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):

1. Identificação das principais variáveis de risco do projeto;
2. Identificação dos limites de intervalo para as variáveis do projeto;
3. Especificação de pesos de probabilidade para o intervalo de valores;
4. Estabelecimento dos relacionamentos para as variáveis correlacionadas;
5. Execução de simulação com base nas variáveis identificadas e nas correlações;
6. 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