Avaliação de empresas do setor industrial com a utilização do modelo de Monte Carlo

Abstract

Avaliar ativos é uma tarefa de grande relevância e de elevada complexidade na área de finanças, notadamente em ambientes de maior incerteza, quando as premissas a serem utilizadas não são facilmente determinadas em uma avaliação determinística. O presente trabalho objetiva aplicar a Simulação de Monte Carlo na avaliação de empresas do setor industrial para as rubricas da estrutura de gastos com maior grau de incerteza. Em um primeiro momento são definidas, com base em dados secundários provenientes da Pesquisa Industrial Anual, realizada pelo IBGE, quais as rubricas possuem um maior grau de aleatoriedade. Esta determinação foi realizada com base nos coeficientes de variação obtidos para as diversas rubricas apresentadas, com posterior tratamento dos dados e cálculo do coeficiente de correlação de Pearson para identificação das variáveis que possuíam maior dependência frente à Receita Operacional Bruta (ROB). Esta proposta foi empregada em um caso real de uma empresa do setor têxtil, onde foram validados os ganhos auferidos com a utilização do modelo, que foi capaz de captar de forma muito mais representativa as incertezas e riscos inerentes à situação da empresa analisada, demonstrando que modelos probabilísticos se mostram mais adequados que os determinísticos para avaliações em cenários de incerteza.

Abstract: Assessing assets is a highly relevant and complex task in finance, especially in the presence of uncertainty, when the assumptions to be used are not easily determined in a deterministic assessment. This study aims to apply the Monte Carlo Simulation in the evaluation of industrial companies for the expenditure structure items with a great degree of uncertainty. First, based on secondary data from the Annual Industrial Survey, carried out by IBGE, which counts have a greater degree of randomness. This determination was made based on the coefficients of variation obtained for the various items presented, with subsequent data processing and calculation of the Pearson correlation coefficient to identify the variables that had greater dependence on gross operation revenues (GOR). This proposal was used in a real case of a company in the textile sector, where the gains obtained with the use of the model were validated, which was able to capture in a much more representative way the uncertainties and risks inherent to the situation of the analyzed company, demonstrating that probabilistic models are more suitable than deterministic ones for evaluations in uncertainty scenarios.