FUNDAÇÃO GETULIO VARGAS ESCOLA DE PÓS-GRADUAÇÃO EM ECONOMIA MESTRADO EM FINANÇAS E ECONOMIA EMPRESARIAL WAGNER DE FARIAS SOUTELINHO

FUNDAÇÃO GETULIO VARGAS

ESCOLA DE PÓS-GRADUAÇÃO EM ECONOMIA MESTRADO EM FINANÇAS E ECONOMIA EMPRESARIAL

WAGNER DE FARIAS SOUTELINHO

GERENCIAMENTO DE RISCO EM EMPRESAS NÃO FINANCEIRAS: APLICAÇÕES NA INDÚSTRIA PETROLÍFERA

WAGNER DE FARIAS SOUTELINHO

GERENCIAMENTO DE RISCO EM EMPRESAS NÃO FINANCEIRAS: APLICAÇÕES NA INDÚSTRIA PETROLÍFERA

Dissertação submetida ao corpo docente da Escola de Pós-Graduação em Economia da Fundação Getulio Vargas – EPGE/FGV, como parte dos requisitos necessários à obtenção do grau de Mestre em Finanças e Economia Empresarial. Orientador: José Valentim Machado Vicente

RIO DE JANEIRO 2009

WAGNER DE FARIAS SOUTELINHO

GERENCIAMENTO DE RISCO EM EMPRESAS NÃO FINANCEIRAS: APLICAÇÕES NA INDÚSTRIA PETROLÍFERA

Dissertação submetida ao corpo docente da Escola de Pós-Graduação em Economia da Fundação Getulio Vargas – EPGE/FGV, como parte dos requisitos necessários à obtenção do grau de Mestre em Finanças e Economia Empresarial.

Aprovada em 12 de agosto de 2009.

BANCA EXAMINADORA

_________________________________________________ Prof. José Valentim Machado Vicente – Orientador

Doutor em Economia Matemática pelo IMPA

__________________________________________________ Prof. Caio Ibsen Rodrigues de Almeida

RESUMO

O objetivo principal deste trabalho é a criação de um modelo teórico para a mensuração do fluxo de caixa em risco (CFaR) em instituições não financeiras, e sua aplicação na indústria de óleo e gás. Através deste modelo a empresa deve ser capaz de observar, através de seu fluxo de caixa, a probabilidade de dispor ou não de recursos para honrar seus compromissos. Deve-se analisar os métodos utilizados para gerenciamento de risco (VaR, CFaR e EaR) e aplicar um modelo de CFaR. Após a aplicação desta métrica, pode-se analisar os resultados encontrados. Será utilizado como base para o modelo proposto um paper publicado no Jornal of Applied Corporate Finance intitulado “Exposure-Based Cash-Flow-at-Risk: An Alternative to VaR for Industrial Companies”. Foi observado que o CFaR vem ganhando mais popularidade na gestão de risco das grandes empresas, demonstrando a exposição ao risco destas empresas e viabilizando a uma melhor tomada de decisão como utilizar o hedge de forma mais eficiente.

Palavras-Chave: Gerenciamento de Riscos, Governança Corporativa, Cash-Flow-at-Risk.

ABSTRACT

The main objective of this work is to create a theoretical model for the measurement of cash flow at risk (CFaR) in non-financial institutions, and its application in oil and gas industry. Through this model the company should be able to see through their cash flow, the probability of having or not the resources to honor its commitments. You should examine the methods used to manage risk (VaR, CFaR and EAR) and apply a model of CFaR. After application of this metric, you can analyze the results. Will be used as the basis for the proposed model a paper published in Journal of Applied Corporate Finance entitled "Exposure-Based Cash-Flow-at-Risk: An Alternative to VaR for Industrial Companies." It was observed that the CFaR is gaining more popularity in risk management of large companies, demonstrating the risk exposure of these companies and enabling better decision-making using the hedge more efficiently.

AGRADECIMENTOS

Em primeiro lugar agradeço a Deus por tudo que tem me proporcionado durante toda minha vida.

A minha família que sempre me apoiou e incentivou em todos os momentos do curso. Meus pais, irmãs e avós foram fundamentais com suas palavras.

Um agradecimento especial para minha esposa Rachel por toda a compreensão e paciência durante todo este tempo que me dediquei aos estudos. Sua cumplicidade e estímulo a finalizar este trabalho foi muito importante em todas as fases deste mestrado.

A Eduarda de La Rocque e Edson Gonçalves que me orientaram no início da minha dissertação e me auxiliaram a buscar o objeto de estudo.

Agradeço a meu orientador José Valentim por sua dedicação e auxilio em todo meu trabalho desde o primeiro momento de sua participação. Sem seu apoio e máxima dedicação, esta dissertação não seria possível.

A equipe de professores, coordenadores e secretaria de FGV/EPGE pelo apoio e vasto conhecimento transmitido durante minha permanência na instituição.

SUMÁRIO:

1 Introdução:... 1

1.1 - Definição do problema: ... 1

1.2 - Justificativa do trabalho:... 4

1.3 - Pergunta a ser respondida:... 4

1.4 - Metodologia:... 5

1.5 - Descrição dos capítulos: ... 6

2 Risk Management e Governança Corporativa:... 7

2.1 - Mecanismos de Governança Corporativa:... 7

2.2 - Adicionando Valor a Firma com Risk Management: ... 10

3 Metricas para Gerenciamento de Riscos em Empresas Não Financeiras:... 13

3.1 - Value at Risk (VaR): ... 14

3.2 - Cash Flow at Risk (CFaR):... 15

3.3 - Earnings at Risk (EaR): ... 16

3.4 - Abordagem Bottom-Up x Top-Down x Exposure-Based CFaR: ... 17

4 Aplicação do Modelo Proposto ... 19

4.1 - Panorama Geral sobre a empresa... 19

4.2 - Identificação dos Fatores de Risco ... 20

4.3 - Estimação dos Fatores de Risco Identificados: ... 24

4.4 - Estimativa e Resultado do CFaR: ... 32

5 Conclusão... 34

1 INTRODUÇÃO:

1.1- Definição do problema:

Com o passar dos tempos, o gerenciamento de riscos vem assumindo um papel relevante e definitivo no ambiente das instituições financeiras. Mais recentemente, entretanto, o assunto ganhou espaço também no âmbito de instituições não-financeiras. Alguns acontecimentos contribuíram para esta necessidade. Dentre eles destacam-se: o aumento da interdependência e da volatilidade nos mercados nos quais as empresas atuam; a adoção por órgãos reguladores de normas com o objetivo de minimizar perdas aos investidores; e a percepção por parte destes investidores de que os indicadores comumente utilizados para avaliar empresas, não são suficientes para identificar potenciais situações de estresse. A prática de uma gestão integrada de risco vem evoluindo e possibilitando que as empresas identifiquem maneiras de quantificar sua exposição ao risco, possibilitando tomada de decisões mais seguras e agregando valor ao acionista. Neste trabalho irei calcular um indicador de risco para uma empresa petrolífera, possibilitando a empresa avaliar sua exposição às variáveis de risco identificadas.

No Brasil, a estabilização econômica obtida na década de 90, possibilitou o planejamento de longo prazo e a abertura econômica. Esta abertura viabilizou a entrada de uma quantidade maior de empresas brasileiras no contexto internacional, assim como uma maior exposição a novas fontes de risco. Estes são fatores motivacionais para o desenvolvimento de um controle eficaz de riscos dentro das empresas. Em 14 de janeiro de 2002, a Comissão de Valores Mobiliários (CVM) reforçou a necessidade de se divulgar os riscos incorridos pelas empresas em seus demonstrativos financeiros. No mercado americano, a Securities and Exchange Comission (SEC) exige que os indicadores de controle de risco sejam divulgados trimestralmente para os acionistas de companhias abertas americanas. Espera-se que no Brasil esta tendência também seja seguida e que tais indicadores passem a ser divulgados, mostrando principalmente, o

impacto de mudança em variáveis como câmbio e preços de commodities sobre o resultado das companhias. Em entrevista ao site www.listaderiscos.com.br na data de 10/09/2003, Eduarda de La Rocque (diretora da RiskControl) diz que muitas empresas já estão fazendo acompanhamento de risco no Brasil, mas as informações acabam não sendo compartilhadas com todos os acionistas. Em geral, são do conhecimento apenas dos gestores e, na melhor das hipóteses, dos controladores. Nos próximos anos, entretanto, os controles de risco devem ganhar transparência também para os investidores finais no mercado brasileiro.

Um artigo da RiskControl (2002) apresenta a cronologia do gerenciamento de riscos corporativos, fazendo um contraponto interessante entre as formas e o gerenciamento de riscos de mercado em instituições financeiras. De acordo com esse artigo, o uso de sistemas quantitativos para medição de riscos de mercado começou a se difundir entre instituições financeiras a partir de 1994, com o lançamento pelo JP Morgan do documento RiskMetrics (1999) que trazia, entre outras coisas, a metodologia de cálculo do Value-at-Risk (VaR). Entretanto, dois anos se passaram até que a SEC propusesse em 28 de dezembro de 1995 uma regra que exigia das companhias americanas informações quantitativas sobre riscos de mercado. Em 1997 foi concluído o documento “Market Risk Disclosure Rules” que obrigava as instituições não-financeiras a prestarem informações quantitativas e qualitativas a respeito dos riscos de mercado que estavam expostas.

O VaR é um indicador simples, intuitivo e amplamente aceito pelas empresas financeiras e pelas instituições reguladoras, contudo, ao se tentar a utilização deste indicador em empresas não-financeiras revelou algumas deficiências desta medida no que se refere ao controle de todos os riscos a que estão expostas a estas empresas. Desta forma, novas métricas foram surgindo para suprir essa deficiência. É o caso do CFaR (Cash Flow at Risk) e o EaR (Earnings at Risk), cuja metodologia está exposta no

Para Anderson e Davison (2009) a mais recente evolução que está ganhando popularidade em instituições não financeiras é o conceito de "Cash-Flow-at-Risk" (CFaR). CFaR é outra medida de risco que tem a vantagem de considerar o efeito de muitos fatores de risco e suas distribuições corporativas sobre os fluxos de caixa, e não apenas do valor de mercado da carteira. Também é normalmente aplicado um maior horizonte de tempo que a tradicional medida VaR.

Kleindorfer e Li (2005) consideram que a métrica VaR / CFaR vem assumindo uma forma de distribuição subjacente no processo de precificação. As distribuições foram selecionadas para fornecer curtose maior do que a distribuição gaussiana, que é muitas vezes assumida nas aplicações financeiras tradicionais. Para Eydeland e Wolyniec (2003) uma das desvantagens da metodologia do CFaR é que ela se assenta fortemente sobre o dono do conhecimento na corporação e no seu ambiente empresarial.

Segundo Neto (2007), a métrica de CFaR possibilitou o estudo sobre a condição financeira da empresa levando em conta uma abordagem estatística, sugerindo mais uma ferramenta para ser usada por analistas de investimentos, crédito e por executivos da própria empresa. A utilização do CFaR possibilitou que fossem criados mais cenários do que comumente é feito numa análise determinística, como em um procedimento de avaliação de empresas ou mesmo de projeção de resultados para orçamento em um plano de negócios. Como ponto negativo, pode-se afirmar que existe razoável complexidade computacional para desenvolver um modelo satisfatório, o que muitas vezes pode ultrapassar as restrições orçamentárias das empresas. Devido a isso, atualmente poucas e grandes empresas vêm utilizando o CFaR para controlar suas exposições e seus riscos de demanda e de mercado.

Apesar de avanços nesta área, as pesquisas que foram desenvolvidas ao longo dos últimos anos ainda não atingiram resultados consistentemente satisfatórios, fazendo com que, ao contrário do gerenciamento de riscos em instituições financeiras, ainda não

haja um consenso sobre uma métrica padrão para a mensuração integrada dos riscos nas corporações.

1.2 - Justificativa do trabalho:

A justificativa deste trabalho está na relevância deste tema para as empresas e a observação de que existe um espaço para novas proposições, dado que as pesquisas sobre gerenciamento de risco em instituições não financeiras ainda não chegaram a um consenso sobre a melhor forma de ter uma gestão integrada de riscos.

Passadas algumas crises financeiras por falta de controles efetivos de risco, devemos identificar métodos de gerenciamento de risco que protejam as empresas de modo geral. Desta forma, devemos identificar algumas métricas de gerenciamento de risco que se adéqüem para o caso específico das corporações.

1.3- Pergunta a ser respondida:

Para compreendermos a necessidade da gestão de risco devemos saber exatamente o significado de risco. Conforme Jorion (2003), risco pode ser definido como a volatilidade dos resultados inesperados, normalmente relacionados ao valor de ativos ou passivos de interesse. Ele ainda ressaltou que as empresas estão expostas a diversos tipos de risco, podendo ser não estratégico ou estratégico.

Como não estratégico, tem-se os riscos que a empresa não possui controle, como por exemplo, mudanças em cenários econômicos e políticos. Em se tratando de um risco estratégico, estes são avaliados e tomados voluntariamente com o objetivo de impactar o valor da empresa através de variações positivas em seu fluxo de caixa gerando valor aos acionistas.

O objetivo principal deste trabalho é a criação de um modelo teórico para a mensuração do fluxo de caixa em risco (CFaR) em instituições não financeiras, e sua aplicação na indústria de óleo e gás. Através deste modelo a empresa deve ser capaz de observar, através de seu fluxo de caixa, a probabilidade de dispor ou não de recursos para honrar seus compromissos.

1.4- Metodologia:

Para responder esta pergunta, primeiro devem-se analisar os métodos utilizados para gerenciamento de risco (VaR, CFaR e EaR) e aplicar um modelo de CFaR (para este trabalho serão utilizadas empresas pertencentes à indústria de óleo e gás). Após a aplicação desta métrica, podem-se analisar os resultados encontrados.

Será utilizado como base para o modelo proposto um paper de Andrén e outros (2005) publicado no Jornal of Applied Corporate Finance intitulado “Exposure-Based Cash-Flow-at-Risk: An Alternative to VaR for Industrial Companies”.

O procedimento de cálculo foi dividido em 6 processos, como demonstrado abaixo:

1) Identificar variáveis macroeconômicas e de mercado;

2) Obter ou gerar dados das variáveis macroeconômicas e de mercado;

3) Estimar o modelo proposto. Neste processo serão utilizadas ferramentas econométricas para obter os coeficientes necessários para a simulação das variáveis; 4) Simular as variáveis macroeconômicas e de mercado utilizando números aleatórios considerando sua matriz de variância / covariância. Neste processo será utilizada uma simulação de Monte Carlo com 10.000 observações.

5) Utilizar as variáveis simuladas para gerar uma distribuição do fluxo de caixa condicionado ao risco que reflita os efeitos macroeconômicos e de mercado e os demais efeitos não observados (resíduos).

6) Utilizar a distribuição do fluxo de caixa condicionado ao risco, escolher o nível de confiança desejado e calcular o CFaR da empresa.

Será utilizado como variável explicada o indicador EBITDA, dado que este possibilita avaliar o fluxo de caixa das operações por não conter os fluxos financeiros.

1.5- Descrição dos capítulos:

Este trabalho está dividido em uma parte introdutória onde se encontra principalmente uma breve descrição sobre gerenciamento de risco em instituições não financeiras e identifica algumas métricas utilizadas. O capítulo 2 faz uma revisão sobre os mecanismos de Governança Corporativa e a identificação de custos de agência, assim como identifica imperfeições de mercado mostrando a possibilidade de se adicionar valor à firma através do gerenciamento de risco. O capítulo 3 identifica algumas métricas utilizadas para gerenciamento de risco, dentre elas o Cash Flow at Risk (CFaR) que se destina a medir o fluxo de caixa em risco de uma empresa. O capítulo 4 apresenta uma aplicação empírica do modelo proposto à indústria de óleo e gás. O capítulo 5 revela as conclusões obtidas após a aplicação do modelo proposto.

2 RISK MANAGEMENT E GOVERNANÇA CORPORATIVA:

Ultimamente poucos temas são tão comentados como Risk Management e Governança Corporativa. A percepção das melhorias advindas através de boas práticas, a importância da Governança Corporativa e necessidade da existência de controles internos confiáveis em conjunto com recentes exigências legais direcionam ao Risk Management como uma ferramenta eficiente para garantir as adequações exigidas pelo mercado.

2.1- Mecanismos de Governança Corporativa:

Segundo Perobelli (2004), os conflitos de agência são os elementos principais da denominada Visão Contratual da Empresa, desenvolvida por Coase (1937), Jensen e Meckling (1976) e Fama e Jensen (1983) e surgem quando um gestor vai a mercado obter recursos necessários à manutenção da atividade produtiva da empresa, que tanto podem ser obtidos através de novos acionistas quanto por credores, dependendo do instrumento de captação utilizado. Com a contratação desses recursos surge uma relação relevante para ambas as partes, que não pode ser eliminada: gestores necessitam de fundos dos investidores e investidores necessitam da experiência dos gestores em gerar retorno sobre o capital investido. Como a propriedade desses recursos, detida pelos investidores, e o controle destes recursos, detidos pelos gestores, estão separados, os investidores devem encontrar maneiras de garantir que estes recursos por eles investidos retornem. Sendo assim, pode-se observar que os conflitos de agência derivam das dificuldades que os investidores enfrentam para garantir que seus recursos não serão expropriados ou desperdiçados em projetos que não são atrativos. Ou seja, que os gestores, sendo indivíduos maximizadores de sua utilidade, não agirão de maneira a defender somente interesses pessoais.

Uma maneira de evitar este tipo de conflito seria através de contratos firmados entre investidores e gestores que especificassem que destino os gestores dariam aos recursos

levantados e como os retornos gerados seriam divididos entre as partes envolvidas. Esses contratos deveriam considerar todas as contingências possíveis de ocorrer após sua assinatura. Entretanto, ocorre um problema de não ser possível prever todas as contingências futuras, o que inviabiliza os contratos perfeitos.

Pode-se dizer que os investidores precisam garantir o retorno sobre o capital investido, desta forma seria plausível que eles detivessem tal controle, decidindo sempre que os fatos inesperados ocorressem. Contudo, os investidores entregam seu capital aos gestores justamente pelo fato dos investidores não terem a expertise necessária para maximização de sua utilidade. Portanto, em situações emergenciais, espera-se que gestores saibam melhor que os investidores qual decisão tomar. Contratos perfeitos são inviáveis, investidores e gestores deveriam distribuir entre si direitos de se tomar decisões em circunstâncias que não foram previstas em contratos. O ponto em questão é saber quem deteria tais direitos de decisão.

É de se esperar que os gestores que detenham não apenas o controle discricionário sobre a alocação de capital, mas também os direitos residuais de controle. Desta forma, os investidores aparentemente estão desprotegidos frente aos amplos poderes dos gestores. Esse cenário piora quando existe um grande número de investidores pouco informados.

Para tentar reduzir este problema, foram criados os mecanismos de Governança Corporativa, que são instituições legais e econômicas utilizadas no decorrer do processo produtivo de forma a tentar garantir a segurança dos investidores.

Existe a possibilidade que acionistas e credores, limitem os poderes do agente, protegendo-se da expropriação de riqueza, mas também reduzindo a lucratividade da

Na ocorrência de mecanismos legais demasiadamente onerosos ou ineficientes, surgem mecanismos econômicos buscando reduzir os problemas de agência. A concentração do controle acionário é um deles e justificaria a presença dos acionistas majoritários em mercados pouco desenvolvidos em se tratando de sistemas legais de proteção. Os investidores reduzem seus riscos de expropriação de seus recursos e maior controle sobre o capital investido ao possuir grandes blocos de ações com direito a voto. Contudo, existem riscos advindos dessa ação.

O primeiro é relacionado a diversificação de recursos que os investidores majoritários enfrentam. A diversificação do valor investido pelo acionista, aportando em cada empresa um montante menor de capital, reduz as probabilidades de perda de seu capital. Desta forma o investidor deve construir uma carteira com o objetivo de maximizar retornos e reduzir riscos.

O segundo ocorre porque os acionistas majoritários tem mais incentivos que os próprios gestores a investir em projetos mais arriscados, migrando o risco de falência aos credores e a expropriar riquezas dos acionistas minoritários. Os acionistas têm maior interesse em projetos que ofereçam maiores taxas de retornos, ainda que seja baixa a probabilidade de obter sucesso. Caso o projeto seja bem sucedido, o acionista é recompensado com o retorno gerado. Contudo, caso o projeto de prejuízo, as responsabilidades são divididas entre acionistas e credores.

Um terceiro custo de agência relacionado à concentração acionária se relaciona com o fato de que investidores majoritários têm maior incentivo a expropriar riqueza dos empregados e gestores. Sendo expropriados, esses stakeholders terão menos incentivos a investir em suas habilidades e potencialidades, empobrecendo o capital humano da empresa e reduzindo sua eficiência.

2.2- Adicionando Valor a Firma com Risk Management:

O gerenciamento de risco gera benefícios como aumento da transparência das informações da firma aos investidores e propicia uma redução dos custos de agência da dívida e capital próprio, proteção contra eventuais perdas de grandes proporções, maior previsibilidade nos resultados e a capacidade de controlar os riscos assumidos. Desta forma o valor da firma pode ser potencializado por melhorar seu autoconhecimento, otimizar seus resultados e diluir seus riscos.

Levando em consideração que a exposição das empresas a certos tipos de risco, como juros, não é capaz de aumentar o risco sistêmico desta empresa, somente o risco diversificável, o gerenciamento de risco não deveria ser capaz de adicionar valor a empresa através da redução de seu custo de capital. Desta forma, Markowitz (1959) através do conceito de diversificação, deveria desencorajar a adoção de práticas de gerenciamento de riscos nas empresas. Contudo, o gerenciamento de risco é relevante onde as imperfeições de mercado, capazes de alterar o fluxo de caixa após efeitos tributários das empresas, estejam presentes. Pelo menos quatro imperfeições de mercado justificam o gerenciamento de risco, Perobelli (2004) descreve como:

1. Custo de falência:

O custo de falência também seria classificado como um custo de agência relacionado a obtenção de dívidas. A existência de custo de falência também justifica a utilização se um sistema de gerenciamento de risco.

Os custos de falência podem ser divididos em diretos e indiretos. Os custos indiretos são considerados por alguns autores mais relevantes que os diretos. Segundo Myers (1977) e Myers e Majluf (1948), os custos indiretos de falência incluem a redução dos

da dívida contratada é superior ao valor incremental gerado pelo projeto, desestimulando este investimento. Com o gerenciamento de risco, o problema de sub-investimento é reduzido, dado que o valor da dívida torna-se menos sensível ao investimento incremental e ao controle da variabilidade dos fluxos de caixa.

Os custos diretos de falência podem gerar possíveis variações no valor da empresa, porque em um caso de falência seus fluxos operacionais passam a ser distribuídos com terceiros, além de acionistas e credores.

Se os investidores visualizam a probabilidade de falência como algo tangível, estes custos estarão embutidos no valor da empresa. O mesmo ocorre com empregados, clientes, fornecedores e credores. Empregados exigirão maiores salários ou farão menores esforços no trabalho; clientes evitarão comprar seus produtos pensando que irão ficar sem assistência; fornecedores evitarão contratos com longo prazo; e credores exigirão maiores taxas e menos flexibilidade nos pagamentos.

Através de um gerenciamento de risco capaz de controlar a probabilidade de falência da empresa, seu valor presente tende a aumentar, já que seus custos de falência serão eliminados. Ou seja, as empresas conseguem aumentar seu endividamento sem um aumento nos custos de falência, trocando capital próprio por dívida mais barata, obter benefícios fiscais e utilizar alavancagem financeira para gerar valor para os acionistas.

2. Alavancagem:

Alguns autores utilizam a alavancagem financeira como uma medida de custos de falência, tendo em vista que empresas mais alavancadas têm um maior incentivo para fazer hedge dado uma maior probabilidade de falência. Graham e Rogers (2000) encontram evidências que o gerenciamento de riscos pode reduzir os custos de sub-investimento e financial distress. Os resultados empíricos indicam que a casualidade entre hedge e alavancagem é nos dois sentidos.

3. Incentivos tributários:

Mayers e Smith (1982) e Smith e Slutz (1985) mencionam que, caso a empresa esteja sujeita a uma carga tributária que seja uma função convexa de seus lucros (taxas marginais maiores à medida que seus lucros aumentam), a existência de um gerenciamento de risco pode reduzir o valor esperado dos tributos a pagar, através da redução da volatilidade dos resultados a serem tributados.

Considerando que a utilização de capital de terceiros pode gerar incentivos tributários, a empresa pode ter um aumento da capacidade de contrair dívidas dada a utilização de uma gestão de riscos, que é observado como um incentivo tributário indireto. Desta forma é esperado uma relação positiva entre nível de endividamento e a gestão de riscos.

4. Incapacidade de diversificar perfeitamente os riscos via mercado:

Um fato que ocorre é que normalmente os agentes econômicos tenham certo grau de aversão ao risco. Ao ter uma parte de seu capital associada a uma companhia, estes agentes ficam expostos a um risco idiossincrático. Neste caso é necessária uma política de gerenciamento de risco, dado que segundo Stulz (1996), a ausência de diversificação faz com que as taxas de retorno exigidas por estes agentes compensem o risco total incorrido e não apenas o risco sistêmico. Desta forma ocorre uma elevação do custo de capital da empresa simplesmente por ocorrer uma incapacidade de diversificação.

Pode-se observar que a o nível de relevância de um gerenciamento de risco em uma empresa vai além do controle de seu fluxo de caixa ou outros indicadores financeiros. A necessidade de gerenciar riscos corporativos apresenta-se onde há a presença de imperfeições de mercado, dado que estas imperfeições são capazes de impactar o fluxo

3 METRICAS PARA GERENCIAMENTO DE RISCOS EM EMPRESAS NÃO FINANCEIRAS:

Este capítulo apresenta algumas métricas utilizadas de gerenciamento de riscos em empresas não financeiras. O objetivo é apresentar tais métricas, resumindo os principais conceitos extraídos onde predominam ora abordagens bottom-up, fortemente baseadas em análises de séries de tempo e nas características de uma única empresa, ora top-down, baseadas na observação de um conjunto de empresas num dado período.

Para La Rocque e outros (2003), existe nas empresas muita preocupação quanto aos resultados a serem apresentados no final do exercício, bem como um eventual problema de caixa para honrar compromissos futuros. Em outras palavras, a empresa, em geral, tem preocupações quanto à variabilidade de seus fluxos de caixa. Surge, portanto a necessidade de uma medida de “fluxo de risco”, e não somente de valor em risco, ou seja, necessita-se também de CFaR (Cash Flow at Risk), como uma métrica complementar ao VaR. O CFaR é a ferramenta ideal para tratar qualquer tipo de resultado em risco, seja ele uma variável relativa a um fluxo de caixa (geração operacional de caixa, por exemplo), ou conta de resultado contábil (lucro, por exemplo) – neste último caso, em que o interesse recai sobre o resultado contábil, é comum utilizar-se a nomenclatura EaR (Earnings-at-Risk) ao invés de CFaR. O CFaR permite também que se faça a gestão de caixa (cash management) da empresa. Cabe realçar que o CFaR da empresa não depende somente de riscos de “mercado” (preço), mas também fundamentalmente do risco de demanda. É necessário, assim, que se estenda a análise de incerteza além dos riscos financeiros para que se tenha uma boa análise dos riscos envolvidos com a geração de caixa, resultados financeiros e operacionais das empresas não financeiras.

3.1- Value at Risk (VaR):

O motivo maior de se utilizar o VaR consiste em resumir de forma fácil a exposição total ao risco de mercado para uma empresa em um único número.

Para La Rocque e Werlang (2004), define-se Value at Risk (VaR) como a perda potencial do valor de uma carteira num determinado horizonte de tempo a um nível de significância de %α (confiança de 1−α%). Ele refere-se à expectativa de variação do valor de mercado de uma data para outra. Matematicamente, o VaR de um dia a

%

1−α de confiança é definido como o número que faz com que: %

)

Pr(P_t −P_t−1 ≤VaR =

α

Para esclarecer a definição utilizada acima, um VaR diário de uma carteira U$ 4 milhões com 5% de significância implica que há uma chance em vinte, sob condições normais de mercado, de se registrar uma perda igual ou superior a U$ 4 milhões de um dia para o outro. É importante ressaltar mais uma vez que o VaR é uma medida de risco de valor, logo se refere à variação do valor presente dos instrumentos financeiros em carteira.

O VaR foi um grande passo na evolução dos métodos de gerenciamento de risco. Além de incorporar as taxas de juros, pode abranger muitas outras fontes de risco de forma consistente como commodities, ações e variações no câmbio. Desta forma, o VaR tende a ser um instrumento para gestão financeira suficiente para instituições financeiras. Ele leva em considerações alavancagens e correlações, práticas essenciais quando se utiliza grandes carteiras com instrumentos derivativos.

Para Jorion (2003) o VaR está também se firmando no mundo corporativo, embora de forma mais lenta que nas instituições financeiras. O ponto principal, para empresas não-financeiras, é o foco no fluxo de caixa ao invés do valor de mercado dos ativos e dos passivos. O problema é que as relações entre os fluxos de caixa e as variáveis do mercado financeiro podem ser de avaliação mais difícil.

3.2- Cash Flow at Risk (CFaR):

Para atender a necessidade das empresas não-financeiras, devemos utilizar o fluxo de caixa em risco (CFaR) que não é nada mais do que a metodologia do VaR modificada para estas empresas. Essa necessidade vem da preocupação existente com os resultados apresentados ao final do ano e sua capacidade de honrar compromissos futuros. Em suma, a empresa não-financeira tem uma preocupação constante com seu fluxo de caixa e por este motivo utiliza uma medida de fluxo em risco adicional ao valor em risco.

Para La Rocque e Werlang (2004), define-se Cash Flow at Risk (CFaR) como o valor mínimo de um fluxo de caixa em uma data (T₁) no futuro para um nível de significância de α%, avaliado com as informações disponíveis hoje (t ). Equivale ao 0

ésimo −

α percentil da distribuição de probabilidade do fluxo em questão numa determinada data no futuro. Tem-se um enfoque de médio / longo prazo e de fluxo de caixa ao invés de valor.

Matematicamente o CFaR da data (T1) analisado em (t ) a 0 (1−α)% de confiança é definido como o número que faz com que Pr(Cash_Flow_T ≤CFaR/t)=

α

Na demonstração de fluxo de caixa encontramos atividades operacionais, de investimentos e financeiras. Sem um controle eficiente de caixa pode-se perder oportunidades de investimento e até mesmo a falência da empresa. Desta forma observa-se a importância de um gerenciamento de risco eficiente do fluxo de caixa.

Para Stein e outros (2001), o CFaR é definido como uma distribuição de probabilidade do fluxo de caixa operacional da empresa sobre um horizonte de tempo futuro baseado em informações atuais. Apesar de ser fácil conceitualmente, é muito mais difícil corresponder uma estimação de CFaR segura para todas as empresas. Uma forma de visualizar os alertas associados à construção das métricas do CFaR é comparar com o Value-at-Risk (VaR), medida normalmente utilizada por bancos e outras instituições financeiras. Apesar de diferenças óbvias entre os dois (por exemplo, CFaR tem um foco em fluxo de caixa enquanto VaR tem seu foco no valor dos ativos; e o CFaR utiliza um horizonte de tempo de quadrimestre ou ano, enquanto o horizonte de tempo do VaR é tipicamente medido em dias ou semanas), o CFaR é uma tentativa de criar uma métrica análoga ao VaR que possa ser utilizado por instituições não financeiras.

3.3- Earnings at Risk (EaR):

O EaR se mostra bem mais complexo que o CFaR dado a necessidade de reavaliação de estoques, fluxos futuros e a consideração de normas contábeis e tributárias. Desta forma, pode-se observar que os resultados obtidos através da utilização do CFaR e o EaR são diferentes, o que reforça a necessidade de análise como informações complementares.

Para La Rocque e Werlang (2004), define-se Earnings at Risk (EaR) como o valor mínimo de uma conta de balanço ou conta de resultado (como por exemplo, o EBIT, EBITDA, Ativo Total, etc.) ou mesmo de um índice derivado destas (ROA, Margem EBITDA etc.) numa determinada data (T₁) no futuro, para um nível de significância de

%

α , avaliado com as informações disponíveis hoje (t₀).

Segundo La Rocque e Werlang (2003):

“... o EaR nada mais é que o CFaR acrescido de considerações contábeis. ... Para elucidar a diferença, talvez o melhor exemplo seja o efeito de uma grande desvalorização cambial sobre uma empresa que tenha um grande passivo em dólar no longo prazo. No evento de uma desvalorização cambial, o efeito negativo sobre o fluxo de caixa advindo de um aumento em reais dos pagamentos de juros em dólares, poderia ser pequeno. Isto porque a maior parte dos serviços da dívida poderia estar localizada depois de 1 ano. No entanto, o resultado em balanço seria fortemente afetado, dado que a variação cambial incide diretamente sobre o estoque da dívida. Desta forma, o CFaR indicaria um pequeno risco cambial, enquanto o EaR indicaria um enorme risco para o balanço da empresa. ... sendo assim, a métrica de risco mais relevante para a empresa vai depender do que é mais importante para a mesma: Fazer hedge para caixa, ou para o balanço?”

3.4- Abordagem Bottom-Up x Top-Down x Exposure-Based CFaR:

Existem diferentes abordagens utilizadas para o cálculo do CFaR, dentre elas a bottom-up, top-down e exposure-based CFaR. Estes métodos devem ser analisados e utilizados conforme a necessidade de cada empresa.

A abordagem bottom-up busca identificar os componentes do fluxo de caixa que são expostos ao risco de mercado. Além de ser difícil de implementar, na prática podem desconsiderar ou medir de forma ineficaz importantes fontes de risco. Seus componentes podem ser, por exemplo, premissas operacionais de venda e custo.

A abordagem top-down tem o foco na volatilidade global do fluxo de caixa. É considerada a abordagem mais simples, foca nos resultados obtidos nas contas contábeis a serem analisadas, como por exemplo, o EBITDA.

O Exposure-Based CFaR envolve uma estimação de um grupo de coeficientes que provêem informações sobre como as variáveis macroeconômicas e de mercado são capazes de alterar o fluxo de caixa das empresas. Esses coeficientes podem ser, por exemplo, a inflação, taxa de juros e preço do Brent (commodity) para a indústria petrolífera.

Por existirem limitações nos métodos bottom-up e top-down, Andrén e outros (2005) recomendam a utilização do Exposure-Based CFaR dado sua abordagem ser mais informativa e proveitosa para o gerenciamento de risco.

4 APLICAÇÃO DO MODELO PROPOSTO

4.1- Panorama Geral sobre a empresa

Para o desenvolvimento desse estudo, foi escolhida a empresa Petróleo Brasileiro S/A, que atua na exploração, produção, refino, comercialização e transporte de petróleo e seus derivados com seus resultados oriundos principalmente do mercado brasileiro.

A Petróleo Brasileiro S/A - PETROBRAS iniciou suas atividades com o acervo recebido do antigo Conselho Nacional do Petróleo (CNP), que manteve sua função fiscalizadora sobre o setor. (www.petrobras.com.br, 01/06/2009)

As operações de exploração e produção de petróleo, bem como as demais atividades ligadas ao setor de petróleo, gás natural e derivados, à exceção da distribuição atacadista e da revenda no varejo pelos postos de abastecimento, foram monopólio conduzido pela Petrobras de 1954 a 1997. Durante esse período a Petrobras tornou-se líder em comercialização de derivados no País, e graças ao seu desempenho a Companhia foi premiada em 1992 pela Offshore Technology Conference (OTC), o mais importante prêmio do setor, e posteriormente recebeu o prêmio também em 2001. (www.petrobras.com.br, 01/06/2009)

Em 1997, o Brasil, através da Petrobras, ingressou no seleto grupo de 16 países que produz mais de 1milhão de barris de óleo por dia. Nesse mesmo ano, em 6 de agosto de 1997, o presidente Fernando Henrique Cardoso sancionou a Lei n º 9.478, que abriu as atividades da indústria petrolífera no Brasil à iniciativa privada. (www.petrobras.com.br, 01/06/2009)

Em 2003, coincidindo com a comemoração dos seus 50 anos, a Petrobras dobrou a sua produção diária de óleo e gás natural ultrapassando a marca de 2 milhões de barris, no Brasil e no exterior. (www.petrobras.com.br, 01/06/2009)

No dia 21 de abril de 2006, o Presidente Luiz Inácio Lula da Silva deu início à produção da plataforma P-50, no Campo de Albacora Leste, na Bacia de Campos, o que permitiu ao Brasil atingir auto-suficiência em petróleo. (www.petrobras.com.br, 01/06/2009)

No início de 2008, a Petrobras foi reconhecida através de pesquisa da Management & Excellence (M&E) a petroleira mais sustentável do mundo. Em primeiro lugar no ranking, com a pontuação de 92,25%, a Companhia é considerada referência mundial em ética e sustentabilidade, considerando 387 indicadores internacionais, entre eles queda em emissão de poluentes e em vazamentos de óleo, menor consumo de energia e sistema transparente de atendimento a fornecedores. (www.petrobras.com.br, 01/06/2009)

4.2- Identificação dos Fatores de Risco

A escolha das variáveis teve como objetivo identificar alguns fatores que geram impacto no valor do EBITDA (Lucro antes dos Juros, Imposto de Renda, Depreciação e Amortização). Segundo a definição feita por La Rocque e Werlang (2004) apresentada anteriormente, a utilização da conta de resultado EBITDA serve para calcular o Earning at Risk (EaR). Contudo iremos seguir a nomenclatura Cash Flow at Risk (CFaR) utilizada por Andrén e outros (2005).

Não só pela conseqüência da longa "maxidesvalorização" do real a partir de 1999, como também pela mudança de política de reajustamento de preços dos derivados de petróleo em conseqüência da quebra do monopólio estatal do petróleo no Brasil, o desempenho da Petrobras nos anos 1993-1998 difere bastante do dos anos 1999-2008. Esta foi uma das motivações para utilizar uma base de dados trimestral partindo do ano de 1999.

Foram identificadas as variáveis abaixo para o cálculo dos coeficientes:

• EBITDA em milhões de reais da Petrobras, no período de análise: jan/99 a dez/2008

• Média trimestral da cotação Internacional do petróleo, West Texas Intermediate- WTI, no período de análise: jan/99 a dez/2008

• Média trimestral da produção de petróleo no período de análise: jan/99 a dez/2008

• Média trimestral da taxa de câmbio entre o dólar e o Real no período de análise: jan/99 a dez/2008

• Média trimestral da taxa de juros (TJLP) no período de análise: jan/99 a dez/2008

• Produto Interno Bruto (PIB) a preços de mercado trimestral no período de análise: jan/99 a dez/2008

• Média trimestral de inflação medida pelo IPCA - Índice Nacional de Preços ao Consumidor Amplo no período de análise: jan/99 a dez/2008

Séries originais das variáveis:

GRÁFICO 1: EBITDA GRÁFICO 2: WTI

EBITDA (MM R$) 0 2 000 4 000 6 000 8 000 100 00 120 00 140 00 160 00 180 00 20 000 WTI (US$/Bbl) 0,00 20,00 40,00 60,00 80,00 100,00 120,00 140,00

GRÁFICO 3: Taxa de Câmbio GRÁFICO 4: Produção de Petróleo

GRÁFICO 5: PIB GRÁFICO 6: IPCA

GRÁFICO 7: TJLP TJLP (%) 0.0% 1.0% 2.0% 3.0% 4.0% 5.0% 6.0% 7.0% 8.0% 9.0% 1 o -1 9 9 9 3 o -1 9 9 9 1 o -2 0 0 0 3 o -2 0 0 0 1 o -2 0 0 1 3 o -2 0 0 1 1 o -2 0 0 2 3 o -2 0 0 2 1 o -2 0 0 3 3 o -2 0 0 3 1 o -2 0 0 4 3 o -2 0 0 4 1 o -2 0 0 5 3 o -2 0 0 5 1 o -2 0 0 6 3 o -2 0 0 6 1 o -2 0 0 7 3 o -2 0 0 7 1 o -2 0 0 8 3 o -2 0 0 8

Observando os gráficos das séries originais, dois períodos devem ser considerados. Em primeiro lugar o ano de 2002, um ano de eleição presidencial em que riscos políticos

Taxa Câm bio (R$/US$)

0,00 0,50 1,00 1,50 2,00 2,50 3,00 3,50 4,00 4,50

Produção Petróle o (Mil Boe/d)

0 500 1000 1500 2000 2500 3000 I P C A ( %) 0. 0% 1. 0% 2. 0% 3. 0% 4. 0% 5. 0% 6. 0% 7. 0% P I B ( %) -10. 0% -8. 0% -6. 0% -4. 0% -2. 0% 0. 0% 2. 0% 4. 0% 6. 0% 8. 0% 10. 0% 12. 0%

Unidos e se alastrou pelo resto do mundo também chamado de crise do subprime. Esta crise impactou não somente os índices comentados anteriormente, mas também impactou o WTI que contribui fortemente na variação dos resultados das empresas da indústria de óleo e gás.

Algumas variações ou quedas nos preços internacionais do petróleo e seus derivados podem impactar negativamente o EBITDA de uma empresa da indústria de óleo e gás conforme comentado acima. Esse fato pode ser explicado devido à grande parte de a receita ser oriunda da venda de petróleo e seus derivados. Assim como as receitas, existem custos que são relacionados ao preço do petróleo, afetando o resultado da empresa.

Segundo o site de relacionamento com o investidor da Petrobras (2009), historicamente os preços internacionais do petróleo, derivados e gás natural oscilam bastante, devido a vários fatores, que incluem:

• Desenrolamentos econômicos e geopolíticos globais e nas regiões de produção do petróleo bruto, especialmente no Oriente Médio;

• A capacidade da Organização de Países Exportadores de Petróleo (OPEP) de fixar e manter os níveis de produção e preços do petróleo bruto;

• A oferta e procura global e regional de petróleo, derivados e gás natural; • A concorrência de outras fontes de energia;

• Regulamentos governamentais nacionais e estrangeiros; e • Condições climáticas.

Assim, intuitivamente, a empresa tem os preços das suas ações influenciados pelo seu lucro que são impactados pelos preços de referências de seus produtos no mercado

internacional, representado por um referencial do preço do petróleo, sendo escolhido o petróleo WTI, West Texas Intermediate.

A exploração e produção de petróleo é uma das fases iniciais da cadeia de atividades da empresa e também o segmento de negócio mais influente dentro da companhia. Sua produção de óleo e gás natural no ano de 2008 foi de 2,4 milhões de barris de óleo equivalente (considera óleo, gás e líquidos) por dia. Essa produção irá abastecer clientes internos (como os demais segmentos obedecendo a cadeia de atividades) e clientes externos da Petrobras. Para identificar a tendência de crescimento da empresa, utilizamos o nível trimestral de produção de petróleo.

A variável PIB foi incluída para refletir o nível de atividade do setor industrial. O IPCA foi incluído para refletir os impactos da inflação na empresa. A TJLP reflete a taxa de juros, utilizadas na política fiscal para equilibrar oferta e demanda, servindo ao mesmo tempo para equilibrar as captações de empréstimos. A taxa de câmbio foi escolhida dada a utilização de commodities que são muitas vezes negociadas em moeda estrangeira.

É importante salientar que estas variáveis não foram concebidas através de algum critério estatístico, mas a sugestão do artigo base utilizado neste estudo (Expousure-Based Cash-Flow-at-Risk: An Alternative to VaR for Industrial Companies). Contudo, nada impede a utilização de outras variáveis em estudos posteriores.

4.3- Estimação dos Fatores de Risco Identificados:

O modelo proposto por Andrén (2005) ganhou popularidade nos artigos que abordam o CFaR e alguns autores utilizaram este modelo proposto por ele como base em alguns trabalhos. Ele buscou desenvolver uma regressão multiderivada em que a variável

atua nos setores de óleo e gás, alumínio e fertilizantes. Como variáveis explicativas foi utilizado um conjunto de premissas que impactam esse fluxo conforme equação abaixo:

Na equação acima DC t

X representa o fluxo de caixa em moeda nacional (DC) no período t, e as variáveis explicativas utilizadas podem ser descritas através da medida de inflação (π), a taxa de câmbio spot (S), as taxas de juros (i), e uma das principais commodities preço (P). Os Betas (β) são os coeficientes estimados através dessa regressão multiderivada. O Εt-1 foi utilizado para captar a previsão ou evolução

esperada das variáveis do mercado em cada período. Por fim, εt são os erros que

seguem uma distribuição normal (0,1). Para Andrén (2005), os coeficientes produzidos por tais medidas proporcionam uma regressão de exposição que pode então ser colocado em três aplicações: (1) determinar o tamanho da cobertura de contratos que irão reduzir ou eliminar a exposição da empresa; (2) que adapta históricos fluxos de caixa para filtrar o impacto macroeconômicas e de riscos de mercado, e (3), fornecer uma base para o cálculo do CFaR.

Seguindo como base este modelo, após considerar algumas adequações na regressão utilizada, foi desenhado a equação abaixo:

Na equação acima, o EBITDA representa o Lucro antes dos Juros, Imposto de Renda, Depreciação e Amortização em milhões de Reais no período t. As variáveis explicativas utilizadas podem ser descritas através do preço do barril de petróleo no mercado americano

em dólar por barril dia (WTI - West Texas Intermidiate), a produção de óleo e gás (petróleo)

t t 6 t 5 t 4 t 3 t 2 t 1 0 t inf txc var_tjlp prod wti EBITDA ε var_ β _ β var_ ln_ β β _ β ln β β + + + + + + +

= ciclo ciclo pib

[ ]

(

[ ]

)

(

[ ]

)

(

[

]

)

[ ]

(

)

(

[ ]

)

(

[ ]

)

em barril por dia (PROD), a taxa de juros de longo prazo em percentual (TJLP), a taxa de câmbio real/ dólar (txc), o produto interno bruto em percentual (PIB) e a inflação em percentual (inf).

As variáveis acima foram testadas para verificar se elas são não estacionárias ou existe a necessidade de fazer a 1ª diferença. Desta forma, as variáveis explicativas foram tratadas com logaritmo, diferença e ciclo (como se fosse o hiato da variável).

A tabela 1 apresenta o resultado da estimação do modelo da Petrobras nos anos de 1999 a 2008.

Variáveis Coeficientes Desv. Padão Estatística t Prob.

C -20492.8 1566.8 -13.1 0.0000 LN_WTI 6249.2 1044.8 6.0 0.0000 CICLO_PROD 2.9 1.6 1.9 0.0684 VAR_TJLP 126444.9 147866.3 0.9 0.3988 LN_VAR_TXC -2794.4 1805.4 -1.5 0.1315 CICLO_PIB -23.8 38.9 -0.6 0.5450 VAR_INF -21896.6 11859.1 -1.8 0.0741 R2 0.9349 76.5756 Estatística Durbin-Watson 1.6586 0.0000 Estatística F Prob(Estatística F) TABELA 1: Elaboração própria.

Apesar de individualmente algumas variáveis não serem estatisticamente significantes, temos um R2 alto, indicando que as variáveis são significantes conjuntamente.

Através do teste de significância individual dos parâmetros (estatística t), foram observados os p-valores utilizando as hipóteses abaixo:

0 : 0 : 1 0 ≠ = i i H H β β _{(NÃO Significante)} 6 5 , 4 , 3 , 2 , 1 e i= (Significante) Onde:

Observado as estimações podemos verificar que aos níveis de significância de 10%, rejeitamos H0 para as variáveis LN_WTI, CICLO_PROD e VAR_INF, logo elas são significantes.

Entretanto, aos níveis de significância de 1%, 5% e 10%, não rejeitamos H0 para as variáveis

(VAR_TJLP, LN_VAR_TXC e CICLO_PIB), logo elas não são significantes.

Para o teste de significância conjunta dos parâmetros (estatística F), foram utilizadas as hipóteses abaixo:

Observando as estimações, podemos verificar que para todos os níveis de significância (1%,

5% e 10%), rejeitamos H0, logo conjuntamente eles são significantes.

O Teste F, mede a significância global dos coeficientes das variáveis explicativas. De acordo com resultado da estimação, notamos que o p-valor da estatística F é 0.0000, ou seja, rejeitamos a hipótese nula a qualquer nível de significância (1%, 5% e 10%). Concluímos então que todos os parâmetros são significantes em conjunto para todos os níveis de significância (1%, 5% e 10%).

Vale mencionar que os resultados obtidos ficaram fora da expectativa existente com relação a alguns p-valores encontrados no modelo. Contudo, foi tomada a decisão de manter as variáveis após o teste de significância global do modelo.

É importante observar a possibilidade de ocorrência de autocorrelação serial e heterocedasticidade no modelo. Diversos testes e procedimentos podem ser utilizados para investigar a existência de autocorrelação serial e heterocedasticidade nos erros de uma regressão. Antes, contudo, cabe uma breve apresentação destes dois problemas que podem surgir em uma análise de regressão.

0 : 0 : 1 0 ≠ = um menos pelo H H β_i Onde: (Globalmente significantes)

(Globalmente Não significantes)

6 5 , 4 , 3 , 2 , 1 e i=

O problema da autocorrelação serial é dado pela existência de correlação diferente de zero entre os erros de um modelo de regressão. Assume-se no modelo de regressão que os erros são tais que:

( )

(

)

t σ ε ε = ≠

ε

A quebra deste pressuposto ocorre quando E

(

)

aparecer de várias formas, a mais comum delas é como um processo autoregressivo.

Uma das origens deste problema é a estimação de modelos com dados indexados no tempo sem correta especificação da dinâmica. A verificação da quebra deste pressuposto é realizada através de procedimentos gráficos e de testes de hipóteses realizados sobre os resíduos (estimativas dos erros).

Para testar autocorrelação de 1ª ordem iremos utilizar o teste de Durbin-Watson. Para maiores detalhes ver Maddala (2003). Este teste verifica se há autocorrelação de 1ª ordem em relação ao período anterior. Ou seja, se o resíduo está ou não correlacionado.

t t t =ρ ε−1+u ε ut ~N

( )

ρ

Como regra de decisão, no caso de d < dl deve rejeitar H0 (autocorrelação positiva). Se dl < d <

ds ou 4 – ds < d < 4-dl o teste é considerado inconclusivo. Caso ds < d < 4 – ds, não rejeita H0.

Por fim, se d > 4 – dl deve rejeitar H0 (autocorrelação negativa).

estatística DW para esta regressão foi 1.6586, que está entre dl e ds, logo a hipótese nula a 5% de nível de significância é inconclusiva.

Para testar autocorrelação acima de ordem “n” iremos utilizar o teste de Breush-Godfrey. Este teste contempla a possibilidade de erros do tipo ARMA(p,q), e é aplicável caso haja ou não termos defasados do lado direito da equação. Para maiores detalhes sobre testes de correlação serial, ver Maddala (2003).

Para o teste de Breush-Godfrey, foram utilizadas as hipóteses abaixo:

(Não há autocorrelação de ordem n)

(Há autocorrelação de ordem n)

Foram feitos testes de autocorralação de 2ª, 3ª, 4ª e 5ª ordem utilizando o Eviews foram encontradas as seguintes probabilidades:

N° ordem _{Probabilidade}

2ª 0.190362

3ª 0.158015

4ª 0.111504

5ª 0.183935

TABELA 2: Probabilidades do teste de Breush-Godfrey.

Pelos p-valores da estatística de teste, não rejeitamos H0 a todos os níveis de significância (1%,

5% e 10%), logo não há autocorrelação de 2ª, 3ª, 4ª E 5ª ordens.

( )

ρ

ρ

ρ

Caso houvesse a presença de autocorrelação, poderia usar um teste de correção, o teste de Newey West (1987). Este teste resolve os problemas derivados de erros heterocedasticos e autocorrelacionados.

Com relação ao problema da heterocedasticidade, este pode ser entendido como a quebra do pressuposto de constância da variância dos erros. De forma que os erros passam a ser dados por:

( )

Segundo Maddala (2003), com relação às conseqüências da heterocedasticidade, os estimadores mínimos quadrados são não-viesados mas ineficientes e os erros padrão são também viesados, invalidando, por conseguinte, os testes de significância.

Para detectar este problema podemos utilizar o teste de White (1980). Este teste tem como procedimento a realização da regressão de interesse, obter o quadrado dos resíduos, fazer a

regressão do quadrado dos resíduos em constantes como por exemplo x1,..., xn, (xn)

2

, ...,(xn) 2

,

x1x2, ..., xnxn , e ao final observar os resultados. Para maiores detalhes, ver Maddala (2003).

O teste de White pode ser demonstrado com termos cruzados (cross terms) e sem termos cruzados (no cross terms) para testar a heterocedasticidade. Seguem abaixo as probabilidades:

Teste de White Probabilidade

(termos cruzados) 0.623739 (sem termos cruzados) 0.570801

TABELA 3: Probabilidades do teste White de heterocedasticidade.

A partir do p-valor do teste, não rejeitamos a hipótese nula de homocedasticidade dos erros para qualquer nível de significância (1%, 5% e 10%). Não há heterocedasticidade no modelo.

Caso fosse constatado no modelo a presença de heterocedasticidade, iríamos estimar o modelo com as variâncias corrigidas pela matriz de White.

Observando as variáveis estimadas no modelo, pode ser verificado o impacto destas sobre o

EBITDA da empresa. Neste contexto, uma variação positiva no preço do óleo no mercado internacional tem um impacto positivo no fluxo das operações. Isso ocorre porque é uma empresa que tem uma estratégia voltada para a exploração e produção de petróleo. Caso fosse uma empresa com maior participação no segmento de refino, o aumento no preço do petróleo traria um custo maior dado que este é uma matéria-prima neste processo de refino.

Assim como maiores volumes produzidos de petróleo tendem a impactar positivamente o resultado da empresa (neste caso estou considerando que a empresa não tem problemas com a demanda deste produto e vende grande parte da produção).

A variável TJLP teve um comportamento diferente do esperado, dado que seu coeficiente apesar de positivo, deveria demonstrar um choque negativo no resultado da empresa.

Em se tratando da taxa de câmbio, sua relação vai depender da sua dívida, exportações, importações e demais exposições ao câmbio. Esta relação pode variar tanto positiva quanto negativamente.

Outra variável que não apresentou um comportamento esperado foi o PIB, pois demonstra um coeficiente negativo no lugar de um coeficiente positivo que poderia ser explicado por um aumento no consumo.

Por fim, um aumento na inflação gera um impacto negativo nos resultados da empresa por ocasionar movimentos como aumento nos custos e redução na demanda.

4.4- Estimativa e Resultado do CFaR:

Para estimar o Fluxo de Caixa em Risco (CFaR) da Petrobras foi necessário estimar a matriz de variância / covariância dos fatores de risco. Foram utilizadas as mesmas variáveis explicativas do modelo econométrico. Desvio Padrão e correlações podem ser verificadas na tabela 4.

Correlação

Desvio Padrão Produção TJLP R$ / US$ PIB Inflação

WTI 0.5 0.90 -0.11 -0.13 0.09 0.02

Produção 304.8 0.01 -0.14 -0.01 0.02

TJLP 0.0 0.00 -0.12 -0.24

R$ / US$ 0.1 0.00 0.13

PIB 5.6 0.05

TABELA 4: Matriz de correlação e desvio padrão.

Utilizando a matriz de variância / covariância, a simulação de Monte Carlo foi feita no MatLab via decomposição de Cholesky. Tal matriz foi utilizada para gerar 10.000 cenários contemplando as variáveis explicativas do modelo econométrico. Seguindo a metodologia utilizada no artigo base, devem-se utilizar as variáveis explicativas para o cálculo do fluxo de caixa operacional da Petrobras para cada uma das 10.000 simulações. Desta maneira, foram utilizados cenários de cada variável multiplicados pelos coeficientes das variáveis encontrados no modelo. Desta forma, obtem-se uma distribuição do fluxo de caixa operacional da Petrobras aplicados aos fatores de risco deste modelo.

Como resultado da distribuição dos fluxos de caixa simulados, pode-se estimar o CFaR da Petrobras conforme tabela 5 e visto graficamente conforme gráfico 8.

EBITDA 5º CFaR CFaR percentil em percentual EBITDA (A) (B) (C = A - B) (D = C/A) 8,571 1,817 6,754 78.80% TABELA 5: Estimativa CFaR da Petrobras.

0 50 100 150 200 250 300 350 -4 ,8 0 5 -3 ,9 0 1 -2 ,9 9 8 -2 ,0 9 5 -1 ,1 9 2 -2 8 9 6 1 4 1 ,5 1 7 2 ,4 2 0 3 ,3 2 4 4 ,2 2 7 5 ,1 3 0 6 ,0 3 3 6 ,9 3 6 7 ,8 3 9 8 ,7 4 2 9 ,6 4 5 1 0 ,5 4 9 1 1 ,4 5 2 1 2 ,3 5 5 1 3 ,2 5 8 1 4 ,1 6 1 1 5 ,0 6 4 1 5 ,9 6 7 1 6 ,8 7 1 1 7 ,7 7 4 1 8 ,6 7 7 1 9 ,5 8 0 2 0 ,4 8 3 2 1 ,3 8 6 2 2 ,2 8 9 2 3 ,1 9 2 2 4 ,0 9 6 2 4 ,9 9 9

Fluxo de Caixa Operacional (R$ Milhões)

F re q ü ê n c ia Média = 8.571 X = 1.817 5% X = 15.325 95%

GRÁFICO 8: Distribuição do Fluxo de Caixa Operacional da Petrobras.

Dado um nível de significância de 95%, tem-se 95% de certeza que o fluxo de caixa esperado da Petrobras não ficará aquém do montante previsto de 8.571 milhões em Reais em mais de 6.754 milhões.

Com a avaliação do CFaR, pode-se observar exposições de riscos individualmente e gerar respostas para estes riscos. Estas respostas podem ser feitas através da análise das variáveis explicativas utilizadas de forma a se utilizar de hedge em suas operações. Como exemplo, pode-se utilizar do mercado futuro para compra / venda de commodities (petróleo) com finalidade de reduzir os riscos e em conseqüência reduzir as possibilidades de perdas.

5 CONCLUSÃO

O Cash-Flow-at-Risk é equivalente ao Value-at-Risk, contudo é utilizado para estimar os riscos de empresas não financeiras. O CFaR vem ganhando mais popularidade na gestão de risco das grandes empresas, demonstrando a exposição ao risco destas empresas e viabilizando a uma melhor tomada de decisão como utilizar o hedge de forma mais eficiente.

O modelo utilizado para o cálculo do Cash-Flow-at-Risk permite estimar os riscos que a empresa está exposta. É importante lembrar que este é um estudo econométrico, desta forma é baseado em dados passados para obter o CFaR. Não sendo possível desta forma prever choques que não fazem parte do comportamento avaliado. É sugerida a utilização de algo parecido com o “Stress test” para avaliar os impactos de situações não previstas no modelo.

O CFaR pode ser utilizado pelos gestores na tomada de decisão sobre o nível de exposição ao risco a ser considerado pela empresa, contudo deverá utilizar este indicador como uma das fontes de avaliação dentre outras.

BIBLIOGRAFIA

Anderson, C. L. e Davison, Matt. The Application of Cash-Flow-at-Risk to Risk Management in a Deregulated Electricity Market, Human and Ecological Risk Assessment: An International Journal, v.15 n.2: 253 – 269, 2009.

Andrén, Niclas; Jankensgard, Hakan e Oxelheim, Lars. Expousure-Based Cash-Flow-at-Risk: An Alternative to VaR for Industrial Companies. Journal of Applied Corporate Finance, v.17 n.3 – Summer 2005.

Amaro de Matos, João. Theoretical Foundations of Corporate Finance. Princeton University Press, 2001.

Carmona, C.U.M. Oliveira, M.R.G. Mercês, L.M.A. Gerenciamento de Risco de Empresas do Setor Elétrico Brasileiro – Um Modelo Utilizando Indicadores Micro e Macroeconômicos. VIII Encontro Brasileiro de Finanças, 2008, Rio de Janeiro. Anais do VIII Encontro Brasileiro de Finanças. Rio de Janeiro : IBMEC, v. v. 1., 2008.

Coase, R. The Nature of Firm. Economica, v.4, p.386-405,1937.

Eydeland, A. e Wolyniec, K. Energy and Power Risk Management. John Wiley, Hoboken, NJ, USA, 2003.

Fama, E. Jensen, M. Agency Problems and Residual Claims. Journal of Law and Economics, v. 26, 1983b.

Graham, R. Rogers, D. Does Corporate Hedging Increase Firm Value? Northeastern University, 2000 (Working Paper).

White, H. A Heteroskedasticity Consistent Covariance Matrix Estimator and a Direct Test of Heteroskedasticity, Econometrica, v.48, pp. 817-838, 1980.

Jensen, M. Meckling, W. Theory of the Firm: Managerial Behavior, Agency Cost and Ownership Structure. Jounal of Financial Economics, October 1976.

Jorion,P: “Value at Risk: A Nova Fonte de Referência para Gestão do Risco Financeiro” 2.ed. BM&F Brasil, 2003.

Kleindorfer, P.R. e Li, L. Multi-period VaR-constrained portfolio optimization with applications to the electric power sector. Energy J, v.26:1–26, 2005.

La Rocque, E. e Lowenkron, A. Métricas e Particularidades da Gestão de Risco em Corporações. Artigo Técnico para Lista de Riscos número 5, 2004.

La Rocque, E.; Lowenkron, A.; Amadeo, E.; Jensen, J. Cenários Probabilísticos: Conjugando Análise de Riscos e Projeções Macroeconômicas. Artigo Técnico, 2003.

La Rocque, Eduarda Cunha; Werlang, Sérgio Ribeiro da Costa; Coelho, Francisco. Risco de Mercado – Gestão de Risco de Mercado em Empresas Não – Financeiras. 47p. Documento Preliminar, 2003.

La Rocque, E. and Lowenkron, A. Gestão de Riscos de Mercado e Governança Corporativa em Corporações. Artigo Técnico Risk Control, 2004.

Leland, H. Agency Costs, Risk Management, and Capital Structure. Journal of Finance, v.53, p. 1213-1243, 1998.

Lima, Rafael F.S. Gestão de Risco de Mercado no Ambiente Corporativo: CFaR e EaR. Monografia - Universidade Federal do Rio de Janeiro, 2004.

Lowenkron, A. Potencialização do Valor da Firma através do Risk Management Corporativo. Artigo Técnico para Lista de Riscos número 1, 2002.

Maddala, G.S. Introdução à Econometria. 3.ed. LTC, 2003.

Markowitz, H. Portofolio Selection. New Haven: Yale University Press, 1959.

Mayers, D., Smith, C. W., On the Corporate Demand for Insurance, Journal of Business, v55, p281-296, 1982.

Myers, S. Determinants of Corporate Borrowing. Journal of Financial Economics, v. 5, p. 147-175, 1977.

Myers, S. Majluf, N. Corporate Financing and Investments Decisions When Firms Have Information That Investors Do Not Have. Journal of Financial Economics, v.13, n. 2, p. 187-221, 1984.

Neto, José M.V. Determinação do Valor em Risco em empresas Não Financeiras – Estudos de Casos em Empresa Geradora de Energia. Dissertação – Pontifícia Universidade Católica de São Paulo, 2005.

Neto, José M.V. Fluxo de caixa em risco em empresas não-financeiras. R.Adm., São Paulo, v.42, n.2, p.239-248, abr./maio/jun. 2007.

Newey, W. e West, K. A Simple Positive Semi-Definite, Heteroskedasticity and Autocorrelation Consistent Covariance Matrix, Econometrica, 55, 703-708, 1987.