Aplicação de Redes Bayesianas Na Previsão de Crescimento de Fluxos de Caixa - Ricardo Pedreti - 2007

FUNDAO GETLIO VARGAS
ESCOLA DE ECONOMIA DE SO PAULO
RICARDO PEDRETI CHAGAS
APLICAO DE REDES BAYESIANAS
NA PREVISO DE CRESCIMENTO DE FLUXOS DE CAIXA
SO PAULO
2007
Pedreti Chagas, Ricardo.
Aplicao de redes bayesianas na previso de fluxos de caixa / Ricardo
Pedreti Chagas. - 2008.
126 f.
Orientador: Afonso de Campos Pinto.

Dissertao (Mestrado profissional) - Escola de Economia de So Paulo.
1. Fluxo de caixa. 2. Teoria bayesiana de deciso estatstica. 3. Previso

econmica. I. Pinto, Afonso de Campos. II. Dissertao (Mestrado
profissional) - Escola de Economia de So Paulo. III. Ttulo.
CDU 658.153.012.7
Dissertao apresentada Escola de

Economia da Fundao Getlio
Vargas (FGV/EESP) como requisito
para obteno do ttulo de Mestre em
Finanas e Economia Empresarial
Campo de conhecimento:
Finanas Corporativas
Orientador: Prof. Dr. Afonso Campos

Pinto
SO PAULO
2007
Dissertao apresentada Escola de

Economia da Fundao Getlio
Vargas (FGV/EESP) como requisito
para oteno do ttulo de Mestre em
Finanas e Economia Empresarial.
Campo de conhecimento:
Finanas Corporativas
Data de aprovao: 11/02/2008
Banca Examinadora:
____________________________
Prof. Dr. Afonso de Campos Pinto
(Orientador)
FGV-SP
____________________________
Prof. Dr. Richard Saito FGV-SP
FGV-SP
____________________________
Prof. Dr. Jos Roberto Securato
FEA- USP
AGRADECIMENTOS
Agradeo ao meu orientador, Prof. Dr. Afonso de Campos Pinto pelo suporte,
orientao, estmulo e confiana depositada neste trabalho, sem os quais no seria
possvel conclu-lo com sucesso.
Agradeo aos professores do MPFE-FGV que me municiaram de excelente base
terica que muito facilitou a execuo deste trabalho.
Agradeo minha esposa, Profa. Ma. Anglica Lencione Pedreti, que alm de me
encorajar, discutir e debater assuntos controversos, com sua enorme pacincia e
compreenso, muito contribuiu para que eu pudesse concluir este trabalho. Agradeo
ainda, meu filho recm nascido, Pedro Henrique, que aguardou pacientemente at o
nono ms de gravidez para vir a este mundo, permitindo que eu mantivesse o foco
na fase final deste trabalho.

RESUMO
Redes Bayesianas podem ser ferramentas poderosas para construo de modelos
econmico-financeiros utilizados para auxlio tomada de deciso em situaes que
envolvam grau elevado de incerteza. Relaes no-lineares entre variveis no so
capturadas em modelos economtricos lineares. Especialmente em momentos de
crise ou de ruptura, relaes lineares, em geral, no mais representam boa
aproximao da realidade, contribuindo para aumentar a distncia entre os modelos
tericos de previso e dados reais. Neste trabalho, apresentada uma metodologia
para levantamento de dados e aplicao de Redes Bayesianas na obteno de
modelos de crescimento de fluxos de caixa de empresas brasileiras. Os resultados so
comparados a modelos economtricos de regresso mltipla e finalmente
comparados aos dados reais observados no perodo. O trabalho concludo
avaliando-se as vantagens de desvantagens da utilizao das Redes de Bayes para
esta aplicao.
ABSTRACT
Bayesian Networks may be powerful tools for Financial-Economics modeling. When
high degree of uncertainty is present, these tools can be used as strongly helpful
advisors in the decision making process. Non-linear relations among variables are
normally not captured in traditional linear econometric models. Moreover, specially on
situation of crisis or rupture, linear relation do no represent anymore a good proxy to
real behavior of financial-economical variables. This contributes for increasing the
distance between the theoretical forecasting model and the real data. Throughout
this work, we show a methodology for gathering and applying data into Bayesian
Networks in order to obtain cash flow growing models for some Brazilian companies
and the economical sector they play. Later on, we compare the results of such
predictions to the traditional econometric models, and finally to the real data
observed in such period. As a conclusion of the study, we make an evaluation of the
pros and cons of using Bayesian Network for such application.

ILUSTRAES
ILUSTRAO 1- MIND MAP CRESCIMENTO ........................................................................................................ 19

ILUSTRAO 2 - D-SEPARATION ............................................................................................................................ 38
ILUSTRAO 3 CONEXES CONVERGENTES ...................................................................................................... 39
ILUSTRAO 4 CONEXES DIVERGENTES.......................................................................................................... 39
ILUSTRAO 5 EXEMPLO SIMPLES DE REDES BAYESIANAS ............................................................................. 40
ILUSTRAO 7 MODELO BAYESIANO SETOR SIDERURGIA ............................................................................... 61
ILUSTRAO 8 SIDERURGIA: ECONOMTRICO X BAYESIANO X DADOS REAIS................................................. 64
ILUSTRAO 9 MODELO BAYESIANO SETOR ALIMENTOS .................................................................................. 72
ILUSTRAO 11 MODELO BAYESIANO SETOR ENERGIA ................................................................................... 83
ILUSTRAO 12 ENERGIA: ECONOMTRICO X BAYESIANO X DADOS REAIS .................................................... 85
TABELAS
TABELA 1 CLASSIFICAES DA INTELIGNCIA ARTIFICIAL ................................................................................ 22

TABELA 2 PROBABILIDADES CONDICIONAIS: P(A|B) .......................................................................................... 33
TABELA 3 - PROBABILIDADES CONJUNTA: P(A,B)................................................................................................ 33
TABELA 4 PROBABILIDADE MARGINAL: P(A) .................................................................................................... 34
TABELA 5 PROBABILIDADES BAYESIANA: P(B|A).............................................................................................. 34
TABELA 6: PROBABILIDADE DE ESTAR DOENTE - P(SICK).................................................................................... 40
TABELA 7: PROBABILIDADE DA FOLHA ESTAR SECA - P(DRY).............................................................................. 41
TABELA 8: PROB. DE PERDA DADA DOENA/SECA P(LOSES | SICK, DRY) ................................................... 41
TABELA 9 VARIVEIS ECONMICAS SETOR SIDERURGIA ................................................................................. 50
TABELA 10 VARIVEIS MACROECONMICAS .................................................................................................... 51
TABELA 11 SRIES QUADRIMESTRAIS DE CRESCIMENTO SETOR SIDERURGIA ............................................. 53
TABELA 12 SRIES DE CRESCIMENTO SUSTENTVEL SETOR SIDERURGIA ................................................... 54
TABELA 13 CLASSES DE FREQNCIA SETOR SIDERURGIA ............................................................................ 58
TABELA 14 - VARIVEIS CONTNUAS SETOR SIDERURGIA ............................................................................... 59

TABELA 15 VARIVEIS DISCRETAS SETOR SIDERURGIA ............................................................................... 59
TABELA 16 SIDERURGIA: CRESCIMENTO NO MODELO BAYESIANO .................................................................. 62
TABELA 17 SIDERURGIA: ECONOMTRICO X BAYESIANO X DADOS REAIS ....................................................... 63
TABELA 18 - VARIVEIS ECONMICAS SETOR ALIMENTOS ................................................................................. 65
TABELA 19 SRIES QUADRIMESTRAIS DE CRESCIMENTO SETOR ALIMENTOS ............................................... 67
TABELA 20 - SRIES DE CRESCIMENTO SUSTENTVEL SETOR ALIMENTOS ..................................................... 68
TABELA 21 CLASSES DE FREQNCIA SETOR ALIMENTOS .............................................................................. 69
TABELA 22 - VARIVEIS CONTNUAS SETOR ALIMENTOS ................................................................................ 70

TABELA 23 VARIVEIS DISCRETAS SETOR ALIMENTOS.................................................................................. 71
TABELA 24 ALIMENTOS: CRESCIMENTO NO MODELO BAYESIANO .................................................................... 73
TABELA 25 ALIMENTOS: ECONOMTRICO X BAYESIANO X DADOS REAIS ........................................................ 74
TABELA 27 VARIVEIS ECONMICAS SETOR ENERGIA ..................................................................................... 75
TABELA 28 SRIES QUADRIMESTRAIS DE CRESCIMENTO SETOR ENERGIA.................................................... 77
TABELA 29 SRIES DE CRESCIMENTO SUSTENTVEL SETOR ENERGIA ......................................................... 78
TABELA 30 CLASSES DE FREQNCIA SETOR ENERGIA ................................................................................... 80
TABELA 31- VARIVEIS CONTNUAS SETOR ENERGIA ....................................................................................... 81

TABELA 32 VARIVEIS DISCRETAS SETOR ENERGIA ...................................................................................... 82
TABELA 33 ENERGIA: CRESCIMENTO NO MODELO BAYESIANO ........................................................................ 84
TABELA 34 ENERGIA: ECONOMTRICO X BAYESIANO X DADOS REAIS ............................................................ 85
EQUAES
EQUAO 1 CRESCIMENTO (RETORNO E RE-INVESTIMENTO) ............................................................................. 9

EQUAO 2 CRESCIMENTO SUSTENTVEL ....................................................................................................... 10
EQUAO 3 FLUXO DE CAIXA DO ACIONISTA X FLUXO DE CAIXA DA FIRMA .................................................... 21
EQUAO 4 TEOREMA DE BAYES ...................................................................................................................... 38
EQUAO 5 MODELO ECONOMTRICO SETOR SIDERURGIA ............................................................................ 55
EQUAO 6 MODELO ECONOMTRICO SETOR ALIMENTOS ............................................................................. 69
EQUAO 7 MODELO ECONOMTRICO SETOR ENERGIA .............................................................................. 80
SUMRIO
1. INTRODUO 1
2. REVISO BIBLIOGRFICA 4
2.1. Incerteza em Finanas Corporativas 4
2.1.1. Projees Financeiras, Planejamento Estratgico, Planejamento Oramentrio, Valuation 4
2.1.2. Principais fontes de Incerteza em projees financeiras 5
2.1.3. Crescimento 6
2.1.4. Ferramentas tradicionais para lidar com a incerteza 16
2.1.5. Estimando crescimento com incerteza com uma abordagem alternativa 18
2.1.6. Fluxo de Caixa da Empresa versus Fluxo de Caixa ao Acionista 20
2.2. Redes Bayesianas 22

2.2.1. Inteligncia Artificial 22
2.2.2. Definio de Redes Bayesianas 37
2.2.3. Alguns Trabalhos realizados com Redes Bayesianas 42
2.2.4. Ferramentas 43
3. METODOLOGIA 46
3.1. Objetivo 46
3.2. Modelos de Crescimento por Setor Econmico 48

3.2.1 Variveis Econmicas do Setor 48
3.2.2 Variveis Macroeconmicas 49
3.2.3 Variveis Financeiras das Empresas 49
3.3. Setor Siderurgia 50

3.3.1 Determinao das variveis relevantes 50
3.3.2 Modelo Economtrico 54
3.3.3 Modelo Bayesiano 56
3.3.4 Comparao entre os modelos e dados reais 63
3.4. Setor Alimentos 65

3.5. Setor Energia 75

4. RESULTADOS 87
5. COMENTRIOS FINAIS E RECOMENDAES 91

1
1. Introduo
Redes Bayesianas tm sido utilizadas em diversos campos do conhecimento que

envolvem incerteza e necessidade de auxlio para tomada de deciso. Estas reas de
conhecimento passam por: diagnstico mdico, mapas de aprendizado,
entendimento de linguagem, viso, busca heurstica, entre muitos outros
[CHARNIAK, 1991].
Em linhas gerais, as Redes Bayesianas so ferramentas bastante poderosas e

convenientes em situaes nas quais nos deparamos com problemas que no so
explicveis, princpio, logicamente, mas o so probabilisticamente [CHARNIAK,
1991]. Em sua maioria, as tcnicas de aprendizado esto fortemente apoiadas em
dados. Entretanto, em muitos casos, os conhecimentos em um sistema especialista
provm de outras fontes, como por exemplo, o conhecimento terico de um
especialista ou uma nova informao, a princpio, sem qualquer relao com os
dados originais [HECKERMAN, 1995]. Uma das principais vantagens das Redes
Bayesianas permitir a co-existncia, na mesma rede, de diversas fontes de
conhecimento, independentemente da sua natureza. Outra vantagem bastante
relevante a possibilidade de utilizar dados incompletos, questo freqentemente
enfrentada por pesquisadores e analistas.
Em Finanas Corporativas, comum nos depararmos com cenrios de incerteza. Isso

ocorre, com freqncia, quando necessitamos projetar cenrios futuros, avaliar a
robustez de modelos tericos comparados ao comportamento real de empresas e
mercados, avaliar riscos, calcular o valor de alternativas futuras de deciso acerca de
um projeto, entender o papel de variveis comportamentais nos modelos financeiros
lgicos, entre outros.
Em vrios campos da Teoria Financeira existem espaos a serem preenchidos entre

os modelos tericos conhecidos e os dados empricos que verificamos na prtica.
Acreditamos que uma abordagem atravs de Redes Bayesianas possa ser um
caminho extremamente interessante na busca por tentar reduzir esses espaos,
2
podendo resultar na obteno de modelos que se acerquem cada vez mais dos
resultados reais.
A proposta deste trabalho utilizar Redes Bayesianas para investigar um dos

inmeros gaps entre modelos tericos e dados empricos em finanas corporativas.
Analisamos as taxas de crescimento dos fluxos de caixa de empresas pertencentes a
alguns setores econmicos, utilizando Redes Bayesianas e comparamos os modelos
bayesianos resultantes com modelos tradicionais economtricos de regresso
mltipla.
O Captulo 2 foi dedicado a revises bibliogrficas importantes para uma melhor

compreenso do trabalho e da metodologia proposta: apresentamos uma breve
reviso bibliogrfica acerca das formas tradicionais de tratamento da incerteza em
Finanas Corporativas, focando principalmente na incerteza associada ao crescimento
nas projees de fluxos de caixa, ferramenta bsica para anlises econmicas em
Finanas Corporativas. Nas anlises de valor por fluxo de caixa, muito comum
encontrarmos simplificaes exageradas associadas s consideraes de crescimento
dos fluxos. Assuno de premissas de perpetuidades mal situadas apenas um
dentre os diversos exemplos; realizamos, neste mesmo captulo, uma apresentao
conceitual sobre Redes Bayesianas. Procuramos agregar exemplos simples, de fcil
compreenso, para demonstrar a aplicabilidade da tcnica de uma forma inteligvel
mesmo para no especialistas no tema. Acrescentamos tambm uma breve reviso
bibliogrfica sobre trabalhos afins j realizados com Redes Bayesianas na rea
Financeira. Finalmente apresentamos algumas ferramentas de software disponveis
para aplicao das Redes Bayesianas;
No Captulo 3, apresentamos detalhadamente a metodologia utilizada para o

levantamento, tratamento, agrupamento, montagem das redes e interpretao dos
dados. apresentamos brevemente os objetivos de nossa anlise e um resumo da
metodologia proposta. O Captulo contm, tambm, uma apresentao conceitual da
modelagem utilizada para a montagem das redes de Bayes e comparao com
3
modelos economtricos tradicionais, quais variveis utilizar e quais as fontes de

informaes para tais variveis. Adicionalmente, apresentamos a aplicao da
metodologia proposta a trs setores econmicos distintos: Siderrgico, Alimentcio e
de Energia, respectivamente. Para cada um dos setores econmicos apresentamos,
detalhadamente, metodologias para i) determinao das variveis relevantes, ii)
levantamento, tratamento e adequao dos dados disponveis para sua utilizao nos
modelos economtricos e bayesianos, iii) a construo das Redes Bayesianas
utilizando o mdulo de aprendizagem de estrutura da ferramenta Hugin; iv) anlise
comparativa dos dados reais do perodo com os resultados obtidos pela metodologia
economtrica tradicional por regresso mltipla e versus os resultados obtidos pela
modelagem por Redes de Bayes.
No Captulo 4, comentamos os principais resultados observados durante as anlises

dos trs setores econmicos, ressaltando os pontos fortes identificados na utilizao
do ferramental bayesiano comparado s tcnicas tradicionais de projeo de fluxos
de caixa, bem como listamos as fragilidades encontradas, principalmente em funo
da metodologia utilizada e das ferramentas e informaes disponveis para nosso
trabalho.
Finalmente, no Captulo 5, apresentamos um resumo de nossas principais concluses

sobre o trabalho e compartilhamos nossa opinio sobre a possibilidade do uso de
Redes Bayesianas no ambiente das Finanas Corporativas, seja como ferramenta
complementar ou mesmo alternativa, em modelos de projeo de fluxos de caixa.
Acrescentamos tambm sugestes para aprofundamento da anlise e sugestes de
aplicao de Redes Bayesianas em outros assuntos de interesse corporativo.
4
2. Reviso Bibliogrfica
2.1. Incerteza em Finanas Corporativas

Em Finanas Corporativas, a tarefa de realizar projees financeiras, estimativas e
avaliao de resultados financeiros futuros freqente e necessria. Anlise e
Planejamento Financeiro, Avaliao de Empresas, Avaliao de Projetos, Fuses e
Aquisies so alguns dos temas que requerem projees e estimativas e que
demandam uma preciso razovel. Existem dois pontos comuns a todas estas
atividades do analista financeiro:
a) a utilizao de fluxos de caixa projetados como ferramenta;
b) a assuno de premissas acerca da incerteza destes fluxos e do crescimento
ou decrescimento das variveis que os compem.
2.1.1. Projees Financeiras, Planejamento Estratgico, Planejamento

Oramentrio, Valuation
Os planos da companhia, das Unidades de Negcio, de projetos simples ou
complexos ou acerca de outras empresas concorrentes ou alvo, sejam eles de curto
prazo (ex: Plano Oramentrio) ou longo prazo (ex: Plano Estratgico) so
normalmente estabelecidos em relatrios financeiros formais, assim como as
mtricas para o acompanhamento destes planos.
Os relatrios financeiros formais (pro forma) so os veculos mais utilizados para

reportar resultados e tambm para realizar projees financeiras.
Um relatrio pro forma de projeo financeira basicamente uma previso do que

os dados constantes dos relatrios financeiros da companhia devero ser ao final do
perodo em anlise [HIGGINS, p.83, traduo nossa]. O relatrio resume o que
dever ser o resultado dos diversos planos de ao e execuo pelas vrias reas da
companhia de uma forma sinttica, consistente e suficiente sobre o resultado
esperado da companhia.
5
2.1.2. Principais fontes de Incerteza em projees financeiras

Durante a montagem das projees financeiras comum o analista financeiro
deparar-se com diversas fontes de incerteza com as quais necessita lidar. As fontes
de incerteza mais comuns, podendo variar de maior a menor importncia
dependendo do escopo da projeo, do objetivo ou do ambiente, esto listados
abaixo:
i) quantidades vendidas e/ou mantidas

ii) preo dos produtos/servios vendidos
iii) sazonalidade das receitas
iv) custos dos produtos/servios vendidos (custos variveis)
v) custos fixos da companhia
vi) gastos de capital (Capex)
vii) investimentos no operacionais
viii) taxa de cambio
ix) taxa de inflao
x) custo de capital da companhia (wacc)
xi) taxa de crescimento de longo prazo (g)
xii) impostos
xiii) percentual de participao de mercado (market share)
Algumas destas variveis podem ser endgenas, isto , a quantidade de unidades

vendidas pode ser funo do preo definido para o produto/servio ou ainda pode
ser funo do nvel de investimentos realizados para sustentar um crescimento em
vendas no perodo atual.
Devido quantidade de variveis envolvidas e no linearidades no inter-

relacionamento entre elas, comum montar cenrios e anlises de sensibilidades
para tratar incertezas nos fluxos de caixa.
6
2.1.3. Crescimento
Importncia de uma anlise consistente do Crescimento

Conforme comentamos, o inter-relacionamento entra todas estas variveis no tempo
incerto, podendo ocasionar fluxos de caixa crescentes, decrescentes, constantes ou
oscilantes, ou ainda uma combinao destes. Quando analisamos fluxos de caixa, as
taxas de crescimento so extremamente importantes, pois definem o valor da
companhia. Em especial os fluxos mais distantes no tempo ou na perpetuidade, so
os mais difceis de prever. Felizmente, apesar de quanto mais distante um fluxo
maior a dificuldade de previso, menor o seu valor relativo a valor presente. Ainda
assim, quando somados os fluxos perpetuidade representam um montante
razovel em relao ao valor presente dos fluxos totais.
Conforme uma empresa cresce, torna-se cada vez mais difcil manter uma alta taxa
de crescimento. Eventualmente ela pode chegar a crescer menos do que a economia
ou o setor econmico em que se situa. Normalmente, quando a taxa de crescimento
da empresa se estabiliza prxima da taxa de crescimento da economia, ns a
chamamos de taxa de crescimento estvel, que pode ser utilizada para avaliar o
valor terminal da empresa na perpetuidade [DAMODARAN, cap. 12].
Existem trs formas bsicas [DAMODARAN, 2002, cap.11], algumas inter-

relacionadas, para estimao do crescimento de qualquer empresa:
i) Atravs do histrico passado de crescimento (o que pode ser arriscado,

pois poucas empresas mantm um ritmo de crescimento constante no
tempo);
ii) Uma segunda alternativa acreditar nas informaes publicadas por

analistas de mercado que acompanham a empresa e o mercado e utilizar
esta estimativa de crescimento (o que tambm arriscado porque a
informao pode no ser confivel);
7
iii) a terceira alternativa estimar o crescimento a partir dos fundamentos

da empresa, i.e., o crescimento de uma empresa o resultado de quanto
ela reinveste em novos ativos e da qualidade destes investimentos, onde o
termo investimento abrangente o suficiente para incluir aquisies,
canais de distribuio, ou expanso de capacidades de mercado. Ao
estimar estas variveis, em tese, avaliam-se os fundamentos da taxa de
crescimento de uma empresa.
Na prtica, estas trs formas podem e devem ser utilizadas de forma complementar.
Por exemplo, pode-se usar o histrico de investimentos, quantitativo e qualitativo,
para avaliar a solidez dos fundamentos, a qual certamente ser uma das ferramentas
utilizadas por um analista de mercado consciente para fundamentar suas concluses
em seu relatrio.
Segundo [DAMODARAN, cap. 12], uma empresa pode ser valiosa porque possui
ativos que geram fluxos de caixa agora ou porque estes ativos sero adquiridos e
geraro fluxos de caixa no futuro. Os ativos no primeiro grupo so denominados
Ativos correntes e o segundo grupo de Ativos de crescimento. Na interpretao dos
ativos do segundo grupo podem existir diferenas importantes entre um balano
contbil e um balano financeiro, posto que a contabilidade tende a ser conservadora
e inconsistente quanto contabilizao de ativos de crescimento. Em empresas de
rpido crescimento, os balanos contbeis apresentam uma informao bastante
pobre para a avaliao dos ativos de crescimento de uma empresa ao no considerar
os ativos de crescimento. Empresas com forte competncia em pesquisa, por
exemplo, no tem seu principal ativo contabilizado: o ativo de pesquisa.
Ainda segundo [DAMODARAN, cap. 12], quando avaliamos se uma empresa ser
capaz de manter uma alta taxa de crescimento no longo prazo, alguns fatores devem
ser observados:
8
a) Tamanho da Empresa: empresas pequenas, comparadas ao tamanho do

mercado em que atuam, tm uma probabilidade bastante maior de manter
altas taxas de crescimento quando comparadas a grandes empresas;
b) Crescimento existente e retornos excedentes: empresas que j apresentam
taxas de crescimento altas e retornos excedentes tendem a apresentar taxas
de crescimento elevadas quando comparadas a empresas que ainda so
promessas;
c) Sustentabilidade do Perodo de Vantagem Competitiva (CAP*): se existem
significativas barreiras entrada de concorrentes e vantagens competitivas
sustentveis, aumenta a probabilidade de um perodo de crescimento mais
longo. Isto est associado capacidade de gesto dos executivos que
administram a empresa. Alguns lderes tm maior capacidade de tomar
decises estrategicamente mais acertadas do que outros.
* CAP Competitive Advantage Period: termo popularizado por Michael Maubossin

do Credit Suisse First Boston para mensurar o perodo pelo qual se espera que uma
empresa tenha retornos excedentes em funo de ter vantagens competitivas que
impeam seus concorrentes de capturar o mesmo valor excedente no mercado em
que atua. [MAUBOUSSIN, JOHNSON, 1997]
Teoria de Crescimento Sustentvel (Estrutura de Capital)
Uma empresa bem administrada apresentar uma taxa de crescimento sustentvel,

i.e., os gestores devem ser capazes de manter um crescimento no to rpido que
esgote os recursos financeiros nem to lento que desinteresse seus acionistas ou que
torne a empresa alvo de aquisies por terceiros. [HIGGINS, p.116]
Em seu trabalho, [HIGGINS, p.116] formula uma pequena, mas consistente teoria
sobre crescimento sustentvel: sob determinadas premissas que a princpio podem
parecer restritivas, podemos compreender os fundamentos de crescimento de uma
9
companhia avaliando, basicamente: o giro, o lucro e a alavancagem financeira, sem

complicar demasiadamente a teoria pela introduo de variveis exgenas que
podem ser analisadas num segundo momento. As premissas para esta anlise so:
a) A companhia sempre preferir crescer to rapidamente quanto s

condies de mercado permitam;
b) A administrao est impedida ou no deseja vender participao;
c) A companhia deseja manter fixas sua estrutura de capital e sua poltica de
distribuio de dividendos.
Qualquer crescimento que a companhia objetive dever ser financiado, seja por
capital prprio ou de terceiros. Dadas as condies impostas acima, crescimentos
incrementais s podem ser financiados por crescimentos incrementais de equity
que diretamente financiam as operaes e indiretamente permitem um
endividamento incremental (mantendo a estrutura de capital como premissa) que
tambm contribui para o financiamento das operaes necessrias ao crescimento.
Em resumo:
Equity
g* = = (1 d ) ROE _ inicial (1)
Equity _ inicial
Equao 1 crescimento
(retorno e re-investimento)
Fonte: HIGGINS, 2004, p.117
g*: Taxa de Crescimento Sustentvel
d : Dividendos Distribudos / Lucro do Perodo
ROE _ inicial : Retorno sobre o Patrimnio Lquido (Equity)
Em outras palavras, se no houver distribuio de lucros aos acionistas, todo o

retorno obtido no perodo anterior ser reinvestido na companhia na forma de
aumento de capital, representando, portanto um crescimento do equity
proporcional ao montante do equity original.
10
Alternativamente, podemos escrever:
g * = P R A T (2)
Equao 2 Crescimento
Sustentvel
Fonte: HIGGINS, 2004, p.118
P : Margem de Lucro (Profit Margin): lucro / receita

A : Variaes do Ativo (Asset turnover): variao no ativo / ativo inicial
T : Alavancagem Financeira (Financial Leverage): ativo / patrimnio lquido

R : Taxa de Reteno (plowback ratio) : valor reinvestido / lucro total
A Margem de Lucro e as Variaes do Ativo resumem o desempenho operacional da

empresa, enquanto que Alavancagem Financeira representa a distribuio entre
capital prprio e de terceiros para o financiamento da companhia. J a Taxa de
Reteno, ela representa a atitude dos acionistas sobre reinvestir ou no na
companhia.
*
A taxa de crescimento sustentvel ( g ) a nica taxa de crescimento em vendas
(ou receitas) que consistente com valores estveis das quatro razes. Isso porque,
se a empresa aumentar vendas a uma razo diferente desta, uma ou mais razes
automaticamente mudar (maior ou menor receita, maiores ou menores
necessidades de capital e, portanto, haver diferentes necessidades de
financiamento, e assim por diante). Isto significa que se uma crescer em vendas
acima da taxa sustentvel, ela dever se preparar para melhorar seu desempenho
operacional (P,A) ou alterar suas polticas financeiras ( T ,R).
Esta teoria de crescimento sustentvel evidencia alguma causalidade entre variveis

que ser til mais adiante quando pensarmos nos modelos de previso de
crescimento. Voltaremos a esse assunto mais adiante.
11
Crescimento Histrico versus Crescimento Sustentvel
Estimar o crescimento de uma varivel baseado no seu desempenho histrico requer

cuidado quanto aos seguintes aspectos [DAMODARAN, cap.11]:
a) Como j comentado, o desempenho no passado no garantia de mesmo

desempenho no futuro, trata-se de um modelo que deve levar em
considerao essa simplificao;
b) As taxas de crescimento passadas, e portanto, a estimativa das taxas futuras,

podem ser observadas em termos aritmticos ou geomtricos. Em princpio a
mdia geomtrica uma medida mais precisa do crescimento real quando os
resultados apresentam volatilidade considervel;
c) Para estimar a taxa de crescimento na prtica, costuma-se fazer uma

regresso utilizando o Mtodo dos Mnimos Quadrados (Ordinary Least
Squares) em um modelo log-linear que permite estimar atravs do coeficiente
de declividade (b, na expresso abaixo) a variao percentual do objeto de
anlise por perodo de tempo;
d) Cuidados com resultados histricos negativos que podem distorcer as

regresses de desempenho histrico. Nestas situaes muito comum que o
desempenho histrico no acrescente qualquer informao relevante para
projeo futura. Deve ser tratado caso a caso;
e) Modelos de Sries Temporais como Box-Jenkins so utilizados em modelos

ARIMA, que levam em considerao alm da mdia da varivel, tambm as
suas medidas de disperso (erros, choques, etc). Esses modelos so indicados
desde que os dados no apresentem comportamentos determinsticos,
tendncia ou dependncia de variveis externas. Em geral esses modelos tem
melhor previsibilidade (erro em relao aos valores reais das variveis) do que
os modelos mais simples no curto e mdio prazo. No longo prazo, em funo
da no-estacionariedade dos parmetros dos modelos, os resultados no so
12
melhores que modelos mais simples. A maior dificuldade dos modelos de

sries temporais para estimativa de crescimento est na grande quantidade
de dados necessrios (maior que 60 perodos), que normalmente no esto
disponveis;
f) Crescimento de Retornos versus crescimento da receita: Em geral, o

crescimento das receitas tende a ser mais previsvel do que o crescimento do
resultado dado que as escolhas contbeis tem menor impacto apenas na
receita do que em todas as demais variveis;
g) Tamanho da empresa: uma vez que o crescimento da empresa est

determinado em termos percentuais e no absolutos importante lembrar
que muito mais fcil uma empresa pequena crescer do que uma empresa
muitas vezes maior. Assim, as taxas de crescimento projetadas devem ser
inversamente proporcionais ao tamanho que a empresa vai adquirindo ao
longo do tempo.
Oportunidades de Crescimento (Negcio)
Permetro de atuao (Produtos e Servios, Mercados)
Devemos considerar ainda o permetro de atuao da companhia, i.e., no faz

sentido utilizar uma taxa de crescimento histrica para projeo futura se a empresa,
por exemplo, vendeu uma de suas unidades de negcio, que representava digamos
40% do seu resultado.
Analogamente, se a empresa pretende entrar em novos mercados, a anlise do

crescimento desta nova atividade deve ser realizada em separado para no distorcer
a projeo de crescimento global da companhia.
13
Participao de Mercado
O market share, ou fatia do mercado, pelo qual a companhia responde uma

varivel importante a observar nas projees de crescimento. Se o mercado como
um todo est crescendo e a companhia cresce no mesmo ritmo do mercado de se
esperar que a participao de mercado da companhia permanea relativamente
constante. Por outro lado, se as projees indicam que a companhia crescer mais
que o mercado, isso significa afirmar que a companhia vai ganhar mercado frente
concorrncia. Isto significa que existe um plano para ganhar clientes dos
concorrentes. Estas coisas devem ser consistentes, caso contrrio a projeo de
crescimento no realista. Ainda, se a companhia projeta crescer a uma taxa menor
que o mercado, ela estaria perdendo participao de mercado.
Posicionamento Estratgico para o Crescimento

Diversas aes estratgicas esto constantemente em curso numa companhia,
mesmo que no divulgadas ou gerenciadas de forma totalmente clara. importante,
contudo, que as projees de crescimento utilizadas estejam alinhadas com as
definies estratgicas. Por exemplo, no faz muito sentido que a projeo de
crescimento em vendas de um determinado produto estejam acima do crescimento
do mercado, se a estratgia da companhia abandonar esta linha de produtos e
partir para um produto de maior margem, por exemplo.
Crescimento por Fuses e/ou Aquisies

Fuses e Aquisies afetam diretamente o crescimento da companhia, seja pela
incorporao direta de novos ativos, pessoas, portfolios. carteira de clientes, como
pelo crescimento provocado pelas sinergias entre o negcio original e o novo negcio
oriundo da fuso e/ou aquisio. O analista deve atentar para estas possibilidades.
comum tratar essas alternativas em separado nas projees como Oportunidades,
14
assim como comum tratar possveis venda de ativos como Riscos nas projees
financeiras.
Crescimento segundo Analistas de Mercado

Em geral, as previses de analistas de mercado so mais precisas que estimativas
baseadas no crescimento histrico porque eles agregam informaes adicionais s
suas anlises [DAMODARAN, p.282-283] :
a) Informao especfica da empresa que tornou-se pblica desde o ltimo

relatrio de resultados: esta informao ainda no est incorporada no
resultado histrico da empresa e pode ser relevante na previso de
crescimento;
b) Informao macroeconmica que pode impactar o crescimento futuro da

empresa: variveis como ndice de inflao, crescimento do PIB, taxas de
juros, so informaes relevantes para o resultado futuro da empresa que no
esto incorporadas nos resultados histricos da companhia em anlise;
c) Informaes de concorrentes em prospectos futuros: podem afetar as

projees da companhia objeto;
d) Informao privada sobre a empresa: os analistas podem de alguma forma ter

acesso a inside information que melhoram a qualidade da sua avaliao e
previsibilidade de crescimento futuro;
e) Outras informaes pblicas alm de resultados financeiros: informaes

como reteno de lucros, margens de lucro, movimentao de ativos, que no
esto incorporadas na receita ou lucro histrico, mas que so relevantes para
a projeo de crescimento futuro.
Prever o crescimento no uma tarefa simples, envolve diversas variveis, premissas

e conflito de opinies. Em muitos casos nos confrontamos simultaneamente com
15
variveis quantitativas e qualitativas, informaes disponveis no mercado e

coletveis de forma emprica, outras, porm, puramente tericas e no
comprovadas. Outras ainda, baseadas em opinies de especialistas, mas sem
fundamentos claramente tcnicos. Podemos ainda considerar que para empresas
abertas existem os mais diversos mtodos para previso de crescimento, que vo
desde anlises fundamentalistas aqui exploradas at anlises tcnicas e grafistas,
baseadas em padres de comportamento dos preos das suas aes.
Apesar de toda esta dificuldade, trata-se de uma informao extremamente

importante na determinao do valor de uma empresa, projeto ou produto e
entendemos que este trabalho apresenta uma modesta contribuio para esta
investigao, com a proposta de um ferramental alternativo.
16
2.1.4. Ferramentas tradicionais para lidar com a incerteza
Ainda que os riscos do projeto sejam totalmente diversificveis, voc ainda precisa
entender por que ele poderia fracassar [BREALEY; MYERS; ALLEN, 2006, p.245]. A
incerteza associada s variveis de projeo parte integrante de qualquer projeo
financeira realista. Para lidar com essa incerteza as ferramentas tradicionalmente
utilizadas so [BREALEY; MYERS; ALLEN, 2006, CAP. 10]:
Anlise de Sensibilidade
Baseia-se em simulaes do modelo de projeo, variando-se uma varivel por vez e
analisando o impacto global no modelo. Conhecida coloquialmente como questes
E-SE: E se as vendas aumentarem em 15% ao invs de 25% o que acontece com
o resultado? E se o custo do produto vendido for 86% e no 84% das vendas?
um modelo bastante verstil, contudo apresenta alguns inconvenientes como o
fato de ser um processo muito lento caso existam muitas variveis a serem testadas
e analisadas. Para evitar que seja necessrio realizar o teste de todas as variveis da
projeo, requerido um conhecimento prvio acerca de quais variveis so
realmente relevantes e merecem ser testadas para que se tenha um custo/benefcio
que justifique a anlise.
Anlise de Cenrios
Tambm est baseada na simulao do modelo de projees. Contudo na Anlise de
Cenrios, diversas variveis so alteradas simultaneamente para observar o impacto
no resultado do modelo de projeo. melhor que a Anlise de Sensibilidade quando
as variveis em teste esto correlacionadas. comum definir cenrios bem
extremados para analisar a elasticidade da incerteza global do modelo. Define-se por
exemplo, um cenrio pessimista, um cenrio realistas e um cenrio otimista. No
primeiro (pessimista), todas as variveis de incerteza so carregadas com valores
17
extremos que pioram o resultado do modelo e obtm-se uma projeo do tipo No

pior dos casos o que pode acontecer isso. No cenrio otimista, faz-se o inverso,
todas as variveis de incerteza do modelo so alimentadas com valores que levariam
o modelo ao melhor resultado possvel: Num caso de extremo sucesso, o melhor
resultado atingvel ..... E no cenrio realista utiliza-se para as variveis incertas o
melhor valor disponvel no momento da anlise. Com base nos resultados dos trs
cenrios possvel tirar alguma concluso sobre a incerteza global da projeo e os
riscos envolvidos. Contudo, existem algumas crticas como o fato de no serem
atribudos pesos a cada um dos cenrios, alm das definies de melhor caso e pior
caso poderem ser um tanto subjetivas.
Simulao de Monte Carlo

Simulao uma extenso da anlise de sensibilidade, contudo assistida por
ferramentas computacionais que aceleram o processo de investigao, permitindo
uma anlise exaustiva das variveis de incerteza do modelo de projeo. Para cada
varivel do problema ao invs de atribuir um valor discreto, atribui-se uma
distribuio de probabilidades. Em seguida, utilizando-se uma ferramenta
computacional adequada so selecionados aleatoriamente, obedecendo as
distribuies de probabilidades informadas, valores para cada varivel e calculado o
valor do modelo para esta situao. O software de simulao repete este
procedimento diversas e vezes e vai computando os resultados num histograma, que
aps um nmero suficiente de simulaes fornece uma distribuio de probabilidades
dos resultados do modelo de projeo. Um exemplo de software que realiza este tipo
de anlise o Crystal Ball.
Opes Reais
Em opes reais, tem-se uma abordagem na qual se atribui valores incerteza, ou
seja, considera-se que o fato de uma projeo apresentar incerteza pode ser uma
18
fonte de valor, num ambiente onde exista a premissa de averso ao risco, i.e.,
quanto maior o risco, maior o retorno esperado.
Nas abordagens tradicionais, preocupa-se com o valor esperado do modelo em

funo das variveis de incerteza, mas o valor no est ajustado ao risco, ou seja a
volatilidade do modelo. Na abordagem por opes reais trabalha-se com o valor
esperado ajustado ao risco e por tanto, com uma informao mais rica num
ambiente de incerteza. Nesse caso, alm da projeo das variveis de interesse
importante analisarmos a projeo das volatilidades destas variveis.
2.1.5. Estimando crescimento com incerteza com uma abordagem

alternativa
Imaginemos agora que temos alguma idia de como as diversas variveis que
listamos no item 2.1.2, se inter-relacionam e criam situaes de causalidade, mas
no temos certeza absoluta sobre essas associaes. Por outro lado temos dados
histricos que talvez nos dessem alguma informao se, pelo menos no passado,
essas relaes supostas foram vlidas para determinar o crescimento.
No diagrama abaixo, encontra-se um mind map de possveis fontes relevantes de

informao para estimao do crescimento, ainda que no tenhamos certeza
absoluta se so realmente aplicveis ou no. Em verde esto informaes mais
facilmente disponveis para coleta, em amarelo nvel de dificuldade intermedirio e
em vermelho, informaes mais restritas.
19
Ilustrao 1- Mind Map Crescimento

Fonte: elaborao prpria
razovel imaginar que variveis econmicas (crescimento do PIB, mercado objeto,

taxa de juros, inflao, impostos) afetem o crescimento da empresa, assim como a
reputao da companhia e/ou dos gestores da companhia perante o mercado
financeiro (analistas de mercado, painis setoriais). Talvez ainda mais importante
seja o negcio no qual a empresa participa promissor, se o posicionamento
estratgico da companhia slido, se o grupo ao qual a empresa financeiramente
saudvel, tem flego para novos investimentos se o negcio depender disso, se tem
crdito no mercado para buscar financiamentos, enfim, podemos a princpio,
imaginar qualquer varivel que pudesse afetar o crescimento da companhia.
Imaginemos agora que pudssemos criar um modelo de inter-relacionamento entre

essas variveis baseado em causalidade e baseado em algum conhecimento terico,
mercadolgico, baseado em fatos reais, ou baseado em meras suposies, mas que
pudssemos colocar esse modelo prova baseado em dados reais. Poderamos
testar o modelo e revis-lo caso as suposies originais no se ajustarem aos
dados reais. Poderamos, ainda, fazer refinamentos tantos quantos fossem
20
necessrios at que tivssemos um modelo razovel, que representasse os dados

reais de que dispomos. Uma vez definido o modelo, este poderia ser utilizado, sob
determinadas premissas e consideraes, para fazer previses acerca do crescimento
em funo das nossas variveis de entrada.
As Redes Bayesianas, que veremos com mais detalhes a seguir, podem ser
ferramentas poderosas para este tipo de anlise. Mostrar um primeiro caminho o
principal objetivo deste trabalho: utilizando-se de probabilidades condicionais,
obtidas a partir de dados histricos ou de mera suposio, pode-se fazer inferncia
acerca do inter-relacionamento de variveis e obter concluses probabilsticas
interessantes. Imaginamos que as aplicaes em Finanas Corporativas possam ser
vrias, assim como em precificao de ativos. Neste trabalho, demonstraremos o uso
desta Ferramenta para estimativa acerca do crescimento dos fluxos de caixa para
determinao do Valor de uma empresa/projeto.
Antes, contudo, faremos uma breve reviso bibliogrfica de Redes Bayesianas, sua
origem, suas caractersticas, sua definio e quais so suas aplicaes atuais em
outros campos do conhecimento, para ento buscarmos demonstrar a sua aplicao
em anlises de determinao de valor em Finanas Corporativas.
2.1.6. Fluxo de Caixa da Empresa versus Fluxo de Caixa ao Acionista

Devemos distintuir entre o Fluxo de Caixa da Firma ou Free Cash Flow to Firm
(FCFF) e o Fluxo de Caixa para o Acionista ou Free Cash Flow to Equity (FCFE). O
primeiro refere-se a srie temporal do fluxo de caixa livre que a empresa gera
globalmente fruto do capital do acionista mais recursos de terceiros empregados na
companhia. O segundo, FCFE, refere-se efetivamente ao fluxo de caixa livre gerado
para o acionista, portanto j descontados as obrigaes com terceiros [DAMODARAN,
2002, Cap.15].
Embora os fluxos de caixa das empresas no sejam uma informao disponvel

publicamente, atravs dos relatrios financeiros pro-forma das companhias:
21
Demonstrao de Resultados, Balano Patrimonial, Demonstrao de Origem e

Aplicaes de Recursos, mais parecer de auditores independentes, possvel sob
determinadas premissas, construir o Fluxo de Caixa com uma aproximao bastante
razovel do fluxo real.
A partir do Balano Patrimonial e do Demonstrativo de Resultado, conseguimos

inferir o demonstrativo e balano projetado no tempo que nos permite estimar o
Fluxo de Caixa da companhia e o Fluxo de Caixa ao Acionista [BRIGHAM, 2004,
cap.14]. Como regra geral, podemos calcular o FCFE a partir dos relatrios pro -
forma da companhia da seguinte forma [DAMODARAN, cap. 14]:
FCFE = Lucro Lquido da Firma (CAPEX Depreciao)

(Variao do Capital de Giro) (Dividendos de aes
preferenciais + novas emisses de aes preferenciais) +
(Emisso de dvida pagamento de dvida)
Equao 3 Fluxo de Caixa

do Acionista x Fluxo de
Caixa da Firma
Fonte: DAMODARAN, P.358
A variao dos fluxos de caixa ao acionista entre perodos subseqentes a varivel

de crescimento dos retornos que buscamos analisar no presente trabalho.
22
2.2. Redes Bayesianas
2.2.1. Inteligncia Artificial
Russel e Norvig [RUSSEL, NORVIG, 1995] apresentam uma excelente abordagem do

assunto:
Formalmente, Inteligncia Artificial tornou-se uma disciplina apenas em 1956, embora os
estudos sobre o tema tenham se iniciado pouco antes. A definio de Inteligncia Artificial
no um consenso. A tabela resume as principais correntes de pensamento, as quais esto
divididas segundo 2x2 dimenses, i.e., sistemas baseados em raciocnio versus
comportamento e sistemas baseados em desempenho humano versus desempenho racional
(ideal) [traduo nossa].
Tabela 1 Classificaes da Inteligncia Artificial

Inteligncia humana Inteligncia ideal
Raciocnio e i) Pensamento humano ii) Pensamento racional
processos
Comportamentos iii) Aes humanas iv) Aes racionais
Fonte: [RUSSEL,NORVIG, 1995 , p.5]
i) Pensamento Humano
"O excitante novo esforo para fazer computadores pensarem . . . mquinas
com mentes, no sentido complete e literal " [HAUGELAND 1 , 1985 apud
RUSSEL,NORVIG, 1995]
"[A automao de] atividades que ns associamos com o pensamento
humano, atividades tais como tomada de deciso, resoluo de problemas,
aprendizado, . . ." [BELLMAN 2 , 1978 apud RUSSEL,NORVIG, 1995]
1
Haugeland, J., editor (1985). Artificial Intelligence: The Very Idea. MIT Press, Cambridge, Massachusetts.
2
Bellman, R. E. (1978). An Introduction to Artificial; Intelligence: Can Computers Think? Boyd & Fraser
Publishing Company, San Francisco.
23
ii) Pensamento Racional

"O estudo das faculdades mentais atravs do uso de modelos computacionais
" [CHARNIAK, MCDERMOTT 3 , 1985 apud RUSSEL,NORVIG, 1995]
"O estudo de computaes que permite perceber, raciocinar e agir
[WINSTON 4 , 1992 apud RUSSEL,NORVIG, 1995]
iii) Aes humanas

"A arte de criar mquinas que executam funes que requerem inteligncia
quando executadas por pessoas" [KURZWEIL 5 , 1990 apud RUSSEL,NORVIG,
1995]
" O estudo de como fazer computadores realizarem coisas que no momento
so melhores feitas por pessoas" [RICH, KNIGHT 6 , 1991 apud
iv) Aes racionais

"Um campo de estudo que busca explicar e emular comportamento inteligente
em termos de processos computacionais" [SCHALKOFF 7 , 1990 apud
"O ramos da cincia da computao que est preocupado com a automao
do comportamento inteligente " [LUGER, STUBBLEFIELD 8 , 1993 apud
3
Charniak, E. and McDermott, D. (1985). Introduction to Artificial Intelligence. Addison-Wesley, Reading,
Massachusetts..
4
Winston, P. H. (1992). Artificial Intelligence. Addison-Wesley, Reading, Massachusetts, third edition
5
Kurzweil, R. (1990). The Age of Intelligent Machines.MIT Press, Cambridge, Massachusetts
6
Rich, E. and Knight, K. (1991). Artificial Intelligence.McGraw-Hill, New York, second edition
7
Schalkoff, R. I. (1990). Artificial Intelligence: An Engineering Approach. McGraw-Hill, New York
8
Luger, G. F. and Stubblefield, W. A. (1993). Artificial Intelligence: Structures and Strategies for Complex
Problem Solving. Benjamin/Cummings,Redwood City, California, second edition.
24
Sistemas baseados em Regras versus Sistemas de Apoio Deciso
Jensen apresenta ainda interessante viso sobre a importncia da Inteligncia

Artificial nos sistemas de apoio deciso [JENSEN, 2001, Preface, traduo nossa]:
Um fator de grande atraso para o avano da inteligncia artificial foi por um

longo tempo a falta de sucessos na rea de robtica. A dificuldade em criar
agentes autnomos que se movessem, observassem, e carregassem um corpo
controlvel fez com que muito tempo de pesquisas e fracassos desacreditasse
este campo de estudos.
A maioria dos avanos, contudo, aconteceu nos Sistemas de Suporte Deciso,

sistema que apiam o ser humano em atividades altamente especializadas. Com
a Internet, o escopo da inteligncia artificial aumentou consideravelmente.
A Internet o mundo no fsico ideal para agentes inteligentes, que so puros

espritos sem corpo. Nos anos que viro, iremos experimentar uma enchente de
agentes inteligentes na Internet, mas tambm a manifestao do lado negro do
ser humano. Alguns agentes iro destruir, invadir, mentir, e assim por diante, e
ns teremos que nos defender contra eles. Agentes encontraro agentes, e eles
tero que decidir como tratar um ao outro, eles tero que aprender a partir de
experincias anteriores e tero que se adaptar ambientes em mudana.
Os Sistemas Normativos apiam-se em regras e tm como objetivo reproduzir a

sabedoria humana, i.e., tomar decises baseado na experincia acumulada e
processada. So tarefas do seguinte tipo: usar observaes para interpretar uma
situao; focar uma busca para obter mais informaes; decidir por aes de
interveno; adaptar-se a ambientes em mutao; aprender a partir da
experincia passada.
25
Conhecimento e Raciocnio Lgico
O componente central de um agente baseado em conhecimento a sua base de

conhecimento. Informalmente, a base de conhecimento uma srie de
representaes de fatos sobre o mundo. Cada representao individual chamada
de sentena ou regra. Uma forma organizada das sentenas constitui a linguagem e,
portanto uma forma de questionar o que desconhecido. Informar e questionar
fazem parte de trabalho do mecanismo de inferncia que constitui o raciocnio lgico.
O nvel do conhecimento o mais bsico, e no qual possvel descrever o agente

simplesmente pelo o que ele sabe. Se informar e questionar funciona bem, ento
podemos trabalhar no nvel do conhecimento a maior parte do tempo, sem a
necessidade de ir a nveis mais complexos.
O nvel lgico aquele aonde o conhecimento codificado em sentenas.
O nvel de implementao onde est definido e funciona a arquitetura do agente

inteligente. o nvel onde esto as representaes fsicas das regras nos nveis
lgicos. A escolha da forma de implementao muito importante para o
desempenho eficiente do agente, mas irrelevante para o nvel lgico e nvel do
conhecimento.
necessrio representar o conhecimento de forma tratvel por um computador. Para

tanto utiliza-se a linguagem para a definio das regras. A linguagem definida em
dois aspectos: a sintaxe (possveis configuraes que podem constituir sentenas) e
a semntica (os fatos do mundo aos quais as regras se referem).
importante distinguir entre fatos e suas representaes. Fatos so parte do mundo

enquanto representaes podem ser codificadas de tal forma que possam ser
fisicamente armazenadas dentro de um agente. No podemos colocar o mundo
dentro de um computador (nem podemos coloc-lo dentro de um ser humano).
26
Ento todos os mecanismos de raciocnio devem operar como representao de

fatos, ou seja, modelos, ao invs de trabalhar com os prprios fatos. Como as
sentenas so configuraes fsicas das partes do agente, o raciocnio deve ser um
processo de construo de novas configuraes fsicas a partir das antigas. O
raciocnio adequado deve garantir que as novas configuraes representem fatos que
atualmente seguem dos fatos que as configuraes antigas representam.
A conexo entre regras e fatos provida pela semntica da linguagem. A

propriedade de um fato seguindo de outros fatos espelhada pela propriedade de
uma sentena sendo criada a partir de outras sentenas. A inferncia lgica gera as
novas regras.
Regras
Uma regra uma expresso na forma:
Se A ento B
Onde A uma assertiva e B pode ser tanto uma ao como outra assertiva. Por
exemplo, as seguintes regras poderiam ser parte de uma srie de regras maiores
para lidar com problemas nas bombas de gua:
Se a bomba falhar ento a presso est baixa

Se a bomba falhar ento cheque o nvel de leo
Se a energia falhar ento a bomba falha
Quando informaes especficas ocorrem sobre o domnio, concluses so tiradas e

aes apropriadas so disparadas: isto chamado Inferncia. A Inferncia
acontece como uma reao em cadeia. No exemplo acima, se voc for informado de
que existe uma falha de energia, a regra trs estabelecer que existe uma falha na
bomba e a regra 1 estabelecer que a presso est baixa. A regra 2 tambm dar
uma recomendao (intil) para checar o nvel de leo.
27
Inferncia
Os termos raciocnio e inferncia so geralmente usados para referenciar quaisquer

processos pelos quais se chegue a concluses. No caso em questo, estamos mais
preocupados com a inferncia lgica ou deduo. A inferncia lgica o processo
que implementa a relao de construo entre as sentenas.
Para que seja possvel fazer inferncias em computadores necessrio que as

sentenas sejam vlidas (se e somente se verdadeira sob todas as possveis
interpretaes em todos os possveis mundos, independente do que signifique e qual
seu estado no universo descrito) e suficientes (se e somente se existe alguma
interpretao em algum mundo para o qual ela seja verdadeira).
A grande vantagem sobre a inferncia formal que ela pode ser usada para derivar
concluses vlidas mesmo quando o computador no conhece a interpretao que
voc est utilizando. O computador apenas reporta concluses vlidas, que devem
ser verdadeiras independente da interpretao. Como voc conhece a interpretao,
as concluses tero muito significado para voc, garantido que as premissas foram
seguidas.
Lgica
A Lgica consiste de:

1. Um sistema formal para descrever estados, consistindo de:
a) sintaxe da linguagem, que descreve como fazer sentenas; e
b) semntica da linguagem, que estabelece as restries sistemticas sobre como as
sentenas se relacionam aos estados.
2. Uma teoria de provas uma srie de regras para deduzir os vnculos entre uma
srie de sentenas.
28
Como exemplo de lgicas, temos a Lgica Booleana e a Lgica de Primeira Ordem

(clculo com igualdade).
Na lgica proposicional, os smbolos representam proposies inteiras (fatos).

Smbolos podem ser combinados com conectores booleanos para gerar sentenas
com significados mais complexos. Tal lgica tem pouca confiabilidade de como as
coisas so representadas, assim no representa muito fielmente a linguagem.
A lgica de primeira ordem representa melhor mundos em termos de objetos e

atributos sobre objetos (propriedades de objetos ou relaes entre objetos) bem
como utilizando conectivos e quantificadores, os quais permitem que as sentenas
sejam escritas sobre quaisquer coisas no universo de uma vez.
A lgica de primeira ordem para estar apta a um bom compromisso entre o que
conhecemos sobre o mundo foi estudada por centenas de anos.
interessante considerar lgica luz do compromisso entre a ontologia (natureza da

realidade) e a epistemologia (possibilidade dos estados de conhecimento que um
agente pode ter usando vrios tipos de lgica). Em ambas, a lgica proposicional e a
lgica de primeira ordem, uma sentena representa um fato e um agente acredita ou
que a sentena verdadeira, ou que falsa, ou no est apto a concluir por uma ou
outra. Esta lgica, portanto, tem trs possveis estados de crena qualquer que seja
a sentena.
Infelizmente o raciocnio lgico muito limitado em escopo, ele trata de como inferir
a partir de proposies que conhecemos como verdadeiras. Na maioria das vezes
no conhecemos a proposio com certeza, mas ainda assim necessitamos realizar
inferncias a partir de informaes incompletas e incertas. O raciocnio sob incerteza
ainda no bem entendido tal que possa ser formalizado completamente para
computadores. Existem diversas formas de abordar o raciocnio sob incerteza. Uma
29
delas utilizar Teoria das Probabilidades, quando o raciocnio termina numa

concluso sobre tomar uma deciso, assume-se que a deciso a ser tomada a que
maximiza a utilidade esperada. Essa abordagem dita normativa porque pressupe
um comportamento baseado em curvas de utilidade e maximizao de retorno, o que
no necessariamente exprime o comportamento humano, pelo menos no na
totalidade dos eventos.
Sistemas que utilizam a teoria da probabilidade podem ter quaisquer graus de crena
variando de 0 (descrena total) a 1 (crena total).
Sistemas alternativos baseados em lgica fuzzy podem ter graus de crena em uma
sentena e tambm graus de verdade (um fato no precisa ser verdadeiro ou falso
no mundo, mas pode ser verdadeiro em um certo grau). Contudo, no trataremos
destes ltimos neste texto.
Incerteza e Teoria de Deciso
Alguns fatores podem condicionar a falta de informao em uma base de

conhecimento, os principais so:
Impossibilidade: o trabalho exigido para a insero de todos os

antecedentes ou conseqentes que configurem uma base de conhecimento,
para que inferncias quaisquer a respeito do domnio do problema possam ser
efetuadas, pode ser muito oneroso.
Ignorncia Terica: Em alguns casos no se possui o conhecimento

completo acerca do domnio do problema.
A falta de informao implica em lidar com incertezas. Nestes ambientes pode ser
necessrio trabalhar com nveis de certeza e no apenas valores booleanos,
verdadeiro (1) e falso (0).
30
Para caracterizao de situaes de incerteza pode-se utilizar grafos representando

relaes causais entre eventos, que lhe permita fazer inferncias a partir de
informaes conhecidas.
Para fazer estas escolhas, um agente deve inicialmente possuir preferncias entre
possveis efeitos das aes a serem tomadas. Preferncias so representadas por
utilidades (utility indicao do nvel de utilidade que possui um estado) combinadas
com probabilidades, resultando na chamada: teoria de deciso.
Teoria de Deciso = teoria de probabilidades + teoria de utilidade
A idia fundamental em teoria de deciso : um agente racional se e somente se

ele escolhe a ao que permite a maior expectativa de utilidade, ponderada pelos
efeitos de todas as possveis aes, ou princpio da Mxima expectativa de Utilidade
(MEU).
Utilidade
Formalmente, uma funo Utilidade uma funo U definida nos nmeros reais,
representando possveis nveis de riqueza (ou bem-estar) e resultando num nmero
real. Uma vez definida a funo utilidade, todos os nveis de riqueza so ordenados
pela avaliao pelo valor de utilidade esperado. Voc pode comparar duas variveis x
e y avaliando os valores esperados de utilidade E[U(x)] e E[U(y)], o maior valor
obtido define a varivel preferida (mais til). [LUENBERGER, 1998, p.228-229]
Funes utilidade so utilizadas no ambiente financeiro para mensurar a tolerncia

ao risco. Em geral, quanto maior o retornado financeiro, maior o risco, por isso as
funes utilidade financeiras normalmente so crescentes e cncavas para
representar a averso ao risco.
31
Probabilidade
Probabilidade incondicional
A probabilidade P(a) de um evento a um nmero dentro do intervalo [0,1].

i. P(a) = 1 a um evento certo;
ii. Se a e b so mutuamente exclusivos, ento: P(a b) = P(a) + P(b)
Por exemplo, considerando que Crie denota a proposio de que um paciente em

particular tenha crie, ento: P(Crie) = 0.1, significa dizer que, na ausncia de
outra informao, o sistema assinalar a probabilidade 0.1 ao evento ter crie.
Proposies podem tambm incluir igualdades envolvendo variveis aleatrias. Por

exemplo, caso estejamos interessados em uma varivel aleatria, Tempo,
poderamos considerar:
a. P(Tempo = Ensolarado) = 0.7
b. P(Tempo = Chuvoso) = 0.2
c. P(Tempo = Nublado) = 0.1
Em alguns casos, podemos nos referir apenas a varivel Tempo, como um vetor de
probabilidades P(Tempo) = <0.7,0.2,0.1>.
Proposies podem, tambm, assumir o domnio booleano <verdadeiro,falso>, neste

caso, a expresso P(Crie) pode ser vista como P(Crie = verdadeiro) e,
analogamente, P(no Crie) = P(Crie = falso).
Para expressar todas as combinaes de valores de duas probabilidades podemos
utilizar P(Tempo, Crie), que pode ser vista como uma tabela de probabilidades
conjunta (joint probabilities) de Tempo Crie, de 3 x 2 posies.
32
Probabilidade condicional:
Probabilidade condicional P(a|b) = x, pode ser interpretada como: Dado o evento b,

a probabilidade do evento a x.
i. Regra fundamental: P(a|b) = P(a,b)/P(b), ou P(a|b)P(b) = P(a,b). Onde

P(a,b) a probabilidade do evento conjunto: a b.
Por exemplo, P(Crie|Dor) = 0.8, indica que caso um paciente esteja com dor (de
dente) e nenhuma outra informao esteja disponvel, ento, a probabilidade de o
paciente ter uma crie de 0.8. importante ressaltar que P(A|B) pode ser utilizado
apenas quando toda informao disponvel B. Uma vez que outra varivel C
conhecida, deve-se reconsiderar para P(A|B C).
ii. Se P(a,b)=P(b,c), ento de i, chegamos em P(a|b)P(b) = P(b|a)P(a), que

resulta em: P(b|a) = P(a|b)P(b)/P(a), chamada Regra de Bayes.
iii. Em alguns casos podemos estar interessados em uma probabilidade

segundo uma evidencia e, neste caso, aplica-se: P(a|b,e)P(b|e) = P(a,b|e)
Variveis vetoriais sero representadas por letras maisculas: A, P(A), B, P(B),...
Em geral, se estamos interessados em uma proposio A, e temos o conhecimento

da evidencia B, devemos calcular P(A|B). Em alguns casos este valor no esta
disponvel na base de conhecimento e, portanto, devemos utilizar algum mtodo de
inferncia para obt-lo.
33
Conjuno de Probabilidades
Seja A uma varivel aleatria com n estados, a 1 , ..., a n , e P(A) a distribuio de

probabilidades para estes estados,
P(A) = (x 1 , ..., x n ); x i 0; x i = 1, onde x i a probabilidade de A estar no estado

a i , P(A=a i ).
Se a varivel B possui os estados b 1 ,...b m , ento P(A|B) representa uma tabela n x m

contendo os valores P(a i |b j ). Por exemplo:
Tabela 2 Probabilidades condicionais: P(A|B)

b1 b2 b3
a1 0.4 0.3 0.6
a2 0.6 0.7 0.4
Fonte: JENSEN, 2001, p.14
A conjuno de probabilidades para as variveis A e B, ou P(A,B), tambm uma

tabela n x m, representada pela probabilidade de cada configurao (a i ,b j ).
Se impusermos que P(B) = <0.4,0.4,0.2> e aplicarmos a regra P(A|B) =P(A,B) /

P(B), para as variveis A e B e a Tabela 2, teremos:
Tabela 3 - Probabilidades conjunta: P(A,B)

b1 b2 b3
a1 0.16 0.12 0.12
a2 0.24 0.28 0.08
A probabilidade P(X) pode ser ento calculada a partir da Tabela 3, calculando-se:

P(a i )= Pa,b i . Este clculo chamado Marginalizao de B em P(A,B). O resultado
para a Tabela 2 ser conforme Tabela 3, abaixo.
34
Tabela 4 Probabilidade Marginal: P(A)

P(X)
A1 0.4
A2 0.6
Para obtermos P (B|A), aplicamos regra de Bayes sob a Tabela 1, lembrando que:
P(B|A) = P(A|B) . P(B) / P(A) - regra de Bayes

P(B) = <0.4,0.4,0.2> - imposto
P(A) = <0.4, 0.6> - calculado na Tabela 3
Assim:
A1 a2
b1 =0.4x0.4/0.4 =0.6x0.4/0.6
b2 =0.3x0.4/0.4 =0.7x0.4/0.6
b3 =0.6x0.2/0.4 =0.4x0.2/0.6
Portanto:
Tabela 5 Probabilidades Bayesiana: P(B|A)
A1 A2
b1 0.4 0.4
b2 0.3 0.47
b3 0.3 0.13
Considerando uma situao real, podemos imaginar um problema contendo centenas

ou milhares de variveis. Considerando o uso apenas de variveis que assumam
valores booleanos, teramos a necessidade do clculo de 2n entradas para a tabela
de conjuno de probabilidades do sistema. Ou seja, um crescimento exponencial
em relao ao nmero de variveis. O que pode tornar-se invivel
computacionalmente. Contudo, uma vez computados os valores, o sistema ser
capaz de obter qualquer probabilidade em que se esteja interessado.
35
A regra de Bayes
Como j comentado, o teorema de Bayes um corolrio do teorema da

probabilidade total que permite calcular a seguinte probabilidade:
P( B | A) P( A)
P( A | B) =
P( B)
P(A) e P(B) so as probabilidades a priori de A e B. P(B|A) e P(A|B) so as

probabilidades a posteriori de B condicional a A e de A condicional a B,
respectivamente.
A regra de Bayes mostra como alterar as probabilidades a priori tendo em conta

novas evidncias de forma a obter probabilidades a posteriori. Para aplicao da
regra de Bayes precisamos de trs termos: uma probabilidade condicional e duas
incondicionais.
Vamos considerar um exemplo de diagnostico mdico: um mdico sabe que a

meningite causa torcicolo P(T|M) em 50% dos casos. Porm, o mdico tambm
conhece algumas probabilidades incondicionais que dizem que, um caso de
meningite (M) atinge 1/50000 pessoas e, a probabilidade de algum ter torcicolo (T)
de 1/20.
Aplicando a regra de Bayes:

P(M|T) = P(T|M).P(M)/P(T) = (0.5 x 1/50000)/(1/20) = 0.0002
Ou seja, espera-se que apenas 1 em 5,000 pacientes com torcicolo tenha meningite.
Note que, mesmo tendo torcicolo uma alta probabilidade nos casos de meningite
(0.5), a probabilidade de um paciente ter meningite continua pequena, devido ao
fato de a probabilidade incondicional de torcicolo ser muito maior que a
probabilidade de meningite.
36
Uma argumentao vlida surge do fato de que o mdico poderia tambm possuir a
probabilidade incondicional P(M|T), a partir de amostras de seu universo de
pacientes, da mesma forma que P(T|M), evitando o clculo realizado anteriormente.
Porm, imagine que um surto de meningite aflija o universo de pacientes do mdico
em questo, aumentando o valor de P(M). Caso P(M|T) tenha sido calculado
estatisticamente a partir de observaes em seus pacientes, o mdico no ter
nenhuma idia de como este valor ser atualizado (visto que P(M) aumentou).
Entretanto, caso tenha realizado o clculo de P(M|T) em relao aos outros trs
valores (como demonstrado) o mdico verificar que P(M|T) crescer
proporcionalmente em relao a P(M).
Considere agora que um paciente pode estar com problema de coluna C, dado que
est com torcicolo: P(C|T) = [P(T|C) x P(C)] / P(T).
Utilizando P(M|T) podemos calcular a probabilidade relativa de C em M dado T, ou,

em outras palavras, a marginalizao de M e C. Considerando que:
P(T|C) = 0.8
P(C) = 1/1000
P(M|T) / P(C|T) = [P(T|M) x P(M)] / [P(T/C) x P(C)] = (0.5 x 1/50000)/(0.8 x

1/1000) = 1/80
Isto , Problema de coluna C 80 vezes mais comum que meningite M, dado

torcicolo.
37
2.2.2. Definio de Redes Bayesianas
Redes Bayesianas so tambm chamadas Redes de Bayes, Redes Probabilsticas

causais (CPNs), Redes de Crena Bayesiana (BBNs) ou simplesmente redes de
crena.
A melhor forma de entender Redes Bayesianas procurar modelar uma situao na

qual a causalidade desempenha um papel importante, mas onde o nosso
entendimento sobre o que realmente est ocorrendo no muito claro, de tal forma
que precisamos descrever as coisas probabilisticamente.
A principal vantagem do raciocnio probabilstico sobre o raciocnio lgico o fato de

que os agentes podem tomar decises racionais mesmo quando no existe
informao suficiente para se provar que uma ao funcionar.
Redes Bayesianas so Grficos Acclicos Diretos (DAG Directed Acyclic Graphs),

compostos por ns e setas. Os ns so variveis aleatrias, e valem premissas de
independncia entre elas. Frequentemente, as variveis aleatrias podem ser
imaginadas como estados de um determinado assunto, podendo assumir estados
booleanos, como verdadeiro ou falso, valores discretos ou mesmo contnuos. As
setas especificam as premissas de interdependncia entre as variveis aleatrias,
suas relaes de causa e efeito dentro do domnio. Estes efeitos no so
completamente determinsticos, assim a fora de um efeito modelada como uma
probabilidade. Portanto, as premissas de independncia entre o os ns da rede
determinam qual informao de probabilidades requerida para especificar a
distribuio de probabilidades entre as variveis aleatrias na rede.
Fundamentalmente, as Redes Bayesianas so usadas para atualizar probabilidades

quando a informao chega. A base matemtica para isto o Teorema de Bayes:
38
P(A|B) x P(B) = P(B|A) x P(A) (4)
Equao 4 Teorema de Bayes

Fonte: JENSEN, 2001, P.12
Para especificar a distribuio de probabilidades de uma Rede de Bayes, necessrio

obter as probabilidades de todos os ns-raiz (ns sem predecessores) e as
probabilidades condicionais de todos os ns-no-raiz, dadas todas as possveis
combinaes de seus predecessores diretos.
Conexes seriais:
Evidencia pode ser transmitida atravs de uma conexo serial a menos que o estado
da varivel na conexo seja conhecida (varivel instanciada).
A e C so d-separados dado B
A B C
Ilustrao 2 - d-separation
Conexes divergentes
Evidncia pode ser transmitida atravs de uma conexo divergente a menos que ela
seja instanciada.
A, B, C, D, E so d-separados dado A
39
B C D E
Ilustrao 3 conexes convergentes

Conexes convergentes
B C D E
Ilustrao 4 conexes divergentes

Exemplo simples para contruo de uma rede Baysesiana

[http://www.hugin.com/developer/Getting_Started/BNs/]
O Exemplo da Macieira
Neste exemplo, o domnio uma pequena plantao de ma que pertence ao Joo.
Certo dia, Joo descobre que sua rvore mais nobre est perdendo as folhas. Agora,
ele quer descobrir o que est acontecendo. Ele sabe que se a rvore est seca
(causado por uma seca) no h mistrio comum as rvores perderem as folhas
nesta situao. Por outro lado, a queda das folhas pode tambm ser um indicativo de
doena.
40
Esta situao pode ser modelada pela Rede Bayesiana (BN) na figura abaixo.
Ilustrao 5 Exemplo simples de Redes Bayesianas

Fonte: www.hugin.com
A BN consiste de trs ns: Sick (doente), Dry (seca), and Loses (Perdas), os quais
podem tambm estar em um dos dois estados: doente pode ser doente ou no;
seco pode ser seco ou no
A BN na figura da Ilustrao 5 modela uma relao de dependncia causal da doena

para perda de folhas e da seca para perda de folhas, representado pelas flechas.
Quando existe uma relao de dependncia causal de um n A para outro B, ns

esperamos que quando A atinja certo estgio, ele impacte o resultado do estado B.
Algumas vezes no exatamente bvia a direo e sentido de uma flecha na
modelagem de um problema. Neste caso, a doena que causa a perda de folhas e
no queda de folhas que causa a doena.
A representao quantitativa de uma BN a srie de CPTs dos ns. As tabelas 1, 2 e

3 abaixo mostram a CPT dos trs ns na BN da figura na Ilustrao 5.
Tabela 6: Probabilidade de estar doente - P(Sick)

Sick="sick" Sick="not"
0.1 0.9
41
Tabela 7: Probabilidade da folha estar seca - P(Dry)

Dry="dry" Dry="not"
0.1 0.9
Tabela 8: Prob. de perda dada doena/seca P(Loses | Sick, Dry)

Dry="dry" Dry="not"
Sick="sick" Sick="not" Sick="sick" Sick="not"
Loses="yes" 0.95 0.85 0.90 0.02
Note que todas as trs tabelas mostram a probabilidade de um n em um estado

especfico, dependendo dos estados dos seus ns pais, mas como Sick e Dry no
tm quaisquer ns pais, as tabelas 1 e 2 no so condicionadas por nada
O que se mostra neste exemplo uma descrio de como uma Rede Bayesiana
bastante simples construda.
42
2.2.3. Alguns Trabalhos realizados com Redes Bayesianas
A aplicao de Redes Bayesianas bastante ampla e existe vasta literatura sobre o

tema. Longe de objetivarmos ser exaustivos, descrevemos abaixo uma pequena
relao de trabalhos sobre o assunto que julgamos interessante apresentar,
primeiramente para um entendimento da extenso, flexibilidade e aplicabilidade da
ferramenta e tambm como resultado de pesquisa bibliogrfica sobre ao assunto
tema do presente trabalho.
i) Em [DEMIRER, MAU, SHENOY], os autores mostram como redes

Bayesianas podem servir de suporte a deciso para analistas de
investimento e gestores de portfolio, principalmente ao incorporar no
modelo de previso variveis no quantitativas associadas Finanas
Comportamentais que por vezes se traduzem em vis nas projees
realizadas por modelos convencionais.
ii) Em [SUN & SHENOY] os autores utilizam Redes Bayesianas para criar a
partir de dados histricos um modelo de previso de Falncia.
iii) Em [KEMMERER, MISHRA, SHENOY] demonstrada a aplicao de Redes

de Bayes conjuntamente com mapas de causalidade para a construo de
um Mapa Causal Bayesiano que serve de auxlio para tomada de deciso
para investidores de Capital de Risco (Venture Capital)
iv) Em [SHENOY & SHENOY], os autores demonstram a possibilidade do uso

de redes Bayesianas para modelar um portfolio financeiro tradicional de
risco & retorno, com a vantagem de permitir a incluso da opinio de
especialistas, apresentando como resultado o retorno, risco e valor em
risco (VAR)
43
v) Em [JANZ, SCHNEIDER, KEMPF, WESTKMPER], os autores fazem uso de

Redes de Bayes para estimar os custos operacionais de um produto
considerando incerteza de diferentes condies operacionais. Como
medidas diretas da probabilidade em muitos casos no so possveis,
conhecimento de especialistas precisam ser considerados, o que justifica o
uso da tcnica bayesiana para esta finalidade.
vi) [GONZLEZ] realizou vasta pesquisa at 2002 sobre livros que abordam o
tema Redes Bayesianas, rica fonte de informaes para interessados em
trabalhos futuros sobre o tema.
2.2.4. Ferramentas
Durante os anos 90, Redes Bayesianas e Grficos de Deciso atraram grande

ateno como uma base para a construo de sistemas normativos, no apenas em
instituies de pesquisa, mas tambm na indstria. Contrrio maioria das teorias
para tratar a incerteza, necessrio uma boa base terica e prtica para explorar
oportunidades atravs do ferramental de Redes Bayesianas e Grficos de Deciso. A
existncia de ferramentas em software facilitou sobremaneira a forma de criar,
calcular e simular as Redes Baysesianas. As Redes Bayesianas criam uma linguagem
extremamente eficiente para a construo de modelos com incerteza inerente.
Como exemplo de ferramentas para construo de Redes Bayesianas podemos citar

(no trata-se de uma lista exaustiva) alguns:
i) Bayesware: www.bayesware.com
ii) BN Toolbox: www.cs.berkeley.edu/~murphyk/Bayes/bnsoft.html
iii) BucketElim: www.ics.uci.edu/~irinar
iv) Genie: www2.sis.pitt.edu/~genie
v) Hugin: www.hugin.com
vi) Java Bayes: www.cs.cmu.edu/~javabayes/Home
44
vii) Netica: www.norsys.com

viii) XBAIES: www.staff.city.ac.uk/-rgc
No presente trabalho utilizamos uma verso demonstrativa acadmica do software

Hugin. Como em toda verso demonstrativa, existem restries que tivemos de
administrar na realizao dos testes. As restries so basicamente da quantidade de
variveis e estados de que se pode dispor na construo das redes. Desta forma,
tivemos que trabalhar com redes simples e uma quantidade limitada de estados, mas
que ao final no comprometem o objetivo deste trabalho.
Comparando Redes Neurais e Redes Bayesianas
As diferenas entre sistemas baseados em regras, como Redes Neurais, e os

sistemas baseados em Redes Bayesianas so facilmente observveis: em Redes
Neurais procura-se modelar as formas especialistas de raciocnio (portanto o nome
de Sistemas Especialistas), enquanto que em Redes Bayesianas, voc experimenta
modelos de dependncia dentro do prprio domnio. Por isso, os sistemas bem
modelados por Redes Bayesianas so frequentemente chamados de Sistemas de
Suporte Deciso ou Sistemas Especialistas Normativos.
Outra diferena fundamental entre os dois tipos de rede que cada n numa Rede
Bayesiana possui em si prprio uma interpretao do domnio do Sistema, o que no
ocorre numa Rede Neural, onde os ns interiores (no de entrada e/ou sada)
cumprem apenas um papel estrutural na montagem da rede, sem um significado por
si s.
O significado de um n e suas tabelas de probabilidades pode ser objeto de

discusso externa, independentemente da sua funo na rede. Isto no faz sentido
quando falamos de redes neurais. Isto significa que a construo de Redes
Bayesianas requer conhecimento detalhado do domnio em questo. Se tal
conhecimento pode apenas ser obtido atravs de uma srie de exemplos, as redes
45
neurais parecem ter uma abordagem mais fcil. Isto pode ser verdade nos casos de
letras manuscritas, reconhecimento de faces, e outras reas onde a atividade
habilidade baseada apenas na experincia, mas no em sistemas de suporte
deciso.
comum a crtica s Redes Bayesianas quanto ao fato de que para construir a rede
voc necessita conhecer muitas probabilidades. Contudo, no existe uma diferena
considervel entre este nmero e o nmero de pesos e limites que devem ser
conhecidos a fim de construir uma rede neural, e estes ltimos s podem ser
conhecidos via treinamento. uma fraqueza enorme das redes neurais que voc no
possa utilizar o conhecimento disponvel priori. Probabilidades, por outro lado,
podem ser acessadas usando uma combinao de informaes tericas, estudos
empricos independentes da construo do sistema, treinamento e vrias outras
formas mais ou menos subjetivas. Finalmente, deve ser mencionado que na
construo de uma rede neural a rota de inferncia fixa. decidida de antemo,
sobre a qual as relaes de informao so unidas, e quais relaes o sistema
esperado que calcule. Redes Bayesianas so bastante mais flexveis a este respeito.
46
3. Metodologia
3.1. Objetivo
Com o objetivo de demonstrar uma possvel aplicao de Redes de Bayes em

Finanas Corporativas, investigaremos o potencial de crescimento dos fluxos de caixa
de companhias brasileiras de alguns setores econmicos utilizando um modelo
Bayesiano e compararemos o resultado, primeiramente com os resultados obtidos
por um modelo economtrico tradicional, e em seguida com o resultado real auferido
no perodo.
A metodologia consiste em uma seqncia de passos:

(i) primeiramente precisamos definir que empresas/setores desejamos
analisar. Ser necessrio levantar as sries histricas com diversas
informaes destas empresas, logo importante preocupar-se desde o incio
com o fato de que as informaes das empresas sejam publicamente
divulgadas, ou mesmo que no sejam pblicas, que sejam disponveis e
acessveis;
(ii) uma vez definidas as empresas e setores objeto de anlise, precisaremos

determinar para cada setor/empresa quais so as variveis econmicas
relevantes na determinao do crescimento dos seus fluxos de caixa. Algumas
informaes no diretamente prontas para serem usadas, logo requerero
transformaes. Por exemplo, teremos que montar os fluxos de caixa
projetados de todas as empresas analisadas a partir de Demonstrativos de
Resultados e Balanos de Empresas. Teremos ainda que converter diversas
sries mensais, trimestrais, quadrimestrais e anuais em um base de tempo
nica: quadrimestral, por exemplo.
iii) logo que os dados estejam uniformizados e prontos para serem usados,
utilizaremos as ferramentas economtricas tradicionais, assim como
47
conhecimento prvio sobre o setor em anlise e tambm a prpria ferramenta

de Redes Bayesianas para avaliar quais das variveis so efetivamente
relevantes para o crescimento do fluxo de caixa destes setores/empresas.
Utilizando os dados histricos uniformizados em modelos economtricos
tradicionais, assim como o mdulo de aprendizado estruturado da ferramenta
bayesiana, iremos por tentativa e erro propor as variveis relevantes para
cada setor eoonmico;
iv) Mais do que identificar as variveis importantes para o setor/empresas, os

modelos economtricos testados, assim como o mdulo de aprendizado
estruturado da ferramenta bayesiana nos permite sugerir e analisar possveis
relaes de causalidade entre estas variveis e para com a taxa de
crescimento dos fluxos de caixa das companhias inseridas em cada setor
econmico;
(iii), Aps todo o processo de anlise, elegeremos uma rede bayesiana que
ser nosso modelo de projeo para estimar o crescimento dos fluxos de caixa
para uma empresa inserida neste ambiente; Faremos comparaes dos
resultados obtidos atravs desta rede versus resultados obtidos por modelos
economtricos tradicionais, e finalmente compararemos com resultados reais
do perodo observado.
Toda esta metodologia para modelagem, levantamento e aplicao dos dados est
detalhadamente descrita adiante.
Obviamente, trata-se apenas de uma abordagem, frente s vrias alternativas

possveis, lembrando que nossa inteno demonstrar a possibilidade de aplicao
da ferramenta, mas no necessariamente encontrar o modelo mais otimizado, ou
mais eficiente, o que deixamos como sugesto para futuros trabalhos.
48
3.2. Modelos de Crescimento por Setor Econmico

Como regra geral, para todos os setores econmicos que analisamos, os modelos so
formados por:
a) variveis especficas do setor;
b) variveis macroeconmicas relevantes;
c) resultados financeiros das empresas que compem o setor;
Variveis Variveis
econmicas Macro-
do econmicas
Setor
Modelo
de previso
de crescimento
Variveis
financeiras
das Empresas
do Setor
Ilustrao 6 Modelo de previso de crescimento

3.2.1 Variveis Econmicas do Setor
Para cada setor analisado, buscamos informaes disponveis no mercado e

avaliamos se as mesmas so significantes no modelo de projeo. A determinao da
importncia ou no de cada varivel feita artesanalmente, inserindo e retirando
cada varivel do modelo e avaliando se os resultados comparativos com os dados
reais indicam alguma dependncia da varivel. Fonte de informaes: IPEADATA.
49
3.2.2 Variveis Macroeconmicas

Similarmente, avaliamos se o crescimento de variveis macroeconmicas tem
influncia significante na variao do crescimento de cada setor:
i) PIB
ii) Cambio
iii) Inflao (IGPM)
iv) Taxa Bsica de Juros (SELIC)
Fonte: IPEADATA.
3.2.3 Variveis Financeiras das Empresas

As variveis financeiras das empresas so coletadas a partir dos relatrios
financeiros: Balano Patrimonial e Demonstraes de Resultados do Exerccio.
Utilizamos as informaes para elaborar as duas variveis que compem os nossos

modelos:
i) Taxa de crescimento sustentvel: conforme teoria de crescimento

sustentvel [HIGGINS, p.116]
ii) Taxa de crescimento real observada: projetando-se o fluxo de caixa da
companhia e apurando o crescimento real dos fluxos perodo a perodo
[DAMODARAN, cap. 14 ], [BRIGHAM, cap. 14]
Fonte: Internet Securities e Economtica

50
3.3. Setor Siderurgia
3.3.1 Determinao das variveis relevantes

i) Variveis econmicas do Setor investigadas
produo de ao bruto
produo de laminados
produo de ferro gusa
As sries originais so mensais na sua origem, compreendendo o perodo de

1999 a 2006. Transformamos as mesmas em sries de crescimento
quadrimestral, i.e., o crescimento obtido pelo perodo quadrimestral em
relao ao perodo quadrimestral anterior. Cada varivel, portanto
compreende 24 registros (3 quadrimestres x 8 anos).
Tabela 9 Variveis Econmicas Setor Siderurgia
Produo - Produo - Produo -

Perodo ao bruto laminados ferro-gusa
1999Q1 0.4% 8.1% -0.6%
1999Q2 2.8% 13.0% 3.2%
1999Q3 -0.1% -6.5% 6.9%
2000Q1 6.0% 2.1% 2.9%
2000Q2 6.4% 12.1% 4.9%
2000Q3 0.2% -3.8% 1.4%
2001Q1 -0.6% 0.8% 1.9%
2001Q2 -13.7% -2.1% -12.6%
2001Q3 12.7% 0.2% 10.8%
2002Q1 1.1% -2.6% -1.7%
2002Q2 7.4% 7.5% 9.3%
2002Q3 4.4% 6.8% 4.6%
2003Q1 -3.2% -1.1% -4.2%
2003Q2 6.6% 5.6% 10.3%
2003Q3 -3.4% 3.1% -1.5%
2004Q1 3.0% 2.7% 2.0%
2004Q2 5.3% 4.6% 5.3%
2004Q3 -1.5% 2.3% 0.2%
2005Q1 -3.2% -5.0% -2.5%
2005Q2 -9.4% -5.1% -0.1%
2005Q3 9.0% 6.9% 0.3%
2006Q1 -9.0% -5.6% -14.3%
2006Q2 8.4% 11.0% 10.5%
2006Q3 4.6% -0.2% 6.7%
2007Q1 -5.2% 0.5% -5.8%
2007Q2 10.8% 7.5% 10.2%
Fonte: IPEADATA
Nota: dados trabalhados pelo autor
51
ii) Variveis macroeconmicas investigadas

a) PIB
b) Cambio
c) Inflao (IGPM)
d) Taxa Bsica de Juros (SELIC)
As sries histricas de variveis macro-econmicas tambm mensais*,

compreendendo 1999 a 2006, foram transformadas em sries de crescimento
quadrimestral, compreendendo, tambm, 24 registros.
Tabela 10 Variveis Macroeconmicas

Periodo PIB IGPM cambio selic
1999Q1 2.8% 8.0% 37.4% -2.0%
1999Q2 2.8% 3.2% 15.4% -33.3%
1999Q3 2.8% 7.4% -6.6% 2.0%
2000Q1 3.5% 2.0% 1.0% -19.0%
2000Q2 3.5% 5.1% 0.9% 8.5%
2000Q3 3.5% 2.5% 7.2% -14.7%
2001Q1 3.4% 2.4% 11.7% -1.0%
2001Q2 3.4% 4.7% 16.8% 34.9%
2001Q3 3.4% 2.8% -9.1% -12.9%
2002Q1 4.3% 1.1% 1.8% 6.5%
2002Q2 4.3% 6.6% 27.9% -2.7%
2002Q3 4.3% 15.2% 16.9% 20.7%
2003Q1 4.8% 7.1% -18.2% 7.4%
2003Q2 4.8% -1.3% 2.7% -5.2%
2003Q3 4.8% 2.7% -2.6% -22.6%
2004Q1 4.5% 3.9% 1.9% -13.9%
2004Q2 4.5% 5.2% -0.4% 9.5%
2004Q3 4.5% 2.6% -9.5% 14.6%
2005Q1 3.4% 2.4% -4.6% -4.8%
2005Q2 3.4% -1.7% -6.6% 17.5%
2005Q3 3.4% 0.5% -1.0% -11.1%
2006Q1 2.6% 0.3% -10.7% -26.9%
2006Q2 2.6% 1.7% 2.4% 16.6%
2006Q3 2.6% 1.8% 0.0% -21.4%
Fonte: IPEADATA
*exceo ao PIB de que dispomos apenas dos valores anuais. Fizemos o crescimento
linear entre os trs quadrimestres anuais. uma aproximao que devemos
considerar quando na observao dos resultados.
52
iii) Variveis financeiras: consideramos as seguintes empresas para anlise no Setor

Siderrgico, para as quais dispomos de informaes quadrimestrais completas no
perodo de 1999 a 2006:
i) USIMINAS Usinas Siderrgicas de MG S.A. (BP e DRE)

ii) CONFAB Confab Industrial S.A.
iii) CSN Companhia Siderrgica Nacional
iv) CVRD Companhia Vale do Rio Doce
v) Aos_Vilares Aos Villares S.A.
vi) Acesita Acesita S.A.
Para cada empresa, a partir do seu Demonstrativo de Resultado e Balano

Patrimonial, construmos o seu Fluxo de Caixa quadrimestral correspondente,
e a partir dele, calculamos o crescimento (decrescimento) do fluxo de um
quadrimestre em relao ao quadrimestre anterior. So portanto 24 registros,
assim como j fizemos para as demais variveis no-financeiras, para cada
empresa do setor.
De forma anloga, construmos um fluxo de caixa quadrimestral do Setor,

admitindo que o mesmo formado pelas seis empresas eleitas para anlise.
Somamos os fluxos de caixa gerados por cada empresa independentemente, e
obtemos um Fluxo de Caixa do Setor. A partir da, calculamos o crescimento
(decrescimento) do fluxo de um quadrimestre em relao ao quadrimestre
anterior, como fizemos para as demais variveis, obtendo os 24 registros.
Desta forma, obtemos uma srie quadrimestral de crescimentos reais de 1999

a 2006 para cada empresa que compe o Setor e uma srie nas mesmas
bases para o Setor inteiro, resumidas na tabela abaixo:
53
Tabela 11 Sries Quadrimestrais de crescimento Setor Siderurgia
USIMIN CONF Acos_Vil

Perodo Total CSN CVRD Acesita
AS AB ares
Q3-1998 nd nd nd nd nd nd nd
Q1-1999 3% 104% nd -18% 14% 113% nd
Q2-1999 -46% -573% nd -52% -18% -697% -5%
Q3-1999 2% 36% 20% -7% 6% 28% -15%
Q1-2000 -8% -129% -96% 12% -9% -197% 10%
Q2-2000 5% 16% -24% -2% 1% 46% 17%
Q3-2000 -13% 12% 72% -30% 1% -31% -24%
Q1-2001 13% 59% -46% 11% -4% 115% 3%
Q2-2001 -5% -128% -49% 10% 1% -1370% 24%
Q3-2001 45% 31% 42% 14% 93% 87% -21%
Q1-2002 -102% -59% 81% -32% nd -276% 12%
Q2-2002 12% 66% -95% 8% 14% 40% -49%
Q3-2002 -7% -160% 25% -29% 31% 14% 0%
Q1-2003 4% 75% -744% 41% -88% -324% 14%
Q2-2003 -14% -60% 249% -54% -15% 133% 18%
Q3-2003 -39% -33% -195% -69% 3% -241% -26%
Q1-2004 -8% -29% 68% 5% -30% -42% 7%
Q2-2004 9% 50% 12% 11% -1% 60% 28%
Q3-2004 -1% 3% -608% 15% -8% -414% 31%
Q1-2005 14% 649% -86% 29% -22% 133% -153%
Q2-2005 -31% -95% 141% -71% -1% -303% 58%
Q3-2005 0% 184% -66% 11% -10% 17% -24%
Q1-2006 -10% -55% -209% -3% -19% 17% 67%
Q2-2006 -9% 35% 59% 4% -3% -79% -658%
Q3-2006 15% 116% -537% 9% 4% nd 56%
A partir dos relatrios financeiros das companhias tambm levantamos as

informaes para clculo do crescimento sustentvel: g_sust, ou seja as
variveis alavancagem financeira (Lev), giro (Turnover) e margem de lucro
(Mg). As sries de crescimento sustentvel, g_sust, por empresa e por perodo
sero utilizadas posteriormente no clculo das probabilidades bayesianas.
A exemplo do que fizemos para o crescimento real, tambm calculamos o

crescimento sustentvel, g_sust, para o setor, somando as variveis: ativo
(Asset), patrimnio lquido (Equity), lucro (Profit), receitas (Incomes) de todas
as empresas.
54
Tabela 12 Sries de crescimento sustentvel Setor Siderurgia
Total Siderurgia
Ano Asset Incomes Equity Profit Lev Turnover Mg g_sust
Q3-1998 26,512,887 2,001,385 14,896,155 24,182 1.78 8% 1.2% 0.2%
Q1-1999 36,870,251 1,696,986 19,207,868 (236,299) 1.92 5% -13.9% -1.2%
Q2-1999 37,217,039 2,046,668 19,129,681 116,591 1.95 5% 5.7% 0.6%
Q3-1999 38,411,793 2,317,469 18,672,955 (149,573) 2.06 6% -6.5% -0.8%
Q1-2000 38,674,982 2,925,303 18,926,796 290,386 2.04 8% 9.9% 1.5%
Q2-2000 40,001,644 3,332,539 19,383,200 644,171 2.06 8% 19.3% 3.3%
Q3-2000 41,876,549 2,718,876 19,798,056 300,821 2.12 6% 11.1% 1.5%
Q1-2001 42,301,065 3,202,222 18,837,352 (259,442) 2.25 8% -8.1% -1.4%
Q2-2001 42,840,854 3,781,331 18,057,551 167,470 2.37 9% 4.4% 0.9%
Q3-2001 45,649,694 3,865,694 19,052,458 605,363 2.40 8% 15.7% 3.2%
Q1-2002 43,929,763 3,628,801 18,247,794 (27,281) 2.41 8% -0.8% -0.1%
Q2-2002 46,251,413 4,619,480 17,827,369 (584,469) 2.59 10% -12.7% -3.3%
Q3-2002 52,429,167 4,588,784 17,009,506 (1,191,609) 3.08 9% -26.0% -7.0%
Q1-2003 52,208,835 6,329,066 20,217,052 1,561,435 2.58 12% 24.7% 7.7%
Q2-2003 54,527,942 6,576,785 23,400,569 1,341,424 2.33 12% 20.4% 5.7%
Q3-2003 56,828,532 6,255,953 23,756,528 916,114 2.39 11% 14.6% 3.9%
Q1-2004 58,997,529 5,212,008 27,249,565 1,562,042 2.17 9% 30.0% 5.7%
Q2-2004 61,570,118 6,846,848 29,161,994 2,212,755 2.11 11% 32.3% 7.6%
Q3-2004 64,058,775 7,433,877 32,689,035 3,780,629 1.96 12% 50.9% 11.6%
Q1-2005 68,775,665 6,915,452 35,701,307 4,152,635 1.93 10% 60.0% 11.6%
Q2-2005 67,345,571 6,948,397 37,877,822 2,245,455 1.78 10% 32.3% 5.9%
Q3-2005 76,308,615 5,989,209 46,574,349 3,140,527 1.64 8% 52.4% 6.7%
Q1-2006 66,463,217 4,394,388 39,553,512 1,833,946 1.68 7% 41.7% 4.6%
Q2-2006 68,880,436 4,533,263 41,302,885 2,608,528 1.67 7% 57.5% 6.3%
Q3-2006 70,064,532 5,366,587 42,645,831 2,041,915 1.64 8% 38.0% 4.8%
3.3.2 Modelo Economtrico
Uma vez que dispomos de todas as sries das variveis nas mesmas bases de tempo
e premissas, procedemos agora investigao de quais dentre as variveis
levantadas so relevantes na determinao do crescimento do Setor Siderrgico.
Uma primeira anlise que podemos realizar atravs de ferramentas Economtricas

tradicionais embora, devamos nos lembrar das limitaes que incorremos ao recorrer
a esta ferramenta, i.e., principalmente que no capturaremos relaes no lineares
na regresso economtrica, podendo ao fazer isto, estar desprezando alguma
informao relevante. De qualquer forma, um ponto de partida para ao menos
identificarmos quais variveis tm importncia linear, portanto no devendo ser
desprezadas. Em outras palavras, poderemos afirmar com boa segurana quais
variveis so relevantes, mas princpio no vamos descartar as variveis que
falharem no Teste Economtrico.
55
Utilizando Testes Regresso Mltipla, identificamos quais variveis so, em

relevantes, e serviro de base para montagem da Rede Bayesiana e do Modelo
Economtrico. Note que, eventualmente, variveis que em princpio podem no ser
relevantes num modelo economtrico, em modelos bayesianos o sero. A razo disso
que o modelo de regresso mltipla captura apenas relao lineares entre as
variveis, j modelo Bayesiano deve capturar quaisquer relaes.
As variveis relevantes que encontramos pelo modelo economtrico para o nosso

setor Siderrgico so:
a) G_Sust: taxa de crescimento sustentvel [Teoria de Crescimento

Sustentvel (Estrutura de Capital)] , obtida a partir dos fundamentos
das companhias.
b) Ao: Produo de Ao
c) IGPM: Variao do ndice de inflao
d) Lamin: Produo de Laminados
e) PIB: crescimento do Produto Interno Bruto
O modelo economtrico de regresso mltipla nos fornece a seguinte expresso para

projeo do crescimento (G) do setor:
G = (3.27 G _ sustentavel ) + (1.89 Ao + 4.71 IGPM ) (1.25 La min ados ) (9.59 PIB )
(5)
Equao 5 Modelo Economtrico

Setor Siderurgia
Fonte: anlise prpria
Agora, utilizando os dados coletados e com a ajuda de uma ferramenta especfica

[HUGIN], avaliaremos o crescimento por meio de uma rede Bayesiana.
56
3.3.3 Modelo Bayesiano
Para a montagem da rede Bayesiana, necessitamos das probabilidades absolutas e

condicionais associadas aos estados que cada varivel (ou n da rede) podem
assumir.
Mais do que isso, precisamos definir as relaes de causalidade entre as variveis,

que varivel afetada por qual outra varivel.
A princpio parece um tanto complicado montar um modelo com tantas incertezas,

contudo na prtica toda essa flexibilidade acaba por se tornar o grande trunfo
desta ferramenta. Isto porque, podemos combinar diferentes tipos de conhecimento
para a modelagem da rede: conhecimentos tericos, conhecimentos empricos,
opinies de especialistas, resultados provenientes de outros modelos. Enfim,
podemos realizar testes do tipo E-SE, fazer e refazer ajustes at que se tenha um
modelo que mais se aproxime dos dados reais de que dispomos e possamos afirmar
com algum grau de confiabilidade que a rede representa razoavelmente as variveis
que queremos descrever. Neste momento nosso modelo estaria pronto para servir
como uma ferramenta de apoio tomada de decises, dada uma determinada
situao de estados de nossas variveis relevantes no modelo.
Outra funcionalidade extremamente interessante dos aplicativos que trabalham com

Redes de Bayes um mecanismo de sugesto de modelos de rede, com base nos
dados histricos com o quais alimentamos a ferramenta. Isto possvel, mesmo
antes de termos identificado quaisquer relaes de causalidade entre as variveis.
Podemos simplesmente carregar informaes histricas e solicitar uma sugesto de
rede para estes dados. Com base na resposta, podemos investigar se o modelo
sugerido faz sentido do ponto de vista terico ou est de acordo com suposies
iniciais.
57
Voltando aos nossos modelos de crescimento por setores econmicos, importante

dizer que cada uma das nossas variveis relevantes ser representada na Rede
Bayesiana por um n de rede. Falar em uma varivel ou em um n da Rede
Bayesiana, portanto, indiferente. Alm disso, cada varivel pode assumir
diferentes valores, ou dito de outra forma, cada n da rede pode assumir diferentes
estados.
Por simplicidade e disponibilidade da ferramenta que estamos utilizando, que trata-se

de uma verso demonstrativa para fins acadmicos, e portanto com diversas
limitaes de uso. A principal limitao que enfrentaremos est na capacidade de
processamento definida pelo nmero de variveis (nmero de ns de rede) vezes o
nmero de estados que cada varivel pode assumir. Desta forma, de alguma forma,
teremos que ser econmicos em definir variveis e nmero de estados.
Trabalharemos, tambm, com variveis discretas, ou seja, o nmero de estados
possveis para cada varivel ser finito e bem definido.
As nossas variveis originais, os crescimentos, so contnuas em sua origem. Por

exemplo, o crescimento sustentvel do primeiro quadrimestre para o segundo
quadrimestre de 2005 de 11,6%. Logo, ser necessrio discretizarmos as variveis
antes da aplicao na rede. Para isso, definiremos classes de freqncia, que
representaro estados discretos.
Na figura abaixo, encontram-se as classes de freqncia utilizadas para discretizao

dos estados de cada varivel. Desta forma, se num determinado quadrimestre a
produo de ao ficou entre 2% e 4%, isto significa que a varivel prod_ao assume
o estado: 2. Se o crescimento sustentvel da empresa (ou setor) foi de -8,56% no
quadrimestre, isto significa que a varivel g_sust assume o estado: 1
58
Tabela 13 Classes de freqncia Setor Siderurgia
Classe g Classe prod_aco

0 -50% 0 0%
1 -25% 1 2%
2 -5% 2 4%
3 5% 3 6%
4 25% 4 8%
5 50% 5 10%
Classe g_sust Classe IGPM

0 -15% 0 0.0%
1 -8% 1 1.5%
2 -2% 2 3.0%
3 2% 3 5.0%
4 8% 4 7.5%
5 15% 5 10.0%
Classe LAMIN Classe GUSA

0 -10% 0 -10%
1 -5% 1 -5%
2 -1% 2 -1%
3 1% 3 1%
4 5% 4 5%
5 10% 5 10%
Classe SELIC Classe CAMBIO Classe PIB

0 -25% 0 -15% 0 2.5%
1 -15% 1 -10% 1 3.0%
2 -5% 2 -4% 2 3.5%
3 5.0% 3 4% 3 4.0%
4 15% 4 10% 4 4.5%
5 25% 5 15% 5 5.0%
Utilizando as regras de discretizao acima para as variveis do nosso setor

siderrgico, obtemos as seguintes converses:
59
De:
Tabela 14 - Variveis contnuas Setor Siderurgia
Produo - Produo - Produo -

Perodo ao bruto laminados ferro-gusa Periodo PIB IGPM cambio selic
1999Q1 0.4% 8.1% -0.6% 1999Q1 2.8% 8.0% 37.4% -2.0%
1999Q2 2.8% 13.0% 3.2% 1999Q2 2.8% 3.2% 15.4% -33.3%
1999Q3 -0.1% -6.5% 6.9% 1999Q3 2.8% 7.4% -6.6% 2.0%
2000Q1 6.0% 2.1% 2.9% 2000Q1 3.5% 2.0% 1.0% -19.0%
2000Q2 6.4% 12.1% 4.9% 2000Q2 3.5% 5.1% 0.9% 8.5%
2000Q3 0.2% -3.8% 1.4%
2000Q3 3.5% 2.5% 7.2% -14.7%
2001Q1 -0.6% 0.8% 1.9%
2001Q1 3.4% 2.4% 11.7% -1.0%
2001Q2 -13.7% -2.1% -12.6%
2001Q2 3.4% 4.7% 16.8% 34.9%
2001Q3 12.7% 0.2% 10.8%
2001Q3 3.4% 2.8% -9.1% -12.9%
2002Q1 1.1% -2.6% -1.7%
2002Q2 7.4% 7.5% 9.3% 2002Q1 4.3% 1.1% 1.8% 6.5%
2002Q3 4.4% 6.8% 4.6% 2002Q2 4.3% 6.6% 27.9% -2.7%
2003Q1 -3.2% -1.1% -4.2% 2002Q3 4.3% 15.2% 16.9% 20.7%
2003Q2 6.6% 5.6% 10.3% 2003Q1 4.8% 7.1% -18.2% 7.4%
2003Q3 -3.4% 3.1% -1.5% 2003Q2 4.8% -1.3% 2.7% -5.2%
2004Q1 3.0% 2.7% 2.0% 2003Q3 4.8% 2.7% -2.6% -22.6%
2004Q2 5.3% 4.6% 5.3% 2004Q1 4.5% 3.9% 1.9% -13.9%
2004Q3 -1.5% 2.3% 0.2%
2004Q2 4.5% 5.2% -0.4% 9.5%
2005Q1 -3.2% -5.0% -2.5%
2004Q3 4.5% 2.6% -9.5% 14.6%
2005Q2 -9.4% -5.1% -0.1%
2005Q1 3.4% 2.4% -4.6% -4.8%
2005Q3 9.0% 6.9% 0.3%
2005Q2 3.4% -1.7% -6.6% 17.5%
2006Q1 -9.0% -5.6% -14.3%
2006Q2 8.4% 11.0% 10.5% 2005Q3 3.4% 0.5% -1.0% -11.1%
2006Q3 4.6% -0.2% 6.7% 2006Q1 2.6% 0.3% -10.7% -26.9%
2007Q1 -5.2% 0.5% -5.8% 2006Q2 2.6% 1.7% 2.4% 16.6%
2007Q2 10.8% 7.5% 10.2% 2006Q3 2.6% 1.8% 0.0% -21.4%
Para:
Tabela 15 Variveis Discretas Setor Siderurgia

aco cambio g_sust gusa igpm lamin pib
1999Q1 4 5 3 3 5 5 1
1999Q2 2 5 3 4 3 5 1
1999Q3 4 2 3 5 4 1 1
2000Q1 1 3 3 4 2 4 2
2000Q2 3 3 4 4 4 5 2
2000Q3 2 4 3 4 2 2 2
2001Q1 2 5 3 4 2 3 2
2001Q2 3 5 3 0 3 2 2
2001Q3 2 2 4 5 2 3 2
2002Q1 1 3 3 2 1 2 4
2002Q2 4 5 2 5 4 5 4
2002Q3 5 5 2 4 5 5 4
2003Q1 4 0 4 2 4 2 5
2003Q2 0 3 4 5 0 5 5
2003Q3 2 3 4 2 2 4 5
2004Q1 2 3 4 4 3 4 5
2004Q2 3 3 4 5 4 4 5
2004Q3 2 2 5 3 2 4 5
2005Q1 2 2 5 2 2 1 2
2005Q2 0 2 4 3 0 1 2
2005Q3 1 3 4 3 1 5 2
2006Q1 1 1 4 0 1 1 1
2006Q2 1 3 4 5 2 5 1
2006Q3 1 3 4 5 2 3 1
60
Dada a regra de discretizao das variveis, aplicamos as mesmas s nossas sries

histricas, tanto macroeconmicas, quanto variveis econmicas especficas do setor
e tambm as variveis financeiras das empresas que compem o setor. As sries
discretizadas para o nosso setor Siderrgico esto disponveis no Apndice.
As sries discretizadas so os dados de entrada da Rede Bayesiana. Entretanto,

devemos atentar se no existem informaes faltantes em cada linha de registro a
ser inserido na ferramenta. O Software que utilizamos rejeita registros com alguma
varivel com estado no definido. Assim, os registros incompletos so excludos na
amostra que utilizamos na ferramenta. Isso no chega a ser um problema enorme,
apenas reduz a nossa amostra probabilstica, mas no impede a montagem da rede.
A ferramenta [HUGIN] possui um mdulo de aprendizagem de estrutura (Learning

Structure Wizard) que utilizamos. O interessante desta funcionalidade que
conseguimos sugesto das relaes de causalidade, baseadas nos prprios dados
histricos. Alm disso, ela nos permite arbitrarmos relaes de causalidade baseada
em outras fontes de conhecimento que no os dados histricos.
Utilizando a ferramenta para os nossos dados, chegamos ao seguinte grafo para

nossa Rede Bayesiana. Tivemos que eliminar uma varivel de nossa avaliao por
limitao da verso acadmica do Software. Optamos por excluir a Selic, pois
imaginamos que de alguma forma, ainda que indireta, poderamos capturar seu
efeito atravs de outras variveis macroeconmicas, como IGPM, por exemplo.
61
Ilustrao 7 Modelo Bayesiano Setor Siderurgia

Em princpio, as relaes de causalidade acima nos parecem razoveis, embora

possam haver redundncias. Podemos observar nesse grafo de causalidade:
i) tanto a produo de ao, laminados e ferro gusa so afetados pela taxa de
cmbio.
ii) A produo de laminados influenciada, alm do cmbio, pela produo
de ferro-gusa e pelo crescimento das empresas do setor
iii) O crescimento das empresas do setor influenciado pelo taxa de
crescimento sustentvel das empresas e pelo PIB e influencia a produo
dos produtos ao, laminado e ferro gusa.
O grafo acima foi obtido a partir de relaes conhecidas de causalidade somadas as

sugestes a partir da ferramenta que apresentam relaes fortes.
Uma vez definida a rede bayesiana a partir dos dados amostrais, temos um modelo
de auxlio tomada de deciso. Utilizaremos a rede para estimar os valores de
crescimento do nosso setor e comparar os resultados com os dados reais auferidos
no perodo e os valores que obteramos utilizando o modelo economtrico
convencional.
62
Na tabela abaixo, encontram-se os resultados do modelo bayesiano, dadas as

variveis de entrada discretizadas para o nosso setor siderrgico:
Tabela 16 Siderurgia: Crescimento no Modelo Bayesiano

variveis entrada Classes
aco cambio g_sust gusa igpm lamin pib 0 1 2 3 4 5 Check E[g_bayes] erro2 erro2^2
1999Q1 4 5 3 3 5 5 1 50% 50% 100% 7,5% 0,04 0,00
1999Q2 2 5 3 4 3 5 1 50% 0% 23% 26% 100% -24,8% 0,21 0,05
1999Q3 4 2 3 5 4 1 1 54% 24% 0% 22% 100% -32,3% (0,34) 0,12
2000Q1 1 3 3 4 2 4 2 31% 1% 62% 6% 100% -9,0% (0,01) 0,00
2000Q2 3 3 4 4 4 5 2 29% 71% 100% 25,7% 0,20 0,04
2000Q3 2 4 3 4 2 2 2 19% 6% 6% 0% 44% 25% 100% -0,9% 0,12 0,01
2001Q1 2 5 3 4 2 3 2 10% 9% 0% 6% 40% 35% 100% 7,1% (0,06) 0,00
2001Q2 3 5 3 0 3 2 2 11% 9% 0% 0% 62% 18% 100% 5,1% 0,10 0,01
2001Q3 2 2 4 5 2 3 2 1% 45% 54% 100% 22,9% (0,22) 0,05
2002Q1 1 3 3 2 1 2 4 50% 50% 100% -17,5% 0,85 0,72
2002Q2 4 5 2 5 4 5 4 50% 50% 100% -7,5% (0,20) 0,04
2002Q3 5 5 2 4 5 5 4 43% 57% 100% -4,3% 0,03 0,00
2003Q1 4 0 4 2 4 2 5 22% 0% 0% 33% 44% 100% 3,9% 0,00 0,00
2003Q2 0 3 4 5 0 5 5 38% 0% 1% 18% 43% 100% -9,1% 0,05 0,00
2003Q3 2 3 4 2 2 4 5 31% 69% 100% -40,9% (0,02) 0,00
2004Q1 2 3 4 4 3 4 5 1% 19% 9% 34% 37% 100% 9,8% 0,18 0,03
2004Q2 3 3 4 5 4 4 5 0% 51% 49% 100% 22,2% 0,13 0,02
2004Q3 2 2 5 3 2 4 5 23% 0% 23% 11% 23% 20% 100% -8,9% (0,08) 0,01
2005Q1 2 2 5 2 2 1 2 57% 0% 43% 100% -24,3% (0,38) 0,15
2005Q2 0 2 4 3 0 1 2 61% 0% 38% 100% -28,5% 0,03 0,00
2005Q3 1 3 4 3 1 5 2 57% 1% 14% 28% 100% -26,5% (0,26) 0,07
2006Q1 1 1 4 0 1 1 1 31% 15% 15% 38% 100% -6,2% 0,04 0,00
2006Q2 1 3 4 5 2 5 1 28% 25% 46% 100% -0,8% 0,08 0,01
2006Q3 1 3 4 5 2 3 1 28% 25% 46% 100% -0,8% (0,16) 0,03
1,347
Dados os estados das variveis de entrada, temos as probabilidades para a varivel

crescimento (g) estar em cada uma das classes (ou estados) com base no
conhecimento adquirido pela rede, dadas as sries histricas das empresas que
compem o nosso setor.
Por exemplo, se num determinado momento, as variveis de entrada para o setor ou

uma empresa que compe o setor, apresentar-se nos estados conforme abaixo:
Ao:2; cambio: 5; g_sust: 3; gusa:4; igpm:3; lamin:5; pib:1; a rede nos informa que
o crescimento desta empresa no setor (ou o crescimento do prprio setor dadas
essas variveis de entrada) ter 50% de chance de ser menor que -50%, 0.46% de
chance de estar entre -25% e -5%, 23% de chance de estar entre -5% e +5%, e
26% de chance de estar entre 25% e 50%.
63
3.3.4 Comparao entre os modelos e dados reais
Se calcularmos o valor esperado destas probabilidades, considerando o valor central

das classes de freqncia, obtemos os valores de crescimento do setor pelo modelo
bayesiano apresentados na tabela abaixo. Na mesma tabela dispomos os valores de
previso obtidos pelo modelo economtrico, bem como os valores reais de
crescimentos do setor nestes perodos. Nas duas colunas da direita so apresentados
os erros quadrticos de ponto amostral do modelo economtrico em relao aos
valores reais e do modelo bayesiano em relao aos valores reais.
Tabela 17 Siderurgia: Economtrico x Bayesiano x Dados Reais
Crescimento (g) erro quadrtico

Real Econometrico Bayes Econometrico Bayesiano
1999Q1 3,2% -3,0% 11,3% 0,004 0,01
1999Q2 -46,2% -21,0% -22,9% 0,063 0,05
1999Q3 1,7% 12,8% -30,7% 0,012 0,10
2000Q1 -7,8% -10,1% -8,6% 0,001 0,00
2000Q2 5,3% -1,2% 31,1% 0,004 0,07
2000Q3 -12,5% -11,6% 0,5% 0,000 0,02
2001Q1 12,8% -27,5% 9,0% 0,162 0,00
2001Q2 -4,5% -30,2% 5,7% 0,066 0,01
2001Q3 44,6% 15,2% 26,9% 0,086 0,03
2002Q1 -102,3% -31,3% -13,8% 0,504 0,78
2002Q2 12,4% -16,2% -11,3% 0,082 0,06
2002Q3 -6,8% 7,3% -7,5% 0,020 0,00
2003Q1 3,7% 8,1% 7,2% 0,002 0,00
2003Q2 -13,9% -27,8% -5,9% 0,019 0,01
2003Q3 -38,6% -31,0% -46,0% 0,006 0,01
2004Q1 -8,4% -4,0% 11,2% 0,002 0,04
2004Q2 9,5% 10,3% 25,9% 0,000 0,03
2004Q3 -0,5% 1,2% -7,4% 0,000 0,00
2005Q1 14,1% 16,7% -21,1% 0,001 0,12
2005Q2 -31,2% -32,7% -25,6% 0,000 0,00
2005Q3 -0,4% -0,3% -24,4% 0,000 0,06
2006Q1 -10,3% -19,0% -3,3% 0,008 0,00
2006Q2 -9,2% 5,4% 2,6% 0,021 0,01
2006Q3 15,4% 7,9% 2,6% 0,006 0,02
1,069 1,435
Dispomos os resultados graficamente, abaixo para termos uma melhor compreenso

das diferenas dos dois modelos de previso, economtrico e bayesiano em relao
aos dados reais dos perodos.
64
60%
40%
20%
0%
99Q1 99Q2 99Q3 00Q1 00Q2 00Q3 01Q1 01Q2 01Q3 02Q1 02Q2 02Q3 03Q1 03Q2 03Q3 04Q1 04Q2 04Q3 05Q1 05Q2 05Q3 06Q1 06Q2 06Q3
-20%
g_economet
g_real
Bayes
-40%
-60%
-80%
-100%
-120%
Ilustrao 8 Siderurgia: Economtrico x Bayesiano x Dados Reais

Observa-se que para o caso analisado o modelo bayesiano ligeiramente inferior ao

modelo economtrico pelo critrio de desvio quadrtico em relao aos valores reais.
Isso pode ser considerado um bom resultado, dado que como estamos olhando
apenas para dados passados o modelo economtrico de regresso o que deve
apresentar o menor desvio quadrtico.
Entretanto os resultados no so substancialmente diferentes. Aparentemente, as

relaes entre crescimento do setor e variveis de entrada tem relaes de
linearidade bem ntidas, como se pode verificar nos perodos entre 2003 e 2005,
onde o modelo economtrico tem praticamente erro nulo em relao aos dados
reais.
Em geral, o modelo bayesiano apresenta melhores resultados quando existem

relaes no lineares entre as variveis no capturadas no modelo de regresso
mltipla, o que ocorre, por exemplo no perodo entre 2001 e 2002, curiosamente
perodo de maior turbulncia econmica em virtude do apago de energia.
65
3.4. Setor Alimentos

a) Produo industrial - carne de aves
b) Produo industrial - carne bovina
c) Preo da soja (US$) em farelo por tonelada mtrica
As sries originais so mensais na sua origem, compreendendo o perodo de

1999 a 2006. Transformamos as mesmas em sries de crescimento
quadrimestral, i.e., o crescimento obtido pelo perodo quadrimestral em
relao ao perodo quadrimestral anterior. Cada varivel, portanto
compreende 24 registros (3 quadrimestres x 8 anos).
Tabela 18 - Variveis Econmicas Setor Alimentos

Prod. Preo Soja
Perodo AVES Prod. CARNE (R$)
1999Q1 -2.4% 2.3% 68.5%
1999Q2 6.9% 6.8% -1.8%
1999Q3 4.5% -2.1% 14.9%
2000Q1 0.8% -4.1% 5.6%
2000Q2 1.2% 1.4% 3.2%
2000Q3 2.2% 0.0% 12.0%
2001Q1 -2.2% -2.1% 0.1%
2001Q2 8.7% 7.7% 20.2%
2001Q3 7.2% 9.3% 0.5%
2002Q1 -5.9% -8.5% -10.5%
2002Q2 8.7% 6.2% 40.7%
2002Q3 -2.0% 6.4% 21.2%
2003Q1 -4.4% -4.1% -7.3%
2003Q2 1.1% -1.8% -5.3%
2003Q3 -0.6% 2.5% 17.8%
2004Q1 0.5% 0.7% 27.0%
2004Q2 4.9% 14.3% -3.6%
2004Q3 -0.6% 2.2% -44.5%
2005Q1 1.0% -5.0% 3.5%
2005Q2 1.8% 7.8% 8.3%
2005Q3 1.8% -4.8% -18.9%
2006Q1 0.4% -1.1% -4.6%
2006Q2 -12.2% 4.7% -2.1%
2006Q3 9.7% 2.2% 3.4%
Fonte: IPEADATA
66

a) PIB
b) Cambio
c) Inflao (IGPM)
Apresentadas na Tabela 10 Variveis Macroeconmicas.

Alimentos, para as quais dispomos de informaes quadrimestrais completas no
i) PERDIGAO
ii) PARMALAT
iii) LECO
iv) AVIPAL
empresa do setor.

67

Tabela 19 Sries Quadrimestrais de crescimento Setor Alimentos

TOTAL
Perodo Food LECO PERDIGAO PARMALAT AVIPAL
1999Q1 16% -1355% 4097% nd 144%
1999Q2 873% 37% -49% -535% -211%
1999Q3 37% -137% -88% -75% 257%
2000Q1 -38% -117% 4012% 80% -207%
2000Q2 28% 151% -91% -275% -4%
2000Q3 45% -106% 39% -48% 102%
2001Q1 -35% -111% 368% 55% -6958%
2001Q2 -37% -651% 46% -20% 212%
2001Q3 403% -4% -24% -234% -162%
2002Q1 -90% 17% 145% 91% 107%
2002Q2 403% 14% -123% -406% -897%
2002Q3 -101% 6% -68% 88% 391%
2003Q1 -7216% 0% 228% -326% -117%
2003Q2 -4% 17% -51% -35% 442%
2003Q3 208% -21% 193% -112% -317%
2004Q1 -61% -74% 189% 28% 202%
2004Q2 197% 94% -66% -87% -171%
2004Q3 -73% -796% -26% 103% -128%
2005Q1 -229% 1% 257% -1134% 321%
2005Q2 -434% 149% -68% -44% -248%
2005Q3 -108% -324% 107% 15% 148%
2006Q1 -889% -20% -100% -95% -121%
2006Q2 -59% -6% nd 82% -49%
2006Q3 0% 15% nd 301% nd


as empresas.
68
Tabela 20 - Sries de crescimento sustentvel Setor Alimentos
Total Alimentos
Ano g Asset Incomes Equity Profit Lev Turnove Mg ROE
Q3-1998 nd 2,951,528 498,222 1,154,820 7,288 2.56 17% 1.5% 0.6%
Q1-1999 16% 2,812,862 444,343 1,053,752 (21,106) 2.67 16% -4.7% -2.0%
Q2-1999 873% 2,921,770 457,144 1,495,084 (2,847) 1.95 16% -0.6% -0.2%
Q3-1999 37% 2,819,713 463,273 1,737,598 841 1.62 16% 0.2% 0.0%
Q1-2000 -38% 2,206,258 40,627 236,416 555 9.33 2% 1.4% 0.2%
Q2-2000 28% 1,390,780 324,442 903,724 (9,054) 1.54 23% -2.8% -1.0%
Q3-2000 45% 1,388,047 54,470 907,214 3,386 1.53 4% 6.2% 0.4%
Q1-2001 -35% 1,840,498 268,974 1,430,835 (5,596) 1.29 15% -2.1% -0.4%
Q2-2001 -37% 2,044,247 503,752 1,891,601 37,916 1.08 25% 7.5% 2.0%
Q3-2001 403% 3,893,964 594,259 2,236,071 23,704 1.74 15% 4.0% 1.1%
Q1-2002 -90% 3,101,603 176,785 2,050,815 (42,523) 1.51 6% -24.1% -2.1%
Q2-2002 403% 3,199,160 526,255 1,906,299 (61,681) 1.68 16% -11.7% -3.2%
Q3-2002 -101% 3,453,647 667,413 1,312,443 (95,588) 2.63 19% -14.3% -7.3%
Q1-2003 -7216% 3,641,761 644,230 1,852,890 (22,204) 1.97 18% -3.4% -1.2%
Q2-2003 -4% 3,628,924 622,621 1,762,734 16,291 2.06 17% 2.6% 0.9%
Q3-2003 208% 3,447,250 133,649 1,225,703 8,711 2.81 4% 6.5% 0.7%
Q1-2004 -61% 3,634,623 323,879 692,662 3,113 5.25 9% 1.0% 0.4%
Q2-2004 197% 3,916,026 618,814 1,819,698 43,800 2.15 16% 7.1% 2.4%
Q3-2004 -73% 3,796,262 733,490 1,812,237 (8,063) 2.09 19% -1.1% -0.4%
Q1-2005 -229% 3,782,120 687,305 1,609,310 53,351 2.35 18% 7.8% 3.3%
Q2-2005 -434% 3,677,279 290,278 1,640,746 39,394 2.24 8% 13.6% 2.4%
Q3-2005 -108% 3,881,118 833,660 1,580,035 64,470 2.46 21% 7.7% 4.1%
Q1-2006 -889% 2,417,585 642,468 96,938 (60,986) 24.94 27% -9.5% -62.9%
Q2-2006 -59% 3,510,995 688,107 1,339,454 (46,974) 2.62 20% -6.8% -3.5%
Q3-2006 3,462,927 737,291 1,788,102 16,369 1.94 21% 2.2% 0.9%


setor Siderrgico so:
a) Produo de Carne
b) Cambio: Variao Cambial
69
c) IGPM: Variao do ndice de inflao

G = 180 xIGPM + 63,092 xCAMBIO + 75,986 xCARNE (6)
Equao 6 Modelo
Economtrico Setor Alimentos
Fonte: Anlise Prpria
Agora, utilizando os dados coletados e com a ajuda da ferramenta [HUGIN],

avaliaremos o crescimento por meio de uma rede Bayesiana.
Lembrando que nossas variveis originais, os crescimentos, so contnuas em sua

origem, necessrio discretiz-las antes da aplicao na rede. Para isso, definiremos
classes de freqncia, que representaro estados discretos.

dos estados de cada varivel.
Tabela 21 Classes de freqncia Setor Alimentos
Classe g_sust Classe carne Classe Soja

0 -5% 0 -8% 0 -20%
1 -2% 1 -4% 1 -10%
2 -1% 2 -1% 2 -5%
3 1% 3 1% 3 5%
4 2% 4 4% 4 10%
5 5% 5 8% 5 20%
Classe g Classe Aves

0 -100% 0 -8%
1 -50% 1 -4%
2 -10% 2 -1%
3 10% 3 1%
4 50% 4 4%
5 100% 5 8%
70
Classe PIB Classe selic

0 1.0% 0 -20%
1 1.5% 1 -10%
2 2.5% 2 -5%
3 3.5% 3 5%
4 4.5% 4 10%
5 5.0% 5 20%
Classe cambio Classe igpm

0 -10% 0 0%
1 -3% 1 2%
2 -1% 2 4%
3 1% 3 6%
4 10% 4 8%
5 20% 5 10%

De:
Tabela 22 - Variveis contnuas Setor Alimentos
Alimentos
Prod. Preo Soja
g AVES g_sust Prod. CARNE (R$) PIB IGPM cambio selic
1999Q1 15.9% -2.4% -2.0% 2.3% 68.5% 2.8% 8.0% 37.4% -2.0%
1999Q2 873.4% 6.9% -0.2% 6.8% -1.8% 2.8% 3.2% 15.4% -33.3%
1999Q3 37.0% 4.5% 0.0% -2.1% 14.9% 2.8% 7.4% -6.6% 2.0%
2000Q1 -38.1% 0.8% 0.2% -4.1% 5.6% 3.5% 2.0% 1.0% -19.0%
2000Q2 28.4% 1.2% -1.0% 1.4% 3.2% 3.5% 5.1% 0.9% 8.5%
2000Q3 45.2% 2.2% 0.4% 0.0% 12.0% 3.5% 2.5% 7.2% -14.7%
2001Q1 -34.8% -2.2% -0.4% -2.1% 0.1% 3.4% 2.4% 11.7% -1.0%
2001Q2 -36.9% 8.7% 2.0% 7.7% 20.2% 3.4% 4.7% 16.8% 34.9%
2001Q3 403.3% 7.2% 1.1% 9.3% 0.5% 3.4% 2.8% -9.1% -12.9%
2002Q1 -90.1% -5.9% -2.1% -8.5% -10.5% 4.3% 1.1% 1.8% 6.5%
2002Q2 402.7% 8.7% -3.2% 6.2% 40.7% 4.3% 6.6% 27.9% -2.7%
2002Q3 -100.7% -2.0% -7.3% 6.4% 21.2% 4.3% 15.2% 16.9% 20.7%
2003Q1 -7216.1% -4.4% -1.2% -4.1% -7.3% 4.8% 7.1% -18.2% 7.4%
2003Q2 -4.0% 1.1% 0.9% -1.8% -5.3% 4.8% -1.3% 2.7% -5.2%
2003Q3 208.3% -0.6% 0.7% 2.5% 17.8% 4.8% 2.7% -2.6% -22.6%
2004Q1 -61.0% 0.5% 0.4% 0.7% 27.0% 4.5% 3.9% 1.9% -13.9%
2004Q2 197.0% 4.9% 2.4% 14.3% -3.6% 4.5% 5.2% -0.4% 9.5%
2004Q3 -72.9% -0.6% -0.4% 2.2% -44.5% 4.5% 2.6% -9.5% 14.6%
2005Q1 -228.8% 1.0% 3.3% -5.0% 3.5% 3.4% 2.4% -4.6% -4.8%
2005Q2 -434.5% 1.8% 2.4% 7.8% 8.3% 3.4% -1.7% -6.6% 17.5%
2005Q3 -108.1% 1.8% 4.1% -4.8% -18.9% 3.4% 0.5% -1.0% -11.1%
2006Q1 -888.9% 0.4% -62.9% -1.1% -4.6% 2.6% 0.3% -10.7% -26.9%
2006Q2 -59.2% -12.2% -3.5% 4.7% -2.1% 2.6% 1.7% 2.4% 16.6%
2006Q3 0.0% 9.7% 0.9% 2.2% 3.4% 2.6% 1.8% 0.0% -21.4%

71
Para:
Tabela 23 Variveis Discretas Setor Alimentos
Aves Carne Soja g_sust pib igpm cambio
1999Q1 2 4 5 1 3 4 5
1999Q2 5 5 3 3 3 2 5
1999Q3 5 2 5 3 3 4 1
2000Q1 3 1 4 3 3 1 3
2000Q2 4 4 3 2 3 3 3
2000Q3 4 3 5 3 3 2 4
2001Q1 2 2 3 3 3 2 5
2001Q2 5 5 5 5 3 3 5
2001Q3 5 5 3 4 3 2 1
2002Q1 1 0 1 1 4 1 4
2002Q2 5 5 5 1 4 4 5
2002Q3 2 5 5 0 4 5 5
2003Q1 1 1 2 2 5 4 0
2003Q2 4 2 2 3 5 0 4
2003Q3 3 4 5 3 5 2 2
2004Q1 3 3 5 3 5 2 4
2004Q2 5 5 3 5 5 3 3
2004Q3 3 4 0 3 5 2 1
2005Q1 3 1 3 5 3 2 1
2005Q2 4 5 4 5 3 0 1
2005Q3 4 1 1 5 3 1 3
2006Q1 3 2 3 0 3 1 0
2006Q2 0 5 3 1 3 1 4
2006Q3 5 4 3 3 3 1 3

e tambm as variveis financeiras das empresas que compem o setor.
Utilizando algoritmos de aprendizado de estrutura da ferramenta [HUGIN], similar ao

que fizemos j para o setor siderrgico, chegamos ao seguinte grafo para nossa
Rede Bayesiana.
72
Ilustrao 9 Modelo Bayesiano Setor Alimentos

As relaes de causalidade acima parecem ter redundncias. Podemos observar

nesse grafo de causalidade:
i) O crescimento dos fluxos de caixa associado diretamente ao crescimento
dos nveis de produo de carne bovina e de aves, assim como associado
aos fundamentos econmicos das companhias, i.e., a taxa de crescimento
sustentvel.
ii) A variao cambial, assim como a taxa de crescimento do Produto Interno
Bruto afeta a produo de carne bovina e avcola e tambm os
fundamentos econmicos das empresas
iii) A inflao afeta diretamente a taxa de crescimento da produo de carne
avcola e bovina, mas afeta apenas indiretamente a taxa de crescimento
sustentvel.
O grafo acima foi obtido a partir de relaes conhecidas de causalidade, que

impusemos ferramenta, somadas as sugestes a partir da ferramenta que
apresentam relaes fortes. Eventualmente possam existir relaes redundantes,
73
ou mesmo relaes que no conseguimos capturar pelo mtodo de tentativa e erro,

contudo conforme j comentamos no incio deste trabalho, nosso objetivo no
encontrar o modelo timo, mas sim demonstrar a aplicao da ferramenta.
convencional.

Tabela 24 Alimentos: Crescimento no Modelo Bayesiano
Aves Carne Soja g_sust pib igpmcambio 0 1 2 3 4 5 E[g_bayes] erro2 erro2^2

1999Q1 2 4 5 1 3 4 5 17% 17% 17% 17% 17% 17% -167% (1.83) 3.33
1999Q2 5 5 3 3 3 2 5 40% 20% 20% 20% -385% (12.58) 158.35
1999Q3 5 2 5 3 3 4 1 50% 50% 0% (0.37) 0.14
2000Q1 3 1 4 3 3 1 3 100% -1000% (9.62) 92.53
2000Q2 4 4 3 2 3 3 3 #### 75% 0.47 0.22
2000Q3 4 3 5 3 3 2 4 100% -30% (0.75) 0.57
2001Q1 2 2 3 3 3 2 5 100% -1000% (9.65) 93.16
2001Q2 5 5 5 5 3 3 5 100% -1000% (9.63) 92.75
2001Q3 5 5 3 4 3 2 1 100% -1000% (14.03) 196.93
2002Q1 1 0 1 1 4 1 4 #### 75% 1.65 2.73
2002Q2 5 5 5 1 4 4 5 100% -1000% (14.03) 196.77
2002Q3 2 5 5 0 4 5 5 #### 75% 1.76 3.09
2003Q1 1 1 2 2 5 4 0 17% 17% 17% 17% 17% 17% -167% 70.49 4,969.46
2003Q2 4 2 2 3 5 0 4 50% 50% 23% 0.27 0.07
2003Q3 3 4 5 3 5 2 2 100% -1000% (12.08) 146.00
2004Q1 3 3 5 3 5 2 4 50% 50% 0% 0.61 0.37
2004Q2 5 5 3 5 5 3 3 100% -1000% (11.97) 143.28
2004Q3 3 4 0 3 5 2 1 17% 17% 17% 17% 17% 17% -167% (0.94) 0.88
2005Q1 3 1 3 5 3 2 1 50% 50% -463% (2.34) 5.46
2005Q2 4 5 4 5 3 0 1 50% 50% -515% (0.81) 0.65
2005Q3 4 1 1 5 3 1 3 50% 50% -485% (3.77) 14.21
2006Q1 3 2 3 0 3 1 0 100% -1000% (1.11) 1.23
2006Q2 0 5 3 1 3 1 4 100% -30% 0.29 0.09
2006Q3 5 4 3 3 3 1 3 17% 17% 17% 17% 17% 17% -167% (1.67) 2.78
-31.64 6125.03
Dados os estados das variveis de entrada, temos as probabilidades para que a

varivel crescimento (g) esteja em cada uma das classes (ou estados) com base no
74

Tabela 25 Alimentos: Economtrico x Bayesiano x Dados Reais

Real Econometrico Bayes EconometricoBayesiano
1999Q1 15.9% 1092.3% -166.7% 115.87 3.33
1999Q2 873.4% 910.4% -385.0% 0.14 158.35
1999Q3 37.0% -1902.6% 0.0% 376.19 0.14
2000Q1 -38.1% -604.9% -1000.0% 32.13 92.53
2000Q2 28.4% -757.6% 75.0% 61.78 0.22
2000Q3 45.2% 15.9% -30.0% 0.09 0.57
2001Q1 -34.8% 146.2% -1000.0% 3.28 93.16
2001Q2 -36.9% 795.5% -1000.0% 69.29 92.75
2001Q3 403.3% -367.7% -1000.0% 59.45 196.93
2002Q1 -90.1% -722.8% 75.0% 40.02 2.73
2002Q2 402.7% 1041.6% -1000.0% 40.82 196.77
2002Q3 -100.7% -1187.2% 75.0% 118.03 3.09
2003Q1 -7216.1% -2734.2% -166.7% 2,008.76 4,969.46
2003Q2 -4.0% 264.0% 22.5% 7.18 0.07
2003Q3 208.3% -456.9% -1000.0% 44.25 146.00
2004Q1 -61.0% -531.0% 0.0% 22.10 0.37
2004Q2 197.0% 127.1% -1000.0% 0.49 143.28
2004Q3 -72.9% -908.9% -166.7% 69.88 0.88
2005Q1 -228.8% -1103.4% -462.5% 76.49 5.46
2005Q2 -434.5% 473.9% -515.0% 82.51 0.65
2005Q3 -108.1% -510.1% -485.0% 16.16 14.21
2006Q1 -888.9% -809.3% -1000.0% 0.63 1.23
2006Q2 -59.2% 202.3% -30.0% 6.84 0.09
2006Q3 0.0% -166.9% -166.7% 2.79 2.78
3255.154 6125.030
Verificamos, que neste caso o modelo Bayesiano foi substancialmente inferior ao

benchmark oferecido pelo modelo Economtrico.
75
3.5. Setor Energia
a) Gerao de energia eltrica-trmica convencional
b) Gerao de energia eltrica-hidrulica
As sries originais so mensais na sua origem, compreendendo o perodo de 1999 a
2006. Transformamos as mesmas em sries de crescimento quadrimestral, i.e., o
crescimento obtido pelo perodo quadrimestral em relao ao perodo quadrimestral
anterior. Cada varivel, portanto compreende 24 registros (3 quadrimestres x 8
anos).
Tabela 26 Variveis Econmicas Setor Energia
Gerao de Gerao de
energia eltrica - energia
trmica eltrica -
convencional - hidrulica -
Perodo qde. qde.
1998Q3
1999Q1 49.3% -0.2%
1999Q2 15.4% 1.5%
1999Q3 26.7% 0.2%
2000Q1 4.0% 1.8%
2000Q2 3.3% 0.5%
2000Q3 -15.4% 0.9%
2001Q1 31.9% 1.0%
2001Q2 10.1% -20.4%
2001Q3 6.0% -3.0%
2002Q1 -2.2% 13.8%
2002Q2 -12.7% 4.5%
2002Q3 -20.7% 6.0%
2003Q1 -8.5% 1.9%
2003Q2 14.9% -2.7%
2003Q3 23.1% 3.7%
2004Q1 86.2% 0.6%
2004Q2 -9.9% 2.4%
2004Q3 13.8% 2.0%
2005Q1 -40.5% 4.8%
2005Q2 -10.4% -3.5%
2005Q3 17.6% 2.0%
2006Q1 -7.4% 4.3%
2006Q2 -5.9% -2.2%
2006Q3 11.1% 1.1%
Fonte: IPEADATA
76

a) PIB
b) Cambio
c) Inflao (IGPM)
As sries histricas de variveis macro-econmicas tambm mensais*,

compreendendo 1999 a 2006, foram transformadas em sries de crescimento
quadrimestral, compreendendo, tambm, 24 registros.
Apresentadas na Tabela 10 Variveis Macroeconmicas.

Energia, para as quais dispomos de informaes quadrimestrais completas no
i) AES_Eletropaulo
ii) Ampla(Cerj)
iii) Bandeirante
iv) Chesf
v) Cemig
vi) Celesc
vii) Cesp
viii) Comgas
ix) Copel
x) Cpfl_Paulista
xi) Cteep
xii) Eletrobrs
xiii) Light
77

empresa do setor.


Tabela 27 Sries Quadrimestrais de crescimento Setor Energia

Eletrobra Cpfl_Pau Bandeira Ampla( AES_Ele
Periodo Total Light s Copel Cteep lista Chesf Cemig Cesp Celesc nte Cerj) tropaulo Comgas
1998Q3 nd nd nd nd nd nd nd nd nd nd nd nd nd nd
1999Q1 -38% nd 260% -3% nd nd -3% -12% nd nd -15% 57% 131% 0%
1999Q2 -23% 26% -91% 11% 14% -47% 5% 11% -29% -40% 33% 43% -63% 4%
1999Q3 7% -18% -223% -4% -8% 27% -3% -1% 42% -8% 3% 48% 14% 35%
2000Q1 8% -13% 72% -11% 3% 170% 4% 0% 9% 42% 35% -33% -40% -135%
2000Q2 -3% 15% -193% 7% -5% -203% 0% 1% 3% -39% -54% -18% 21% 121%
2000Q3 -3% -24% 251% -1% 7% -60% 0% 8% -13% -12% 0% -6% -65% -400%
2001Q1 -12% 10% -164% -2% 1% 5% -7% -35% -19% 41% 30% -24% 16% -4%
2001Q2 13% -8% 87% -3% -3% 73% 7% 29% 14% -53% -34% 15% 28% 8%
2001Q3 -6% -17% -1759% 97% 12% -603% -1% -15% -14% 0% -20% -16% 1% -45%
2002Q1 18% -62% 201% 700% -17% 53% 1% 17% 28% 2% 19% -19% -14% 38%
2002Q2 -20% 74% -267% -174% -134% 4% -5% 5% -37% 3% 30% 5% -18% -200%
2002Q3 -1% -30% -33% 44% -1% -32% 5% -6% -25% 3% 59% 39% 73% 77%
2003Q1 21% -76% 119% 53% 6% 25% -2% 8% 56% 47% 13% -8% -197% -260%
2003Q2 9% 36% 187% 329% -2% 78% 4% 4% -47% -100% -7% 3% -8% 90%
2003Q3 -31% -80% -113% -113% -2% -530% -1% -5% -32% 16% 45% -86% 4% -1227%
2004Q1 12% 42% 1025% 219% 0% 38% 3% 6% 23% -100% -650% 137% -172% 47%
2004Q2 -3% -34% -75% 674% -2% -6% -3% -8% -21% 37% 46% -310% 67% 15%
2004Q3 3% -6% 161% -75% 0% -97% 1% 10% 18% 13% 17% -66% 21% -154%
2005Q1 20% -4% -96% -126% 6% 16% 1% 150% -4% -53% -89% 87% 21% 35%
2005Q2 17% -18% 9861% -588% 14% 73% -2% -89% 4% -13% -22% -312% -14% -3%
2005Q3 -27% -28% -88% 168% -41% -13% 0% -174% -3% 61% 101% 42% -92% 59%
2006Q1 -5% 39% -60% 415% 13% -161% 2% -196% -6% -160% -6625% -141% 41% -343%
2006Q2 5% 17% -273% 34% -4% 78% -11% 136% 10% 48% -36% 51% -10% -19%
2006Q3 -1% -22% 31% -83% 1% -114% 8% 272% 23% 5% -71% -233% -50% -4%
78


as empresas.
Tabela 28 Sries de crescimento sustentvel Setor Energia
Energia
Ano Asset Incomes Equity Profit Lev Turnover Mg g_sust
Q3-1998 163,218,437 4,453,594 107,163,950 1,540,652 1.52 3% 34.6% 1.4%
Q1-1999 167,232,196 4,466,596 109,153,926 791,253 1.53 3% 17.7% 0.7%
Q2-1999 161,236,263 4,705,740 105,090,512 552,716 1.53 3% 11.7% 0.5%
Q3-1999 161,590,534 5,354,565 105,973,510 395,643 1.52 3% 7.4% 0.4%
Q1-2000 160,921,565 5,701,453 106,979,743 644,526 1.50 4% 11.3% 0.6%
Q2-2000 162,369,779 5,776,999 108,549,834 644,001 1.50 4% 11.1% 0.6%
Q3-2000 165,668,497 6,955,883 109,788,800 233,506 1.51 4% 3.4% 0.2%
Q1-2001 173,526,044 6,509,765 108,911,204 456,032 1.59 4% 7.0% 0.4%
Q2-2001 177,069,955 7,846,866 108,661,734 381,066 1.63 4% 4.9% 0.4%
Q3-2001 181,194,113 5,469,198 108,681,060 (292,052) 1.67 3% -5.3% -0.3%
Q1-2002 181,942,726 7,915,508 109,351,060 553,953 1.66 4% 7.0% 0.5%
Q2-2002 187,329,240 6,505,995 108,641,491 (2,952,879) 1.72 3% -45.4% -2.7%
Q3-2002 203,223,895 7,483,523 108,830,511 (542,755) 1.87 4% -7.3% -0.5%
Q1-2003 198,679,702 9,994,696 105,242,617 127,189 1.89 5% 1.3% 0.1%
Q2-2003 194,447,478 10,097,073 106,114,209 211,088 1.83 5% 2.1% 0.2%
Q3-2003 196,328,431 7,897,962 106,730,810 457,895 1.84 4% 5.8% 0.4%
Q1-2004 197,445,471 9,661,963 110,582,306 993,735 1.79 5% 10.3% 0.9%
Q2-2004 200,834,552 10,631,536 112,546,613 1,870,306 1.78 5% 17.6% 1.7%
Q3-2004 200,336,856 10,469,642 113,152,224 489,187 1.77 5% 4.7% 0.4%
Q1-2005 192,413,429 8,422,138 114,076,823 993,314 1.69 4% 11.8% 0.9%
Q2-2005 188,279,930 9,410,297 118,749,604 1,018,653 1.59 5% 10.8% 0.9%
Q3-2005 188,787,653 9,834,689 120,563,280 394,760 1.57 5% 4.0% 0.3%
Q1-2006 190,742,492 9,306,187 121,000,020 1,184,519 1.58 5% 12.7% 1.0%
Q2-2006 191,363,431 8,578,649 122,710,610 1,533,471 1.56 4% 17.9% 1.2%
Q3-2006 195,311,368 9,771,869 127,646,117 1,125,633 1.53 5% 11.5% 0.9%

79
Uma vez que dispomos de todas as sries das variveis nas mesmas bases de tempo
e premissas, procedemos agora investigao de quais dentre as variveis
levantadas so relevantes na determinao do crescimento do Setor Siderrgico.
Uma primeira anlise que podemos realizar atravs de ferramentas Economtricas

tradicionais embora, devamos nos lembrar das limitaes que incorremos ao recorrer
a esta ferramenta, i.e., principalmente que no capturaremos relaes no lineares
na regresso economtrica, podendo ao fazer isto, estar desprezando alguma
informao relevante. De qualquer forma, um ponto de partida para ao menos
identificarmos quais variveis tm importncia linear, portanto no devendo ser
desprezadas. Em outras palavras, poderemos afirmar com boa segurana quais
variveis so relevantes, mas princpio no vamos descartar as variveis que
falharem no Teste Economtrico.


setor Energia foram apenas variveis macro-econmicas:
a) Taxa de Juros (Selic)

b) Taxa de Cmbio (US$/R$)
80

G = (0.46 Selic ) (0.70 xCambio ) (7)
Equao 7 Modelo
Economtrico Setor Energia
Fonte: Anlise prpria
Agora, utilizando os dados coletados e com a ajuda do mdulo de aprendizagem de

estrutura da ferramenta [HUGIN], avaliaremos o crescimento por meio de uma rede
Bayesiana.

As nossas variveis originais, os crescimentos, so contnuas em sua origem. A
exemplo do que fizemos para os demais setores, discretizamos as variveis antes da
aplicao na rede. Para isso, definimos classes de freqncia, que representaro
estados discretos.
dos estados de cada varivel
Tabela 29 Classes de freqncia Setor Energia
Classe g_sust Classe Energia Trmica

0 -5% 0 -20%
1 -2% 1 -10%
2 -1% 2 -1%
3 1% 3 1%
4 2% 4 10%
5 5% 5 20%
Classe g Classe Hidraulica

0 -30% 0 -5%
1 -15% 1 -3%
2 -5% 2 -1%
3 5.0% 3 1%
4 15% 4 3%
5 30% 5 5%
81
Classe PIB Classe Cambio

0 0% 0 -5%
1 1% 1 -1%
2 2% 2 1%
3 3% 3 5%
4 4% 4 10%
5 5% 5 15%
Classe IGPM Classe Selic

0 -1% 0 -20%
1 0% 1 -5%
2 1% 2 -1%
3 2% 3 1%
4 3% 4 5%
5 4% 5 20%

De:
Tabela 30- Variveis contnuas Setor Energia
term hidr PIB IGPM cambio selic

1999Q1 49.3% -0.2% 1999Q1 2.8% 8.0% 37.4% -2.0%
1999Q2 15.4% 1.5% 1999Q2 2.8% 3.2% 15.4% -33.3%
1999Q3 26.7% 0.2% 1999Q3 2.8% 7.4% -6.6% 2.0%
2000Q1 4.0% 1.8% 2000Q1 3.5% 2.0% 1.0% -19.0%
2000Q2 3.3% 0.5% 2000Q2 3.5% 5.1% 0.9% 8.5%
2000Q3 -15.4% 0.9% 2000Q3 3.5% 2.5% 7.2% -14.7%
2001Q1 31.9% 1.0% 2001Q1 3.4% 2.4% 11.7% -1.0%
2001Q2 10.1% -20.4% 2001Q2 3.4% 4.7% 16.8% 34.9%
2001Q3 6.0% -3.0% 2001Q3 3.4% 2.8% -9.1% -12.9%
2002Q1 -2.2% 13.8% 2002Q1 4.3% 1.1% 1.8% 6.5%
2002Q2 -12.7% 4.5% 2002Q2 4.3% 6.6% 27.9% -2.7%
2002Q3 -20.7% 6.0% 2002Q3 4.3% 15.2% 16.9% 20.7%
2003Q1 -8.5% 1.9% 2003Q1 4.8% 7.1% -18.2% 7.4%
2003Q2 14.9% -2.7% 2003Q2 4.8% -1.3% 2.7% -5.2%
2003Q3 23.1% 3.7% 2003Q3 4.8% 2.7% -2.6% -22.6%
2004Q1 86.2% 0.6% 2004Q1 4.5% 3.9% 1.9% -13.9%
2004Q2 -9.9% 2.4% 2004Q2 4.5% 5.2% -0.4% 9.5%
2004Q3 13.8% 2.0% 2004Q3 4.5% 2.6% -9.5% 14.6%
2005Q1 -40.5% 4.8% 2005Q1 3.4% 2.4% -4.6% -4.8%
2005Q2 -10.4% -3.5% 2005Q2 3.4% -1.7% -6.6% 17.5%
2005Q3 17.6% 2.0% 2005Q3 3.4% 0.5% -1.0% -11.1%
2006Q1 -7.4% 4.3% 2006Q1 2.6% 0.3% -10.7% -26.9%
2006Q2 -5.9% -2.2% 2006Q2 2.6% 1.7% 2.4% 16.6%
2006Q3 11.1% 1.1% 2006Q3 2.6% 1.8% 0.0% -21.4%
82
Para:
Tabela 31 Variveis Discretas Setor Energia
cambio igpm pib selic g_sust hidr term
1999Q1 5 5 3 2 3 3 5
1999Q2 5 5 3 0 3 4 5
1999Q3 0 5 3 4 3 3 5
2000Q1 2 3 4 1 3 4 4
2000Q2 2 5 4 5 3 3 4
2000Q3 4 4 4 1 3 3 1
2001Q1 5 4 4 3 3 3 5
2001Q2 5 5 4 5 3 0 5
2001Q3 0 4 4 1 3 1 4
2002Q1 3 3 5 5 3 5 2
2002Q2 5 5 5 2 1 5 1
2002Q3 5 5 5 5 3 5 0
2003Q1 0 5 5 5 3 4 2
2003Q2 3 0 5 1 3 2 5
2003Q3 1 4 5 0 3 5 5
2004Q1 3 5 5 1 3 3 5
2004Q2 2 5 5 5 4 4 2
2004Q3 0 4 5 5 3 4 5
2005Q1 1 4 4 2 3 5 0
2005Q2 0 0 4 5 3 1 1
2005Q3 2 2 4 1 3 4 5
2006Q1 0 2 3 0 3 5 2
2006Q2 3 3 3 5 4 2 2
2006Q3 2 3 3 0 3 4 5

e tambm as variveis financeiras das empresas que compem o setor.
As sries discretizadas so os dados de entrada da Rede Bayesiana. Entretanto,

devemos atentar se no existem informaes faltantes em cada linha de registro a
ser inserido na ferramenta. O Software que utilizamos rejeita registros com alguma
varivel com estado no definido. Assim, os registros incompletos so excludos na
amostra que utilizamos na ferramenta. Isso no chega a ser um problema enorme,
apenas reduz a nossa amostra probabilstica, mas no impede a montagem da rede.
83
Ilustrao 10 Modelo Bayesiano Setor Energia

O grafo acima foi obtido a partir de relaes conhecidas de causalidade somadas as

sugestes a partir da ferramenta que apresentam relaes fortes.
Segundo essa rede, os crescimentos dos fluxos de caixa das companhias do setor
energtico esto diretamente relacionados ao crescimento da produo de energia
eltrica e trmica. Impusemos na estrutura de aprendizagem a taxa de crescimento
sustentvel, contudo verificamos que no existem relaes causais fortes entre a
taxa de crescimento sustentvel e as demais variveis macroeconmicas estudadas.
De qualquer forma, verificamos causalidade entre as principais variveis
macroeconmicas: crescimento do PIB, variao da taxa de cmbio e da taxa de
juros bsica com os nveis de produo de energia no pas. Verificamos ainda que os
nveis de produo de energia afetam o IGPM, o que esperado, dado o nvel de
produo de energia est diretamente associado a velocidade da economia, que por
sua vez, tem impacto direto sobre variaes na taxa de inflao.
84
convencional.

Tabela 32 Energia: Crescimento no Modelo Bayesiano

cambio igpm pib selic g_sust hidr term 0 1 2 3 4 5 E[g_bayes] erro2 erro2^2
1999Q1 5 5 3 2 3 3 5 20.00% 20.00% 30.00% 30.00% 2% 0.40 0.16
1999Q2 5 5 3 0 3 4 5 26.67% 6.67% 13.33% 13.33% 40.00% 5% 0.28 0.08
1999Q3 0 5 3 4 3 3 5 20.00% 20.00% 30.00% 30.00% 2% -6% 0.00
2000Q1 2 3 4 1 3 4 4 66.67% 16.67% 16.67% -12% (0.20) 0.04
2000Q2 2 5 4 5 3 3 4 66.67% 16.67% 16.67% -12% (0.09) 0.01
2000Q3 4 4 4 1 3 3 1 16.67% 33.33% 33.33% 16.67% -2% 0.01 0.00
2001Q1 5 4 4 3 3 3 5 20.00% 20.00% 30.00% 30.00% 2% 0.14 0.02
2001Q2 5 5 4 5 3 0 5 20.00% 20.00% 20.00% 40.00% 8% (0.05) 0.00
2001Q3 0 4 4 1 3 1 4 100.00% -15% (0.09) 0.01
2002Q1 3 3 5 5 3 5 2 14.29% 14.29% 14.29% 14.29% 42.86% 3% (0.16) 0.02
2002Q2 5 5 5 2 1 5 1 50.00% 50.00% -11% 0.09 0.01
2002Q3 5 5 5 5 3 5 0 20.00% 20.00% 20.00% 40.00% 4% 0.05 0.00
2003Q1 0 5 5 5 3 4 2 20.00% 20.00% 20.00% 40.00% 4% (0.17) 0.03
2003Q2 3 0 5 1 3 2 5 ####### 23% 0.14 0.02
2003Q3 1 4 5 0 3 5 5 100.00% 0% 0.31 0.10
2004Q1 3 5 5 1 3 3 5 20.00% 20.00% 30.00% 30.00% 2% (0.10) 0.01
2004Q2 2 5 5 5 4 4 2 20.00% 20.00% 40.00% 20.00% -3% (0.00) 0.00
2004Q3 0 4 5 5 3 4 5 26.67% 6.67% 13.33% 13.33% 40.00% 5% 0.02 0.00
2005Q1 1 4 4 2 3 5 0 14.29% 14.29% 14.29% 57.14% 12% (0.08) 0.01
2005Q2 0 0 4 5 3 1 1 50.00% 50.00% 6% (0.11) 0.01
2005Q3 2 2 4 1 3 4 5 26.67% 6.67% 13.33% 13.33% 40.00% 5% 0.32 0.10
2006Q1 0 2 3 0 3 5 2 14.29% 14.29% 14.29% 14.29% 42.86% 3% 0.08 0.01
2006Q2 3 3 3 5 4 2 2 16.67% 16.67% 16.67% 16.67% 16.67% 16.67% -3% (0.08) 0.01
2006Q3 2 3 3 0 3 4 5 26.67% 6.67% 13.33% 13.33% 40.00% 5% 0.05 0.00
0.32 0.48
Dados os estados das variveis de entrada, temos as probabilidades para a varivel

crescimento (g) estar em cada uma das classes (ou estados) com base no

85

Tabela 33 Energia: Economtrico x Bayesiano x Dados Reais

Real Econometrico Bayes Econometrico Bayesiano
1999Q1 -38.1% -27.1% 1.8% 0.012 0.16
1999Q2 -22.7% -25.9% 4.8% 0.001 0.08
1999Q3 7.4% 5.5% 1.8% 0.000 0.00
2000Q1 8.2% -9.4% -11.7% 0.031 0.04
2000Q2 -3.0% 3.2% -11.7% 0.004 0.01
2000Q3 -2.7% -11.8% -2.1% 0.008 0.00
2001Q1 -12.2% -8.6% 1.8% 0.001 0.02
2001Q2 13.5% 4.2% 8.0% 0.009 0.00
2001Q3 -6.4% 0.4% -15.0% 0.005 0.01
2002Q1 18.4% 1.7% 2.9% 0.028 0.02
2002Q2 -20.5% -20.8% -11.3% 0.000 0.01
2002Q3 -0.8% -2.4% 4.0% 0.000 0.00
2003Q1 21.1% 16.1% 4.0% 0.003 0.03
2003Q2 8.8% -4.2% 22.5% 0.017 0.02
2003Q3 -31.3% -8.5% 0.0% 0.052 0.10
2004Q1 11.7% -7.7% 1.8% 0.038 0.01
2004Q2 -2.9% 4.6% -3.0% 0.006 0.00
2004Q3 2.6% 13.3% 4.8% 0.011 0.00
2005Q1 19.7% 1.0% 12.1% 0.035 0.01
2005Q2 16.8% 12.6% 6.3% 0.002 0.01
2005Q3 -27.5% -4.4% 4.8% 0.053 0.10
2006Q1 -5.3% -4.7% 2.9% 0.000 0.01
2006Q2 5.2% 5.9% -2.5% 0.000 0.01
2006Q3 0.0% -9.7% 4.8% 0.009 0.00
0.325 0.643
Dispomos os resultados graficamente, abaixo para termos uma melhor compreenso

das diferenas dos dois modelos de previso, economtrico e bayesiano em relao
aos dados reais dos perodos.
30%
20%
10%
0%
1
3
Q
Q
99
99
99
00
00
00
01
01
01
02
02
02
03
03
03
04
04
04
05
05
05
06
06
06
19
19
19
20
20
20
20
20
20
20
20
20
20
20
20
20
20
20
20
20
20
20
20
20
g_model_econ
-10% g_real
E[g_bayes]
-20%
-30%
-40%
-50%
Ilustrao 11 Energia: Economtrico x Bayesiano x Dados Reais

86
Observa-se que para o caso analisado o modelo bayesiano ligeiramente inferior ao

modelo economtrico pelo critrio de desvio quadrtico em relao aos valores reais.
Entretanto os resultados no so substancialmente diferentes. Aparentemente, a

relao entre crescimento do setor e variveis de entrada tem relaes de
linearidade bem ntidas, como se pode verificar nos perodos entre 2003 e 2005,
onde o modelo economtrico tem praticamente erro nulo em relao aos dados
reais.
Em geral, o modelo bayesiano apresenta melhores resultados quando existem

relaes no lineares entre as variveis no capturadas no modelo de regresso
mltipla, o que ocorre, por exemplo, no perodo entre 2001 e 2002, curiosamente
perodo de maior turbulncia econmica em virtude do apago de energia.
87
4. Resultados
Nosso objetivo era o de investigar a aplicabilidade das Redes Bayesianas em

Finanas Corporativas. Para tanto, focamos nossa anlise no crescimento dos fluxos
de caixa de companhias abertas e buscamos identificar variveis econmicas e/ou
financeiras relevantes na determinao do crescimento destes fluxos.
Como forma de avaliarmos a aplicabilidade da ferramenta, realizamos comparaes

entre modelos obtidos a partir de tcnicas economtricas tradicionais de regresses
mltiplas com modelos obtidos a partir de Redes Bayesianas. Comparamos ainda
estes dois modelos com os dados reais coletados nos perodos.
Como resultado, observamos que os modelos de previso de crescimento de fluxos

de caixa gerados por Redes Bayesianas mostram-se muito prximos dos modelos
economtricos tradicionais para dados histricos e acreditamos que numa
comparao de projees futuras, os mesmos possam ser eventualmente melhores,
pelos motivos descritos abaixo.
i) Os dados coletados tiveram uma amostragem estatisticamente pequena,

ou seja, apenas 24 registros, quando o ideal seria um nmero de pelo
menos 50 a 100 registros por empresa; Isso inclusive dificultou uma
anlise de projeo fixada uma data no passado para comparao com os
dados reais que ocorreram nos perodos subseqentes;
ii) A ferramenta de Redes Bayesianas utilizada, por ser uma verso

acadmica, no permite matrizes complexas formadas pelo nmero de
variveis versus possveis estados que cada varivel pode assumir.
Tivemos, ento, que ser econmicos no dimensionamento dos modelos
de redes. A limitao da matriz de estados x ns de rede no permitiu uma
discretizao com o nvel de classes realmente necessrio. A discretizao
das variveis com um nmero reduzido de estados gera imprecises nos
88
modelos de previso quando estamos interessados no valor absoluto do

crescimento;
iii) Dada a necessidade de economia de estados, comentada no item

anterior, as extremidades das classes de freqncia utilizadas para
discretizao apresentaram erros significativos quando a varincia das
amostras de dados era elevada, gerando um erro significativo no valor
mdio de classe para ocorrncias fora da borda;
iv) Os dados que necessitvamos no eram diretamente disponveis, de sorte

que tivemos que realizar converses temporais que afetam as relaes de
crescimento intra-perodo. Alm disso, tornou-se necessrio em alguns
casos, assumir premissas para que pudssemos estimar algumas variveis,
como o caso na elaborao dos fluxos de caixa projetados das empresas
a partir de relatrios financeiros, que normalmente no fornecem todas as
informaes requeridas, sendo necessrio assumir premissas, por exemplo,
sobre o giro de estoque, o prazo mdio de recebimento, entre outras, para
cada empresa analisada;
v) Informaes essenciais incompletas dos relatrios financeiros de algumas

empresas nos obrigaram a eliminar alguns registros da amostra, o que
tornou o nmero de registros menor do que realmente seriam para
representar fielmente os setores econmicos analisados. Assim, tivemos
que trabalhar com uma aproximao dos setores econmicos, e no
exatamente os setores econmicos reais. Ainda assim, a anlise do Setor
de Alimentos ficou bastante prejudicada por dados no completos e
eventualmente incorretos;
vi) Da mesma forma que regresses economtricas, as redes bayesianas se

valem de dados passados para previso do futuro, o que pode ser uma
89
fonte de erros significativa porque o sucesso passado no garantia de

sucesso futuro;
vii) Finalmente, no fizemos um tratamento exaustivo de outliers, pois no

era o escopo desse trabalho chegar a um modelo timo, mas sim
demonstrar a aplicao do ferramental bayesiano.
Ainda assim, conseguimos identificar, nos dados analisados, que as Redes

Bayesianas apresentam algumas vantagens bastante relevantes quando comparadas
a modelos de regresso economtricos, alm de serem uma excelente ferramenta
para auxlio tomada de deciso, podendo ser utilizadas como ferramenta auxiliar.
As principais caractersticas que observamos e gostaramos de compartilhar neste
trabalho esto listadas abaixo:
i) Identificamos que as relaes lineares entre variveis que normalmente,

em situaes normais explicam razoavelmente bem o crescimento dos
fluxos de caixas de empresas, nos momentos de crise geram resultados
muito distantes do real, ao passo que, as redes bayesianas, mesmo com
todas as limitaes que descrevemos anteriormente, apresentam
resultados comparativamente melhores nestas situaes. As redes
bayesianas permitem capturar tanto as relaes lineares como as no
lineares.
ii) As redes bayesianas permitem associar diversos tipos de conhecimento

numa nica ferramenta de projeo. Nas nossas anlises agregamos, por
exemplo, informaes tericas sobre macroeconomia, sugestes de
relaes causais da prpria ferramenta de aprendizado de estrutura,
relaes lineares obtidas de regresses economtricas tradicionais. Ainda
assim, poderamos ter agregado informaes de especialistas dos setores
que analisamos, ou outras informaes quaisquer que nos parecessem
90
relevantes. Tudo isso, para mostrarmos uma caracterstica

importantssima, a flexibilidade da ferramenta.
iii) Outro ponto que gostaramos de destacar o uso da ferramenta como

investigativa. Se por exemplo, temos uma massa de dados, mas no
temos uma idia muito boa de como estas variveis se inter-relacionam e
como podem estar ligadas varivel que desejamos analisar, a utilizao
da ferramenta de aprendizado de estrutura pode nos dar caminhos para a
continuidade da investigao e das anlises.
iv) Algumas relaes entre variveis so no intuitivas e dificilmente

explicveis, mas interessante notar que, ainda assim, possvel
consider-las a partir de anlises empricas em modelos bayesianos, e sim,
elas nos ajudam a explicar variveis de interesse. Em suma, ainda que no
exista uma teoria a respeito, ou que nunca venha a existir, se houver
alguma relao lgica e probabilstica entre as variveis ela poder ser
capturada pela rede bayesiana.
91
5. Comentrios finais e recomendaes
Atravs do presente trabalho, demonstramos a utilizao de Redes Bayesianas em

Finanas Corporativas como alternativa ou complemento para previses baseadas em
modelos economtricos tradicionais. Apresentamos uma metodologia para
levantamento, transformao e agrupamento de dados, para a modelagem de Redes
Bayesianas de previso de crescimento de fluxos de caixa de empresas brasileiras
atuantes em trs diferentes setores econmicos: Siderrgico, Energia e Alimentcio.
Alm de demonstrar a possibilidade da utilizao da ferramenta para aplicaes em

Finanas, observamos que quando relaes no-lineares entre as variveis de estudo
so preponderantes, as Redes Bayesianas tornam-se um ferramental de apoio
bastante interessante, quando comparados modelagem economtrica tradicional.
Nos trs setores analisados, os melhores resultados que obtivemos para Redes
Bayesianas, quando comparadas a projees economtricas tradicionais, esto
associados a no linearidade entre as variveis. Nestas situaes os modelos
economtricos comportam-se bastante aqum do modelo bayesiano. Tipicamente,
relaes no-lineares ficam mais evidenciadas em momentos de crise ou de ruptura
histrica, o que torna as Redes bayesianas uma ferramenta de previso bastante
interessante a ser considerada nestas situaes.
A aplicao proposta apenas uma dentre as inmeras que podem ser exploradas
em Finanas Corporativas e Economia. Os modelos de previso de crescimento de
fluxos de caixa em que trabalhamos podem ser insumos bsicos para diversos
estudos, desde precificao de ativos e produtos, assim como anlises de fuses e
aquisies, avaliao de risco, entre outros. Deixamos, ento, uma pequena
contribuio para trabalhos futuros que possam aprofundar o tema.
O foco deste trabalho no foi o de encontrar modelos timos, mas sim demonstrar a
possibilidade do uso do ferramental Bayesiano em Finanas Corporativas. Utilizamos,
para tanto, uma verso acadmica da ferramenta de Redes Bayesianas, o que de
92
alguma forma limitou a extenso e profundidade das anlises. Contudo, imaginamos

que, utilizando ferramentas profissionais disponveis no mercado, deveria ser possvel
encontrar resultados bastante mais robustos, e com aplicaes reais interessantes
para os mercados: financeiro e corporativo. Deixamos como sugesto para futuros
trabalhos ou profissionais interessados em explorar essa possibilidade. Livre das
limitaes e restries da ferramenta acadmica, acreditamos que seja possvel
desenvolver redes e modelos mais complexos, cujas projees reflitam mais
proximamente a realidade.
Nos modelos analisados neste estudo, trabalhamos com estruturas atemporais, i.e.,
consideramos as relaes probabilsticas entre as variveis em cada instante de
tempo, no fazendo distino em relao data da ocorrncia. Segundo esta
considerao, o peso de um evento ocorrido h vrios anos tem o mesmo peso de
um evento ocorrido recentemente. Esta premissa tem vantagens, como simplicidade
e objetividade, mas seguramente deve ter desvantagens, como por exemplo, no
considerar tendncias. Uma sugesto para futuros trabalhos utilizar a teoria de
econometria de sries de tempo na modelagem das redes de Bayes e comparar os
resultados com a metodologia utilizada neste trabalho.
Algumas outras aplicaes sugeridas para Redes Bayesianas em Finanas e

Estratgia de Corporaes seriam: Balance Scorecards, Key Process Indicators,
Pesquisa Operacional, Otimizao de Processo, aplicao de metodologia Six Sigma,
utilizando-se, nestes casos, as Redes Bayesianas para investigao de causalidade
entre variveis de interesse.
Referncias Bibliogrficas
BREALEY, Richard A. & MYERS, Stewart C. & ALLEN, Franklin; Principles of

Corporate Finance; 8th edition; 2006; McGraw Hill
BRIGHAM, Eugene F., EHRHARDT, Michael C., Financial Management: Theory and
Practice, 11th edition, 2004; Thomson South-Western
CASELLA, George; Bayesian Analysys: A look of today and thoughts of Tomorrow,

Vignettes for the Year 2000: Theory and Methods Foreword; Journal of the American
Statistical Association; December 2000, Vol. 95, No. 452, Vignettes
CHAN, Hei; DARWICHE , Adnan; Sensitivity Analysis in Markov Networks;

Computer Science Department; University of California
CHARNIAK, Eugene; Bayesian Networks without Tears; Artificial Inteligence

Magazine, Winter 1991,0738-4602/91/$4.00 1991 AAAI
DAMODARAN, Aswath; Investment Valuation Tools and Techniques for

Determining the Value of Any Asset; 2002, 2nd Edition; Wiley Finance
DELOITTE, Advantage Uncertainty? Leading in a Technology M&A Situation;

Technology Sector Strategy Series, Mergers & Acquisitions; 2005, Deloitte Touche
Tohmatsu
DEMIRER, Riza; MAU, Roland R; SHENOY, Catherine ; Bayesian Networks: A

Decision Tool to Improve Portfolio Risk Analysis; June 2005.
FERNNDEZ, Pablo; 80 common and uncommon errors in company valuation;

PricewaterhouseCoopers; IESE Business School. University of Navarra; Madrid,
Spain.
GARN, Wolfgang; www guide; Bayesian network; Jan, 2007
GONZLEZ, Carlos J. Prez; Bayesian Books; Universidad de La Laguna

August 21, 2002
HECKERMAN, David; A Tutorial on Learning Bayesian Networks; July, 1995;
Technical Report MSR-TR-95-06; Microsoft Research; Advanced Technology Division
HIGGINS, Robert C.; Analysis for Financial Management; 2004; 7th edition; McGraw
Hill / Irwin
HUGIN, www.hugin.com
JANZ, Danina; SCHNEIDER, Stefan; KEMPF, Michael, WESTKMPER, Engelbert;

Bayesian Nets for Life Cycle Cost Forecasting; Department of Product and Quality
Management; Fraunhofer Institute for Manufacturing Engineering and Automation
(IPA), Stuttgart, Germany
JENSEN, Finn V.; Bayesian Networks and Decision Graphs; 2001; Statistics for
engineering and information science; Springer
KEMMERER, Benedict; MISHRA, Sanjay; SHENOY, Prakash P., Bayesian Causal

Maps as a Decision Aids in Venture Capital Decision Making: Methods and
Applications
KOLLER, Tim; GOEDHART Marc; WESSELS, David; Measuring and Managing the
value of Companies; Chapter 4: Do fundamentals really drive the stock market?; 4th
edition, John Wiley and Sons, 2005
LUENBERGER, DAVID G.; Investment Science; 1998; Oxford University Press
NADKARNI, Sucheta; SHENOY, Prakash P; A Bayesian network approach to

making inferences in causal maps; European Journal of Operational Research 128
(2001) 479498; School of Business, University of Kansas, 1999
MARQUES, Roberto L.; DUTRA, Ins; Redes Bayesianas: o que so, para que
servem, algoritmos e exemplos de aplicaes; Coppe Sistemas UFRJ
MAUBOUSSIN, Michael; JOHNSON, Paul; Frontiers of Finance, Competitive

Advantage Period CAP - The Neglected Value Driver; Jan, 1997, Credit Suisse First
Boston Corp.
MURPHY, Kevin; Brief Introduction to Graphical Models and Bayesian Networks;
1998; disponvel em <http://www.cs.ubc.ca/~murphyk/Bayes/bnintro.html#repr#repr>;
Acesso em 09/dez/2007
MURPHY. Kevin P.; An introduction to graphical models; May, 2001
MURPHY, Kevin P; Dynamic Bayesian Networks:Representation, Inference and

Learning, 2002; University of California, Berkeley
NEAPOLITAN, Richard E.; Learning Bayesian Networks; Northeastern Illinois

University; Chicago, Illinois
NIEDERMAYER, Dayle; An Introduction to Bayesian Networks and their

Contemporary Applications; I.S.P., PMP, B.Sc., B.A., M.Div.; Dec. 1, 1998
RUSSEL, Stuart J.; NORVIG, Peter; Artificial Intelligence, A modern approach;

1995; Prentice-Hall, Inc.
SALTZMAN, S.; An Econometric Model of a Firm
SHENOY, Catherine; SHENOY Prakash, P., Bayesian Network Models of Portfolio

Risk and Return
SUN, Lily; SHENOY, Prakash P., Using Bayesian Networks for Bankruptcy
Prediction: Some Methodological Issues, July 2004, Revised February 2006, School of
Business Working Paper No. 302, European Journal of Operational Research, 180(2),
2007, 738--753
UUSITALO, Laura; Introduction to building Bayesian networks; May 2006

APNDICE
APNDICE A Fontes de Dados
SETOR SIDERURGIA
Produo de ao bruto
Periodicidade: Mensal
Fonte: Instituto Brasileiro de Siderurgia, Informe Estatstico (IBS/IE)
Unidade: Tonelada(mil)
Comentrio: Quadro: Produo siderrgica brasileira. In:
http://www.ibs.org.br/producao.htm .
Atualizado em: 24 de setembro de 2007
Produo de laminados
http://www.ibs.org.br/producao.htm . Obs.: Compreende laminados
planos e longos.
Produo de ferro-gusa
http://www.ibs.org.br/producao.htm .
SETOR ALIMENTOS
Produo industrial - carne de aves abatidas - quantum - nvel 80

- ndice (mdia 2002 = 100)
Fonte: Instituto Brasileiro de Geografia e Estatstica, Pesquisa
Industrial Mensal - Produo Fsica (IBGE/PIM-PF)
Comentrio: Srie de indicadores de base fixa da PIM-PF nvel 80
compatibilizada com a classificao por grupo de produtos adotada
no Sistema de Contas Nacionais. Para 1991 - 2001 dados da antiga
PIM-PF nvel 80.
Atualizado em: 02 de maro de 2007
Produo industrial - carne bovina - quantum - nvel 80 - ndice

(mdia 2002 = 100)
Fonte: Instituto Brasileiro de Geografia e Estatstica, Pesquisa
Industrial Mensal - Produo Fsica (IBGE/PIM-PF)
Comentrio: Srie de indicadores de base fixa da PIM-PF nvel 80
compatibilizada com a classificao por grupo de produtos adotada
no Sistema de Contas Nacionais. Para 1991 - 2001 dados da antiga
PIM-PF nvel 80.
Atualizado em: 02 de maro de 2007
MACRONOECONOMIA
Taxa de juros: Overnight / Selic

Fonte: Banco Central do Brasil, Boletim, Seo Mercado financeiro e
de capitais (BCB Boletim/M.Finan.)
Unidade: (% a.m.)
Comentrio: Quadro: Taxas de juros. Para 1974-1979: fonte
Andima. Dados mais recentes atualizados pela Sinopse da Andima.
Obs.: A taxa Overnight / Selic a mdia dos juros que o Governo
paga aos bancos que lhe emprestaram dinheiro. Refere-se mdia
do ms. Serve de referncia para outras taxas de juros do pas. A
taxa Selic a taxa bsica de juros da economia.
fonte: IPEA DATA
Taxa de cmbio comercial para venda: real (R$) / dlar americano

(US$) - fim perodo
Fonte: Banco Central do Brasil, Boletim, Seo Balano de
Pagamentos (BCB Boletim/BP)
Unidade: R$
Comentrio: Quadro: Taxas de cmbio do real. Obs.: Cotaes para
contabilidade. Os valores dos dois ltimos meses so obtidos na
Gazeta Mercantil.
Produto interno bruto (PIB)
Periodicidade: Anual
Fonte: Instituto Brasileiro de Geografia e Estatstica, Sistema de
Contas Nacionais Referncia 2000 (IBGE/SCN 2000 Anual)
Unidade: R$(milhes)
Comentrio: Fontes: Para 1947-1989: Sistema de Contas Nacionais
Consolidadas. Para 1990-1994: Sistema de Contas Nacionais
Referncia 1985. Para 2006: resultados preliminares estimados a
partir das Contas Nacionais Trimestrais Referncia 2000.
Atualizado em: 23 de maio de 2007
Inflao - IGP-M
Fonte: Fundao Getlio Vargas, Conjuntura Econmica (FGV/Conj.
Econmica)
Unidade: (% a.m.)
Comentrio: ndice Geral de Preos - Mercado (IGP-M). Obs.:
Compreende o perodo entre os dias 20 do ms de referncia e 21
do ms anterior. Registra o ritmo evolutivo de preos como medida
sntese da inflao nacional. composto pela mdia ponderada do
ndice de Preos por Atacado (IPA) (60%), ndice de Preos ao
Consumidor (IPC-FGV) (30%) e ndice Nacional de Preos da
Construo Civil (INCC) (10%).
Atualizado em: 30 de agosto de 2007
Taxa de desemprego na RMSP

Fonte: Sistema Estadual de Anlise de Dados e Departamento
Intersindical de Estatstica e Estudos Scio-Econmicos, Pesquisa de
Emprego e Desemprego (Seade e Dieese/PED)
Unidade: (%)
Comentrio: Quadro: Taxas de desemprego, por tipo - Regio
Metropolitana de So Paulo, municpio de So Paulo e demais
municpios da Regio Metropolitana de So Paulo. In:
http://www.seade.gov.br . Obs.: Regio Metropolitana de So Paulo
(RMSP). Compreende desemprego oculto (trabalho precrio e
desemprego por desalento) e desemprego aberto.
Atualizado em: 30 de agosto de 2007
Salrio mnimo nominal vigente.

Fonte: Ministrio do Trabalho e Emprego
Unidade: R$
Comentrio: Salrio mnimo nominal vigente. Obs.: no considera
abonos salariais ocorridos nos perodos.
Inflao - IGP-DI
Fonte: Fundao Getlio Vargas, Conjuntura Econmica (FGV/Conj.
Econmica)
Unidade: (% a.m.)
Comentrio: ndice Geral de Preos - Disponibilidade Interna (IGP-
DI). Obs.: Compreende o perodo entre o primeiro e o ltimo dia do
ms de referncia. Reflete a evoluo dos preos captada pelo ndice
de Preos por Atacado (IPA), ndice de Preos ao Consumidor (IPC-
FGV) e ndice Nacional de Preos da Construo Civil (INCC).
DADOS FINANCEIROS Companhias
Internet Securities (CVM)

APNDICE B Sries Originais
Variveis Macro-econmicas
Taxa de cmbio - R$ /
Inflao - US$ - comercial - venda -
Perodo IGP-M fim perodo Taxa de juros - Over / Selic
1998 09 -0,08 1,1856 2,4875
1998 10 0,08 1,1932 2,9401
1998 11 -0,32 1,2012 2,632
1998 12 0,45 1,2087 2,4016
1999 01 0,84 1,9832 2,178
1999 02 3,61 2,0648 2,3787
1999 03 2,83 1,722 3,3345
1999 04 0,71 1,6607 2,3524
1999 05 -0,29 1,724 2,0188
1999 06 0,36 1,7695 1,6719
1999 07 1,55 1,7892 1,6588
1999 08 1,56 1,9159 1,5685
1999 09 1,45 1,9223 1,4871
1999 10 1,7 1,953 1,3839
1999 11 2,39 1,9227 1,3865
1999 12 1,81 1,789 1,5995
2000 01 1,24 1,8024 1,4557
2000 02 0,35 1,7685 1,4509
2000 03 0,15 1,7473 1,4493
2000 04 0,23 1,8067 1,2957
2000 05 0,31 1,8266 1,4939
2000 06 0,85 1,8 1,3917
2000 07 1,57 1,7748 1,306
2000 08 2,39 1,8234 1,4054
2000 09 1,16 1,8437 1,2236
2000 10 0,38 1,909 1,2878
2000 11 0,29 1,9596 1,2199
2000 12 0,63 1,9554 1,1982
2001 01 0,62 1,9711 1,2651
2001 02 0,23 2,0452 1,0158
2001 03 0,56 2,1616 1,2579
2001 04 1 2,1847 1,1864
2001 05 0,86 2,36 1,3368
2001 06 0,98 2,3049 1,2733
2001 07 1,48 2,4313 1,498
2001 08 1,38 2,5517 1,6
2001 09 0,31 2,6713 1,3243
2001 10 1,18 2,7071 1,5349
2001 11 1,1 2,5287 1,3934
2001 12 0,22 2,3204 1,3935
2002 01 0,36 2,4183 1,534
2002 02 0,06 2,3482 1,2482
2002 03 0,09 2,3236 1,3713
2002 04 0,56 2,3625 1,4836
2002 05 0,83 2,522 1,415
2002 06 1,54 2,8444 1,329
2002 07 1,95 3,4285 1,5354
2002 08 2,32 3,0223 1,4434
2002 09 2,4 3,8949 1,3813
2002 10 3,87 3,645 1,6459
2002 11 5,19 3,6365 1,5409
2002 12 3,75 3,5333 1,7424
2003 01 2,33 3,5258 1,9713
2003 02 2,28 3,5632 1,8304
2003 03 1,53 3,3531 1,777
2003 04 0,92 2,8898 1,8716
2003 05 -0,26 2,9656 1,9653
2003 06 -1 2,872 1,8567
2003 07 -0,42 2,9655 2,0842
2003 08 0,38 2,9665 1,7743
2003 09 1,18 2,9234 1,6795
2003 10 0,38 2,8562 1,6421
2003 11 0,49 2,9494 1,3435
2003 12 0,61 2,8892 1,3733
2004 01 0,88 2,9409 1,2676
2004 02 0,69 2,9138 1,0844
2004 03 1,13 2,9086 1,3791
2004 04 1,21 2,9447 1,1819
2004 05 1,31 3,1291 1,2278
2004 06 1,38 3,1075 1,2299
2004 07 1,31 3,0268 1,2869
2004 08 1,22 2,9338 1,2936
2004 09 0,69 2,8586 1,2513
2004 10 0,39 2,8565 1,2132
2004 11 0,82 2,7307 1,251
2004 12 0,74 2,6544 1,4828
2005 01 0,39 2,6248 1,3839
2005 02 0,3 2,595 1,2182
2005 03 0,85 2,6662 1,5282
2005 04 0,86 2,5313 1,4115
2005 05 -0,22 2,4038 1,5031
2005 06 -0,44 2,3504 1,5856
2005 07 -0,34 2,3905 1,5114
2005 08 -0,65 2,3637 1,6585
2005 09 -0,53 2,2222 1,5031
2005 10 0,6 2,2543 1,4072
2005 11 0,4 2,207 1,381
2005 12 -0,01 2,3407 1,4736
2006 01 0,92 2,216 1,4293
2006 02 0,01 2,1355 1,1451
2006 03 -0,23 2,1724 1,4223
2006 04 -0,42 2,0892 1,0779
2006 05 0,38 2,3005 1,2814
2006 06 0,75 2,1643 1,1844
2006 07 0,18 2,1762 1,17
2006 08 0,37 2,1388 1,2563
2006 09 0,29 2,1742 1,0573
2006 10 0,47 2,143 1,0942
2006 11 0,75 2,1668 1,0206
2006 12 0,32 2,138 0,9879
Setor Siderurgia
Perodo Produo - ferro-gusa Produo - ao bruto Produo - laminados
1998 09 2.023,60 2.122,40 1.429,80

1998 10 2.059,50 2.131,00 1.282,40
1998 11 1.906,10 1.995,10 1.125,70
1998 12 1.886,50 1.890,00 1.044,00
1999 01 1.994,10 2.026,60 1.153,30
1999 02 1.804,90 1.888,80 1.232,70
1999 03 2.007,40 2.129,60 1.425,70
1999 04 2.020,10 2.123,00 1.464,80
1999 05 2.058,90 2.176,60 1.457,80
1999 06 1.955,70 2.046,70 1.466,20
1999 07 1.968,80 2.039,20 1.538,20
1999 08 2.092,00 2.136,90 1.498,70
1999 09 2.081,90 2.088,70 1.460,70
1999 10 2.084,10 2.036,80 1.398,80
1999 11 2.215,40 2.143,80 1.387,00
1999 12 2.249,10 2.121,70 1.326,10
2000 01 2.164,80 2.187,20 1.280,00
2000 02 2.172,40 2.157,70 1.438,80
2000 03 2.317,50 2.349,60 1.489,90
2000 04 2.227,00 2.201,50 1.479,00
2000 05 2.326,00 2.447,70 1.585,90
2000 06 2.299,50 2.294,60 1.575,60
2000 07 2.313,50 2.284,90 1.606,70
2000 08 2.378,90 2.439,50 1.609,10
2000 09 2.334,70 2.378,30 1.605,40
2000 10 2.397,50 2.397,70 1.624,40
2000 11 2.408,30 2.310,20 1.499,40
2000 12 2.310,70 2.398,30 1.407,70
2001 01 2.441,80 2.394,10 1.497,30
2001 02 2.310,40 2.240,30 1.438,20
2001 03 2.504,00 2.473,90 1.662,40
2001 04 2.378,30 2.315,20 1.586,50
2001 05 2.276,90 2.282,80 1.664,50
2001 06 1.918,80 1.772,80 1.475,10
2001 07 1.977,50 1.881,60 1.458,60
2001 08 2.249,70 2.194,40 1.453,80
2001 09 2.308,10 2.299,10 1.500,10
2001 10 2.303,40 2.278,80 1.742,70
2001 11 2.296,90 2.222,60 1.420,20
2001 12 2.425,20 2.361,40 1.400,80
2002 01 2.330,10 2.382,40 1.475,10
2002 02 2.220,20 2.259,80 1.406,10
2002 03 2.425,60 2.409,20 1.536,40
2002 04 2.199,10 2.215,30 1.487,30
2002 05 2.485,20 2.450,10 1.578,00
2002 06 2.428,70 2.420,20 1.525,50
2002 07 2.519,50 2.498,30 1.571,60
2002 08 2.597,10 2.580,40 1.673,00
2002 09 2.599,30 2.579,00 1.682,30
2002 10 2.646,10 2.644,80 1.740,50
2002 11 2.584,70 2.575,60 1.646,80
2002 12 2.659,60 2.588,50 1.709,60
2003 01 2.494,30 2.539,60 1.692,60
2003 02 2.390,30 2.356,40 1.524,30
2003 03 2.659,20 2.640,90 1.767,10
2003 04 2.502,30 2.522,20 1.722,00
2003 05 2.716,10 2.671,70 1.785,40
2003 06 2.711,80 2.591,00 1.744,50
2003 07 2.792,60 2.685,90 1.741,20
2003 08 2.860,20 2.769,40 1.809,60
2003 09 2.726,40 2.595,40 1.860,60
2003 10 2.654,80 2.508,00 1.872,70
2003 11 2.701,10 2.592,00 1.786,60
2003 12 2.829,40 2.657,20 1.783,50
2004 01 2.808,40 2.677,00 1.836,00
2004 02 2.673,40 2.572,70 1.819,10
2004 03 2.858,10 2.742,90 2.018,30
2004 04 2.786,20 2.667,10 1.828,30
2004 05 2.868,40 2.745,50 1.997,60
2004 06 2.910,10 2.749,20 1.878,00
2004 07 2.954,50 2.835,50 1.968,70
2004 08 2.983,40 2.890,50 1.999,30
2004 09 2.922,20 2.801,40 2.010,90
2004 10 2.917,60 2.706,40 2.083,10
2004 11 2.882,20 2.757,30 1.982,00
2004 12 3.014,20 2.791,20 1.949,20
2005 01 2.816,40 2.589,80 1.826,10
2005 02 2.771,30 2.590,20 1.835,80
2005 03 2.918,40 2.761,30 1.996,20
2005 04 2.940,00 2.758,40 1.964,70
2005 05 2.983,20 2.743,40 1.738,20
2005 06 2.534,20 2.490,80 1.743,20
2005 07 2.926,30 2.491,20 1.788,10
2005 08 2.992,20 1.963,20 1.963,20
2005 09 2.866,10 2.588,60 1.890,20
2005 10 2.983,50 2.675,60 1.989,10
2005 11 2.800,20 2.636,70 1.949,10
2005 12 2.820,20 2.656,10 1.905,40
2006 01 2.594,30 2.576,80 1.960,70
2006 02 2.229,00 2.130,70 1.617,20
2006 03 2.519,60 2.478,70 1.856,10
2006 04 2.486,90 2.416,30 1.867,50
2006 05 2.495,10 2.496,10 1.923,00
2006 06 2.440,70 2.380,40 1.933,50
2006 07 2.926,30 2.723,90 2.117,00
2006 08 3.001,20 2.812,10 2.133,20
2006 09 2.922,50 2.757,10 2.100,60
2006 10 2.946,60 2.787,00 2.114,80
2006 11 2.821,90 2.704,50 1.976,90
2006 12 2.895,80 2.646,40 1.900,70
Balano Patrimonial
USIMINAS
REPORTING DETAILS Code Q3C-2006 Q3-2006 Q2C-2006 Q2-2006 Q1-2006 Q3C-2005 Q3-2005 Q2C-2005 Q2-2005 Q1-2005 Q3C-2004 Q3-2004 Q2C-2004 Q2-2004 Q1-2004 Q3-2003 Q2-2003 Q1-2003
End date of reporting period 9/30/2006 9/30/2006 6/30/2006 6/30/2006 3/31/2006 9/30/2005 9/30/2005 6/30/2005 6/30/2005 3/31/2005 9/30/2004 9/30/2004 6/30/2004 6/30/2004 3/31/2004 9/30/2003 6/30/2003 3/31/2003
Original Units as Reported BRL BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands
Financial Statements Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes
Financial Statement 'as Reported' Reporting Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard
Balance Sheet Code Q3C-2006 Q3-2006 Q2C-2006 Q2-2006 Q1-2006 Q3C-2005 Q3-2005 Q2C-2005 Q2-2005 Q1-2005 Q3C-2004 Q3-2004 Q2C-2004 Q2-2004 Q1-2004 Q3-2003 Q2-2003 Q1-2003
Ativo Total 1000 13,281,396 13,281,396 13,224,420 13,224,420 13,217,089 12,293,135 12,293,135 12,072,044 12,072,044 12,099,672 10,102,174 10,102,174 9,503,735 9,503,735 9,131,264 8,902,047 8,970,128 9,061,220
Ativo Circulante 1100 3,009,607 3,009,607 3,159,251 3,159,251 3,641,743 3,332,992 3,332,992 3,475,733 3,475,733 3,828,878 2,490,846 2,490,846 2,243,249 2,243,249 2,075,271 1,937,881 1,963,032 2,119,823
Disponibilidades 1110 686,257 686,257 861,629 861,629 1,126,582 87071 87071 1,070,760 1,070,760 1,469,959 503,324 503,324 566,789 566,789 305,625 195,715 288,061 340,329
Crditos 1120 980,412 980,412 931,166 931,166 1,182,967 814,502 814,502 949,569 949,569 1,034,992 945,153 945,153 759,081 759,081 954,291 846,501 835,658 840,549
Estoques 1130 1,194,539 1,194,539 1,150,836 1,150,836 1,145,341 1,354,559 1,354,559 1,195,603 1,195,603 1,070,788 930,169 930,169 798,595 798,595 661,184 774,571 721,866 70575
Outros 1140 148,399 148,399 21562 21562 186,853 293,221 293,221 259,801 259,801 253,139 1122 1122 118,784 118,784 154,171 121,094 117,447 233,195
Ativo Realizvel a Longo Prazo 1200 675,664 675,664 755,346 755,346 1,061,060 931,414 931,414 786,056 786,056 851,869 1,427,346 1,427,346 1,475,782 1,475,782 1,408,628 1,481,378 1,494,207 1,585,862
Crditos Diversos 1210 22,424 22,424 22,684 22,684 22,952 23,447 23,447 23,989 23,989 24,312 24,576 24,576 24,478 24,478 24,299 35,937 36,308 30,836
Crditos com Pessoas Ligadas 1220 11,604 11,604 6,219 6,219 311,413 314,113 314,113 111,362 111,362 128,644 374,588 374,588 395,712 395,712 301,092 298,422 245,974 228,166
Com Coligadas 1221 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Com Controladas 1222 11,604 11,604 6,219 6,219 311,413 314,113 314,113 111,362 111,362 128,644 374,588 374,588 395,712 395,712 301,092 298,422 245,974 228,166
Com Outras Pessoas Ligadas 1223 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Outros 1230 641,636 641,636 726,443 726,443 726,695 593,854 593,854 650,705 650,705 698,913 1,028,182 1,028,182 1,055,592 1,055,592 1,083,237 1,147,019 1,211,925 1,326,860
Ativo Permanente 1300 9,596,125 9,596,125 9,309,823 9,309,823 8,514,286 8,028,729 8,028,729 7,810,255 7,810,255 7,418,925 6,183,982 6,183,982 5,784,704 5,784,704 5,647,365 5,482,788 5,512,889 5,355,535
Investimentos 1310 6,166,249 6,166,249 5,888,177 5,888,177 5,098,947 4,521,338 4,521,338 4,253,618 4,253,618 3,889,454 2,673,365 2,673,365 2,253,039 2,253,039 2,082,865 1,848,962 1,891,470 1,715,877
Participaes em Coligadas 1311 113,587 113,587 93,763 93,763 81,015 455,207 455,207 10538 10538 96,826 88,423 88,423 59,509 59,509 54,497 0 0 0
Participaes em Controladas 1312 6,031,811 6,031,811 5,773,563 5,773,563 4,997,081 4,020,357 4,020,357 4,102,464 4,102,464 3,746,854 2,538,886 2,538,886 2,147,474 2,147,474 1,982,312 1,802,868 1,845,376 1,669,783
Outros Investimentos 1313 20,851 20,851 20,851 20,851 20,851 45,774 45,774 45,774 45,774 45,774 46,056 46,056 46,056 46,056 46,056 46,094 46,094 46,094
Imobilizado 1320 3,429,876 3,429,876 3,421,646 3,421,646 3,415,339 3,507,391 3,507,391 3,556,637 3,556,637 3,529,471 3,510,617 3,510,617 3,531,665 3,531,665 3,564,500 3,633,826 3,621,419 3,639,658
Diferido 1330 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Passivo Total 2000 13,281,396 13,281,396 13,224,420 13,224,420 13,217,089 12,293,135 12,293,135 12,072,044 12,072,044 12,099,672 10,102,174 10,102,174 9,503,735 9,503,735 9,131,264 8,902,047 8,970,128 9,061,220
Passivo Circulante 2100 925,129 925,129 1,429,094 1,429,094 1,845,422 1,806,594 1,806,594 1,533,440 1,533,440 2,263,662 1,316,903 1,316,903 1,279,891 1,279,891 1,312,781 1,819,397 1,785,871 2,110,033
Emprstimos e Financiamentos 2110 272,068 272,068 310,095 310,095 455,046 519,709 519,709 511,457 511,457 514,176 607,543 607,543 722,669 722,669 751,587 1,098,955 1,042,118 1,324,512
Debntures 2120 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 130,725 159,695 144,467
Fornecedores 2130 196,112 196,112 192,963 192,963 142,252 2389 2389 264,494 264,494 164,043 139,463 139,463 118,972 118,972 155,875 218,114 195,199 261,272
Impostos Taxas e Contribuies 2140 212,365 212,365 249,449 249,449 255,372 428,531 428,531 451,575 451,575 446,452 296,946 296,946 229,705 229,705 100,381 7112 106,088 8732
Dividendos a Pagar 2150 3,229 3,229 35964 35964 539,537 2,379 2,379 2,075 2,075 787,794 1,975 1,975 1,242 1,242 4,165 1,253 289 328
Provises 2160 69,636 69,636 61,375 61,375 51,076 63,173 63,173 56,376 56,376 49,351 57,498 57,498 51,277 51,277 43,406 49,904 4287 36,652
Dvidas com Pessoas Ligadas 2170 68,796 68,796 104,431 104,431 68,056 7645 7645 98,315 98,315 93,373 1021 1021 8346 8346 152,602 163,502 158,451 164,474
Outros 2180 102,923 102,923 151,141 151,141 334,083 477,452 477,452 149,148 149,148 208,473 111,378 111,378 72,566 72,566 104,765 85,824 81,161 91,008
Passivo Exigvel a Longo Prazo 2200 2,146,111 2,146,111 2,302,070 2,302,070 2,237,840 2,429,441 2,429,441 2,696,851 2,696,851 2,798,948 3,123,624 3,123,624 3,297,946 3,297,946 3,428,134 3,159,712 3,296,258 3,536,569
Emprstimos e Financiamentos 2210 430,272 430,272 57391 57391 45402 591,808 591,808 579,101 579,101 716,928 1,052,076 1,052,076 1,290,576 1,290,576 1,490,311 1,360,575 1,271,014 1,482,474
Debntures 2220 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 41,407 310,228 309,665
Provises 2230 1,452,165 1,452,165 1,450,874 1,450,874 1,495,744 1,532,573 1,532,573 1,561,701 1,561,701 1,569,753 1,648,212 1,648,212 1,641,176 1,641,176 1,649,269 1,532,753 1,493,839 1,533,310
Dvidas com Pessoas Ligadas 2240 59,727 59,727 59,041 59,041 58,433 9426 9426 69,117 69,117 96,414 0 0 0 0 0 0 0 0
Outros 2250 203,947 203,947 218,245 218,245 229,643 2108 2108 486,932 486,932 415,853 423,336 423,336 366,194 366,194 288,554 224,977 221,177 21112
Resultados de Exerccios Futuros 2300 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Participaes Minoritrias 2400
Patrimnio Lquido 2500 10,210,156 10,210,156 9,493,256 9,493,256 9,133,827 8,057,100 8,057,100 7,841,753 7,841,753 7,037,062 5,661,647 5,661,647 4,925,898 4,925,898 4,390,349 3,922,938 3,887,999 3,414,618
Capital Social Realizado 2510 5,400,000 5,400,000 5,400,000 5,400,000 2,400,000 2,400,000 2,400,000 2,400,000 2,400,000 2,400,000 1,280,839 1,280,839 1,280,839 1,280,839 1,280,839 1,221,000 1,221,000 1,221,000
Reservas de Capital 2520 1,831,542 1,831,542 1,831,542 1,831,542 1,831,542 1,831,542 1,831,542 1,831,542 1,831,542 1,831,542 1,831,542 1,831,542 1,831,542 1,831,542 1,831,542 1,831,542 1,831,542 1,831,542
Reservas de Reavaliao 2530 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Ativos Prprios 2531 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Controladas/Coligadas 2532 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Reservas de Lucro 2540 1,576,420 1,576,420 1,576,420 1,576,420 4,576,420 1,778,437 1,778,437 1,778,437 1,778,437 1,778,437 912,677 912,677 912,677 912,677 912,677 0 0 0
Legal 2541 413,985 413,985 413,985 413,985 413,985 21832 21832 21832 21832 21832 65,634 65,634 65,634 65,634 65,634 0 0 0
Estatutria 2542 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Para Contingncias 2543 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
De Lucros a Realizar 2544 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Reteno de Lucros 2545 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Especial p/ Dividendos No
Distribudos 2546 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Outras Reservas de Lucro 2547 1,162,435 1,162,435 1,162,435 1,162,435 4,162,435 1,560,117 1,560,117 1,560,117 1,560,117 1,560,117 847,043 847,043 847,043 847,043 847,043 0 0 0
Lucros/Prejuzos Acumulados 2550 1,402,194 1,402,194 685,294 685,294 325,865 2,047,121 2,047,121 1,831,774 1,831,774 1,027,083 1,636,589 1,636,589 90084 90084 365,291 870,396 835,457 362,076
USIMINAS (cont.)
REPORTING DETAILS Code Q3-2002 Q2-2002 Q1-2002 Q3-2001 Q2-2001 Q1-2001 Q3-2000 Q2-2000 Q1-2000 Q3-1999 Q2-1999 Q1-1999 Q3-1998
End date of reporting period 9/30/2002 6/30/2002 3/31/2002 9/30/2001 6/30/2001 3/31/2001 9/30/2000 6/30/2000 3/31/2000 9/30/1999 6/30/1999 3/31/1999 9/30/1998
Original Units as Reported BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands
Financial Statements Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes
Financial Statement 'as Reported' Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard
Balance Sheet Code Q3-2002 Q2-2002 Q1-2002 Q3-2001 Q2-2001 Q1-2001 Q3-2000 Q2-2000 Q1-2000 Q3-1999 Q2-1999 Q1-1999 Q3-1998
Ativo Total 1000 8,974,902 8,714,419 8,836,314 8,861,161 8,664,902 8,607,878 8,439,700 8,401,561 8,726,545 8,102,762 7,936,071 7,696,909 4,386,950
Ativo Circulante 1100 2,092,040 1,486,970 1,498,158 1,523,726 1,407,846 1,294,699 1,153,329 1,137,190 1,472,581 1,160,550 1,298,661 1,101,246 644,942
Disponibilidades 1110 453,275 98,809 198,026 16411 170,289 210,163 220,706 275,761 565,448 240,982 374,445 204,201 5,378
Crditos 1120 775,272 677,994 615,345 560,997 516,619 5062 40579 408,436 43735 439,701 380,306 367,431 249,869
Estoques 1130 678,333 652,348 658,665 619,882 581,117 556,429 506,815 432,905 447,215 454,281 509,665 505,689 348,711
Outros 1140 18516 57,819 26,122 178,737 139,821 21,907 20,018 20,088 22,568 25,586 34,245 23,925 40,984
Ativo Realizvel a Longo Prazo 1200 1,861,923 1,616,593 1,483,322 1,347,334 1,261,056 1,286,289 1,270,817 1,275,389 1,265,963 1,001,106 972,889 1,070,707 28,411
Crditos Diversos 1210 1971 1934 20,985 21,847 14,171 14,499 15,613 16,128 63 8,215 13,133 18,179 16,537
Crditos com Pessoas Ligadas 1220 251,072 220,274 185,053 125,691 112,666 108,285 109,851 108,465 54,471 58,228 53,745 128,735 0
Com Coligadas 1221 0 0 0 0 0 0 0 0 0 0 0 0 0
Com Controladas 1222 251,072 220,274 185,053 125,691 112,666 108,285 109,851 108,465 54,471 58,228 53,745 128,735 0
Com Outras Pessoas Ligadas 1223 0 0 0 0 0 0 0 0 0 0 0 0 0
Outros 1230 1,591,141 1,376,979 1,277,284 1,199,796 1,134,219 1,163,505 1,145,353 1,150,796 1,205,192 934,663 906,011 923,793 11,874
Ativo Permanente 1300 5,020,939 5,610,856 5,854,834 5,990,101 5,996,000 6,026,890 6,015,554 5,988,982 5,988,001 5,941,106 5,664,521 5,524,956 3,713,597
Investimentos 1310 1,341,475 1,886,454 2,086,633 2,128,372 2,132,080 2,164,573 2,138,715 2,104,774 2,126,110 2,111,979 1,997,112 1,983,690 54,197
Participaes em Coligadas 1311 0 100,945 110,076 116,393 126,378 137,742 154,918 15651 167,718 179,047 155,852 160,282 0
Participaes em Controladas 1312 1,295,270 1,739,304 1,930,352 1,965,774 1,957,502 1,978,631 1,935,595 1,900,062 1,910,190 1,884,729 1,793,058 1,775,205 48,116
Outros Investimentos 1313 46,205 46,205 46,205 46,205 482 482 48,202 48,202 48,202 48,203 48,202 48,203 6,081
Imobilizado 1320 3,679,464 3,724,402 3,768,201 3,861,729 3,863,920 3,862,317 3,876,839 3,884,208 3,861,891 3,829,127 3,667,409 3,541,266 3,624,333
Diferido 1330 0 0 0 0 0 0 0 0 0 0 0 0 35,067
Passivo Total 2000 8,974,902 8,714,419 8,836,314 8,861,161 8,664,902 8,607,878 8,439,700 8,401,561 8,726,545 8,102,762 7,936,071 7,696,909 4,386,950
Passivo Circulante 2100 2,406,839 1,818,484 1,593,233 1,469,024 1,278,745 1,357,053 1,255,891 1,326,428 2,071,918 1,969,530 1,731,203 1,855,878 1,449,331
Emprstimos e Financiamentos 2110 1,816,672 1,307,272 992,569 983,299 861,429 954,775 768,442 886,842 1,036,572 949,687 682,787 722,414 789,281
Debntures 2120 49,545 2893 49,078 3006 4,896 17,299 19,257 89 18,486 21,007 309 0 0
Fornecedores 2130 92,305 72,649 9061 96,159 76,594 5975 70,297 59,125 48,053 49,082 71,365 106,187 121,559
Impostos Taxas e Contribuies 2140 49,121 30,449 42,952 34,773 38,829 41,434 33,389 31,756 50,883 21,352 40,504 27,931 113,035
Dividendos a Pagar 2150 352 600 50,429 1,735 1,217 1,406 833 936 1,391 1,339 908 56,483 0
Provises 2160 45,145 401 33,239 66,556 39,014 32,472 41,122 36,213 423,725 414,246 421,487 388,312 40,417
Dvidas com Pessoas Ligadas 2170 187,365 168,993 161,307 13168 128,034 107,224 154,707 164,388 184,411 248,213 301,166 3145 0
Outros 2180 166,334 169,491 173,049 124,762 128,732 142,693 167,844 147,079 308,397 264,604 212,677 240,051 385,039
Passivo Exigvel a Longo Prazo 2200 4,138,413 3,782,481 3,843,142 3,947,231 3,884,115 3,750,278 3,722,490 3,635,624 3,249,114 2,529,229 2,577,393 2,232,810 1,348,101
Emprstimos e Financiamentos 2210 1,976,823 1,761,069 1,666,235 2,143,131 2,079,550 1,940,543 2,033,483 1,982,368 1,929,727 1,527,741 1,581,439 1,601,876 383,071
Debntures 2220 425,728 395,198 555,341 580,426 582,911 582,304 477,854 421,248 400 400 400 0 0
Provises 2230 1,525,161 1,407,081 1,347,269 946,281 930,472 921,627 375,508 36457 0 160,519 160,519 189,228 0
Dvidas com Pessoas Ligadas 2240 0 2656 0 0 0 0 0 0 0 0 0 0 199,287
Outros 2250 210,701 192,573 274,297 277,393 291,182 305,804 835,645 867,438 919,387 440,969 435,435 441,706 765,743
Resultados de Exerccios Futuros 2300 0 0 0 0 0 0 0 0 0 0 0 0 0
Participaes Minoritrias 2400
Patrimnio Lquido 2500 2,429,650 3,113,454 3,399,939 3,444,906 3,502,042 3,500,547 3,461,319 3,439,509 3,405,513 3,604,003 3,627,475 3,608,221 1,589,518
Capital Social Realizado 2510 1,221,000 1,221,000 1,221,000 1,221,000 1,221,000 1,221,000 1,221,000 1,221,000 1,221,000 1,221,000 1,221,000 1,221,000 4,221,987
Reservas de Capital 2520 1,998,775 1,998,775 1,998,775 2,107,415 2,107,415 2,107,415 2,107,415 2,107,415 2,107,415 2,239,286 2,239,286 2,359,968 149,588
Reservas de Reavaliao 2530 0 0 0 8,264 8,394 8,524 9,594 10,219 10,885 15,803 18,257 20,711 5889
Ativos Prprios 2531 0 0 0 8,264 8,394 8,524 9,594 10,219 10,885 15,803 18,257 20,711 5889
Controladas/Coligadas 2532 0 0 0 0 0 0 0 0 0 0 0 0 0
Reservas de Lucro 2540 153,892 153,892 153,892 110,452 156,462 156,462 15,518 15,518 15,518 0 0 0 0
Legal 2541 12,047 12,047 12,047 27,046 27,046 27,046 15,518 15,518 15,518 0 0 0 0
Estatutria 2542 0 0 0 0 0 0 0 0 0 0 0 0 0
Para Contingncias 2543 0 0 0 0 0 0 0 0 0 0 0 0 0
De Lucros a Realizar 2544 0 0 0 0 0 0 0 0 0 0 0 0 0
Reteno de Lucros 2545 0 0 0 0 0 0 0 0 0 0 0 0 0
Especial p/ Dividendos No
Distribudos 2546 0 0 0 0 0 0 0 0 0 0 0 0 0
Outras Reservas de Lucro 2547 141,845 141,845 141,845 83,406 129,416 129,416 0 0 0 0 0 0 0
Lucros/Prejuzos Acumulados 2550 -944,017 -260,213 26,272 -2,225 8,771 7,146 107,792 85,357 50,695 127,914 148,932 6,542 -2,840,947
Demonstrativo Resultado Exerccio
USIMINAS
REPORTING DETAILS Code Q3C-2006 Q3-2006 Q2C-2006 Q2-2006 Q1-2006 Q3C-2005 Q3-2005 Q2C-2005 Q2-2005 Q1-2005 Q3C-2004 Q3-2004 Q2C-2004 Q2-2004 Q1-2004 Q3-2003 Q2-2003 Q1-2003
End date of reporting period 9/30/2006 9/30/2006 6/30/2006 6/30/2006 3/31/2006 9/30/2005 9/30/2005 6/30/2005 6/30/2005 3/31/2005 9/30/2004 9/30/2004 6/30/2004 6/30/2004 3/31/2004 9/30/2003 6/30/2003 3/31/2003
Original Units as Reported BRL BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands
Financial Statements Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes
Financial Statement 'as Reported' Reporting Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard
Income Statement Code Q3C-2006 Q3-2006 Q2C-2006 Q2-2006 Q1-2006 Q3C-2005 Q3-2005 Q2C-2005 Q2-2005 Q1-2005 Q3C-2004 Q3-2004 Q2C-2004 Q2-2004 Q1-2004 Q3-2003 Q2-2003 Q1-2003
Receita Bruta de Vendas e/ou
Servios 3100 6,655,739 2,252,275 4,403,464 2,277,301 2,126,163 7,189,273 2,233,713 4,955,560 2,409,753 2,545,807 6,111,615 2,385,425 3,726,190 1,994,135 1,732,055 1,430,167 1,568,893 1,570,640
Dedues da Receita Bruta 3200 -1,660,432 -541,281 -1,119,151 -600,682 -518,469 -1,808,806 -580,769 -1,228,037 -585,394 -642,643 -1,457,072 -539,235 -917,837 -492,569 -425,268 -327,454 -370,431 -34814
Receita Lquida de Vendas e/ou
Servios 3300 4,995,307 1,710,994 3,284,313 1,676,619 1,607,694 5,380,467 1,652,944 3,727,523 1,824,359 1,903,164 4,654,543 1,846,190 2,808,353 1,501,566 1,306,787 1,102,713 1,198,462 1,222,500
Custo de Bens e/ou Servios 3400 -3,280,587 -1,103,592 -2,176,995 -1,105,649 -1,071,346 -2,862,902 -960,957 -1,901,945 -1,014,385 -88756 -2,496,280 -957,078 -1,539,202 -805,177 -734,025 -691,976 -750,878 -710,878
Resultado Bruto 3500 1,714,720 607,402 1,107,318 57097 536,348 2,517,565 691,987 1,825,578 809,974 1,015,604 2,158,263 889,112 1,269,151 696,389 572,762 410,737 447,584 511,622
Despesas/Receitas Operacionais 3600 390,804 282,499 108,305 18889 -80,585 704,964 13157 573,394 188,987 384,407 270,166 309,457 -39,291 26,385 -65,676 -24245 115,869 -22,251
Com Vendas 3610 -9877 -29,283 -69,487 -32,461 -37,026 -71,552 -216 -49,952 -27,826 -22,126 -71,107 -22,013 -49,094 -28,449 -20,645 -17,393 -13,608 -13,097
Gerais e Administrativas 3620 -10799 -35,209 -72,781 -40,458 -32,323 -92,498 -3044 -62,058 -34,595 -27,463 -82,765 -32,587 -50,178 -28,548 -2163 -21,833 -23,698 -19,309
Financeiras 3630 -95,033 -12,318 -82,715 -24,361 -58,354 -165,168 -46,233 -118,935 -89,227 -29,708 -233,866 -59,863 -174,003 -92,039 -81,964 -129,422 -14,551 -108,438
Receitas Financeiras 3631 44,796 29,812 14,984 252 -10,216 43,027 12,396 30,631 -25,914 56,545 62,508 -17,423 79,931 58,651 2128 29,167 -59,526 -18,565
Despesas Financeiras 3632 -139,829 -4213 -97,699 -49,561 -48,138 -208,195 -58,629 -149,566 -63,313 -86,253 -296,374 -4244 -253,934 -15069 -103,244 -158,589 44,975 -89,873
Outras Receitas Operacionais 3640 115,874 17,027 98,847 92,874 5,973 41,229 16,021 25,208 21,703 3,505 38,833 20,124 18,709 12,944 5,765 18,538 4,904 2,045
Outras Despesas Operacionais 3650 -134,211 -35,669 -98,542 -68,775 -29,767 -111,018 -36,382 -74,636 -41,807 -32,829 -87,772 -25,789 -61,983 -34,454 -27,529 -48,886 -35,527 -34,688
Resultado da Equivalncia
Patrimonial 3660 710,934 377,951 332,983 262,071 70,912 1,103,971 250,204 853,767 360,739 493,028 706,843 429,585 277,258 196,931 80,327 -43,454 198,349 151,236
Resultado Operacional 3700 2,105,524 889,901 1,215,623 75986 455,763 3,222,529 823,557 2,398,972 998,961 1,400,011 2,428,429 1,198,569 1,229,860 722,774 507,086 168,287 563,453 489,371
Resultado No Operacional 3800 3,295 995 23 1,055 1,245 2,097 -841 2,938 713 2,225 -17,019 -10,314 -6,705 -1,895 -481 10,664 2,385 -9,278
Receitas 3810 3,565 1,109 2,456 1,192 1,264 706 881 6,179 789 539 1,881 655 1,226 653 573 739 481 611
Despesas 3820 -270 -114 -156 -137 -19 -4,963 -1,722 -3,241 -76 -3,165 -189 -10,969 -7,931 -2,548 -5,383 9,925 1,904 -9,889
Resultado Antes
Tributao/Participaes 3900 2,108,819 890,896 1,217,923 760,915 457,008 3,224,626 822,716 2,401,910 999,674 1,402,236 2,411,410 1,188,255 1,223,155 720,879 502,276 178,951 565,838 480,093
Proviso para IR e Contribuio
Social 3A00 -236,425 -36,844 -199,581 -8664 -112,941 -418,939 -29,456 -389,483 -108,307 -281,176 -34455 -92,889 -251,661 -14931 -102,351 -38,832 -63,146 -80,349
IR Diferido 3B00 -1202 -137,152 16,952 35,154 -18,202 -209,005 -28,352 -180,653 -86,676 -93,977 -133,322 -6726 -66,062 -3602 -30,042 -1311 -29,311 -37,668
Participaes/Contribuies
Estatutrias 3C00 0 0 0 0 0 0 0 0 0 0 -26,949 -22,357 -4,592 0 -4,592 -7,984 0 0
Participaes 3C10 0 0 0 0 0 0 0 0 0 0 -26,949 -22,357 -4,592 0 -4,592 -7,984 0 0
Contribuies 3C20 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Reverso dos Juros sobre Capital
Prprio 3D00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Participaes Minoritrias 3.00E+00
Lucro/Prejuzo do Exerccio 3F00 1,752,194 7169 1,035,294 709,429 325,865 2,596,682 764,908 1,831,774 804,691 1,027,083 1,906,589 1,005,749 90084 535,549 365,291 119,025 473,381 362,076
USIMINAS (cont.)
REPORTING DETAILS Code Q3-2002 Q2-2002 Q1-2002 Q3-2001 Q2-2001 Q1-2001 Q3-2000 Q2-2000 Q1-2000 Q3-1999 Q2-1999 Q1-1999 Q3-1998
End date of reporting period 9/30/2002 6/30/2002 3/31/2002 9/30/2001 6/30/2001 3/31/2001 9/30/2000 6/30/2000 3/31/2000 9/30/1999 6/30/1999 3/31/1999 9/30/1998
Original Units as Reported BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands BRL Thousands
Financial Statements Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes Notes
Financial Statement 'as Reported' Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard Reporting Standard
Income Statement Code Q3-2002 Q2-2002 Q1-2002 Q3-2001 Q2-2001 Q1-2001 Q3-2000 Q2-2000 Q1-2000 Q3-1999 Q2-1999 Q1-1999 Q3-1998
Receita Bruta de Vendas e/ou
Servios 3100 1,183,629 1,043,726 973,835 998,992 968,097 869,352 820,329 783,533 685,327 597,854 593,447 601,015 419,631
Dedues da Receita Bruta 3200 -244,224 -243,128 -219,273 -231,934 -220,273 -189,769 -19385 -178,504 -180,891 -138,352 -119,364 -112,315 -8707
Receita Lquida de Vendas e/ou
Servios 3300 939,405 800,598 754,562 767,058 747,824 679,583 626,479 605,029 504,436 459,502 474,083 4887 332,561
Custo de Bens e/ou Servios 3400 -581,953 -54794 -553,778 -488,627 -465,203 -43317 -378,205 -380,831 -342,417 -304,551 -305,167 -328,266 -292,162
Resultado Bruto 3500 357,452 252,658 200,784 278,431 282,621 246,413 248,274 224,198 162,019 154,951 168,916 160,434 40,399
Despesas/Receitas Operacionais 3600 -1,139,306 -620,601 -145,063 -2937 -241,402 -260,754 -159,765 -17513 -102,323 -166,338 -135,505 -766,174 -119,806
Com Vendas 3610 -3561 -13,317 -1403 -13,512 -13,119 -14,359 -9,822 -11,215 -9,924 -11,475 -14,417 -17,673 -9,764
Gerais e Administrativas 3620 -27,674 -19,411 -1672 -17,605 -15,067 -15,952 -15,546 -16,053 -1346 -15,929 -18,028 -30,715 -13,262
Financeiras 3630 -464,581 -272,231 -101,438 -220,572 -174,906 -220,303 -136,918 -140,643 -72,941 -13846 -76,915 -713,531 -73,356
Receitas Financeiras 3631 186,403 108,963 -9,118 221,831 79,164 90,382 2361 11,525 13,634 87,803 57,442 247,114 8,884
Despesas Financeiras 3632 -650,984 -381,194 -9232 -442,403 -25407 -310,685 -160,528 -152,168 -86,575 -226,263 -134,357 -960,645 -8224
Outras Receitas Operacionais 3640 2,847 -45,188 50,685 1,175 11,311 2,875 -689 20,372 22,859 15,193 8,505 6,406 2,953
Outras Despesas Operacionais 3650 -52,755 -23,986 -20,274 -21,432 -17,485 -17,176 -13,832 -25,876 -31,086 -2345 -30,006 -24,618 -25,868
Resultado da Equivalncia
Patrimonial 3660 -561,533 -246,468 -43,286 -21,754 -32,136 4,161 17,042 -1,715 2,229 7,783 -4,644 13,957 -509
Resultado Operacional 3700 -781,854 -367,943 55,721 -15,269 41,219 -14,341 88,509 49,068 59,696 -11,387 33,411 -60574 -79,407
Resultado No Operacional 3800 8677 43,742 2,674 3,434 -17,234 4,943 -14 -18,331 235 -294 -464 23,002 -482
Receitas 3810 93,344 50,036 708 575 646 608 11,539 513 1,042 719 -357 23,073 144
Despesas 3820 -6,574 -6,294 1,966 2,859 -1788 4,335 -11,553 -18,844 1,308 -1,013 -107 -71 -4,964
Resultado Antes
Tributao/Participaes 3900 -695,084 -324,201 58,395 -11,835 23,985 -9,398 88,495 30,737 62,046 -11,681 32,947 -582,738 -84,227
Proviso para IR e Contribuio
Social 3A00 1128 13,993 -21,161 -4,142 -6,641 15,748 -18,714 13,817 -655 -316 -83 -3,759 0
IR Diferido 3B00 0 23,723 -10,962 4,851 -15,849 350 -7,971 -9,929 -7,259 28,524 -1361 712,072 0
Participaes/Contribuies
Estatutrias 3C00 0 0 0 0 0 0 0 -629 0 0 0 0 0
Participaes 3C10 0 0 0 0 0 0 0 -629 0 0 0 0 0
Contribuies 3C20 0 0 0 0 0 0 0 0 0 0 0 0 0
Reverso dos Juros sobre Capital
Prprio 3D00 0 0 0 0 0 0 0 0 0 0 0 0 0
Participaes Minoritrias 3.00E+00
Lucro/Prejuzo do Exerccio 3F00 -683,804 -286,485 26,272 -11,126 1,495 67 6181 33,996 48,237 16,527 19,254 125,575 -84,227
APNDICE C Sries Calculadas
Sries Quadrimestrais e Crescimentos Quadrimestrais
Variveis Macro-econmicas
Perodo PIB IGPM cambio selic

1999Q1 2,8% 8,0% 37,4% -2,0%
1999Q2 2,8% 3,2% 15,4% -33,3%
1999Q3 2,8% 7,4% -6,6% 2,0%
2000Q1 3,5% 2,0% 1,0% -19,0%
2000Q2 3,5% 5,1% 0,9% 8,5%
2000Q3 3,5% 2,5% 7,2% -14,7%
2001Q1 3,4% 2,4% 11,7% -1,0%
2001Q2 3,4% 4,7% 16,8% 34,9%
2001Q3 3,4% 2,8% -9,1% -12,9%
2002Q1 4,3% 1,1% 1,8% 6,5%
2002Q2 4,3% 6,6% 27,9% -2,7%
2002Q3 4,3% 15,2% 16,9% 20,7%
2003Q1 4,8% 7,1% -18,2% 7,4%
2003Q2 4,8% -1,3% 2,7% -5,2%
2003Q3 4,8% 2,7% -2,6% -22,6%
2004Q1 4,5% 3,9% 1,9% -13,9%
2004Q2 4,5% 5,2% -0,4% 9,5%
2004Q3 4,5% 2,6% -9,5% 14,6%
2005Q1 3,4% 2,4% -4,6% -4,8%
2005Q2 3,4% -1,7% -6,6% 17,5%
2005Q3 3,4% 0,5% -1,0% -11,1%
2006Q1 2,6% 0,3% -10,7% -26,9%
2006Q2 2,6% 1,7% 2,4% 16,6%
2006Q3 2,6% 1,8% 0,0% -21,4%
Setor Siderurgia
Produo Produo Produo

- ao - - ferro-
Perodo bruto laminados gusa
1999Q1 0.4% 8.1% -0.6%
1999Q2 2.8% 13.0% 3.2%
1999Q3 -0.1% -6.5% 6.9%
2000Q1 6.0% 2.1% 2.9%
2000Q2 6.4% 12.1% 4.9%
2000Q3 0.2% -3.8% 1.4%
2001Q1 -0.6% 0.8% 1.9%
2001Q2 -13.7% -2.1% -12.6%
2001Q3 12.7% 0.2% 10.8%
2002Q1 1.1% -2.6% -1.7%
2002Q2 7.4% 7.5% 9.3%
2002Q3 4.4% 6.8% 4.6%
2003Q1 -3.2% -1.1% -4.2%
2003Q2 6.6% 5.6% 10.3%
2003Q3 -3.4% 3.1% -1.5%
2004Q1 3.0% 2.7% 2.0%
2004Q2 5.3% 4.6% 5.3%
2004Q3 -1.5% 2.3% 0.2%
2005Q1 -3.2% -5.0% -2.5%
2005Q2 -9.4% -5.1% -0.1%
2005Q3 9.0% 6.9% 0.3%
2006Q1 -9.0% -5.6% -14.3%
2006Q2 8.4% 11.0% 10.5%
2006Q3 4.6% -0.2% 6.7%
2007Q1 -5.2% 0.5% -5.8%
2007Q2 10.8% 7.5% 10.2%
Dados para Crescimento Sustentvel: g_sust
Siderurgia
Company Date Asset Incomes Equity Profit Lev Turnover Mg g_sust
Acesita 1998Q3 3,354,786 151,005 1,655,382 (47,374) 2.03 5% -31.4% -2.86%
Acesita 1999Q1 3,663,163 152,825 1,622,818 (106,066) 2.26 4% -69.4% -6.54%
Acesita 1999Q2 3,703,212 219,468 1,538,301 (8,448) 2.41 6% -3.8% -0.55%
Acesita 1999Q3 3,740,542 237,592 1,334,302 (204) 2.80 6% -0.1% -0.02%
Acesita 2000Q1 3,641,339 310,238 1,446,286 1,113 2.52 9% 0.4% 0.08%
Acesita 2000Q2 3,636,992 361,653 1,447,221 935 2.51 10% 0.3% 0.06%
Acesita 2000Q3 4,017,597 325,643 1,449,410 2,189 2.77 8% 0.7% 0.15%
Acesita 2001Q1 3,704,620 305,569 1,154,565 (98,065) 3.21 8% -32.1% -8.49%
Acesita 2001Q2 4,152,680 312,315 1,420,879 (12,956) 2.92 8% -4.1% -0.91%
Acesita 2001Q3 4,251,059 383,712 1,305,740 (79,987) 3.26 9% -20.8% -6.13%
Acesita 2002Q1 3,790,951 30,201 1,107,058 (44,717) 3.42 1% -148.1% -4.04%
Acesita 2002Q2 3,966,643 366,716 913,193 (193,865) 4.34 9% -52.9% -21.23%
Acesita 2002Q3 4,300,556 498,963 648,027 (255,149) 6.64 12% -51.1% -39.37%
Acesita 2003Q1 4,085,425 541,215 892,725 54,905 4.58 13% 10.1% 6.15%
Acesita 2003Q2 3,415,234 536,591 939,111 46,385 3.64 16% 8.6% 4.94%
Acesita 2003Q3 3,485,122 556,337 947,512 8,401 3.68 16% 1.5% 0.89%
Acesita 2004Q1 3,878,437 672,298 1,132,541 100,085 3.42 17% 14.9% 8.84%
Acesita 2004Q2 3,896,423 820,551 1,223,522 90,981 3.18 21% 11.1% 7.44%
Acesita 2004Q3 4,019,536 824,245 1,454,613 231,091 2.76 21% 28.0% 15.89%
Acesita 2005Q1 3,910,901 91,148 1,699,764 176,956 2.30 2% 194.1% 10.41%
Acesita 2005Q2 3,742,950 812,431 1,888,183 188,419 1.98 22% 23.2% 9.98%
Acesita 2005Q3 3,781,894 699,453 2,069,576 181,393 1.83 18% 25.9% 8.76%
Acesita 2006Q1 4,187,806 695,932 2,451,939 125,845 1.71 17% 18.1% 5.13%
Acesita 2006Q2 4,199,139 792,751 2,551,913 112,821 1.65 19% 14.2% 4.42%
Acesita 2006Q3 4,305,909 920,287 2,705,907 153,994 1.59 21% 16.7% 5.69%
Acos_Vilares 1998Q3 720,149 98,246 285,838 (15,826) 2.52 14% -16.1% -5.54%
Acos_Vilares 1999Q1 645,681 8,346 26,151 (115,729) 24.69 1% -1386.6% -442.54%
Acos_Vilares 1999Q2 649,256 106,245 16,197 (9,954) 40.08 16% -9.4% -61.46%
Acos_Vilares 1999Q3 669,949 11,555 (31,571) (47,768) (21.22) 2% -413.4% 151.30%
Acos_Vilares 2000Q1 642,424 102,951 (67,706) 10,975 (9.49) 16% 10.7% -16.21%
Acos_Vilares 2000Q2 599,907 130,156 (93,662) (25,956) (6.41) 22% -19.9% 27.71%
Acos_Vilares 2000Q3 780,323 136,627 78,938 26,376 9.89 18% 19.3% 33.41%
Acos_Vilares 2001Q1 722,004 117,378 67,919 (18,395) 10.63 16% -15.7% -27.08%
Acos_Vilares 2001Q2 725,618 149,228 6,762 (299) 107.31 21% -0.2% -4.42%
Acos_Vilares 2001Q3 740,261 135,002 48,897 (18,723) 15.14 18% -13.9% -38.29%
Acos_Vilares 2002Q1 733,228 13,079 10,243 984 71.58 2% 7.5% 9.61%
Acos_Vilares 2002Q2 804,079 178,339 74,728 (27,702) 10.76 22% -15.5% -37.07%
Acos_Vilares 2002Q3 832,227 20,158 19,793 (54,935) 42.05 2% -272.5% -277.55%
Acos_Vilares 2003Q1 906,382 251,557 97,344 24,862 9.31 28% 9.9% 25.54%
Acos_Vilares 2003Q2 961,709 306,422 149,332 51,988 6.44 32% 17.0% 34.81%
Acos_Vilares 2003Q3 977,439 285,409 169,907 20,575 5.75 29% 7.2% 12.11%
Acos_Vilares 2004Q1 1,251,513 287,963 261,097 36,895 4.79 23% 12.8% 14.13%
Acos_Vilares 2004Q2 1,292,234 385,022 29,973 38,633 43.11 30% 10.0% 128.89%
Acos_Vilares 2004Q3 1,319,265 454,612 364,776 65,046 3.62 34% 14.3% 17.83%
Acos_Vilares 2005Q1 1,444,391 467,489 377,803 62,378 3.82 32% 13.3% 16.51%
Acos_Vilares 2005Q2 1,354,134 46,231 446,305 68,502 3.03 3% 148.2% 15.35%
Acos_Vilares 2005Q3 1,652,100 408,722 372,654 50,662 4.43 25% 12.4% 13.59%
Acos_Vilares 2006Q1 1,578,982 373,893 433,131 60,827 3.65 24% 16.3% 14.04%
Acos_Vilares 2006Q2 1,627,476 434,268 486,528 73,649 3.35 27% 17.0% 15.14%
Acos_Vilares 2006Q3 1,719,039 444,142 53,525 73,257 32.12 26% 16.5% 136.87%
CONFAB 1998Q3 445,872 7,243 282,092 15,283 1.58 2% 211.0% 5.42%
CONFAB 1999Q1 479,611 77,568 307,452 22,162 1.56 16% 28.6% 7.21%
CONFAB 1999Q2 429,431 5,725 317,744 10,292 1.35 1% 179.8% 3.24%
CONFAB 1999Q3 404,381 14,763 324,308 6,564 1.25 4% 44.5% 2.02%
CONFAB 2000Q1 456,602 66,059 308,046 255 1.48 14% 0.4% 0.08%
CONFAB 2000Q2 410,354 46,017 301,228 (6,818) 1.36 11% -14.8% -2.26%
CONFAB 2000Q3 457,783 53,454 298,198 (303) 1.54 12% -0.6% -0.10%
CONFAB 2001Q1 509,289 89,605 304,031 9,397 1.68 18% 10.5% 3.09%
CONFAB 2001Q2 568,981 162,478 32,541 21,402 17.49 29% 13.2% 65.77%
CONFAB 2001Q3 692,711 150,201 351,437 26,027 1.97 22% 17.3% 7.41%
CONFAB 2002Q1 82,201 280,119 35,827 17,455 2.29 341% 6.2% 48.72%
CONFAB 2002Q2 942,475 324,361 396,054 37,784 2.38 34% 11.6% 9.54%
CONFAB 2002Q3 1,043,599 268,917 442,351 71,074 2.36 26% 26.4% 16.07%
CONFAB 2003Q1 1,172,303 279,869 483,159 21,181 2.43 24% 7.6% 4.38%
CONFAB 2003Q2 1,098,637 324,001 483,286 12,139 2.27 29% 3.7% 2.51%
CONFAB 2003Q3 936,688 172,391 47,383 (9,456) 19.77 18% -5.5% -19.96%
CONFAB 2004Q1 1,036,658 136,802 422,443 (8,035) 2.45 13% -5.9% -1.90%
CONFAB 2004Q2 1,165,857 241,921 426,623 418 2.73 21% 0.2% 0.10%
CONFAB 2004Q3 1,097,863 258,257 433,325 6,702 2.53 24% 2.6% 1.55%
CONFAB 2005Q1 1,177,710 40,746 496,179 69,778 2.37 3% 171.3% 14.06%
CONFAB 2005Q2 1,155,369 521,939 56,745 71,271 20.36 45% 13.7% 125.60%
CONFAB 2005Q3 1,118,506 419,966 611,644 63,962 1.83 38% 15.2% 10.46%
CONFAB 2006Q1 1,076,875 212,182 652,716 15,089 1.65 20% 7.1% 2.31%
CONFAB 2006Q2 1,058,278 233,695 667,298 14,582 1.59 22% 6.2% 2.19%
CONFAB 2006Q3 1,068,475 196,252 676,777 22,136 1.58 18% 11.3% 3.27%
Company Date Asset Incomes Equity Profit Lev Turnover Mg g_sust
CSN 1998Q3 7,775,615 637,155 4,590,540 91,509 1.69 8% 14.4% 1.99%
CSN 1999Q1 11,827,001 636,847 6,240,712 113,665 1.90 5% 17.8% 1.82%
CSN 1999Q2 11,802,256 666,803 6,184,221 71,066 1.91 6% 10.7% 1.15%
CSN 1999Q3 12,232,621 765,203 6,015,741 (131,655) 2.03 6% -17.2% -2.19%
CSN 2000Q1 11,976,715 727,813 6,115,212 9,012 1.96 6% 1.2% 0.15%
CSN 2000Q2 12,339,227 846,096 6,169,671 56,163 2.00 7% 6.6% 0.91%
CSN 2000Q3 13,366,870 85,305 6,254,476 84,805 2.14 1% 99.4% 1.36%
CSN 2001Q1 13,868,767 838,044 5,552,104 (193,954) 2.50 6% -23.1% -3.49%
CSN 2001Q2 13,423,751 843,978 4,729,439 134 2.84 6% 0.0% 0.00%
CSN 2001Q3 15,721,119 716,243 5,336,861 607,422 2.95 5% 84.8% 11.38%
CSN 2002Q1 14,857,985 931,421 4,969,412 (197,412) 2.99 6% -21.2% -3.97%
CSN 2002Q2 15,904,330 1,008,978 4,709,605 (209,807) 3.38 6% -20.8% -4.45%
CSN 2002Q3 18,241,259 1,173,564 4,507,994 (169,546) 4.05 6% -14.4% -3.76%
CSN 2003Q1 17,669,434 1,392,034 5,314,261 406,032 3.32 8% 29.2% 7.64%
CSN 2003Q2 21,572,377 1,551,082 7,636,220 134,984 2.83 7% 8.7% 1.77%
CSN 2003Q3 23,388,638 1,555,400 7,829,356 191,847 2.99 7% 12.3% 2.45%
CSN 2004Q1 24,463,953 1,588,358 7,790,291 347,359 3.14 6% 21.9% 4.46%
CSN 2004Q2 25,128,170 2,315,836 8,149,143 485,643 3.08 9% 21.0% 5.96%
CSN 2004Q3 25,845,259 2,313,479 8,777,964 718,968 2.94 9% 31.1% 8.19%
CSN 2005Q1 26,733,952 2,482,098 7,500,283 748,723 3.56 9% 30.2% 9.98%
CSN 2005Q2 24,765,439 2,125,009 7,477,544 305,483 3.31 9% 14.4% 4.09%
CSN 2005Q3 23,972,993 1,800,643 7,607,191 462,705 3.15 8% 25.7% 6.08%
CSN 2006Q1 23,337,045 1,504,687 6,750,312 298,028 3.46 6% 19.8% 4.42%
CSN 2006Q2 24,667,334 1,395,930 6,682,151 370,289 3.69 6% 26.5% 5.54%
CSN 2006Q3 25,051,092 2,094,912 6,716,263 408,639 3.73 8% 19.5% 6.08%
USIMINAS 1998Q3 4,386,950 332,561 1,589,518 (84,227) 2.76 8% -25.3% -5.30%
USIMINAS 1999Q1 7,696,909 4,887 3,608,221 125,575 2.13 0% 2569.6% 3.48%
USIMINAS 1999Q2 7,936,071 474,083 3,627,475 19,254 2.19 6% 4.1% 0.53%
USIMINAS 1999Q3 8,102,762 459,502 3,604,003 16,527 2.25 6% 3.6% 0.46%
USIMINAS 2000Q1 8,726,545 504,436 3,405,513 48,237 2.56 6% 9.6% 1.42%
USIMINAS 2000Q2 8,401,561 605,029 3,439,509 33,996 2.44 7% 5.6% 0.99%
USIMINAS 2000Q3 8,439,700 626,479 3,461,319 6,181 2.44 7% 1.0% 0.18%
USIMINAS 2001Q1 8,607,878 679,583 3,500,547 67 2.46 8% 0.0% 0.00%
USIMINAS 2001Q2 8,664,902 747,824 3,502,042 1,495 2.47 9% 0.2% 0.04%
USIMINAS 2001Q3 8,861,161 767,058 3,444,906 (11,126) 2.57 9% -1.5% -0.32%
USIMINAS 2002Q1 8,836,314 754,562 3,399,939 26,272 2.60 9% 3.5% 0.77%
USIMINAS 2002Q2 8,714,419 800,598 3,113,454 (286,485) 2.80 9% -35.8% -9.20%
USIMINAS 2002Q3 8,974,902 939,405 2,429,650 (683,804) 3.69 10% -72.8% -28.14%
USIMINAS 2003Q1 9,061,220 1,222,500 3,414,618 362,076 2.65 13% 29.6% 10.60%
USIMINAS 2003Q2 8,970,128 1,198,462 3,887,999 473,381 2.31 13% 39.5% 12.18%
USIMINAS 2003Q3 8,902,047 1,102,713 3,922,938 119,025 2.27 12% 10.8% 3.03%
USIMINAS 2004Q1 9,131,264 1,306,787 4,390,349 365,291 2.08 14% 28.0% 8.32%
USIMINAS 2004Q2 9,503,735 1,501,566 4,925,898 535,549 1.93 16% 35.7% 10.87%
USIMINAS 2004Q3 10,102,174 1,846,190 5,661,647 1,005,749 1.78 18% 54.5% 17.76%
USIMINAS 2005Q1 12,099,672 1,903,164 7,037,062 1,027,083 1.72 16% 54.0% 14.60%
USIMINAS 2005Q2 12,072,044 1,824,359 7,841,753 804,691 1.54 15% 44.1% 10.26%
USIMINAS 2005Q3 12,293,135 1,652,944 8,057,100 764,908 1.53 13% 46.3% 9.49%
USIMINAS 2006Q1 13,217,089 1,607,694 9,133,827 325,865 1.45 12% 20.3% 3.57%
USIMINAS 2006Q2 13,224,420 1,676,619 9,493,256 709,429 1.39 13% 42.3% 7.47%
USIMINAS 2006Q3 13,281,396 1,710,994 10,210,156 7,169 1.30 13% 0.4% 0.07%
CVRD 1998Q3 14,778,810 852,291 9,665,049 254,071 1.53 6% 29.8% 2.63%
CVRD 1999Q1 16,266,973 983,671 10,325,987 323,099 1.58 6% 32.8% 3.13%
CVRD 1999Q2 16,609,955 985,785 10,312,105 28,568 1.61 6% 2.9% 0.28%
CVRD 1999Q3 16,534,374 1,135,590 10,366,114 191,757 1.60 7% 16.9% 1.85%
CVRD 2000Q1 17,208,146 1,122,064 10,707,741 638,654 1.61 7% 56.9% 5.96%
CVRD 2000Q2 17,735,727 1,246,671 10,324,545 462,214 1.72 7% 37.1% 4.48%
CVRD 2000Q3 18,582,442 1,263,491 10,581,964 499,461 1.76 7% 39.5% 4.72%
CVRD 2001Q1 19,796,022 1,320,752 10,898,384 659,978 1.82 7% 50.0% 6.06%
CVRD 2001Q2 21,550,911 1,540,640 11,175,027 54,592 1.93 7% 3.5% 0.49%
CVRD 2001Q3 nd nd nd nd nd nd nd nd
CVRD 2002Q1 23,831,186 1,544,255 12,082,889 633,138 1.97 6% 41.0% 5.24%
CVRD 2002Q2 24,824,290 1,761,777 12,125,515 8,525 2.05 7% 0.5% 0.07%
CVRD 2002Q3 27,834,391 2,259,457 11,239,843 (216,176) 2.48 8% -9.6% -1.92%
CVRD 2003Q1 27,912,649 2,416,771 13,292,528 1,163,828 2.10 9% 48.2% 8.76%
CVRD 2003Q2 27,795,576 2,119,013 14,187,982 1,274,727 1.96 8% 60.2% 8.98%
CVRD 2003Q3 30,439,786 2,679,622 14,533,305 1,278,768 2.09 9% 47.7% 8.80%
CVRD 2004Q1 31,001,105 2,608,198 15,422,451 953,714 2.01 8% 36.6% 6.18%
CVRD 2004Q2 33,124,043 3,384,461 16,678,311 1,683,141 1.99 10% 49.7% 10.09%
CVRD 2004Q3 35,714,774 3,534,138 18,620,809 2,296,222 1.92 10% 65.0% 12.33%
CVRD 2005Q1 37,886,504 3,228,248 19,784,523 1,615,190 1.91 9% 50.0% 8.16%
CVRD 2005Q2 40,296,152 4,837,392 23,262,421 3,479,285 1.73 12% 71.9% 14.96%
CVRD 2005Q3 42,277,563 4,435,730 25,973,882 2,711,461 1.63 10% 61.1% 10.44%
CVRD 2006Q1 56,526,342 3,867,218 31,727,604 2,184,562 1.78 7% 56.5% 6.89%
CVRD 2006Q2 60,367,186 4,405,995 35,578,904 3,905,097 1.70 7% 88.6% 10.98%
CVRD 2006Q3 65,492,059 5,428,308 38,946,592 3,972,895 1.68 8% 73.2% 10.20%
Sries Discretizadas
Setor Siderurgia
Company Date g_sust g aco lamin gusa igpm selic cambio pib g_sust g aco lamin gusa igpm selic cambio pib
Acesita 1998Q3 -3% nd nd nd nd nd nd nd nd 2
Acesita 1999Q1 -7% nd 8.0% 8.1% -0.6% 8.0% -2.0% 37.4% 2.8% 2 4 5 3 5 3 5 1
Acesita 1999Q2 -1% -5% 3.2% 13.0% 3.2% 3.2% -33.3% 15.4% 2.8% 3 3 2 5 4 3 0 5 1
Acesita 1999Q3 0% -15% 7.4% -6.5% 6.9% 7.4% 2.0% -6.6% 2.8% 3 2 4 1 5 4 3 2 1
Acesita 2000Q1 0% 10% 2.0% 2.1% 2.9% 2.0% -19.0% 1.0% 3.5% 3 4 1 4 4 2 1 3 2
Acesita 2000Q2 0% 17% 5.1% 12.1% 4.9% 5.1% 8.5% 0.9% 3.5% 3 4 3 5 4 4 4 3 2
Acesita 2000Q3 0% -24% 2.5% -3.8% 1.4% 2.5% -14.7% 7.2% 3.5% 3 2 2 2 4 2 2 4 2
Acesita 2001Q1 -8% 3% 2.4% 0.8% 1.9% 2.4% -1.0% 11.7% 3.4% 1 3 2 3 4 2 3 5 2
Acesita 2001Q2 -1% 24% 4.7% -2.1% -12.6% 4.7% 34.9% 16.8% 3.4% 3 4 3 2 0 3 5 5 2
Acesita 2001Q3 -6% -21% 2.8% 0.2% 10.8% 2.8% -12.9% -9.1% 3.4% 2 2 2 3 5 2 2 2 2
Acesita 2002Q1 -4% 12% 1.1% -2.6% -1.7% 1.1% 6.5% 1.8% 4.3% 2 4 1 2 2 1 4 3 4
Acesita 2002Q2 -21% -49% 6.6% 7.5% 9.3% 6.6% -2.7% 27.9% 4.3% 0 1 4 5 5 4 3 5 4
Acesita 2002Q3 -39% 0% 15.2% 6.8% 4.6% 15.2% 20.7% 16.9% 4.3% 0 3 5 5 4 5 5 5 4
Acesita 2003Q1 6% 14% 7.1% -1.1% -4.2% 7.1% 7.4% -18.2% 4.8% 4 4 4 2 2 4 4 0 5
Acesita 2003Q2 5% 18% -1.3% 5.6% 10.3% -1.3% -5.2% 2.7% 4.8% 4 4 0 5 5 0 2 3 5
Acesita 2003Q3 1% -26% 2.7% 3.1% -1.5% 2.7% -22.6% -2.6% 4.8% 3 1 2 4 2 2 1 3 5
Acesita 2004Q1 9% 7% 3.9% 2.7% 2.0% 3.9% -13.9% 1.9% 4.5% 5 4 2 4 4 3 2 3 5
Acesita 2004Q2 7% 28% 5.2% 4.6% 5.3% 5.2% 9.5% -0.4% 4.5% 4 5 3 4 5 4 4 3 5
Acesita 2004Q3 16% 31% 2.6% 2.3% 0.2% 2.6% 14.6% -9.5% 4.5% 5 5 2 4 3 2 4 2 5
Acesita 2005Q1 10% -153% 2.4% -5.0% -2.5% 2.4% -4.8% -4.6% 3.4% 5 0 2 1 2 2 3 2 2
Acesita 2005Q2 10% 58% -1.7% -5.1% -0.1% -1.7% 17.5% -6.6% 3.4% 5 5 0 1 3 0 5 2 2
Acesita 2005Q3 9% -24% 0.5% 6.9% 0.3% 0.5% -11.1% -1.0% 3.4% 5 2 1 5 3 1 2 3 2
Acesita 2006Q1 5% 67% 0.3% -5.6% -14.3% 0.3% -26.9% -10.7% 2.6% 4 5 1 1 0 1 0 1 1
Acesita 2006Q2 4% -658% 1.7% 11.0% 10.5% 1.7% 16.6% 2.4% 2.6% 4 0 1 5 5 2 5 3 1
Acesita 2006Q3 6% 56% 1.8% -0.2% 6.7% 1.8% -21.4% 0.0% 2.6% 4 5 1 3 5 2 1 3 1
Acos_Vilare1998Q3 -6% nd nd nd nd nd nd nd nd 2
Acos_Vilare1999Q1 -443% 113% 8.0% 8.1% -0.6% 8.0% -2.0% 37.4% 2.8% 0 5 4 5 3 5 3 5 1
Acos_Vilare1999Q2 -61% -697% 3.2% 13.0% 3.2% 3.2% -33.3% 15.4% 2.8% 0 0 2 5 4 3 0 5 1
Acos_Vilare1999Q3 151% 28% 7.4% -6.5% 6.9% 7.4% 2.0% -6.6% 2.8% 5 5 4 1 5 4 3 2 1
Acos_Vilare2000Q1 -16% -197% 2.0% 2.1% 2.9% 2.0% -19.0% 1.0% 3.5% 0 0 1 4 4 2 1 3 2
Acos_Vilare2000Q2 28% 46% 5.1% 12.1% 4.9% 5.1% 8.5% 0.9% 3.5% 5 5 3 5 4 4 4 3 2
Acos_Vilare2000Q3 33% -31% 2.5% -3.8% 1.4% 2.5% -14.7% 7.2% 3.5% 5 1 2 2 4 2 2 4 2
Acos_Vilare2001Q1 -27% 115% 2.4% 0.8% 1.9% 2.4% -1.0% 11.7% 3.4% 0 5 2 3 4 2 3 5 2
Acos_Vilare2001Q2 -4% -1370% 4.7% -2.1% -12.6% 4.7% 34.9% 16.8% 3.4% 2 0 3 2 0 3 5 5 2
Acos_Vilare2001Q3 -38% 87% 2.8% 0.2% 10.8% 2.8% -12.9% -9.1% 3.4% 0 5 2 3 5 2 2 2 2
Acos_Vilare2002Q1 10% -276% 1.1% -2.6% -1.7% 1.1% 6.5% 1.8% 4.3% 5 0 1 2 2 1 4 3 4
Acos_Vilare2002Q2 -37% 40% 6.6% 7.5% 9.3% 6.6% -2.7% 27.9% 4.3% 0 5 4 5 5 4 3 5 4
Acos_Vilare2002Q3 -278% 14% 15.2% 6.8% 4.6% 15.2% 20.7% 16.9% 4.3% 0 4 5 5 4 5 5 5 4
Acos_Vilare2003Q1 26% -324% 7.1% -1.1% -4.2% 7.1% 7.4% -18.2% 4.8% 5 0 4 2 2 4 4 0 5
Acos_Vilare2003Q2 35% 133% -1.3% 5.6% 10.3% -1.3% -5.2% 2.7% 4.8% 5 5 0 5 5 0 2 3 5
Acos_Vilare2003Q3 12% -241% 2.7% 3.1% -1.5% 2.7% -22.6% -2.6% 4.8% 5 0 2 4 2 2 1 3 5
Acos_Vilare2004Q1 14% -42% 3.9% 2.7% 2.0% 3.9% -13.9% 1.9% 4.5% 5 1 2 4 4 3 2 3 5
Acos_Vilare2004Q2 129% 60% 5.2% 4.6% 5.3% 5.2% 9.5% -0.4% 4.5% 5 5 3 4 5 4 4 3 5
Acos_Vilare2004Q3 18% -414% 2.6% 2.3% 0.2% 2.6% 14.6% -9.5% 4.5% 5 0 2 4 3 2 4 2 5
Acos_Vilare2005Q1 17% 133% 2.4% -5.0% -2.5% 2.4% -4.8% -4.6% 3.4% 5 5 2 1 2 2 3 2 2
Acos_Vilare2005Q2 15% -303% -1.7% -5.1% -0.1% -1.7% 17.5% -6.6% 3.4% 5 0 0 1 3 0 5 2 2
Acos_Vilare2005Q3 14% 17% 0.5% 6.9% 0.3% 0.5% -11.1% -1.0% 3.4% 5 4 1 5 3 1 2 3 2
Acos_Vilare2006Q1 14% 17% 0.3% -5.6% -14.3% 0.3% -26.9% -10.7% 2.6% 5 4 1 1 0 1 0 1 1
Acos_Vilare2006Q2 15% -79% 1.7% 11.0% 10.5% 1.7% 16.6% 2.4% 2.6% 5 0 1 5 5 2 5 3 1
Acos_Vilare2006Q3 137% nd 1.8% -0.2% 6.7% 1.8% -21.4% 0.0% 2.6% 5 1 3 5 2 1 3 1
CVRD 1998Q3 3% nd nd nd nd nd nd nd nd 4
CVRD 1999Q1 3% nd 8.0% 8.1% -0.6% 8.0% -2.0% 37.4% 2.8% 4 4 5 3 5 3 5 1
CVRD 1999Q2 0% 169% 3.2% 13.0% 3.2% 3.2% -33.3% 15.4% 2.8% 3 5 2 5 4 3 0 5 1
CVRD 1999Q3 2% -55% 7.4% -6.5% 6.9% 7.4% 2.0% -6.6% 2.8% 3 0 4 1 5 4 3 2 1
CVRD 2000Q1 6% -4860% 2.0% 2.1% 2.9% 2.0% -19.0% 1.0% 3.5% 4 0 1 4 4 2 1 3 2
CVRD 2000Q2 4% 215% 5.1% 12.1% 4.9% 5.1% 8.5% 0.9% 3.5% 4 5 3 5 4 4 4 3 2
CVRD 2000Q3 5% -97% 2.5% -3.8% 1.4% 2.5% -14.7% 7.2% 3.5% 4 0 2 2 4 2 2 4 2
CVRD 2001Q1 6% -99% 2.4% 0.8% 1.9% 2.4% -1.0% 11.7% 3.4% 4 0 2 3 4 2 3 5 2
CVRD 2001Q2 0% 31353% 4.7% -2.1% -12.6% 4.7% 34.9% 16.8% 3.4% 3 5 3 2 0 3 5 5 2
CVRD 2001Q3 nd 106% 2.8% 0.2% 10.8% 2.8% -12.9% -9.1% 3.4% 5 2 3 5 2 2 2 2
CVRD 2002Q1 5% -57% 1.1% -2.6% -1.7% 1.1% 6.5% 1.8% 4.3% 4 0 1 2 2 1 4 3 4
CVRD 2002Q2 0% -258% 6.6% 7.5% 9.3% 6.6% -2.7% 27.9% 4.3% 3 0 4 5 5 4 3 5 4
CVRD 2002Q3 -2% 175% 15.2% 6.8% 4.6% 15.2% 20.7% 16.9% 4.3% 3 5 5 5 4 5 5 5 4
CVRD 2003Q1 9% -646% 7.1% -1.1% -4.2% 7.1% 7.4% -18.2% 4.8% 5 0 4 2 2 4 4 0 5
CVRD 2003Q2 9% 149% -1.3% 5.6% 10.3% -1.3% -5.2% 2.7% 4.8% 5 5 0 5 5 0 2 3 5
CVRD 2003Q3 9% -9% 2.7% 3.1% -1.5% 2.7% -22.6% -2.6% 4.8% 5 2 2 4 2 2 1 3 5
CVRD 2004Q1 6% 40% 3.9% 2.7% 2.0% 3.9% -13.9% 1.9% 4.5% 4 5 2 4 4 3 2 3 5
CVRD 2004Q2 10% 29% 5.2% 4.6% 5.3% 5.2% 9.5% -0.4% 4.5% 5 5 3 4 5 4 4 3 5
CVRD 2004Q3 12% -11% 2.6% 2.3% 0.2% 2.6% 14.6% -9.5% 4.5% 5 2 2 4 3 2 4 2 5
CVRD 2005Q1 8% -238% 2.4% -5.0% -2.5% 2.4% -4.8% -4.6% 3.4% 5 0 2 1 2 2 3 2 2
CVRD 2005Q2 15% 298% -1.7% -5.1% -0.1% -1.7% 17.5% -6.6% 3.4% 5 5 0 1 3 0 5 2 2
CVRD 2005Q3 10% 50% 0.5% 6.9% 0.3% 0.5% -11.1% -1.0% 3.4% 5 5 1 5 3 1 2 3 2
CVRD 2006Q1 7% nd 0.3% -5.6% -14.3% 0.3% -26.9% -10.7% 2.6% 4 1 1 0 1 0 1 1
CVRD 2006Q2 11% nd 1.7% 11.0% 10.5% 1.7% 16.6% 2.4% 2.6% 5 1 5 5 2 5 3 1
CVRD 2006Q3 10% nd 1.8% -0.2% 6.7% 1.8% -21.4% 0.0% 2.6% 5 1 3 5 2 1 3 1
Company Date g_sust g aco lamin gusa igpm selic cambio pib g_sust g aco lamin gusa igpm selic cambio pib
CONFAB 1998Q3 5% nd nd nd nd nd nd nd nd 4
CONFAB 1999Q1 7% nd 8.0% 8.1% -0.6% 8.0% -2.0% 37.4% 2.8% 4 4 5 3 5 3 5 1
CONFAB 1999Q2 3% nd 3.2% 13.0% 3.2% 3.2% -33.3% 15.4% 2.8% 4 2 5 4 3 0 5 1
CONFAB 1999Q3 2% 20% 7.4% -6.5% 6.9% 7.4% 2.0% -6.6% 2.8% 4 4 4 1 5 4 3 2 1
CONFAB 2000Q1 0% -96% 2.0% 2.1% 2.9% 2.0% -19.0% 1.0% 3.5% 3 0 1 4 4 2 1 3 2
CONFAB 2000Q2 -2% -24% 5.1% 12.1% 4.9% 5.1% 8.5% 0.9% 3.5% 2 2 3 5 4 4 4 3 2
CONFAB 2000Q3 0% 72% 2.5% -3.8% 1.4% 2.5% -14.7% 7.2% 3.5% 3 5 2 2 4 2 2 4 2
CONFAB 2001Q1 3% -46% 2.4% 0.8% 1.9% 2.4% -1.0% 11.7% 3.4% 4 1 2 3 4 2 3 5 2
CONFAB 2001Q2 66% -49% 4.7% -2.1% -12.6% 4.7% 34.9% 16.8% 3.4% 5 1 3 2 0 3 5 5 2
CONFAB 2001Q3 7% 42% 2.8% 0.2% 10.8% 2.8% -12.9% -9.1% 3.4% 4 5 2 3 5 2 2 2 2
CONFAB 2002Q1 49% 81% 1.1% -2.6% -1.7% 1.1% 6.5% 1.8% 4.3% 5 5 1 2 2 1 4 3 4
CONFAB 2002Q2 10% -95% 6.6% 7.5% 9.3% 6.6% -2.7% 27.9% 4.3% 5 0 4 5 5 4 3 5 4
CONFAB 2002Q3 16% 25% 15.2% 6.8% 4.6% 15.2% 20.7% 16.9% 4.3% 5 4 5 5 4 5 5 5 4
CONFAB 2003Q1 4% -744% 7.1% -1.1% -4.2% 7.1% 7.4% -18.2% 4.8% 4 0 4 2 2 4 4 0 5
CONFAB 2003Q2 3% 249% -1.3% 5.6% 10.3% -1.3% -5.2% 2.7% 4.8% 4 5 0 5 5 0 2 3 5
CONFAB 2003Q3 -20% -195% 2.7% 3.1% -1.5% 2.7% -22.6% -2.6% 4.8% 0 0 2 4 2 2 1 3 5
CONFAB 2004Q1 -2% 68% 3.9% 2.7% 2.0% 3.9% -13.9% 1.9% 4.5% 3 5 2 4 4 3 2 3 5
CONFAB 2004Q2 0% 12% 5.2% 4.6% 5.3% 5.2% 9.5% -0.4% 4.5% 3 4 3 4 5 4 4 3 5
CONFAB 2004Q3 2% -608% 2.6% 2.3% 0.2% 2.6% 14.6% -9.5% 4.5% 3 0 2 4 3 2 4 2 5
CONFAB 2005Q1 14% -86% 2.4% -5.0% -2.5% 2.4% -4.8% -4.6% 3.4% 5 0 2 1 2 2 3 2 2
CONFAB 2005Q2 126% 141% -1.7% -5.1% -0.1% -1.7% 17.5% -6.6% 3.4% 5 5 0 1 3 0 5 2 2
CONFAB 2005Q3 10% -66% 0.5% 6.9% 0.3% 0.5% -11.1% -1.0% 3.4% 5 0 1 5 3 1 2 3 2
CONFAB 2006Q1 2% -209% 0.3% -5.6% -14.3% 0.3% -26.9% -10.7% 2.6% 4 0 1 1 0 1 0 1 1
CONFAB 2006Q2 2% 59% 1.7% 11.0% 10.5% 1.7% 16.6% 2.4% 2.6% 4 5 1 5 5 2 5 3 1
CONFAB 2006Q3 3% -537% 1.8% -0.2% 6.7% 1.8% -21.4% 0.0% 2.6% 4 0 1 3 5 2 1 3 1
CSN 1998Q3 2% nd nd nd nd nd nd nd nd 3
CSN 1999Q1 2% -18% 8.0% 8.1% -0.6% 8.0% -2.0% 37.4% 2.8% 3 2 4 5 3 5 3 5 1
CSN 1999Q2 1% -52% 3.2% 13.0% 3.2% 3.2% -33.3% 15.4% 2.8% 3 0 2 5 4 3 0 5 1
CSN 1999Q3 -2% -7% 7.4% -6.5% 6.9% 7.4% 2.0% -6.6% 2.8% 2 2 4 1 5 4 3 2 1
CSN 2000Q1 0% 12% 2.0% 2.1% 2.9% 2.0% -19.0% 1.0% 3.5% 3 4 1 4 4 2 1 3 2
CSN 2000Q2 1% -2% 5.1% 12.1% 4.9% 5.1% 8.5% 0.9% 3.5% 3 3 3 5 4 4 4 3 2
CSN 2000Q3 1% -30% 2.5% -3.8% 1.4% 2.5% -14.7% 7.2% 3.5% 3 1 2 2 4 2 2 4 2
CSN 2001Q1 -3% 11% 2.4% 0.8% 1.9% 2.4% -1.0% 11.7% 3.4% 2 4 2 3 4 2 3 5 2
CSN 2001Q2 0% 10% 4.7% -2.1% -12.6% 4.7% 34.9% 16.8% 3.4% 3 4 3 2 0 3 5 5 2
CSN 2001Q3 11% 14% 2.8% 0.2% 10.8% 2.8% -12.9% -9.1% 3.4% 5 4 2 3 5 2 2 2 2
CSN 2002Q1 -4% -32% 1.1% -2.6% -1.7% 1.1% 6.5% 1.8% 4.3% 2 1 1 2 2 1 4 3 4
CSN 2002Q2 -4% 8% 6.6% 7.5% 9.3% 6.6% -2.7% 27.9% 4.3% 2 4 4 5 5 4 3 5 4
CSN 2002Q3 -4% -29% 15.2% 6.8% 4.6% 15.2% 20.7% 16.9% 4.3% 2 1 5 5 4 5 5 5 4
CSN 2003Q1 8% 41% 7.1% -1.1% -4.2% 7.1% 7.4% -18.2% 4.8% 4 5 4 2 2 4 4 0 5
CSN 2003Q2 2% -54% -1.3% 5.6% 10.3% -1.3% -5.2% 2.7% 4.8% 3 0 0 5 5 0 2 3 5
CSN 2003Q3 2% -69% 2.7% 3.1% -1.5% 2.7% -22.6% -2.6% 4.8% 4 0 2 4 2 2 1 3 5
CSN 2004Q1 4% 5% 3.9% 2.7% 2.0% 3.9% -13.9% 1.9% 4.5% 4 3 2 4 4 3 2 3 5
CSN 2004Q2 6% 11% 5.2% 4.6% 5.3% 5.2% 9.5% -0.4% 4.5% 4 4 3 4 5 4 4 3 5
CSN 2004Q3 8% 15% 2.6% 2.3% 0.2% 2.6% 14.6% -9.5% 4.5% 5 4 2 4 3 2 4 2 5
CSN 2005Q1 10% 29% 2.4% -5.0% -2.5% 2.4% -4.8% -4.6% 3.4% 5 5 2 1 2 2 3 2 2
CSN 2005Q2 4% -71% -1.7% -5.1% -0.1% -1.7% 17.5% -6.6% 3.4% 4 0 0 1 3 0 5 2 2
CSN 2005Q3 6% 11% 0.5% 6.9% 0.3% 0.5% -11.1% -1.0% 3.4% 4 4 1 5 3 1 2 3 2
CSN 2006Q1 4% -3% 0.3% -5.6% -14.3% 0.3% -26.9% -10.7% 2.6% 4 3 1 1 0 1 0 1 1
CSN 2006Q2 6% 4% 1.7% 11.0% 10.5% 1.7% 16.6% 2.4% 2.6% 4 3 1 5 5 2 5 3 1
CSN 2006Q3 6% 9% 1.8% -0.2% 6.7% 1.8% -21.4% 0.0% 2.6% 4 4 1 3 5 2 1 3 1
USIMINAS 1998Q3 -5% nd nd nd nd nd nd nd nd 2
USIMINAS 1999Q1 3% 104% 8.0% 8.1% -0.6% 8.0% -2.0% 37.4% 2.8% 4 5 4 5 3 5 3 5 1
USIMINAS 1999Q2 1% -573% 3.2% 13.0% 3.2% 3.2% -33.3% 15.4% 2.8% 3 0 2 5 4 3 0 5 1
USIMINAS 1999Q3 0% 36% 7.4% -6.5% 6.9% 7.4% 2.0% -6.6% 2.8% 3 5 4 1 5 4 3 2 1
USIMINAS 2000Q1 1% -129% 2.0% 2.1% 2.9% 2.0% -19.0% 1.0% 3.5% 3 0 1 4 4 2 1 3 2
USIMINAS 2000Q2 1% 16% 5.1% 12.1% 4.9% 5.1% 8.5% 0.9% 3.5% 3 4 3 5 4 4 4 3 2
USIMINAS 2000Q3 0% 12% 2.5% -3.8% 1.4% 2.5% -14.7% 7.2% 3.5% 3 4 2 2 4 2 2 4 2
USIMINAS 2001Q1 0% 59% 2.4% 0.8% 1.9% 2.4% -1.0% 11.7% 3.4% 3 5 2 3 4 2 3 5 2
USIMINAS 2001Q2 0% -128% 4.7% -2.1% -12.6% 4.7% 34.9% 16.8% 3.4% 3 0 3 2 0 3 5 5 2
USIMINAS 2001Q3 0% 31% 2.8% 0.2% 10.8% 2.8% -12.9% -9.1% 3.4% 3 5 2 3 5 2 2 2 2
USIMINAS 2002Q1 1% -59% 1.1% -2.6% -1.7% 1.1% 6.5% 1.8% 4.3% 3 0 1 2 2 1 4 3 4
USIMINAS 2002Q2 -9% 66% 6.6% 7.5% 9.3% 6.6% -2.7% 27.9% 4.3% 1 5 4 5 5 4 3 5 4
USIMINAS 2002Q3 -28% -160% 15.2% 6.8% 4.6% 15.2% 20.7% 16.9% 4.3% 0 0 5 5 4 5 5 5 4
USIMINAS 2003Q1 11% 75% 7.1% -1.1% -4.2% 7.1% 7.4% -18.2% 4.8% 5 5 4 2 2 4 4 0 5
USIMINAS 2003Q2 12% -60% -1.3% 5.6% 10.3% -1.3% -5.2% 2.7% 4.8% 5 0 0 5 5 0 2 3 5
USIMINAS 2003Q3 3% -33% 2.7% 3.1% -1.5% 2.7% -22.6% -2.6% 4.8% 4 1 2 4 2 2 1 3 5
USIMINAS 2004Q1 8% -29% 3.9% 2.7% 2.0% 3.9% -13.9% 1.9% 4.5% 5 1 2 4 4 3 2 3 5
USIMINAS 2004Q2 11% 50% 5.2% 4.6% 5.3% 5.2% 9.5% -0.4% 4.5% 5 5 3 4 5 4 4 3 5
USIMINAS 2004Q3 18% 3% 2.6% 2.3% 0.2% 2.6% 14.6% -9.5% 4.5% 5 3 2 4 3 2 4 2 5
USIMINAS 2005Q1 15% 649% 2.4% -5.0% -2.5% 2.4% -4.8% -4.6% 3.4% 5 5 2 1 2 2 3 2 2
USIMINAS 2005Q2 10% -95% -1.7% -5.1% -0.1% -1.7% 17.5% -6.6% 3.4% 5 0 0 1 3 0 5 2 2
USIMINAS 2005Q3 9% 184% 0.5% 6.9% 0.3% 0.5% -11.1% -1.0% 3.4% 5 5 1 5 3 1 2 3 2
USIMINAS 2006Q1 4% -55% 0.3% -5.6% -14.3% 0.3% -26.9% -10.7% 2.6% 4 0 1 1 0 1 0 1 1
USIMINAS 2006Q2 7% 35% 1.7% 11.0% 10.5% 1.7% 16.6% 2.4% 2.6% 4 5 1 5 5 2 5 3 1
USIMINAS 2006Q3 0% 116% 1.8% -0.2% 6.7% 1.8% -21.4% 0.0% 2.6% 3 5 1 3 5 2 1 3 1
Anlises Economtricas
Setor Siderurgia
Testes Regresso Mltipla
Dependent Variable: G Dependent Variable: G Dependent Variable: G Dependent Variable: G Dependent Variable: G
Method: Least Squares Method: Least Squares Method: Least Squares Method: Least Squares Method: Least Squares
Date: 11/16/07 Time: 18:05 Date: 11/16/07 Time: 18:05 Date: 11/16/07 Time: 18:06 Date: 11/16/07 Time: 18:06 Date: 11/16/07 Time: 18:09
Sample: 1 24 Sample: 1 24 Sample: 1 24 Sample: 1 24 Sample: 1 24
Included observations: 24 Included observations: 24 Included observations: 24 Included observations: 24 Included observations: 24
Variab CoefficieStd. Err t-StatisticProb. VariableCoefficient Std. Error t-Statistic Prob. Variable Coefficient Std. Error t-Statistic Prob. Variable Coefficient Std. Error t-Statistic Prob. Variable Coefficient Std. Error t-Statistic Prob.
G_SUS 4,4193 1,9693 2,2441 0,0403 G_SUS 4,401103 1,881426 2,339238 0,0326 G_SUST 4,366423 1,834468 2,380212 0,0293 G_SUST 3,227925 1,423214 2,268053 0,0359 G_SUST 3,270766 1,390181 2,352762 0,0296
ACO 1,6437 1,9352 0,8493 0,409 ACO 1,686187 1,727466 0,976104 0,3435 ACO 2,26903 1,070784 2,119036 0,0491 ACO 1,900228 1,002331 1,895808 0,0742 ACO 1,888467 0,980885 1,925269 0,0693
CAMB 0,6458 0,713 0,9058 0,3794 CAMBIO 0,643899 0,689641 0,933673 0,3644 CAMBIO 0,66168 0,671855 0,984857 0,3385 IGPM 4,648657 1,816255 2,559474 0,0197 IGPM 4,713317 1,772549 2,659061 0,0155
GUSA 0,6894 1,6405 0,4202 0,6803 GUSA 0,661135 1,513488 0,436828 0,6681 IGPM 4,694087 1,818358 2,581497 0,0194 LAMIN -1,263288 1,127918 -1,120018 0,2774 LAMIN -1,247667 1,10364 -1,130502 0,2723
IGPM 4,7556 2,0611 2,3073 0,0357 IGPM 4,713845 1,863792 2,529169 0,0223 LAMIN -2,05841 1,387853 -1,483161 0,1563 PIB -12,48338 7,037673 -1,773793 0,093 PIB -9,585892 2,954134 -3,244908 0,0043
LAMIN -1,9891 1,4792 -1,3448 0,1987 LAMIN -1,994277 1,42967 -1,394921 0,1821 PIB -11,65968 7,093038 -1,643821 0,1186 C 0,114559 0,251372 0,455734 0,654
PIB -11,781 7,6041 -1,5494 0,1421 PIB -11,84591 7,280616 -1,627048 0,1233 C 0,037446 0,263484 0,14212 0,8887 R-squared 0,378203 Mean dependent va -0,070792
SELIC -0,0218 0,385 -0,0567 0,9556 C 0,037768 0,269989 0,139886 0,8905 R-squared 0,385296 Mean dependent va -0,070792 Adjusted R-squared 0,247298 S.D. dependent var 0,275734
C 0,0327 0,2926 0,1119 0,9124 R-squared 0,418475 Mean dependent va -0,070792 Adjusted R-squared 0,214544 S.D. dependent var 0,275734 S.E. of regression 0,239223 Akaike info criterion 0,160208
R-squar 0,425328 Mean dependent va -0,070792 Adjusted R-squared 0,21323 S.D. dependent var 0,275734 S.E. of regression 0,244372 Akaike info criterion 0,232069 Sum squared resid 1,087322 Schwarz criterion 0,405636
R-squa 0,4255 Mean depende-0,070792 Adjusted 0,173909 S.D. dependent var 0,275734 S.E. of regression 0,244576 Akaike info criterion 0,259915 Sum squared resid 1,074919 Schwarz criterion 0,526582 Log likelihood 3,077508 Durbin-Watson stat 2,529076
Adjuste 0,119 S.D. dependen 0,275734 S.E. of r 0,250614 Akaike info criterion 0,331392 Sum squared resid 1,016899 Schwarz criterion 0,603514 Log likelihood 3,215178 F-statistic 2,256473
S.E. of 0,2588 Akaike info cri 0,414512 Sum sq 1,004915 Schwarz criterion 0,724077 Log likelihood 3,881024 F-statistic 2,038911 Durbin-Watson stat 2,51408 Prob(F-statistic) 0,092831
Sum sq 1,0047 Schwarz criter 0,856282 Log like 4,023291 F-statistic 1,691712 Durbin-Watson stat 2,487349 Prob(F-statistic) 0,115964
Log like 4,0259 F-statistic 1,388431 Durbin-W2,419627 Prob(F-statistic) 0,181428
Durbin 2,4013 Prob(F-statisti 0,277813
G = 3.270766256*G_SUST + 1.888467406*ACO + 4.713317303*IGPM - 1.247667248*LAMIN - 9.58589180

Fluxo de Caixa Projetado
USIMINAS
Q3-1998 Q1-1999 Q2-1999 Q3-1999 Q1-2000 Q2-2000 Q3-2000 Q1-2001 Q2-2001 Q3-2001 Q1-2002 Q2-2002 Q3-2002 Q1-2003 Q2-2003 Q3-2003 Q1-2004 Q2-2004 Q3-2004 Q1-2005 Q2-2005 Q3-2005 Q1-2006 Q2-2006 Q3-2006
Projeo de Compras
Valor
Custo de vendas projetadas 292,162.00 328,266.00 305,167.00 304,551.00 342,417.00 380,831.00 378,205.00 43,317.00 465,203.00 488,627.00 553,778.00 54,794.00 581,953.00 710,878.00 750,878.00 691,976.00 734,025.00 805,177.00 957,078.00 88,756.00 1,014,385.00 960,957.00 1,071,346.00 1,105,649.00 1,103,592.00
(+) Estoque final projetado 348,711.00 505,689.00 509,665.00 454,281.00 447,215.00 432,905.00 506,815.00 556,429.00 581,117.00 619,882.00 658,665.00 652,348.00 678,333.00 70,575.00 721,866.00 774,571.00 661,184.00 798,595.00 930,169.00 1,070,788.00 1,195,603.00 1,354,559.00 1,145,341.00 1,150,836.00 1,194,539.00
(-) Estoque inicial
= Compras Necessrias 640,873.00 833,955.00 814,832.00 758,832.00 789,632.00 813,736.00 885,020.00 599,746.00 1,046,320.00 1,108,509.00 1,212,443.00 707,142.00 1,260,286.00 781,453.00 1,472,744.00 1,466,547.00 1,395,209.00 1,603,772.00 1,887,247.00 1,159,544.00 2,209,988.00 2,315,516.00 2,216,687.00 2,256,485.00 2,298,131.00
DRE
Receita de Venda 332,561.00 4,887.00 474,083.00 459,502.00 504,436.00 605,029.00 626,479.00 679,583.00 747,824.00 767,058.00 754,562.00 800,598.00 939,405.00 1,222,500.00 1,198,462.00 1,102,713.00 1,306,787.00 1,501,566.00 1,846,190.00 1,903,164.00 1,824,359.00 1,652,944.00 1,607,694.00 1,676,619.00 1,710,994.00
(-) CMV (292,162.00) (328,266.00) (305,167.00) (304,551.00) (342,417.00) (380,831.00) (378,205.00) (43,317.00) (465,203.00) (488,627.00) (553,778.00) (54,794.00) (581,953.00) (710,878.00) (750,878.00) (691,976.00) (734,025.00) (805,177.00) (957,078.00) (88,756.00) (1,014,385.00) (960,957.00) (1,071,346.00) (1,105,649.00) (1,103,592.00)
Mg Contrib 40,399.00 (323,379.00) 168,916.00 154,951.00 162,019.00 224,198.00 248,274.00 636,266.00 282,621.00 278,431.00 200,784.00 745,804.00 357,452.00 511,622.00 447,584.00 410,737.00 572,762.00 696,389.00 889,112.00 1,814,408.00 809,974.00 691,987.00 536,348.00 570,970.00 607,402.00
(-) Gastos Fixos (23,026.00) (48,388.00) (32,445.00) (27,404.00) (11,270.00) (27,268.00) (25,368.00) (30,311.00) (28,186.00) (31,117.00) (3,075.00) (32,728.00) (31,235.00) (32,406.00) (37,306.00) (39,226.00) (22,808.00) (56,997.00) (54,600.00) (49,589.00) (62,421.00) (3,260.00) (69,349.00) (72,919.00) (64,492.00)
Adm Vendas (23,026.00) (48,388.00) (32,445.00) (27,404.00) (11,270.00) (27,268.00) (25,368.00) (30,311.00) (28,186.00) (31,117.00) (3,075.00) (32,728.00) (31,235.00) (32,406.00) (37,306.00) (39,226.00) (22,808.00) (56,997.00) (54,600.00) (49,589.00) (62,421.00) (3,260.00) (69,349.00) (72,919.00) (64,492.00)
Deprec Amort
Lucro 17,373.00 (371,767.00) 136,471.00 127,547.00 150,749.00 196,930.00 222,906.00 605,955.00 254,435.00 247,314.00 197,709.00 713,076.00 326,217.00 479,216.00 410,278.00 371,511.00 549,954.00 639,392.00 834,512.00 1,764,819.00 747,553.00 688,727.00 466,999.00 498,051.00 542,910.00
Fluxo Caixa Projetado

Recebimentos
Ano Corrente 207,850.63 3,054.38 296,301.88 287,188.75 315,272.50 378,143.13 391,549.38 424,739.38 467,390.00 479,411.25 471,601.25 500,373.75 587,128.13 764,062.50 749,038.75 689,195.63 816,741.88 938,478.75 1,153,868.75 1,189,477.50 1,140,224.38 1,033,090.00 1,004,808.75 1,047,886.88 1,069,371.25
Ano anterior 41,570.13 610.88 59,260.38 57,437.75 63,054.50 75,628.63 78,309.88 84,947.88 93,478.00 95,882.25 94,320.25 100,074.75 117,425.63 152,812.50 149,807.75 137,839.13 163,348.38 187,695.75 230,773.75 237,895.50 228,044.88 206,618.00 200,961.75 209,577.38
Total Recebimentos 207,850.63 44,624.50 296,912.75 346,449.13 372,710.25 441,197.63 467,178.00 503,049.25 552,337.88 572,889.25 567,483.50 594,694.00 687,202.88 881,488.13 901,851.25 839,003.38 954,581.00 1,101,827.13 1,341,564.50 1,420,251.25 1,378,119.88 1,261,134.88 1,211,426.75 1,248,848.63 1,278,948.63
Pagamentos
Compras ano corrente 267,030.42 347,481.25 339,513.33 316,180.00 329,013.33 339,056.67 368,758.33 249,894.17 435,966.67 461,878.75 505,184.58 294,642.50 525,119.17 325,605.42 613,643.33 611,061.25 581,337.08 668,238.33 786,352.92 483,143.33 920,828.33 964,798.33 923,619.58 940,202.08 957,554.58
Compras ano anterior 124,614.19 162,157.92 158,439.56 147,550.67 153,539.56 158,226.44 172,087.22 116,617.28 203,451.11 215,543.42 235,752.81 137,499.83 245,055.61 151,949.19 286,366.89 285,161.92 271,290.64 311,844.56 366,964.69 225,466.89 429,719.89 450,239.22 431,022.47 438,760.97
Despesas Fixas 23,026.00 48,388.00 32,445.00 27,404.00 11,270.00 27,268.00 25,368.00 30,311.00 28,186.00 31,117.00 3,075.00 32,728.00 31,235.00 32,406.00 37,306.00 39,226.00 22,808.00 56,997.00 54,600.00 49,589.00 62,421.00 3,260.00 69,349.00 72,919.00 64,492.00
Total Pagamentos 290,056.42 520,483.44 534,116.25 502,023.56 487,834.00 519,864.22 552,352.78 452,292.39 580,769.94 696,446.86 723,803.00 563,123.31 693,854.00 603,067.03 802,898.53 936,654.14 889,307.00 996,525.97 1,152,797.47 899,697.03 1,208,716.22 1,397,778.22 1,443,207.81 1,444,143.56 1,460,807.56
Fluxo Lquido Periodo (82,205.79) (475,858.94) (237,203.50) (155,574.43) (115,123.75) (78,666.60) (85,174.78) 50,756.86 (28,432.07) (123,557.61) (156,319.50) 31,570.69 (6,651.13) 278,421.10 98,952.72 (97,650.76) 65,274.00 105,301.15 188,767.03 520,554.22 169,403.65 (136,643.35) (231,781.06) (195,294.93) (181,858.93)
Saldo Inicial
Saldo Final
Projeo Saldos
Contas a Receber
Saldo Inicial - 124,710.38 84,972.88 262,143.13 375,196.00 506,921.75 670,753.13 830,054.13 1,006,587.88 1,202,074.00 1,396,242.75 1,583,321.25 1,789,225.25 2,041,427.38 2,382,439.25 2,679,050.00 2,942,759.63 3,294,965.63 3,694,704.50 4,199,330.00 4,682,242.75 5,128,481.88 5,520,291.00 5,916,558.25 6,344,328.63
+Vendas 332,561.00 4,887.00 474,083.00 459,502.00 504,436.00 605,029.00 626,479.00 679,583.00 747,824.00 767,058.00 754,562.00 800,598.00 939,405.00 1,222,500.00 1,198,462.00 1,102,713.00 1,306,787.00 1,501,566.00 1,846,190.00 1,903,164.00 1,824,359.00 1,652,944.00 1,607,694.00 1,676,619.00 1,710,994.00
(-) Recebimentos (207,850.63) (44,624.50) (296,912.75) (346,449.13) (372,710.25) (441,197.63) (467,178.00) (503,049.25) (552,337.88) (572,889.25) (567,483.50) (594,694.00) (687,202.88) (881,488.13) (901,851.25) (839,003.38) (954,581.00) (1,101,827.13) (1,341,564.50) (1,420,251.25) (1,378,119.88) (1,261,134.88) (1,211,426.75) (1,248,848.63) (1,278,948.63)
=Saldo Final 124,710.38 84,972.88 262,143.13 375,196.00 506,921.75 670,753.13 830,054.13 1,006,587.88 1,202,074.00 1,396,242.75 1,583,321.25 1,789,225.25 2,041,427.38 2,382,439.25 2,679,050.00 2,942,759.63 3,294,965.63 3,694,704.50 4,199,330.00 4,682,242.75 5,128,481.88 5,520,291.00 5,916,558.25 6,344,328.63 6,776,374.00
Estoque
Saldo Inicial - 348,711.00 854,400.00 1,364,065.00 1,818,346.00 2,265,561.00 2,698,466.00 3,205,281.00 3,761,710.00 4,342,827.00 4,962,709.00 5,621,374.00 6,273,722.00 6,952,055.00 7,022,630.00 7,744,496.00 8,519,067.00 9,180,251.00 9,978,846.00 10,909,015.00 11,979,803.00 13,175,406.00 14,529,965.00 15,675,306.00 16,826,142.00
+Compras 640,873.00 833,955.00 814,832.00 758,832.00 789,632.00 813,736.00 885,020.00 599,746.00 1,046,320.00 1,108,509.00 1,212,443.00 707,142.00 1,260,286.00 781,453.00 1,472,744.00 1,466,547.00 1,395,209.00 1,603,772.00 1,887,247.00 1,159,544.00 2,209,988.00 2,315,516.00 2,216,687.00 2,256,485.00 2,298,131.00
(-) CMV (292,162.00) (328,266.00) (305,167.00) (304,551.00) (342,417.00) (380,831.00) (378,205.00) (43,317.00) (465,203.00) (488,627.00) (553,778.00) (54,794.00) (581,953.00) (710,878.00) (750,878.00) (691,976.00) (734,025.00) (805,177.00) (957,078.00) (88,756.00) (1,014,385.00) (960,957.00) (1,071,346.00) (1,105,649.00) (1,103,592.00)
=Saldo Final 348,711.00 854,400.00 1,364,065.00 1,818,346.00 2,265,561.00 2,698,466.00 3,205,281.00 3,761,710.00 4,342,827.00 4,962,709.00 5,621,374.00 6,273,722.00 6,952,055.00 7,022,630.00 7,744,496.00 8,519,067.00 9,180,251.00 9,978,846.00 10,909,015.00 11,979,803.00 13,175,406.00 14,529,965.00 15,675,306.00 16,826,142.00 18,020,681.00
Contas a Pagar
Saldo Inicial - 373,842.58 735,702.14 1,048,862.89 1,333,075.33 1,646,143.33 1,967,283.11 2,325,318.33 2,503,082.94 2,996,819.00 3,439,998.14 3,931,713.14 4,108,459.83 4,706,126.83 4,916,918.81 5,624,070.28 6,193,189.14 6,721,899.14 7,386,142.17 8,175,191.69 8,484,627.67 9,548,320.44 10,469,318.22 11,312,146.42 12,197,406.86
+Compras 640,873.00 833,955.00 814,832.00 758,832.00 789,632.00 813,736.00 885,020.00 599,746.00 1,046,320.00 1,108,509.00 1,212,443.00 707,142.00 1,260,286.00 781,453.00 1,472,744.00 1,466,547.00 1,395,209.00 1,603,772.00 1,887,247.00 1,159,544.00 2,209,988.00 2,315,516.00 2,216,687.00 2,256,485.00 2,298,131.00
(-) Pagamentos (267,030.42) (472,095.44) (501,671.25) (474,619.56) (476,564.00) (492,596.22) (526,984.78) (421,981.39) (552,583.94) (665,329.86) (720,728.00) (530,395.31) (662,619.00) (570,661.03) (765,592.53) (897,428.14) (866,499.00) (939,528.97) (1,098,197.47) (850,108.03) (1,146,295.22) (1,394,518.22) (1,373,858.81) (1,371,224.56) (1,396,315.56)
=Saldo Final 373,842.58 735,702.14 1,048,862.89 1,333,075.33 1,646,143.33 1,967,283.11 2,325,318.33 2,503,082.94 2,996,819.00 3,439,998.14 3,931,713.14 4,108,459.83 4,706,126.83 4,916,918.81 5,624,070.28 6,193,189.14 6,721,899.14 7,386,142.17 8,175,191.69 8,484,627.67 9,548,320.44 10,469,318.22 11,312,146.42 12,197,406.86 13,099,222.31
Projeo Capital Giro Lquido

Valor
Dupicatas a Receber 124,710.38 84,972.88 262,143.13 375,196.00 506,921.75 670,753.13 830,054.13 1,006,587.88 1,202,074.00 1,396,242.75 1,583,321.25 1,789,225.25 2,041,427.38 2,382,439.25 2,679,050.00 2,942,759.63 3,294,965.63 3,694,704.50 4,199,330.00 4,682,242.75 5,128,481.88 5,520,291.00 5,916,558.25 6,344,328.63 6,776,374.00
(+) Estoque 348,711.00 505,689.00 509,665.00 454,281.00 447,215.00 432,905.00 506,815.00 556,429.00 581,117.00 619,882.00 658,665.00 652,348.00 678,333.00 70,575.00 721,866.00 774,571.00 661,184.00 798,595.00 930,169.00 1,070,788.00 1,195,603.00 1,354,559.00 1,145,341.00 1,150,836.00 1,194,539.00
=Capital de Giro 473,421.38 590,661.88 771,808.13 829,477.00 954,136.75 1,103,658.13 1,336,869.13 1,563,016.88 1,783,191.00 2,016,124.75 2,241,986.25 2,441,573.25 2,719,760.38 2,453,014.25 3,400,916.00 3,717,330.63 3,956,149.63 4,493,299.50 5,129,499.00 5,753,030.75 6,324,084.88 6,874,850.00 7,061,899.25 7,495,164.63 7,970,913.00
(-) Contas a Pagar (373,842.58) (735,702.14) (1,048,862.89) (1,333,075.33) (1,646,143.33) (1,967,283.11) (2,325,318.33) (2,503,082.94) (2,996,819.00) (3,439,998.14) (3,931,713.14) (4,108,459.83) (4,706,126.83) (4,916,918.81) (5,624,070.28) (6,193,189.14) (6,721,899.14) (7,386,142.17) (8,175,191.69) (8,484,627.67) (9,548,320.44) (10,469,318.22) (11,312,146.42) (12,197,406.86) (13,099,222.31)
=Capital de Giro Lquido 99,578.79 (145,040.26) (277,054.76) (503,598.33) (692,006.58) (863,624.99) (988,449.21) (940,066.07) (1,213,628.00) (1,423,873.39) (1,689,726.89) (1,666,886.58) (1,986,366.46) (2,463,904.56) (2,223,154.28) (2,475,858.51) (2,765,749.51) (2,892,842.67) (3,045,692.69) (2,731,596.92) (3,224,235.57) (3,594,468.22) (4,250,247.17) (4,702,242.24) (5,128,309.31)
Variao no CGL 99,578.79 (244,619.06) (132,014.50) (226,543.57) (188,408.25) (171,618.40) (124,824.22) 48,383.14 (273,561.93) (210,245.39) (265,853.50) 22,840.31 (319,479.88) (477,538.10) 240,750.28 (252,704.24) (289,891.00) (127,093.15) (152,850.03) 314,095.78 (492,638.65) (370,232.65) (655,778.94) (451,995.07) (426,067.07)
Clculo do Fluxo de Caixa por ajuste do DRE

Resultado do Periodo 17,373.00 (371,767.00) 136,471.00 127,547.00 150,749.00 196,930.00 222,906.00 605,955.00 254,435.00 247,314.00 197,709.00 713,076.00 326,217.00 479,216.00 410,278.00 371,511.00 549,954.00 639,392.00 834,512.00 1,764,819.00 747,553.00 688,727.00 466,999.00 498,051.00 542,910.00
(+) Depreciao e Amortizaoo (1,553,285.57) (1,517,685.43) (1,571,746.71) (1,641,054.43) (1,655,096.14) (1,664,660.57) (1,661,502.43) (1,655,278.71) (1,655,965.71) (1,655,026.71) (1,614,943.29) (1,596,172.29) (1,576,913.14) (1,559,853.43) (1,552,036.71) (1,557,354.00) (1,527,642.86) (1,513,570.71) (1,504,550.14) (1,512,630.43) (1,524,273.00) (1,503,167.57) (1,463,716.71) (1,466,419.71) (1,469,946.86)
Gerao Operacional de Caixa (1,535,912.57) (1,889,452.43) (1,435,275.71) (1,513,507.43) (1,504,347.14) (1,467,730.57) (1,438,596.43) (1,049,323.71) (1,401,530.71) (1,407,712.71) (1,417,234.29) (883,096.29) (1,250,696.14) (1,080,637.43) (1,141,758.71) (1,185,843.00) (977,688.86) (874,178.71) (670,038.14) 252,188.57 (776,720.00) (814,440.57) (996,717.71) (968,368.71) (927,036.86)
(+/-) Variao no CGL (99,578.79) 244,619.06 132,014.50 226,543.57 188,408.25 171,618.40 124,824.22 (48,383.14) 273,561.93 210,245.39 265,853.50 (22,840.31) 319,479.88 477,538.10 (240,750.28) 252,704.24 289,891.00 127,093.15 152,850.03 (314,095.78) 492,638.65 370,232.65 655,778.94 451,995.07 426,067.07 961,554.44
Fluxo Remanescente (99,578.79) (1,291,293.52) (1,757,437.93) (1,208,732.14) (1,325,099.18) (1,332,728.74) (1,342,906.35) (1,486,979.57) (775,761.78) (1,191,285.33) (1,141,859.21) (1,440,074.59) (563,616.41) (773,158.05) (1,321,387.71) (889,054.48) (895,952.00) (850,595.70) (721,328.69) (984,133.92) 744,827.22 (406,487.35) (158,661.63) (544,722.64) (542,301.64) 34,517.59
Clculo do Fluxo de Caixa do Projeto

Lucro antes Juros e IR 17,373.00 (371,767.00) 136,471.00 127,547.00 150,749.00 196,930.00 222,906.00 605,955.00 254,435.00 247,314.00 197,709.00 713,076.00 326,217.00 479,216.00 410,278.00 371,511.00 549,954.00 639,392.00 834,512.00 1,764,819.00 747,553.00 688,727.00 466,999.00 498,051.00 542,910.00
(+) Depreciao e Amortizao (1,553,285.57) (1,517,685.43) (1,571,746.71) (1,641,054.43) (1,655,096.14) (1,664,660.57) (1,661,502.43) (1,655,278.71) (1,655,965.71) (1,655,026.71) (1,614,943.29) (1,596,172.29) (1,576,913.14) (1,559,853.43) (1,552,036.71) (1,557,354.00) (1,527,642.86) (1,513,570.71) (1,504,550.14) (1,512,630.43) (1,524,273.00) (1,503,167.57) (1,463,716.71) (1,466,419.71) (1,469,946.86)
Gerao Operacional de Caixa (1,535,912.57) (1,889,452.43) (1,435,275.71) (1,513,507.43) (1,504,347.14) (1,467,730.57) (1,438,596.43) (1,049,323.71) (1,401,530.71) (1,407,712.71) (1,417,234.29) (883,096.29) (1,250,696.14) (1,080,637.43) (1,141,758.71) (1,185,843.00) (977,688.86) (874,178.71) (670,038.14) 252,188.57 (776,720.00) (814,440.57) (996,717.71) (968,368.71) (927,036.86)
(+/-) Variao no CGL (99,578.79) 244,619.06 132,014.50 226,543.57 188,408.25 171,618.40 124,824.22 (48,383.14) 273,561.93 210,245.39 265,853.50 (22,840.31) 319,479.88 477,538.10 (240,750.28) 252,704.24 289,891.00 127,093.15 152,850.03 (314,095.78) 492,638.65 370,232.65 655,778.94 451,995.07 426,067.07 961,554.44
Recuperao no CGL
Investimento de capital 1,811,359.00 139,565.00 276,585.00 46,895.00 981.00 26,572.00 11,336.00 (30,890.00) (5,899.00) (135,267.00) (243,978.00) (589,917.00) 334,596.00 157,354.00 (30,101.00) 164,577.00 137,339.00 399,278.00 1,234,943.00 391,330.00 218,474.00 485,557.00 795,537.00 286,302.00
Valor residual
FCFF (99,578.79) (1,291,293.52) 53,921.07 (1,069,167.14) (1,048,514.18) (1,285,833.74) (1,341,925.35) (1,460,407.57) (764,425.78) (1,222,175.33) (1,147,758.21) (1,575,341.59) (807,594.41) (1,363,075.05) (986,791.71) (731,700.48) (926,053.00) (686,018.70) (583,989.69) (584,855.92) 1,979,770.22 (15,157.35) 59,812.37 (59,165.64) 253,235.36 320,819.59
(-) Despesa com Juros d (5,427.84) (634,025.70) (88,675.62) (149,333.58) (57,139.50) (100,430.88) (105,948.48) (205,052.10) (16,768.62) (291,985.98) (6,093.12) (251,588.04) (429,649.44) (59,316.18) 29,683.50 (104,668.74) (68,141.04) (9,945.54) (2,801.04) (56,926.98) (41,786.58) (38,695.14) (31,771.08) (32,710.26) (2,780.58)
(-) Variao Passivo Longo Prazo 884,709.00 344,583.00 (48,164.00) 719,885.00 386,510.00 86,866.00 27,788.00 133,837.00 63,116.00 (104,089.00) (60,661.00) 355,932.00 (601,844.00) (240,311.00) (136,546.00) 268,422.00 (130,188.00) (174,322.00) (324,676.00) (102,097.00) (267,410.00) (191,601.00) 64,230.00 (155,959.00)
(-) Preferred dividends - - - - 629.00 - - - - - - - - - 7,984.00 4,592.00 - 22,357.00 - - - - - -
FCFE (99,578.79) (1,285,865.68) (196,762.23) (1,325,074.52) (851,016.60) (1,948,579.24) (1,628,633.47) (1,441,325.09) (587,161.68) (1,339,243.71) (918,888.23) (1,465,159.47) (495,345.37) (1,289,357.61) (325,631.53) (521,072.98) (692,822.26) (890,891.66) (443,856.15) (430,089.88) 2,361,373.20 128,726.23 365,917.51 164,206.44 221,715.62 479,559.17
Crescimento FCFE 104% -573% 36% -129% 16% 12% 59% -128% 31% -59% 66% -160% 75% -60% -33% -29% 50% 3% 649% -95% 184% -55% 35% 116%

Aplicação de Redes Bayesianas Na Previsão de Crescimento de Fluxos de Caixa - Ricardo Pedreti - 2007

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Aplicação de Redes Bayesianas Na Previsão de Crescimento de Fluxos de Caixa - Ricardo Pedreti - 2007

Cargado por

Copyright:

Formatos disponibles

FUNDAO GETLIO VARGAS

ESCOLA DE ECONOMIA DE SO PAULO

RICARDO PEDRETI CHAGAS

APLICAO DE REDES BAYESIANAS

NA PREVISO DE CRESCIMENTO DE FLUXOS DE CAIXA

Orientador: Afonso de Campos Pinto.

1. Fluxo de caixa. 2. Teoria bayesiana de deciso estatstica. 3. Previso

APLICAO DE REDES BAYESIANAS

NA PREVISO DE CRESCIMENTO DE FLUXOS DE CAIXA

Dissertao apresentada Escola de

Orientador: Prof. Dr. Afonso Campos

APLICAO DE REDES BAYESIANAS

NA PREVISO DE CRESCIMENTO DE FLUXOS DE CAIXA

Dissertao apresentada Escola de

Data de aprovao: 11/02/2008

orientao, estmulo e confiana depositada neste trabalho, sem os quais no seria

possvel conclu-lo com sucesso.

Agradeo aos professores do MPFE-FGV que me municiaram de excelente base

terica que muito facilitou a execuo deste trabalho.

encorajar, discutir e debater assuntos controversos, com sua enorme pacincia e

na fase final deste trabalho.

Redes Bayesianas podem ser ferramentas poderosas para construo de modelos

econmico-financeiros utilizados para auxlio tomada de deciso em situaes que

envolvam grau elevado de incerteza. Relaes no-lineares entre variveis no so

capturadas em modelos economtricos lineares. Especialmente em momentos de

crise ou de ruptura, relaes lineares, em geral, no mais representam boa

aproximao da realidade, contribuindo para aumentar a distncia entre os modelos

tericos de previso e dados reais. Neste trabalho, apresentada uma metodologia

para levantamento de dados e aplicao de Redes Bayesianas na obteno de

modelos de crescimento de fluxos de caixa de empresas brasileiras. Os resultados so

comparados a modelos economtricos de regresso mltipla e finalmente

comparados aos dados reais observados no perodo. O trabalho concludo

avaliando-se as vantagens de desvantagens da utilizao das Redes de Bayes para

Bayesian Networks may be powerful tools for Financial-Economics modeling. When

normally not captured in traditional linear econometric models. Moreover, specially on

situation of crisis or rupture, linear relation do no represent anymore a good proxy to

real behavior of financial-economical variables. This contributes for increasing the

observed in such period. As a conclusion of the study, we make an evaluation of the

pros and cons of using Bayesian Network for such application.

ILUSTRAO 1- MIND MAP CRESCIMENTO ........................................................................................................ 19

TABELA 1 CLASSIFICAES DA INTELIGNCIA ARTIFICIAL ................................................................................ 22

TABELA 14 - VARIVEIS CONTNUAS SETOR SIDERURGIA ............................................................................... 59

TABELA 22 - VARIVEIS CONTNUAS SETOR ALIMENTOS ................................................................................ 70

TABELA 31- VARIVEIS CONTNUAS SETOR ENERGIA ....................................................................................... 81

EQUAO 1 CRESCIMENTO (RETORNO E RE-INVESTIMENTO) ............................................................................. 9

2.2. Redes Bayesianas 22

3.2. Modelos de Crescimento por Setor Econmico 48

3.3. Setor Siderurgia 50

3.4. Setor Alimentos 65

3.5. Setor Energia 75

5. COMENTRIOS FINAIS E RECOMENDAES 91

Redes Bayesianas tm sido utilizadas em diversos campos do conhecimento que

Em linhas gerais, as Redes Bayesianas so ferramentas bastante poderosas e

Em Finanas Corporativas, comum nos depararmos com cenrios de incerteza. Isso

Em vrios campos da Teoria Financeira existem espaos a serem preenchidos entre

A proposta deste trabalho utilizar Redes Bayesianas para investigar um dos

O Captulo 2 foi dedicado a revises bibliogrficas importantes para uma melhor

No Captulo 3, apresentamos detalhadamente a metodologia utilizada para o

modelos economtricos tradicionais, quais variveis utilizar e quais as fontes de

No Captulo 4, comentamos os principais resultados observados durante as anlises

Finalmente, no Captulo 5, apresentamos um resumo de nossas principais concluses

2.1. Incerteza em Finanas Corporativas

2.1.1. Projees Financeiras, Planejamento Estratgico, Planejamento