1.5 Medição do risco

Voltemos agora a atenção para a medição dos riscos. Depois de identificar os riscos da empresa, é importante avaliá-los, determinando a probabilidade de ocorrência do risco e as suas consequências se ocorrer.

A estimativa dos riscos pode ser quantitativa, semi-quantitativa ou qualitativa em termos da probabilidade de ocorrência e das consequências possíveis. Com métodos qualitativos, as probabilidades e consequências de eventos são estimados de acordo com uma escala qualitativa, enquanto nos métodos semi-quantitativos, a escala qualitativa é ponderada e transformada numa escala quantitativa, sendo calculada uma pontuação sintética de risco P- I (Probabilidade-Impacto). Nos métodos quantitativos o risco é estimado através de técnicas como a Análise de Cenários, Árvores de Decisão, Simulação de Monte Carlo ou de Modelos VaR – Value-at-Risk. Esses métodos dependem da distribuição estatística.

Nas estimativas puramente qualitativas, utilizam-se descrições ou escalas de valor para traduzir o impacto e as probabilidades de um evento. O método mais comum é a Matriz de Probabilidade-Impacto. Esta matriz requer uma escala qualitativa que indica a probabilidade da ocorrência de um dado evento. Geralmente as observações são agrupadas em classes de probabilidade: quase certo, muito frequente, moderado, improvável e raro. Também requer uma escala qualitativa que indica o impacto, isto é, as possíveis consequências da ocorrência do evento. Geralmente, são cinco classes de impacto: insignificante, baixo, moderado, severo e catastrófico. A escala qualitativa que atribui uma classificação de risco a cada combinação de elementos (probabilidade-impacto) pode levar a quatro valores diferentes: extremo, elevado, moderado e baixo.

Tabela 1.2. Exemplo de matriz Probabilidade-Impacto

IMPACTO

PROBABILIDADE Insignificante Baixo Moderado Severo Catastrófico Quase certo (>50%) Elevado Elevado Extremo Extremo Extremo Muito frequente (20%–50%) Moderado Elevado Elevado Extremo Extremo Moderado (5%–20%) Baixo Moderado Elevado Extremo Extremo Improvável (1%–5%) Baixo Baixo Moderado Elevado Extremo Raro (<1%) Baixo Baixo Moderado Elevado Elevado

O passo seguinte é afetar todos os riscos previamente identificados a uma classe de probabilidade e impacto. O resultado será afetado pela abordagem subjetiva do analista.

A Matriz P-I é simples de preparar e usar, no entanto é uma ferramenta de triagem apenas para riscos com efeitos negativos, pois o método negligencia os potenciais efeitos benéficos (positivos).

As estimativas semi-quantitativas transformam juízos qualitativos em variáveis quantitativas, utilizando sistemas de pontuação numérica para chegar a uma pontuação do risco de natureza numérica. A transformação ocorre quando o analista atribui uma pontuação a cada classe de probabilidade e impacto na Matriz P-I. Envolve dois conjuntos de pontuações: um para a probabilidade e outro para o impacto. A gravidade do risco é determinada multiplicando a pontuação de probabilidade pelo score de impacto.

Probabilidade Score Quase certo 100

Provável 50

Moderado 25

Improvável Raro 5 1

Impacto

Score Catastrófico 1000

Severo Moderado 200 50

Baixo

10 Insignificante 1

Risco Score de risco Extremo >5000 Elevado 5000 – 500 Moderado 500 – 50

Baixo <50

Figura 1.10. Cálculo do score de risco

Por exemplo, um evento que é provável e tenha um impacto severo sobre a empresa, pontuará 50 x 200 = 1000.

A soma de todas as pontuações de risco gera a pontuação cumulativa de risco da empresa, designado de Índice de Gravidade de Risco ou Pontuação de Risco.

Quanto às estimativas quantitativas, o objetivo é estimar a distribuição da probabilidade dos eventos de risco. Os métodos mais utilizados são as abordagens probabilísticas.

O processo de estimativa quantitativa envolve estimar perdas potenciais de um risco particular e compreende quatro etapas para realizar a análise. Na primeira etapa, o analista constrói um modelo causal, ligando evento e perda. No segundo passo, estima os componentes individuais do modelo recorrendo a dados históricos. Na terceira fase, estima

as consequências do evento, uma vez conhecido o modelo causal e a distribuição de probabilidade dos componentes individuais. A etapa final, testa o modelo.

Há várias maneiras de tornar a incerteza explícita numa análise. A mais simples é perguntar “E se?”. Perguntas sobre os inputs-chave e olhar para o impacto no valor. É a análise de sensibilidade. Permite a análise dos resultados e avalia a sensibilidade do resultado a alterações nas premissas individuais. Outra abordagem passa por estimar os resultados e valor em cenários viáveis no futuro, desde os cenários muito otimistas aos muito pessimistas. Juntando probabilidades a estes cenários, produz-se um resultado. Uma terceira abordagem, mais robusta, é recorrer às distribuições de probabilidade para os principais inputs em vez de valores esperados, e executar simulações em que um único resultado de cada distribuição é selecionado e o valor é calculado. O processo de simulação é repetido muitas vezes e os resultados são apresentados aos decisores.

Na análise de sensibilidade, o valor de um investimento (ou de uma empresa) e o seu resultado muda em função da variação dos valores atribuídos a diferentes variáveis. A maneira de analisar a incerteza é avaliar a sensibilidade dos resultados da decisão a variações nas principais premissas. Com recursos informáticos, o processo torna-se fácil, mas a análise deve focar as duas ou três variáveis mais importantes.

A análise de cenários afigura-se mais apropriada quando os resultados são função do ambiente macroeconómico e/ou respostas concorrenciais.

EXEMPLO 6. Cenários económicos e valor esperado

Uma cadeia de hotéis considera investir em Portugal, na região algarvia. Os fluxos de caixa dependerão de dois fatores incontroláveis: o crescimento do tráfego aéreo no período pós-pandemia e a evolução da lira turca, principal país concorrente no segmento de turismo oferecido pela cadeia hoteleira. Os resultados possíveis para cada um desses fatores e o valor anual dos serviços hoteleiros prestados (€) são os seguintes (probabilidades de cada cenário entre parêntesis):

Crescimento elevado do tráfego aéreo Crescimento médio do tráfego aéreo Crescimento baixo do tráfego aéreo

Desvalorização significativa da Lira turca em relação ao Euro 12 000 000 (25%) 9 000 000 (15%) 5 000 000 (5%)

Estabilização da Lira turca em relação ao Euro 15 000 000 (20%) 11 000 000 (12,5%) 6 000 000 (10%) Qual o valor esperado de venda de serviços hoteleiros?

Valorização significativa da Lira turca em relação ao Euro 20 000 000 (7,5%) 14 000 000 (2,5%) 7 000 000 (2,5%)

V.E. = 12×0,25 + 9×0,15 + 5×0,05 + 15×0,20 + 11×0,125 + 6×0,1 + 20×0,075 + 14×0,025 + 7×0,025 = 11,6 milhões de euros.

Algumas empresas enfrentam riscos sequenciais, situação em que é necessário passar por um estágio com sucesso, antes de seguir para o próximo estágio. As árvores de decisão são úteis para tais riscos. Um exemplo disso, é o processo de desenvolvimento de uma vacina. Suponha que uma nova vacina para a doença do coronavírus (COVID-19) está a ser desenvolvida e testada. Então, deve passar por vários estágios no processo de aprovação pela European Medicines Agency – EMA (Europa) antes que possa ser produzida. Em cada fase, a vacina pode ser rejeitada. As informações reunidas em cada etapa podem ajudar a refinar as estimativas do que acontecerá em períodos subsequentes. A empresa não tem certeza se a vacina vai funcionar e, se isso acontecer, se vai funcionar apenas no coronavírus original, apenas na variante delta ou em ambas. A empresa terá que gastar 1 000 milhões para testar a vacina. Se o teste inicial for bem-sucedido, com uma estimativa de 90% de probabilidade, testes mais extensivos ajudarão a determinar o tipo de coronavírus que pode prevenir. As estimativas sugerem uma probabilidade de 75% de que a vacina trate ambos os tipos de coronavírus, uma probabilidade de 5% de que previna apenas a variante delta, uma probabilidade de 10% de tratar somente o original e 10% de probabilidade de não resultar. Podemos estimar o valor que a empresa espera criar (ou destruir) com a vacina em cada um dos caminhos.

A simulação permite a avaliação mais profunda da incerteza porque permite aos analistas especificar as distribuições de valores em vez de um único valor esperado para cada input sobre o qual há incerteza. Assim, se há incerteza nas margens operacionais de uma empresa, podemos admitir que sejam normalmente distribuídas, por exemplo, com 8% de média e um desvio padrão de 2%1. Depois de especificarmos as distribuições e os parâmetros para os principais inputs, extraímos um valor escolhido de cada distribuição e os resultados são calculados. Esta simulação é repetida muitas vezes e os valores calculados são incorporados numa distribuição dos resultados possíveis.

Uma empresa também pode desenvolver benchmarks para determinar a significância (ou materialidade) dos riscos identificados. A natureza desses testes dependerá do tipo de risco. Para riscos financeiros, um determinado montante em dinheiro pode ser usado como referência para o teste de significância. Para riscos que podem causar a interrupção das

1 Podendo estimar-se a probabilidade dos acontecimentos relativamente a uma variável, tem-se um instrumento para poder gerir o risco. A “Lei dos Grandes Números” permite aproximar o comportamento de muitas variáveis à lei Normal (ou log-Normal, para os casos em que não podem verificar-se valores negativos). Esta tem a vantagem de só precisar de dois parâmetros para ser descrita: média e desvio-padrão. Para as variáveis que sigam uma distribuição normal é possível calcular intervalos de confiança e a probabilidade de a variável assumir um valor superior ou inferior a um dado parâmetro. Além disso, pode relacionar-se essa probabilidade com os desvios-padrão.