Desmistificando a Análise de Monte Carlo em gestão de riscos
Tomar decisões faz parte do dia a dia de gestores e donos de negócios. Entendemos que quanto mais precisas forem as análises de uma tomada de decisão, mais resultados sua empresa vai colher e menos surpresas negativas terá. Dentre essas análises, tomadores de decisão inevitavelmente terão que passar pela análise de riscos.
Se por um lado hoje temos um acesso sem precedentes aos dados e informações, por outro não podemos – ainda – prever o futuro com precisão. Mas, se em nossos negócios somos confrontados constantemente com ambiguidade e variabilidade, como tomar decisões sob incertezas?
Para responder à pergunta, apresentamos a Análise de Monte Carlo, também conhecida como Método de Monte Carlo e Simulação de Monte Carlo.
O que é Análise de Monte Carlo?
A Análise de Monte Carlo é uma técnica estatística que executa simulações de cenários (what-if) para:
- Identificar o impacto dos riscos para diferentes cenários e
- Identificar os resultados possíveis de acordo com cada risco mapeado.
O Método de Monte Carlo fornece ao tomador de decisão uma série de resultados possíveis, bem como as probabilidades de ocorrência desses resultados de acordo com a ação a ser tomada. A técnica é utilizada principalmente por profissionais das áreas de finanças e gerenciamento de projetos.
O raciocínio é o seguinte: quando você desenvolve um modelo de previsão, ou seja, um modelo que planeje o futuro, você trabalha com suposições. Por exemplo, são feitas suposições sobre o retorno do investimento em um projeto, quanto tempo levará para concluir uma determinada tarefa, quais os riscos, entre outras. Essas projeções são para o futuro, então, o máximo que você pode fazer é estimar, concorda?
Como você precisa de dados, é provável que para fazer essas projeções você tomará como base dados históricos ou experiências anteriores. A partir daí cria-se uma estimativa. Embora ela seja bastante útil para desenvolver um modelo, toda estimativa contém incerteza e risco. A Análise de Monte Carlo vem para reduzir tais riscos e incertezas.
Como funciona a Análise de Monte Carlo?
O processo de simulação é feito com um software, o qual executa os cálculos como uma única operação, apresentando, em gráficos e tabelas simples, toda a gama de resultados possíveis e a probabilidade de cada um deles. Quando a Análise de Monte Carlo é aplicada à avaliação de risco, o risco aparece como um gráfico de distribuição de frequência semelhante à curva em forma de sino, que os não estatísticos podem entender intuitivamente.
A Análise de Monte Carlo segue os seguintes passos (informações extraídas do blog quantmleap):
- Identificação das principais variáveis de risco do projeto;
- Identificação dos limites de intervalo para as variáveis do projeto;
- Especificação de pesos de probabilidade para o intervalo de valores;
- Estabelecimento dos relacionamentos para as variáveis correlacionadas;
- Execução de simulação com base nas variáveis identificadas e nas correlações;
- Análise estatística dos resultados da simulação.
Identificação das principais variáveis de risco do projeto
Uma variável de risco é um parâmetro crítico para o sucesso do projeto. Isso significa que uma pequena variação em seu resultado pode ter um impacto negativo. Por meio da análise de sensibilidade e incerteza, as variáveis de risco do projeto são tipicamente isoladas. Veja que:
- A análise de sensibilidade determina as variáveis mais críticas em um projeto. Para identificá-las, todas as variáveis são submetidas a um desvio fixo e o resultado é analisado. As variáveis com o maior impacto no resultado do projeto são isoladas como as principais variáveis de risco. Como a análise de sensibilidade em si pode dar alguns resultados enganosos, é importante realizar a análise de incerteza em conjunto.
- A análise da incerteza ajuda a verificar a adequação ou validade de uma variável específica. Uma variável de projeto que cause alto impacto no projeto como um todo pode ser insignificante se a probabilidade de sua ocorrência for extremamente baixa. Por isso a análise de incerteza é tão importante.
Identificação dos limites do intervalo para as variáveis do projeto
Envolve a definição dos valores máximo e mínimo para cada variável de risco do projeto identificada. Se você tiver dados históricos disponíveis, os dados devem ser organizados na forma de uma distribuição de frequência, agrupando o número de ocorrências em intervalos de valores consecutivos. Caso não tenha dados históricos completos, é necessário confiar no julgamento de especialistas para determinar os valores mais prováveis.
Especificação de pesos de probabilidade para a faixa de valores estabelecida
Esta etapa envolve alocar a probabilidade de ocorrência para cada variável de risco do projeto. Para isso, distribuições de probabilidade de vários valores são implantadas. Algumas distribuições de probabilidade comumente usadas para analisar riscos são:
- Distribuição normal,
- Distribuição uniforme, e
- Distribuição triangular.
Estabelecimento dos relacionamentos para as variáveis correlacionadas
A próxima etapa envolve a definição da correlação entre as variáveis de risco do projeto. Correlação é a relação entre duas ou mais variáveis, em que uma mudança em uma variável induz a uma mudança na outra.
Na Análise de Monte Carlo, os valores de entrada para as variáveis de risco do projeto são selecionados aleatoriamente para realizar as execuções de simulação. Quando as rodadas de simulação são realizadas pelo software, a especificação de um coeficiente de correlação garante que o relacionamento especificado seja respeitado sem violações.
Execução de Simulação
A execução é tipicamente realizada por um software de simulação. Um bom tamanho de amostra é entre 500 a 1000 execuções de simulação. Ao executar as execuções de simulação, os valores aleatórios das variáveis de risco são selecionados com a distribuição de probabilidade especificada e as correlações.
Análise estatística dos resultados da simulação
Cada simulação representa a probabilidade de ocorrência de um evento de risco. Uma distribuição de probabilidade cumulativa de todas as execuções de simulação é plotada e pode ser usada para interpretar a probabilidade de o resultado do projeto estar acima ou abaixo de um valor específico. Essa distribuição cumulativa de probabilidade pode ser utilizada para avaliar o risco geral do projeto.
Concluindo
Tomar decisões envolve analisar riscos. Quais riscos terão mais impacto? Quanto deve ser gasto para a gestão de cada evento de risco? Quais são os possíveis impactos de cada risco identificado? Quais cenários temos? Que caminho seguir?
A probabilidade de um evento de risco é baseada em coleta de informações. O impacto, geralmente medido em termos de custo e cronograma, pode ter um intervalo de valores, dependendo de uma multiplicidade de variáveis.
A Análise de Monte Carlo analisa essas variáveis e executa simulações de cenários para identificar o impacto dos riscos para diferentes cenários, além dos resultados possíveis de acordo com cada risco identificado. Trata-se de uma técnica estatística tipicamente executada por um software de simulação (um bom tamanho de amostra é entre 500 a 1000 execuções de simulação).
Uma vez identificados os riscos para cada ação, tomadas de decisão passam a ser muito mais precisas. Além disso, os envolvidos podem alocar recursos para tratamento de riscos ou planos de respostas.
Neste artigo, procuramos mostrar o que é e como funciona a Análise de Monte Carlo, uma ferramenta utilizada para análise de risco. Esperamos que ele tenha sido útil para você. Em caso afirmativo, compartilhe-o com seus colegas. E já que está aqui, visite o Glicando, o blog da Glic Fàs, e fique por dentro de nossos materiais.
Créditos imagem: Unsplash por Rawpixel
Deixe uma resposta
Quer entrar na discussão?Sinta-se livre para contribuir!