universidade federal do rio de janeiromonografias.poli.ufrj.br/monografias/monopoli10015082.pdf ·...
TRANSCRIPT
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO
ESCOLA POLITÉCNICA
CURSO DE ENGENHARIA DE PRODUÇÃO
Taíssa Albertazzi de Araujo Santos
MERCADOS DE PREVISÃO CORPORATIVOS COMO UMA FERRAMENTA DE
APOIO À TOMADA DE DECISÃO
RIO DE JANEIRO, RJ – BRASIL
JULHO DE 2015
MERCADOS DE PREVISÃO CORPORATIVOS COMO UMA FERRAMENTA DE
APOIO À TOMADA DE DECISÃO
Taíssa Albertazzi de Araujo Santos
Projeto de Graduação apresentado no curso de
Engenharia de Produção da Escola Politécnica,
Universidade Federal do Rio de Janeiro, como
parte dos requisitos necessários à obtenção do
título de Engenheiro de Produção.
Orientador:
Prof. Heitor Mansur Caulliraux, D.Sc
RIO DE JANEIRO, RJ – BRASIL
JULHO DE 2015
ii
MERCADOS DE PREVISÃO CORPORATIVOS COMO UMA FERRAMENTA DE
APOIO À TOMADA DE DECISÃO
Taíssa Albertazzi de Araujo Santos
PROJETO DE GRADUAÇÃO SUBMETIDO AO CORPO DOCENTE DO CURSO
DE ENGENHARIA DE PRODUÇÃO DA ESCOLA POLITÉCNICA DA UNIVERSIDADE
FEDERAL DO RIO DE JANEIRO COMO PARTE DOS REQUISITOS NECESSÁRIOS
PARA A OBTENÇÃO DO GRAU DE ENGENHEIRO DE PRODUÇÃO.
Aprovado por:
________________________________________________
Prof. Heitor Mansur Caulliraux,D.Sc. (Orientador)
________________________________________________
Prof. Vinicius Carvalho Cardoso,D.Sc.
________________________________________________
Prof. Adriano Proença,D.Sc.
RIO DE JANEIRO, RJ – BRASIL
JULHO DE 2015
iii
Santos, Taíssa Albertazzi de Araujo
Mercados de Previsão Corporativos Como Uma
Ferramenta de Apoio à Tomada de Decisão / Taíssa Albertazzi de
Araujo Santos. – Rio de Janeiro: UFRJ/ Escola Politécnica, 2015.
XI, 50 p.: il.; 29,7 cm.
Orientador: Heitor Mansur Caulliraux
Projeto Graduação – UFRJ/ Escola Politécnica/ Curso de
Engenharia de Produção, 2015.
Referências Bibliográficas: p.47-48
1. Mercados de Previsão Corporativos 2. Apoio à Decisão
3. Sabedoria das Multidões.
I. Caulliraux, Heitor Mansur. II. Universidade Federal do Rio de
Janeiro, Escola Politécnica, Curso de Engenharia de Produção. III.
Mercados de previsão corporativos como uma ferramenta de apoio
à tomada de decisão.
iv
AGRADECIMENTOS
Agradeço primeiramente aos meus pais, Solange e Rogério, que sempre me
incentivaram a alcançar meus sonhos e me proporcionaram todo apoio, amor e compreensão ao
longo da minha jornada de estudo e formação.
Ao meu irmão, Breno, e minha tia, Rosane, pelas palavras de incentivo e auxílios
prestados.
Aos meus amigos e meu namorado pela compreensão, paciência e carinho que tiveram
durante minha graduação.
Ao professor Heitor pela motivação, liberdade e atenção oferecida na elaboração deste
trabalho.
Aos professores Luiz Antônio Meirelles, Renato Cameira e Vinícius Cardoso, que me
ajudaram a crescer profissional e pessoalmente através dos conhecimentos compartilhados.
Ao Instituto ILOS por permitir aplicação prática dos conhecimentos adquiridos ao do
curso e pela oportunidade de desenvolvimento profissional oferecida.
Por fim, a todos aqueles que contribuíram de alguma maneira na minha formação.
v
“Todos os seus sonhos podem se tornar realidade se você tem coragem para
persegui-los”
(WALT DISNEY)
vi
Resumo do Projeto de Graduação apresentado à Escola Politécnica/ UFRJ como parte dos
requisitos necessários para a obtenção do grau de Engenheiro de Produção.
MERCADOS DE PREVISÃO CORPORATIVOS COMO UMA FERRAMENTA DE
APOIO À TOMADA DE DECISÃO
Taíssa Albertazzi de Araujo Santos
Julho/2015
Orientador: Heitor Mansur Caulliraux, D.Sc
Curso: Engenharia de Produção
Enfrentar cenários de incertezas é visto como um dos grandes desafios pelos quais as
empresas do século XXI enfrentam. Adicionalmente, as companhias vêm necessitando de
maior agilidade na adaptação de suas operações frente às mudanças necessárias sob as quais
são submetidas, de modo a garantir sua competitividade. Neste sentido, o presente trabalho
descreve uma ferramenta de apoio à decisão, denominada mercados de previsão, que vem
ganhando espaço nas companhias norte americanas e europeias, por sua capacidade de mostrar,
rapidamente, previsões acuradas e a baixos custos. Apresenta-se quatro princípios propostos
por Surowiecki (2004), atendendo-os, uma multidão seria capaz de tomar boas decisões.
Descreve-se o funcionamento do mercado de previsão, abordando-se as principais decisões a
serem tomadas em relação à modelagem de mercados discorrendo sobre algumas opções
comumente adotadas pelas empresas que se utilizam de tal mercado. No trabalho é apresentada
uma análise do método de previsão de demanda, adotado pela empresa Souza Cruz e como o
mercado de previsão poderia ser modelado de acordo com o cenário da mesma, descrevendo
algumas questões empresariais internas que devem ser consideradas no momento da
estruturação de um mercado de previsão corporativo.
Palavras-chave: Mercados de Previsão Corporativos, Apoio à Decisão, Sabedoria das
Multidões
vii
Abstract of Undergraduate Project presented to POLI/UFRJ as a partial fulfillment of the
requirements for the degree of Production Engineer.
CORPORATE PREDICTION MARETS AS A SUPPORTING TOOL FOR
DECISION MAKING
Taíssa Albertazzi de Araujo Santos
Julho/2015
Advisor: Heitor Mansur Caulliraux, D.Sc.
Course: Production Engineering
Facing uncertainties scenarios is seen as one of the great challenges that the companies in the
XXI century face. In addition, the companies have been in need of better flexibility in
adapting their operations to necessary changes that they are submitted in order to ensure
competitiveness. In this way, this paper describes a decision support tool called prediction
markets, which is becoming more popular in North American and European companies, for
their capacity in quickly showing accurate forecasts and at low costs. The four principles
proposed by Surowiecki (2004) are stated, and if followed, a crowd should be capable of take
good decisions. The operation of the prediction markets is related, raising the major decisions
to be taken in modeling process of the market, with commentaries about some options generally
adopted by the enterprises that utilize such market. This paperwork shows an analysis of
the forecasting method adopted by Souza Cruz and how does the prediction market may
be modeled according to the enterprise scenario, describing some corporate internal issues
that should be considered when structuring a corporate prediction market.
Key-Words: Corporate Prediction Markets, Decision Making, Wisdom of Crowds
viii
Sumário
1 INTRODUÇÃO ............................................................................................................. 12
2 MOTIVAÇÃO ............................................................................................................... 14
3 METODOLOGIA .......................................................................................................... 15
4 LIMITAÇÕES ............................................................................................................... 17
5 SABEDORIA DAS MULTIDÕES ............................................................................... 18
5.1 DIVERSIDADE ........................................................................................................... 19
5.2 INDEPENDÊNCIA ...................................................................................................... 19
5.3 DESCENTRALIZAÇÃO ............................................................................................. 21
5.4 MECANISMO DE AGREGAÇÃO ............................................................................. 22
6 MERCADOS DE PREVISÃO ...................................................................................... 24
6.1 ELEMENTOS BÁSICOS ............................................................................................ 26
6.2 MODELAGEM DOS MERCADOS DE PREVISÃO ................................................. 28
6.2.1 Seleção do evento ..................................................................................................... 28
6.2.2 Duração do mercado ............................................................................................... 29
6.2.3 Participantes ............................................................................................................ 29
6.2.4 Tipo de contrato ....................................................................................................... 29
6.2.5 Configuração inicial do mercado ........................................................................... 32
6.2.6 Tipo de Incentivo ..................................................................................................... 33
6.2.7 Mecanismo de troca ................................................................................................. 34
6.2.8 Limitações ................................................................................................................ 34
7 MERCADOS DE PREVISÃO CORPORATIVOS .................................................... 35
7.1 PARTICIPANTES ....................................................................................................... 35
7.2 CONTROLE DE INFORMAÇÕES ............................................................................. 36
7.3 DURAÇÃO DOS MERCADOS .................................................................................. 36
7.4 INCENTIVO ................................................................................................................ 36
8 PROPOSTA DE APLICAÇÃO .................................................................................... 38
8.1 A COMPANHIA SOUZA-CRUZ ................................................................................ 38
8.2 PREVISÃO DA DEMANDA ...................................................................................... 38
8.3 MODELAGEM DO MERCADO ................................................................................ 40
ix
8.3.1 Definição do evento .................................................................................................. 40
8.3.2 Seleção dos participantes ........................................................................................ 40
8.3.3 Definição do tempo de duração do mercado ......................................................... 41
8.3.4 Definição do tipo de contrato .................................................................................. 42
8.3.5 Definição da configuração inicial ........................................................................... 42
8.3.6 Definição do incentivo ............................................................................................. 43
8.3.7 Definição do mecanismo de troca ........................................................................... 43
8.3.8 Definição das limitações .......................................................................................... 44
8.4 RESULTADOS ESPERADOS .................................................................................... 44
9 CONCLUSÃO ................................................................................................................ 45
9.1 CRÍTICAS AO TRABALHO ...................................................................................... 45
9.2 SUGESTÕES PARA TRABALHOS FUTUROS ........................................................ 45
9.3 APRENDIZADO .......................................................................................................... 46
10 REFERÊNCIAS BIBLIOGRÁFICAS ...................................................................... 47
x
Índice de Figuras
Figura 1: Etapas da metodologia ........................................................................................ 16
Figura 2: Prós e contras da descentralização ...................................................................... 22
Figura 3: Elementos de um mercado de previsão ............................................................... 26
Figura 4: Decisões da configuração inicial do mercado de previsão ................................. 32
Figura 5: Participação da Souza Cruz no mercado formal (2010-2014) ............................ 39
Figura 6: Opções disponíveis para seleção dos participantes do mercado de previsões .... 41
Figura 7: Perfil da configuração inicial do mercado de previsão de demanda da Souza Cruz
.................................................................................................................................................. 42
Figura 8: Decisões acerca do sistema de incentivo para o mercado de previsão da demanda
da Souza Cruz. .......................................................................................................................... 43
xi
Índice de Tabelas
Tabela 1: Principais diferenças entre os mercados de previsões, bolsa de valores e mercados
de apostas. ................................................................................................................................. 25
Tabela 2: Resumo dos dois principais tipos de contratos ................................................... 31
12
1 INTRODUÇÃO
Na rotina de uma empresa, os funcionários lidam com questões de grande
complexidade. Aos que possuem cargos mais destacados dentro de uma companhia, são
delegadas decisões críticas para a sobrevivência da companhia. Os diretores executivos, ou
Chief Executive Officer (CEO), tem de lidar com inúmeras tomadas de decisões estratégicas ao
longo de sua carreira. Neste cenário, uma previsão pouco acurada, ou atrasada, pode causar um
aumento significativo nos custos de uma empresa, reduzindo a sua competitividade, ou mesmo,
causando a sua eliminação do mercado.
Há longo tempo, estudiosos, principalmente da área de exatas, procuram meios de se
prever eventos futuros. Previsões confiáveis sobre a ocorrência de um evento de interesse geram
a possibilidade de um planejamento eficaz por parte das empresas. Com isso, uma melhora no
desempenho é esperada. Apesar dos diversos métodos de previsão disponíveis, como estatístico
e o Delphi, existem situações nas quais não se consegue oferecer previsões satisfatórias. Estimar
a demanda para novos produtos, investir ou não em um novo segmento de mercado ou escolher
um novo sistema de tecnologia da informação para empresa, são alguns exemplos de decisões
complexas as quais as companhias vivenciam rotineiramente.
Nos últimos 10 anos uma nova ferramenta de apoio à decisão tem chamando a atenção
de empresas e estudiosos. Denominada mercados de previsão, ela vem demonstrando sua
eficácia nas mais diversas áreas com uma ampla gama de finalidades. São narrados diversos
casos em que a previsão por ela feita foi mais acurada que aquelas realizadas por outros
métodos.
Pode-se dizer que o interesse pelos mercados de previsão teve grande alavancagem após
ao trabalho de Surowiecki, J (2004). Nele, o autor defende que uma multidão é mais inteligente
do que especialistas e é capaz de tomar melhores decisões. Entretanto, para que isso seja
verdade, existem alguns princípios que precisam ser seguidos. Quando bem estruturado, um
mercado de previsão consegue atender a todos esses apresentando resultados satisfatórios.
Neste contexto, apresenta-se aqui os elementos críticos na modelagem de mercados de
previsão, discutindo as mais adotadas pelas as empresas que fazem uso do mercado de previsão.
É dada ênfase para mercados de previsão corporativos, aqueles aplicados dentro de empresas.
É realizada, também, uma breve análise sobre algumas questões à cerca do método de previsão
que é utilizado atualmente na empresa Souza Cruz. Para esta, é elaborada uma sugestão de
modelo do mercado de previsão, apresentando as justificativas das escolhas efetuadas para cada
um dos elementos críticos na modelagem do mercado de previsão corporativo. O
13
desenvolvimento e execução do mercado não foi realizado, pois extrapolaria o tempo de
formação da graduação.
14
2 MOTIVAÇÃO
As principais motivações do atual trabalho são: descrever os princípios para que uma
multidão consiga tomar boas decisões; expor um método de previsão recente que vem sendo
utilizado pelas empresas e estudiosos de diferentes áreas; apresentar os elementos críticos para
a modelagem do mesmo; apontar as formas mais comumente aplicadas e expor fatores que
devem ser considerados numa modelagem do método.
O método abordado é o mercado de previsão, que consiste em um método relativamente
novo com uma abordagem diferenciada, em relação aos demais disponíveis. Este é capaz de
apresentar resultados confiáveis rapidamente a baixos custos de implantação e manutenção. Um
grande fator de interesse em tal método é que este leva em consideração o comportamento
humano para realizar a previsão. Diversos métodos de previsão tradicionais buscam uma
maneira lógica de se chegar ao melhor resultado, porém muitas das vezes desconsideram o
comportamento social dos indivíduos responsáveis pela sua execução.
15
3 METODOLOGIA
O trabalho aqui apresentado foi desenvolvido com base nos princípios abordados no
texto de James Surowiecki (2004), denominado ‘A Sabedoria das Multidões’. Tal texto é de
alta relevância por ter impulsionado diversos estudos sobre temas ligados à sabedoria coletiva.
Tal autor apresenta métodos eficientes de se agregar informações e de fornecer previsões.
Dentre tais métodos, foi escolhida a ferramenta chamada ‘mercados de previsão’, por esta ter
grande aplicabilidade no ambiente corporativo, para ser trabalhada.
A ideia inicial deste projeto de graduação foi a de buscar bibliografias disponíveis sobre
estudos de caso em que um mercado de previsão tenha sido utilizado para realizar previsões
sobre um tema específico, como previsão de demanda. Com base no material selecionado,
identificar-se-iam os fatores de sucesso, e de insucesso, nas previsões realizadas por tais
mercados. Esta opção não se mostrou eficaz, por não ter sido possível localizar uma quantidade
satisfatória de diferentes estudos com informações suficientes sobre um tema específico para
realizar a comparação e eleger os fatores anteriormente citados. Assim, optou-se por explorar
as diferentes configurações possíveis de um mercado de previsão.
Para analisar questões chaves na modelagem de mercados de previsão, foi utilizado,
como base, o trabalho de Luckner et al (2012), Prediction Markets, como base. Como literatura
complementar foram realizadas buscas pelo tema nos periódicos na base da Coordenação de
aperfeiçoamento de Pessoal de Nível Superior (CAPES) e em sítios virtuais busca aberta.
O esquema da Figura 1 apresenta as etapas da metodologia utilizada. Primeiramente
buscou-se compreender os princípios propostos por Surowiecki (2004), entender o
funcionamento dos mercados de previsão para então analisar como as grandes empresas
multinacionais estão utilizando-os de forma a agregar valor para o seu negócio. Com os
resultados destas análises, elaborou-se uma proposta de aplicação em uma empresa com
características favoráveis à implantação desta filosofia.
16
Figura 1: Etapas da metodologia
Fonte: Elaboração própria
Sabedoria das
multidões
Mercados preditivos
Aplicação nas
Empresas
Elaboração da proposta
17
4 LIMITAÇÕES
O presente trabalho não aborda problemas relacionados a conflitos entre agentes
internos que se possa encontrar no momento de implementação de um mercado preditivo numa
empresa, bem como, não analisa a microestrutura dos mercados de previsão. Outro ponto
importante a ressaltar é que este trabalho não exaure as diversas possibilidades de modelagem
de um mercado nem as formas de se transformar os preços definidos pelos mesmos em
previsões reais.
Por se tratar de um assunto relativamente novo, ainda são poucas as empresas que
divulgaram os resultados obtidos com mercados de previsão. Desta forma, a literatura
encontrada sobre mercados de previsão corporativos está restrita a poucos casos reais. A
maioria do material disponível é relativa a experiências realizadas com estes mercados.
18
5 SABEDORIA DAS MULTIDÕES
Na literatura, existem diversas descrições de situações nas quais um grupo de pessoas,
de dimensão variável, consegue chegar a uma boa previsão de variados eventos. Surowiecki
(2004) argumenta, através de diversos estudos de casos e simulações realizadas em salas de
aula e laboratórios, que uma multidão é melhor em realizar previsões do que especialistas
isolados. Como seres humanos, lidamos diariamente com situações em que a sabedoria coletiva
é utilizada e, em muitos casos, isso não é percebido.
Podemos observar que, em um mercado competitivo, as pessoas estão dispostas a pagar
até um determinado valor por um item e os ofertantes a aceitar um valor de venda mínimo. De
acordo com a teoria microeconômica, esses indivíduos seriam capazes de chegar ao ponto
ótimo, representado pela intersecção entre a curva da demanda e da oferta. Em outras palavras,
pessoas com informações parciais e imperfeitas são capazes de atingir objetivos complexos e
mutuamente benéficos.
O sucesso da plataforma de pesquisa aberta do Google está diretamente relacionado ao
seu algoritmo de busca. Diferente de seus concorrentes, na época do seu desenvolvimento, o
algoritmo não buscava quantas vezes a palavra pesquisada estava presente na página principal
de um sítio, mas sim quantas vezes outros sítios redirecionavam links ao primeiro. Desta forma,
seu algoritmo considerava mais importante aquelas páginas que eram mais mencionadas por
outras. O Google Acadêmico funciona de maneira semelhante. Ele considera que a relevância
de um artigo está diretamente ligada à quantidade de vezes em que este foi citado.
Ainda no campo da informática, pode-se citar o desenvolvimento do sistema
operacional Linux. Por se tratar de um sistema de código aberto, diversos programadores
ajudaram a encontrar bugs e apresentaram soluções. Assim, o seu desenvolvimento apresentou
um custo consideravelmente mais baixo quando comparado com aqueles atrelados ao
desenvolvimento do Windows ou do Macintosh.
Outro termo que vem chamando a atenção nos últimos 10 anos é “crowdsourcing”. De
acordo com o dicionário online de Cambrige, crowdsourcing é o ato de delegar tarefas para um
grande grupo de pessoas, ou para o público em geral, ao invés da tradicional execução de tarefas
dentro de uma empresa. O próprio caso do Linux pode ser citado como um exemplo desta
prática.
Todos os exemplos mencionados até aqui mostram situações nas quais os indivíduos
tomam decisões independentes. Quando se trata de uma situação de coordenação, ou seja,
quando a decisão de um indivíduo depende de outro anterior, ainda que mais complexa, a
19
multidão também pode ser capaz de apresentar bons resultados (ARTHUR, 1994 e BELL;
SETHARES; BUCKLEW, 2003).
Através desses exemplos, pôde-se perceber que existem situações nas quais uma
multidão pode, de fato, tomar decisões melhores que os especialistas. Porém, existem alguns
princípios que precisam ser seguidos e situações a serem evitadas, para que informações
individuais sejam utilizadas de forma eficiente.
5.1 DIVERSIDADE
Diversidade de grupos, no sentido conceitual e cognitivo, é essencial para que se chegue
a boas decisões. No momento em que se tenha um grupo homogêneo, as ideias apresentadas
tenderão a ser semelhantes entre si. Quanto mais diversificado for um grupo, maior será a
chance de que algum componente do grupo apresentar uma ideia mais radical ou improvável.
Em multidões, certo grau de diversidade já está garantido. Quando se trata de grupos
menores, comuns dentro das empresas, garantir diversidade se torna ainda mais importante do
que em grandes coletividades, uma vez que em pequenos grupos, é mais fácil que poucos
indivíduos influenciem os demais.
Em um grupo, indivíduos inteligentes não garantem diferentes perspectivas para um
determinado problema, pois, grupos homogêneos são bons em sua especialidade, mas são
menos capazes de explorar alternativas. No outro extremo, um grupo de pessoas inteiramente
desinformadas dificilmente tomará boas decisões. Em um grupo heterogêneo, com pessoas que
possuam diferentes graus de instrução e ideias, as soluções propostas para questões importantes
trarão maiores benefícios quando comparadas com aquelas apresentadas por um ou dois
indivíduos.
5.2 INDEPENDÊNCIA
Para se garantir uma diversidade de informações em um determinado grupo, é
importante que as decisões sejam tomadas de forma independente. Surowiecki (2004) defende
que seres humanos e outros animais tendem a repetir o comportamento de outros indivíduos de
sua espécie como uma forma identificação de algum grupo. Além disso, quando um grupo de
indivíduos tem acesso a poucas fontes de informação, tendem a apresentar opiniões
semelhantes. Estes fatos geram problemas para a tomada de decisão independente.
20
O autor menciona ainda que existem dois tipos de imitação: a inteligente e a cega. A
primeira se dá quando o indivíduo observa o outro e acrescenta sua opinião sobre o fato. Já a
imitação cega se dá quando o primeiro indivíduo apenas imita o outro, sem julgamento. Poucas
são as pessoas que admitem estar copiando irracionalmente o comportamento de outrem, e isso
dificulta a identificação entre os dois tipos de imitação.
Quando a imitação cega ocorre sucessivamente, é criado um efeito cascata de
informações. Um exemplo típico, alvo de muitas brincadeiras na televisão, é quando um ator
está no meio da rua e finge estar observando algo muito interessante no alto de um prédio.
Inevitavelmente, alguns passantes começam a olhar na mesma direção, sem haver motivo algum
para tal comportamento.
Pode-se dizer que a grande depressão de 1929 teve uma grande contribuição do efeito
cascata de informações. Devido à subida dos valores das ações da bolsa de Nova-York, uma
elevada especulação levou centenas de americanos a investirem pesadamente nos mercados de
ações e subir ainda mais os valores, gerando uma bolha econômica. No dia que esta bolha
estourou, deu-se início da crise econômica, sendo denominado de quinta-feira negra.
Indivíduos que são capazes de realizar uma imitação inteligente teriam a habilidade de
parar o efeito cascata de informações, por valorizar mais as informações pessoais do que as
públicas. Além disso, estas pessoas acabam por encorajar outras a confiarem em si mesmas ao
invés de apenas seguir as demais. Em muitos casos, mesmo pessoas avessas ao risco não imitam
cegamente.
Um estudo realizado por Ryan e Gross (1943), sobre o modo pelo qual os fazendeiros
de Iowa adotaram uma nova semente de milho híbrido, que prometia um aumento na produção
em 20%, é um exemplo da imitação inteligente. Apesar de muita informação disponível, os
fazendeiros optaram por observar o resultado dos demais, mas antes de aplicarem a nova
semente na totalidade da produção, realizaram testes em partes da mesma. Apesar de parecer
um efeito cascata, esta ocasião demostrou uma imitação inteligente. O tempo entre o primeiro
fazendeiro utilizar a semente em toda produção e metade dos fazendeiros da região a utilizarem
demorou um total de nove anos.
O surgimento do efeito cascata depende diretamente da importância de uma decisão a
ser tomada. O cuidado que um fazendeiro terá ao decidir qual tipo de semente será utilizada na
plantação deve ser maior do que uma pessoa tem ao escolher uma blusa para comprar. Essa
última provavelmente seguirá um padrão de acordo com a impressão que ela quer causar.
O problema principal do efeito cascata é que as decisões são feitas sequencialmente, e
não ao mesmo tempo,
21
[...] se você quer melhorar a tomada de decisões de uma organização ou de
uma economia, uma das melhores coisas a fazer é assegurar, tanto quanto possível,
que as decisões sejam tomadas simultaneamente (ou perto disso), e não uma após a
outra (Surowiecki, 2004 p.94).
Portanto, um ponto chave para que decisões grupais sejam bem sucedidas é fazer com
que as pessoas prestem muito menos atenção no que os outros estão dizendo, e muito mais nas
informações individuais, mesmo que estas sejam imperfeitas.
5.3 DESCENTRALIZAÇÃO
Surowiecki (2004) defende a descentralização das decisões. Entende-se por
descentralização a repartição de um poder central, ou seja, a tomada de decisão é realizada por
agentes locais e não um poder único. Segundo o dicionário do Aurélio, descentralização
corresponde a um sistema oposto à acumulação de poderes no governo central.
A descentralização já era defendida por Smith (1983) em seu livro Riqueza das Nações.
Ele cita que uma economia descentralizada seria gerida por uma “mão invisível”. Esta mão,
além de coordenar as escolhas individuais, “deve moldar os indivíduos em seres sociais
construtivos” (EVENSKY, 1993 p.197).
Outra grande vantagem da descentralização está no fato de que, quanto mais próxima
de um problema uma pessoa está, melhor conhecerá os detalhes do mesmo e, provavelmente,
será capaz de oferecer uma solução mais adequada. Tais detalhes permitem uma avaliação mais
elaborada da informação, com maior qualidade na análise das mesmas, e quanto mais pontos
de vista colocados em pauta, mais inteligente tenderá a ser a decisão final, quando comparada
a uma decisão tomada por um único indivíduo. Um problema recorrente é que estas pessoas
estão no nível operacional da empresa e, frequentemente, não participam de decisões
importantes envolvendo suas atividades.
A descentralização confere maior independência na tomada de decisões, na coordenação
das atividades e na autonomia da resolução de problemas além de uma maior especialização.
Ela também permite às pessoas coordenar suas atividades e solucionar problemas mais
complexos. Uma prática que vem chamando a atenção de empresários e estudiosos é o
empowerment. Esta prática incentiva funcionários a assumirem maiores compromissos sobre o
planejamento do seu trabalho e a assumirem responsabilidades por decisões que normalmente
estariam relacionadas à gerência (CORRÊA; CORRÊA, 2012).
22
Em contrapartida, ao descentralizar o sistema de decisão não se garante que informações
locais, eventualmente de grande valia, estejam acessíveis aos demais indivíduos participantes
do mesmo. Para isso ocorrer, é preciso o auxílio de um mecanismo capaz de concentrar todas
estas informações. A Figura 2 abaixo apresenta os pontos contra e a favor da descentralização
do sistema.
Figura 2: Prós e contras da descentralização
Fonte: Elaboração Própria
5.4 MECANISMO DE AGREGAÇÃO
Garantir a diversidade de opiniões e a descentralização na tomada de decisões não
garante que a melhor solução será identificada. Um sistema só conseguirá produzir resultados
inteligentes no momento em que as informações de todo o sistema forem agregadas. Hayerk
(1945) define que, para uma determinada sociedade, a melhor alocação de recursos possível é
um problema econômico gerado pela falta de agregação das informações. Os conhecimentos
das circunstâncias, que deveriam ser utilizados, não estão agregados e integrados, mas sim
muito disperso e incompleto, sendo frequentemente contraditórios entre si.
Para um bom funcionamento do sistema, deve-se garantir que essas informações locais
e úteis consigam ser acessadas por qualquer indivíduo pertencente a tal sistema, tornando-o
Pontos a favor Pontos contra
23
global e coletivamente útil. Isso, sem permitir que cada informação deixe de possuir caráter
local e específico, assegurando que não se fira a diversidade do sistema.
Por mais que pareça paradoxal, torna-se necessário centralizar as informações locais.
Para que isso ocorra, é preciso haver um mecanismo de agregação. Por exemplo, em um sistema
de votação, a centralização seria dada por uma ou mais pessoas contabilizando os votos. Já no
livre mercado, ela seria proporcionada pelo preço que, ainda que imperfeito, seria capaz de
traduzir as intenções dos vendedores e compradores. O mesmo raciocínio é válido para o valor
de uma ação na bolsa de valores, pois ele reflete o quanto o mercado acredita ser o valor de
uma empresa.
A disponibilidade de um mecanismo agregador não garante, porém, que indivíduos irão
compartilhar suas informações. Torna-se necessário que as pessoas sejam incentivadas a fazê-
lo. Desta forma, a presença de um sistema de incentivo, que instigue os indivíduos a dividir
suas expectativas reais sobre determinado evento, deve operar conjuntamente ao mecanismo.
24
6 MERCADOS DE PREVISÃO
Agregar informações individuais, dispersas e úteis de um sistema para se chegar à uma
previsão é um dos pontos mais críticos na utilização da sabedoria coletiva. Surowiecki (2004)
cita algumas formas de agregação e mostra que uma maneira rápida e simples para unir tais
informações é através de um sistema no qual uma gama de apostadores tenta acertar uma
variável e, aqueles que apresentarem o valor mais próximo do correto ganhará um prêmio. Esta
opção é exemplificada por um jogo durante uma feira rural. No caso, os apostadores deveriam
acertar o peso de um boi e aqueles que apostassem nos pesos mais próximos do real ganhariam
prêmios. O interessante foi que a média das apostas realizadas foi mais acurada que a maioria
dos valores apresentados pelos participantes, diferenciando-se apenas por quinhentos gramas
do peso real do boi.
Recentemente, um novo método de agregar informações vem chamando a atenção de
estudiosos no campo relacionado a previsões chamado de prediction markets, ou, como serão
chamados aqui, mercados de previsão. Estes mercados são encarados como a melhor estimativa
de eventos futuros (PLOT, 2000). No mundo acadêmico não existe uma definição precisa do
que seja um mercado de previsão (LUCKNER et al, 2012). A definição para um mercado de
previsão proposta por Berg e Rietz (2003) seria aquele mercado que funciona com o principal
papel de agregar informações, de modo que os preços determinados por tal mercado se traduza
em previsões de eventos futuros. Essa definição atende, de maneira satisfatória, os fins do
trabalho aqui apresentado.
Além de prometerem previsões mais acuradas no curto e médio prazo, estes mercados,
quando modelados de forma adequada, possuem custos relativos mais baixos e são capazes de
apresentar resultados mais rapidamente do que outros métodos de previsão, tais como as
pesquisas de mercado. A grande motivação do uso dos mercados de previsão como um
mecanismo de agregação deriva da hipótese de que mercados eficientes são capazes de refletir
todas as informações relativas a um evento futuro de modo a gerar previsões melhores que as
do melhor especialista (LUCKNER et al, 2012).
As promessas dos mercados de previsão ainda podem causar certo incômodo e
descrença. No entanto, existem diversos casos, tanto de situações laboratoriais quanto de
situações reais, nos quais as previsões realizadas foram mais acuradas que outros métodos de
previsão comumente utilizados.
A Universidade de Iowa – Estados Unidos criou o primeiro mercado de previsão.
Voltado para a previsão dos resultados das eleições americanas, ele foi criado para estudar o
25
comportamento de tais mercados. Nomeado de Iowa Eletronic Markets (IEM), tal mercado
realizou previsões mais acuradas do que as pesquisas de intenção de voto (BERG et al., 2000).
Diferente das pesquisas de opinião, que são baseadas em perguntas como “se as eleições
ocorressem hoje, você acha que votaria no candidato democrata ou no candidato republicano?”
realizadas com uma amostra significativa, no mercado de previsões os negociadores recebem
retorno financeiro ao responder corretamente à pergunta “Em quem todos votarão no dia das
eleições?”.
Outra questão interessante é que o IEM consegue atingir tais resultados mesmo que a
quantidade de participantes não componha uma parcela representativa dos eleitores, como
ocorre nas pesquisas de opinião. O IEM é um dos mercados de previsão mais famosos e é
comumente utilizado como modelo básico para a criação de outros mercados.
É importante mencionar as diferenças existentes entre os mercados de previsões, as
bolsas de valores e os mercados de apostas. O mercado de previsões é diferente da bolsa, pois
este não tem a função primária de alocar recursos, partilhar riscos e levantar capital. Além disso,
as ações da bolsa de valores são baseadas em ativos reais. A diferença entre e o mercado de
previsões e o mercado de apostas é tênue. Os mercados de apostas são voltados para o
entretenimento no qual os riscos assumidos podem ser interpretados como diversão enquanto a
função fundamental dos mercados de previsão é a própria previsão. As principais diferenças
entre os mercados mencionados acima podem ser encontrados na Tabela 1.
Tabela 1: Principais diferenças entre os mercados de previsões, bolsa de valores e mercados de
apostas.
Fonte: Elaboração própria
26
6.1 ELEMENTOS BÁSICOS
Um mercado de previsão é composto por quatro elementos básicos: um evento a ser
previsto; títulos disponíveis para comercialização; participantes, que compram e vendem estes
títulos; e um sistema responsável por gerenciar as negociações. Na Figura 3, abaixo, estão
representados estes elementos.
Figura 3: Elementos de um mercado de previsão
Fonte: Elaboração própria
Como é de se esperar, um mercado de previsão deve ser utilizado para prever alguma
situação específica que ocorrerá no futuro. Existem diversas situações em que tal mercado já
tenha sido aplicado, em setores que vão desde a educação até o farmacêutico. Para cada evento,
deve-se ter um leque de situações possíveis representadas em forma de títulos negociáveis.
Quando se deseja prever as eleições, como no caso do IEM, deve-se ter dois títulos disponíveis:
um referente à vitória do candidato de um partido e outro referente à vitória do candidato de
outro partido.
Em qualquer mercado de previsão, existe um grupo de comerciantes que compram e
vendem estes títulos de acordo com suas expectativas em relação ao evento futuro em questão.
Como mencionado anteriormente, títulos disponíveis representam uma aposta no resultado do
evento. Assim que eles ocorrem, os participantes recebem um retorno de acordo com os
resultados de tal evento, podendo ele ser financeiro ou não.
Os preços estabelecidos pelo mercado, de alguma forma, irão refletir a probabilidade de
ocorrência de determinado evento. Os preços representam estatísticas que indiquem a agregação
de informações próprias dos indivíduos. O agrupamento destas informações ocorre no momento
em que os negociadores passem a observar o comportamento do mercado e adicionam suas
crenças, comprando ou vendendo títulos, até que se atinja um equilíbrio de preços (PLOT,
2000).
27
Todas as transações, assim como o cálculo dos preços, são suportadas por um sistema.
O funcionamento dos mercados de previsão em plataformas online permite que ele seja
acessado praticamente de qualquer lugar, a qualquer momento, aumentando-se a possibilidade
de se ter um maior número de participantes, além de oferecer a opção do anonimato, que é
especialmente importante quando se trata de um mercado corporativo, que será detalhado mais
adiante.
De acordo com Spann e Skiera (2003), o retorno oferecido aos participantes detentores
dos títulos (payoff) deve ser calculado em função do resultado de um evento em um determinado
instante ou período de tempo relevante para a determinação do resultado, através de uma função
matemática (função transformação). Apesar de não ser uma regra, tal instante é previamente
estabelecido, porém, existem situações nas quais ele não é definido. Os mercados de previsão
são utilizados para prever quando acontecerão ataques terroristas, ou onde ocorrerão estes
ataques. Nestes casos, o tempo é uma variável, o que o torna o próprio objeto de uma aposta.
Uma função de transformação não é única para todas as situações. Serão apresentadas no item
6.2.4 deste texto, algumas opções de tais funções.
Conforme já mencionado, o preço estabelecido por um mercado de previsão deve
corresponder à expectativa de um grupo quanto ao resultado de um evento. Caso as expectativas
de um indivíduo não estejam condizentes com o que o mercado esteja dizendo, ele pode
comprar ou vender títulos de modo a aumentar o seu retorno. Na realidade, os participantes
negociam expectativas.
Para ilustrar o funcionamento de mercados de previsões, apresenta-se um exemplo: o
evento em questão será uma eleição à presidência entre os representantes de apenas dois
partidos, A e B. Inicialmente, cada um dos candidatos possuí 50% de chance de ganhar as
eleições, e assim, na abertura do mercado, cada título valerá U$0,50. Cada participante irá
comprar títulos do candidato que acredita que irá vencer as eleições, esperando obter U$1,00
de retorno para cada título adquirido, caso ele vença. Supondo que, depois de determinado
tempo de funcionamento deste mercado, 60% dos títulos vendidos tenham sido relativos à
expectativa de vitória do candidato do partido A, este número pode ser interpretado como a
porcentagem da chance de vitória de tal candidato e o valor do título relativo à vitória deste
candidato valerá U$0,60. Por outro lado, um apostador em particular acredita que o mesmo
candidato tenha chance de 70% de vitória, então ele estaria disposto a pagar até U$0,70 por um
título ou vendê-lo por no mínimo U$0,70. A venda ou compra de títulos realizada por tal
apostador irá alterar o valor de mercado de U$0,60 para outro valor de acordo com a quantidade
títulos vendidos ou adquiridos. Dessa forma, o novo valor ajustado representará a crença do
28
grupo como um todo, relativa aos resultados das eleições presidenciais. Esses ajustes ocorrem
até o momento em que o mercado se estabilize ou até o encerramento do mesmo.
Por fim, o dia das eleições chega e, após as apurações, é anunciada a vitória do candidato
A. Aqueles participantes que compraram os títulos que defendiam a vitória candidato B não
recebem retorno algum. Já aqueles que apostaram no vencedor recebem o valor de U$1,00
multiplicado pelo número de títulos adquiridos.
É importante mencionar que nem todos os mercados funcionam de forma análoga.
Existem diferentes formas de modelagem dos títulos, incentivos e outros aspectos que serão
tratados mais detalhadamente no item a seguir.
6.2 MODELAGEM DOS MERCADOS DE PREVISÃO
A flexibilidade dos mercados de previsão permite que eles sejam utilizados em uma
vasta gama de campos. Tais mercados são aplicados para prever desde ataques terroristas pela
Agência Central de Inteligência, ou Central Intelligence Agency (CIA), até comportamentos
temperatura global vinte anos à frente. É de se esperar, portanto, que, para ser possível sua
aplicação do mesmo em diferentes situações, existam diferenças na forma como eles são
estruturados.
A modelagem de cada mercado deve assegurar que ele esteja sob as condições
levantadas por Surowiecki (2004), tendo participantes diversos e descentralizados. De acordo
com Hayek (1945) um mercado eficiente é aquele que represente todas as informações
disponíveis no sistema. Portanto, assegurar o envolvimento de indivíduos que possuam valiosas
informações, de modo a gerar uma boa previsão, requer, além de um sistema de fácil acesso,
um esquema de incentivo bem elaborado. Outra questão importante no mercado é a mitigação
dos riscos considerados, não apenas por parte dos participantes do mercado, mas também da
entidade responsável pelo mercado como um todo.
Sob tais perspectivas, apresenta-se aqui uma discussão acerca das diferentes
possibilidades na modelagem de um mercado preditivo. Spann e Skiera (2003) descrevem
decisões a serem tomadas a cerca desse mercado, apresentadas e comentadas a seguir.
6.2.1 Seleção do evento
Um evento é uma situação sobre a qual se deseja prever os resultados. A primeira
decisão a se tomar é a definição do evento que será previsto. A descrição do mesmo deve ser
29
entendida por todos os participantes, para que se evite qualquer mal-entendido. A partir das
características do evento, outras decisões poderão ser tomadas.
6.2.2 Duração do mercado
A duração do mercado de previsão é relativa ao tempo disponível para a
comercialização de títulos entre os participantes. Importante ressaltar que o período entre o
início de um mercado e o seu encerramento não deve ser longo. De acordo com Surowiecki
(2004), os vieses responsáveis por gerar uma bolha especulativa nos mercados de ações
ocorrem, entre outros motivos, por longos períodos de tempo sem uma “confirmação” se o
mercado está indo na direção correta ou não.
Page e Clemen (2013) demonstram que um mercado de previsão funciona
razoavelmente bem quando seu tempo de duração é relativamente curto, mas quando se
consideram eventos mais distantes, eles apresentam vieses significativos. Adicionalmente, o
entusiasmo dos participantes se perde ao longo do tempo, devido à menor taxa de atividade
(PLOTT; CHEN 2002).
6.2.3 Participantes
A princípio, quanto maior for o número de participantes de um mercado, mais acurada
será sua previsão, pois ele seria capaz de agregar um maior número de informações e mitigar
manipulações. Para Hayek (1945) os participantes devem possuir informações sobre o evento
em questão, do contrário o mercado irá operar de forma randômica.
Nos casos em que mercados são realizados por uma empresa, sobre questões
estratégicas, a participação necessita ser restrita, o que pode causar problemas de liquidez no
mercado. Esta situação será melhor desenvolvida no item 7.1 deste trabalho.
6.2.4 Tipo de contrato
Contratos traduzem como será calculado o retorno dos participantes de acordo com os
resultados do evento. A escolha do contrato a ser utilizado está diretamente relacionada ao
modo com o qual se deseja prever uma determinada variável, que pode assumir diferentes
formas, assim descritas:
30
a) números absolutos, tais como o peso de uma vaca na feira rural ou a quantidade de
computadores demandados num mês seguinte;
b) números relativos, como usados para a previsão de representatividade no mercado,
market-share, ou porcentagem de votos recebidos por um candidato em uma
eleição;
c) variáveis binárias, tais como a aceitação ou rejeição de um medicamento pela
Agência Nacional de Vigilância Sanitária (ANVISA).
Para cada variável descria acima, existem diferentes formas de se estabelecer um
contrato. São abordadas aqui as possibilidades mais comuns.
Para os dois primeiros tipos de variável, números absolutos e relativos, pode-se lançar
mão de equações lineares em função dos resultados dos eventos para se calcular o payoff dos
contratos. O retorno dos contratos pode corresponder, por exemplo, a uma fração da quantidade
de computadores vendidos ou a cem vezes o market-share (SPANN; SKIERA, 2003). Este tipo
de contrato é conhecido como vote-share (no caso do IEM), linear ou indexado. Naquele caso
do IEM, os títulos disponíveis no mercado representavam o candidato de cada partido, de forma
semelhante ao exemplo apresentado no item 6.1 deste trabalho. A diferença reside naquilo que
se deseja prever, que é a porcentagem de votos que cada um dos candidatos irá receber, e não
quem irá vencer as eleições. Os preços estabelecidos pelo mercado devem refletir as
expectativas em relação ao percentual de votos e o payoff de cada título será calculado de acordo
com a porcentagem de votos recebida por cada candidato. Então, caso um participante acredite
que um determinado candidato obterá 60% dos votos, ele aceitará pagar até $0,60 pelo título
correspondente, ou vendê-lo por valores maiores, uma vez que o seu retorno será de $1,00
multiplicado por 60%, caso a expectativa de tal participante se concretize.
Convém ressaltar que, existem casos em que empresas se utilizam de intervalos para
realizar previsões de números absolutos. No Google Inc., por exemplo, são estabelecidas de 2
a 5 opções de títulos mutuamente exclusivos entre si (COWGILL; WOLFERS; ZITZEWITZ,
2009). Para se prever a quantidade de usuários do Gmail, existiriam respostas como: “Menor
que X”, “Entre X e Y” e “Maiores que Y”. Desta forma, não se realiza a previsão de um número
exato, mas sim de um intervalo que conterá o número esperado pelo mercado.
Esse último caso já teria sofrido uma alteração no perfil da variável. Tratar-se-ia agora,
de intervalos. Os participantes deveriam apostar no intervalo que conteria o número esperado
em mente. Caso o número revelado estivesse dentro daquele intervalo escolhido, o apostador
ganharia um valor de payoff pré-fixado. É comum o retorno de uma unidade monetária para
31
cada título vencedor, entretanto podem-se considerar outros valores. Com valores mais altos, é
conferida maior liquidez ao mercado, mas em contrapartida eles podem representar maiores
custos para o organizador, caso os portfólios iniciais sejam doados aos participantes. Neste tipo
de contrato, o preço, estabelecido pelo mercado, reflete a probabilidade de ocorrência de um
evento. Esta alternativa é conhecida como winners-takes-all, vencedores levam tudo, e é a mais
comum. A decisão de prever números absolutos através de intervalos de valores, ocorre devido
às experiências de Pott e Sunder (1988) que mostram a dificuldade de se agregar informações
no primeiro método, comparado a um mercado contendo contratos no modelo Arrow-Debreu
(payoff uma unidade monetária por título para o vencedor e zero para o perdedor). Este tipo de
contrato também é comumente utilizado para variáveis binárias.
Além das formas de cálculo de preços e payoffs aqui citadas, existem diversas outras,
como, por exemplo, as descritas por Chen, Fine e Huberman (2003), que propõem a construção
de funções não lineares com base em observações dos riscos assumidos pelos participantes.
Tais autores acreditam que o nível de risco assumido pelos agentes é capaz de revelar aqueles
que possuem informações mais relevantes para um evento. Outra opção para se prever números
absolutos, seria similar à primeira na qual os preços são determinados pela média. Neste caso,
entretanto, os preços estabelecidos seriam determinados pela mediana das apostas. Para que
isso seja possível, os preços dos títulos são pré-fixados e não determinados pela oferta e
demanda.
Na literatura existem estudos sobre a utilização de outros tipos de contratos, mas por
não ser o foco deste trabalho, não será apresentada uma lista extensa das opções existentes. A
Tabela 2, apresenta um quadro resumo das duas principais formas discutidas aqui.
Tabela 2: Resumo dos dois principais tipos de contratos
Fonte: Elaboração Própria
Tipo de Contrato Exemplo Payoff Previsão do(a)
Vencedores Levam Tudo
(Winners-takes-all)
"Produto X irá ultrapassar o
número de vendas do ano
passado"
$100 se o evento
ocorrer, caso
contrário $0
Probabilidade de
occorência do evento
Lineares ou Indexados
"Porcentagem de votos
recebida pelo candidato A nas
próximas eleições"
$1 multiplicado pelo
percentual de votos
Percentual de votos
recebidos
32
6.2.5 Configuração inicial do mercado
A configuração inicial do mercado irá determinar como serão distribuídos/adquiridos
os títulos inicialmente.
No caso do IEM, por exemplo, aqueles que desejem participar do mercado devem
investir dinheiro real para adquirir. Já no Google Inc e na Best-Buy as aquisições são realizadas
através de dinheiro fictício. Outra opção possível foi adotada no caso da previsão de demanda
da Hewlett-Packard (HP): certa quantidade de dinheiro e títulos foi dividida entre os
participantes. A divisão dos títulos pode ser feita de maneira heterogênea, para incentivar a
troca entre os participantes, ou homogênea (PLOT; CHEN, 2002). Com isso, têm-se três grupos
de decisões, representados na Figura 4.
Figura 4: Decisões da configuração inicial do mercado de previsão
Fonte: Elaboração própria
Slamka, Soukhoroukova e Spann (2008) mostram que mercados, tanto os que usam dinheiro
real quanto os que usam dinheiro fictício são capazes de apresentar resultados satisfatórios.
Além disso, um estudo comparando estes dois tipos de mercado, TradeSports.com (dinheiro
real) e NewsFutures.com (dinheiro fictício), mostrou que o último funcionou tão bem quanto o
primeiro (SERVAN-SCHREIBER; 2004). Importante lembrar que um mercado que utilize
dinheiro real pode ser considerado ilegal.
• Fictício
• RealTipo de dinheiro
• Sim
• Não
Será distribuído dinheiro?
• Comprados
• Repartidos entre os participantes• Heterogênio
• Homogênio
Títulos
33
6.2.6 Tipo de Incentivo
Como descrito no item 5, atrair diversos participantes é um dos princípios que devem
ser seguidos para que se tenham bons resultados através sabedoria coletiva. Além disso, é
esperado que os participantes com maior experiência nos mercados de previsão apresentem
melhor desempenho do que os novos (COWGILL; WOLFERS; ZIZTZEWITZ, 2009). Desta
forma, um método de incentivo elaborado de maneira adequada deverá conseguir não apenas
atrair indivíduos que possuam informações relevantes em relação ao que se deseje prever, mas
também manter o seu envolvimento. Tais indivíduos podem ser relutantes em participar e
estarem pouco dispostos a investir seu tempo e dinheiro nos mercados de previsão. O sistema
de incentivo estabelecido deve, então, estimular os participantes a revelarem suas reais
percepções sobre os eventos.
Existem diferentes formas de manter o interesse dos participantes em atuar no mercado
de previsão. O tipo de incentivo pode ser dividido em basicamente três tipos: monetários, não
monetários e de reputação (COWGILL; ZITZEWITZ, 2014).
Luckner e Weinhardt (2006) realizaram experimentos demonstrando que sistemas de
pagamentos diretamente relacionados às performances dos participantes não conduzem,
necessariamente, à uma maior eficácia de um mercado. Segundos os autores, isto pode ser
explicado pela aversão ao risco dos agentes, fazendo com que cenários de ranqueamento fossem
mais eficientes. Este modo de recompensa é utilizado pelo Google Inc, onde os melhores
apostadores recebem prêmios tais como camisas. Bo Cowgill, responsável pelos mercados de
previsão do Google Inc., relata que, em certas ocasiões, já se esqueceu de pagar os prêmios em
dinheiro e ninguém percebeu. Porém, todos sentiram falta quando as camisas que mostram os
vencedores, prêmio não monetário, não chegaram (DYE, 2008). Apesar de se tratar de uma
situação específica, existe a indicação de que os indivíduos sejam mais motivamos a participar
do mercado devido aos prêmios não monetários.
Existem ainda empresas, como a Microsoft e a Ford, que fazem o uso de prêmios
meramente ligados à reputação, como leaderboards (COWGILL; ZITZEWITZ, 2014). Há
outras maneiras de incentivar a participação sem que prêmio esteja atrelado ao desempenho dos
agentes apresentadas por Spann e Skiera (2003), como sorteios entre os participantes.
34
6.2.7 Mecanismo de troca
Outro elemento que deve ser escolhido cuidadosamente para o funcionamento adequado
do mercado é o mecanismo de troca. Este é responsável por gerenciar a oferta e demanda dos
títulos presentes no mercado de previsão. No IEM e em outros mais antigos, um mecanismo
chamado de leilão duplo, double-auction (DA), é utilizado. Esse associa as ofertas com as
demandas de título diretamente.
Importante frisar que, em mercados com um número reduzido de participantes e sob as
condições acima, pode-se incorrer em falta de liquidez ou poucos participantes gerenciando
número elevado de títulos. Uma solução encontrada para mitigar tais problemas são os
Automated Market Makers (AMMs), onde as transações não ocorrem mais entre os
compradores e vendedores, mas entre os participantes e o próprio AMM atuando como um
desses participantes, existindo diferentes algoritmos de compra e venda de títulos por parte de
tais AMMs. Esta solução oferece liquidez instantânea ao mercado (LUCKNER et al, 2012).
Entretanto, este mecanismo for adotado em um mercado funcionando com dinheiro real, pode
causar um risco para o operador do mesmo, uma vez que o montante repassado aos participantes
pode ser maior que o aplicado (SPANN; SKIERA, 2003).
6.2.8 Limitações
A fim de se evitar manipulações no mercado, existem diversas opções de limitações que
podem ser impostas (SPANN; SKIERA, 2003). Restrições quanto ao valor máximo aplicado,
taxas de transação, ou número máximo de títulos por participante, são algumas práticas
adotadas nos mercados de previsão com este fim.
35
7 MERCADOS DE PREVISÃO CORPORATIVOS
Mercados de previsão são utilizados no mundo dos negócios para realizar previsões de
eventos no curto e médio prazo. Quando são realizados dentro de uma empresa, eles são
chamados de mercados de previsão corporativos. Geralmente, estão relacionados a assuntos
específicos da mesma e, em muitos casos, os eventos a serem previstos podem representar
questões estratégicas confidenciais. Diferente dos mercados públicos, nos quais informações
relevantes podem ser de conhecimento público, existe reduzido número de informações
disponível ou nenhuma (PLOT; CHEN, 2002).
A implementação de um mercado de previsão em uma corporação apresenta diversos
desafios, desde a liberação do projeto até a manutenção do interesse dos participantes ao longo
do tempo. Alguns critérios de seleção dos participantes e algumas limitações impostas pelo
negócio são de extrema importância para o devido funcionamento desse mercado. Nos tópicos
a seguir são abordadas as principais diferenças existentes entre mercados públicos e
corporativos.
7.1 PARTICIPANTES
Nos mercados corporativos é comum que a participação de indivíduos seja restrita aos
funcionários da empresa, principalmente quando estes tratam de alguma questão estratégica. A
participação restrita a este mercado os torna menores e os agentes enviesados podem acabar
tendo maiores influência sobre os preços.
Existem empresas, como o Google Inc., que permitem a participação de alguns
fornecedores e clientes (COWGILL; WOLFERS; ZITZEWITZ, 2009). Há relatos de empresas,
como a HP, que optaram pela participação de um número restrito de funcionários nos mercados
de previsão, de 7 a 26 pessoas, onde os escolhidos trabalhavam em diferentes partes da
operação, pois se acreditava que eles teriam informações diferentes sobre o evento em questão,
no caso, a previsão da demanda. Em situações como a da HP, a escolha dos participantes deve
ser realizada cuidadosamente para que não se deixe de fora um indivíduo que possa agregar
informações relevantes e, ao mesmo tempo, evitar a inclusão de muitas pessoas sem nenhuma
informação (PLOT; CHEN, 2002). Além disso, deve-se assegurar a diversidade do grupo de
modo a garantir a diversidade das informações.
Uma restrição adicional aos participantes deve ser a separação geográfica dos mesmos.
Pessoas que trabalham próximas geograficamente uma das outras tendem, de forma geral, a
36
apresentar opiniões semelhantes quanto a um determinado assunto (COWGILL; WOLFERS;
ZIZTZEWITZ, 2009). Isso ocorre mesmo quando existem transferências internas dentro de
uma firma. Por mais que um indivíduo tenha trabalhado durante longos períodos de tempo num
mesmo lugar, quando este é transferido para outra sala ou departamento, ele é suscetível a
adaptar suas concepções sobre alguns temas.
7.2 CONTROLE DE INFORMAÇÕES
O problema da cascata de informações deve ser considerado como um ponto de atenção
quando se trata de mercados de previsão corporativos tendo, em vista a restrição do público
participante. Deve-se evitar a divulgação das informações através de qualquer via que possa ser
acessada pelos participantes. No caso de previsão de demanda da HP, por exemplo, a empresa
não disponibilizou as previsões oficiais durante a execução do mercado (PLOT; CHEN, 2002).
7.3 DURAÇÃO DOS MERCADOS
Diferente do considerado no caso do IEM, os mercados de previsão corporativos operam
em espaços de tempo menores, o que pode gerar diferenças de modelagem entre os dois
mercados. Um menor tempo de duração se justifica principalmente quando há pressões por
respostas rápidas, a fim de conferir menor tempo de reação a uma determinada situação,
trazendo maior flexibilidade nas operações da empresa. Os mercados de previsão da HP,
discutidos no artigo de Plot e Chen (2002), operaram em torno de uma semana, apenas fora do
horário do expediente.
Apesar de ser desejável que um mercado opere 24 horas por dia, de modo a evitar o
conflito com outras atividades, um mercado, sem muitos movimentos e novidades, pode causar
o desinteresse dos participantes. Parece ser claro que o número de transações realizadas não
está apenas diretamente relacionado apenas ao tempo de abertura do mercado, mas também à
quantidade de participantes.
7.4 INCENTIVO
Um sistema de incentivo ganha ainda mais importância quando o mercado ocorre dentro
de uma empresa. Quando se trata de funcionários de uma empresa, o custo de oportunidade do
tempo dedicado ao mercado pode ser significativo. O sistema de incentivo adotado deve ser
37
atraente o suficiente para que se consiga atrair as pessoas com informações relevantes. Por outro
lado, quando se tem um incentivo muito visado e o resultado de um evento em questão depende
de funcionários, estes podem manipular os resultados de forma a se beneficiarem.
A experiência de Cowgill, Wolfers e Ziztewitz (2009) também foi importante para
mostrar que existe um aprendizado por parte dos participantes ao longo do tempo. Por isso,
manter o interesse das pessoas em colaborar com os mercados é de extrema importância para o
aprimoramento das previsões.
Em contrapartida, este incentivo não pode ser tão grande a ponto de instigar os
participantes a manipular os resultados (CHERRY, 2007). No caso da previsão de lançamento
de um software pela Microsoft, por exemplo, um participante pode introduzir bugs, defeitos,
para afetar a data de lançamento.
38
8 PROPOSTA DE APLICAÇÃO
A empresa aqui escolhida para aplicação do mercado de previsão corporativo foi a
Souza Cruz por ser de grande porte e pelos ganhos potenciais que a mesma teria com a utilização
dos mercados de previsão para prever a demanda de seus produtos. A modelagem dos mercados
de previsão para a empresa, apresentada a seguir, considera as teorias de sabedoria das
multidões e mercados preditivos, explicitada anteriormente. O universo da prática também
afeta a escolha dos quesitos a serem adotados na modelagem de um mercado de previsão, tendo
em vista que teorias abstratas ou experimentos em laboratório podem ser úteis, mas não
conseguem oferecer respostas concretas (PLOT; CHEN, 2002).
8.1 A COMPANHIA SOUZA-CRUZ
Com 112 anos de existência, a Souza Cruz atua no setor de fumo e é líder no mercado
nacional com 78,4% de market-share no mercado formal em 2014 (SOUZA CRUZ, 2015). Ela
possui controle sobre todo ciclo produtivo, desde a produção e processamento de fumo até a
fabricação e distribuição de cigarros, diretamente, para mais de 330 mil varejistas espalhados
em mais de cinco mil municípios pelo Brasil. Adicionalmente, a empresa produz mais de 108,6
mil toneladas de fumo destinadas à exportação.
Atualmente, a Souza Cruz conta com seis diferentes marcas de cigarro sendo produzidos
em duas fábricas (Cachoeirinha - RS e Uberlândia - MG). O fumo é processado por três usinas
(Santa Cruz do Sul - RS, Blumenau - SC e Rio Negro - PR). Além disso, conta com seis Centrais
Integradas de Distribuição, 31 Centros de Distribuição, 75 Postos de Abastecimento e 217
pontos de cross-docking distribuídos pelo país.
Naturalmente, a empresa conta com uma estrutura logística complexa, para atender às
centenas de milhares varejistas espalhados por todo território nacional e para atender o cliente
em até 24 horas, garantindo o seu market-share e a lucratividade. Para assegurar um fluxo, que
permeia todo o ciclo produtivo, adequado às necessidades da empresa, é necessário que haja o
planejamento prévio da produção e das demais atividades da cadeia logística.
8.2 PREVISÃO DA DEMANDA
Além da elevada complexidade de operação, existem alguns fatores complicadores que
afetam a lucratividade como: elevada carga tributária (81% em 2015) sobre o cigarro; mercado
39
ilegal de cigarros; restrições de publicidade e propaganda e campanhas advertindo os malefícios
causados pelo fumo.
Esta conjuntura, além de reduzir a quantidade de cigarros consumidos, como
apresentado na Figura 5, pressiona a lucratividade da empresa. Como resposta a tal situação,
uma empresa pode elevar o preço final e/ou tornar o processo mais eficiente de modo a reduzir
os custos operacionais. Desta maneira, uma previsão de demanda antecipada e acurada traz a
possibilidade de melhor planejamento das operações.
Figura 5: Participação da Souza Cruz no mercado formal (2010-2014)
Fonte: Relatório Anual Souza Cruz (2014)
Atualmente, a Souza Cruz utiliza o processo de Sales & Operations Planning (S&OP),
ou, em língua portuguesa, Planejamento Integrado de Vendas e Operações (PIVO).
Responsável por desdobrar o plano estratégico em diretrizes para o nível operacional, assim
como realimentar a estratégia com indicativos de desvios e tendências da realidade de mercado
e operações, o S&OP conta com a participação de vários departamentos para analisar
alternativas de planejamento para atendimento da demanda, oferecendo maior visibilidade do
negócio, melhorando a integração entre áreas de operação, e balanceando os custos das
operações, garantindo o nível de serviço aos clientes (BREMMER; AZEVEDO; MATHEUS.,
2008).
O tempo total de execução do processo de S&OP é de aproximadamente um mês.
Participam ativamente do processo cerca de 30 funcionários de diferentes áreas, que permeiam
a cadeia produtiva. Além desses funcionários, existem outros que fornecem inputs ao processo.
40
8.3 MODELAGEM DO MERCADO
Serão seguidas as decisões apresentadas no item 6.2 deste trabalho adequando-se à
realidade da Souza Cruz. Conforme já abordado, o mercado a ser modelado neste caso será
relativo à previsão de demanda.
8.3.1 Definição do evento
A definição do nome do evento possui certa liberdade, mas é importante que a variável
seja definida de forma precisa e intuitiva, para se evitar confusões dos participantes. Será
proposto que os títulos possuam o seguinte formato:
Número de unidades demandadas do produto X no mês Y.
Os elementos em negrito devem variar de acordo com o que se deseje prever. As
unidades podem ser, entre outras opções, cigarros, maços e toneladas. O produto X deve
representar uma família de produtos, ou outras segmentações, conforme for necessário. O mês
deve ser relativo àquele para qual se deseje a previsão.
8.3.2 Seleção dos participantes
Ao se escolher quem deverá participar de um mercado de previsão deve-se considerar
três itens relevantes: risco de compartilhamento das informações; liquidez do mercado e poder
de manipulação de um indivíduo. A Figura 6 ilustra o levantamento das opções disponíveis para
escolha dos participantes.
41
Figura 6: Opções disponíveis para seleção dos participantes do mercado de previsões
Fonte: Elaboração própria
A previsão de demanda em uma empresa geralmente é considerada como uma questão
estratégica e na Souza Cruz não é diferente. Abrir informações de forma livre, ou até mesmo
aos principais clientes de fumo, pode ser considerado um risco para a empresa.
Conforme apresentado no tópico 8.2, o S&OP da Souza Cruz envolve diversas áreas da
empresa, tendo estas, portanto, indivíduos com informações relevantes para a previsão de
demanda. O mercado de previsão deve ser aberto para todos os indivíduos que trabalhem nas
áreas envolvidas no processo de S&OP. Assim os riscos de baixa liquidez do mercado, de
elevado poder de influência dos participantes e de deixar de fora do mercado de previsão
pessoas com conhecimento úteis são mitigados.
8.3.3 Definição do tempo de duração do mercado
A decisão sobre o tempo de duração de um mercado de previsão possui certa liberdade,
assim como o nome do evento. Entretanto, mercados com longas durações possuem maior
probabilidade de apresentar vieses e causar menor interesse por parte dos participantes. Devido
ao sucesso das previsões realizadas pela HP, é aqui sugerida a duração de uma semana de
mercado.
Seleção direta dos participantes
Restrita à áreas funcionais selecionadas
Fechada aos funcionários da empresa com a participação de
alguns clientes.
Aberto
Número de Participantes
42
8.3.4 Definição do tipo de contrato
Foram apresentadas anteriormente, duas principais opções de tipo de contrato,
vencedores levam tudo e lineares, conforme ilustrado na Tabela 2. Como o tempo de duração
sugerido para o mercado é de uma semana, existe a necessidade de uma convergência de preços
relativamente rápida, característica presente nos contratos do tipo “vencedores levam tudo”.
Outro motivo para a escolha deste modelo de contrato é devido a sua ampla adoção pelas
empresas, com previsões realizadas pelo mercado razoavelmente acuradas, como na HP e no
Google Inc (COWGILL; ZITZEWITZ, 2014).
8.3.5 Definição da configuração inicial
Por se tratar de um mercado de previsão corporativo, é recomendado que o tipo de
dinheiro a ser utilizado seja o fictício. Esta escolha se dá pela redução nos custos de manutenção
do mercado e por evitar problemas legais. O dinheiro deverá ser dividido igualmente entre os
participantes que desejarem participar do mercado, para que possam comprar e vender títulos
utilizando-o. Optou-se por não haver distribuição de títulos por não ter encontrado na literatura
outro caso, além da HP, que tenha ocorrido tal doação. As decisões tomadas nesta etapa estão
representadas na Figura 7.
Figura 7: Perfil da configuração inicial do mercado de previsão de demanda da Souza Cruz
Fonte: Elaboração própria
Dinheiro Fictício
distribuídos entre os participantes
com títulos adquiridos através da compra
43
8.3.6 Definição do incentivo
Com base nas opções apresentadas no item 6.2.6 deste texto, representadas na Figura 8,
foram selecionadas aquelas que na referida figura possuem bordas vermelhas. Devido à possível
aversão ao risco por parte dos envolvidos no mercado, optou-se que os prêmios a serem
distribuídos não deverão estar diretamente relacionados à performance dos mesmos.
A fim de conseguir um maior número de participantes, é sugerida a utilização dos três
tipos de incentivo. Os prêmios monetários deverão ser estabelecidos de acordo com o
orçamento estabelecido. A prática mais comum é um saldo disponível em uma loja, geralmente
através de cartões vale-compra. Os prêmios não monetários podem ser de vários tipos: camisas,
canecas, porta-retratos entre outros. Jeff Severts, representante do mercado de previsão da Best-
Buy, alega que para manter o interesse no mercado, a cada trimestre, os prêmios são revisados,
sendo sempre modestos, e que é o ambiente competitivo que mais impulsiona o mercado (DYE,
2008). Por último é sugerido o uso dos leaderboards, quadro de líderes, para aumentar o clima
de competição.
Figura 8: Decisões acerca do sistema de incentivo para o mercado de previsão da demanda da
Souza Cruz.
Fonte: Elaboração própria
8.3.7 Definição do mecanismo de troca
Existem dois principais mecanismos de troca nos mercados de previsão, como
mencionado no item 6.2.7. Como a participação do mercado de previsão, aqui ilustrado, ficou
restrita às áreas envolvidas no processo de S&OP, o mecanismo utilizado será o AMM para se
garantir maior liquidez do mercado. Tal escolha foi reforçada pelo grande número de empresas
Quanto a performace do participante
Diretamente relacionado
Indiretamente relacionado
Quanto ao tipo de incentivo
Prêmios Monetários
Prêmios não monetários
Somente Reputação
44
que utilizam esse mecanismo em comparação ao DA, de acordo com o levantamento feito por
Cowgill e Zitzewitz (2014) encontrado no Anexo 1.
8.3.8 Definição das limitações
Por ser um mercado de curta duração e pelo o evento depender de agentes que não
estariam participando do mesmo, pode-se oferecer maior liberdade para compra e venda dos
títulos. Com esta decisão, espera-se que aqueles agentes que possuam informações relevantes
se aproveitem dos vieses do mercado para obter maiores retornos e, com isso, tornar o preço do
mercado mais aderente às suas expectativas.
8.4 RESULTADOS ESPERADOS
Assim como ocorreu em diversas empresas, é esperado que os resultados deste mercado
de previsão seja mais acurado do que as previsões oficiais da empresa. Além disso, tal mercado
terá a duração de apenas uma semana, permitindo um tempo maior para o planejamento das
operações. Outra vantagem relacionada ao menor tempo necessário para realizar a previsão, é
o menor custo de oportunidade dos funcionários que participam ativamente do processo de
S&OP. No caso da Souza Cruz, uma previsão de demanda mais aderente à real permitirá
economia de custos na produção, na armazenagem e no transporte de cargas, permitindo ainda
a oferta de um nível de serviço maior aos seus clientes.
Ressalta-se também que, como os mercados de previsão produzem melhores previsões
quando se têm participantes com mais experiência, faz-se necessária a adoção de políticas de
retenção para cargos que possuam maior rotatividade. Inicialmente, resistências à participação
por parte dos funcionários podem ocorrer, geralmente por não terem conhecimento sobre o
mesmo. Para reduzir este risco, no momento da implantação treinamentos são necessários,
assim como apresentações periódicas, a cada três meses, por exemplo, para acompanhar os
resultados e tirar dúvidas.
45
9 CONCLUSÃO
9.1 CRÍTICAS AO TRABALHO
Os mercados de previsão corporativos já ganharam a aderência de diversas companhias
multinacionais, mas parece que ainda são pouco conhecidos no Brasil. A maioria do material
encontrado durante as buscas em sites abertos e periódicos foi produzida nos Estados Unidos
da América e em alguns países da Europa, como França, Portugal e Alemanha. Pode ser que
diferenças culturais afetem as previsões realizadas e a aceitação por parte dos participantes.
A modelagem de tais mercados permite uma vasta gama de possíveis combinações de
formas dos seus elementos. Os elementos permitem grande flexibilidade, o que incentiva
estudos sobre novas opções de estruturação, fazendo com que as possibilidades sejam ainda
maiores. Existem evidências de empresas que se utilizaram dos moldes mais convencionais e
conseguiram realizar previsões melhores que as oficiais. Apesar da grande quantidade de
estudos realizados, a reduzida exposição dos modelos de mercados de previsão adotados pelas
empresas na previsão de temas comuns não permitiu maior embasamento prático.
9.2 SUGESTÕES PARA TRABALHOS FUTUROS
Conforme discutido no tópico anterior, existem poucos trabalhos divulgados detalhando
como o mercado de previsão foi modelado. Adicionalmente, são poucos os relatos das
dificuldades encontradas nas companhias para a implantação e envolvimento dos diversos
agentes de interesse. Adicionalmente, não é levantada, no presente trabalho, as diferentes
possibilidades existentes de como transformar os preços estabelecidos pelos mercados de
previsão em estatísticas de previsão, assim como, as múltiplas possibilidades disponíveis para
a microestrutura dos AMMs e para o cálculo do payoff relacionado à performance dos
participantes de tal mercado.
Para o prosseguimento da etapa de abordagem das decisões necessárias acerca da
modelagem dos mercados de previsão corporativos, seria interessante incluir: opções de
AMMs, outras opções de cálculos de payoff e adicionar métodos de transformação do preço
estabelecido por tais mercados em estatísticas. Além disso, aplicar e testar diferentes
configurações de tais mercados em diferentes empresas a fim de relacionar as características
delas com os modelos de mercados de previsão corporativos que resultaram em melhores
previsões.
46
9.3 APRENDIZADO
A autora conseguiu por meio deste trabalho, ter conhecimento sobre mais uma
ferramenta de apoio à decisão, que vem apresentando resultados significativos para as empresas
que a adota, além de se aprofundar nas diferentes formas de modelagem existentes de tal
ferramenta.
É válido destacar que a ferramenta escolhida no trabalho permitiu que o assunto
estudado pudesse ser relacionado a algumas disciplinas da graduação, podendo ser citadas
Logística, Estatística I e Microeconomia, além de outras que complementam o arcabouço
teórico utilizado no trabalho. Somando a isso, adquiriu-se conhecimento da uma ferramenta
com crescente adoção pelo mercado e ampla aplicabilidade.
47
10 REFERÊNCIAS BIBLIOGRÁFICAS
ARTHUR, W. B. Complexity in Economic Theory: Inductive Reasoning and Bounded
Rationality. American Economic Review,v.84, n.2, mai. 1994.Disponível em: <
http://www.jstor.org/stable/2117868?origin=JSTOR-pdf>. Acesso em: 03 mai. 2015.
BELL, A. M.; SETHARES, W. A.; BUCKLEW, T. A. Coordination Failure as a Source of
Congestion. IEEE Transactions on Signal Processing, v.51, n.3, mar. 2003.
BREMER, C. F.; AZEVEDO, C.R; MATHEUS L. F. O Retrato do Processo de Sales &
Operations Planning (S&OP) no Brasil. Revista Mundo Logística, n. 5, p. 68, parte 1, jul.
2008.
CAMBRIDGE. Cambridge Dictionaries Online. Disponível em: <
http://dictionary.cambridge.org/>. Acessado em: 03 jul. 2015.
CHERRY, S. Beto n It: can a stock markets of ideas help companies predict the future?.IEEE
Spectrum, Set. 2007. Disponível em:<www.spectrum.iee.org>. Acessado em: 25 nov. 2014.
CORRÊA, H. L. ; CORRÊA, C. A (2004). Administração de Produção e Operações
Manufatura e Serviços: uma abordagem estratégica. São Paulo: Atlas, 2012. 680 p.
COWGILL, B.; WOLFERS, J.; ZITZEWITZ, E. Using Prediction Markets to Track
Information Flows: Evidence from Google. Dartmouth College, 2008. Disponível em: <
http://www.columbia.edu/~bc2656/GooglePredictionMarketPaper.pdf>. Acessado em: 15
dez. 2014.
COWGILL, B.;ZITZEWITZ, E. Corporate Prediction Markets: Evidence from Google, Ford,
and Firm X. Dartmouth College, 2014. Disponível em:
<http://www.columbia.edu/~bc2656/papers/CorporatePredictionMarkets.pdf>. Acessado em:
22 abr. 2015.
DICIONÁRIO DO AURÉLIO ONLINE. Significado de Descentralização. Disponível em:<
http://dicionariodoaurelio.com/descentralizacao>. Acessado em: 20 jun. 2015.
DYE, R. The Promise of Prediction Markets: a roundtable. The McKinsey Quartely, n.2,
p.83-93 2008.
DVORAK, P. Best BuyTaps ‘Prediction Market’: imaginary stocks let workers forecast
whether retailer’s plans will meet goals. The Wall Street Journal, set 2008. Disponível em:<
http://www.wsj.com/> . Acessado em: 05 mai. 2015.
EVENSKY, J. Retrospectives: ethics and the invisible hand. The Journal of Economic
Perspectives. v.7, n.2, p.197-205, 1993.
48
HAYEK, F. A. The use of Knowledge in Society. American Economic Review. v. 35, n.4,
p.519-530, set. 1945.
LUCKNER, S et al. Prediction Markets: fundamentals, designs and applications. Gernany:
Gabler Verlag, 2012. 140 p.
PAGE, L.; CLEMEN, R. T. Do Prediction Markets Produce Well-Calibrated Probability
Forecasts? The Economic Journal. v. 123 p. 491-513, 2013.
PLOTT, C. R. Markets as Information Gathering Tools. Southern Economic Journal. v.67, n.
1, jul. 2000. Disponível em:
<http://www.jstor.org/stable/1061610?seq=1#page_scan_tab_contents>. Acesso em: 27 jun.
2015.
PLOTT, C. R.; CHEN K. Information Aggregation Mechanisms: concept, design and
implementation for a sales forecasting problem. California Institute of Technology . Pasadena,
Califórnia, n. 1131, mar. 2002. Disponível em: <http://authors.library.caltech.edu/>. Acesso
em: 03 mai 2015.
PLOTT, C. R; SUNDER, S. Rational Expectattions and the Aggregation of Diverse
Information in Laboratory Security Markets. Econometrica, v. 56, n.5, p.1085-1118, set.
1988.
RYAN, B.; GROSS, N. C. The Diffusion of Hybrid Seed Corn in Two Iowa Communities.
Rural Sociology, v.8, n.1, p.15-24, 1943.
SPANN, M. & SKIERA, B. Internet-Based Virtual Stock Markets for Business Forecasting.
Management Science, v.49, n.10, p.1310-1326, out. 2003.
SMITH, A. A riqueza das nações: investigação sobre sua natureza e suas causas. São Paulo:
Abril Cultural, 1983.
SOUZA CRUZ. A empresa. Disponível em: <
http://www.souzacruz.com.br/group/sites/SOU_7UVF24.nsf/vwPagesWebLive/DO7V4L37?
opendocument>. Acessado em: 09 jul. 2015.
SOUZA CRUZ. Relatório Anual Souza Cruz 2014. Disponível em:<
http://www.souzacruz.com.br/group/sites/SOU_7UVF24.nsf/vwPagesWebLive/DO9UBM4A
?opendocument>. Acessado em: 08 jul. 2015.
SUROWIECKI, J. A Sabedoria das Multidões: porque muitos são mais inteligentes que
alguns e como a inteligência coletiva pode transformar os negócios, a economia, a sociedade e
as nações. Rio de Janeiro: Record, 2006. 375 p.
49
ANEXOS
50
ANEXO 1 – RESUMO DOS MERCADOS DE PREVISÃO CORPORATIVOS NO
GOOGLE, FORD, FIRM X E OUTRAS EMPRESAS SELECIONADAS.