UNIJUÍ – UNIVERSIDADE REGIONAL DO NOROESTE DO ESTADO DO RIO GRANDE DO SUL
JACIELE NEGRETTE MOREIRA
O IMPACTO DA BOLSA DE CHICAGO E DO CÂMBIO NA FORMAÇÃO DO PREÇO MÉDIO DA SOJA NO RIO GRANDE DO SUL: UMA ANÁLISE ATRAVÉS
DO MODELO DE REGRESSÃO LINEAR MÚLTIPLA
Ijuí (RS), 2019
JACIELE NEGRETTE MOREIRA
O IMPACTO DA BOLSA DE CHICAGO E DO CÂMBIO NA FORMAÇÃO DO PREÇO MÉDIO DA SOJA NO RIO GRANDE DO SUL: UMA ANÁLISE ATRAVÉS
DO MODELO DE REGRESSÃO LINEAR MÚLTIPLA
Monografia apresentada ao Curso de Graduação em Administração, do Departamento de Ciências Administrativas, Contábeis, Econômicas e da Comunicação (DACEC), da Universidade Regional do Noroeste do Estado do Rio Grande do Sul (UNIJUÍ), requisito parcial para obtenção do título de Bacharel em Administração.
Orientador: Dr. Argemiro Luís Brum
A Banca Examinadora abaixo-assinada aprova a Monografia:
O IMPACTO DA BOLSA DE CHICAGO E DO CÂMBIO NA FORMAÇÃO DO PREÇO MÉDIO DA SOJA NO RIO GRANDE DO SUL: UMA ANÁLISE ATRAVÉS
DO MODELO DE REGRESSÃO LINEAR MÚLTIPLA
elaborada por
JACIELE NEGRETTE MOREIRA
como requisito parcial para obtenção do Grau de Bacharel em Administração.
Ijuí (RS), julho de 2019.
BANCA EXAMINADORA
_______________________________________ Dr. Argemiro Luis Brum
Orientador
_______________________________________ Prof
AGRADECIMENTOS
Ao longo deste estudo diversas pessoas contribuíram, de forma direta ou indireta, na minha construção. Em vista disto agradeço especialmente:
A Deus, que me deu principalmente saúde e forças para superar todos os momentos difíceis a que me deparei ao longo da minha graduação, pois muitas vezes foi Ele quem me deu força e coragem para não desistir e seguir em frente.
“Ao meu pai Francisco Moreira (in memorian), que foi e continua sendo meu anjo de luz, minha amada mãezinha Vitalina Negrete, a minha rocha, minha fortaleza, onde sempre encontro forças para continuar, esse momento é de vocês! ”
Ao meu noivo Iuri Schott, pessoa com quem amo partilhar a vida. Com você tenho me sentido mais viva de verdade. Obrigada pelo carinho, a paciência e por sua capacidade de me trazer paz na correria de cada semestre e no meu dia-a-dia.
À minha família, que durante toda a minha vida, incondicionalmente me apoiou, incentivou e acreditou em mim e nas minhas capacidades, como pessoa e
profissional.
Ao professor Dr. Argemiro Luis Brum e a professora Ms. Marlene Köhler Dal Ri, por suas orientações, estímulo e apoio prestados, que foram de fundamental importância para a realização deste estudo e para o meu enriquecimento pessoal e profissional.
E, a todos os professores e amigos, que me ensinaram e ajudaram, de forma direta ou indireta, nesta longa caminhada em busca da graduação.
Dedico este estudo à pessoa que eu mais amo neste mundo: minha mãe – Vitalina Negrete!
“Teorize distante, analise o próximo.
Não seja precipitado para rodar o programa. Pense no modelo sob todos os ângulos, analise como diferentes variáveis afetam umas às outras.
Se você tiver uma teoria, então teste.
A impaciência é inimiga dos modelos válidos. A contemplação é um trabalho fértil.”
RESUMO
O estudo tem como questão central identificar, além do movimento dos preços da soja no balcão gaúcho entre 1999 e 2018, como se comportaram as duas variáveis centrais que formam tal preço: as cotações em Chicago e o câmbio no Brasil. A partir destas observações, verificar qual destas duas variáveis teve maior influência na formação do preço gaúcho da oleaginosa no período considerado. A primeira variável se refere aos preços da oleaginosa praticados na Bolsa e que são referência no mercado mundial e a segunda trata das variações cambiais que influenciam a formação do preço da soja no mercado interno, visto que as cotações em Chicago são dadas em dólares. Na análise, que possui uma abordagem qualitativa delineada através de uma pesquisa bibliográfica, exploratória e descritiva, onde se utilizou um modelo econométrico de Regressão Linear Múltipla, toma-se como referência o espaço de tempo de duas décadas, com base nos preços médios da soja praticados no Rio Grande do Sul. A partir dos dados coletados, agrupados e interpretados, e com o modelo econométrico escolhido, a conclusão é que o modelo se apresentou adequado, pois permitiu analisar de uma forma aceitável a relação entre as variáveis, onde verificou-se que o preço da soja gaúcha está em função das mesmas, destacando-se dois momentos distintos entre 1999 e 2018. Os resultados também permitem afirmar que as variações na taxa de câmbio nominal geram maiores alterações na variável dependente do que as mudanças de mesma proporção na cotação da CBOT. No período, os preços nominais da soja gaúcha viveram uma elevação praticamente constante, porém, as duas variáveis básicas não atuaram no mesmo sentido.
ABSTRACT
The main question of the study is to identify, in addition to the price movement of soybeans in the state of Rio Grande do Sul between 2007 and 2016, how the two central variables that make up such a price behaved: the prices in Chicago and the exchange rate in Brazil. From these observations, to verify which of these two variables had the greatest influence on the formation of the gaucho price of oilseed during the period considered. The first variable refers to oilseed prices practiced on the Stock Exchange and which are a reference in the world market and the second deals with the exchange rate variations that influence the formation of the price of soy in the domestic market, since the prices in Chicago are given in dollars. In the analysis, which has a qualitative approach delineated through a bibliographical, exploratory and descriptive research, where an econometric model of Multiple Linear Regression, it is taken as a reference the space of time of two decades, based on the average prices of soybeans practiced in Rio Grande do Sul. From the data collected, grouped and interpreted, and the econometric model chosen, the conclusion is that the model was adequate, since it allowed to analyze in an acceptable way the relation between the variables, where it was verified that the price of the soja gaúcha is in function of the same, standing out two distinct moments between 1999 and 2018. The results also allow to affirm that the variations in the nominal exchange rate generate larger alterations in the dependent variable than the changes in the CBOT price. In the period, the nominal prices of the soja gaúcha experienced a practically constant increase, but the two basic variables did not act in the same direction.
Keywords: Soybean, Prices, Chicago Stock Exchange, Foreign Exchange, Rio Grande do Sul.
LISTA DE QUADROS
Quadro 1 - Evolução da área plantada e da quantidade produzida no Brasil e RS entre 1999 a 2017. ... 17 Quadro 2 - Resumo dos resultados da Análise de Regressão Linear Múltipla ... 31
LISTA DE GRÁFICOS
Gráfico 1 - Média anual do preço da soja na CBOT entre 1999 e 2018 (em US$/bushel) ... 25 Gráfico 2 - Média anual do dólar comercial no Brasil entre 1999 e 2018 em R$/US$) ... 27 Gráfico 3 - Média anual do preço nominal da soja no balcão gaúcho (em R$/saco 60 quilos) ... 29 Gráfico 4 - Evolução dos preços da soja em reais (valores nominais) no RS e em dólares em Chicago (em 60 quilos) *. ... 30 Gráfico 5 - Comparativo entre o preço real da soja gaúcha e o preço estimado pelo modelo no
SUMÁRIO
INTRODUÇÃO ... 11
1CONTEXTUALIZAÇÃO DO ESTUDO... 12
1.1 APRESENTAÇÃO DO TEMA ... 12
1.2 FORMAÇÃO E DELIMITAÇÃO DO PROBLEMA ... 13
1.3 OBJETIVOS ... 13
1.3.1 Geral ... 13
1.3.2 Específicos ... 13
1.4 JUSTIFICATIVA... 14
2 FUNDAMENTAÇÃO TEÓRICA ... 15
2.1 Agricultura e Desenvolvimento Econômico ... 15
2.2 Preços Agrícolas ... 15
2.2.1 Bolsa de Mercadorias de Chicago ... 16
2.2.2 Produção Agrícola da Soja no Rio Grande do Sul ... 16
2.2.3 Formação do Preço da Soja no Rio Grande do Sul ... 18
2.3 Taxa de Câmbio Comercial ... 18
2.4 Bolsa de Cereais de Chicago (CBOT)... 19
2.5 Estatística – Análise de Regressão ... 19
3 METODOLOGIA ... 20
3.1 Base de Dados ... 20
3.2 Procedimentos de Coleta de Dados ... 21
3.3 Procedimento de Análise e Interpretação dos Dados ... 22
4 DISCUSSÃO E RESULTADOS ... 24
4.1 Cotação da soja na CBOT ... 24
4.2 Taxa de câmbio comercial nominal ... 26
4.3 Preço da soja no Rio Grande do Sul... 28
4.4 Análise dos Resultados da Estatística Descritiva... 30
CONSIDERAÇÕES FINAIS ... 34
REFERÊNCIAS ... 36
INTRODUÇÃO
A soja chegou ao Brasil por volta de 1882. O responsável pelos primeiros estudos com a cultura no país foi o professor Gustavo Dutra, da Escola de Agronomia da Bahia. Em 1892, o Instituto Agronômico de Campinas (IAC), no Estado de São Paulo, iniciou estudos para obtenção de cultivares aptos à região. Naquela época, porém, o interesse pela cultura não era pelo seu material nobre, o grão, era mais pela planta como uma espécie a ser utilizada como forrageira e na rotação de culturas. Os grãos eram administrados aos animais já que ainda não havia o seu emprego na indústria.
Cerca de uma década após iniciar estudos com a cultura, no início do século XX, o IAC iniciou a distribuição de sementes para produtores do Estado. Relatos indicam que foi nesse período que produtores do Rio Grande do Sul começaram a cultivar a soja. Em virtude da semelhança com o clima do sul dos Estados Unidos, local de origem dos primeiros genótipos da soja brasileira, esta região apresentou as melhores condições para o desenvolvimento da cultura.
A soja é produzida por milhares de produtores rurais, boa parte dela gerada nas pequenas e médias propriedades do sul brasileiro, característica encontrada no Rio Grande do Sul (RS), atualmente (2019) o estado assumiu a segunda posição no ranking de maior produtor brasileiro do grão, superando o Paraná, que sofreu com o clima e teve quebra de safra passando para terceiro maior produtor de soja no Brasil, ficando apenas depois do Mato Grosso (segundo dados da EMATER (2019), a safra de soja de 2018/2019, poderá alcançar mais de 18 milhões de toneladas). Tal produção impacta positivamente na economia gaúcha devido à forte influência que a produção da oleaginosa possui no PIB do Estado. Esta oleaginosa tem sido a principal fonte de renda desses produtores, sendo comercializada em um mercado que sofre constantes oscilações de natureza interna e externa ao país.Acredita-se que os movimentos nos preços decorrem principalmente de dois fatores: alteração das cotações do produto na Bolsa de Chicago, e oscilação do câmbio, a partir do momento em que o Brasil adotou o sistema de câmbio flutuante, no início de 1999. Neste contexto, o presente estudo tem como objetivo analisar a influência da Bolsa de Mercadorias de Chicago e do câmbio na formação do preço médio da soja no RS, adotando-se como espaço de análise o período entre 1999 e 2018. Metodologicamente, se usará o método da regressão linear múltipla para se obter as respostas a este objetivo.
Em face da situação anteriormente descrita formulou-se o seguinte problema: qual ralação entre a Bolsa de Chicago e do Câmbio na formação do preço médio da soja no RS?
Além desta introdução, o presente trabalho apresenta a metodologia utilizada para o desenvolvimento do estudo, a análise dos resultados obtidos, as considerações finais, as referências que embasaram o estudo, e os anexos, os quais ilustram e complementam o estudo.
Finalmente, pode-se afirmar que este trabalho pretende possibilitar conhecimentos, os quais contribuirão aos que desejam ter um referencial a respeito do assunto, bem como um meio para gerar novas informações que dizem respeito ao tema.
12
1 CONTEXTUALIZAÇÃO DO ESTUDO
Esse capítulo contém a apresentação do tema, o problema e questão de estudo, definição dos objetivos (gerais e específicos) e a justificativa do estudo.
1.1 APRESENTAÇÃO DO TEMA
O primeiro registro de cultivo comercial de soja no Brasil foi na data de 1914, no município de Santa Rosa, Rio Grande do Sul. Mas, foi somente a partir dos anos 40 que o seu cultivo adquiriu alguma importância econômica e a soja passa a ser plantada com mais intensidade nas lavouras gaúchas sendo a soja a mais importante de todas as oleaginosas produzidas no Brasil. A expansão da sua cultura verifica-se a partir de 1951, com a primeira “Campanha da Soja”, e desde então tem apresentado crescimento constante em virtude da demanda crescente (GRAZIANO, 1997, p.457). Mas definitivamente, a partir de 1970 a oleaginosa começa a ter importância na economia do Rio Grande do Sul, pois passou a liderar a produção de grãos, com um volume de 976.807 toneladas, ultrapassando a produção de trigo (BRUM, 1985; EMATER, 2013b). A soja é produzida por milhares de produtores rurais, boa parte dela gerada nas pequenas e médias propriedades do sul brasileiro, característica encontrada no Rio Grande do Sul (RS), atualmente (2019) o estado assumiu a segunda posição no ranking de maior produtor brasileiro do grão (EMATER, 2019).
Além da Bolsa de Chicago, a cotação do preço da soja sofre influências de outras três variáveis importantes: a taxa de câmbio, o prêmio no porto e o custo de comercialização somado à margem de ganho das empresas compradoras (MARGARIDO; SOUSA, 1998; MORAES, 2002; MACHADO, 2010). Este estudo, todavia, tratará apenas de duas destas variáveis: a cotação na Bolsa de Chicago e da taxa de câmbio.
Sendo assim o presente trabalho tem como tema a relação da Bolsa de Chicago e do câmbio na formação do preço médio da soja praticado no Estado do Rio Grande do Sul. O estudo então aborda a relação da Bolsa de Chicago e da taxa de câmbio brasileira na formação do preço da soja ao produtor gaúcho, entre janeiro de 1999 e dezembro de 2018.
13
1.2 FORMAÇÃO E DELIMITAÇÃO DO PROBLEMA
Em face da situação anteriormente descrita formulou-se o seguinte problema: qual a relação entre a Bolsa de Cereais de Chicago e do câmbio na formação do preço médio da soja no RS?
1.3 OBJETIVOS 1.3.1 Geral
Estabelecer uma relação linear entre as variáveis câmbio e cotação na Bolsa de Chicago com o intuito de verificar a existência de correlação entre elas, assim como sua influência na formação do preço médio da soja no RS no período de 1999 a 2018.
1.3.2 Específicos
Analisar a evolução do câmbio no Brasil no período estudado visando identificar os momentos de valorização e desvalorização do Real e seu impacto na comercialização da soja gaúcha;
Verificar o comportamento dos preços da oleaginosa no período de 1999 a 2018 na Bolsa de Chicago, da variação cambial e dos preços da soja no Rio Grande do Sul;
Buscar através de correlação linear, saber se existe relação entre as variáveis escolhidas.
14
1.4 JUSTIFICATIVA
A soja é importantíssima no desenvolvimento econômico do Estado do Rio Grande do Sul, sendo um dos principais produtos cultivados no Estado é gerador de renda aos produtores gaúchos, além de colaborar para o fortalecimento de diferentes setores econômicos. O Estado, que já foi o maior produtor brasileiro de soja, atualmente (2019) assumiu a segunda posição no ranking de maior produtor brasileiro do grão, superando o Paraná, que passou para terceira colocação como maior produtor do grão no Brasil, o RS, então fica apenas depois do Mato Grosso (segundo dados da EMATER (2019), a safra de soja de 2018/2019, poderá alcançar mais de 18 milhões de toneladas), injetando bilhões na economia do Estado. Tal produção impacta positivamente na economia gaúcha devido à forte influência que a produção da oleaginosa possui no PIB do Estado.
Sendo assim o estudo se justifica pelo seu grau de relevância, e também pelo meu interesse como acadêmica em ampliar conhecimentos. Essa intenção foi fortalecida em função atuar na coleta de dados há mais de quatro anos, acompanhando assim o movimento diário do mercado, as varrições cambiais e a preço da soja. Adveio, então, uma curiosidade e simpatia pelo tema que até há pouco tempo era desconhecido. Do ponto de vista pessoal, portanto, o estudo interessa, pois se pretende trazer conhecimentos e informações teóricas e práticas e aspira contribuir no sentido de facilitar a compreensão do tema pelo público menos privilegiado e, se com os diagnósticos feitos através das análises é valido.
Considera-se, ainda, que os estudos aperfeiçoaram o aprendizado e os conhecimentos adquiridos pelo autor durante o curso de administração e será fonte de consulta para outros acadêmicos.
15
2 FUNDAMENTAÇÃO TEÓRICA
A mesma está dividida em quatro partes, cada uma contendo um dos temas centrais do presente estudo.
2.1 Agricultura e Desenvolvimento Econômico
Entre 1970 e 1990, o agronegócio do Brasil passou por um grande investimento, com o desenvolvimento da Ciência e Tecnologia, adaptando o domínio de regiões antes consideradas não tão boas para a agropecuária. Com isso surgiu a oferta de um amplo número de produtos. O Brasil passou a chamar a atenção de todos parceiros e competidores mundialmente.
Segundo Brum e Müller (2008), a agricultura sempre teve um papel preponderante no desenvolvimento da humanidade em geral e do Brasil em particular. As principais mudanças ocorreram junto com a revolução verde ao fim da segunda guerra mundial, seguindo com transformações, marcada pela globalização econômica e pela constituição de grandes empresas, agroindústrias e varejistas, que controlam o mercado mundial desde os anos 90.
Essas transformações mais recentes vêm ocorrendo como estímulo ao aumento da produção, a competitividade das agroindústrias e a produção de biocombustíveis (NUNES, 2007). O agronegócio é um dos setores mais importantes da economia nacional, com cerca de um terço do Produto Interno Bruto (PIB) brasileiro. Com o clima e solo altamente férteis e áreas inexploradas, o Brasil é destaque para o agronegócio.
Mundialmente o país é destaque e com o aumento da demografia mundial, a alta demanda por alimentos, consequentemente pode-se previr que o Brasil alcançara a liderança mundial no fornecimento de alimentos e commodities ao agronegócio consolidando a economia.
2.2 Preços Agrícolas
Conforme estudos desenvolvidos por ÁVILA, BRUM e PACHECO (2015) os movimentos nos preços estão ligados especialmente a dois fatores: alteração das cotações do produto na Bolsa de Chicago, e oscilação do câmbio no Brasil, pois as cotações em Chicago são definidas em dólares estadunidenses.
16
2.2.1 Bolsa de Mercadorias de Chicago
A soja é uma commoditie negociada na Bolsa de Chicago. A Bolsa de Chicago é quem oferece um número na equação de formação do preço da soja para a exportação. A cotação da soja na CBOT (Bolsa de Chicago) é somada com o prêmio. O prêmio é uma remuneração extra para a entrega da soja para exportação. O pagamento de prêmios é negociado entre tradings e os compradores internacionais. A base de cálculo é uma porcentagem da cotação de Chicago descontando os custos logísticos, ou seja, para avaliar os chamados "prêmios de exportação" os importadores estimam os preços CIF (Custo, Seguro e Frete) do porto de destino e vão deduzindo preços das diversas etapas do processo de comercialização.
A soja teve os primeiros contratos lançados em 1936, seguidos do farelo de soja nos anos de 1950 (CME GROUP, 2016).
Em 1919, a nova bolsa adotou o nome de Chicago Mercantile Exchange. No dia 9 de julho de 2007 as duas bolsas realizaram uma fusão adotando o nome de CME Group (CME GROUP, 2009).
Desde então, a CME Group tornou-se a maior e mais diversificada bolsa do mundo, oferecendo futuros e opções nos mais variados produtos de benchmark disponíveis, em relação a qualquer outra bolsa do mundo.
2.2.2 Produção Agrícola da Soja no Rio Grande do Sul
De acordo com a Food and Agriculture Organization - FAO, o continente americano é responsável por cerca de 90% de toda soja produzida no mundo - uma das principais commodities negociada nos mercados internacionais.
No ano de 1940 surgem os primeiros dados estatísticos da soja, consolidando a presença da soja na safra agrícola do Rio Grande do Sul. Em 1941, eram 650 hectares de área cultivada e 450 toneladas de grãos produzidos (BONETTI, 1987). A partir de 1950 a soja, mesmo que timidamente, começou a expandir-se como cultura de expressão econômica, com três regiões mantendo a expansão nessa década: Missões, Alto Uruguai e Planalto Médio (CONCEIÇÃO, 1984).
Entre os países, o Brasil é o segundo maior produtor mundial de soja e produz aproximadamente 28% do total produzido no mundo. Entre as unidades da federação, o Rio
17
Grande do Sul é o terceiro maior produtor de soja em grão do Brasil, superado apenas pelos estados de Mato Grosso e Paraná.
Segundo dados da EMATER, tendo por base a relação quantidades produzidas - área plantada, na última década, pode-se afirmar que houve importante ganho de produtividade no RS através do emprego de novas tecnologias de plantio e de manejo do solo, como por exemplo, o melhoramento genético e a transgenia, os métodos de plantio direto e de agricultura de precisão. A produção tem como destino principal o mercado externo e é o item de maior destaque da pauta de exportações gaúchas.
Os principais municípios produtores encontram-se no norte-noroeste do Rio Grande do Sul. Apresentaram produção média superior a 100.000 toneladas/ano 33 municípios e juntos são responsáveis por quase 40% da produção estadual. Destes Tupanciretã, Cachoeira do Sul, Palmeira das Missões, Júlio de Castilhos, Cruz Alta e Santa Bárbara do Sul se destacam por produzirem, em média, mais de 200 mil toneladas anuais.
Brum (2002) explica que a soja foi uma das principais culturas responsáveis pela introdução do conceito de agronegócio no país, pelo volume físico e financeiro e também pela necessidade empresarial de administração da atividade por parte dos produtores, fornecedores de insumos, processadores da matéria-prima e negociantes.
O quadro a seguir apresenta a evolução em área plantada (ha) e a quantidade produzida no Brasil e no Rio Grande do Sul no período de 1999 a 2018.
Quadro 1 - Evolução da área plantada e da quantidade produzida no Brasil e RS entre 1999 a 2017.
Quantidade Quantidade produzida produzida (ha) (t) (ha) (t) 1999 13.069.793 30.987.476 3.054.603 4.467.110 2000 13.693.677 32.820.826 3.030.556 4.783.895 2001 13.988.351 37.907.259 2.976.498 6.951.830 2002 16.376.035 42.107.618 3.307.252 5.610.518 2003 18.527.544 51.919.440 3.591.970 9.579.297 2004 21.601.340 49.549.941 3.984.337 5.541.714 2005 23.426.756 51.182.074 4.179.272 2.444.540 2006 22.082.666 52.464.640 3.868.501 7.559.291 2007 20.571.393 57.857.172 3.890.903 9.929.005 2008 21.252.721 59.833.105 3.804.425 7.679.939 2009 21.761.782 57.345.382 3.823.246 8.025.322 2010 23.339.094 68.756.343 4.021.778 10.480.026 2011 24.032.410 74.815.447 4.075.389 11.717.548 2012 25.090.559 65.848.857 4.269.247 5.945.243 2013 27.948.605 81.724.477 4.727.833 12.756.577 2014 30.308.231 86.760.520 4.990.042 13.041.720 2015 32.206.387 97.464.936 5.263.899 15.700.264 2016 33.339.305 96.394.820 5.474.084 16.189.834 2017 33.980.705 114.599.168 5.541.860 18.744.186 2018 35.149.000 119.310.000 5.710.000 17.084.400
Rio Grande do Sul Área Plantada
Brasil Área Plantada
Ano
Fonte: Elaboração própria com base nos dados do IBGE – Sidra/Pesquisa Agrícola Municipal.
18
De acordo com a Pesquisa Agrícola Municipal do IBGE, apresentado no quadro acima o RS produziu em média, 17,3 milhões de toneladas do grão no triênio 2016-2018. A área plantada no mesmo período passou de 5,4 milhões de hectares para 5,7 milhões de hectares. Tendo por base a relação quantidades produzidas - área plantada, na última década, pode-se afirmar que houve importante ganho de produtividade no RS através do emprego de novas tecnologias de plantio e de manejo do solo, como por exemplo, o melhoramento genético e a transgenia, os métodos de plantio direto e de agricultura de precisão. A produção tem como destino principal o mercado externo e é o item de maior destaque da pauta de exportações gaúchas.
Também podemos comparar o Brasil e RS, verificando a partir dos dados apresentados a acima que de 1999 a 2018 a área plantada no Brasil em (há) teve um aumento de 168% e a quantidade produzida neste período aumentou 285%, já o RS teve sua área plantada (há) aumentada em 86% e a quantidade produzida neste mesmo período foi de 282% aproximadamente.
2.2.3 Formação do Preço da Soja no Rio Grande do Sul
Dentre as Inúmeras variáveis que influenciam na formação do preço da soja no Rio Grande do Sul, as principais são as cotações na Bolsa de Cereais de Chicago (CBOT) e as variações na taxa de câmbio. A seguir são apresentados a fundamentação teórica dessas duas variáveis que definem a forma de influência sobre os preços do produto agrícola gaúcho.
2.3 Taxa de Câmbio Comercial
O câmbio, possui forte influência na composição do preço da soja, visto que a oleaginosa é um produto negociado internacionalmente, com seu preço cotado em dólar (BRUM, 2002).
Durante muitos séculos, as moedas eram trocadas por ouro, ou seja, todo papel moeda tinha sua equivalência no metal precioso. Na década de 30, os Estados Unidos determinaram uma equivalência de US$ 35 para 28,57 gr de ouro e, após a II Guerra, outros países começaram a basear o valor de duas moedas no dólar. Com o passar do tempo, a inflação e a valorização de outras moedas fizeram o dólar perder valor, e os mesmos 28,57 gr de ouro passaram a valer US$ 70. Na década de 70, os Estados Unidos acabaram com o padrão do
19
ouro e o valor da moeda passou a ser determinado pelo mercado, mas a relação de todas as outras moedas com o dólar ainda existe, já que a moeda americana é a mais influente no mundo.
Hoje, a taxa de câmbio ainda é regida pelo mercado e sofre variações diárias, tendo relação direta com fatores como, por exemplo, a política de cada país, sendo assim, a taxa de câmbio é o resultado da conversão da moeda doméstica em moeda estrangeira, é imprescindível ressaltar a definição formal da taxa de câmbio, apresentada por Carvalho e Silva (2007), que explica que a taxa de câmbio é o preço, em moeda nacional, de uma unidade de moeda estrangeira.
2.4 Bolsa de Cereais de Chicago (CBOT)
A criação da Chicago Board of Trade (CBOT) em 1848 marcou o desenvolvimento e o profissionalismo da atividade de negociação de contratos futuros.
As preocupações dos produtores americanos em garantir a venda de seus produtos, bem como dos usuários finais em assegurar a disponibilidade dos mesmos produtos para industrializá-los, resultaram na criação dos contratos futuros. Inicialmente, o principal entrave à efetivação destes contratos foi o risco de crédito. Com o objetivo de trazer mecanismos de proteção ao mercado de grãos do centro-oeste dos Estados Unidos, um grupo de empresários criou a mais antiga e mais importante bolsa de commodities agrícolas do mundo. Inicialmente, a Cbot negociava apenas commodities agrícolas tradicionais como milho, soja e trigo. Aos poucos, novos contratos futuros de commodities agrícolas foram inseridos e, desde 1973, a Bolsa de Chicago passou a negociar contratos baseados em ativos financeiros. Atualmente, o corpo social da bolsa é composto por mais de 3.600 membros que negociam mais de cinquenta diferentes contratos de futuros e opções em pregões viva voz e eletrônico.
De fato, é fácil perceber que a CBOT é uma bolsa de valores que dinamiza grande parte do mercado de commodities dos Estados Unidos e também do mundo. Dessa forma, se atentar para sua importância no mercado financeiro mundial se faz de bastante importância para um investidor que tem interesse em ampliar os seus horizontes no que diz respeito à aplicação de seu capital.·.
2.5 Estatística – Análise de Regressão
Segundo afirmam Sassi et al. (2011, p.4): A regressão linear múltipla é uma técnica multivariada cuja finalidade principal é obter uma relação matemática entre uma das variáveis
20
estudadas (variável dependente ou resposta) e o restante das variáveis que descrevem o sistema (variáveis independentes ou explicativas), e reduzir um grande número de variáveis para poucas dimensões com o mínimo de perda de informação, permitindo a detecção dos principais padrões de similaridade, associação e correlação entre as variáveis.
Sua principal aplicação, após encontrar a relação matemática, é produzir valores para a variável dependente quando se tem as variáveis independentes (cálculo dos valores preditos). Ou seja, ela pode ser usada na predição de resultados, por meio da regra estatística dos mínimos quadrados.
A regressão linear simples apresenta a relação causa e efeito de um problema. A partir da análise de dados, é possível identificar o problema que está impactando. Como esse indicador é linear, a solução do problema identificado representará a correção da adversidade presente no processo, tornando-o mais eficaz e funcional.
A diferença entre a regressão linear simples e a múltipla é que na múltipla são tratadas duas ou mais variáveis explicativas.
Muitas vezes uma única variável preditora não será capaz de explicar tudo a respeito da variável resposta. Por exemplo, a renda de uma determinada pessoa (variável resposta) é influenciada por diversas variáveis, tais como sexo, idade, escolaridade entre outras. Assim, precisamos realizar uma regressão linear múltipla. É importante conhecer a fundo essa técnica, pois se o número de preditores (variáveis independentes) for grande, será necessário utilizar técnicas de subconjuntos visando remover preditores que não estejam associados às respostas, ajustando o modelo de regressão.
3 METODOLOGIA
Segundo Minayo (2004), metodologia é mais do que uma descrição formal dos métodos e técnicas a serem utilizados, ou as opções e a leitura operacional que o pesquisador faz do quadro teórico. A metodologia tem por objetivo classificar o tipo de estudo a ser desenvolvido, relatar a coleta dos dados, e fazer sua análise e interpretação.
3.1 Base de Dados
Metodologicamente, o estudo possui caráter exploratório, descritivo, bibliográfico, documental e de coleta de dados. A pesquisa será determinada como exploratória e descritiva. Por intermédio da exploração, o objetivo é a busca de maior familiaridade do pesquisador
21
com o problema proposto a fim de explicitá-lo ou conhece-lo, isto é, esclarecer algum conhecimento pouco explorado (GIL, 2010). Nesse caso, analisar a influência da Bolsa de mercadoria de Chicago e do câmbio brasileiro na formação do preço médio da soja praticado no RS. Já a pesquisa descritiva tem por preocupação central a descrição das “[...] características de determinada população. Podem ser elaboradas também com a finalidade de identificar possíveis relações entre variáveis” (GIL, 2010, p. 27). Nesse caso, descrever e identificar as relações existentes entre a Bolsa de Chicago, o câmbio e a formação do preço médio da soja praticado no RS. Para isso se adotou uma abordagem qualitativa, tomando-se como referência as cotações praticadas na Bolsa de Cereais de Chicago, o câmbio médio praticado no Brasil conforme o Banco Central e os preços médios de balcão praticados no RS a partir da série histórica existente na CEEMA/DACEC/UNIJUI (em anexo), com base nos valores semanais divulgados pela Emater/RS. Em relação aos meios e procedimentos técnicos o estudo foi classificado como um estudo bibliográfico, pois abrange em grande parte o referencial teórico já tornado público em relação ao tema de estudo, como publicações avulsas, boletins, jornais, revistas, livros, pesquisas, monografias, teses, material cartográfico e meio de comunicação orais. Os dados necessários à pesquisa foram acessados e posteriormente compilados em planilhas eletrônicas e gráficos para as respectivas análises e interpretações. A delimitação, agregação e organização dos dados coletados permitiram organizar um corpo de análise.
3.2 Procedimentos de Coleta de Dados
Os dados utilizados na análise estatística foram coletados em fontes digitais, enquanto o preço médio mensal da saca de 60 kg de soja comercializada no Estado do Rio Grande do Sul foi obtido junto à Emater (2018).
Para compor as cotações de preços da soja no mercado internacional foram utilizadas as informações da Bolsa de Cereais de Chicago (CBOT), obtidas via Central Análises Econômicas e de Estudos de Mercado Agropecuário (CEEMA, 2019), (em anexo). O valor refere-se à média mensal dos preços pagos em dólar por um bushel (27,1 kg) de soja.
Já os números referentes à série histórica da Taxa de Câmbio Nominal no Brasil (R$/US$) foram obtidos junto ao site da Fundação Centro de Estudos do Comércio Exterior (FUNCEX, 2019). Estes dados estão relacionados ao valor da moeda brasileira (R$) em relação à moeda norte-americana (U$S), (em anexo).
22
definição do período de coleta dos dados, cujo regime se mantém atualmente. Assim, o período dos dados pesquisados está delimitado entre janeiro de 1999 a dezembro de 2018.
3.3 Procedimento de Análise e Interpretação dos Dados
A partir do levantamento e organização dos dados coletados para o presente estudo foi utilizada a estatística descritiva para sua análise. O método estatístico é importante para a realização de análises das relações entre as variáveis, utilizando para isto diversas combinações entre os elementos da cotação da soja na Bolsa de Chicago (CBOT) e a Taxa de Câmbio, o que possibilita verificar a influência que ambas possuem sobre os preços da soja gaúcha (EMATER, 2018).
A estatística é um conjunto de técnicas que permite, de forma sistemática, organizar, descrever, analisar e interpretar dados oriundos de estudos ou experimentos, realizados em qualquer área do conhecimento.
Mediante a utilização de testes estatísticos, torna-se possível determinar, em termos numéricos, a probabilidade de acerto de determinada conclusão, bem como a margem de erro de um valor obtido. Portanto, o método estatístico passa a caracterizar-se por razoável grau de precisão, o que o torna bastante aceito por parte dos pesquisadores com preocupações de ordem quantitativa. (GIL, 1995, p. 28).
Para que seja feita a análise dos dados coletados utilizou-se o modelo estatístico econométrico de Regressão Linear Múltipla, este modelo matemático permite conhecer a relação entre as variáveis estudadas. Ele é um método usado para medir a relação que algumas variáveis independentes poderiam manter dentro de um estudo estatístico. Estes estudos podem ser úteis financeiramente ou cientificamente para apoiar e disseminar resultados experimentais matemáticos de uma forma que possa ser entendida pela sociedade em geral. Este instrumento matemático permite conhecer a relação entre as variáveis estudadas, além de sintetizar os inúmeros valores obtidos em uma única função.
Regressão Linear múltipla: Relação casual com mais de duas variáveis. Isto é, quando o comportamento de Y é explicado por mais de uma variável independente X1, X2, ....Xn. É a técnica adequada para se utilizar quando se quer investigar simultaneamente os efeitos, sobre Y, de 2 ou mais variáveis preditoras.
Sendo assim a para construir um modelo geral de regressão múltipla se faz necessário uma variável dependente (Y), e variáveis explanatórias (X1, X2,..., Xn) relacionadas a Y.
23
Para se estimar o valor esperado, usa-se uma equação linear, que determina a relação entre ambas as variáveis. Pode ser apresentada da seguinte forma:
Fórmula básica de Regressão Linear Múltipla.
Os coeficientes
b
2b
2,...,b
n são parâmetros desconhecidos. Cada parâmetro mede oefeito das modificações da variável X correspondente sobre o valor esperado de Y, mantidas constantes todas as outras variáveis. É importante considerar que o parâmetro
b
1 é ointercepto, sendo que a variável à qual está ligado é X1=1. A estimação dos parâmetros ocorre de acordo com o método por Mínimos Quadrados. Este método tem como princípio minimizar a soma dos quadrados das diferenças entre os valores observados de Y e seu valor esperado E[Y] = b1 + b2x2 + b3x3 + ... + bnxn + e. O termo e representa o termo de erro
aleatório. Este foi adicionado para levar em conta uma diferença entre o valor real observável e o valor esperado, e = Y – E(Y). O erro aleatório representa todos os fatores que fazem com que o valor real difira de seu valor esperado. Para avaliar a qualidade do modelo econométrico obtido, isto é, saber se explica com eficiência a realidade, foram observados alguns coeficientes gerados pelo próprio programa. Um deles é o coeficiente de determinação ou explicação, R². Este coeficiente mede a parcela da variação de Y explicada pela variação dos X. Seu valor fica entre 0 e 1 (0<R²<1), e quanto maior for o coeficiente, mais explicativo é o modelo.
O quadrado do coeficiente de correlação de Pearson é chamado de coeficiente de determinação ou simplesmente R². É uma medida da proporção da variabilidade em uma variável que é explicada pela variabilidade da outra. É pouco comum que tenhamos uma correlação perfeita (R²=1) na prática, porque existem muitos fatores que determinam as relações entre variáveis na vida real.
Além deste, outro ponto também a se apreciar do modelo é o teste de significância (teste F), pois através dele pode-se verificar se as variáveis explicativas influenciam a variável dependente Y. Assim sendo para se ter uma resposta é calculado o valor de F a partir das informações coletadas (F calculado) e conferindo com o valor da tabela de distribuição F de Snedecor (F tabelado). Se F calculado for maior que F tabelado, pode-se dizer que há
24
evidências de que a variável dependente (Y) esteja relacionada com cada uma das variáveis independentes (X).
O Teste F permite conhecer se as variáveis X utilizadas são válidas para esclarecer o modelo. Porém não é possível saber individualmente quais delas têm influência expressiva sobre a variável Y e, por isso, utiliza-se o Teste t. Segundo Hill et al. (2003, p. 90), tal estatística tem a finalidade de testar se o efeito de cada uma das variáveis explicativas sobre a dependente é ou não estatisticamente significativo. Isto é, permite escolher as variáveis independentes (explicativas), significativas para o modelo, e com isso eliminar as variáveis que têm pequena ou nenhuma contribuição na variabilidade da variável dependente Y. No teste t, parecido ao realizado no teste F, e feito a comparação entre os valores obtidos de t calculado e de t tabelado, sendo que o valor de t tabelado é descoberto com base dos dados contidos na tabela de distribuição t Student. Se, para cada variável X, o t calculado for maior que o t tabelado, entende-se que a variável é significativa para o modelo.
E importante definir o intervalo de confiança para a aplicação do modelo. O cálculo objetiva quantificar o nível de insegurança envolvido na amostragem. Para a aplicação do modelo considera-se um nível de 95% de confiança. Sendo assim, em 95 de 100 amostras hipotéticas, o resultado está dentro deste intervalo. Enfim, por meio das ferramentas de análise de dados do Programa Microsoft Excel 2016 toda a sistemática e a análise estatística dos dados foram realizadas.
4 DISCUSSÃO E RESULTADOS
O preço da soja no Rio Grande do Sul depende principalmente de duas variáveis: as cotações na Bolsa de Chicago e as variações cambiais no Brasil.
4.1 Cotação da soja na CBOT
Dentre as várias influências sofridas pelos preços da soja no Rio Grande do Sul destacam-se a cotação dos preços na Bolsa de Chicago e a taxa de câmbio. A CBOT é o centro mundial da comercialização de commodities, dentre elas a soja. Segundo SCHULTZ ET AL. (2008), as grandes oscilações nos preços da soja na CBOT são originadas pela demanda mundial do grão. Quando o mercado prevê uma queda acentuada nos estoques
25
mundiais ou há previsão de quebra na safra em algum país, considerado grande produtor e que possa afetar os estoques mundiais, o preço reage positivamente. Da mesma forma, quando o mercado prevê um aumento na oferta e consequente aumento nos estoques, os preços reagem negativamente. Para MARGARIDO e SOUSA (1998), assim como em ÁVILA, BRUM e PACHECO (2015) os preços da soja no Brasil têm uma forte dependência do mercado internacional, principalmente dos preços cotados em Chicago.
O gráfico 1, a seguir, apresenta a evolução do preço da soja na Bolsa de Chicago entre o período de janeiro de 1999 a dezembro de 2018, onde é pode-se observar um constante crescimento e turbulência em diversos momentos.
Gráfico 1 - Média anual do preço da soja na CBOT entre 1999 e 2018 (em US$/bushel)
Fonte: Elaboração própria com dados da CEEMA (2018).
O gráfico 1 mostra que no período analisado houve forte variação nas cotações da oleaginosa em Chicago. No início do período analisado, o bushel era comercializado à US$ 4,76, nos anos seguintes o desempenho dos preços manteve em crescimento lento e constante, com alguns movimentos, chegando no ano de 2006 à US$5,91 (crescimento de 24,16%). Já em 2007, conforme MOREIRA e BRUM (2017) as mesmas passam, na média anual, de US$ 8,63/bushel para US$ 12,31 em 2008. Este aumento de 42% em dois anos se deveu à ação especulativa dos fundos de investimento e pensão, na esteira da grande crise econômico-financeira que eclodiu no mundo em 2007/08. Este capital especulativo, com o forte recuo dos juros internacionais diante da crise, migrou para as bolsas de commodities elevando os preços mundiais destes produtos, dentre os quais a soja. Posteriormente, entre 2009 e 2010 as cotações recuam um pouco, chegando a níveis médios de US$ 10,40/bushel nos dois anos
26
citados, pois a oferta cresceu, estimulada pelos altos preços, enquanto a demanda não consegue acompanhá-la.
Ao mesmo tempo, a reação keynesiana dos governos dos diferentes países, visando reanimar suas economias através de forte injeção de dinheiro público, passou a impressão de que a crise seria rapidamente superada. Ora, isso não ocorreu, enquanto o mundo entrou, a partir de 2011, em um cenário de forte crise fiscal junto aos diferentes Estados que haviam procurado sustentar suas economias com aumento do gasto público.
Paralelamente, tais Estados baixaram seus juros quase a zero, especialmente junto aos países desenvolvidos, fato que retirou ainda mais a atração dos papéis públicos negociados no mercado financeiro. Isso estimulou os fundos a aumentarem suas participações nos mercados de commodities, fato que levou o preço da soja a bater no recorde histórico de US$ 14,63/bushel, em média anual, no ano de 2012. Ou seja, após um recuo médio de 15,5% entre 2008 e 2010, o bushel da soja se valoriza 40,7% entre 2010 e 2012. Considerando-se que tais variações ocorrem sobre valores em dólares, a intensidade das mesmas é significativa, pois a inflação da moeda estadunidense, no período, é muito pequena. Esse último movimento altista ainda foi auxiliado pela frustração parcial da safra de soja na América do Sul.
A partir de 2012, no entanto, a produção mundial cresce significativamente, puxada pelos altos preços internacionais, auxiliada por clima normal nos diferentes países produtores, incluindo o Brasil. Ao mesmo tempo, a crise internacional começa lentamente a diminuir de intensidade e os juros, no mercado financeiro, voltam a subir em algumas regiões do mundo. Esse quadro derruba os preços mundiais das commodities e, em particular, da soja. O bushel da oleaginosa, em Chicago, recua 35,4% entre 2012 e 2015, se mantendo entre US$ 9,45 e US$ 9,31 em 2015 e 2018, como demonstrado no gráfico 1.
4.2 Taxa de câmbio comercial nominal
A taxa de câmbio é definida pela relação do preço da moeda estrangeira com a moeda doméstica. Ela é uma variável econômica de extrema importância por intermediar as transações comerciais de um país. O saldo positivo ou negativo obtido durante cada ano por um país é influenciado pelo preço da moeda estrangeira em relação à moeda nacional. Uma depreciação da taxa de câmbio faz crescer as exportações e uma apreciação da taxa de câmbio estimula as importações, ou seja, a administração da política cambial pode trazer efeitos positivos, mas não descarta que os negativos aconteçam. (CARVALHO; SILVA, 2006).
27
A partir de janeiro de 1999 o Brasil passou a adotar o sistema de câmbio flutuante. Com ele o valor do dólar no país passou a ser definido pela oferta e demanda da moeda, e o Banco Central brasileiro se tornou apenas uma espécie de player nesse mercado, comprando ou vendendo dólares na busca de estabilizar o Real em patamares considerados aceitáveis para a economia nacional.
O gráfico 2, na sequência, apresenta a evolução do câmbio comercial nominal anual entre janeiro de 1999 a dezembro de 2018, em reais/dólar estadunidense.
Gráfico 2 - Média anual do dólar comercial no Brasil entre 1999 e 2018 em R$/US$).
Fonte: Elaboração própria com base nos dados do Banco Central do Brasil.
Pode-se perceber de uma forma mais genérica que o índice teve comportamento volátil. Os picos mais fortes ocorreram em 2002, devido, principalmente, às incertezas decorridas do quadro político interno, e em 2008/2009, incentivado pela crise do sub-prime nos Estados Unidos. De forma geral, a moeda brasileira sofreu desvalorização em relação ao dólar no período analisado, pois em 1999 a taxa de câmbio era de R$ 1,82 e chegou a R$ 3,65 em dezembro de 2018, confirmando um crescimento no valor da moeda nacional de 100% em relação ao dólar americano. É possível notar também atreves do gráfico 2, dois grandes períodos de variação cambial no Brasil entre 2007 e 2016. O primeiro está compreendido entre 2007 e 2011, quando ocorre uma apreciação do real. A mesma é de 23,04%! É o momento em que, graças a um juro interno mais elevado no Brasil do que em boa parte dos países desenvolvidos, ocorre uma entrada de dólares especulativos em proporção relativamente apreciável. Ao mesmo tempo, a política econômica brasileira, no período,
28
estimula um real forte, resultando em recuo no superávit da balança de transações correntes embora, graças aos preços elevados das commodities mundiais, a balança comercial se mantivesse superavitária. A partir de 2012, no entanto, a crise econômica interna brasileira começa a se agravar, potencializada na sequência por uma crise política sem precedentes, fato que consolida o segundo grande período cambial nacional.
Esse processo leva a uma instabilidade crescente no país, especialmente em função da adoção de uma política desenvolvimentista sustentada por gastos públicos ilimitados, adotada pelo governo Dilma Rousseff, a qual provoca uma constante saída de dólares do país, em particular os especulativos, causando uma depreciação constante do real. Tanto é verdade que entre 2011 e 2016, pela média anual, a moeda brasileira se deprecia em 109%. Torna-se importante lembrar que em 2012 o governo federal, visando retomar o consumo interno diante da crise, força uma redução artificial nas taxas de juro e “obriga” o Copom a reduzir o juro básico (Selic) para níveis entre 7% e 8% ao ano.
Já entre 2017 e 2018 o câmbio se manteve com o Real bastante depreciado. Apesar de um recuo durante 2017, diante da expectativa de o governo Temer (após o impeachment da presidente Dilma) finalmente realizar a Reforma da Previdência, o escândalo do novo presidente com a JBS acabou interrompendo o processo e freando a apreciação da moeda nacional. Este fato, seguido da forte instabilidade político-econômica que se seguiu no restante daquele ano e durante todo o ano de 2018 acabou levando o Real a bater novamente, em alguns momentos, nos R$ 4,00 por dólar. Nestes dois anos, colaborou para este movimento três importantes fatores: o baixo crescimento do PIB (1,1% apenas em ambos os anos); a greve dos caminhoneiros em maio/junho de 2018; e as indefinições políticas no contexto da campanha eleitoral para a presidência da República, especialmente entre agosto e fins de outubro de 2018. Com isso, em termos médios, o Real atingiu, em 2018, sua maior depreciação desde 1999.
4.3 Preço da soja no Rio Grande do Sul
Neste contexto de fortes oscilações das cotações em Chicago e do câmbio no Brasil, os preços da soja obviamente sofreram variações significativas. Em termos nominais, conforme o gráfico 3 a seguir, o preço de balcão da soja no Rio Grande do Sul apresenta uma evolução crescente entre 1999 e 2018. No período, a média anual passa de R$ 8,82/saco de 60 quilos ao produtor rural gaúcho em 1999, para R$ 73,49/saco em 2018. Ou seja, o ganho nominal no período foi de 733%. Tal ganho é tão expressivo que superou em muito a inflação oficial do período, medida pelo IPCA. Ora, esse comportamento altamente positivo do preço da soja,
29
que estimulou um aumento considerável em sua área plantada no país em geral e no Rio Grande do Sul em particular, teve como causa a oscilação favorável das cotações da oleaginosa em Chicago e do câmbio no Brasil.
Gráfico 3 - Média anual do preço nominal da soja no balcão gaúcho (em R$/saco 60 quilos)
Fonte: Elaboração própria com base nos dados da Emater/RS.
No gráfico 4 tem-se a evolução do preço nominal da soja em reais e o preço em dólares em Chicago (transformando-se o bushel em saco de 60 quilos). O mesmo auxilia para reforçar as seguintes considerações. Em primeiro lugar, entre 1999 e 2011 as cotações em Chicago foram as principais razões do aumento nominal dos preços da soja em reais. Isto porque no período estas cotações registraram um aumento de 177% ponta-a-ponta, enquanto o Real se depreciou 55% no mesmo período. Em segundo lugar, entre 2011 e 2012 os preços em reais da soja foram estimulados diretamente pelas duas variáveis, as quais trabalharam em favor dos mesmos, embora note-se uma prevalência do câmbio. O Real se desvaloriza 23,8%, Chicago assiste o bushel ganhar 11,1% em seu valor. Enfim, no período entre 2012 a 2018 a relação se inverte. Chicago perde fortemente seu valor, com o bushel se desvalorizando 36,34%, enquanto o Real se deprecia em 73%. Dito de outra maneira, entre 2007 e 2011 foi preferencialmente Chicago que provocou elevação nos preços da soja gaúcha. Entre 2011 e 2012 as duas variáveis foram favoráveis ao aumento no preço desta soja, tendo o câmbio uma participação mais importante. Enfim, no período de 2012 a 2018 foi a forte depreciação do Real que elevou significativamente os preços da oleaginosa no RS, já que houve um recuo expressivo no valor do bushel.
30
Gráfico 4 - Evolução dos preços da soja em reais (valores nominais) no RS e em dólares em Chicago (em 60 quilos) *.
(*) Os preços em dólares se referem ao valor do bushel transformado em saco de 60 quilos. Fonte: Elaboração própria com base nos dados da Emater/RS e da CEEMA (2018).
4.4 Análise dos Resultados da Estatística Descritiva
O modelo estatístico utilizado foi da Regressão Linear Múltipla, visando verificar a confirmação ou não da análise realizada na seção anterior. Ou seja, avaliou-se o efeito que a variável Preço da soja no RS sofre diante das variações da cotação da soja na Bolsa de Chicago e da taxa de câmbio Real/Dólar a partir da aplicação do modelo.
No quadro 2, tem – se os resultados do modelo, os quais permitem observar se são suficientes para representar a realidade. Um dos itens usados é o coeficiente de determinação ou de explicação (R²), que mede a parcela da variação de Y explicada (preço da soja no RS) pela variação dos X (as variáveis Chicago e Câmbio). Ao observar o Quadro 2, a seguir, percebe-se que o item R² apresenta o valor de 0,965, o que significa que 96,5% da variação amostral do preço da soja do Rio Grande do Sul podem ser aplicadas ao efeito da variação da cotação da soja na Bolsa de Chicago e à variação da taxa de câmbio nominal. Este índice aproxima-se muito do valor máximo (0 < R² < 1), o que confirma forte representatividade das variáveis independentes sobre o preço da soja no Estado do Rio Grande do Sul.
31
Quadro 2 - Resumo dos resultados da Análise de Regressão Linear Múltipla
RESUMO DOS RESULTADOS
Estatística de regressão R múltiplo 0,982583373 R-Quadrado 0,965470086 R-quadrado ajustado 0,961407743 Erro padrão 3,724770766 Observações 20 ANOVA gl SQ MQ F F de significação Regressão 2 6594,643837 3297,321919 237,6633691 3,75545E-13 Resíduo 17 235,8565934 13,87391726 Total 19 6830,500431
Coeficientes Erro padrão Stat t valor-P 95% inferiores 95% superiores Inferior 95,0% Superior 95,0%
Interseção -50,92975048 4,489970377 -11,34300367 2,36938E-09 -60,40275993 -41,45674103 -60,40275993 -41,45674103 Cotação Soja Bolsa Chicago 2,177222766 0,121332576 17,94425574 1,74769E-12 1,921233408 2,433212124 1,921233408 2,433212124 Câmbio 20,67903036 1,350743675 15,3093668 2,23845E-11 17,82921032 23,52885041 17,82921032 23,52885041 RESUMO DOS RESULTADOS
Estatística de regressão R múltiplo 0,982583373 R-Quadrado 0,965470086 R-quadrado ajustado 0,961407743 Erro padrão 3,724770766 Observações 20 ANOVA gl SQ MQ F F de significação Regressão 2 6594,643837 3297,321919 237,6633691 3,75545E-13 Resíduo 17 235,8565934 13,87391726 Total 19 6830,500431
Coeficientes Erro padrão Stat t valor-P 95% inferiores 95% superiores Inferior 95,0% Superior 95,0%
Interseção -50,92975048 4,489970377 -11,34300367 2,36938E-09 -60,40275993 -41,45674103 -60,40275993 -41,45674103 Cotação Soja Bolsa Chicago 2,177222766 0,121332576 17,94425574 1,74769E-12 1,921233408 2,433212124 1,921233408 2,433212124 Câmbio 20,67903036 1,350743675 15,3093668 2,23845E-11 17,82921032 23,52885041 17,82921032 23,52885041
Fonte: Dados da pesquisa (2018).
Para notar a significância do modelo aplica-se o teste F, o qual serve para avaliar o efeito conjunto das variáveis explicativas sobre a dependente, ou seja, para verificar se, pelo menos, um dos X explica a variação de Y. Com isso faz-se a comparação com o F calculado, apresentado no Quadro 1, e F tabelado. Este último é definido com base na tabela F de Snedecor a partir dos critérios dos graus de liberdade (GL=17), número de variáveis (k=2) e nível de confiança (95%). Ao avaliar as informações constata-se que: F calculado é igual a 237,6633691 e F tabelado é igual a 3,59. Assim sendo, como F calculado é maior que F tabelado, analisa-se que há evidências estatísticas de que, no mínimo, uma das variáveis explicativas exerce influência expressiva sobre a variável dependente Preço da Soja no RS, com apenas 5% de possibilidade de erro.
Para compreender a respeito de que as variáveis X possuem um nível de influência estatisticamente significativo sobre a variável dependente Y aplica-se o teste t. Neste teste, que é semelhante ao teste F, faz-se a comparação entre os coeficientes de t calculado e t tabelado para cada uma das variáveis independentes, onde t calculado é obtido no Quadro 2 supra (stat t), enquanto t tabelado se baseia na tabela de distribuição t student para um nível de significância de 5% e 17 graus de liberdade. Desta forma, tem-se os seguintes resultados:
Cotação da soja na Bolsa de Chicago Taxa de Câmbio Nominal t calculado = 17,9442 t calculado = 15,3093 t tabelado = 2,110 t tabelado = 2,110
32
Tanto para um como para o outro, o t calculado foi maior que o t tabelado, isto é, há evidências estatísticas de que as variações da cotação da soja na Bolsa de Chicago e da taxa de câmbio provocam alterações no preço da commodity gaúcha. Assim, os resultados apresentados anteriormente mostraram-se satisfatórios, e o modelo testado se revela útil para explicar o preço da soja no Rio Grande do Sul.
Com base nisso identifica-se em seguida, a análise da função Preço da Soja no RS:
A partir da equação anterior verifica-se primeiramente que os dois coeficientes das variáveis independentes (X) são positivos, com isso uma variação, tanto positiva como negativa, em qualquer uma das variáveis irá determinar uma variação de mesmo sentido na variável resposta Y. Para conhecer o tamanho do efeito que cada uma das variáveis X gera sobre o Preço da soja no RS observa-se o valor dos seus respectivos parâmetros. No caso da Taxa de Câmbio Nominal o valor de b é igual a 20,68, o que significa que ao serem mantidas constantes as demais variáveis, as variações de 1 unidade na taxa de câmbio nominal produzem alterações de 20,68 unidades de valor no preço da saca do grão no Estado do RS. Portanto, esta variável exerce, mais efeitos sobre os preços recebidos pelos agricultores gaúchos. Logo, na variável cotação da soja na Bolsa de Chicago o efeito é menor sobre Y. Ele exibe um valor de b igual a 2,18, isto é, mantendo-se constantes as demais variáveis, as variações de 1 unidade na cotação da soja na Bolsa de Chicago provocam alterações, no mesmo sentido, de 2,18 unidades no preço pago ao produtor de soja no RS. Por fim, apresenta-se no gráfico 5, um comparativo entre o preço real da soja gaúcha e o preço estimado pelo modelo no período analisado.
33
Gráfico 5 - Comparativo entre o preço real da soja gaúcha e o preço estimado pelo modelo no período jan./1999 a dez/2018 (R$/ saca de 60Kg).
Fonte: Elaboração própria com dados da CEEMA (2018).
As duas variáveis têm uma forte relação, a partir disso o modelo de Regressão Linear Múltipla mostrou-se muito apropriado para estimar o preço da oleaginosa relação ao real, o que confirma uma análise com qualidade.
34
CONSIDERAÇÕES FINAIS
A questão central do presente trabalho foi a de identificar, além do movimento dos preços da soja no balcão gaúcho entre 1999 e 2018, como se comportaram as duas variáveis centrais que formam tal preço: as cotações em Chicago e o câmbio no Brasil. A partir destas observações, verificou-se qual destas duas variáveis teve maior influência na formação do preço gaúcho da oleaginosa no período considerado. Para tanto, além da análise empírica, utiliza-se o modelo econométrico conhecido como Regressão Linear Múltipla.
A conclusão a que se chega é que os preços gaúchos da soja foram beneficiados, no período estudado, pelas duas variáveis. Assim, a metodologia utilizada, o modelo aplicado – a Regressão Linear Múltipla, teve sucesso nos seus resultados, pois confirmou, de maneira muito satisfatória a relação direta das variáveis independentes (cotação da soja na Bolsa de Chicago e a taxa de câmbio), com a variável dependente (preço da soja no RS), no período de janeiro de 1999 a dezembro de 2018. Estatisticamente, comprovou-se que o preço do grão no Estado do RS, ao longo do tempo, sofre influência das variáveis explicativas contidas no modelo econométrico utilizado.
Constatado isso, nota-se que os preços nominais da soja gaúcha registram uma elevação praticamente constante, porém, as duas variáveis básicas não atuaram no mesmo sentido no período, salvo o breve momento entre 2011 e 2012. Neste contexto, três grandes fases podem ser destacadas. A primeira, entre 2007 e 2011, quando a forte elevação das cotações em Chicago foi a responsável pelos bons preços da soja gaúcha. Neste período, o Real trabalhou contra a formação destes preços na medida em que sofreu forte apreciação. Todavia, este movimento foi largamente compensado pela forte alta das cotações em Chicago. Entre 2011 e 2012 tem-se a segunda fase. Neste período, as duas variáveis caminharam em favor de uma forte valorização da soja, embora o câmbio tenha apresentado maior participação no processo. Enfim, entre 2012 e 2018 tem-se a terceira fase, na qual o câmbio passa a ser o elemento principal na melhoria dos preços médios da soja gaúcha. De fato, no período, em uma comparação ponta-a-ponta, a moeda brasileira se deprecia em 76%, enquanto o bushel de soja em Chicago perde 36,3% de seu valor.
Diante do exposto, conclui-se que as duas variáveis analisadas efetivamente interferem decisivamente na formação do preço da soja no RS, porém, seguidamente as mesmas trabalham em sentido inverso. A hipótese que se pode lançar, a partir desta constatação, é de que a depreciação do Real pode, em muitos momentos, estar relacionada com a valorização
35
do dólar no mercado internacional, fato que leva o preço das commodities, dentre elas a soja, a sofrerem um movimento de compensação em seus preços.
Com relação à taxa de câmbio nominal, observou-se que alterações no seu valor afetam de forma expressiva a variável dependente. Os resultados obtidos permitem afirmar que a valorização da moeda nacional frente ao dólar reduz o valor da soja, podendo comprometer, assim, a rentabilidade dos sojicultores gaúchos.
Enfim, quanto às variações na cotação da soja na Bolsa de Chicago percebe-se que estas também geram efeitos significativos sobre a variável dependente, no entanto, em dimensão menor do que a taxa de câmbio. Isso mostra que variações que geram alterações nos preços externos no mercado mundial da soja podem ter reflexos sobre os preços internos. Essas observações permitem constatar ainda que o Estado do Rio Grande do Sul, apesar de ser um importante produtor de soja, é tomador de preços no mercado mundial dessa commodity. E que desequilíbrios entre a oferta e a demanda mundial de soja, que afetam os preços internacionais, podem resultar em fortes impactos nos preços domésticos.
Neste sentido, fica como sugestão para futuros trabalhos desenvolver estudos que possam confirmar ou não a referida hipótese. Além disso, sugere-se que futuros estudos continuem a atualizar a presente análise visando confirmar, em um período mais longo, se as atuais conclusões podem ser mantidas. Neste ponto, seria importante que tais estudos acrescentem ao modelo outras variáveis que interferem nos preços internos da soja no Brasil em geral e no RS em particular, tais como os prêmios pagos nos portos de embarque da oleaginosa.
36
REFERÊNCIAS
BACEN. Banco Central do Brasil. Taxas de câmbio. Disponível em: <http://www4.bcb.gov.br/pec/taxas/port/ptaxnpesq.asp?id=txcotacao> Acesso em: 10 ago. 2017.
BONETTI, Luiz Pedro. De santa a pecadora: a saga da soja pelos campos do Rio Grande do Sul. Passo Fundo: Instituto Social Padre Berthier, 1987.
BRUM, A. L.; ÁVILA, D. F de; PACHECO, J. R.; A Formação do Preço da Soja no Brasil: A Influência da Bolsa de Chicago e do Câmbio. 1. Ed. Santa Cruz do Sul: Essere Nel Mondo, e-book editora, 2015.
BRUM, A. L. A economia mundial da soja: impactos na cadeia produtiva da oleaginosa no Rio Grande do Sul 1970-2000. Ijuí: Unijuí, 2002.
BRUM, Argemiro Luís; MÜLLER, Patricia Kettenhuber (Orgs.). Aspectos do Agronegócio no Brasil. Ijuí: Ed. Unijuí, 2008. 224 p.
CARVALHO, M. A.; SILVA, C. R. L. Economia internacional. 4. ed. São Paulo: Saraiva, 2007.
CEEMA. Central Internacional de Análises Econômicas e de Estudos de Mercado Agropecuário. Disponível em: http://ceemaunijui.blogspot.com.br. Acesso em: 13 jun. 2017.
CME GROUP. Produtos de commodities: Disponível em: <
http://www.cmegroup.com/trading/agricultural/grain-and-oilseed/soybean.html > Acesso em: 18 set. 2017.
CONAB. Disponível em: http://portaldeinformacoes.conab.gov.br. Acesso em: 05 jun. 2019 EMATER/RS. Disponível em: http://www.emater.tche.br/site. Acesso em: 10 jun. 2017 FUNCEX. Fundação Centro de Estudos do Comércio Exterior. Disponível em: http://www.funcexdata.com.br. Acesso em: 05 jun. 2017.
GIL, A. C. Métodos e técnicas de pesquisa social. 6. ed. São Paulo: Atlas, 1995. HILL, R. Carter; GRIFFITHS, William E.; JUDGE, George G. Econometria. 2. ed. São Paulo: Saraiva, 2003.
MARGARIDO, M. A.; SOUSA, E. L. de. Formação de preços da soja no Brasil. 36° Congresso Brasileiro de Economia e Sociologia Rural. Anais... São Paulo, 1998, p. 773-784. MOREIRA, J. N.; BRUM, A. L. Relação entre a Bolsa de Chicago, o Câmbio e a Formação do Preço Médio da Soja Praticado no RS no Período de 2006 a 2016. 2017.
37
NUNES, Sidemar Presotto. O desenvolvimento da agricultura brasileira e mundial e a idéia de desenvolvimento rural. Boletim Eletrônico. Departamento de Estudos Sócio-Econômicos Rurais. Mar. 2007. Disponível em: . Acesso em: 12 out. 2016.
SASSI, Cecília P.; PEREZ, Felipe G.; MYAZATO, Leticia; YE, Xiao; FERREIRA-SILVA, Paulo H.; LOUZADA, Francisco. Modelos de regressão linear múltipla utilizando os softwares R Estatística: uma aplicação a dados de conservação de frutas. São Paulo: Universidade de São Paulo, 2011.
SCHULTZ, M. L.; BRANDT, E.; BRANDT, E.A. Estudo dos fatores determinantes para a variação do custo dos insumos e do preço da soja no Estado do Rio Grande do Sul após o Plano Real. Custos e @gronegócio on line. São Paulo, v. 4, n. 1, jan/abr, 2008.
SOUZA, S. S. S. et al. Mudanças cambiais e o efeito dos fatores de crescimento de exportações brasileiras de soja. Revista de Economia e Agronegócio. Rio de Janeiro: Ed. da UFFRJ, v. 5, n. 1, 2007.
38
39
Anexo A – Dados do preço real da soja gaúcha e o preço estimado no período jan./1999 a dez/2018 (R$/ saca de 60Kg). 1999
