[pt] Essa tese, metodológica e normativa, estende a teoria
moderna de avaliação
econômica de projetos de investimento sob incertezas,
conhecida por teoria das
opções reais, do ponto de vista de uma companhia de
petróleo que otimiza a
alocação de recursos e investimento. A teoria das opções
reais é combinada com
outras teorias - daí o nome opções reais híbridas - de
forma a efetuar uma análise
mais abrangente e realista de problemas complexos da
indústria de petróleo. As
duas principais combinações analisadas nessa tese são: (a)
a combinação da teoria
das opções reais e teoria dos jogos - jogos de opções
reais - de forma a
considerar de forma endógena o comportamento estratégico
das outras firmas,
especialmente no jogo de parada ótima com externalidades
positivas conhecido
por guerra de atrito, e a possibilidade de trocar esse jogo
por um jogo cooperativo
de barganha; e (b) a combinação da teoria das opções reais
com métodos
probabilísticos e de decisão estatística Bayesianos -
opções reais Bayesianas -
gerando uma nova maneira de modelar a incerteza técnica de
um projeto em
modelos dinâmicos de opções reais. Essas duas combinações
são re-combinadas
para se obter uma solução adequada que capture as
diferenças de valor da
informação nos jogos não-cooperativo e cooperativo.
Importantes variáveis tais
como o fator de chance exploratório, o volume e a qualidade
da reserva de
petróleo, são modeladas através do desenvolvimento de uma
nova teoria sobre
distribuições de revelações e medidas de aprendizagem. De
forma mais sucinta
são analisadas outras opções reais híbridas, com destaque
para a combinação da
teoria das opções reais com a teoria de computação
evolucionária - opções reais
evolucionárias - com grande potencial em aplicações
complexas de otimização
sob incerteza. O método é exemplificado com uma aplicação
usando algoritmos
genéticos para evoluir a regra de decisão de exercício
ótimo da opção real. / [en] This methodological and normative thesis extends the modern
economic
valuation theory of projects under uncertainty, known as
real options theory, from
the point of view of an oil company that optimizes the
allocation of investment
and resources. The real options theory is combined with
other theories - so the
name hybrid real options - in order to perform a more
comprehensive and
realistic analysis of complex problems that arises from
petroleum industry. The
two main combinations analyzed here are: (a) the
combination of real options
theory with game theory - real options games - to consider
endogenously the
strategic behavior of other firms, especially in the
optimal stopping game with
positive externalities known as war of attrition, as well
as the possibility to change
this game by a cooperative bargain game; and (b) the
combination of real options
theory with methods from probability theory and Bayesian
statistical decision -
Bayesian real options - generating a new way to model
technical uncertainty of a
project in dynamic real options models. These two
combinations are re-combined
in order to obtain an adequate solution that captures the
value of information
differences in non-cooperative and cooperative games.
Important variables like
exploratory chance factor, volume, and quality of a
petroleum reserve, are
modeled with the development of a new theory on revelation
distribution and
measures of learning. In a more concise way, are analyzed
other hybrid real
options, highlighting the combination of real options
theory with the evolutionary
computation theory - evolutionary real options - with great
potential in complex
applications of optimization under uncertainty. This method
is exemplified with
an application using the genetic algorithms to evolve the
decision rule for optimal
exercise of a real option.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:6645 |
| Date | 27 June 2005 |
| Creators | MARCO ANTONIO GUIMARAES DIAS |
| Contributors | JOSE PAULO TEIXEIRA, JOSE PAULO TEIXEIRA |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0027 seconds