Transmissão de preços no mercado brasileiro de milho: relações entre regiões domésticas e com o mercado externo jan/2009 a jun/2015

(1)

Transmissão de preços no mercado brasileiro de

milho: relações entre regiões domésticas e com

o mercado externo – jan/2009 a jun/2015

André Luis Ramos Sanches

Mestre em Ciências (Economia Aplicada), ESALQ/USP

Lucilio Rogerio Aparecido Alves1, Geraldo Sant’Ana de Camargo Barros1

(2)

Resumo

Este trabalho objetiva analisar a composição e transmissão de preços no mercado brasileiro de milho, com foco na região base de liquidação financeira (Campinas/SP) dos contratos futuros negociados na BM&FBOVESPA, utilizando informações de preços diários entre jan/09 e jun/15. Visando identificar possíveis mudanças nas relações entre os mercados, as análises foram divididas em dois períodos: de janeiro de 2009 a dezembro de 2011, e de janeiro de 2012 a junho de 2015. Foram considerados preços no mercado físico das regiões de Campinas/SP, Cascavel/PR, Paranaguá/PR, Ponta Grossa/PR, Dourados/MS, Triângulo Mineiro, Rio Verde/GO, norte de Mato Grosso (formado pelas regiões de Sorriso/MT e de Lucas do Rio Verde/MT, conjuntamente) e valores de ajustes dos primeiros vencimentos dos contratos negociados na BM&FBOVESPA e da CBOT/CME Group. A metodologia utilizada foi a de causalidade de Granger. As conclusões indicam que, nos últimos anos, os preços de Campinas passaram a impactar de forma mais intensa e rápida as variações em outras regiões, assim como absorver mais rapidamente as variações de preços em regiões produtoras e exportadoras.

1. Introdução

A produção de milho no Brasil passou por um profundo processo de reestruturação ao longo da última década, em termos de aumento da oferta e exportações crescentes. Atualmente, a produção brasileira é estimada em 84,7 milhões de toneladas na safra 2014/15, segundo a Companhia Nacional de Abastecimento – Conab (2016), figurando como terceiro maior produtor mundial desde a safra 2011/12.

A expansão da produção brasileira de milho dos últimos anos ocorreu, principalmente, para atender a demanda internacional do cereal, que se deslocou para o Brasil após o menor excedente interno gerado pelos Estados Unidos da América e Argentina, especialmente após as safras 2012/13. Analisando dez anos-safras, entre as safras 2005/06 e 2014/15, enquanto o consumo interno aumentou apenas 40%, a produção nacional de milho aumentou 99%. Com maior excedente interno, as exportações passaram a ser crescentes no período. Pode-se dizer, inclusive, que as exportações são consideradas o grande balizador de preços domésticos. Segundo a Conab (2016), enquanto 10% dos 42,5 milhões de toneladas produzidas na safra 2005/06 foi destinado às exportações, na safra 2014/15 foram destinados 36% das 84,7 milhões de toneladas produzidas.

(3)

A mudança na composição da produção interna, com a segunda safra sendo mais representativa que a safra de verão, e o crescente excedente interno, que exigem exportações mais expressivas, são fatores que levam à necessidade de um maior entendimento da dinâmica da formação de preços no Brasil. Nesta perspectiva, entender a influência que as regiões produtoras do milho segunda safra e dos portos de exportação exercem sobre o mercado interno é fundamental para o melhor entendimento da formação de preços no mercado brasileiro de milho.

Como já citado por Alves et al. (2011), o mercado de milho é predominantemente volátil, marcado por grandes oscilações de preços, que na gestão do negócio ora penalizam os produtores, ora os consumidores. Isto porque volatilidade de preços significa risco para os negócios. Dessa forma, a sofisticação crescente do negócio do milho exige soluções inovadoras para o gerenciamento do risco de preços do produto, mas que nem sempre é aproveitado e/ou entendido pelos agentes de mercado.

Além da reestruturação da produção nacional e exportações crescentes, em anos recentes houve um avanço relevante na comercialização do cereal no Brasil, em termos preços futuros. O número de contratos futuro de liquidação financeira negociados na BM&FBOVESPA aumentou expressivamente nos últimos anos e passou a ser um dos mais representativos em commodities agrícolas quanto a volumes de negociações na Bolsa Brasileira. Assim, como a região base do contrato futuro é a de Campinas/SP, se faz necessário entender se esta região passou a impactar mais intensamente os preços de outras regiões importantes produtoras e consumidoras, assim como ser impactado (causalidade).

Nesta perspectiva, este trabalho objetiva analisar a transmissão de preços no mercado de milho, tomando como referência informações de preços das regiões de Campinas/SP, Cascavel/PR, Paranaguá/PR, Ponta Grossa/PR, Dourados/MS, Triângulo Mineiro, Rio Verde/GO, norte de Mato Grosso (formado pelas regiões de Sorriso/MT e de Lucas do Rio Verde/MT, conjuntamente) e valores de ajustes dos primeiros vencimentos dos contratos negociados na BM&FBOVESPA e da CBOT/CME Group. O período de análise envolverá janeiro de 2009 a junho de 2015. Porém, avalia-se o processo de formação de preços entre as regiões em dois períodos distintos: a) de janeiro de 2009 a dezembro de 2011, período em que os contratos de milho com liquidação financeira negociados na BM&FBOVESPA são considerados com baixa liquidez; e, b) de janeiro de 2009 a junho de 2015, quando as exportações brasileiras de milho e o número de contratos de milho negociados apresentaram aumento expressivo.

Além desta introdução, o trabalho está dividido em quatro seções. Na segunda, são apresentados aspectos teóricos relacionados com integração de mercados e transmissão de preços; na terceira, a metodologia utilizada; na quarta, os resultados obtidos; e na quinta, as principais considerações finais.

2. Revisão de literatura

(4)

Com o objetivo de analisar a influência do preço internacional sobre o preço recebido pelo produtor nacional de milho, Santos et al. (2007) analisaram a relação entre os preços da Bolsa de Chicago/EUA sobre o preço médio mensal recebido pelos produtores, no período de janeiro de 1996 a julho de 2006. Os resultados do trabalho indicaram que houve uma relação unidirecional entre o preço externo e o preço para o produtor, isto é, o preço externo impactou (no sentido de Granger) os preços internos. Verificaram que as séries eram cointegradas e, portanto, possuem relação de longo prazo, e por meio do mecanismo de correção de erros, os autores constataram que as mudanças de curto prazo nos preços externos se refletiram lentamente nos preços para o produtor.

Com uma abordagem macroeconômica, Caldarelli e Bacchi (2012) avaliaram quais os fatores que afetaram as quantidades e os preços do milho, a partir de dados anuais referentes ao período de 1967 a 2008, através da metodologia de Vetores Auto Regressivos com Correção de Erro (VEC). Os autores apontaram que os preços externos do milho mostraram relativa importância no processo de formação do preço doméstico do grão, mas que o preço do cereal era determinado, sobretudo, pelas condições do mercado interno, em especial, pelas variáveis macroeconômicas de renda e taxa de juros.

Apesar de analisar a relação dos preços domésticos com os preços do mercado internacional, os trabalhos de Santos et al. (2007) e Caldarelli e Bacchi (2012) não consideram as diferenças regionais do comportamento dos preços do milho. O Brasil apresenta diferenças regionais expressivas em termos de oferta e demanda por milho e, consequentemente, diferenças também no comportamento dos preços. Nesse contexto, outros trabalhos avaliaram a relação dos preços do milho entre as regiões do País.

Chiodi (2006) testou-se a hipótese de perfeita integração, a fim de verificar se a lei de Preço Único1_{seria validada nos principais estados brasileiros em termos de} produção, consumo e comercialização do grão (Bahia, Goiás, Minas Gerais, Mato Grosso do Sul, Mato Grosso, Paraná, Rio Grande do Sul, Santa Catarina e São Paulo). Os resultados indicaram que os preços em São Paulo e Minas Gerais estavam integrados com quase todos os demais. Os preços da região Centro-Oeste mostraram-se integrados com os preços do Paraná, Minas Gerais e São Paulo. Com relação à região Sul, apesar da viabilidade de comércio entre o Paraná, Santa Catarina e Rio Grande do Sul, não se verificou a validade da lei de Preço Único.

Ainda considerando a relação entre os preços regionais, em termos estaduais, Sousa et al. (2010) analisaram a relação entre os preços do milho nos estados do Paraná, do Rio Grande do Sul e de Santa Catarina, com o objetivo de testar a hipótese de Lei do Preço Único, no período de outubro de 2002 a março de 2009. Os resultados mostraram que a Lei do Preço Único prevaleceu no período analisado nos mercados do Rio Grande de Sul e Paraná, e entre Rio Grande do Sul e Santa Catarina, porém quando foram impostas restrições ao coeficiente de relacionamento de longo prazo tais mercados não foram considerados perfeitamente integrados. Com isso, a Lei do preço Único não foi completamente verificada no mercado de milho na região Sul do País, no período considerado.

1_{A Lei de Preço Único define que em condições de livre mobilidade de fatores a arbitragem levaria os}

(5)

Com o crescimento do mercado brasileiro de milho nos últimos anos, em termos de produção e exportação, o número de contratos futuro de liquidação financeira negociados na Bolsa BM&FBOVESPA também aumentou expressivamente. Nesse contexto, Tonin, Braga e Coelho (2009), Alves, et al. (2011), Sanches, et al. (2015) e Vilela Junior, et al. (2015), analisaram relações entre cotações de contratos futuros negociados na BM&FBOVESPA e preços no mercado físico, em determinadas regiões.

Sanches, et al. (2015) analisaram as relações de causalidade e de transmissão de preços do milho na região de Chapecó/SC com os preços na região de Campinas/SP, Sorriso/MT, Cascavel/PR, norte do Rio Grande do Sul, no porto de Paranaguá/PR, e cotações dos contratos futuros negociados nas bolsas BM&FBOVESPA e CME/CBOT, no período de janeiro de 2009 a junho de 2014. Através da modelagem de séries temporais com Modelos de Auto Regressão Vetorial e Causalidade de Granger, os autores buscaram melhor entender as alterações no dinamismo da transmissão de preços entre regiões produtoras e consumidoras para com a região de Chapecó/SC, também importante consumidora de milho. Os resultados indicaram que no período mais recente variações de preços em Chapecó passaram a influenciar com maior ênfase os demais mercados, assim como respondeu mais rapidamente à choques de outras regiões (aumento da bicausalidade entre os mercados). Além disso, as elasticidades impulsos respostas indicaram um impacto maior no período recente.

A relação entre os preços futuros de milho negociados no BM&FBOVESPA e os preços do mercado físico da região de Maringá/PR foi analisada por Tonin, Braga e Coelho (2009). Os autores analisaram a efetividade e a razão ótima de hedge para produtores da região de Maringá, calcularam o grau de proteção oferecido e o percentual da produção que deve ser vinculado aos contratos futuros de milho da BM&FBOVESPA, para o período novembro de 1996 a novembro de 2007. Os resultados indicaram relação bicausal e existência de uma relação de longo prazo entre séries analisadas. Confirmou-se também que a efetividade de hedge era baixa nesta região (30%), embora o hedge seja um mecanismo viável para garantir aos integrantes da cadeia do milho menores riscos e perdas.

Na mesma linha de pesquisa, Vilela Junior, et al. (2015) analisaram se as operações de hedge do milho no mercado futuro da BM&FBOVESPA eram efetivos quanto à mitigação do risco dos preços no mercado físico para as regiões de Ijuí/RS, Passo Fundo /RS, Rio Verde/GO, Chapecó/SC, Ponta Grossa/PR, Norte do Paraná, Cascavel/PR e Paranaguá/PR. Através da modelo de variância mínima, concluiu-se que eram atingidas efetividades significativas em mitigação do risco de preços para as regiões citadas, com exceção da região do porto de Paranaguá/PR, cujo indicador de efetividade ficou abaixo do nível mínimo exigido para o teste de hipóteses.

(6)

Os resultados de Alves, et al. (2011) indicaram que os preços internos apresentaram a mesma tendência de longo prazo dos preços externo (Bolsa de Chicago e dos valores FOB da Argentina), de acordo com os testes de cointegração. Os resultados indicaram que os preços externos causavam os preços domésticos, assim como as cotações dos contratos da BM&FBOVESPA causavam (no sentido Granger) todas as regiões de referência no Brasil.

Mattos e Silveira (2015) analisaram o impacto do crescimento da produção brasileira de milho segunda safra na sazonalidade dos preços no mercado físico, nos padrões de base, bem como a integração ao mercado internacional. Para atender os objetivos, os autores utilizaram métodos econométricos de séries temporais e análise da média móvel. Os resultados indicaram que a expansão da cultura do milho segunda safra no Brasil mudou a sazonalidade de preços e os níveis de base, além de aumentar o nível de integração com o mercado internacional.

3. Referencial metodológico

Neste trabalho, as interrelações e transmissão de preços serão analisadas através de testes de causalidade de Granger. Nas análises, serão considerados os tratamentos estatísticos de séries de tempo, conforme Fuller (1976), Dickey-Fuller (1979, 1981), Engle e Granger (1987), Johansen (1988), Johansen e Juselius (1990) e Granger (1969).

3.1 Teste do sentido da causalidade e elasticidade de transmissão de preços

Os testes de causalidade realizados neste trabalho foram implementados utilizando a metodologia de Granger (1969), a qual foi adotada com a finalidade de analisar se os movimentos do preço de um mercado/região precedem os movimentos do preço de outro mercado/região. As seguintes equações compõem o teste de causalidade entre preços de dois mercados, podendo ser estimadas por Mínimos Quadrados Ordinários (Gujarati, 1995):

𝑌_𝑡= 𝛾 + ∑𝑛_𝑖=0𝛼_𝑖𝑋_𝑡−1+∑𝑚_𝑗=0𝛽_𝑗𝑌_𝑡−1+𝜇_1𝑡 (1) 𝑋_𝑡= 𝜃 + ∑𝑝_𝑖=0𝜌_𝑖𝑌_𝑡−1+∑𝑞_𝑗=0𝜔_𝑗𝑋_𝑡−1+𝜇_2𝑡 (2)

nas quais: 𝑌𝑡 e 𝑋𝑡 são os preços de interesse; 𝛾, 𝛼𝑖, 𝛽𝑗, 𝜃, 𝜌𝑖 e 𝜔𝑗 são os parâmetros a serem estimados; i e j são os números de defasagens dos preços nos mercados X e Y; e 𝜇_𝑖𝑡 são os erros aleatórios não-correlacionados.

(7)

equações é estatisticamente significativo e o da outra não. Nesse último caso, o sentido de causalidade é da variável explicativa para a dependente, considerando a equação em que o teste F apresentou-se significativo.

Os valores de m e q são determinados de forma que os erros possam ser considerados ruídos brancos – independente e identicamente distribuídos, com média zero e variância constante. O número de defasagens da variável dependente é determinado com base nos resultados dos testes de Akaike e Schwarz, os quais serão descritos posteriormente. Esses testes podem ser utilizados para proporcionar orientação sobre a duração do efeito de perturbações sofridas pelas próprias séries em tempo passado. Para a variável explicativa, o número de defasagens a ser considerado no modelo foi determinado partindo de um modelo geral (no qual consta um número grande de defasagens), para um modelo particular, ou seja, ajustam-se modelos de forma recursiva, excluindo as defasagens cujos coeficientes se apresentam não significativos até o momento que o coeficiente da última defasagem seja significativo estatisticamente. Nos modelos utilizados para os testes de causalidade pode-se incluir uma variável representando a tendência, se necessário, para um melhor ajustamento.

As elasticidades de transmissão de preço são obtidas através dos coeficientes das variáveis explicativas, sendo os próprios coeficientes se os dados forem transformados em logaritmos para o ajustamento das equações.

Se as variáveis forem não estacionárias em relação à média, ou seja, não apresentarem média constante, os modelos deverão ser ajustados com as séries nas diferenças, e se as séries forem cointegradas, os modelos deverão incluir um termo de correção de erro2._{A metodologia de Fuller (1976) e Dickey e Fuller (1979 e 1981) será} utilizada para testar a estacionariedade das séries e a de Engle & Granger (1987) para testar cointegração entre as variáveis.

3.2 Testes de raiz unitária

Diversos estudos tratam de estabelecer procedimentos para determinar a ordem de integração de uma variável (número de raízes unitárias). Neste trabalho foram considerados os procedimentos de Fuller (1976), complementados pelos de Dickey & Fuller (1979) e Dickey & Fuller (1981).

3.3 Testes de cointegração e mecanismo de correção de erro

De forma intuitiva, o conceito de cointegração significa que variáveis não-estacionárias podem ter caminho temporal ligados de forma que no longo prazo apresentem relação de equilíbrio. Os testes empregados neste trabalho foram os descritos em Engle & Granger (1987), em que podem ser encontrados os valores críticos dos testes de raiz unitária para os resíduos da equação de cointegração, as quais são tratadas em equação denominada de Dickey-Fuller Aumentado (ADF).

Observada a relação de cointegração entre as variáveis, o próximo passo consiste na estimação do Modelo de Correção de Erro. Segundo Bittencourt (1995), ao se

(8)

diferenciar os dados para se obter séries estacionárias, perdem-se as informações de longo prazo, caso existam, conduzindo a estimativas viesadas dos parâmetros, assim como a testes inválidos estatisticamente. Nesse contexto, há necessidade de incluir um componente que recupera esse desvio da trajetória de longo prazo das variáveis, chamado de Mecanismo de Correção de Erro (Bacchi, 1994). Este mecanismo consiste na inclusão do resíduo da equação de cointegração (defasado de um período) na estimação do modelo econométrico especificado nas diferenças, originando o Modelo com Correção de Erro.

3.4 Base de dados

Para atender aos objetivos propostos neste trabalho, foram utilizados dados disponibilizados pelo Centro de Estudos Avançados em Economia Aplicada – CEPEA/ESALQ/USP (2016), pela Bolsa BM&FBOVESPA (2015) e Bolsa CBOT/CME Group (2015).

Os dados utilizados, de periodicidade diária, envolveram o período de janeiro de 2009 a junho de 2015, para os preços no mercado físico das regiões de Campinas/SP, Cascavel/PR, Paranaguá/PR, Ponta Grossa/PR, Dourados/MS, Triângulo Mineiro, Rio Verde/GO, norte de Mato Grosso (formado pelas regiões de Sorriso/MT e de Lucas do Rio Verde/MT, conjuntamente) e valores de ajustes dos primeiros vencimentos dos contratos negociados na BM&FBOVESPA e da CBOT/CME Group. Os preços externos foram convertidos em Reais, pela taxa de câmbio comercial de venda das 16h30 (CEPEA/ESALQ/USP).

Os preços mensais foram corrigidos pelo IGP-DI, tendo como referência o mês de junho de 2015. Cabe destacar que os dados de preços foram transformados em logaritmos neperianos para expressar os resultados em termos de elasticidade.

4. Resultados e discussão

Nesta seção, inicialmente serão apresentadas as evoluções e as estatísticas descritivas de cada uma das séries temporais utilizadas neste trabalho. Em seguida, serão apresentadas as análises de raiz unitária e cointegração entre as séries, para então se discutir os resultados obtidos quanto à causalidade e elasticidade de transmissão de preços.

4.1 Evolução e estatísticas descritivas das séries de dados

(9)

Tabela 1 – Estatística descritiva das séries de preços reais de milho no mercado físico e preços futuros, no período de janeiro de 2009 a junho de 2015

Estatísticas CAMP CASC DOU MT PN PG RV TM CME BVMF

Média 31.73 27.14 23.72 17.13 30.54 28.23 24.84 27.56 29.59 31.62 Máximo 41.48 36.73 33.53 26.96 41.71 37.75 35.95 41.81 46.65 42.35 Mínimo 23.22 19.84 16.34 9.81 23.49 21.05 17.30 19.90 18.91 23.01 Desvio padrão 4.84 4.37 4.29 4.46 4.53 3.96 4.21 4.49 6.52 4.51 Coef. de variação 0.15 0.16 0.18 0.26 0.15 0.14 0.17 0.16 0.22 0.14 Assimetria 0.30 0.35 0.29 0.21 0.38 0.35 0.21 0.43 0.44 0.28 Curtose -1.17 -1.09 -1.06 -1.10 -0.81 -0.93 -0.99 -0.68 -0.60 -1.08 Observações 1673 1673 1673 1673 1673 1673 1673 1673 1673 1673

Nota: CAMP = Campinas/SP; CASC = Cascavel/PR; DOU = Dourados/MS; MT = região norte do Mato Grosso; PN = porto de Paranaguá/PR; PG = Ponta Grossa/PR; RV = Rio Verde/GO; TM = Triângulo Mineiro; CME = CBOT/CME Group; BVMF = BM&FBOVESPA.

Fonte: resultados da pesquisa.

A evolução dos preços nas diferentes regiões é apresentada na Figura 1. Tomando como base os preços entre 01/01/2009 e 30/06/2015, observa-se que, no geral, os menores preços são observados na região norte do Mato Grosso, seguido por Dourados e Rio Verde. Por outro lado, preços no mercado físico em Campinas, preços futuros negociados na BM&FBovespa e CBOT/CME apresentaram os maiores patamares no período analisado.

De forma preliminar, verifica-se na Figura 1 que, em anos recentes, os preços no físico nas regiões de Campinas e de Paranaguá estiveram em linha com as cotações da BM&FBovespa, enquanto os preços na região de Ponta Grossa estiveram em linha com os preços em Cascavel. A diferença expressiva entre os preços regionais chama a atenção no mercado brasileiro do milho, principalmente entre regiões produtoras e consumidoras, as quais são influenciadas especialmente pelos elevados custos da logística na comercialização do cereal. Porém, momentos de maior ou menor excedente em cada região também influencia nas diferenças de preços.

(10)

Figura 1 – Preços diários reais de milho, de janeiro de 2009 a junho de 2015.

Nota: os preços nominais diários foram corrigidos pelo IGP-DI, tendo como referência o mês de junho de 2015.

Fonte: Elaborado pelos autores a partir de dados do Cepea (2015).

4.2 Análise de estacionariedade e cointegração das (entre as ) séries de preços

Para a análise da estacionariedade das séries de preços utilizadas no trabalho é implementado o teste Dickey-Fuller Aumentado (ADF), adotou-se o procedimento proposto por Enders (1995). Os resultados do teste de ADF indicaram que todas as séries de preços diários são integradas de ordem um [I(1)] no modelo sem termos deterministas, ou seja, são não estacionárias em nível e estacionárias em primeira diferença.

Em seguida, o foi feito o teste de cointegração de Engle & Granger (1987) para analisar as relações de longo prazo entre as séries utilizando na especificação do modelo as séries de preços nas diferenças de primeira ordem, por serem definidas como I(1).

Em todos os modelos analisados, implementou-se o teste de cointegração proposto por Engle & Granger (1987), com o número de defasagens sendo determinado de acordo com os critérios de Akaike e Schwarz, quando necessário, com acréscimo de defasagens até que a variável deixasse de ser significativa. A aplicação do teste de ADF para os resíduos apontou para a relação de longo prazo entre os preços analisados. O modelo de causalidade ajustado foi, portanto, com Correção de Erro. Desta forma, os modelos passam a incorporar os aspectos tanto de curto quanto de longo prazos.

Assim, a Tabela 2 apresenta os resultados do teste de causalidade de Granger, que procurou verificar a relação de causalidade entre os preços do milho no mercado físico de Campinas em diferentes regiões e, preços futuros. Nos testes de causalidade, o número de defasagens considerado para as variáveis dependente e explicativa teve como base aqueles apresentados nos testes de raiz unitária e/ou determinadas de acordo com a significância dos coeficientes (modelo geral para o particular). Não houve presença de autocorrelação serial, conforme o teste Q de Ljung Box.

0.00 5.00 10.00 15.00 20.00 25.00 30.00 35.00 40.00 45.00 50.00 Ja n /2009 M ar /20 09 M ay /20 09 Jul/20 09 Se p /20 09 N o v/20 0 9 Ja n /2010 M ar /20 10 M ay /20 10 Jul/20 10 Se p /20 10 N o v/2010 Ja n /20 1 1 M ar /20 11 M ay /20 11 Jul/20 11 Se p /20 11 N o v/2011 Ja n /2012 M ar /20 12 M ay /20 12 Jul/20 12 Se p /20 12 N o v/2012 Ja n /20 1 3 M ar /20 13 M ay /20 13 Jul/20 13 Se p /20 13 N o v/2013 Ja n /2014 M ar /20 14 M ay /20 14 Jul/20 14 Se p /20 14 N o v/2014 Ja n /2015 M ar /20 15 M ay /20 15 R $/ sc de 60 kg

(11)

Os resultados confirmam a importância dos preços da região de Campinas no processo de formação de preços de milho no mercado interno, pois os testes indicam que há bicausalidade de Granger dos preços no físico em Campinas em relação a todas as outras regiões consideradas no trabalho, e preços futuros negociados na BM&FBovespa. O único mercado em que os preços em Campinas/SP não apresentaram relação de bicausalidade de Granger são os preços futuros negociados na CBOT/CME, os resultados indicam que os preços futuros negociados na CBOT influenciam os preços em Campinas, mas a hipótese de que os preços em Campinas não causam Granger as cotações da CBOT não foi rejeitada. Este resultado era esperado, considerando o tamanho do mercado norte americano de milho, e a liquidez dos contratos futuros de milho negociados na CBOT/CME.

Tabela 2 – Teste de causalidade de Granger para os preços de milho em diferentes mercados

Hipótese nula

Período: Jan/09 a

Jun/15 Período: Jan/09 a Dez/11 Período: Jan/12 a Jun/15 Nível de

signif. Resultado Nível de signif. Resultado Nível de signif. Resultado

CAMP não causa CASC 0.000 Rejeita* 0.010 Rejeita* 0.000 Rejeita* CASC não causa CAMP 0.000 Rejeita* 0.000 Rejeita* 0.012 Rejeita** CAMP não causa DOU 0.000 Rejeita* 0.000 Rejeita* 0.000 Rejeita* DOU não causa CAMP 0.000 Rejeita* 0.004 Rejeita* 0.000 Rejeita* CAMP não causa MT 0.000 Rejeita* 0.035 Rejeita** 0.000 Rejeita* MT não causa CAMP 0.001 Rejeita* 0.023 Rejeita** 0.001 Rejeita* CAMP não causa PN 0.000 Rejeita* 0.004 Rejeita* 0.000 Rejeita* PN não causa CAMP 0.000 Rejeita* 0.000 Rejeita* 0.000 Rejeita* CAMP não causa PG 0.000 Rejeita* 0.000 Rejeita* 0.000 Rejeita* PG não causa CAMP 0.000 Rejeita* 0.000 Rejeita* 0.000 Rejeita* CAMP não causa RV 0.000 Rejeita* 0.003 Rejeita* 0.000 Rejeita* RV não causa CAMP 0.000 Rejeita* 0.024 Rejeita** 0.002 Rejeita* CAMP não causa TM 0.000 Rejeita* 0.005 Rejeita* 0.000 Rejeita* TM não causa CAMP 0.000 Rejeita* 0.003 Rejeita* 0.004 Rejeita* CAMP não causa CME 0.438 Não

Rejeita* 0.371

Não

Rejeita* 0.813

Não Rejeita* CME não causaCAMP 0.000 Rejeita* 0.029 Rejeita** 0.000 Rejeita* CAMP não causa BVMF 0.000 Rejeita* 0.000 Rejeita* 0.000 Rejeita* BVMF não causa CAMP 0.000 Rejeita* 0.000 Rejeita* 0.001 Rejeita* Nota: níveis de significância estatística de 1% (*), 5% (**).

(12)

4.3 Elasticidade de transmissão de preços entre as séries de dados

Após realizados os testes de causalidade de Granger cujos resultados são apresentados na Tabela 2, somaram-se as elasticidades de transmissão das 10 primeiras defasagens obtidas no modelo de causalidade de Granger3_{, com o objetivo de verificar o} impacto acumulado na transmissão de preços nos modelos analisados, em 10 dias úteis. A soma das elasticidades de transmissão entre os mercados é feita em dois períodos distintos, conforme citado previamente: a) de janeiro de 2009 a dezembro de 2011, período em que os contratos de milho com liquidação financeira negociados na BM&FBOVESPA são considerados com baixa liquidez; e, b) de janeiro de 2009 a junho de 2015, quando as exportações brasileiras de milho e o número de contratos de milho negociados apresentaram aumento expressivo.

No modelo de causalidade de Granger entre os preços de Campinas e Cascavel, a soma das elasticidades de transmissão é apresentada na Figura 2. Os resultados indicam que variações nos preços de Campinas influenciam os preços de Cascavel em maior intensidade no período recente, comparativamente ao período anterior, com os preços em Cascavel absorvendo cerca de 50% das variações dos preços em Campinas em 3 dias após o choque. Por outro lado, os resultados indicam que os preços de Cascavel passaram a influenciar os preços de Campinas em menor intensidade no período recente.

Figura 2 – Soma das elasticidades de transmissão de preços entre Campinas e Cascavel/PR

Nota: preços de Cascavel influenciam os preços de Campinas no período de tempo (CASC=>CAMP); Preços de Campinas influenciam os preços de Cascavel no período de tempo (CAMP=>CASC)

Verifica-se na Figura 3 que os preços de Campinas influenciam os preços de Ponta Grossa em maior intensidade no período recente, e que Ponta Grossa absorve em cerca de 60% variações nos preços de Campinas em 5, dias após o choque. Enquanto que

3_{Foram somadas apenas as elasticidades de transmissão das defasagens significativas, em níveis de}

significância estatística de 10%. 0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00 1.10 1.20 0 1 2 3 4 5 6 7 8 9 10 Ela sticid ad e Defasagens

(13)

Campinas absorve em torno de 50%, das variações nos preços de Ponta Grossa, em ambos os períodos analisados.

Figura 3 – Soma das elasticidades de transmissão de preços entre Campinas e Ponta Grossa/PR

Nota: preços de Ponta Grossa influenciam os preços de Campinas no período de tempo (PONTA GROSSA=>CAMP); Preços de Campinas influenciam os preços de Ponta Grossa no período de tempo (CAMP=>PONTA GROSSA)

A região de Dourados, a qual apresentou aumento expressivo na produção de milho no período recente, passou a absorver em maior intensidade variações nos preços de Campinas nos últimos anos, conforme expresso na Figura 4. Os resultados indicam que no período recente, cerca de, 115% da variação dos preços de Campinas é absorvida pelos preços de Dourados, em quatro dias após o choque. Os resultados indicam que, no período, os preços de Dourados influenciam os preços em Campinas, que por sua vez absorve cerca de 30% do choque inicial em 5 dias úteis.

Chama a atenção a diferença na intensidade da influência entre os preços da região Centro-Oeste nos preços de Campinas, frente a influência dos preços de Campinas nos preços da região Centro-Oeste. Como grande parte da produção do Centro-Oeste tem sido exportada nos últimos anos, os resultados indicam que os preços do Centro-Oeste influenciam em menor intensidade os preços de Campinas, comparado a influência dos preços de Campinas nos preços do Centro-Oeste.

Assim como Dourados, a região norte do Mato Grosso, importante região produtora de milho, absorve em maior intensidade variações nos preços de Campinas no período recente. Conforme expresso na Figura 5, a região norte do Mato Grosso absorve em torno de 75% da variação nos preços de Campinas, em 4 dias após o choque. Por outro lado, Campinas absorve menos de 10% da variação nos preços do norte do Mato Grosso. 0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00 1.10 1.20 0 1 2 3 4 5 6 7 8 9 10 El asticid ad e Defasagens

(14)

Figura 4 – Soma das elasticidades de transmissão de preços entre Campinas e Dourados/MS

Nota: preços de Dourados influenciam os preços de Campinas no período de tempo (DOU =>CAMP); Preços de Campinas influenciam os preços de Dourados no período de tempo (CAMP=>DOU)

Figura 5 – Soma das elasticidades de transmissão de preços entre Campinas e norte do Mato Grosso

Nota: preços do norte do Mato Grosso influenciam os preços de Campinas no período de tempo (NORTE/MT=>CAMP); Preços de Campinas influenciam os preços do norte do Mato Grosso no período de tempo (CAMP=>NORTE/MT)

Com relação à influência dos preços de Campinas nos preços de Rio Verde, os resultados indicam que Rio Verde absorve mais rapidamente, e em maior intensidade, variações nos preços de Campinas, no período recente. Por outro lado, os preços em Rio Verde influenciam em menor intensidade os preços de Campinas, em ambos os períodos analisados, conforme exposto na Figura 6.

0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00 1.10 1.20 0 1 2 3 4 5 6 7 8 9 10 El asticid ad e Defasagens

DOU => CAMP Jan/09 a Dez/11 DOU => CAMP Jan/12 a Jun/15 CAMP => DOU Jan/09 a Dez/11 CAMP => DOU Jan/12 a Jun/15

(15)

Figura 6 – Soma das elasticidades de transmissão de preços entre Campinas e Rio Verde/GO

Nota: preços de Rio Verde influenciam os preços de Campinas no período de tempo (RIO VERDE=>CAMP); Preços de Campinas influenciam os preços de Rio Verde no período de tempo (CAMP=>RIO VERDE) Fonte: resultados da pesquisa.

A região do Triângulo Mineiro, importante fornecedora de milho inclusive para o estado de São Paulo, apresenta relação direta com os preços de Campinas. No período recente, Campinas absorve cerca de 35% das variações nos preços do Triângulo Mineiros em 5 dias após o choque nos preços. Preços da região de Campinas influencia os valores na região do Triângulo Mineiro em maior intensidade de forma mais rápida no período recente (Figura 7).

Figura 7 – Soma das elasticidades de transmissão de preços entre Campinas e Triângulo Mineiro

Nota: preços do Triângulo Mineiro influenciam os preços de Campinas no período de tempo (TRIÂN. MIN.=>CAMP); Preços de Campinas influenciam os preços do Triângulo Mineiro no período de tempo (CAMP=> TRIÂN. MIN.)

Com o aumento expressivo das exportações brasileiras nos anos recentes, os preços no porto de Paranaguá passaram a absorver de forma mais intensa variações nos

RIO VERDE => CAMP Jan/09 a Dez/11 RIO VERDE => CAMP Jan/12 a Jun/15 CAMP => RIO VERDE Jan/09 a Dez/11 CAMP => RIO VERDE Jan/12 a Jun/15

0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00 1.10 1.20 0 1 2 3 4 5 6 7 8 9 10 11 El asticid ad e Defasagens

(16)

preços de Campinas. Destaca-se que em apenas um dia, a região de Campinas absorve cerca de 40% de choques nos preços em Campinas. Conforme apresentado na Figura 8, variações nos preços no porto são repassadas em torne de 20% aos preços de Campinas.

Figura 8 – Soma das elasticidades de transmissão de preços entre Campinas e Paranaguá/PR

Nota: preços do porto de Paranaguá influenciam os preços de Campinas no período de tempo (PARANAGUÁ=>CAMP); Preços de Campinas influenciam os preços do porto de Paranaguá no período de tempo (CAMP=> PARANAGUÁ)

Os testes de causalidade de Granger apresentados anteriormente indicaram que os preços de Campinas não causam no sentido de Granger os preços dos contratos negociados na Bolsa de Chicago (CME/CBOT). Por isso, não há elasticidades de transmissão entre os preços de Campinas e as cotações da CBOT. Por outro lado, os preços de Campinas absorvem cerca de 10% das variações das cotações da CME, conforme apresentado na Figura 9.

Devido ao fato de os contratos de milho negociados na BM&FBovespa terem a característica de liquidação financeira, com base nos preços do mercado físico de Campinas, os preços dos dois mercados caminham juntos ao longo do tempo. No período recente, variações no mercado físico de Campinas são repassadas em cerca de 100% no dia seguinte ao choque, e em torno de 110% após dois dias ao choque. Por outro lado, os preços do mercado físico de Campinas absorvem apenas cerca de 20% das variações nas cotações dos contratos da BM&FBovespa (Figura 10).

0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00 1.10 1.20 0 1 2 3 4 5 6 7 8 9 10 E las ti cid ad e Defasagens

(17)

Figura 9 – Soma das elasticidades de transmissão de preços entre Campinas e Bolsa de Chicago

Nota: preços futuros negociados na Bolsa de Chicago (CBOT/CME) influenciam os preços de Campinas no período de tempo (CME=>CAMP)

Figura 10 – Soma das elasticidades de transmissão de preços entre Campinas e BM&FBovespa

Nota: preços futuros negociados na BM&FBovespa influenciam os preços de Campinas no período de tempo (BVMF=>CAMP); Preços de Campinas influenciam os preços futuros negociados na BM&FBovespa no período de tempo (CAMP=>BVMF)

Fonte: resultados da pesquisa

A soma das elasticidades de transmissão de preços entre as cotações da CBOT e BM&FBovespa apresentados na Figura 11 indicam que, no período recente, as cotações da CBOT absorvem cerca de 25% das variações nos preços da BM&FBovespa de imediato após o choque na BM&FBovespa. Com relação à influência das cotações da CBOT nos preços da BM&FBovespa, os resultados indicam que cerca de 30% das variações nas cotações da CBOT são absorvidas pela BM&FBovespa em 1 dia após o choque. 0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00 1.10 1.20 0 1 2 3 4 5 6 7 8 9 10 El asticid ad e Defasagens

CME => CAMP Jan/09 a Dez/11 CME => CAMP Jan/12 a Jun/15

(18)

Figura 11 – Soma das elasticidades de transmissão de preços entre Bolsa de Chicago e BM&FBovespa

Nota: preços futuros negociados na BM&FBovespa influenciam os preços futuros negociados na Bolsa de Chicago (CBOT/CME) no período de tempo (BVMF=>CME); preços futuros negociados na Bolsa de Chicago (CBOT/CME) influenciam preços futuros negociados na BM&FBovespa no período de tempo (CME=>BVMF)

Com aumento expressivo das exportações brasileiras nos últimos anos, as cotações da CBOT passaram a influenciar em maior intensidade os preços na região do porto de Paranaguá. Cerca de 25% das variações nas cotações da CBOT são absorvidas pelos preços no porto praticamente no mesmo dia do choque nas cotações da CBOT. Por outro lado, os preços do porto passaram a influenciar as cotações da CBOT de forma mais rápida, no período recente, em que 40%, das variações nos preços do porto são absorvidas pelas cotações da CBOT em 3 dias, após o choque.

Após analisar a relação dos preços do porto de Paranaguá com as cotações da CBOT/CME, foi verificada a relação dos preços no porto com os preços no norte do Mato Grosso, importante região produtora. Os resultados indicam que os preços nos portos passaram a influenciar os preços no norte do Mato Grosso em maior intensidade no período recente. Deve-se ressaltar que nesse período houve aumento expressivo das exportações brasileiras. Conforme apresentado na Figura 13, em torno de 65% da variação nos preços do porto são absorvidas pelos preços na região norte no Mato Grosso em 5 dias após o choque. Por outro lado, variações nos preços do Mato Grosso passaram a influenciar em maior intensidade os preços no porto no período recente.

0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00 1.10 1.20 0 1 2 3 4 5 6 7 8 9 10 E las ti cid ad e Defasagens

(19)

Figura 12 – Soma das elasticidades de transmissão de preços entre Bolsa de Chicago e Paranaguá

Nota: preços do porto de Paranaguá influenciam os preços futuros negociados na Bolsa de Chicago (CBOT/CME) no período de tempo (Paranaguá=>CME); preços futuros negociados na Bolsa de Chicago (CBOT/CME) influenciam preços do porto de Paranaguá no período de tempo (CME=>Paranaguá)

Figura 13 – Soma das elasticidades de transmissão de preços entre Paranaguá e norte do Mato Grosso

Nota: preços do porto de Paranaguá influenciam os preços do norte do Mato Grosso no período de tempo (PARANAGUÁ=>NORTE/MT); preços do norte do Mato Grosso influenciam preços do porto de Paranaguá (NORTE/MT=>PARANAGUÁ)

5. Considerações Finais

O objetivo deste artigo foi melhor compreender o processo de formação de preços do milho no Brasil, em específico, preços do mercado físico, na região de

PARANAGUÁ=> CME Jan/09 a Dez/11 PARANAGUÁ=> CME Jan/12 a Jun/15 CME => PARANAGUÁ Jan/09 a Dez/11 CME => PARANAGUÁ Jan/12 a Jun/15

(20)

Campinas/SP. Foram utilizados nas análises preços diários de janeiro de 2009 a junho 2015, que corresponde ao período de grande dinâmica desta cadeia, com crescimento da produção e de exportação.

No geral, os resultados indicam que há uma maior integração do mercado brasileiro de milho, favorecendo a comunicação de preços entre as principais regiões e o mercado exportador. Os preços de Campinas passaram, através da BM&FBOVESPA, a impactar de forma mais intensa e rápida as variações em outras regiões, assim como absorver mais rapidamente as variações de preços em regiões produtoras e exportadoras. Isto indica que houve uma redução do risco de base e um possível aumento da eficiência do hedge, diante da maior visibilidade de preço.

O mercado brasileiro passou por um profundo processo de reestruturação nos últimos anos em termos de aumento de produção e exportação. Com isto, a dinâmica de transmissão de preços também se ajustou, sendo mais rápida na maior parte das praças analisadas neste trabalho.

Ao longo dos anos houve aumento da liquidez do contrato futuro e milho na BM&FBOVESPA, com a presença de instituições financeiras, de investidores não residentes e de pessoas físicas nos contratos negociados. Ao mesmo tempo, agentes parecem estar conseguindo entender com maior facilidade as variações periódicas de custos de fretes e de tributos, conseguindo fazer descontos sobre o contrato de liquidação financeira e determinar o preço regional.

Em termos de causalidade no sentido de Granger, os resultados indicaram que os preços de Campinas apresentam bicausalidade no sentido de Granger com todas as praças analisadas, com exceção dos preços futuros negociados na CBOT/CME. No geral, os preços de Campinas interagem de forma rápida e intensa com os mercados analisados, demonstrando, com isso, que a região de Campinas é importante referência nos preços do mercado brasileiro, considerada uma região formadora de preços no mercado interno. A forte interação dos preços de Campinas com outros mercados ocorre em função da necessidade de compradores da região em adquirir milho em outras regiões, devido ao déficit interno.

Em termos de elasticidades de transmissão de preços a partir do modelo de causalidade de Granger, os resultados mostram que Campinas tem relação direta com os preços dos mercados analisados, com exceção dos preços futuros negociados na CBOT/CME; preços do Centro-Oeste absorvem em grande intensidade variações nos preços de Campinas; preços da Bolsa da BM&FBOVESPA recebem influência rápida e de grande intensidade dos preços do mercado físico de Campinas; no período recente, os preços no porto de Paranaguá passaram a absorver mais rapidamente variações nos preços futuros negociados na CBOT/CME; preços no porto de Paranaguá passaram a influenciar mais intensamente os preços no norte do Mato Grosso, no período recente.

(21)

Referências

ALVES, L.R.A., BARROS, G.S.C., BACCHI, M.R.P., BENDINELLI, W.E. Risco de base e causalidade no mercado de milho em grão no Brasil. In: Conferência em gestão de risco e comercialização de commodities, 2012, Anais.... São Paulo: BM&FBovespa, 2011. v.1. BACCHI, M.R.P. Previsão de preços de bovino, suíno e frango com modelos de séries temporais. Piracicaba, 1994. 172p. Dissertação (Mestrado) – Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo.

BM&FBOVESPA. Educacional. Disponível em: <http://www.bmfbovespa.com.br/pt-br/educacional/iniciativas/CGRCC.aspx?idioma=pt-br>. Acesso em: Setembro de 2015. BM&FBOVESPA. Mercado futuros. Disponível em: <http://www.bmfbovespa.com.br/pt-br/mercados/mercadorias-e-futuros.aspx?idioma=pt-br>. Acesso em: setembro de 2015. BITTENCOURT, M.V.L. Formação de preços e caracterização do mercado de frango em São Paulo. Piracicaba, 1995. 161p. Dissertação (Mestrado) – Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo.

CALDARELLI, C.E.; BACCHI, M.R.P. Fatores de influência no preço do milho no Brasil.

Nova Economia, Belo Horizonte, MG, v. 22, n. 1, p. 141-164, jan.-abr. 2012.

CHIODI, L.. Integração espacial no mercado brasileiro de milho. 2006. 89p. Dissertação (Mestrado em Economia Aplicada) – Escola Superior de Agricultura "Luiz de Queiroz", Universidade de São Paulo, Piracicaba, 2006.

CENTRO DE ESTUDOS AVANÇADOS EM ECONOMIA APLICADA (CEPEA/ESALQ/USP). Indicadores de preços. Disponível em: <http://www.cepea.esalq.usp.br/milho/>. Acesso em: Setembro de 2015.

CMEGROUP. Products & Trading. CME Globex. Agriculture. Corn. Disponível em: <http://www.cmegroup.com/trading/agricultural/grain-and-oilseed/corn.html>. Acesso em: Setembro de 2015.

COMPANHIA NACIONAL DE ABASTECIMENTO (CONAB). Comercialização. Disponível em: <http://www.conab.gov.br/conteudos.php?a=1142&t=2>. Acesso em Setembro de 2015.

DICKEY, D.A.; FULLER, W.A. Distribution of the estimator for auto-regressive time series with a unit root. Journal of the American Statistical Association, Boston, v.74, n.366, p.427-431, June 1979.

DICKEY, D.A.; FULLER, W.A. Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica, Chicago, v.49, n.4, p.1057-1072, July 1981.

(22)

FULLER, W.A. Introduction to statistical times series. New York: John Wiley & Sons, 1976.

GUJARATI, D.N. Basic econometrics. 3. ed. New York: McGraw-Hill, 1995. 838p.

GRANGER, C.W.J. Investigating causal relations by econometric models and cross spectral methods. Econometrica, v.37, n.3, p.424-38, July, 1969.

JOHANSEN, S. Statistical analysis of cointegration vectors. Journal of Economic Dynamics and Control, Frankfurt, v. 12, p. 231-254, 1988.

JOHANSEN, S.; JUSELIUS, K. Maximum likelihood estimation and inference on cointegration – with aplications to the demand for money. Oxford Bulletin of Economics and Statistics, Oxford, v. 52, p. 169-219, 1990.

MATTOS, F.L.; SILVEIRA, R. The effects of Brazilian second (winter) corn crop on prices seasonality, basis behavior and integration to international market. NCCC-134 Conference on Applied Commodity Price Analysis, Forecasting, and Market Risk Management, St Louis, MO, April 2015.

SANCHES, A. L. R.; ZANIN, V.; ALVES, L. R. A.; JACOMINI, R. L.. Formação de preços no mercado de milho na região de Chapecó/SC. In: CONGRESSO DA SOCIEDADE BRASILEIRA DE ECONOMIA, ADMINISTRAÇÃO E SOCIOLOGIA RURAL, 53., 2015, João Pessoa. Anais... João Pessoa: SOBER, 2015.

SANTOS, V. F. & PEREIRA, M. W. G. & BRAGA, M. J. & VIEIRA, W. C. (2007). “Análise do preço do milho nos mercados externo e interno”. Revista de Política Agrícola 16 (3): 76-84.

TONIN, J.M.; BRAGA, M.J.; COELHO, A.B. Efetividade de hedge do milho com contratos futuros da BM&F: uma aplicação para a região de Maringá (PR). Revista de Economia, Curitiba, PR, v. 35, n. 1, p. 117-142, jan./abr. 2009.

UNITED STATES DEPARTAMENT OF AGRICULTURE (USDA). Foreign Agriculture Service (FAS). Production, Supply, and Distribution (PS&D). Disponível em: <http://www.fas.usda.gov/psdonline/>. Acesso em: Setembro de 2015.

(23)