulas F6 e G6 Em seguida usando a fun o de c pia do Risk Simulator copie a vari vel de decis o da c lula E6 e cole a nas c lulas restantes em E7 e E15 A segunda etapa na otimiza o definir a restri o A nica restri o aqui que o total de aloca o no portf lio some 100 Assim clique em Risk Simulator Otimiza o Restri es e selecione ADICIONAR para adicionar uma nova restri o Em seguida selecione a c lula El7 e a iguale a 100 Clique em OK quando concluir A etapa final na otimiza o definir a fun o do objetivo e iniciar a otimiza o Para isso se
75. problemas de otimiza o usando t cnicas inspiradas na biologia evolutiva como hereditariedade muta o sele o natural e recombina o O algoritmo gen tico est dispon vel em Risk Simulator Ferramentas Algoritmo gen tico Figura 5 60 Tome cuidado durante a calibra o dos valores de entrada do modelo pois os resultados s o muito sens veis a esses valores os valores de entrada padr o s o fornecidos como orienta o geral para os niveis de entrada mais comuns Recomenda se selecionar o Teste de pesquisa de gradiente para obten o de um conjunto de resultados mais robusto poss vel cancelar a sele o dessa op o para come ar e em seguida selecion la executar a an lise novamente e comparar os resultados Nota em muitos problemas os algoritmos gen ticos podem apresentar a tend ncia de convergir para um valor timo local ou at para pontos arbitr rios em vez do valor timo global do problema Isso significa que ele n o sabe como sacrificar o ajuste de curto prazo para obter o ajuste de longo prazo Para problemas de otimiza o especificos e inst ncias de problemas outros algoritmos de otimiza o podem encontrar solu es melhores do que os algoritmos gen ticos considerando se o mesmo prazo de c lculo Portanto recomend vel primeiro executar o algoritmo gen tico e depois execut lo novamente marcando a op o Aplicar teste de pesquisa de gradiente Figura 5 60 para verificar a
76. relat rio de resultados mostrado na Figura 3 12 mostra os valores de previs o extrapolados as medidas de erro e a representa o gr fica dos resultados de extrapola o As medidas de erro devem ser usadas para verificar a validade da previs o e s o especialmente importantes quando usadas para comparar a qualidade de previs o e a precis o da extrapola o versus a an lise da s rie temporal Quando os dados hist ricos s o suaves e seguem curvas e padr es n o lineares a extrapola o melhor do que a an lise de s rie temporal No entanto quando padr es da dados seguem ciclos sazonais e uma tend ncia a an lise de s rie temporal fornece resultados melhores Manual do Usu rio Risk Simulator 90 O 2005 2012 Real Options Valuation Inc Extrapola o n o linear Note que a extrapola o n o linear envolve a cria o de proje es estat sticas usando tend ncias hist ricas que s o projetadas para um per odo de tempo especificado no futuro Usa se somente para previs es de s ries temporais A extrapola o bastante confi vel relativamente simples e barata Mas a extrapola o que sup e que tend ncias recentes e hist ricas ter o continuidade produz grandes erros de previs o em caso de descontinuidades dentro do per odo de tempo projetado 1 Insira os dados hist ricos e selecione a rea de dados E13 E24 Receita de vendas hist rica 2 Clique em Risk Simulator Previs o Extrapola o n o linea
77. rios detalhados todas as an lises v m com relat rios detalhados Manual do usu rio detalhado manual do usu rio passo a passo Licenciamento flex vel capacidade de ativar ou desativar determinadas funcionalidades para permitir a personaliza o da experi ncia de an lise de risco Por exemplo se voc s est interessado nas ferramentas de previs o do Risk Simulator pode obter uma licen a especial que ativa apenas as ferramentas de previs o mas desativa os outros m dulos Assim economiza se custos com o software Requisitos flex veis funciona no Windows 7 Vista e XP integra o com o Excel 2010 2007 2003 funciona em m quinas virtuais que executem sistemas operacionais MAC 9 O 2005 2012 Real Options Valuation Inc 9 Cores e gr ficos completamente personaliz veis inclina o 3D cor tipo de gr fico e muito mais 10 Exerc cios pr ticos guia detalhado passo a passo para a execu o do Risk Simulator incluindo guias sobre a interpreta o dos resultados 11 Copiar e colar v rias c lulas permite que suposi es vari veis de decis o e previs es sejam copiadas e coladas 12 Cria o de perfis permite que v rios perfis sejam criados em um nico modelo ou seja poss vel criar duplicar editar e executar v rios cen rios de modelos de simula o em um nico modelo 13 cones revisados no Excel 2007 2010 uma barra de ferramentas de cones totalmente redesenhada mais intuitiva e
78. robustez do modelo Esse teste de pesquisa de gradiente tenta executar combina es de t cnicas de otimiza o tradicionais com m todos de algoritmo gen tico para retornar a melhor solu o possivel Por fim a menos que haja uma necessidade te rica espec fica para usar o algoritmo gen tico recomendamos o uso do m dulo Otimiza o do Risk Simulator para obter resultados mais robustos Esse m dulo permite que voc Manual do Usu rio Risk Simulator 190 2005 2012 Real Options Valuation Inc execute rotinas mais avan adas de otimiza o estoc stica e din mica com base no risco C lula de objetivo E Maximizar Minimizar Vari veis _Adicionar Excluir M x de itera es i00 Taxa de muta o 015 Tamanho da popula o I Diversidade fo Taxa de recombina o Elitismo Poo Recombina o Sem altera o 0 Aplicar teste de pesquisa de gradiente Figura 5 60 Algoritmo gen tico Manual do Usu rio Risk Simulator 191 O 2005 2012 Real Options Valuation Inc 5 27 M dulo ROV Decision Tree rvore de Decis o 5 27 1 Arvore de Decis o ROV Decision Tree Arvore de Decis o Figura 5 61 usado para criar valor e avaliar modelos de rvore de decis o As seguintes metodologias e an lises avan adas adicionais tamb m est o inclu das e Modelos de rvore de Decis o e Simula o de risco Monte Carlo e An lise de Sensibilidade e An lise de Cen rio e An lis
79. s rie temporal Cont nua f Discreta Na f IV Previs o da s rie temporal IV Histograma e gr ficos Sazonalidade periodos cicio 4 MV Teste de hip teses Previs o per odos 4 M dia hipot tica O 7 Proje o da linha de tend ncia 7 Extrapola o n o linear Previs o per odos Previs o per odos z M Teste de normalidade Es Figura 5 29 Testes estat sticos Manual do Usu rio Risk Simulator 160 O 2005 2012 Real Options Valuation Inc Estat sticas descritivas An lise de estat sticas Quase todas as distribui es podem ser descritas em quatro momentos algumas distribui es exigem um momento enquanto outras exigem dois e assim por diante As estat sticas descritivas capturam quantitativamente esses momentos O primeiro momento descreve a localiza o de uma distribui o isto a m dia a mediana e a moda e interpretado como o valor esperado os retornos esperados ou o valor m dio das ocorr ncias A m dia aritm tica calcula a m dia de todas as ocorr ncias somando todos os pontos de dados e dividindo os pelo n mero de pontos A m dia geom trica calculada obtendo a raiz da pot ncia dos produtos de todos os pontos de dados e exige que todos sejam positivos A m dia geom trica mais precisa para porcentagens ou taxas que flutuam significativamente Por exemplo voc pode usar a m dia geom trica para calcular a taxa m dia de crescimento considerando se juros com
80. s rie temporal quando a vari vel pode ocasionalmente apresentar saltos aleat rios como os pre os 0 8000 101 44 19 93 do petr leo ou da eletricidade choques de evento ex geno discreto podem fazer pre os subirem ou descerem 0 9000 102 38 23 57 drasticamente Finalmente esses tr s processos estoc sticos podem ser combinados conforme a necessidade S tli el l esse processos e Ci ICOS po im S Ci jo necessi e 1 0000 100 56 26 00 Os resultados direita indicam a m dia e o desvio padr o de todas as itera es geradas a cada etapa Se a op o 1 1000 102 81 2314 Mostrar todas as itera es for selecionada cada caminho de itera o ser mostrado em uma planilha separada O 1 2000 102 56 24 50 gr fico gerado abaixo mostra um conjunto de amostras dos caminhos de itera o 1 3000 106 97 29 55 1 4000 109 82 38 26 Processo estoc stico Movimento browniano caminho aleat rio com crescimento 1 5000 110 34 36 91 Valor inicial 100 Etapas 100 00 Taxa de salto N A 1 6000 109 09 34 70 Taxa de crescimento 5 00 ltera es 10 00 Tamanho do salto N A 1 7000 108 04 3211 Volatilidade 25 00 Taxa de revers o N A Propaga o aleat ria 183197059 1 8000 110 77 32 30 Horizonte 10 Valor de longo prazo N A 1 9000 111 25 31 49 2 0000 109 07 26 33 2 1000 114 23 32 22 2 2000 118 18 31 60 2 3000 120 34 31 49 2 4000 120 68 35 01 2 5000 122 35 41 37 2 6000 122 11 43 21 2 7000 119 15 43 01 2 8000 119 25 43 29 2 9000 114 91 44 99 3 0000 115 1
81. se torna uma curva com forte inclina o decrescente Um fabricante pode achar esse multiplicativa deslocada Manual do Usu rio Risk Simulator 71 O 2005 2012 Real Options Valuation Inc efeito til para descrever falhas de pe as durante um per odo de processamento Forma o e escala B s o os par metros de distribui o Requisitos de entrada Alfa da forma gt 0 05 Escala de localiza o central ou beta gt 0 podendo ser qualquer valor positivo Local pode ser qualquer n mero positivo ou negativo incluindo zero Fator gt 0 Manual do Usu rio Risk Simulator 72 O 2005 2012 Real Options Valuation Inc 3 PREVIS O previs o a a o de prever o futuro seja ela baseada em dados hist ricos ou apenas uma especula o acerca do futuro quando n o h hist rico Quando h dados hist ricos uma abordagem quantitativa ou estat stica melhor mas se eles n o existem ent o uma abordagem qualitativa ou arbitr ria potencialmente o nico recurso A Figura 3 1 lista as metodologias mais comuns para previs es Classical Decomposition Multivariate Regressions nulations C ool for Use Risk Simulator to run Monte Carlo Simulations use distributional fitting or nonparametric custom distributions Figura 3 1 M todos de previs o 3 1 Diferentes tipos de t cnicas de previs o Geralmente as previs es podem ser divididas em quantitativas e qualitativas As
82. seguintes restri es J17 lt 4 J17 lt 5 J17 lt 6 J17 lt 7 e J17 lt 8 Os resultados timos ser o plotados como uma fronteira eficiente e o relat rio ser gerado Figura 4 8 Especificamente o processo a seguir ilustra as etapas necess rias para criar uma restri o mutante e Em um modelo de otimiza o ou seja um modelo com objetivo vari veis de decis o e restri es j configuradas clique em Risk Simulator Otimiza o Restri es e em Fronteira eficiente e Selecione a restri o que deseja alterar ou percorrer como J17 e insira os par metros para M n M x e Tamanho do incremento Figura 4 7 clique em ADICIONAR e em OK duas vezes Desmarque a restri o D17 lt 5000 antes de executar e Execute a otimiza o normalmente Risk Simulator Otimiza o Executar otimiza o Voc pode escolher est tica din mica ou estoc stica e Os resultados ser o mostrados em uma interface do usu rio Figura 4 8 Clique em Criar relat rio para gerar uma planilha de relat rio com todos os detalhes das execu es de otimiza o Fronteira eficiente Restri es atuais D 17 lt 5000 Par metros MIN j4 E M X 8 8 TAMANHO DO INCREMENTO 1 Bj Alterando restri es J 17 lt MIN 4 MAX 8 STEP 1 Figura 4 7 Gera o de restri es mutantes em uma fronteira eficiente Manual do Usu rio Risk Simulator 121 O 2005 2012 Real Options Valuation Inc Effici
83. ser definidas como suposi es Contudo pode haver situa es em que uma fun o ou uma equa o seja necess ria em uma c lula de suposi o Para fazer isso insira primeiro o valor de entrada na c lula e digite a equa o ou a fun o Quando a simula o est sendo executada os valores simulados substituir o a fun o e depois que a simula o conclu da a fun o ou a equa o mostrada de novo Manual do Usu rio Risk Simulator 205 Real Options Valuation Inc DICAS copiar e colar e Copiar e colar usando a tecla Escape quando voc seleciona uma c lula e usa a fun o Copiar do Risk Simulator tudo copiado para a rea de transfer ncia do Windows incluindo o valor a equa o a fun o a cor a fonte e o tamanho da c lula bem como as suposi es as previs es e as vari veis de decis o do Risk Simulator Ent o medida que voc aplica a fun o Colar do Risk Simulator tem duas op es A primeira aplicar diretamente o comando Colar do Risk Simulator para que todos os valores cores fontes equa es fun es e par metros da c lula sejam colados na nova c lula A segunda op o clicar primeiro em Escape no teclado e ent o aplicar o comando Colar do Risk Simulator A tecla Escape informa ao Risk Simulator que voc deseja colar apenas a suposi o a previs o ou a vari vel de decis o e n o os valores as cores as equa es as fun es e as fontes da c lula Pression
84. seu computador para fins de licenciamento para verificar as configura es e os pr requisitos do computador e para reabilitar o Risk Simulator caso ele tenha sido acidentalmente desabilitado Manual do Usu rio Risk Simulator 212 O 2005 2012 Real Options Valuation Inc e Iniciar o Simulator quando o Excel for iniciado voc pode permitir que o Risk Simulator inicie automaticamente quando o Excel for iniciado ou pode inici lo manualmente em Iniciar gt Programas gt Real Options Valuation gt Risk Simulator Essa prefer ncia pode ser definida no menu Op es do Risk Simulator DICAS simula o super r pida e Desenvolvimento de modelo se voc desejar executar seu modelo em uma velocidade super r pida recomenda se que durante a constru o do modelo sejam executadas algumas simula es super r pidas para test lo e certificar se de que o produto final executar a simula o super r pida N o teste a velocidade super r pida somente depois que o modelo final estiver conclu do para n o ter que identificar se h v nculos corrompidos ou fun es incompat veis e Velocidade normal em caso de d vida a simula o na velocidade normal sempre funciona DICAS an lise tornado e An lise tornado esta an lise jamais deve ser executada apenas uma vez Ela considerada uma ferramenta de diagn stico de modelo o que significa que deve ser executada v rias vezes no mesmo modelo Por exemplo em um modelo g
85. uma Informa o Imperfeita perfeita e sabia exatamente o que fazer atrav s de pesquisa de mercado ou outros meios inha 14 5 5 00 para melhor discernir os resultados probabil sticos VEIP calcula se h valor acrescentado E 10 62 em tais informa es isto se a pesquisa de mercado ir adicionar valor em compara o ker 20 9 00 com estimativas mais ing nuo dos estados da natureza probabil stica Para come ar insira Salvar Modelo o n mero de ramos decis o ou estrat gias em considera o por exemplo construir uma Estados 1 Estados 2 M ximo grande instala o m dio pequeno e o n mero de eventos incertos ou estados de E resultados natureza por exemplo mercado bom mercado ruim e digite as recompensas 1200 0 00 12 00 Payoffs esperadas em cada cen rio 600 200 6 00 Valor Esperado para uma Informa o Perfeita do Estado da Natureza 17 40 000 Valor Esperado sem uma Informa o Perfeita sobre o Estado da Natureza 1420 z E 6 00 Valor esperado de uma Informa o Perfeita 32 7 00 Eventos Incertos ou Estados 2 Figura 5 64 ROV Decision Tree VEIP MINIMAX Perfil de Risco ROV Visual Modeler User Manual 201 O Copyright 2005 2012 Dr Johnathan Mun 4 ROV Visual Modeler 2012 Decision Trees CAU ShotsiDT Model Portuguese rovdt is Arquivo Editar Inserir Propriedades Estilo FormaseCores Idioma Language Aj
86. uma simula o extrair os dados brutos das suposi es e calcular as correla es entre as vari veis A figura mostra que as suposi es de entrada s o recuperadas na simula o Ou seja voc insere as correla es 0 8 e 0 8 e os valores simulados resultantes t m as mesmas correla es Manual do Usu rio Risk Simulator 34 O 2005 2012 Real Options Valuation Inc Estes s o os valores brutos extra dos da simula o Em seguida eles s o correlacionados para verificar se realmente as correla es inseridas nas suposi es seriam aquelas efetivamente modeladas O coeficiente da correla o de Pearson uma correla o param trica linear e os resultados indicam que as correla es inseridas 0 80 e 0 80 realmente s o aquelas entre as vari veis Consulte Modeling Risk de Dr Johnathan Mun Wiley 2006 para obter mais detalhes Correla o Correla o positiva de positiva de pre o quantidade 1 95 1 92 2 02 2 04 1 89 1 98 2 05 1 87 1 84 2 06 Manual do Usu rio Risk Simulator 35 0 91 0 95 1 04 1 03 0 91 1 05 1 03 0 91 0 91 1 03 Correla o Correla o negativa de negativa de pre o quantidade 1 89 1 06 1 98 1 05 Correla o de Pearson 1 89 1 09 Correla o de Pearson 1 88 1 04 0 80 1 96 0 93 0 80 2 02 0 93 2 00 1 02 1 86 1 04 1 96 1 02 1 90 1 02 Figura 2 16 Correla es recuperadas 2 3 4 Controle de precis o e erro Uma ferramenta muito eficiente na simu
87. uma vis o mais abrangente do projeto analisado O Risk Simulator fornece os resultados de todos os quatro momentos em sua exibi o Estat sticas nos gr ficos de previs o O primeiro momento de uma distribui o mede a taxa de retorno esperada de um projeto espec fico Ele mede a localiza o dos cen rios do projeto e os poss veis resultados em m dia As estat sticas comuns para o primeiro momento incluem a m dia a mediana centro de uma distribui o e a moda valor que ocorre mais normalmente A Figura 2 19 ilustra o primeiro momento Nesse caso o primeiro momento dessa distribui o medido pelo valor m dio 4 oi 01 02 o2 q t ui mt w Figura 2 19 Primeiro momento O segundo momento mede o spread de uma distribui o que uma medida de risco O spread ou a largura de uma distribui o mede a variabilidade de uma vari vel ou seja o potencial que a vari vel tem de cair em regi es diferentes da distribui o em outras palavras os cen rios potenciais de resultados A Figura 2 20 ilustra duas distribui es com primeiros momentos id nticos m dias id nticas mas segundos momentos ou riscos muito diferentes A Figura 2 21 evidencia isso Por exemplo suponha que existem duas a es e os movimentos da primeira a o linha mais escura com a menor flutua o s o comparados com os movimentos da segunda a o linha pontilhada com uma flutua o de pre o muito maior Nitidamente um investidor v
88. ximo s o os par metros de distribui o Os construtos matem ticos da distribui o arco seno s o os seguintes ode for0 lt x lt l a x 7 0 otherwise 0 x lt 0 F x RES for0 lt x lt 1 mx 1 x gt 1 Min Max 2 j 2 desvio padr o a obliquidade 0 curtose excessiva 1 5 m dia Requisitos de entrada M nimo lt M ximo A distribui o beta muito flex vel e geralmente usada para representar variabilidade em uma faixa fixa Uma das aplica es mais importantes da distribui o beta seu uso como uma distribui o conjugada do par metro de uma distribui o Bernoulli Nessa aplica o a distribui o beta usada para representar a incerteza na probabilidade de ocorr ncia de um evento Tamb m usada para descrever dados emp ricos e prever o comportamento aleat rio de porcentagens e fra es j que a faixa de resultados fica normalmente entre O e 1 A import ncia da distribui o beta est na grande variedade de formas que ela pode assumir quando voc varia dois par metros alfa e beta Se os par metros forem iguais a distribui o ser sim trica Se um par metro for 1 e o outro for maior do que 1 a distribui o ser no formato J Se alfa for menor do que beta diz se que a distribui o positivamente obl qua a maioria dos valores est pr xima do valor m nimo Se alfa for maior do que beta diz se que a distribui o negativamente obl qua a m
89. 0 4 002 20 4 182 60 4 363 00 4 543 40 4 723 80 4 904 20 5 084 61 5 265 01 5 445 41 5 625 81 5 806 21 5 986 61 6 167 01 6 347 41 46 00 2 661 70 2 838 82 3 015 94 3 193 06 3 370 18 3 547 30 3 724 42 3 901 54 4 078 66 4 255 79 4 432 91 4 610 03 4 787 15 4 964 27 5 141 39 5 318 51 5 495 63 5 672 75 5 849 87 6 027 00 6 204 12 47 00 2 584 00 2 757 84 2 931 68 3 105 52 3 279 37 3 453 21 3 627 05 3 800 89 3 974 73 4 148 57 4 322 41 4 496 25 4 670 09 4 843 93 5 017 77 5 191 62 5 365 46 5 539 30 5 713 14 5 886 98 6 060 82 48 00 2 506 31 2 676 87 2 847 43 3 017 99 3 188 55 3 359 11 3 529 67 3 700 23 3 870 79 4 041 35 4 211 91 4 382 48 4 553 04 4 723 60 4 894 16 5 064 72 5 235 28 5 405 84 5 576 40 5 746 96 5 917 52 49 00 2 428 61 2 595 89 2 763 17 2 930 45 3 097 73 3 265 01 3 432 29 3 599 58 3 766 86 3 934 14 4 101 42 4 268 70 4 435 98 4 603 26 4 770 54 4 937 82 5 105 10 5 272 38 5 439 67 5 606 95 5 774 23 50 00 2 350 91 2 514 91 2 678 92 2 842 92 3 006 92 3 170 92 3 334 92 3 498 92 3 662 92 3 826 92 3 990 92 4 154 92 4 318 92 4 482 92 4 646 93 4 810 93 4 974 93 5 138 93 5 302 93 5 466 93 5 630 93 Figura 5 39 Tabela de an lise de cen rio 5 12 Ferramenta Agrupamento por segmenta o Uma ltima t cnica anal tica de interesse o agrupamento por segmenta o A Figura 6 25 ilustra um conjunto de dados de exemplo Para selecionar os dados e
90. 00 Valor simples Valor X O Faixa de valores Limite inferior Limite superior Tamanho do Figura 5 34 Ferramenta An lise da distribui o distribui o binomial com 2 tentativas Manual do Usu rio Risk Simulator 163 O 2005 2012 Real Options Valuation Inc Da mesma forma podemos obter as probabilidades exatas de jogar a moeda digamos 20 vezes como na Figura 5 35 Os resultados s o apresentados em uma tabela e em um gr fico An lise de distribui o Esta ferramenta gera a fun o densidade de probabilidade FDP a fun o distribui o acumulada FDA e a fun o inversa da fun o de distribui o acumulada IFDA de todas as distribui es no Risk Simulator incluindo os momentos te ricos e o gr fico de probabilidade Distribui o Tentativas Probabilidade Tipo de gr fico CDF Tipa 0 000000 0 000001 0 000001 Formata o l 1 000000 0 000019 0 000020 2 000000 0 000181 0 000201 Valor simples 3 000000 0 001087 0 001288 4 000000 0 004621 0 005909 _ 5 000000 0 014786 0 020695 9 Faixa de valores 6 000000 0 036964 0 057659 Linie indir 7 000000 0 073929 0 131588 3 000000 0 120134 0 251722 Limite superior 9 000000 0 160179 0 411901 EP 10 000000 0 176197 0 588099 11 000000 0 160179 0 748278 12 000000 0 120134 0 868412 13 000000 0 073929 0 942341 14 000000 0 036964 0 979305 Valor X Figura 5 35 Ferramenta An lise da distribui o distribui
91. 00 29830 300 30 Per odos de previs o e 139 90 29850 300 50 Revis 139 80 29920 301 30 gere 139 60 300 10 302 20 139 60 301 00 303 00 139 60 30220 304 30 140 20 30420 306 40 141 30 306 80 309 20 Figura 3 14 M dulo AUTOARIMA 3 9 Econometria b sica Teoria A econometria se refere a um ramo de t cnicas de previs o modelagem e an lise de neg cios para modelar o comportamento ou prever certas vari veis de neg cios ou economia A execu o de modelos de Econometria b sica semelhante execu o da an lise de regress o normal exceto que as vari veis independentes e dependentes podem ser modificadas antes da execu o de uma regress o O relat rio gerado o mesmo mostrado anteriormente na se o Regress o m ltipla e a interpreta o id ntica quelas descritas anteriormente Procedimento e Inicie o Excel e insira os dados ou abra uma planilha com dados hist ricos a serem previstos a Figura 3 15 mostra o arquivo de exemplo Modelos avan ados de previs o dispon vel no menu Exemplos do Risk Simulator e Selecione os dados na planilha Econometria b sica e selecione Risk Simulator Previs o Econometria b sica e Insira as vari veis dependentes e independentes desejadas consulte a Figura 3 15 para obter exemplos e clique em OK para executar o modelo e o relat rio ou clique em Mostrar resultados para ver os resultados antes de gerar o relat rio caso precise fazer altera
92. 03 45 103 65 103 66 103 72 103 81 103 90 103 99 104 46 104 57 104 76 105 20 105 44 105 50 105 52 105 58 105 66 105 87 105 90 105 90 106 29 106 35 106 59 107 01 107 68 107 70 107 93 108 17 108 20 108 34 108 42 108 43 108 49 108 70 109 15 109 22 109 35 109 52 109 75 110 04 110 16 110 25 110 54 111 05 111 06 111 44 111 76 111 90 111 95 112 07 11219 112 29 112 32 112 42 112 48 112 85 112 92 113 50 113 59 113 63 113 70 11413 11414 114 21 114 91 114 95 115 40 115 58 115 66 116 58 116 98 117 60 118 67 119 24 119 52 12414 124 16 124 39 132 30 Figura 5 15 Relat rio do ajuste da distribui o Para ajustar m ltiplas vari veis o processo muito semelhante ao ajuste das vari veis individuais No entanto os dados devem ser organizados em colunas por exemplo cada vari vel organizada em uma coluna e todas as vari veis s o ajustadas uma por vez Procedimento Notas e Abra uma planilha com os dados existentes para ajuste e Selecione os dados que deseja ajustar os dados devem estar em v rias colunas com v rias linhas e Selecione Risk Simulator Ferramentas Ajuste da distribui o m ltiplas vari veis e Revise os dados escolha os tipos de distribui o relevantes desejados e clique em OK Observe que os m todos de ranking estat stico usados nas rotinas de ajuste da distribui o s o os testes qui quadrado e de Kolmogorov Smirnov O primeiro usado para testar distribui es discretas e o ltimo para distribui es co
93. 05 2012 Real Options Valuation Inc Black Scholes como um exemplo Tais n o linearidades n o podem ser verificadas em um gr fico tornado e podem ser informa es importantes no modelo ou fornecer detalhes importantes sobre a din mica do modelo para as pessoas respons veis pela tomada de decis es Notas adicionais sobre A Figura 5 2 mostra a interface da ferramenta de an lise tornado tornado Observe que existem alguns novos aprimoramentos a partir do Risk Simulator vers o 4 e posterior Veja a seguir algumas dicas para executar a an lise tornado e detalhes adicionais sobre esses novos aprimoramentos e A an lise tornado nunca deve ser executada apenas uma vez Ela considerada uma ferramenta de diagn stico de modelo o que significa que deve ser executada v rias vezes no mesmo modelo Por exemplo em um modelo grande o tornado pode ser executado na primeira vez com todas as configura es padr o e mostrando todas as precedentes selecione Mostrar todas as vari veis Isso pode resultar em um relat rio grande e gr ficos tornado longos e potencialmente confusos Por m isso fornece um timo ponto de partida para determinar a quantidade de precedentes consideradas fatores cr ticos de sucesso por exemplo o gr fico tornado pode mostrar que as primeiras 5 vari veis t m alto impacto sobre o resultado ao passo que as 200 vari veis restantes exercem pouco ou nenhum impacto Nesse caso uma segunda an lise tornado ex
94. 0515 0 0481 0 6353 114 2940 122 8198 100 0000 Numero de Ensaios M dia Mediana Desvio Padr o Vari ncia Coeficiente de Varia o M ximo Assimetria Curtose 25 Percentil 75 Percentil do caminho Dominante x Figura 5 62 ROV Decision Tree Resultados da Simula o ROV Visual Modeler User Manual 199 O Copyright 2005 2012 Dr Johnathan Mun 4 ROV Visual Modeler 2012 Decision Trees CAU Pr ESET Arvore de Decis o Sum rio dos Valores Modelagem da Simula o An lise Bayesiana EVPI Minimax Perfil de Risco An lise de Sensibilidade Tabela de Cen rios Fun o de Utilidade Esta ferramenta de an lise bayesiana pode ser feita em qualquer dois eventos incertos que est o ligados Soome por um caminho Por exemplo no exemplo direita incertezas A e B est o ligados onde o evento A PRIOR PROBABILITIES ocorre primeiro na linha do tempo e evento B ocorre ap s o primeiro O evento A um Pesquisa de 45 AND 55 Mercado com 2 resultados poss veis favor vel ou desfavor vel O segundo evento B sobre as condi es de mercado tamb m com dois resultados fortes e fracos Esta ferramenta usada para E Weak Market calcular a probabilidades conjunta marginal Spoor Ri Day ra atualizada inserindo as probabiidades pr via e as probabilidades de confiabilidade condicional ou probabilidades condicionais a podem ser calculadas
95. 1 0000 0 2905 Principal Component Analysis 0 1200 0 2271 0 2905 1 0000 Rank Ascending Matriz de covari ncia Rank Descending 470279784 3284 670889 8820 112410 0992 1222792 7730 Relative LN Returns 670889 8820 8614 6500 175 2712 6886 4692 Relative Returns 11741N NAA 175 7717 70 13N 747 11732 ETAPA 2 An lise Escolha uma an lise e insira os par metros obrigat rios consulte as entradas de par metro de exemplo abaixo Exibi o Em ordem alfab tica VARS VAR7 VARS VAR9 VA Salvar como 8 0 An lise do componente principal a ARIMA Carregar exemplo o AUtoARIMA 3 Autocorrela o e autocorrela o parcial E Editor de XML _ VaR9 vaR10 Dados gt Varl Var2 Var3 lt model name ANOVA Randomized Block notes id 60 parameter VAR60 VAR61 VAR62 VAR63 gt a lt model name ANOVA Single Factor Multiple Treatments notes id 61 parameter VAR57 VAR58 VAR59 gt lt model name ANOVA Two Way notes id 62 parameter VAR40 VAR41 VAR42 VAR43 VAR44 VAR45 VAR46 VAR47 VAR48 VAR49 VAR50 VAR51 903 gt 91 lt model name ARIMA 1 0 1 notes id 17 parameter VAR1 921 930 941 gt 95 lt model name ARIMA 1 0 2 notes id 17 parameter VAR1 961 970 982 gt 99 lt model name Auto ARIMA notes id 18 parameter VAR1 gt 100 lt model name Auto Econometrics Detailed notes id 1 parameter VAR5 Notas 101 V
96. 1 04 1 05 X4 N A 1 09 N A Figura 5 27 Erros de multicolinearidade A matriz de correla o lista as correla es do momento do produto de Pearson ou normalmente chamado de R de Pearson entre pares de vari veis O coeficiente de correla o varia entre 1 0 e 1 0 inclusive O sinal indica a dire o de associa o entre as vari veis enquanto o coeficiente indica a magnitude ou for a da associa o O R de Pearson mede uma rela o linear e menos eficiente para medir rela es n o lineares Para testar se as correla es s o significantes um teste de hip teses bicaudal executado e os p valores resultantes s o listados acima Os p valores menores que 0 10 0 05 e 0 01 est o destacados em azul para indicar signific ncia estat stica Em outras palavras um p valor para um par de correla o menor do que um valor de signific ncia determinado estatisticamente muito diferente de zero indicando que h signific ncia em uma rela o linear entre as duas vari veis Manual do Usu rio Risk Simulator 158 2005 2012 Real Options Valuation Inc O coeficiente de correla o do momento do produto de Pearson R entre duas vari veis x e y est relacionado medida de covari ncia cov COV ata onde R O benef cio ao dividir a covari ncia pelo produto SyS y do desvio padr o das duas vari veis s que o coeficiente de correla o resultante fica limitado a um valor entre 1 0 e 1 0 incl
97. 1 94 1 203 18 21 Despesas operacionais 10 50 157 50 157 50 22 Despesas de vendas gerais e administrativa Valor final T Valor final 30 5 15 75 15 75 23 Rendimento operacional EBITD 998 69 1 029 93 o e 24 Deprecia o Ed a o A R 20 510 00 510 00 25 Amortiza o O odiei TT 0 ea a 3 00 3 00 26 EBIT nomio ii 985 69 1 016 93 27 Pagamentos de juros 2 00 3 00 28 EBT 5 983 69 1 013 93 29 Impostos 98 393 48 405 57 30 Rendimento l quido a A A 571 47 590 21 608 36 31 N o monet rio Amortiza o de deprecia o 13 00 13 00 13 00 13 00 13 00 13 00 Figura 5 38 Ferramenta An lise de cen rio TABELA DE AN LISE DE CEN RIO Vari vel de sa da G 6 Valor inicial do caso b sico 3 127 87 ari vel de coluna C 12 in 10 x 30 as 20 Incremento alor inicial do caso ico 10 00 Vari vel d li Mii M Etap h Valor inicial di b si Vari vel de linha C 9 Min 0 3 M x 0 5 Etapas Incremento 0 01 Valor inicial do caso b sico 40 00 10 00 11 00 12 00 13 00 14 00 15 00 16 00 17 00 18 00 19 00 20 00 21 00 22 00 23 00 24 00 25 00 26 00 27 00 28 00 29 00 30 00 30 00 3 904 83 4 134 43 4 364 04 4 593 64 4 823 24 5 052 84 5 282 44 5 512 04 5741 64 5 971 24 6 200 85 6 430 45 6 660 05 6 889 65 7 119 25 7 348 85 7 578 45 7 808 05 8 037 65 8 267 26 8 496 86 31 00 3 827 14 4 053 46 4 279 78 4 506 10 4 732 42 4 958 74 5 185 06 5 411 39 5 637 71 5 864 03 6 090 35 6 316 6
98. 10 64 12 35 5 00 35 00 0 8615 8 1 5 1 13 25 13 28 5 00 35 00 0 9977 5 4 2 1 14 21 14 39 5 00 35 00 0 9875 3 6 3 1 15 53 14 25 5 00 35 00 1 0898 1 5 1 1 14 95 16 44 5 00 35 00 0 9094 2 9 4 1 14 16 16 50 5 00 35 00 0 8584 4 10 6 1 10 06 12 50 5 00 35 00 0 8045 10 3 8 1 12 6419 4 58 2 7596 Figura 4 1 Modelo de otimiza o cont nua Os pesos alocados na coluna E incluem as vari veis de decis o as quais s o as vari veis que precisam ser ajustadas e testadas para que o peso total se limite a 100 c lula E17 Geralmente para iniciar a otimiza o essas c lulas s o definidas com um valor uniforme neste caso as c lulas E6 a E15 s o definidas como 10 cada Al m disso cada vari vel de decis o pode ter restri es espec ficas na faixa permitida Neste exemplo as aloca es inferior e superior permitidas s o 5 e 35 como mostram as colunas F e G Isso significa que cada classe de ativos pode ter seus pr prios limites de aloca o Em seguida a coluna H mostra a taxa de retorno sobre o risco que simplesmente o percentual de retorno dividido pelo percentual de risco quanto maior esse valor maior o retorno O modelo restante mostra os rankings individuais de classe de ativos por retornos risco taxa de retorno sobre o risco e aloca o Em outras palavras os rankings mostram resumidamente qual classe de ativos tem o menor risco ou o maior retorno etc Os retornos totais do portf lio na
99. 125 138 139 140 141 142 143 144 145 146 154 155 162 163 164 165 166 169 176 177 178 179 180 205 206 207 211 distribui o t 51 54 66 68 69 143 155 distribui es 5 10 11 13 14 17 22 32 38 39 40 42 43 44 45 47 54 58 59 64 65 66 68 70 71 122 140 141 143 144 146 147 148 162 165 168 169 176 177 178 179 205 207 Distribution 18 email 6 7 210 entradas 18 21 22 23 32 55 56 61 63 70 75 97 110 117 124 126 129 136 166 169 178 208 209 214 equa o 36 41 82 86 92 100 130 153 156 157 205 206 207 Erlang 11 55 58 59 erro 5 6 19 24 27 35 37 64 80 82 90 92 94 105 106 136 144 152 154 155 171 208 Manual do Usu rio Risk Simulator 216 erros 12 19 25 50 64 75 76 82 83 90 92 93 94 105 151 152 155 156 158 erros de especifica o 151 est tico 110 156 estat stica t 158 estat sticas 12 13 14 17 25 27 33 35 38 39 41 86 89 93 94 105 111 126 141 144 145 146 154 156 158 159 167 181 209 estat sticas de previs o 13 25 38 111 144 209 estat sticas Q de Ljung Box 94 154 estimativa de ponto 125 estimativas 16 44 66 74 77 80 92 105 111 140 152 153 206 estoc stico 5 77 86 87 88 110 111 112 114 118 120 125 124 125 127 151 156 157 162 206 209 Excel 5 6 7 8 9 10 11 13 17 18 19 20 21 27
100. 13 51 5 316 88 5 520 24 5 723 60 5 926 96 6 130 32 6 333 68 6 537 04 6 740 40 6 943 76 7 147 13 7 350 49 39 00 3 205 57 3 405 65 3 605 73 3 805 81 4 005 89 4 205 97 4 406 06 4 606 14 4 806 22 5 006 30 5 206 38 5 406 46 5 606 54 5 806 62 6 006 70 6 206 79 6 406 87 6 606 95 6 807 03 7 007 11 7 207 19 40 00 3 127 87 3 324 67 3 521 48 3 718 28 3 915 08 4 111 88 4 308 68 4 505 48 4 702 28 4 899 08 5 095 88 5 292 68 5 489 49 5 686 29 5 883 09 6 079 89 6 276 69 6 473 49 6 670 29 6 867 09 7 063 89 41 00 3 050 18 3 243 70 3 437 22 3 630 74 3 824 26 4 017 78 4 211 30 4 404 82 4 598 35 4 791 87 4 985 39 5 178 91 5 372 43 5 565 95 5 759 47 5 952 99 6 146 51 6 340 03 6 533 56 6 727 08 6 920 60 42 00 2 972 48 3 162 72 3 352 96 3 543 20 3 733 45 3 923 69 4 113 93 4 304 17 4 494 41 4 684 65 4 874 89 5 065 13 5 255 37 5 445 61 5 635 86 5 826 10 6 016 34 6 206 58 6 396 82 6 587 06 6 777 30 43 00 2 894 79 3 081 75 3 268 71 3 455 67 3 642 63 3 829 59 4 016 55 4 203 51 4 390 47 4 577 43 4 764 40 4 951 36 5 138 32 5 325 28 5 512 24 5 699 20 5 886 16 6 073 12 6 260 08 6 447 04 6 634 01 44 00 2 817 09 3 000 77 3 184 45 3 368 13 3 551 81 3 735 49 3 919 18 4 102 86 4 286 54 4 470 22 4 653 90 4 837 58 5 021 26 5 204 94 5 388 62 5 572 30 5 755 98 5 939 67 6 123 35 6 307 03 6 490 71 45 00 2 739 39 2 919 79 3 100 20 3 280 60 3 461 00 3 641 40 3 821 8
101. 177498 170 07483 55 00 50 00 C16 Quantidade do produto B 30 533 162 71933 A 38 50 35 00 C14 Pre o m dio do produto C 40 146587 153 10574 16 67 15 15 C17 Quantidade do produto C 48 047369 145 20496 22 00 C5 Taxa de desconto ajustada pelo risco dd 138 23913 57 029841 16 50 C8 Taxa de eros o dos pre os 116 80381 76 640952 E 5 50 C7 Taxa anualizada de crescimento de ven 90 588354 102 68541 i 2 20 C24 Deprecia o 95 084173 98 168155 11 00 C25 Amortiza o 96 163566 97 088761 X 3 30 C27 Pagamentos de juros 97 088761 96 163566 2 20 Pre o m dio do produto B E Pre o m dio do produto A Figura 5 5 Gr fico aranha Manual do Usu rio Risk Simulator 133 2005 2012 Real Options Valuation Inc coral 0022 9 11 27 33 22 1 8 50 100 150 200 Figura 5 6 Gr fico tornado 0 0 5 80 00 60 00 40 00 20 00 0 00 20 00 40 00 60 00 80 00 Figura 5 7 Gr fico aranha n o linear Embora o gr fico tornado seja de mais f cil compreens o o gr fico aranha importante para determinar se existem n o linearidades no modelo Por exemplo a Figura 5 7 mostra outro gr fico aranha no qual as n o linearidades s o bastante evidentes as linhas no gr fico n o s o retas mas curvas O modelo usado o Gr ficos de sensibilidade e tornado n o lineares que usa o modelo de precifica o de op o de Manual do Usu rio Risk Simulator 134 O 20
102. 20 122 125 128 130 132 135 136 138 139 147 149 151 152 155 154 157 160 166 167 168 171 172 181 184 206 207 209 210 212 213 214 an lise de regress o 75 76 77 82 92 93 97 98 105 106 151 152 153 anualizados 112 113 123 aquisi o 153 172 aranha 5 14 18 130 133 134 135 136 139 213 arco seno 10 52 ARIMA 5 11 17 74 75 78 92 93 94 96 97 98 100 101 104 106 108 154 208 ativo 20 38 116 122 123 124 125 211 212 autocorrela o 13 75 83 93 154 155 156 158 barra de ferramentas 7 10 21 23 24 beta 10 51 52 53 55 59 63 65 66 71 72 80 138 165 177 178 207 beta multiplicativa deslocada 53 binomial 10 45 46 47 48 49 51 105 163 164 165 179 Manual do Usu rio Risk Simulator 215 binomial negativa 11 45 46 47 49 165 bola de cristal 44 128 142 143 bootstrap 5 17 144 145 146 Box Jenkins 5 17 75 92 97 causalidade 31 159 centro 38 41 60 69 131 152 165 classes de ativos 112 113 122 123 coeficiente de correla o 31 32 158 159 coeficiente de determina o 151 combina o 24 158 167 comportamento 52 53 54 75 90 98 100 140 156 170 confiabilidade 70 71 128 144 cont nua 43 54 57 110 112 113 116 117 124 165 correla o 10 12 13 17 20 31 32 33 34 44 92 94 113 138 139 154 158 159 168 176 205 206 correla o
103. 20 REQM 71 8132 2 58410 EQM 5157 1348 3 765 40 MAD 53 4071 4 892 30 MAPE 4 50 5 885 40 684 20 U Theil 0 3054 6 677 00 667 55 7 1006 60 935 45 8 1122 10 1198 09 9 1163 40 1112 48 10 993 20 887 95 11 1312 50 1348 38 12 1545 30 1546 53 13 1596 20 1572 44 14 1260 40 1299 20 15 1735 20 1704 77 16 2029 70 1976 23 17 2107 80 2026 01 18 1650 30 1637 28 19 2304 40 2245 93 20 2639 40 2643 09 Previs o21 2713 69 Previs o22 2114 79 Previs o23 2900 42 Previs o24 3293 81 Previs o25 3346 55 Previs o26 2580 81 Previs o27 3506 19 Previs o28 3947 61 Figura 3 5 Exemplo de relat rio de previs o de Holt Winters Manual do Usu rio Risk Simulator 81 O 2005 2012 Real Options Valuation Inc Teoria 3 4 Regress o multivariada Sup e se que o usu rio tenha conhecimentos suficientes sobre os fundamentos de an lise de regress o A equa o de regress o linear bivariada assume a forma de Y 5 B X e ondef a intercep o A a inclina o e amp o termo de erro Ela bivariada porque tem apenas duas vari veis uma vari vel dependente Y e uma vari vel independente X onde X tamb m conhecido como o regressor s vezes uma regress o bivariada tamb m conhecida como uma regress o univariada pois h apenas uma vari vel independente X A vari vel dependente recebe esse nome por depender da vari vel independente por exemplo a receita de vendas depende dos custos com marketing com propaganda e pro
104. 3 98 99 105 106 151 152 153 154 155 156 157 regress o de quadrados m nimos 106 152 regress o m ltipla 5 158 relat rio 13 20 80 81 84 87 90 93 98 99 100 101 104 106 107 108 121 125 130 135 138 141 147 149 150 154 156 171 172 173 181 209 213 restri es 17 110 111 112 113 114 116 117 118 121 123 124 207 210 211 retorno 38 40 112 113 114 116 117 118 120 122 123 153 retornos 40 41 76 87 101 111 112 113 114 116 117 122 123 124 153 retornos relativos 76 101 112 123 revers o m dia 6 76 77 87 101 156 157 206 209 risco 9 12 16 17 34 38 39 40 41 44 77 112 113 114 116 117 118 120 122 123 124 126 128 132 Risk Simulator 5 6 7 8 9 10 13 17 18 19 20 21 22 23 24 25 31 32 33 35 36 38 2005 2012 Real Options Valuation Inc 40 44 74 75 76 77 78 79 80 83 86 87 90 93 97 98 99 100 101 104 106 108 110 111 112 114 116 117 118 119 121 124 128 130 135 138 140 143 144 146 148 149 150 151 154 159 162 163 165 166 167 168 170 171 172 173 174 176 177 178 181 205 206 207 209 210 211 212 213 214 salvar 7 19 20 148 149 181 211 212 sazonalidade 13 17 77 78 80 154 171 segundo momento 38 40 41 176 sensibilidade 5 13 17 18 128 130 133 134 136 137 138 139 s rie temporal 5 12 14 74
105. 31 32 41 42 78 79 83 90 93 97 98 100 101 104 106 108 110 124 130 136 209 211 212 213 execu o 10 13 18 24 25 26 75 80 83 97 98 111 126 136 138 145 149 153 155 156 169 181 206 210 212 214 exponencial deslocada 56 extrapola o 5 11 14 90 91 107 faixa 22 38 39 52 53 58 97 104 111 115 123 126 129 145 153 163 207 Fisher Snedecor 57 flexibilidade 126 flutua es 64 136 139 151 156 frequ ncia 5 16 25 26 42 43 44 58 172 fun es 10 11 12 16 21 22 23 41 44 90 99 110 117 124 136 154 169 177 206 209 213 galeria 22 gama 11 53 55 58 59 65 68 69 71 80 165 geom trica 11 45 47 62 112 123 O 2005 2012 Real Options Valuation Inc gest o 125 heteroscedasticidade 11 13 18 74 76 83 101 151 152 153 155 hipergeom trica 11 48 hip tese 5 57 68 84 94 141 143 144 146 147 152 154 155 hip tese nula 94 141 147 152 154 155 histograma 25 26 42 43 Holt Winter 80 81 cone 7 21 22 23 24 25 97 101 108 114 118 124 208 cones 7 8 10 21 22 23 97 124 178 205 212 inferior 31 61 64 93 113 114 123 154 infla o 63 74 154 156 157 158 instala o 6 7 inteiro 5 20 24 46 49 50 55 59 68 69 80 110 112 212 intervalo de confian a 28 29 35 68 144 146 165 investimento 117 122 130 131 138 juros 74
106. 33 um em tr s de que um funcion rio escolhido ao acaso do total de funcion rios ganhe entre 8 00 e 8 50 por hora 0 33 Probability 7 00 7 50 8 00 8 50 9 00 Hourly Wage Ranges in Dollars Figura 2 26 Histograma de frequ ncia II As distribui es de probabilidade podem ser discretas ou cont nuas As distribui es de probabilidade discretas descrevem valores distintos geralmente inteiros sem valores intermedi rios e s o mostradas como uma s rie de barras verticais Uma distribui o discreta por exemplo poderia descrever o n mero de caras em quatro rodadas de cara ou coroa usando uma moeda como 0 1 2 3 ou 4 As distribui es cont nuas s o abstra es matem ticas porque sup em a exist ncia de todos os valores intermedi rios poss veis entre dois n meros Ou seja uma distribui o cont nua presume que h um n mero infinito de valores entre dois pontos na distribui o No entanto em muitas situa es voc pode usar uma distribui o cont nua para fazer a aproxima o de uma distribui o discreta ainda que o modelo cont nuo n o descreva a situa o de maneira exata A plotagem dos dados um guia para selecionar uma distribui o de probabilidade As seguintes etapas fornecem outro processo para selecionar distribui es de probabilidade que melhor descrevem as vari veis incertas nas suas planilhas Para selecionar a distribui o de probabilidade correta use estas etapas e Obs
107. 485 70 465 25 445 33 Investimentos 1800 00 J T Figura 5 1 Modelo de exemplo Manual do Usu rio Risk Simulator 129 2005 2012 Real Options Valuation Inc Procedimento Selecione a nica c lula de resultado por exemplo uma c lula com uma fun o ou equa o em um modelo do Excel como a c lula G6 selecionada no nosso exemplo Selecione Risk Simulator Ferramentas An lise tornado Revise as precedentes e as renomeie de forma apropriada renomear as precedentes com nomes mais curtos torna gr ficos tornado e aranha visualmente mais agrad veis e clique em OK gt Ano base Taxa de desconto de risco privado Taxa de eros o dos pre os Taxa de juros efetiva ajel aj Pre o m dio do produto A Pre o m dio do produto B Pre o m dio do produto C Quantidade do produto A Quantidade do produto B Quantidade do produto C Receita total Custo dos bens vendidos Lucro bruto Despesas operacionais Custos de vendas gerais e admin Rendimento operacional EBITDA Deprecia o Amortiza o EBIT Pagamentos de juros EBT Impostos Taxa de desconto ajustada pelo risco de r Taxa anualizada de crescimento de venda An lise tornado executar as simula es Sele o Nome Planilha C lula Taxade Modelod C5 Investim Modelo d C36 Despesa Modelo d C33 Altera Modelo d C32 Depreci Modelo d C24 Amortiza Modelo d C25 Taxade Modelod C9 Pagame Modelod C27 Quantid Modelo
108. 5 Ajuste de dados A Executar simutagio super r pica Buscar mets Ei orii Alem o Deutsthi d pra e s 07 FOC e volatilidade 1h Simuis o por etapas OG ROlo vetatindas Chin s Simpiiricado GRIE Gusas de destino Gi ume ribet A Feramerta ce dugn rtico OB Teste de hip teses e simula o de bootstrap E Acdetinir simula o p i p Coreano HTO N E An lire da distribui o Modelos de exemplo p mn grain p Espanhol dspa on I Tabeis de distribui o 10 Extrapola o n o linear Franc s Frangais Bed am E Designer de distribui o asas Desir a 11 Otimiza o continua ingts anoun Otimiza o AytoARIMA I Ajuste da distribui o frari vel nica 12 0tim filias Asia espe Autgeconometra ms Apuste da destrui o multiplas vari veis 13 Otimiza o estoc stica ports EF Sopre o Risk Simulator Verifique para atualiza o Recursos PPRPPPPPRRrRNarRRnNES An lise de regress o m ttipia tstrapola o n o linear Processos estoc sticos Teste de sazonalidade Agrupamento por segmenta o an se de sensipilidade AALL TETA 20 ARIMA de s rie tempora 21 Previs o da s rie temporal 22 Gr ficos de sensibilidade e tomado neares T Exescicios Pr ticos An lise de s rie temporal An lise de cen rio abiidac nado n o un 4 T Detalhes da distribui o de probabinaades 23 Gr ficos de sensibilidade e tornado nbo nestes a Unha de tend nco anipse etana 24 Ferramentas sobre comportamento de dad
109. 54 0 5093 0 3500 X4 0 0061 0 6739 0 7932 0 7719 0 6748 0 8627 0 5586 0 9046 0 5726 0 6304 0 4812 0 5707 X5 0 1591 0 2032 0 4123 0 5599 0 6416 0 3447 0 9190 0 9740 0 5185 0 2856 0 1489 0 7794 Figura 5 24 Resultados de autocorrela o e defasagem de distribui o Outra exig ncia ao executar um modelo de regress o a suposi o de normalidade e a esfericidade do per odo de erro Se a suposi o de normalidade for violada ou observa es discrepantes estiverem presentes o teste de melhor ajuste da regress o linear pode n o ser o mais poderoso ou informativo dispon vel o que poderia significar a diferen a entre detectar ou n o um ajuste linear Se os erros n o forem independentes e n o estiverem normalmente distribu dos eles poder o indicar que os dados podem estar autocorrelacionados ou apresentar n o linearidades ou outros erros mais destrutivos A independ ncia dos erros tamb m pode ser detectada nos testes de heteroscedasticidade Figura 5 25 O teste de normalidade realizado nos erros um teste n o param trico que n o faz suposi es sobre a forma espec fica da popula o da qual a amostra retirada permitindo que conjuntos de dados amostrais menores sejam analisados Esse teste avalia a hip tese nula de erros amostrais terem sido extra dos de uma popula o distribu da normalmente em compara o a uma hip tese alternativa de que a amostra de dados n o distribu da normalmente Se a estatistica D ca
110. 542 96 78 0 02 0 32 0 2475 0 0725 79 46 0 02 0 34 0 2876 0 0524 73 50 0 02 0 36 0 3021 0 0579 68 87 0 02 0 38 0 3136 0 0664 Figura 5 25 Teste para normalidade de erros Ocasionalmente certos tipos de dados de s rie temporal n o podem ser modelados usando outros m todos exceto o processo estoc stico pois os eventos subjacentes s o estoc sticos por natureza Por exemplo n o poss vel prever e modelar de forma adequada pre os de a es taxas de juros o pre o do petr leo e o pre o de outras commodities usando um modelo de regress o simples porque essas vari veis s o muito incertas e vol teis e n o seguem uma regra est tica predefinida de comportamento em outras palavras o processo n o estacion rio A propriedade estacion ria verificada aqui usando o teste de execu o enquanto outra dica visual encontrada no relat rio de autocorrela o o ACF tende a decair lentamente Um processo estoc stico uma segu ncia de eventos ou caminhos gerados pelas leis de probabilidade Ou seja eventos aleat rios podem ocorrer ao longo do tempo mas s o regidos por leis estat sticas probabil sticas espec ficas Os principais processos estoc sticos incluem caminho aleat rio ou movimento browniano revers o m dia e difus o com salto Esses processos podem ser usados para prever diversas vari veis que parecem seguir tend ncias aleat rias mas s o restringidos pelas leis probabil sticas A equa o d
111. 6 63 e como cada entrada alterada por exemplo o investimento alterado de 1 800 para 1 980 no lucro com uma oscila o de 10 e de 1 800 para 1 620 na perda com uma oscila o de 10 Os valores de lucro e perda resultantes no VPL s o 83 37 e 276 63 com uma altera o total de 360 tornando a a vari vel com maior impacto sobre o VPL As vari veis precedentes s o classificadas do maior ao menor impacto O gr fico aranha Figura 5 5 ilustra esses efeitos graficamente O eixo y o valor alvo de VPL e o eixo x representa a altera o 130 O 2005 2012 Real Options Valuation Inc percentual em cada valor precedente o ponto central o valor do caso b sico em 96 63 com altera o de 0 do valor b sico de cada precedente Uma linha inclinada positivamente indica uma poss vel rela o ou efeito enquanto linhas inclinadas negativamente indicam uma rela o negativa por exemplo se o investimento estiver inclinado negativamente isso significar que quanto maior for o n vel do investimento menor ser o VPL O valor absoluto da inclina o indica a magnitude do efeito uma linha muito inclinada indica um impacto maior no eixo y do VPL dada uma altera o no eixo x precedente e O gr fico tornado ilustra isso de outra maneira gr fica na qual a precedente de maior impacto listada primeiro Um eixo x o valor de VPL com o centro do gr fico sendo a condi o do caso b sico As barras verdes
112. 60 34 460 83 461 68 461 66 461 64 469 38 470 05 469 72 incluindo EGARCH EGARCH T GARCH M GJR GARCH GJR GARCH T IGARCH e T GARCH Consulte Modeling Risk segunda edi o Wiley 2010 sobre modelagem GARCH para obter mais detalhes sobre a utilidade de cada especifica o Modelo autorregressivo heteroscedasticidade condicional generalizado GARCH Para executar um modelo GARCH insira os dados de s rie temporal relevante clique em Risk Simulator Previs o GARCH e clique no cone do link do local dos dados selecione a rea dos dados hist ricos por exemplo C8 C2428 Insira as entradas necess rias por exemplo P 1 Q 1 Periodicidade de negocia o di ria 252 Base de previs o 1 Per odos de previs o 10 e clique em OK Revise o relat rio de previs o gerado IR GARCH Us modelos GAHCH ou autorregressivo heteroscedasticidade condicional generalizada s o usados para prever a volatilidade de instrumentos financeiros usando os pr prios pre os O modelo GARCH P Q permite diferentes par metros de defasagem inteiros positivos de Pe Q para as equa es da m dia novos e da vari ncia Observe que somente valores de dados positivos podem ser usados em uma previs o de volatilidade GARCH A periodicidade o press por ano por exemplo 12 para dados mensais 252 para dados de di ria 365 para dados di rios para anualizar a volatilidade Mantenha 1 para volatilidade peri dica base corresponde
113. 7 6 542 99 6 769 31 6 995 63 7 221 96 7 448 28 7 674 60 7 900 92 8 127 24 8 353 56 32 00 3 749 44 3 972 48 4 195 52 4 418 56 4 641 61 4 864 65 5 087 69 5 310 73 5 533 77 5 756 81 5 979 85 6 202 89 6 425 94 6 648 98 6 872 02 7 095 06 7 318 10 7 541 14 7 764 18 7 987 22 8 210 26 33 00 3 671 75 3 891 51 4 111 27 4 331 03 4 550 79 4 770 55 4 990 31 5 210 07 5 429 83 5 649 60 5 869 36 6 089 12 6 308 88 6 528 64 6 748 40 6 968 16 7 187 92 7 407 68 7 627 45 7 847 21 8 066 97 34 00 3 594 05 3 810 53 4 027 01 4 243 49 4 459 97 4 676 45 4 892 94 5 109 42 5325 90 5 542 38 5 758 86 5 975 34 6 191 82 6 408 30 6 624 79 6 841 27 7 057 75 7 274 23 7 490 71 7 707 19 7 923 67 35 00 3 516 35 3 729 55 3 942 76 4 155 96 4 369 16 4 582 36 4 795 56 5 008 76 5221 96 5 435 16 5 648 36 5 861 57 6 074 77 6 287 97 6 501 17 6 714 37 6 927 57 7 140 77 7 353 97 7 567 17 7 780 38 36 00 3 438 66 3 648 58 3 858 50 4 068 42 4 278 34 4 488 26 4 698 18 4 908 10 5 118 03 5 327 95 5 537 87 5 747 79 5 957 71 6 167 63 6 377 55 6 587 47 6 797 39 7 007 32 7 217 24 7 427 16 7 637 08 37 00 3 360 96 3 567 60 3 774 24 3 980 88 4 187 53 4 394 17 4 600 81 4 807 45 5 014 09 5 220 73 5 427 37 5 634 01 5 840 65 6 047 30 6 253 94 6 460 58 6 667 22 6 873 86 7 080 50 7 287 14 7 493 78 38 00 3 283 27 3 486 63 3 689 99 3 893 35 4 096 71 4 300 07 4 503 43 4 706 79 4 910 15 5 1
114. 7 51 98 3 1000 124 39 56 12 3 2000 120 20 54 13 3 3000 118 60 57 79 3 4000 122 20 55 07 3 5000 122 53 56 45 3 6000 123 28 55 32 3 7000 122 94 62 09 3 8000 123 91 61 88 3 9000 124 09 61 30 4 0000 121 04 60 85 4 1000 124 76 63 41 4 2000 123 78 62 22 4 3000 123 51 62 76 4 4000 121 58 64 71 4 5000 123 88 73 86 4 6000 123 71 76 64 Figura 3 10 Resultado de previs o estoc stica 3 6 Extrapola o n o linear Teoria A extrapola o envolve a cria o de proje es estat sticas usando tend ncias hist ricas projetadas para um per odo de tempo espec fico no futuro Usa se somente para previs es de s ries temporais Para dados de se o transversal ou combinados s rie temporal com dados de se o transversal a regress o multivariada mais apropriada Esta metodologia til quando n o se espera altera es significativas ou seja espera se que os fatores causais permane am constantes ou quando os fatores causais de uma situa o n o s o claramente Manual do Usu rio Risk Simulator 89 O 2005 2012 Real Options Valuation Inc Procedimento Interpreta o dos resultados Notas entendidos Isso tamb m desestimula a inser o de vieses pessoais no processo A extrapola o bastante confi vel relativamente simples e barata No entanto a extrapola o que sup e que tend ncias recentes e hist ricas ter o continuidade produz grandes erros de previs o em caso de descontinuidades dentro do p
115. 76 77 78 79 80 86 89 90 92 93 97 101 107 151 153 156 170 172 173 207 208 signific ncia 13 68 94 105 145 147 152 154 155 158 sim n o 45 104 117 sim trico 29 152 simula o 5 10 11 12 13 16 17 18 19 20 21 22 23 24 25 26 31 32 33 34 35 42 44 45 46 47 48 74 77 80 86 87 110 111 112 113 14 118 120 122 123 124 125 126 128 132 136 158 139 140 141 144 145 146 148 149 150 151 159 162 166 167 168 169 174 205 209 210 211 212 213 Simula o 168 186 189 190 Single Asset SLS 6 SLS 5 6 10 Spearman 32 159 spread 33 38 superior 92 113 114 123 158 suposi o 16 20 21 22 23 24 44 80 92 111 124 126 136 138 141 152 155 176 205 206 suposi es 10 11 13 16 18 19 20 21 22 24 31 32 34 44 74 76 79 80 87 100 101 104 111 113 114 118 120 122 124 126 170 132 Manual do Usu rio Risk Simulator 219 136 138 139 140 141 148 149 150 152 155 205 206 211 212 taxa 11 38 51 55 56 60 63 74 77 87 92 105 107 113 114 116 117 118 122 123 138 140 154 156 157 206 209 taxa de crescimento 60 74 92 140 156 taxa de juros 77 107 138 154 156 tend ncias 12 13 39 77 89 156 173 tentativas 11 16 19 20 24 25 27 35 44 45 46 47 48 49 56 111 124 126 144 146 163 164 165 179 210 terceiro momento 38 3
116. 77 107 154 156 linear 11 12 32 77 82 105 112 129 152 153 155 157 158 logar tmica dupla 11 60 log stica 11 54 60 61 105 lognormal 11 40 58 61 62 66 lognormal deslocada 62 matriz 13 31 32 33 158 176 205 206 m dia 11 12 16 17 22 27 34 35 38 39 41 44 46 49 51 54 56 57 58 59 61 62 63 68 69 74 77 78 87 92 94 106 111 112 123 126 141 146 152 154 155 157 165 170 173 205 207 209 m dia geom trica 62 112 123 melhor ajuste 11 12 14 75 77 80 82 97 140 154 155 167 170 173 176 207 Manual do Usu rio Risk Simulator 217 mercado 11 32 41 74 76 77 100 104 140 153 154 156 159 168 m todo Delphi 11 140 modelo 10 11 12 13 16 18 19 20 21 22 23 24 25 33 35 43 44 74 75 76 77 78 79 80 83 87 92 93 94 97 98 99 100 101 104 105 106 108 110 111 112 115 114 117 118 121 122 123 124 126 128 129 130 132 134 135 136 138 140 148 150 151 153 154 155 156 159 166 168 169 174 175 181 182 207 208 209 211 212 213 214 modelos 5 6 9 10 11 12 14 17 20 33 66 75 77 78 80 92 93 98 99 101 105 112 117 153 166 170 181 182 208 209 210 211 Monte Carlo 5 10 16 17 18 20 22 25 32 33 35 42 44 45 75 77 80 83 84 87 110 168 169 210 movimento browniano 87 156 157 207 multicolinearidade 13 18 83 151 158
117. 9 41 teste de Anderson Darling 143 teste de Kolmogorov Smirnov 143 teste qui quadrado 143 testes de melhor ajuste 154 tipos 13 32 45 73 110 112 122 143 156 174 176 179 211 t tulo 19 tornado 5 14 17 18 128 130 151 132 134 135 136 137 138 139 213 214 triangular 11 16 44 66 69 nico 10 19 45 48 51 56 67 68 69 73 74 80 100 111 125 153 159 181 211 uniforme 11 16 40 44 51 70 113 123 140 169 210 validade 90 154 valor 12 20 21 28 30 31 34 35 38 40 41 44 45 51 52 53 54 56 57 59 60 61 62 63 64 66 67 69 70 71 72 75 77 80 90 92 100 101 105 113 114 117 121 122 123 126 128 130 131 155 136 138 141 145 146 152 154 155 156 158 159 165 164 165 166 170 205 206 209 210 213 214 valores 9 16 18 19 20 21 22 23 24 25 27 28 29 31 32 34 40 43 44 52 53 54 57 60 61 62 63 66 69 70 74 75 76 77 78 80 87 90 92 93 94 97 100 104 105 106 107 108 110 111 112 113 114 117 120 122 123 124 128 129 130 135 136 O 2005 2012 Real Options Valuation Inc 140 147 149 152 153 154 155 158 163 vari vel dependente 75 76 82 84 92 93 164 166 169 176 177 178 179 205 206 97 99 104 106 151 152 153 154 AULA Dona 210 A1 vari vel independente 82 105 152 153 154 vari ncia 39 54 57 61 69 84 126 139 157 158 148 151
118. AR6 VART VAR8 1020 1 203 0 gt 104 lt model name Auto Econometrics Quick notes id 2 paramecer VARd bile Bi Lido ssbesidrebss eodesbn sed A 105 VAR6 VAR7 VAR8 Parametric 2 Var Z Test for Independent Means 1060 1 Parametric 2 Var Z Test for Independent Proportions 1070 108 0 gt 109 lt model name Autocorrelation and Partial Autocorrelation notes id TVARS gt 110 lt model name Average notes id 115 parameter VAR1 gt lt model name Control Chart C notes 97 parameter VAR69 gt PRINCIPAL COMPONENT ANAYSIS Salvar Figura 5 55 ROV BizStats editor de XML Manual do Usu rio Risk Simulator 185 O 2005 2012 Real Options Valuation Inc 5 23 Metodologias de previs o de l gica difusa combinat ria e de rede neural O termo rede neural tradicionalmente usado para se referir a uma rede ou um circuito de neur nios biol gicos ao passo que o uso moderno do termo se refere s redes neurais artificiais que compreendem neur nios artificiais ou n s recriados em um ambiente de software Essa metodologia tenta imitar os neur nios ou o c rebro humano no modo de pensar e identificar padr es em nosso caso para identificar padr es com a finalidade de prever dados de s rie temporal Essa metodologia encontrada no m dulo ROV BizStats do Risk Simulator localizado em Risk Simulator ROV BizStats R
119. ASSO 3 Entre o segundo evento de probabilidade a priori e a probabilidade ED animsie Leii condicional para cada evento ou resultado As probabilidades devem somar 100 Salvar Modelo Prob Strong Unfavorable 18 00 Probabilidade Condicional Reliabilities Nome Prob Weak Unfavorable 38 50 P x a priori Favorable Unfavorable Probabilidades a posteriori ou Probabilidades atualizadas 45 00 100 009 003 Prob Strong Favorable 62 07 Prob Weak Favorable 37 93 55 00 30 00 70 00 100 009 Prob Strong Unfavorable 31 86 100 00 d m TE Prob Weak Unfavorable 68 14 Figura 5 63 ROV Decision Tree An lise Bayesiana ROV Visual Modeler User Manual 200 O Copyright 2005 2012 Dr Johnathan Mun 4 ROV Visual Modeler 2012 Decision Trees CAUsers user Desktop Screen ShotsiDT Model Portuguese rovdt E E N Arquivo Editar Inserir Propriedades Estilo FormaseCores Idioma Language Ajuda ao coco s naz2280 2 P 4AGErXO Arvore de Decis o Sum rio dos Valores Modelagem da Simula o An lise Bayesiana EVPI Minimax Perfil de Risco An lise de Sensibilidade Tabela de Cen rios Fun o de Utiidade Valor Esperado da Informa o Perfeita An lise de Minimax e Maximin Perfis de Risco e Valor da Informa o Imperfeita Esta ferramenta calcula o Valor Esperado da Informa o Perfeita VEIP An lise de Minimax e Maximin bem como
120. C k for extinta mais ou menos geometricamente com uma defasagem crescente isso implica que a s rie segue um processo autorregressivo de ordem inferior Se a AC k cair a zero depois de um pequeno n mero de defasagens isso implica que a s rie segue um processo de m dia m vel de ordem inferior A correla o parcial PAC k mede a correla o dos valores que est o separados por k per odos depois de remover a correla o das defasagens interm dias Se for poss vel capturar o padr o de autocorrela o por uma autorregress o de ordem menor do que k ent o a autocorrela o parcial na defasagem k ser pr xima a zero As estat sticas Q Ljung Box e seus p valores na defasagem k t m a hip tese nula de que n o h autocorrela o at a ordem k As linhas pontilhadas nos gr ficos da autocorrela o s o os dois limites de erro padr o aproximados Se a autocorrela o estiver dentro desses limites n o ser significativamente diferente de zero no n vel de signific ncia de 5 aproximadamente Previs o Per odo Real Y Previs o F Erro E 2 139 4000 139 6056 0 2056 3 139 7000 140 0069 0 3069 4 139 7000 140 2586 0 5586 5 140 7000 140 1343 0 5657 6 141 2000 141 6948 0 4948 7 141 7000 141 6741 0 0259 8 141 9000 142 4339 0 5339 9 141 0000 142 3587 1 3587 10 140 5000 141 0466 0 5466 11 140 4000 140 9447 0 5447 12 140 0000 140 8451 0 8451 13 140 0000 140 2946 0 2946 14 139 9000 140 5663 0 6663 15 139
121. DS Ns 4 das A E r 20 iluda as T ag RNA o E fal no Et Okk M MTE Sa a ol 2 mio A ls ot E a El J U ON ye de Ja E os a a a wi 2i la E ISK SINN SN ual do Jada y Johnathan Mun Ph D MBA MS BS CRM ERM CEC MIFC Real Options Valuation Ene Real Options Valuation Inc sk Simulator d Risk Este manual e o software nele descrito s o fornecidos mediante licen a e s podem ser usados ou copiados de acordo com os termos do acordo de licen a do usu rio final As informa es neste documento s o fornecidas com finalidade informativa est o sujeitas a altera es sem aviso pr vio e n o representa um compromisso da Real Options Valuation Inc com a comercializa o ou a adequa o a uma finalidade espec fica Nenhuma parte deste manual pode ser reproduzida ou transmitida de qualquer forma ou por qualquer meio eletr nico ou mec nico inclusive fotoc pia ou grava o para qualquer finalidade sem a permiss o por escrito da Real Options Valuation Inc Materiais baseados em publica es protegidas por direito autoral do Dr Johnathan Mun fundador e CEO Real Options Valuation Inc Escrito por Dr Johnathan Mun Escrito concebido e publicado nos Estados Unidos da Am rica Microsoft uma marca registrada da Microsoft Corporation nos EUA e em outros pa ses Os nomes de outros produtos mencionados aqui podem ser matcas comerciais e ou registradas dos r
122. ID 30 0000 Tempo de conclus o D Cr tico ID 70 0000 12 Dias Tempo de conclus o A ID 1 30 0000 14 Dias Tempo de conclus o A ID 1 50 0000 18 Dias Tempo de conclus o A ID 1 20 0000 12 Dias Tempo de conclus o B ID 1 30 0000 14 Dias Tempo de conclus o B ID 1 50 0000 18 Dias Tempo de conclus o B ID 1 20 0000 16 Dias Tempo de conclus o C ID 1 30 0000 Tabela de Payoff K p p e p LN ul Bie ELLA REC apepiigegoa ap 8 Res Nome do Evento Valor 12 Dias Tempo de conclus o A Cr ti 248 0000 14 Dias Tempo de conclus o A Cr ti 286 0000 18 Dias Tempo de conclus o A Cr ti 362 0000 12 Dias Tempo de conclus o B Cr ti 44 0000 14 Dias Tempo de conclus o B Cr ti 48 0000 18 Dias Tempo de conclus o B Cr ti 56 0000 16 Dias Tempo de conclus o C Cr ti 306 0000 18 Dias Tempo de conclus o C Cr ti 343 0000 23 Dias Tempo de conclus o C Cr ti 435 5000 16 Dias Tempo de conclus o D Cr ti 34 0000 18 Dias Tempo de conclus o D Cr ti 37 0000 E p p p p SL Null FLAL A ATD A Khk Es EER ASAS 1 10 031 112 8730115 7150118 5569 121 3988 124 2407 127 0897 RESULTADOS DA SIMULA O Selecione o n de decis o a ser analisado N de decis o N de Decis o e caminho do 1 10000 118 4611 118 3932 3 5817 128284 0 0302 127 0827 110 0311 17
123. Inc 5 15 Supress o de tend ncia de dados dessazonaliza o de dados e teste de sazonalidade A ferramenta de supress o de tend ncia e dessazonaliza o de dados do Risk Simulator permite remover qualquer componente de sazonalidade ou tend ncia nos seus dados Este processo permite mostrar somente as altera es absolutas no valor de periodo a per odo permitindo a identifica o de poss veis padr es c clicos nos dados da s rie temporal A dessazonaliza o e a supress o de tend ncia removem ciclos de crescimento tend ncia varia o curva e outros ciclos sazonais que possam afetar os dados da s rie temporal deixando o comportamento verdadeiramente estrutural dos dados ao longo do tempo Os per odos de sazonalidade representam quantos per odos teriam de decorrer antes que o ciclo se repita por exemplo 24 horas em um dia 12 meses em um ano 4 trimestres em um ano 60 minutos em uma hora etc mas s vezes existem outros per odos sazonais n o inteiramente evidentes mediante a mera observa o dos dados ou da vari vel Esse teste de sazonalidade observa os dados da s rie temporal para determinar a periodicidade da sazonalidade de melhor ajuste para os dados Agora usando essa sazonalidade poss vel ajustar os efeitos de sazonalidade usando a ferramenta Dessazonaliza o dos dados como mostrado acima ou usando a ferramenta An lise de s rie temporal para fornecer uma previs o melhor Procedimento e Sel
124. Inc Filtro de dados O Mostrar todos os dados Mostrar somente dados dentro do limite finity e infinity Mostrar apenas dados que o e 5 desviam menos de 6 desv padr o Estat stica N vel de precis o usado para calcular o de erro 95 2 Mostrar estas estatisticas no histograma M dia Mediana 1 quartil quartil Mostrar decimais Eixo X do gr fico a l Confian a a l Estat sticas TA CEPET Sa P SD T REm Tipo degr f Baras Gr ficos sobrepostos Continua v M x Auto LM Titulo Rendimento 1000 tentativas Eixo Xdo gr Ajuste da distribui o conclu do Real Te rico Nome M dia 0 95 Pr Aas Obliquidade 0 07 Palo 09712 Kun pre Figura 2 9 Op es e controles do gr fico de previs o Nos gr ficos de previs o voc pode determinar a probabilidade de ocorr ncia denominada intervalos de confian a Ou seja dados dois valores quais s o as chances de o resultado estar entre um desses dois valores A Figura 2 10 ilustra que h uma probabilidade de 90 de que o resultado final nesse caso o n vel de renda estar entre 0 5565 e 1 3423 Para obter o intervalo de confian a bicaudal primeiro selecione o tipo Bicaudal insira o valor de certeza desejado por exemplo 90 e pressione TAB Os dois valores calculados que correspondem ao valor de certeza ser o exibidos Nesse exemplo h uma probabilidade de 5 de que a renda esteja abaixo
125. O Mostrar todos os dados Mostrar somente dados dentro do limite Infinity e lrfinity Mostrar apenas dados que o es desv padr o desviam menos de Estat stica N vel de precis o usado para calcular o de erro 95 Mostrar estas estat sticas no histograma 7 M dia 7 Mediana 7 1 quanil 7 3 quartil Mostrar decimais EixoXdogr fico 4 Confian a 4 Estatisticas 4 Figura 2 17 Configura o do n vel de precis o da previs o Manual do Usu rio Risk Simulator 36 O 2005 2012 Real Options Valuation Inc R Rendimento Previs o do Risk Simulator Percentual de precis o de emo a 95 de confian a Figura 2 18 C lculo do erro Manual do Usu rio Risk Simulator 37 O 2005 2012 Real Options Valuation Inc Medida do centro da distribui o primeiro momento Obliquidade 0 CurtoseXS 0 Medida do spread da distribui o segundo momento 2 3 5 No es b sicas sobre as estat sticas de previs o A maioria das distribui es pode ser definida em at quatro momentos O primeiro momento descreve sua localiza o ou tend ncia central retorno esperado o segundo momento descreve sua largura ou spread riscos o terceiro momento descreve sua obliquidade direcional eventos mais prov veis e o quarto momento descreve os picos ou a espessura das caudas perdas ou ganhos catastr ficos Todos os quatro momentos devem ser calculados na pr tica e interpretados para fornecer
126. OVAV riostratamentosdeblocosaleat rios VAR60 VAR61 VAR62 VAR63 ARIMA 3 ANOVAV riostratamentosdefator nico VAR57 VAR58 VAR59 AutoARIMA 4 Autocorrela oeautocorrela oparcial VARS Autocorrela o e autocorrela o parcial 5 An lisedocomponenteprincipal VARG VAR7 VARS VAR9 VAR10 Auibetmimetis eiad m 6 Autoeconometria r pida Dados Barras 2D padr o gt Varl Var2 Var3 Barras 3D padr o Cadeia de Markov Contagem Correla o Correla o linear n o linear Covari ncia ETAPA 3 Executar Executa a an lise atual na Etapa 2 ou a an lise Curva de rendimento Bliss salva selecionada na Etapa 4 exibe os E Curva de rendimento Nelson Siegel resultados os gr ficos e as estat sticas copia os Curva J exponencial resultados e os gr ficos para a rea de transfer Curva S log stica ncia ou gera ETAPA 4 Salvar opcional Voc pode salvar v rias an lises e notas no perfil para consultar posteriormente 5 4049 PRINCIPAL COMPONENT ANAYSIS 0 0235 0 0909 0 5140 0 1681 0 1824 0 2595 0 0339 0 0683 0 6488 0 0813 0 0735 0 0150 0 0619 0 0869 0 1055 Parametric 2 Var T Test for Independent Unequal Variances Parametric 2 Var Z Test for Independent Means 0 9590 0 2422 0 2374 Parametric 2 Var Z Test for Independent Proportions 1 0000 0 3494 0 3187 0 1200 ES 0 3494 1 0000 0 1964 0 2271 0 3187 0 1964
127. RT A distribui o PERT amplamente usada em gerenciamento de projetos e programas para definir os cen rios de pior caso caso nominal e melhor caso para o prazo de conclus o do projeto Ela est relacionada s distribui es beta e triangular A distribui o PERT pode ser usada para identificar riscos em projetos e modelos de custo com base na probabilidade de cumprir metas e objetivos em qualquer n mero de componentes de projeto usando os valores m nimo mais prov vel e m ximo mas foi projetada para gerar uma distribui o que se assemelhe mais a distribui es de probabilidade realistas A distribui o PERT pode fornecer um ajuste pr ximo distribui o normal ou lognormal Assim como a distribui o triangular a distribui o PERT d mais nfase ao valor mais prov vel do que s estimativas m nima e m xima No entanto diferentemente da distribui o triangular a distribui o PERT constr i uma curva suavizada que d progressivamente mais nfase a valores pr ximos ao valor mais prov vel em detrimento de valores mais pr ximos das bordas Na pr tica isso significa que confiamos na estimativa para o valor mais prov vel e acreditamos que mesmo se ele n o for exatamente preciso e as estimativas raramente o s o temos uma expectativa de que o valor resultante ser pr ximo daquela estimativa Supondo que muitos fen menos reais s o distribu dos normalmente a vantagem da distribui o PERT que ela pr
128. Risk Simulator Ferramentas param trico Bootstrap n o e Selecione apenas uma previs o para realizar bootstrap selecione as estat sticas nas quais deseja realizar bootstrap insira o n mero de tentativas de bootstrap e clique em OK Figura 5 16 MODELO B 200 00 100 00 Receita Custo A simula o de bootstrap n o param trico uma t cnica sem distribui o usada para estimar a dd confiabilidade ou a precis o das estat sticas de da previs o por exemplo para calcular os intervalos de previs o de cada estat stica Bootstrap Selecione uma previs o para executar o bootstrap n o param ftrico 5 0 z es Previs o do Risk Simulator Modelo de simula o Modelo de simula o Obliquidade Curtose 25 percentil 75 percentil M ximo v Minimo Figura 5 16 Simula o de bootstrap n o param trico Manual do Usu rio Risk Simulator 144 O 2005 2012 Real Options Valuation Inc Histograma Estat sticas Prefer ncias Op es Controles Vis o Global Interpreta o dos resultados Manual do Usu rio Risk Simulator 145 O 2005 2012 Real Options Valuation Inc Figura 5 17 Resultados da simula o de bootstrap Em ess ncia a simula o de bootst
129. VIS O EEEE PER Gl EEO 73 3 1 Diferentes tipos de t cnicas de previs o ciieetereeeereererenaearerenaeereeenaeresenaneareenaneareenaneess 73 3 2 Execu o da ferramenta Previs o no Risk Simulator rieeeereeeeeeeeerereeeeeea 78 3 3 An lise da s rie temporal x ess cersdns uai iie pose Rea tese nana Car pardo aaa san peca deitada 78 3 4 Regress o multivariada see rerereeereeeaeeraceracererarnarnaranarer area nara nara nora ne cane cane ceneeracasa 82 3 5 PrevIS O ESLOCASLICA ata mande EE RN REINO SEO Rodada E EDU a Raia Ud 86 3 6 Extrapola o n o liricar usetepesiur a ta paleta caes a escada A dela c ana s tau ana t Ea ct US aca flv eia 89 3 7 S rie temporal avan ada Box Jenkins ARIMA cc e iieereereereeeraneraneranerenereneeeaceranesa 92 3 8 AUTOARIMA s rie temporal avan ada Box Jenkins ARIMA c eee eereeereeeee 97 3 9 Econometria B SICA neenon a san CT a es Ma esa SS e end E Pan dats pia Sd vo das inda 98 3 10 Previs es de curyas J Saarni ersrar mes orientar osdavama T Ee A ARE a aR A ira pues ad asad atacada se 100 3 11 Previs es de volatilidade GARCH erre eaere ee eaeaeeereraneacenada 101 212 Cadeias de MAKO Vea ar r viana so Logs aae a a aae PE ada e APURA AATE rere ER Ano 104 3 13 Modelos de M xima Verossimilhan a MLE em logit probit e tobit tti 104 3 14 Spline interpola o e extrapola o de spline c bico ssesessse
130. a Linhas de tend ncia selecionadas M Logar tmica MV Pot ncia Y Polinomial ordem 2 7 M dia m vel ordem 2 Gera previs o para 6 periodos Cos Figura 5 45 Previs es de linha de tend ncia 5 19 Ferramenta de modelo Depois que um modelo criado e as premissas e as previs es s o definidas voc pode executar a simula o normalmente ou a ferramenta de verifica o de modelo Figura 5 46 para testar se o modelo foi configurado corretamente Como alternativa se o modelo n o for verifica o de executado e voc suspeitar que algumas configura es incorretas execute a ferramenta em Risk Simulator Ferramentas Verificar modelo para identificar onde pode haver problemas com o seu modelo Observe que essa ferramenta verifica os problemas de modelo mais comuns e tamb m problemas nas premissas e previs es do Risk Simulator Ela n o de maneira nenhuma abrangente o suficiente para testar todos os tipos de problemas responsabilidade do desenvolvedor do modelo certificar se de que o modelo funcione corretamente Manual do Usu rio Risk Simulator 174 2005 2012 Real Options Valuation Inc File Home Insert Page Layout Formulas Data Review View Developer RiskSimu EE 2 lie A Novo Alterar Editar Definir valores Definir resultado Copiar Colar Remover Executar Simula o perfil perfil perfil de entrada de previs
131. a a mesma quantidade de retorno a aloca o fornece a quantidade mais baixa de risco poss vel Essa abordagem de melhor rela o custo benef cio ou taxa de retorno sobre o risco a base da fronteira eficiente de Markowitz na teoria moderna de portf lio Ou seja se restringirmos os n veis de risco totais do portf lio e sucessivamente o aumentarmos com o tempo obteremos v rias aloca es eficientes de portf lio para diferentes caracter sticas de risco Assim diferentes aloca es eficientes de portf lio podem ser obtidas para indiv duos diferentes com prefer ncias de risco diferentes MODELO DE OTIMIZA O DE ALOCA O DE ATIVO Al Al Taxa de da Retornos Risco de Pesos T a retorno Descri o da classe de ativo i mn m nima m xima anualizados volatilidade alocados RES E sobre o obrigat ria obrigat ria E risco Classe de ativo 1 10 54 12 36 5 00 35 00 0 8524 Classe de ativo 2 11 25 16 23 5 00 35 00 0 6929 Classe de ativo 3 11 84 15 64 5 00 35 00 0 7570 Classe de ativo 4 10 64 12 35 5 00 35 00 0 8615 Classe de ativo 5 13 25 13 28 5 00 35 00 0 9977 Classe de ativo 6 14 21 14 39 5 00 35 00 0 9875 Classe de ativo 7 15 53 14 25 5 00 35 00 1 0898 Classe de ativo 8 14 95 16 44 5 00 35 00 0 9094 Classe de ativo 9 14 16 16 50 5 00 35 00 0 8584 Classe de ativo 10 10 06 12 50 5 00 35 00 0 8045 Total do portf lio 12 6919 4 52 Taxa de retorno sobre o risco 2 8091 Figura 4 3
132. a de diagn stico de previs o e regress o cciieereeeeeeereerererecerenerenerara 151 5 9 Fe rramenta An lise estatistica csu eiaa a iro sl a dados ana a Dag seno Dean nd a SS 159 5 10 Ferramenta An lise da distribui o reereeeeereeaereea narra ee reneeeeeneeeeanereenos 162 Manual do Usu rio Risk Simulator 3 O 2005 2012 Real Options Valuation Inc 5 11 Ferramenta An lise de cen rio eiessccssesriieissssieicresriseiedereiesesetosedsavedrderusiadveed rii ieas cr eres aaaada 166 5 12 Ferramenta Agrupamento por segmenta o se cereeeeeecaeeeaeraneereaneernaes 167 5 13 Novas ferramentas do Risk Simulator 2011 2012 ereraraenas 168 5 14 M todos de gera o de n mero aleat rio Monte Carlo versus hipercubo latino e c pula descorrela o sas on a masai ra dR O pet ada A TRA aa DIR ai O A RAE 00 PEN oa 168 5 15 Supress o de tend ncia de dados dessazonaliza o de dados e teste de sazonalidade 170 5 16 An lise de componentes principais ieereceeererereeeanera nora nerenereneeeaeeracarecerenarenarara 171 5 17 S rie temporal de dados da quebra estrutural s sn 0sssoessseeseeseesseseesseeresstesseseesseseessessesseees gt 172 5 18 Previs es de linba de tendencias raios usne a ana aa ARRASAR 173 5 19 Ferramenta de verifica o de modelo n nnnsnnnessnesennssnnesssesnsesssessesssessseesseessressessenssersssesseessno 174 5 20 Ferramenta de ajuste da distribui o
133. a de recursos naturais o tamanho de empresas renda pessoal flutua es no pre o de a es e agrupamento de erros em circuitos de comunica o Os construtos matem ticos da distribui o Pareto s o os seguintes IP ro parax gt L x m dia sA l1 desvio padr o B DB 2 a fd E D L 8 3 curtose excessiva 6 6 S p 68 2 B B 3NB 4 Forma o e local s o os par metros de distribui o C lculo de par metros H dois par metros padr o para a distribui o Pareto localiza o e formato O par metro de localiza o o limite inferior da vari vel Depois de selecionar o par metro de localiza o voc pode estimar o par metro de formato O par metro de formato um n mero maior que O e geralmente maior que 1 Quanto maior o par metro de formato menor a varia o e mais grossa a cauda direita da distribui o Requisitos de entrada Localiza o gt 0 podendo ser qualquer valor positivo Formato gt 0 05 Manual do Usu rio Risk Simulator 64 O 2005 2012 Real Options Valuation Inc Distribui o de A distribui o de Pearson V est relacionada distribui o gama invertida na Pearson V qual ela a rec proca da vari vel distribu da de acordo com a distribui o gama A distribui o de Pearson V tamb m usada para modelar atrasos de tempo nos quais haja quase certeza de algum atraso m nimo e o atraso m ximo n o tem limites por exemplo atr
134. a demora na execu o de um modelo grande e fornecer pouca precis o adicional Por ltimo o LHS mais adequado quando as distribui es s o bem comportadas e sim tricas e n o possuem correla es Apesar disso o LHS uma abordagem poderosa que rende uma distribui o de amostragem uniforme na qual o MCS pode s vezes gerar distribui es irregulares ocasionalmente os dados da amostra podem estar concentrados em uma rea da distribui o em compara o a uma distribui o de amostragem mais uniforme todas as partes da distribui o ser o amostradas quando o LHS aplicado Op es Gerador casual de N mero Minimizar Excel e todos os gr ficos durante execu o 6 ROV Risk Simulator Default V Iniciar Risk Simulator com Excel k Baralhamento avan ado Casual Subtrativo Sempre mostrar janela de previs o na parte superior Mostrar coment rios de c lulas em suposi es previs es e vari veis de decis o Correla o O Normal Copula padr o T Copula DF Quasi Normal Copula DF Simula o 9 Monte Carlo padr o Latin Hypercube LHS Baralhamento longo de Per odo Baralhamento Casual port til IEEE HEX B sico M nimo Port til Cor dos par metros Suposi o Idioma Portugu s he LHS n o recomendado quando h correlacionados suposi es Figura 5 41 Op es do Risk Simulator Manual do Usu rio Risk Simulator 169 O 2005 2012 Real Options Valuation
135. a distribui o de Laplace lembra a distribui o normal No entanto enquanto a distribui o normal expressa em termos da diferen a quadr tica da m dia a densidade de Laplace expressa em termos da diferen a absoluta da m dia tornando as caudas da distribui o de Laplace mais achatadas que as da distribui o normal Quando o par metro de local definido como zero a vari vel aleat ria da distribui o de Laplace distribu da exponencialmente com um inverso do par metro de escala Alfa tamb m conhecido como local e beta tamb m conhecido como escala s o os par metros de distribui o Os construtos matem ticos da distribui o Laplace s o os seguintes O Feo Ed 25 Op m dia a desvio padr o 1 41428 obliquidade 0 O 2005 2012 Real Options Valuation Inc Distribui o logar tmica dupla Distribui o log stica curtose excessiva 3 Requisitos de entrada Alfa local pode assumir valores positivos ou negativos incluindo zero Beta escala gt 0 A distribui o logar tmica dupla semelhante distribui o Cauchy na qual a tend ncia central tem um pico e tem a densidade de probabilidade de valor m ximo mas diminui mais rapidamente quanto mais longe est do centro criando uma distribui o sim trica com um pico extremo entre os valores m nimo e m ximo M nimo e m ximo s o os par metros de distribui o Os construtos matem ticos da distribui o logar t
136. a distribui o de maneira apropriada Correla es poss vel atribuir correla es de paridade a valores de entrada Se forem necess rias suposi es marque a prefer ncia Ativar correla es clicando em Risk Simulator Editar perfil de simula o Consulte a se o sobre correla es mais adiante neste cap tulo para obter mais detalhes sobre a atribui o de correla es e seus efeitos em um modelo Observe que voc pode truncar uma distribui o ou correlacion la a outra suposi o mas n o as duas coisas Descri es resumidas Elas existem para cada uma das distribui es da galeria As descri es resumidas explicam quando uma determinada distribui o usada bem como os par metros de entrada obrigat rios Consulte a se o No es b sicas sobre distribui es de probabilidade na simula o Monte Carlo para obter detalhes sobre cada tipo de distribui o dispon vel no software Entrada normal e Entrada de percentil Estas op es permitem executar um teste r pido de due diligence nos valores de entrada Por exemplo se estiver definindo uma distribui o normal com algumas entradas de m dia e desvio padr o voc poder clicar na entrada de percentil para ver quais s o os 10 e 90 percentis correspondentes 22 O 2005 2012 Real Options Valuation Inc Propriedades da suposi e Habilitar simula es din micas Por padr o esta op o n o selecionada mas para executar uma simula
137. a essa doen a com base na idade no status social na press o arterial nos medicamentos tomados pela pessoa Um modelo de regress o t pico inv lido porque os erros s o heterosced sticos e anormais e as estimativas de probabilidade esperadas resultantes ser o s vezes maiores do que 1 ou menores do que 0 A an lise MLE trata esses problemas usando uma rotina de otimiza o iterativa Esses dados representam uma amostra de centenas de problemas antigos com empr stimos cr dito ou d vidas Os dados mostram se cada empr stimo foi pago ou n o bem como as especificidades de cada pp O Logit Probit Tobit candidato a empr stimo idade n vel educacional 1 a 3 indicando ensino m dio universidade ou p s gradua o profissional anos com o empregador atual etc A id ia modelar esses dados empiricos para ver quais vari veis afetam o comportamento de adimpl ncia dos indiv duos usando os modelos de m xima verossimilhan a do Risk Simulator O modelo resultante ajudar o banco ou o emprestador a calcular a probabilidade esperada de inadimpl ncia de um tomador de empr stimo individual que tenha caracteristicas especificas Figura 3 20 M dulo de m xima verossimilhan a 3 14 Spline interpola o e extrapola o de spline c bico s vezes h valores ausentes em um conjunto de dados de uma s rie temporal Por exemplo pode se ter as taxas de juros dos anos 1 a 3 seguidas pelas dos ano
138. a medida mais precisa da m dia obtida de forma que em 90 por cento do tempo o erro e portanto a confian a ser 2 tortilhas Como exemplo digamos que a m dia seja 20 unidades ent o o intervalo de confian a de 90 por cento estar entre 18 e 22 unidades ou seja o intervalo preciso 90 por cento do tempo em que ao abrir todas as 1 milh o de caixas 900 000 delas ter o entre 18 e 22 tortilhas quebradas O n mero de tentativas necess rias para S PEAN x 2 S atingir essa precis o baseado na equa o de erro de amostragem x Z n onde Z Es o erro de 2 tortilhas x a m dia da amostra Z a pontua o Jn Znormal padr o obtida do n vel de precis o de 90 por cento s o desvio padr o da amostra e n o n mero de tentativas necess rias para atingir esse n vel de erro com a precis o especificada As Figuras 2 17 e 2 18 ilustram como o controle de precis o pode ser executado em v rias previs es simuladas no Risk Simulator Com esse recurso o usu rio n o precisa decidir quantas tentativas executar em uma simula o e elimina todas as possibilidades de adivinha o A Figura 2 17 ilustra o gr fico de previs o com um n vel de previs o definido como 95 Esse valor pode ser alterado e ser refletido na guia Estat sticas como mostra a Figura 2 18 Rendimento Previs o do Risk Simulator Histograma Estat sticas Prefer ncias Op es Vis o Global Filtro de dados
139. a mesma maneira que uma an lise de regress o e Inicie o Excel abra o arquivo de exemplo Modelos avan ados de previs o v para a planilha MLE selecione o conjunto de dados incluindo os cabe alhos e clique em Risk Simulator Previs o M xima verossimilhan a e Na lista suspensa selecione a vari vel dependente consulte a Figura 3 20 e clique em OK para executar o modelo e o relat rio Manual do Usu rio Risk Simulator 106 O 2005 2012 Real Options Valuation Inc Teoria Previs o de m xima verossimilhan a de log stica bin ria LOGIT PROBIT TOBIT Ex Real Options Valuation wwwreaioptionsvaiation com Estimador de m xima verossimilhan a ou MLE em uma an lise multivariada log stica bin ria s o usadas para modelar vari veis Os modelos de m xima verossimilhan a e m nimos quadrados s o usados quando a vari vel dependentes que determinam a probabilidade esperada de xito de Paraha 0 Dad da aape Ea omaa pertencer a um determinado grupo Por exemplo conhecido um conjunto modelos de probabilidades de inadimpl ncia de cr dito ou probabilidades de que um evento ocorra de vari veis independentes por exemplo idade renda e n vel educacional 3 de titulares de cart o de cr dito ou mutu rios da casa pr pria emos na noeno modelar a probabilidade de inadimpl ncia no den ra um empr stimo usando MLE ou de descobrir a probabilidade de uma pessoa contrair uma doen a espec fica ou sobreviver
140. ada no n vel alfa do teste e do n mero de pontos de dados A capacidade diminui enquanto a vari ncia residual aumenta diminui enquanto o n vel de signific ncia diminu do por exemplo medida que o teste fica mais rigoroso aumenta enquanto a varia o na vari vel independente observada aumenta e aumenta medida que o n mero de pontos de dados aumenta Os valores podem n o ser igualmente distribu dos devido presen a de observa es discrepantes Essas observa es discrepantes s o valores an malos nos dados As discrep ncias podem ter uma forte influ ncia sobre a inclina o e a intercepta o ajustadas dando um ajuste fraco massa de pontos de dados As discrep ncias tendem a aumentar a estimativa da vari ncia residual reduzindo a chance de rejei o da hip tese nula por exemplo criando um elevado n mero de erros de previs o Elas podem ocorrer devido aos erros de registro que podem ser corrig veis ou porque os valores da vari vel dependente n o s o todos retirados da mesma popula o Discrep ncias aparentes podem ocorrer tamb m porque os valores da vari vel dependente s o da mesma popula o anormal No entanto um ponto pode ser um valor incomum na vari vel independente ou na dependente sem necessariamente ser uma observa o discrepante no gr fico da dispers o Na an lise de regress o a linha ajustada pode ser altamente sens vel s observa es discrepantes Em outras palavras a r
141. ado da precis o obtida automatizando o processo de determinado do n mero de tentativas da simula o que n o requer palpites sobre o n mero de tentativas necess rias Releia a se o sobre controle de erro e precis o para obter detalhes mais espec ficos e Mostrar janela de previs o Permite ao usu rio mostrar ou n o uma determinada janela de previs o O padr o sempre mostrar um gr fico de previs o lj Propriedades da previs o Nome da previs o Rendimento EB Precis o de previs o N vel de precis o de confian a N vel de erro da m dia ou valor da m dia Op es Mostrar janela de previs o Figura 2 5 Definir resultado de previs o Executar a Se tudo estiver correto clique em Risk Simulator Executar simula o ou simula o clique no cone Executar na barra de ferramentas do Risk Simulator e a simula o continuar Voc tamb m pode redefinir uma simula o depois que ela for executada para execut la novamente Risk Simulator Redefinir simula o ou o cone Redefinir simula o na barra de ferramentas ou paus la durante uma execu o Al m disso a fun o etapa Risk Simulator Simula o por etapas ou o cone Simula o por etapas na barra de ferramentas permite simular uma nica tentativa de cada vez o que til para ensinar outras pessoas sobre simula o por exemplo voc pode mostrar que em cada tentativa todos os valores nas c lulas de suposi o s o s
142. ados 55 Percentis e m dias condicionais estat sticas adicionais para otimiza o estoc stica incluindo percentis e m dias condicionais que s o cr ticas no c lculo de valor condicional em medidas de risco 56 Algoritmo de pesquisa algoritmos de pesquisa simples r pidos e eficientes para vari veis de decis o simples b sicas e aplica es de busca de metas 57 Simula o super r pida em otimiza o din mica e estoc stica executa simula es super r pidas integradas otimiza o 1 4 6 M dulo de Ferramentas anal ticas 58 Verificar modelo testa os erros mais comuns no seu modelo Manual do Usu rio Risk Simulator 12 2005 2012 Real Options Valuation Inc 59 Editor de correla o permite que grandes matrizes de correla o sejam inseridas e editadas diretamente 60 Criar relat rio gera o autom tica de um relat rio de suposi es e previs es em um modelo 61 Criar relat rio estat stico gera um relat rio comparativo de todas as estat sticas de previs o 62 Diagn stico de dados executa testes de heteroscedasticidade micronumerosidade observa es discrepantes n o linearidade autocorrela o normalidade esfericidade n o estacionariedade multicolinearidade e correla es 63 Extra o e exporta o de dados extrai dados para o Excel ou para arquivos de texto simples e arquivos do Risk Simulator executa relat rios estat sticos e relat rios de resultado de prev
143. ados de dois locais geogr ficos diferentes duas unidades de neg cios distintas e assim por diante O teste t de duas vari veis de vari ncias iguais espera se que a vari ncia da popula o da previs o 1 seja igual vari ncia da popula o da previs o 2 apropriado quando as distribui es da previs o s o de popula es semelhantes por exemplo dados coletados de dois motores diferentes com especifica es parecidas e assim por diante O teste t de duas vari veis dependentes emparelhadas apropriado quando as distribui es de previs o s o da mesma popula o por exemplo dados coletados do mesmo grupo de clientes mas em ocasi es diferentes e assim por diante 5 6 Extrair dados e salvar resultados da simula o Os dados brutos de uma simula o podem ser extra dos com facilidade usando a rotina de Extra o de dados do Risk Simulator poss vel extrair suposi es e previs es mas antes necess rio executar uma simula o Os dados extra dos poder o ent o ser usados para uma variedade de outras an lises Procedimento e Abra ou crie um modelo defina suposi es e previs es e execute a simula o e Selecione Risk Simulator Ferramentas Extra o de dados e Selecione as suposi es e ou previs es das quais deseja extrair os dados e clique em OK Manual do Usu rio Risk Simulator 148 O 2005 2012 Real Options Valuation Inc Os dados podem ser extra dos em v rios formatos e
144. ados sem tend ncia sazonalidade IV Supress o de tend ncia M Linear MV Logar tmica IV Ordem Polinomial 6 V Pot ncia V M dia est tica IV Ordem Diferen a 1 V Static Median IV Ordem Raz o IV Exponencial Teste de sazonalidade Dados de s rie temporal B9 B28 E M ximo per odo e sazonalidade para teste 6 Ordem M dia m vel 3 Figura 5 42 Dados de supress o de tend ncia e dessazonaliza o 5 16 An lise de componentes principais A an lise de componentes principais ACP uma maneira de identificar padr es em um conjunto de dados e de reformular os dados como forma de destacar as suas semelhan as e diferen as muito dif cil encontrar padr es de dados em dimens es elevadas quando existem m ltiplas vari veis Tamb m muito dif cil representar e interpretar gr ficos tridimensionais Quando os padr es nos dados s o encontrados eles podem ser compactados e o n mero de dimens es reduzido Essa redu o das dimens es dos dados n o significa muito na redu o da perda de informa es Em vez disso os n veis similares de informa o podem agora ser obtidos com um n mero menor de vari veis e Selecione os dados a serem analisados por exemplo B11 K30 clique em Risk Simulator Ferramentas An lise de componentes principais e clique em OK e Revise o relat rio gerado com os resultados calculados 2 Selecione Dessazonaliza o dos dad
145. aioria dos valores est pr xima do valor m ximo Manual do Usu rio Risk Simulator 52 O 2005 2012 Real Options Valuation Inc Distribui o beta multiplicativa deslocada Os construtos matem ticos da distribui o beta s o os seguintes x 1 E f x FONTS parar gt 0 p gt 0 x gt 0 T a m dia a p desvio padr o o 58 A a pB HMB onl ra pB 2 a p Jap Zla B Dlapla B 6 2 a 8y 3 abla B 2 a B 3 Alfa o e beta s o os dois par metros de forma da distribui o e 7 a fun o gama obliquidade curtose excessiva Condi es As duas condi es subjacentes distribui o beta s o e A vari vel incerta um valor aleat rio entre O e um valor positivo e O formato da distribui o pode ser especificado usando dois valores positivos Requisitos de entrada Alfa e beta gt 0 podendo ser qualquer valor positivo A distribui o beta muito flex vel e geralmente usada para representar variabilidade em uma faixa fixa Ela usada para descrever dados emp ricos e prever o comportamento aleat rio de porcentagens e fra es j que a faixa dos resultados em geral est entre 0 e 1 A vantagem da distribui o beta a grande variedade de formas que pode assumir quando os dois par metros s o variados alfa e beta A distribui o beta multiplicativa deslocada obtida pela multiplica o da distribui o beta por um fator e pelo de
146. ajustar os dados hist ricos a uma estrutura a termo de volatilidade de revers o m dia supondo que a volatilidade natureza heterosced stica se altera com o tempo de acordo com algumas caracter sticas econom tricas As especificidades te ricas de um modelo GARCH n o est o dentro do escopo deste manual Para obter mais detalhes sobre modelos GARCH consulte Advanced Analytical Models do Dr Johnathan Mun Wiley 2008 e Inicie o Excel abra o arquivo de exemplo Modelos avan ados de previs o v para a planilha GARCH e selecione Risk Simulator Previs o GARCH e Clique no cone de v nculo selecione Localiza o dos dados insira as suposi es de entrada obrigat rias consulte a Figura 3 18 e clique em OK para executar o modelo e o relat rio A situa o de previs o de volatilidade t pica requer P 1 Q 1 Periodicidade n mero de per odos por ano 12 para dados mensais 52 para dados semanais 252 ou 365 para dados di rios Base m nimo de 1 at o valor de periodicidade e Per odos de previs o n mero de previs es de volatilidade anualizadas que voc deseja obter H v rios modelos GARCH dispon veis no Risk Simulator O 2005 2012 Real Options Valuation Inc i Real Options Pe vita www realoptions valuation com Dados hist ricos Dias 1 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 Entradas 459 11 460 71 4
147. al clique nessas exibi es para alternar entre uma interface com guias e uma interface global na qual todos os elementos dos gr ficos de previs o est o vis veis ao mesmo tempo e Copiar esta a o copia o gr fico de previs o ou a exibi o global na ntegra dependendo da exibi o usada a normal ou a global DICAS previs o e Endere o de v nculo da c lula se voc selecionar primeiro os dados na planilha e depois executar uma ferramenta de previs o o endere o da c lula dos dados selecionados ser inserido automaticamente na interface do usu rio caso contr rio ser necess rio inserir manualmente o endere o da c lula ou usar o cone de v nculo para vincular ao local de dados relevante e REQM da previs o use como a medida de erro universal em v rios modelos de previs o para obter compara es diretas da precis o de cada modelo DICAS previs o ARIMA e Per odos de previs o o n mero de linhas de dados ex genos deve exceder as linhas de dados da s rie temporal em pelo menos os per odos de previs o desejados por exemplo se voc desejar prever cinco per odos no futuro e tiver 100 pontos de dados da s rie temporal necessitar ter pelo menos 105 ou mais pontos de dados na vari vel ex gena caso contr rio execute ARIMA sem a vari vel ex gena para prever quantos per odos desejar sem limita es DICAS previs o econometria b sica e Separa o de vari vel com ponto e v rgu
148. aos per odos base de previs o isso sigr fica quantos per odos passados voc deseja usar como base de previs o para prever a volatilidade futura e em geral est entre 12 e 12 O direcionamento de vari ncia mostra se voc deseja que a previs o de volatilidade seja revertida a uma m dia de longo prazo no decorrer do tempo Organize os dados de pre os brutos em ordem cronol gica do passado para o presente em uma nica coluna com v rias linhas Localiza o dos dados C8 C2428 E Gerar um modelo GARCH P Q para A Q 11 Periodicidade 252 Base 1 E Aplicar direcionamento de vari ncia GARCH GARCH M 5 TGARCH M 5 EGARCH GJRGARCH GJRTGARCH Figura 3 18 Previs o de volatilidade GARCH Manual do Usu rio Risk Simulator 102 2005 2012 Real Options Valuation Inc Po To z Nomal T gaToO S E 0 Z E 50 2 o aE Bo o w as PO GARCH M y c o E y C 0 E E 0 Z E amp 50 o ae BO o aE Bo GARCH M y c A ln o y c Aln o e E 0 Z E 50 3 o aE Bo o 0 08 PO GARCH Y Xy yY 5E o 0 ae o E 0 2 o w as Bo EGARCH y g y E 0 Z E50 In 07 0 B In o2 In 07 0 B In o2 94 a Ede pi 94 Fe pr O Zi O t l 2 2Nv 2T v 1 2 edeb Edep 222e x v DN v 2DN 7 GJR GARCH y y E 0 Z E50 o 0 aE o W GE PE dA Poa FE ds Poa
149. ar M nimo Percentil Percentil triangular Percentil Percentil Percentil triangular M dia Desvpad Percentil Uniforme Uniforme M nimo Percentil Uniforme Percentil M ximo Uniforme Percentil Percentil Uniforme M dia Desvpad Weibull Weibull Alfa Percentil Weibull Percentil beta Weibull Percentil Percentil Weibull M dia Desvpad Weibull 3 Weibull 3 Percentil beta Local Weibull 3 Alfa Percentil Local Weibull 3 Alfa beta Percentil Weibull 3 Percentil Percentil Local Weibull 3 Percentil beta Percentil Weibull 3 Alfa Percentil Percentil Weibull 3 Percentil Percentil Percentil Weibull 3 M dia Desvpad Percentil par metro Percentil Percentil Percentil Etapa 3 Execute o ajuste da curva e revise as distribui es te ricas e emp ricas 0 7113 0 2935 2 5176 Te rica ajustada 2 5300 2 6600 3 8900 2 8836 0 5255 3 4054 19 3606 R quadrado ajustado Alfa beta Local toa Gongs Casas decimais 4 Figura 5 47 Ferramenta de ajuste da distribui o percentil 5 21 Gr ficos e tabelas de distribui o Ferramenta de distribui o de probabilidade Esta nova ferramenta de distribui o de probabilidade um m dulo muito r pido e poderoso usado para gerar gr ficos e tabelas de distribui o Figuras 5 48 a 5 51 Observe que existem tr s ferramentas semelhantes
150. ar cen rios hipot ticos veross meis para seu modelo de planilha Manual do Usu rio Risk Simulator 44 O 2005 2012 Real Options Valuation Inc Distribui o Bernoulli ou distribui o sim n o 2 4 Distribui es discretas Veja a seguir uma lista detalhada dos diferentes tipos de distribui es de probabilidade que podem ser usadas na simula o Monte Carlo A listagem est inclu da neste ap ndice apenas para refer ncia A distribui o Bernoulli uma distribui o discreta com dois resultados cara ou coroa xito ou fracasso O zero ou I um A distribui o Bernoulli a distribui o binomial com uma tentativa e pode ser usada para simular condi es do tipo sim n o ou xito fracasso Essa distribui o o fundamento de outras distribui es mais complexas Por exemplo e Distribui o binomial distribui o Bernoulli com um n mero mais alto de tentativas totais n que calcula a probabilidade de x xitos no n mero total de tentativas e Distribui o geom trica distribui o Bernoulli com um n mero mais alto de tentativas que calcula o n mero de fracassos necess rios antes do primeiro sucesso e Distribui o binomial negativa distribui o Bernoulli com um n mero mais alto de tentativas que calcula o n mero de fracassos antes do X simo sucesso Os construtos matem ticos da distribui o Bernoulli s o os seguintes l1 0 P n p parax p parax 1 ou P n p 1 p m
151. ar metros de distribui o relevantes Se n o existirem dados de hist ricos o analista dever ent o fazer suposi es sobre as vari veis em quest o Uma abordagem usar o m todo Delphi quando um grupo de especialistas est incumbido de estimar o comportamento de cada vari vel Por exemplo um grupo de engenheiros mec nicos pode ser respons vel por avaliar as possibilidades extremas do di metro de uma bobina por meio de experi ncias rigorosas ou palpites Esses valores podem ser usados como par metros de entrada da vari vel por exemplo a distribui o uniforme com valores extremos entre 0 5 e 1 2 Quando n o for poss vel testar por exemplo participa o no mercado e taxa de crescimento da renda a ger ncia ainda poder fazer estimativas dos resultados poss veis e fornecer os cen rios de melhor caso caso mais prov vel e o pior caso No entanto se dados de hist ricos confi veis estiverem dispon veis o ajuste da distribui o poder ser realizado Supondo que os padr es hist ricos se mant m e que a hist ria tende a se repetir os dados hist ricos podem ent o ser usados para encontrar a distribui o de melhor ajuste com seus par metros relevantes para definir melhor as vari veis a serem simuladas As Figuras 5 13 a 5 15 ilustram um exemplo de ajuste da distribui o A ilustra o usa o arquivo Ajuste de dados na pasta de exemplos Procedimento e Abra uma planilha com os dados existentes para ajuste
152. ar Escape antes de colar permite que voc mantenha os valores e os c lculos da c lula de destino e cole apenas os par metros do Risk Simulator e Copiar e colar em v rias c lulas voc pode selecionar v rias c lulas para copiar e colar com suposi es cont guas e n o cont guas DICAS correla es e Definir suposi o define correla es de paridade usando a caixa de di logo Definir valores de entrada ideal para inser o de v rias correla es e Editar correla es configura uma matriz de correla es inserindo manualmente ou colando da rea de transfer ncia do Windows ideal para matrizes de correla es grandes e diversas correla es e Ajuste da distribui o de m ltiplas vari veis calcula e insere automaticamente correla es de paridade ideal para a execu o de ajuste de m ltiplas vari veis calcular automaticamente correla es e decidir o que constitui uma correla o estatisticamente significante DICAS diagn stico de dados e an lise estat stica e Estimativa do par metro estoc stico nos relat rios de diagn stico de dados e an lise estat stica h uma guia sobre estimativas de par metro estoc stico que estima a volatilidade o crescimento a taxa de revers o m dia e as taxas de difus o com salto de acordo com dados hist ricos Observe que os resultados desse par metro s o baseados apenas em dados hist ricos utilizados e que os par metros podem mudar ao lo
153. ari veis de probabilidade Os valores num ricos s o mostrados na tabela de resultados A localiza o de linhas cruzadas se for o caso representa nos eventos probabil sticos que um determinado caminho decis o se tornou dominante sobre o outro Manual do Usu rio Risk Simulator 196 O 2005 2012 Real Options Valuation Inc 5 27 6 Tabela de Cen rios As tabelas de cen rios Figura 5 66 podem ser geradas para determinar os resultados dadas algumas altera es na entrada Voc pode escolher um ou mais Caminhos de Decis o para analisar os resultados de cada caminho escolhido ser representado como uma tabela e gr fico em separado e um ou dois N s de Incerteza ou Terminal como vari veis de entrada para a tabela de cen rios e Selecione um ou mais caminhos de Decis o para analisar a partir da lista abaixo e Selecione um ou dois Eventos de Incerteza ou Payoffs do Terminal para modelar e Decida se voc deseja mudar a probabilidade do evento por conta pr pria ou todos os eventos de probabilidade id ntica de uma vez e Entre com o intervalo do cen rio de entrada 5 27 7 Fun es de Utilidade Fun es de utilidade Figura 5 67 ou U x s o por vezes usadas no lugar de valores esperados dos Payoffs dos Terminais em uma rvore de decis o A U x pode ser desenvolvida de duas maneiras usando a experimenta o tediosa e detalhanda de cada resultado poss vel ou utilizando um m todo de extrapola o exponenc
154. arras 2D padr o is ETAPA 4 Salvar opcional Voc pode salvar v rias an lises e notas no perfil para consultar posteriormente Auto Econometrics Notas Absolute Values ANOVA Randomized Block ANOVA Single Factor Multiple Treatments ANOVA Two Way ARIMA 1 0 1 ARIMA 1 0 2 Auto ARIMA DEL M Este duo Emei Det pr Arquivo Dados Idioma Language Ajuda ETAPA 1 Dados Insira manualmente os dados cole os de outro aplicativo P ou carregue um conjunto de dados de exemplo com an lise R Conjunto de dados Visualizar Comando Linhas 2D ETAPA 2 An lise Escolha uma an lise e insira os par metros obrigat rios consulte as entradas de par metro de exemplo abaixo bae osmana r 0 05 Executa a an lise atual na Etapa 2 ou a an lise salva selecionada na Etapa 4 exibe os resultados os gr ficos e as estat sticas copia os resultados e os gr ficos para a rea de transfer ncia ou gera relat rios Estatisti BbrLePRSLELLTOEO SME Bring BLLLESS RE Lugo So RA Elano Spline c bico 0 25 Valores absolutos ABS A Vari veis dependentes limitadas logit Dn Vari veis dependentes limitadas probit Vari veis dependentes limitadas tobit Vari ncia amostra Vari ncia popula o Volatilidade Volatilidade Abordagem de retornos de log
155. as como distribui es uniformes 0 9 1 1 com correla es definidas em 0 0 0 8 0 8 em 1 000 tentativas com valor de propaga o de 123456 Figura 2 14 Modelo de correla o simples As estat sticas resultantes s o mostradas na Figura 2 15 Observe que o desvio padr o do modelo sem correla es 0 1450 comparado a 0 1886 para a correla o positiva e 0 0717 para a correla o negativa Ou seja para modelos simples correla es negativas tendem a reduzir o spread m dio da distribui o e criar uma distribui o de previs o mais concentrada se comparada a correla es Manual do Usu rio Risk Simulator 33 O 2005 2012 Real Options Valuation Inc positivas com spreads m dios maiores De qualquer forma a m dia permanece relativamente est vel Isso significa que as correla es n o afetam muito o valor esperado de projetos mas podem reduzir ou aumentar o risco de um projeto Receita correla o negativa Previs o do Risk Sim Sli Ek MES Receita correla o positiva Previs o do Risk Sim L EI amp Vis o Global Estat sticas Prefer ncias Op es Controles Receita sem correla o Previs o do Risk Simulator GAE RES Estat sticas Prefer ncias Op es Controles Figura 2 15 Resultados de correla o A Figura 2 16 ilustra os resultados depois de executar
156. aso na chegada de servi os de emerg ncia e o tempo para consertar uma m quina Alfa tamb m conhecido como formato e beta tamb m conhecido como escala s o os par metros de distribui o Os construtos matem ticos da distribui o Pearson V s o os seguintes 3 Blx PO a P Tla r To amp p Ix No m dia bo al 2 desvio padr o Eai a D a 2 donies CS 0A sh 30a 66 curtose excessiva a 3Xa 4 Requisitos de entrada Alfa formato gt O Beta escala gt 0 Distribui o de A distribui o de Pearson VI est relacionada distribui o gama na qual ela a Pearson VI fun o racional de duas vari veis distribu das de acordo com duas distribui es gama Alfa 1 tamb m conhecido como formato 1 alfa 2 tamb m conhecido como formato 2 e beta tamb m conhecido como escala s o os par metros de distribui o Os construtos matem ticos da distribui o Pearson VI s o os seguintes qa ER P Bay a Gel pj X ron Boa a 1 f x m dia Manual do Usu rio Risk Simulator 65 O 2005 2012 Real Options Valuation Inc Boa 0 1 a D a 2 desvio padr o gioni Es a o a a 1 3 curtose excessiva 3a 2 2a 1 o a S a a a 1 Requisitos de entrada Alfa 1 formato 1 gt 0 Alfa 2 formato 2 gt 0 Beta escala gt 0 es 5 Distribui o PE
157. asses de ativos tem seu pr prio conjunto de retornos e de volatilidades anualizados Essas medidas de risco e retorno s o valores anualizados de forma que possam ser comparadas consistentemente em todas as classes de ativos Os retornos s o calculados usando a m dia geom trica dos retornos relativos enquanto os riscos s o calculados usando a abordagem logar tmica relativa de retornos de a es Consulte o Ap ndice neste cap tulo para obter mais detalhes sobre o c lculo da volatilidade anualizada e dos retornos anualizados de uma a o ou classe de ativos Manual do Usu rio Risk Simulator 112 O 2005 2012 Real Options Valuation Inc Descri o da classe de ativo 5 6 Classe de ativo 1 7 Classe de ativo 2 8 Classe de ativo 3 9 Classe de ativo 4 10 Classe de ativo 5 1 Classe de ativo 6 12 Classe de ativo 7 13 Classe de ativo 8 Classe de ativo 9 15 Classe de ativo 10 17 Total do portf lio 18 Taxa de retorno sobre o risco c D E F G H l J K MODELO DE OTIMIZA O DE ALOCA O DE ATIVO Ranking E Ranking R Aloca o Aloca o areia dos Ranking do Rankingido da etornos Risco de Pesos AR SUE retorno 3 retorno anualizados volatilidade alocados MEE MEA sobreo Somos ecn falho sobre risco aloca o obrigat ria obrigat ria ESA alto baixo alto baixo alto baixo baixo 10 54 12 36 5 00 35 00 0 8524 9 2 7 1 11 25 16 23 5 00 35 00 0 6929 7 8 10 1 11 84 15 64 5 00 35 00 0 7570 6 9 1
158. at sticas encontrando diferen as estat sticas entre pares de previs es executar uma simula o de bootstrap testando a robustez das estat sticas do resultado e executar simula es personalizadas e n o param tricas simula es usando dados hist ricos sem especificar distribui es ou par metros de previs o para fazer previs es sem dados ou aplicar previs es de especialistas e O m dulo Previs o pode ser usado para gerar previs es de s ries temporais autom ticas com ou sem sazonalidade e tend ncia regress es multivariadas modelando rela es entre vari veis extrapola es n o lineares ajuste de curva processos estoc sticos caminhos aleat rios revers es m dia difus o com salto e processos mistos ARIMA Box Jenkins previs es econom tricas AutoARIMA econometria b sica e autoeconometria modelagem de rela es e gera o de previs es curvas J exponenciais curvas S log sticas modelos GARCH e suas varia es modelagem e previs o da volatilidade modelos de m xima verossimilhan a para vari veis dependentes limitadas modelos logit tobit e probit cadeias de Markov linhas de tend ncia curvas spline entre outros e O m dulo Otimiza o usado para otimizar m ltiplas vari veis de decis o sujeitas a restri es para maximizar ou minimizar um objetivo Ele pode ser executado como uma otimiza o est tica din mica ou estoc stica sob incerteza junto com a simula o Mo
159. at sticas t s o os ndices de cada coeficiente previsto para seu erro padr o A estat stica t usada em testes de hip teses nos quais poss vel definir a hip tese nula Ho de tal maneira que a m dia real do coeficiente 0 e a hip tese alternativa Ha de tal maneira que a m dia real do coeficiente seja diferente de 0 Um teste t executado e a estat stica t calculada comparada aos valores cr ticos nos graus de liberdade relevantes para o residual O teste t muito importante pois calcula se cada um dos coeficientes estatisticamente significativo na presen a de outros regressores Isso significa que o teste t verifica estatisticamente se um regressor ou uma vari vel independente deve permanecer na regress o ou ser descartada O coeficiente estatisticamente significativo se a sua estat stica t calculada excede a estat stica t cr tica nos graus de liberdade relevantes df Os tr s principais n veis de confian a usados para testar a signific ncia s o 90 95 e 99 Se a estat stica t de um coeficiente exceder o n vel cr tico ela ser considerada estatisticamente relevante Como alternativa o p valor calcula a probabilidade de ocorr ncia de cada estat stica t o que significa que quanto menor o p valor mais significativo o coeficiente Os n veis de signific ncia do p valor costumam ser 0 01 0 05 e 0 10 o que corresponde aos n veis de confian a 99 95 e 90 Os coeficientes cujos p valores s o rea
160. at stico Um processo estoc stico uma sequ ncia de eventos ou caminhos gerados pelas leis de probabilidade Ou seja Tempo M dia Desvpad eventos aleat rios podem ocorrer ao longo do tempo mas s o regidos por leis estat sticas probabil sticas espec ficas age a i E a A RE 0 0000 100 00 0 00 Os principais processos estoc sticos incluem caminho aleat rio ou movimento browniano revers o m dia e difus o com salto Esses processos podem ser usados para prever diversas vari veis que parecem seguir tend ncias 0 1000 100 88 5 03 aleat rias mas ainda s o restringidos pelas leis probabil sticas 0 2000 102 49 7 80 O processo de caminho aleat rio ou movimento browniano pode ser usado na previs o de pre os de a es pre os de 0 3000 101 59 12 59 commodities e outros dados de s rie temporal estoc sticos conhecida uma taxa de crescimento e uma volatilidade ao 0 4000 101 96 13 38 redor do caminho de crescimento Os processos de revers o m dia podem ser usados para reduzir as flutua es do 0 5000 102 07 16 89 processo de caminho aleat rio permitindo que o caminho tenha por meta um valor de longo prazo tornando o til na previs o de vari veis de s rie temporal que possuem uma taxa de longo prazo como taxas de juros e de infla o que 0 6000 99 95 21 30 s o taxas de longo prazo usadas por rg os reguladores ou pelo mercado O processo de difus o com salto til para 0 7000 100 80 18 23 prever dados de
161. c clicar em Risk Simulator Op es ter v rias op es diferentes do Risk Simulator incluindo permitir que o Risk Simulator seja iniciado sempre com o Excel ou somente quando voc quiser v para Iniciar Programas Real Options Valuation Risk Simulator Risk Simulator alterar as cores das c lulas de suposi es e previs es bem como ativar e desativar os coment rios nas c lulas que permitem ver quais c lulas s o valores de entrada e quais s o resultados de previs o e seus respectivos par metros e nomes de entrada Dedique alguns momentos a experimentar os resultados e os v rios atrativos do gr fico de previs o especialmente a guia Controles 2 3 Controle de correla o e precis o 2 3 1 No es b sicas de correla es O coeficiente de correla o uma medida da for a e da dire o da rela o entre duas vari veis e aceita qualquer valor entre 1 0 e 1 0 Ou seja o coeficiente de correla o pode ser decomposto em seu sinal rela o positiva ou negativa entre duas vari veis e a magnitude ou for a da rela o quanto mais alto o valor absoluto do coeficiente de correla o mais forte a rela o O coeficiente de correla o pode ser calculado de v rias maneiras A primeira abordagem calcular manualmente a correla o r de duas vari veis x e y usando Ei nx 5 x y x MES x ny l i A segunda abordagem usar a fun o CORREL do Excel Por exemplo se os 10 pontos de dados
162. c lula C17 s o SOMARPRODUTO C6 CI5 E6 E15 ou seja a soma dos pesos alocados multiplicados pelos retornos anualizados de cada classe de ativos Em outras palavras temos Rp 0 R 0 R 0 Rc 0pR onde Rp O retorno no portf lio R4sc s o os retornos individuais nos projetos e w4Bcp S o os respectivos pesos ou aloca o de capital em cada projeto Al m disso o risco diversificado do portf lio na c lula D17 calculado por n m i E 212 Aqui O S T tiva rrela op gt o o 5 gt 20 0 0 0 0 qui pij S o as respectivas correla es i 1 i l j l cruzadas entre as classes de ativos Dessa forma se a correla o cruzada for negativa haver efeitos de diversifica o de riscos e o risco do portf lio diminuir Contudo para simplificar os c lculos supomos zero correla es entre as classes de ativos por meio deste c lculo de risco de portf lio mas supomos que elas existam ao aplicar a simula o nos retornos como ser visto mais adiante Portanto em vez de aplicar correla es est ticas entre esses diferentes retornos de ativos aplicamos as correla es nas pr prias suposi es de simula o criando uma rela o mais din mica entre os valores de retorno simulados Manual do Usu rio Risk Simulator 113 2005 2012 Real Options Valuation Inc Procedimento Manual do Usu rio Risk Simulator Por ltimo calcula se a taxa de retorno sobre o risco ou raz o de Sharpe para o
163. centil Ocasionalmente os quartis s o usados como os intervalos superior e inferior de uma distribui o pois ttuncam o conjunto de dados para ignorar discrep ncias O intervalo interquart lico a diferen a entre o terceiro e o primeiro quartis e muito usado para medir a largura do centro de uma distribui o A obliquidade o terceiro momento em uma distribui o Ela caracteriza o grau de assimetria de uma distribui o em torno de sua m dia Uma obliquidade positiva indica uma distribui o com uma cauda assim trica que se estende em dire o a valores mais positivos Uma obliquidade negativa indica uma distribui o com uma cauda assim trica que se estende em dire o a valores mais negativos Acurtose caracteriza o afunilamento ou o achatamento relativo de uma distribui o comparada distribui o normal Esse o quarto momento em uma distribui o Um valor de curtose positivo indica uma distribui o que relativamente afunilada Uma curtose negativa indica uma distribui o relativamente achatada A curtose aqui medida foi centrada em zero outras medidas de curtose s o centradas em torno de 3 0 Como ambas s o igualmente v lidas a centraliza o em zero torna a interpreta o mais simples Uma curtose altamente positiva indica uma distribui o afunilada em torno de seu centro e caudas leptoc rticas ou gordas Isso indica uma probabilidade maior de eventos extremos por exemplo eventos catastr ficos ataques t
164. classificada pela menor medida de erro de REQM e todas as medidas de erro relevantes s o inclu das para compara o a raiz do erro quadr tico m dio REQM o erro quadr tico m dio EQM o desvio absoluto m dio MAD e o erro m dio percentual absoluto MAPE 29 30 31 Procedimento Manual do Usu rio Risk Simulator 171 Procedimento para supress o de tend ncia e dessazonaliza o Esta ferramenta dessazonalisa e suprime as tend ncias dos dados 1 Selecione os dados que deseja analisar por exemplo B9 B28 originais para tirar quaisquer componentes de tend ncias e Glee Nos modelos de previs o usa se o processo de remo o e clique em Risk Simulator Ferramentas Dados efeitos de acumula o de sazonalidade e tend ncia para mostrar Supress o de tend ncia e dessazonaliza o apenas as altera es em valores absolutos e para permitir que potenciais padr es c clicos sejam identificados ap s a remo o da tend ncia geral a tend ncia tor es dobras e os efeitos dos cicloes de sazonalidade de um conjunto de dados de s ries temporais insira as ordens relevantes por exemplo ordem polinomial Posi o do dado B9 B28 E ordem de m dia m vel ordem de diferen a M Dessazonaliza o do dado e ordem de raz o e clique em OK 3 Revise os dois relat rios gerados para obter mais detalhes ineo paoa pos odor 4 sobre a metodologia a aplica o e os gr ficos de resultados e os d
165. com salto e op es pentanomiais de arco ris e Fun es suplementares do Excel para resolver todas as op es acima al m de modelos de contrato fechado e op es personalizadas em um ambiente baseado no Excel 1 2 Requisitos e procedimentos de instala o Para instalar o software siga as instru es na tela Os requisitos m nimos do software s o e Processador Pentium IV ou mais recente recomenda se dual core Windows XP ou Vista ou Windows 7 Microsoft Excel XP 2003 2007 2010 ou posterior Microsoft NET Framework 2 0 ou 3 0 ou posterior 500 MB de espa o livre 2 GB de RAM no m nimo recomenda se de 2 a 4 GB Direitos de administrador para instalar o software A maioria dos novos computadores v m com o Microsoft NET Framework 2 0 3 0 j pr instalado No entanto se durante a instala o o Risk Simulator exibir uma mensagem de erro sobre o NET Framework saia da instala o Instale o software NET Framework relevante inclu do no CD escolha o seu idioma Conclua a instala o do NET reinicie o computador e reinstale o Risk Simulator H um arquivo de licen a de avalia o padr o v lido por 10 dias que acompanha o software Para obter uma licen a corporativa completa entre em contato com a Real Options Valuation Inc por email para admin Drealoptionsvaluation com pelo telefone 1 925 271 4438 ou visite o nosso site www realoptionsvaluation com Visite o site e clique em DOWNLOAD para ob
166. d C15 Quantid Modelo d C16 lt lt lt lt lt lt Tia Op es 9 Mostrar todas as vari veis Mostrar parte superior 4 Ignorar zeros ou valores vazios 15 Vari veis A an lise tornado cria perturba es est ticas isto cada precedente perturbada individualmente para identificar o impacto nos resultados Usa se para identificar os fatores cr ticos de sucesso de um modelo antes de Revise os precedentes abaixo e fa a as altera es necess rias Valor de base 0 15 1800 0 0 10 3 de aumento de queda Pontos de test 4 Usar endere o de c lula Ignorar todos os valores inteiros poss veis E Real ar valores inteiros poss veis R tulo de Usar configura es globais gr fico Nome da c lula 12 letras O Analisar apenas esta planilha Analisar todas as planilhas Figura 5 2 Execu o da an lise tornado Interpreta o dos resultados que o A Figura 5 3 mostra o relat rio de an lise tornado resultante que indica investimento de capital exerce o maior impacto sobre o valor presente l quido seguido pela a al quota de impostos o pre o de venda m dio e a quantidade solicitada das linhas de produto etc O relat rio cont m quatro elementos distintos Manual do Usu rio Risk Simulator Resumo estat stico listando o procedimento executado A tabela de sensibilidade Figura 5 4 mostra os valores de base do VPL inicial de 9
167. da matriz de correla o na Galeria de distribui es e Com os dados existentes execute a ferramenta Multiajuste Risk Simulator Ferramentas Ajuste da distribui o M ltiplas vari veis para executar o ajuste da distribui o e obter a matriz de correla o entre vari veis de paridade Se existir um perfil de simula o as suposi es ajustadas conter o automaticamente os valores relevantes de correla o e Para suposi es existentes clique em Risk Simulator Ferramentas Editar correla es para inserir as correla es de paridade de todas as suposi es diretamente na interface Observe que a matriz de correla o deve ser definida positiva Ou seja a correla o deve ser matematicamente v lida Por exemplo suponha que voc esteja tentando correlacionar tr s vari veis notas de alunos de p s gradua o em um determinado ano o n mero de cervejas que eles consomem por semana e o Manual do Usu rio Risk Simulator 32 O 2005 2012 Real Options Valuation Inc n mero de horas que estudam por semana Algu m pode supor que exista a seguinte correla o Notas e cerveja Quanto mais eles bebem mais baixas as notas n o aparecem para as provas Notas e estudo Quanto mais eles estudam mais altas as notas Cerveja e estudo Quanto mais eles bebem menos estudam bebem e v o a festas o tempo todo No entanto se voc inserir uma correla o negativa entre notas e estudo e supondo que
168. das distribui es personaliz veis simula es controladas de precis o e erro e muitos outros algoritmos e Previs o executa ARIMA Box Jenkins regress o m ltipla extrapola o n o linear processos estoc sticos e an lise de s rie temporal e Otimiza o sob incerteza executa otimiza es usando vari veis inteiras discretas e cont nuas para otimiza o de portf lios e projetos com ou sem simula o e Ferramentas anal ticas e de modelagem executam an lises tornado aranha e de sensibilidade bem como simula o de bootstrap teste de hip teses ajuste da distribui o etc O software Real Options SLS usado para calcular op es simples e complexas e permite criar modelos de op es personaliz veis O software Real Options SLS cont m os seguintes m dulos Manual do Usu rio Risk Simulator 5 2005 2012 Real Options Valuation Inc Single Asset SLS para resolver op es de abandono escolha contra o adiamento e expans o al m de resolver op es personalizadas Multiple Asset and Multiple Phase SLS para resolver op es sequenciais de v rias fases op es com v rios ativos e fases subjacentes combina es de v rias fases sequenciais com abandono escolha contra o adiamento expans o e troca de op es tamb m pode ser usado para resolver op es personalizadas Multinomial SLS para resolver op es trinomiais de revers o m dia op es quadrinomiais de difus o
169. das P D e Q n o s o obrigat rias e diferentes combina es desses valores s o automaticamente executados e comparados e Inicie o Excel e insira os dados ou abra uma planilha com dados hist ricos a serem previstos a Figura 3 14 mostra o arquivo de exemplo Modelos avan ados de previs o dispon vel no menu Exemplos do Risk Simulator e Na planilha AutoARIMA selecione Risk Simulator Previs o AUTOARIMA Voc tamb m pode acessar o m todo usando a faixa de cones Previs o ou clicando com o bot o direito do mouse em qualquer lugar no modelo e selecionando o menu de atalho de previs o e Clique no cone de v nculo v para os dados de s ries temporais insira o n mero de per odos de previs o desejados e clique em OK Para ARIMA e AutoARIMA voc pode modelar e prever per odos futuros usando apenas a vari vel dependente Y ou seja a vari vel de s rie temporal sozinha ou pode adicionar vari veis ex genas X X X como em uma an lise de regress o em que poss vel ter m ltiplas vari veis independentes Voc pode executar quantos per odos de previs o desejar se usar apenas a vari vel da s rie temporal Y No entanto se voc adicionar vari veis ex genas X observe que seus per odos de previs o estar o limitados aos per odos de dados das vari veis ex genas menos os per odos de dados das vari veis de s ries temporais Por exemplo voc poder prever apenas at 5 per odos se tiver dados
170. de Cauchy ou Lorentz s o indefinidas Al m disso a distribui o de Cauchy a distribui o T de Student com apenas um grau de liberdade Essa distribui o tamb m constru da tomando se o quociente de duas distribui es normais padr o distribui es normais com uma m dia zero e uma varia o de um que s o independentes uma da outra Requisitos de entrada O local alfa pode ser qualquer valor Beta da escala gt 0 podendo ser qualquer valor positivo Distribui o de cosseno A distribui o de cosseno parece uma distribui o log stica na qual o valor da mediana entre o m nimo e o m ximo possui a moda ou o pico mais alto tendo a probabilidade m xima de ocorr ncia enquanto as caudas extremas pr ximas aos valores m nimo e m ximo t m probabilidades menores M nimo e m ximo s o os par metros de distribui o Os construtos matem ticos da distribui o cosseno s o os seguintes x a s z for min lt x lt max E f0 42b 0 otherwise min max max min where a and b 2 x l x a A I sin for min lt x lt max F x 42 1 forx gt max Min Max m dia Max Min 7 8 desvio padr o p 4r 2005 2012 Real Options Valuation Inc Distribui o de Erlang Distribui o exponencial obliquidade 0 6 90 7 curtose excessiva S x 6 Requisitos de entrada M nimo lt M ximo A distribui o de Erlang igual
171. de ranking 32 139 159 correla es 13 17 19 22 31 32 33 34 113 136 137 138 158 159 169 205 206 210 cosseno 10 54 crescimento 60 76 77 100 122 156 170 206 cruzados 74 89 curtose 40 42 45 46 47 48 49 51 52 53 54 56 57 58 59 60 61 62 63 64 68 69 70 71 105 curtose excessiva 40 45 46 47 48 49 51 52 53 56 57 58 59 60 61 62 63 64 68 69 70 71 dados 11 15 17 22 25 26 27 28 31 32 34 42 43 52 53 62 70 71 73 74 75 76 O 2005 2012 Real Options Valuation Inc 77 78 79 80 82 83 87 89 90 92 93 97 98 99 101 104 105 106 107 108 140 141 143 144 146 148 149 151 152 153 155 156 157 159 167 169 170 171 172 173 176 181 182 184 206 208 209 211 212 dados da s rie temporal 13 90 93 100 153 156 170 208 decis o tima 111 125 decis es 63 110 111 117 126 135 defasagens 13 92 94 154 Delphi 73 140 desvio padr o 16 22 27 33 36 39 41 44 46 49 50 51 54 56 57 58 62 63 68 69 87 106 111 126 141 146 147 155 159 165 205 difus o com salto 6 17 77 87 156 157 206 discreto 5 43 45 51 110 112 117 143 156 distribui o 5 11 15 14 16 17 18 21 22 23 25 27 32 33 38 39 40 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 74 75 87 105 111 124
172. distribui o gama com o requisito de que o par metro alfa ou o par metro de formato deve ser um inteiro positivo Um exemplo de aplica o da distribui o de Erlang calibrar a taxa de transi o de elementos atrav s de um sistema de compartimentos Tais sistemas s o amplamente usados em biologia e ecologia por exemplo em epidemiologia um indiv duo pode progredir a uma taxa exponencial de um estado saud vel passando a portador de uma doen a e continuar exponencialmente de portador a infectado Alfa tamb m conhecido como formato e beta tamb m conhecido como escala s o os par metros de distribui o Os construtos matem ticos da distribui o Erlang s o os seguintes X J JA f BaD forx gt 0 0 otherwise a l i Iene Set forx gt 0 F x moo l 0 otherwise m dia ap desvio padr o 4 amp 8 obliquidade E Va i 6 curtose excessiva 3 a Requisitos de entrada Alfa formato deve ser maior que O e ser um inteiro Beta escala gt 0 A distribui o exponencial amplamente usada para descrever eventos que se repetem em momentos aleat rios como o intervalo de tempo entre eventos como falhas em equipamentos eletr nicos ou entre entradas em um estande de servi os Ela est relacionada distribui o Poisson que descreve o n mero de ocorr ncias de um evento em um determinado intervalo de tempo Uma Manual do Usu rio Risk Simulator 55 O 2005 2012 Real Options Valuatio
173. do ano em um determinado ano dados os n veis da pontua o de cada aluno no vestibular seu QI e n mero de bebidas alco licas consumidas por semana ou um painel misto mistura entre s ries temporais e dados de painel por exemplo previs o das vendas para os pr ximos 10 anos dados o or amento das despesas de marketing e as proje es de participa o no mercado isso significa que os dados de vendas s o s ries temporais mas h vari veis ex genas como despesas de marketing e participa o no mercado que ajudam a modelar previs es O software Risk Simulator fornece ao usu rio diversas metodologias de previs o 1 ARIMA modelo de m dia m vel integrada autorregressiva AutoARIMA Econometria b sica Autoeconometria 2 3 4 5 L gica difusa combinat ria 6 Distribui es personalizadas 7 GARCH modelo autorregressivo heteroscedasticidade condicional generalizado 8 Curvas J 9 Cadeias de Markov 10 M xima verossimilhan a 11 Rede neural 12 Regress o multivariada 13 Extrapola o n o linear 14 Curvas S 15 Spline c bico 16 Previs o estoc stica 17 An lise da s rie temporal 18 Linhas de tend ncia Manual do Usu rio Risk Simulator 74 O 2005 2012 Real Options Valuation Inc ARIMA Auto ARIMA Econometria b sica Autoeconometria b sica L gica difusa combinat ria Distribui es personalizadas Os detalhes anal ticos de cada m todo de previs o n o fazem parte
174. do atual e o aumento exponencial Isso significa que ao longo do tempo os valores aumentar o significativamente de um per odo para o outro Normalmente esse modelo usado para prever o crescimento biol gico e rea es qu micas ao longo do tempo e Inicie o Excel e selecione Risk Simulator Previs o Curvas JS e Selecione o tipo de curva J ou S insira as suposi es de entrada obrigat rias consulte as Figuras 3 16 e 3 17 para obter exemplos e clique em OK para executar o modelo e o relat rio A curva S ou curva de crescimento log stico come a como uma curva J com taxas de crescimento exponenciais Com o tempo o ambiente torna se saturado por exemplo satura o do mercado competi o superlota o o crescimento diminui e o valor da previs o por fim termina em um n vel m ximo de satura o Esse modelo muito usado para prever participa o de mercado ou o crescimento das vendas de um novo produto desde introdu o no mercado at a maturidade e o decl nio a din mica de popula es o crescimento de culturas de bact rias e outras vari veis de ocorr ncia natural A Figura 3 17 ilustra um exemplo de curva S Curvas de crescimento exponencial da curva J Em matem tica uma quantidade que cresce exponencialmente aquela cuja taxa de crescimento sempre proporcional ao seu tamanho atual Diz se que tal crescimento segue uma lei exponencial Isso significa que para qualquer quantidade em crescimento
175. dualmente e os efeitos resultantes s o tabulados Isso torna a an lise tornado um componente chave a ser executado antes de uma simula o Uma das primeiras etapas na an lise de risco capturar e identificar os fatores de maior impacto no modelo A pr xima etapa identificar quais desses fatores de impacto s o incertos Esses fatores de impacto incertos s o fatores importantes para o sucesso de um projeto dos quais dependem os resultados do modelo Essas vari veis s o as que devem ser simuladas N o desperdice tempo simulando vari veis que n o s o incertas ou que exercem pouco impacto nos resultados Os gr ficos tornado auxiliam na identifica o desses fatores de sucesso com rapidez Manual do Usu rio Risk Simulator 132 O 2005 2012 Real Options Valuation Inc e facilidade Seguindo este exemplo poss vel que o pre o e a quantidade devam ser simulados supondo que os investimentos necess rios e a al quota de impostos efetiva sejam conhecidos antecipadamente e inalter veis Do Valor de base 96 6261638553219 Altera es da entrada ae C lula precedente resultado resultado Faixa efetiva entrada da entrada base C36 Investimentos 276 62616 83 373836 360 00 1 620 00 1 980 00 1 800 00 C9 Taxa de juros efetiva 219 72693 26 474599 44 00 40 00 C12 Pre o m dio do produto A 3 4255424 189 82679 7 11 00 510 00 C13 Pre o m dio do produto B 16 706631 176 5457 j 13 48 12 25 C15 Quantidade do produto A 23
176. e f x gt com qualquer valor deg gt 0e 8 gt 0 r a g m dia amp desvio padr o 4 amp 8 obliquidade EA Ja Manual do Usu rio Risk Simulator 58 O 2005 2012 Real Options Valuation Inc Distribui o de Laplace Manual do Usu rio Risk Simulator 59 6 curtose excessiva Q O alfa do par metro de forma o e o beta do par metro de escala s o os par metros de distribui o e 7 a fun o gama Quando o par metro alfa um inteiro positivo a distribui o gama chamada de distribui o de Erlang usada para prever tempos de espera em sistemas de enfileiramento nos quais a distribui o de Erlang a soma de vari veis aleat rias independentes e distribu das de forma id ntica cada uma possuindo uma distribui o exponencial de n o memoriza o Definindo n como o n mero dessas vari veis aleat rias o construto matem tico da distribui o de Erlang n l x xX f Rail Requisitos de entrada para todos os x gt 0 e todos os inteiros positivos de n Beta da escala gt 0 podendo ser qualquer valor positivo Alfa da forma gt 0 05 e qualquer valor positivo A localiza o pode ser qualquer valor A distribui o de Laplace tamb m chamada de distribui o exponencial dupla pois pode ser constru da com duas distribui es exponenciais com um par metro de local adicional combinadas criando um pico incomum no meio A fun o densidade de probabilidade d
177. e Bayesiana probabilidade conjunta e a posteriori e Valor Esperado da Informa o e MINIMAX e MAXIMIN e Perfis de Risco A seguir est o alguns das principais dicas r pidas e procedimentos para a utiliza o intuitiva dessas ferramentas e Existem 11 idiomas dispon veis neste m dulo e o idioma atual pode ser alterado atrav s do menu Idiomas e Inserir ou Inserir n de Op o ou n Terminal selecionando primeiro qualquer n existente e em seguida clicando no cone n de Op o quadrado ou no cone do n Terminal tri ngulo ou usar as fun es do menu Inserir e Modificar individualmente as propriedades do N de Op o ou do N Terminal clicando duas vezes em um n s vezes quando voc clica em um n todos os n s filhos subsequentes tamb m s o selecionados isso permite que voc mova toda a rvore a partir daquele n selecionado Se voc deseja selecionar apenas um n voc pode ter que clicar sobre o fundo branco e clicar novamente no n para selecion lo individualmente Al m disso voc pode mover os n s individuais ou toda a rvore que come ou a partir do n selecionado dependendo da configura o atual bot o direito do mouse ou no menu Editar e selecione Mover n s individualmente ou Mover Juntos n s e A seguir s o apresentadas algumas descri es r pidas das coisas que podem ser personalizadas e configuradas na interface do usu rio das propriedades do n mais s
178. e a correla o entre a vari vel dependente real Y e a estimada ou ajustada Y com base na equa o de regress o Tamb m a raiz quadrada do coeficiente de determina o R2 O erro padr o das estimativas SEy descreve a dispers o dos pontos de dados acima e abaixo da linha ou do plano de regress o Esse valor usado como parte do c lculo para obter o intervalo de confian a das estimativas depois Resultados da regress o Intercepta o X1 X2 X3 X4 X5 Coeficientes 57 9555 0 0035 0 4644 25 2377 0 0086 16 5579 Erro padr o 108 7901 0 0035 0 2535 14 1172 0 1016 14 7996 Estat stica t 0 5327 1 0066 1 8316 1 7877 0 0843 1 1188 P valor 0 5969 0 3197 0 0738 0 0807 0 9332 0 2693 5 mais baixos 161 2966 0 0106 0 0466 3 2137 0 2132 13 2687 95 mais altos 277 2076 0 0036 0 9753 53 6891 0 1961 46 3845 Graus de liberdade Teste de hip teses Graus de liberdade para regress o 5 Estat stica t cr tica 99 de confian a com df igual a 44 2 6923 Graus de liberdade para residual 44 Estat stica t cr tica 95 de confian a com df igual a 44 2 0154 Total de graus de liberdade 49 Estat stica t cr tica 90 de confian a com df igual a 44 1 6802 Os coeficientes fornecem a intercepta o e a inclina o estimadas da regress o Por exemplo os coeficientes s o estimativas dos verdadeiros valores da popula o b nesta equa o de regress o Y b0 b1X1 b2X2 bnXn O erro padr o mede a precis o dos coeficiente
179. e configurar o modelo usando as seguintes etapas 1 Crie um novo perfil Risk Simulator Novo perfil 2 Para otimiza o estoc stica defina suposi es de distribui o sobre o risco e os retornos de cada classe de ativo Ou seja selecione a c lula C6 e defina uma suposi o Risk Simulator Definir valores de entrada e crie sua suposi o conforme necess rio Repita para as c lulas C7 a D9 3 Selecione a c lula E6 e defina a vari vel de decis o Risk Simulator Otimiza o Definir decis o ou clique no cone Definir decis o D torne a uma Vari vel cont nua e vincule o nome o m nimo e o m ximo da vari vel de decis o necess rios s c lulas relevantes B6 F6 G6 4 Use a fun o copiar do Risk Simulator na c lula E6 selecione as c lulas E7 a E9 e use a fun o colar do Risk Simulator Risk Simulator Copiar par metro e Risk Simulator Colar par metro ou use os cones de c pia e colagem N o use as fun es normais do Excel para copiar e colar 5 Em seguida para configurar as restri es da otimiza o selecione Risk Simulator Otimiza o Restri es ADICIONAR e a c lula E11 e a iguale a 100 aloca o total e inclua o sinal 6 Selecione a c lula C12 o objetivo a ser maximizado e transforme a no objetivo Risk Simulator Otimiza o Definir objetivo ou clique no cone O 7 Para executar a otimiza o clique em Risk Simulator Otimiza o Executar otim
180. e excessiva 6r d pD 2r d NTA 28 9 3 A 287 4r 1 BDTA 38 DA T A 4p ra 28 Dd pD Formato e escala de localiza o central s o os par metros de distribui o e T a fun o gama Requisitos de entrada Alfa da forma gt 0 05 Beta da escala gt 0 podendo ser qualquer valor positivo Distribui es A distribui o Weibull descreve os dados resultantes de testes de vida til e Weibull e Rayleigh fatiga Normalmente ela usada para descrever o tempo de falha em estudos de confiabilidade como a for a necess ria para quebrar um material em testes de confiabilidade e controle de qualidade As distribui es Weibull tamb m s o usadas para representar v rias quantidades f sicas como velocidade do vento A distribui o Weibull uma fam lia de distribui es que podem assumir as propriedades de muitas outras distribui es Por exemplo dependendo do par metro de forma que voc definir a distribui o Weibull pode ser usada para modelar as distribui es exponencial e Rayleigh entre outras A distribui o Weibull muito flex vel Quando o par metro de forma Weibull igual a 1 0 a distribui o Weibull id ntica distribui o exponencial A escala de localiza o central ou o par metro beta Weibull permite configurar uma distribui o exponencial para iniciar em uma localiza o qualquer diferente de 0 0 Quando o par metro de forma menor do que 1 0 a distribui o Weibull
181. e gera o do processo conhecida antecipadamente mas os resultados reais gerados s o desconhecidos Figura 5 26 O processo de caminho aleat rio ou movimento browniano pode ser usado na previs o de pre os de a es pre os de commodities e outros dados de s rie temporal estoc sticos aos quais foram dados uma taxa de crescimento e uma volatilidade ao redor do caminho de crescimento Os processos de revers o m dia podem ser usados para reduzir as flutua es do processo de caminho aleat rio permitindo que o caminho tenha por meta um valor de longo prazo tornando o til na previs o de vari veis de s rie temporal que possuem uma taxa de longo prazo como taxas de juros e de infla o que s o taxas de longo prazo usadas por rg os reguladores ou pelo mercado O processo de difus o com salto til para prever dados de s rie temporal quando a vari vel pode ocasionalmente apresentar saltos aleat rios como os pre os do petr leo ou da eletricidade choques de evento ex geno discreto podem fazer Manual do Usu rio Risk Simulator 156 O 2005 2012 Real Options Valuation Inc pre os subirem ou descerem drasticamente E poss vel tamb m fazer a mistura e a correspond ncia desses processos quando necess rio Resumo estat stico Os par metros a seguir s o estimados para um processo estoc stico dados os dados fornecidos Cabe a voc determinar se a probabilidade de ajuste semelhante a um c
182. e menus do Risk Simulator clique no cone Licen a ou em Risk Simulator Licen a e copie sua ID do hardware de 11 20 digitos alfanum ricos e envie a por email tamb m poss vel selecionar a ID do hardware copiar com o bot o direito do mouse ou clicar no link de email da ID do hardware para admin realoptionsvaluation com Quando recebermos essa ID enviaremos por email uma licen a permanente para voc De posse desse arquivo de licen a basta salv lo no disco r gido Inicie o Excel clique em Risk Simulator Licen a ou clique no cone Licen a clique em Instalar licen a e selecione o novo arquivo de licen a Reinicie o Excel para concluir a opera o O processo demora menos de um minuto e voc estar totalmente licenciado para executar o software Depois de conclu da a instala o inicie o Microsoft Excel Se a licen a tiver sido instalada com xito voc ver um item adicional Risk Simulator na barra de menus do Excel XP 2003 ou no grupo SUPLEMENTO do Excel 2007 2010 e uma nova barra de cones no Excel como mostra a Figura 1 1 Al m disso ser exibida uma tela inicial como mostra a Figura 1 2 indicando que o software est funcionando e est carregado no Excel A Figura 1 3 tamb m mostra a barra de ferramentas do Risk Simulator Se esses itens existirem no Excel voc estar pronto para come ar a usar o software As pr ximas se es fornecem instru es passo a passo sobre como usar o software
183. e objetivo ox Cancelar Manual do Usu rio Risk Simulator 115 O 2005 2012 Real Options Valuation Inc Resumo da otimiza o otimiza o usada para alocar recursos onde os resultados fornecem os retornos m ximos ou os custos riscos minimos Os usos incluem o gerenciamento de estoques a aloca o de carteiras financeiras mix de produtos sele o de projeto etc Objetivo M todo Restri es Estat sticas Vari veis de decis o Otimiza o est tica Executar no modelo est tico sem simula es Executado geralmente para determinar o portf lio inicial timo antes que otimiza es mais avancadas seiam aplicadas Otimiza o din mica Uma simula o executada antes os resultados da simula o s o aplicados no modelo e em seguida aplica se uma otimiza o aos valores simulados N mero de tentativas da simula o 1000 Otimiza o estoc stica Semelhante otimiza o din mica mas o processo repetido diversas vezes s vari veis de decis o final ter o cada uma seu pr prio gr fico de previs o indicando a faixa tima N mero de tentativas da simula o 1000 N mero de execu es da otimiza o 20 ok Canceix Figura 4 2 Execu o de otimiza o cont nua no Risk Simulator Interpreta o dos Os resultados finais da otimiza o s o mostrados na Figura 4 3 em que a resultados aloca o de ativos tima para o po
184. e previs o Medidas de erro 1 1 00 REQM 19 6799 a 6 73 1 00 EQM 387 2974 3 20 52 1 42 MAD 10 2095 4 45 25 99 82 MAPE 31 56 5 83 59 55 92 U Theil 1 1210 6 138 01 136 71 7 210 87 211 96 Tipo de fun o Racional 8 304 44 304 43 9 420 89 420 89 10 562 34 562 34 11 730 85 730 85 12 928 43 928 43 Previs o 13 1157 03 Previs o 14 1418 57 Previs o 15 1714 95 Figura 3 12 Resultados de extrapola o n o linear Manual do Usu rio Risk Simulator 91 O 2005 2012 Real Options Valuation Inc Teoria 3 7 S rie temporal avan ada Box Jenkins ARIMA Uma ferramenta de previs o de s rie temporal avan ada muito poderosa ARIMA ou m dia m vel integrada autorregressiva A previs o ARIMA agrupa tr s ferramentas separadas em um modelo abrangente O primeiro segmento da ferramenta o termo autorregressivo ou AR que corresponde ao n mero do valor defasado do residual no modelo de previs o incondicional Essencialmente o modelo captura a varia o hist rica de dados reais para um modelo de previs o e usa essa varia o ou residual para criar um modelo de previs o melhor O segundo segmento da ferramenta a ordem de integra o ou o termo T Esse termo de integra o corresponde ao n mero da s rie temporal diferenciada a ser prevista Esse elemento explica qualquer taxa de crescimento n o linear existente nos dados O terceiro termo a m dia m vel ou MA que essencialmente a m dia m vel de
185. e todo o processo repetido v rias vezes Esse m todo importante e til para bancos no c lculo do valor em risco condicional ou VaR condicional Ativo 1 Manual do Usu rio Risk Simulator 126 O 2005 2012 Real Options Valuation Inc Figura 4 11 Resultados simulados da abordagem de otimiza o estoc stica Manual do Usu rio Risk Simulator 127 O 2005 2012 Real Options Valuation Inc 5 FERRAMENTAS ANAL TICAS DE SIMULA O DE RISCO ste cap tulo trata das ferramentas anal ticas do Risk Simulator Essas ferramentas anal ticas s o discutidas por meio de exemplos de aplica o do software Risk Simulator com ilustra es passo a passo Essas ferramentas s o valiosas para analistas que trabalham na rea de an lise de risco A aplicabilidade de cada ferramenta discutida em detalhe neste cap tulo 5 1 Ferramentas Tornado e Sensibilidade em simula o Teoria Uma das mais poderosas ferramentas de simula o a an lise tornado ela captura os impactos est ticos de cada vari vel no resultado do modelo Ou seja a ferramenta perturba automaticamente cada vari vel no modelo por um valor predefinido captura a flutua o na previs o do modelo ou no resultado final e lista as perturba es resultantes classificadas em ordem decrescente de relev ncia As Figuras 5 1 a 5 6 ilustram a aplica o de uma an lise tornado Por exemplo a Figura 5 1 um exemplo de modelo de flux
186. e usada em teste de hip teses Essa distribui o usada para estimar a m dia de uma popula o normalmente distribu da quando o tamanho da amostra pequeno sendo usada para testar a signific ncia estat stica da diferen a entre duas amostras ou intervalos de confian a para amostras pequenas Os construtos matem ticos da distribui o t s o os seguintes T r 1 2 JraTir 2 m dia 0 isso se aplica a todos os graus de liberdade r exceto se a distribui o for deslocada para outra localiza o central diferente de zero 1 t fry P r 2 desvio padr o obliquidade 0 se aplica a todos os graus de liberdade r Manual do Usu rio Risk Simulator 68 2005 2012 Real Options Valuation Inc Distribui o triangular for allr gt 4 curtose excessiva r 4 xX e T a fun o gama onde x S Os graus de liberdade r s o o nico par metro de distribui o A distribui o t est relacionada distribui o F como mostrado a seguir o quadrado de um valor de t com r graus de liberdade distribu do como F com 1 e r graus de liberdade O formato geral da fun o de densidade da probabilidade da distribui o t lembra o formato de sino de uma vari vel normalmente distribu da com m dia 0 e vari ncia 1 exceto que essa um pouco mais baixa e mais larga e leptoc rtica caudas gordas nas extremidades e um pico no centro medida que o grau de liberdade aumenta
187. ec ficos A mesma pessoa pode criar diferentes cen rios de teste usando suposi es e entradas de distribui o diferente ou v rias pessoas podem testar suposi es e entradas no mesmo modelo e Inicie o Excel e crie um novo modelo ou abra um existente voc pode usar o exemplo do Modelo b sico de simula o para acompanhar e Clique em Risk Simulator Novo perfil de simula o Manual do Usu rio Risk Simulator 18 2005 2012 Real Options Valuation Inc Especifique um t tulo para a simula o al m de todas as informa es pertinentes Figura 2 1 Propriedades da simula o Manual do Usu rio Risk Simulator Nome do perfil First Profile Configura es N mero de tentativas 1 0005 7 Pausar simula o em caso de erro V Ativar correla es FZ Especifique a sequ ncia de n meros aleat rios propaga o Figura 2 1 Novo perfil de simula o T tulo A especifica o do t tulo de uma simula o permite criar v rios perfis de simula o em um nico modelo do Excel Isso significa que agora voc pode salvar diferentes perfis de cen rio de simula o no mesmo modelo sem ter que excluir as suposi es existentes e alter las sempre que um novo cen rio de simula o for necess rio poss vel alterar o nome do perfil mais tarde Risk Simulator Editar perfil N mero de tentativas Insira o n mero de tentativas de simula o necess rio Ou seja executar 1 000 tentativas si
188. ecimais 4 Idioma Potugu s Figura 5 48 Ferramenta de distribui o da probabilidade 45 distribui es de probabilidade e Clique na guia Gr ficos e tabelas Figura 5 49 selecione uma distribui o A por exemplo Arco seno escolha se deseja executar a FDA a IFDA ou a FDP B insira as entradas relevantes e clique em Executar gr fico ou em Executar tabela C Voc pode alternar entre as guias Gr fico e Tabela para ver os resultados Tamb m poss vel experimentar alguns cones do gr fico E para ver os efeitos no gr fico e Tamb m poss vel alterar dois par metros H para gerar v rios gr ficos e tabelas de distribui o inserindo a entrada De Para Incremento ou usar as entradas Personalizar e pressionar Executar Por exemplo como ilustrado na Figura 5 50 execute a distribui o beta e selecione FDP G selecione o alfa e o beta a ser alterados H usando as entradas Personalizar I e insira os par metros de entrada relevantes 2 5 5 para alfa e 5 3 5 para beta J e clique em Executar gr fico Ser o geradas tr s Manual do Usu rio Risk Simulator 178 O 2005 2012 Real Options Valuation Inc DISTRIBUI ES DE PROBABILIDADE ROV distribui es beta K beta 2 5 beta 5 3 e beta 5 5 L Examine as diversas configura es de tipos de gr ficos linhas de grade idioma e casas decimais M e execute novamente a distribui o usando valores simulados te ricos e emp r
189. ecione os dados que deseja analisar por exemplo B9 B28 e clique em Risk Simulator Ferramentas Supress o de tend ncia e dessazonaliza o dos dados e Selecione Dessazonaliza o dos dados e ou Supress o de tend ncia selecione os modelos de supress o de tend ncia que deseja executar insira as ordens relevantes por exemplo ordem polinomial ordem de m dia m vel ordem de diferen a e ordem de raz o e clique em OK e Revise os dois relat rios gerados para obter mais detalhes sobre a metodologia a aplica o e os gr ficos de resultados e os dados sem tend ncia sazonalidade e Procedimento para o teste de sazonalidade e Selecione os dados que deseja analisar por exemplo B9 B28 e clique em Risk Simulator Ferramentas Teste de Sazonalidade de Dados e Selecione os dados que deseja analisar por exemplo B9 B28 e clique em Risk Simulator Ferramentas Dados Teste de sazonalidade e Insira o per odo de sazonalidade m ximo para o teste Ou seja se voc inserir 6 o Risk Simulator testar os seguintes per odos de sazonalidade 1 2 3 4 5 6 O per odo 1 certamente n o implica nenhuma sazonalidade nos dados Manual do Usu rio Risk Simulator 170 O 2005 2012 Real Options Valuation Inc e Revise o relat rio gerado para obter mais detalhes sobre a metodologia a aplica o e os gr ficos resultantes e os resultados do teste de sazonalidade A melhor periodicidade de sazonalidade listada primeiro
190. ecutada com menos vari veis selecione Mostrar as 10 vari veis principais se as primeiras 5 forem cr ticas o que cria bons relat rios e gr fico tornado que mostra um contraste entre os fatores chave e os fatores menos cr ticos ou seja voc nunca deve mostrar um gr fico tomado com apenas as vari veis chave sem mostrar algumas vari veis menos cr ticas para que haja assim um contraste sobre os efeito no resultado Por fim os pontos de teste padr o podem ser aumentados de 10 para algum valor maior para testar n o linearidades o gr fico aranha mostrar linhas n o lineares e os gr ficos tornado ser o inclinados para um dos lados se os efeitos dos precedentes forem n o lineares e A op o Usar endere o de c lula uma boa id ia se o seu modelo for grande o que permite identificar a localiza o o nome da planilha e o endere o da c lula de uma c lula precedente Se ela n o for selecionada o software aplicar sua pr pria l gica fuzzy para tentar determinar o nome de cada vari vel precedente s vezes os nomes podem parecer confusos em um modelo grande com vari veis repetidas ou podem ser muito extensos dando uma apar ncia desagrad vel ao gr fico tornado e As op es Analisar esta planilha e Analisar todas as planilhas permitem controlar se as precedentes devem fazer parte apenas da planilha atual ou se todas as planilhas devem ser inclu das na mesma pasta de trabalho Essa op o til
191. ede neural bem como em Risk Simulator Previs o Rede neural A Figura 5 56 mostra a metodologia de previs o de rede neural Procedimento e Clique em Risk Simulator Previs o Rede neural e Para come ar insira manualmente os dados ou cole os da rea de transfer ncia por exemplo selecione e copie dados no Excel inicie a ferramenta e clique no bot o Colar para colar os dados e Selecione se voc deseja executar um modelo de rede neural Linear ou N o linear insira o n mero desejado de Per odos de previs o por exemplo 5 o n mero de Camadas ocultas na rede neural por exemplo 3 e o n mero de Per odos de teste por exemplo 5 e Clique em Executar para iniciar a an lise e revise os gr ficos e os resultados calculados Tamb m poss vel Copiar os resultados e o gr fico para a rea de transfer ncia e col los em outro aplicativo Observe que o n mero de camadas ocultas na rede um par metro de entrada e dever ser calibrado com seus dados Em geral quanto mais complicado o padr o de dados maior o n mero de camadas ocultas necess rias e mais demorado ser o c lculo Recomenda se come ar com 3 camadas Os per odos de teste s o simplesmente o n mero de pontos de dados usados na calibra o final do modelo de rede neural Recomenda se usar como per odo de teste pelo menos o mesmo n mero de per odos que se deseja prever Manual do Usu rio Risk Simulator 186 O 2005 2012 Real Options Val
192. eesseeseseesseesseseeseseessessesseseso 107 A OTIMIZA O riirii E A aa Dana 110 4 1 Metodologias de otimiza o ssesesseeseesesensseseessesresseeseestessestsstestssttssesesstsrtsstestsseessssessesreses 110 4 2 Otimiza o com vari veis de decis o cont nuas reeereeeereeeereaeereereenea 112 4 3 Otimiza o com vari veis inteiras discretas cciiiissieereeeereeee rear eeeeeereneereaeererareenea 117 4 4 Fronteira eficiente e configura es de otimiza o avan ada seeereeereeeeeeneesa 121 4 5 Otimiza o Estoc stica rennene i oder eds Read E N e de ee dA Go Rs Tones 122 5 FERRAMENTAS ANAL TICAS DE SIMULA O DE RISCO ceseeeneeseesenss 128 5 1 Ferramentas Tornado e Sensibilidade em simula o ns nnnnnnnnonnoossosseosseossenssenssenssonssessessssessse 128 52 Analise de sensibilidade s ci dai ne is aussi adota a Sra aE a Ea E Do ad a SE 136 5 3 Ajuste da distribui o vari vel nica e m ltiplas vari veis ceeeeeererereeereeereereeears 140 5 4 Simula o de DoOtstrap z s questo murro tiesirados gue cu dei ed ge a UI AT EA ELA A e 144 5 5 Tested NIp Leses assa ctagaisusstas PocadDI AE IMIS Soho and esa a a CETo a Aga NAS A Sao e Epa 146 5 6 Extrair dados e salvar resultados da simula o iieerteeereeeeereeeere ee eeenreeneea 148 SP Car E EOI K TONE AREN tania fon Ean poda inato aa Roda Da AR LR Do ba ER ORA AREA VOA A os GAS ra OR E 149 5 8 Ferrament
193. egress o de quadrados m nimos n o resistente s discrep ncias assim a estimativa de inclina o ajustada tamb m n o Um ponto distante verticalmente de outros pontos pode fazer com que a linha ajustada passe pr ximo a ele em vez de seguir a tend ncia linear geral do resto dos dados principalmente se o ponto for relativamente distante na dire o horizontal do centro dos dados Manual do Usu rio Risk Simulator 152 O 2005 2012 Real Options Valuation Inc No entanto necess rio ter muito cuidado ao decidir se as observa es discrepantes devem ser removidas Apesar de na maioria dos casos os resultados da regress o parecerem melhores quando as discrep ncias s o removidas necess rio haver antes uma justificativa Por exemplo se algo estiver regredindo o desempenho no retorno das a es de uma determinada firma as discrep ncias causadas por quedas no mercado de a es devem ser inclu das pois elas n o s o discrep ncias mas fatos inevit veis no ciclo de neg cios Antecipar essas discrep ncias e usar a equa o de regress o para prever o fundo de aposentadoria de uma pessoa com base nas a es render na melhor das hip teses resultados incorretos Em contrapartida suponha que as discrep ncias s o causadas por uma nica condi o comercial n o recorrente por exemplo fus o e aquisi o e n o se prev a repeti o de tais altera es estruturais assim essas observa es discrepante
194. eguida clique em Executar otimiza o e no bot o Avan ado Figura 4 10 e marque a caixa de sele o Executar simula o super r pida Na interface de execu o da otimiza o selecione Otimiza o estoc stica na guia M todo e a defina para ser executada por 500 tentativas e 20 execu es de otimiza o e clique em OK Essa abordagem integra a simula o super r pida otimiza o Observe que a otimiza o estoc stica executada muito mais rapidamente Agora poss vel execut la de novo com um maior n mero de tentativas de simula o e Estat sticas de simula o para otimiza es estoc stica e din mica Observe que se houver suposi es de entrada de simula o no modelo de otimiza o ou seja essas suposi es de entrada forem necess rias para executar as rotinas de otimiza o din mica ou estoc stica a guia Estat sticas estar preenchida na janela Executar otimiza o Na lista suspensa voc pode selecionar as estat sticas desejadas como m dia desvio padr o coeficiente de varia o m dia condicional e vari ncia condicional um percentil espec fico etc Isso significa que se for executada uma otimiza o estoc stica uma simula o de milhares de tentativas ser executada primeiro as estat sticas selecionadas ser o calculadas e o valor ser temporariamente colocado na c lula de suposi o de simula o e em seguida ser executa uma otimiza o com base nessa estat stica
195. eituosas Voc escolhe uma pe a da caixa descobre que defeituosa e a remove da caixa Se voc escolher outra pe a da caixa a probabilidade de ela ser defeituosa um pouco menor do que para a primeira pe a porque voc retirou uma pe a defeituosa Se voc tivesse substitu do a pe a defeituosa as probabilidades teriam permanecido as mesmas e o processo teria satisfeito as condi es de uma distribui o binomial Condi es As condi es subjacentes distribui o hipergeom trica s o e O n mero total de itens ou elementos o tamanho da popula o um n mero fixo uma popula o finita O tamanho da popula o deve ser menor ou igual a 1 750 e O tamanho da amostra o n mero de tentativas representa uma parte da popula o e A probabilidade de xito inicial conhecida da popula o muda depois de cada tentativa Os construtos matem ticos da distribui o hipergeom trica s o os seguintes Manual do Usu rio Risk Simulator 48 O 2005 2012 Real Options Valuation Inc NO N N xN x n x N N n x E N nKN n P x para x Max n N N 0 Min n N N n X m dia N N N n N n N N 1 obliquidade S N N N n N n curtose excessiva fun o complexa desvio padr o O n mero de itens na popula o ou o tamanho da popula o N as tentativas amostradas ou o tamanho da amostra n e o n mero de itens da popula o que obti
196. el clicar manualmente no cone de v nculo e vincular os valores de X conhecidos e de Y conhecidos consulte a Figura 3 21 para obter um exemplo inserir os valores obrigat rios Inicial e Final para extrapolar e interpolar bem como o Tamanho do incremento obrigat rio entre esses valores inicial e final Clique em OK para executar o modelo e o relat rio consulte a Figura 3 22 108 O 2005 2012 Real Options Valuation Inc Previs es de spline c bico O modelo de interpola o e extrapola o polinomial de spline c bico usado para preencher as lacunas de valores ausentes e prever dados da s rie temporal por isso o modelo pode ser usado para interpolar pontos de dados ausentes em uma s rie temporal de dados por exemplo curvas de rendimento taxas de juros vari veis macroecon micas como taxas de infla o e pre os de commodities ou devolu es de mercado e tamb m usado para extrapolar a faixa especificada ou Resultados da interpola o e extrapola o de spline x 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 10 0 11 0 12 0 13 0 14 0 15 0 16 0 17 0 18 0 19 0 20 0 21 0 22 0 23 0 24 0 25 0 26 0 27 0 28 0 29 0 30 0 31 0 32 0 33 0 34 0 35 0 Manual do Usu rio Risk Simulator Y ajustado 4 39 4 13 4 16 4 22 4 26 4 32 4 38 4 44 4 50 4 56 4 61 4 66 4 70 4 74 4 77 4 80 4 83 4 85 4 87 4 88 4 89 4 89 4 89 4 89 4 89 4 88 4 87 4 86 4 85 4 84 4
197. elo ser o ilustrada e cabe ao usu rio decidir qual processo de otimiza o executar Al m disso o modelo cont nuo usa a abordagem de otimiza o n o linear porque o risco do portf lio calculado uma fun o n o linear e o objetivo uma fun o n o linear dos retornos do portf lio divididos pelos riscos do portf lio enquanto o segundo exemplo de uma otimiza o inteira um modelo de otimiza o linear o objetivo e todas as restri es s o lineares Consequentemente os dois exemplos englobam todos os procedimentos j mencionados 42 Otimiza o com vari veis de decis o cont nuas A Figura 4 1 ilustra o exemplo de modelo de otimiza o cont nua O exemplo usa o arquivo Otimiza o cont nua dispon vel no menu Iniciar em Iniciar Real Options Valuation Risk Simulator Exemplos ou diretamente por meio de Risk Simulator Modelos de exemplo Neste exemplo h 10 classes de ativos distintas diferentes tipos de fundos m tuos a es ou ativos cuja finalidade alocar de maneira mais eficiente e eficaz os investimentos do portf lio de tal forma que seja obtida melhor rela o custo benef cio Ou seja gerar os melhores retornos poss veis do portf lio conhecidos os riscos inerentes a cada classe de ativos Para entender o conceito de otimiza o necess rio analisar o modelo de exemplo mais atentamente para ver a melhor maneira de usar o processo de otimiza o O modelo mostra que cada uma das 10 cl
198. emento do software Procedimento e Execute o ROV BizStats em Risk Simulator ROV BizStats clique em Exemplo para carregar dados de exemplo e o perfil de modelo A Alternativamente voc pode inserir seus dados ou copiar e colar na grade de dados D Figura 5 52 poss vel adicionar suas pr prias notas ou nomes de vari veis na primeira linha Notas C e Selecione o modelo relevante F para ser executado na Etapa 2 e usando as configura es de entrada dos dados de exemplo G insira as vari veis relevantes H Separe as vari veis para o mesmo par metro usando ponto e v rgula e use uma nova linha pressione Enter para criar uma nova linha para par metros diferentes e Clique em Executar I para calcular os resultados J Voc pode exibir as estat sticas os gr ficos ou os resultados relevantes da an lise nas diversas guias na Etapa 3 e Se necess rio forne a um nome de modelo para salvar no perfil na Etapa 4 L poss vel salvar v rios modelos no mesmo perfil Os modelos existentes podem ser editados ou exclu dos M reordenados N e todas as altera es podem ser salvas 0 em um nico perfil com a extens o de nome de arquivo bizstats Notas e O tamanho da grade de dados pode ser definido no menu e a grade pode acomodar at mil colunas de vari veis com um milh o de linhas de dados por vari vel O menu tamb m permite que voc altere as configura es de idioma e de casas decimais pa
199. encialmente uma superdistribui o das distribui es binomial e geom trica A distribui o mostra as probabilidades de cada n mero de tentativas excessivas de R em produzir o xito necess rio R Condi es As tr s condi es subjacentes distribui o binomial negativa s o e O n mero de tentativas n o fixo e As tentativas continuam at o r simo xito e A probabilidade de xito a mesma de uma tentativa para outra Os construtos matem ticos da distribui o binomial negativa s o os seguintes rr P x p 1 p parax r r l e0O lt p lt l r D x rd p p m dia rd p P desvio padr o 2 p yrl p p 6p 6 rl p A probabilidade de xito p e o n mero de xitos necess rios R s o os par metros de distribui o obliquidade curtose excessiva Requisitos de entrada Exitos necess rios devem ser inteiros positivos gt 0 e lt 8000 Probabilidade de xito gt 0 e lt 1 ou seja 0 0001 lt p lt 0 9999 importante observar que a probabilidade de xito p de O ou 1 uma condi o trivial e n o requer simula o portanto n o permitida no software A distribui o geom trica descreve o n mero de tentativas at a primeira ocorr ncia bem sucedida como o n mero de vezes que voc precisa girar uma roleta antes de ganhar Condi es As tr s condi es subjacentes distribui o geom trica s o e O n mero de tentativas n
200. ent Frontier Optimization Complete Problem Parameters Number of variables 12 Number of functions 3 Objective function will be Maximized STEP1 D17 lt 5000 J17 lt 4 Functions Starting Values Final Results Function Lower Upper Function No Name Status Type Initial Value Bound Bound No Name initial Value Final Value 1 G OBJ 2 45726 1 G 2 45726 3 46137 2 G e RNGE 3197 43710 1E 10 0 2 G 3197 43710 147256292 Es z EE 3 G RNGE 800000 1E 10 0 3 G 8 00000 0 00000 ORE A Variables Efficient Frontier Analysis lt e step 1 Constraints are Starting Values Final Results pd a Problem parameters Number of variables is 12 Number of functions is 3 E Variable Initial Lower Upper Variable Objective function will be Maximized No Name Status Value Bound Bound No Name initial Value Final Value Starting val 1 X UL 1 00000 0 1 1 xX 1 00000 1 00000 A acena 2 Xx uL 1 00000 0 1 2 X 1 00000 0 00000 Function Initial Lower Upper 3 x uL 1 00000 0 1 3 x 14 00000 0 00000 ns ns iid SR a Vatne Bound pound 4 Xx UL 1 00000 0 1 4 X 1 00000 1 00000 08I 2 4573 5 x UL 100000 o 4 5 xX 1 00000 0 00000 ssa RNGE 3197 4371 1 000000E 010 0 000000E 000 6 x UL 1 00000 o 1 5 x 1 00000 0 00000 T x UL 1 00000 0 1 7 x 1 00000 0 00000 Optimal values have been found Do you wish to replace the existing decision variables with the optimized values or 8 x uL 1 00000 0 1 8 x 4 00000 0 00000 fevertto the origi
201. entis escolha a distribui o de probabilidade e os tipos de valores que voc deseja usar insira os par metros e clique em Executar para obter os resultados Revise os resultados de R quadrado ajustados e compare os resultados dos ajustes te ricos com os emp ricos para determinar se a sua distribui o um bom ajuste Manual do Usu rio Risk Simulator 176 O 2005 2012 Real Options Valuation Inc Ajuste de dados ajuste da curva de especialista Etapa 1 Selecione a distribui o e o tipo de estimativa de par metro Este m todo de ajuste de dados permite inserir percentis personalizados em vez de um ou mais par metros de entrada normais para determinar a distribui o te rica Ele tamb m til para solicitar a opini o de um especialista Por exemplo em vez de inserir a m dia e o desvio padr o para uma distribui o normal voc pode substituir um ou os dois par metros por seus pr prios percentis e esta ferramenta realizar o ajuste para obter os par metros de distribui o relevantes As distribui es continuas costumam apresentar ajuste melhor do que as discretas em geral h v rias configura es de distribui o discreta que podem ajustar o mesmo conjunto de entradas Etapa 2 Insira as entradas relevantes triangular M nimo Percentil M ximo triangular M nimo Mais prov vel Percentil triangular Percentil Percentil M ximo triangular Percentil Mais prov vel Percentil triangul
202. er modificar essas sele es Para fazer isso verifique se o perfil ativo atual aquele que voc deseja modificar caso contr rio clique em Risk Simulator Alterar perfil de simula o selecione o perfil que deseja alterar e clique em OK a Figura 2 2 mostra um exemplo com v rios perfis e como ativar um perfil selecionado Em seguida clique em Risk Simulator Editar perfil de simula o e fa a as altera es necess rias Tamb m poss vel duplicar ou renomear um perfil existente Ao criar v rios perfis no mesmo modelo do Excel d um nome exclusivo a cada perfil para poder diferenci los depois Al m disso esses perfis s o armazenados dentro de setores ocultos do arquivo xls do Excel e voc n o precisa salvar nenhum arquivo adicional Os perfis e os respectivos conte dos suposi es previs es etc s o automaticamente salvos quando voc salva o arquivo do Excel Por fim o ltimo perfil ativo quando voc sai do Excel e salva o arquivo ser aberto na pr xima vez que o arquivo do Excel for acessado Alterar simula o ativa dado UM Figures 21 20091022 20091022 Third Profle UM Figures 21 20091022 2009 10 22 V Exibir perfis de simula o em todas as pastas de trabalho a nei Figura 2 2 Alterar simula o ativa Manual do Usu rio Risk Simulator 20 O 2005 2012 Real Options Valuation Inc Definir valores de entrada Propriedades da Em Uniforme RI Bernoulli D
203. er odo de tempo projetado Isto a extrapola o pura da s rie temporal sup e que tudo o que se conhece esteja contido nos valores hist ricos da s rie que est sendo prevista Se supormos que o comportamento passado um bom indicador do comportamento futuro a extrapola o ser atraente Assim ela uma abordagem til quando s se necessita de muitas previs es de curto prazo Esta metodologia estima a fun o f x para qualquer valor de x arbitr rio interpolando uma curva n o linear suavizada em todos os valores de x e usando essa curva suavizada extrapola os valores futuros de x al m do conjunto de dados hist rico O m todo emprega a forma da fun o polinomial ou a forma funcional racional uma propor o de dois polin mios Em geral uma forma funcional polinomial suficiente para dados bem comportados entretanto as formas funcionais racionais podem ser s vezes mais exatas principalmente com fun es polares ou seja fun es com denominadores que se aproximam de zero e Inicie o Excel e abra os dados hist ricos se necess rio A ilustra o abaixo usa o arquivo Extrapola o n o linear na pasta de exemplos e Escolha os dados da s rie temporal e selecione Risk Simulator Previs o Extrapola o n o linear e Selecione o tipo de extrapola o sele o autom tica fun o polinomial ou fun o racional insira o n mero do per odo de previs o desejado Figura 3 11 e clique em OK O
204. er dados suficientes quando somente percentis e momentos estiverem dispon veis ou como um meio de recuperar a distribui o integralmente com apenas dois ou tr s pontos de dados mas o tipo de distribui o precisar ser suposto ou conhecido e Ajuste da distribui o vari vel nica usando m todos estat sticos para ajustar seus dados brutos a todas as 42 distribui es a fim de encontrar o melhor ajuste da distribui o e os par metros de entrada S o necess rios v rios pontos de dados para um bom ajuste O tipo de distribui o pode n o ser conhecido com anteced ncia e Ajuste da distribui o m ltiplas vari veis usa m todos estat sticos para ajustar seus dados brutos em diversas vari veis ao mesmo tempo usando os mesmos algoritmos como a nica vari vel de ajuste mas incorpora uma matriz de correla o de paridade entre as vari veis S o necess rios v rios pontos de dados para um bom ajuste O tipo de distribui o pode n o ser conhecido com anteced ncia e Distribui o personalizada definir suposi o usa t cnicas de reamostragem n o param trica para gerar uma distribui o personalizada com os dados brutos existentes e para simular a distribui o com base nessa distribui o emp rica S o necess rios poucos pontos de dados e o tipo de distribui o n o conhecido com anteced ncia Procedimento e Clique em Risk Simulator Ferramentas Ajuste da distribui o perc
205. eria a a o com a maior flutua o como sendo mais arriscada pois os resultados da a o mais arriscada s o relativamente mais imprevis veis do que os da a o menos arriscada O eixo vertical na Figura 2 21 mede os pre os das a es assim a a o mais arriscada tem uma faixa mais ampla de resultados potenciais Essa faixa representada como a largura de uma distribui o o eixo horizontal na Figura 2 20 no qual a distribui o mais ampla representa o ativo mais arriscado Assim a largura ou o spread de uma distribui o mede os riscos de uma vari vel Manual do Usu rio Risk Simulator 38 O 2005 2012 Real Options Valuation Inc Pre os das a es Observe que na Figura 2 20 as duas distribui es t m um primeiro momento ou tend ncias centrais id nticas mas nitidamente as distribui es s o muito diferentes Essa diferen a na largura da distribui o mensur vel Matem tica e estatisticamente a largura ou o risco de uma vari vel pode ser medido por meio de v rias estat sticas diferentes incluindo a faixa o desvio padr o o a vari ncia o coeficiente de varia o e os percentis Li L2 Figura 2 20 Segundo momento Medida da obliquidade da distribui o terceiro momento Tempo Figura 2 21 Flutua es no pre o das a es O terceiro momento mede a obliquidade de uma distribui o ou seja como a distribui o arrastada para um lado ou para o outro A Figura 2 22 ilus
206. ero de bolas tiradas repetidamente depende do n mero de tentativas simuladas Para um modelo grande com v rias suposi es relacionadas imagine o modelo grande como uma Manual do Usu rio Risk Simulator 16 2005 2012 Real Options Valuation Inc cesta muito grande com muitas cestas menores dentro Cada cesta menor tem seu pr prio conjunto de bolas que est o se movimentando Algumas vezes essas cestas menores est o juntas umas das outras se houver uma correla o entre as vari veis e as bolas de golfe est o se movimentando em pares enquanto outras se movimentam independentemente umas das outras As bolas que s o retiradas de cada vez dessas intera es dentro do modelo a cesta maior s o tabuladas e registradas fornecendo o resultado de sa da da previs o da simula o 2 2 Introdu o ao Risk Simulator 2 2 1 Vis o geral de alto n vel do software O software Risk Simulator tem v rios usos diferentes incluindo simula o Monte Carlo previs o otimiza o e an lise de risco e O m dulo Simula o permite executar simula es em modelos existentes do Excel gerar e extrair previs es de simula o distribui o de resultados executar o ajuste da distribui o encontrar automaticamente a distribui o estat stica mais adequada calcular correla es manter rela es entre vari veis aleat rias simuladas identificar sensibilidades criando gr ficos tornado e de sensibilidade testar hip teses est
207. erroristas quebras do mercado de a es do que previsto em uma distribui o normal Estat sticas resumidas Estat sticas X1 Observa es 50 0000 Desvio padr o amostra 21906 1026 M dia aritm tica 21667 5400 Desvio padr o popula o 21685 9352 M dia geom trica 13627 8235 Intervalo de confian a inferior para desvio padr o 18826 9470 M dia truncada 19292 9348 Intervalo de confian a superior para desvio padr o 26325 0585 Erro padr o da m dia aritm tica 3097 9907 Vari ncia amostra 479877330 9473 Intervalo de confian a inferior para m dia 15471 5585 Vari ncia popula o 470279784 3284 Intervalo de confian a superior para m dia 27863 5215 Coeficiente de variabilidade 1 0110 Mediana 15469 5000 Primeiro quartil Q1 5242 0000 M nimo 1148 0000 Terceiro quartil Q3 24917 0000 M ximo 100484 0000 Intervalo interquart lico 19675 0000 Faixa 99336 0000 Obliquidade 1 9773 Curtose 4 1820 Figura 5 30 Relat rio da ferramenta An lise estat stica da amostra Teste de hip teses teste t na m dia da popula o de uma vari vel Resumo estat stico Estat sticas do conjunto de dados Estat sticas calculadas Observa es 50 Estat stica t 6 9941 M dia da amostra 21667 54 P valor cauda direita 0 0000 Desvio padr o da amostra 21906 10 P valor cauda esquer 1 0000 P valor bicaudal 0 0000 Estat sticas fornecidas pelo usu rio Hip tese nula Ho u M dia hipot tica M dia hipot tica 0 00 Hip
208. erros de previs o defasados Pela incorpora o desses erros de previs o defasados o modelo aprende a partir de seus erros de previs o e os corrige por meio do c lculo de m dia m vel O modelo ARIMA segue a metodologia de Box Jenkins com cada termo representando etapas na constru o do modelo at que apenas ru dos aleat rios permane am Al m disso o modelo ARIMA usa t cnicas de correla o para gerar previs es poss vel usar ARIMA para formar padr es que podem n o estar vis veis em dados plotados Al m disso os modelos ARIMA podem ser combinados com vari veis ex genas mas essas vari veis devem ter pontos de dados suficientes para cobrir o n mero adicional de per odos a serem previstos Finalmente devido complexidade dos modelos este m dulo pode levar mais tempo para ser executado H muitas raz es pelas quais um modelo ARIMA superior an lise de s rie temporal comum e a regress es multivariadas O senso comum na an lise de s rie temporal e na regress o multivariada que os residuais de erro est o correlacionados aos seus pr prios valores defasados Essa correla o serial viola a suposi o padr o da teoria de regress o de que perturba es n o est o correlacionadas a outras perturba es Os principais problemas associados correla o serial s o e A an lise de regress o e a an lise de s rie temporal b sica n o s o mais eficientes entre os diferentes estimadores lineares
209. ersonalizar gt Entrada de percentil E Habilitar limite de dados A distribui o triangular descreve uma Moita esti e M nimo Infinity E situa o na qual voc sabe os valores m nimo m ximo e os mais prov veis de acontecer Por exemplo voc poderia descrever o n mero de carros vendidos Manual do Usu rio Risk Simulator 21 M ximo Infinity Ej Habilitar simula es din micas Figura 2 3 Definir um valor de entrada Observe que voc tamb m pode definir suposi es selecionando a c lula na qual deseja definir a suposi o e clicando com o bot o direito do mouse acesse o menu de atalho do Risk Simulator para definir valores de entrada Al m disso para usu rios experientes poss vel definir valores de entrada usando as Fun es RS do Risk Simulator selecione a c lula desejada e no Excel clique em Inserir Fun o e selecione Todas as Categorias e role para baixo at a lista 2005 2012 Real Options Valuation Inc de fun es RS n o recomend vel usar as fun es RS se voc n o um usu rio experiente Para os exemplos a seguir siga as instru es b sicas sobre como acessar menus e cones Observe que em Propriedades da suposi o h v rias reas que merecem ser mencionadas A Figura 2 4 mostra as diferentes reas Manual do Usu rio Risk Simulator Nome da suposi o Esta uma rea opcional que permite inserir nomes exclusiv
210. erve a vari vel em quest o Liste tudo o que voc sabe sobre as condi es que envolvem a vari vel Pode ser poss vel coletar informa es valiosas sobre a vari vel incerta a partir dos dados hist ricos Se n o houver dados hist ricos dispon veis use seu pr prio julgamento com Manual do Usu rio Risk Simulator 43 O 2005 2012 Real Options Valuation Inc Simula o Monte Carlo base na sua experi ncia listando tudo o que voc sabe sobre a vari vel incerta e Revise as descri es de distribui es de probabilidade e Selecione a distribui o que caracteriza a vari vel Uma distribui o caracteriza uma vari vel quando as condi es da distribui o correspondem quelas da vari vel A simula o Monte Carlo na sua forma mais simples um gerador de n meros aleat rios til para previs es estimativas e an lises de risco Uma simula o calcula numerosos cen rios de um modelo escolhendo valores repetidamente de uma distribui o de probabilidade predefinida pelo usu rio para as vari veis incertas e usando esses valores no modelo Todos esses cen rios produzem resultados associados em um modelo em que cada cen rio pode ter uma previs o As previs es s o eventos normalmente com f rmulas ou fun es que voc define como resultados importantes do modelo Em geral s o eventos como totais lucro l quido ou despesas brutas De maneira simplificada pense na simula o Monte Carlo como escolher
211. erve que atualmente existem 10 idiomas dispon veis para este software com perspectivas de novos idiomas serem acrescidos em breve Contudo alguns resultados por terem um entendimento universal ainda ser o visualizados em Ingl s e poss vel alterar a forma de como os modelos no Passo s o exibidos mudando a lista apresentada em Ver Voc pode listar os modelos alfabeticamente por categoria e por requisitos dos dados de entrada observar que em certos idiomas em Unicode p ex Chin s Japon s e Coreano n o existe ordenamento alfab tico e desse modo a primeira op o inv lida e O software pode manipular diferentes arranjos regionais para n meros e pontua o decimal p ex um mil d lares e cinquenta centavos pode ser escrito como 1 000 50 ou 1 000 50 ou 1 000 50 etc O arranjo decimal pode ser definido no ROV BizStats no menu Dado Arranjo Decimal Contudo quando houver d vida mantenha no ROV BizStat a defini o regional coo a Inglesa Americana e o padr o default norte americanos 1 000 50 esse padr o comprovadamente operacional e considerado nos exemplos do ROV BizStats Manual do Usu rio Risk Simulator 183 2005 2012 Real Options Valuation Inc Tr mms O Arquivo Dados Idioma Language Ajuda ETAPA 1 Dados Insira manualmente os dados cole os de outro aplicativo ou carregue um conjunto de dados de exemplo com an lise A 138 89 286 70 289 6842 139 39
212. es Estilo FormaseCores Idioma Language Ajuda bo coco a aQz2 H vag o Arvore de Decis o Sum rio dos Valores Modelagem da Simula o An lise Bayesiana EPI Minimax Perfil de Risco An lise de Sensibilidade Tabela de Cen rios Fun o de Utilidade Tempo de conclus o A 30 00 aa A 12 Dias 248 00 9 00 50 00 ie 14 Dias 286 00 15 00 18 Dias 362 00 6 00 12 Dias 44 00 21 00 14 Dias 48 00 35 00 18 Dias 56 00 14 00 16 Diss 306 00 9 00 37 60 18 Dias 343 00 15 00 23 Dias 435 50 6 00 18 Diss 34 00 21 00 18 Dias 37 00 35 00 20 00 Lento gt q 23 Dias 44 50 14 00 A simula o foi conduida Manual do Usu rio Software Risk Simulator Figura 5 61 ROV Decision Tree Arvore de Decis o Executar Op es Executar Simulador Quantidade de Simula es V Valor da Semente Opcional E Executar visualiza o de Gr ficos na rvore R pida Atualizar Payoffs nos N s Terminal a partir do Excel Destacar caminho com Valor M ximo 9 Destacar caminho com Valor M nimo Mostrar resultados obtidos em uma Fonte Cor diferente 0 300000 Tempo de conclus o B 48 0 700000 Tempo de conclus o A 28 E a Inserir Notas acima do N Inserir N
213. es de pontos de quebra 6 10 12 pax 15 20 23 sepmas m igos pomos de quebra com virgias efle te eee us 729 14630 3136 50508 13035 12973 16309 52277 19235 Er ES E Figura 5 44 An lise de quebra estrutural 5 18 Previs es de linha de tend ncia As linhas de tend ncia podem ser usadas para determinar se um conjunto de dados de s rie temporal segue qualquer tend ncia consider vel Figura 5 45 As tend ncias podem ser lineares ou n o lineares como exponencial logar tmica m dia m vel pot ncia ou polinomial Procedimento e Selecione os dados que deseja analisar e clique em Risk Simulator Previs o Linha de tend ncia selecione as linhas de tend ncia relevantes que voc deseja aplicar aos dados por exemplo selecione todos os m todos por padr o insira o n mero de per odos para a previs o por exemplo 6 per odos e clique em OK e Revise o relat rio para determinar quais dessas linhas de tend ncia de teste fornecem o melhor ajuste e a melhor previs o para os seus dados Manual do Usu rio Risk Simulator 173 O 2005 2012 Real Options Valuation Inc Receita de vendas hist rica Ano Trimestre Periodo Vendas 2006 1 1 2006 2 2 2006 3 3 2006 4 4 2007 1 5 2007 2 6 2007 3 7 2007 4 8 2008 1 9 2008 2 10 2008 3 11 2008 12 2009 1 13 2009 2 14 2009 3 15 2009 4 16 2010 1 17 2010 2 18 2010 3 19 2010 4 20 Linha de tend nci
214. es em 8 uma s rie temporal de taxas de juros al m de outras vari veis macroecon micas como 9 taxas de infla o e pre os de mercadorias ou rendimentos de mercado e tamb m para extrapolar 10 al m do intervalo dado ou conhecido o que til para previs o 11 12 Spline c bico n O modelo de interpola o e extrapola o polinomial de spline c bico usado para preencher as lacunas de valores ausentes e prever dados da s rie temporal por isso o modelo pode ser usado para interpolar pontos de dados ausentes em uma s rie temporal de dados por exemplo curvas de rendimento taxas de juros vari veis macroecon micas como taxas de infla o e pre os de commodities ou devolu es de mercado e tamb m usado para extrapolar a faixa especificada ou conhecida sendo til para previs es Valores X conhecidos C15 C25 Valores Y conhecidos D15 D25 Gerar uma curva spline com base nestes valores X Inicial 1 Final 50 Tamanho do incremento 1 27 Co emean 28 29 Figura 3 21 M dulo de spline c bico Procedimento e Inicie o Excel abra o arquivo de exemplo Modelos avan ados de previs o v para a planilha Spline c bico selecione o conjunto de dados excluindo os cabe alhos e clique em Risk Simulator Previs o Spline c bico e A localiza o dos dados ser inserida automaticamente na interface do Manual do Usu rio Risk Simulator usu rio se voc selecionar os dados primeiro mas tamb m poss v
215. es s o simultaneamente iguais a zero em contraste com a hip tese alternativa Ha de que eles s o simultaneamente diferentes de zero indicando um modelo de regress o geral significante Se o p valor for menor do que as signific ncias alfa 0 01 0 05 ou 0 10 a regress o ser significante A mesma abordagem pode ser aplicada estat stica F comparando a estat stica F calculada aos valores F cr ticos em v rios n veis de signific ncia Previs o Per odo Real Y Previs o F Erro E 1 521 0000 299 5124 221 4876 2 367 0000 487 1243 120 1243 3 443 0000 353 2789 89 7211 4 365 0000 276 3296 88 6704 5 614 0000 776 1336 162 1336 6 385 0000 298 9993 86 0007 7 286 0000 354 8718 68 8718 8 397 0000 312 6155 84 3845 9 764 0000 529 7550 234 2450 10 427 0000 347 7034 79 2966 11 153 0000 266 2526 113 2526 12 231 0000 264 6375 33 6375 13 524 0000 406 8009 117 1991 14 328 0000 272 2226 55 7774 15 240 0000 231 7882 8 2118 16 286 0000 257 8862 28 1138 17 285 0000 314 9521 29 9521 18 569 0000 335 3140 233 6860 19 96 0000 282 0356 186 0356 20 498 0000 370 2062 127 7938 21 481 0000 340 8742 140 1258 22 468 0000 427 5118 40 4882 23 177 0000 274 5298 97 5298 24 198 0000 294 7795 96 7795 25 458 0000 295 2180 162 7820 26 108 0000 269 6195 161 6195 27 246 0000 195 5955 50 4045 Figura 3 8 Resultados de regress o multivariada 3 5 Previs o estoc stica Teoria Um processo estoc stico nada mais do que u
216. espectivos propriet rios O Copyright 2005 2012 Dr Johnathan Mun All rights reserved Real Options Valuation Inc 4101F Dublin Blvd Ste 425 Dublin California 94568 U S A Phone 925 271 4438 Fax 925 369 0450 admin realoptionsvaluation com www risksimulator com www realoptionsvaluation com Real Options 44 Valuation SUM RIO L INTRODU O Erundina a o E a aE ea E T aaas 5 1 1 Bem vindo ao software RISK SIMULAT OR eseesssesessesssseserssssssesrrsessestsrestsseseesessssesseseesessssese 5 1 2 Requisitos e procedimentos de instala o nssnonsseeeeseeseeosseeseeseesesetssessesstessssesssessessesessesesses 6 RENANE Toa DiE ERRO ASPEN A EAE EE EE RD E E 7 1 4 NOVIDADES DA VERS O 2011201255 sesta red a a ai 9 1 4 1 Uma lista abrangente das funcionalidades do Risk Simulator n se 9 L42 RecUtSOS LETAIS eii oaa NE E A SA ATE E E O OENE aaa a a a 9 T43 M diulo de Simula o suenen eieren aani eoo dado etei aanas 10 T144 M dulo d Previs o ps marqasintaesid nro inn ARA SRE E A Aa S J1 1 4 9 Modelo de Otimiza o se uaresegeiasse ines age ra ban ndE dentina brasa nda nad EE dna cena eso idea na dade ra De snaDve 12 1 4 6 M dulo de Ferramentas anal ticas neseseeseeseesesessssssssssesssesssesssesssesseessressressresseess 12 1 4 7 M dulo de Estat sticas e Estat sticas de neg cioS sensseenssennsseeesssereessrrsssseresssrssssrsess 14 2 SIMULA O MONTE CARLO iiicactosiadasaiica seia atado p
217. esultar em uma confian a de previs o mais baixa se houver 19 O 2005 2012 Real Options Valuation Inc correla es negativas Ap s ativar as correla es voc poder definir os coeficientes de correla o relevantes em cada suposi o gerada consulte a se o sobre correla es para obter mais detalhes e Especifique a sequ ncia de n meros aleat rios propaga o A simula o por defini o apresentar resultados um pouco diferentes toda vez que uma simula o for executada Isso ocorre por causa da rotina de gera o de n meros aleat rios na simula o Monte Carlo e um fato te rico em todos os geradores de n meros aleat rios No entanto ao criar apresenta es poss vel que voc precise dos mesmos resultados principalmente quando o relat rio apresentado exibe um conjunto de resultados que tamb m devem ser exibidos durante uma apresenta o ao vivo ou quando voc compartilha modelos com outras pessoas e deseja que os mesmos resultados sejam obtidos sempre Nesses casos selecione essa prefer ncia e insira um n mero de propaga o inicial O n mero de propaga o pode ser qualquer inteiro positivo Usando o mesmo valor de propaga o inicial o mesmo n mero de tentativas e os mesmos valores de entrada a simula o sempre apresentar a mesma sequ ncia de n meros aleat rios garantindo o mesmo conjunto final de resultados Observe que depois de criado um novo perfil de simula o voc pod
218. executar a ferramenta clique em Risk Simulator Ferramentas Agrupamento por segmenta o A Figura 5 40 mostra um exemplo da segmenta o de dois grupos Ou seja tomando o conjunto de dados original executamos alguns logaritmos internos uma combina o ou agrupamento hier rquico de m dias k e outros m todos de momentos para encontrar os grupos de ajustamento ou combina es estat sticas naturais de melhor ajuste para dividir ou segmentar estatisticamente o conjunto de dados original em dois grupos Voc pode ver os membros dos dois grupos na Figura 5 40 claro que voc pode segmentar esse conjunto de dados em quantos grupos desejar Essa t cnica valiosa em uma variedade de situa es incluindo marketing Manual do Usu rio Risk Simulator 167 O 2005 2012 Real Options Valuation Inc segmenta o do mercado de clientes em v rios grupos de gerenciamento de relacionamento de clientes etc ci ncias naturais engenharia entre outras RESULTADO DA AN LISE DE SEGMENTA O E AGRUPAMENTO An lise de agrupamento e segmenta o A an lise de agrupamento e segmenta o usada para dividir Grupos matematicamente um conjunto de dados em diferentes grupos de segmentos ou Amostra Dados ordenados 2 agrupamentos 1 1 1 Dados selecionados 2 2 1 i 3 3 1 4 4 1 5 5 1 6 6 1 7 125 2 8 125 2 9 126 2 10 124 2 11 128 2 Op es Mostrar tudo 2 gt agrupamentos por segmenta o gt Exibir n mero do agru
219. exponencial quanto maior a quantidade mais rapidamente ela cresce Mas isso tamb m significa que a rela o entre o tamanho da vari vel dependente e sua taxa de crescimento regida por uma lei r gida muito simples propor o direta O princ pio geral por tr s do crescimento exponencial que quanto maior o n mero mais rapidamente ele cresce Qualquer n mero em crescimento exponencial crescer muito mais do que um n mero que cresce a uma taxa constante no mesmo periodo Esse m todo de previs o tamb m chamado de curva J porque sua apar ncia que lembra a letra J N o h um n vel Curvas JS m ximo para essa curva de crescimento Outras curvas de crescimento incluem as curvas S e as cadeias de Markou e As curvas J S representam a curva J crescimento exponencial e a Taxa de crescimento supost Real Options curva S curva de crescimento log stico Essas curvas s o usadas Valor inicial 4 V a l uation em previs es de taxas de crescimento altas curva J ou em eo situa es com eventos com crescimento inicialmente alto mas com diminui o at atingir a maturidade ao longo do tempo Per odo Previs o Altera o medida que o ambiente fica saturado quando atinge sua 100 00 0 00 capacidade curva S 1 105 00 500 2 110 25 5 25 9 Curva J exponencial 5 Curva S log stica 3 115 76 551 4 12155 5 79 Ea 5 12763 sog Valor inicial 100 6 RR E Taxa de crescimento 5 7 10 71 670 8 147 75 7 04
220. ficiente se aplica aos conceitos de incrementos marginais e precifica o sombreada na otimiza o Ou seja o que aconteceria com os resultados da otimiza o se uma das restri es fosse um pouco relaxada Por exemplo se a restri o de or amento estiver definida como 1 milh o O que aconteceria com o resultado do portf lio e as decis es timas se a restri o fosse agora 1 5 ou 2 milh es etc Esse o conceito de fronteiras eficientes de Markowitz em investimentos financeiros em que se o desvio padr o do portf lio pode aumentar um pouco quais ser o os retornos adicionais gerados pelo portf lio Esse processo semelhante ao de otimiza o din mica com a exce o de que a uma das restri es pode se alterar e a cada altera o o processo de simula o e otimiza o executado Esse processo pode ser melhor aplicado manualmente usando o Risk Simulator Ou seja execute uma otimiza o din mica ou estoc stica e execute novamente outra otimiza o com uma restri o repetindo esse processo v rias vezes Esse processo manual importante porque ao alterar a restri o o analista pode determinar se os resultados s o semelhantes ou diferentes e portanto se deve ser feita uma an lise adicional ou determinar quanto deve ser o aumento marginal da restri o para obter uma altera o significativa no objetivo e nas vari veis de decis o Manual do Usu rio Risk Simulator 111 2005 2012 Real Options Valua
221. futuros previs es As linhas de tend ncia podem ser usadas para determinar se um conjunto de dados de s rie temporal segue qualquer tend ncia consider vel As tend ncias podem ser lineares ou n o lineares como exponencial logar tmica m dia m vel pot ncia ou polinomial Manual do Usu rio Risk Simulator 77 O 2005 2012 Real Options Valuation Inc Teoria 3 2 Execu o da ferramenta Previs o no Risk Simulator Em geral para criar previs es algumas etapas r pidas s o necess rias e Inicie o Excel e entre ou abra os dados hist ricos e Selecione os dados clique em Simula o e selecione Previs o e Selecione as se es relevantes ARIMA Regress o multivariada Explora o n o linear Previs o estoc stica An lise de s rie temporal e insira os valores relevantes A Figura 3 2 mostra a ferramenta Previs o e as v rias metodologias ARIMA AutoARIMA Autoeconometria Econometria b sica Spline c bico GARCH Curvas J S Cadeia de Markov M xima verossimilhan a Extrapola o n o linear An lise de regress o Processos estoc sticos An lise da s rie temporal Linha de tend ncia L gica difusa combinat ria BORROBEROOGOBrOD Rede neural Figura 3 2 M todos de previs o do Risk Simulator A seguir fornecida uma r pida revis o de cada metodologia e diversos exemplos simples para come ar a usar o software O arquivo de exemplo pode ser encontrado em Iniciar
222. gnifica que ser o geradas 1 000 itera es diferentes de resultados de acordo com os valores de entrada Voc pode alterar esse n mero se desejar mas s s o aceitos inteiros positivos O n mero padr o de execu es 1 000 tentativas Voc pode usar o controle de precis o e erro para ajudar a determinar automaticamente quantas tentativas de simula o devem ser executadas consulte a se o sobre controle de precis o e erro para obter detalhes Pausar simula o em caso de erro Se selecionado a simula o ser interrompida sempre que um erro for encontrado no modelo do Excel Ou seja se o seu modelo encontrar um erro de c lculo por exemplo alguns valores de entrada gerados em uma tentativa de simula o podem resultar em um erro de divis o por zero em uma das c lulas da planilha a simula o ser interrompida Isso importante para ajudar a auditar o modelo do Excel a fim de verificar se ele n o cont m erros de c lculo No entanto se voc tiver certeza de que o modelo funciona n o ser necess rio selecionar essa prefer ncia Ativar correla es Se selecionado as correla es entre pares de valores de entrada ser o calculadas Caso contr rio as correla es ser o todas definidas como zero e a simula o ser executada supondo que n o h correla es entre os valores de entrada Por exemplo a aplica o de correla es render resultados mais precisos se elas existirem de fato e tender a r
223. grossura e cor Sombra cores e tudo onde puder ser aplicada sombra o Cor Global O o Forma Global e O comando Requisitos de Dados para a Modelagem no menu Editar abre uma janela ancorada no lado direito da rvore de Estrat gia de tal forma que quando um n de Op o ou nodo Terminal for selecionado e qualificado as propriedades desse n ser o exibidas e podem ser atualizadas diretamente Este recurso fornece uma alternativa ao duplo clique em um n de cada vez e Arquivos de exemplo est o dispon veis no menu Arquivo para ajudar a voc come ar a construir Arvores de Estrat gia e O item Proteger Arquivo no menu Arquivo permite que a rvore de Estrat gia seja criptografada gerando uma senha criptografada com at 256 bits Tenha cuidado quando um arquivo est sendo codificado porque se a senha for perdida o arquivo n o mais poder ser aberto Manual do Usu rio Risk Simulator 193 2005 2012 Real Options Valuation Inc e Capturar tela ou imprimir o modelo existente pode ser feito atrav s do menu Arquivo A capturada de tela pode ent o ser colada em outros software aplicativos e Adicionar Duplicar Renomear e Excluir uma Arvore de Estrat gia pode ser realizada atrav s de bot o direito do mouse na guia Arvore de Estrat gia ou no menu Editar e Voc pode Mudar Estilos Existentes ou Gerenciar e Criar Estilos Personalizados de sua rvore de Estrat gia o que inclui tamanho forma esquemas de c
224. ha do projeto errado Por exemplo dois projetos podem ter o primeiro e o segundo momentos id nticos ou seja ambos podem ter perfis de retorno e risco id nticos mas suas obliquidades de distribui o podem ser bastante diferentes 01 02 e a Obliquidade lt O CurtoseXS 0 ui wm m Figura 2 22 Terceiro momento obliquidade para a esquerda Medida dos eventos de cauda catastr ficos em uma distribui o quarto momento 01 02 a Obliquidade gt 0 i Tia CurtoseXS 0 Lu Lo ui LO Figura 2 23 Terceiro momento obliquidade para a direita O quarto momento ou curtose mede os picos de uma distribui o A Figura 2 24 ilustra esse efeito O plano de fundo denotado pela linha pontilhada uma distribui o normal com curtose 3 0 ou curtose excessiva CurtoseXS 0 0 Os resultados do Risk Simulator mostram o valor de CurtoseXS usando O como o n vel normal de curtose o que significa que CurtoseXS negativa indica caudas mais achatadas distribui es platic rticas como a distribui o uniforme enquanto valores positivos indicam caudas mais pesadas distribui es leptoc rticas como a distribui o T de Student ou a lognormal A distribui o descrita pela linha em negrito tem uma curtose excessiva mais alta logo a rea Manual do Usu rio Risk Simulator 40 O 2005 2012 Real Options Valuation Inc Fun es dos momentos abaixo da curva mais espessa nas caudas com rea menor no ce
225. ial usado aqui Elas podem ser modeladas por um tomador de decis o que avesso ao risco as desvantagens s o mais desastrosas ou dolorosas do que um potencial crescimento de igual valor ou do tipo neutro ao risco as vantagens e desvantagens t m atratividades iguais ou amante do risco o potencial de upside mais atraente Digite os valores m nimo e m ximo dos retornos esperados do seu terminal e o n mero de pontos de dados para calcular a curva de utilidade e a tabela Se voc tivesse a alternativa entre realizar uma aposta com a chance de 50 50 onde voc tanto pode ganhar X ou perde X 2 versus n o jogar recebendo um retorno igual a 0 qual seria o valor de X Por exemplo se voc est indiferente entre uma aposta onde voc pode ganhar 100 ou perder 50 com igual probabilidade em compara o com n o jogar ent o o valor de X de 100 Digite o X na caixa de resultados positivos abaixo Note se que quanto maior X menos avesso ao risco voc enquanto um X menor indica que voc est mais avesso ao risco Entrar com os dados solicitados selecione o tipo de U x e clique em Calcule Utilidade para obter os resultados Voc tamb m pode aplicar os valores de U x rvore de decis o e rexecuta la ou reverter rvore anterior utilizando os valores de retorno Payoffs esperados Manual do Usu rio Risk Simulator 197 O 2005 2012 Real Options Valuation Inc Arquivo Editar Inserir Propriedad
226. icas para segment los 77 An lise de sensibilidade sensibilidade din mica an lise simult nea 78 Teste de quebra estrutural testa se os dados da s rie temporal t m quebras estruturais estat sticas Manual do Usu rio Risk Simulator 13 O 2005 2012 Real Options Valuation Inc 79 An lise tornado perturba o est tica de sensibilidades an lises aranha e tornado bem como tabelas de cen rios 1 4 7 M dulo de Estat sticas e Estat sticas de neg cios 80 Ajuste da distribui o percentil uso de percentis e otimiza o para encontrar a distribui o de melhor ajuste 81 Tabelas e gr ficos das distribui es de probabilidade executa 45 distribui es de probabilidade seus quatro momentos o FDA o IFDA o FDP os gr ficos os v rios gr ficos sobrepostos de distribui o al m de gerar tabelas de distribui o de probabilidade 82 An lise estat stica estat sticas descritivas ajuste da distribui o histogramas gr ficos extrapola o n o linear teste de normalidade estimativa de par metros estoc sticos previs o de s rie temporal proje es da linha de tend ncia etc 83 ROV BIZSTATS mais de 130 modelos anal ticos e estat sticas comerciais Absolute Values ANOVA Randomized Blocks Multiple Treatments ANOVA Single Factor Multiple Treatments ANOVA Two Way Analysis ARIMA Auto ARIMA Autocorrelation and Partial Autocorrelation Autoeconometrics Detailed Autoeconometric
227. icos N A Figura 5 51 ilustra as tabelas de probabilidade geradas para uma distribui o binomial na qual seleciona se que a probabilidade de sucesso e o n mero de tentativas bem sucedidas X vari vel aleat rio devem variar O usando a op o De Para Incremento Tente replicar o c lculo como mostrado e clique na guia Tabela P para ver os resultados da fun o de densidade da probabilidade criados Neste exemplo a distribui o binomial com um conjunto de entrada inicial de tentativas 20 probabilidade de sucesso 0 5 e n mero de tentativas bem sucedidas X 10 onde a probabilidade de sucesso pode variar de 0 0 25 at 0 50 e mostrada como a vari vel de linha e o n mero de tentativas bem sucedidas tamb m pode variar de 0 1 2 at 8 e mostrado como a vari vel de coluna A FDP escolhida e portanto os resultados na tabela mostram a probabilidade de que o dado evento aconte a Por exemplo a probabilidade de obter exatamente dois sucessos em 20 tentativas nas quais cada tentativa tem uma chance de 25 de sucesso uma probabilidade de 0 0669 ou 6 69 Gr ficos e tabelas Ditibui es Esta ferramenta gera uma tabela de probabilidades e gr ficos comparativos para uma distribui o escolhida al m de formas diferentes de acordo com os diferentes par metros de entrada Para ver v rias distribui es use a ferramenta Gr ficos sobrepostos do Risk Simulator Distribui
228. ilidade maior que 30 por cento use uma distribui o lognormal Caso contr rio use a distribui o normal Os construtos matem ticos da distribui o lognormal s o os seguintes UnG nGoP 2lIn o P 1 s xv27 In o e para x gt 0 u gt 0eo gt 0 ba a m dia exp pe desvio padr o Jexplo 2u explo E 1 obliquidade explo i 2 exp o curtose excessiva exp 40 2 explo 3 expl20 je 6 M dia 11 e desvio padr o o s o os par metros de distribui o Requisitos de entrada M dia e desvio padr o gt 0 podendo ser qualquer valor positivo Conjuntos de par metros lognormais Por padr o a distribui o lognormal usa a m dia aritm tica e o desvio padr o Para aplica es nas quais dados hist ricos est o dispon veis mais apropriado usar a m dia logar tmica e o desvio padr o ou a m dia geom trica e o desvio padr o A distribui o lognormal amplamente usada em situa es nas quais os valores s o positivamente inclinados por exemplo em an lises financeiras para avalia o de t tulos ou avalia es de propriedades nas quais os valores n o podem ficar abaixo de zero Os pre os de a es normalmente s o positivamente inclinados em vez de distribu dos normalmente simetricamente Os pre os de a es apresentam essa tend ncia pois n o podem cair abaixo do limite mais baixo que zero mas podem aumentar at atingir qualquer pre o sem limite E
229. imento Editar correla es 1 500 00 3T 45 Teste de hip teses 38 Fluxo de caixa livre l quid mino 565 73 39 amp Bootstrap n o param trico 40 An lise financeira la Gr ficos sobrepostos 41 Valor presente do fluxo de c an lise de Componentes Principais 427 77 42 Valor presente do desembol 1 134 22 43 Per odo de pagamento desc Teste de sazonalidade 4 b Agrupamento por segmenta o 45 An lise de risco E Analise de sensibilidade 46 VP do caso b sico no mome E EE 427 77 47 VP do fluxo de caixa no mor An lise de cen rio 491 94 48 Vari vel X intermedi ria J An lise estat stica 49 i Teste de mudan a estrutural 4 4 gt Informa es Modelo 7 E Ready he gt An lise tornado Figura 5 46 Ferramenta de verifica o de modelo Manual do Usu rio Risk Simulator 175 O 2005 2012 Real Options Valuation Inc 5 20 Ferramenta de ajuste da distribui o percentil A ferramenta de ajuste da distribui o percentil mostrada na Figura 5 47 outra maneira de ajustar as distribui es de probabilidade H diversas ferramentas relacionadas e cada uma apresenta usos e vantagens espec ficos e Ajuste da distribui o percentis usando o m todo alternativo de entrada percentis e combina es de primeiro segundo momentos voc pode encontrar os par metros de distribui o de melhor ajuste sem a necessidade de dados brutos Esse m todo adequado quando n o houv
230. imento 100 00 Rendimento 10000 Dr e oaasi pene diferentes aleat rias Selecione duas previs es para executar o teste de hip teses Modelo de simula o D10 Modelo de simula o G10 Suposi es 9 Amostras independentes com vari ncias diferentes Amostras independentes com vari ncias iguais Figura 5 18 Teste de hip teses Interpreta o do Um teste de hip teses bicaudal executado na hip tese nula H de relat rio forma que as m dias da popula o das duas vari veis sejam estatisticamente id nticas A hip tese alternativa H que as m dias da popula o sejam diferentes entre si Se os p valores calculados s o menores ou iguais a 0 01 0 05 ou 0 10 isso significa que a hip tese nula rejeitada o que quer dizer que as m dias da previs o s o estatisticamente muito diferentes nos n veis de signific ncia 1 5 e 10 Se a hip tese nula n o rejeitada quando os p valores s o altos as m dias das duas distribui es de previs o s o estatisticamente semelhantes A mesma an lise executada em vari ncias de duas previs es ao mesmo tempo usando o teste F de paridade Se os p valores s o baixos as vari ncias e os desvios padr o s o estatisticamente diferentes caso contr rio para p valores altos as vari ncias s o estatisticamente id nticas entre si Manual do Usu rio Risk Simulator 147 O 2005 2012 Real Options Valuation Inc Teste de
231. imples para testar diferentes configura es para cada um dos seguintes para ver seus efeitos na rvore de Estrat gia Manual do Usu rio Risk Simulator 192 O 2005 2012 Real Options Valuation Inc o Nome Nome acima do n o Valor Valor a ser mostrado abaixo do n o Concatenar com Excel Liga o valor uma c lula da planilha Excel o Notas Notas podem ser inseridas acima ou abaixo do n o Mostrar no Modelo Mostrar qualquer combina o de Nome Valor e Notas o Cor Local versus Cor Global As cores dos n s podem ser trocadas localmente ou globalmente o R tulo dentro da Forma O texto pode ser colocado dentro do n voc pode precisar fazer o n maior para acomodar mais texto o Nome Ramo do Evento O texto pode ser colocado sobre o ramo que conduz ao n para indicar o principal evento para este n o Selecione Op es Reais Um tipo de op o real espec fica pode ser atribu do ao n atual Atribuindo op es reais para n s permite que a ferramenta para gere uma lista de vari veis de entradas necess rias e Os Elementos Globais s o todos personaliz veis incluindo elementos de fundo da rvore Estrat gia Linhas de conex o n s de Op o n s terminais e caixas de texto Por exemplo as seguintes configura es podem ser alteradas para cada um dos elementos o Propriedades da Fonte nome valor notas r tulo e nomes do evento o Tamanho do N O Margens estilo de linha
232. imulator Ferramentas Otimizador de vari vel nica Figura 5 59 Observe que o Otimizador de vari vel nica executado muito rapidamente mas s pode ser usado para encontrar uma entrada vari vel Caso deseje aceitar mais de um valor de entrada use as rotinas de otimiza o avan ada do Risk Simulator A ferramenta foi inclu da no Risk Simulator porque ocasionalmente pode ser necess rio executar um c lculo de otimiza o r pido para uma nica vari vel de decis o e a ferramenta fornece essa capacidade sem exigir a configura o de um modelo de otimiza o com perfis suposi es de simula o vari veis de decis o objetivos e restri es Manual do Usu rio Risk Simulator 189 O 2005 2012 Real Options Valuation Inc 2 200 E asol lt lt A1 A2 Otimizador r pido de uma vari vel C lula de objetivo A3 ii Maximizar Minimizar C lula de vari vel A1 Min 150 M x 250 Toler ncia 0 000000001 M x de itera es 100000 Vari vel otimizada 250 0000 Objetivo otimizado 450 0000 Figura 5 59 Otimiza o de vari vel nica 5 26 Otimiza o de algoritmo gen tico O algoritmo gen tico um algoritmo heur stico de pesquisa que imita o processo da evolu o natural Ele usado com frequ ncia para gerar solu es teis para problemas de otimiza o e de pesquisa Os algoritmos gen ticos pertencem classe geral de algoritmos evolucion rios que geram solu es para
233. imulator 76 O 2005 2012 Real Options Valuation Inc Extrapola o n o linear Curvas S Spline c bico Previs o de processo estoc stico Decomposi o e an lise de s rie temporal Linhas de tend ncia a exatid o e o melhor ajuste para o modelo Os modelos lineares e n o lineares podem ser ajustados na an lise de regress o m ltipla Sup e se que a estrutura fundamental dos dados a serem previstos seja n o linear ao longo do tempo Por exemplo um conjunto de dados como 1 4 9 16 25 considerado como n o linear pois os pontos de dados s o de uma fun o quadrada A curva S ou curva de crescimento log stico come a como uma curva J com taxas de crescimento exponenciais Com o tempo o ambiente torna se saturado por exemplo satura o do mercado competi o superlota o o crescimento diminui e o valor da previs o por fim termina em um n vel m ximo de satura o Esse modelo muito usado para prever participa o de mercado ou o crescimento das vendas de um novo produto desde introdu o no mercado at a maturidade e o decl nio a din mica de popula es e outros fen menos naturais s vezes h valores ausentes em um conjunto de dados de uma s rie temporal Por exemplo pode se ter as taxas de juros dos anos 1 a 3 seguidas pelas dos anos 5a8e 10 As curvas spline podem ser usadas para interpolar os valores de taxa de juros dos anos ausentes com base nos dados existentes As curvas
234. inada negativamente se a estat stica da previs o for negativa Notas O termo bootstrap significa usar a distribui o das estat sticas propriamente ditas para analisar a precis o delas Uma simula o n o param trica significa simplesmente escolher bolas de golfe de forma aleat ria em uma grande cesta com reposi o na qual cada bola baseada em um ponto de dados hist ricos Suponha que h 365 bolas de golfe em uma cesta representando 365 pontos de dados hist ricos Imagine que o valor de cada bola de golfe escolhida por acaso est gravado em um grande quadro branco Os resultados das 365 bolas escolhidas com reposi o est o gravados na primeira coluna do quadro com 365 linhas de n meros As estat sticas relevantes m dia mediana desvio padr o etc s o calculadas sobre essas 365 linhas O processo repetido por exemplo cinco mil vezes O quadro branco ser agora preenchido com 365 linhas e 5 000 colunas Assim 5 000 conjuntos de estat sticas ou seja 5 000 m dias 5 000 medianas 5 000 desvios padr es etc s o tabulados e suas distribui es s o mostradas Em seguida as estat sticas das estat sticas relevantes s o tabuladas e a partir desses resultados poss vel verificar o n vel de confian a em que as estat sticas simuladas se encontram Em outras palavras em uma simples simula o de 10 000 tentativas a m dia de previs o resultante estimada em 5 00 O analista pode confiar nesses res
235. io das previs es de neg cios seja no n vel estrat gico t tico ou operacional Ainda necess rio fazer muitas pesquisas sobre esses campos de previs o avan ada entretanto o Risk Simulator fornece no es b sicas sobre essas duas t cnicas com a finalidade de executar previs es de s ries temporais Recomenda se que voc n o use essas t cnicas isoladamente mas em combina o com as outras metodologias de previs o do Risk Simulator a fim de construir modelos mais robustos Manual do Usu rio Risk Simulator 188 D Previs o de l gica difusa combinat ria ETAPA 1 Dados Insira manualmente os dados cole os de outro aplicativo ou carregue um conjunto de dados de exemplo com an lise N VAR VARZ VAR3 VAR4 vars vars VART vars varo vario NOT ZA 1 68420 2 58410 3 76540 4 89230 AS ETAPA 2 Insira os valores de entrada necess rios e selecione a vari vel para a previs o Sazonalidade Per odos de previs o Resultados Gr ficos Results RMSE 707 039492 Trend Line Linear RMSE 912 616213 Trend Line Logarithmic RMSE 1488 012692 Trend Line Moving Average RMSE 988 333906 Trend Line Polynomial RMSE 758 307610 Trend Line Power RMSE 1268 660480 RESULTS Forecast Fit indicates negative values Period Actual Y Forecast F Error E 684 2000 584 1000 765 4000 892 3000 885 4000 802 4484 82 9516 677 0000 863 9179 186 9179 1006 6000 971 7020 34 8980 1122 1
236. ir a zero depois de um Manual do Usu rio Risk Simulator 93 O 2005 2012 Real Options Valuation Inc M1 pequeno n mero de defasagens isso implica que a s rie segue um processo de m dia m vel de ordem inferior Em contraste PAC mede a correla o de valores que est o k per odos distantes depois de remover a correla o das defasagens interm dias Se for poss vel capturar o padr o de autocorrela o por uma autorregress o de ordem menor do que k ent o a autocorrela o parcial na defasagem k ser pr xima a zero As estat sticas Q de Ljung Box e seus p valores na defasagem k tamb m s o fornecidas nas quais a hip tese nula sendo testada tal que n o h autocorrela o at a ordem k As linhas pontilhadas na plotagem das autocorrela es s o os limites aproximados dos dois erros padr o Se a autocorrela o estiver dentro desses limites n o ser significativamente diferente de zero no n vel de signific ncia de 5 aproximadamente Encontrar o modelo ARIMA certo requer pr tica e experi ncia AC PAC SC e AIC s o ferramentas de diagn stico muito teis para ajudar a identificar a especifica o de modelo correta o D E F G H J K Dados hist ricos da s rie M dia m vel integrada autorregressiva Ear aaa ARIMA uma t cnica de modelagem ji avan ada usada para modelar e prever dados f idwamnnanr 286 70 289 00 de s rie temporal dados que t m um E asunar up dm 287 80 290 10 igor
237. is es Edi o Execu o da simula o Otimiza o Ajuda cone Figura 1 3 Barras de ferramentas de cones do Risk Simulator no Excel 2007 2010 Manual do Usu rio Risk Simulator 8 O 2005 2012 Real Options Valuation Inc 1 4 NOVIDADES DA VERS O 2011 2012 1 4 1 Uma lista abrangente das funcionalidades do Risk Simulator Veja a seguir uma lista dos principais recursos do Risk Simulator Os itens real ados indicam os ltimos acr scimos vers o 2011 2012 1 4 2 Recursos gerais Manual do Usu rio Risk Simulator Dispon vel em 11 idiomas ingl s franc s alem o italiano japon s coreano portugu s espanhol russo chin s simplificado e chin s tradicional ROV Decision Tree Arvore de Decis o usado para criar valor e avaliar modelos de rvore de decis o As seguintes metodologias e an lises avan adas adicionais tamb m est o inclu das o Modelos de rvore de Decis o o Simula o de risco Monte Carlo o An lise de Sensibilidade o An lise de Cen rio o An lise Bayesiana probabilidade conjunta e a posteriori o Valor Esperado da Informa o o MINIMAX o MAXIMIN o Perfis de Risco C lulas comentadas ative ou desative os coment rios de c lulas e decida se deseja mostr los em todos os valores de entrada resultados de previs o e vari veis de decis o Modelos de exemplo detalhados 24 modelos de exemplo no Risk Simulator e mais de 300 modelos no Modeling Toolkit Relat
238. is o 64 Abrir e importar dados recupera os resultados de execu o de simula es anteriores 65 Supress o de tend ncia e dessazonaliza o dessazonaliza e suprime tend ncias nos dados 66 An lise da distribui o calcula o FDP o FDA e o IFDA exatos de todas as 42 distribui es e gera tabelas de probabilidade 67 Designer de distribui o crie suas pr prias distribui es personalizadas 68 Ajuste da distribui o m ltiplo executa m ltiplas vari veis simultaneamente levando em conta as correla es e a signific ncia das correla es 69 Ajuste da distribui o simples testes de Kolmogorov Smirnov e qui quadrado em distribui es cont nuas completos com relat rios e suposi es de distribui o 70 Teste de hip teses testa se duas previs es s o estatisticamente semelhantes ou diferentes 71 Bootstrap n o param trico simula o das estat sticas para obter a precis o e a exatid o dos resultados 72 Gr ficos sobrepostos gr ficos sobrepostos de suposi es e previs es totalmente personaliz veis tipos de gr fico FDA FDP 2D 3D 73 An lise de Componentes Principais testa as vari veis do melhor indicador e as maneiras de reduzir a matriz de dados 74 An lise de cen rio milhares de cen rios est ticos bidimensionais 75 Teste de sazonalidade testa v rias defasagens de sazonalidade 76 Agrupamento por segmenta o agrupa dados em combina es estat st
239. is detalhada e uma discuss o sobre a regress o multivariada bem como para identificar as armadilhas de regress o e Inicie o Excel e abra os dados hist ricos se necess rio A ilustra o a seguir usa o arquivo Regress o m ltipla na pasta de exemplos e Verifique se os dados est o dispostos em colunas selecione toda a rea de dados incluindo o nome da vari vel e selecione Risk Simulator Previs o Regress o m ltipla Manual do Usu rio Risk Simulator 83 O 2005 2012 Real Options Valuation Inc e Selcione a vari vel dependente e marque as op es relevantes defasagem regress o stepwise regress o n o linear etc e clique em OK Interpreta o dos A Figura 3 8 ilustra um exemplo de relat rio dos resultados de regress o resultados multivariada O relat rio cont m todos os resultados da regress o a an lise dos resultados de vari ncia o gr fico ajustado e os resultados do teste de hip teses Os detalhes t cnicos da interpreta o desses resultados n o fazem parte do escopo deste manual Consulte Modeling Risk 2 edi o Applying Monte Carlo Simulation Real Options Analysis Forecasting and Optimization Wiley 2010 do Dr Johnathan Mun para uma an lise mais detalhada e uma discuss o sobre a regress o multivariada e a interpreta o dos relat rios de regress o Regress o multivariada Real Options O lt Valua tLoD waw realoptionsvaiuation com 1 Selecione a rea de dados inclu
240. istribui o triangular A pr xima etapa definir os valores de entrada em seu modelo Observe que as suposi es podem ser atribu das somente a c lulas que n o cont m equa es ou fun es por exemplo valores num ricos inseridos que sejam entradas em um modelo enquanto os resultados de previs o podem ser atribu dos somente a c lulas que cont m equa es e fun es por exemplo os resultados de um modelo Lembre se de que as suposi es e previs es n o podem ser definidas a menos que j exista um perfil de simula o Para definir novos valores de entrada no modelo fa a o seguinte e Verifique se existe um perfil de simula o abra um perfil existente ou inicie um novo perfil Risk Simulator Novo perfil de simula o e Selecione a c lula na qual deseja definir uma suposi o por exemplo a c lula G8 no exemplo do modelo b sico de simula o e Clique em Risk Simulator Definir valores de entrada ou clique no cone Definir valores de entrada na barra de ferramentas de cones do Risk Simulator e Selecione a distribui o desejada e insira os par metros de distribui o relevantes por exemplo distribui o Triangular com 1 5 2 0 2 5 como os valores m nimo m ximo e mais prov vel e clique em OK para inserir os valores de entrada no modelo Figura 2 3 suposi o Nome da suposi o G8 Receital Triangular M nimo ce s Mais prov vel ms M ximo 25 Ei O Entrada normal P
241. iza o Revise as diferentes guias para verificar se todas as entradas necess rias nas etapas 2 e 3 est o corretas Selecione Otimiza o estoc stica e execute a por 500 tentativas repetidas 20 vezes a Figura 4 10 ilustra essas etapas de configura o Propriedades da vari vel de decis o Nome da decis o ivo1 Tipo de decis o Cont nuo por exemplo 1 15 2 35 10 55 Limite inferior 0 1 E Limite superior G6 EE Inteiro por exemplo 1 2 3 Limite inferior o BB Limite superior o BB Bin rio 0 ou 1 Manual do Usu rio Risk Simulator 124 O 2005 2012 Real Options Valuation Inc M SE 11 otimiza o usada para alocar recursos onde os resultados fornecem os retornos m ximos ou os custos riscos minimos Os usos incluem o gerenciamento de estoques a aloca o de carteiras financeiras mix de produtos sele o de projeto etc Executar no modelo est tico sem simula es Executado geralmente para determinar o portf lio inicial timo antes que otimiza es mais avancadas seiam aplicadas Otimiza o din mica Uma simula o executada antes os resultados da simula o s o aplicados no modelo e em seguida aplica se uma otimiza o aos valores simulados N mero de tentativas da simula o 5005 O Otimiza o estoc stica Semelhante otimiza o din mica mas o processo repetido diversas vezes As vari veis de decis o final ter o cada uma seu pr prio g
242. l ados em azul indicam que s o estatisticamente significativos no n vel de confian a de 90 ou no n vel alfa de 0 10 enquanto aqueles cujos p valores s o real ados em vermelho indicam que n o s o estatisticamente relevantes em qualquer outro n vel alfa An lise de vari ncia Somas dos M diados Estat stica quadrados quadrados F P valor Teste de hip teses Regress o 38415447 53 19207723 76 3171851 1 0 0000 Estat stica F cr tica 99 de confian a com df iguala 2 e 4 6546 Residual 2616 05 6 06 Estat stica F cr tica 95 de confian a com dfiguala2e 3 0166 Total 38418063 58 Estat stica F cr tica 90 de confian a com dfiguala 2 e 2 3149 A tabela de an lise de vari ncia ANOVA fornece um teste F da signific ncia estat stica geral do modelo de regress o Em vez de analisar regressores individuais como no teste t o teste F analisa as propriedades estat sticas de todos os coeficientes estimados A estat stica F calculada como a propor o da m dia dos quadrados da regress o em rela o m dia dos quadrados de residuais O numerador mede quanto da regress o explicado enquanto o denominador mede quanto n o explicado Assim quanto maior a estat stica F mais significante o modelo O p valor correspondente calculado para testar a hip tese nula Ho segundo a qual todos os coeficientes s o simultaneamente iguais a zero em contraste com a hip tese alternativa Ha de que eles s o simultaneamen
243. la o Monte Carlo o controle de precis o Por exemplo qual o n mero de tentativas suficiente para executar em um modelo complexo O controle de precis o elimina a adivinha o para estimar o n mero relevante de tentativas permitindo que a simula o pare quando o n vel de precis o pr especificado for atingido A funcionalidade de controle de precis o permite definir o n vel de precis o que voc deseja que a previs o tenha De modo geral quanto mais tentativas forem calculadas menor o intervalo de confian a e mais precisas as estat sticas O recurso de controle de precis o do Risk Simulator usa a caracter stica dos intervalos de confian a para determinar quando uma precis o espec fica de uma estat stica foi atingida Para cada previs o voc pode definir o intervalo de confian a espec fico para o n vel de precis o N o confunda tr s termos muito diferentes erro precis o e confian a Apesar de serem aparentemente semelhantes os conceitos s o muito diferentes um do outro A explica o vem a seguir Suponha que voc um fabricante de tortilhas que est interessado em descobrir quantas tortilhas quebradas existem em m dia em uma caixa de 100 tortilhas Uma maneira de fazer isso coletar uma amostra de caixas pr empacotadas de 100 tortilhas abri las e contar quantas est o quebradas Voc fabrica 1 milh o de caixas por dia essa a sua popula o mas voc abre aleatoriamente 10 caixas es
244. la separe as vari veis independentes usando um ponto e v rgula DICAS previs o logit probit e tobit e Requisitos de dados as vari veis dependentes para executar os modelos logit e probit devem ser somente bin rias 0 e 1 enquanto o modelo tobit aceita bin rios e outros valores decimais Manual do Usu rio Risk Simulator 208 O 2005 2012 Real Options Valuation Inc num ricos As vari veis independentes para todos os tr s modelos podem aceitar qualquer valor num rico DICAS previs o processos estoc sticos e Entradas de amostra padr o quando estiver em d vida use as entradas padr o como um ponto de partida para desenvolver seu pr prio modelo e Ferramenta de an lise estat stica para estimativa de par metro use esta ferramenta para calibrar os par metros de entrada nos modelos de processo estoc stico estimando os a partir de seus dados brutos e Modelo de processo estoc stico quando a interface do usu rio do processo estoc stico fica congelada por muito tempo prov vel que as suas entradas estejam incorretas e que o modelo n o esteja corretamente especificado por exemplo se a taxa de revers o m dia de 110 prov vel que a revers o m dia n o seja o processo correto etc Tente entradas diferentes ou use um modelo diferente DICAS previs o linhas de tend ncia e Resultados da previs o role para o fim do relat rio para ver os valores previstos DICAS chamadas de fu
245. lculada for maior ou igual aos valores cr ticos D em v rios valores de signific ncia rejeite a hip tese nula e aceite a hip tese alternativa os erros n o s o distribu dos normalmente Caso contr rio se a estat stica D for menor que o valor cr tico D n o rejeite a hip tese nula os erros s o distribu dos normalmente Esse teste se baseia em duas frequ ncias cumulativas uma derivada do conjunto de dados da amostra e a outra da distribui o te rica baseada na m dia e no desvio padr o dos dados da amostra Manual do Usu rio Risk Simulator 155 O 2005 2012 Real Options Valuation Inc Resultado do teste E k Erros frequencia Observado Esperado O E Media dos erros de regress o 0 00 relativa Desvio padr o dos erros 141 83 219 04 0 02 0 02 0 0612 0 0412 Estat stica D 0 1036 202 53 0 02 0 04 0 0766 0 0366 D cr tico em 1 0 1138 186 04 0 02 0 06 0 0948 0 0348 D cr tico em 5 0 1225 174 17 0 02 0 08 0 1097 0 0297 D cr tico em 10 0 1458 162 13 0 02 0 10 0 1265 0 0265 Hip tese nula Os erros est o distribu dos normalmente 161 62 0 02 0 12 0 1272 0 0072 160 39 0 02 0 14 0 1291 0 0109 Conclus o Os erros s onormalmente distribu dos ao 145 40 0 02 0 16 0 1526 0 0074 n vel alfa de 1 138 92 0 02 0 18 0 1637 0 0163 133 81 0 02 0 20 0 1727 0 0273 120 76 0 02 0 22 0 1973 0 0227 120 12 0 02 0 24 0 1985 0 0415 113 25 0 02 0 26 0 2123 0 0477 113 12 0 02 0 28 0 2125 0 0675 97 53 0 02 0 30 0 2458 0 0
246. lecione a c lula de objetivo C18 clique em Risk Simulator Otimiza o Executar otimiza o e escolha a otimiza o desejada est tica din mica ou estoc stica Para iniciar selecione Otimiza o est tica Verifique se a c lula de objetivo est definida como C18 e selecione Maximizar Agora voc pode revisar as vari veis de decis o e restri es se necess rio ou clique em OK para executar a otimiza o est tica Quando a otimiza o estiver conclu da ser poss vel selecionar Reverter para reverter aos valores originais das vari veis de decis o e do objetivo Alternativamente voc poder selecionar Substituir para aplicar as vari veis de decis o otimizadas Geralmente Substituir escolhido depois que a otimiza o est conclu da A Figura 4 2 mostra as capturas de tela das etapas do procedimento acima Voc pode adicionar suposi es de simula o nos retornos e no risco do modelo colunas C e D e aplicar a otimiza o din mica e estoc stica para mais pr tica 114 2005 2012 Real Options Valuation Inc Nome da decis o Oassedeativo 4 Tipo de decis o Continuo por exemplo 1 15 2 35 10 55 Limite inferior 005 EB Limite superior 0 35 E Inteiro por exemplo 1 2 3 Limiteinferior E limitesuperor HH O Bin rio O ou 1 MIsEs17 1 C lula de objetivo ses Hj Objetivo da otimiza o 9 Maximizar o valor na c lula de objetivo Minimizar o valor na c lula d
247. lmente ela usada para descrever o tempo de falha em estudos de confiabilidade como a for a necess ria para quebrar um material em testes de confiabilidade e controle de qualidade As distribui es Weibull tamb m s o usadas para representar v rias quantidades f sicas como velocidade do vento A distribui o Weibull uma fam lia de distribui es que podem assumir as propriedades de muitas outras distribui es Por exemplo dependendo do Manual do Usu rio Risk Simulator 70 O 2005 2012 Real Options Valuation Inc par metro de forma que voc definir a distribui o Weibull pode ser usada para modelar as distribui es exponencial e Rayleigh entre outras A distribui o Weibull muito flex vel Quando o par metro de forma Weibull igual a 1 0 a distribui o Weibull id ntica distribui o exponencial O par metro de localiza o Weibull permite configurar uma distribui o exponencial para iniciar em uma localiza o qualquer diferente de 0 0 Quando o par metro de forma menor do que 1 0 a distribui o Weibull se torna uma curva com forte inclina o decrescente Um fabricante pode achar esse efeito til para descrever falhas de pe as durante um per odo de processamento Os construtos matem ticos da distribui o Weibull s o os seguintes sp do sonala m dia BT l a desvio padr o 8 Pd 20 D ra 2 d 5 9 30d 89TA 26 ra 36 EE SET obliquidade curtos
248. log stica possui uma curtose maior caudas mais largas para explicar valores extremos Por exemplo suponha que a compra de um im vel seja a decis o a ser modelada e essa vari vel de resposta seja bin ria compra ou n o do im vel e dependa de uma s rie de vari veis Xi independentes como renda idade etc de tal forma que Ti B0 B1X1 BnXn em que quanto maior for o valor de Ii maior ser a a probabilidade de compra do im vel Para cada fam lia h um Manual do Usu rio Risk Simulator 105 O 2005 2012 Real Options Valuation Inc Procedimento limite I cr tico que se excedido significa que o im vel ser comprado caso contr rio ele n o ser comprado e a probabilidade do resultado P considerada como distribu da normalmente para que Pi CDF I usando uma CDF fun o de distribui o acumulada normal padr o Portanto use os coeficientes estimados exatamente como os de um modelo de regress o e usando o valor Y estimado aplique uma distribui o normal padr o voc pode usar a fun o DIST NORMP do Excel ou a ferramenta An lise de distribui o do Risk Simulator selecionando a distribui o normal e definindo a m dia como 0 e o desvio padr o como 1 Finalmente para obter uma unidade de medida de probabilidade ou probit defina Ii 5 isso ocorre porque toda vez que a probabilidade Pi lt 0 5 o Ii estimado negativo devido ao fato de a distribui o normal ser sim trica pr xima de
249. m contrapartida a distribui o lognormal deslocada igual distribui o lognormal mas deslocada de maneira que o valor resultante possa assumir valores negativos M dia desvio padr o e deslocamento s o os par metros de distribui o Requisitos de entrada M dia gt 0 Desvio padr o gt 0 Deslocamento pode ser um valor positivo ou negativo incluindo zero Manual do Usu rio Risk Simulator 62 O 2005 2012 Real Options Valuation Inc Distribui o normal Distribui o parab lica A distribui o normal a distribui o mais importante em teoria de probabilidade porque descreve muitos fen menos naturais como o QI ou a altura das pessoas Pessoas respons veis por tomar decis es podem usar a distribui o normal para descrever vari veis incertas como a taxa de infla o ou o pre o futuro da gasolina Condi es As tr s condi es subjacentes distribui o normal s o e Algum valor da vari vel incerta o mais prov vel a m dia da distribui o e A vari vel incerta pode tanto estar acima da m dia como abaixo dela sim trica em rela o m dia e A vari vel incerta provavelmente estar mais pr xima da m dia do que mais afastada dela Os construtos matem ticos da distribui o normal s o os seguintes Qu 1 5 f x e para todos os valores de x e u enquanto o gt 0 N2TO m dia 4u desvio padr o o obliquidade 0 isso se aplica a todas as
250. m para permitir reabrir o gr fico de previs o ativo e din mico com os mesmos dados posteriormente sem ter que executar a simula o de novo e Salvar e gerar relat rios os relat rios de simula o e outros relat rios anal ticos s o extra dos como planilhas separadas em sua pasta de trabalho e o arquivo inteiro do Excel dever ser salvo para preservar os dados para recupera o posterior DICAS t cnicas de amostragem e simula o e Gerador de n mero aleat rio h seis geradores de n mero aleat rio para os quais h suporte consulte o manual do usu rio para obter mais detalhes Em geral o m todo padr o do ROV Risk Simulator e o m todo Embaralhamento aleat rio subtrativo avan ado s o as duas abordagens recomendadas N o aplique os outros m todos a menos que o seu modelo ou sua an lise necessite especificamente deles e mesmo nesse caso recomendamos testar os resultados com as duas abordagens indicadas DICAS SDK e bibliotecas de DLL e SDK DLL e OEM todas as an lises no Risk Simulator podem ser chamadas fora deste software e integradas a qualquer software de propriedade do usu rio Entre em contato com admin drealoptionsvaluation com para obter detalhes sobre como usar o nosso SDK para acessar os arquivos de an lises da biblioteca de v nculos din micos DLL DICAS iniciar o Risk Simulator com o Excel e Solu o de problemas ROV execute esta solu o de problemas para obter o ID do hardware do
251. ma a zero As estat sticas Q Ljung Box e seus p valores na defasagem k t m a hip tese nula de que n o h autocorrela o at a ordem k As linhas pontilhadas nos gr ficos da autocorrela o s o os dois limites de erro padr o aproximados Se a autocorrela o estiver dentro desses limites n o ser significativamente diferente de zero no n vel de signific ncia de 5 A autocorrela o mede a rela o com o passado da vari vel dependente Y com ela mesma As defasagens de distribui o ao contr rio s o rela es de defasagem de tempo entre a vari vel dependente Y e as diferentes vari veis independentes X Nos EUA por exemplo o movimento e a dire o das taxas de hipoteca tendem a seguir a taxa do mercado interbanc rio mas com uma defasagem de tempo em geral de l a 3 meses s vezes a defasagem de tempo obedece ciclos e sazonalidade por exemplo as vendas de sorvete tendem a atingir o pico durante os meses de ver o e sendo assim est o relacionadas s vendas do ver o passado 12 meses atr s A an lise da defasagem da distribui o Figura 5 24 mostra como a vari vel dependente est relacionada a cada uma das vari veis independentes em v rias defasagens de tempo quando todas as defasagens s o consideradas simultaneamente para determinar quais defasagens s o estatisticamente significantes e devem ser consideradas Manual do Usu rio Risk Simulator 154 O 2005 2012 Real Options Valuation Inc Aut
252. ma equa o definida matematicamente que pode criar uma s rie de resultados ao longo do tempo os quais n o s o de natureza determinista Ou seja uma equa o ou um processo que n o segue uma regra simples discern vel como pre o aumentar X por cento todo ano ou a receita aumentar pelo fator de X mais Y por cento Um processo estoc stico por defini o n o determin stico e uma pessoa pode inserir n meros em uma equa o de processo estoc stico e obter resultados diferentes a cada vez Por exemplo a trajet ria do pre o de uma a o de natureza estoc stica e n o poss vel prev la com certeza No entanto a evolu o do pre o ao longo do tempo se insere em um processo que gera esses pre os O processo fixo e pr determinado mas os resultados n o s o Assim por simula o estoc stica criamos v rias trajet rias de pre os obtemos amostras estat sticas dessas simula es e fazemos infer ncias quanto s trajet rias potenciais que o pre o real pode tomar dada a natureza e os par metros do processo estoc stico usados para gerar a s rie temporal Tr s processos estoc sticos b sicos est o inclu dos na ferramenta Previs o do Risk Simulator Manual do Usu rio Risk Simulator 86 2005 2012 Real Options Valuation Inc Procedimento Interpreta o dos resultados incluindo o movimento browniano geom trico ou caminho aleat rio que o processo mais comum e usado devido
253. mica dupla s o os seguintes 1 x al In for min lt x lt max 2b FO b 0 otherwise Capa min max and p ax min ed o l1 ln for min lt x lt a F bo F x pa af da for a lt x lt max 2 bo pa Min Max m dia Max Min desvio padr o 36 obliquidade 0 Requisitos de entrada M nimo lt M ximo A distribui o log stica normalmente usada para descrever crescimento ou seja o tamanho de uma popula o expresso como uma fun o de uma vari vel de tempo Ela tamb m pode ser usada para descrever rea es qu micas e a taxa de crescimento de uma popula o ou um indiv duo Manual do Usu rio Risk Simulator 60 O 2005 2012 Real Options Valuation Inc Distribui o lognormal Os construtos matem ticos da distribui o log stica s o os seguintes AX f x para qualquer valorde eu A X Bll e m dia amp desvio padr o jee obliquidade 0 este valor se aplica a todas as entradas de m dia e escala curtose excessiva 1 2 este valor se aplica a todas as entradas de m dia e escala M dia e escala s o os par metros de distribui o C lculo de par metros H dois par metros padr o para a distribui o log stica m dia e escala O par metro de m dia o valor m dio e para esta distribui o igual moda porque uma distribui o sim trica Depois de selecionar o par met
254. mo o de um produto ou seja as vendas s o a vari vel dependente e os custos com marketing s o a vari vel independente Um exemplo de regress o bivariada a simples inser o da linha de melhor ajuste em um conjunto de pontos de dados em um plano bidimensional como visto no painel esquerdo da Figura 3 6 Em outros casos poss vel executar uma regress o multivariada na qual haja v rios ou n n meros de vari veis X independentes nas quais a equa o de regress o geral ter agora a forma de Y 5 5X 5X B X BX e Nesse caso a melhor linha de ajuste estar em um plano de n 1 dimens es Figura 3 6 Regress o bivariada No entanto ajustar uma linha atrav s de um conjunto de pontos de dados em um diagrama de dispers o como na Figura 3 6 pode resultar em diversas linhas poss veis A linha de melhor ajuste definida como a nica linha que minimiza o total de erros verticais ou seja a soma das dist ncias absolutas entre os pontos de dados reais Y e a linha estimada Y como mostrado no painel da direita da Figura 3 6 Para encontrar a melhor linha de ajuste que minimiza os erros necess ria uma abordagem mais sofisticada a an lise de regress o Portanto a an lise de regress o encontra a nica linha de melhor ajuste exigindo que os erros totais sejam minimizados ou calculando MinS1 Y Y ii Manual do Usu rio Risk Simulator 82 2005 2012 Real Options Valuation Inc Procedimento
255. mulator Para obter detalhes sobre o uso de ferramentas espec ficas consulte as se es relevantes no manual do usu rio DICAS suposi es interface Definir valores de entrada e Salto r pido selecione uma distribui o e digite qualquer letra para ir para a primeira distribui o que comece com essa letra por exemplo clique em Normal e insira W para ir para a distribui o Weibull e Exibi es abertas com o bot o direito selecione uma distribui o clique com o bot o direito do mouse e selecione exibi es diferentes das distribui es cones grandes cones pequenos lista e Pressionar Tab para atualizar os gr ficos depois de inserir novos par metros de entrada por exemplo inser o de uma nova m dia ou um novo valor de desvio padr o pressione Tab no teclado ou clique em qualquer outra parte da interface do usu rio fora da caixa de entrada para que o gr fico de distribui o seja atualizado automaticamente e Inserir correla es voc pode inserir correla es de paridade diretamente aqui as colunas podem ser redimensionadas se necess rio usar a ferramenta de ajuste da distribui o para calcular automaticamente e inserir todas as correla es de paridade ou ap s a configura o de algumas premissas usar a ferramenta de edi o de correla o para inserir sua matriz de correla es e Equa es em uma c lula de suposi o apenas c lulas vazias ou com valores est ticos podem
256. multinomial SLS 6 m ltiplas vari veis 13 17 83 93 97 99 136 140 143 159 171 176 206 multivariada 76 78 82 83 84 86 89 92 93 105 Min 0 5 75 80 83 84 87 93 101 n o linear 5 11 12 13 14 17 74 75 77 78 83 84 89 90 91 92 107 110 112 129 134 135 138 139 151 152 153 155 158 159 173 213 normal 10 11 12 16 22 25 32 36 40 44 46 54 59 61 62 63 66 68 69 75 87 98 106 141 144 152 165 166 169 207 208 213 n mero aleat rio 16 20 44 168 212 objetivo 17 110 111 112 114 118 121 122 124 obliquidade 38 39 40 41 42 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 68 70 71 145 2005 2012 Real Options Valuation Inc observa es discrepantes 13 151 152 155 155 op o 5 23 27 40 80 134 135 149 153 179 206 otimiza o 5 12 14 17 75 76 110 111 112 113 114 116 117 120 121 122 123 124 125 126 210 otimiza o estoc stica 12 17 110 111 112 120 122 123 124 125 126 127 timo 110 125 135 153 213 136 141 101 105 118 119 127 143 parab lico 63 par metro 22 45 48 51 52 53 54 55 56 57 59 61 62 64 67 68 69 71 80 105 106 124 157 162 181 206 209 Pareto 11 64 Pascal 11 49 50 58 pausar 24 Pearson 11 32 65 158 159 Pearson V 11 65 Pearson VI 11 65 perfil 18 19 20
257. n o e Fun es RS s o fun es para definir valores de entrada e obter fun es estat sticas de previs o que voc pode usar na planilha do Excel Para usar estas fun es necess rio primeiro instalar as fun es RS Iniciar Programas Real Options Valuation Risk Simulator Ferramentas e Instalar fun es e depois executar uma simula o antes de configurar as fun es RS no Excel Consulte o modelo de exemplo 24 para saber como usar as fun es DICAS exerc cios e v deos para iniciantes e Exerc cios para iniciantes h diversos exemplos pr ticos passo a passo e exerc cios de interpreta o de resultados dispon veis em Iniciar gt Programas gt Real Options Valuation gt Risk Simulator Esses exerc cios foram desenvolvidos para ajud lo a aprender rapidamente a usar o software e V deos para iniciantes est o dispon veis gratuitamente no nosso site em www realoptionsvaluation com download html ou www rovdownloads com download html Manual do Usu rio Risk Simulator 209 O 2005 2012 Real Options Valuation Inc DICAS ID do hardware e Clique com o bot o direito do mouse em C pia do ID do hardware na interface do usu rio Instalar licen a selecione ou clique duas vezes no HWID para selecionar seu valor clique com o bot o direito do mouse para copiar ou clique no link Enviar ID do hardware por email para gerar um email com o ID do hardware e Solu o de problemas execute a Solu o de pr
258. n Inc Distribui o exponencial deslocada Distribui o de valor extremo ou distribui o Gumbel caracter stica importante da distribui o exponencial a sua propriedade de n o memoriza o o que significa que a vida til futura de determinado objeto tem a mesma distribui o independentemente do tempo de sua exist ncia Em outras palavras o tempo n o tem efeito algum em resultados futuros Os construtos matem ticos da distribui o exponencial s o os seguintes flW 4e forx gt 0 1 gt 0 1 m dia desvio padr o obliquidade 2 este valor se aplica a todas as entradas de taxa de sucessoZ curtose excessiva 6 este valor se aplica a todas as entradas de taxa de sucesso A taxa de xito 4 o nico par metro de distribui o O n mero de tentativas bem sucedidas indicado por x Condi es A condi o subjacente distribui o exponencial e A distribui o exponencial descreve a quantidade de tempo entre as ocorr ncias Requisitos de entrada Taxa gt 0 A distribui o exponencial amplamente usada para descrever eventos que se repetem em momentos aleat rios como o intervalo de tempo entre eventos como falhas em equipamentos eletr nicos ou entre entradas em um estande de servi os Ela est relacionada distribui o Poisson que descreve o n mero de ocorr ncias de um evento em um determinado intervalo de tempo Uma caracter stica imp
259. n0n 1082 ANIR 3R 40772 w DS DU bl Figura 5 57 Previs o de s rie temporal de l gica difusa O 2005 2012 Real Options Valuation Inc 5 24 Otimizador de Buscar meta A ferramenta Buscar meta um algoritmo de pesquisa aplicado para encontrar a solu o de uma nica vari vel dentro de um modelo Se voc conhece o resultado que deseja de uma f rmula ou um modelo mas n o tem certeza sobre o valor de entrada de que a f rmula precisa para obter esse resultado use o recurso Risk Simulator Ferramentas Buscar meta Observe que Buscar meta funciona apenas com um valor de entrada vari vel Caso deseje aceitar mais de um valor de entrada use as rotinas de otimiza o avan ada do Risk Simulator A Figura 5 58 mostra um modelo simples e a aplica o de Buscar meta Busca de destino de uma vari vel Definir c lula A3 E Resultado Como valor Boo 100 0000 Alterando a c lula aooo Min po M x o M x de itera es 100000 Figura 5 58 Buscar meta 5 25 Otimizador de vari vel nica A ferramenta Otimizador de vari vel nica um algoritmo de pesquisa usado para encontrar a solu o de uma nica vari vel dentro de um modelo como a rotina de buscar meta abordada anteriormente Caso voc deseje o m ximo ou o m nimo resultado poss vel de um modelo mas n o tenha certeza quanto ao valor de entrada de que a f rmula precisa para obter esse resultado use o recurso Risk S
260. nal inputs 9 x UL 1 00000 0 1 9 x 1 00000 0 00000 10 x UL 1 00000 0 1 10 x 1 00000 0 00000 11 Xx UL 1 00000 0 1 11 X 1 00000 1 00000 12 x UL 1 00000 0 1 12 Xx 1 00000 1 00000 Objective Binding Super Infeas Norm of Hessian Step Degen No Function Constrs Basics Constr Red Grad CondNo Size Step 1 3205 43710 0 12 2 0 57590 1 0 2 3 55285 0 11 1 0 28146 1 1 3 288211 0 10 1 0 34697 1 0 061 Figura 4 8 Resultados da fronteira eficiente 4 5 Otimiza o estoc stica O pr ximo exemplo ilustra a aplica o da otimiza o estoc stica usando um modelo de exemplo com quatro classes de ativos cada uma com caracter sticas de risco e de retorno diferentes O objetivo encontrar a melhor aloca o de portf lio tal que seja maximizada a rela o custo benef cio ou a taxa de retorno sobre o risco do portf lio Ou seja a meta alocar 100 de um investimento individual entre v rias classes de ativos diferentes diferentes tipos de fundos m tuos ou estilos de investimento crescimento valor crescimento agressivo rendimento global ndice contr rio momento etc Este modelo diferente de outros pois possui v rias suposi es de simula o valores de risco e retorno para cada ativo nas colunas C e D como mostra a Figura 4 9 Executa se uma simula o e em seguida a otimiza o e todo o processo repetido v rias vezes para obter distribui es de cada vari vel de decis o Toda a an lise pode ser automatizada usando a
261. neira mais f cil e pr tica poss vel Em todo caso quando modelada corretamente a simula o Monte Carlo fornece respostas semelhantes aos m todos matematicamente mais elegantes Assim o que a simula o Monte Carlo e como ela funciona 2 1 O que a simula o Monte Carlo A simula o Monte Carlo na sua forma mais simples um gerador de n meros aleat rios til para previs es estimativas e an lises de risco Uma simula o calcula numerosos cen rios de um modelo escolhendo valores repetidamente de uma distribui o de probabilidade predefinida pelo usu rio para as vari veis incertas e usando esses valores no modelo Todos esses cen rios produzem resultados associados em um modelo em que cada cen rio pode ter uma previs o As previs es s o eventos normalmente com f rmulas ou fun es que voc define como resultados importantes do modelo Em geral s o eventos como totais lucro l quido ou despesas brutas De maneira simplificada pense na simula o Monte Carlo como escolher bolas de golfe de uma grande cesta repetidamente com reposi es O tamanho e a forma da cesta depende dos valores de entrada da distribui o por exemplo uma distribui o normal com uma m dia 100 e um desvio padr o 10 comparada com uma distribui o uniforme ou triangular em que algumas cestas s o mais fundas ou mais sim tricas do que outras permitindo que certas bolas sejam tiradas com mais frequ ncia do que outras O n m
262. nfla o vendas receitas e outros dados de s rie temporal s o tipicamente autocorrelacionados j que o valor no per odo atual est relacionado a um valor no per odo anterior e assim por diante a taxa de infla o de mar o est relacionada ao n vel n vel de fevereiro que por sua vez est relacionado ao n vel de janeiro etc Se tais rela es bvias forem ignoradas ser o geradas previs es polarizadas e menos precisas Nesses casos um modelo de regress o autocorrelacionada ou um modelo ARIMA pode ser mais indicado Risk Simulator Previs o ARIMA Por fim as fun es de autocorrela o de uma s rie estacion ria tendem a decair lentamente consulte o relat rio estacion rio no modelo Se a autocorrela o AC I diferente de zero as s ries s o correlacionadas em s rie de primeira ordem Se a AC k for extinta mais ou menos geometricamente com uma defasagem crescente isso implica que a s rie segue um processo autorregressivo de ordem inferior Se a AC k cair a zero depois de um pequeno n mero de defasagens isso implica que a s rie segue um processo de m dia m vel de ordem inferior A correla o parcial PAC k mede a correla o dos valores que est o separados por k per odos depois de remover a correla o das defasagens interm dias Se for poss vel capturar o padr o de autocorrela o por uma autorregress o de ordem menor do que k ent o a autocorrela o parcial na defasagem k ser pr xi
263. ng Risk 2 edi o Applying Monte Carlo Simulation Real Options Analysis Forecasting and Optimization Wiley 2010 para obter mais detalhes sobre as especifica es t cnicas desses par metros Al m disso necess rio inserir os per odos de sazonalidade relevantes se voc escolher a sele o de modelo autom tica ou um dos modelos sazonais O valor de sazonalidade deve ser um inteiro positivo por exemplo se os dados s o trimestrais insira 4 como o n mero de temporadas ou ciclos por ano ou insira 12 se os dados forem mensais Em seguida insira o n mero de per odos a serem previstos Esse valor tamb m deve ser um inteiro positivo O tempo de execu o m ximo definido como 300 Normalmente nenhuma altera o necess ria No entanto durante uma previs o com uma quantidade significativa de dados hist ricos a an lise pode ser um pouco mais demorada e se o tempo de processamento exceder o tempo de execu o o processo ser encerrado Voc tamb m pode definir que a previs o gere suposi es automaticamente Ou seja em vez de estimativas de ponto nico as previs es ser o suposi es Finalmente a op o de par metros polares permite otimizar os par metros alfa beta e gama para incluir zero e um Alguns softwares de previs o permitem esses par metros polares outros n o O Risk Simulator permite que voc escolha qual deseja usar Normalmente n o h necessidade de usar par metros polares Manual d
264. ngo do tempo e dependendo Manual do Usu rio Risk Simulator 206 O 2005 2012 Real Options Valuation Inc da quantidade de dados hist ricos ajustados Al m disso os resultados da an lise mostram todos os par metros e n o determina qual modelo de processo estoc stico por exemplo movimento browniano revers o m dia difus o com salto ou processo misto o melhor ajuste Cabe ao usu rio fazer essa escolha dependendo da vari vel da s rie temporal a ser prevista A an lise n o pode determinar qual o melhor processo apenas o usu rio pode fazer isso por exemplo o processo movimento browniano melhor para a modelagem de pre os de a es mas a an lise n o pode determinar se os dados hist ricos analisados s o de uma a o ou de outra vari vel somente o usu rio saber isso Por ltimo uma boa dica que se determinado par metro n o est na faixa normal o processo que precisa desse par metro de entrada tem mais probabilidade de n o ser o correto por exemplo se a taxa de revers o m dia de 110 provavelmente a revers o m dia n o o processo correto e assim por diante DICAS an lise da distribui o gr ficos e tabelas de probabilidade e An lise da distribui o usada para calcular rapidamente o FDP a FDA e a IFDA das 42 distribui es de probabilidade dispon veis no Risk Simulator e para retornar uma tabela desses valores e Tabelas e gr ficos de distribui o usada para
265. no Risk Simulator mas cada uma possui fun es muito distintas Manual do Usu rio Risk Simulator An lise da distribui o usada para calcular rapidamente o FDP a FDA e a IFDA das 42 distribui es de probabilidade dispon veis no Risk Simulator e para retornar uma tabela de probabilidades desses valores Tabelas e gr ficos de distribui o esta a ferramenta de distribui o de probabilidade descrita neste manual e usada para comparar par metros diferentes da mesma distribui o por exemplo as formas e os valores de FDP FDA e IFDA de uma distribui o Weibull com alfa e beta iguais a 2 2 3 5 e 3 5 8 e sobrep los um ao outro Gr ficos sobrepostos usada para comparar distribui es diferentes valores de entrada te ricos e previs es de sa da emp ricas simuladas e sobrep las uma outra para uma compara o visual 177 O 2005 2012 Real Options Valuation Inc Procedimento e Execute o ROV BizStats em Risk Simulator Tabelas e gr ficos de distribui o clique no bot o Aplicar entradas globais para carregar um conjunto de exemplo de par metros de entrada ou insira seus pr prios valores e clique em Executar para calcular os resultados Os quatro momentos resultantes e a FDA a IFDA e a FDP s o calculados para cada uma das 45 distribui es de probabilidade Figura 5 48 DISTRIBUI ES DE PROBABILIDADE ROV Distribui es Gr ficos e tabelas Esta ferramenta li
266. no gr fico indicam um efeito positivo e as barras vermelhas indicam um efeito negativo Por conseguinte em investimentos a barra vermelha no lado direito indica um efeito negativo do investimento em um VPL mais alto Em outras palavras o investimento de capital e o VPL s o negativamente correlacionados O contr rio tamb m vale para o pre o e a quantidade dos produtos A a C as barras verdes est o no lado direito do gr fico Manual do Usu rio Risk Simulator 131 O 2005 2012 Real Options Valuation Inc Gr ficos tornado e aranha Resumo esiat stico Uma das mais poderosas ferramentas de simula o o gr fico tornado ele captura os impactos est ticos de cada vari vel no resultado do modelo Ou seja a ferramenta perturba automaticamente cada vari vel precedente no modelo por um valor predefinido especificado pelo usu rio captura a flutua o na previs o do modelo ou no resultado final e lista as perturba es resultantes classificadas em ordem decrescente de relev ncia Os precedentes s o todas as vari veis de entrada e intermedi rias que afetam o resultado do modelo Por exemplo se o modelo consiste em A B C onde C D E ent o B D e E s o precedentes de A C n o um precedente pois apenas um valor calculado intermedi rio A faixa e o n mero de valores perturbados s o especificados pelo usu rio e podem ser definidos para testar valores extremos em vez de perturba es menores em torno dos valo
267. nt nuas Em resumo usa se um teste de hip teses com uma rotina de otimiza o interna para encontrar os par metros que melhor se ajustam a cada distribui o testada Os resultados s o classificados do melhor para o pior ajuste Manual do Usu rio Risk Simulator 143 O 2005 2012 Real Options Valuation Inc Teoria Procedimento MODELO A Receita 200 00 Custo 100 00 Rendimento 100 00 Rendimento 5 4 Simula o de bootsttap A simula o de bootstrap uma t cnica simples que estima a confiabilidade ou precis o das estat sticas da previs o ou de outra amostra de dados brutos Essencialmente a simula o de bootstrap usada no teste de hip teses M todos cl ssicos usados no passado contavam com f rmulas matem ticas para descrever a precis o das estat sticas da amostra Esses m todos sup em que a distribui o de uma estat stica da amostra usa uma distribui o normal tornando o c lculo do erro padr o ou do intervalo de confian a da estatistica relativamente f cil No entanto quando a distribui o amostral de uma estat stica n o for distribu da normalmente ou encontrada com facilidade esses m todos cl ssicos se tornar o dif ceis para uso ou inv lidos Em contraste o bootstrap analisa as estat sticas de amostra de forma emp rica tomando amostras repetidamente dos dados e criando distribui es das estat sticas diferentes para cada amostragem e Execute uma simula o e Selecione
268. nt Analysis Rank Ascending Rank Descending Relative LN Returns Relative Returns Seasonality Segmentation Clustering Semi Standard Deviation Lower Semi Standard Deviation Upper Standard 2D Area Standard 2D Bar Standard 2D Line Standard 2D Point Standard 2D Scatter Standard 3D Area Standard 3D Bar Standard 3D Line Standard 3D Point Standard 3D Scatter Standard Deviation Population Standard Deviation Sample Stepwise Regression Backward Stepwise Regression Correlation Stepwise Regression Forward Stepwise Regression Forward Backward Manual do Usu rio Risk Simulator 14 2005 2012 Real Options Valuation Inc Stochastic Processes Exponential Brownian Motion Stochastic Processes Geometric Brownian Motion Stochastic Processes Jump Diffusion Stochastic Processes Mean Reversion with Jump Diffusion Stochastic Processes Mean Reversion Structural Break Sum Time Series Analysis Auto Time Series Analysis Double Exponential Smoothing Time Series Analysis Double Moving Average Time Series Analysis Holt Winter s Additive Time Series Analysis Holt Winter s Multiplicative Time Series Analysis Seasonal Additive Time Series Analysis Seasonal Multiplicative Time Series Analysis Single Exponential Smoothing Time Series Analysis Single Moving Average Trend Line Difference Detrended Trend Line Exponential Detrended Trend Line Exponential Trend Line Linear Detrended Trend Line
269. nte Carlo ou como uma otimiza o estoc stica com simula es super r pidas O software pode lidar com otimiza es lineares e n o lineares com vari veis bin rias inteiras e cont nuas e tamb m gerar fronteiras eficientes de Markowitz e O m dulo Ferramentas anal ticas permite executar agrupamento por segmenta o teste de hip teses testes estat sticos de dados brutos Manual do Usu rio Risk Simulator 17 O 2005 2012 Real Options Valuation Inc Iniciar um novo perfil de simula o diagn stico de dados de suposi es de previs es t cnicas por exemplo heteroscedasticidade multicolinearidade e semelhantes an lises de sensibilidade e de cen rio an lise de gr ficos sobrepostos gr ficos aranha gr ficos tornado e muitas outras ferramentas poderosas e O Real Options Super Lattice Solver um software aut nomo que complementa o Risk Simulator e usado para resolu o de problemas de op es reais simples ou complexos As pr ximas se es apresentam informa es b sicas sobre o uso do m dulo Simula o do Risk Simulator Para obter informa es mais detalhadas sobre as aplica es dos outros m dulos consulte outros cap tulos Para acompanhar verifique se voc tem o Risk Simulator instalado no computador antes de continuar E recomend vel que primeiro voc assista aos v deos de introdu o dispon veis na Web www realoptionsvaluation com risksimulator html ou tente fazer os exerc ci
270. nteiro do total de tentativas n s o os par metros de distribui o O n mero de tentativas bem sucedidas indicado por x importante observar que a probabilidade de xito p de O ou 1 uma condi o trivial e n o requer simula o portanto n o permitida no software Requisitos de entrada Probabilidade de xito gt 0 e lt 1 ou seja 0 0001 lt p lt 0 9999 N mero de tentativas gt 1 ou inteiros positivos e lt 1000 para tentativas maiores use a distribui o normal com a m dia binomial calculada relevante e o desvio padr o como os par metros da distribui o normal A distribui o binomial negativa til para modelar a distribui o do n mero de tentativas adicionais necess rias al m do n mero de ocorr ncias bem sucedidas necess rias R Por exemplo para fechar um total de 10 oportunidades de vendas quantas chamadas de vendas extras voc precisaria fazer al m de 10 chamadas dada alguma probabilidade de xito em cada chamada O eixo x mostra o n mero de chamadas adicionais necess rias ou o n mero de chamadas fracassadas O n mero de tentativas n o fixo as tentativas continuam at o R simo xito e a probabilidade de sucesso a mesma em cada tentativa A probabilidade de xito p e o n mero de xitos necess rios R s o os par metros Manual do Usu rio Risk Simulator 46 O 2005 2012 Real Options Valuation Inc Distribui o geom trica de distribui o E ess
271. nterrup o diferentes para testar por exemplo os pontos de dados 10 30 e 51 isso significa que tr s testes de quebra estrutural ser o realizados nestes conjuntos de dados os pontos de dados de 1 a 9 s o comparados com os de 10 a 100 os pontos de dados de 30 a 100 s o comparados com os de 1 a 29 e os de 1 a 50 s o comparados com os de 51 a 100 para ver se de fato no in cio dos dados de ponto 10 30 e 51 h uma quebra na estrutura subjacente Procedimento e Selecione os dados a serem analisados por exemplo B15 D34 clique em Risk Simulator Ferramentas Teste de quebra estrutural e insira os pontos de teste relevantes que deseja aplicar aos dados por exemplo 6 10 12 Clique em OK e Revise o relat rio para determinar quais desses pontos de teste indicam um ponto de quebra estatisticamente significante nos seus dados e quais n o Manual do Usu rio Risk Simulator 172 O 2005 2012 Real Options Valuation Inc E F G H l J K L M Procedimento 1 Selecione os dados a serem analisados por exemplo B15 D34 clique em Risk Simulator Ferramentas Teste de quebra estrutural e insira os pontos de teste relevantes que deseja aplicar aos dados por exemplo 6 10 12 Clique em OK 2 Revise o relat rio para determinar quais desses pontos de teste indicam um ponto de quebra estatisticamente significante nos seus dados e quais n o Teste de mudan a estrutural S rie temporal de dados B15 D34 Ei test
272. ntro Essa condi o tem impactos importantes sobre a an lise de risco Por exemplo nas duas distribui es na Figura 2 24 os primeiros tr s momentos m dia desvio padr o e obliquidade podem ser id nticos mas o quarto momento curtose diferente Essa condi o significa que apesar de os retornos e riscos serem id nticos as probabilidades de eventos extremos e catastr ficos grandes perdas ou ganhos potenciais ocorrerem s o mais altas para uma distribui o de curtose mais alta por exemplo retornos do mercado acion rio s o leptoc rticos ou t m curtose alta Ignorar a curtose de um projeto pode ser prejudicial Geralmente um valor mais alto de curtose excessiva indica que a os riscos negativos s o mais altos por exemplo o valor em risco VaR de um projeto pode ser significativo O1 02 D E Obliquidade 0 Curtose gt 0 Lu o Figura 2 24 Quarto momento Voc j se perguntou por que essas estat sticas de risco s o chamadas de momentos No jarg o matem tico momento significa elevado pot ncia de algum valor Em outras palavras o terceiro momento significa que em uma equa o tr s mais provavelmente a maior pot ncia Na verdade as equa es abaixo ilustram as fun es e aplica es matem ticas de alguns momentos para uma estat stica de amostra Por exemplo observe que a pot ncia mais alta para a m dia do primeiro momento um o desvio padr o do segundo momento dois a obli
273. o a Figura 5 34 mostra o c lculo de uma distribui o binomial por exemplo uma distribui o com dois resultados como jogar uma moeda em que o resultado cara ou coroa com probabilidades prescritas de cara e de coroa Suponha que uma moeda tenha sido jogada duas vezes e o resultado cara tenha sido definido como xito Usamos a distribui o binomial com tentativas 2 a moeda jogada duas vezes e a probabilidade 0 50 a probabilidade de xito de o resultado ser cara Selecionando a FDP e configurando a faixa de valores de x como 0 a 2 com um incremento de 1 isso significa que estamos solicitando os valores 0 1 2 para x as probabilidades resultantes s o fornecidas na tabela e em um formato gr fico al m dos quatro momentos te ricos da distribui o Enquanto os resultados do jogo s o cara cara coroa coroa cara coroa e coroa cara a probabilidade exata de n o obter caras 25 uma cara 50 e duas caras 25 An lise de distribui o Esta ferramenta gera a fun o densidade de probabilidade FDP a fun o distribui o acumulada FDA e a fun o inversa da fun o de distribui o acumulada IFDA de todas as distribui es no Risk Simulator incluindo os momentos te ricos e o gr fico de probabilidade Distribui o Tentativas Probabilidade Tipo de gr fico xX CDF Ta 0 000000 0 250000 0 250000 Formata o 1 000000 0 500000 0 750000 2 000000 0 250000 1 0000
274. o estoc stica uma otimiza o discreta executada para determinar se existe solu o para o problema de otimiza o antes que uma an lise mais longa seja realizada Em seguida a otimiza o din mica aplicada quando a simula o Monte Carlo usada com a otimiza o Outro nome usado para esse procedimento otimiza o de simula o Ou seja uma simula o executada antes os resultados da simula o s o aplicados no modelo do Excel e em seguida aplica se uma otimiza o aos valores simulados Em outras palavras uma simula o Manual do Usu rio Risk Simulator 110 2005 2012 Real Options Valuation Inc executada por N tentativas em seguida executa se um processo de otimiza o por M itera es at que se obtenha resultados timos ou seja encontrado um conjunto impratic vel Ou seja usando o m dulo de otimiza o do Risk Simulator voc pode escolher quais estat sticas de suposi o e previs o devem ser usadas e substitu das no modelo ap s a execu o da simula o Depois essas estat sticas de previs o podem ser aplicadas no processo de otimiza o Essa abordagem til quando h um modelo grande com a intera o de muitas suposi es e previs es e quando algumas estat sticas de previs o s o necess rias na otimiza o Por exemplo se o desvio padr o de uma suposi o ou previs o obrigat rio no modelo de otimiza o por exemplo para calcular a raz o de Sharpe na
275. o mais r pida Intervalo de atualiza o de dados Atualiza o y Simula o mais r pida i Control Minimizar tudo mais alta mais r pida Figura 2 8 Prefer ncias do gr fico de previs o Manual do Usu rio Risk Simulator Op es Esta op o do gr fico de previs o permite mostrar todos os dados de previs o ou filtrar valores que estejam dentro de um intervalo espec fico escolhido por voc ou dentro de um desvio padr o de sua escolha Al m disso o n vel de precis o pode ser definido aqui para a previs o espec fica a fim de mostrar os n veis de erro na exibi o das estat sticas Consulte a se o sobre controle de erro e precis o para obter mais detalhes Mostrar estas estat sticas uma prefer ncia do usu rio se for necess rio exibir as linhas de m dia mediana primeiro e quarto quartis 25 e 75 percentis no gr fico de previs o Controles Esta guia tem todas as funcionalidades que permitem alterar o tipo a cor o tamanho o zoom a inclina o 3D e outras caracter sticas do gr fico de previs o Ela tamb m fornece gr ficos sobrepostos FDP FDA e executa ajuste da distribui o nos dados de previs o consulte a se o Ajuste de dados para obter mais detalhes sobre essa metodologia 27 2005 2012 Real Options Valuation Inc Usar gr ficos de previs o e intervalos de confian a Manual do Usu rio Risk Simulator 28 O 2005 2012 Real Options Valuation
276. o Perfil de Risco e Valor de informa o imperfeita Para come ar insira o n mero de ramos decis o ou estrat gias em considera o por exemplo construir uma grande instala o m dio ou pequena e o n mero de eventos incertos ou resultados dos estado da natureza por exemplo mercado bom mercado ruim e digite o recompensas Payoffs esperadas em cada cen rio Pressupostos de Entrada An lise Minimax e Maximin Perfil de Risco R de Decis E Minimax minimizar o arrependimento m ximo e Estrat gia 1 Perfil de Risco JI Maximin maximizando o retorno ou Payoff m nimo Probabilidade 9 00 E i 15 00 Probabiida Estados Estados2 SOMA j Gi 80 20 100 m 21 00 incerteza ou estados da natureza em cada caminho 35 00 HE por exemplo boa economia versus economia ruim Payofis Estados Estados Em seguida complete a tabela de Payoffs para os e Caminha da 8 7 780 v rios cen rios e calcule os resultados Minimax e Soma das Probabilidades 100 00 Maximin Voc tamb m pode dicar no Exemplo e Valor Esperado 120 82 Caminha da 14 5 12 20 carregar para ver um exemplo de ciado Estrat gia 2 Perfil de Risco Caminha da 20 9 14 20 Payoff Probabilidade M ximo 20 00 7 00 306 00 9 00 Valor Esperado para uma Informa o Perfeita Bakai Estados 1 Estados2 M nimo 343 00 15 00 aC cn nano O Valor Esperado da Informa o Perfeita VEIP ou seja supondo que voc tinha previs o Ee o Valor Esperado de
277. o Usu rio Risk Simulator 80 O 2005 2012 Real Options Valuation Inc Multiplicativa de Holt Winter Estat sticas resumidas Alfa beta gama REQM Alfa beta gama REQM 0 00 0 00 0 00 914 824 0 00 0 00 0 00 914 824 0 10 0 10 0 10 415 322 0 10 0 10 0 10 415 322 0 20 0 20 0 20 187 202 0 20 0 20 0 20 187 202 0 30 0 30 0 30 118 795 0 30 0 30 0 30 118 795 0 40 0 40 0 40 101 794 0 40 0 40 0 40 101 794 0 50 0 50 0 50 102 143 A an lise foi executada com alfa 0 2429 beta 1 0000 gama 0 7797 e sazonalidade 4 Resumo da an lise de s rie temporal Quando h sazonalidade e tend ncia s o necess rios modelos mais avan ados para decompor os dados em seus elementos b sicos um n vel de caso de base L ponderado pelo par metro alfa um componente de tend ncia b ponderado pelo par metro beta e um componente de sazonalidade S ponderado pelo par metro gama Existem v rios m todos mas os mais comuns s o os m todos de sazonalidade aditiva de Holt Winters e de sazonalidade multiplicativa de Holt Winters No modelo de sazonalidade aditiva de Holt Winter o n vel de caso de base a sazonalidade e a tend ncia somados para obter o ajuste de previs o O teste de melhor ajuste para a previs o da m dia m vel usa a raiz do erro quadr tico m dio REQM O REQM calcula a raiz quadrada dos desvios quadrados da m dia dos valores ajustados versus os pontos de dados reais O erro quadr tico m dio EQM
278. o de caixa descontado que mostra os valores de entrada Quais s o os fatores de sucesso que mais afetam o resultado do modelo Ou seja o que realmente controla o valor presente l quido de 96 63 ou qual vari vel de entrada causa mais impacto nesse valor A ferramenta de gr fico tornado est dispon vel em Risk Simulator Ferramentas An lise tornado Para seguir o primeiro exemplo abra o arquivo Gr ficos de sensibilidade e tornado lineares na pasta de exemplos A Figura 5 2 mostra esse modelo de exemplo no qual a c lula G6 contendo o valor presente l quido escolhida como meta do resultado a ser analisado Os precedentes da c lula de meta no modelo s o usados para criar o gr fico tornado Os precedentes s o todas as vari veis de entrada e intermedi rias que afetam o resultado do modelo Por exemplo se o modelo consiste em 4 B C onde C D E ent o B De E s o precedentes de A C n o um precedente pois apenas um valor Manual do Usu rio Risk Simulator 128 O 2005 2012 Real Options Valuation Inc calculado intermedi rio A Figura 5 2 tamb m mostra a faixa de testes de cada vari vel precedente usada para estimar o alvo do resultado Se as vari veis precedentes forem entradas simples a faixa de teste ser uma perturba o simples de acordo com a faixa escolhida por exemplo o padr o 10 Cada vari vel precedente pode ser perturbada em diferentes porcentagens se necess rio Uma faixa maior
279. o de correla o de classifica o n o linear Figura 5 11 que classifica os pares de correla o suposi o previs o do mais alto ao mais baixo Essas correla es s o n o lineares e n o param tricas ou seja elas n o t m requisitos de distribui o por exemplo uma suposi o com uma distribui o Weibull pode ser comparada a outra com uma distribui o beta Os resultados desse gr fico s o semelhantes queles da an lise tornado descrita anteriormente por m sem o valor de investimento de capital que decidimos ser um valor conhecido e portanto n o foi simulado com uma exce o especial A al quota de impostos taxa de juros foi relegada a uma posi o muito mais baixa no gr fico da an lise de sensibilidade Figura 5 11 se comparada ao gr fico tornado Figura 5 6 A raz o disso que a aliquota de impostos por si s tem um impacto significativo mas depois que outras vari veis interajam no modelo a al quota aparenta ter um efeito dominante menor Isso acontece porque a al quota de impostos tem uma distribui o menor enquanto as al quotas de impostos hist ricas tendem a n o flutuar muito e tamb m porque a al quota de impostos um valor percentual fixo da renda antes dos impostos na qual outras vari veis precedentes t m maior efeito Esse exemplo prova que a execu o de uma an lise de sensibilidade ap s uma simula o importante para verificar se h intera es no modelo e se os efei
280. o estat stico M dia 100 67 Desvpad 10 40 Estat stica de teste de Kolmogorov Smirnov Estat stica de teste 0 02 5 15 07 J K i P valor 99 96 i Real Sm a 80 Figura 5 14 Resultado do ajuste da distribui o Manual do Usu rio Risk Simulator 142 O 2005 2012 Real Options Valuation Inc Ajuste da distribui o de vari vel nica Resumo estat stico Suposi o ajustada 100 61 Distribui o ajustada Normal M dia 100 67 Sigma 10 40 Estat stica de Kolmogorov Smirnov 0 02 P valor para estat stica de teste 0 9996 Real Te rico M dia 100 61 100 67 Desvio padr o 10 31 10 40 Obliquidade 0 01 0 00 Curtose excessiva 0 13 0 00 Dados ajustados originais 73 53 78 21 78 52 79 50 79 72 79 74 81 56 82 08 82 68 82 75 83 34 83 64 84 09 84 66 85 00 85 35 85 51 86 04 86 79 86 82 86 91 87 02 87 03 87 45 87 53 87 66 88 05 88 45 88 51 89 95 90 19 90 54 90 68 90 96 91 25 91 49 91 56 91 94 92 06 92 36 92 41 9245 92 70 92 80 92 84 93 21 93 26 93 48 93 73 93 75 93 77 93 82 94 00 94 15 94 51 94 57 94 64 94 69 94 95 95 57 95 62 95 71 95 78 95 83 95 97 96 20 96 24 96 40 96 43 96 47 96 81 96 88 97 00 97 07 97 21 97 23 97 48 97 70 97 77 97 85 98 15 98 17 98 24 98 28 98 32 98 33 98 35 98 65 99 03 99 27 99 46 99 47 99 55 99 73 99 96 100 08 100 24 100 36 100 42 100 44 100 48 100 49 100 83 101 17 101 28 101 34 101 45 101 46 101 55 101 73 101 74 101 81 102 29 102 55 102 58 102 60 102 70 103 17 103 21 103 22 103 32 103 34 1
281. o horizontal do gr fico Em seguida liste o n mero ou a frequ ncia dos funcion rios em cada intervalo no eixo vertical do gr fico Agora poss vel ver a distribui o de sal rios sem isen es no departamento O gr fico na Figura 2 25 revela que a maioria dos funcion rio aproximadamente 60 de um total de 180 ganham entre 7 00 e 9 00 por hora 60 50 Number of 40 Employees 30 20 10 7 00 7 50 8 00 8 50 9 00 Hourly Wage Ranges in Dollars Figura 2 25 Histograma de frequ ncia I Manual do Usu rio Risk Simulator 42 O 2005 2012 Real Options Valuation Inc Sele o da distribui o de probabilidade apropriada Voc pode representar esses dados como uma distribui o de probabilidade Uma distribui o de probabilidade mostra o n mero de funcion rios em cada intervalo como uma fra o do n mero total de funcion rios Para criar uma distribui o de probabilidade divida o n mero de funcion rios em cada intervalo pelo n mero total de funcion rios e liste os resultados no eixo vertical do gr fico O gr fico na Figura 2 26 mostra o n mero de funcion rios em cada grupo de sal rio como uma fra o do total de funcion rios Voc pode estimar a probabilidade de que um funcion rio escolhido ao acaso do grupo total ganhe um sal rio pertencente a um determinado intervalo Por exemplo supondo que as condi es eram as mesmas no momento em que foi criada a amostra a probabilidade de 0
282. o linearidade P valor do Resultado do Resultado da Limite inferior Limite superior N mero de P valor do Resultado do Vari vel testeW teste de hip teses aproxima o natural natural discrep ncias potenciais teste n o linear teste de hip teses Y nenhum problema 7 86 671 70 2 X1 0 2543 Homoskedastic nenhum problema 21377 95 64713 03 3 0 2458 linear X2 0 3371 Homoskedastic nenhum problema 77 47 445 93 2 0 0335 nonlinear x3 0 3649 Homoskedastic nenhum problema 5 77 15 69 3 0 0305 nonlinear X4 0 3066 Homoskedastic nenhum problema 295 96 628 21 4 0 9298 linear X5 0 2495 Homoskedastic nenhum problema 3 35 9 38 3 0 2727 linear Figura 5 23 Resultados do teste de observa es discrepantes heteroscedasticidade micronumerosidade e n o linearidade Outro problema comum na previs o de dados de s rie temporal se os valores da vari vel independente s o realmente independentes um do outro ou se s o dependentes Os valores de vari vel dependente coletados em uma s rie temporal podem estar autocorrelacionados Para valores de vari vel dependente serialmente correlacionados as estimativas da inclina o e da intercepta o n o ser o polarizadas mas Manual do Usu rio Risk Simulator 153 2005 2012 Real Options Valuation Inc as estimativas da previs o e das vari ncias n o ser o confi veis e assim a validade de determinados testes de melhor ajuste estat stico ser imperfeita Por exemplo as taxas de juros taxas de i
283. o super r pida J ty Novo perfil de simula o Suposi es e previs es Edi o Execu o da s x Editar perfil de simula o Modelo de fluxo de caixa descontado ROI Pro Alterar perfil de simula o Definir valores de entrada Modelo de fl tia Definir resultado de previs o 41 Copiar par metro 2009 Soma dos benefic 7 nc 2009 Soma dos investim o Str porime risco de mercad 15 00 Valor presente ligu 7 Remover par metro ido 5 00 Taxa de retomo im Em gt terminal 2 00 Retomo do investir Fechar todos os gr ficos 40 00 ndice de probabili Minimizar todos os gr ficos a 2009 2010 2011 24 Executar simula o Executar simula o super r pida ib Simula o por etapas hares MB Redefinir simula o hares Modelos de exemplo gt Previs o gt 4 Criar tabela de estat sticas de previs o Otimiza o gt 45 Criar relat rio Do Fermento gt is Dessazonaliza o e supress o da tend ncia dos dados E i rt ROV BizStats 3 Extrair exportar dados amp ones Abrir importar dados jitois s 3 Ferramenta de diagn stico E J An lise da distribui o w Licen a E Sobre Risk Simulator Tabela de distribui o Verifique para atualiza o OB Designer de distribui o Ajuste da distribui o vari vel nica Recursos gt Ai RS e A Nniai doasu io Ajuste da distribui o multiplas vari veis 3 3 gt Ajuste da distribui o percentis 36 Desembolso de invest
284. oblemas na pasta Iniciar gt Programas gt Real Options Valuation gt Risk Simulator e execute a ferramenta Obter ID do hardware para obter o ID do hardware do seu computador DICAS amostragem por hipercubo latino LHS versus simula o Monte Carlo MCS e Correla es na configura o de correla es de paridade em valores de entrada recomend vel usar a configura o Monte Carlo no menu Op es do Risk Simulator A amostragem por hipercubo latino n o compat vel com o m todo de c pula correlacionada para simula o e Compartimentos de LHS um n mero elevado de compartimentos retarda a simula o embora forne a um conjunto de resultados de simula o mais uniforme e Aleatoriedade todas as t cnicas de simula o aleat rias no menu Op es foram testadas e todas s o boas simula es e alcan am os mesmos n veis de aleatoriedade quando um grande n mero de tentativas executado DICAS recursos online e Livros v deos para iniciantes modelos whitepapers dispon veis gratuitamente no nosso site em www realoptionsvaluation com download html ou www rovdownloads com download html DICAS otimiza o e Resultados imposs veis se a execu o da otimiza o retornar resultados imposs veis altere as restri es de uma igualdade para uma desigualdade gt ou lt e tente novamente Isso tamb m se aplica quando voc est executando uma an lise de fronteira eficiente Manual do Us
285. ocorrela o Defasagem de tempo AC PAC Limite inferior Limite superior Estat stica Q Prob 1 0 0580 0 0580 0 2828 0 2828 0 1786 0 6726 2 0 1213 0 1251 0 2828 0 2828 0 9754 0 6140 3 0 0590 0 0756 0 2828 0 2828 1 1679 0 7607 4 0 2423 0 2232 0 2828 0 2828 4 4865 0 3442 5 0 0067 0 0078 0 2828 0 2828 4 4890 0 4814 6 0 2654 0 2345 0 2828 0 2828 8 6516 0 1941 7 0 0814 0 0939 0 2828 0 2828 9 0524 0 2489 8 0 0634 0 0442 0 2828 0 2828 9 3012 0 3175 9 0 0204 0 0673 0 2828 0 2828 9 3276 0 4076 10 0 0190 0 0865 0 2828 0 2828 9 3512 0 4991 11 0 1035 0 0790 0 2828 0 2828 10 0648 0 5246 12 0 1658 0 0978 0 2828 0 2828 11 9466 0 4500 13 0 0524 0 0430 0 2828 0 2828 12 1394 0 5162 14 0 2050 0 2523 0 2828 0 2828 15 1738 0 3664 15 0 1782 0 2089 0 2828 0 2828 17 5315 0 2881 16 0 1022 0 2591 0 2828 0 2828 18 3296 0 3050 17 0 0861 0 0808 0 2828 0 2828 18 9141 0 3335 18 0 0418 0 1987 0 2828 0 2828 19 0559 0 3884 19 0 0869 0 0821 0 2828 0 2828 19 6894 0 4135 20 0 0091 0 0269 0 2828 0 2828 19 6966 0 4770 Defasagens de distribui o P valores de per odos de defasagem de distribui o de cada vari vel independente Variable 1 2 3 4 5 6 F 8 9 10 12 Xi 0 8467 0 2045 0 3336 0 9105 0 9757 0 1020 0 9205 0 1267 0 5431 0 9110 0 7495 0 4016 x 0 6077 0 9900 0 8422 0 2851 0 0638 0 0032 0 8007 0 1551 0 4823 0 1126 0 0519 0 4383 x3 0 7394 0 2396 0 2741 0 8372 0 9808 0 0464 0 8355 0 0545 0 6828 0 73
286. oduz uma curva com forma semelhante da curva normal sem conhecer os par metros precisos da curva normal relacionada M nimo mais prov vel e m ximo s o os par metros de distribui o Os construtos matem ticos da distribui o PERT s o os seguintes x min max x fo E E B Al A2 max min min 4 likely max min max Ht 4 likely max where Al 6 6 and A2 6 6 max min max min and B is the Beta function Manual do Usu rio Risk Simulator 66 2005 2012 Real Options Valuation Inc Distribui o potencial Distribui o potencial multiplicativa deslocada Min 4Mode Max m dia 6 desvio padr o u M Mar obliquidade E me a u Min Max u 4 Requisitos de entrada M nimo lt Mais prov vel lt M ximo podendo ser positivos negativos ou zero A distribui o potencial est relacionada distribui o exponencial uma vez que a probabilidade de resultados pequenos grande mas diminui exponencialmente medida que o valor do resultado aumenta Alfa tamb m conhecido como formato o nico par metro de distribui o Os construtos matem ticos da distribui o potencial s o os seguintes FO ax F x x m dia Ea l a i k a desvio padr o 5 5 a 2 4 obliquidade a e a a 3 Requisitos de entrada Alfa formato gt 0 A distribui o potencial est relacionada distribui o exp
287. om m todo combinat rio para produzir resultados de previs o de s rie temporal no Risk Simulator como ilustrado na Figura 5 57 e mais adequado quando aplicado a dados de s rie temporal com sazonalidade e tend ncia Essa metodologia encontrada no m dulo ROV BizStats do Risk Simulator localizado em Risk Simulator ROV BizStats L gica difusa combinat ria bem como em Risk Simulator Previs o L gica difusa combinat ria A Figura 5 57 mostra a metodologia de previs o de rede neural Manual do Usu rio Risk Simulator 187 O 2005 2012 Real Options Valuation Inc Procedimento Clique em Risk Simulator Previs o L gica difusa combinat ria Para come ar insira manualmente os dados ou cole os da rea de transfer ncia por exemplo selecione e copie dados no Excel inicie a ferramenta e clique no bot o Colar para colar os dados Na lista suspensa selecione a vari vel na qual deseja executar a an lise insira o per odo de sazonalidade por exemplo 4 para dados trimestrais 12 para dados mensais etc e o n mero desejado de Per odos de previs o por exemplo 5 Clique em Executar para iniciar a an lise e revise os gr ficos e os resultados calculados Tamb m poss vel Copiar os resultados e o gr fico para a rea de transfer ncia e col los em outro aplicativo Observe que as t cnicas de redes neurais e de l gica difusa ainda n o foram estabelecidas como um m todo v lido e confi vel no dom n
288. ondentes geradas ap s a execu o da simula o Os itens a seguir geralmente s o importantes para interpretar os resultados de uma simula o e Gr fico de previs o O gr fico de previs o mostrado na Figura 2 6 um histograma de probabilidade que mostra a contagem da frequ ncia dos valores que ocorrem no n mero total de tentativas simuladas A barra vertical mostra a frequ ncia com que um valorx espec fico ocorre no total de tentativas enquanto a frequ ncia cumulativa linha suave mostra as probabilidades totais de todos os valores que ocorrem na previs o em x e abaixo dele e Estat sticas de previs o As estat sticas de previs o mostradas na Figura 2 7 resumem a distribui o dos valores de previs o nos quatro momentos de uma distribui o Consulte a se o No es b sicas sobre estat sticas de previs o para obter mais detalhes sobre o significado de algumas dessas estat sticas Para alternar entre as guias Histograma e Estat sticas pressione a barra de espa o Manual do Usu rio Risk Simulator 25 O 2005 2012 Real Options Valuation Inc Percentual de precis o de ero a 95 de confian a Manual do Usu rio Risk Simulator Figura 2 7 Estat sticas de previs o Prefer ncias A guia Prefer ncias no gr fico de previs o permite alterar a apar ncia dos gr ficos Por exemplo se Sempre vis vel estiver selecionado os gr ficos de previs o ficar o sempre vis veis independentemen
289. onencial uma vez que a probabilidade de resultados pequenos grande mas diminui exponencialmente medida que o valor do resultado aumenta Alfa tamb m conhecido como formato o nico par metro de distribui o Requisitos de entrada Alfa formato gt 0 Local pode ser qualquer n mero positivo ou negativo incluindo zero Fator gt 0 Manual do Usu rio Risk Simulator 67 O 2005 2012 Real Options Valuation Inc Distribui o qui quadrada Distribui o t de Student A distribui o qui quadrada uma distribui o de probabilidade usada predominantemente em testes de hip teses e est relacionada distribui o gama e distribui o normal padr o Por exemplo as somas de distribui es normais independentes s o distribu das como um qui quadrado 4 com k graus de liberdade 2 2 2 4 2 Li FZ tan tL OR Os construtos matem ticos da distribui o qui quadrada s o os seguintes k 2 0 5 k 2 1 _ x 2 F ED para todo x gt 0 m dia k desvio padr o y2k obliquidade 2 curtose excessiva T a fun o gama O grau de liberdade k o nico par metro de distribui o A distribui o qui quadrada tamb m pode ser modela usando uma distribui o gama definindo k par metro de forma J e escala 28 onde S a escala Requisitos de entrada Graus de liberdade gt 1 devendo ser um inteiro lt 300 A distribui o t de Student a mais amplament
290. or incluindo os momentos te ricos e o gr fico de probabilidade Distribui o M dia Desvio padr o 2 23 0 74 Tipo de gr fico CDF ICDF Tipo 0975000 1 959964 Formata o 9 Valor simples Probabilidade Faixa de valores Limite inferior Limite superior Figura 5 37 Ferramenta An lise da distribui o IFDA e escore Z da distribui o normal 5 11 Ferramenta An lise de cen rio A ferramenta An lise de cen rio do Risk Simulator permite executar v rios cen rios rapidamente e sem esfor o alterando um ou dois par metros de entrada para determinar o resultado de uma vari vel A Figura 5 38 ilustra como essa ferramenta trabalha no modelo de exemplo de fluxo de caixa descontado modelo 7 na pasta de modelos de exemplo do Risk Simulator Nesse exemplo a c lula G6 valor presente l quido selecionada como o resultado de interesse enquanto as c lulas C9 al quota de impostos efetiva e C12 pre o do produto s o selecionadas como entradas para causar perturba o poss vel definir os valores inicial e final a serem testados al m do tamanho do incremento ou o n mero de etapas que devem ser executadas entre os valores inicial e final O resultado uma tabela de an lise de cen rio Figura 5 39 na qual os cabe alhos de linha e de coluna s o as duas vari veis de entrada e o corpo a tabela mostra os valores presentes l quidos Manual do Usu rio Risk Simulator 166 O
291. or retornar os valores de teste 0 9 e 1 1 ambos valores de entrada irrelevantes e incorretos no modelo o que pode ser interpretado pelo Excel como erro da fun o Quando selecionada essa op o destaca rapidamente poss veis reas problem ticas para a an lise tornado Voc pode determinar quais precedentes ativar ou desativar manualmente ou pode usar Ignorar valores inteiros poss veis para desativar todos simultaneamente 5 2 An lise de sensibilidade Teoria Uma fun o relacionada a an lise de sensibilidade Enquanto a an lise tornado gr ficos tornado e aranha aplica perturba es est ticas antes que uma simula o seja executada a an lise de sensibilidade aplica perturba es din micas criadas ap s a execu o da simula o Os gr ficos tornado e aranha s o resultados de perturba es est ticas o que significa que cada vari vel de suposi o ou precedente perturbada com um valor predefinido uma por vez e as flutua es nos resultados s o tabuladas Em contraste os gr ficos de sensibilidade s o os resultados de perturba es din micas j que v rias suposi es s o perturbadas simultaneamente e suas intera es no modelo e as correla es entre vari veis s o capturadas nas flutua es dos resultados Os gr ficos tornado identificam quais vari veis controlam mais os resultados e que s o assim adequadas para a simula o enquanto os gr ficos de sensibilidade identificam o impacto n
292. ores e tamanho da fonte cor das especifica es da rvore de Estrat gia inteira e Inserir n de Decis o n de Incerteza ou n Terminal selecionando qualquer n existente e em seguida clicando no icone de n de Decis o quadrado cone Incerteza n c rculo ou no cone de n Terminal tri ngulo ou use as funcionalidades do menu Inserir e Modificar decis o individual incerteza ou propriedades do n Terminal clicando duas vezes em um n A seguir est o alguns itens adicionais originais no m dulo de rvore de Decis o que podem ser personalizados e configurados na interface do usu rio referente propriedade do n o N s de Decis o Sobrescrever personalizado ou Auto Calcular o valor em um n A op o de calcular automaticamente definida como padr o e quando voc clica em Executar em um modelo completo de rvore de Decis o os n s de decis o ser o atualizados com os resultados o N s de Incerteza Nomes de Eventos Probabilidades e conjuntos de par metros da Simula o Voc somente pode adicionar nomes de eventos de probabilidade probabilidades e hip teses de simula o somente ap s a cria o dos ramos de incerteza o N s Terminal Entrada manual Link do Excel e conjuntos de Pressupostos Simula o Os Payoffs do evento Terminal podem ser inseridos manualmente ou ligados a uma c lula do Excel por exemplo se voc tiver um modelo Excel grande que calcula o retorno
293. ortante da distribui o exponencial a sua propriedade de n o memoriza o o que significa que a vida til futura de determinado objeto tem a mesma distribui o independentemente do tempo de sua exist ncia Em outras palavras o tempo n o tem efeito algum em resultados futuros A taxa de xito o nico par metro de distribui o Requisitos de entrada Lambda da taxa gt 0 Local pode ser qualquer n mero positivo ou negativo incluindo zero A distribui o de valor extremo tipo 1 normalmente usada para descrever o maior valor de uma resposta em um per odo de tempo por exemplo em fluxos de inunda es precipita es e terremotos Outras aplica es incluem a for a necess ria para quebrar um material projetos de constru es e cargas e Manual do Usu rio Risk Simulator 56 O 2005 2012 Real Options Valuation Inc Distribui o F ou distribui o de Fisher Snedecor toler ncias de aeronaves A distribui o de valor extremo tamb m conhecida como distribui o Gumbel Os construtos matem ticos da distribui o de valor extremo s o os seguintes X a B f Ta onde z e para 8 gt 0 e qualquer valor de x e a m dia a 0 5772158 1 desvio padr o m 124 6 1 2020569 3 T obliquidade 1 13955 isso se aplica a todos os valores de moda e escala curtose excessiva 5 4 isso se aplica a todos os valores de moda e escala Moda o e escala s o os par met
294. os E Manual do usu rio ar L gica difusa combinat ria B Teste de mudan a estrutural 32 Rede neu An lico jomado 33 E Econometria pisica Ajuste da distribui o percenti Gr mio i T novest k K 14 Gr ficos sobrepostos apn Sp ne c bico Editar cormela es nem ROV Decision Tree z a 5 15 Modelos de enfilewamento Tradicional Chinesa MEMES q GARCH D Teste de hip teses 16 Diagn sticos de regress o opes idiomas Cunas 45 ea gooinnp n o parnm uko 17 Fundo de aposentadoria com macros Cadeia de Markow Se Gr ficos sobrepostos 18 Anise estot niico G pena o Modelos de m xima verossimilhan a 5 Anblise de Componentes Principais matdi o Figura 1 1 Menu do Risk Simulator e barra de cones do Excel 2007 2010 Real Options Valuatic Todos os direitos re Risk Simulator 2012 80 00 LLC rvados Figura 1 2 Tela inicial do Risk Simulator O Objetivo 4 Hex E e COF EO DE E E K E pras L Bi D Decis o Baj Risk Novo Alterar Editar Definir valores Definir resultado Copiar Colar Remover Executar Simula o Por Redefinir Previs o Executar Ferramentas ROV rov Op es Ajuda Licen a Pr ximo Simulator perfil perfil perfil de entrada de previs o super r pida etapa lt otimiza o 6 Restri o anal ticas BizStats Decision Tree r 5 icone Menu Perfil Suposi es e previs es Edi o Execu o da simula o Previs o Otimiza o Ferramentas ROV BizStats ROV
295. os coeficientes de correla o t m muita magnitude a matriz de correla o ser definida n o positiva Isso desafiaria a l gica os requisitos de correla o e a matem tica da matriz No entanto alguns coeficientes pequenos podem funcionar ainda que com a l gica incorreta Quando uma matriz de correla o n o positiva ou incorreta for inserida o Risk Simulator informar automaticamente e se oferecer para ajustar essas correla es para algo que seja definido semipositivo e ainda manter a estrutura geral da rela o de correla o os mesmos sinais e as mesmas for as relativas 2 3 3 Efeitos da correla o na simula o Monte Carlo Embora os c lculos necess rios para correlacionar vari veis em uma simula o sejam complexos os efeitos resultantes s o muito claros A Figura 2 14 mostra um modelo de correla o simples Modelo de efeitos de correla o na pasta de exemplo O c lculo da receita simplesmente o pre o multiplicado pela quantidade O mesmo modelo aplicado novamente para aus ncia de correla es correla o positiva 0 8 e correla o negativa 0 8 entre pre o e quantidade Modelo de correla o Sem Correla o Correla o correla o positiva negativa Pre o 2 00 2 00 2 00 Quantidade 1 00 Receita E 2 00 Para replicar este modelo use estas suposi es Os pre os s o definidos como distribui es triangulares 1 8 2 0 2 2 enquanto que as quantidades s o definid
296. os dados Procedimento e Abra o modelo de exemplo Risk Simulator Exemplos An lise estat stica e na planilha Dados selecione os dados incluindo os nomes das vari veis c lulas C5 E55 e Clique em Risk Simulator Ferramentas An lise estat stica Figura 5 28 e Verifique o tipo de dados se os dados selecionados s o de uma vari vel nica ou de m ltiplas vari veis organizadas em linhas No exemplo sup s se que as reas de dados selecionadas s o de m ltiplas vari veis Clique em OK quando terminar e Escolha os testes estat sticos que deseja realizar A sugest o e defini o padr o escolher todos os testes Clique em OK quando terminar Figura 5 29 Analise os relat rios gerados para entender melhor os testes estat sticos realizados as Figuras 5 30 a 5 33 mostram exemplos de relat rios Manual do Usu rio Risk Simulator 159 O 2005 2012 Real Options Valuation Inc Real Options Pe varios www realoprionsvaluation com Esta ferramenta usada para descrever e encontrar rela es estat sticas em um conjunto de dados brutos 4 041 0 55 3 665 2 351 29 76 3 294 3 287 0 666 12 938 6 478 1 108 1 007 Os dados s o de uma nica vari vel 9 Os dados incluem m ltiplas vari veis em colunas Executar Todos os testes IV Estimativa de par metro do processo estoc stico Y Estat sticas descritivas Periodicidade Anual Y Ajuste da distribui o IV Autocorrela o de
297. os e ou Supress o de tend ncia selecione os modelos de supress o de tend ncia que deseja executar O 2005 2012 Real Options Valuation Inc 10 VAR1 VAR2 VAR3 VAR4 VARS VARG VAR7 VARS VAR9 VARIO Procedimento 102 443 112 765 3 4 89 133 1 Selecione os dados a serem analisados por exemplo B11 K30 clique em 81 531 90 224 X E A 96 345 Risk Simulator Ferramentas An lise de componentes principais 113 426 99 147 E e 5 5 93 451 e clique em OK 105 389 109 022 E E k j 107 576 2 Revise o relat rio gerado com os resultados calculados 84 784 96 371 K h a 92 635 87 202 93 464 e 88 843 90 602 97 591 101 387 x 104 872 108 620 93 635 B 87 988 106 384 113 039 101 130 y 99 745 108 283 102 135 89 731 E j 91 601 95 466 105 132 93 917 al 105 506 x E 93 459 108 030 104 564 E 103 039 5 h 96 644 111 410 98 517 E 94 182 x 96 836 119 930 94 335 128 354 x 113 322 97 504 87 789 5 86 941 104 282 107 231 105 253 5 104 638 100 455 102 387 101 451 93 431 X 110 392 98 788 90 383 K 101 032 E 102 005 100 853 88 833 a 109 511 105 235 98 365 95 603 100 588 100 571 IR An lise de Componentes Principai R po pais An lise de Componentes Principais PCA uma forma de se identificar padr es em um conjunto de dados e reformular os dados como forma de destacar as suas semelhan as e diferen as Padr es de dados s o muito dificeis de encontrar em dimens es elevadas quando existem m ltiplas vari veis e gr fic
298. os p valores s o real ados em azul indicam que s o estatisticamente significativos no n vel de confian a de 90 ou no n vel alfa de 0 10 enquanto aqueles cujos p valores s o real ados em vermelho indicam que n o s o estatisticamente relevantes em qualquer outro n vel alfa Manual do Usu rio Risk Simulator 85 O 2005 2012 Real Options Valuation Inc An lise de vari ncia Regress o Residual Total somas dos Media dos Estat stica F P valor quadrados quadrados Teste de hip teses 47938849 95877 70 4 28 0 0029 Estat stica F cr tica 99 de confian a com dfigual a 5 e 44 3 4651 985675 19 22401 71 Estat stica F cr tica 95 de confian a com dfigual a 5 e 44 24270 1465063 68 Estat stica F cr tica 90 de confian a com dfigual a 5 e 44 1 9828 A tabela de an lise de vari ncia ANOVA fornece um teste F da signific ncia estat stica geral do modelo de regress o Em vez de analisar regressores individuais como no teste t o teste F analisa as propriedades estat sticas de todos os coeficientes estimados A estat stica F calculada como a propor o da m dia dos quadrados da regress o em rela o m dia dos quadrados de residuais O numerador mede quanto da regress o explicado enquanto o denominador mede quanto n o explicado Assim quanto maior a estat stica F mais significante o modelo O p valor correspondente calculado para testar a hip tese nula Ho segundo a qual todos os coeficient
299. os para as suposi es com o intuito de ajudar a rastrear o que cada uma delas representa Uma boa pr tica de modelagem usar nomes curtos mas precisos para as suposi es Galeria de distribui es Esta rea esquerda mostra todas as distribui es diferentes dispon veis no software Para alterar as exibi es clique com o bot o direito do mouse na galeria e selecione cones grandes cones pequenos ou lista H dezenas de distribui es dispon veis Par metros de entrada Dependendo da distribui o selecionada s o mostrados os par metros obrigat rios relevantes Voc pode inserir os par metros diretamente ou vincul los a c lulas espec ficas na sua planilha A inclus o de par metros por codifica o ou digita o til quando se sup e que os par metros da suposi o n o se alteram A vincula o a c lulas da planilha til quando os par metros de entrada precisam ser vis veis ou podem ser alterados clique no cone de v nculo para vincular um par metro de entrada a uma c lula da planilha Habilitar limite de dados Em geral este recurso n o usado pela maioria dos analistas mas existe para truncar as suposi es de distribui o Por exemplo se uma distribui o normal for selecionada os limites te ricos estar o entre o infinito negativo e o infinito positivo No entanto na pr tica a vari vel simulada existe apenas dentro de uma faixa menor que pode ser inserida para truncar
300. os passo a passo no final deste cap tulo antes de revisar o texto deste cap tulo Os v deos e os exerc cios s o timas maneiras de preparar o usu rio imediatamente ao passo que este cap tulo se concentra mais na teoria e em explica es detalhadas das propriedades de simula o 2 2 2 Executar uma simula o Monte Carlo Em geral para executar uma simula o no seu modelo Excel existente estas etapas devem ser executadas 1 Iniciar um novo perfil de simula o ou abrir um perfil existente 2 Definir valores de entrada nas c lulas relevantes 3 Definir resultados de previs o nas c lulas relevantes 4 Executar a simula o 5 Interpretar os resultados Se desejar praticar abra o arquivo de exemplo intitulado Modelo b sico de simula o e siga os exemplos abaixo para criar uma simula o O arquivo de exemplo pode ser encontrado em Iniciar Real Options Valuation Risk Simulator Exemplos ou acessado diretamente em Risk Simulator Modelos de exemplo Para iniciar uma nova simula o primeiro necess rio criar um perfil de simula o Um perfil de simula o cont m um conjunto completo de instru es sobre como executar uma simula o por exemplo todas as suposi es previs es prefer ncias de execu o etc O uso de perfis facilita a cria o de v rios cen rios de simula o Ou seja usando o mesmo modelo poss vel criar v rios perfis cada um com propriedades e requisitos de simula o esp
301. os resultados quando m ltiplas vari veis que interagem s o simuladas no modelo Esse efeito claramente ilustrado na Figura 5 8 Observe que a classifica o dos fatores de sucesso s o semelhantes ao gr fico tornado dos exemplos anteriores No entanto quando s o acrescentadas correla es entre as suposi es a Figura 5 9 mostra uma imagem bem diferente Observe por exemplo que a eros o de pre os causou pouco impacto no VPL mas quando algumas das suposi es de entrada est o correlacionadas a Manual do Usu rio Risk Simulator 136 O 2005 2012 Real Options Valuation Inc intera o existente entre essas vari veis correlacionadas faz com que a eros o de pre os tenha um impacto maior Figura 5 8 Gr fico de sensibilidade sem correla es 0 22 Price 0 21 Price Erosion 018 Tax Rate 0 03 Sales Growth 0 0 01 0 2 03 0 4 05 0 6 Figura 5 9 Gr fico de sensibilidade com correla es Manual do Usu rio Risk Simulator 137 O 2005 2012 Real Options Valuation Inc Procedimento e Abra ou crie um modelo defina suposi es e previs es e execute a simula o o exemplo em quest o usa o arquivo Gr ficos de sensibilidade e tornado lineares e Selecione Risk Simulator Ferramentas An lise de sensibilidade e Selecione a previs o que deseja analisar e clique em OK Figura 5 10 Modelo de fluxo de caixa descontado Ano base 2005 Soma dos benef cios liqu 1 896 63 An li
302. os s o mostrados na tabela de resultados dare bora cruzadas se for o caso o que representa nos eventos probabilisticos um decis o torna se dominante sobre outra Passo 4 Entre com a faixa de sensibilidade da entrada Probabilidades Incerteza DE 0 00 ARA 100 00 Payoffs Terminal 5 00 TAMANHO o ara meo 10 00 15 00 12418 12616 12814 13012 BLSLOPPREIUA Figura 5 65 ROV Decision Tree An lise de Sensibilidade ROV Visual Modeler User Manual 202 O Copyright 2005 2012 Dr Johnathan Mun EI ROV Visual Modeler 2012 Decision Trees C Users use Desktop Screen Shots DT Model Portugueserovdt Arquivo Editar Inserir Propriedades Estilo FormaseCores Idioma Language Ajuda a No co 7 Arvore de Decis o Sum rio dos Valores Modelagem da Simula o An lise Bayesiana EVPI Minimax Perfil de Risco An lise de Sensibilidade Tabela de Cen rios Tabelas cen rio podem ser geradas para determinar os resultados dadas algumas altera es na entrada Voc pode escolher um ou mais caminhos de Decis o para analisar os resultados de cada caminho escolhido ser representado como uma tabela e gr fico separado e um ou dois n s Incerteza Probability 20 00 DE ou Terminal como vari veis de entrada para a tabela de cen rio Passo 1 Selecione um ou mais caminhos de Decis o para analisar a partir da lista Passo 2 Selecione um ou dois Evento
303. os tridimensionais s o muito dificeis de representar e interpretar Uma vez que os padr es nos dados s o encontrados eles podem ser compactados e o n mero de dimens es agora reduzida Esta redu o das dimens es dos dados n o significa muito na redu o da perda de informa es Em vez disso os n veis similares de informa o podem agora serem obtidos com um menor n mero de vari veis Posi o do dado B11 K30 Ei 31 Figura 5 43 An lise de componentes principais 5 17 S rie temporal de dados da quebra estrutural A quebra estrutural testa se os coeficientes em diferentes conjuntos de dados s o iguais E esse teste mais comumente usado na an lise de s ries temporais para testar a presen a de uma quebra estrutural A s rie temporal pode ser dividida em dois subgrupos e cada subgrupo testado contra o outro e no conjunto de dados completo para determinar estatisticamente se realmente existe uma pausa a partir de um determinado per odo de tempo O teste de quebra estrutural usado com frequ ncia para determinar se as vari veis independentes t m diferentes impactos em diferentes subgrupos da popula o como para testar se uma nova campanha de marketing uma atividade um grande evento uma aquisi o ou uma aliena o por exemplo t m um impacto sobre os dados de s ries temporais Suponha que dado um conjunto com 100 pontos de dados de uma s rie temporal pode se definir pontos de i
304. otas abaixo do N 198 Notas R tulo dentro da Forma 9 Inserir R tulo no Objeto Sobrescrever nome com r tulo Sobrescrever valor com r tulo Sobrescrever Notas com r tulo Nome do Ramo de um Evento Edif cio grande Observar que se voc est simulando probabilidades de um evento a probabilidade ir automaticamente ser normalizada de modo a somar 100 gt Tipo j Incerteza Nome Cr tico Valor 120 82 Notas R tulo Inserir R tulo X Nome do Ramo deum Edificio grande Concatenar Arquivo Nome do Eve Probabili Tempo de co 0 300000 ja Tempo deco 0 700000 Atualizar Real Options Valuation Inc ROV Visual Modeler 2012 Decision Trees CAUsersluserDesktopiScreen ShotsiDT Model Portuguese rovdt E w Er E aa SW co o A m O z 2g PPA E e Arvore de Decis o Sum rio dos Valores Modelagem da Simula o An lise Bayesiana EVPI Minimax Perfil de Risco An lise de Sensibilidade Tabela de Cen rios Fun o de Utilidade AN LISE DOS RESULTADOS Probabilidades de entrada Nome do Evento Probab Tempo de conclus o A Cr tico ID 30 0000 Tempo de conclus o B Cr tico ID 70 0000 Tempo de conclus o C Cr tico
305. otimiza o estoc stica Para executar uma otimiza o preciso primeiro identificar v rias especifica es importantes no modelo Objetivo Maximizar a taxa de retorno sobre o risco C12 Vari veis de decis o Pesos alocados E6 E9 Restri es das vari veis de decis o M nimo e m ximo necess rios F6 69 Manual do Usu rio Risk Simulator 122 O 2005 2012 Real Options Valuation Inc Restri es Total de 100 dos pesos alocados do portf lio E11 definida como 100 Suposi es da simula o Valores de retorno e risco C6 D9 O modelo mostra as v rias classes de ativos Cada classe de ativo tem seu pr prio conjunto de retornos e volatilidades anualizados Essas medidas de risco e retorno s o valores anualizados de forma que possam ser comparadas consistentemente em todas as classes de ativos Os retornos s o calculados usando a m dia geom trica dos retornos relativos enquanto os riscos s o calculados usando a abordagem logar tmica relativa de retornos de a es Os pesos alocados na coluna E incluem as vari veis de decis o as quais s o as vari veis que precisam ser ajustadas e testadas para que o peso total se limite a 100 c lula E17 Geralmente para iniciar a otimiza o essas c lulas s o definidas com um valor uniforme Neste caso as c lulas E6 a E9 s o definidas como 25 cada Al m disso cada vari vel de decis o pode ter restri es espec ficas na faixa permitida Neste
306. own seleciona uma rea espec fica e E poss vel inserir pequenas observa es ou notas para cada vari vel na linha de Notas Lembre se de fazer suas notas curtas e simples e Tente usar os diversos cones de gr fico no modo Visualizar para alterar a vis o dos mesmos e observar os gr ficos p ex Rota o Deslocamento Aumento Colorir e adicionar Legendas e outras e O bot o Copiar utilizado para copiar nas abas Resultados Gr ficos e Estat sticas no Passo 3 ap s o modelo tiver rodado Caso nenhum modelo estiver rodando ent o a fun o de c pia ir apenas copiar uma p gina em branco Manual do Usu rio Risk Simulator 182 O 2005 2012 Real Options Valuation Inc e O bot o Relat rio somente ser ativado caso existam modelos salvos no Passo 4 ou caso existam dados da grade caso contr rio e relat rio gerado estar vazio Voc tamb m necessitar que o Excel esteja instalado com a capacidade de extra o de dados produ o de relat rios dos resultados e que o PowerPoint da Microsoft esteja dispon vel para rodar os relat rios Gr ficos e Caso tenha d vida sobre como rodar um modelo espec fico ou um m todo estat stico inicie no perfil Exemplo e reveja como os dados s o organizados no Passo 1 ou como os par metros s o informados no Passo 2 Voc pode utilizar esses modelos de exemplo para adaptar seus pr prios dados e modelos e O Idioma pode ser alterado no Menu Idioma Obs
307. pamento 2 a Exibir numera o do agrupamento para o valor Figura 5 40 Ferramenta Agrupamento por segmenta o e resultados 5 13 Novas ferramentas do Risk Simulator 2011 2012 5 14 M todos de gera o de n mero aleat rio Monte Carlo versus hipercubo latino e c pula de correla o A partir da vers o 2011 2012 h seis geradores de n mero aleat rio tr s c pulas de correla o e dois m todos de amostragem de simula o dispon veis Figura 5 41 Essas prefer ncias s o configuradas em Risk Simulator Op es O gerador de n mero aleat rio RNG a parte principal de qualquer software de simula o Com base no n mero aleat rio gerado diferentes distribui es matem ticas podem ser constru das O m todo padr o a metodologia patenteada ROV Risk Simulator que fornece os melhores e mais s lidos n meros aleat rios H suporte para seis geradores de n mero aleat rio e em geral o m todo padr o do ROV Risk Simulator e o m todo de embaralhamento aleat rio subtrativo avan ado s o as duas abordagens de uso recomendadas N o aplique os outros m todos a menos que o seu modelo ou sua an lise necessite especificamente deles e mesmo nesse caso recomendamos testar os resultados com as duas abordagens indicadas Quanto mais baixa a posi o na lista de RNGs mais simples o algoritmo e mais r pido ele executado De maneira oposta quanto mais alta a posi o na lista mais s lidos
308. postos com taxas vari veis Am dia truncada calcula a m dia aritm tica do conjunto de dados depois que as observa es discrepantes s o removidas Como as m dias tendem a distor es significativas quando h observa es discrepantes a m dia truncada reduz tais erros em distribui es obl quas O erro padr o da m dia calcula o erro que envolve a m dia da amostra Quanto maior o tamanho da amostra menor o erro de maneira que para um tamanho de amostra infinitamente grande o erro se aproxima de zero indicando que o par metro da popula o foi estimado Devido a erros de amostragem o intervalo de confian a de 95 para a m dia fornecido De acordo com uma an lise dos pontos de dados da amostra a m dia real da popula o deve estar entre os intervalos inferior e superior da m dia A mediana o ponto de dados no qual 50 de todos os pontos de dados se encontram acima desse valor e 50 abaixo dele Entre as tr s estat sticas de primeiro momento a mediana a menos suscet vel a observa es discrepantes Em uma distribui o sim trica a mediana igual m dia aritm tica H uma distribui o obl qua quando a mediana se distancia da m dia Amoda mede o ponto de dados mais frequente O m nimo o menor valor no conjunto de dados enquanto o m ximo o maior valor O intervalo a diferen a entre os valores m ximo e m nimo O segundo momento mede o spread ou a largura de uma distribui o e frequentemente de
309. probabilidade xitos necess rios e probabilidade s o os par metros de distribui o Manual do Usu rio Risk Simulator 49 O 2005 2012 Real Options Valuation Inc Distribui o Poisson Manual do Usu rio Risk Simulator 50 O 2005 2012 Real Options Valuation Inc Os construtos matem ticos da distribui o Pascal s o os seguintes x 1 FO 4 s s 1 0 otherwise p l p forall x2 s e GR i a F x N l p forallx 2 s 0 otherwise m dia P desvio padr o 4 s 1 p p dique yrl p p 6p 6 curtose excessiva r l p Requisitos de entrada Exitos necess rios deve ser maior que 0 e ser um inteiro 0 lt Probabilidade lt 1 A distribui o Poisson descreve o n mero de vezes que um evento ocorre em um dado intervalo como o n mero de telefonemas por minuto ou o n mero de erros por p gina em um documento Condi es As tr s condi es subjacentes distribui o Poisson s o e O n mero de ocorr ncias poss veis em qualquer intervalo ilimitado e As ocorr ncias s o independentes O n mero de ocorr ncias em um intervalo n o afeta o n mero de ocorr ncias em outros intervalos e O n mero m dio de ocorr ncias deve permanecer inalterado de um intervalo para outro Os construtos matem ticos da distribui o Poisson s o os seguintes A 4x P x paraxeZ gt 0 m dia 1 desvio padr o VA obliquidade JA Distrib
310. ptura os efeitos de memoriza o das altera es do n vel b sico ao longo do tempo beta o par metro de tend ncia que mede o ponto forte da tend ncia e gama mede o ponto forte da sazonalidade dos dados hist ricos A an lise decomp e os dados hist ricos nesses tr s elementos e depois os recomp e para prever o futuro Os dados ajustados ilustram os dados hist ricos bem como os dados ajustados que usam o modelo recomposto e mostram a proximidade das previs es no passado uma t cnica chamada backcasting Os valores previstos s o estimativas ou suposi es de ponto nico se a op o de gera o de suposi o autom tica for escolhida e um perfil de simula o existir O gr fico ilustra os valores hist ricos ajustados e previstos O gr fico uma ferramenta visual e de comunica o poderosa para ver a qualidade do modelo de previs o Este m dulo de an lise de s rie temporal cont m os oito modelos de s ries temporais vistos na Figura 3 3 Voc pode selecionar o modelo espec fico para executar com base nos crit rios de tend ncia e sazonalidade ou escolher Sele o autom tica de modelo para iterar automaticamente todos os oito m todos otimizar os par metros e encontrar o modelo de melhor ajuste para os dados Como alternativa se voc escolher um dos oito modelos poder desmarcar as caixas de sele o Otimizar e inserir seus pr prios par metros alfa beta e gama Consulte o livro do Dr Johnathan Mun Modeli
311. quando voc quer apenas analisar um resultado com base nos valores da planilha atual em vez de executar uma pesquisa global de todas as precedentes vinculadas entre v rias planilhas na mesma pasta de trabalho Manual do Usu rio Risk Simulator 135 O 2005 2012 Real Options Valuation Inc e A op o Usar configura es globais til quando voc tem um modelo grande e deseja testar todas as precedentes em 50 em vez do padr o de 10 Em vez de alterar os valores de teste de cada precedente um por vez voc pode selecionar essa op o alterar a configura o e clicar em qualquer lugar na interface do usu rio para alterar toda a lista de precedentes Desmarcar essa op o permite controlar a altera o dos pontos de teste de uma precedente por vez e A op o Ignorar zeros ou valores vazios uma op o ativada por padr o na qual c lulas precedentes com valor zero ou vazio n o ser o executadas no tornado Essa a configura o t pica e A op o Real ar valores inteiros poss veis permite identificar rapidamente todas as c lulas precedentes poss veis que t m no momento entradas de n meros inteiros s vezes isso pode ser importante se o seu modelo usar desvios por exemplo fun es como SE uma c lula for 1 algo acontecer e SE a c lula contiver valor 0 outra coisa acontecer ou inteiros como 1 2 3 etc que voc n o deseja testar Por exemplo 10 do valor igual a 1 de um desvio de sinalizad
312. quando voc tem as probabiidades condicionais posterior atualizadas Selecione Strong Market abaixo a an lise relevante desejada e dique em Carregar Exemplo para ver as entradas de amostra Acari PRIOR PROBABILITIES correspondente an lise selecionada e os resultados mostrados na grade direita bem como quais 45 AND 55 resultados s o utilizados como insumos na rvore de decis o da figura 62 07 Calcule a Probabilidade Bayesiana a posteriori dado a probabilidade a priori e Probabilidade condicional O conjunta mais comum Calcula a probabilidade condicional conjunta dado as probabilidades a priori e a posteriori menos comum PASSO 1 Entre com os nomes do primeiro e segundo evento de incerteza e escolha quanto eventos 45 00 probabil sticos ou estados da natureza ou resultados cada evento tem Prob Weak 55 00 Nome do primeiro Evento Market Research Probabilidade dos Eventos ou Estados E Prob Favorable Strong 60 00 Prob Favorable Weak 30 00 Prob Unfavorable Strong 40 00 Prob Unfavorable Weak 70 00 Estados Market Research Market Conditions Probabilidades Conjunta e Marginal Nome do segundo Evento Market Conditions Probabilidade dos Eventos ou Estados PASSO 2 Entre com os nomes de cada evento de probabil stico ou resultado 1 Favorable Strong Prob Favorable 43 50 2 Unfavorable Weak Prob Unfavorable 56 50 Prob Strong n Favorable 27 00 P
313. que varie entre 0 e 1 e n o seja restrito aos dois valores verdadeiros da l gica proposicional cl ssica Esse esquema de pondera o difuso usado com m todo combinat rio para produzir resultados de previs o de s rie temporal no Risk Simulator Usando o Risk Simulator poss vel coletar opini es de especialistas e gerar uma distribui o personalizada Essa t cnica de previs o bastante til quando o conjunto de dados pequeno ou o melhor ajuste ruim quando aplicado a uma rotina de ajuste da distribui o Manual do Usu rio Risk Simulator 75 O 2005 2012 Real Options Valuation Inc GARCH Curva J Cadeias de Markov M xima verossimilhan a em logit tobit e probit Rede neural Regress o multivariada O modelo de heteroscedasticidade condicional autorregressiva GARCH usado para modelar n veis de volatilidade hist ricos e prever a volatilidade futura de um instrumento negoci vel por exemplo pre os de a es pre os de commodities pre os do petr leo etc O conjunto de dados deve ser uma s rie temporal de n veis de pre os brutos Primeiro GARCH converte os pre os em retornos relativos e executa uma otimiza o interna para ajustar os dados hist ricos a uma estrutura a termo de volatilidade de revers o m dia supondo que a volatilidade natureza heterosced stica se altera com o tempo de acordo com algumas caracter sticas econom tricas Diversas varia es dessa metodologia est
314. quidade do terceiro momento tr s e a pot ncia mais alta para o quarto momento quatro Primeiro momento m dia aritm tica ou m dia simples amostra A fun o equivalente do Excel DESVPAD para o desvio padr o de uma amostra A fun o equivalente do Excel DESVPADP para o desvio padr o de uma popula o Manual do Usu rio Risk Simulator 41 O 2005 2012 Real Options Valuation Inc Terceiro momento obliquidade n 3 obliquidade s D Ore A fun o equivalente do Excel n n Da s INCLINA O Quarto momento curtose n n 1 5 x 7 3 n D n I n 2 X n 3 m 8 n 2 n 3 A fun o equivalente do Excel CURT curtose 2 3 6 No es b sicas sobre distribui es de probabilidade na simula o Monte Carlo Esta se o demonstra a for a da simula o Monte Carlo mas antes de come ar a simula o necess rio entender o conceito de distribui es de probabilidade Para come ar a entender probabilidade considere este exemplo voc quer analisar a distribui o de sal rios sem isen es em um departamento de uma grande empresa Primeiro voc coleta dados brutos neste caso os sal rios de cada funcion rio n o isento no departamento Depois organiza os dados em um formato v lido e plota os dados como uma distribui o de frequ ncia em um gr fico Para criar uma distribui o de frequ ncia divida os sal rios em intervalos de grupos e liste esses intervalos no eix
315. r Taxas de crescimento polinomiais 3 Selecione o tipo de fun o e os per odos de extrapola o necess rios e clique em OK Ano M s Per odo Vendas Pianola 2004 1 1 1 00 2004 2 2 6 73 A extrapola o n o linear usada para criar proje es de 2004 3 3 20 52 previs es de s rie temporal estat sti as por meio da g aplica o de tend ncias hist ricas til quando as 2004 4 4 45 25 tend ncias hist rias s o n o lineares e t m bom 2004 5 5 83 59 comporem A extrapola o mais adequada para 2004 6 6 138 01 reviades Co curto prazo 2004 7 F 210 87 r Tipo de fun o 2004 8 8 304 44 p ia PERL TO TATE o autom tica C C 2004 9 9 5420 89 Ein dois gabi FESE RA 2004 10 10 562 34 E E E 2004 11 11 730 85 Nomaro da portodos da crianoa o 34 2004 12 12 928 43 i Real Options lt Valuation www realoptionsvaluation com Figura 3 11 Execu o de uma extrapola o n o linear Extrapola o n o linear Resumo estat stico Aextrapola o envolve a cria o de proje es estat sticas usando tend ncias hist ricas projetadas para um per odo de tempo espec fico no futuro Usa se somente para previs es de s ries temporais Par dados de se o transvers o ou combinados s rie temporal com dados de se o transversal a regress o multivariada mais apropriada Esta metodologia til quando n o se espera altera es significativas ou seja espera se que os fatore
316. r fico de previs o indicando a faixa tima N mero de tentativas da simula o H N mero de execu es da otimiza o 24 Cancelar Figura 4 10 Configura o do problema de otimiza o estoc stica Quando a simula o for conclu da clique em OK para gerar um relat rio de otimiza o estoc stica detalhado contendo gr ficos de previs o das vari veis de decis o Exibir e interpretar A otimiza o estoc stica realizada quando primeiro executada uma resultados de previs es simula o e depois uma otimiza o Em seguida toda a an lise repetida v rias vezes O resultado uma distribui o de cada vari vel de decis o em vez de uma estimativa de nico ponto Figura 4 11 Isso significa que em vez de dizer que voc deve investir 31 08 no ativo 1 a decis o tima investir entre 30 77 e 31 32 desde que o portf lio total some 100 Dessa forma os resultados d o ao gestor ou aos Manual do Usu rio Risk Simulator 125 O 2005 2012 Real Options Valuation Inc tomadores de decis o a uma faixa de flexibilidade dentro das decis es timas ao mesmo tempo em que levam em considera o os riscos e as incertezas das entradas Notas e Simula o super r pida com otimiza o Voc tamb m pode executar uma otimiza o estoc stica com a simula o super r pida Para fazer isso redefina a otimiza o redefinindo todas as quatro vari veis de decis o de volta a 25 Em s
317. r de embaralhamento aleat rio port til gerador r pido de hexadecimais IEEE gerador port til m nimo b sico 21 Dois m todos de amostragem Monte Carlo e hipercubo latino 22 Tr s c pulas de correla o aplica o de c pula normal c pula T e c pula quase normal para simula es correlacionadas 23 Quarenta e duas distribui es de probabilidade arco seno Bernoulli beta beta 3 beta 4 binomial Cauchy qui quadrada cosseno Manual do Usu rio Risk Simulator 10 O 2005 2012 Real Options Valuation Inc personalizada uniforme discreta logar tmica dupla Erlang exponencial exponencial 2 distribui o F gama geom trica m ximo de Gumbel m nimo de Gumbel hipergeom trica Laplace log stica lognormal aritm tica e lognormal log lognormal 3 aritm tica e lognormal 3 log binomial negativa normal parab lica Pareto Pascal Pearson V Pearson VI PERT Poisson pot ncia pot ncia 3 Rayleigh T e T2 triangular uniforme Weibull Weibull 3 24 Par metros alternativos uso de percentis como uma alternativa inser o de par metros 25 Distribui o n o param trica personalizada crie suas pr prias distribui es executando simula es hist ricas e aplicando o m todo Delphi 26 Truncamento de distribui o habilita o de limite de dados 27 Fun es do Excel defina suposi es e previs es usando fun es no Excel 28 Simula o multidimensional simula o de
318. ra os seus dados e Para come ar recomend vel carregar o arquivo de exemplo A bastante abrangente que inclui dados e alguns modelos pr criados S Clique duas vezes em cada um desses modelos para execut los Os resultados s o mostrados na rea de relat rio J que algumas vezes pode ser um gr fico ou as estat sticas do modelo T U Usando o arquivo de exemplo voc pode ver como os par metros de entrada H s o inseridos de acordo com a descri o do modelo G e pode continuar a criar seus pr prios modelos e Clique nos cabe alhos de vari vel D para selecionar uma ou v rias vari veis ao mesmo tempo Clique com o bot o direito do mouse para adicionar excluir copiar colar ou exibir P as vari veis selecionadas Manual do Usu rio Risk Simulator 181 O 2005 2012 Real Options Valuation Inc e Os modelos tamb m podem ser inseridos por um console de comando V W X Para ver seu funcionamento clique duas vezes para executar um modelo S e v para o console de comando V poss vel replicar o modelo ou criar um modelo pr prio e clicar em Executar comando X quando voc estiver pronto Cada linha do console representa um modelo e seus par metros relevantes e Todoo perfil bizstats no qual os dados e os v rios modelos s o criados e salvos pode ser editado diretamente em XML Z Para fazer isso abra o editor de XML no menu Arquivo As altera es no perfil podem ser feitas por meio de prog
319. ra um exemplo de sele o tima de projetos que maximiza a raz o de Sharpe Em contraste sempre poss vel maximizar as receitas totais mas como anteriormente esse um processo trivial no qual simplesmente se escolhe o projeto de maior retorno e percorre se a lista at ficar sem dinheiro ou exceder a restri o de or amento Isso teoricamente render projetos indesej veis pois os projetos de maior rendimento geralmente apresentam riscos mais altos Agora se desejar voc pode replicar a otimiza o usando uma otimiza o estoc stica ou din mica adicionando suposi es nos valores de VPLE custo ou risco F Otimiza o conclu da Taxa de E Projetos VPLE custo Riscos Risco mo j kpa risco Projeto 1 458 00 1 732 44 54 96 12 00 8 33 1 26 Projeto 2 1 954 00 859 00 1 914 92 98 00 1 02 3 27 Projeto 3 1 599 00 1 845 00 1 551 03 97 00 1 03 1 87 Projeto 4 2 251 00 1 645 00 1 012 95 45 00 2 22 2 37 Projeto 5 849 00 458 00 925 41 109 00 0 92 2 85 Projeto 6 758 00 52 00 560 92 74 00 1 35 15 58 Projeto 7 2 845 00 758 00 5 633 10 198 00 0 51 4 75 T Projeto 8 1 235 00 115 00 926 25 75 00 1 33 11 74 Projeto 9 1 945 00 125 00 2 100 60 108 00 0 93 16 56 Rumber of var Tates p Projeto 10 2 250 00 458 00 1 912 50 85 00 1 18 5 91 Objective function will be Maximized Projeto 11 549 00 45 00 263 52 48 00 2 08 13 20 7 Starting values Projeto 12 525 00 105 00 309 75 59 00
320. rama o e entrar o em vigor quando o arquivo for salvo Dicas e Click no cabe alho da s coluna s para selecionar a s coluna s inteira s ou vari vel eis e uma vez selecionado pressione o bot o da direita do seu mouse no cabe alho para Auto Ajuste auto ajuste da coluna Cortar Copiar Apagar ou Colar dados Voc poder tamb m clicar nos m ltiplos cabe alhos de colunas e selecion las e com o bot o da direita do mouse escolher e op o Visualizar para visualizar os gr ficos e Caso a tenha um valor que completamente visualizado clique sobre a c lula e paire com o ponteiro sobre a mesma de forma visualizar o conte do completo da c lula ou simplesmente redimensione a mesma para que todo o valor seja visualizado normalmente ou arraste a borda esquerda no cabe alho da coluna da c lula desejada para aument la ou d dois cliques na mesma borda ou ent o com o bot o da direita acionado escolha Auto Ajuste e Use as teclas acima abaixo esquerda direta para mover se em torno da c lula ou utiliza as teclas Home e End do seu teclado para movimentos mais amplos nas linhas a serem editadas Tamb m poss vel utilizar a combina o de teclas tais como Ctrl Home para pular para o topo da coluna posicionada esquerda que tenha alguma c lula com algum valor Ctrl End para pular para o extremo direito inferior da coluna que contenha algum valor registrado Da mesma forma acionando o comando Shift Up D
321. rande o tornado pode ser executado na primeira vez com todas as configura es padr o e mostrando todos os precedentes selecione Mostrar todas as vari veis Esta an lise nica pode resultar em um relat rio grande e gr ficos tornado muito grandes e potencialmente confusos Por m ela um timo ponto de partida para determinar a quantidade de precedentes considerados fatores cr ticos de sucesso por exemplo o gr fico tornado pode mostrar que as primeiras cinco vari veis t m alto impacto sobre o resultado ao passo que as 200 vari veis restantes exercem pouco ou nenhum impacto Nesse caso uma segunda an lise tornado executada com menos vari veis selecione Mostrar as 10 vari veis principais se as primeiras cinco forem cr ticas o que cria um bom relat rio e um gr fico tornado que mostra um contraste entre os fatores chave e os fatores menos cr ticos ou seja voc nunca deve mostrar um gr fico tornado com apenas as vari veis chave sem mostrar algumas vari veis menos cr ticas para que haja assim um contraste sobre os efeitos no resultado e Valores padr o os pontos de teste padr o podem ser aumentados de 10 para um valor maior a fim de testar n o linearidades o gr fico aranha mostra linhas n o lineares e os gr ficos tornado s o obl quos para um dos lados se os efeitos dos precedentes forem n o lineares Manual do Usu rio Risk Simulator 213 O 2005 2012 Real Options Valuation Inc e Valores
322. rap n o param trico pode ser definida como uma simula o baseada em uma simula o Ap s executar uma simula o as estat sticas resultantes s o exibidas mas a precis o de tais estat sticas e sua signific ncia estat stica podem ser s vezes question veis Por exemplo se a estat stica de obliquidade de uma execu o de simula o for 0 10 essa distribui o ser de fato negativamente inclinada ou o valor ligeiramente negativo pode ser atribu do a uma chance aleat ria E quanto a 0 15 ou 0 20 etc Ou seja qual deve ser a dist ncia para que a distribui o seja considerada negativamente inclinada A mesma pergunta pode ser aplicada a todas as outras estat sticas Uma distribui o estatisticamente id ntica a outra com rela o a algumas estat sticas calculadas ou s o significativamente diferentes A Figura 5 17 mostra alguns resultados do bootstrap de exemplo Por exemplo a estat stica de obliquidade de 90 por cento de confian a est entre 0 0189 e 0 0952 de tal forma que o valor O est nessa faixa de confian a indicando que com 90 por cento de confian a a obliquidade dessa previs o n o estatisticamente muito diferente de zero ou que a distribui o pode ser considerada sim trica e n o obl qua Inversamente se o valor O est fora da faixa de confian a o contr rio ser verdadeiro a distribui o ser obl qua inclinada positivamente se a estat stica de previs o for positiva e incl
323. res esperados Em algumas circunst ncias valores extremos podem ter um impacto maior menor ou n o equilibrado por exemplo podem ocorrer n o linearidades onde houver aumento ou diminui o das economias de escala e imprevistos do escopo para valores maiores ou menores de uma vari vel e somente uma faixa mais ampla captura esse impacto n o linear Um gr fico tornado lista todas as entradas que controlam o modelo come ando pela vari vel de entrada que exerce o maior efeito nos resultados O gr fico obtido pela perturba o de cada entrada precedente em uma faixa consistente por exemplo 10 do caso b sico de cada vez e pela compara o dos resultados com o caso b sico Um gr fico aranha se assemelha a uma aranha com um corpo central e muitas patas salientes A linha positivamente inclinada indica uma rela o positiva e uma linha negativamente inclinada indica uma rela o negativa Al m disso os gr ficos aranha podem ser usados para mostrar rela es lineares e n o lineares Os gr ficos tornado e aranha ajudam a identificar os fatores cr ticos de sucesso de uma c lula de resultado para identificar as entradas que devem ser simuladas As vari veis cr ticas identificadas como incertas s o aquelas que devem ser simuladas N o desperdice tempo simulando vari veis que n o s o incertas ou que exercem pouco impacto nos resultados Resultado Valor de base 96 6261638553219 Altera es da entrada Queda do Aumen
324. ri veis ex genas independentes para prever a vari vel dependente da s rie temporal Na interpreta o dos resultados do modelo ARIMA a maioria das especifica es id ntica an lise de regress o multivariada consulte Modeling Risk 2 edi o do Dr Johnathan Mun para obter mais detalhes t cnicos sobre a interpreta o dos modelos de an lise de regress o multivariada e ARIMA H entretanto diversos conjuntos adicionais de resultados espec ficos an lise ARIMA como observado na Figura 3 14 A primeira a adi o do crit rio de informa o de Akaike AIC e do crit rio de Schwarz SC que s o normalmente usados na sele o e na identifica o do modelo ARIMA Ou seja o AIC e o SC s o usados para determinar se um modelo particular com um conjunto de par metros espec ficos p d e q um bom ajuste estat stico O SC imp e uma penalidade maior para coeficientes adicionais do que o AIC mas em geral o modelo com os menores valores de AIC e SC devem ser escolhidos Finalmente um conjunto de resultados adicional chamado de estat sticas de autocorrela o AC e autocorrela o parcial PAC fornecido no relat rio ARIMA Por exemplo se a autocorrela o AC 1 diferente de zero as s ries s o correlacionadas em s rie de primeira ordem Se a AC for extinta mais ou menos geometricamente com uma defasagem crescente isso implica que a s rie segue um processo autorregressivo de ordem inferior Se a AC ca
325. ro de m dia voc pode estimar o par metro de escala O par metro de escala um n mero maior que 0 Quanto maior o par metro de escala maior a vari ncia Requisitos de entrada Beta da escala gt 0 podendo ser qualquer valor positivo Alfa da m dia pode ser qualquer valor A distribui o lognormal amplamente usada em situa es nas quais os valores s o positivamente inclinados por exemplo em an lises financeiras para avalia o de t tulos ou avalia es de propriedades nas quais os valores n o podem ficar abaixo de zero Os pre os de a es normalmente s o positivamente inclinados em vez de distribu dos normalmente simetricamente Os pre os de a es apresentam essa tend ncia pois n o podem cair abaixo do limite mais baixo que zero mas podem aumentar at atingir qualquer pre o sem limite Do mesmo modo os pre os de im veis demonstram obliquidade positiva pois n o podem tornar se negativos Condi es As tr s condi es subjacentes distribui o lognormal s o e As vari veis incertas podem crescer sem limites mas n o podem ficar abaixo de zero e A vari vel incerta tem uma obliquidade positiva com a maioria dos valores perto do limite inferior e O logaritmo natural da vari vel incerta produz uma distribui o normal Manual do Usu rio Risk Simulator 61 O 2005 2012 Real Options Valuation Inc Distribui o lognormal deslocada Geralmente se o coeficiente de variab
326. roblemas usando uma rotina de otimiza o iterativa para maximizar uma fun o de probabilidade de log quando as vari veis dependentes forem limitadas Uma regress o logit ou log stica usada para prever a probabilidade de ocorr ncia de um evento ao ajustar os dados em uma curva log stica um modelo linear generalizado usado para regress o binomial e como muitas formas de an lise de regress o usa diversas vari veis de previs o que podem ser num ricas ou categ ricas O MLE aplicado em uma an lise log stica multivariada bin ria usado para modelar vari veis dependentes que determinam a probabilidade esperada de xito de pertencer a um determinado grupo Os coeficientes estimados para o modelo logit s o as propor es de chances logar tmicas e n o podem ser interpretados diretamente como probabilidades necess rio antes um c lculo r pido e a abordagem simples Especificamente o modelo logit definido como Y estimado LN Pi 1 Pi ou alternativamente Pi EXP Y estimado 1 EXP Y estimado e os coeficientes Bi s o propor es de chances de log sendo assim ao usar o antilog ou EXP Pi obt m se as propor es de chances de Pi 1 Pi Isso significa que com um aumento de uma unidade em Pi a propor o de chances de log aumentam de acordo com esse valor Finalmente a taxa de altera o na probabilidade dP dX BiPi 1 Pi O erro padr o mede a precis o dos coeficientes previstos enquanto as estat
327. ros de distribui o C lculo de par metros H dois par metros padr o para a distribui o de valor extremo moda e escala O par metro moda o valor de maior probabilidade para a vari vel o ponto mais alto na distribui o da probabilidade Depois de selecionar o par metro de moda voc pode estimar o par metro de escala O par metro de escala um n mero maior que 0 Quanto maior o par metro de escala maior a vari ncia Requisitos de entrada Alfa da moda pode ser qualquer valor Beta da escala gt 0 A distribui o F tamb m conhecida como a distribui o de Fisher Snedecor outra distribui o cont nua usada mais frequentemente para o teste de hip teses Especificamente ela usada para testar a diferen a estat stica entre duas vari ncias na an lise de testes de vari ncia e testes de ndice de verossimilhan a A distribui o F com o grau de liberdade do numerador n e grau de liberdade do denominador m est relacionada distribui o qui quadrada pois 2 n 4 Xn M n m Xn m m dia E m 2 2m m n 2 n m 2 m 4 desvio padr o para todos os m gt 4 Manual do Usu rio Risk Simulator 57 O 2005 2012 Real Options Valuation Inc Distribui o gama distribui o Erlang 2Xm 2n 2 Mm 4 m 6 n m n 2 obliquidade curtose excessiva 12 16 20m 8m m 44n 32mn 5m n 22n 5mn n m 6m 8 n m 2 O grau de liberdade do numerador n e
328. rtf lio vista nas c lulas E6 E15 Ou seja sabendo se que as restri es de cada ativo flutuam entre 5 e 35 e que a soma da aloca o deve ser igual a 100 a aloca o que maximiza a taxa de retorno sobre o risco vista na Figura 4 3 Alguns pontos importantes devem ser observados ao revisar os resultados e os procedimentos de otimiza o realizados at agora Manual do Usu rio Risk Simulator A forma correta de executar a otimiza o maximizar a rela o custo benef cio ou a raz o de Sharpe conforme fizemos Se em vez disso maximizarmos os retornos totais do portf lio o resultado de aloca o tima ser trivial e n o exigir otimiza o para ser obtido Ou seja simplesmente aloque 5 o m nimo necess rio para os 8 ativos mais baixos 35 o m ximo permitido para o ativo de maior retorno e o restante 25 para os ativos com os segundos melhores retornos A otimiza o n o obrigat ria Contudo ao alocar o portf lio dessa forma o risco ser bem maior do que quando a taxa de retornos sobre o risco maximizada apesar de os retornos do portf lio serem maiores Em contraste poss vel minimizar o risco total do portf lio mas os retornos agora ser o menores 116 2005 2012 Real Options Valuation Inc Da tabela a melhor abordagem maximizar a taxa de retorno sobre o risco ou seja para a mesma quantidade de risco a aloca o fornece a maior quantidade de retorno Por outro lado par
329. s 5 a8 e 10 As curvas spline podem ser usadas para interpolar os valores de taxa de juros dos anos ausentes com base nos dados existentes As curvas spline tamb m podem ser usadas para prever ou extrapolar valores de per odos de tempo futuros al m do per odo de tempo dos dados disponiveis Os dados podem ser lineares ou n o lineares A Figura 3 21 ilustra como um spline c bico executado e a Figura 3 22 mostra o relat rio de previs o resultante deste m dulo Os valores de X conhecidos representam os valores no eixo X de um gr fico no nosso exemplo os anos das taxas de juros conhecidas e geralmente o eixo x apresenta os valores previamente conhecidos como o tempo ou o n mero de anos e os valores conhecidos de Y representam os valores no eixo y no nosso caso as taxas de juros conhecidas A vari vel do eixo y geralmente aquela na qual voc deseja interpolar valores ausentes ou extrapolar os valores para o futuro Manual do Usu rio Risk Simulator 107 2005 2012 Real Options Valuation Inc A B E F G H J K L M 1 P 2 gt Real Options 3 Interpola o e extrapola o de spline c bica V Valuation 4 waw realoptionsvaluation com 5 O modelo de interpola o e extrapola o polinomial de spline c bica usado 6 para preencher as lacunas de rendimentos vista ausentes e da estrutura a prazo de taxas de juros 7 segundo o qual o modelo pode ser usado para interpolar pontos de dados ausent
330. s Quick Average Combinatorial Fuzzy Logic Forecasting Control Chart C Control Chart NP Control Chart P Control Chart R Control Chart U Control Chart X Control Chart XMR Correlation Correlation Linear Nonlinear Count Covariance Cubic Spline Custom Econometric Model Data Descriptive Statistics Deseasonalize Difference Distributional Fitting Exponential J Curve GARCH Heteroskedasticity Lag Lead Limited Dependent Variables Logit Limited Dependent Variables Probit Limited Dependent Variables Tobit Linear Interpolation Linear Regression LN Log Logistic S Curve Markov Chain Max Median Min Mode Neural Network Nonlinear Regression Nonparametric Chi Square Goodness of Fit Nonparametric Chi Square Independence Nonparametric Chi Square Population Variance Nonparametric Friedman s Test Nonparametric Kruskal Wallis Test Nonparametric Lilliefors Test Nonparametric Runs Test Nonparametric Wilcoxon Signed Rank One Var Nonparametric Wilcoxon Signed Rank Two Var Parametric One Variable T Mean Parametric One Variable Z Mean Parametric One Variable Z Proportion Parametric Two Variable F Variances Parametric Two Variable T Dependent Means Parametric Two Variable T Independent Equal Variance Parametric Two Variable T Independent Unequal Variance Parametric Two Variable Z Independent Means Parametric Two Variable Z Independent Proportions Power Principal Compone
331. s o os resultados Manual do Usu rio Risk Simulator 168 O 2005 2012 Real Options Valuation Inc Na se o Correla es h tr s m todos c pula normal c pula T e c pula quasi normal Esses m todos usam t cnicas de integra o matem ticas e quando h d vidas a c pula normal fornece os resultados mais seguros e conservadores A c pula t fornece valores extremos nas caudas das distribui es simuladas enquanto a c pula quasi normal retorna valores que est o entre esses valores Na se o M todos de simula o h os m todos de simula o Monte Carlo MCS e amostragem por hipercubo latino LHS Observe que as c pulas e as outras fun es multivariadas n o s o compat veis com o LHS Isso acontece porque o LHS pode ser aplicado a uma nica vari vel mas n o a uma distribui o em conjunto Na realidade o LHS possui impacto muito limitado na precis o do resultado do modelo quanto mais distribui es houver em um modelo uma vez que o LHS s se aplica a distribui es individualmente A vantagem do LHS tamb m ser comprometida se uma pessoa n o concluir o n mero de amostras determinadas no in cio isto se a simula o for interrompida ap s o in cio O LHS tamb m aplica uma carga pesada em um modelo de simula o com um grande n mero de entradas porque precisa gerar e organizar amostras de cada distribui o antes de executar a primeira amostra de uma distribui o Isso pode causar uma long
332. s causais permane am constantes ou quando os fatores causais de uma situa o n o s o claramente entendidos Isso tamb m desestimula a inser o de vieses pessoais no processo A extrapola o bastante confi vel relativamente simples e barata No entanto a extrapola o que sup e que tend ncias recentes e hist ricas ter o continuidade produz grandes erros de previs o em caso de descontinuidades dentro do per odo de tempo projetado Isto a extrapola o pura da s rie temporal sup e que tudo o que se conhece esteja contido nos valores hist ricos da s rie que est sendo prevista Se supormos que o comportamento passado um bom indicador do comportamento futuro a extrapola o ser atraente Assim ela uma abordagem til quando s se necessita de muitas previs es de curto prazo Esta metodologia estima a fun o f x para qualquer valor de x arbitr rio interpolando uma curva n o linear suavizada em todos os valores de x e usando essa curva suavizada extrapola os valores futuros de x al m do conjunto de dados hist rico O m todo emprega a forma da fun o polinomial ou a forma funcional racional uma propor o de dois polin mios Em geral uma forma funcional polinomial suficiente para dados bem comportados entretanto as formas funcionais racionais podem ser s vezes mais exatas principalmente com fun es polares ou seja fun es com denominadores que se aproximam de zero Per odo Real Ajuste d
333. s de Incerteza ou Payoffs Terminal para modelar Passo 3 Decida se voc deseja mudar a probabilidade do evento por conta pr pria ou todos os eventos de probabilidade id ntica de uma vez 9 Analise as entradas em grupos Analise as entradas individualmente V Auto sele o membros do grupo N s de Decis o N s de Incerteza e N s Terminal Passo 4 Entre com o intervalo do cen rio de entrada range N eID ROV Visual Modeler User Manual Valor N eID Probabilidade Cr tico 1 1 Tempo de conclus E Tempo de conclus Cr tico 1 2 E Tempo de conclus E Tempo de conclus Tempo de conclus o A 7 12Dias 14 Dias V 18 Dias Tempo de conclus o B 12Dias 14 Dias V 18 Dias 30 00 203 5 00 ara 50 00 TAMANHO 5 00 Payoff 44 50 DE 35 00 ARA 50 00 TAMANHO 2 50 Cesar O cr fcoperiho Ocrifcoporcora ioana 37 50 4500 47 50 50 00 123 93 E 12420 12428 12437 12567 125 85 12620 12637 126 55 12740 127 67 12819 12845 128 72 12914 12949 13019 130 54 130 89 130 88 131 31 13219 13263 133 06 13261 13313 13418 13471 135 23 13435 13618 136 80 13741 136 08 13818 13888 139 58 137 82 14018 140 97 14175 E 12714 128 79 130 44 EE 127 93 129 84 131 75 133 66 135 57 137 48 139 39 139 55 14130 14218 14305 14393 Ber RE Do SARhE 44 46 Payoff 44 50 Figura 5 66 ROV Decision Tree Tabelas de
334. s devem ser removidas e os dados devem passar por uma limpeza antes da execu o de uma an lise de regress o A an lise aqui apenas identifica as discrep ncias cabendo ao usu rio determinar se elas devem permanecer ou serem exclu das s vezes uma rela o n o linear entre as vari veis dependente e independente mais apropriada do que uma rela o linear Nesses casos executar uma regress o linear n o ser uma boa op o Se o modelo linear n o for a forma correta as estimativas de inclina o e a intercepta o e os valores ajustados na regress o linear ser o polarizados e as estimativas de inclina o e intercepta o ajustadas n o ser o significativas Acima de uma faixa restrita de vari veis dependentes ou independentes os modelos n o lineares podem ser bem aproximados por modelos lineares isso a base da interpola o linear mas para uma previs o precisa necess rio selecionar um modelo apropriado para os dados Uma transforma o n o linear deve ser aplicada primeiro aos dados antes de executar uma regress o Uma abordagem simples tomar o logaritmo natural da vari vel independente outras abordagens incluem tomar a raiz quadrada ou elevar a vari vel independente segunda ou terceira pot ncia e executar uma regress o ou uma previs o usando os dados transformados n o linearmente Resultados do diagn stico Heteroscedasticidade Micronumerosidade Observa es discrepantes N
335. s previstos e as estat sticas t s o os ndices de cada coeficiente previsto para seu erro padr o A estat stica t usada em testes de hip teses nos quais poss vel definir a hip tese nula Ho de tal maneira que a m dia real do coeficiente 0 e a hip tese alternativa Ha de tal maneira que a m dia real do coeficiente seja diferente de 0 Um teste t executado e a estat stica t calculada comparada aos valores cr ticos nos graus de liberdade relevantes para o residual O teste t muito importante pois calcula se cada um dos coeficientes estatisticamente significativo na presen a de outros regressores Isso significa que o teste t verifica estatisticamente se um regressor ou uma vari vel independente deve permanecer na regress o ou ser descartada O coeficiente estatisticamente significativo se a sua estat stica t calculada excede a estat stica t cr tica nos graus de liberdade relevantes df Os tr s principais n veis de confian a usados para testar a signific ncia s o 90 95 e 99 Se a estat stica t de um coeficiente exceder o n vel cr tico ela ser considerada estatisticamente relevante Como alternativa o p valor calcula a probabilidade de ocorr ncia de cada estat stica t o que significa que quanto menor o p valor mais significativo o coeficiente Os n veis de signific ncia do p valor costumam ser 0 01 0 05 e 0 10 o que corresponde aos n veis de confian a 99 95 e 90 Os coeficientes cuj
336. scos adicionando restri es nas quais o n mero total Manual do Usu rio Risk Simulator 117 O 2005 2012 Real Options Valuation Inc de projetos escolhidos n o pode exceder 6 etc Todos esses itens podem ser executados usando o modelo existente Procedimento Abra o arquivo de exemplo e inicie um novo perfil clicando em Risk Simulator Novo perfil e nomeie o A primeira etapa na otimiza o configurar as vari veis de decis o Para definir a primeira vari vel selecione a c lula J4 e Risk Simulator Otimiza o Definir decis o clique no cone de v nculo para escolher o nome da c lula B4 e selecione a vari vel Bin ria Em seguida usando a fun o de c pia do Risk Simulator copie a vari vel de decis o da c lula J4 e cole a nas c lulas restantes em J5 e J15 Esse o melhor m todo caso tenha muitas vari veis de decis o poss vel dar a cada vari vel um nome exclusivo para posterior identifica o A segunda etapa na otimiza o definir a restri o H duas restri es aqui a aloca o do or amento total no portf lio deve ser menor que 5 000 e o n mero total de projetos n o deve exceder 6 Assim clique em Risk Simulator Otimiza o Restri es e selecione ADICIONAR para adicionar uma nova restri o Em seguida selecione a c lula D17 e a fa a menor ou igual lt a 5000 Repita definindo a c lula J17 lt 6 A etapa final na otimiza o definir a fun o do objeti
337. scrito por meio de medidas como desvios padr o varia es quartis e intervalos interquart licos O desvio padr o indica o desvio m dio de todos os pontos de dados em rela o sua m dia uma medida popular pois est associada ao risco os desvios padr o mais altos significam uma distribui o mais ampla risco mais alto ou dispers o mais ampla dos pontos de dados em torno da m dia e suas unidades s o id nticas ao conjunto de dados original O desvio padr o da amostra diferente do desvio padr o da popula o pois o primeiro usa uma corre o de grau de liberdade para contabilizar amostras pequenas Al m disso os intervalos de confian a inferior e superior s o fornecidos e o desvio padr o da popula o real se encontra nesse intervalo Se o seu conjunto de dados cobre cada elemento da popula o use o desvio padr o da popula o As duas medidas de vari ncia s o simplesmente os valores quadrados dos desvios padr o O coeficiente de variabilidade o desvio padr o da amostra dividido pela m dia da amostra sendo uma medida de dispers o sem unidade que pode ser comparada em distribui es diferentes agora voc pode comparar distribui es de valores denominados em milh es de d lares com um valor em bilh es de d lares ou metros e quilogramas etc O primeiro quartil mede o 25 percentil dos pontos de dados quando organizados do menor para o maior valor O terceiro quartil o valor do ponto de dados do 75 per
338. se o tamanho da sua amostra tamb m conhecido como o n mero de tentativas em uma simula o O n mero de tortilhas quebradas em cada caixa o seguinte 24 22 4 15 33 32 4 1 45 e 2 O n mero m dio calculado de tortilhas quebradas 18 2 Com base nessas 10 amostras ou tentativas a m dia 18 2 unidades enquanto com base na amostra o intervalo de confian a de 80 por cento est entre 2 e 33 unidades ou seja 80 por cento do tempo o n mero de tortilhas quebradas est entre 2 e 33 com base nesse tamanho da amostra ou no n mero de tentativas executadas No entanto como ter certeza de que 18 2 a m dia correta Seriam 10 tentativas o suficiente para estabelecer isso O intervalo de confian a entre 2 e 33 muito amplo e muito vari vel Suponha que voc queira um valor de m dia mais preciso no qual o erro 2 tortilhas 90 por cento do tempo isso significa que se voc abrir cada uma das 1 milh o de caixas fabricadas em um dia 900 000 delas ter o O 2005 2012 Real Options Valuation Inc em m dia 2 tortilhas quebradas Quantas caixas de tortilhas adicionais seriam necess rias na amostra ou tentativas executadas para obter esse n vel de precis o Aqui as 2 tortilhas s o o n vel de erro enquanto os 90 por cento s o o n vel de precis o Se um n mero suficiente de tentativas for executado o intervalo de confian a de 90 por cento ser id ntico ao n vel de precis o de 90 por cento no qual um
339. se de sensibilidade Taxa de desconto ajustada pelo risco de r 15 00 Soma dos investimentos 1 800 00 y SE Taxa de desconto de risco privado 5 00 Valor presente liquido E 5 A an lise de sensibilidade cria pata antes din micas a Taxa anualizada de crescimento de venda 2 00 Taxa de retomo intema 18 80 Do pera pa perda pads pede m Taxa de eros o dos pre os 5 00 Retorno do investimento 5 37 para identificar fatores cr ticos de sucesso da previs o Taxa de juros efetiva 40 00 Selecione as previs es para executar a an lise de sensibilidade 2005 2006 2007 2008 2009 Nome da previs o Planilha C lula Pre o m dio do produto A Modelo de FDC G6 Pre o m dio do produto B Pre o m dio do produto C Quantidade do produto A Quantidade do produto B Quantidade do produto C Receita total Custo dos bens vendidos Lucro bruto Despesas operacionais Custos de vendas gerais e admin Rendimento operacional EBITDA Valor presente liquido Previs o do Risk Simulator E Histograma Estat sticas Prefer ncias Op es Controles 5 Deprecia o pe Selecionar tud R tulo de gr fico Endere o de c lula Pagamentos de juros EBT Impostos Rendimento liquido 515 24 Figura 5 10 Execu o da an lise de sensibilidade Interpreta o dos Os resultados da an lise de sensibilidade comp e um relat rio e dois resultados gr ficos chave O primeiro um gr fic
340. sira 2 3e 5 9 EE Compare os gr ficos nas duas caixas de entradas personalizadas para gerar os gr ficos gama 2 5 e gama 3 9 Tentativas 1000 Propaga o 123 Paa 1 Gr fico mE tette DAEK REAA A A tA DA At AL Distribui es Gr ficos e tabelas aaa qua a O Or Con YOA pare Co aacanaa al m de formas diferentes de acordo com os diferentes par metros de entrada Para ver v rias distribui es use a ferramenta Gr ficos sobrepostos do Risk Gr ficos e tabelas Tentativas 20 o FDP Probabilidade 05 Gr fico Alterar primeiro par metro Alterar segundo par metro 9 Distribui o te rica Par metro Probabilidade x FDA Distribui o simulada X aleat rio 10 FDA Tentativas Propaga o 0 176197 Figura 5 51 Distribui o de probabilidade ROV tabelas de distribui o Manual do Usu rio Risk Simulator 180 O 2005 2012 Real Options Valuation Inc 5 22 ROV BizStats A nova ferramenta ROV BizStats um m dulo muito r pido e poderoso do Risk Simulator usado para executar estat sticas comerciais e modelos anal ticos nos dados Ela inclui mais de 130 estat sticas comerciais e modelos anal ticos Figuras 5 52 a 5 55 Veja a seguir algumas etapas iniciais sobre a execu o do m dulo e os detalhes sobre cada el
341. sive os cabe alhos B5 G55 2 Clique em Risk Simulator Previs o Regress o m ltipla 3 Selecione a vari vel dependente neste exemplo a vari vel Y e selecione todas as modifica es espec ficas necess rias regressores de defasagem regress o n o linear regress o stepwise e clique em OK Revise os resultados anal ticos do relat rio de regress o gerado ou transi com a vari vel de maior correla o 328 354 266 320 107 Figura 3 7 Execu o de uma regress o multivariada Manual do Usu rio Risk Simulator 84 O 2005 2012 Real Options Valuation Inc Relat rio da an lise de regress o Estat sticas de regress o R2 coeficiente de determina o 0 3272 R2 ajustado 0 2508 R m ltiplo coeficiente de correla o m ltipla 0 5720 Erro padr o das estimativas SEy 149 6720 N mero de observa es 50 R2 ou coeficiente de determina o indica que 0 33 da varia o da vari vel dependente que pode ser explicado e contabilizado pelas vari veis independentes nessa an lise de regress o No entanto em uma regress o m ltipla o R2 ajustado considera a exist ncia de outras vari veis independentes ou regressores e ajusta esse valor de R2 para obter uma vis o mais precisa da for a de explica o da regress o Assim apenas 0 25 da varia o da vari vel dependente pode ser explicado pelos regressores O coeficiente de correla o m ltipla R m ltiplo med
342. slocamento dos resultados de acordo com um par metro de local para permitir que a faixa de resultados seja expandida al m de seus limites naturais de O e 1 com um ponto de partida diferente de 0 Alfa beta local e fator s o os par metros de entrada Requisitos de entrada Alfa gt 0 Beta gt 0 Local pode ser qualquer n mero positivo ou negativo incluindo zero Fator gt 0 Manual do Usu rio Risk Simulator 53 O 2005 2012 Real Options Valuation Inc Distribui o Cauchy Lorentz ou Breit Wigner Manual do Usu rio Risk Simulator 54 A distribui o Cauchy tamb m chamada de distribui o de Lorentz ou de Breit Wigner uma distribui o cont nua que descreve comportamento ressonante Ela tamb m descreve a distribui o de dist ncias horizontais nas quais um segmento de linha inclinado a um ngulo aleat rio corta o eixo x Os construtos matem ticos da distribui o Cauchy ou Lorentz s o os seguintes 1 y 2 A a mT y 4 A distribui o Cauchy um caso especial em que n o h momentos te ricos m dia desvio padr o obliquidade e curtose j que todos s o indefinidos Localiza o da moda o e escala s o os nicos par metros nesta distribui o O par metro de localiza o especifica o pico ou a moda da distribui o enquanto o par metro de escala especifica a metade da largura na metade do m ximo da distribui o Al m disso a m dia e a vari ncia de uma distribui o
343. so exclua perfis e Local do perfil os perfis criados por voc contendo as suposi es as previs es as vari veis de decis o os objetivos as restri es etc s o salvos como uma planilha oculta criptografada por isso que quando voc salva o arquivo da pasta de trabalho do Excel o perfil tamb m automaticamente salvo DICAS menu de atalho e outras teclas de atalho e Clicar com o bot o direito do mouse para abrir o menu de atalho do Risk Simulator clique com o bot o direito do mouse em uma c lula em qualquer lugar no Excel DICAS salvar e Salvar o arquivo do Excel salva as configura es do perfil as suposi es as previs es as vari veis de decis o e o seu modelo do Excel incluindo relat rios gr ficos e extra es de dados do Risk Simulator Manual do Usu rio Risk Simulator 211 2005 2012 Real Options Valuation Inc e Salvar configura es do gr fico salva as configura es de gr fico de previs o de maneira que possam ser recuperadas e aplicadas a gr ficos de previs es futuros use os cones de salvar e abrir nos gr ficos de previs o e Salvar e extrair dados simulados no Excel extrai as suposi es e as previs es de uma execu o simulada mas o arquivo do Excel ainda precisar ser salvo para preservar os dados para recupera o posterior e Salvar gr ficos e dados simulados no Risk Simulator use o Risk Simulator a extra o de dados e salve em um arquivo RiskSi
344. specifica es do modelo e retorna o modelo mais apropriado A execu o de AutoARIMA semelhante execu o das previs es ARIMA normais A diferen a que as entradas P D e Q n o s o obrigat rias e diferentes combina es desses valores s o automaticamente executados e comparados A econometria se refere a um ramo de t cnicas de previs o modelagem e an lise de neg cios para modelar o comportamento ou prever certas vari veis de neg cios economia finan as f sica fabrica o opera es e outras A execu o de modelos de Econometria b sica semelhante execu o da an lise de regress o normal exceto que as vari veis independentes e dependentes podem ser modificadas antes da execu o de uma regress o Semelhante econometria b sica mas executa automaticamente milhares de vari veis lineares n o lineares interativas defasadas e mistas nos dados para determinar o modelo econom trico mais apropriado que descreve o comportamento da vari vel dependente til para modelar os efeitos das vari veis e para prever resultados futuros sem exigir que o analista seja um econometrista especializado O termo l gica difusa derivado da teoria de conjuntos difusos ou Fuzzy para lidar com o racioc nio que seja aproximado e n o exato Essa l gica se contrap e l gica cl sica na qual os conjuntos bin rios t m l gica bin ria As vari veis de l gica difusa podem ter um valor verdadeiro
345. spline tamb m podem ser usadas para prever ou extrapolar valores de per odos de tempo futuros al m do per odo de tempo dos dados dispon veis Os dados podem ser lineares ou n o lineares s vezes as vari veis s o estoc sticas e n o podem ser prontamente previstas usando meios tradicionais Essas vari veis s o chamadas de estoc sticas Por m a maioria dos fen menos financeiros econ micos e naturais por exemplo o movimento das mol culas no ar segue uma lei ou relacionamento matem tico conhecido Apesar de os valores resultantes serem incertos a estrutura matem tica fundamental conhecida e pode ser simulada usando a simula o de risco Monte Carlo Os processos para os quais o Risk Simulator oferece suporte incluem o movimento de caminho aleat rio revers o m dia difus o com salto e processos mistos teis para prever vari veis de s ries temporais n o est ticas Em dados de s rie temporal bem comportados entre os quais se incluem as receitas de vendas e as estruturas de custos de grandes corpora es os valores tendem a ter at tr s elementos um valor de base uma tend ncia e uma sazonalidade A an lise de s rie temporal usa os dados hist ricos e os decomp e nesses tr s elementos recompondo os em previs es do futuro Em outras palavras esse m todo de previs o bem como outros j descritos primeiro executa um retroajuste backcast dos dados hist ricos antes de fornecer estimativas de valores
346. sse 205 INDICE REMISS O ea A a a a rata 215 Manual do Usu rio Risk Simulator 4 2005 2012 Real Options Valuation Inc 1 INTRODU O 1 1 Bem vindo ao software RISK SIMULATOR Risk Simulator um software de previs o otimiza o e simula o Monte Carlo O software foi escrito na linguagem Microsoft NET Cf e funciona com o Excel como um suplemento Este software tamb m compat vel e usado com frequ ncia com os softwares Real Options Super Lattice Solver SLS e Employee Stock Options Valuation Toolkit ESOV desenvolvidos pela Real Options Valuation Inc Observe que embora este manual do usu rio pretenda ser completo ele n o de modo algum um substituto do DVD de treinamento dos cursos de treinamento presenciais e dos livros escritos pelo criador do software por exemplo os livros do Dr Johnathan Mun Real Options Analysis 2 edi o Wiley Finance 2005 Modeling Risk 2 edi o Applying Monte Carlo Simulation Real Options Analysis Forecasting and Optimization 2 edi o Wiley 2010 e Valuing Employee Stock Options 2004 FAS 123R Wiley Finance 2004 Visite nosso site www realoptionsvaluation com para obter mais informa es sobre esses itens O software Risk Simulator cont m os seguintes m dulos e Simula o Monte Carlo executa simula es param tricas e n o param tricas de 42 distribui es de probabilidade com diferentes perfis de simula o simula es truncadas e correlaciona
347. sta todas as distribui es de probabilidade dispon veis no pacote de produtos da Real Options Valuation Inc Aplicar entradas M nimo 10 Afa 2 Local 10 Percentil 05 Afal 5 Enumerador DF dobais M ximo 20 beta 5 probabilidade 05 DF 10 2 Afa2 5 Denominador DF Mais prov vel 15 Lambda 1 2 Fator 2 xtos 5 Popula o 100 xito da popula o Arco seno Bernoulli beta Beta 3 Beta 4 M nimo probabilidade Alfa Alfa 2 Alfa M ximo beta 5 beta Local 10 Local Fator X aleat rio X aleat rio X aleat rio X aleat rio 10 25 X aleat rio 108 Percentil Percentil Percentil Percentil 0 5 Percentil 0 5 FDP FDP FDP E FDP 2 3730 FDP 1 5552 FDA FDA FDA FDA 0 4661 FDA 0 7667 IFDA IFDA d IFDA IFDA 10 2644 IFDA 10 5289 M dia M dia A M dia M dia 10 2857 M dia 10 5714 Desvpad Desvpad Desvpad fi Desvpad 0 1597 Desvpad 0 3194 Obliquidade Obliquidade Obliquidade 2 Obliquidade 0 5963 Obliquidade 0 5963 Curtose Curtose 24 0 Curtose Distribui o Qui quadrada Uniforme discreta Tentativas DF M nimo M nimo probabilidade A M ximo M ximo X aleat rio X aleat rio X aleat rio X aleat rio X aleat rio Percentil Percentil Percentil Percentil Percentil FDP FDP FDP FDP 0 1551 FDP FDA A FDA FDA FDA 0 5782 FDA IFDA 4 IFDA IFDA IFDA 15 0000 IFDA M dia M dia M dia 15 0000 M dia Desvpad Desvpad Desvpad 21762 Desvpad Obliquidade 4 Obliquidade Obliquidade 0 0000 Obliquidade Curtose 0 Curtose Curtose 0 5938 Curtose Casas d
348. sticas t s o as raz es entre cada coeficiente previsto e seu erro padr o e s o usadas no teste de hip teses de regress o t pica da signific ncia de cada par metro estimado Para estimar a probabilidade de xito de pertencer a um determinado grupo por exemplo prever se um fumante desenvolver doen as pulmonares conhecida a quantidade de cigarros fumados por ano simplesmente calcule o valor de Y estimado usando os coeficientes de MLE Por exemplo se o modelo Y 1 1 0 005 cigarros ent o uma pessoa que fume 100 ma os por ano tem um Y estimado de 1 1 0 005 100 1 6 Em seguida calcule o antilog inverso da propor o de chances fazendo EXP Y estimado 1 EXP Y estimado EXP 1 6 1 EXP 1 6 0 8320 Assim essa pessoa tem 83 20 de chance de desenvolver complica es pulmonares durante sua vida Um modelo probit tamb m conhecido como um modelo normit uma especifica o alternativa comum para um modelo de resposta bin ria que emprega uma fun o probit estimada usando o estimador de m xima verossimilhan a e a abordagem chamada de regress o probit Os modelos de regress o log stica e probit tendem a produzir previs es muito semelhantes nas quais as estimativas dos par metros em uma regress o log stica tendem a ser de 1 6 a 1 8 vezes maiores do que em um modelo probit correspondente A escolha de usar probit ou logit inteiramente discricion ria e a principal distin o que a distribui o
349. t a 1 y t 1 a p y t p e t O segundo componente o per odo da ordem d de integra o Cada ordem de integra o corresponde diferencia o da s rie temporal 1 significa a diferencia o dos dados uma vez I d significa a diferencia o dos dados d vezes O terceiro componente o per odo da m dia m vel MA O modelo MA a usa as defasagens q dos erros de previs o para aperfei oar a previs o Um modelo MA q tem esta forma y D e t b 1 e t 1 b q e t g Por ltimo um modelo ARMA p 9 tem esta forma combinada y t a 1 y t 1 a p y t p e b b 1 e t 1 b q e t g R2 ou coeficiente de determina o indica a varia o percentual da vari vel dependente que pode ser explicada e contabilizada pelas vari veis independentes nessa an lise de regress o No entanto em uma regress o m ltipla o R2 ajustado considera a exist ncia de outras vari veis independentes ou regressores e ajusta esse valor de R2 para obter uma vis o mais precisa da for a de explica o da regress o No entanto em determinadas circunst ncias ARIMA por exemplo com modelos n o convergentes o R2 tende a n o ser confi vel O coeficiente de correla o m ltipla R m ltiplo mede a correla o entre a vari vel dependente real Y e a estimada ou ajustada Y com base na equa o de regress o Essa correla o tamb m a raiz quadrada do coeficiente de determina o R2 Oerro padr o das estimativas SEy descreve a
350. tado na hip tese nula Ho de forma que as m dias da popula o das duas vari veis sejam estatisticamente id nticas A hip tese alternativa que as m dias da popula o sejam diferentes entre si Se os p valores calculados s o menores ou iguais a 0 01 0 05 ou 0 10 isso significa que a hip tese rejeitada o que quer dizer que as m dias da previs o s o estatisticamente muito diferentes nos n veis de signific ncia 1 5 e 10 Se a hip tese nula n o rejeitada quando os p valores s o altos as m dias das duas distribui es de previs o s o estatisticamente semelhantes A mesma an lise executada em vari ncias de duas previs es ao mesmo tempo usando o teste F de paridade Se os p valores s o baixos as vari ncias e os desvios padr o s o estatisticamente diferentes caso contr rio para p valores altos as vari ncias s o estatisticamente id nticas entre si Resultado Suposi o do teste de hip teses Vari ncias diferentes Estat stica t calculada 1 38424 P valor para estat stica t 0 16644 Estat stica F calculada 1 089657 P valor para estat stica F 0 174974 Figura 5 19 Resultados do teste de hip teses Notas O teste t de duas vari veis de vari ncias diferentes espera se que a vari ncia da popula o da previs o 1 seja diferente da vari ncia da popula o da previs o 2 apropriado quando as distribui es da previs o s o de popula es diferentes por exemplo dados colet
351. tal que a distribui o ajustada a mesma resultados distribui o da popula o de origem dos dados da amostra Portanto se um p valor calculado for menor que um n vel alfa cr tico normalmente 0 10 ou 0 05 a distribui o ser a incorreta Inversamente quanto maior o p valor melhor a distribui o se ajustar aos dados poss vel pensar em um p valor como uma porcentagem explicada ou seja se o p valor for 0 9727 Figura 5 14 ent o a configura o de uma distribui o normal com uma m dia de 99 28 e um desvio padr o de 10 17 explicar cerca de 97 27 da varia o nos dados indicando um bom ajuste Os dois resultados Figura 5 14 e o relat rio Figura 5 15 mostram a estat stica do teste o p valor as estat sticas te ricas baseadas na distribui o selecionada as estat sticas emp ricas baseadas nos dados brutos os dados originais para manter um registro dos dados usados e a suposi o com os par metros de distribui o relevantes por exemplo se voc selecionou a op o para gerar automaticamente suposi es e se um perfil de simula o j existe Os resultados tamb m classificam as distribui es selecionadas e como elas ajustam os dados Manual do Usu rio Risk Simulator 141 2005 2012 Real Options Valuation Inc Resultado do ajuste da distribui o 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 Resum
352. te a mais usada e a mais apropriada quando aplicada no contexto da simula o Monte Carlo n o h depend ncia ou linearidade em distribui es normais o que quer dizer que correla es entre vari veis diferentes com distribui es diferentes podem ser aplicadas Para calcular a correla o de Spearman primeiro classifique todos os valores das vari veis x e y e depois aplique o c lculo da correla o de Pearson No caso do Risk Simulator a correla o usada a correla o de ranking de classifica o de Spearman n o param trica No entanto para simplificar o processo de simula o e ser consistente com a fun o de correla o do Excel as entradas de correla o obrigat rias s o as do coeficiente de correla o de Pearson O Risk Simulator aplicar seus pr prios algoritmos para convert las na correla o de ranking de Spearman simplificando o processo Por m para simplificar a interface do usu rio os usu rios podem inserir a correla o de Pearson de produto e momento mais comum por exemplo as calculadas usando a fun o CORREL do Excel enquanto nos c digos matem ticos essas correla es simples s o convertidas em correla es baseadas no ranking de Spearman para simula es de distribui o 2 3 2 Aplica o No Risk Simulator as correla es podem ser aplicadas de diversas maneiras e Ao definir suposi es Risk Simulator Definir valores de entrada insira as correla es na grade
353. te de qualquer outro software que esteja sendo executado no computador Resolu o do histograma permite alterar o n mero de compartimentos do histograma de 5 a at 100 compartimentos Al m disso a se o Atualiza o de dados permite controlar a velocidade de execu o da simula o e a frequ ncia em que o 26 O 2005 2012 Real Options Valuation Inc gr fico de previs o atualizado Ou seja se voc deseja que o gr fico de previs o seja atualizado em quase todas as tentativas isso diminuir a velocidade da simula o porque alocada mais mem ria para a atualiza o do gr fico do que para a execu o da simula o Isso meramente uma prefer ncia do usu rio e n o altera os resultados da simula o apenas a velocidade com a qual ela ser conclu da Para aumentar a velocidade da simula o minimize o Excel enquanto a simula o estiver sendo executada Isso reduz a quantidade de mem ria necess ria para atualizar visivelmente a planilha do Excel e libera mem ria para executar a simula o As op es Limpar tudo e Minimizar tudo controlam todos os gr ficos de previs o abertos Rendimento Previs o do Risk Simulator amn Histograma Estat sticas Prefer ncias Op es Controles Vis o Global Exibir Sempre mostrar a janela na Fechar tudo 4 parte superior Semitransparente quando inativo Copiar gr fico Resolu o do histograma Simula o y Resolu
354. te diferentes de zero indicando um modelo de regress o geral significante Se o p valor for menor do que as signific ncias alfa 0 01 0 05 ou 0 10 a regress o ser significante A mesma abordagem pode ser aplicada estat stica F comparando a estat stica F calculada aos valores F cr ticos em v rios n veis de signific ncia Manual do Usu rio Risk Simulator 95 O 2005 2012 Real Options Valuation Inc Autocorrela o Defasagem de tempo JD sn R ndo ce end o o q AE do SoovNSnrwu NnNaOS o AC 0 9921 0 9841 0 9760 0 9678 0 9594 0 9509 0 9423 0 9336 0 9247 0 9156 0 9066 0 8975 0 8883 0 8791 0 8698 0 8605 0 8512 0 8419 0 8326 0 8235 PAC 0 9921 0 0105 0 0109 0 0142 0 0098 0 0113 0 0124 0 0147 0 0121 0 0139 0 0049 0 0068 0 0097 0 0087 0 0064 0 0056 0 0062 0 0038 0 0003 0 0002 Limite inferior imite superior 0 0958 0 0958 0 0958 0 0958 0 0958 0 0958 0 0958 0 0958 0 0958 0 0958 0 0958 0 0958 0 0958 0 0958 0 0958 0 0958 0 0958 0 0958 0 0958 0 0958 Estat stica Q 431 1216 856 3037 1 275 4818 1 688 5499 2 095 4625 2496 1572 2 890 5594 3 278 5669 3 660 1152 4 035 1192 4 403 6117 4 765 6032 5 121 0697 5 470 0032 5 812 4256 6 148 3694 6 477 8620 6 800 9622 7 117 7709 7 428 3952 ancanunncas Se a autocorrela o AC 1 diferente de zero as s ries s o correlacionadas em s rie de primeira ordem Se a A
355. ter a vers o mais recente do software ou clique no link FAQ para obter informa es atualizadas sobre problemas e corre es relativos ao licenciamento ou instala o Manual do Usu rio Risk Simulator 6 2005 2012 Real Options Valuation Inc 1 3 Licenciamento Se voc instalou o software e comprou uma licen a completa para us lo voc precisa enviar um email para n s com a ID do seu hardware para que possamos gerar um arquivo de licen a para voc Siga estas instru es Para Windows XP executando Excel XP Excel 2003 Excel 2007 ou Excel 2010 e No Excel clique em Risk Simulator Licen a Anote a ID do HARDWARE alfanum rica de 11 20 d gitos e a envie por email para admin realoptionsvaluation com voc tamb m pode selecionar a ID do hardware e copiar com o bot o direito do mouse ou clicar no link do email da ID do hardware Quando recebermos essa ID enviaremos por email uma licen a permanente para voc De posse desse arquivo de licen a basta salv lo no disco r gido iniciar o Excel clicar em Risk Simulator Licen a clicar em Instalar licen a e selecionar o novo arquivo de licen a Reinicie o Excel para concluir a opera o O processo demora menos de um minuto e voc estar totalmente licenciado para executar o software Para Windows Vista Windows 7 executando Excel XP Excel 2003 Excel 2007 ou Excel 2010 e Inicie o Excel 2007 2010 no Windows Vista ou Windows 7 v para a guia d
356. tese alternativa Ha u lt gt M dia hipot tica Notas lt gt indica maior que para cauda direita menor que para cauda esquerda ou diferente de para testes de hip teses bicaudais Figura 5 31 Relat rio da ferramenta An lise estat stica da amostra teste de hip teses de uma vari vel Manual do Usu rio Risk Simulator 161 O 2005 2012 Real Options Valuation Inc Teste para normalidade O teste de normalidade um tipo de teste n o param trico que n o faz suposi es sobre a forma espec fica da popula o da qual a amostra retirada permitindo que conjuntos de dados amostrais menores sejam analisados Esse teste avalia a hip tese nula de a amostra de dados ter sido retirada de uma popula o distribu da normalmente em compara o a uma hip tese alternativa de que a amostra de dados n o distribu da normalmente Se o p valor calculado for menor ou igual ao valor de signific ncia de alfa rejeite a hip tese nula e aceite a hip tese alternativa Caso contr rio se o p valor for maior que o valor de signific ncia alfa n o rejeite a hip tese nula Esse teste se baseia em duas frequ ncias cumulativas uma derivada do conjunto de dados da amostra e a outra da distribui o te rica baseada na m dia e no desvio padr o dos dados da amostra Uma alternativa a esse teste o teste qui quadrado de normalidade O teste qui quadrado requer mais pontos de dados para que seja executado se comparado ao teste de
357. tion Inc Deve se ressaltar um item H outros softwares que supostamente executam a otimiza o estoc stica mas de fato n o o fazem Por exemplo depois que uma simula o executada uma itera o do processo de otimiza o gerada e depois outra simula o executada e a segunda itera o de otimiza o gerada e assim por diante Um desperd cio de tempo e recursos Ou seja em otimiza o o modelo submetido a um rigoroso conjunto de algoritmos no qual v rias itera es de at milhares de itera es s o necess rias para obter os resultados timos Assim gerar uma itera o de cada vez um desperd cio de tempo e recursos O mesmo portf lio pode ser solucionado usando o Risk Simulator em menos de um minuto comparado a v rias horas usando essa abordagem retr grada Tal abordagem de otimiza o simula o tamb m render resultados ruins al m de n o ser uma abordagem de otimiza o estoc stica Cuidado com tais metodologias ao aplicar otimiza o aos seus modelos Veja a seguir dois exemplos de problemas de otimiza o Um usa vari veis de decis o cont nuas enquanto o outro usa vari veis de decis o inteiras discretas Nos dois modelos voc pode aplicar otimiza o discreta din mica estoc stica ou ainda as fronteiras eficientes com precifica o sombreada Qualquer uma dessas abordagens pode ser usada nestes dois exemplos Portanto para simplificar somente a configura o do mod
358. to do Quedada Aumento caso de C lula precedente resultado resultado Faixa efetiva entrada da entrada base C 36 Investimentos 276 62616 83 373836 360 00 1 620 00 1 980 00 1 800 00 C9 Taxa de juros efetiva 219 72693 26 474599 246 20 36 00 44 00 C12 Pre o m dio do produto A 34255424 189 82679 186 40 9 00 11 00 C13 Pre o m dio do produto B 16 706631 176 5457 159 84 11 03 13 48 C 15 Quantidade do produto A 23 177498 170 07483 146 90 45 00 55 00 DEE C16 Quantidade do produto B 30 533 162 71933 31 50 38 50 l Ep Cida C14 Pre o m dio do produto C 40 146587 153 10574 4 13 64 16 67 g Op qr e E C17 Quantidade do produto C 48 047369 145 20496 18 00 22 00 C5 Taxa de desconto ajustada pelo risco dd 138 23913 57 029841 A 13 50 16 50 K j E Rg C8 Taxa de eros o dos pre os 116 80381 76 640952 4 50 5 50 K e Pre o m dio do prod is C7 Taxa anualizada de crescimento de venj 90 588354 102 68541 E 1 80 2 20 1 F Pre o m dio do produto B N C24 Deprecia o 95 084173 98 168155 d 9 00 11 00 A Pre o m dio do produto A na C25 Amortiza o 96 163566 97 088761 2 70 3 30 Taxa anualizada de crescimento de vendas C27 Pagamentos de juros 97 088761 96 163566 1 80 2 20 Figura 5 3 Relat rio de an lise tornado Notas A an lise tornado uma an lise de sensibilidade est tica aplicada a cada vari vel de entrada no modelo ou seja cada vari vel perturbada indivi
359. tos de determinadas vari veis ainda persistem O segundo gr fico Manual do Usu rio Risk Simulator 138 O 2005 2012 Real Options Valuation Inc Figura 5 12 ilustra a varia o percentual explicada Ou seja o quanto da varia o das flutua es na previs o pode ser explicado por cada uma das suposi es ap s explicar todas as intera es entre as vari veis Observe que a soma de todas as varia es explicadas em geral pr xima de 100 s vezes h outros elementos que causam impacto no modelo mas n o podem ser capturados diretamente aqui e se houver correla o a soma poder s vezes exceder 100 devido aos efeitos da intera o que s o cumulativos Figura 5 12 Gr fico de contribui o vari ncia Notas A an lise tornado executada antes de uma simula o enquanto a an lise de sensibilidade executada ap s a simula o Os gr ficos aranha na an lise tornado podem considerar n o linearidades enquanto os gr ficos de correla o de ranking na an lise de sensibilidade podem explicar condi es n o lineares e de distribui o livre Manual do Usu rio Risk Simulator 139 O 2005 2012 Real Options Valuation Inc 5 3 Ajuste da distribui o vari vel nica e m ltiplas vari veis Teoria Uma outra ferramenta de simula o poderosa o ajuste da distribui o Ou seja qual distribui o um analista usa para uma determinada vari vel de entrada em um modelo Quais s o os p
360. tra uma obliquidade negativa ou para a esquerda a cauda da distribui o aponta para a esquerda e a Figura 2 23 mostra uma obliquidade positiva ou para a direita a cauda da distribui o aponta para a direita A m dia sempre inclinada na dire o da cauda da distribui o enquanto a mediana permanece constante Outra maneira de analisar isso que a m dia se move mas o desvio padr o a vari ncia Manual do Usu rio Risk Simulator 39 O 2005 2012 Real Options Valuation Inc ou a largura pode ainda permanecer constante Se o terceiro momento n o for considerado analisando apenas os retornos esperados por exemplo a mediana ou a m dia e o risco desvio padr o um projeto positivamente inclinado poderia ser incorretamente escolhido Por exemplo se o eixo horizontal representa a receita l quida de um projeto poderia se preferir uma distribui o com obliquidade negativa ou inclinada para esquerda j que h uma probabilidade mais alta de maiores retornos Figura 2 22 se comparada a uma probabilidade mais alta de retornos de n vel mais baixo Figura 2 23 Portanto em uma distribui o inclinada a mediana uma medida melhor dos retornos j que as medianas das Figuras 2 22 e 2 23 s o id nticas os riscos s o id nticos e portanto um projeto com uma distribui o negativamente inclinada do lucro l quido uma melhor op o A desconsidera o da obliquidade de distribui o de um projeto pode ocasionar a escol
361. u rio Risk Simulator 210 O 2005 2012 Real Options Valuation Inc DICAS perfis e V rios perfis crie v rios perfis e alterne entre eles em um nico modelo Isso permite que voc execute cen rios em simula es e seja capaz de alterar os par metros de entrada ou os tipos de distribui o no modelo para ver os efeitos nos resultados e Perfil necess rio suposi es previs es ou vari veis de decis o n o poder o ser criadas se n o houver um perfil ativo No entanto uma vez que voc possua um perfil n o precisar criar novos perfis Se desejar executar um modelo de simula o incluindo suposi es ou previs es adicionais mantenha o mesmo perfil e Perfil ativo o ltimo perfil usado quando voc salvar a planilha no Excel ser aberto automaticamente na pr xima vez que o arquivo do Excel for aberto e V rios arquivos do Excel quando estiver alternando entre v rios modelos do Excel abertos o perfil ativo ser do modelo atual e ativo do Excel e Perfis em v rias pastas de trabalho tenha cuidado quando tiver v rios arquivos do Excel abertos pois se apenas um desses arquivos tiver um perfil ativo e voc acidentalmente alternar para outra planilha e definir suposi es e previs es nela as suposi es e as previs es n o ser o executadas e ser o inv lidas e Exclus o de perfis voc pode clonar e excluir perfis existentes mas observe que pelo menos um perfil deve existir no arquivo do Excel ca
362. ua es ou fun es O processo de defini o de previs o descrito a seguir e Selecione a c lula na qual deseja definir uma suposi o por exemplo a c lula G10 no exemplo do modelo b sico de simula o e Clique em Risk Simulator e selecione Definir resultado de previs o ou clique no cone de defini o de resultado de previs o na barra de ferramentas de cones do Risk Simulator Figura 1 3 e Insira as informa es relevantes e clique em OK Observe que voc tamb m pode definir resultados de previs o selecionando a c lula na qual deseja definir a suposi o e clicando com o bot o direito do mouse acesse o menu de atalho do Risk Simulator para definir resultados de previs o O 2005 2012 Real Options Valuation Inc A Figura 2 5 ilustra as propriedades da previs o e Nome da previs o Especifique o nome da c lula de previs o Isso importante porque quando voc tem um modelo grande com v rias c lulas de previs o nome las individualmente permite acessar os resultados rapidamente N o subestime a import ncia dessa etapa simples Uma boa pr tica de modelagem usar nomes curtos mas precisos para as suposi es e Precis o de previs o Em vez de confiar em uma estimativa aleat ria de quantas tentativas devem ser executadas na simula o voc pode configurar controles de precis o e erro Quando uma combina o de erro precis o for obtida a simula o ser pausada e voc ser inform
363. uation Inc TE Previs o de rede neural ETAPA 1 Dados Insira manualmente os dados cole os de outro aplicativo ou carregue um conjunto de dados de exemplo com an lise VAR3 VAR4 VAR9 VARIO VARII Es 45911 460 71 DO 0 4h ETAPA 2 Escolha o tipo de an lise a vari vel e o per odo de previs o para executar Cosseno com tangente hiperb lica 9 Tangente hiperb lica Camadas Linear Conjunto de teste Per odos de previs o Aplicar otimiza o de v rias fases Sum of Squared Errors Training 1 822044 RMSE Training 0 093820 Sum of Squared Errors Modified 59375 218349 Forecast F Error E 613 3528 31 8528 613 5197 29 2997 613 6203 23 9003 613 7188 23 1488 613 8520 25 3920 614 0608 27 7408 614 2046 22 4946 614 3029 21 0429 614 4223 21 7023 614 5671 22 2671 614 7154 25 4254 614 8963 20 9363 614 9954 17 6554 615 0992 15 0292 615 2115 18 3615 Figura 5 56 Previs o de rede neural Em contraste o termo l gica difusa derivado da teoria de conjuntos difusa para lidar com o racioc nio que seja aproximado e n o exato Essa l gica se contrap e l gica n tida na qual os conjuntos bin rios t m l gica bin ria As vari veis de l gica difusa podem ter um valor verdadeiro que varie entre O e 1 e n o seja restrito aos dois valores verdadeiros da l gica proposicional cl ssica Esse esquema de pondera o difuso usado c
364. ubstitu dos e o modelo inteiro recalculado Manual do Usu rio Risk Simulator 24 O 2005 2012 Real Options Valuation Inc Interpreta o dos resultados de previs o a cada vez Voc tamb m pode acessar o menu Executar simula o clicando com o bot o direito do mouse em qualquer lugar no modelo e selecionando Executar simula o O Risk Simulator tamb m permite executar a simula o em uma velocidade extremamente r pida chamada super r pida Para fazer isso clique em Risk Simulator Executar simula o super r pida ou use o cone Super r pido Observe a diferen a de velocidade da simula o super r pida quando executada Para praticar clique em Redefinir simula o e Editar perfil de simula o altere N mero de tentativas para 100 000 e clique em Executar simula o super r pida A execu o demora apenas alguns segundos No entanto lembre se de que a simula o super r pida n o ser executada se o modelo tiver erros c digo VBA Visual Basic for Applications ou v nculos para aplicativos ou fontes de dados externas Nessas situa es voc ser notificado e a simula o ser executada em velocidade normal As simula es em velocidade normal sempre s o executadas mesmo que contenham erros c digo VBA ou v nculos externos A ltima etapa da simula o Monte Carlo interpretar os gr ficos de previs o resultantes As Figuras 2 6 a 13 mostram gr ficos de previs o e as estat sticas corresp
365. uda se Nco o S E EI R P aa zo An lise de Sensibilidade sobre as probabilidades de entrada realizada para se determinar seus impactos sobre os valores obtidos no caminho de decis o Primeiro selecione um dos N s de Decis o abaixo depois a probabilidade de um dos eventos da lista para teste Se aen milos eventos de oea a Ro adeg denikang ae geven se arekeabe de forma independentes ou concomitantemente Passo 1 a Decis o da lista para an lise Selecione UM Evento de Incerteza estado da natureza ou UM Payoff de um N Terminal para E Analise a probabilidade Payoff individualmente Se realizar uma an lise agrupada rever os membros do grupo selecione qualquer membros do grupo adicional ou desmarcar qualquer evento 7 Auto sele o membros do grupo N s de Decis o N eID Construa 1 cr tico 7 cr tico Valor N s de Incerteza e N s Terminal N eID Probabilidade Cr tico 1 1 Tempo de conclus Tempo de conclus Cr tico 1 2 E Tempo de conclus E Tempo de conclus Tempo de conclus o A 12Dias 14 Dias V 18 Dias Tempo de conclus o B J 12Dias 14 Dias V 18 Dias Tempo de conclus o C 30 00 70 00 30 00 70 00 30 00 50 00 rms Salvar Modelo Nome Model 1 Model 1 Os gr ficos de sensibilidade mostram os valores dos caminhos decis o sob n veis de vari vel Os valores num ric
366. ues ic adegas ras 16 2 1 O que a simula o Monte Carlo c error re rare eeeerenerenerenareaaeranera nora nereneeeneeranos 16 2 2 Introdu o ao Risk Simulator ees a E T AAE TEA araras a Ea E Aa ETES 17 2 2 1 Vis o geral de alto n vel do software iistreeeeerrereaeererenaeareraa nene EA EAEE NEARE 17 2 2 2 Executar uma simula o Monte Carlo rerreerreracareaaeereaneerenareaacareanearanarena 18 2 3 Controle de correla o e precis o cc eee rerererereeereeaeeraceracarecarenarenarenareraeraneraneranos 31 2 3 1 No es b sicas de correla es irererreree near nereeaneeacareaaearaaneeranareeacareanearanarena 31 2 2 ADLICA O ranee a are parado a a ERA a daga aca A E A ER pia Dola a ma gaba oE o EEr Eaa EER 32 2 3 3 Efeitos da correla o na simula o Monte Carlo eereeereeeerercareneereanrenada 33 2 3 4 Controle de precis o e erro sakaraa aasa E EA E anne era anne aeee SE care nane T 35 2 3 5 No es b sicas sobre as estat sticas de previs o iieireeeeereeceeeecareeaeraneareaneernaos 38 2 3 6 No es b sicas sobre distribui es de probabilidade na simula o Monte Carlo 42 2 74 Distribui es JISCTELAS currasme sore age Ritiaid ta cas aeRidt UA pe peca RR EAR dg a q pa RU 45 2 5 Distribui es CONINUAS a gannan E Seringas vas Lona Sudan Vo Uta EN Dna ER A dad Ceia Rna SA paid 52 Manual do Usu rio Risk Simulator 2 O 2005 2012 Real Options Valuation Inc SEPRE
367. ui o uniforme discreta l curtose excessiva A taxa ou o lambda 1 o nico par metro de distribui o Requisitos de entrada Taxa gt 0 e lt 1000 ou seja 0 0001 lt taxa lt 1000 A distribui o uniforme discreta tamb m conhecida como a distribui o de resultados equiprov veis na qual a distribui o tem um conjunto de N elementos e cada elemento tem a mesma probabilidade Essa distribui o est relacionada distribui o uniforme mas seus elementos s o discretos e n o cont nuos Os construtos matem ticos da distribui o binomial s o os seguintes 1 ORT m dia valor classificado N D N 1 12 desvio padr o valor classificado obliquidade 0 ou seja a distribui o perfeitamente sim trica 6 N 1 S N 1N 1 valor classificado curtose excessiva Requisitos de entrada Minimo lt m ximo ambos devem ser inteiros inteiros negativos e zero s o permitidos Manual do Usu rio Risk Simulator 51 2005 2012 Real Options Valuation Inc Distribui o de arco seno Distribui o beta 2 5 Distribui es cont nuas A distribui o de arco seno tem o formato de U e um caso especial da distribui o beta no qual o formato e a escala s o iguais a 0 5 Valores pr ximos ao m nimo e ao m ximo t m alta probabilidade de ocorr ncia enquanto valores entre esses dois extremos t m probabilidades muito baixas de ocorr ncia M nimo e m
368. uidad 2 Min Max 2MP QMin Max MP Min 2Max MP S Min Max MP MinMax MinMP MaxMP curtose excessiva 0 6 isso se aplica a todas as entradas de M n M x e Mais prov vel O valor m nimo M n o valor mais prov vel MP e o valor m ximo M x s o os par metros de distribui o Requisitos de entrada Min lt Mais prov vel lt M x podendo assumir qualquer valor No entanto Min lt M x podendo assumir qualquer valor Com a distribui o uniforme todos os valores entre o m nimo e o m ximo ocorrem com a mesma probabilidade Condi es As tr s condi es subjacentes distribui o uniforme s o e O valor m nimo fixo e O valor m ximo fixo e Todos os valores entre o m nimo e o m ximo ocorrem com a mesma probabilidade Os construtos matem ticos da distribui o uniforme s o os seguintes 1 f x para todos os valores de forma que Min lt Max Max Min o Min Max m dia 2 Max Min desvio padr o 12 obliquidade 0 isso se aplica a todas as entradas de M n e M x curtose excessiva 1 2 isso se aplica a todas as entradas de M n e M x Valor m ximo M x e valor m nimo M n s o os par metros de distribui o Requisitos de entrada Min lt M x podendo assumir qualquer valor A distribui o Weibull descreve os dados resultantes de testes de vida til e fatiga Norma
369. ultados O bootstrap permite que o usu rio verifique o intervalo de confian a da estat stica m dia calculada indicando a distribui o das estat sticas Por fim os resultados de bootstrap s o importantes porque de acordo com a Lei dos n meros grandes e o Teorema do limite central em estat sticas a m dia das m dias da amostra significa um estimador n o polarizado e se aproxima da m dia da popula o verdadeira quando o tamanho da amostra aumenta 5 5 Teste de hip teses Teoria Um teste de hip teses executado durante o teste das m dias e das vari ncias de duas distribui es para determinar se elas s o estatisticamente id nticas ou diferentes uma da outra Ou seja para ver se as diferen as entre as m dias e as vari ncias de duas previs es diferentes ocorridas s o baseadas em chances aleat rias ou se s o de fato estatisticamente diferentes uma da outra Procedimento e Execute uma simula o e Selecione Risk Simulator Ferramentas Teste de hip teses e Selecione apenas duas previs es para testar por vez selecione o tipo de teste de hip teses que deseja executar e clique em OK Figura 5 18 Manual do Usu rio Risk Simulator 146 O 2005 2012 Real Options Valuation Inc MODELO A MODELO B Teste de hip teses Receita 200 00 Receita 200 00 O teste de hip teses TETE inar se duas ou Custo 100 00 Custo 100 00 mais distribui es de previs es t m a mesma m dia e Rend
370. uma m dia zero O modelo tobit tobit censurado um m todo de modelagem econom trica e biom trica usado para descrever a rela o entre uma vari vel dependente n o negativa Yi e uma ou mais vari veis independentes Xi Um modelo tobit um modelo econom trico em que a vari vel dependente censurada porque os valores abaixo de zero n o s o observados O modelo tobit sup e que h uma vari vel n o observ vel latente Y Essa vari vel linearmente dependente das vari veis Xi por meio de um vetor de coeficientes Bi que determina as interrela es Al m disso h uma condi o de erro Ui normalmente distribu da para capturar influ ncias aleat rias nessa rela o A vari vel observ vel Yi definida como sendo igual s vari veis latentes sempre que essas s o acima de zero Caso contr rio sup e se Yi igual a zero Ou seja Yi Y se Y gt 0e Yi 0 se Y 0 Se o par metro da rela o Pi for estimado usando uma regress o de quadrados m nimos normal de Yi observada em Xi os estimadores da regress o resultante ser o inconsistentes e apresentar o coeficientes de inclina o polarizada em ordem decrescente e uma intercepta o polarizada em ordem crescente Apenas o MLE seria consistente para um modelo tobit Nesse modelo h uma estat stica auxiliar chamada sigma que equivalente ao erro padr o da estimativa em uma regress o dos quadrados m nimos t pica padr o e os coeficientes estimados s o usados d
371. usive Isso torna a correla o uma boa medida relativa para fazer compara es entre vari veis diferentes principalmente com magnitudes e unidades diferentes A correla o n o param trica baseada no ranking de Spearman tamb m incluida abaixo O R de Spearman est relacionado ao R de Pearson pois os dados primeiro s o classificados e depois correlacionados As correla es de ranking fornecem uma estimativa melhor da rela o entre duas vari veis quando uma ou as duas s o n o lineares necess rio destacar que uma correla o significante n o sugere uma causa As associa es entre vari veis n o sugerem de maneira alguma que a altera o de uma vari vel causa a altera o em outra Quando duas vari veis que est o se movendo de forma independente uma da outra mas em um caminho relacionado elas podem estar correlacionadas mas sua rela o pode ser esp ria por exemplo uma correla o entre manchas solares e o mercado de a es pode ser forte mas algu m pode supor que n o h causalidade e que esse relacionamento puramente esp rio 5 9 Ferramenta An lise estat stica Outra ferramenta muito poderosa do Risk Simulator a ferramenta An lise estat stica que determina as propriedades estat sticas dos dados Os diagn sticos executados incluem a verifica o de v rias propriedades estat sticas desde as estat sticas de descri o b sica testes e at calibragem de propriedades estoc sticas d
372. veram xito ou os xitos da popula o N s o os par metros de distribui o O n mero de tentativas bem sucedidas indicado porx Requisitos de entrada Tamanho da popula o gt 2 e inteiro Tamanho da amostra gt 0 e inteiro xitos da popula o gt 0 e inteiro Tamanho da popula o gt xitos da popula o Tamanho da amostra lt xitos da popula o Tamanho da popula o lt 1750 Distribui o de A distribui o de Pascal til para modelar a distribui o do n mero total de Pascal tentativas necess rias para obter o n mero de ocorr ncias bem sucedidas necess rias Por exemplo para fechar um total de 10 oportunidades de vendas quantas chamadas de vendas no total seriam necess rias dada alguma probabilidade de xito em cada chamada O eixo x mostra o n mero total de chamadas necess rias que inclui chamadas bem sucedidas e malsucedidas O n mero de tentativas n o fixo as tentativas continuam at o R simo xito e a probabilidade de sucesso a mesma em cada tentativa A distribui o de Pascal est relacionada distribui o binomial negativa A distribui o binomial negativa calcula o n mero de eventos necess rios al m do n mero de xitos necess rios dada alguma probabilidade ou seja o total de falhas enquanto a distribui o de Pascal calcula o n mero total de eventos necess rios ou seja a soma de xitos e falhas para alcan ar os xitos necess rios dada alguma
373. vo e iniciar a otimiza o Para fazer isso selecione a c lula de objetivo C19 e clique em Risk Simulator Otimiza o Definir objetivo execute a otimiza o usando Risk Simulator Otimiza o Executar otimiza o e escolha a otimiza o desejada est tica din mica ou estoc stica Para iniciar selecione Otimiza o est tica Verifique se a c lula de objetivo a raz o de Sharpe ou a taxa de retorno sobre o risco do portf lio e selecione Maximizar Agora voc pode revisar as vari veis de decis o e restri es se necess rio ou clique em OK para executar a otimiza o est tica A Figura 4 5 mostra as capturas de tela das etapas do procedimento acima Voc pode adicionar suposi es de simula o no VPLE e no risco do modelo colunas Ce E e aplicar a otimiza o din mica e estoc stica para praticar mais j A B G D E F G H l J 1 2 Taxa de P Projetos VPLE Custo Risco Risco E pla F Est Sele o risco Projeto 1 458 00 1 732 44 54 96 12 00 8 33 1 26 Projeto 2 1 95400 859 00 1 914 92 98 00 1 02 3 27 Projeto 3 1 599 00 1 845 00 1 551 03 97 00 1 03 1 87 Projeto 4 2 251 00 1 645 00 1 012 95 45 00 2 22 2 37 Projeto 5 84900 458 00 925 41 109 00 0 92 2 85 Projeto 6 758 00 52 00 560 92 74 00 1 35 15 58 Projeto 7 2 845 00 758 00 5 633 10 198 00
374. xistir Por exemplo as cadeias de Markov s o usadas para calcular a probabilidade de que uma determinada m quina ou equipamento continue a funcionar no pr ximo per odo de tempo ou se um consumidor que comprar o produto A continuar a compr lo no pr ximo per odo ou mudar para o produto B da concorr ncia Para gerar um processo de Markov siga as instru es abaixo 1 Clique em Risk Simulator Previs o Cadeia de Markov 2 Insira as probabilidades de estado relevantes por exemplo 90 e 80 As cadeias de Markov s o ferramentas anal ticas muito poderosas para modelar por cento e clique em OK 3 Revise o relat rio de previs o gerado Dica Para um modelo de estado interessante tente 10 por cento para ambas as probabilidades de entradas e veja o gr fico gerado Teoria Real Options Q Valuatiga www realoptionsvaluation com Cadeia de Markov as mudan as de comportamento entre diferentes estados de natureza e por fim fixar se em um equilibrio est vel de longo prazo por exemplo participa o no mercado Por exemplo as cadeias de Markov s o usadas para calcular a probabilidade de que uma m quina ou equipamento continue a funcionar no pr ximo per odo ou de um cliente que compra o produto continue a comprar o produto no pr ximo per odo ou mude para a marca concorrente B Probabilidade de permanecer no estado 1 se iniciar no estado 1 90 Probabilidade de permanecer no estado 2 se iniciar no estado
375. xtrapola o n o linear previs o de s rie temporal n o linear 42 Curva S curvas S log sticas 43 An lise de s rie temporal oito modelos de decomposi o de s ries temporais para a previs o de n veis tend ncias e sazonalidades 44 Linhas de tend ncia previs o e ajuste usando m dia linear n o linear polinomial pot ncia logar tmica exponencial e m dia m vel com melhor ajuste 45 Previs o de l gica difusa combinat ria 46 Previs o de rede neural linear log stica tangente hiperb lica cosseno com tangente hiperb lica 1 4 5 Modelo de Otimiza o 47 Otimiza o linear otimiza o multif sica e otimiza o linear geral 48 Otimiza o n o linear resultados detalhados incluindo matrizes Hessianas fun es de LaGrange e mais 49 Otimiza o est tica execu es r pidas para obter otimiza es cont nuas integradas e bin rias 50 Otimiza o din mica simula o com otimiza o 51 Otimiza o estoc stica crit rios quadr ticos tangenciais centrais de avan o de converg ncia 52 Fronteira eficiente combina es de otimiza es estoc sticas e din micas em fronteiras eficientes multivariadas 53 Algoritmos gen ticos usados em v rios problemas de otimiza o 54 Otimiza o multif sica testes de otimiza o local ou global que permitem um melhor controle sobre como a otimiza o executada e aumentam a precis o e a depend ncia dos result
376. y e bje beg Por fim um modelo ARMA p q possui a forma combinada y ay tapYpt bjen Diap e Inicie o Excel e insira os dados ou abra uma planilha com dados hist ricos para serem previstos a ilustra o mostrada a seguir usa o arquivo de exemplo ARIMA de s rie temporal e Escolha os dados da s rie temporal e selecione Risk Simulator Previs o ARIMA e Insira os par metros P D e Q relevantes apenas inteiros positivos e o n mero do per odo de previs o desejado e clique em OK Para ARIMA e AutoARIMA voc pode modelar e prever per odos futuros usando apenas a vari vel dependente Y ou seja a vari vel de s rie temporal sozinha ou pode adicionar vari veis ex genas X X2 Xn como em uma an lise de regress o em que possivel ter m ltiplas vari veis independentes Voc pode executar quantos periodos de previs o desejar se usar apenas a vari vel da s rie temporal Y No entanto se voc adicionar vari veis ex genas X observe que seus per odos de previs o estar o limitados aos per odos de dados das vari veis ex genas menos o per odos de dados das vari veis de s ries temporais Por exemplo voc poder prever apenas at 5 per odos se tiver dados hist ricos de s ries temporais de 100 per odos e apenas se tiver vari veis ex genas de 105 per odos 100 per odos hist ricos para corresponder vari vel de s rie temporal e 5 per odos futuros adicionais de va
377. zero e inteiros entradas com valores inteiros ou iguais a zero s devem ser desmarcadas na an lise tornado antes da execu o Caso contr rio o percentual de perturba o pode invalidar o modelo por exemplo se o modelo usa uma tabela de pesquisa na qual Jan 1 Fev 2 Mar 3 e assim sucessivamente a perturba o do valor 1 em 10 resulta em 0 9 e 1 1 o que n o faz sentido para o modelo e Op es de gr fico tente v rias op es de gr fico para encontrar as op es que deve ser ativadas ou desativadas no seu modelo DICAS solu o de problemas e Solu o de problemas ROV execute esta solu o de problemas para obter o HWID de seu computador para fins de licenciamento para ver as configura es e pr requisitos de seu computador e para reabilitar o Risk Simulator caso ele tenha sido acidentalmente desabilitado Manual do Usu rio Risk Simulator 214 O 2005 2012 Real Options Valuation Inc NDICE REMISSIVO abordagem 31 73 75 76 82 90 104 105 111 112 117 125 124 126 127 140 153 157 169 aleat rio 10 44 52 53 54 58 77 87 156 157 168 179 212 alfa 52 53 54 55 59 65 80 141 152 177 178 207 aloca o 110 111 113 114 116 117 118 122 125 124 amostra 35 41 43 48 49 68 141 144 146 149 150 152 155 161 162 169 209 an lise 5 9 10 13 17 18 41 57 75 76 77 80 82 83 84 87 90 92 93 97 98 99 105 106 110 111 1

Download Pdf Manuals

Related Search

Related Contents

  Thomson Wallmount for DLP Slim 16/9    MSPA-MP-CE METAPACK  Smarthome Stud Sensor 2421 User's Manual  do manual  Manual de instrucciones bilingüe (Español e Inglés)  IntesisBox - Intesis Software, S.L.  

Copyright © All rights reserved. Failed to retrieve file