You are on page 1of 120

THIAGO DE OLIVEIRA MENDES

PRODUO SUCRO-ALCOOLEIRA: ESTRATGIAS FINANCEIRAS E OPERACIONAIS

Projeto de Formatura apresentado Escola Politcnica da Universidade de So Paulo, no mbito do Curso de Engenharia de Produo.

So Paulo 2010

THIAGO DE OLIVEIRA MENDES

PRODUO SUCRO-ALCOOLEIRA: ESTRATGIAS FINANCEIRAS E OPERACIONAIS

Projeto de Formatura apresentado Escola Politcnica da Universidade de So Paulo, no mbito do Curso de Engenharia de Produo. Orientador: Profa. Dra. Celma de Oliveira Ribeiro

So Paulo 2010

DEDICATRIA

Dedico este trabalho minha me, minha irm e ao meu pai.

AGRADECIMENTOS

Professora Dr. Celma de Oliveira Ribeiro pela to dedicada orientao e pelos conselhos que foram fundamentais para o desenvolvimento deste trabalho to quanto para meu crescimento e amadurecimento pessoal. Tambm, pela profunda compreenso e pacincia nos momentos em que foram necessrias. s duas intergrantes do trio parada-dura, que sempre me apoiam e que so fonte inesgotvel de carinho e amor. Tenho orgulho de fazer parte deste trio to especial e repleto de amor e fora, que meu cho e inspirao para minha vida. Obrigado, me Cludia e irm Bruna. Ana Carolina, pela imensa pacincia, fora, inspirao e incentivo que foram indispensveis nesses ltimos dois anos de batalha. Muitas vezes, voc tornou as coisas mais fceis e agradveis. Ao meu amigo fi Lucas Antunes pela grande ajuda.

RESUMO

Este trabalho de graduao prope a construo de um modelo de otimizao para a seleo de portflio de um produtor de acar e lcool, levando-se em conta as parcelas operacional e financeira do portflio. As receitas operacionais de um produtor provm da venda de acar e lcool no mercado fsico, enquanto as receitas financeiras so resultados de operaes de hedge no mercado de derivativos de acar. O modelo proposto ser capaz de constuir uma fronteira eficiente (risco vs. retorno) e, a partir disso, definir a estratgia ideal de produo (acar ou lcool mix de produo) e atuao no mercado de derivativos (razo de hedge), a partir da caracterstica de risco do produtor. O modelo de otimizao utiliza como medida de risco o CVaR (Conditional Value-at-Risk), por motivos detalhados no trabalho.

Palavras-Chave: Setor sucro-alcooleiro. Mix de Produo. Razo de hedge. Otimizao. Gesto de Portflio. Pesquisa Operacional.

ABSTRACT

This graduation thesis proposes the construction of an optimization model able to select a portfolio for a producer of sugar and ethanol, considering both the operational and the financial portions of the portfolio. The producers operational revenues are originated from the sale of sugar or ethanol in the market, while the financial revenues come from the hedging operations with derivatives. The model will be able to create an efficient frontier (risk vs. return) for the producer and define the optimal operational strategy (production of sugar or ethanol the production mix) and the ideal share of the sugar production that has to be hedged with derivatives (hedge ratio). The model uses the Conditional Value-at-Risk (CVaR) to measure the portfolios risk.

Key-words: Sugar and ethanol sector. The Production Mix. Hedge Ratio. Optimization. Portfolio Management. Operational Research.

LISTA DE GRFICOS

GRFICO 1 - Distribuio da produo de acar no mundo...................................................24 GRFICO 2 - Distribuio da produo de cana-de-acar no Brasil..........................................27 GRFICO 3 - Evoluo da colheita mecanizada (sem queima prvia da plantao)............29 GRFICO 4 - Fronteira eficiente (risco vs. retorno).....................................................................68 GRFICO 5 - Fronteira eficiente do modelo (verso 1)........................................................93 GRFICO 6 - Variao da razo de hedge de acordo com (verso 1) .....................................94 GRFICO 7 - Variao da porcentagem de acar de acordo com (verso 1).........................95 GRFICO 8 - Variao da porcentagem de etanol anidro de acordo com (verso 1)...............96 GRFICO 9 - Variao da porcentagem de etanol hidratado de acordo com (verso 1) .........97 GRFICO 10 - Fronteira eficiente do modelo (verso 2)............................................................102 GRFICO 11 - Variao do hedge com futuros de acordo com (verso 2)............................103 GRFICO 12 - Variao do hedge com opes de acordo com (verso 2)............................104 GRFICO 13 - Variao da porcentagem de acar de acordo com (verso 2).....................105 GRFICO 14 - Variao da porcentagem de etanol anidro de acordo com (verso 2)...........105 GRFICO 15 - Variao da porcentagem de etanol hidratado de acordo com (verso 2)......106

LISTA DE TABELAS

TABELA 1 - Retorno dos investimentos.......................................................................................67 TABELA 2 - Principais mtricas dos investimentos......................................................................67 TABELA 3 - Variaes dos pesos dos investimentos, do risco e do retorno.................................67 TABELA 4 - Fatores de converso dos para preos em US$/ATR...............................................83 TABELA 5 - Histrico de preos, variaes de futuros e ganhos com opes..............................84 TABELA 6 - Custos de produo do acar branco, etanol anidro e etanol hidratado..................85 TABELA 7 - Resultado do modelo para =0 (verso 1)..............................................................88 TABELA 8 - Resultado do modelo para =1 (verso 1)..............................................................90 TABELA 9 - Resultado do modelo para =3 (verso 1)..............................................................91 TABELA 10 - Resultado do modelo para =0 (verso 2)............................................................98 TABELA 11 - Resultado do modelo para =1 (verso 2)............................................................99 TABELA 12 - Resultado do modelo para =3 (verso 2)..........................................................100 TABELA 13 - Histrico de preos, variaes de futuros e ganhos com opes..........................115 TABELA 14 - Variveis de acordo com (verso 1)....................................................................116 TABELA 15 - Variveis de acordo com (verso 2)....................................................................116

LISTA DE FIGURAS

FIGURA 1 - Mapa da produo de cana-de-acar no Brasil........................................................26 FIGURA 2 - Curva de probabilidade de perda e o VaR.................................................................39 FIGURA 3 - VaR e CVaR..............................................................................................................44 FIGURA 4 - Retorno para Titular da Call .....................................................................................50 FIGURA 5 - Retorno para Titular da Put.......................................................................................50 FIGURA 6 - Retorno para Lanador da Call..................................................................................50 FIGURA 7 - Retorno para Lanador do Put...................................................................................50 FIGURA 8 - Situao em que um vendedor do contrato futuro obtm ganhos.............................55 FIGURA 9 - Situao em que um comprador do contrato futuro obtm ganhos...........................55 FIGURA 10 - Diagrama do processo de investimento baseado na MPT.......................................69

SUMRIO

1 INTRODUO.............................................................................................................17
1.1 MOTIVAO .....................................................................................................................18 1.2 OBJETIVOS.......................................................................................................................19 1.3 METODOLOGIA ................................................................................................................20 1.4 ORGANIZAO DO TRABALHO......................................................................................21

2 O MERCADO SUCRO-ALCOOLEIRO ...................................................................23


2.1 OS PRINCIPAIS NMEROS DO SETOR .........................................................................25 2.2 ASPECTOS GERAIS DA PRODUO .............................................................................27 2.2.1 A COLHEITA .............................................................................................................. 28 2.2.2 A QUALIDADE DA CANA-DE-ACAR COLHIDA (ATR e POL)............................. 29 2.2.3 AS FASES DA PRODUO DO ACAR E DO LCOOL ...................................... 31 2.3 O MIX DE PRODUO .....................................................................................................32 2.4 CO-GERAO DE ENERGIA, UM SUBPRODUTO DA CANA-DE-ACAR..................34

3 GESTO DE RISCO FINANCEIRO.........................................................................36


3.1 MEDIDAS DE RISCO (VARINCIA, VAR e CVAR) ..........................................................36 3.1.1 VARINCIA ................................................................................................................37 3.1.2 VALUE-AT-RISK (VAR) ............................................................................................. 39 3.1.3 CONDITIONAL VALUE-AT-RISK (CVAR) ................................................................. 42 3.2 ESTRATGIAS DE HEDGING ..........................................................................................45 3.2.1 O MERCADO DE DERIVATIVOS .............................................................................. 46 3.2.2 OS PARTICIPANTES DO MERCADO DE DERIVATIVOS DE ACAR ................. 51 3.2.3 HEDGING COM FUTUROS....................................................................................... 52 3.2.4 HEDGING COM OPES......................................................................................... 56

3.2.5 HEDGING COM FUTUROS CONTRA HEDGING COM OPES ...........................58 3.2.6 A RAZO DE HEDGE ................................................................................................61 3.3 MODELOS DE SELEO DE PORTFLIO .....................................................................64 3.3.1 MARKOWITZ E A TEORIA MODERNA DE GESTO DE CARTEIRAS ..................64 3.3.2 MODELO DE DI CLEMENTE CVAR.......................................................................69 3.3.3 MODELO DE ALEXANDER ET AL. CARTEIRA COM DERIVATIVOS ..................72

4 MODELO PROPOSTO............................................................................................... 74
4.1 PRIMEIRA VERSO DO MODELO OTIMIZAO SEM OPES ...............................76 4.2 SEGUNDA VERSO DO MODELO OTIMIZAO COM OPES ..............................79 4.3 PARMETROS DO MODELO ..........................................................................................81 4.3.1 - O PARMETRO DE AVERSO AO RISCO .......................................................81 4.3.2

M - NMERO DE CENRIOS ................................................................................81

k k k k k 4.3.3 S su , S ani , S hid , Fsu , O su - ACAR, ETANOL E DERIVATIVOS..........................82

4.3.4 Csu , Cani e Chid - CUSTOS DE PRODUO DO ACAR E DO LCOOL............85

5 RESULTADOS DO MODELO PROPOSTO............................................................ 87


5.1 RESULTADOS DA PRIMEIRA VERSO MODELO SEM OPES..............................88 5.1.1 PRODUTOR COM AVERSO AO RISCO NULA ( =0) ...........................................88 5.1.2 PRODUTOR COM PARMETRO DE AVERSO AO RISCO IGUAL A ...................90 5.1.3 PRODUTOR AVESSO AO RISCO ( >3)..................................................................91 5.1.4 SENSIBILIDADE DO PARMETRO DE AVERSO AO RISCO ...........................92 5.2 RESULTADOS DA SEGUNDA VERSO MODELO COM OPES.............................98 5.2.1 PRODUTOR COM AVERSO AO RISCO NULA ( =0) ...........................................98 5.2.2 PRODUTOR COM PARMETRO DE AVERSO AO RISCO IGUAL A 1.................99 5.2.3 PRODUTOR AVESSO AO RISCO ( >3)................................................................100

5.2.4 SENSIBILIDADE DO PARMETRO DE AVERSO AO RISCO ......................... 101 5.3 PRIMEIRA VERSO VS. SEGUNDA VERSO DO MODELO .......................................106

6 CONCLUSO .............................................................................................................108
6.1 CONCLUSES DO TRABALHO E CONSIDERAES PERTINENTES.......................108 6.2 POSSVEIS EXTENSES E TRABALHOS FUTUROS ..................................................110

BIBLIOGRAFIA............................................................................................................112 ANEXO I HISTRICO DOS PREOS DE ACAR E ETANOL ....................115 ANEXO II TABELAS DE RESULTADO COM VARIAO DO ....................116 ANEXO III CDIGO DO MODELO DE VARIAO DO ...............................117 ANEXO IV MODELO DE BLACK - SCHOLES ....................................................120

17

1 INTRODUO

O objetivo deste trabalho aplicar conceitos de otimizao gesto de portflios de ativos operacionais e financeiros de um produtor de acar e lcool. Neste estudo, sero apresentadas as possveis estratgias de produo e de atuao no mercado financeiro, no horizonte de um perodo. A partir disso, ser apresentado um modelo capaz de minimizar o risco do produtor considerando o retorno dos ativos que compem a carteira. importante ressaltar que o problema de otimizao precisa levar em conta as restries de produo do usineiro, que sero mais profundamente discutidas nos captulos que seguem. A deciso de produo dos usineiros limitada a dois ativos: acar e lcool. A deciso de produo tomada no perodo 0 (zero), mas a venda do produto final ser realizada no perodo 1 (um). Dessa forma, uma das grandes dificuldades do produtor de acar e lcool decidir a composio ideal da sua produo final no perodo 0, uma vez que essa deciso depende de variveis futuras que esto longe de seu controle. A proporo de acar e lcool produzida em uma usina de cana-de-acar conhecida como mix de produo. Alm disso, o produtor tem a possibilidade de se proteger contra oscilaes indesejveis dos preos desses produtos utilizando o mercado de derivativos e, com isso, travar seus ganhos ou perdas no perodo 0 (zero). Ou seja, um produtor que no deseja ter o risco implcito de mercado, pode optar por pr-determinar seus ganhos do perodo 1 (um) no perodo 0 (zero). Apesar de parecer, no primeiro momento, um bom procedimento a ser adotado, a operao no mercado de derivativos e a previsibilidade das receitas futuras limitam os ganhos do produtor em um cenrio de alta dos preos dos ativos fsicos. Essa trava de ganhos do produtor de

commodities muito conhecida no mercado como operao de hedge com derivativos.


Dessa maneira, este trabalho analisa de forma conjunta as decises de produo (lcool ou acar) e de atuao no mercado financeiro (quanto da produo estar hedgeada).

18

1.1 MOTIVAO

A idia do presente trabalho foi construda e desenvolvida paralelamente a um estgio em banco de investimentos internacional, na rea dedicada a pesquisas de empresas do setor sucroalcooleiro de capital aberto. Constatou-se que grande parte das empresas do setor ainda trata de forma muito primitiva a questo da definio do mix de produo e da parcela da produo a ser hedgeada no mercado de derivativos. Com isso, os resultados operacionais e financeiros dessas empresas ainda apresentam grande volatilidade e incerteza que intimidam certos tipos de investidores. Esse efeito trs diversos inconvenientes s empresas do setor, como dificuldades de capitalizao e financiamentos de projetos. A literatura atual j aborda de vrias maneiras o problema de risco de ganhos do produtor de

commodities, no entanto, pouco do que foi desenvolvido at ento trata da questo de gesto de
carteira de forma to abrangente que considera tanto os ativos fsicos quanto os financeiros. Alm disso, o mercado sucro-alcooleiro no Brasil merece ateno especial. Impulsionada principalmente pelo forte crescimento da demanda internacional, a produo de acar no Brasil tem ganhado importncia nas ltimas dcadas (MOREIRA e GOLDEMBERG, 1999) e, hoje, a exportao desse produto j representa cerca de 67% do volume total de exportaes do pas. Alm disso, com a criao de um programa de incentivo ao uso do lcool como combustvel automvel em 1974, o Prolcool, o governo brasileiro incentivou a produo desse combustvel e o plantio de cana-de-acar no Brasil. Atualmente, o setor sucro-alcooleiro representa 4% do Produto Interno Bruto brasileiro, segundo a Unio da Indstria de Cana-deAcar (UNICA). O crescimento acelerado do setor sucro-alcooleiro no Brasil fez com que algumas deficincias e oportunidades de melhora fossem evidenciadas ao longo do caminho. Percebeu-se, por exemplo, a grande volatilidade de ganhos do produtor de acar e lcool devido s grandes oscilaes dos preos desses produtos no mercado fsico. Com o desenvolvimento do mercado de derivativos no

19

Brasil e no mundo, o produtor viu sua disposio instrumentos capazes de diminuir o risco dos ganhos advindos da comercializao de seus produtos. Dessa maneira, o presente trabalho tratar da gesto de riscos do ponto de vista do produtor de acar e lcool. Para isso, muito importante considerar todos os ativos que fazem parte do portflio do produtor, tanto os fsicos como os financeiros.

1.2 OBJETIVOS

O objetivo principal do trabalho construir e apresentar um modelo de gesto de portflio que minimize o risco da carteira do produtor de acar e lcool e, simultaneamente, maximize seus ganhos, para um dado nvel de averso ao risco e sempre considerando as restries de produo das usinas. As restries de produo esto relacionadas com o fato de que as usinas no Brasil possuem um limite de flexibilidade para a produo de acar e lcool. Tambm, importante notar que a percepo de risco do produtor pode variar e, com isso, o resultado timo tambm mudar. Dessa maneira, este trabalho tambm estudar o comportamento da curva risco-retorno para diversos nveis de averso ao risco do produtor. Para a aplicao do modelo, sero considerados todos os ativos presentes na carteira do produtor, no apenas os de natureza operacionais (acar e lcool) como tambm os de natureza financeira (derivativos de acar). As principais variveis que o modelo ser capaz de definir so: 1) o mix de produo timo e 2) a razo de hedging ideal, dada uma determinada caracterstica de risco do produtor e considerando as restries de produo das usinas. Alm disso, sero construdas duas verses do modelo. A primeira verso no considerar apenas os futuros como instrumento de

hedge do produtor e a segunda incluir as opes na anlise. Essa diferenciao permitir que a
anlise sobre a importncia das opes para os produtores seja mais detalhada. O modelo proposto neste trabalho ser capaz de agregar diversos conceitos de gesto de portflio desenvolvidos na literatura at ento. A idia principal do modelo ser balizada por um conceito

20

de risco-retorno igual quele proposto por Markowitz (1952). No entanto, diferentemente de Markowitz, o modelo utilizar como medida de risco o CVaR (Conditional Value-at-Risk), proposto por Rockafellar e Uryasez (2002), e ainda pouco utilizado pelos setores financeiros da maioria das empresas. Alm disso, ser incorporado no modelo o conceito de ganhos com portflio de derivativos utilizado por Alexander et al. (2006). Apesar da grande diversidade de conceitos agregados no modelo, artifcios matemticos j desenvolvidos em estudos passados permitiro com que seja possvel utilizar programao linear simples para a resoluo do problema apresentado.

1.3 METODOLOGIA

A construo do modelo proposto neste trabalho ser baseada em uma srie de estudos e conceitos j desenvolvidos at hoje na literatura de gesto de portflios. Primeiro, se fez necessrio conhecer a literatura existente que trata do conceito de risco-retorno ou fronteira eficiente, criada em 1952 por Markowitz, pai da Teoria Moderna de Gesto de Carteiras. Decidiu-se por utilizar neste trabalho o modelo de seleo de portflio descrita por Di Clemente (2002), que muito se assemelha ao de Markowitz, mas que utiliza como medida de risco o CVaR (Conditional Value-at-Risk) ao invs da varincia. Como veremos, o CVaR possui melhores caractersticas que outras medidas de risco coerente e, por isso, pode nos trazer resultados mais consistentes.

Alm disso, tambm foi preciso conhecer a literatura sobre a razo de hedge e sua importncia na mitigao de risco para os produtores de commodities. Como veremos, o modelo proposto utilizar uma razo de hedge maximizadora de utilidade, que considera simultaneamente o risco e o retorno da operao. Outro tipo de razo de hedge pode ser classificado apenas como minimizadora de risco e no considera o retorno da carteira.

21

Finalmente, o problema proposto, mesmo com todos esses conceitos embutidos, ser resolvido atravs de um modelo de programao linear. Dessa maneira, os principais conceitos retirados da literatura consultada para a construo modelo foram: Modelo de seleo de portflio baseado na relao risco-retorno; Medida de risco coerente (CVaR); Razo de hedge maximizadora de utilidade. Modelo de programao linear;

1.4 ORGANIZAO DO TRABALHO

A diviso deste trabalho ser feita da seguinte maneira: O captulo 1 introduzir o tema proposto, justificando-o e delineando os objetivos a serem alcanados. A inteno do captulo 2 situar o leitor no setor sucro-alcooleiro e esclarecer alguns pontos essenciais para o entendimento do estudo. Para isso, discorreremos sobre o mercado sucroalcooleiro e apresentaremos suas principais caractersticas. Situaremos o Brasil no cenrio global e entenderemos a relevncia do pas no mundo, do ponto de vista do setor. Tambm sero apresentados os aspectos gerais da produo de acar e etanol e suas principais diferenas. Por fim, a questo do mix de produo ser discutida e ainda apresentaremos um subproduto da canade-acar, o bagao e sua importncia na co-gerao de energia. No captulo 3, ser feita uma reviso bibliogrfica sobre a gesto de risco financeiro, fundamentando e dando embasamento ao modelo proposto neste trabalho. Discutiremos as

22

diferentes medidas de risco de um portflio de ativos e as implicaes da escolha de uma em detrimento de outras. Em seguida, faremos uma introduo ao mercado de derivativos, evidenciando os principais participantes do mercado e as possveis formas de atuao. Tambm, sero discutidas as maneiras como o produtor de acar e lcool podem se proteger de eventuais oscilaes do preo desses ativos utilizando instrumentos financeiros no mercado de derivativos. Finalmente, faremos uma reviso bibliogrfica do que existe atualmente na literatura sobre modelos de seleo de portflios. No captulo 4, sero apresentadas as duas verses do modelo proposto neste trabalho. A primeira verso no ir considerar as opes como instrumentos de hedge na otimizao, enquanto na segunda verso as opes sero consideradas. Sero analisadas as funes objetivos das duas verses e suas restries, bem como os aspectos mais importantes do modelo. Alm disso, evidenciaremos os principais parmetros do modelo. No captulo 5, apresentaremos os resultados encontrados pelas duas verses do modelo e suas implicaes. Faremos uma anlise de sensibilidade, variando o parmetro de averso ao risco do produtor, e encontraremos uma fronteira eficiente do ponto de vista da produo de acar e do etanol e da atuao do produtor no mercado de derivativos. Finalmente, no captulo 6 faremos a concluso do trabalho a partir dos resultados encontrados pelas diferentes verses do modelo.

23

2 O MERCADO SUCRO-ALCOOLEIRO

Hoje, a maior parte do acar comercializado no mercado mundial constituda de sacarose derivada da cana-de-acar ou da beterraba, que representam, respectivamente, cerca de 70% e 30% da produo total, segundo dados da ICE (Intercontinental Exchange). Independentemente da matria-prima (cana-de-acar ou beterraba), o produto final sacarose exatamente o mesmo. No entanto, as caractersticas da produo da sacarose a partir de cada uma dessas matrias-primas so diferentes, a comear pela regio de cultivo da planta: enquanto a cana-deacar uma planta de clima quente, com as maiores reas de produo sendo o sul da sia, Caribe, sul dos Estados Unidos e Brasil, a beterraba cultivada em zonas temperadas, como Alemanha e Frana. Cabe ressaltar que todo o acar produzido no Brasil tem como matriaprima a cana-de-acar. No Brasil, a introduo da cana-de-acar foi feita no sculo 17, inicialmente na Regio Nordeste, poca em que o monoplio mundial do fornecimento do acar era detido pela Frana. O pas europeu contava com grandes reas plantadas nas Ilhas do Caribe de onde saiam grandes navios carregados com esse produto para diversas partes do mundo. Dessa forma, praticamente toda a cana-de-acar plantada no Brasil era destinada produo de acar para exportao. Apenas no sculo 20, aps a Segunda Guerra Mundial, a concentrao das terras destinadas plantao da cana-de-acar passou a ser a Regio Sudeste. Desde ento, a rea dedicada e os esforos direcionados ao plantio da cana-de-acar no pas tm sido cada vez maiores devido forte e crescente demanda por acar nos mercados interno e externo, criando slidas oportunidades para o fornecimento do produto. Alm disso, o Brasil possui caractersticas desejveis para a produo da cana-de-acar como sua grande extenso territorial, clima favorvel ao desenvolvimento da planta e custos de terra relativamente baixos. Tambm vlido ressaltar a importncia do desenvolvimento e aprimoramento das tcnicas de plantio e de colheita durante os anos, que contribuiram para a posio de destaque do Brasil como grande produtor mundial cana-de-acar. Entre os anos de 1975 e 1985, a produo de

24

cana-de-acar cresceu, em termos de volume colhido, em praticamente quatro vezes (MOREIRA e GOLDEMBERG, 1999). Dessa maneira, o Brasil se tornou o maior exportador mundial de acar com uma produo anual de cerca de 31 milhes de toneladas na safra 2008/2009. Ou seja, quatro sculos mais tarde a produo de acar mundial ficou distribuda da seguinte maneira (dados referentes safra 2008/2009 da Unio da Indstria da Cana-de-Acar UNICA):

15%

6% 39% 3%

14%

Europa

frica

Oceania

23% Amricas do Norte e Central

Amrica do Sul

sia

Grfico 1: Distribuio da produo de acar no mundo Fonte: UNICA

Percebe-se uma maior participao na produo de acar no continente asitico e na Amrica do Sul, impulsionados pelos dois maiores produtores mundiais: Brasil e ndia. Alm da demanda interna e externa por acar, outra varivel relevante foi recentemente acrescentada equao de produo de cana-de-acar: a demanda interna por etanol. O etanol um lcool combustvel derivado da cana-de-acar, usado principalmente em frotas de veculos

25

no pas como combustvel puro ou misturado gasolina. A produo anual de etanol em 2008/2009 foi de 27 bilhes de litros, com quase 83% destinado ao consumo interno. Segundo Alves (2002) a grande parte da cana-de-acar colhida no Brasil absorvida por fbricas instaladas no pas, capazes de produzir diferentes tipos de acar, etanol anidro (misturado com gasolina e utilizado em automveis como combustvel) e etanol hidratado (utilizado diretamente em automveis como combustvel). Como vimos, enquanto quase todo o etanol produzido no Brasil consumido pelo prprio mercado interno, grande parte do acar brasileiro exportada.

2.1 OS PRINCIPAIS NMEROS DO SETOR

Segundo a UNICA, o setor sucro-alcooleiro representa atualmente 4% do PIB nacional e 6% do total das exportaes brasileiras. O ciclo da cana-de-acar varia entre 5 a 7 anos e a safra de 2008/2009 atingiu cerca de 570 milhes de toneladas da planta, dos quais foram produzidos cerca de 31 milhes de toneladas de acar e 28 bilhes de litros de etanol, respectivamente. Dos 31 milhes de toneladas de acar produzidos na safra 2008/2009, aproximadamente 21 milhes de toneladas foram exportados, ou cerca de 67% da produo total. O pas para o qual o Brasil exporta maior parte do acar a Rssia, com 23% das exportaes. Enquanto isso, apenas 15% da produo de etanol foi destinada exportao na safra 2008/2009, dos quais 20% foram exportados aos Pases Baixos, o maior importador de etanol brasileiro atualmente. Alm disso, segundo a UNICA, a produo da cana-de-acar no Brasil ocupa hoje cerca de 6,7 milhes de hectares, o que corresponde a cerca de 4% do total das terras cultivveis no pas. Abaixo, o mapa da produo de cana-de-acar no Brasil:

26

Figura 1: Mapa da produo de cana-de-acar no Brasil Fonte: NIPE-Unicamp, IBGE e CTC

Hoje, 89% da produo de cana-de-acar est concentrada na Regio Centro-Sul e apenas 11% na Regio Norte-Nordeste. Alm disso, grande parte da produo da Regio Centro-Sul est concentrada no Estado de So Paulo (61%). A produo est divida nos Estados do Brasil da seguinte maneira:

27

3% 3% 3% 5%

5%

5%

7% 61% 8%

So Paulo Gois Mato Grosso do Sul

Paran Alagoas Mato Grosso

Minaas Gerais Pernambuco Outros

Grfico 2: Distribuio da produo de cana-de-acar no Brasil Fonte: UNICA

2.2 ASPECTOS GERAIS DA PRODUO

Para o melhor entendimento da dinmica do mercado de acar e lcool no Brasil e no mundo muito importante conhecer as principais fases de produo pelas quais a cana-de-acar passa at se tornar os produtos finais acar e lcool. Alm disso, precisamos conhecer as principais fontes de custos de produo para o acar e o lcool.

28

2.2.1 A COLHEITA

O aumento do domnio das tcnicas de processamento da cana-de-acar no Brasil e no mundo fez com que o perodo de colheita aumentasse, em detrimento do perodo de no-colheita. Hoje no Brasil, a colheita, ou perodo de safra, ocorre durante oito meses consecutivos entre abril e novembro, enquanto o perodo de entressafra, em que o volume colhido menor, ocorre durante os outros quatro meses do ano entre dezembro e maro. H dois tipos de colheita da cana-de-acar no Brasil: a manual e a mecanizada. Alm das diferenas operacionais bvias dessas tcnicas de colheita, importante ressaltar que cada uma faz o corte com a cana-de-acar em estados diferentes. A colheita mecanizada, em geral, faz o corte da cana-de-acar quando ela est crua. Enquanto isso, para que a colheita a manual seja possvel, preciso que a rea plantada seja queimada antes da realizao do corte. Esse procedimento necessrio, pois a palha da planta crua dificulta o trabalho dos cortadores no processo manual. importante observar que, ainda hoje, as duas tcnicas de corte so utilizadas. No entanto, a caracterstica do produtor que utiliza cada uma delas diferente. A colheita manual realizada principalmente por produtores menores, de baixa escala, enquanto a colheita mecanizada utilizada por produtores com volumes e escalas maiores. Essa a tendncia geral, pois o fluxo de caixa inicial, ou investimento inicial, da colheita mecanizada grande e, na maioria das vezes, invivel para os produtores pequenos. Anlises de TIR, de Valor Presente ou de Pay Back podem ser utilizadas para a definio do valor desse investimento, mas no esse o escopo do trabalho. Alm disso, esse tipo de anlise pode se tornar extremamente complexo, uma vez que no apenas valores econmicos precisam ser considerados, mas tambm os ambientais, que so bastante subjetivos. Acredita-se que no futuro os produtores de pequena escala sejam prejudicados, do ponto de vista econmico, caso haja uma presso regulamentatria que os obrigue a substituir o processo manual pelo mecanizado.

29

Hoje, a Lei 11.241, que dispe sobre a eliminao gradativa da queima da palha da cana-deacar, obriga que se elimine por completo o processo de queima da cana-de-acar at 2031. A partir disso, foi criado o Protocolo Agro Ambiental, de adeso voluntria, que tem um objetivo mais radical de eliminar a queima at 2017. Tais medidas parecem estar gerando um resultado satisfatrio, como mostrado no grfico abaixo com a evoluo da colheita mecanizada no Estado de So Paulo.

60.00% 50.00% 40.00% 30.00% 20.00% 10.00% 0.00% 2006/2007 2007/2008 2008/2009 46.6% 49.1%

55.8%

34.2%

2009/2010*

% Colheita Mecanizada

Grfico 3: Evoluo da colheita mecanizada (sem queima prvia da plantao)


Fonte: UNICA. Nota*: Estimativa

2.2.2 A QUALIDADE DA CANA-DE-ACAR COLHIDA (ATR e POL)

Uma das principais propriedades da cana-de-acar o Acar Recupervel Total, ou ATR. O ATR uma medida vastamente utilizada para a precificao da cana-de-acar, uma vez que mede a capacidade da planta em produzir acar, em termos de sua massa. O ATR definido como a massa, em kg, do acar produzido, divido pela massa, em toneladas, da cana-de-acar utilizada, e pode variar entre os valores 100 e 200. Por exemplo, a cana-de-acar com um ATR

30

de 105 capaz de produzir uma massa de acar que corresponde a 5% da sua massa inicial. O ATR da cana-de-acar produzida no Brasil , em mdia, 114, ou seja, 14% da massa da cana utilizada inicialmente pode ser transformado em acar. Na ndia, o segundo maior produtor mundial de acar, esse nmero de aproximadamente 110 (UNICA). A cotao disponvel na NICA de agosto de 2010, a mais atualizada na presente data, mostra o preo do ATR em R$0,35. Esse o preo mdio pago aos produtores de cana-de-acar, que serve como uma referncia para o mercado fsico da cana-de-acar. Um aspecto importante do processo de transporte da cana-de-acar a distncia percorrida pela planta desde os canaviais at as usinas. A distncia entre as usinas de tratamento da cana-deacar e os canaviais normalmente no ultrapassa 30 quilmetros. Isso ocorre, porque quanto maior for a distncia entre o canavial e a usina, maior a perda de ATR da cana ocorrida durante o trajeto, ou seja, maior a perda do valor da cana. Em outras palavras, existe uma correlao negativa entre essa distncia canavial-usina e o ndice ATR da cana-de-acar entregue. Dessa maneira, de interesse do produtor que a usina esteja localizada perto do local de plantio. Na construo do modelo de gesto de portflios proposto neste trabalho, a definio de ATR ser de muita utilidade, pois quando comparamos a rentabilidade dos produtos finais (acar e lcool) precisamos analis-los em uma mesma base, que aqui ser US$ por ATR. Outro aspecto importante da qualidade da cana-de-acar colhida o nvel de polarizao (POL) do acar que a planta capaz de produzir. A POL expressa em Z (graus Zucker) e define a porcentagem de sacarose do acar produzido. A POL tambm pode ser definida como o grau de pureza do produto: POL de 99% significa que o acar tem 99% de sacarose e 1% de impurezas diversas (gua, glicose, frutose, sais minerais, partculas slidas, etc.). Quanto maior a facilidade de se produzir acar mais puro, melhor a qualidade da cana-de-acar e maior ser o preo pago por ela. A cana-de-acar colhida nos perodos mais secos do ano, entre julho e setembro, apresenta propriedades de POL melhores, ou seja, capaz de produzir um acar com maior grau de

31

pureza. Dessa maneira, os produtores direcionam seus esforos para a produo de cana-deacar se concentre nesses meses mais secos.

2.2.3 AS FASES DA PRODUO DO ACAR E DO LCOOL

As primeiras etapas da produo tanto do acar como do lcool so as mesmas: colheita da cana-de-acar, carregamento, transporte s usinas, pesagem, descarregamento e lavagem da cana-de-acar. Como dito anteriormente, a boa execuo desses processos fundamental para que a qualidade da cana-de-acar seja mantida. No caso da produo de acar, a cana-de-acar direcionada moagem, processo em que se retira o caldo, separando-o do bagao e, a partir da, o foco da produo passa a ser caldo resultante. Ele passa por uma purificao, por um cozimento, por uma cristalizao (da sacarose) e, finalmente, a centrifugao. Nessa ltima, ocorre a separao da massa cozida e dos cristais de acar. O acar, ento, secado e estocado. Em relao produo de etanol, a cana-de-acar tambm passa pela moagem, obtendo-se o caldo, que ser foco da produo a partir da. O caldo passa por um tratamento especial para a produo do lcool e levado para a fermentao. O vinho resultante destilado e retificado para que, finalmente, seja desidratado. Nessa fase de desidratao, decide-se se o lcool ser anidro e hidratado. O lcool anidro usado para ser misturado com a gasolina, e o hidratado aquele usado direto nos carros como combustvel. muito importante ressaltar que o estoque sempre feito com o produto acabado, nunca com a matria-prima, ou seja, o acar ou o etanol prontos podem ser estocados, mas a cana-de-acar no. O processo de estoque da cana-de-acar acarretaria na perda de ATR, ou perda de valor da matria-prima. Alm do acar e do etanol, h outros subprodutos que podem ser fabricados a partir da cana-deacar, como a aguardente e o lcool farmacutico. No entanto, os volumes desses produtos em

32

relao produo final podem ser considerados desprezveis e, por isso, no vamos considerlos como fonte de receita neste trabalho.

2.3 O MIX DE PRODUO

Atualmente, o produtor de cana-de-acar brasileiro se depara com a deciso de dividir sua matria-prima entre a produo de acar e a produo de lcool, conhecido como mix de produo. O mix de produo determinado pelas porcentagens finais da produo de lcool e acar, em termos das massas finais produzidas de cada produto (acar e etanol). A determinao do mix de produo pode ser influenciada, por exemplo, pelos preos atuais e futuros dos produtos nos mercados fsicos e de derivativos. Por exemplo, se o mercado de acar altista (preo tem tendncia de alta), enquanto o mercado de etanol baixista, o produtor poder dar preferncia para a produo de acar. No entanto, essa escolha entre produo de lcool e acar depende de mais de um fator e pode se tornar complexa medida que acrescentamos variveis ao problema. Dessa maneira, se torna evidente a importncia de um modelo com fundamentos tericos capazes de determinar o mix de produo ideal. Esse um dos objetivos deste trabalho. O modelo construdo ser capaz de determinar o mix de produo timo do ponto de vista de minimizao de riscos e maximizao de receitas. Segundo Moreira e Goldemberg (1999), em 1970 j eram produzidas cerca de 50 milhes de toneladas de cana-de-acar no Brasil, que deram origem a cerca de 5 milhes de toneladas de acar. Em 1996, a produo da cana-de-acar atingiu cerca de 273 milhes de toneladas, originado aproximadamente 13,5 milhes de toneladas de acar e outros 13,9 milhes de toneladas de lcool. Percebe-se que em 1996, a cana-de-acar destinada produo de acar representou 49% da massa total dos produtos finais, enquanto os outros 51% foram representados pelo etanol.

33

Um dado mais atual da UNICA mostra que no segundo semestre de 2008 e no primeiro semestre de 2009 foram produzidas aproximadamente 569 milhes de toneladas de cana-de-acar, que por sua vez originaram 31 milhes de toneladas de acar (56%) e 26 milhes de toneladas em etanol (44%). Ainda em vista a crescente importncia do lcool para o Brasil, a rea destinada a plantaes de cana-de-acar no Brasil, era cerca de 4.2 milhes de hectares em 1996, dos quais 60% se encontrava no Estado de So Paulo. No final do segundo semestre de 2009, esse nmero j era de 6.7 milhes de hectares, dos quais 66% era no Estado de So Paulo. Isso corresponde a um crescimento, desde 1996, de aproximadamente 50%. Hoje, as usinas do Brasil tm uma capacidade limitada para a produo do acar ou do etanol. Grande parte das usinas brasileiras tem uma flexibilidade 40/60. Isso significa que a fbrica projetada para trabalhar com no mximo 60% da produo de cana-de-acar voltada para o acar ou o etanol. Assim, o mix do produtor est limitado a essa faixa e ele nunca vai conseguir produzir mais que 60% de um determinado produto. Mesmo que o mercado esteja favorvel produo de mais de 60% acar, por exemplo, o produtor no ter essa capacidade, pois a cana bruta perderia suas propriedades ao esperar para ser usada. O mesmo aconteceria caso o mercado de etanol estivesse muito atrativo e fosse interessante produzir mais que 60%. O produtor simplesmente no seria capaz. Apesar de existirem usinas que no adotam a flexibilidade 40/60, adotamos esse nmero como restrio do nosso modelo. Dessa maneira, o modelo de gesto de portflio proposto neste trabalho precisa considerar essas restries fsicas de produo de acar e lcool. Caso essa restrio no seja acrescentada no modelo, a resposta tima poderia se tornar no-factvel do ponto de vista prtico e impossibilitar sua implementao.

34

2.4 CO-GERAO DE ENERGIA, UM SUBPRODUTO DA CANA-DE-ACAR

Como na maioria dos processos produtivos, as produes do acar e do etanol liberam resduos, constitudo principalmente de bagao da cana-de-acar. No entanto, esse bagao possui uma propriedade peculiar no observada na maior parte dos resduos de produes. Ele capaz de produzir energia. O processo de tratamento do bagao para a obteno de energia relativamente simples, mas necessita de um investimento muito grande para um bom aproveitamento. So necessrios grandes recipientes, as caldeiras, onde o bagao passar por um processo de combusto com sua queima, a partir da qual energia gerada. As prprias usinas se valem dessa propriedade do bagao para produzirem a energia que consomem e muitas fazem disso at parte adicional de seus negcios, como fonte de receita adicional, vendendo o excesso de energia para a prefeitura ou para quem se interessar. Dessa maneira, essas usinas podem funcionam como pequenas centrais de gerao energia. Segundo definio da Aneel (Agncia Nacional de Energia Eltrica), a co-gerao de energia a produo combinada de calor til e energia mecnica convertida em energia eltrica, a partir de energia qumica. A co-gerao a associao da gerao simultnea de dois ou mais tipos de energia, a partir de uma nica fonte energtica, que, no caso, o bagao de cana. Ao ser queimado, o bagao gera energia trmica em forma de vapor, que, por sua vez, gira uma turbina, gerando energia eltrica. Hoje, muitas usinas so auto-suficientes. O que define a capacidade de produo prpria de energia, alm da quantidade de bagao produzido, a capacidade do incinerador da usina. Quanto maior a capacidade de esquentar o bagao, maior a capacidade de co-gerao de energia. Em vista disso, tem sido uma prtica comum a substituio de caldeiras antigas por novas com maior capacidade calorfica. Um exemplo disso, hoje, a Cosan, grande empresa do setor, que est

35

substituindo as caldeiras de quinze de suas usinas, acarretando em um investimento de aproximadamente R$2 bilhes (dados divulgados pela empresa).

36

3 GESTO DE RISCO FINANCEIRO

A reviso bibliogrfica da gesto de risco financeiro deste trabalho est divida em trs partes. Na primeira parte sero discutidas, com base na literatura atual, diferentes medidas de risco bem como suas aplicaes em gesto de portflio de forma mais abrangente. Analisaremos, nessa ordem, a varincia, o VaR (Value-at-Risk) e o CVaR (Conditional Value-at-Risk). Essa discusso dar sustentao e embasamento para a definio do modelo de hedge que apresentaremos nos prximos captulos. Veremos que a medida de risco que melhor atende as necessidades do nosso modelo de otimizao o CVaR. Na segunda parte do captulo, discutiremos as possveis estratgias de hedge disposio dos produtores de acar e lcool, e ainda o significado e a importncia da razo de hedge. Finalmente, na terceira parte apresentaremos dois modelos clssicos de seleo de portflio, o de Markowitz, que utiliza a varincia como medida de risco, e o de DiClemente, que utiliza o CVaR.

3.1 MEDIDAS DE RISCO (VARINCIA, VAR e CVAR)

A proposta do presente Trabalho de Formatura a aplicao da medida de risco CVaR (Conditional Value-at-Risk) na gesto dos ativos de produtores de acar e lcool a outras medidas vastamente usadas em gesto de portflios de ativos, quaisquer sejam, como Varincia e VaR (Value-at-Risk). PFLUG (2000) provou que a medida CVAR, apesar de mais complexa, possui propriedades estatsticas melhores que o VaR, e a partir disso, uma srie de novos estudos de risco foram feitos embasados nessa outro mtodo de medida de risco. A seguir discutiremos as duas medidas mais conhecidas e utilizadas na gesto de portflios atualmente, a varincia e o VaR, e a medida de risco utilizada neste trabalho, o CVaR.

37

3.1.1 VARINCIA

Um mtodo muito explorado pela literatura e utilizado vastamente em diferentes reas do conhecimento, devido facilidade de medio, a varincia. A varincia mede a disperso de uma varivel aleatria em torno do seu valor mdio. Em gesto de portflio, a varincia indica a disperso dos retornos em torno do retorno esperado dos ativos. Assim sendo, a varincia 2 da varivel aleatria X pode ser definida como:

2 = E [( X E ( X )) 2 ]
Em que: E(X) a mdia da varivel aleatria X. Na prtica, h duas maneiras de calcularmos a varincia da varivel aleatria X (NETO, CYMBALISTA, 2006) dependendo das propriedades de X. Se X uma varivel aleatria discreta, a varincia 2 definida como:

2 = ( x i E ( X ) )2 p ( x i )
i

Em que: p( x i ) = probabilidade do evento x i .

Se X uma varivel aleatria contnua, a varincia 2 definida como:

2 =

(x E ( X ))

f ( x)dx

38

Em que: f(x) = funo densidade de probabilidade de x Sabemos quo vasta a aplicao da varincia e de sua aplicao em diferentes reas de estudos. uma medida bastante explorada pela literatura e, por isso, sua utilizao e propriedades so bastante conhecidas. No entanto, algumas propriedades da varincia, ou falta de propriedades, fazem com essa medida de risco no seja a ideal na gesto de portflio de ativos. Podemos citar dois problemas da varincia que a torna pouco eficiente na gesto de portflios: 1. Desvios negativos ou positivos em torno do retorno esperado so tratados da
mesma maneira pela varincia. Ou seja, ativos que oferecem retornos muito acima

da mdia constantemente, ou ativos que oferecem retornos muito abaixo da mdia constantemente podem ser apontados como ativos de risco semelhantes pela varincia. Na gesto de portflio, a necessidade de se dar prioridade a ativos de retorno acima da mdia evidente. 2. A varincia no nos d uma informao adequada das caudas da distribuio de
probabilidade (RIBEIRO, FERREIRA, 2004). Em cenrios de estresse, uma carteira

de ativos C1 pode sofrer ou dar retornos mais negativos que uma carteira de ativos C2, o que no detectado pela varincia. Para investidores esse um ponto de extrema importante, uma vez que crises financeiras, que levam a um cenrio de estresse extremo, no so to raras e podem destruir carteiras de investimento em ativos. A crise financeira global que teve seu auge no final de 2008 com a quebra do Banco Lehman Brothers um exemplo de que carteiras de ativos defensivas podem ser um melhor investimento em momentos difceis. A varincia no nos prove com essa informao.

39

Esses so os principais motivos pelos quais no utilizaremos varincia neste trabalho. Tambm, a partir dessas constataes, a utilizao do VaR no mercado financeiro se difundiu e essa medida passou a ser mais estudada pela literatura sobre riscos de carteira de ativos.

3.1.2 VALUE-AT-RISK (VAR)

Atualmente, a medida de risco mais popular e mais utilizada pelos gestores de ativos no mercado financeiro indiscutivelmente o Value-at-Risk (YOU e DAIGLER, 2007). O VaR de uma carteira de ativos pode ser definido como a perda mxima do valor de mercado da carteira em um determinado perodo de tempo com um determinado nvel de confiana. Ou seja, por ser uma medida de risco de perda potencial mxima o VaR nos oferece informao sobre a cauda inferior da distribuio dos retornos do portflio de ativos, diferentemente da varincia. A pergunta que o VaR responde a seguinte: Quanto posso perder com x% de probabilidade em um horizonte predeterminado?.

VaR = Perda Mxima

Figura 2: Curva de probabilidade de perda e o VaR Fonte: Elaborao do autor

40

Em QUARANTANA e ZAFFARONI, 2008, considera-se X uma varivel de retorno aleatrio e F a funo de distribuio, em que:

F (a) = P{X a} e F 1 (b) = min {a: F(a) b}


Dessa forma, o VaR poder ser definido como: VaR ( X ) = F 1 ( )
H mais de uma maneira de se calcular o Value-at-Risk, dentre quais destacamos trs (WIENER, 1998): simulao histrica, abordagem paramtrica e a simulao de Monte Carlo. Na simulao histrica, consideramos que os mesmos eventos do passado de mudanas de cenrios sero observados no futuro e, com isso, podemos assumir preos futuros. Dessa maneira, quanto maior a srie histrica, melhor ser a simulao proposta. A partir disso, so ordenados N retornos histricos da carteira de ativos e define-se ento o VaR como o ( * N)-simo valor mais negativo, em que o nvel de confiana. Na abordagem paramtrica, assumimos que as mudanas nos parmetros do mercado e que a varivel retorno do portflio seguem uma distribuio normal. Nessa abordagem, preciso que se construa uma matriz de covarincia histrica dos retornos da carteira. Dessa maneira, o VaR pode ser calculado como (QUARANTANA e ZAFFARONI, 2008):

VaR = E ( R) + Z R
Em que: E(R) a mdia dos retornos

R o desvio-padro dos retornos


Z o valor para o qual F( Z ) = 1 -

41

Finalmente, na simulao de Monte Carlo, assumimos que temos informao sobre a distribuio conjunta das mudanas no mercado para que possamos construir um grande nmero de cenrios e precificar a carteira em cada um deles. Com base no que foi dito, percebe-se que as metodologias de medio de VaR no necessitam de grandes capacidades de processamento e podem ser aplicadas em exemplos prticos sem grandes dificuldades. Alm disso, o VaR consegue nos passar informaes sobre a cauda da distribuio dos retornos, i.e. informaes do risco de perda, o que considerado de grande valia para os investidores. Entretanto, o VaR tambm possui certas deficincias que podem trazer problemas de medio de risco aos gestores de ativos, das quais evidenciamos duas:
1. O VaR no analisa a cauda da distribuio (ou perda) aps o valor mximo definido pelo intervalo de significncia. Ou seja, ainda que o Var nos d uma anlise

de risco que envolve a perda mxima de uma carteira de ativos, ele no consegue analisar a disperso alm da perda mxima para um determinado nvel de confiana. Dado um nvel de confiana, dois ativos com o mesmo VaR possuem o mesmo risco ainda que um deles tenha uma disperso maior aps o intervalo definido.
2. O VaR no uma medida de risco coerente (ARTZNER et al., 1998). Teoria

introduzida por Artzner em 1998 define medida de risco coerente com sendo aquela que obedece quatro axiomas:

& a. ( X + r ) = ( X ) , R, X G ;

b. ( X 1 + X 2 ) ( X 1 ) + ( X 2 ), X 1 e X 2 G ; c. (X ) = ( X ), X G ; d. (Y ) ( X ), Y , X G, Y X

42

Em que:
& G R n e r = (r ,...r ) R n , e r a taxa de retorno livre de risco.

O VaR no obedece ao axioma b, o da subaditividade. Isso que dizer que no podemos garantir que o risco resultante da soma de dois portflios de risco VaR1 e VaR2 seja VaR1 + VaR2 , ou menor que isso. Na verdade, um nmero que no conseguimos prever. Segundo Quarantana e Zafaronni (2008) isso impede a convexidade e dificulta a otimizao na seleo de ativos. Dessa maneira, surgiu a necessidade de se criar uma medida de risco que sanasse os problemas apresentados pelo VaR na otimizao de seleo de ativos. O CVaR (Conditional Value-at-Risk) parece ser uma boa soluo, como veremos a seguir.

3.1.3 CONDITIONAL VALUE-AT-RISK (CVAR)

Para resolver os problemas de falta de coerncia apresentados pelo VaR, a literatura de sobre otimizao de portflio recente tem se focado em medidas de risco coerentes e especialmente no CVaR (QUARANTA e ZAFFARONI, 2008). Artzner em 1998 define medidas de risco coerentes como aquelas que obedecem aos axiomas apresentados no tpico anterior. Com base nisso, Rockafellar e Uryasev (2002) introduziram uma nova medida de risco nominada Conditional Value-at-Risk. O CVaR nos d o valor mdio da cauda para um dado intervalo de confiana. Ou seja, o CVaR a mdia das perdas da carteira superiores ao VaR. Em outras palavras, o CVaR define o valor mdio das perdas da carteira, dado que o pior cenrio j ocorreu. Dessa maneira, os problemas do VaR identificados acima so sanados com o uso do CVaR. Seja x X R N um vetor de deciso representando o portflio e y Y R N o vetor representando as variveis em cenrios futuros, consideramos z = f (x,y) como a funo de perdas

43

do portflio. Dessa maneira, podemos representar as perdas superiores a VaR, que denominaremos , como sendo (QUARANTA E ZAFFARONI, 2008):

( x, ) = max(0, z ) ou ( x, ) = P{y f ( x, y ) }
Ainda, Quaranta e Zaffaroni (2008) definem a as perdas acima da perda mxima, ou VaR como sendo:
0 ( x, a) = ( x, a) 1 Em que:

if if

a a

o VaR da carteira.
Sendo o CVaR a mdia das perdas superiores a , temos que:

CVaR = E ( ( x, ))

Graficamente, a diferena entre VaR e CVaR mais facilmente observada.

44

VaR = Perda Mxima CVaR

Figura 3: VaR e CVaR Fonte: Elaborao do autor

Dessa maneira, podemos perceber que o CVaR de fato leva em conta a cauda acima da perda mxima da distribuio de retornos da carteira. Alm disso, como dito anteriormente, uma medida de risco coerente (ROCKAFELLAR e URYASEV, 2002). Outra particularidade do CvaR, que facilita sua aplicao em problemas de seleo de portflios, o fato de que podemos utilizar programao linear para minimiz-lo. Outro aspecto muito interessante evidenciado por Rockafellar e Uryasev (2002) de que uma otimizao convexa simples de uma dimenso capaz de nos fornecer simultaneamente o CVaR e o VaR do portflio. Isso particularmente importante, pois permite que calculemos o CVaR da carteira sem que necessariamente conheamos o VaR. A formulao que nos permite encontrar o CVaR e o VaR simultaneamente a seguinte (ROCKAFELLAR e URYASEV, 2002): 1 + E [ f ( x, y ) a ] (1 )

F ( x, a) = a +

45

Em que:

[ f ( x, y) a]+

= [t ]+ =max{0,t}.

Na expresso acima, f(x,y) representa a funo distribuio de perdas. Como podemos perceber

F ( x, a ) , que representa o CVaR da carteira, uma funo linear e, por isso, sua minimizao
pode ser feita de maneira direta, sem grandes complicaes. Alm disso, o modelo nos retornar no apenas o CVaR ( F ( x, a ) ) como o VaR ( a ) tambm. As facilidades de manipulao e minimizao do CVaR fizeram com que essa medida de risco ganhasse relevncia na literatura de gesto de portflio. No entanto, por se tratar de uma medida menos trivial e menos conhecida que o VaR, o CVaR no tem sido muito utilizado pelos gestores de ativos no mercado financeiro e ainda possui uma baixa penetrao nesses meios. Por todas as caractersticas apresentadas neste captulo, optamos por utilizar o CVaR como medida de risco de portflio a ser minimizada. Em tpicos, as vantagens do CVaR so: uma medida de risco coerente (ROCKAFELLAR e URYASEV, 2002); Analisa a cauda da distribuio de perdas; Minimizao atravs de programao linear possvel; VaR e o CVaR so encontrados simultaneamente.

3.2 ESTRATGIAS DE HEDGING

A palavra hedge, que no portugus significa cerca, muito conhecida no mercado financeiro. Na maioria dos casos, ele significa proteo de uma oscilao indesejada de um determinado ativo. O hedge permite que se minimize a exposio ao risco de mercado sem reduzir o lucro (Baxter, 1998), apenas limitando um grande crescimento.

46

No nosso caso, em que a proteo ser feita por um produtor de lcool e acar, o hedge minimiza o risco de uma variao indesejada do preo desses ativos (acar e lcool) no mercado fsico. O hedging pode ser feito com uma grande variedade de instrumentos no mercado de derivativos. Nos casos mais comuns, a proteo feita com contratos futuros ou de opo, em mercados regulamentados e que garantem o pagamento dos contratos no vencimento. importante que se saiba que uma operao de hedge sempre ter duas figuras: o prprio hedger, que normalmente o produtor, e o especulador. Nessas operaes, o produtor quer se proteger de uma eventual queda do preo de seu produto (ativo) no mercado fsico e, por isso, monta uma contraparte no mercado de derivativos que se beneficiar da queda do preo do ativo. Ou seja, quando o preo do ativo cai, o produtor perde na venda do seu produto (vende mais barato), mas em compensao ganha no mercado financeiro. Dessa maneira, o produtor consegue de certa forma travar o preo que receber por seus produtos. O especulador, por outro lado, s opera no mercado financeiro e se beneficia da alta do preo do ativo. Neste trabalho, analisaremos dois instrumentos derivativos muito usados em operaes de hedge: futuros e opes. Alm disso, discutiremos sobre a poro da produo que hedgeada, ou travada, a chamada razo de hedging. Antes, faremos uma breve descrio do mercado de contratos de derivativos e dos seus principais participantes.

3.2.1 O MERCADO DE DERIVATIVOS

Um contrato de derivativo caracterizado por pagamentos futuros de acordo com o comportamento dos preos de um ativo que negociado no mercado fsico. um contrato

47

firmado entre duas partes. Como o prprio nome prope, um contrato cujo valor est lastreado em um ativo, ou seja, deriva de outro ativo. Os principais mercados de derivativos hoje, so: Mercado Futuro Mercado de Opes Mercado a Termo

O mais lquido e mais conhecido desses mercados o mercado futuro. O mercado futuro e o mercado a termo possuem caractersticas semelhantes, mas a forma como o acordo firmado e os riscos que as partes esto expostas so diferentes. A semelhana principal entre esses dois mercados o fato de que as partes tm um acordo de compra e venda do ativo em uma data futura por um preo determinado e ambos esto expostos oscilao do preo do ativo. Uma negociao no mercado futuro envolve trs personagens (HULL, 2005): 1) o comprador do contrato; 2) o vendedor do contrato; e 3) a bolsa de mercadorias e futuros, que no Brasil a BM&FBovespa. O comprador e o vendedor definem o nmero de contratos negociados e uma data quando ocorrer o vencimento dos contratos. Cada contrato de derivativo tem uma quantidade definida do ativo. Por exemplo, um contrato de acar pode representar 50 quilogramas do ativo fsico e para negociar 5 toneladas, so necessrios 100 contratos. Teoricamente, na data de vencimento o comprador pagar o valor pr-acordado por uma determinada quantidade do ativo. No entanto, na maioria das vezes a entrega fsica no ocorre, pois os contratos so liquidados antes do vencimento (HULL, 2005). A terceira personagem no mercado futuro aquela que garante que o vendedor do receber o valor quando do vencimento: a bolsa de valores. Essa uma das principais diferenas entre o mercado futuro e o a termo. As partes vendedora e compradora no mercado a termo tm o risco da contraparte, pois no h algum fazendo a intermediao do contrato. A bolsa de valores consegue garantir que o contrato seja pago no vencimento, pois exige que haja um depsito de margem com ajuste dirio, obrigando que as margens sejam ajustadas todos os dias no fechamento do mercado. Isso implica em uma perda ou ganho dirio no mercado futuro o que faz

48

com que as partes estejam expostas a qualquer variao no preo do contrato entre a data inicial e o vencimento. J no mercado a termo, no h um depsito de margem e o valor s desembolsado pelo comprador na data de vencimento. Em resumo, a maior semelhana entre os mercados futuro e a termo : Contrato entre duas partes, uma compradora e uma vendedora, que se comprometem a comprar e a vender determinada quantidade de um ativo, em uma data futura, por um preo pr-estabelecido. As maiores diferenas entre os mercados futuro e a termo so: O risco no mercado a termo sempre da contraparte, enquanto no futuro o risco da bolsa de valores. Os ajustes no mercado futuro so dirios, fazendo com que haja um desembolso constante. No mercado a termo, no h ajuste e o valor desembolsado no vencimento. importante ressaltar que tanto no mercado futuro como no mercado a termo, o comprador tem retornos positivos com a alta no preo do ativo e o vendedor ganha com a baixa. A dinmica do mercado de opes diferente e mais complexa que nos outros dois mercados. No mercado de opes negociam-se direitos. Quem compra uma opo chamado de titular e sempre tem um direito, enquanto quem vende chamado de lanador e sempre tem uma obrigao (HULL, 2005). Existem dois tipos de opes, ou direitos: a opo de compra (call) e a opo de venda (put). Com a opo de compra, o titular tem o direito de comprar um ativo e o lanador tem a obrigao de vender, caso seja exercido. Com a opo de venda, o titular tem o direito de vender o ativo e o lanador tem a obrigao tem compra, caso seja exercido. Quando o lanador exercido pelo

49

titular, significa que o titular usa seu direito de compra ou venda, obrigando o lanador a vender ou comprar. O contrato no mercado de opes tambm define uma data de vencimento, um valor e uma quantidade que ser negociada. Em resumo: Titular de uma opo de compra: direito de comprar o ativo; Lanador de uma opo de compra: obrigao de vender o ativo, caso exercido; Titular de uma opo de venda: direito de vender o ativo; Lanador de uma opo de venda: obrigao de comprar o ativo, caso exercido.

O titular de uma opo de compra exercer a opo se o ativo estiver acima de um determinado preo. O titular de uma opo de venda exercer a opo se o preo do ativo estiver abaixo de certo patamar. Por exemplo, um titular de uma opo de venda de acar tem o direito de vender o ativo no vencimento, por um preo pr-estabelecido. Se o ativo fsico, no vencimento, estiver abaixo de um determinado valor, pode valer a pena o titular exercer a opo, obrigando o lanador a comprar o ativo. Como esse tipo de contrato negociado na bolsa de valores, tambm necessrio que haja um depsito de margem por parte daquele que pode ser exercido, o lanador. Isso requer um fluxo de caixa negativo j no tempo zero ( t 0 ). Outro aspecto importante do mercado de opes o prmio da opo. Muitos se perguntam sobre a vantagem de ser um lanador nesse mercado de opo se essa personagem sempre exercida e, com isso, sempre levar o prejuzo. A resposta para isso est no prmio da opo (HULL, 2005). Para o titular ter a possibilidade de exercer seus direitos, preciso que ele pague ao lanador um preo acordado. O lanador acredita que a opo no ser exercida e aceita ganhar um prmio para correr o risco e casa no seja exercido, ganha o prmio. Dessa maneira, o titular tambm tem um fluxo de caixa negativo no t 0 .

50

A seguir so apresentados os grficos com os retornos, no vencimento, para cada personagem do mercado de opo.

Grfico do Retorno para Titular de Opo de Compra


25 25

Grfico do Retorno para Titular de Opo de Venda

R eto r n o

R eto r n o

Preo a partir do qual o titular exerce seu direito

Preo a partir do qual o titular exerce seu direito

Prmio pago pelo titular

Prmio pago pelo titular

-15 0 2 4 6 8 10 12 14 16 18Preo 24 26do Ativo32 34 36 38 40 42 44 46 48 50 20 22 Vista 28 30

-15 0 2 4 6 8 10 12 14 16 Preo 22 24do Ativo 30 32 34 36 38 40 42 44 46 18 20 Vista 26 28

Figura 4: Retorno para Titular da Call Fonte: Elaborao do autor

Figura 5: Retorno para Titular da Put Fonte: Elaborao do autor

Grfico do Retorno para Laador de Opo de Compra


15
15

Grfico do Retorno para Laador de Opo de Venda

R eto r n o

Preo a partir do qual o lanador exercido

R eto r n o

Prmio recebido do titular

Prmio recebido do titular

Preo abaixo do qual o lanador exercido

-25 0 2 4 6 8 10 12 14 16 18Preo 24 26do Ativo32 34 36 38 40 42 44 46 48 50 20 22 Vista 28 30

-25 0 2 4 6 8 10 12 14 16 Preo 22 24do Ativo 30 32 34 36 38 40 42 44 46 18 20 Vista 26 28

Figura 6: Retorno para Lanador da Call Fonte: Elaborao do autor

Figura 7: Retorno para Lanador do Put Fonte: Elaborao do autor

51

3.2.2 OS PARTICIPANTES DO MERCADO DE DERIVATIVOS DE ACAR

Tratando o assunto de uma forma um pouco mais especfica, o mercado de derivativos de acar composto principalmente por duas figuras: os especuladores e os produtores de cana-de-acar (hedgers). Existem ainda os hedgers que no so produtores, como grandes empresas de consumo que atuam como compradores de contratos. No entanto, desconsideraremos neste trabalho esses personagens, que possuem baixa relevncia no mercado de derivativos de acar. Os especuladores geralmente atuam em diversos mercados, com o objetivo de obter ganhos com a oscilao de preos de ativos que presumam que devem subir ou descer. J os produtores de cana-de-acar tm outro objetivo no mercado de derivativos. Eles procuram instrumentos que lhes garantam fluxos de caixas aceitveis e seguros em uma data futura. Ou seja, querem se proteger de oscilaes indesejveis, o chamado hedge do produtor. A maneira como fazem isso atuando no mercado de derivativos, normalmente com uma posio vendida. A posio vendida aquela que se beneficia da queda do preo do contrato. Por exemplo, no mercado futuro, o produtor vende contratos de acar para que, caso o preo do acar caia, ele perca no mercado fsico mais compensado pelo ganho no mercado de derivativos. No mercado de opo, uma estratgia seria vender opes de compra. As opes de compra so instrumentos mais lquidos do que as opes de venda, o que faz com que grande parte dos produtores utilizem esse tipo de opo como instrumento de hedge. Por isso, a verso do modelo proposto neste trabalho, que considera as opes, utilizar apenas as opes de compra. Isso ainda facilitar os clculos do modelo. No entanto, h opinies contraditrias a respeito de especulao e hedging na literatura. Como sintetizado em Wolf (1987), podemos citar pelo menos trs definies relevantes. Keynes (1930) e Hicks (1946) definem e caracterizam os especuladores pela natureza de tolerncia ao risco quando comparados com hedger, que tm uma averso ao risco maior. Working (1953) argumenta que a diferena entre hedgers e especuladores nasce do fato de que esses personagens tm vises e expectativas diferentes em relao distribuio de preos de certos ativos.

52

Finalmente, Anderson e Danthine (1981) definem hedgers como negociadores de contratos futuros que usam o mercado futuro para proteger uma posio de caixa e especuladores como participantes do mercado futuro que no tm o ativo fsico. A abordagem de Keynes-Hicks considera a negociao entre hedgers e especuladores um mecanismo de transferncia de risco do participante menos tolerante para o mais tolerante. As ltimas duas abordagens esto relacionadas entre si, uma vez que ambas acreditam que as diferentes posies dos participantes so resultado de uma viso diferente sobre a distribuio de preos futuros.

3.2.3 HEDGING COM FUTUROS

O uso de contratos futuros como instrumentos de hedging tm sido explorado com muito mais frequncia do que o uso de opes. Lapan et al. (1991) considera um produtor enfrentando risco de preo e compara o uso de futuros com opes como instrumentos de hedging. Eles mostram que quando o preo futuro no est enviesado, as opes so instrumentos de hedging redundantes, pois os futuros oferecem um retorno que linear com o risco de preo. Hull (2005) exemplifica um hedge com futuro de derivativos. Uma empresa que ganha $10.000 para cada aumento de 1 centavo no preo de uma commodity (ativo) nos prximos trs meses e perde $10.000 para cada queda de 1 centavo nos prximos trs meses. Para se hedgear a empresa precisa assumir uma posio vendida de contratos futuros que resulte em um ganho de $10.000 para cada queda 1 centavo no preo da commodity nos prximos trs meses e em uma perda de $10.000 para cada aumento de 1 centavo. Ou seja, se o preo do ativo cai, a empresa tem uma perda em suas operaes de venda e um ganho nas suas operaes financeiras que compensa a perda operacional. Se o preo do ativo sobe, a empresa tem um ganho operacional maior, mas tem uma perda financeira que anula o ganho.

53

Com base no exemplo acima, percebemos que o hedge limita tanto a perda quanto o ganho de quem o opera. Quando o preo do ativo sobe no mercado fsico, a empresa realiza um ganho maior com a venda de seu produto, mas a operao de hedge com futuros que ela montou no mercado de derivativos lhe rende uma perda que anula os ganhos da venda. Assim, o que a empresa ganha em fazer o hedge a segurana da receita gerada em trs meses. Ela no depende mais da variao do preo do ativo e seu ganho se torna previsvel, o que lhe vantajoso de vrias maneiras. Uma delas a maior atratividade do ponto de vista de investimentos externos que prezam pela certeza da entrega de lucros em um determinado perodo. A operao realizada pela empresa do exemplo foi um hedge perfeito, em que a data exata de venda do ativo foi definida e o instrumento derivativo perfeitamente relacionado ao preo do ativo. No entanto, as operaes de hedge no so todas dessa forma e normalmente o produtor se depara com as seguintes limitaes (HULL, 2005): O ativo que est hedgeado pode no ser exatamente o mesmo que o relacionado com o derivativo; O hedger pode no saber exatamente o dia que o ativo ser vendido; O hedger talvez precise liquidar a posio antes do vencimento do contrato, para que no tenha que fazer a entrega fsica. No problema proposto neste trabalho, nos deparamos com dois dos trs problemas apresentados. O primeiro est relacionado com o fato de o preo do ativo no ser exatamente aquele que o derivativo est refletindo. O produtor de acar brasileiro precisa fazer sua operao de hedge com derivativos de acar negociados na da Intercontinental Exchange (ICE), pois os derivativos de acar da BM&F no possuem nenhuma liquidez. Os derivativos de acar negociados na ICE refletem as variaes do preo acar de exportao demerara, e no do branco, que vendido no mercado interno. Dessa maneira, o produtor no consegue fazer um hedge perfeito desse acar branco vendido internamente. No modelo proposto neste trabalho, desconsideramos esse fato, pois a correlao entre os preos do acar demerara e branco muito alta.

54

O segundo problema est relacionado com a rolagem da posio. Porque os produtores operam no mercado financeiro s para efeitos de hedge, no tm a inteno de realmente fazer a entrega do produto. Dessa maneira, precisam liquidar a posio antes do vencimento e nessa operao de rolagem podem ocorrer perdas e custos de transao. Neste trabalho, utilizaremos as seguintes notaes:
S1 = Preo do ativo no perodo t1 (spot)
S 2 = Preo do ativo no perodo t 2 (spot) F1 = Preo do futuro no perodo t1 F2 = Preo do futuro no perodo t 2

Denotamos por preo spot o preo vista do ativo no mercado fsico. Se assumirmos que se trata de um produtor de acar e lcool, ser feita uma operao de hedge com posio vendida, ou seja, o produtor vai vender contratos futuros de derivativos de acar no mercado para se proteger da queda do preo dos ativos no mercado fsico. Se assumirmos que a curva do preo futuro est em backwardation, estamos dizendo que o preo futuro do acar menor que o preo spot ( vista) em qualquer perodo. De fato, isso que ocorre com os preos futuros e spot do acar no mercado de derivativos. O ganho L ou perda do vendedor de contratos futuros pode, ento, ser calculado como: L = F1 - F2 No vencimento, espera-se que F2 = S 2 , ou seja, espera-se que as curvas futura e spot se encontrem. Nesse caso, se o preo do ativo tem uma queda, S 2 < S1 , o ganho positivo, L > 0. Dessa maneira, um vendedor de contratos futuros se beneficia com a queda do preo do ativo.

55

Figura 8: Situao em que um vendedor do contrato futuro obtm ganhos Fonte: Elaborao do autor

Do ponto de vista do especulador, que est comprado no contrato futuro, quanto mais o preo do ativo sobe, maior o ganho, pois se espera que o preo futuro tambm suba. O ganho representado por: L = F2 - F1

Figura 9: Situao em que um comprador do contrato futuro obtm ganhos Fonte: Elaborao do autor

56

importante enfatizar que as anlises deste trabalho consideram que, no vencimento, o preo do futuro do ativo (acar) o mesmo que o preo spot do mercado fsico.

3.2.4 HEDGING COM OPES

A literatura sobre hedging com opes comeou a ser explorada com mais intensidade na ltima dcada (BENNINGA e OOSTERHOF, 2004). A maior complexidade embutida nas operaes com opes e a menor liquidez do mercado de opes em comparao com o de contratos futuros acabam fazendo com que o foco da literatura seja os futuros. No entanto, o mercado de opes pode ser um bom instrumento de mitigao de risco para alguns produtores de commodities. Analisaremos neste trabalho se este o caso para o produtor de acar lcool. Um produtor de acar tem duas maneiras de atuar no mercado de opes. importante ressaltar que qualquer seja a operao do produtor com opes de acar, ele precisa se beneficiar com a queda do preo do ativo no mercado fsico (preo spot). Dessa maneira, as operaes disponveis para o produtor so: 1. Comprar opes de venda (puts); 2. Vender opes de compra (calls). Na operao 1, o produtor titular da put e, por isso, paga um prmio r para o lanador da opo. Na figura 7, apresentado na seo anterior mostra que o comprador da put ganha quando o preo do ativo cai. Em Hull (2005), o resultado do titular da opo de venda definido como:

max ( K - ST , 0)
Em que: K o strike da opo
ST o preo spot do ativo

57

O K (strike) o preo a partir do qual o titular da put vai exercer seu direito, ou peo de exerccio. Ou seja, se o preo vista do ativo estiver maior que o strike, o titular da put no vai exercer a opo e no vai realizar ganho nenhum, ou ganho 0 (zero). Caso o preo do ativo esteja maior que o strike, o titular da put vai exercer a opo e vai realizar um ganho K - ST . Na operao 2, o produtor lanador da call. Ou seja, ele d o direito de exerccio ao titular da

call que paga um prmio por isso. Na figura 7, percebemos que o titular da put ganha com a
queda no preo do ativo. Em Hull (2005), o resultado do lanador da opo de compra definido como: -max ( ST - K, 0) ou

min ( K - ST , 0)

Ou seja, quando o preo ST do ativo maior que o K no vencimento, o lanador da call vai ser exercido pelo titular e ter uma perda de K - ST . Caso contrrio ( ST < K), o titular no vai exercer a opo e o lanador tem ganho nulo. O modelo proposto neste trabalho no considerar as opes de venda (puts) como instrumentos de hedge para o produtor de acar e lcool. Isso, porque esse instrumentos possuem uma liquidez muito inferior a das opes de compra (calls), o que imbutiria um fator adicional de risco que o modelo no seria capaz de quantificar. Ainda precisamos contabilizar o prmio da opo nos ganhos do produtor. Como veremos na prxima seo, Lapan et al. (1991) define o retorno total com a opo, do ponto de vista do produtor (hedger), como r v , em que r o prmio da opo e:

v=0 v=kp
Em que:

se p k se p < k

k o strike e p o preo do ativo no vencimento.

58

3.2.5 HEDGING COM FUTUROS CONTRA HEDGING COM OPES

Como dito anteriormente, as implicaes do uso de futuros para a gesto do risco tm sido exploradas de diversas maneiras h algum tempo. Apenas mais recentemente, o uso de opes como instrumentos de gesto de risco tem sido estudada com maior intensidade (Hanson et al., 1999). O tradeoff entre futuros e opes foi estudado por Lapan, Moschini e Hanson (1991), que criaram um modelo de otimizao conhecido na literatura como LMH. O estudo comea com um cenrio base de precificao no-enviesada e depois consideram o efeito de expectativas diversas. O resultado primrio desse estudo foi que o uso das opes como instrumentos de hedge no agregam em nada o hedging timo do produtor. Neste trabalho, nos basearemos no modelo LMH para considerar os futuros e opes na gesto de risco dos produtores de acar e lcool. A escolha do modelo LMH est relacionada com o fato de que ele possui algumas semelhanas com o modelo de minimizao de risco proposto neste trabalho, dentre as quais podemos evidenciar o horizonte de investimento de um perodo ( t1 ). No entanto, no necessariamente o modelo deste trabalho obter os mesmos resultados do modelo LMH, pois o LMH considera receitas provenientes de um nico produto. No nosso caso, precisamos estender o modelo para incluir dois produtos: o acar e o lcool. O modelo LMH (com um produto) define o retorno do produtor no final do perodo como sendo:

= by c + ( f p) x + (r v) z
Em que:
b o preo do ativo no mercado fsico em t 0 ;

y o volume produzido do ativo;


c o custo do ativo;

f o preo inicial em t 0 do futuro;

59

p o preo final em t1 do futuro;


x a proporo do hedge destinada aos contratos futuros ;

r o prmio da opo;
v o ganho final em t1 com a opo;

z a proporo do hedge destinada s opes;


O prmio final da opo v definido como:

v=0 v=kp

se p k se p < k

Em que: k strike (preo acordado de venda ou compra no vencimento) da opo. Os resultados de Lapan, Moschini e Hanson (1991) mostram que em um hedging timo x =1 e

z =0, ou seja, as opes no deveriam ser includas no portflio dos produtores. No entanto, a
proposta deste trabalho se difere dos estudos at aqui feitos, pois analisa os instrumentos de

hedge sob a ptica do CVaR como medida de risco. O resultado disso no necessariamente ser a
excluso das opes do portflio dos produtores. Quando adicionamos o lcool na equao, temos um modelo um pouco diferente. importante lembrarmos que o produtor de lcool e acar no Brasil no faz operaes com derivativos de lcool, pois a liquidez desse mercado muito limitada e o risco aumentaria ainda mais. Dessa forma, a nova equao se transforma em:

= ( S C s ) x s + ( A C a ) x a + ( f 0 f1 ) y f + (r v) y o
Em que:
S o preo do acar no mercado fsico em t 0 ;

Cs o custo do acar produzido;

60

xs a proporo do acar no mix produo ;

A o preo do lcool no mercado fsico em t 0 ;


Ca o custo do lcool produzido; xa a proporo do lcool no mix produo ; f 0 o preo inicial em t 0 do futuro;
f1 o preo final em t1 do futuro;

y f a proporo do hedge destinada aos contratos futuros;

r o prmio da opo;
v o ganho final em t1 com a opo;

yo a proporo do hedge destinada s opes;

H mais de um mtodo disponvel para se calcular o r , o prmio da opo, parmetro de entrada para o modelo proposto. Neste trabalho, optamos pela aplicao do mtodo de precificao de Black-Scholes, amplamente difundido no mercado financeiro e muito utilizado em diversas mesas de negociao como mtodo oficial. Maiores detalhes sobre o mtodo de precificao de Black-Scholes podem ser econtrados no Anexo 4 deste trabalho. No apresentaremos o modelo de precificao no corpo deste trabalho, por se tratar de um mtodo de apoio que no faz parte do modelo principal. Alm disso, uma nova varivel adicionada ao modelo o mix de produo xi , que tambm ser consideradda quando o risco for minimizado e o retorno maximizado. As variveis y i que j estavam no modelo LMH inicial, quando somadas ( y f + yo ) representam o razo de hedge do produtor, ou seja, quanto da produo est protegida. Na prxima seo nos aprofundaremos nesse tema.

61

3.2.6 A RAZO DE HEDGE

Uma das variveis a ser encontradas no modelo proposto neste estudo a razo de hedge, ou

hedge ratio. A razo de hedge, que pode assumir qualquer valor entre 0 (zero) e 1 (um), indica a
porcentagem da produo que est hedgeada com instrumentos derivativos. Isto , quanto mais prximo de 1 (um) a razo de hedge estiver, menor o risco de preo do produtor, pois todo o prejuzo em um mercado (i.e. queda do preo do ativo leva a perda no mercado fsico) ser compensado em outro (i.e. queda do preo do ativo leva a ganho no mercado de derivativos). Assumimos aqui um mercado de derivativos no enviesado. Se por um lado o risco diminui quanto maior for a razo de hedge, por outro o retornos positivos ficam limitados. Se um produtor no hedgeado observa um aumento do preo spot no mercado fsico, sua receita com vendas aumenta. Se um produtor hedgeado observa um aumento do preo

spot no mercado fsico, o aumento de sua receita com vendas total ou parcialmente anulado
pela operao de hedge no mercado de derivativos. Assim, a grande questo descobrir qual a razo de hedge tima. H um considervel nmero de artigos que tratam a determinao da razo de hedge tima baseados em diferentes critrios. Essencialmente, essa literatura sugere que a razo de hedge pode ser classificada como minimizadora de risco de portflio ou maximizadora de utilidade (CHEN et al., 2008). As razes de hedge que so minimizadoras de risco so obtidas por meio de minimizaes de medidas de risco especficas (varincia, VaR, semivarincia, etc.). As razes de

hedge que so maximizadoras de utilidade so obtidas com a maximizao da funo utilidade,


que leva em conta simultaneamente risco e retorno (EDERINGTON, 1979; JOHNSON, 1960 e MYER e THOMPSON, 1989). Nesses casos, tambm so usadas diversas medidas de risco. A razo de hedge que ser encontrada pelo nosso modelo caracterizada como maximizadora de utilidade, considera risco e retorno, levando em conta tambm outras variveis existentes no problema. No entanto, na literatura pouco se desenvolveu em termos de maximizao da funo

62

utilidade utilizando o CVaR como medida de risco. Ainda, h poucos estudos que consideram retornos e riscos operacionais (de produo) e de hedge na mesma carteira. Dessa maneira, uma das propostas do presente trabalho de formatura construir um modelo capaz de encontrar a razo de hedge maximizadora da funo utilidade do produtor de acar e lcool usando como medida de risco o CVaR e levando em conta a parcela operacional do produtor. Ainda, como veremos, incluiremos o fator de averso ao risco, que quando manipulado altera o resultado timo da razo de hedge. O parmetro de averso ao risco mede o apetite do produtor ao risco. Ou seja, o tamanho do risco que o produtor est disposto ficar exposto para alcanar uma maior probabilidade de retornos mais altos. Intuitivamente, j podemos falar que quanto maior o

, menor o apetite ao risco e maior a razo de hedge. Ou seja, quanto maior o , maior a
importncia dada ao risco, em relao ao retorno. Como dito anteriormente, a conceito bsico do hedging combinar as posies spot e futuras (incluindo opes), criando um portflio que reduz o risco de flutuaes indesejadas do preo

spot. Seja S t e Ft os preos spot e futuro de um ativo, respectivamente. Ento, podemos definir
um portflio hedgeado como sendo (CHEN et al., 2000):

Rh = RS + hR f
Em que:

(1)

RS = S t +1 S t R f = Ft +1 Ft
h a razo de hedge

Em Ederington (1979), a razo de hedge minimizadora de risco encontrada minimizando-se a varincia de Rh . Ainda, outra forma de encontrar a razo de hedge minimizadora de risco foi proposta por Lien e Shaffer (1999), que minimizaram o coeficiente de risco MEG (Mean-

Extended-Gini), v ( Rh ) , definido abaixo:


v ( Rh ) = Cov( Rh , (1, G ( Rh )) 1 ) (2)

63

Em que: G a funo de probabilidade acumulada

o parmetro de averso ao risco


As razes de hedge minimizadoras de riscos discutidas acima ignoram o retorno do portflio hedgeado, ou seja, so razes de hedge minimizadoras de risco apenas, no so maximizadoras de utilidade (no consideram simultaneamente risco e retorno). Um exemplo de razo de hedge maximizadora de utilidade, que considera risco e retorno, o conhecido Sharp hedge ratio proposto por Howard e DAntonio (1984):

=
Em que:

E ( Rh ) i

(3)

i a taxa livre de risco (no Brasil a Selic)


No entanto, o Sharpe ratio no incorpora explicitamente o parmetro de averso ao risco. Uma razo de hedge maximizadora de utilidade que incorpora o parmetro de averso ao risco foi proposta por Hsin et al. (1994), em que a razo de hedge obtida a partir da maximizao da seguinte funo risco-retorno:

1 2 V ( E ( Rh ), ; ) = E ( R h ) h (4) 2 Em que:
2 h a varincia dos retornos do portflio

o parmetro de averso ao risco


Ou seja, a razo de hedge proposta por Hsin et al. (1994) utiliza a varincia como medida de risco do portflio, mas considera o retorno na funo objetivo. Dessa maneira, ainda damos um passo

64

adicional neste trabalho, pois a razo de hedge a ser encontrada no nosso modelo maximizadora de utilidade, e ser encontrada a partir da minimizao da seguinte funo risco-retorno (que utiliza o CVaR como medida de risco): V ( E ( Rh ), F , ) = F E ( Rh ) (5) Em que: F ( x, a) = a + 1 + E [ f ( x, y ) a ] = CVaR (1 )

Apesar de V ser uma funo que ser minimizada, a maximizao de V um procedimento equivalente (max [ E ( Rh ) F ]). Dessa maneira, uma das propostas inovadoras do presente trabalho de formatura encontrar a razo de hedge maximizadora da funo utilidade do produtor de acar e lcool usando como medida de risco o CVaR.

3.3 MODELOS DE SELEO DE PORTFLIO

Nesta seo, dois modelos clssicos de seleo de portflio sero discutidos. O primeiro, criado em 1952 por Markowitz, usa como medida de risco a varincia. Enquanto isso, o segundo modelo, proposto recentemente por DiClemente (2002), com o mesmo fundamento de Markowitz utiliza como medida de risco o CVaR. Alm disso, analisaremos o modelo proposto por Alexander et al. (2006) que minimiza o risco de um portflio de derivativos utilizando o CVaR.

3.3.1 MODELO DE MARKOWITZ E A TEORIA MODERNA DE GESTO DE CARTEIRAS

65

Em 1952, o The Journal of Finance publicou um artigo chamado Portfolio Selection desenvolvido por Harry Markowtiz. As idias originadas nesse artigo fundaram a base do que hoje conhecido como a Teoria Moderna de Gesto de Carteiras ou MPT (Modern Portfolio Theory). No incio, o interesse levantado nesse estudado foi relativamente baixo, mas ao passar do tempo a comunidade financeira passou a adotar essas teorias e hoje, 50 anos mais tarde, a maioria dos modelos financeiros mais sofisticados se baseiam nesses mesmos princpios. De uma maneira simplista, a MPT oferece uma base para construir portflios baseado na performance esperada dos investimentos e a averso ao risco do investidor. A MPT tambm conhecida como anlise mdia-varincia. Uma ideia muito explorada pelo modelo de Markowitz a diversificao. Para quantificar essa idia, Markowitz utilizou a varincia que se relaciona com a correlao (veja discusso da varincia na seo anterior). Com isso ele queria mostrar que a concentrao de todo o capital em investimentos de retorno muito correlacionados pode implicar em um risco muito elevado. Isso porque se um investimento tem um retorno negativo, muito provvel que os outros tambm tero dada a alta correlao entre eles. Dessa maneira, a principal contribuio de Markowitz foi demonstrar que a carteira formada por investimentos de correlao inferior a 0 (zero) pode resultar em uma menor varincia do que simplesmente a soma das varincias de cada investimento. Markowitz (1952) diz que o problema fundamental de um portflio pode ser formulado de duas maneiras. A primeira delas o investidor deseja minimizar o risco em relao a um dado retorno r e segunda ele deseja maximizar o retorno para um dado risco. A medida usada por Markowitz para medir o risco foi a varincia. A medida usada para retorno esperado foi a mdia dos retornos. Markowitz define retorno esperado como:

R = wi ri
i =1

Em que:

66

wi o peso do investimento i na carteira ri o retorno esperado do investimento i Markowitz define varincia como:

= ij wi w j
2

i =1 j =1

Em que: wi o peso do investimento i na carteira w j o peso do investimento j na carteira

ij a covarincia entre os investimentos i e j


Dessa forma, Markowitz cria o conceito de fronteira eficiente, ou fronteira de risco-retorno. Como apresentado acima h duas formas de analisar a fronteira: para um determinado risco, qual o retorno esperado, ou para um determinado retorno, qual o risco mnimo. O problema da determinao tima de um portflio de investimento, em que determinamos o retorno mnimo e minimizamos o risco, pode ser definido da seguinte maneira:
g ( x) = w w

Min Sujeito a

r w
i =1 i

w
i =1

=1

wi 0 ; i = 1, L, N Para tornar a anlise de fronteira eficiente mais concreta, apresentamos um exemplo prtico de um investidor que possui uma carteira com os dois investimentos: Inv A e Inv B . Nesse exemplo,

67

ainda apresentaremos a fronteira eficiente para esse investidor. Os retornos esperados nos prximos 10 perodos so:
Perodo Inv A Inv B 1 20 -3 2 6 -5 3 -3 26 4 12 -4 5 16 2 6 3 14 7 16 4 8 -3 20 9 -6 24 10 14 0 Tabela 1: Retorno dos investimentos

Dessa forma, temos:


Inv A Inv B 7.80 11.444

-0.853 Tabela 2: Principais mtricas dos investimentos

entre A e B

7.50 8.880

Para a construo da fronteira para esse investidor construiremos 9 cenrios, variando w A e wB :

Cenrios wA wB A+B A+B 1 10% 90% 9.553 7.77 2 20% 80% 7.696 7.74 3 30% 70% 5.904 7.71 4 40% 60% 4.26 7.68 5 50% 50% 3.017 7.65 6 60% 40% 2.779 7.62 7 70% 30% 3.743 7.59 8 80% 20% 5.288 7.56 9 90% 10% 7.041 7.53 Tabela 3: Variaes dos pesos dos investimentos, do risco e do retorno

68

Dessa forma, a fronteira mostrada no grfico a seguir:

7.80

7.75

7.70 Retorno

7.65

7.60

7.55

7.50 0.000 2.000 4.000 6.000 Risco 8.000 10.000 12.000

Grfico 4: Fronteira eficiente (risco vs. retorno) Fonte: Elaborao do autor

A fronteira apresentada acima pode ser chamada de eficiente para esse investidor que possui os dois investimentos em seu portflio. Isso quer dizer que qualquer outro investimento abaixo dessa fronteira, no ser eficiente, ou seja, no ter um nvel de risco compatvel com seu retorno quando comparado com os investimentos j existentes. A fronteira do grfico 4 o resultado de um exemplo simples proposto neste trabalho e no representa um portflio real. Uma fronteira eficiente calculada de forma mais detalhada no ter dois retornos diferentes para um mesmo risco. Quando pensamos na carteira representada por todos os ativos eficientes disposio dos investidores, conseguimos construir uma fronteira eficiente para o mercado. importante ressaltar que diferentes investidores se situam em pontos distintos da linha de fronteira eficiente, conforme sua propenso ao risco. Ou seja, quanto maior for a averso ao risco do investidor,

69

menor o risco de seu portflio resultante e menor o retorno esperado desse portflio. Resumimos ento com a figura 10 abaixo o processo de investimento baseado na MPT.

Figura 10: Diagrama do processo de investimento baseado na MPT Fonte: Elaborao do autor

3.3.2 MODELO DE DI CLEMENTE CVAR

A teoria moderna de gesto de portflio assume que o retorno do ativo tem uma distribuio normal, o que nem sempre verdade. Dados estatsticos mostram que essas distribuies muitas vezes so assimtricas e possuem caudas pesadas (fat tail). Consequentemente, os portflios provenientes da minimizao das varincias podem no ser eficientes. Sabe-se que apenas quando a distribuio do retorno for elptica, o critrio da MPT correto. Em outros casos noelpticos, esse critrio baseado na varincia pode estar muito longe do timo (veja discusso sobre as diferentes medidas de risco no tpico anterior). Dessa maneira, Di Clemente (2002) prope um modelo de seleo de portflio baseado na minimizao de outra medida de risco, o CVaR (Conditional Value-at-Risk). Como discutido anteriormente, o CVaR possui propriedades melhores que a varincia e o VaR. As principais

70

delas so a coerncia e o fato de que ela consegue analisar a cauda da distribuio do retorno dos ativos que compem o portflio. O modelo proposto por Di Clemente muito semelhante ao modelo de Markowitz. Inclusive, Di Clemente prope a construo de uma fronteira eficiente baseada na minimizao do CVaR, como a teoria moderna de gesto de portflio faz com a varincia. Dessa maneira, o modelo apresentado anteriormente, em que a funo objetivo g (x) a varincia (representada por w w ), agora ser o CVaR. Em Rockafellar e Uryasev (2002), o CVaR definido da seguinte maneira: 1 + E [ f ( x, y ) ] (1 )

F ( x, a) = + Em que:

[ f ( x, y) a]+

= [t ]+ = max{0,t}

o VaR (Value-at-Risk) do portflio

o nvel de significncia
A funo f ( x, y ) a distribuio de perdas do portflio, em que x X R n o vetor de deciso que representa o portflio, e y Y R n so os cenrios adotados para um determinado conjunto de retornos dos ativos nos perodos t. A expresso [ f ( x, y ) a ] um fator que dificulta a minimizao do CVaR. Para contornar essa
+

situao, criamos variveis auxiliares LPt que substituiro definidas restries que fazem com que obedeam a max{0,t}.

[ f ( x, y) a]+

e para a qual sero

A vantagem dessa abordagem das variveis auxiliares que conseguimos transformar um modelo relativamente complexo em um modelo para o qual podemos utilizar programao linear para a minimizao. Alm disso, a partir da funo apresentada, possvel se obter o VaR (Value-atRisk) e o CVaR simultaneamente.

71

Apesar de que o modelo deste trabalho est fundamentado no modelo proposto por Di Clemente, preciso haver uma adaptao para o caso de definio da razo de hedge tima. Como definimos anteriormente, h dois tipos de modelos que trabalham de maneira diferente ao encontrar o hedge timo. O primeiro deles um minimizador de risco e o segundo um maximizador de utilidade. O modelo proposto aqui um maximizador de utilidade, ou seja, ao mesmo tempo em que minimiza o risco, maximiza o retorno. Fazemos isso incluindo na funo objetivo o retorno do portflio. Para notarmos a diferena entre os dois modelos (o nosso e o do Di Clemente) iremos apresentlos, em sequncia, abaixo. Apresentaremos o modelo completo de DiClemente e apenas a simplificao da funo objetivo do modelo proposto, pois a essa altura ainda no revisamos todos os conceitos necessrios para a construo do modelo completo, com suas restries. Mesmo assim as diferenas entre esses dois modelos podero ser notadas. Modelo proposto por Di Clemente:
1 M 1 1 LPt (1 ) t =1 ( M 1)

Min + Sujeito a

LPt ( Pt 1,i Pt ,i ) wi
i =1

t {1,K, M }

LPt 0

r w
i =1 N i

w
i =1

=1

wi 0 ; i = 1, K, N Em que: i=1,...,N so os ativos t=1,...,M so os cenrios

72

M o nmero de cenrios

o nvel de significncia
o VaR (Value-at-Risk) do portflio, para o nvel de significncia
Pt ,i o preo do ativo i no cenrio t wi o peso do ativo i no portflio total G o retorno esperado mnimo do portflio selecionado LPt so as variveis auxiliares que substituem [ f ( x, y ) a ] ri o retorno esperado Simplificao da funo objetivo do modelo proposto neste trabalho (a ser minimizada): 1 M 1 1 (M 1) LPt E ( Rh ) (1 ) t =1
+

a +

3.3.3 MODELO DE ALEXANDER ET AL. CARTEIRA COM DERIVATIVOS

Alexander et al. (2006) apresentam um modelo de minimizao de risco de portflio constitudo por derivativos. Eles utilizam a mesma metodologia de minimizao de risco para duas medidas de risco: o VaR (Value-at-Risk) e o CVaR (Conditional Value-at-Risk). Os autores concluem que resultados melhores so obtidos minimizando o CVaR juntamente com os custos do portflio. Dado o portflio x , Alexander et al. (2006) definem o retorno f ( x, S t ) de um instrumento derivativo, para um perodo de tempo t > 0, como sendo: f ( x, S t ) = x T (V t V 0 )

Em que, para qualquer tempo t V t = [V1 ( S1 , t ),...,Vn ( S t , t )] .


def

73

Aqui, chamaremos V t V 0 de V . Dessa maneira, o retorno Rd proveniente das operaes de derivativos do nosso modelo pode ser representado da seguinte maneira: Rd = hV Em que:
h a razo de hedge do produtor ou quanto da produo est protegida.

Podemos perceber que quanto maior a razo de hedge, maior a exposio do produtor aos resultados dos instrumentos de derivativos de acar. Dessa maneira, uma das maneiras que Alexander et al. (2006) minimizaram o risco do portflio foi:

M 1 Min + (V )T x i M (1 ) i =1

Sujeito a: (V 0 ) T x = 1 ; (V ) T x = r ;
l xu.

Ou seja, os autores utilizam o CVaR como medida de risco e adicionaram o retorno mnimo do portflio de derivativos nas restries. Alm de nosso modelo utilizar o mesmo conceito de minimizao de risco de Alexander et al., por meio do CVaR, ele utiliza o clculo de retorno com derivativos proposto pelos autores. No prximo captulo, analisaremos o modelo proposto neste trabalho.

74

4 MODELO PROPOSTO

Como dito anteriormente, o modelo proposto neste trabalho tem o objetivo de analisar as estratgias de hedging do produtor de acar e lcool e definir o mix de produo timo sempre considerando as restries de produo. muito importante que as restries de produo sejam inclusas no modelo para que a resposta tima seja factvel do ponto de vista do modelo de produo de lcool e acar utilizado pelos usineiros no Brasil. Isso incrementa a esse artigo uma limitao quanto flexibilidade de produo. Para a construo do nosso modelo final, utilizamos uma srie de conceitos de gesto de risco de portflio, que incluem minimizao de risco da carteira resultante e maximizao do retorno dos ativos que compe a carteira. Sero apresentadas duas verses do modelo. A primeira verso se trata de uma otimizao apenas com futuros, desconsiderando as opes, pois os futuros so instrumentos menos complexos e de maior conhecimento dos produtores de acar e lcool. Enquanto isso, a segunda verso do modelo ir explorar o uso das opes como instrumentos de hedge. A separao dessas duas anlises dar uma clareza maior em relao relevncia do uso das opes como intrumentos de hedge por produtores de acar e lcool. Alexander et al. (2006) construram um modelo para a seleo de ativos de hedge que compem uma carteira de derivativos que minimiza o risco e define um retorno mnimo. Utilizamos o modelo de Alexander et al. para quantificarmos o retorno das operaes de hedging no mercado de derivativos de acar e, com isso, tornar possvel a definio da razo de hedge. Tambm, a partir dos conceitos de Chen et al. (2000), pudemos enquadrar a razo de hedge encontrada pelo nosso modelo como sendo uma maximizadora de utilidade e no apenas uma minimizadora de risco. Alm disso, utilizamos como medida de risco o CVaR (Conditional Value-at-Risk). As principais diferenas entre o nosso modelo e o construdo por Alexander et al. so: 1) consideramos a receita do produtor no mercado fsico, fonte primria de ganhos, e 2) inclumos

75

na funo objetivo o retorno do produtor, ao invs de ser uma restrio. A segunda diferena d ao nosso modelo a capacidade de encontrar o ponto timo entre o risco e o retorno do produtor sem termos que assumir um retorno mnimo. Alm disso, usamos conceitos utilizados por Di Clemente (2002) para a aplicao do CVaR (Conditional Value-at-Risk), medida de risco utilizada no modelo. Foi preciso construir variveis auxiliares para que uma otimizao linear fosse possvel para a minimizao do risco da carteira. Dessa maneira, o modelo proposto neste trabalho, que resulta de diferentes conceitos e definies capaz de: 1) Encontrar a razo de hedge tima para o produtor de acar e lcool; 2) Definir o mix de produo ideal entre acar e lcool que maximiza os ganhos do produtor. O modelo utiliza preos histricos de acar, lcool e derivativos de acar (futuros e opes) como parmetros de entrada do modelo. Ou seja, assumimos neste trabalho que cenrios de preos futuros tendem a se comportar de maneira semelhante queles observados no passado. Essa uma premissa que fundamenta toda a anlise proposta nesse estudo. Como estamos mais preocupados com a forma como os preos dos ativos variam entre si, essa abordagem facilita a anlise uma vez que j considera, implicitamente, todas as possveis relaes de preos entre os diferentes ativos. Uma alternativa a essa anlise seria, por exemplo, utilizar simulao de Monte Carlo para os preos futuros de acar, lcool e derivativos de acar. Para tanto, precisaramos definir todas as possveis relaes entre os preos dos diferentes ativos e criar cenrios diversos. Essa outra abordagem pode ser desenvolvida em trabalhos posteriores. As principais caractersticas do modelo proposto so: 1) Considera as restries de produo de lcool e acar; 2) Utiliza o CVaR (Conditional Value-at-Risk) como medida de risco;

76

3) Encontra a razo de hedge maximizadora de utilidade, que leva em conta o risco e o retorno; 4) Utiliza o parmetro de averso ao risco , que mede o apetite de exposio ao risco do produtor; 5) Utiliza derivativos futuros (incluindo opes, na segunda verso do modelo) como instrumentos de hedge. Esse modelo se difere de qualquer outro analisado at ento principalmente porque todos esses fatores, que consideramos importantes para o estudo, so analisados simultaneamente. Dessa maneira, apresentamos a primeira verso do modelo construdo, que no considera as opes como possveis instrumentos de hedge.

4.1 PRIMEIRA VERSO DO MODELO OTIMIZAO SEM OPES

Funo Objetivo minimizar:



M 1 1 Yk M M (1 ) k =1

[(S
M k =1

k su

k k k C su x su + S ani C ani x ani + S hid C hid x hid + Fsu hsu

Sujeito a: (1) (2) (3) (4) (5) (6) Yk 0 , k {1,K, M } ;


k k k k Yk S su C su x su + S ani C ani x ani + S hid C hid x hid + Fsu hsu , k {1,K , M } ;

0 hsu x su ; x su + x ani + x hid = 1 ; li su x su ls su ; liani x ani ls ani ;

77

(7) (8)

lihid x hid ls hid ; lieta x ani + x hid ls eta .

Em que os parmetros (inputs) so:

o parmetro de averso ao risco;


M o nmero de cenrios de preos passados;

o nvel de significncia
representa o VaR (Value-at-Risk), definido pelo prprio modelo;
k S su o preo fsico do acar no cenrio k ;

Csu o custo de produo de acar;


k S ani o preo fsico do etanol anidro no cenrio k ;

Cani o custo de produo de etanol anidro;


k S hid o preo fsico do etanol hidratado no cenrio k ;

Chid o custo de produo de etanol hidratado;


k Fsu o retorno das operaes com futuros no cenrio k ;

Em que as variveis (outputs) so: Yk so as variveis auxiliares utilizadas para converter o problema de minimizao do CVaR em programao linear; xsu representa a quantidade de acar produzido em relao produo total (%) x ani representa a quantidade de etanol anidro produzido em relao produo total (%) x hid representa a quantidade de etanol hidratado produzido (%) hsu a razo de hedge; Podemos perceber que nesse modelo o retorno do produtor faz parte da funo objetivo. Minimizar - Rh (retorno do portflio), equivalente maximizar + Rh . Dessa maneira,

78

conseguimos juntar em uma nica funo objetivo o risco e o retorno da carteira de ativos, de forma a minimizar o risco e maximizar o retorno simultaneamente. Como dito anteriormente, o clculo da mdia dos retornos feito a partir de preos histricos, pois assumimos que cenrios passados se repetiro no futuro. Acrescentamos, tambm, na funo objetivo o custo de produo do acar, do etanol anidro e do etanol hidratado. Dessa maneira, conseguimos eliminar o efeito dos custos no preo final do ativo. Os dados de custo de produo so levantados pela ESALQ anualmente. As restries 1 e 2 fazem parte do artifcio de criao de variveis auxiliares para que seja possvel a utilizao da programao linear no modelo que utiliza o CVaR (Conditional Value-atRisk) como medida de risco. Temos que o CVaR (ROCKAFELLAR e URYASEV, 2002): 1 + E [ f ( x, y ) a ] (1 )

F ( x, a) = +

}
[ f ( x, y) a ]+
da funo

O artifcio das variveis auxiliares permite que eliminemos o fator

objetivo e torna possvel a utilizao da programao linear para a minimizao do risco da carteira. A restrio 3 restringe a razo de hedge ao volume de acar produzido. Como o produtor s utiliza o mercado de derivativos de acar para se hedgear, devido liquidez, o volume hedgeado no pode ser mais do que o volume de acar produzido. Se o produtor faz hedge de mais de 100% de sua produo de acar, passa a atuar como especulador no mercado de derivativos. Eliminamos, ento, essa possibilidade. A restrio 4 garante que o modelo distribua toda a produo entre acar, etanol anidro e etanol hidratado. As restries 5-8 garantem que no a capacidade de produo das usinas no seja excedida tanto para o acar como para o etanol. Como explicado no captulo 2 deste trabalho, a maior parte das

79

usinas de acar e lcool no Brasil tem uma flexibilidade de produo limitada. Essa flexibilidade varia entre 40% e 60%. Ou seja, as usinas so capazes de produzir no mximo 60% de acar ou lcool. Se o mercado de acar estiver muito melhor que o de lcool, por exemplo, a produo de acar ser de no mximo de 60% do total, enquanto a de lcool ser de no mnimo 40%. Dessa forma os valores de lisu e lieta so 0,4, enquanto os valores de ls su e ls eta so 0,6. Como a produo de etanol divida entre anidro e hidratado, precisamos criar uma restrio que garante que a soma desses dois produtos no ultrapasse 60% da produo total. Por isso, criamos lieta e ls eta que nada mais so que somas dos limites inferior e superior do anidro e do hidratado.

4.2 SEGUNDA VERSO DO MODELO OTIMIZAO COM OPES

A segunda verso do modelo muito semelhante primeira, pois os conceitos utilizados so exatamente os mesmos. No entanto, incluiremos as opes na anlise. A Funo Objetivo da segunda verso minimizar:
M 1 1 Yk M M (1 ) k =1

[(S
M k =1

k su

k k k k C su )x su + (S ani C ani )x ani + (S hid C hid )x hid + Fsu hF + Osu hO

Sujeito a: (1) (2) Yk 0 , k {1,K , M } ;


k k k k k Yk (S su C su )x su + (S ani C ani )x ani + (S hid C hid )x hid + Fsu hF + Osu hO ,

k {1,K , M } ; (3) (4) 0 hF + hO x su ; x su + x ani + x hid = 1 ;

80

(5) (6) (7) (8)

li su x su ls su ; liani x ani ls ani ; lihid x hid ls hid ; lieta x ani + x hid ls eta .

Em que os parmetros (inputs) so:

o parmetro de averso ao risco;


M o nmero de cenrios de preos passados;

o nvel de significncia
representa o VaR (Value-at-Risk), definido pelo prprio modelo;
k S su o preo fsico do acar no cenrio k ;

Csu o custo de produo de acar;


k S ani o preo fsico do etanol anidro no cenrio k ;

Cani o custo de produo de etanol anidro;


k S hid o preo fsico do etanol hidratado no cenrio k ;

Chid o custo de produo de etanol hidratado;


k Fsu o retorno das operaes com futuros no cenrio k ;
k Osu o retorno das operaes com opes no cenrio k ;

Em que as variveis (outputs) so: Yk so as variveis auxiliares utilizadas para converter o problema de minimizao do CVaR em programao linear; xsu representa a quantidade de acar produzido em relao produo total (%) x ani representa a quantidade de etanol anidro produzido em relao produo total (%) x hid representa a quantidade de etanol hidratado produzido (%)

81

hF a razo de hedge relativa aos instrumentos futuros;

hO a razo de hedge relativa ao instrumentos de opo;

4.3 PARMETROS DO MODELO

Faremos agora uma anlise dos parmetros utilizados no nosso modelo. Apresentaremos as caractersticas de cada parmetro e, em alguns casos, seus clculos e fontes.

4.3.1 - O PARMETRO DE AVERSO AO RISCO

O parmetro de averso ao risco mede o apetite ao risco do produtor de acar e lcool. Dependendo de como definimos esse parmetro, o modelo nos d um determinado resultado. Por isso, decidimos realizar uma anlise de sensibilidade do e observar a dependncia dos resultados em relao a esse parmetro. Variamos o parmetro de 0 (zero) a 3 (trs). A deciso de variar o parmetro de averso ao risco at o 3 (trs) foi feita, pois acima desse nmero as variveis do modelo no apresentaram mais alteraes nos testes feitos separadamente. Apresentaremos o resultado dessa sensibilidade no captulo seguinte e observaremos que quanto maior o parmetro de averso ao risco menor o risco do portflio resultante.

4.3.2 M - NMERO DE CENRIOS

Decidimos usar o maior nmero de cenrios possveis no modelo. Um dos fatores que determinou o tamanho de M foi a quantidade de preos histricos fsicos de acar e lcool oferecidos pela ESALQ. Os preos mais antigos de etanol anidro e hidratado datam de setembro de 2000. Alm disso, a anlise de variaes de preos dos ativos da carteira ser observada nos

82

dias de vencimento do contrato futuro. Os vencimentos desses contratos acontecem quatro vezes ao ano, nos meses de fevereiro, abril, junho e setembro. Levando em conta esses dois fatores (quantidade de dados histricos e dias de vencimento de contrato futuro) ficamos com um nmero de cenrios igual a 40. Dessa forma, observamos 40 variaes dos preos de acar, etanol anidro, etanol hidratado e de derivativos de acar futuros.

k k k k k 4.3.3 S su , S ani , S hid , Fsu , O su - PREOS DE ACAR, ETANOL E DERIVATIVOS

Os preos fsicos do acar, do etanol anidro e do etanol hidratado so disponibilizados pela ESALQ. Como dito acima, os dados histricos foram limitados pela quantidade de preos de etanol anidro e hidratado (desde setembro de 2000). Em relao variao dos preos dos contratos futuros de acar, utilizamos os dados oferecidos pela prpria bolsa de negociao, a ICE (Intercontinental Exchange). O que importa para a anlise dos contratos futuros de acar no o preo do contrato em si, mas sua variao. Por isso, construmos uma srie com a variao do preo do contrato futuro de acar e assumimos que a deciso de hedge foi realizada um ano antes do vencimento. Ou seja, a srie uma variao do preo contrato futuro em um ano. Em relao aos ganhos com a utilizao das opes, utilizamos o conceito apresentado por Lapan, Moschini e Hanson (1991), que define o retorno com opes ro , como sendo: ro = r v Em que: r o prmio da opo;
v o ganho final em t1 com a opo;

83

Para o clculo do prmio da opo r , utilizamos o mtodo de Black-Sholes, apresentado no Anexo 4 deste trabalho. O modelo de Black-Scholes apresentado no anexo foi construido utilizando a linguagem Visual Basic disponvel no excel, diferente do modelo do trabalho que foi construdo no MatLab. Os preos de acar e etanol oferecidos pela ESALQ esto em unidade diferentes, o que prejudicaria a anlise feita pelo nosso modelo. Por isso, precisamos utilizar o preo em uma mesma unidade de medida e por maior facilidade de manipulao escolhemos o US$ por ATR. A tabela abaixo mostra os fatores de converso para o acar e lcool.

Acar

Etanol Anidro

Etanol Hidratado

Fatores de converso para ATR 1.0495 1.7651 Tabela 4: Fatores de converso dos para preos em US$/ATR Fonte: UNICA

1.6913

Dessa maneira, ao convertemos os preos para uma mesma base (US$ / ATR), obtemos a seguinte srie histrica apresentada na pgina seguinte. Ainda, no Anexo I apresentamos a tabela com os preos dos ativos nas datas de vencimento, bem como a variao do preo dos contratos futuros de acar, antes do ajuste proposto acima.

84

Datas de Vencimento 29-Sep-00 28-Feb-01 30-Apr-01 29-Jun-01 28-Sep-01 28-Feb-02 30-Apr-02 28-Jun-02 30-Sep-02 28-Feb-03 30-Apr-03 30-Jun-03 30-Sep-03 27-Feb-04 30-Apr-04 30-Jun-04 30-Sep-04 28-Feb-05 29-Apr-05 30-Jun-05 30-Sep-05 24-Feb-06 28-Apr-06 30-Jun-06 29-Sep-06 28-Feb-07 30-Apr-07 29-Jun-07 28-Sep-07 28-Feb-08 30-Apr-08 30-Jun-08 30-Sep-08 27-Feb-09 30-Apr-09 30-Jun-09 30-Sep-09 26-Feb-10 30-Apr-10 30-Jun-10

Acar (US$/kg ATR)

Anidro (US$/kg ATR)

Hidratado (US$/kg ATR)

Variao Futuro

Ganho com Opo

-0.001 -0.061 0.007 -0.063 0.003 -0.050 -0.004 -0.093 0.020 -0.064 -0.003 -0.068 0.013 -0.067 -0.011 -0.024 0.011 -0.047 -0.004 0.065 -0.005 -0.056 -0.048 0.069 -0.013 -0.059 -0.048 0.073 -0.036 -0.086 -0.084 0.063 0.033 -0.037 -0.032 -0.006 0.123 0.025 0.024 -0.065 0.093 0.028 0.025 -0.041 0.006 -0.049 -0.043 -0.026 -0.006 -0.047 -0.039 0.006 -0.026 -0.090 -0.074 0.046 0.014 -0.078 -0.068 0.013 0.028 -0.074 -0.064 -0.022 0.034 -0.010 -0.008 -0.045 0.051 0.009 0.009 -0.048 0.039 0.009 0.010 -0.038 0.044 0.010 0.010 -0.035 0.089 0.010 0.011 -0.045 0.272 0.011 0.011 -0.189 0.251 0.011 0.012 -0.186 0.248 0.011 0.011 -0.146 0.137 0.004 0.008 0.015 0.112 -0.002 0.026 0.121 0.093 0.063 0.057 0.191 0.017 -0.055 -0.045 0.166 0.026 -0.058 -0.046 0.039 0.050 -0.009 0.004 -0.069 0.063 -0.018 0.001 -0.033 0.048 -0.010 0.000 -0.062 0.089 0.022 0.013 -0.054 0.197 -0.005 -0.003 0.034 0.204 -0.024 -0.010 0.019 0.185 -0.036 -0.023 -0.068 0.377 0.039 0.043 -0.225 0.533 0.111 0.089 -0.251 0.350 0.007 0.006 -0.001 0.190 0.003 0.006 -0.006 Tabela 5: Histrico de preos, variaes de futuros e ganhos com opes Fonte: UNICA

-0.032 -0.069 -0.039 0.015 0.044 0.042 0.041 0.040 0.024 -0.037 -0.016 -0.002 0.030 0.027 0.033 0.006 -0.016 -0.020 -0.007 0.001 -0.005 -0.147 -0.147 -0.104 0.053 0.077 0.082 0.076 0.052 -0.019 0.008 -0.020 -0.008 0.068 0.052 -0.006 -0.161 -0.193 0.068 0.075

85

4.3.4 Csu , Cani e Chid - CUSTOS DE PRODUO DO ACAR E DO LCOOL

A ESALQ realiza estudos anuais para a definio dos custos de produo desses trs produtos (acar, etanol anidro e etanol hidratado). Nesse estudo, so considerados diversos fatores de produo que acarretam em custos diretos e indiretos de produo como preparo do solo, plantio, tratamentos da planta, colheita, depreciao das mquinas, custos administrativos, remunerao de capital, etc. Como exemplo de clculo de custo de produo, apresentamos a tabela abaixo.
Acar Branco (R$/ton) Etanol Anidro (R$/m3) Etanol Hidratado (R$/m3) 317,90 555,56 501,84 282,80 498,13 448,33 98,91 197,32 168,05 183,89 300,81 280,27 12,98 21,24 19,79 22,12 36,19 33,72 164,50 244,13 220,72 85,00 135,75 119,75 23,65 38,69 36,05 18,62 27,18 18,58 11,89 21,49 13,28 0,81 1,32 1,23 1,20 1,96 1,82 1,48 2,42 2,25 3,25 35,18 57,55 53,62 23,92 39,14 36,46 11,26 18,42 17,16 7,54 12,33 11,49 28,38 38,69 36,05 51,12 69,69 64,93 53,07 86,81 80,89 16,40 26,83 25,00 28,91 47,29 44,06 7,76 12,70 11,83 535,47 886,50 803,44

Custo da Cana-de-Acar COE Cana de fornecedores Cana prpria Depreciaes Remunerao do capital e terra Custo Industrial Operao industiral Mo-de-obra Insumos Qumico Eletrodos Lubrificante Eletricidade Embalagem Manuteno Material Servio Administrao industrial Depreciao industrial Custo de Capital Industrial Custos Administrativos Mo-de-obra Insumos e servios Capital de giro Custo Total

Tabela 6: Custos de produo do acar branco, etanol anidro e etanol hidratado Fonte: ESALQ-USP, dados da safra 2008/2009.

86

Como observamos neste captulo, os custos precisam ser considerados na funo objetivo para refletir o real ganho do produtor com a venda de cada um de seus produtos (acar, etanol anidro e etanol hidratado). No prximo captulo, sero mostrados os resultados encontrados pelo modelo.

87

5 RESULTADOS DO MODELO PROPOSTO

No captulo anterior, foi apresentado um maior detalhamento das duas verses do modelo proposto neste trabalho, que considera tanto os ganhos do produtor com a venda fsica do acar e do lcool, quanto o ganho no mercado de derivativos, usado para a proteo contra oscilaes indesejadas dos preos dos ativos. Dessa maneira, o modelo construdo com base em diferentes conceitos apresentados na literatura consegue nos dizer qual mix de produo e razo de hedge ideais para um determinado nvel de averso ao risco do produtor de acar e lcool. Podemos dizer, ento, que o resultado timo encontrado pelo modelo varia de acordo com o apetite ao risco do produtor. Se o produtor possui uma tolerncia maior ao risco, poder incorrer em ganhos maiores, mas por outro lado tem uma probabilidade maior de obter perdas grandes. Apresentaremos neste captulo de resultados quatro anlises para cada uma das verses propostas. Na primeira anlise, assumiremos que o parmetro de averso ao risco do produtor igual a zero e interpretaremos o resultado obtido. Em seguida, assumiremos que o parmetro de averso ao risco do produtor igual a 1, ou seja, o produtor no pode ser classificado como avesso ao risco nem como no avesso ao riso, est no meio no caminho. Ainda, assumiremos que o parmetro de averso ao risco do produtor igual a 3, ou seja, possui uma grande averso ao risco. A quarta e ltima consiste em uma anlise de sensibilidade do resultado ao parmetro de averso ao risco e, com isso, replicaremos de certa forma o conceito de fronteira eficiente proposto por Markowitz (1952). Com isso, encontraremos o mix de produo timo para um determinado nvel de averso ao risco, que equivalente a encontrar um retorno mnimo para um determinado risco, medido aqui pelo CVaR (Conditional Value-at-Risk). Qualquer outro retorno abaixo do encontrado para um determinado nvel de risco estar abaixo da fronteira eficiente determinada pelo modelo.

88

importante ressaltar, no entanto, que no so to pequenas as diferenas entre o modelo de Markowitz e o proposto neste trabalho, como discutimos no captulo 3. A maior diferena devese ao fato de que usamos o CVaR (Conditional Value-at-Risk) uma medida de risco robusta que leva em considerao a cauda da distribuio de perda. Alm disso, incorporamos no modelo o conceito de mercado de derivativos e razo de hedge.

5.1 RESULTADOS DA PRIMEIRA VERSO MODELO SEM OPES

As anlises apresentadas nesta seo so feitas a partir da primeira verso do modelo, que considera apenas os futuros como insturmentos de hedge, e no inclui as opes.

5.1.1 PRODUTOR COM AVERSO AO RISCO NULA ( =0)

Nesta seo, consideraremos um produtor de acar e lcool com nenhuma averso ao risco, ou parmetro e averso ao risco igual a zero. Esse o caso do produtor com a maior tolerncia ao risco possvel, ou seja, o produtor est disposto a correr grandes riscos para obter retornos maiores. O resultado da otimizao da gesto de portflio do produtor, encontrada pelo modelo proposto neste trabalho, apresentado na tabela abaixo:

=0

Hedge 0%

% Acar 60%

% Anidro 0%

% Hidratado 40%

CVaR 157,9987

Retorno 0,0566

Tabela 7: Resultado do modelo para =0 (verso 1)

89

Ou seja, um produtor de acar e lcool com averso ao risco inexistente ( =0) no deveria fazer hedging no mercado de derivativos. Esse resultado j era previsto, pois quanto menor a razo de hedge, maior a exposio do produtor ao risco, mas maior a probabilidade de se obter resultados maiores em um cenrio favorvel. A natureza do hedge de proteger o produtor contra uma oscilao indesejvel do preo fsico do produto faz com que os riscos do portflio resultante diminua. O hedge limita tanto a perda quanto o ganho, diminuindo a volatilidade dos ganhos e, logo, diminuindo o risco do portflio. Podemos ver que o CVaR encontrado com o =0 157.9987, que, como veremos mais adiante, um nmero alto (risco alto). Com aumento do parmetro de averso ao risco, o risco, aqui medido pelo CVaR, tende a diminuir assim como o retorno total do portflio. Pelo menos, esse o resultado esperado. O resultado encontrado com o parmetro de averso ao risco nulo foi de US$0,0566 por ATR. Ou seja, cerca de seis centavos de dlar americano por cada ATR de cana-de-acar usado na produo de acar e etanol. Esperamos que com o aumento da averso ao risco do produtor, esse resultado diminua. Em relao ao mix de produo, podemos perceber que um produtor com grande apetite ao risco deve dedicar o mximo de sua capacidade de produo ao acar, ou seja, deve produzir o mix de produo deve ser 60% de acar e 40% de etanol. Isso porque, apesar de a volatilidade histrica do preo do acar ser maior (desvio padro de 0.12, contra cerca de 0.4 para o etanol), o retorno com a venda deste produto, considerando o custo e a receita, superior ao do etanol. Como o produtor tem um grande apetite ao risco, no se intimida com a maior volatilidade do acar. Ainda, percebemos que toda a produo de etanol alocada em etanol hidratado. A justificativa para isso que o retorno histrico do etanol hidratado, considerando o custo e o retorno, maior que o do etanol anidro. No entanto, o etanol anidro possui uma volatilidade histrica menor que o hidratado. Nesse sentido, podemos dizer que em algum momento da anlise de sensibilidade do parmetro de averso ao risco o etanol anidro ser preferido em relao ao hidratado.

90

importante enfatizar que assumimos neste trabalho que cenrios futuros tendem a repetir cenrios passados e, por isso, utilizamos dados histricos para o clculo dos parmetros do modelo.

5.1.2 PRODUTOR COM PARMETRO DE AVERSO AO RISCO IGUAL A 1 ( =1)

Nesta seo, consideraremos um produtor de acar e lcool que no pode ser classificado nem como avesso ao risco ou no avesso ao risco. Comparado com um produtor sem averso ao risco ( =0), o produtor com =1 j precisa ter mais garantias sobre o seu retorno futuro e no corre tanto risco. Mesmo assim, aceita ter certo risco para obteno de retornos maiores. O resultado encontrado pelo modelo com =1 apresentado na tabela a seguir:

=1

Hedge 40%

% Acar 40%

% Anidro 0%

% Hidratado 60%

CVaR 0.0290

Retorno 0.0256

Tabela 8: Resultado do modelo para =1 (verso 1)

Neste caso, a composio da carteira do produtor j muda completamente. Podemos perceber que com o aumento da averso ao risco, o produtor j faz o hedge de toda sua produo de acar, ou 40%. Percebemos tambm, que o mix de produo agora est concentrado no etanol hidratado, ou seja, o produtor utiliza toda sua capacidade produtiva para o etanol hidratado (60%). Isso ocorre, pois a volatilidade histrica do acar maior que o do etanol, como dito anteriormente, o que representa maior risco, apesar de acar possuir um retorno histrico. Com esse nvel de averso ao risco, o produtor j abre mo de retornos maiores para obter certa previsibilidade de retorno no futuro. No entanto, com esse nvel de averso ao risco o produtor ainda aloca sua produo de lcool no etanol hidratado, indicando que ainda d preferncia para o retorno maior do hidratado mesmo esse tendo uma volatilidade e risco maiores.

91

Com toda a produo de acar hedgeada, o produtor possui um risco menor quando comparado ao produtor sem nenhuma parcela de sua produo hedgeada. O CVaR para o produtor de =1 de 0.0290, muito abaixo dos 157,9987 encontrado para o de =0, o que evidencia o risco menor com a produo hedgeada. Por outro lado, o retorno do produtor tambm impactado negativamente, indo para US$0,0256 por ATR quando =1, contra os US$0,0566 por ATR quando =0. Percebemos ento que um produtor com o parmetro de averso ao risco =1 j possui uma caracterstica bastante conservadora (hedge total da produo de acar). Analisaremos em seguida o produtor realmente avesso ao risco, com =3.

5.1.3 PRODUTOR AVESSO AO RISCO ( >3)

Nesta seo, consideraremos um produtor de acar e lcool avesso ao risco e, para isso, determinaremos um parmetro de averso ao risco =3. Abaixo, a tabela com o resultado encontrado.

Hedge

% Acar

% Anidro

% Hidratado

CVaR

Retorno 0.0189

=3

40%

40% 60% 0% 0.0233 Tabela 9: Resultado do modelo para =3 (verso 1)

Em relao o mix de produo, toda a produo que era alocada ao etanol hidratado passou a ser alocada ao etanol anidro. Isso porque com esse nvel de averso ao risco, o produtor optou por diminuir a volatilidade dos resultados mesmo comprometendo seus ganhos. Como o etanol anidro tem uma volatilidade histrica menor, mesmo com um retorno menor, o produtor optou por alocar toda sua produo de etanol nesse produto.

92

Percebemos tambm que o CVaR e o retorno diminuram, consistente com o que j dissemos que quanto maior a verso ao risco, menor o risco do portflio resultante e menor o resultado deste portflio. Em seguida, faremos a quarta anlise de sensibilidade para encontrarmos uma fronteira eficiente para o produtor de acar e lcool.

5.1.4 SENSIBILIDADE DO PARMETRO DE AVERSO AO RISCO

Nesta seo, como dito anteriormente, analisaremos a variao do resultado do produtor de acar e lcool medida que aumentamos sua averso ao risco, variando o parmetro . Com isso, encontraremos uma fronteira eficiente muito parecida com aquela proposta por Markowitz (1952). Como j analisamos o resultado para o caso de averso ao risco nula ( =0), decidimos excluir esse resultado da segunda anlise. Perceberemos nesta seo que o salto do CVaR entre a primeira iterao, em que =0, e a segunda iterao, em que em que 0 , muito grande e distorce a anlise. Faremos com que o parmetro de averso ao risco varie entre 0 e 3. Normalmente para < 1 dizemos que o produtor no avesso ao risco, e para > 1 dizemos que o produtor avesso ao risco. Levamos o at 3 para garantir que todos os possveis resultados. Dessa maneira, o parmetro de averso ao risco ser variado no seguinte intervalo: 0 3

93

Sero feitas 3.001 iteraes no modelo, pois a sensibilidade do resultado do modelo ao parmetro

grande e quanto menor sua variao melhor ser a anlise e a interpretao do resultado
obtido. Dessa forma, a variao do parmetro no modelo feita da seguinte maneira: (c 1) , c { ,...,3001} 1 1000

Ou seja, a varivel auxiliar c assumir valores entre 1 e 3001, o que nos dar uma variao do entre 1 e 3. Podemos perceber que a magnitude do denominado (1000) nos d uma variao pequena entre duas iteraes consecutivas. Para a construo de uma fronteira eficiente, analisaremos o comportamento do CVaR (Conditional Value-at-Risk) e do retorno total do produtor por meio de um grfico de disperso. Espera-se que com o crescimento do parmetro de averso ao risco, o risco do portflio diminua bem como o retorno total. Finalmente, abaixo o grfico resultante da variao do parmetro de averso ao risco :

0.070 0.060 0.050

Retorno (US$ / ATR)

0.040 0.030 0.020 0.010 0.000 0.000 0.010 0.020 0.030 0.040 0.050 0.060 0.070 0.080

CVaR

Grfico 5: Fronteira eficiente do modelo (verso 1)

94

Podemos perceber que o modelo tem uma coerncia muito grande, uma vez que preserva a noo de que o produtor exige um retorno menor para um risco maior, o que j era esperado.

Apresentamos a seguir o comportamento das variveis da primeira verso do modelo com a variao do parmetro de averso ao risco.

Razo de Hedge
0.45 0.40 0.35 0.30

Razo de Hedge

0.25 0.20 0.15 0.10 0.05 0.00 0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40 2.60 2.80 3.00

Parmetro de Averso ao Risco -

Grfico 6: Variao da razo de hedge de acordo com (verso 1)

Percebemos que a razo de hedge realmente um mitigador de risco para o produtor de acar e lcool. Ou seja, a utilizao de instrumentos derivativos pode ser uma boa alternativa para produtores que apresentam maior sensibilidade ao aumento do risco de seus portflios. O resultado encontrado pelo modelo indica que a partir de certo parmetro de averso ao risco ( =0.980) o produtor passa a fazer hedge de toda sua produo de acar e com isso consegue gerir o portflio com o risco desejvel.

95

% de Acar
0.70 0.60 0.50

% de Acar

0.40 0.30 0.20 0.10 0.00 0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40 2.60 2.80 3.00

Parmetro de Averso ao Risco -

Grfico 7: Variao da porcentagem de acar na produo de acordo com (verso 1)

Percebemos que a partir de =0.963, o produtor deixa de alocar a maior parte da produo em acar e passa a alocar em etanol. Isso ocorre, pois a volatilidade do preo do acar maior e representa maior risco para o produtor, apesar de possuir um retorno maior. O salto que ocorre entre 60% e 40% em =0.963 acontece, pois a variao do parmetro de averso ao risco no consegue capturar os movimentos menores. Se fizssemos uma variao menor entre os parmetros, encontraramos uma variao menos brusca. No entanto, conseguimos perceber a clara migrao do mix de produo para ativos menos arriscados a partir de certo nvel de apetite ao risco.

96

% de Etanol Anidro
0.70 0.60 0.50

% de Etanol Anidro

0.40 0.30 0.20 0.10 0.00 0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40 2.60 2.80 3.00

Parmetro de Averso ao Risco -

Grfico 8: Variao da porcentagem de etanol anidro na produo de acordo com (verso 1)

Ao contrrio do que observamos com o acar, o etanol anidro ganha relevncia na carteira do produtor medida que a averso ao risco aumenta. Isso, porque o preo desse produto apresenta a menor volatilidade dentre os produtos e o risco resultante diminui medida que o produtor aloca sua produo em um produto com menor volatilidade. Por outro lado, como sinalizamos anteriormente, o resultado do produtor fica comprometido medida que ele migra para um produto de menor risco e menor retorno. Por isso, alguma alocao no etanol anidro (22%) s ocorre acima de =1.066 e a alocao mxima (60%) acima de =1.276.

97

% de Etanol Hidratado
0.70 0.60 0.50 0.40 0.30 0.20 0.10 0.00 0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40 2.60 2.80 3.00

% de Etanol Hidratado

Parmetro de Averso ao Risco -

Grfico 9: Variao da porcentagem de etanol hidratado na produo de acordo com (verso 1)

No grfico encontrado acima, encontramos uma tendncia um pouco diferente das descritas at agora. Podemos ver que a porcentagem do etanol hidratado entre =0.964 e =1.065 chega a ser de 60% e depois cai relativamente rpido at chegar em 0% em =1.276, quando o etanol anidro fica 60%. Para entendermos essa tendncia, precisamos enxergar que a deciso do produtor um trade-off entre os trs produtos e no intervalo mencionado (entre =0.964 e =1.065) ainda no interessante alocar alguma parcela da produo em etanol anidro, mas interessante alocar maior parte da produo em etanol hidratado que em acar. Em =1.065, o produtor passa a alocar sua produo em todos os trs produtos (40% em acar, 22% em etanol hidratado e 38% em etanol hidratado), e s a partir de =1.276 para de produzir etanol hidratado.

Com isso, analisamos todas as variveis do modelo e como elas se comportam com a variao do parmetro de averso ao risco. Dessa maneira, antes da construo da estratgia tima de alocao da produo e da definio da razo de hedge, muito importante que conhecer a caracterstica do produtor e qual a relao que ele tem com a exposio ao risco. A partir disso, encontramos o parmetro de averso ao risco do produtor e usamos os conceitos apresentados

98

neste trabalho para definir a estratgia tima de atuao nos mercados fsico e futuro para o produtor.

5.2 RESULTADOS DA SEGUNDA VERSO MODELO COM OPES

As anlises apresentadas nesta seo so feitas a partir da segunda verso do modelo, que considera tanto os futuros como as opes como insturmentos de hedge para os produtores.

5.2.1 PRODUTOR COM AVERSO AO RISCO NULA ( =0)

Como na seo 5.1.1, aqui consideraremos um produtor de acar e lcool com nenhuma averso ao risco, ou parmetro e averso ao risco igual a zero. O resultado da otimizao da gesto de portflio do produtor, encontrada pela segunda verso do modelo proposto neste trabalho, apresentado na tabela abaixo:

=0

Hedge Futuros 0%

Hedge Opes 0%

% Acar 60%

% Anidro 0%

% Hidratado 40%

CVaR 157.9987

Retorno 0.0566

Tabela 10: Resultado do modelo para =0 (verso 2)

Podemos perceber que para o ndice de averso ao risco nula, nada muda em relao verso 1 do modelo. Ou seja, um produtor de acar e lcool com averso ao risco inexistente ( =0) no deveria fazer hedging no mercado de derivativos. Esse resultado j era previsto, pois quanto

99

menor a razo de hedge, maior a exposio do produtor ao risco, mas maior a probabilidade de se obter resultados maiores em um cenrio favorvel. Isso ocorre independente se o hedge ser feito s com futuros ou tambm com opes. O resultado encontrado com o parmetro de averso ao risco nulo foi de US$0,0566 por ATR. Ou seja, cerca de seis centavos de dlar americano por cada ATR de cana-de-acar usado na produo de acar e etanol. Esperamos que com o aumento da averso ao risco do produtor, esse resultado diminua. Outras consideraes sobre o resultado podem ser encontradas na seo 5.1.1 deste trabalho.

5.2.2 PRODUTOR COM PARMETRO DE AVERSO AO RISCO IGUAL A 1 ( =1)

Nesta seo, consideraremos um produtor de acar e lcool que no pode ser classificado nem como avesso ao risco ou no avesso ao risco. Comparado com um produtor sem averso ao risco ( =0), o produtor com =1 j precisa ter mais garantias sobre o seu retorno futuro e no corre tanto risco. Mesmo assim, aceita ter certo risco para obteno de retornos maiores. O resultado encontrado pela segunda verso do modelo com =1 apresentado na tabela a seguir:

=1

Hedge Futuros 40%

Hedge Opes 0%

% Acar 40%

% Anidro 0%

% Hidratado 60%

CVaR 0.0290

Retorno 0.0256

Tabela 11: Resultado do modelo para =1 (verso 2)

Como no caso anterior (em que =0), para =1 o resultado encontrado na segunda verso exatamente o mesmo daquele encontrado na primeira verso do modelo. Podemos perceber que

100

com o aumento da averso ao risco, o produtor faz o hedge de toda sua produo de acar, ou 40%, com futuros. No entanto, nada feito com opes. Dessa forma, para um produtor com

=1, as opes no agregam em nada em sua deciso de hedge.


Com toda a produo de acar hedgeada, o produtor possui um risco menor quando comparado ao produtor sem nenhuma parcela de sua produo hedgeada. O CVaR para o produtor de =1 de 0.0290, muito abaixo dos 157,9987 encontrado para o de =0, o que evidencia o risco menor com a produo hedgeada. Por outro lado, o retorno do produtor tambm impactado negativamente, indo para US$0,0256 por ATR quando =1, contra os US$0,0566 por ATR quando =0. Percebemos ento que um produtor com o parmetro de averso ao risco =1 j possui uma caracterstica bastante conservadora (hedge total da produo de acar). Analisaremos em seguida o produtor realmente avesso ao risco, com =3. Para maiores detalhes sobre o resultado encontrado com =1, consultar a seo 5.1.2 deste trabalho.

5.2.3 PRODUTOR AVESSO AO RISCO ( >3)

Nesta seo, consideraremos um produtor de acar e lcool avesso ao risco e, para isso, determinaremos um parmetro de averso ao risco =3. Abaixo, a tabela com o resultado encontrado na segunda verso do modelo.

Hedge Futuros

Hedge Opes

% Acar

% Anidro

% Hidratado

CVaR 0.0233

Retorno 0.0189

=3

40%

0% 40% 60% 0% Tabela 12: Resultado do modelo para =3 (verso 2)

101

Mais uma vez, o resultado no mudou em relao a primeira verso do modelo. Ou seja as opes no devem ser usadas com instrumentos de hedge por produtores com nvel de averso ao risco =3. Dessa maneira, percebemos que para nenhum dos trs nveis de averso ao risco =1,

=2 e =3 o produtor deve usar opes como instrumentos de hedge. Mais adiante, ser feita
uma anlise com variaes menores do nvel de averso ao risco para que seja identificado em que nvel o uso de opes como instrumentos de hedge pode ser melhor que o uso de futuros. Para maiores detalhes sobre o resultado encontrado com =3, consultar a seo 5.1.2 deste trabalho. Em seguida, faremos a quarta anlise de sensibilidade para encontrarmos uma fronteira eficiente para o produtor de acar e lcool para a verso 2 do modelo.

5.2.4 SENSIBILIDADE DO PARMETRO DE AVERSO AO RISCO

Nesta seo, ser analisada a variao do resultado da segunda verso do modelo medida que a averso ao risco do produtor cresce, variando o parmetro . Como na seo 5.1.4, ser encontrada uma fronteira eficiente, mas agora para a segunda verso do modelo proposto. Ser excluda da anlise de sensibilidade o caso em que =0, j analisado anteriormente. Como dito anteriormente, o salto do CVaR entre a primeira iterao, em que =0, e a segunda iterao, em que em que 0 , muito grande e distorce a anlise. Como na seo anteiror, o parmetro de averso ao risco ir variar entre 0 e 3. O vai at 3 para garantir que sero considerados todos os possveis resultados. Sero feitas novamente 3.001 iteraes. Para a construo de uma fronteira eficiente, foi feito um grfico de disperso que permitir fazer a anlise do comportamento do CVaR (Conditional Value-at-Risk) e do retorno total do produtor.

102

0.070 0.060 0.050

Retorno (US$ / ATR)

0.040 0.030 0.020 0.010 0.000 0.000 0.010 0.020 0.030 0.040 0.050 0.060

CVaR

Grfico 10: Fronteira eficiente do modelo (verso 2)

Pode-se notar uma grande semelhana entre a fronteira eficiente da segunda verso do modelo (grfico 10), com opes, e a fronteira eficiente da primeira verso (grfico 5). No Anexo 2, so apresentadas as tabelas com os resultados numricos que serviram para a construo da fronteira efiente. Nessas tabelas, percebe-se que a diferena entre os resultados das verses 1 e 2 de fato pequena. Ou seja, o mix de produo e a razo de hedge ideias para um produtor, com uma determinada averso ao risco, que utiliza opo como instrumento de hedge so muito parecidos com aqueles do produtor que utiliza apenas futuros como instrumento de hedge. Isso nos faz concluir que o uso das opes nas estratgias de hedging de um produtor pode ser dispensado. Alm disso, no so considerados neste trabalho o custo da operao com opes, que normalmente so maiores que os custos dos futuros e ainda possuem menos liquidez. Um resultado semelhante foi encontrado por Lapan et al. (1991), que analisaram o uso de futuros e opes como instrumentos de hedge e concluiram que as opes no so atrativas do ponto de vista de risco e retorno, uma vez que essa relao para os futuros linear e melhor definida.

103

Dessa maneira, possvel encontar na literatura estudos que embasam a descoberta deste traballho. Apresentamos a seguir o comportamento das variveis da segunda verso do modelo com a variao do parmetro de averso ao risco.

Hedge com Futuros


0.50 0.45 0.40 0.35

Hedge com Futuros

0.30 0.25 0.20 0.15 0.10 0.05 0.00 0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40 2.60 2.80 3.00

Parmetro de Averso ao Risco -

Grfico 11: Variao do hedge com futuros de acordo com (verso 2)

Percebe-se que o hedge com futuros timo na segunda verso pouco muda em relao a razo de hedge encontrada na primeira verso do modelo. Na verdade, h uma mudana na curva de sensilbilidade, pois o hedge com futuros se torna 32.65% em =0.936 quando inclumos as opes, enquanto que na verso sem opo, a razo de hedge se torna 32.65% em =0.857. No entanto, essa influncia das opes no relevante do ponto de vista de risco e de retorno para o produtor, como pode-se constatar na fronteira eficiente resultante da segunda verso (grfico 10).

104

Hedge com Opes


0.50 0.45 0.40 0.35

Hedge com Opes

0.30 0.25 0.20 0.15 0.10 0.05 0.00 0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40 2.60 2.80 3.00

Parmetro de Averso ao Risco -

Grfico 12: Variao do hedge com opes de acordo com (verso 2)

A segunda verso do modelo recomenda uma alocao de capital em opes de venda no seguinte intervalo de averso ao risco: 0.638 0.935 . No entanto, h dois pontos que tornam essa alocao de capital em opes pouco factvel. Primeiro, a faixa de averso ao risco em que recomendado vender opes de compra bastante curta ( 0.638 0.935 ) e qualquer interpretao errada sobre o nvel de averso ao risco do produtor pode mudar o resultado. Segundo, como dito anteriormente, em termos de risco e retorno essa estratgia de hedge utilizando opes no relevante ao produtor do ponto de vista de retorno. Dessa maneira, a pouca importncia das opes na estratgia de hedge do produtor evidenciada neste trabalho.

105

% de Acar
0.70 0.60 0.50

% de Acar

0.40 0.30 0.20 0.10 0.00 0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40 2.60 2.80 3.00

Parmetro de Averso ao Risco -

Grfico 13: Variao da porcentagem de acar na produo de acordo com (verso 2)

No houve mudana alguma na alocao da produo em acar entre a primeira verso do modelo, sem opes, e a segunda verso.

% de Etanol Anidro
0.70 0.60 0.50

% de Etanol Anidro

0.40 0.30 0.20 0.10 0.00 0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40 2.60 2.80 3.00

Parmetro de Averso ao Risco -

Grfico 14: Variao da porcentagem de etanol anidro na produo de acordo com (verso 2)

106

No houve mudana alguma na alocao da produo em etanol anidro entre a primeira verso do modelo, sem opes, e a segunda verso.

% de Etanol Hidratado
0.70 0.60 0.50 0.40 0.30 0.20 0.10 0.00 0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40 2.60 2.80 3.00

% de Etanol Hidratado

Parmetro de Averso ao Risco -

Grfico 15: Variao da porcentagem de etanol hidratado na produo de acordo com (verso 2)

No houve mudana alguma na alocao da produo em etanol hidratado entre a primeira verso do modelo, sem opes, e a segunda verso.

5.3 PRIMEIRA VERSO VS. SEGUNDA VERSO DO MODELO

Como observado na seo anterior, o uso das opes como instrumentos de hedge para o produtor de acar e lcool muito pouco relevante. Isso, porque em termos de risco e retorno as opes no alteram as condies observadas quando se utiliza apenas futuros como instrumentos

107

de hedge. Apesar de a segunda verso do modelo recomendar uma alocao em opes entre 0.638 0.935 , o impacto no retorno e no CVaR da carteira resultante muito pequena (Anexo 2). Alm disso, esse intervalo pode ser pequeno quando consideramos que a medio da averso ao risco do produtor pode ser subjetiva e qualquer mudana implicaria no desinvestimento das carteiras opes. Tambm, importante ressaltar que a segunda verso do modelo proposto no capaz de mensurar os riscos de liquidez e os custos de transao que o uso de opes implica. Isso, se quantificado, aumentaria o risco do uso de opes e as tornaria ainda menos relevantes e atrativas para o produtor de acar e lcool.

108

6 CONCLUSO

Apresentadas todas as consideraes relevantes sobre o estudo realizado e o modelo construdo neste trabalho, pode-se ento concluir sobre o mtodo aplicado e os resultados atingidos com a otimizao de seleo de portflio proposta. Alm disso, sero indicadas as possveis extenses do presente trabalho para estudos futuros.

6.1 CONCLUSES DO TRABALHO E CONSIDERAES PERTINENTES

A proposta inicial deste trabalho era utilizar um mtodo de seleo de portflios capaz de otimizar a relao entre risco e retorno da carteira de ativos de um produtor de acar e lcool e, com isso, definir estratgias operacionais e financeiras timas. Nessa carteira, foram consideradas no apenas os ativos provenientes da atividade operacional do produtor (acar e lccol), como tambm os ativos das atividades financeiras no mercado de derivativos relacionadas com o hedge da produo que tambm geram variaes de receitas relevantes (futuros e opes). Para a escolha de um modelo de seleo de portflios que atenderia s necessidades do problema proposto foi preciso estudar com certo detalhamento a Teoria Moderna de Gesto de Carteiras, criada por Markowitz em 1952. A partir disso, foi possvel aprofundar a anlise e identificar as semelhanas e diferenas entre o problema proposto neste trabalho e o problema resolvido pela Teoria Moderna de Gesto de Carteiras. O primeiro ponto levantado no trabalho foi o mtodo de medio que seria utilizada no clculo do risco do portflio resultante do modelo de otimizao para seleo de portflio. Partimos de trs medidas de risco distintas e conseguimos justificar, com base na literatura existente, a escolha do CVaR como a melhor medida de risco a ser utilizada em nosso modelo. Desse ponto em diante, foi necessria uma anlise mais aprofundada sobre a razo de hedge, e um estudo mais detalhado de como incorpor-la em um modelo de otimizao para seleo de portflios como varivel. Vimos que segundo classificao encontrada da na literatura existente, a razo de hedge

109

proposta neste trabalho maximizadora de utilidade, ou seja, considera simultaneamente o risco e o retorno do produtor. Com todos esses conceitos em mente, foi possvel construir um modelo de seleo de portflio capaz de encontrar o mix de produo e razo de hedge ideais para o produtor de acar e lcool. A partir disso, decidiu-se construir duas verses do modelo proposto, uma que incluisse apenas os futuros como instrumentos de hedge e outra que considerasse tambm opes de compra (calls). Dessa maneira, propomos a construo de uma fronteira eficiente (risco vs. retorno) para cada uma das verses do modelo variando-se o parmetro de averso ao risco , que reflete a propenso, ou apetite, ao risco do produtor e quanto maior for, maior ser a importncia dada ao risco, em relao ao retorno. As fronteiras eficientes encontradas pelo modelo, independente do tipo de derivativos que estavam sendo considerados (com ou sem opo), so semelhantes quela apresentada por Markowitz em seu estudo de risco e retorno. Ou seja, quando maior a averso ao risco do produtor, menor o risco da carteira resultante e menor seu retorno esperado. No entanto, como dito anteriormente, essa fronteira eficiente foi construda com base no CVaR, uma medida de risco coerente e que atende nossas necessidades de manipulao dos ativos da carteira. A fronteira proposta por Markowitz foi construda com base em outra medida de risco, a varincia. Investidores com diferentes propenses ao risco esto situados em diferentes pontos da fronteira eficiente. Para cada ponto da fronteira, h um mix de produo e uma razo de hedge diferentes, ou seja, as estratgias operacionais e financeiras dos produtores mudam para cada investidor de acordo com o risco que est disposto a se expor. Quanto maior a propenso ao risco, maior a alocao pelo modelo de otimizao em ativos de maiores retornos, independentemente do risco desses ativos. medida que se aumenta a averso ao risco (diminui a propenso ao risco), mais importncia se d ao risco oferecido pelos ativos em que o modelo alocar recursos.

110

Finalmente, ao comparar as fronterias eficientes de cada uma das duas verses construdas, percebe-se que a diferena entre elas relativamente pequena. Ou seja, a incluso de opo na estratgia de hedge do produtor de acar e lcool praticamente no altera o retorno esperado. Concluso semelhante j havia sido encontrada por Lapan et al. (1991) que realizaram uma anlise de comparao da relao entre risco e retorno entre estratgias de risco com e sem opes semelhante quela desenvolvida neste trabalho. Ainda, foram apresentados neste trabalho os grficos do comportamento de cada varivel do modelo construdo de acordo com a variao do parmetro de averso ao risco (de zero a trs) e discutimos o comportamento.

Dessa maneira, pode-se identificar duas contribuies claras deste trabalho. A primeira a criao de um modelo capaz de construir a fronteira eficiente para um produtor de acar e lcool, ou seja, um modelo capaz de definir o mix de produo e a razo de hedge ideais de um produtor, de acordo com sua averso ao risco. A segunda a constatao de que a utilizao de opes como instrumentos de hedge no altera de maneira relevante a fronteira eficiente de um produtor que utiliza apenas futuros. Ou seja, pode-se constuir um portflio timo de ativos operacioinais e financeiros para o produtor de acar e lcool que no utiliza opes. No entanto, importante salientar que a definio de averso ao risco subjetiva e pode acarretar em uma escolha imprpria de estratgias de produo e hedging.

6.2 POSSVEIS EXTENSES E TRABALHOS FUTUROS

Como ressaltado no incio deste trabalho, o modelo proposto considera apenas os perodos inicial e final (modelo uniperodo), t 0 e t1 . Ou seja, o produtor toma a deciso em t 0 e o resultado disso ser observado em t1 . Dessa maneira, uma possvel extenso deste trabalho a construo de um modelo capaz de considerar vrios perodos futuros (modelo multiperodo) no processo de otimizao e, com isso, achar uma resposta mais prtica para os produtores de acar e lcool, que se deparam com tomadas de deciso cotidianas que envolvem mais de um perodo futuro.

111

Para isso, necessria a construo de diversos cenrios de preos futuors para cada um dos ativos considerados na carteira do produtor. Uma proposta de construo de cenrios futuros a Simulao de Monte Carlo, j bastante utilizada nos artigos de seleo de portflios, que necessita de relaes entre os preos dos ativos em questo. Tambm, pode-se aplicar o mesmo conceito de construo de cenrios de preos futuros aos custos de produo dos ativos em questo. Isso seria um pouco mais simples, uma vez que as relaes entre os custos so muito mais evidentes e de simples construo quando comparadas s relaoes entre os preos desses ativos. Neste trabalho, utilizamos mdias de preos e custos histricos dos ativos da carteira. Alm disso, importante ressaltar que os resultados encontrados pelo modelo proposto neste trabalho dependem da consistncia dos parmentros de entrada. Caso esses parmetros variem, o resultado timo pode sofrer alteraes considerveis e se torno inconsistente. Por isso, um prximo passo do modelo construdo poderia ser a aplicaes de conceitos de modelagem robusta, que faria com que os resultados encontrados, apesar de no-timos, fossem consistentes mesmo com a variao controlada dos parmetros dos quais o modelo depende. Dessa maneira, este trabalho pode servir de base para uma srie de aplicaes futuras na rea de seleo de portflios para produtores de commodities. Principalmente com que diz respeito a mix de produo e razo de hedge do produtor.

112

BIBLIOGRAFIA

ALEXANDER, S.; COLEMAN, T.F.; LI, Y. Minimizing CVaR and VaR for a portfolio of derivatives, Journal of Banking and Finance, V.30, p.583-605, 2006. ALVES, L.R.A. Transmisso de preos entre Produtos do setor sucroalcooleiro do Estado de So Paulo, Dissertao (Mestrado), ESALQ/ Universidade de So paulo, 2002. ANDERSON, R.W.; DANTHINE, J. Cross Hedging, Journal of Political Economy, V.89, p.1182-1196, 1981. ARTZNER, P. et al. Coherent measures of risk. Mathematical Finance, v.9, p.203-208, 1998. BENNINGA, S.Z.; OOSTERHOF, C.M. Hedging with forwards and puts in complete and incomplete markets, Journal of Banking and Finance, V.28, p.1-17, 2004. CHEN, S.S.; LEE, C.F.; SHRESTHA, K. Do the pure martingale and joint normality hypotheses hold for futures contracts? Implications for the optimal hedge ratiosging with forwards and puts in complete and incomplete markets, The Quarterly Review of Economics and Finance, V.48, p.153-174, 2008. DICLEMENTE, A.L. The empirical value at risk-expected return frontier: A useful tool of Market risk managing. Working Paper n.11. Universita di Roma, 2002. EDERINGTON, H.L. The Hedging Performance of the New Futures Markets. The Journal of Finance, V.34, p.157-170, 1979. HICKS, J. R. Value and Capital, Oxford University Press, Ed. 2, 1946. HOWARD, C.T.; DANTONIO, L.J. A risk-return measure of hedging effectiveness. Journal of Financial and Quantitative Analysis, V.19, p.101-112, 1984. HSIN, C.W.; KUO, J.; LEE, C.F. A new measure to compare the hedging effectiveness of foreign currency futures versus options. Journal of Futures Markets, V.14, p.685-707, 1994.

113

HULL, J.C. Fundamentos dos Mercados Futuros e de Opes. So Paulo: Bolsa de Mercadorias e Futuros, 2005. JOHNSON, L. The Theory of Hedging and Speculation in Commodity Futures, Review of Economic Studies, V.27, p.139-151, 1960. KEYNES, J. M. A treatise on Money, Macmillan, V.1, 1930. LAPAN, H.; MOSCHINI, G.; HANSON, S. Production, hedging and speculative decisions with options and futures markets, American Journal of Agricultural Economics, V.72, p.66-74, 1991. LIEN, D.; SHAFFER, D.R. A note on estimating the minimum extended Gini hedge ratio, Journal of Futures Markets, V.19, p.101-113, 1999. MARKOWITZ, H. M. Portfolio Selection, Journal of Finance, v.7, p.77-91, 1952. MOREIRA, Jos R.; GOLDEMBERG, Jos. The alcohol program. Energy Policy, V.27, p.229245, 1999. MYER, J.R.; THOMPSON, R.S. Generalized Optimal Hedge Ratio Estimation, American Journal of Agricultural Economics, V.71, P.858-868, 1989. NETO, P.L.O.C.; CYMBALISTA, M. PROBABILIDADES. So Paulo: Edgard Blucher Ltda., 2006. PFLUG, G.C. Some Remarks on the Value-at-Risk and Conditional Value-at-Risk, Probabilistic Constrained Optimization, S.P Uryasev, p.272-281, 2000. QUARANTA, A.G.; ZAFFARONI, A. Robust Optimization of conditional value at risk, Journal of Banking and Finance, V.32, p.2046-2056, 2008. RIBEIRO, C.O; FERREIRA, L.A.S. Uma contribuio ao problema de composio de carteiras de mnimo valor em risco. Gesto e Produo, v.12, p.295-304, 2004.

114

ROCKAFELLAR, R.T.; URYASEV, S. Conditional value at risk for general loss distributions, Journal of Banking and Finance, V.26, p.1443-1447, 2002. WOLF, A. Optimal hedging with futures options, Journal of Economics and Business, V.39, p.141-158, 1987. WORKING, H. Futures trading and hedging, The American Economic Review, V.43, p.314343, 1953. YOU, L.; DAIGLER, R. Downside Four-Moment Tail Risk and its Effect on Financial and Commodity Diversification, Probabilistic Constrained Optimization, S.P Uryasev, p.272-281, 2000.

115

ANEXO I HISTRICO DOS PREOS DE ACAR E ETANOL


Abaixo, a tabela com o histrico dos preos de acar, etanol anidro e etanol hidratado da ESALQ e a variao dos preos dos contratos futuros e ganhos com a venda de opo de compra.
Datas de Acar (US$/kg Anidro (US$/kg Hidratado (US$/kg Variao Ganho com Vencimento ATR) ATR) ATR) Futuro Opo 29-Sep-00 0.240 0.352 0.403 -0.063 -0.032 28-Feb-01 0.220 0.326 0.346 -0.093 -0.069 30-Apr-01 0.222 0.273 0.324 -0.068 -0.039 29-Jun-01 0.205 0.249 0.294 -0.024 0.015 28-Sep-01 0.178 0.235 0.265 0.065 0.044 28-Feb-02 0.183 0.260 0.224 0.069 0.042 30-Apr-02 0.174 0.256 0.225 0.073 0.041 28-Jun-02 0.120 0.149 0.115 0.063 0.040 30-Sep-02 0.153 0.161 0.139 -0.006 0.024 28-Feb-03 0.254 0.281 0.244 -0.065 -0.037 30-Apr-03 0.250 0.340 0.291 -0.041 -0.016 30-Jun-03 0.163 0.212 0.182 -0.026 -0.002 30-Sep-03 0.147 0.210 0.183 0.006 0.030 27-Feb-04 0.125 0.133 0.124 0.046 0.027 30-Apr-04 0.166 0.151 0.132 0.013 0.033 30-Jun-04 0.174 0.144 0.126 -0.022 0.006 30-Sep-04 0.191 0.280 0.238 -0.045 -0.016 28-Feb-05 0.226 0.344 0.295 -0.048 -0.020 29-Apr-05 0.216 0.352 0.302 -0.038 -0.007 30-Jun-05 0.236 0.381 0.327 -0.035 0.001 30-Sep-05 0.293 0.399 0.343 -0.045 -0.005 24-Feb-06 0.493 0.416 0.357 -0.189 -0.147 28-Apr-06 0.476 0.426 0.366 -0.186 -0.147 30-Jun-06 0.466 0.411 0.353 -0.146 -0.104 29-Sep-06 0.349 0.399 0.347 0.015 0.053 28-Feb-07 0.326 0.397 0.385 0.121 0.077 30-Apr-07 0.316 0.528 0.451 0.191 0.082 29-Jun-07 0.248 0.343 0.299 0.166 0.076 28-Sep-07 0.269 0.361 0.316 0.039 0.052 28-Feb-08 0.318 0.492 0.440 -0.069 -0.019 30-Apr-08 0.333 0.479 0.436 -0.033 0.008 30-Jun-08 0.327 0.512 0.451 -0.062 -0.020 30-Sep-08 0.327 0.485 0.402 -0.054 -0.008 27-Feb-09 0.393 0.347 0.298 0.034 0.068 30-Apr-09 0.417 0.344 0.313 0.019 0.052 30-Jun-09 0.422 0.371 0.331 -0.068 -0.006 30-Sep-09 0.647 0.549 0.482 -0.225 -0.161 26-Feb-10 0.805 0.665 0.551 -0.251 -0.193 30-Apr-10 0.622 0.500 0.426 -0.001 0.068 30-Jun-10 0.446 0.476 0.411 -0.006 0.075 Tabela 13: Histrico de preos, variaes de futuros e ganhos com opes antes do ajuste. Fonte: UNICA

116

ANEXO II TABELAS DE RESULTADO COM VARIAO DO

Primeira verso do modelo, sem incluir opes na anlise:

Hedge

% Acar 60% 60% 40% 40% 40% 40%

% Anidro 0% 0% 0% 0% 22% 29%

% Hidratado 40% 40% 60% 60% 38% 31%

CVaR 0.0623 0.0528 0.0294 0.0290 0.0267 0.0260 0.0233

Retorno 0.0566 0.0486 0.0260 0.0256 0.0232 0.0223 0.0189

0 < 0.856 0.857 0.962 0.963 0.978 0.979 1.065 1.066 1.103 1.104 1.274 1.275 3.000

0% 33% 39% 40% 40% 40%

40% 40% 60% 0% Tabela 14: Variveis de acordo com (verso 1)

Segunda verso do modelo, com incluso de opes na anlise:

Hedge Futuros

Hedge Opes 0% 47% 0% 0% 0% 0% 0%

% Acar 60% 60% 60% 40% 40% 40% 40%

% Anidro 0% 0% 0% 0% 0% 22% 29%

% Hidratado 40% 40% 40% 60% 60% 38% 31%

CVaR 0.0623 0.0597 0.5280 0.0294 0.0290 0.0267 0.0260 0.0233

Retorno 0.0566 0.0550 0.4860 0.0260 0.0256 0.0232 0.0223 0.0189

0 < 0.637 0.638 0.935 0.936 0.963 0.963 0.978 0.979 1.065 1.066 1.103 1.104 1.274 1.275 3.000

0% 0% 33% 39% 40% 40% 40% 40%

0% 40% 60% 0% Tabela 15: Variveis de acordo com (verso 2)

117

ANEXO III CDIGO DO MODELO DE VARIAO DO


A seguir, o cdigo utilizado para a construo da fronteria eficiente (sem opes), em que variamos o parmetro de averso ao risco do produtor e encontramos as variveis timas.

M = 40; %Numero de Cenarios% beta = 0.05; %Nivel de Significancia% Retorno=[]; %Zerar a matriz Retorno% Cvar=[];%Zerar a matriz Cvar% Xsu= [];%Zerar a matriz Xsu% Xani= [];%Zerar a matriz Xani% Xhid=[];%Zerar a matriz Xhid% hedge=[];%Zerar a matriz hedge% for c=1:+1:3001 %Variar c de 1 ate 3001% N = (c-1)/1000; %Variar N de 0 a 3, somando 0,001 em cada iteracao% AUX=[]; vetorcv=[]; SU=[]; VarF=[]; ANI=[]; HID=[]; %_____________________________________________________________________% %Leitura dos histricos no Excel% SU = xlsread('C:\Users\Owner\Documents\MATLAB\work\Precos3','AJ8:AJ47'); %Le %os os precos spot do acucar% ANI = xlsread('C:\Users\Owner\Documents\MATLAB\work\Precos3','AK8:AK47'); %Le %os precos spot do etanol anidro% HID = xlsread('C:\Users\Owner\Documents\MATLAB\work\Precos3','AL8:AL47'); %Le %os precos spot do etanol hidratado% VarF = xlsread('C:\Users\Owner\Documents\MATLAB\work\Precos3','AM8:AM47'); %Le %os precos futuros do acucar (sugar 11)% %_____________________________________________________________________% %Matriz f: Funcao Objetivo% coefaux = N*(1/M)*(1/(1-beta)); %Coeficientes das variaveis auxiliares% coefXsu = -sum (SU)/ M; %Coeficiente da variavel Xsu% coefXani = -sum (ANI)/ M; %Coeficiente da variavel Xani%

118

coefXhid = -sum (HID)/ M; %Coeficiente da variavel Xhid% coefh = -sum (VarF)/ M; %Coeficiente da variavel hsu% f = [1*N,coefaux*ones(1,M),coefXsu,coefXani,coefXhid,coefh] %Funcao objetivo%; %fim da construcao da matriz f% %_____________________________________________________________________% %Matriz A: restricao% A1 = [zeros(M,1);-ones(M,1);0;0;0];%Zeros na primeira coluna (coeficientes de alfa)% A2 = [-eye(M);-eye(M); zeros(1,M); zeros(1,M); zeros(1,M)]; %Coeficientes de Yi>=0 e inicio de Yi>=...% HX=[-1,0,0,1]; %restricao de que o hedge ratio (de acucar) nao pode ser maior %que a procentagem do acucar produzido, em relacao ao total% LBAH = [0,-1,-1,0]; %limites inferiores% UBAH = [0,1,1,0]; %limites superiores% A3=[zeros(M,4);SU,ANI,HID,VarF;HX;LBAH;UBAH]; A=[A1, A2, A3]; %Matriz de restricao% %_____________________________________________________________________% %Construcao da matriz b% b=[zeros(2*M+1,1);-0.40;0.60]; %_____________________________________________________________________% %Construcao das matrizes de restricao Xsu+Xani+Xhid=1% Aeq = [zeros(1,M+1),1,1,1,0]; beq=[1]; %_____________________________________________________________________% %LB e UB%

LB= -Inf*ones(1,M+4); LB(M+2)=0.40; LB(M+3)=0; LB(M+4)=0; LB(M+5)=0;

119

UB= Inf*ones(1,M+4); UB(M+2)=0.60; UB(M+3)=0.60; UB(M+4)=0.60; UB(M+5)=1; %___________________________________________________________________% %otimizar% X = LINPROG(f,A,b,Aeq,beq,LB,UB) %Plotar os dados%

AUX = [zeros(M+1,1);X(M+2);X(M+3);X(M+4);X(M+5)]; Retorno(c) = -f * AUX vetorcv = [1, ones(1,M)*(1/(M*(1-beta))),0,0,0,0]; Cvar(c) = vetorcv * X Xsu(c)= X(M+2) Xani(c)= X(M+3) Xhid(c)= X(M+4) hedge(c)= X(M+5) end

120

ANEXO IV MODELO DE BLACK - SCHOLES

Preo da opo de compra (CALL):

C = SN (d1 ) Xe rT N (d 2 )

Preo da opo de venda (PUT):

P = Xe rT N (d 2 ) SN (d1 )

Em que:

2 S ln + r + 2 X d1 = T

2 S ln + r 2 X d2 = T

T = d T 1

You might also like