O presente trabalho tem por objetivo o desenvolvimento de políticas de administração do saldo de caixa. Este problema de finanças abordado inicialmente por Baumol (1952) e Tobin (1956) teve sua origem na aplicação de modelos determinísticos de controle de inventário ao caixa existente nas empresas. Desta forma, os autores traçaram um paralelo entre o saldo de caixa e os estoques de ativos, de maneira a minimizar os custos relativos ao caixa. Posteriormente Miller e Orr (1966) aperfeiçoaram a abordagem ao introduzirem um modelo estocástico que não mais definia o ponto ideal do saldo de caixa, mas uma faixa de oscilação. Apesar disso, os modelos apresentavam apenas uma única opção de investimento em detrimento ao caixa. Mais recentemente uma série de trabalhos resgatou o problema com novas metodologias, diversificando os custos de transferência e manutenção do caixa e aplicando, principalmente, modelos estocásticos em sua resolução, melhorando seu desempenho. Este trabalho aplica uma modelagem para gerenciamento do saldo ideal de caixa, considerando para isso os custos de manutenção, custos de transferência, diversificação em mais de dois ativos, liquidez associada aos investimentos, além da ruptura de caixa. Para isso, são utilizados modelos computacionais de meta-heurística, com a utilização de algoritmos genéticos (AG), particle swarm optimization (PSO) e simulated annealing (SA). Assim, a partir da simulação de fluxos líquidos de caixa, de acordo com as premissas apresentadas na literatura, considerando as distribuições Normal, de Poisson, Triangular e Movimento Browniano (processo de Wiener) foram realizadas experimentações computacionais a fim de desenvolver uma política de gerenciamento de caixa multiobjetivo capaz de minimizar o custo do saldo de caixa ao mesmo tempo em que minimiza o risco associado ao caixa. Os resultados demonstram que os modelos empregados são válidos para o desenvolvimento das políticas de gerenciamento de caixa, com a prevalência do PSO em problemas mais simples e do AG em problemas mais complexos, com grandes perspectivas para uso prático na definição de políticas de gerenciamento do saldo de caixa.

The present work aims at the development of cash balance management policies. This financial problem initially by Baumol (1952) and Tobin (1956) had its origin in the application of deterministic models for inventory control to the existing cash in companies. These authors drew a parallel between the cash balance and asset inventories in order to minimize the cost of the cash balance. Later, Miller and Orr (1966) refined the approach by introducing a stochastic model that no longer defined the ideal point of cash balance, but an oscillation range. Nevertheless, the models had only one investment option over the cash. More recently a series of studies rescued the problem with new methods, diversifying the transfer and cash maintenance costs, applying stochastic models in its resolution and improving their performance. This work applies a modeling for managing the ideal cash balance, considering maintenance costs, transfer costs, diversification of financial investment in more than two assets, the liquidity associated with investments and penalty costs for the lack of cash. For this, meta-heuristics computer models are used for, with the use of genetic algorithms (GA), particle swarm optimization (PSO) and simulated annealing (SA). Thus, based on the simulation of net cash flows in accordance with the assumptions presented in the literature, considering the distributions Normal, Poisson, Triangular and Brownian motion (Wiener process) computational experiments were performed to develop a multi-objective cash balance management policy able to minimize the cost of the cash balance at the same time then minimizes the risk associated with cash. The results demonstrate that the models used are valid for the development of cash management policies, with better results for the PSO in simple problems and GA on more complex problems, with great perspective for practical use in policy management for cash balance.