1. Introdução      

Recentemente o mundo contemporâneo foi surpreendido com uma crise econômica e financeira de grandes proporções. O cenário financeiro norte americano foi estruturalmente abalado e ainda apresenta movimentos incertos no que diz respeito à recuperação econômica. Diante deste contexto, muitas empresas de grande porte e solidificadas no mercado mundial se desfizeram de suas ações e patrimônios e encontraram como resultante um quadro no qual foi necessária uma política de demissões em massa. Tal fato causa uma retração na economia e afeta todo mercado da cadeia produtiva.

As políticas de recuperação de mercado dos governos de diversos países representam um esforço mundial na tentativa de minimização dos efeitos de recessão. No Brasil, a tentativa de recuperação do mercado está embasada na redução de impostos. Esta política implica em uma injeção indireta de capital ao mercado, incentivando em um primeiro momento, o aumento das vendas e redução de estoques, em médio prazo, o surgimento de vagas no mercado de trabalho pelo aumento da produção e em longo prazo, a recuperação do cenário econômico.

Investimentos e aplicações, de qualquer ordem, em um campo repleto de incertezas podem induzir a perdas de capital. Segundo Santos et al. (2008), estas incertezas podem ser atribuídas a fatores aleatórios referentes à oferta e demanda esperadas. Faz-se então, necessária para as empresas de grande, médio ou pequeno porte, o estabelecimento de uma política de investimentos que minimize os riscos. Dada a incapacidade de coletar todas as informações pertinentes à realização de um investimento, o risco passa a ser parte integrante do processo de realização deste, por isso, as decisões devem ser tomadas sob considerável grau de incerteza (Figueiredo et al, 2006).

Na pecuária brasileira, mesmo com incentivos fiscais, as grandes diferenças regionais no que diz respeito à economia, clima, distância de grandes centros e tamanho das propriedades, entre outros fatores, implicam na existência de um cenário de incertezas de grande amplitude.

Frente a estas situações, este trabalho tem como objetivo estabelecer uma sistemática estruturada, baseada em modelos de previsão já existentes, para a construção de fluxos de caixa de projetos aplicados à pecuária brasileira de forma que estes apresentem uma redução nos riscos do investimento e particularmente uma previsão dos custos mais confiável.

Este artigo está estruturado em seis seções. Esta primeira seção apresentou a introdução do mesmo, a segunda seção apresenta os procedimentos metodológicos empregados e a terceira seção o referencial teórico pertinente a este artigo. Por conseguinte, a quarta seção mostra o método aplicado e a quinta apresenta uma adaptação do modelo proposto e, por fim, são apresentadas as considerações finais na sétima seção.

2. Procedimentos metodológicos 

O método de pesquisa empregado neste artigo é do tipo exploratório, envolvendo levantamento bibliográfico conforme critérios apresentados por Gil (2007). Deste modo, neste artigo realizou-se uma pesquisa exploratória bibliográfica, que teve como base uma investigação em periódicos nacionais e internacionais, teses, dissertações e livros sobre os principais conteúdos relacionados ao objetivo traçado neste trabalho, sendo estes: fluxo de caixa, custos da pecuária brasileira e modelo composto de previsão. A pesquisa apontou elementos para um melhor entendimento de como estes conteúdos podem ser utilizados conjuntamente para auxiliarem no cumprimento do objetivo deste artigo.

3. Referencial teórico

Nesta seção, a finalidade é uniformizar o conhecimento sobre fluxo de caixa, risco, custos envolvidos na pecuária brasileira e o modelo composto de previsão de demanda com ajuste baseado na opinião, apresentando conceitos básicos sobre cada um destes tópicos.

Fluxo de caixa

A diferença entre valores previstos de receita e de valores previstos de custos que ocorrem em instantes diferentes de tempo é denominada por fluxo de caixa. A visualização das receitas e despesas envolvidas no fluxo de caixa é facilitada quando seus valores são descritos através de uma representação gráfica simples chamada de diagrama de fluxo de caixa.

A representação do fluxo de caixa de um projeto consiste em uma escala horizontal onde são marcados os períodos de tempo e na qual são representadas com setas para cima as entradas e com setas para baixo as saídas de caixa (Figura 1). A unidade de tempo – mês, semestre, ano – deve coincidir com o período de capitalizarão dos juros considerados. (Casarotto Filho, 2000).

Figura 1 – Fluxo de caixa

[Fonte: Elaborado pelos autores]

Para a avaliação financeira de projetos, alguns critérios ou indicadores econômicos podem ser utilizados. Dentre eles pode-se citar o valor presente líquido (VPL) e a taxa interna de retorno (TIR).

O VPL corresponde à soma dos valores do fluxo de caixa de um projeto, atualizados com as taxas de desconto do período em estudo (PERES et al., 2004). Segundo Noronha (1987), o VPL é considerado como um critério de avaliação financeira para projetos mais rigorosos, nos quais inexistem falhas técnicas. Um projeto será viável financeiramente se apresentar o VPL positivo, assim, no momento da escolha do melhor projeto a ser executado deve-se escolher aquele que oferecer o maior VPL positivo.

A TIR pode ser definida como a taxa que iguala o valor presente dos benefícios de um projeto ao valor presente de seus custos. E levando em conta como critério de seleção de um projeto a TIR, o melhor projeto financeiramente será aquele que apresentar uma TIR igual ou maior que o custo de oportunidade dos recursos para a sua implantação (PERES et al., 2004).

Custos da pecuária brasileira

Diversos custos influenciam diretamente a composição do preço na pecuária nacional. Conforme Oiagen et al. (2006), os custos segundo sua natureza e função no processo de produção classificam-se em:

As variáveis consideradas relevantes na composição de custo total para um fluxo de caixa aplicado à pecuária são os custos fixos adicionado aos custos variáveis, conforme apresentado na Equação 1.

Custo Total  =  Custos fixos  +  Custos variáveis                            (Equação 1)

Modelo composto de previsão

Conforme Armstrong (2001), as combinações de previsão são mais eficientes quando as previsões combinadas trazem para este processo diferentes tipos de previsão e que sejam não correlacionadas.

A combinação de técnicas de previsão unindo modelos probabilísticos e possíveis ajustes dos modelos estatísticos gerados, baseado na opinião de especialistas traz como principal benefício uma minimização dos erros e uma flexibilização das previsões com a possibilidade da incorporação de resultados inesperados ao longo do tempo agregando de modo estruturado a sensibilidade do especialista em relação ao mercado.

O modelo composto para realizar previsão de demanda através da integração da combinação de previsões e do ajuste baseado na opinião proposto por Werner (2005) está estruturado em seis etapas o que deve ser feito para a obtenção das previsões: (i) Verificação da existência de dados e de especialistas; (ii) Obtenção das previsões individuais; (iii) Estudo das variâncias dos erros das previsões; (iv) Obtenção da previsão combinada; (v) Verificação da necessidade de fazer ajuste; (vi) Obtenção da previsão final.

A verificação da existência de dados e de especialistas refere-se checagem de: dados históricos para a modelagem estatística – que irão ser tratados pelos modelos de análise de série temporal propostos por Box-Jenkins (1976) – e a previsão é uma resultante do modelo de melhor ajuste para esta classe de modelos; dados econômicos para a modelagem econométrica utilizando variáveis econômicas que explicam a ocorrência da demanda, sendo a previsão obtida pelo método de análise de regressão, considerando a equação de melhor ajuste ao modelo. Por fim, é necessária a existência de especialistas que são profissionais que tenham amplo conhecimento sobre a demanda para que realizem previsões plausíveis. Também é necessária a existência de especialistas para a realização do ajuste final do modelo. A coleta destes dados no modelo composto é realizada através de entrevistas individuais.

Na falta de dados para composição de uma das modelagens ou até mesmo de especialistas para as previsões individuais, o mesmo não irá compor a previsão combinada. Sendo que são necessárias ao menos duas previsões para a utilização do modelo composto.

A obtenção das previsões individuais, objetivo da etapa dois, deve seguir as pressuposições dos modelos escolhidos para cada uma das previsões.

A etapa três consiste no estudo das variâncias dos erros das previsões. Nesta etapa é necessária a verificação da existência ou não de conhecimento prévio da variância dos erros de cada uma das previsões individuais realizadas anteriormente. Em caso afirmativo, deve-se realizar uma investigação sobre a estacionariedade destas variâncias ao longo do tempo e então proceder com a combinação das previsões através de procedimentos que atribuem pesos a cada previsão individual. Em caso negativo, pode-se proceder com a realização da média aritmética das previsões individuais.

Estabelecido o formato de combinação das previsões individuais, pode-se dar início ao quarto passo com a obtenção da previsão combinada. A previsão é realizada conforme Equação 2.

                                        (Equação 2)

onde:  é a previsão combinada;  é a previsão estatística e  é o peso atribuído a previsão estatística;  é a previsão econométrica e  é o peso atribuído a previsão econométrica;  é a previsão baseada na opinião de especialistas e  é o peso atribuído a previsão baseada na opinião de especialistas, sendo que .

A verificação da necessidade de fazer ajuste da previsão combinada, passo cinco, é um refinamento da previsão já obtida. Para esta etapa é necessário que os especialistas tenham um conhecimento mais aprofundado que na etapa um para as previsões individuais e, portanto, o ajuste proposto nesta etapa deve ser realizado por diferentes especialistas.

Na última etapa é realizada a obtenção da previsão final. Caso não haja conhecimento suficiente dos especialistas, pode-se manter o resultado da previsão combinada. Caso contrário é necessário utilizar algum método estruturado para aprimorar a acurácia da previsão combinada. É indicado pelo modelo de previsão mencionado, a utilização de uma estrutura simplificada baseada no método AHP (Processo Hierárquico Analítico). Os sete passos descritos são:

A visualização destra estrutura é apresentada no fluxograma descrito na Figura 2. Para detalhes sobre como proceder em cada etapa do modelo composto para realização de previsão de demanda através da integração da combinação de previsões e do ajuste baseado na opinião consultar Werner (2005).