[pt] Com o objetivo de estimular a competição no setor de telecomunicações,
agências reguladoras do mundo todo têm adotado a regulação de preços baseados
em custos para serviços de acesso e interconexão de redes. O processo de
introdução da competição não tem sido fácil e muitos problemas têm surgido nos
últimos anos relacionados com a definição de quais infraestruturas de rede devem
ser disponibilizadas pela operadora incumbente (i.e., as atuais concessionárias de
serviços de telecomunicações), e em que termos e condições. Um desses
problemas, ainda não endereçado pelas agências reguladoras, é a consideração do
valor da opção de investir na ocasião do cálculo de preços baseados em custos de
serviços regulados. A fórmula de precificação atualmente usada pelos reguladores
ignora o valor da opção de investir produtivamente em algum momento no futuro.
Esta tese propõe um modelo e uma metodologia para a valoração da opção de
postergar decisões de investimento em rede e para o cálculo de preços baseados
em custos de serviços de telecomunicações regulados, levando em consideração as
incertezas de demanda e tecnológica no setor de telecomunicações. Em um estudo
de custos típico, a rede de telecomunicações é representada por uma lista de
elementos de rede especificamente dimensionados para atender a previsão de
demanda por serviços de telecomunicações, onde cada elemento de rede é uma
parte identificável da infraestrutura de rede (por exemplo, o enlace de acesso
local), para a qual pode ser designado um único direcionador de custos. Diferentes
elementos de rede estão sujeitos a diferentes incertezas de demanda e tecnológica.
Por exemplo, equipamentos de comutação e transmissão estão sujeitos a
substituição tecnológica mais rápida do que enlaces de acesso local e linhas de
transmissão. Nesta tese, múltiplos de valor de opção são calculados para decisões
de investimento em três principais elementos de rede, cada um representando uma
parte diferente da rede de telecomunicações fixa brasileira, e o impacto desses
múltiplos sobre o custo unitário médio de cada elemento de rede é estimado. Esta
tese inova em vários aspectos. Primeiro, porque diferentes elementos de rede
estão sujeitos a diferentes incertezas de demanda e tecnológica, um fator de
markup é calculado para cada elemento de rede principal. Segundo, o valor da
opção de investir em cada elemento de rede é modelado como uma função de duas
variáveis estocásticas: o fluxo de lucro variável total do elemento e o custo de
novo investimento no elemento. Terceiro, a incerteza tecnológica é modelada por
meio de duas abordagens complementares: obsolescência tecnológica de
equipamento usado e evolução tecnológica de equipamento novo. Quarto, o valor
das opções futuras de reposição é considerado, permitindo o redimensionamento
da capacidade de rede na medida em que os equipamentos vão sendo substituídos.
As incertezas de demanda e tecnológica associadas a cada elemento de rede são
modeladas por meio de três processos estocásticos: o fluxo de lucro variável total
(movimento geométrico Browniano), a depreciação de ativo usado (processo de
Poisson), e o custo de ativo moderno equivalente (movimento geométrico
Browniano). E todos se encaixam em um modelo elegante e simples que calcula o
múltiplo de valor de opção para cada elemento de rede. Uma taxa de juros livre de
risco constante foi assumida para derivar as equações diferenciais estocásticas que
devem ser satisfeitas pelos valores das opções reais, apesar de a incerteza na taxa
de juros ter sido investigada e a sua volatilidade ter sido calculada para diferentes
maturidades/prazos. Esta tese propõe um método para a construção da curva de
cupom de inflação no Brasil, usando uma combinação de algoritmo tradicional de
otimização não-linear e um algoritmo genético especificamente desenvolvido para
esta finalidade. Tem havido um grande debate sobre q / [en] With the goal of increasing competition in the telecommunications sector,
regulatory authorities around the world have adopted cost-based prices for
network interconnection and access services. The process of introducing
competition has not been easy and many issues have arisen in recent years related
to which facilities should be made available by the incumbent carriers, and on
what terms and conditions. One of these issues, not yet addressed by the
regulatory authorities, is the consideration of the value of the option to invest
when calculating cost-based prices of regulated services. The pricing formula
currently used by the regulators ignores the value of the option to productively
invest at some time in the future. This thesis proposes a model and methodology
for valuing the option to delay network investment decisions and calculating costbased
prices of regulated telecommunications services, taking into account the
demand and technological uncertainties in telecommunications networks. In a
typical cost study, the telecommunications network is represented by a list of
network elements specifically dimensioned to meet the forecast demand for all
telecommunications services, where each network element is an identifiable part
of the network infrastructure (e.g., the local loop), for which it can be assigned a
single cost driver. Different network elements are subject to different demand and
technological uncertainties. For example, switches and transmission equipment
are subject to faster technological substitution than local loop and transmission
facilities. In this thesis, I calculate the option value multiples for the decisions to
invest in three main network elements, each representing a different part of the
Brazilian fixed telecommunications network (subject to different technological
and demand uncertainties), and estimate the impact of these option value
multiples on the average unitary cost of each network element. This thesis
innovates in several aspects. First, because different network elements are subject
to different demand and technological uncertainties, a markup factor is calculated
for each main network element. Second, the value of the option to invest in each
network element is modeled as a function of two stochastic variables: the
element s total variable profit and the cost of new investment in the element.
Third, technological uncertainty is modeled using two complementary
approaches: technology obsolescence of used equipment and technology evolution
of new equipment. Fourth, the value of future replacement options is considered,
allowing for the resizing of network capacity as equipment elements are replaced.
The demand and technological uncertainties associated with each network element
are modeled through the use of three stochastic processes: the flow of total
variable profit (geometric Brownian motion), the depreciation of used asset
(Poisson decay process), and the cost of modern equivalent asset (geometric
Brownian motion). They all fit together into a neat and simple model that
calculates the option value multiple for each network element. A constant riskfree
interest rate has been assumed to derive the stochastic differential equations
that the real option values must satisfy, although interest rate uncertainty has been
investigated and interest rate volatilities have been calculated for different
maturities/terms. This thesis proposes a method for constructing the Brazilian
inflation coupon curve using a combination of traditional nonlinear optimization
algorithm and a genetic algorithm specifically developed for that purpose. There
has been a good deal of debate about which markup factor (if any) should be
applied to the investment cost component of a network investment decision in
order to reflect the value of the killed option. Some authors say the real option
value is negligible and should be ignored, as in Pelcovits (1999), while others
calculate markup values that are quite significant, as in Hausman (1999) and
Pindyck (2005). T
Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:29198 |
Date | 20 February 2017 |
Creators | SERGIO LUIS FRANKLIN JÚNIOR |
Contributors | NELIO DOMINGUES PIZZOLATO |
Publisher | MAXWELL |
Source Sets | PUC Rio |
Language | English |
Detected Language | Portuguese |
Type | TEXTO |
Page generated in 0.0105 seconds