Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/BUBD-A45PD8
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Leonardo Pereira Santiagopt_BR
dc.contributor.referee1Anderson Laécio Galindo Trindadept_BR
dc.contributor.referee2Marcelo Azevedo Costapt_BR
dc.creatorRenan Veloso Gomespt_BR
dc.date.accessioned2019-08-11T13:12:39Z-
dc.date.available2019-08-11T13:12:39Z-
dc.date.issued2015-07-31pt_BR
dc.identifier.urihttp://hdl.handle.net/1843/BUBD-A45PD8-
dc.description.abstractCommodity prices in general have a stochastic behavior, which means that future prices are uncertain and difficult to predict. In Brazil, the spot price of electric energy is not different. The National System Operator (ONS) publishes the new electricity price weekly in order to minimize the operational cost. However, this price is characterized by a high volatility, which generates great uncertainties about future prices. In an uncertainty environment, as the energy sector, there are also opportunities. When energy prices are high may be more profitable for a company temporarily suspend part of its production and sell the electricity at the spot price, taking advantage of this moment to perform preventive maintenance on its machinery and equipment. This works objective is to auxiliary electro companies defining the optimal production strategy taking into account the uncertainties of the future electricity price. As an illustrative example, we examine the case of an aluminum industry, which have the option of temporarily suspend their production and sell to the market the resulting electricity. To evaluate the electricity spot price, we analyze its historical series and treat the data for projecting future prices. We consider two approaches: (i) linear regressions and (ii) mean reversion movements. In each of the approaches, we presented two different models. To compare our results we verify which model presented the lower mean squared prediction error. The results showed that the linear regression had a better perform to predict future prices. Then, we present an illustrative example using these models to assess a switch option between product aluminum and sell the electricity. The results show that this flexibility adds significant value to the operating income in an aluminum industry and the mean reversion model super estimates the option value compared with the linear regression model. The result of this work may be applied to other electro-intensive industries and thus leverage the operational result of these companies at the same time they contribute to alleviate the electricity demand in the country. Moreover, this switch option might make an investment that was not feasible becomes feasible.pt_BR
dc.description.resumoOs preços das commodities, em geral, apresentam um comportamento estocástico, o que significa que os preços futuros são incertos e difíceis de se prever. No Brasil o preço spot da energia elétrica não é diferente. O Operador Nacional do Sistema (ONS) divulga, semanalmente, um novo preço de energia elétrica com o intuito de minimizar o custo de operação do sistema como um todo. Entretanto, este preço tem como característica uma alta volatilidade o que gera enormes incertezas quanto aos preços futuros. Como em qualquer ambiente de incertezas, no setor elétrico também existem oportunidades. Em um período em que o preço da energia esteja alto pode ser mais lucrativo para uma empresa eletrointensiva suspender temporariamente parte da sua produção e vender a energia elétrica excedente ao preço spot, aproveitando este momento para realizar manutenções preventivas em suas máquinas e equipamentos. O objetivo deste trabalho é auxiliar empresas eletrointensivas a definir uma estratégia ótima de produção levando em consideração as incertezas futuras do preço spot da energia elétrica. Como um exemplo ilustrativo, analisamos o caso de uma indústria de alumínio que tem a opção de suspender temporariamente sua produção para comercializar a energia elétrica resultante. Para avaliar o preço spot da energia elétrica, analisamos a sua série histórica e tratamos os dados para projetarmos preços futuros. Consideramos duas abordagens: (i) regressões lineares e (ii) movimentos de reversão a média. Em cada uma das abordagens apresentamos dois modelos diferentes. Para comparar nossos resultados verificamos qual modelo apresentou o menor erro quadrático médio de previsão. Os resultados mostraram que a análise de regressão teve um desempenho melhor para prevermos o comportamento futuro do preço. Posteriormente, apresentamos um exemplo ilustrativo utilizando estes modelos para valorarmos uma opção de alternância (switch option) entre a produção de alumínio e a venda de energia elétrica. Os resultados mostram que esta flexibilidade agrega um valor significativo ao resultado operacional de uma indústria de alumínio e que o modelo de reversão a média super estima o valor da opção se comparado com o modelo de regressão linear. O resultado deste trabalho pode ser aplicado a outras indústrias eletro intensivas e desta forma alavancar o resultado operacional destas empresas ao mesmo instante em que contribuem para aliviar a demanda do setor elétrico no país. Além disto, esta opção de alternância pode fazer com que um investimento que não era viável venha a se tornar viável.pt_BR
dc.languagePortuguêspt_BR
dc.publisherUniversidade Federal de Minas Geraispt_BR
dc.publisher.initialsUFMGpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectFlexibilidade gerencialpt_BR
dc.subjectAnálise de regressãopt_BR
dc.subjectOpções reaispt_BR
dc.subjectOpção de alternânciapt_BR
dc.subjectPreço de liquidação das diferençaspt_BR
dc.subjectMovimento de reversão a médiapt_BR
dc.subject.otherAnálise de regressãopt_BR
dc.subject.otherEnergia elétrica Preçospt_BR
dc.subject.otherEngenharia de produçãopt_BR
dc.titleModelo de opções reais para avaliar a estratégia de produção em uma indústria eletrointensiva face ao preço da energia elétricapt_BR
dc.typeDissertação de Mestradopt_BR
Appears in Collections:Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
disserta__o_renan_versao_final_pos_defesa.pdf6.22 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.