No setor elétrico brasileiro as fontes renováveis de energia têm se tornadas atrativas do ponto de vista do investidor devido não só aos incentivos de política de governo, como também por exibirem uma elevada competitividade, além da sinergia proveniente da complementariedade energética entre essas fontes. Por outro lado,a tomada de decisão de investimento em empreendimentos de geração tem se caracterizado cada vez mais como um processo complexo e arriscado, devido à potencial perda financeira decorrente de um fluxo de caixa bastante irregular, fundamentalmente em função da interação no mercado de curto prazo. Este trabalho descreve o problema e a solução para um investidor caracterizado por sua aversão ou apetite ao risco otimizando os recursos com restrição de risco (VaR, CVaR mesclado com conceito do CFaR). Os resultados mostram que para parâmetros usuais que condicionam o risco financeiro, tais como,(i) a taxa de investimento, (ii) preço de contrato de venda e (iii) custo de investimento, o modelo busca a solução para a melhor alocação de investimento, representada por um portfólio ótimo de projetos, respeitando limites fixados para o montante a ser investido e o risco financeiro correspondente. De forma geral, a conceituação da medida de aversão a risco e sua implementação no modelo de otimização desenvolvido permitiram obter resultados robustos para o tipo de problema abordado e a diversidade de situações analisada a partir de estudos de caso. / Brazilian electricity sector in renewable energy sources has become attractive from the investor point of view not only because of government policy incentives, but also to exhibit a high competitiveness beyond energy synergy from the complementarity between energy sources. However, the decision making of investments in generation capacity has come to characterize a complex and risky process, because of the potential financial loss resulting from a highly irregular cash flow, mainly due to the interaction in the short-term market. This paper describes the problem and solution for the risk averse investor optimizing financial resources constrained risk (VaR, CVaR merged with the concept CFaR). The results show that for the risk factors, as for instance, investment rate, sales price and cost of investment contract, the model responds within the limits of tax risks. In general, the concept of measure of risk aversion and its implementation in the optimization model developed is shown robust to the type of problem addressed.

O modelo de comercialização de energia elétrica operante no Brasil é fruto da reestruturação do Setor Elétrico Brasileiro (SEB), que se iniciou na década de 90. Este modelo atual, mais estruturado, impulsionou os investimentos privados no setor nos últimos anos, fazendo com que a comercialização de energia se tornasse algo de grande representatividade dentro do setor elétrico. Este modelo de comercialização como é hoje, dividido em dois ambientes, dinâmico e em constante evolução, é alvo de inúmeros investidores, principalmente no Ambiente de Contratação Livre (ACL) onde o número de agentes cresceu consideravelmente nos últimos anos, e gerou movimentações financeiras recordes. Associado a este crescimento expressivo, os riscos inerentes de mercado também se mostram relevantes e de fundamental necessidade de gerenciamento para o equilíbrio financeiro do investidor. Dessa forma, este trabalho propõe uma análise acerca da comercialização de energia no mercado brasileiro, quanto ao gerenciamento do risco por parte de um agente gerador operando no ACL, através da implementação de um otimizador contratual que ajude na tomada de decisão de quanta energia destinar a cada contrato, de modo a maximizar a receita do agente a um risco controlável. / The present marketing model of electric power in Brazil is the result of the restructuring of the Brazilian Electric Sector (BES), which began in the 90s. This current model, somewhat more structured, stimulated private investment in the sector in recent years; this way the electric power´s market acquired substantial representation within the electricity sector. The current market model, having two different commercial environments, dynamic and constantly evolving, has been attracting many investors, especially in the Free Contracting Environment (FCE) where the number of agents has grown considerably in recent years, and generated record number of financial transactions. Associated with this significant growth, the inherent risks in this market are effectively of concern and need being managed to ensure the financial balance of the investor. Therefore, this work proposes an analysis about the energy trading in the Brazilian market, as to the management of risk by an agent generator operating in the FCE, through the implementation of a contract optimizer that helps in making decisions on how construct a contract portfolio in order to maximizes the agent revenue under a controllable risk.

O planejamento da operação energética do sistema interligado nacional brasileiro é realizado por uma cadeia de modelos computacionais de otimização e simulação da operação. Entretanto, o risco de déficit, um importante indicador de segurança energética no setor elétrico, é tratado como uma variável de saída dos modelos computacionais. No planejamento de médio prazo é utilizado o software NEWAVE, que utiliza uma representação agregada em subsistemas equivalentes. Este trabalho propõe a implementação de um modelo de otimização linear para o planejamento da operação de médio prazo capaz de considerar o risco de déficit em sua formulação. Para o controle de risco de déficit, é proposta a utilização da métrica de risco conhecida por CVaR (Conditional Value at Risk), por se caracterizar como uma métrica de risco coerente, além de poder ser implementada por meio de um conjunto de restrições lineares. / The energetic operation planning of the Brazilian interconnected system is performed by a chain of computational models for the system optimization and simulation. However, the deficit risk, an important energy security indicator for the electric sector, is treated as an output variable on the computational models. In the medium-term of the energetic planning is used the software NEWAVE, which uses equivalent systems on aggregated representation. This work proposes the implementation of a linear optimization model for the medium-term of the energetic planning able to consider the deficit risk in its own formulation. To control the deficit risk is proposed the use of the risk metric known as CVaR (Conditional Value at Risk), because it is characterized as a coherent risk metric, and can be implemented through a set of linear constraints.

No setor elétrico brasileiro as fontes renováveis de energia têm se tornadas atrativas do ponto de vista do investidor devido não só aos incentivos de política de governo, como também por exibirem uma elevada competitividade, além da sinergia proveniente da complementariedade energética entre essas fontes. Por outro lado,a tomada de decisão de investimento em empreendimentos de geração tem se caracterizado cada vez mais como um processo complexo e arriscado, devido à potencial perda financeira decorrente de um fluxo de caixa bastante irregular, fundamentalmente em função da interação no mercado de curto prazo. Este trabalho descreve o problema e a solução para um investidor caracterizado por sua aversão ou apetite ao risco otimizando os recursos com restrição de risco (VaR, CVaR mesclado com conceito do CFaR). Os resultados mostram que para parâmetros usuais que condicionam o risco financeiro, tais como,(i) a taxa de investimento, (ii) preço de contrato de venda e (iii) custo de investimento, o modelo busca a solução para a melhor alocação de investimento, representada por um portfólio ótimo de projetos, respeitando limites fixados para o montante a ser investido e o risco financeiro correspondente. De forma geral, a conceituação da medida de aversão a risco e sua implementação no modelo de otimização desenvolvido permitiram obter resultados robustos para o tipo de problema abordado e a diversidade de situações analisada a partir de estudos de caso. / Brazilian electricity sector in renewable energy sources has become attractive from the investor point of view not only because of government policy incentives, but also to exhibit a high competitiveness beyond energy synergy from the complementarity between energy sources. However, the decision making of investments in generation capacity has come to characterize a complex and risky process, because of the potential financial loss resulting from a highly irregular cash flow, mainly due to the interaction in the short-term market. This paper describes the problem and solution for the risk averse investor optimizing financial resources constrained risk (VaR, CVaR merged with the concept CFaR). The results show that for the risk factors, as for instance, investment rate, sales price and cost of investment contract, the model responds within the limits of tax risks. In general, the concept of measure of risk aversion and its implementation in the optimization model developed is shown robust to the type of problem addressed.

O planejamento da operação energética do sistema interligado nacional brasileiro é realizado por uma cadeia de modelos computacionais de otimização e simulação da operação. Entretanto, o risco de déficit, um importante indicador de segurança energética no setor elétrico, é tratado como uma variável de saída dos modelos computacionais. No planejamento de médio prazo é utilizado o software NEWAVE, que utiliza uma representação agregada em subsistemas equivalentes. Este trabalho propõe a implementação de um modelo de otimização linear para o planejamento da operação de médio prazo capaz de considerar o risco de déficit em sua formulação. Para o controle de risco de déficit, é proposta a utilização da métrica de risco conhecida por CVaR (Conditional Value at Risk), por se caracterizar como uma métrica de risco coerente, além de poder ser implementada por meio de um conjunto de restrições lineares. / The energetic operation planning of the Brazilian interconnected system is performed by a chain of computational models for the system optimization and simulation. However, the deficit risk, an important energy security indicator for the electric sector, is treated as an output variable on the computational models. In the medium-term of the energetic planning is used the software NEWAVE, which uses equivalent systems on aggregated representation. This work proposes the implementation of a linear optimization model for the medium-term of the energetic planning able to consider the deficit risk in its own formulation. To control the deficit risk is proposed the use of the risk metric known as CVaR (Conditional Value at Risk), because it is characterized as a coherent risk metric, and can be implemented through a set of linear constraints.

O modelo de comercialização de energia elétrica operante no Brasil é fruto da reestruturação do Setor Elétrico Brasileiro (SEB), que se iniciou na década de 90. Este modelo atual, mais estruturado, impulsionou os investimentos privados no setor nos últimos anos, fazendo com que a comercialização de energia se tornasse algo de grande representatividade dentro do setor elétrico. Este modelo de comercialização como é hoje, dividido em dois ambientes, dinâmico e em constante evolução, é alvo de inúmeros investidores, principalmente no Ambiente de Contratação Livre (ACL) onde o número de agentes cresceu consideravelmente nos últimos anos, e gerou movimentações financeiras recordes. Associado a este crescimento expressivo, os riscos inerentes de mercado também se mostram relevantes e de fundamental necessidade de gerenciamento para o equilíbrio financeiro do investidor. Dessa forma, este trabalho propõe uma análise acerca da comercialização de energia no mercado brasileiro, quanto ao gerenciamento do risco por parte de um agente gerador operando no ACL, através da implementação de um otimizador contratual que ajude na tomada de decisão de quanta energia destinar a cada contrato, de modo a maximizar a receita do agente a um risco controlável. / The present marketing model of electric power in Brazil is the result of the restructuring of the Brazilian Electric Sector (BES), which began in the 90s. This current model, somewhat more structured, stimulated private investment in the sector in recent years; this way the electric power´s market acquired substantial representation within the electricity sector. The current market model, having two different commercial environments, dynamic and constantly evolving, has been attracting many investors, especially in the Free Contracting Environment (FCE) where the number of agents has grown considerably in recent years, and generated record number of financial transactions. Associated with this significant growth, the inherent risks in this market are effectively of concern and need being managed to ensure the financial balance of the investor. Therefore, this work proposes an analysis about the energy trading in the Brazilian market, as to the management of risk by an agent generator operating in the FCE, through the implementation of a contract optimizer that helps in making decisions on how construct a contract portfolio in order to maximizes the agent revenue under a controllable risk.

[pt] A contratação de energia elétrica no Brasil por parte de grandes consumidores é feita de acordo com o nível de tensão e considerando dois ambientes: o Ambiente Regulado e o Ambiente Livre. Os grandes consumidores são aqueles que possuem carga igual ou superior a 3 MW, atendidos em qualquer nível de tensão e a energia pode ser contratada em quaisquer desses ambientes. Um grande desafio para esses consumidores é determinar a melhor alternativa de contratação. Para tratar este problema, é preciso ter em conta que o consumo de energia e a demanda de potência requerida são variáveis desconhecidas no momento da contratação do consumidor, sendo necessário estimá-las. Esta dissertação propõe atacar este problema por uma metodologia que envolve simulação de cenários futuros de demanda máxima de potência e energia total consumida e otimização estocástica dos cenários simulados para definir o melhor contrato. Dada a natureza estocástica do problema, empregou-se o CVaR (Conditional Value at Risk) como medida de risco para o problema de otimização. Para ilustrar, os resultados da contratação foram obtidos para um grande consumidor real considerando a modalidade Verde A4 no Ambiente Regulado e um contrato de quantidade no Ambiente Livre. / [en] The energy contracting in Brazil for large consumers is done according to the voltage level and considering two environments: the Regulated Environment and the Free Environment. Large consumers are those characterized by installed load equal to or greater than 3 MW, supplied at any voltage level and its energy contract can be chosen between any of these two environments. A major challenge for these consumers is to determine the best alternative of contracting. To address this problem, it must be taken into account that the energy consumption and the required power demand are unknown variables by the time of consumer contracting, being necessary to estimate them. This dissertation proposes to tackle this problem by a methodology based on the simulation of future scenarios of maximum power demand and total consumed energy and on stochastic optimization of these simulated scenarios in order to define the best contract. Given the stochastic nature of the problem, it was used the CVaR (Conditional Value at Risk) as a measure of risk for the optimization problem. To illustrate, the contracting results were obtained for a large real consumer considering the Green Tariff group A4 in the Regulated Environment and a quantity contract in the Free Environment.

We consider the research problem of quantitative support for decision making in supply chain network design (SCND). We first identify the requirements for a comprehensive SCND as (i) a methodology to select uncertainties, (ii) a stochastic optimisation model, and (iii) an appropriate solution algorithm. We propose a process to select a manageable number of uncertainties to be included in a stochastic program for SCND. We develop a comprehensive two-stage stochastic program for SCND that includes uncertainty in demand, currency exchange rates, labour costs, productivity, supplier costs, and transport costs. Also, we consider conditional value at risk (CV@R) to explore the trade-off between risk and return. We use a scenario generator based on moment matching to represent the multivariate uncertainty. The resulting stochastic integer program is computationally challenging and we propose a novel iterative solution algorithm called adaptive scenario refinement (ASR) to process the problem. We describe the rationale underlying ASR, validate it for a set of benchmark problems, and discuss the benefits of the algorithm applied to our SCND problem. Finally, we demonstrate the benefits of the proposed model in a case study and show that multiple sources of uncertainty and risk are important to consider in the SCND. Whereas in the literature most research is on demand uncertainty, our study suggests that exchange rate uncertainty is more important for the choice of optimal supply chain strategies in international production networks. The SCND model and the use of the coherent downside risk measure in the stochastic program are innovative and novel; these and the ASR solution algorithm taken together make contributions to knowledge.

Bitcoin is an unregulated digital currency originally introduced in 2008 without legal tender status. Based on a decentralized peer-to-peer network to confirm transactions and generate a limited amount of new bitcoins, it functions without the backing of a central bank or any other monitoring authority. In recent years, Bitcoin has seen increasing media coverage and trading volume, as well as major capital gains and losses in a high volatility environment. Interestingly, an analysis of Bitcoin returns shows remarkably low correlations with traditional investment assets such as other currencies, stocks, bonds or commodities such as gold or oil. In this paper, we shed light on the impact an investment in Bitcoin can have on an already well-diversified investment portfolio. Due to the non-normal nature of Bitcoin returns, we do not propose the classic mean-variance approach, but adopt a Conditional Value-at-Risk framework that does not require asset returns to be normally distributed. Our results indicate that Bitcoin should be included in optimal portfolios. Even though an investment in Bitcoin increases the CVaR of a portfolio, this additional risk is overcompensated by high returns leading to better return-risk ratios.

This thesis investigates robust techniques for mean-variance (MV) portfolio optimization problems under the estimation risk in mean return. We evaluate the performance of the optimal portfolios generated by the min-max robust MV portfolio optimization model. With an ellipsoidal uncertainty set based on the statistics of the sample mean estimates, minmax robust portfolios equal to the ones from the standard MV model based on the nominal mean estimates but with larger risk aversion parameters. With an interval uncertainty set for mean return, min-max robust portfolios can vary significantly with the initial data used to generate the uncertainty set. In addition, by focusing on the worst-case scenario in the mean return uncertainty set, min-max robust portfolios can be too conservative and unable to achieve a high return. Adjusting the conservatism level of min-max robust portfolios can only be achieved by excluding poor mean return scenarios from the uncertainty set, which runs counter to the principle of min-max robustness. We propose a CVaR robust MV portfolio optimization model in which the estimation risk is measured by the Conditional Value-at-Risk (CVaR). We show that, using CVaR to quantify the estimation risk in mean return, the conservatism level of CVaR robust portfolios can be more naturally adjusted by gradually including better mean return scenarios. Moreover, we compare min-max robust portfolios (with an interval uncertainty set for mean return) and CVaR robust portfolios in terms of actual frontier variation, portfolio efficiency, and portfolio diversification. Finally, a computational method based on a smoothing technique is implemented to solve the optimization problem in the CVaR robust model. We numerically show that, compared with the quadratic programming (QP) approach, the smoothing approach is more computationally efficient for computing CVaR robust portfolios.