3. MODELOS DE INTEGRAÇÃO DE MERCADOS
3.6. Metodologias Complementares
O modelo desenvolvido por Granger (1969) consiste em verificar quanto do valor corrente de uma variável (Y, por exemplo) pode ser explicado por seus próprios valores passados e, então, verificar se a introdução de valores passados de uma segunda variável (X) poderá melhorar a sua explicação. Em outras palavras, se X causar Y, no sentido de Granger, a previsão do valor presente de Y é “melhor” quando se usam os valores defasados de X em relação à possibilidade de não- utilização dessa informação.
A verificação do método de Granger é feita por meio de teste de significância sobre os parâmetros estimados da seguinte equação:
, (27)
∑
∑
= − = − + + + = p i p i t i t Xi i t Yi t Y X Y 1 1 1 0 β β ε αem que são valores defasados da variável Y; e , valores defasados da variável X. Para afirmar que X é importante para prever Y, deve-se rejeitar a seguinte hipótese nula: i t Y− Xt−i 0 ... : 1 2 0 X = X = = Xp =
H β β β . O contrário (Y causar X, no sentido de Granger) pode ser verificado estimando uma equação semelhante, mas que tenha Xt
como variável dependente e testando se H0 :βY1 =βY2 =...=βYp =0. O teste F é utilizado para verificar essas hipóteses. Outras possibilidades são bicausalidade ou ausência de causalidade entre as duas variáveis Y e X. Deve-se ressaltar que a causalidade de Granger não indica causalidade no uso mais comum do termo, mas apenas predição ou mesmo a idéia de precedência temporal.
A causalidade de Granger tem sido utilizada nas análises de integração de mercado como uma ferramenta auxiliar, em associação com os modelos de co- integração. Segundo Granger (1988), a existência de co-integração num modelo bivariado implica causalidade em pelo menos uma direção.
Alexander e Wyeth (1994) realizaram testes de causalidade juntamente com a metodologia de co-integração para avaliar a integração espacial dos mercados de arroz da Indonésia. De modo semelhante, Goodwin et al. (1999) utilizaram o modelo
de Granger no contexto de um sistema multivariado para analisar as relações entre mercados regionais de alimento da Rússia. Os resultados de ambos os estudos revelaram padrões de causalidade entre as diversas localidades e uma dinâmica significativa de ajuste dos preços aos choques em outras regiões. Esses autores afirmaram que a causalidade de Granger está implícita nos modelos dinâmicos da regressão e, portanto, deve ser considerada para enriquecer as inferências oferecidas em estudos empíricos.
Embora o teste de causalidade de Granger, num contexto de integração de mercados, permita algumas inferências sobre relações entre preços regionais, ele é bastante limitado. Por indicar apenas se o relacionamento entre preços defasados e contemporâneos é estatisticamente diferente de zero, nada pode ser dito a respeito da natureza real das relações; uma causalidade estatisticamente significativa pode ser totalmente inconsistente com as noções convencionais de integração. As limitações associadas ao modelo de regressão e ao coeficiente de correlação são também aplicáveis nesse contexto. Por tudo isso, é imperativo que os resultados desse tipo de análise sejam complementados por outros procedimentos (FACKLER; GOODWIN, 2001).
3.6.2. Funções de impulso-resposta e perfil de persistência
As funções de impulso-resposta (FIR) e o perfil de persistência são métodos utilizados para medir o grau de integração de um mercado.
Conforme Fackler e Goodwin (2001), as FIRs medem a resposta das variáveis incluídas num VAR a choques exógenos sobre uma das variáveis do modelo, ao longo do tempo. Essa metodologia tem sido usada nos estudos de integração de mercados para avaliar a dinâmica do ajustamento entre os preços.
Goodwin et al. (1999) analisaram as ligações espaciais entre os mercados de alimentos da Rússia utilizando FIRs. De acordo com esses autores, essa metodologia fornece melhores inferências sobre a dinâmica de ajuste dos preços ao longo do tempo do que as análises convencionais de regressão.
A principal desvantagem das FIRs é que elas não são únicas quando os choques são correlacionados. Num estudo espacial de preços, entretanto, não é razoável esperar que se tenham choques ortogonais, uma vez que as séries temporais de preços são altamente correlacionadas. A solução apresentada na literatura tem sido a ortogonalização dos choques com uma decomposição de Cholesky da matriz
de covariância dos erros. Contudo, esta decomposição é sensível à ordenação das variáveis no sistema e, conseqüentemente, para cada ordenação, tem-se uma FIR diferente. A imposição de uma ordenação recursiva nas variáveis não é justificável na maioria dos estudos de integração de mercado (GONZÁLEZ-RIVERA; HELFAND, 2001)9.
Devido a essas complicações, González-Rivera e Helfand (2001) propõem a utilização do perfil de persistência para medir o grau de integração dos mercados. Os perfis de persistência são funções únicas e não existe a necessidade de ortogonalizar os choques individuais ou impor uma ordenação no sistema.
Segundo a metodologia de Pesaran e Shin (1996), um perfil de persistência caracteriza a resposta da relação de co-integração para o sistema como um todo, medida em unidades de variância, em vez de um choque individual. Estuda-se a propagação no tempo (t + 1, t + 2, ...) da variância do choque, condicionando a informação até o tempo (t – 1). Assim, com um choque inicial na economia, no tempo t, e considerando a informação até o tempo (t – 1), o perfil de persistência enfoca a variância incremental do erro de desequilíbrio no tempo (t + k), à medida que o horizonte de tempo aumenta por um período. Em sistemas estacionários, um choque eventualmente desaparecerá.
Alguns trabalhos que utilizaram essa metodologia em associação à análise de co-integração foram os de González-Rivera e Helfand (2001), Pereira (2005), Nogueira (2005) e Rosado (2006) na análise dos mercados brasileiros de arroz, boi gordo, café e suínos, respectivamente.
9