[pt] As operações das empresas de óleo e gás são naturalmente perigosas e
suscetíveis a ocorrência de acidentes. As perdas financeiras associadas a acidentes
podem ser elevadas. Para evitar esse risco, é comum que as empresas adquiram
seguros. No entanto, determinar seus parâmetros adequados requer estimativas de
exposição ao risco, o que ainda é uma tarefa difícil. Para lidar com essa questão,
alguns autores sugerem uma caracterização de incerteza baseada em barreiras de
segurança. Essa abordagem facilita a definição das consequências e também atua
de forma mais preditiva quando comparada aos modelos baseados apenas em dados
históricos. Um modelo de otimização é sugerido, utilizando os resultados obtidos
com o método de caracterização de incerteza mencionado. Como as funções de
perdas não são completamente conhecidas, de forma a resolver o problema
estocástico, uma abordagem de Sample Average Approximation (SAA) é usada. Os
resultados obtidos foram comparados à situação sem seguro e a outras duas opções
de contrato de seguros. O modelo de otimização proposto foi o que conferiu maior
previsibilidade dos valores de perdas, apresentando o menor desvio-padrão.
Ressalta-se que a segunda melhor opção obteve um desvio-padrão 102 por cento a mais do
que o obtido com o seguro otimizado. Além disso, o modelo também proporcionou
maior proteção contra os eventos extremos, característica representada pelos
menores valores de VaR e CVaR, com a segunda melhor opção apresentando um
CVaR 41 por cento maior do que o obtido com o seguro otimizado. / [en] Operations in oil and gas companies are naturally dangerous and susceptible
to the occurrence of accidents. The financial losses due to accident damages can be
elevated. To avoid the risk of high expenses, it is usual for firms to acquire
insurance. However, setting the right parameters for an insurance contract requires
estimating the firm s risk exposure, which is still a hard task. To handle this issue,
some authors suggest uncertainty characterization models based on safety barriers
and precursor information. This approach facilitates the definition of consequences
and also acts in a more predictive way when compared to usual models based only
on historical data. Then, an optimization model is suggested, using the results
obtained with the uncertainty characterization method mentioned as one of its
inputs. As loss functions are not fully known, in order to solve the stochastic
problem, a Sample Average Approximation (SAA) approach is used. The results
obtained were compared to the situation where the company does not acquire
insurance and to other two insurance contract options. The optimization model
proposed was the one that granted greater predictability to the loss values,
presenting the smallest standard deviation. The second best option presented a
standard deviation 102 percent greater than the one obtained with the optimized
insurance. Also, the model provided greater protection against extreme events,
characteristic shown by smaller VaR and CVaR values, with the second best option
presenting a CVaR 41 percent greater than the optimized model s CVaR.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:51396 |
| Date | 01 February 2021 |
| Creators | ANA PATRICIA BARROS TORRACA |
| Contributors | BRUNO FANZERES DOS SANTOS, BRUNO FANZERES DOS SANTOS, BRUNO FANZERES DOS SANTOS, BRUNO FANZERES DOS SANTOS, BRUNO FANZERES DOS SANTOS |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0022 seconds