Análise de Risco 

Os riscos da adoção de uma agricultura irrigada devem ser criteriosamente estudados e analisados, objetivando sempre que os rendimentos sejam maiores que os custos (SOUZA, 2001).

Além das análises de retorno, decisões acerca de investimentos são influenciadas por outros fatores relativos ao ambiente de implantação do projeto, dentre eles, a impossibilidade de se prever as condições econômicas e ambientais que o envolvem. Dessa forma, as decisões relativas a investimentos são tomadas considerando certo grau de incerteza e risco (ARÊDES & PEREIRA, 2008).

Análise de sensibilidade e simulação de risco são duas técnicas, dentre outras, para o tratamento de risco em projetos de investimento (FRIZZONE & SILVEIRA, 1996).

O procedimento de análise de sensibilidade é geralmente empregado em análises de pós-otimização de modelos de programação matemática. Baseia-se na aplicação de modificações nos valores de variáveis ou parâmetros de entrada e verificação do efeito nas variáveis de saída. A estabilidade da solução do modelo é avaliada considerando-se o efeito de variações em um único coeficiente, enquanto todos os outros são mantidos constantes. A alteração simultânea de todas as variáveis de entrada de um modelo resultaria um número expressivo de combinações, dificultado a análise (FRIZZONE & SILVEIRA, 1996; HAZELL & NORTON, 1986).

A simulação de risco envolve a variação concomitante das variáveis aleatórias de entrada de um modelo, onde observa-se a distribuição de probabilidade das variáveis de saída, utilizando-se técnicas de amostragem, como Monte Carlo, Hipercubo Latino ou Amostragem Descritiva (SALIBY, 1997; BORGES JÚNIOR et al., 2003; HARDAKER et al., 2004)

Nota-se que as técnicas de simulação de risco e análise de sensibilidade são complementares na análise de risco. Quando se aplica simulação de risco, o enfoque é na variável de saída, buscando-se gerar, com base nas distribuições de probabilidade das variáveis e parâmetros de entrada e em correlações entre essas variáveis e parâmetros, a função de probabilidade acumulada para a variável de saída. Já na análise de sensibilidade, o enfoque é sobre as variáveis e parâmetros de entrada, ou seja, verifica-se o impacto de variações em cada variável ou parâmetro de entrada isoladamente, sobre uma determinada variável de saída (BORGES JÚNIOR et al., 2008).

9.5.1. Simulação de risco

A simulação de dados permite o cálculo de diferentes combinações prováveis de ocorrer. Obtém-se como resultado não um índice de desempenho, mas uma distribuição de frequências do mesmo, sendo o risco traduzido em números pela variância. A grande vantagem da simulação é que ela permite informar adicionalmente que a rentabilidade do projeto poderá variar num certo intervalo, que inclui o valor mais provável, segundo uma distribuição de probabilidades (FRIZZONE et al., 2005).

Um dos métodos mais utilizados na mensuração de riscos de projetos é o método de Monte Carlo. O método de Monte Carlo é um tipo especial de simulação utilizada em modelos envolvendo eventos probabilísticos. Este método permite, essencialmente, simular o comportamento de processos que dependem de fatores aleatórios (ARÊDES & PEREIRA, 2008; HARR, 1987; PALISADE CORPORATION, 2002).

O método Monte Carlo foi criado, originalmente, por Hertz (1964), sendo posteriormente ampliado por técnicos do Banco Mundial. Consiste em construir e simular modelos matemáticos-estatísticos, através de recursos estatísticos e computacionais. O processo de simulação baseia-se no fato de a freqüência relativa de ocorrência do acontecimento de certo fenômeno ou indicador (lucro, por exemplo) aproximar-se da probabilidade matemática de ocorrência do

mesmo fenômeno, quando a experiência é repetida um grande número de vezes (HERTZ, 1964 & BISERRA,1994).

O método de Monte Carlo é uma técnica de gerar informações através de simulações quando os eventos ocorrem de forma aleatória. Consiste em selecionar itens de uma população de forma que cada um tenha a mesma probabilidade de ser selecionado. A técnica emprega números aleatórios que são gerados por computador (FRIZZONE et al., 2005)

9.5.2. Análise de sensibilidade

Além da produtividade, outros elementos que afetam o orçamento possuem probabilidade de variarem, como, por exemplo, os preços dos insumos e produtos. É difícil prever a que níveis estarão os preços um ano ou vários anos mais tarde, bem como estimar os custos de oportunidade de um determinado insumo. Para estimar a amplitude desses preços usamos o método da análise de sensibilidade (PONCIANO et al., 2004).

A análise de sensibilidade consiste em medir em que magnitude uma alteração prefixada em um ou mais fatores do projeto altera o resultado final. Esse procedimento permite avaliar de que forma as alterações de cada uma das variáveis do projeto podem influenciar na rentabilidade dos resultados esperados (BUARQUE, 1991).

Faz-se o teste do modelo de projeção para se determinar quais são os elementos mais relevantes para a decisão de investimento analisada. As principais limitações deste tipo de análise estão em definir com precisão quais as variáveis sujeitas a incerteza e em qual grau de variação devem ser combinadas. Essa técnica é muito utilizada para a análise de projetos de investimento. Na prática, é conveniente escolher algumas variáveis mais sensíveis e analisar a rentabilidade do empreendimento analisando uma de cada vez (FRIZZONE et al., 2005).

O procedimento básico para se fazer uma análise de sensibilidade consiste em escolher o indicador para sensibilizar. Determinar sua expressão em função dos parâmetros e variáveis escolhidos; por meio de um programa de

computação, obtêm-se os resultados a partir da introdução dos valores dos parâmetros na expressão. Faz-se a simulação mediante variações num ou mais parâmetros e verifica-se de que forma e em que proporções essas variáveis afetam os resultados finais em termos de probabilidade (PONCIANO et al., 2004).