Fabricante do software líder mundial em análise de risco e de decisão
ENGLISH I ESPAÑOL I PORTUGUÉS I FRANÇAIS I DEUTSCH I 日本語 I 中文 I РУССКИЙ
Live Chat
Análise de Risco


Análise de Risco é o uso sistemático de informação disponível para determinar quão frequentemente eventos especificados podem ocorrer e a magnitude de suas conseqüências.

Riscos são tipicamente definidos como eventos negativos, como perder dinheiro em um investimento ou uma tempestade criar vários sinistros de seguro altos. Entretanto, o processo de análise de risco também pode considerer resultados potenciais positivos. Explorando o espaço completo de resultados possíveis para uma dada situação, uma boa análise de risco pode identificar tanto as armadilhas quanto apontar novas oportunidades.

A Análise de Risco pode ser realizada qualitativa ou quantitativamente. Análise de Risco qualitativa em geral envolver avaliar uma situação por instinto e é caracteriza por declarações como "Isto parece muito arriscado" ou "Nós provavelmente teremos um bom retorno disto." Análise de Risco quantitativo busca associar valores numéricos aos riscos, ou usando dados empíricos ou quantificando declarações qualitativas. Nosso foco é na análise quantitativa de riscos.

Análise de Risco Determinística –
“Melhor Caso, Pior Caso, Mais Provável”
Uma análise quantitativa de risco pode ser realizada de algumas formas diferentes. Uma forma emprega estimativas de ponto, ou é determinística em natureza. Usando este método, um analista pode associar valores para cenários discretos para verificar qual resultado ocorrerá em cada. Por exemplo, em um modelo financeiro um analista pode examinar três diferentes resultados: o pior caso, o melhor caso e o caso mais provável, definidos conforme descrito abaixo:

Pior caso – Todos os custos são tão altos quanto possível e as receitas são de acordo com a menor das projeções. O resultado é perder dinheiro.

Melhor caso – Todos os custos são tão baixos quanto possível e as receitas são de acordo com a maior das projeções. O resultado é ganhar muito dinheiro.

Caso Mais Provável – Valores intermediaries são escolhidos para custos e receitas, e o resultado é ganhar uma quantidade moderada de dinheiro.

Há vários problemas com esta abordagem:

  • Considera apenas alguns resultados discretos, ignorando centenas ou milhares de outros.
  • Considera peso igual em cada resultado, ou seja, nenhuma tentativa foi feita para avaliar a probabilidade de cada resultado.
  • A interdependência entre inputs, o impacto de diferentes inputs no resultado e outras nuances são ignoradas, simplificando excessivamente o modelo e reduzindo sua precisão.

Embora tenha suas contra-indicações e imprecisões, muitas organizações operam usando este tipo de análise.

Análise de Risco Estocástica – Simulação de Monte Carlo
Uma forma melhor de realizar análise de risco quantitativa é usar Simulação de Monte Carlo. NA Simulação de Monte Carlo sando distribuições de probabilidade, as variáveis podem ter diferentes probabilidades de ocorrência de diferentes valores. As distribuições de probabilidade possuem uma forma muito mais realista de descrever incerteza nas variáveis de uma análise de risco. Distribuições de probabilidade comuns incluem:

Normal – Ou "curva do sino". O usuário simplesmente define a média ou valor esperado e um desvio padrão para descrever a variação ao longo da média. Valores no meio próximo da média têm maior probabilidade de ocorrer. É simétrica e descreve muitos fenômenos naturais como a altura das pessoas. Exemplos de variáveis descritas por distribuições normais incluem taxas de inflação e preços de energia.

Lognormal – Valores são assimétricos positivos, não simétricos como na distribuição normal. É usada para representar valores que não se tornam negativos, mas possuem potencial positivo ilimitado. Exemplos de variáveis descritas por distribuições lognormais incluem valores de propriedades imobiliárias, preços de ações e reservas de óleo.

Uniform – Todos os valores têm a mesma probabilidade de ocorrerem, e o usuário simplesmente define o mínimo e o máximo. Exemplos de variáveis que podem ser uniformemente distribuídas incluem custos de manufatura ou receitas de vendas futuras de um novo produto.

Triangular – O usuário define os valores mínimo, mais provável e máximo. Valores ao reder do mais provável têm maior probabilidade de ocorrer. Variáveis que podem ser descritas por uma distribuição triangular incluem histórico de vendas passadas por unidade de tempo e níveis de estoque.

PERT- O usuário define os valores mínimo, mais provável e máximo, assim como na triangular. Valores ao redor do mais provável têm maior probabilidade de ocorrência. Entretanto, valores entre o mais provável e os extremos têm maior probabilidade de ocorrência do que na triangular, ou seja, os extremos não são tão enfatizados. Um exemplo do uso de uma distribuição PERT é para descrever a duração de uma tarefa em um modelo de gerenciamento de projetos.

Discrete – O usuário define valores específicos que podem ocorrer e a probabilidade de cada. Um exemplo pode ser os resultados de um processo: 20% de probabilidade de veredicto favorável, 30% de veredicto negativo, 40% de acordo e 10% de anulação.

Durante uma simulação de Monte Carlo, valores são amostrados aleatoriamente a partir das distribuições de probabilidade dos inputs. Cada conjunto de amostras é chamado uma iteração e o resultado desta amostra é registro. A simulação de Monte Carlo faz este procedimento centenas ou milhares de vezes e o resultado é uma distribuição de resultados possíveis. Desta forma, a simulação de Monte Carlo fornece uma visão muito mais completa do que pode acontecer. Diz não só o que pode ocorrer como também a probabilidade de ocorrência.

A Simulação de Monte Carlo possui um número de vantagens sobre as análises determinísticas:

  • Resultados Probabilísticos. Resultados mostram não apenas o que poderia ocorrer como também a probabilidade de ocorrência de cada resultado.
  • Resultados Gráficos. Por causa dos dados que a simulação de Monte Carlo gera, é fácil criar gráficos de diferentes resultados e suas chances de ocorrência. Isto é importante para comunicar tais informações para outras partes interessadas.
  • Análise de Sensibilidade. Com apenas alguns valores, a análise determinística torna difícil ver que variáveis impactam mais o resultado. Na simulação de Monte Carlo é fácil ver que inputs tem o maior efeito nos resultados finais.
  • Análise de Cenários. Nos modelos determinísticos, é muito difícil modelar diferentes combinações de valores para diferentes inputs e verificar os efeitos de cenários realmente diferentes. Usando a simulação de Monte Carlo, os analistas podem ver exatamente quais inputs tinham quais valores juntos quando certos resultados ocorreram, o que pode fornecer análises ainda mais interessantes.
  • Correlação de Inputs. Na simulação de Monte Carlo, é possível modelar relações interdependentes entre as variáveis de entrada. É importante para a precisão do modelo representar como, na realidade, quando alguns fatores se elevam, outros se reduzem ou aumentam de acordo.

Simulação de Monte Carlo em
Planilhas e Cronogramas de Projetos

A plataforma mais comum para realizar análise de risco quantitativa é a planilha. Muitas pessoas ainda usam desnecessariamente análise de risco determinística no Excel quando poderiam facilmente usar Simulação de Monte Carlo com o @RISK para Excel. O @RISK adiciona novas funções para o Excel definindo distribuições de probabilidade e analisar resultados dos outputs. O @RISK também está disponível para o Microsoft Project, avaliando riscos em cronogramas e orçamentos de projetos.


Veja como o @RISK funciona
» Leia mais sobre o @RISK
» Leia mais sobre Simulação de Monte Carlo



Palisade Brasil
Praia de Botafogo,
nº 501 Sala 101, Botafogo
22250-000 Rio de Janeiro-RJ
+55 (21) 3958 1443
+1 607 277 8000 x318 tel
800 432 7475 x318 E.U.A.
vendas@palisade.com
Palisade Corporation
800 432 RISK (US/Can)
+1 607 277 8000
sales@palisade.com
www.palisade.com
Palisade EMEA & India
+44 1895 425050
salesEMEA@palisade.com
www.palisade.com
Palisade Asia-Pacific
+61 2 9252 5922
salesAP@palisade.com
www.palisade.com
Palisade アジア・
パシフィック
東京事務所
+81 3 5456 5287 tel
sales.jp@palisade.com
www.palisade.com/jp/
Palisade Latinoamérica
+1 607 277 8000 x318
800 432 RISK (EEUU/Canadá)
+1 607 277 8001 fax
+54 (11) 5252-8795 Argentina
+56 2581-3492        Chile
+507 836-5675        Panamá
+52 55 5350 2852   México
+51 1 708-6781       Perú
+57 1 508-5187       Colombia
servicioalcliente@palisade.com
ventas@palisade.com
www.palisade-lta.com