Fenomenet rettighetsinngripende tiltak

As simulações através da técnica de Monte Carlo foram feitas utilizando-se programa comercial (@Risk. PALISADE, 2000). O uso da técnica é bem estabelecido e uma discussão da mesma foge ao escopo deste trabalho — maiores detalhes podem ser encontrados em CLEMEN (1996, op. cit.). Foram utilizadas 1000 iterações.

A análise foi feita com variação dos seguintes parâmetros para as várias escalas estudadas (ver Tabela 18, adiante):

− Taxa de desconto;

− Preços do Ni;

− Preços do Co;

− Variação do volume dos investimentos e

− Variação dos custos operacionais.

Os detalhes do ajuste das distribuições de entrada utilizadas são mostrados no Apêndice 3.

Numa situação mais objetiva, onde estariam definidos o operador (e seu custo de capital) e a locação do empreendimento (e os riscos correspondentes), não haveria necessidade de modelar a taxa de desconto. Considerando que convém manter a generalidade do estudo, entretanto, a taxa de desconto foi feita variar em torno do caso base (para o qual foi adotada a taxa de 12%) desde 8% — um valor baixo, correspondente a um custo de capital baixo e baixo risco — até 20% — um valor alto em se tratando da indústria de mineração. Resulta uma distribuição para ajuste próxima a uma distribuição lognormal (ver Figura 69 no Apêndice 3).

É importante notar que uma parcela expressiva das reservas de níquel existentes, especialmente de níquel laterítico, está situada em países com alto risco soberano (ver Figura 6 e Tabela 1), o que pode exigir o uso de taxas de desconto mais elevadas.

Os preços são, dentre os elementos que interferem no valor, o mais volátil e sobre o qual os operadores têm menos controle, justificando a sua inclusão na análise. Assim, os preços do Ni foram feitos variar 18% para baixo e para cima em relação ao valor adotado para o caso base para os casos mais freqüentes, simulando-se, ainda, a uma variação máxima de 45% acima do valor base para o valor máximo dos máximos (com baixa probabilidade). A volatilidade simulada, que tem origem na amplitude sugerida por NEUDORF e HUGGINS (2004, op. cit. — ver Tabela 7), é alta, em se tratando de metais básicos, e foi aumentada pela imposição de simulações do valor máximo dos máximos, mas reflete bem a situação muito volátil por que passa o mercado de Ni (ver Figura 1). Resulta uma distribuição para ajuste próxima a uma distribuição lognormal (ver Figura 70 no Apêndice 3)10.

Os preços do Co foram feitos variar entre 20% para baixo e 20% para cima com relação ao caso base para os casos mais freqüentes, chegando a uma variação máxima de 50% sobre o caso base para o valor máximo dos máximos (simulado com baixa probabilidade), conforme justificado nos comentários sobre o desenvolvimento da Tabela 8. Resulta uma distribuição para ajuste próxima a uma distribuição lognormal (ver Figura 71 no Apêndice 3).

Dentro do grupo de projetos em engenharia avançada e implementação (mostrados na Tabela 12), há uma dispersão expressiva dos valores para os orçamentos de investimentos, refletindo as diferenças nas condições de implementação — a maior parte delas, quanto à infra-estrutura disponível. Assim, o valor dos investimentos foi feito variar desde 20% para baixo e até 25% para cima em relação ao valor de referência para o caso base. Numa situação em que a locação do empreendimento e, portanto, as condições de infra-estrutura estivessem mais bem-definidas, este intervalo poderia ser mais estreito. Resulta uma distribuição para ajuste que é triangular (ver Figura 72 no Apêndice 3).

Os custos operacionais foram feitos variar entre -32% e +14% em torno do caso base para os casos mais freqüentes e até +36% em relação ao caso base através da imposição de um valor máximo dos máximos (com baixa probabilidade) para as simulações, refletindo a variação das condições de operação entre produtores diferentes. Deve-se notar, ainda, que

parte da dispersão dos custos operacionais é devida às diferenças quanto aos créditos relativos à produção de Co. Resulta uma distribuição para ajuste próxima a uma distribuição triangular (ver Figura 73 no Apêndice 3).

Assim sendo, o conjunto de parâmetros utilizados e as faixas de variação experimentadas nas simulações são aqueles mostrados na Tabela 18, onde se mostra também as probabilidades de ocorrência atribuídas a cada caso:

Tabela 18: Parâmetros para a Análise de Sensibilidade - Simulação de Monte Carlo.

parâmetro taxa de desconto preços do Ni preços do Co ajuste dos

investimentos custos operacionais

unidade (USD/lb) (USD/lb) (%, USD/lba) (USD/lb)

min caso base M MM min caso base M MM min caso base M MM min caso base M min caso base M MM valor de entrada para a modelagem 8% 12% 15% 20% $4,5 $5,5 $6,5 $8,0 $8,0 $10,0 $12,0 $15,0 23% 53% 89% $1,5 $2,2 $2,5 $3,0 probabilidade simples 10% 60% 20% 10% 15% 60% 15% 10% 15% 60% 15% 10% 25% 50% 25% 10% 60% 20% 10% probabilidade acumulada 10% 70% 90% 100% 15% 75% 90% 100% 15% 75% 90% 100% 25% 75% 100% 10% 70% 90% 100% média ponderada da distribuição de entrada 13% $5,8 $10,5 55% indicador a 45 000 tpa Ni $16 $20 $25 média da distribuição modelada 11% $5,3 $9,6 $19 $2,0 legenda min mínimo M máximo

Outros aspectos poderiam ter sido incluídos na análise de sensibilidade, tais como parâmetros que conduzissem a uma medida do risco tecnológico presente nas operações em estudo e que se reflete, principalmente, na proporção da capacidade nominal que é atingida e no ritmo verificado para que esta proporção se materialize (ritmo do ramp-up). Conforme comentado na introdução da seção 6.6.1, entretanto, o método que foi utilizado para desenvolver o plano de aproveitamento e, por conseqüência, a estimativa de desempenho (seções 6.4 e 6.5), é muito interativo e não permitiria o uso das simulações automáticas através da técnica de Monte Carlo. Avalia-se que essa limitação não tem maiores implicações na escolha da escala de produção.

O consumo específico de ácido sulfúrico, que responde por 25% a 30% dos custos operacionais, também não foi feito variar em função de que as variações dos custos operacionais simuladas comportam uma variação dos custos operacionais relacionados com o consumo de ácido e de que o peso da construção da fábrica de ácido nos custos de investimento é de 8% — pouco expressivo diante das variações simuladas dos custos de investimentos. Uma variação neste parâmetro apenas teria, portanto, baixo impacto na escolha da escala de produção.

Deve-se considerar, também, que o uso de um conjunto muito grande de variáveis para a análise de sensibilidade leva à perda do foco quanto ao objetivo do estudo, que é a definição da capacidade.

A partir das distribuições das variáveis de entrada definidas na Tabela 18, estabeleceram-se as distribuições para simulação que melhor as representassem, utilizando- se, inicialmente, programa comercial (Bestfit. PALISADE, 2000), e procedendo-se ajustes posteriores. Os resultados do ajuste das distribuições de entrada são discutidos na apresentação da Figura 69 à Figura 73 no Apêndice 3.

Procurou-se o melhor ajuste para o conjunto dos pontos da curva de distribuição de freqüência acumulada crescente, com foco na aderência a 20% da freqüência acumulada, à mediana e a 80% da freqüência acumulada. Considerando que, com exceção da distribuição adotada para o ajuste dos investimentos, todas as distribuições são assimétricas, a aderência à média é pouco importante, escolhendo-se a mediana como referência. A existência de um valor máximo dos máximos, na maior parte dos casos,

levou a um pequeno viés, que impacta em pequena medida a taxa de desconto e os valores extremos de ajuste dos investimentos, o que foi considerado pouco relevante para o objetivo do estudo.