Viés de otimismo em estudos de viabilidade: cinco formas de identificar antes que o projeto vire problema

Quando analiso modelos econômico-financeiros de projetos de longa duração, uma das primeiras coisas que verifico não é o VPL. É a distância entre o VPL e o investimento total.

Esse índice — VPL dividido pelo Capex — diz mais sobre a robustez real de um estudo do que a maioria das tabelas que vêm depois. Um VPL de R$ 10 milhões sobre R$ 800 milhões de investimento é um índice de lucratividade de 1,25%. Isso significa que um desvio de pouco mais de 1% nas premissas de receita já torna o projeto inviável. E ainda assim o relatório entrega "viabilidade confirmada". Esse é o viés de otimismo em ação.

O fenômeno é documentado — e consistente

Bent Flyvbjerg, professor de Oxford, documentou isso em centenas de projetos de infraestrutura ao redor do mundo. Custos médios superam o orçamento inicial em 45% em pontes e túneis e 34% em obras viárias. As receitas projetadas raramente se concretizam nos primeiros anos de operação.

O viés não é necessariamente intencional. Ele emerge do que Flyvbjerg — inspirado em Kahneman — chama de inside view: a tendência de avaliar um projeto pelo seu próprio plano detalhado, pelas premissas que o analista escolheu, pelo cenário que faz sentido internamente, sem jamais perguntar o que aconteceu com projetos parecidos na prática. A outside view faz exatamente essa pergunta. E a resposta quase sempre é menos confortável.

O resultado prático: projetos aprovados com folga aparecem com TIR marginalmente acima do custo de capital e VPL positivo por margem estreita. Quando as premissas não se realizam — e em projetos de 20 a 35 anos algumas inevitavelmente não se realizam — a viabilidade desaparece antes que o problema seja visível.

Abaixo estão cinco formas de identificar esse viés antes de assinar qualquer coisa.

1. O índice de lucratividade como primeiro filtro

VPL positivo é condição necessária, não suficiente. O número que importa é a proporção entre o VPL e o capital investido.

Para projetos com receita regulada e reequilíbrio contratual previsto, índices entre 10 e 15% são aceitáveis. Para projetos com receita a preço de mercado e sem proteção contratual — projetos agroindustriais, concessões sem garantia mínima de demanda — o mínimo defensável está entre 20 e 35%, dependendo do prazo e da volatilidade da receita.

Quando esse índice está abaixo de 5% em um projeto de 30 anos com risco de receita transferido ao privado, a análise que vem depois precisa ser lida com ceticismo redobrado.

2. Reference Class Forecasting: perguntar o que aconteceu com projetos parecidos

Essa é provavelmente a técnica mais subutilizada — e a que mais incomoda quem defende o projeto.

A ideia é simples: em vez de confiar apenas nas premissas internas do modelo, levanta-se uma classe de referência — projetos similares em tipo, escala e contexto — e usa-se a distribuição histórica de desempenho dessa classe para calibrar as projeções.

Na prática, isso transforma uma afirmação como "a receita plena será atingida no ano 8" em algo como "com base em projetos similares, a mediana de projetos desta classe atinge receita plena entre os anos 9 e 13, com desvio considerável para cima". A diferença para o VPL e para a TIR é substancial. E o desconforto que essa pergunta gera numa sala de apresentação já diz algo sobre o quanto a análise interna estava protegida da realidade.

3. Sensibilidade orientada ao limiar de inviabilidade

A análise de sensibilidade padrão testa variações simétricas nas principais variáveis e conclui que o projeto "permanece viável" dentro de determinado intervalo. Isso responde à pergunta errada.

A pergunta certa é: qual o desvio em cada variável que leva a TIR exatamente ao custo de capital? Quando a resposta é "2% de queda na receita" ou "atraso de 6 meses no cronograma", isso precisa estar explícito no relatório — não enterrado numa tabela de sensibilidade que mostra apenas que o projeto sobrevive a variações de 10%.

Há um caso específico que merece atenção: premissas que dependem de aprovação externa — benefícios fiscais, habilitações regulatórias, outorgas específicas — costumam entrar no modelo base como certezas. Quando esses benefícios são estruturais para a viabilidade, a ausência de um cenário sem eles não é uma omissão menor.

4. Comparação com alternativas reais de mercado

TIR acima do WACC não responde à pergunta que qualquer investidor privado vai fazer antes de comprometer capital por três décadas: comparado a quê?

Já vi estudos bem elaborados — com WACC calibrado, beta setorial correto, tributação detalhada — que simplesmente não fazem essa pergunta. Um projeto com TIR de 10,2%, sem mecanismo de reequilíbrio e com risco de receita integralmente transferido ao concessionário, concorre com operações privadas que historicamente entregam 15 a 20% com mais flexibilidade operacional e menos rigidez contratual. Quando essa comparação não aparece, a atratividade real fica sem resposta — e o investidor que não fizer essa pergunta por conta própria vai descobrir a resposta mais tarde.

5. Simulação de Monte Carlo: o que a sensibilidade não consegue mostrar

A análise de sensibilidade tem um limite que raramente é mencionado: ela testa uma variável por vez, mantendo todas as outras fixas. No mundo real, os riscos se movem juntos. Queda no preço de commodities tende a coincidir com margens pressionadas. Atraso em obras geralmente vem acompanhado de Capex acima do orçado. Tratar essas variáveis como independentes subestima o risco combinado de forma sistemática.

A Simulação de Monte Carlo resolve isso rodando o modelo milhares de vezes — cada variável sorteada dentro de uma distribuição definida previamente — e produzindo não um ponto, mas uma distribuição de desfechos possíveis. Um projeto com TIR esperada de 10,2% pode revelar, após a simulação, que há 40% de probabilidade de a TIR ficar abaixo do custo de capital. Essa informação não aparece em nenhuma tabela de sensibilidade convencional.

O que mais disciplina a análise, na minha experiência, não é o resultado final da simulação — é o processo de definir as distribuições. Quando o analista precisa explicitar o mínimo, o máximo e o valor mais provável de cada variável, o otimismo embutido nas premissas fica visível de um jeito que o cenário-base nunca expõe. A distribuição triangular é simples e funciona bem para a maioria das variáveis. O desconforto de defini-la é, em si, informativo.

Para projetos de longa duração, o percentil 10% do VPL importa tanto quanto o VPL esperado. É o que acontece no pior décimo dos cenários plausíveis — e é o cenário que o investidor precisa conseguir absorver antes de assinar.

O efeito conjunto

Cada uma dessas lacunas, isoladamente, é defensável. Juntas, produzem estudos que passam no critério formal de viabilidade sem resistir a um escrutínio mais rigoroso.

Em projetos de 30 a 35 anos, o problema não aparece no relatório. Aparece quando já há ativos implantados, contratos assinados e pouca margem para correção. A qualidade da análise na fase de planejamento não é um detalhe — é o que determina se o projeto vai funcionar ou vai precisar ser renegociado (reequilibrado) numa situação em que nenhuma das partes tem boa alternativa.

Referências

FLYVBJERG, B.; HOLM, M. K. S.; BUHL, S. L. How common and how large are cost overruns in transport infrastructure projects? Transport Reviews, v. 23, n. 1, p. 71–88, 2003.

FLYVBJERG, B.; HOLM, M. K. S.; BUHL, S. L. What causes cost overrun in transport infrastructure projects? Transport Reviews, v. 24, n. 1, p. 3–18, 2004.

FLYVBJERG, B. From Nobel Prize to project management: Getting risks right. Project Management Journal, v. 37, n. 3, p. 5–15, 2006.

FLYVBJERG, B. Curbing optimism bias and strategic misrepresentation in planning: Reference class forecasting in practice. European Planning Studies, v. 16, n. 1, p. 3–21, 2008.

FLYVBJERG, B.; GARDNER, D. How Big Things Get Done: The Surprising Factors That Determine the Fate of Every Project, from Home Renovations to Space Exploration and Everything In Between. Currency/Random House, 2023.

KAHNEMAN, D.; LOVALLO, D. Timid choices and bold forecasts: A cognitive perspective on risk taking. Management Science, v. 39, n. 1, p. 17–31, 1993.

LOVALLO, D.; KAHNEMAN, D. Delusions of success: How optimism undermines executives' decisions. Harvard Business Review, v. 81, n. 7, p. 56–63, jul. 2003.

KAHNEMAN, D. Thinking, Fast and Slow. Nova York: Farrar, Straus and Giroux, 2011.

Marcelo Alvim é professor de Finanças Corporativas e Valuation na FGV Rio/UERJ e consultor em modelagem econômico-financeira de projetos de investimentos e empresas.