Determinantes da apreciação da taxa de câmbio real brasileira nos anos 2000

LUCAS DE MOURA REIS

DETERMINANTES DA APRECIAÇÃO DA TAXA DE CÂMBIO

REAL BRASILEIRA NOS ANOS 2000

Rio de Janeiro

LUCAS DE MOURA REIS

DETERMINANTES DA APRECIAÇÃO DA TAXA DE CÂMBIO REAL

BRASILEIRA NOS ANOS 2000

Dissertac

̧

a

̃

o para obtenc

̧

a

̃

o do grau de mestre em financ

̧

as e economia

empresarial apresentada a

̀

Escola de Po

́

s-Graduac

̧

a

̃

o em Economia da

Fundac

̧

a

̃

o Getu

́

lio Vargas.

Área de concentrac

̧

a

̃

o: Economia Internacional

Orientador: Marcio Magalhães Janot

Rio de Janeiro

Reis, Lucas de Moura

Determinantes da apreciação da taxa de câmbio real brasileira nos anos 2000 / Lucas de Moura Reis. – 2013.

31 f.

Dissertação (mestrado) - Fundação Getulio Vargas, Escola de Pós-Graduação em Economia.

Orientador: Marcio Magalhães Janot. Inclui bibliografia.

1. Taxas de câmbio. 2. Moeda. 3. Risco (Economia). I. Janot, Marcio Magalhães. II. Fundação Getulio Vargas. Escola de Pós- Graduação em Economia. III. Título.

RESUMO

A forte apreciação cambial que o Brasil sofreu na última década se traduziu em um novo debate acerca da hipótese de Doença Holandesa no país. Como a queda da taxa de câmbio real ocorreu em um período de alta de preços de commodities e nos últimos anos, especialmente após a crise de 2008, vimos uma maior concentração da pauta exportadora em produtos primários, muitos economistas argumentam que a apreciação foi consequência do boom de commodities e que, em razão disso, o Brasil poderia estar sofrendo da Doença Holandesa. Este trabalho mostra que o boom de commodities não foi a principal causa da apreciação da taxa de câmbio real e não representou uma maior dependência destas mercadorias. A mudança do perfil de risco da economia brasileira foi um dos fatores mais importante para a queda da taxa de câmbio. Concluímos, portanto, que a recente perda de competitividade dos demais setores exportadores não pode ser atribuída exclusivamente à valorização das commodities.

ABSTRACT

The strong appreciation of the Brazilian currency in the last decade has resulted in a new debate on whether the economy has caught the Dutch Disease. The fall of the real exchange rate has occurred in a period of growing commodity prices and, since we have seen a greater concentration of Brazilian exports in primary goods in recent years, specially after the recent financial crisis, many economists argue that the appreciation was due to the commodity boom and that, as a consequence, Brazil could be suffering from the Dutch Disease. This paper shows that, although the relative importance of these goods in the trade balance is high, the commodity boom was not the main cause of the appreciation of the real exchange rate and did not reflect in a higher dependence on primary goods. Another determinant factor for the real exchange rate appreciation was the change in the Brazilian country risk. We therefore conclude that the recent loss of competitiveness of other export sectors cannot be exclusively attributed to the rise in commodity prices.

SUMÁRIO

1. Introdução ...7 

2. Descrição dos Dados ...10 

3. Metodologia e Resultados ...16 

3.1. Estacionariedade e Cointegração ...18 

3.2. Modelo em Primeira Diferença ...20 

3.3. Teste de Robustez...22 

3.4. Análise de Resultados ...23 

4. Conclusões...25 

Referências Bibliográficas ...27 

Apêndice A ‐ Teste Aumentado de Dickey‐Fuller...29 

Apêndice B ‐ Seleção de Defasamento Ótimo VAR ...30 

Apêndice C ‐ Teste de Cointegração de Engle‐Granger ...31   

1. Introdução

O Brasil é um grande produtor e exportador de produtos primários desde seu descobrimento. Inicialmente com a exploração do pau-brasil e rapidamente passando para a cultura da cana-de-açúcar, que até hoje é de grande importância no país, seja para produção de açúcar, seja para a produção de etanol, o país passou por diversos ciclos de exploração de commodities, borracha, café etc, e foi, no período anterior ao seu processo de industrialização, altamente dependente das exportações destes produtos. No entanto, mesmo que a produção dos mesmos tenha mantido certa importância relativa após a industrialização do país, este processo veio a tornar a economia brasileira muito mais diversificada e menos dependente de produtos primários.

Na última década, em que vimos uma grande aceleração dos preços relativos das commodities, para muitos uma conseqüência do crescimento acelerado da China e seu apetite voraz por matérias primas, vimos surgir novamente a preocupação de o país estar se tornando demasiado dependente da produção e exportação de produtos básicos.1 A mais importante voz neste discurso vem da indústria nacional e de economistas que vêem a industrialização como principal fonte de desenvolvimento, para os quais as conseqüências nocivas deste processo já são sentidas no país. Para eles o país se encontra em processo de desindustrialização, causado pela perda de competitividade decorrente da apreciação cambial dos últimos anos. O argumento é que o país estaria sofrendo com o fenômeno que ficou conhecido como doença holandesa. Este termo foi primeiramente usado pela revista The Economist para descrever o que ocorreu na Holanda no início da década de 60, onde grande descoberta de gás natural em 1959 levou a uma perda de competitividade do setor manufatureiro daquele país. Contudo, há diversos exemplos similares na história econômica.2 De acordo com

       1

Frankel e Rose (2010) argumentam que, apesar do efeito positivo do crescimento mundial sobre os preços de commodities, as principais variáveis, aquelas cujo efeito se mostrou mais forte e consistente, foram variáveis microeconômicas, como volatilidade, nível de estoques e o spread spot-futuro.

2 _{Corden (1984) cita os efeitos das descobertas de ouro na America sobre a economia}

Krugman (1987), quando um país descobre recursos naturais comercializáveis, ele normalmente vivencia uma apreciação real de sua taxa de câmbio e, portanto, um

crowding out de seus outros setores comercializáveis. Este fenômeno também pode

ocorrer devido a um boom nos preços das commodities de que o país possui grande dotação ou em cuja produção ele possua vantagens comparativas.

Seguindo Chen e Rogoff (2003), diversos trabalhos buscaram confirmar a relação entre os preços reais de commodities e a taxa de câmbio real. Neste trabalho vamos aprofundar esta análise para averiguar quais foram de fato as causas da apreciação da moeda brasileira, o real, na última década.

Partindo das evidências de que os fundamentos macroeconômicos não são suficientes para explicar variações nas taxas reais de câmbio, Chen e Rogoff (2003) se voltam para três economias abertas, pequenas e desenvolvidas - Canadá, Austrália e Nova Zelândia – com o objetivo de identificar mais facilmente os choques reais exógenos que podem afetar a taxa real de câmbio. Os três países possuem uma pauta exportadora bastante concentrada em commodities apesar de choques nos preços da maioria desses produtos serem exógenos a eles. O estudo conclui que para a Austrália e Nova Zelândia a relação entre preços de commodities e a taxa de câmbio é bastante significante. A conclusão para o Canadá é mais fraca, possivelmente devido ao fato deste país possuir uma base industrial maior e mais desenvolvida.

Cashin, Céspedes e Sahay (2003), por sua vez, se voltam para uma amostra de 53 economias emergentes, cujas exportações são em sua maioria dominadas por

commodities primárias, e buscam determinar em qual delas a relação entre preços de commodities e taxas reais de câmbio é comprovada. Dentre os países da amostra se encontra o Brasil e, considerando dados de 1980 a 2002, o estudo conclui que não há evidência significativa da relação entre preços de commodities e a taxa de câmbio real brasileira.

Alguns trabalhos buscaram comprovar esta relação no período recente brasileiro. Hampshire (2008) estuda, além do caso brasileiro, os casos da Austrália, Nova Zelândia e Canadá. Para o Brasil, o trabalho encontra que o real é uma

commodity currency, apesar de admitir que, com a inclusão de uma variável de risco-país, as estimativas perdem significância. Já Veríssimo, Xavier e Vieira (2012), analisando dados desde 1995, não encontraram evidencias da relação negativa entre preços de commodities e a taxa de câmbio real brasileira, porém ao analisar o subperíodo 2003-2009 chegaram à conclusão de que existe de fato uma relação negativa e significante entre os preços de commodities e o câmbio real brasileiro, concluindo que há evidência de doença holandesa.

Afinal o Brasil pegou a doença holandesa no período recente? Para responder a esta pergunta, precisamos inicialmente testar se realmente a apreciação do câmbio real na última década foi causada primordialmente pelo boom

de commodities dos anos 2000 ou se outros fatores foram mais decisivos para o comportamento de nossa moeda. Com base em um modelo de determinação da taxa de câmbio, que inclui novas variáveis de elevada relevância teórica e empírica, como o CDS de 5 anos da dívida brasileira (medida de risco-país), buscamos averiguar os reais fatores que levaram a apreciação real do câmbio brasileiro dos últimos anos e, consequentemente, testar a relevância da hipótese de doença holandesa.

O que encontramos é que, mesmo que a elevação dos preços das principais

commodities exportadas pelo Brasil tenha contribuído para a queda da taxa de câmbio real no período, este não foi o fator dominante para apreciação cambial brasileira. Concluímos que o fator mais significante para a apreciação do real foi a mudança de fundamentos da economia brasileira, evidenciada pela queda do risco-país na última década. As relações que encontramos não só foram significantes estatisticamente, como também os coeficientes das variáveis foram altos, o que, por sua vez, indica que grande parte da apreciação real da taxa de câmbio brasileira desde 2000 é explicada pela queda do risco-Brasil, que se traduziu em uma grande entrada de divisas no país para a realização de investimentos e aplicações financeiras.

2. Descrição dos Dados

O comércio de commodities sempre foi uma grande fonte de renda de exportação no Brasil. A participação relativa de algumas poucas matérias primas na pauta exportadora é alta. Entretanto, o boom de commodities dos anos 2000, que seguiu um longo período de tendência de queda no preço de commodities internacionais, trouxe à tona uma nova preocupação com os efeitos nocivos que uma elevação no preço destas mercadorias poderia ter sobre o câmbio real brasileiro. Segundo Chen e Rogoff (2002), países com grandes estoques de riquezas naturais, onde as exportações de commodities respondem por grande parte das exportações totais, apresentam uma fonte exógena de flutuações na economia, oriunda da comercialização destes produtos. O que vimos no período recente foi de fato um aumento das receitas com exportações de commodities e uma maior concentração da pauta exportadora nestes produtos, como mostra o Gráfico 1 abaixo.

Gráfico 1: Participação de Produtos Básicos nas Exportações Totais (em %). Fonte: MDIC/Secex, 2013.

0 10 20 30 40 50 60

jan.90 jan.91 jan.92 jan.93 jan.94 jan.95 jan.96 jan.97 jan.98 jan.99 jan.00 jan.01 jan.02 jan.03 jan.04 jan.05 jan.06 jan.07 jan.08 jan.09 jan.10 jan.1

1

Com vistas a averiguar o efeito de variações do preço das commodities sobre o câmbio, nos defrontamos com algumas possibilidades. Poderíamos utilizar um índice internacional de commodities, como o CRB, que é ponderado pelo volume de negociação internacional das commodities, porém poderíamos com isso incorrer em um erro de má especificação da variável, dado que o volume mundial de negociação destas mercadorias não reflete a composição da pauta brasileira de commodities.

Por esta razão consideramos os preços, em dólar, negociados internacionalmente das cinco principais commodities exportadas pelo Brasil na última década e construímos um índice de preço ponderado pela participação relativa destas mercadorias nas exportações brasileiras. Como estamos interessados nos efeitos sobre uma variável real, corrigimos este índice pela inflação ao produtor americana (PPI). As commodities consideradas são: minério de ferro, soja, açúcar, carne de frango e café. O Gráfico 2 abaixo mostra a participação destas commodities nas exportações brasileiras no período 2000-2012.

Gráfico 2: Participação de Commodities _{Selecionadas no Total Exportado (em}

%, no intervalo 2000-2012). Fonte: MDIC/Secex, 2013.

8,6

8,5

3,0 2,7

2,3

74,9

Minério de Ferro

Soja

Açúcar

Carne de Frango

Café

Em uma primeira análise dos dados, a evidência da importância das

commodities na determinação do câmbio parece bastante forte. Contudo, uma análise mais aprofundada dos fluxos no balanço de pagamentos brasileiro nos fornece um quadro um pouco diferente. A exportação de commodities ganhou, de fato, importância na balança comercial brasileira, mas seria ela de tamanha importância no quadro geral, na conta corrente ou mesmo no balanço de pagamentos?

A resposta é negativa. Quando consideramos os dados dos fluxos em conta corrente no período analisado e entradas de poupança externa no país, vemos que, apesar da valorização dos preços das commodities, este movimento não foi capaz de reverter de forma significativa os déficits em conta corrente do Brasil (Gráfico 3).

Gráfico 3: Resultado do Balanço de Pagamentos acumulado em 12m (em US$ milhões).

Fonte: BCB-Depec, 2013.

Se considerarmos o período em que as commodities tiveram maior elevação de preço, entre 2002 e 2007, é importante constatar que a participação relativa destas mercadorias na pauta exportadora não aumentou significativamente, mesmo que tenha havido uma considerável melhora na balança comercial no período

-60.000 -40.000 -20.000 0 20.000 40.000 60.000 80.000 100.000 120.000 140.000

jan.00 jul.00 jan.01 jul.01 jan.02 jul.02 jan.03 jul.03 jan.04 jul.04 jan.05 jul.05 jan.06 jul.06 jan.07 jul.07 jan.08 jul.08 jan.09 jul.09 jan.10 jul.10 jan.1

1

jul.1

1

jan.12 jul.12

(Gráfico 4). Além disso, se considerarmos o período em que a concentração da balança em commodities começou a acelerar, vemos que ele coincide com a mudança de sinal na conta corrente, quando os fluxos nessa conta voltaram a ser negativos, e isto se deu principalmente pela piora da balança comercial. O que estes dados indicam é que não só o aumento da importância relativa das commodities não representou um aumento de fluxos da conta corrente do país, mas também indicam que esse movimento é uma conseqüência da perda de competitividade dos demais produtos, evidenciada pela piora da balança comercial nos últimos anos, seja isso motivado por fatores internos ou externos.

Gráfico 4: Concentração das Exportações em Produtos Básicos (em % no eixo da direita) e Balança Comercial Anual (em US$ milhões, no eixo da esquerda). Fonte: MDIC/Secex e BCB-Depec, 2013.

Se compararmos o desempenho da conta corrente com a conta financeira no período contemplado, fica clara a importância dos fluxos financeiros no resultado do balanço de pagamentos. Os fluxos de investimento estrangeiro direto e de investimento em carteira não só cobriram as saídas de recursos pela conta corrente

-10 0 10 20 30 40 50 60 -10.000 0 10.000 20.000 30.000 40.000 50.000 60.000 d e z. 0 0 d e z. 0 1 d e z. 0 2 d e z. 0 3 d e z. 0 4 d e z. 0 5 d e z. 0 6 d e z. 0 7 d e z. 0 8 d e z. 0 9 d e z. 1 0 d e z. 1 1 d e z. 1 2

nos últimos 13 anos como foram responsáveis por manter o balanço de pagamentos positivo na maior parte do período.

Por estas razões, outra variável que consideramos é o risco-Brasil, representado aqui pelo CDS de 5 anos do país. Esta variável equivale ao prêmio de risco que detentores de dívida soberana brasileira estão dispostos a pagar para se proteger de um evento de crédito da dívida e por isso é considerado como a percepção de risco de investidores internacionais da economia brasileira, e assim, funciona como um benchmark para os demais ativos do país.

Gráfico 5: Câmbio Real e Prêmio de Risco (CDS 5 anos Brasil). Fontes: Bloomberg, BCB-Depec, FGV-IBRE e BLS, 2013.

A fundamentação teórica para a utilização da variável está na equação de paridade descoberta da taxa de juros. Segundo Garcia e Didier (2001), variações na percepção de risco da economia deverão afetar a taxa de juros demandada por investidores para adquirir títulos públicos e, consequentemente, este movimento deve se refletir na taxa de câmbio. Os autores afirmam que, especialmente a partir do regime de câmbio flutuante, o risco-Brasil passou a afetar muito mais o câmbio - seja via risco cambial, seja via depreciação esperada - e os juros domésticos. A evidência empírica também indica grande correlação desta variável com a taxa de

40 60 80 100 120 140 160 -1000 -500 0 500 1000 1500 2000 2500 3000 3500 4000

jan.00 jul.00 jan.01 jul.01 jan.02 jul.02 jan.03 jul.03 jan.04 jul.04 jan.05 jul.05 jan.06 jul.06 jan.07 jul.07 jan.08 jul.08 jan.09 jul.09 jan.10 jul.10 jan.1

1

jul.1

1

jan.12 jul.12

câmbio brasileira, especialmente em períodos de crise (Gráfico 5). Como o risco-país tem um efeito direto no risco associado aos demais ativos da economia, variações nele tendem também a afetar as decisões de investidores internacionais não só na aquisição de títulos públicos brasileiros, mas também nas demais formas de investimento em carteira e nos investimentos estrangeiros diretos.

Complementando o efeito do risco-Brasil, consideramos uma variável de caráter monetário, o diferencial de juros reais entre Brasil e Estados Unidos, que, segundo Frankel (1979), deve ser fundamental na determinação da taxa de câmbio real entre estes países. Neste caso, consideramos o diferencial entre a taxa Selic corrigida pelo índice de preços no atacado da FGV (IPA-DI) e a taxa de juros dos Fed Funds corrigida pelo índice de preços ao produtor americano (PPI).

Duas outras variáveis incluídas em nosso modelo são uma medida de aversão global ao risco, medida pelo índice de volatilidade implícita nas opções do índice S&P 500 (VIX), que, para nós, representa um choque exógeno de curto prazo no câmbio; e uma medida do efeito Balassa-Samuelson, que diz que variações de produtividade relativa devem se refletir na taxa de câmbio real, onde países que crescem mais rapidamente tendem a ter sua taxa de câmbio mais apreciada. Para capturar esse efeito, utilizaremos o diferencial das produções industriais brasileira e americana como Proxy.3

Nossa variável dependente é a taxa de câmbio real entre o Brasil e Estados Unidos, onde o índice de preços doméstico adotado é o IPA-DI e o americano é o PPI. Utilizamos índices de preço no atacado, tendo em vista que estes são mais representativos da economia como um todo.

3. Metodologia e Resultados

Para construir o modelo, utilizamos dados mensais para o período que se inicia em janeiro de 2000, já sob o regime de câmbio flutuante, e tem fim em dezembro de 2012 (156 observações). Como queremos testar os impactos de variações de preços de commodities sobre a taxa de câmbio brasileira, nossa variável dependente é a taxa de câmbio real do Brasil (reais / dólares, corrigida pelas inflações brasileira e americana), conforme descrito na seção anterior.

Gráfico 6: Índice de Commodities _{e Taxa de Câmbio Real.}

Fonte: MDIC/Secex, BCB-Depec, FGV-IBRE e BLS 2013.

Em uma simples análise de correlação ou gráfica vemos grandes indícios do impacto dos preços de commodities sobre a taxa de câmbio. No Gráfico 6 temos o comportamento do Índice Real de Commodities (eixo da esquerda), construído a partir dos preços das principais commodities exportadas pelo Brasil, e a Taxa de Câmbio Real brasileira (seus valores invertidos no eixo da direita). De acordo com o

0 20 40 60 80 100 120 140 160 20 30 40 50 60 70 80 90 100 110 120

jan.00 jul.00 jan.01 jul.01 jan.02 jul.02 jan.03 jul.03 jan.04 jul.04 jan.05 jul.05 jan.06 jul.06 jan.07 jul.07 jan.08 jul.08 jan.09 jul.09 jan.10 jul.10 jan.1

1

jul.1

1

jan.12 jul.12 Índice Real de Commodities (jan/00 = 100)

gráfico, identificamos uma relação negativa entre as variáveis, de forma que aceleração nos preços das commodities parece levar a uma queda na taxa de câmbio, ou seja, uma apreciação do real. No entanto, como queremos avaliar os determinantes de flutuações na taxa de câmbio no período estudado, precisamos construir um modelo mais sofisticado.

Desta forma, além do índice de preço das principais commodities exportadas pelo país (em dólares de 2000, corrigido pela inflação americana), incluímos também em nosso modelo, como fonte exógena de flutuações na taxa de câmbio, o prêmio de risco pago para proteção sobre a dívida soberana brasileira em caso de default (o CDS de 5 anos do Brasil). Esta variável pode ser vista como uma medida de aversão a risco, específica para a economia brasileira, do investidor global e é amplamente acompanhada por traders de moedas nos mercados financeiros por apresentar forte correlação com movimentos de moedas de países com perfil de risco elevado. Seguindo o argumento de Garcia e Didier (2001) quanto a importância do risco-Brasil na determinação das taxas de juros domésticas, podemos esperar que flutuações nesta variável também irão afetar a taxa de câmbio doméstica, considerando a equação de paridade descoberta da taxa de juros. Somando-se ao efeito do prêmio de risco, e ainda considerando o papel da equação da paridade descoberta da taxa de juros sobre a determinação da taxa de câmbio, consideramos o diferencial de juros reais entre Brasil e Estados Unidos. 4

Rogoff (1996) argumenta que o consumo do governo e o resultado da conta corrente do balanço de pagamentos podem ter efeitos persistentes sobre a taxa de câmbio real. Quanto a primeira variável, consideramos que grande parte do efeito de variações das contas públicas será sentido através da variável risco-Brasil. Como consideramos que grande parte das flutuações na conta corrente no período foi resultado das variações nos preços das commodities, optamos pela parcimônia e, ao invés de incluir mais esta variável no modelo, analisamos este efeito apenas através dos preços das commodities.

Postulamos que a taxa de câmbio de longo prazo pode ser representada pela seguinte equação, onde todas as variáveis estão em log:

Onde:

• TCR = Taxa de Câmbio Real do Brasil.

• ICOM = Índice Real de Commodities.

• CDS = CDS de 5 anos da dívida soberana brasileira, aqui representando o risco-Brasil.

• DJR = Diferencial da taxa de juros real entre Brasil e EUA.

• DPI = Diferencial da produção industrial entre Brasil e EUA.

• VIX = Índice de volatilidade implícita das opções do S&P, medida de aversão global a risco.

3.1. Estacionariedade e Cointegração

Ao contrário do que a intuição econômica indica, testes de estacionariedade

Augmented Dickey-Fuller não rejeitaram a hipótese nula de que a taxa de câmbio real e as demais variáveis do modelo, possuem raiz unitária, mesmo com todas as variáveis medidas em termos reais. Os resultados do teste estão no Apêndice A. Isto quer dizer que não poderemos utilizar as variáveis em nível em nosso modelo e para tratá-las, primeiramente precisamos averiguar se há cointegração entre elas. Segundo Enders (2004):

Após a conclusão de não estacionariedade partimos para o teste de cointegração. Uma das principais vantagens da análise de cointegração é o fato de que variáveis que cointegram compartilham uma tendência estocástica comum, como observam Stock e Watson (1988). Expressando matematicamente a relação de cointegração, temos a seguinte representação vetorial:

Onde: vetor

vetor de tendências estocásticas

vetor Nx1 de componentes estacionários

Se uma tendência pode ser expressa como combinação linear de outras tendências no sistema, então há um vetor b tal que:

Assim temos que:

, dado que

Logo, a combinação linear é estacionária.

Neste trabalho, o método utilizado para averiguar a hipótese de cointegração é o teste de Engle-Granger, porém, antes disso, devemos definir o tamanho do defasamento que usaremos no teste. Segundo Enders (2004) podemos utilizar o teste de defasamento de um modelo VAR tradicional e ao fazê-lo encontramos um defasamento de 2 períodos (Apêndice B).

variáveis e por isso não podemos usar um modelo de correção de erros. Partiremos, então, para um modelo em primeira diferença das variáveis.

3.2. Modelo em Primeira Diferença

A partir da conclusão de não cointegração não podemos dizer que há relação de longo prazo entre as variáveis, o que indica que o movimento na taxa de câmbio real foi causado por choques exógenos de curto prazo. A análise agora é realizada através de um modelo de mínimos quadrados ordinários (MQO) e, como encontramos que todas as variáveis são não estacionárias (ao nível de significância de 5%), utilizaremos as variáveis em primeira diferença, a fim de corrigir os problemas de erros autocorrelacionados e heterocedasticidade

A Tabela 1, abaixo, apresenta os coeficientes estimados pelo modelo de primeira diferença e as estatísticas da regressão.

Tabela 1 - Equação diferencial TCR (modelo MQO em primeira diferença)

Coeficiente Erro Padrão Estatística t

P-valor

const

ld ICOM

ld DJR

ld DPI

ld CDS

Média var. dependente ₋0.004125 D.P. var. dependente 0.051343 Soma resíd. quadrados 0.231145 E.P. da regressão 0.039387 R-quadrado 0.430624 R-quadrado ajustado 0.411517 F (5,149) 22.53796 P-valor (F) 8.61e-17 Log da Verossimilhança 284.4451 Critério de Akaike ₋556.8902 Critério de Schwartz ₋538.6296 Hannah-Quinn ₋549.4732 Rô ₋0.339355 Durbin-Watson 2.667195

Fonte: Elaboração própria, 2013.

O que vemos na tabela 1 é que, de fato, variações nos preços das commodities tendem a afetar a taxa de câmbio real. A variável é significante aos níveis de 1% e 5% e a elasticidade da taxa de câmbio em relação a ela é de -0,1729 de acordo com o modelo. O sinal encontrado para o coeficiente desta variável vai de acordo com o antecipado pela intuição econômica, de forma que uma alta nos preços das commodities levaria a uma queda na taxa de câmbio brasileira.

O risco-Brasil também possui efeito sobre a taxa de câmbio segundo o modelo e se mostrou a variável mais significante nesta regressão. De acordo com o coeficiente encontrado e confirmando o que se esperava, uma queda na percepção de risco da economia brasileira levaria a uma apreciação cambial, representada por uma queda na taxa de câmbio real do Brasil.

O diferencial de juros reais se mostrou significante, apesar do sinal contrário ao que esperávamos. A razão para isto pode vir de uma política de resposta do Banco Central, que em todo o período considerado operou sob o regime de Metas para a Inflação. Como um aumento na taxa de câmbio tenderia se refletir em um aumento da inflação, o Banco Central aumenta a taxa nominal de juros como política de resposta, o que ,por sua vez, aumenta o diferencial de juros reais.

3.3. Teste de Robustez

Para testar a robustez dos resultados rodamos novamente o modelo no período de 2003 a 2012, a fim de averiguar se os resultados não foram influenciados pela crise que o Brasil vivenciou em 2002. Os resultados, apresentados na Tabela 2, se mostraram bastante similares aos originais, tendo o coeficiente do índice de

commodities aumentado e se mostrado mais significante no período. Uma diferença

interessante nos resultados foi a diminuição do coeficiente da variável risco-Brasil, paralela a um aumento do coeficiente e do nível de significância do VIX. Discutiremos melhor estes resultados na próxima subseção.

Tabela 2 - Equação diferencial TCR (modelo MQO em primeira diferença, intervalo de 2003 a 2012)

Coeficiente

Erro

Padrão

Estatística t

P-valor

const

ld ICOM

ld DJR

ld DPI

ld CDS

ld VIX

Média var. dependente ₋0.006987 D.P. var. dependente 0.045115 Soma resíd. quadrados 0.131488 E.P. da regressão 0.033962 R-quadrado 0.457133 R-quadrado ajustado 0.433323 F (5,149) _19.19923 P-valor (F) _8.04e-14 Log da Verossimilhança 238.7071 Critério de Akaike ₋465.4141 Critério de Schwartz _−448.6892 Hannah-Quinn _−458.6220 Rô ₋0.183528 Durbin-Watson 2.354739

3.4. Análise dos Resultados

Indo de encontro às conclusões dos trabalhos mais recentes sobre o tema, em especial Hampshire (2008) e Veríssimo (2012), os resultados deste trabalho mostraram que os movimentos na taxa de câmbio real brasileira foram realmente influenciados pelo boom de commodities da última década. Pela regressão referente ao teste de robustez, vemos, inclusive, que este efeito se intensificou a partir de 2003. Entretanto, mesmo que a apreciação tenha ocorrido em um período de elevação nos preços de matérias primas, este efeito não foi o único determinante dos movimentos da taxa de câmbio no período.

Sabemos que não basta averiguar se o coeficiente desta variável se mostrou alto ou significativo para concluir que as flutuações na variável dependente foram conseqüência dos movimentos na variável explicativa. Se esta permanece constante, por exemplo, mesmo que o coeficiente seja alto, não podemos inferir que foi a causa da variação da variável explicativa. Temos assim que, mesmo que o índice de commodities apresente um coeficiente maior do que o CDS do Brasil, os impactos das variações destas variáveis sobre a taxa de câmbio foram semelhantes. O que o modelo indica é que tanto as commodities quanto o CDS foram responsáveis por uma queda de aproximadamente 12% da taxa de câmbio individualmente (se por um lado uma apresentou maior elasticidade, a outra variou mais).

O prêmio de risco-Brasil foi a variável mais significante no modelo. Acreditamos que esta variável deve ser importante na medida em que o país possui um perfil de risco elevado, porém, quando este risco cai para patamares normais, movimentos da variável não deveriam afetar a taxa de câmbio real, como parece ser o caso de países desenvolvidos.

período, o efeito do risco-país sobre o câmbio parece perder importância em favor do índice de aversão global a risco.

O Índice VIX, que representa um popular indicador de aversão a risco nos mercados financeiros, de acordo com Bekaert, Hoerova e Lo Duca (2010) apresenta fortes co-movimentos com indicadores de política monetária. Como uma maior aversão a risco tende a se refletir em menor fluxo financeiro para países emergentes o índice foi incluído em nosso modelo. Ele foi incorporado no modelo, uma vez considerado que o indicador de aversão global ao risco deve, apesar de ser exógeno à formação da taxa de câmbio brasileira, apresentar grande correlação com os movimentos de curto prazo da taxa de câmbio. De fato, o que os resultados a partir de 2003 nos mostraram foi que variações da aversão ao risco global tem tido crescente papel nas flutuações de curto prazo da taxa de câmbio real brasileira.

4. Conclusão

A literatura de commodity currencies busca explicar variações da taxa de câmbio real de países cujas exportações são concentradas em matérias primas através de variações dos preços internacionais destas mercadorias. Como estes países possuem na comercialização destes produtos uma grande fonte de receita, que se reflete em um grande influxo de recursos, variações nos seus preços tendem a representar um choque exógeno para as taxas de câmbio reais destas economias.

Alguns trabalhos recentes sobre este tema, partindo da constatação de uma maior concentração da pauta exportadora brasileira em produtos primários, buscaram averiguar o efeito de variações do preço de commodities sobre o câmbio real para argumentar a existência de Doença Holandesa na economia brasileira. No entanto, a mera constatação de que os preços de commodities influenciam o câmbio não representa um argumento forte o suficiente para explicar a perda de competitividade de outros setores. Além disso, trabalhos recentes indicam que a abundância de recursos naturais na realidade não prejudica o crescimento econômico como um todo.5

Se por um lado o argumento de que commodities afetam o câmbio não é suficiente para comprovar a existência de Doença Holandesa, vemos no irrisório aumento da concentração da pauta exportadora em produtos primários durante o boom de commodities (de 2002 a 2007, em especial) como um indicador de que a perda de competitividade da indústria não se deveu à apreciação das commodities. Mesmo que haja evidencias desta perda de competitividade, este efeito não pode ser considerado como consequência da apreciação das commodities, primeiramente porque a apreciação do câmbio se deu em parte por melhorias institucionais da economia brasileira, refletidas em uma queda da percepção de risco da economia, e, em segundo lugar, porque a perda de competitividade se dá num cenário de crise global, onde diversos outros fatores internos e externos estão em jogo.

Na análise dos dados do Balanço de Pagamentos brasileiro, antes da construção do modelo econométrico, percebe-se que, apesar da aceleração dos preços das commodities, o saldo em conta corrente permaneceu negativo na maior parte do período considerado. O fato do boom de commodities não ser sido suficiente para reverter, de forma consistente, o sinal dos saldos em conta corrente nos leva a crer que este não foi o principal fator para a apreciação cambial. De fato, olhando para a conta financeira, observa-se que os grandes responsáveis pelo equilíbrio do Balanço de Pagamentos e pelo influxo de capitais estrangeiros na economia brasileira foram os fluxos de investimento estrangeiro direto e de investimento em carteira.

Referências Bibliográficas

ALEXEEY, M; CONRAD, R. The Elusive Curse of Oil. The Review of Economics and Statistics, Vol. 91(3), p.586-598, 2009. 

ASEA, P K.; CORDEN, W. M. The Balassa-Samuelson Model: An Overview. Review of International Economics, p. 244-267, 1994.

BEKAERT, G.; HOEROVA, M.; LO DUCA, M. Risk, Uncertainty and Monetary Policy. NBER Working Parper, Nº 16397, 2010.

BJØRNLAND, H. C. The Economic Effects of North Sea Oil on the Manufacturing Sector. Scottish Journal of Political Economy, Scottish Economic Society, Vol. 45(5), p. 553-585, 1998.

CASHIN, P.; CÉSPEDES, L. F.; SAHAY, R. Commodity Currencies and the Real Exchange Rate. Central Bank of Chile Working Paper, Nº 236, 2003.

CAVALCANTI, T. V. De V; MOHADDES, K.; RAISSI, M. Commodity Price Volatility and the Sources of Growth. IMF Working Papers, 12/12, 2012.

CHEN, Y.; ROGOFF, K. Commodity Currencies, Journal of International Economics, 60(1), p.133-160, 2003.

CORDEN, W. M. Booming sector and Dutch disease economics: Survey and consolidation. Oxford Economic Papers, Nº 36, p. 359–380, 1984.

DORNBUSCH, R. Expectations and Exchange Rate Dynamics. The Journal of Political Economy. Vol. 84(6), p. 1161-1176, 1976.

ENDERS, W. Cointegration and Error-Correction Models. In: Applied Econometric Time Series, Second Edition. USA: Wiley, 2004. P. 319-386.

FRANKEL, J. A.; ROSE, A. K. Determinants of Agricultural and Mineral Commodity Prices. HKS Faculty Research Working Paper Series RWP10-038, John F. Kennedy School of Government, Harvard University , 2010.

GARCIA, M. G. P.; DIDIER,T. G. Taxa de Juros, Risco Cambial e Risco Brasil. In: XXIX Encontro Nacional de Economia (ANPEC), Nº 031, Salvador, 2001. Anais...

Niterói, ANPEC, 2001.

HAMPSHIRE, B. N. O efeito de preços de commodities sobre a taxa de câmbio real para países exportadores de commodities: Uma análise empírica. 2008. Tese (Mestrado em Economia) – Departamento de Economia, Pontifícia

Universidade Católica do Rio de Janeiro, Rio de Janeiro, 2008.

HOFFMANN, M.; MACDONALD, R. Real Exchange Rates and Real Interest Rate Differentials: a Present Value Interpretation.Institute for Empirical Research in Economics - University of Zurich Working Paper, Nº 404,2009.

KRUGMAN, P. The Narrow Moving Band, the Dutch Disease and the competitive consequences of Mrs. Tatcher. Journal of Development Economics, Nº 27, p. 41-55, 1987.

MAGUD, N.; SOSA, S. When and Why Worry About Real Exchange Rate Appreciation? IMF Working Papers, WP/10/271, 2010.

RODRIK, D. The Real Exchange Rate and Economic Growth. Brookings Papers on Economic Activity, 2008.

STOCK, J. H.; WATSON, M. W. Testing for Common Trends. Journal of the American Statistical Association, Vol. 83, Nº 404, p. 1097-1107, 1988.

VERÍSSIMO, M. P.; XAVIER, C. L.; VIEIRA, F. V. Taxa de Câmbio e Preço de Commodities: Uma Investigação sobre a Hipótese de Doença Holandesa no Brasil.

Apêndice A - Teste Aumentado de Dickey-Fuller

Teste de raiz unitária para as variáveis, incluindo 2 defasamentos Dimensão de amostragem: 153

Hipótese nula de raiz unitária: a = 1

Variável P-valor Assintótico

TCR 0.2629

ICOM 0.5605

DJR 0.09981

DPI 0.4547

CDS 0.1545

VIX 0.2031

Apêndice B – Seleção de Defasamento Ótimo VAR

Sistema VAR, máximo grau de desfasamento 6

Os asteriscos abaixo indicam os melhores (isto é, minimizados) valores dos respectivos critérios de informação. AIC = critério de Akaike,

BIC = critério Bayesiano de Schwarz, e HQC = critério de Hannan-Quinn.

Desfasamentos

Log. da

Verossimi-lhança

p(LR) AIC BIC HQC

1 1244.56720 -16.896767 -16.319303 -16.662118

2 1284.63055 0.00000 -17.230980* -16.323537* -16.862246*

3 1294.65451 0.21807 -17.147979 -15.910557 -16.645161

4 1316.07963 0.00029 -17.223328 -15.655927 -16.586425

5 1328.92551 0.05852 -17.179521 -15.282140 -16.408533

6 1337.21202 0.41373 -17.072389 -14.845029 -16.167316

Apêndice C – Teste de Cointegração de Engle-Granger

Regressão de cointegração -

MQO, usando as observações 2000:02-2012:12 (T = 155) Variável dependente: TCR

Coeficiente Erro Padrão Estatística t

P-valor

const

ICOM

DJR

DPI

CDS

VIX

Média var. dependente 4.290700 D.P. var. dependente 0.338713 Soma resíd. quadrados 0.603797 E.P. da regressão 0.063445 R-quadrado 0.966046 R-quadrado ajustado 0.964914 Log da Verossimilhança 211.8867 Critério de Akaike ₋411.7733 Critério de Schwartz ₋393.4742 Hannah-Quinn ₋404.3410 Rô 0.746053 Durbin-Watson 0.504633

Teste para uma raiz unitária em uhat

Teste Aumentado de Dickey-Fuller, para uhat incluindo 2 defasagens de (1-L)uhat

dimensão de amostragem 153 hipótese nula de raiz unitária: a = 1

modelo: (1-L)y = b0 + (a-1)*y(-1) + ... + e coeficiente de 1ª ordem para e: -0.003

diferenças defasadas: F(2, 150) = 5.275 [0.0061] valor estimado de (a - 1): -0.202281

estatística de teste: tau_c(6) = -3.47458 p-valor assintótico 0.4925