PREVISÃO DE RETORNOS DE AÇÕES DOS SETORES FINANCEIRO, DE ALIMENTOS, INDUSTRIAL E DE SERVIÇOS, POR MEIO DE RNA E MODELOS ARIMA-GARCH

(1)

FINANCEIRO

,

DE

ALIMENTOS

,

INDUSTRIAL

E

DE

SERVIÇOS

,

POR

MEIO

DE

RNA

E

MODELOS

ARIMA

-

GARCH

STOCK RETURNS FORECASTING FOR FINANCIAL, FOOD, INDUSTRIAL AND SERVICES COMPANIES USING NEURAL NETWORKS AND ARIMA-GARCH MODELS

MAURI APARECIDO DE OLIVEIRA

Doutor em Administração de Empresas pela Faculdade de Economia e Administração de Empresas da Universidade de São Paulo (FEA-USP-SP). Rua Oliveira Melo, 232, Ipiranga – São Paulo – SP – CEP 04271-000

E-mail: mauriao@usp.br

ALESSANDRA DE ÁVILA MONTINI

Doutora em Administração de Empresas pela Faculdade de Economia e Administração de Empresas da Universidade de São Paulo (FEA-USP-SP). Professora da Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo (FEA-USP-SP). Avenida Professor Luciano Gualberto, 908, sala G-107, Cidade Universitária – São Paulo – SP – CEP 05508-900

E-mail: amontini@usp.br

DANIEL REED BERGMANN

Mestre em Contabilidade pela Faculdade de Economia e Administração de Empresas da Universidade de São Paulo (FEA-USP-SP). Professor da Universidade Presbiteriana Mackenzie (UPM). Rua da Consolação, 930, Consolação – São Paulo – SP – CEP 01302-907

(2)

131

ritmo de Levenberg-Marquardt e modelos Arima-Garch. Selecionaram-se duas séries de cada setor, e os dados foram obtidos da economática. Para o setor financeiro, são analisadas as séries dos bancos Bradesco e Itaú, no setor de alimentos a Perdigão e a Sadia, no setor industrial a Marcopolo e a Gerdau, e no setor de serviços o Pão de Açúcar e Lojas Americanas. Verificou-se que as previsões realizadas pelas duas técnicas têm desempenhos parecidos, não reve-lando superioridade de nenhuma técnica.

P A L A V R A S - C H A V E

Séries temporais; Previsão; Algoritmo de Levenberg-Marquardt; Redes neurais; Arima-Garch.

A B S T R A C T

The main purpose of this work is realize stock returns forecasting for financial, food, industrial and services companies using feedforward neural networks trai-ned with Levenberg-Marquardt algorithm and Arima-Garch models. In each area two time series was selected from Economatica. To the financial area, Bradesco and Itaú was analyzed, Perdigão and Sadia in the food sector, Marcopolo and Gerdau in the industrial area, finally Pão de Açúcar and Lojas Americanas in the services. The forecasting generated by the two techniques had similar performance implying no significant differences between them.

(3)

132

K E Y W O R D S

Time series; Forecasting; Levenberg-Marquardt algorithm; Neural networks; Arima-Garch.

1 I N T R O D U Ç Ã O

Neste trabalho, vamos analisar duas técnicas utilizadas para previsão de séries temporais: os modelos Arima-Garch e as redes neurais alimentadas adian-te (feedforward). O modelo Arch generalizado, conhecido como Garch-Genera-lized Arch, foi inicialmente proposto por Bollerslev (1986). Esse modelo é um dos mais utilizados para o modelamento de volatilidade. As redes neurais cons-tituem uma ferramenta flexível amplamente utilizada para a análise de séries temporais, sua aplicação tem sido feita nas mais variadas situações que envolvem problemas do mundo real de diversas áreas, notadamente finanças e economia. As redes neurais artificiais fornecem uma grande variedade de modelos matemá-ticos não-lineares, úteis para resolver diferentes problemas em que são empre-gadas convencionalmente técnicas estatísticas. A metodologia empregada neste trabalho, no caso dos processos Garch, é amplamente conhecida (HAMILTON, 1994; MORETTIN; TOLOI, 2004; ENDERS, 2004). Para as redes neurais, serão utilizadas especificamente redes neurais artificiais do tipo alimentada adiante ou feedforward (FINE,1999). Do ponto de vista teórico, o processamento de sinais não-lineares (LAPEDES; FABER 1987), a incorporação do tempo na rede neural (ELMAN, 1988) e o modelamento não-linear para previsão de séries temporais caóticas (CASDAGLI, 1989) têm sido aplicados como ferramenta na tomada de decisão em finanças (HAWLEY et al., 1990; REFENES,1993), análise de mer-cado (FISHMAN et al., 1991), modelamento não-linear e previsão (CASDAGLI; EUBANK.,1992; AZZOF, 1993; CLEMENTS;HENDRY, 1999). Mais recente-mente tem havido a preocupação de comparar e relacionar a tecnologia de redes neurais com a abordagem estatística tradicional (CHENG; TITTERINGTON, 1994; RIPLEY, 1993, 1994, 1996; MEDEIROS et al., 2006), sob a perspectiva econométrica (KUAN; WHITE, 1994), de engenharia financeira (ABU-MOSTAFA et al., 2001) e macroeconômica (TERÄSVIRTA et al., 2005).

(4)

133

( R N A ) A L I M E N T A D A S A D I A N T E D E

M Ú L T I P L A S C A M A D A S

Uma rede neural artificial (RNA) alimentada adiante tem todos os sinais indo em uma direção, dos neurônios de entrada para os neurônios de saída. As redes neurais alimentadas adiante de múltiplas camadas também são chamadas de multilayer feedforward neural networks. A RNA feedforward de três camadas pode ser esquematizada como mostrado na Figura 1. Basicamente, a RNA é constituída de linhas de ligações para as quais são atribuídos pesos e vértices que representam as conexões.

Na primeira camada, representada por quadrados, temos os valores de entrada para a rede, também chamados de nós de entrada. O modelo mostrado na Figura 1 inclui também um bias, y₀, aplicado externamente, representado por y₀. Esse bias tem o efeito de aumentar ou diminuir a entrada líquida da função de ativação, dependendo se ele é positivo ou negativo, respectivamente. As linhas de conexão indicam para qual neurônio o valor precedente está se direcionando. Cada uma dessas linhas contém um peso. Os pesos dessas linhas são parâmetros ajustados conforme apresentam-se novos vetores de dados para a RNA. Uma RNA em que um neurônio em qualquer camada está conectado a todos os nós/neurônios da camada anterior é denominada totalmente conecta-da. O fluxo de sinal através da rede progride para a frente, da esquerda para a direita e de camada em camada.

A segunda camada e todas as subseqüentes contêm neurônios de processa-mento na forma de círculo. Quaisquer camadas entre as camadas de entrada e de saída são chamadas de intermediárias. Uma apresentação completa de um vetor de dados que será processado constitui uma época. No final da RNA, a camada de saída fornece o estado final da rede. O processamento realizado em um neurônio artificial pode ser dividido em três etapas. Na primeira etapa, os dados passam ao longo das linhas de entrada de um neurônio e são multiplicados pelos pesos correspondentes. A seguir, todos os dados, após a multiplicação pelos respectivos pesos, são somados dentro do neurônio.

Na etapa final o valor somado é passado através de uma função de ativação, cuja saída representa o valor de saída do neurônio.

(5)

134

FIGURA 1

MODELO DE UMA REDE NEURAL

Uma RNA é um ferramenta poderosa e flexível para realizar previsões de séries temporais, quando uma seleção adequada de amostras de entradas e saí-das, número de neurônios na camada intermediária, função de ativação e recur-sos computacionais estão disponíveis.

A RNA também possui a vantagem de aproximar funções não-lineares e ser capaz de resolver problemas em que o relacionamento de entrada e saída não é bem definido. Uma RNA do tipo feedforward é especialmente adequada para realizar previsão de séries que apresentam volatilidade, por causa do tratamento da não-linearidade realizada pela utilização de funções sigmóides na camada de entradas.

A função de ativação, ϕ(.), define a saída de um neurônio. A função de ati-vação é a regra para mapeamento das entradas somadas, a, do neurônio até sua saída e, por uma escolha adequada, isso significa a introdução de uma capacida-de capacida-de processar a não-linearidacapacida-de na recapacida-de.

Na prática, essas funções são escolhidas de tal forma para que possam ser monotônicas e saturar nos extremos [0,1] ou [-1,1]. A função sigmóide é a forma mais comum de função de ativação utilizada na construção de uma RNA:

(1) onde:

g

é o ganho, ou parâmetro de inclinação da função sigmóide.

2 . 1

N O R M A L I Z A Ç Ã O D O S VA L O R E S D E E N T R A DA DA R N A

Os dados de entrada da RNA, na maioria dos casos, necessitarão de norma-y₀ = +1 yi y_{t – p} yt ϕ ( ) wo0 a_o = w_oi y_i w_oi

∑

t – p i = 0 . . . . . . . . . . . .

( )

1

gy

y

e

ϕ

=

₋

+

ϕ

(6)

Pode ser mostrado que as iterações do método de Gauss-Newton e de descida do gradiente são complementares nas vantagens que eles fornecem. Levenberg (1944) propôs um algoritmo baseado nessa observação, cuja regra de atualização é uma mistura dos algoritmos anteriormente mencionados e dada por

(7)

136

[

]

1

( )

1

t t t

w

₊

=

w

−

H

+

λ

I

−

∇

f w

(3) onde H é a matriz hessiana calculada em

w

_t.

Se o erro decresce após uma atualização, isso implica que a suposição de forma quadrática para

f w

( )

1

t t t

w

₊

=

w

−

H

+

λ

diag H

−

∇

f w

(4) Problemas de minimização utilizando RNA freqüentemente são mal condi-cionados, o que torna o problema de minimização difícil de resolver. Para tais problemas, o algoritmo de Levenberg- Marquardt (LM) é normalmente a melhor escolha. Por essa razão, o método de otimização que utiliza o algoritmo LM será usado no treinamento das RNA para previsão das séries temporais deste trabalho.

Modificações do algoritmo LM têm sido propostas para melhorar o desem-penho de aprendizagem de redes neurais de múltiplas camadas e reduzir a quantidade de oscilação no processo de aprendizagem (SURATGAR et al., 2005;

λ

(8)

137

O modelo de volatilidade de séries temporais mais importante para estimar variância condicional é o modelo de processos de heterocedasticidade condicional auto-regressiva generalizada (generalized autoregressive conditional heteroskedasticity – Garch) (BOLLERSLEV, 1986; BOLLERSLEV et al., 1992; ENGLE, 1982; MEISS-NER; KAWANO, 2001). Esse modelo é um dos mais utilizados para a modelagem da volatilidade de séries temporais, ou seja, ele é utilizado quando a volatilidade da série não é constante (GONZALES; BURGERS, 1997). Essa técnica é capaz de cap-turar a influência de muitos fatos sobre a série, notadamente heterocedasticidade, aglomerados de volatilidade e excesso de curtose.

Uma série temporal segue um modelo AR-Garch quando puder ser escrita na forma: y_t = φ₀ + φ₁y_t–1 + v_t, 2 t t t

ν

=

σ η

, (6) onde: σ =_η2 1 e

σ

_t2

=

α α ε

₀

+

₁ _t2₋₁

+

β σ

₁ _t2₋₁.

Temos ainda que {ηt} é um processo ruído-branco, dessa forma as médias condicional e incondicional de v_t são iguais a zero (POSEDEL, 2005).

Embora muitas variantes dos processos Garch tenham sido sugeridas, Ding et al. (1993) demonstraram com simulações de Monte de Carlo que o modelo original Garch proposto por Bollerslev (1986) é capaz de produzir o padrão de autocorrelação que aparece em dados financeiros. Normalmente, os processos Garch servem como benchmark para as avaliações de séries temporais, com pre-sença de volatilidade condicional (QI; ZHANG, 2001). O AR(1)-Garch(1,1) é o modelo mais comumente utilizado.

2 2

0 1 1 0 1 1 1 1

t t t t t

y

= +

φ φ

y

₋

+

ν α α ε

+

₋

+

β σ

₋ (7)

Existem muitos trabalhos publicados sobre o desempenho de previsão dos modelos Garch (CHAKRABORTY, 1992; BARUCCI; RENO, 2002; ANDERS, 2006), e tradicionalmente algumas medidas são mais utilizadas para comparar o ajuste e a precisão da previsão de modelos e técnicas alternativas: o RMSE (raiz do erro quadrado médio), MAE (erro absoluto médio), Mape (erro percentual absoluto médio), Corr (coeficiente de correlação de Pearson), Sign (proporção de vezes em que o sinal é corretamente previsto) e o TIC (coeficiente de

desigual-σ v_t

σ α α ε βσ

η

(9)

138

dade de Theil).

Neste trabalho utilizaremos, como medidas de desempenho, o RMSE e o TIC dados pelas expressões (8) e (9), respectivamente.

(

)

2 1 2 2 1 1

ˆ

T h t t t T T h T h t t t T t T

y

h

TIC

y

h

+ = + + + = + = +

−

=

+

∑

(8)

O TIC varia entre zero e um, e zero indica ajuste perfeito.

(

)

2 1

ˆ

T h t t t T

y

RMSE

h

+ = +

−

=

∑

(9)

Quanto menor for o RMSE, menor será o erro obtido pelo modelo utilizado para realizar a previsão.

4 R E S U L T A D O S

O B T I D O S

Neste trabalho, foram analisadas duas séries de cada setor. Para o setor financeiro analisaram-se as séries do Bradesco PN e do Itaú PN, no setor de alimentos a Perdigão PN e a Sadia PN, no setor industrial a Marcopolo PN e a Gerdau PN, e no setor de serviços o Pão de Açúcar PN e as Lojas Americanas PN. As séries foram obtidas da economática. Todas essas séries possuem 1.542 valo-res que iniciam em 3.1.2000. Essas séries foram divididas em duas partes, uma para estimação dos modelos Arima-Garch e treinamento da RNA, e a segunda parte para realizar as previsões e construir as medidas de desempenho. A pri-meira parte das séries contém 1.300 valores e a segunda 242. Para cada uma das séries, foram ajustadas topologias com dez neurônios na camada de entrada, um neurônio na camada de saída e neurônios na camada intermediária, variando de um a nove. Para cada uma das séries, foi estimado o melhor modelo, e depois disso realizaram-se as previsões. Para escolher o melhor modelo Arima-Garch, foram utilizados os critérios de informação de Akaike (AIC) e bayesiano (BIC).

(10)

139

A Figura 2a apresenta a série original do preço de fechamento do Bradesco, e a Figura 2b mostra a série normalizada da primeira diferença do logaritmo do preço NDLBRAD.

FIGURA 2

(A) SÉRIE NO NÍVEL DO PREÇO DO BRADESCO, (B) SÉRIE TRANSFORMADA NDLBRAD

(a) (b)

No caso do Bradesco, o melhor modelo ajustado para a série é um AR(1)-Garch(1,1), dado pela expressão (7). Os parâmetros do modelo são apresentados na Tabela 1.

TABELA 1

PARÂMETROS ESTIMADOS PARA A SÉRIE NDLBRAD

PARÂMETROS COEFICIENTE ERRO PADRÃO ESTATÍSTICA Z SIGNIFICÂNCIA

φ0 0,543800 0,003395 160,1913 0,0000 φ1 0,220962 0,028225 7,828568 0,0000 α0 0,000490 0,000134 3,672624 0,0002 α1 0,091887 0,015491 5,931627 0,0000 β0 0,863512 0,023188 37,23988 0,0000 Bradesco pr eço Bradesco

(11)

140

As previsões realizadas utilizando o modelo Arima-Garch e a RNA são mos-tradas na Figura 3. As linhas tracejadas indicam o valor da série NDLBRAD; e as linhas contínuas, as previsões.

FIGURA 3

(A) PREVISÃO OBTIDA PELO MODELO ARIMA-GARCH, (B) PREVISÃO DA RNA PARA NDLBRAD

(a) (b)

As medidas de desempenho obtidas por TIC e RMSE são mostradas na Tabela 2. Nota-se que a rede neural apresentou o melhor desempenho.

TABELA 2

ESTATÍSTICAS DE AJUSTE OBTIDAS PARA A SÉRIE NDLBRAD

RMSE TIC

AR(1)-Garch(1,1) 0,090183 0,081444

RNA 10-1-1 0,088427 0,080153

A Figura 4 mostra a série de preço do Itaú e a série normalizada da primeira diferença do logaritmo do preço (NDLITAU). No caso do Itaú, também foi ajus-tado um modelo AR(1)-Garch(1,1).

(12)

141

(A) SÉRIE NO NÍVEL DO PREÇO DO ITAÚ, (B) SÉRIE TRANSFORMADA NDLITAU

(a) (b)

Na Tabela 3, apresentamos a estimativa dos parâmetros do modelo AR(1)-Garch(1,1).

TABELA 3

PARÂMETROS ESTIMADOS PARA A SÉRIE NDLITAU

φ0 0,515000 0,003781 136,1979 0,0000

φ1 0,158516 0,027529 5,758036 0,0000

α0 0,000449 0,000144 3,107148 0,0019

α1 0,075684 0,013720 5,516254 0,0000

β1 0,894804 0,017243 51,89240 0,0000

As previsões realizadas utilizando o modelo AR-Garch e a RNA 10-2-1 são mostradas na Figura 5. As linhas tracejadas indicam o valor da série NDLITAU; e as linhas contínuas, as previsões. Na Tabela 4, temos as estatísticas TIC e RMSE.

Nota-se que a rede neural apresentou o melhor desempenho.

Itaú

pr

eço

(13)

142

TABELA 4

ESTATÍSTICAS DE AJUSTE OBTIDAS PARA A SÉRIE NDLITAU

RMSE TIC

AR(1)-GARCH(1,1) 0,094509 0,090604

RNA 10-2-1 0,092871 0,089322

FIGURA 5

(A) PREVISÃO OBTIDA PELO MODELO ARIMA-GARCH, (B) PREVISÃO DA RNA PARA NDLITAU

(a) (b)

Para as duas séries escolhidas do setor financeiro, o desempenho de pre-visão das redes neurais foi melhor quando comparado com os modelos auto-regressivos de heterocedasticidade condicional.

4 . 2

S E TO R D E A L I M E N TO S – P E R D I G Ã O E S A D I A

Na Figura 6, apresentam-se a série de preços da Perdigão e a série normali-zada da primeira diferença do logaritmo do preço (NDLPERD).

(14)

143

(A) SÉRIE NO NÍVEL DO PREÇO DA PERDIGÃO, (B) SÉRIE TRANSFORMADA NDLPERD

(a) (b)

A Tabela 5 mostra os parâmetros estimados para o modelo AR(1)-Garch(1,1).

TABELA 5

PARÂMETROS ESTIMADOS PARA A SÉRIE NDLPERD

φ0 0,445162 0,003311 134,4327 0,0000

φ1 0,147928 0,026878 5,503584 0,0000

α0 0,000728 0,000163 4,460329 0,0000

α1 0,072308 0,010961 6,597043 0,0000

β1 0,865022 0,020639 41,91157 0,0000

As previsões realizadas utilizando o modelo Arima-Garch e a RNA 10-1-1 são mostradas na Figura 7. As linhas tracejadas indicam o valor da série NDLPERD; e as linhas contínuas, as previsões.

Perdigão

pr

eço

(15)

144

FIGURA 7

(A) PREVISÃO OBTIDA PELO MODELO ARIMA-GARCH, (B) PREVISÃO DA RNA PARA NDLPERD

(a) (b)

Na Tabela 6, temos as estatísticas TIC e RMSE obtidas pelo modelo AR(1) Garch(1,1) e pela RNA 10-1-1. Notamos que o modelo AR(1)-Garch(1,1) apresen-tou o melhor desempenho.

TABELA 6

ESTATÍSTICAS DE AJUSTE OBTIDAS PARA A SÉRIE NDLPERD

RMSE TIC

AR(1)-Garch(1,1) 0,137140 0,150141

RNA 10-1-1 0,140295 0,152999

Na Figura 8, apresentam-se a série no nível da Sadia e a série normalizada da primeira diferença do logaritmo do preço (NDLSADI).

(16)

145

(A) SÉRIE NO NÍVEL DO PREÇO DA SADIA, (B) SÉRIE TRANSFORMADA NDLSADI

(a) (b)

No caso da Sadia, o modelo selecionado também foi o AR(1)-Garch(1,1). Os parâmetros estimados são mostrados na Tabela 7.

TABELA 7

PARÂMETROS ESTIMADOS PARA A SÉRIE NDLSADI

φ0 0,468054 0,002993 156,3786 0,0000

φ1 0,087591 0,026559 3,297963 0,0010

α0 0,000546 0,000150 3,649578 0,0003

α1 0,102279 0,015240 6,711293 0,0000

β1 0,860133 0,021157 40,65519 0,0000

As previsões realizadas utilizando o modelo Arima-Garch e a RNA 10-2-1 são mostradas na Figura 9. As linhas tracejadas indicam o valor da série NDLISADI; e as linhas contínuas, as previsões.

Sadia

pr

eço

(17)

146

FIGURA 9

(A) PREVISÃO OBTIDA PELO MODELO ARIMA-GARCH, (B) PREVISÃO DA RNA PARA NDLSADI

(a) (b)

As estatísticas TIC e RMSE obtidas pelo modelo AR(1)-Garch(1,1) e pela RNA 10-2-1 são mostradas na Tabela 8. Nota-se que as medidas de desempenho dos dois modelos são próximas, mas com valores menores para a RNA.

TABELA 8

ESTATÍSTICAS DE AJUSTE OBTIDAS PARA A SÉRIE NDLSADI

RMSE TIC

AR(1)-Garch(1,1) 0,137650 0,143399

RNA 10-2-1 0,136794 0,142475

4 . 3

S E TO R I N D U S T R I A L – M A R C O P O L O E G E R DAU

Na Figura 10, apresentam-se a série de preços da Marcopolo e a série norma-lizada da primeira diferença do logaritmo do preço (NDLMARC).

(18)

147

(A) SÉRIE NO NÍVEL DO PREÇO DA MARCOPOLO, (B) SÉRIE TRANSFORMADA NDLMARC

(a) (b)

O melhor modelo ajustado para a Marcopolo foi o AR(1)-Garch(2,2). Os parâ-metros estimados são mostrados na Tabela 9.

TABELA 9

PARÂMETROS ESTIMADOS PARA A SÉRIE NDLMARC

φ0 0,391193 0,002024 193,2875 0,0000 φ1 -0,064709 0,032222 -2,008227 0,0446 α0 8,04E-05 2,60E-05 3,096130 0,0020 α1 0,265585 0,031714 8,374344 0,0000 α2 -0,235462 0,031861 -7,390223 0,0000 β1 1,246308 0,076712 16,24667 0,0000 β2 -0,284268 0,069959 -4,063321 0,0000

As previsões realizadas utilizando o modelo Arima-Garch e a RNA 10-5-1 são mostradas na Figura 11. As linhas tracejadas indicam o valor da série NDLMARC; e as linhas contínuas, as previsões. Na Tabela 10, são apresentadas as estatísticas TIC e RMSE. Notamos que a rede neural apresentou melhor desempenho.

Marcopolo

pr

eço

(19)

148

FIGURA 11

(A) PREVISÃO OBTIDA PELO MODELO ARIMA-GARCH, (B) PREVISÃO DA RNA PARA NDLMARC

(a) (b)

TABELA 10

ESTATÍSTICAS DE AJUSTE OBTIDAS PARA A SÉRIE NDLMARC

RMSE TIC

AR(1)-Garch(2,2) 0,083067 0,104228

RNA 10-5-1 0,082152 0,102387

Na Figura 12, apresentam-se a série de preços da Gerdau e a série norma-lizada da primeira diferença do logaritmo do preço (NDLGERD). Para a série transformada, foi ajustado um modelo AR(1)-Garch(2,1).

FIGURA 12

(A) SÉRIE NO NÍVEL DO PREÇO DA GERDAU, (B) SÉRIE TRANSFORMADA NDLGERD

Marcopolo Marcopolo

Gerdau

pr

eço

(20)

149

Garch(2,1).

TABELA 11

PARÂMETROS ESTIMADOS PARA A SÉRIE NDLGERD

φ0 0,471030 0,003927 119,9384 0,0000 φ1 0,222096 0,027457 8,088847 0,0000 α0 0,021785 0,000829 26,28612 0,0000 α1 0,076448 0,029315 2,607856 0,0091 α2 0,074794 0,029117 2,568751 0,0102 β1 -0,984060 0,009324 -105,5355 0,0000

As previsões obtidas pelo modelo AR(1)-Garch(2,1) e pela RNA 10-4-1 estão na Figura 13.

FIGURA 13

(A) PREVISÃO OBTIDA PELO MODELO ARIMA-GARCH, (B) PREVISÃO DA RNA PARA NDLGERD

(a) (b)

Na Tabela 12, são apresentadas as estatísticas RMSE e TIC. Verificamos que as previsões obtidas pelo modelo AR(1)-Garch(2,1) são melhores do que da RNA 10-4-1.

(21)

150

TABELA 12

ESTATÍSTICAS DE AJUSTE OBTIDAS PARA A SÉRIE NDLGERD

RMSE TIC

AR(1)-Garch(2,1) 0,101360 0,105466

RNA 10-4-1 0,102436 0,106732

4 . 4

S E TO R D E S E RV I Ç O S – L O JA S A M E R I C A N A S E P Ã O D E A Ç Ú C A R

A Figura 14 mostra a série de preços das Lojas Americanas e a série nor-malizada da primeira diferença do logaritmo do preço (NDLLOJA). Para a série transformada, foi ajustado um modelo AR(1)-Garch(1,1).

FIGURA 14

(A) SÉRIE NO NÍVEL DO PREÇO DAS LOJAS AMERICANAS, (B) SÉRIE TRANSFORMADA NDLLOJA

(a) (b)

Os parâmetros do modelo AR(1)-Garch(1,1) para as Lojas Americanas são apresentados na Tabela 13.

Lojas Americanas

pr

eço

(22)

151

PARÂMETROS ESTIMADOS PARA A SÉRIE NDLLOJA

φ0 0,483810 0,002892 167,2855 0,0000

φ1 0,143069 0,029393 4,867435 0,0000

α0 0,000535 0,000113 4,738079 0,0000

α1 0,152176 0,017889 8,506704 0,0000

β1 0,795944 0,023461 33,92677 0,0000

As previsões realizadas utilizando o modelo AR(1)-Garch(1,1) e a RNA 10-3-1 são mostradas na Figuras 15. As linhas tracejadas indicam o valor da série NDLLOJA; e as linhas contínuas, as previsões.

FIGURA 15

(A) PREVISÃO OBTIDA PELO MODELO ARIMA-GARCH, (B) PREVISÃO DA RNA PARA NDLLOJA

(a) (b)

As estatísticas de desempenho apresentadas na Tabela 14 indicam que o modelo AR(1)-Garch(1,1) realizou melhores previsões.

(23)

152

TABELA 14

ESTATÍSTICAS DE AJUSTE OBTIDAS PARA A SÉRIE NDLLOJA

RMSE TIC

AR(1)-Garch(1,1) 0,069215 0,070940

RNA 10-3-1 0,070732 0,072219

A última empresa analisada é o Pão de Açúcar. A Figura 16 apresenta a série original e a série normalizada da primeira diferença do logaritmo do preço (NDLPAOD).

FIGURA 16

(A) SÉRIE NO NÍVEL DO PREÇO DO PÃO DE AÇÚCAR, (B) SÉRIE TRANSFORMADA NDLPAOD

(a) (b)

No caso do Pão de Açúcar foi ajustado o modelo AR(1)-Garch(1,1), e os coefi-cientes são apresentados na Tabela 15.

TABELA 15

PARÂMETROS ESTIMADOS PARA A SÉRIE NDLPAOD

φ0 0,457502 0,002965 154,3246 0,0000 φ1 0,207943 0,026693 7,790197 0,0000 α0 0,000243 7,63E-05 3,180343 0,0015 α1 0,046951 0,008607 5,454829 0,0000 Pão de Açúcar pr eço Pão de Açúcar

(24)

153

Figura 17. As linhas tracejadas indicam o valor da série NDLPAOD; e as linhas contínuas, as previsões.

FIGURA 17

(A) PREVISÃO OBTIDA PELO MODELO ARIMA-GARCH, (B) PREVISÃO DA RNA PARA NDLPAOD

(a) (b)

A Tabela 16 mostra o melhor desempenho de previsão do modelo AR(1)-Garch(1,1).

TABELA 16

ESTATÍSTICAS DE AJUSTE OBTIDAS PARA A SÉRIE NDLPAOD

RMSE TIC

AR(1)-Garch(1,1) 0,077001 0,082483

RNA 10-1-1 0,077475 0,083264

5 C O N C L U S Õ E S

Neste trabalho, nosso interesse concentrou-se em implementar modelos auto-regressivos integrados e de médias móveis com heterocedasticidade con-dicional auto-regressiva generalizada (Arima-Garch) e redes neurais artificiais alimentadas adiante (RNA feedforward), para realizar previsões de um passo à frente de séries univariadas dos setores financeiro, de alimentos, industrial e de serviços. Para cada um dos setores, foram escolhidas, sem nenhum critério

(25)

154

específico, duas séries. No setor financeiro, analisaram-se as séries do Bradesco e do Itaú, no setor de alimentos a Perdigão e a Sadia, no setor industrial a Mar-copolo e a Gerdau, e no setor de serviços as Lojas Americanas e o Pão de Açúcar. Todas as séries continham tamanho 1.542, e os 1.300 primeiros foram utilizados para estimativa dos modelos Arima-Garch e treinamento das RNA. Utilizou-se o restante dos valores para medir a capacidade de previsão dos modelos. Para cada uma das séries, escolheu-se o melhor modelo Arima-Garch e a melhor RNA, e foram testadas redes com dez entradas, contento entre um e nove neurônios na camada intermediária, e um neurônio na saída. Para medir o desempenho de cada uma dessas duas técnicas, utilizaram-se duas medidas: a raiz do erro qua-drático médio (RMSE) e o coeficiente de desigualdade de Theil (TIC).

Dos resultados obtidos nos experimentos, constatou-se que as previsões dos modelos Arima-Garch foram melhores nos casos das empresas Perdigão, Ger-dau, Lojas Americanas e Pão de Açúcar. As RNA realizaram melhores previsões nos casos das empresas Bradesco, Itaú, Sadia e Marcopolo. Quanto aos critérios de desempenho adotados, as maiores diferenças de previsões aconteceram nos casos da Perdigão e das Lojas Americanas, em favor dos modelos Arima-Garch, que foram em torno de 2% melhores que as RNA. As previsões das duas técni-cas utilizadas foram mais próximas no técni-caso da Sadia em que a RNA foi melhor 0,6% do que os modelos Arima-Garch. O que se observa é que as duas técnicas implementadas podem ser utilizadas como ferramentas complementares e de comparação para aumentar a capacidade de decisão do analista.

R E F E R Ê N C I A S

ABU-MOSTAFA, Y. S. et al. Introduction to the special issue on neural networks in financial engi-neering. IEEE Transactions on Neural Networks, v. 12, p. 653–655, 2001.

ANDERS, W. Garch forecasting performance under different distribution assumptions. Journal of

Forecasting, 2006.

ANDERSEN, T. J.; WILAMOWSKI, B. M. A modified regression algorithm for fast one layer neu-ral network training. World Congress of Neuneu-ral Networks, Washington, v. 1, p. 687-690, 1995. AZZOF, E. M. Reducing error in neural network time series forecasting. Neural Computing and

Applications, v. 1, p. 240-247, 1993.

______. Neural network time series forecasting of financial markets. Chichester: John Wiley & Sons, 1994.

BARUCCI, E.; RENO, R. On measuring volatility and the Garch forecasting performance. Journal of International Financial Markets, Institutions and Money, v. 12, 2002.

(26)

155

BOLLERSLEV, T. et al. Modeling in finance: a review of the theory and empirical evidence. Journal

of Econometrics, v. 52, p. 5-59, 1992.

CASDAGLI, M. Nonlinear prediction of chaotic time series. Physica D, v. 35, p. 335-356, 1989. CASDAGLI, M.; EUBANK, S. Nonlinear modeling and forecasting. Santa Fe Institute. Proceedings... v. XII, Addison-Wesley, 1992.

CHAKRABORTY, K. Forecasting the behaviour of multivariate time series using neural networks.

Neural Networks, v. 5, p. 961-970, 1992.

CHARALAMBOUS, C., Conjugate gradient algorithm for efficient training of artificial neural networks. IEEE Proceedings, v. 139, n. 3, p. 301-310, 1992.

CHENG, B.; TITTERINGTON, D. M. Neural networks: a preview from statistical perspective.

Sta-tistical Science, 1994.

CLEMENTS, M. P.; HENDRY, D. F. Forecasting non-stationary economic time series. Cambridge: MIT Press, 1999.

DING, Z.; GRANGER, C. W. J.; ENGLE, R. F. A long memory property of stock market returns and a new model. Journal of Empirical Finance, v. 1, p. 83-106, 1993.

ELMAN, J. L. Finding structure in time (CRL Technical Report 8801). La Jolla: University of Cali-fornia, San Diego, Center for Research in Language, 1988.

ENDERS, W. Applied econometric time series. Hoboken: Wiley, 2004.

ENGLE, R. F. Autoregressive conditional heteroskedasticity with estimates of the variance of U. K. inflation. Econometrica v. 50, p. 987-1008, 1982.

FINE, T. L. Feedforward neural network methodology. New York: Springer, 1999.

FISHMAN, M. B.; BARR, D. S.; LOICK, W. J. Using neural nets in market analysis. Technical

Analysis of Stocks and Commodities, v. 9, n. 4, 1991.

GONZALES, M. F.; BURGESS, N. Modeling market volatilities: the neural network perspective.

European Journal of Finance, v. 3, p. 137-157, 1997.

HAGAN, M. T.; MENHAJ, M. Training feedforward networks with the Marquardt algorithm. IEEE

Transactions on Neural Networks, v. 5, n. 6, p. 989-993, 1994.

HAMILTON, J. D. Time series analysis. Princeton: Princeton University Press, 1994.

HAWLEY, D. D.; JOHNSON, J. D.; RAINA, D. Artificial neural systems: a new tool for financial decision-making. Finan Analy J., 1990.

KUAN, C. M.; WHITE, H. Artificial neural networks: an econometric perspective. Econometric

Reviews, v. 13, p. 1-91, 1994.

LAPEDES, A.; FARBER, R. Nonlinear signal processing using neural networks, prediction and system modelling. Los Alamos Report LA-UR-87-2662, Los Alamos National Laboratory, 1987. LEVENBERG, K. A method for the solution of certain problems in least squares. Applied Mathematics, v. 2, p. 164-168, 1944.

MARQUARDT, D. An algorithm for least-squares estimation of nonlinear parameters. Journal of

Applied Mathematics, v. 11, p. 431-441, 1963.

MEDEIROS M.; TERÄSVIRTA, T.; RECH, G. Building neural network models for time series: a statistical approach. Journal of Forecasting, v. 25, p. 49-75, 2006.

(27)

156

MEISSNER, G.; KAWANO, N. Capturing the volatility smile of options on high-tech stocks-a com-bined Garch-Neural Network approach. Journal of Economics and Finance, v. 25, n. 3, p. 276-293, 2001.

MORETTIN, P. A.; TOLOI, C. M. C. Análise de séries temporais. São Paulo: Edgard Blucher, 2004. POSEDEL, P. Properties and Estimation of Garch(1,1) model. Metodoloski zvezki, v. 2, n. 2, p. 243-257, 2005.

QI, M.; ZHANG, G. P. An investigation of model selection criteria for neural network time series forecasting. European Journal of Operational Research, v. 132, n. 3, p. 666-680, 2001.

REFENES, A. N. Currency exchange rate prediction and neural network design strategies. Neural

Computing and Applications, v. 1, p. 46-58, 1993.

RIPLEY, B. D. Statistical aspects of neural networks. Londres: Chapman e Hall, 1993.

______. Neural networks and related methods of classification. Journal of the Royal Statistical Society, Series B, v. 56, n. 3, p. 409-456, 1994.

______. Pattern recognition and neural networks. Cambridge: Cambridge Press, 1996.

RUMELHART, D. E.; McCLELLAND, J. L. Parallel distributed processing: explorations in the micro-structure of cognition. Cambridge: MIT Press, 1986.

RUMELHART, D. E.; HINTON, G. E.; WILLIAMS, R. J. Learning internal representations by error propagation. In: _____. Parallel distributed processing. Cambridge: MIT Press, 1986a. v. 1, p. 318-362. ______. Learning representations of back-propagation errors, Nature, v. 323, p. 533-536. 1986b. SHAH, S.; PALMIERI, F. MEKA – A fast, local algorithm for training feedforward neural networks. In: INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS, 1990, San Diego.

Procee-dings... San Diego, 1990. v. 3, p. 41-46.

SURATGAR, A. A.; TAVAKOLI, M. B.; HOSEINABADI, A. Modified Levenberg-Marquardt method for neural. Networks Training, Transactions on Engineering, Computing and Technology, 2005. TERÄSVIRTA, T.; VAN DIJK, D.; MEDEIROS M. Linear models, smooth transition autoregres-sions, and neural networks for forecasting macroeconomic time series: a re-examination.

Interna-tional Journal of Forecasting, 2005.

WERBOS, P. J. Back-propagation: past and future. In: INTERNATIONAL CONFERENCE ON NEURAL NETWORKS, 1, 1988, San Diego. Proceeding... San Diego, 1988.

WILAMOWSKI, B. M. et al. An algorithm for fast convergence in training neural networks. IEEE, 2001.

T R A M I T A Ç Ã O

Recebido em 24/4/2007 Aprovado em 12/6/2007

(28)

ESTUDO

EXPLORATÓRIO

EM

ORGANIZAÇÕES

INDUSTRIAIS

E

DE

SERVIÇOS

ALIGNMENT STRATEGIC PRACTICES: AN EXPLORATORY STUDY IN INDUSTRIAL AND SERVICE ORGANIZATIONS

PAOLA CARMEM VALENZUELA CANÉPA

Mestre em Administração de Empresas pela Universidade Federal do Rio Grande do Sul (UFRGS). Doutoranda em Administração de Empresas pela Universidade Federal do Rio Grande do Sul (UFRGS). Rua Washington Luiz, 855, sala 312, Centro – Porto Alegre – RS – CEP 90460-110

E-mail: pcvcanepa@ea.ufrgs.br

EDUARDO HENRIQUE RIGONI

Mestre em Administração de Empresas pela Universidade Federal do Rio Grande do Sul (UFRGS). Doutorando em Administração de Empresas pela Universidade Federal do Rio Grande do Sul (UFRGS). Avenida Lajeado, 62, ap. 502, Petrópolis – Porto Alegre – RS – CEP 90010-460

E-mail: ehrigoni@@ea.ufrgs.br

ÂNGELA FREITAG BRODBECK

PhD em Administração de Empresas pela Universidade Federal do Rio Grande do Sul (UFRGS). Professora adjunta da Universidade Federal do Rio Grande do Sul (UFRGS). Rua Washington Luiz, 855, sala 312, Centro – Porto Alegre – RS – CEP 90460-110

(29)

108

negócios e de gestão tem sido um assunto prioritário nos últimos anos. Diante disso, organizações brasileiras desenvolvem práticas de alinhamento, que são efe-tivadas de forma parcial ou intuitiva. Além disso, essas práticas podem ocorrer em diferentes intensidades, o que dependerá do setor de atuação. Dessa forma, esta pesquisa buscou identificar e comparar as principais práticas de AE e seu nível de maturidade em organizações industriais e de serviço, no Rio Grande do Sul. Para isso, foi realizada uma survey, que adotou um instrumento de pesquisa baseado no modelo de maturidade de AE de Luftman (2000) e no modelo operacional de AE de Brodbeck e Hoppen (2003), com executivos de negócios de 52 organizações do Estado de Rio Grande do Sul. Os resultados mais relevantes demonstraram que não existem grandes diferenças entre as práticas desenvolvidas pelas organizações industriais e de serviços. Assim, ambos os tipos de organizações apresentam um nível de maturidade em que a tecnologia da informação (TI) é percebida e utilizada como facilitador operacional.

P A L A V R A S - C H A V E

Alinhamento estratégico; Tecnologia de informação; Níveis de maturidade; Plane-jamento estratégico; Instrumentos de gestão.

A B S T R A C T

The concern of business executives in identifying and implementing practices of Strategic Alignment and, consequently, to improve management and business processes has been a priority subject in the last years. Thus, Brazilian organizations develop alignment practices that are being accomplished in partial or intuitive way.

(30)

109

practices of SA and its levels of maturity in industrial and service organizations in Rio Grande do Sul. For this propose, was executed a survey adopting an instrument research based on the Business Alignment Maturity Model by Luftman (2000) and on the Strategic Alignment Operational Model by Brodbeck and Hoppen (2003), this applying to 52 business executives from organizations of Rio Grande do Sul. The main results had demonstrated that there are no huge differences between practices developed by industrial and services organizations. Thus, both types of organizations present a maturity level where IT is perceived and used as business process enabler.

K E Y W O R D S

Strategic alignment; Information technology; Maturity levels; Strategic planning; Management tools.

1 I N T R O D U Ç Ã O

Ao longo do tempo, alguns questionamentos surgiram na literatura sobre a efetividade do alinhamento estratégico (AE) abordando temas como: a ava-liação do seu grau ou estágio de promoção (LUFTMAN, 2000; TEO; KING, 1997), a influência de variáveis comportamentais e ambientais (BRODBECK; HOPPEN, 2003; HENDERSON; VENKATRAMAN, 1993), o processo dinâmico e em movimento versus o processo estático (BRODBECK; HOPPEN, 2003), e o estabelecimento de métricas lineares e quantitativas para mensurar a promoção de alinhamento (LUFTMAN, 2000; CIBORRA, 1997).

Apesar das recentes pesquisas sobre estágios e grau de promoção do AE (LUFTMAN, 2000; TEO; KING, 1997) e sobre níveis de maturidade (TEI-XEIRA, 2003; LUFTMAN, 2000), e das críticas construtivas relacionadas aos modelos existentes (MAES et al., 2000; CIBORRA, 1997); e embora esse assun-to seja colocado como prioritário na agenda da maioria dos executivos (PRICE WATERHOUSE, 2003; GARTNER GROUP, 2002), o AE ainda é pouco com-preendido e, muitas vezes, praticado pelas organizações brasileiras de forma par-cial ou intuitiva (BRODBECK et al., 2005).

Cabe salientar que, dependendo do setor de atuação das organizações, as práticas de alinhamento podem ser mais ou menos promovidas, já que depende-rão da importância atribuída pelos gerentes de negócios e dos assuntos

(31)

estratégi-110

cos relacionados a seu setor (MILLER, 1998; PORTER, 1992). Na prática, no caso das organizações de serviços (bancos, telefonia, distribuição etc.), a estratégia de satisfação de serviços pode ser obtida pelos recursos da tecnologia da informação (TI), a qual cumpre um papel estratégico. No entanto, as organizações industriais (fabricantes de produtos eletrônicos, peças para automóveis etc.) podem centrar-se no decentrar-senvolvimento de processos eficientes para a produção por meio dos recursos da TI, a qual cumpre um papel mais operacional. Com isso, pressupõe-se que os ambientes e as exigências para cada pressupõe-setor pressupõe-serão diferentes; portanto as práticas de AE podem se manifestar em diferentes formas e intensidades.

Tal relevância de identificação das melhores práticas de AE pelas organiza-ções em sua busca por melhoria contínua de gestão leva às seguintes questões de pesquisa:

• Quais são as práticas de alinhamento estratégico mais promovidas pelas organizações?

• Em que nível de maturidade o alinhamento estratégico está sendo promo-vido?

• Existe diferença entre as práticas utilizadas pelos diversos setores de negócio? Com o propósito de responder a essas questões, esta pesquisa teve por objeti-vo identificar as práticas de AE mais promovidas e o seu nível de maturidade em empresas do setor industrial e de serviços, utilizando os elementos de medição do nível de maturidade de AE do modelo de Luftman (2000), combinado com um dos elementos do modelo operacional de AE de Brodbeck e Hoppen (2003). Este artigo está organizado da seguinte maneira: inicialmente, descreve-se um arcabouço conceitual sobre AE, o modelo básico e os elementos utilizados na pesquisa. Na seqüência, apresentam-se o método da pesquisa, a análise dos resultados e, finalmente, as conclusões, limitações e contribuições teóricas e prá-ticas do estudo.

2 A L I N H A M E N T O E S T R A T É G I C O ( A E )

O conceito de AE originou-se de pesquisas sobre estratégia de negócios, já que delas emerge o conceito de alinhar os recursos organizacionais com as ameaças e as oportunidades do ambiente, refletindo as decisões que, alinhadas aos recursos corporativos, possam ajudar na ligação das organizações com seu ambiente (MILLER, 1998; PORTER, 1992). A TI é vista como um desses recursos

(32)

111

gem competitiva (KAPLAN; NORTON, 2004; LUFTMAN, 2003; SABHERWAL; CHAN, 2001).

Os modelos clássicos na literatura apontam que o alinhamento pode ocorrer em diversos níveis em uma organização. Porém, dois desses níveis são os mais utilizados: o estratégico, no qual ocorre a adequação entre o ambiente externo do negócio e a TI (escopo e core competences), e o tático-operacional, em que ocorre a integração funcional entre infra-estrutura, processos, pessoas do negócio e suas plataformas tecnológicas (TEO; KING, 1997; HENDERSON; VENKATRAMAN, 1993). A partir de 2000, modelos estendidos e complementares passaram a tra-tar o AE como um processo contínuo que busca identificar as melhores práticas (habilitador-inibidoras), o nível de maturidade e o grau de importância da pro-moção do AE, principalmente durante a etapa da implementação do processo de planejamento estratégico (BRODBECK; HOPPEN, 2003; LUFTMAN, 2000; MAES et al, 2000).

2 . 1

M O D E L O D E M AT U R I DA D E D O A L I N H A M E N TO E S T R AT É G I C O

Originado nos elementos encontrados nos modelos clássicos de alinhamen-to, o modelo de maturidade proposto por Luftman (2000) busca avaliar o grau de maturidade de promoção do AE por meio de um conjunto de critérios represen-tados por um conjunto de práticas (ver Figura 1). Cada prática é medida por cinco níveis de maturidade: 1. o processo inicial/ad hoc, 2. o definido, 3. o estabelecido e focado, 4. o gerenciado/melhorado, e 5. o otimizado. Isso significa que quanto maior for o nível de maturidade do processo (otimizado), maior será a intensi-dade de promoção do AE.

(33)

112

FIGURA 1

CRITÉRIOS E PRÁTICAS DE MATURIDADE DE ALINHAMENTO

Fonte: Luftman (2000).

O modelo permite observar que as organizações podem se encontrar em diversos estágios e graus de maturidade do AE, pois cada prática pode estar sendo promovida ou não, estar entre um processo totalmente ad hoc ou otimizado, per-mitindo níveis diferentes de promoção e intensidade do AE.

2 . 2

M O D E L O O P E R AC I O N A L D E A L I N H A M E N TO E S T R AT É G I C O

O modelo operacional para a promoção do AE de Brodbeck e Hoppen (2003) refere-se ao alinhamento como um processo promovido de forma contínua e dinâmica, o qual ocorre durante as etapas de formulação e implementação do processo de planejamento estratégico. A dimensão de implementação, que repre-senta o AE como um processo contínuo de promoção, contém quatro grupos de

SEIS CRITÉRIOS DA MATURIDADE DE ALINHAMENTO NEGÓCIOS - TI

Comunicação • entendimento dos negócios

pela TI • entendimento da TI pelos negócios • entre ou intra-organização • aprendizado • rigidez de protocolo • compartilhamento de conhecimento Medidas Valor/Competência • métricas de TI • métricas de negócio • métricas balanceadas

• acordos de níveis de serviço (SLA)

• benchmarking

• avaliações/revisões formais • melhoria contínua

Governança • planejamento estratégico dos

negócios • planejamento estratégico de TI • prestação de contas • estrutura • controle orçamentário • gerenciamento de investimentos de TI • comitês direcionados • priorizações Parceria • percepção dos negócios do

valor da TI • papel da TI no planejamento • objetivo/risco/recompensa/ punições compartilhadas • gerenciamento do programa de TI • relacionamento/estilo de confiança • patrocinador/defensor de negócios Escopo e Arquitetura • tradicional, habilitador/ direcionador, externo • articulação de padrões integração de arquiteturas, (organização funcional,

empresa, entre empresas) • transparência de arquitetura • flexibilidade na gerência de tecnologia emergente Habilidades • inovação empreendedora • lugar do poder • estilo de gerenciamento • prontidão à mudança • carreira transversal (crossover) • educação constituída de

treinamento transversal • ambiente social/político e de

(34)

113

dos planos de ação e avaliação de cada etapa desenvolvida.

• Comprometimento das pessoas com a obtenção dos objetivos e das metas esta-belecidos para a cadeia integrada dos processos de negócio (do corporativo até o individual).

• Sincronização de recursos para assegurar a consistência dos recursos de TI necessários para suportar as ações de negócio.

• Instrumentação de gestão considerando as ferramentas de TI necessárias para acompanhamento e monitoramento dos objetivos e das metas, de forma que assegurem o ajuste constante dessas ferramentas ao longo do horizonte de planejamento.

Os elementos desse modelo emergiram de uma pesquisa exploratória rea-lizada com grandes organizações multinacionais, em que foi possível verificar a intensidade de promoção do AE, ao longo de um determinado horizonte de planejamento, para os níveis: baixo, parcial e alto. Não se constatou AE nulo, o que demonstra que as organizações pesquisadas praticavam esse alinhamento de forma empírica. Como no modelo de Luftman (2000), quanto maior for a aplicação e formalização de um elemento de AE, maior será a intensidade de sua promoção.

2 . 3

M O D E L O D E M AT U R I DA D E V E R S U S M O D E L O O P E R AC I O N A L D E A L I N H A M E N TO E S T R AT É G I C O

Como o modelo de maturidade classifica as práticas de processos executa-dos em níveis e pelo fato de o grupo de elementos da etapa de implementação do modelo operacional representar o AE como um processo contínuo, pode-se considerar que determinadas variáveis dos elementos do modelo operacional são complementares ao modelo de maturidade.

Quando se analisa comparativamente o conjunto dos seis critérios com os quatro grupos de elementos, é possível observar que algumas variáveis dos elementos do modelo operacional – de metodologia, obtenção de metas e ins-trumentação de gestão – não são contempladas de forma explícita no modelo de Luftman (2000) e podem ser responsáveis pela melhoria e intensificação de promoção do AE, conforme os resultados apresentados por Brodbeck e Hoppen (2003).

(35)

114

3 M E T O D O L O G I A

Para obtenção das práticas mais promovidas de AE, foi realizada uma survey, de caráter exploratório (MATTAR, 2001), com 52 organizações (ver Tabela 1), selecionadas por conveniência, pois pelo menos um executivo de negócio ou de TI era participante de seminários ministrados por um dos pesquisadores.

TABELA 1

CARACTERÍSTICA DA AMOSTRA

CARACTERÍSTICA % DE ORGANIZAÇÕES PESQUISADAS

Setor 21 (40%) empresas industriais,

31 (60%) empresas de serviços.

Porte1 _{80%: grande porte no setor industrial;}

62%: grande porte no setor de serviços.

TI formalizada – possuem ERP 80% delas possuem.

Programa de Qualidade Gaúcho – PGQP 100% delas participam.

3 . 1

I N S T R U M E N TO D E C O L E TA D E DA D O S

O instrumento de coleta de dados apresenta sete critérios com diversas prá-ticas por critério, seis deles oriundos do modelo de Luftman (2000) e um do modelo de Brodbeck e Hoppen (2003), resultando em 44 questões fechadas. A escala utilizada para todas as práticas apresenta os cinco níveis de maturidade (ver item 2.1).

A validação de face desse instrumento (MALHOTRA, 2002) foi obtida por meio dos seguintes procedimentos: tradução e revisão ante outra tradução (TEI-XEIRA, 2003) previamente realizada, submissão a um especialista no assunto para revisão e pré-teste em algumas organizações. Não houve modificações nos critérios (constructos) ou nas práticas (variáveis do constructo).

1 As empresas de porte médio são aquelas que apresentam número de funcionários de 100 a 499, no caso de indústria, e de 50 a 249, no caso de comércio/serviço, conforme indicado pelo Sebrae (Serviço

(36)

115

A coleta dos dados ocorreu com a aplicação do instrumento em executivos de negócios ou de TI que cursavam pós-graduação em Gestão, modalidade pro-fissionalizante (duas turmas ao todo).

Em um primeiro momento, os executivos receberam e discutiram (na forma de estudos de caso) os conceitos, modelos e elementos de AE, na presença do professor e demais pesquisadores. Tais discussões foram anotadas para servir de futuros contrapontos com os resultados do instrumento. Em um segundo momento, foi entregue aos executivos o instrumento para preenchimento indivi-dual. Estimulou-se que eles discutissem as práticas com os demais executivos de suas organizações (não-participantes do curso), porém somente um instrumento por organização foi considerado.

Em 20% das organizações pesquisadas, havia dois executivos participantes do curso, sendo um da área de TI e outro de uma das áreas de negócios. Essas respostas também foram agrupadas com base em consenso obtido entre ambos, respeitando a regra de uma resposta por organização. O anonimato das respostas foi garantido, assim como das organizações participantes.

A análise dos dados utilizou a técnica de análise de freqüência para identifi-car as práticas mais promovidas e o grau de maturidade da promoção do AE, ou seja, do processo ad hoc ao processo otimizado (MALHOTRA, 2002; HAIR et al., 1998). Os resultados mostram os níveis das práticas e critérios para o grupo total de empresas separadas por setor. Consideraram-se práticas mais promovidas aquelas que apresentam maior intensidade na promoção do AE, ou seja, encon-tram-se nos níveis 4 (processo gerenciado) ou 5 (processo otimizado) da escala do modelo de maturidade.

4 P R Á T I C A S D E A L I N H A M E N T O

E S T R A T É G I C O

Nesta seção, apresentam-se os principais resultados obtidos nesta pesquisa, distribuídos da seguinte forma: análise da freqüência do nível de maturidade do processo de cada prática, para as organizações em geral, destacando os aspectos diferenciais entre os setores – indústria e serviços. Em razão do pequeno volume de organizações respondentes, foi necessário analisar os resultados de forma agrupada em cada prática, os quais foram apresentados em quadros por cada critério. Dessa forma, identificaram-se os níveis com maiores freqüências de res-postas de uma determinada faixa, que somados possam obter uma concentração

(37)

116

acima de 50%, sendo essa faixa ressaltada em cada quadro. A direção dessa faixa observou a tendência da maior freqüência das respostas. A freqüência está repre-sentada pelo número de respostas em cada nível de maturidade da prática.

4 . 1

C R I T É R I O : C O M U N I C A Ç Ã O

O critério comunicação avalia a efetiva troca de idéias entre os executivos de negócio e os da TI, assim como o entendimento claro do que é necessário para assegurar que as estratégias sejam implementadas com sucesso (BRODBECK; HOPPEN, 2003; LUFTMAN, 2000).

Os resultados apresentados no Quadro 1 mostram que a maior parte das organizações pesquisadas promove todas as práticas do critério, e a maioria delas apresenta um nível de maturidade entre o processo estabelecido e focado (3) e o processo gerenciado (4), demonstrando que existe comunicação formal entre o pessoal da TI e de negócios, porém ainda não na forma otimizada, ou seja, utilizando instrumentos de TI para gestão de conhecimento como Work-flow, Groupware, intranet ou outros mecanismos de compartilhamento e distri-buição automática de informações. Em média, menos de 4% das organizações apresentaram resultados nulos (nível 0) em alguma das práticas do critério, o que significa que a prática não existe para a organização. Da mesma forma, algumas organizações (< 9%) encontram-se no nível otimizado (5).

QUADRO 1

RESULTADOS DAS PRÁTICAS DO CRITÉRIO COMUNICAÇÃO CRITÉRIO: COMUNICAÇÃO

NÍVEL DE MATURIDADE

NULO 1 2 3 4 5

Entendimento da área de negócios pelo pessoal de TI 1 3 12 20 14 2

Entendimento sobre conceitos da TI pelo pessoal de negócio 3 4 23 13 7 2

Aprendizado organizacional 1 5 6 23 12 5

Facilidade de acesso entre as áreas – de negócio e de TI 2 7 9 14 14 6

(38)

117

ços para esse critério não são grandes, porém as organizações de serviços encon-tram-se em maior proporção dentro dos níveis de maturidade. Vale destacar as práticas 2 e 6 do critério que apresentam maior freqüência de respostas entre os níveis de maturidade 2 (processo definido) e 3 (processo estabelecido e focado). Quando se analisam esses resultados à luz do modelo do Luftman (2000), cons-tata-se que os gerentes de negócio ainda possuem um limitado entendimento da TI e que a proximidade entre o pessoal de TI e de negócios mostra-se limitada no que se refere ao nível tático, aos aspectos tecnológicos operacionais e a uma transferência de conhecimento pouco formal.

De forma geral, os resultados mostram que a comunicação nas organizações pesquisadas está em um nível de maturidade no qual ocorrem a transferência e o compartilhamento dos objetivos estratégicos e/ou operacionais, das metas e de conhecimentos em torno de processos-chave do negócio, por meio de regras que podem ser parcialmente flexíveis e, na maioria das vezes, de forma bidirecional entre as áreas de TI e de negócios.

4 . 2

C R I T É R I O : M E D I DA S D E VA L O R E C O M P E T Ê N C I A

O critério medidas de valor e competência avalia os indicadores que demons-tram o valor da contribuição da TI para a área de negócios, assim como a exis-tência de instrumentos que demonstram a performance da TI e dos negócios (LUFTMAN, 2000).

Os resultados apresentados no Quadro 2 mostram que a maior parte das organizações pesquisadas promove todas as práticas do critério, contudo a maio-ria delas apresenta um nível de maturidade entre o processo definido (2) e o processo estabelecido e focado (3). Isso significa que, apesar de as organizações terem medidas definidas para a TI e o negócio, estas ainda se apresentam de forma tradicional e sistemática, raramente integradas entre si. Menos de 3,5% das organizações apresentaram resultados nulos (nível 0) em alguma das prá-ticas do critério, o que significa que a prática não existe para a organização. Da mesma forma, algumas organizações (< 9,5%) encontram-se no nível otimizado (5), salientando que nenhuma organização implementa a prática 1 nesse nível.

(39)

118

QUADRO 2

RESULTADOS DAS PRÁTICAS DO CRITÉRIO MEDIDAS DE VALOR E COMPETÊNCIAS CRITÉRIO: MEDIDAS DE VALOR E COMPETÊNCIAS

NULO 1 2 3 4 5

Como são as medidas de TI na empresa 2 9 14 13 14 0

Como são as medidas de negócio na empresa 2 10 10 16 8 6

Como são as medidas conjuntas (ligação entre TI e negócio) 1 14 11 15 7 4 Existência da medição do nível de serviço prestado entre

TI-negócio 2 17 14 7 8 4

Como se dá a realização de benchmarking 2 8 14 16 5 7

Existência de avaliações periódicas e formais de

investimentos de TI 1 7 15 17 8 4

Existência de práticas de melhoria contínua 1 1 11 15 15 9

Observam-se diferenças entre as organizações industriais e de serviço nas práticas 5 e 6. No entanto, a maioria das organizações de serviços apresenta essas práticas no nível 2 (processo definido) e a maioria das organizações industriais no nível 3 (processo estabelecido e focado). Com isso, à luz do modelo de Luftman (2000), pode-se observar que nas organizações de serviços raramente se realizam revisões e avaliações formais dos investimentos de TI ou outros tipos de revisões como benchmaking; já nas organizações industriais, a realização de revisões e do benchmark, apesar de esporádica, é mais formal e possibilita a realização de ações decorrentes.

Os resultados mostram que as práticas 1 e 7 apresentam maior freqüência de resposta entre os níveis de maturidade 3 (processo estabelecido e focado) e 4 (processo gerenciado). Isso pode evidenciar a existência de organizações que estão começando a se voltar para a avaliação do desempenho por meio de medi-das freqüentes baseamedi-das na efetividade da TI, visando apoiar o aprendizado e a melhoria contínua, o que foi constatado principalmente nas organizações de serviços. Contudo, os resultados das práticas 3 e 4 indicam que as organizações ainda estão numa fase inicial do processo de integração dessas medidas de TI com as medidas do negócio propriamente dito, o que significa que é necessário estabelecer certos ajustes e acordos técnicos entre suas unidades operacionais

(40)

119

O critério governança busca garantir que os integrantes da área de TI e de negócios formalmente discutam e revisem prioridades de alocação de recursos de TI, sendo imprescindível que todos os elementos que integram a tomada de decisões estejam claramente definidos (LUFTMAN, 2000).

Os resultados apresentados no Quadro 3 mostram que a maior parte das organizações pesquisadas promove todas as práticas do critério. Dessa forma, a maioria delas apresenta um nível de maturidade entre o processo definido (2) e o processo gerenciado (4), observando-se a existência de graus de envolvimento entre TI e as áreas de negócios. Em média, menos de 4,5% das organizações apresentaram resultados nulos (nível 0) em alguma das práticas do critério, o que significa que a prática não existe para a organização. Por sua vez, algumas organizações (< 9,5%) se encontram no nível otimizado (5).

QUADRO 3

RESULTADOS DAS PRÁTICAS DO CRITÉRIO GOVERNANÇA CRITÉRIO: GOVERNANÇA

NULO 1 2 3 4 5

Formalização do planejamento estratégico de negócios 2 6 17 10 13 4

Formalização do planejamento estratégico de TI 2 9 11 13 13 4

Formalização da estrutura organizacional e hierárquica 3 8 7 9 15 10

Estrutura orçamentária de TI 1 8 11 17 11 4

Gerenciamento dos investimentos de TI 2 4 17 13 11 5

Existência, regularidade e formalização de comitê diretivo de TI 2 15 10 8 16 1

Priorização de projetos de TI em relação às demandas 3 11 5 16 11 6

Vale ressaltar uma característica interessante das organizações de indus-triais: observa-se que a prática 3 apresenta uma maior proporção de organizações desse tipo nos níveis de maturidade 4 (processo gerenciado) e 5 (processo otimi-zado), o que significa a manutenção de uma estrutura organizacional hierárquica totalmente formalizada, provavelmente um reflexo do tipo de organização ine-rente a esse setor (LUFTMAN, 2000).

(41)

120

De forma geral, o nível de maturidade das práticas 1 e 2 reforça a idéia de que existe alinhamento entre os planos estratégicos de TI e de negócio. Os resultados gerais mostram que a TI nessas organizações está começando a se organizar mesmo que de forma intuitiva ou empírica (nível 2) buscando os níveis mais ele-vados, ou seja dos processos gerenciados (nível 4). Da mesma forma, observa-se que a prática 3 apresenta um maior número de organizações em nível de matu-ridade 4 (processo gerenciado) e 5 (processo otimizado), o que demonstra que a maioria delas possui um nível de controle central e operações descentralizadas, em que o executivo de TI reporta-se aos executivos de negócios. Contudo, apesar de essas organizações contarem com um representante de TI, observa-se pela prática 6 que ainda não existe a total formalização de um comitê diretivo de TI.

4 . 4

C R I T É R I O : PA R C E R I A S

O critério parcerias visa oferecer oportunidade para a função de TI, a fim de ter igual papel na definição das estratégias de negócio (LUFTMAN, 2000).

Os resultados apresentados no Quadro 4 mostram que a maior parte das organizações pesquisadas promove todas as práticas do critério. Diante disso, a maioria delas apresenta um nível de maturidade entre o processo definido (2) e o processo estabelecido ou focado (3), o que significa que a TI é concebida e utilizada nas estratégias de negócio. Em média, menos de 4% das organizações apresentaram resultados nulos (nível 0) em alguma das práticas do critério, sina-lizando que a prática não existe para a organização. Por sua vez, algumas orga-nizações, aproximadamente 14%, encontram-se no nível 5 (processo otimizado). É interessante assinalar que ainda existem organizações (principalmente aquelas de serviços) que percebem o valor da TI como um custo necessário para fazer negócios (prática 1 no nível 1). Apesar dessa situação, a tendência das organi-zações é caracterizar a TI como um facilitador de negócios. O que provavelmente ocorre pelo fato de as empresas optarem com freqüência pela prática 2. Da mesma forma, pode-se observar essa tendência na prática 4, em que o relacionamento entre as áreas começa a efetuar-se por meio de procedimentos que podem ser seguidos e melhorados. Como mostra a prática 6, que se encontra entre o nível de maturidade 2 (processo definido) e 4 (processo gerenciado), essas ações podem ser apoiadas ou patrocinadas por um sênior de TI de unidades ou corporativo.

(42)

121

RESULTADOS DAS PRÁTICAS DO CRITÉRIO PARCERIAS CRITÉRIO: PARCERIAS

NULO 1 2 3 4 5

Percepção do valor da TI pelas áreas de negócio 2 11 8 12 10 9

Caracterização do papel da TI no plano estratégico 1 4 19 11 10 7

Compartilhamento dos riscos e recompensas 4 7 9 19 8 5

Gestão do relacionamento entre as áreas de negócio e TI 1 4 11 16 11 9 Relacionamento/estilo de confiança vigente entre TI-negócios 2 1 20 16 6 7 Apoio/patrocínio para as ações de TI pela área de negócios 2 8 17 7 11 7

Finalmente, quando se observa o nível de maturidade da prática 5, pode-se inferir que a TI é principalmente caracterizada como um relacionamento transa-cional meramente operatransa-cional, sobretudo para as organizações industriais (nível 2 – processo definido), começando a se tornar um provedor de serviços de valor para organizações do setor de serviços (nível 3 – processo estabelecido ou focado).

4 . 5

C R I T É R I O : E S C O P O E A R Q U I T E T U R A

O critério escopo e arquitetura busca medir a maturidade da TI, ou seja, como essa tecnologia assume um papel de suporte a uma infra-estrutura flexível, de forma transparente a todos os parceiros de negócios (LUFTMAN, 2000).

Os resultados apresentados no Quadro 5 mostram que nem todas as organi-zações pesquisadas promovem todas as práticas do critério. Pode-se observar que aproximadamente 42% das organizações (22 das 52) não integram suas arquite-turas de negócios em âmbito corporativo e interempresa, apresentando resulta-dos nulos para as práticas 4 e 5. Contudo, as outras práticas mostram um nível de maturidade 2 (processo definido) e 3 (processo gerenciado), observando-se a integração da TI com os processos de negócio na procura por transparência e flexibilidade na gestão tecnológica da organização. Por sua vez, poucas organi-zações (< 5%) encontram-se no nível otimizado (5), e nenhuma empresa alcança esse nível na prática 5, o que significa que não existem organizações que tenham integrado sua arquitetura da TI e de negócios em nível interempresarial.