TRANSMISSÃO DE PREÇOS INTER E INTRA-REGIONAL NO MERCADO DA SOJA EM GRÃO NO BRASIL (1999 A 2009)

TRANSMISSÃO DE PREÇOS INTER E INTRA-REGIONAL NO MERCADO DA SOJA EM GRÃO NO BRASIL (1999 A 2009)

caf@ccsh.ufsm.br

APRESENTACAO ORAL-Comercialização, Mercados e Preços

MARLON VIDAL PAZ1; CLAÍLTON ATAÍDES DE FREITAS2; DANIELI SCALCON

NICOLA3.

1.BANCO DO BRASIL, BOM JESUS - RS - BRASIL; 2.UFSM, SANTA MARIA - RS - BRASIL; 3.CAIXA ECONÔMICA FEDERAL, SÃO MARCOS - RS - BRASIL.

TRANSMISSÃO DE PREÇOS INTER E INTRA-REGIONAL NO

MERCADO DA SOJA EM GRÃO NO BRASIL (1999 A 2009)

G

:

C

M

P

Resumo: Esse trabalho analisou a transmissão de preços no mercado de soja entre o Rio

Grande do Sul (RS) e o Brasil e entre este e o mercado internacional, entre 1999 a 2009, tendo por referencial teórico a Lei do Preço Único. Os testes de raiz unitária mostram que as séries são I(1). Os MCE com e sem restrição nos parâmetros mostram que os preços do grão gaúcho tendem a eliminar mais rapidamente os desequilíbrios transitórios comparado aos preços no Brasil. Na análise de possíveis choques que afetem a relação de co-integração constata-se que o vetor no modelo Brasil x exterior é altamente sensível a incidência destes, enquanto na análise RS x Brasil essa sensibilidade é menor. Já na decomposição histórica da variância do erro de previsão constatou-se que o preço de Chicago assume parcela maior na explicação da variância do erro de previsão do preço nacional. Já para o Rio Grande do Sul nota-se estabilidade da relação de co-integração existente entre as duas séries de preços.

Palavras-chave: elasticidade de transmissão de preços; Lei do Preço Único e modelo de

correção de erro.

Abstract: This work analysed the prices transmission between Rio Grande do Sul soybean

market and Brazil market, and between this and the international market, over the 1999 to 2009 period, whit the theoretical reference in the Law of One Price. The unitary root tests show that the series are I(1). The VEC with and without parameters restrictions show that the soybean price in the Rio Grande do Sul tend to quickly eliminate the imbalances transients compared to Brazil soybean prices. In the analyzes of possible shocks that affect the relationship of co-integration reveals that the vector Brazil model versus exterior is very sensitive at the incidence of these shocks, while in the analyzes Rio Grande do Sul versus Brazil this sensitivity is lower. Already in the historical decomposition of the variance of the foresting error was found that de Chicago prices assumes greater share in explaining the variance of de forecast error in the national price. Already for the Rio Grande do Sul is noted stability of the co-integration relationship between these two prices sets.

Key Words: Price Transmission Elasticity; Law of One Price; Error Correction Model.

A soja e seus derivados constituem um dos produtos agrícolas mais comercializados em termos mundiais, dado que servem como principais insumos em diversos segmentos da cadeia agroindustrial. No Brasil não é diferente, segundo Maia (2005) a soja e seus derivados apresentam grande relevância devido a seus altos volumes exportados, sendo, portanto, muito importantes para a geração de divisas brasileira.

Conforme Campos e Campos (2007) é relevante analisar como são formados os preços da soja tanto no mercado interno quanto no mercado externo, já que esse é um elemento controlador do mecanismo de troca e reveste-se de singular importância tanto para o Governo, na formulação e aplicação de políticas direcionadas para o setor agropecuário, como para os agentes envolvidos no processo da comercialização.

Nesse sentido, Souza e Campos (2009) explicitam que se torna imprescindível conhecer a relação de integração dos mercados a fim reduzir as deficiências estruturais, em resposta ao maior fluxo de informações entre os mercados. Desse modo, o conhecimento das relações de integração facilita a tomada de decisões dos agentes e aumenta a eficiência alocativa nos diversos mercados, além de possibilitar maior especialização do comércio.

Segundo Balcombe e Morrison (2002) O conceito de transmissão de preços alicerça-se em três pressupostos, tais como: i) ajustamento integral, indicando que houve transmissão completa em algum ponto de tempo; ii) dinâmica e velocidade de ajustamento, evidenciando o tempo requisitado para o ajustamento integral e iii) assimetria de respostas, indicando se as variações de preços são transmitidas simetricamente ou assimetricamente entre mercados.

Estudos focando a transmissão entre preços domésticos e internacionais em mercados agrícolas foram freqüentes na literatura brasileira na última década. Especificamente com relação à soja, diversos autores se dedicaram a estudara a mecânica envolvida na formação de preços internos desta commodity. Destacam-se os trabalhos; Freitas et all (2001) que analisaram a transmissão de preços do farelo de soja do Porto de Rotterdam para os preços de exportação da soja praticados no Brasil, Argentina e Estados Unidos de 1990 a 1999, através de um ARIMA; Margarido, Turolla e Fernandes (2001) e Margarido, Fernandes e Turolla (2002) que analisaram a elasticidade da transmissão de preços no mercado de grão de soja entre o Porto de Rotterdam e o Brasil em dois períodos distintos, a partir de um modelo baseado em Mundlack e Larson (1992); Giembinsky e Holland (2003) que estudaram o processo de transmissão de preços da soja da Bolsa de Chicago para o complexo soja no Brasil, através do modelo de co-integração proposto por Johansen & Juselius; Margarido et

all (2003) que analisaram os efeitos que as variações na taxa de câmbio e preços

internacionais da soja em grão exercem sobre o preço do óleo de soja na cidade de São Paulo, em nível de varejo, entre 1999 e 2002; Silva Filho, Frascaroli e Maia (2005) que estimaram um modelo VAR avaliando a transmissão de preço da commodity da soja americana para a soja em grão doméstica e seus derivados: óleo e farelo de soja; Costa et all (2006) que avaliaram a existência de relações de co-integração entre os preços da soja praticados nos mercados brasileiro e norte-americano entre 1995 e 2005; Souza e Campos (2008) que estimaram as elasticidades de transmissão de preços para a soja produzida no Mato Grosso e Paraná; Mato Grosso e Rio Grande do Sul; e Paraná e Rio Grande do Sul, com o intuito de testar a validade da Lei do Preço Único entre tais mercados, para o período 1999 a 2009.

Como se pode ver trata-se de uma metodologia muito explorada no Brasil. No entanto, não se encontrou, no estado da arte, nenhum estudo direcionado a estimar a transmissão de preços dos mercados de soja do Brasil e Rio Grande do Sul, e do Brasil e Chicago para o período proposto na presente pesquisa. Nesse sentido, acredita ser essa a principal contribuição empírica da presente pesquisa.

nos mercados brasileiro e internacional, a fim de verificar a validade da Lei do Preço Único, entre fevereiro de 1999 e maio de 2009. Os objetivos específicos são: estimar a elasticidade da transmissão de preços no mercado de soja em grão brasileiro, norte-americano e gaúcho para o período em questão; verificar a direção da causalidade de preços; apresentar, em termos percentuais, qual o efeito que um choque não antecipado sobre determinada variável tem sobre ela própria e as demais variáveis do sistema através da decomposição da variância do erro de previsão, calcular a persistência dos choques na relação de co-integração; conhecer a magnitude de impactos sobre a relação de co-integração, bem como o tempo demandado para que esses retornem ao equilíbrio.

O presente estudo, além desta seção introdutória, é composto por outras quatro seções. No capítulo seguinte são apresentados dentro da metodologia o marco teórico, a base de dados utilizados e os modelos econométricos propostos. Na seção três são apresentados os resultados e na seção de fechamento apresenta-se as principais conclusões desta pesquisa.

2 METODOLOGIA

Este capítulo está subdividido em três sub-capítulos. No primeiro é apresentado o fundamento teórico da LPU, no segundo são apresentados os dados e suas respectivas fontes. Na seqüência, é descrito o modelo que serve de base do presente estudo. No sub-capítulo de fechamento, são apresentados os procedimentos econométricos que possibilitam alcançar os objetivos anteriormente descritos.

2.1 Modelo teórico

A fundamentação teórica do presente trabalho reside na Lei do Peço Único (LPU), a qual foi desenvolvida por Mundlack e Larson (1992). A LPU parte do pressuposto de que na

ausência de intervenção, custos de transporte e outras restrições, para bens idênticos1, o preço

praticado internamente deve ser de mesma magnitude ao praticado no mercado externo2,

devido à atuação dos arbitradores.

A LPU está, segundo Ardeni (1989), relacionada à arbitragem, isto é, mercados com menores preços serão induzidos ao aumento de preços, decorrente do aumento na demanda, e vice-versa. Assim a arbitragem garante que os preços em diferentes praças, ou em diferentes mercados tendem a se equalizarem.

Gaio, Castro Junior e Oliveira (2005), citando Sexton et all (1991), salientam que para duas ou mais regiões a LPU pode ser invalidada se ocorrer uma ou mais das seguintes situações: e as regiões não estiverem ligadas por arbitragem, isto é, elas representam mercados autárquicos; se existirem impedimentos para arbitragens eficientes, tais como barreiras comerciais, informação imperfeita ou aversão ao risco; se a competição for imperfeita em um ou mais dos mercados.

Na ausência destas situações, ressaltam os autores supracitados, a condição de igualdade entre os preços deverá se manter com regularidade devido a existência da arbitragem espacial. Esta modalidade de arbitragem pode ocorrer quando houver comércio direto entre as regiões. Os preços correntes podem divergir nessas relações comerciais, mas a ação dos arbitradores deve conduzir o mercado novamente a situação de equilíbrio.

1

O presente modelo não leva em consideração diferenças qualitativas entre os produtos, nem os custos de transporte e de armazenagem, bem como os preços dos insumos domésticos nontradeables.

Cabe ressaltar que a LPU sofre críticas, como Fackler e Goodwin (2001), uma vez que os fundamentos teóricos da mesma não incluem variáveis como os custos de transação e o volume negociado entre mercados. Segundo esses autores, essas são relevantes nas análises de integração e transmissão de preços. No entanto, para Barbosa, Margarido e Nogueira Junior (2002) a validade da LPU está diretamente relacionada ao processo de arbitragem internacional, o qual tende a equalizar os preços internos e externos. A arbitragem induz a um incremento na demanda no país que pratica o preço baixo, o que leva a majoração nos preços, por outro lado, no país que pratica o preço elevado, a demanda tende a se arrefecer e por conseqüência o preço tende a ser reduzido. Este processo continua até o momento em que os preços atingem a condição de igualdade, reiniciando sempre que houver desajuste entre estes preços, de modo a equalizá-los. Desta forma, segundo estes autores, variações de preços no mercado externo são transmitidas proporcionalmente aos preços praticados no mercado doméstico no longo prazo, ou seja, a elasticidade de transmissão de preços é igual a um.

Mesmo na ausência de comércio direto entre duas regiões, a integração espacial de mercados pode ocorrer por meio da transmissão indireta de preços. Nestas situações, em cada região eles serão determinados pelas respectivas curvas de oferta e demanda do bem. Se houver discrepância de valor entre elas, espera-se que venha haver transferência do produto da região de menor para a de maior preço até que se alcance novo patamar de equivalência.

De acordo com o modelo proposto por Mundlak e Larson (1992), o preço doméstico de determinado produto pode ser escrito como função do seu próprio preço a nível

internacional, da taxa nominal de cambio3 e da política comercial adotada4. Matematicamente

esta função pode ser escrita como:

t it it P E

P = * (01)

onde, P_it representa o preço interno do produto i no período t, cotado em moeda local; P_it* e o

preço externo do produto i no período t, cotado em moeda externa; e Et é a taxa nominal de

câmbio no período t.

Multiplicando-se ambos os lados da Equação (1) por

t

E

1

, obtém-se a seguinte função:

* $ it US it P P = (02)

onde, P_itUS$ refere-se ao preço doméstico cotado na mesma moeda do preço internacional.

Visando capturar possíveis desvios, em função de variáveis não introduzidas no

modelo, adiciona-se um termo de erro

( )

υ

esta equação na forma logarítmica, obtém-se:

it it US

it p

p $ = * +υ (03)

onde, υ ~ IID

(

)

( )

variáveis de entrada do modelo.

É importante salientar que apesar da paridade do poder de compra (PPP) ser semelhante à LPU, há diferença entre ambas. Enquanto a LPU aplica-se a produtos específicos a PPP refere-se ao nível geral de preços, a qual reflete os preços de todos os

3 _{Dado que no período analisado tanto a inflação brasileira quanto a internacional, a qual é normalmente} representada pela inflação americana, apresentaram pequena variação, é possível utilizar a taxa de câmbio nominal em detrimento da taxa de câmbio real.

produtos que compõem uma determinada cesta de bens. Porém, se a LPU é valida para todos os bens desta cesta, então esta equivale a PPP (Margarido, Turolla e Fernandes 2001).

2.2 Base de dados e fonte

O período da amostra está compreendido entre fevereiro de 1999 e maio de 2009, perfazendo um total de 124 observações.

Os dados básicos utilizados na presente pesquisa são as séries de preços da soja em grão praticados no Brasil, RS e na Chicago Board of Trade (CBOT), esta usada neste estudo como proxy do preço internacional, e a taxa de câmbio nominal brasileira. Os dados da CBOT e do Brasil são oriundos, respectivamente, dos endereços eletrônicos da Fundação Getúlio Vargas (FGV) e Instituto de Pesquisas Econômicas Aplicada (IPEA), já os dados do Rio Grande do Sul formam obtidos junto à sede da Associação Riograndense de Empreendimentos de Assistência Técnica e Extensão Rural (EMATER/RS), a taxa de câmbio nominal, por sua vez, também foi coletada no sitio do IPEA.

A série de preços da CBOT é mensurada em centavos de dólar por bushel5, já a

brasileira é apresentada em reais por quilo e a gaúcha é disponibilizada em reais por saca de 60 kg. Visando homogeneizar as variáveis trabalhadas, as séries do modelo envolvendo RS e Brasil foram trabalhadas na unidade de reais por saca de 60 kg, assim os preços brasileiros foram multiplicados por 60, tais variáveis passam a ser chamadas de LRR$ e LBR$, respectivamente. Já na análise Brasil e CBOT a unidade adotada foi de dólares por saca de 60 kg, desta forma o ajuste se deu ao dividir o preço brasileiro pela taxa de câmbio nominal do respectivo mês e multiplicá-lo por 60, já para a CBOT o preço fornecido é multiplicado pela razão de 60 pelo produto de 27,2155 por 100, obtendo assim o preço em dólar por saca de 60 kg, estas passam a ser denominadas, respectivamente, de LBUS$ e LCUS$. De forma a estimar diretamente as elasticidades, as variáveis, após a padronização, foram logaritmizadas.

2.3 O modelo Econométrico

O modelo econométrico proposto no presente trabalho pressupõe que os preços domésticos, cotados em moeda externa, de determinado produto sejam função do seu preço mundial e do termo de erro. Desta forma, o modelo geral é dado por:

t t

t Lp v

Lp =α +β *+ (04)

onde,

α

pt é o preço doméstico da commodity em questão, cotado em moeda estrangeira,

*

t

p é o preço

internacional dessa commodity, cotado na mesma moeda, vt é o vetor de resíduo.

Em relação ao valor do parâmetro β, a hipótese a ser adotada é a de que ele seja igual

à unidade. Variações nos preços em âmbito internacional serão plenamente transmitidas ao

mercado interno quando o valor de β for igual a um. Porém, se o valor de β é igual a zero,

variações de preço a nível internacional não induzem a qualquer tipo de reação do preço doméstico. Neste caso, a economia do país é totalmente fechada. Na pratica, é comum que o

valor de β fique entre zero e a unidade, refletindo a política comercial adotada pelo país ou

algum outro tipo de restrição imposta ao mercado.

Desta forma, os modelos a serem estimados são dados por:

5

Um bushel equivale a 27,2155 kg.

t t LBR t LRR P P $ =β $ +υ (05)

onde P_LRR$t representa o logaritmo do preço da soja no Rio Grande do Sul, em moeda local,

t LBR

P $ é o preço da soja em logaritmo no mercado brasileiro, também em moeda local, β a

elasticidade do preço do grão gaúcho, em relação ao preço nacional e

υ

t t LCUS t LBUS P P _$ =

β

υ

onde P_LBUS$t representa o preço da soja em logaritmo no Brasil, cotado em dólar; P_LCUS$t é o

preço da soja em logaritmo praticado na CBOT, também em dólar;

β

do grão brasileiro, em relação ao preço internacional e

υ

Isto posto, faz-se a seguir a descrição dos métodos econométricos que possibilitaram atingir os objetivos propostos no presente trabalho.

2.4 Procedimentos econométrico

A mecânica empregada no presente estudo está descritas nas subseções seguintes. 2.4.1 Estacionariedade

Um processo estocástico é considerado estacionário, se sua média e variâncias são constantes ao longo do período e o valor da covariância, considerados dois períodos de tempo, depender apensa da distância ou defasagem entre estes dois, e não do período de tempo efetivo em que a covariância é mensurada (GUJARATI, 2000). Na seqüência são apresentados os testes que possibilitam verificar a estacionariedade das séries.

A verificação da presença de raiz unitária é feita através dos testes Dickey-Fulher (DF), e Dickey-Fulher aumentado (DFA) e Phillips-Perron (PP). Sendo que o DFA é

recomendado quando o termo ut apresentar correlação, caso contrário utiliza-se o DF.

Detectada a presença de raiz unitária, então, se trabalha com as séries temporais diferenciadas

e não em nível, para se eliminar a presença da mesma7. A hipótese nula do teste PP é a mesma

do teste DFA. No entanto, de acordo com Raboni (2006) a utilização do teste PP em detrimento do DFA se justifica pelo fato deste ser mais suscetível a erros provenientes de autocorrelações espúrias.

2.4.2 Testes de co-integração

A chamada regressão espúria é um dos principais problemas decorrentes da utilização de modelos de regressão com séries temporais.

Essa ocorre quando se tem indicações de que o modelo de variáveis não estacionárias esteja bem especificado e, entretanto, não há relação direta entre as variáveis, sendo estas apenas interligadas pela presença de uma tendência comum (PEREDA, OLIVEIRA e FAVA, 2007).

Visando eliminar esse problema para restaurar as hipóteses clássicas dos modelos de regressão linear, um dos instrumentos mais utilizados é o tratamento das séries pelas suas diferenças. Porém, esse método, embora elimine o caráter espúrio da regressão, provoca a perda de informações de longo prazo. Neste contexto, a situação em que se pode trabalhar com as séries em nível, mesmo que individualmente cada processo seja não estacionário, sem

correr o risco de regressões espúrias ocorre quando as séries são co-integradas, daí a importância desta análise.

Segundo Enders (1995), a definição de co-integração está relacionada a quatro pontos importantes, dos quais, neste trabalho, salientam-se três: a co-integração é uma combinação linear de variáveis não estacionárias; todas as variáveis devem ser integradas de mesma ordem e, o número máximo de vetores de co-integração existentes é igual à quantidade de variáveis do modelo menos um.

Para testar a existência de co-integração entre variáveis, deve-se primeiramente testar a ordem de integração das variáveis por meio de testes de raiz unitária e, na seqüência, testar se as variáveis são co-integradas. A seguir é exposto o procedimento de Johansen para determinação das relações de co-integração entre as variáveis.

A principal vantagem do teste de Johansen é a possibilidade de se testar e estimar a presença de vários vetores e não só de um único vetor de co-integração, como o faz o teste de Engle e Granger de co-integração. Além disso, é possível realizar testes sobre a significância dos parâmetros que compõem os vetores de co-integração, item fundamental para se estabelecer a existência ou não da transmissão de preços entre os mercados estudados e o grau de integração entre eles, conforme ressalta Gaio, Castro Jr e Oliveira (2005).

Em Enders (1995) e Harris (1995) há descrições detalhadas desse teste, caso o leitor tenha interesse em aprofundar o entendimento do mesmo, bem como do modelo de correção de erros.

Antes de se realizar o teste de co-integração é necessário determinar qual dentre as cinco especificações de tendência determinística deve ser utilizada. A saber:

Modelo I: sem tendência determinística nos dados, sem intercepto e sem tendência na equação de co-integração ou teste VAR;

Modelo II: sem tendência determinística nos dados, com intercepto e sem tendência na equação de co-integração e sem intercepto no VAR;

Modelo III: com tendência determinística linear nos dados, com intercepto e sem tendência na equação de co-integração e teste VAR;

Modelo IV com tendência determinística linear nos dados, com intercepto e com tendência na equação de co-integração e sem tendência no VAR;

Modelo V: com tendência determinística quadrática nos dados, com intercepto e com tendência na equação de co-integração e com tendência linear no VAR. A seleção da especificação mais apropriada é feita utilizando os critérios de Akaike e Schwarz.

Cabe destacar, segundo os autores supra citados, dois testes utilizados para verificar a presença de vetores de co-integração. O primeiro teste, conhecido como teste do traço, é dado por:

( )

∑

( )

onde: r=0,1,2,...,n−2,n−1;

λ

é o número de observações.

O teste do traço avalia a hipótese nula de que o número de vetores diferentes de co-integração é menor ou igual a r , contra uma hipótese geral.

0 :

0

λ

H i=r+1,...,n

A não rejeição da hipótese nula indica a presença de no máximo r vetores de

co-integração. Se H₀ for rejeitada deve-se repetir o teste para r+1 e determinar se existem r+1

O segundo teste é o do máximo autovalor, que visa verificar a existência de

exatamente r vetores de co-integração contra a alternativa de existência de r+1 vetores.

(

)

(

)

max r,r+1 =−Tln1−

λ

λ

A hipótese nula deste teste é dada por H0 :

λ

presença de exatamente r vetores de co-integração. 2.4.3 Teste de causalidade para variáveis co-integradas

Tendo em vista que a metodologia dos testes de causalidade tradicionais não levam em consideração qualquer informação proveniente da tendência de longo prazo, utiliza-se, neste estudo, uma versão mais moderna do teste de causalidade de Granger.

O método de Engle-Granger modifica o teste padrão de causalidade de Granger ao incorporar um possível efeito de longo prazo numa análise de curto prazo, o que caracteriza a análise de co-integração.

Desta forma, o método baseado no mecanismo de correção de erros examina se valores defasados de uma variável X podem ajudar a explicar mudanças nos valores correntes de uma variável Y, mesmo se mudanças passadas em Y não sejam relevantes, assumindo-se, no entanto, que ambas as variáveis X e Y sejam estacionárias. O entendimento é de que se as duas variáveis forem co-integradas, então parte da mudança corrente em X pode ser resultado de movimentos corretivos em Y para que se atinja novamente o equilíbrio de longo prazo com a variável X. Isso, desde que X e Y possuam uma tendência em comum, a causalidade deverá existir pelo menos em uma direção. Portanto, pode-se achar ainda causalidade inversa e até

mesmo bi-causalidade 8.

3.3.4 Decomposição da variância do erro de previsão

A decomposição da variância dos erros de previsão mostra a evolução do comportamento dinâmico apresentado pelas variáveis do sistema econômico, ao longo do tempo.

Desta forma, ela permite separar a variância dos erros de previsão para cada variável em componentes que podem ser atribuídos por ela própria e pelas demais variáveis endógenas isoladamente, apresentando em termos percentuais qual o efeito que um choque não antecipado sobre determinada variável tem sobre ela própria e as demais variáveis pertencentes ao sistema (MARGARIDO et all, 2003).

Neste sentido, através da decomposição da variância do erro de previsão de n períodos à frente, em percentagens a serem atribuídas a cada variável componente do sistema, pode-se

aferir o poder explanatório de cada variável sobre as demais9.

3.3.5 Persistência dos choques na relação de co-integração e velocidade de ajuste

Através da mensuração da persistência dos choques na relação de co-integração é possível conhecer a magnitude deste impacto sobre a relação de co-integração bem como o tempo demandado para que esse retorne ao equilíbrio.

A persistência dos choques também é útil no caso de séries temporais integradas de ordem próxima a um. A persistência, nesses casos, eventualmente converge para zero, mas

podem ser substancialmente diferentes de zero para períodos prolongados10.

4 ANÁLISE DOS RESULTADOS

Testes prévios utilizando o correlograma11 para os processos estudados (PLRR$, PLBR$,

PLBUS$ e PLCUS$) indicaram padrões típicos de autocorrelação para tais processos, então, os

testes mais recomendados nesses casos são os testes Dickey-Fuller Aumentado (DFA) e de Phillips-Perron (PP), os quais estão apresentados na Tabela 01. Nota-se que os valores calculados das estatísticas ADF e de PP apontavam na direção da não estacionariedade das séries, pois, em nenhum dos casos o valor da estatística de teste calculada supera o valor crítico a 5% e, desta forma, não se pode rejeitar a hipótese da presença de raiz unitária.

Tabela 01 – Testes de raiz unitária para séries PLRR$, PLBR$, PLBUS$ e PLCUS$.

Variável

dependente AIC (lags) SBC (lags)

τ

PLRR$ 1 1 -1,9853** -1,5127**

PLBR$ 1 1 -2,2235** -1,2171**

PLBUS$ 1 1 -2,8647** -0,35206**

PLCUS$ 1 1 -2,9003** -0,48335**

Fonte: resultados da pesquisa

* significante ao nível de 5%, ** não significativo a 5%.

Tendo em vista a não estacionariedade das séries em nível, constata-se a necessidade de diferenciá-las, para se diagnosticar a ordem de integração das mesmas. Após este

procedimento, as variáveis são renomeadas como: DPLRR$, DPLBR$, DPLBUS$ e DPLCUS$ e,

então, são repetidos os testes já realizados para verificar se as mesmas deixam de apresentar raiz unitária.

Dessa forma, pela análise dos Gráficos 1 e 2, pode-se ver claramente que a tendência desapareceu dos processos estudados.

DLBRS DLRRS Months -0.05 -0.10 -0.15 -0.20 -0.25 0.00 0.05 0.10 0.15 0.20 1999M2 1999M12 2000M10 2001M8 2002M6 2003M4 2004M2 2004M12 2005M10 2006M8 2007M6 2008M4 2009M2 2009M5

Gráfico 1 – Série de preços DPLRR$ versus DPLBR$, de fevereiro de 1999 a maio de 2009

Fonte: resultados da pesquisa

10

Para maior informação sobre essa ferramenta ver Pesaran e Pesaran (1997).

DLBUS DLCUS Months -0.05 -0.10 -0.15 -0.20 -0.25 0.00 0.05 0.10 0.15 0.20 1999M2 1999M12 2000M10 2001M8 2002M6 2003M4 2004M2 2004M12 2005M10 2006M8 2007M6 2008M4 2009M2 2009M5

Gráfico 2 – Série de preços DPLBUS$ versus DPLCUS$, de fevereiro de 1999 a maio de 2009

Fonte: resultados da pesquisa

Ademais, como os correlogramas12 das séries em questão indicaram comportamento

característico de séries temporais estacionárias, ao apresentar queda acentuada nas primeiras defasagens, então, os testes de raiz unitária serão realizados utilizando as estatísticas de DF e PP. Os resultados, para as séries de preços logaritmizadas e diferenciadas, são apresentados na Tabela 02. Conforme essa tabela é possível verificar que a hipótese nula das séries possuírem raiz unitária é rejeitada ao nível de 5% de significância.

Tabela 02 – Testes de raiz unitária para séries DPLRR$, DPLBR$, DPLBUS$ e DPLCUS$.

Fonte: resultados da pesquisa

* significante ao nível de 5%, ** não significativo a 5%.

Tendo em vista que todos os testes apontam no sentido da estacionariedade das séries em primeira diferença, tem-se que as mesmas são integradas de ordem um I(1), o que permite que as mesmas sejam estimadas em nível. Desta forma, antes de passar para a análise de co-integração, é necessário determinar o número de defasagens que devem ser incluídos no modelo VAR.

Conforme apresentado na Tabela 03, seguindo o disposto na metodologia que trata da co-integração, deve-se levar em consideração os critérios de Akaike (AIC) e Schwarz (SBC), no

qual deve ser observado o maior valor encontrado para cada critério individualmente13. No

caso de resultados conflitantes, opta-se neste estudo, por escolher a menor ordem do VAR dentre as duas sugeridas. Desta forma, pelo critério de SBC constata-se que a ordem a ser adotada para realizar os testes de co-integração e de causalidade para variáveis co-integradas é três para o modelo que relacionam os preços da soja nos mercados gaúcho e brasileiro e dois para as modelagens de preços do Brasil e CBOT, visto que a ordem atribuída pelo critério de AIC foi superior em ambos os casos.

12 _{Pelo mesmo motivo destacado anteriormente, os gráficos dos correlogramas das séries diferenciadas, também,} não foram apresentadas no presente texto.

13 _{Cabe ressaltar que a função utilizada nesses testes é a de máxima verossimilhança, por essa razão considera-se} os maiores valores e não os menores como é salientado em Gujarati (2000).

Tabela 03 – Critérios de seleção da ordem do VAR.

Variáveis Ordem via AIC Ordem via SBC

LRR$/LBR$ 22 3*

LBUS$/LCUS$ 3 2*

Fonte: resultados da pesquisa

* ordem adotada para o modelo VAR.

Após determinada a ordem do VAR, passa-se ao teste de Johansen que visa identificar se as séries analisadas são co-integradas. Assim, dentre os cinco possíveis modelos de serem estimados, Tabela 04, pode-se verificar que em ambos os casos o escolhido deve ser o primeiro, pois, apresenta o maior valor para o critério AIC. Desta forma, os testes realizados na seqüência devem ser feitos com base no modelo sem tendência estocástica e sem intercepto.

Tabela 04 – Critério de escolha do modelo a ser usado no teste de co-integração de Johansen para PLRR$ e PLBR$ e das séries PLBUS$ e PLCUS$

Modelo Estimado AIC para

PLRR$ versus PLBR$

AIC para

PLBUS$ versus PCUS$

Modelo I 479,1659 390,6470

Modelo II 478,8189 390,0316

Modelo III 478,8189 389,6629

Modelo IV 478,3588 390,6309

Modelo V 478,3588 390,6309

Fonte: resultados da pesquisa

Pela Tabela 05 pode-se verificar que no modelo intranacional, que envolve as séries do Rio Grande do Sul e Brasil, e na análise internacional, envolvendo Brasil e exterior, os testes que visam determinar o número de vetores de co-integração indicam, em ambos os casos, a existência de apenas um vetor de co-integração. Dessa forma, é possível estimar a relação de equilíbrio de longo prazo entre as séries de preços do grão da soja no Rio Grande do Sul e no Brasil, bem como do preço a nível nacional com o praticado na CBOT.

Tabela 05– Teste do máximo autovalor e do traço

modelo LRR$ versus LBR$ Modelo LBUS$ versus LCUS$

H0: rank = p H1: rank = p Teste do máximo Autovalor Teste do Traço Teste do máximo Autovalor Teste do Traço P = 0 P = 1 10,3001** 11,2314** 20,0589* 21,0097* P ≤ 1 P = 2 0,93132 0,93132 0,95076 0,95076

Fonte: resultados da pesquisa.

*indica a rejeição da hipótese nula a 5% de significância, **indica a rejeição da hipótese nula a 10% de significância.

Tendo em vista que os testes empregados permitem concluir que as séries em estudo são

co-integradas, parte-se agora para verificar o sentido da causalidade14. O teste de Granger,

apresentado na tabela a seguir, revela que Rio Grande do Sul e Brasil – em dólar - não

exerceram influência direta sobre a série de preços do Brasil - em reais - e da CBOT, respectivamente. Isto posto, seria plausível pensar que o Brasil exerça alguma influência sobre os preços a nível internacional, visto ser o país um player em produção e exportação dessa commodity. Porém, tal fato não foi confirmado neste estudo, sugerindo não ser o Brasil um formador de preços no período estudado. No tocante ao Rio Grande do Sul, os resultados

validam a posição do mesmo como tomador de preços visto que o seu market share15 não é

significativo a ponto deste se tornar um formador de preço no mercado interno.

Tabela 06 – Teste de causalidade para variáveis co-integradas das séries PLRR$ versus PLBR$ e PLBUS$ versus PLCUS$, no período de fevereiro de 1999 a maio de 2009

Séries de preços* Estatística F calculada Valores críticos de F**

PLRR$ PLBR$ 6,763071 2,45

PLBR$ PLRR$ 0,43491 2,45

PLBUS$ PLCUS$ 5,26249 2,68

PLCUS$ PLBUS$ 1,114935 2,68

Fonte: resultados da pesquisa

*onde a seta indica o sentido da causalidade a ser testada. ** obtido ao nível de significância de 5% e considerando 120 graus de liberdade para o denominador.

Pela Tabela 06 pode-se constatar que os preços do Rio Grande do Sul foram influenciados pelos preços praticados no mercado a nível nacional que, por sua vez, quando cotado em dólar, foi causado pelo preço praticado na CBOT. Neste caso, sendo a Bolsa de Mercadorias de Chicago a maior do segmento em nível mundial, é plausível aceitar a sua influência sobre o mercado de grão de soja no Brasil. Por sua vez, o Rio Grande do Sul, ao estar fortemente ligado ao Brasil, sofre influência direta deste sobre as variáveis que formam o preço local do grão.

Determinada a ordem do VAR e o sentido da causalidade, passa-se a realizar os demais testes previstos na metodologia de Johansen.

O primeiro deles diz respeito ao teste de significância dos parâmetros β's que, pela

Tabela 07, permite concluir pela rejeição da hipótese nula sobre os parâmetros

β

β

$

LBUS

β

β

consideradas integradas no período analisado. Diante disso, em ambos os casos as séries participam do equilíbrio de longo prazo uma com a outra.

Tabela 07– Testes sobre os parâmetros

β

H0 Razão de Verossimilhança 0 $ = LRR

β

β

β

β

β

β

β

β

Fonte: resultados da pesquisa.

*indica a rejeição da hipótese nula a 1% de significância, **indica a rejeição da hipótese nula a 5% de significância.

Já, visando verificar a interação entre os preços e, por conseguinte, a validade da LPU, é testada a hipótese dos mercados em análise serem perfeitamente integrados. Os dados constantes na Tabela 07 permitem inferir que para o mercado nacional e internacional essa hipótese é rejeitada, já para o mercado gaúcho e brasileiro a mesma é aceita. Assim, ao contrário do que acontece para a análise Brasil versus exterior, os mercados do Rio Grande do Sul e brasileiro podem ser considerados perfeitamente integrados no período em questão, ou seja, apresentam equilíbrio de longo prazo. Assim, a validade da LPU é verificada para as séries de preço da soja em grão gaúcha e brasileira e refutada para as demais séries em análise.

Na Tabela 08 são apresentadas as estimativas dos coeficientes de longo prazo β's, os

quais revelam que variações no preço do grão de soja no mercado nacional são quase que plenamente transmitidas para o preço praticado no Rio Grande do Sul, cerca de 99,453%. Já as variações em nível internacional são transmitidas em magnitude significativa, em termos estatísticos, ao preço da commodity praticado no Brasil, 94,823% destas oscilações são repassadas ao mercado brasileiro em longo prazo.

Tabela 08 – Estimativa dos coeficientes de curto e longo prazo do Modelo Vetorial de Correção de Erro (VEC), variáveis PLRR$, PLBR$, PLBUS$ e PLCUS$

Variáveis Estimativa dos coeficientes

de ajustes de curto prazo

α

Estimativa dos parâmetros de

longo prazo β

PLRR$ -0,13509 1

PLBR$ 0,044727 - 0,99453

PLBUS$ -0,12031 1

PLCUS$ 0,14672 - 0,94823

Fonte: resultados da pesquisa.

Tendo em vista que o número de vetores de co-integração, nos dois modelos em análise, é inferior ao número de variáveis - o rank do sistema é reduzido – existe um modelo vetorial de correção de erros para cada modelagem, cujos resultados, apresentados na Tabela 08, levam em conta que os coeficientes associados às variáveis de saída (ou endógenas) do sistema

PLRR$e PLBUS$ assumiram valor igual à unidade. A análise dos coeficientes das variáveis de

entrada (ou exógenas) PLBR$ e PLCUS$ deve ser feita, levando em conta que na equação de

co-integração normalizada todas as variáveis permanecem do mesmo lado, assim estes parâmetros devem ser interpretados com o respectivo sinal invertido.

Na Tabela 08 é possível ver, também, que diante de desequilíbrio transitório a

velocidade de ajustamento nas séries PLRR$ e PLBUS$ é baixa. Desta forma, convergir para o

equilíbrio no longo prazo, tende a demandar mais tempo, uma vez que o coeficiente de curto prazo associado ao preço da soja no Rio Grande do Sul é da magnitude de 0,13509. Assim, desequilíbrios de curto prazo, no modelo proposto, tendem a ser corrigidos com velocidade de ajuste de, aproximadamente, 13,5%; já o preço do grão brasileiro, tende a se ajustar em aproximadamente 4,5% no mesmo período. Este resultado pode ser justificado pelo fato do mercado gaúcho ser considerado tomador de preço e, com tal, responder mais rapidamente aos estímulos do mercado formador de preços, aqui considerado o brasileiro.

resultados. Uma possível justificativa reside no fato da não coincidência das safras brasileira e americana, pois o período de safra no Brasil se dá na entressafra americana e vice-versa. Tal fato provoca oscilações nos dois mercados e, desta forma, mostra a interligação entre ambos, que se reflete no atrelamento dos preços destes.

Dada a validade da restrição da LPU para o modelo envolvendo as séries PLRR$ e PLBR$, o

modelo vetorial de correção de erros foi estimado novamente, levando em conta tal restrição, dado que a mesma deve afetar os valores auferidos para os parâmetros de curto prazo, tais resultados encontram-se na Tabela 09.

Tabela 09 – Estimativa dos coeficientes de curto e longo prazo do Modelo Vetorial de Correção de Erro (VEC) com restrições para os parâmetros β, variáveis LRR$ e LBR$.

Variáveis Estimativas de

α

restrições sobre β Restrições sobre β

PLRR$ 0,072773 1

PLBR$ 0,010871 - 1

Fonte: resultados da pesquisa.

Ao impor a restrição sobre a validade da LPU, pode-se constatar piora nos resultados,

principalmente, naquele associado à série PLRR$, haja vista se esperar comportamento oposto

ao obtido por se tratar de duas séries em que o retorno a situação de equilíbrio após algum choque é basal, dada a validade da LPU para estes mercados. O parâmetro de curto prazo

associado à variável PLRRS sofreu mudança em seu sinal, desta forma, desequilíbrios

transitórios nesta variável levam a uma situação em que ao invés de convergir para o equilíbrio as séries divergem, com características típicas de séries explosivas. Desta forma, a cada período as séries se afastam em 7,2773%. Já impactos sobre LBRS mantém a estrutura de correção encontrada para o VEC sem restrição sobre seus parâmetros, porém com velocidade inferior, passando a convergir em pouco mais de 1% ao mês.

A avaliação do poder explanatório das variáveis PLBR$ e PLCUS$ sobre PLRR$ e PLBUS$

respectivamente, através da decomposição da variância do erro de previsão foi realizada levando em conta do horizonte temporal de doze meses, tempo médio de duração entre as safras do grão. Os resultados desta análise são apresentados na Tabela 10, na qual se observa que no período contemplado a maior parte das variações do preço do grão no mercado gaúcho, em média 92,346%, depende da própria variável e, em menor escala, do preço

brasileiro que explica, em média, 7,657% das variações em PLRR$.

Tabela 10 – Decomposição histórica da variância do erro de previsão para LRR$ (Modelo 1) e LBUS$ (Modelo 2)

Decomposição da variância devida a choques (%)

8 91,705 8,295 84,949 15,051

9 91,402 8,598 84,769 15,231

10 91,108 8,892 84,638 15,362

11 90,832 9,168 84,539 15,461

12 90,569 9,431 84,461 15,539

Fonte: resultados da pesquisa

De forma análoga, os resultados mostram que, em média, 87,194% das variações de

PLBUS$ são explicados pela própria variável. O preço internacional, representado pelo preço

cotado na CBOT, é responsável por, em média, 12,807% e, a partir do oitavo mês, por mais de 15% destas variações.

Já a análise de possíveis choques que afetem a relação de co-integração entre PLRR$ e PLBR$

mostra que, conforme pode ser visto pelo Gráfico 3, os efeitos oriundos deste demoram seis meses para deixar impactar significativamente a relação. Chama a atenção o fato de no segundo mês as implicações desse desequilíbrio ser de baixa magnitude, assim como, em menor escala, estes transmitirem suas implicações em apenas 42,264%, já no primeiro mês. Tais fatos demonstram a estabilidade da relação de co-integração existente entre estas variáveis.

Persistence Profile of the effect of a system-wide shock to CV'(s)

CV1 Horizon 0.0 0.2 0.4 0.6 0.8 1.0 0 1 2 3 4 5 6 7 8 9 10 11 12 12

Gráfico 3 – Persistência dos choques na relação de co-integração entre PLRR$ e PLBR$ e velocidade de ajuste

Fonte: resultados da pesquisa

Pelo Gráfico 4, pode-se observar que a relação de co-integração entre PLBUS$ e PLCUS$ é

Persistence Profile of the effect of a system-wide shock to CV'(s) CV1 Horizon 0.0 0.2 0.4 0.6 0.8 1.0 0 1 2 3 4 5 6 7 8 9 10 11 12 12

Gráfico 4 – Persistência dos choques na relação de co-integração entre PLBUS$ e PLCUS$ e velocidade de ajuste

Fonte: resultados da pesquisa

4

CONCLUSÕES

Este trabalho analisou como as variações originadas no preço do grão da soja no Rio Grande do Sul e no Brasil são transmitidas para os preços do grão no Brasil e no exterior, aqui considerado os preços praticados na CBOT, respectivamente. A Lei do Preço Único foi o modelo teórico adotado como base, partindo da hipótese de o preço das séries em cada modelo avaliado serem perfeitamente integrados no período em questão. Analisou-se, ainda, o sentido da causalidade e a evolução do comportamento dinâmico apresentado pelas séries, bem como a magnitude de impactos sobre o vetor de co-integração, e o tempo demandado por este para retornar ao equilíbrio.

A análise da estacionariedade das séries, requisito básico para realizar o teste de co-integração, mostrou que as variáveis são não estacionarias em nível, porém em primeira diferença foi possível verificar que todas as séries não apresentaram raiz unitária e, desta forma, podem ser consideradas integradas de ordem um.

Verificado que as séries são integradas, foi determinado o número de defasagens a serem incluídas no modelo VAR. De posse desses resultados, partiu-se para os testes de integração seguindo a modelagem proposta por Johansen. Notou-se que as series são co-integradas e o rank dos sistemas é reduzido, pois existe apenas um vetor de co-integração em ambos os modelos. Assim, existe relacionamento de longo prazo entre as séries.

As restrições impostas sobre os parâmetros de longo prazo na metodologia de Johansen,

permitem concluir pela validade dos pressupostos da LPU para o modelo PLRR$ x PLBR$ e a sua

não incidência sobre o outro modelo em estudo. Assim, o mercado da soja no Rio Grande do Sul pode ser considerado perfeitamente integrado ao mercado nacional que, por sua vez, apesar do alto grau de integração ao mercado internacional, não é perfeitamente integrado a este. Desta forma, as variações de preço no exterior não são plenamente repassadas ao preço interno em longo prazo, enquanto as variações no mercado nacional são, em longo prazo, plenamente repassadas ao preço praticado no mercado gaúcho.

justificado pela não simultaneidade das safras americana e brasileira, levando a algum grau de complementaridade dos períodos de maior oferta do grão, o que pode afetar a existência de mercado formador e outro tomador de preços.

Para a análise de Rio Grande do Sul e Brasil obteve-se resultados de ajustamento de curto prazo de baixa magnitude, porém, com significativa diferença entre ambos. O Rio Grande do Sul, apesar da baixa velocidade de ajustamento, tende a corrigir essas diferenças mais rapidamente que o Brasil, fato plausível ao considerar aquele como tomador e esse como formado de preço do grão. Porém, dada a validade da LPU, o modelo vetorial de correção de erros foi estimado novamente com o uso de restrições sobre os parâmetros de longo prazo e, os novos resultados foram de encontro ao que se esperava a priori no tocante ao

comportamento da série PLRRS, a qual passou a apresentar características típicas de séries

explosivas.

A análise do sentido da causalidade em ambos os modelos foi unidirecional. Este resultado não vai ao encontro da hipótese de bi-causalidade para Brasil e CBOT, desta forma os preços praticados na CBOT precedem os brasileiros. Da mesma forma, o preço a nível nacional é informação relevante para o gaúcho, resultado este coerente com o que se esperava

a priori.

Na decomposição da variância do erro de previsão do preço do grão em nível nacional, notou-se relativa independência do preço praticado na CBOT apenas no primeiro mês e, corroborando com os demais resultados, o preço de Chicago assume parcela maior na explicação da variância do erro de previsão do preço nacional.

Já para o Rio Grande do Sul era esperada uma maior participação do mercado brasileiro na explicação da variância de seu erro de previsão, dado o atrelamento das variáveis formadoras do preço em ambos os mercados.

Possíveis choques sobre os vetores de co-integração apresentam comportamento diferenciado entre os modelos. Para Rio Grande do Sul e Brasil a ocorrência de um choque impacta sobre o vetor de co-integração de forma mais amena que para o caso Brasil e CBOT, porém, o tempo para esse se dissipar é maior. Para o modelo Rio Grande do Sul e Brasil no primeiro mês metade do efeito desta variação afeta o vetor, e este passa a não impactar significativamente após o sétimo mês. Já para o modelo envolvendo Brasil e CBOT a quase totalidade do choque é repassada ao vetor no primeiro mês, no segundo mês ainda persiste o efeito em mais da metade de sua magnitude, porém já no quarto mês seu esse passa a ser desprezível. Em termos gerais, percebe-se a alta sensibilidade do vetor de co-integração associado ao preço doméstico e externo a choques, porém com retorno a posição de equilíbrio de forma mais rápida se comparado ao outro modelo em estudo.

Conclui-se que, o preço praticado no Brasil e na CBOT, pela não coincidência dos períodos com maior e menor oferta do grão possibilita certo grau de autonomia entre estes, fato que leva a rejeição da validade da LPU. Porém, sendo a CBOT a maior bolsa do gênero no mundo é notório esperar que exerça certa influência sobre o preço brasileiro, fato corroborado pelos testes de causalidade e co-integração.

Da mesma forma, Rio Grande do Sul e Brasil mostraram-se ainda mais coesos nas flutuações do preço do grão e na influência recíproca entre os dois mercados. Fato esperado dada a dependência do Rio Grande do Sul às políticas macroeconômicas e de incentivos ao setor, adotadas pelo ente Federal.

REFERÊNCIAS BIBLIOGRÁFICAS

ALVES, L. R. A. Transmissão de preços entre produtos do setor sucroalcooleiro do

Estado de São Paulo. 2002. 107f. Dissertação (Mestrado em Economia Aplicada). Escola

Superior de Agricultura "Luiz de Queiroz",Piracicaba, SP.

ARDENI, P. G. Does the Law of One Price really hold for commodity prices? American

Journal of Agricultural Economics, v. 71, n.3, p. 661-669, 1989.

ARAUJO, E. C. de; DIAS, J. Endogeneidade do setor financeiro e crescimento econômico: uma análise empírica para a economia brasileira (1980-2003). Revista de Economia

Contemporânea, Rio de Janeiro, v. 10, n. 3, 2006. Disponível em:

<http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1415-98482006000300005&lng=pt&nrm=iso>. Acesso em: 05 Jun 2008.

AZEVEDO, M. S. Preço internacional e produção de soja no Brasil de 1995 a 2003. Monografia (Graduação). 2004. Centro Universitário de Goiás, Uni-Anhangüera. Goiás: GO. Disponível em: <http://www.anhanguera.edu.br/portal>. Acesso em 17 set. de 2008.

BALCOMBE, B. K.; MORRISON, J. Commodity price transmission: a critical of techniques and an application to select tropical export commodities. Roma: FAO, 2002. BARBOSA, M. Z.; MARGARIDO, M. A.; NOGUEIRA JUNIOR, S. Análise da elasticidade de transmissão de preços no mercado brasileiro de algodão. Nova Economia, Belo Horizonte, vol. 12, n. 2, p. 79-108, jul/dez 2002.

CAMPOS, K. C.; CAMPOS, R. T. Volatilidade de preços dos produtos agrícolas: uma análise comparativa para a soja, café, milho e boi gordo. In: XLV CONGRESSO BRASILEIRO DE ECONOMIA, ADMINISTRAÇÃO E SOCIOLOGIA RURAL, Anais... Londrina: SOBER, 2007. 1 CD-ROM.

CASTRO, A. S. de; ROSSI JR. J. L. Modelos de previsão para a exportação das principais commodities brasileiras. Rio de Janeiro: RJ. Texto para discussão nº 716, IPEA, abr. de 2000. CARNEIRO, F. G. A metodologia dos testes de causalidade em economia. Disponível em: < http://www.angelfire.com/id/SergioDaSilva/causal.pdf>. Acesso em 05 de junho de 2008. COELHO, A. B. A cultura do algodão e a questão da integração entre preços internos e externos. Brasília, DF: Revista de Economia e Sociologia Rural, v. 42, n. 1, p. 153-169, Jan./mar. de 2004.

COSTA, L. S.; FONTANINI, C. A. C.; DUCLÓS, L. C.; CORSO, J. M. D. Análise econométrica do processo de transmissão entre os preços da soja nos mercados físico brasileiro e norte-americano. IX SEMEAD – Administração no Contexto Internacional, FEA-USP, 2006.

EMBRAPA SOJA. Disponivel em:<http://www.cnpso.embrapa.br> Acesso em 5 de out. 2009.

ENDERS, W. Applied Econometric Time Series. 1ª edição, Nova York, John Wiley & Sons, Inc.,1995.

FREITAS, S. M.; BARBOSA, M. Z. ; FRANCA, T. J. F. Cadeia de produção de soja no Brasil: o caso do óleo. Informações Econômicas, São Paulo, v. 30, n. 12, p. 30-40, dez. 2000. FREITAS, S. M.; MARGARIDO, M. A.; BARBOSA, M. Z. ; FRANCA, T. J. F. Análise da dinâmica de transmissão de preços no mercado internacional de farelo de soja, 1990-99. São Paulo, SP: Agricultura em São Paulo, v. 48(1); n. 1, p. 1-20, 2001.

GAIO, L. E.; CASTRO JUNIOR, L. G.; OLIVEIRA, A. R. Causalidade e elasticidade na transmissão de preço do boi gordo entre regiões do Brasil e a Bolsa de Mercadorias & Futuros (BM&F). Organizações Rurais e Agroindustriais (UFLA), v. 07, p. 282-297, 2005.

GIEMBINSKY, R.; HOLLAND. M. Comportamento do preço da soja no complexo soja: uma análise de co-integração e de causalidade. XXXIII Encontro Nacional de Economia - ANPEC Nacional. Porto Seguro, BA, 2003.

GUJARATI, D. N. Econometria Básica. 3ª edição, São Paulo, SP, Makron Books, 2000. HARRIS, R. I. D. Using cointegration analysis in econometric modelling. London: Prentice Hall/ Harvester Wheatsheaf., 1995.

LAMOUNIER, W. M.; LEITE, C. A M. Análise estrutural de séries temporais. In: SANTOS dos, M. L.; VIEIRA, W. da CRUZ (Editores). Métodos Quantitativos em Economia. Viçosa: ed. UFV, 2004.

LAZZARINI, G.; NUNES, R. Competitividade no sistema agroindustrial da soja. In: Relatórios de Projetos PENSA. Disponível em:< http//www.fundacaofia.com.br/pensa>. Acesso em: 17 de set. de 2008.

MAFIOLETTI, R. L. Formação de preços na cadeia agroindustrial da soja na década de 90. Revista de Economia e Sociologia Rural, 39(4): 9-25, set./dez., 2001.

MANFIO, D. A. Análise da transmissão de preços e margem de comercialização do feijão

preto no Estado do Paraná, no período de 1982 a 2004. 2005. 145f. Dissertação (Mestrado

profissionalizante em desenvolvimento econômico) Universidade Federal do Paraná, Curitiba, 2005.

MAIA, F. N. C. de S. da. Gestão do risco de preço da soja por meio da contratos futuros

da Chicago Board of Trade e da Bolsa de Mercadorias e Futuros. 2005. 94f. Dissertação

(Mestrado). Universidade Federal de Viçosa, Viçosa, MG.

MARGARIDO, M. A.; BUENO, C. R.; MARTINS, V.; CARNEVALLI, L. Análise dos efeitos preço e câmbio sobre o preço do óleo de soja na cidade de São Paulo: uma aplicação do modelo VAR. V Encontro de Economistas da Língua Portuguesa. Recife, 2003.

MARGARIDO, M. A.; CAMARGO BARROS, G. S. Transmissão de preços agrícolas internacionais para preços agrícolas domésticos no Brasil. Agricultura em São Paulo, São Paulo, vol. 47, n. 2, p. 53-81, 2000.

MARGARIDO, M. A.; TUROLLA, F. A. Previsão de preços no mercado internacional de grão de soja. São Paulo: SP, Informações Econômicas, v. 33, n. 1, p. 7-17, jan. 2003.

MARGARIDO, M. A.; TUROLLA, F. A.; FERNANDES, J. M. Análise da formação de preços no mercado internacional de soja: o caso do Brasil. São Paulo, SP: Agricultura em

São Paulo, v. 47(2); n. 2, p. 71-85, 2002.

MARGARIDO, M. A.; SOUZA, E. L. L. de. Formação de preços da soja no Brasil. São Paulo, SP: Agricultura em São Paulo, v. 45(2); n. 2, p. 52-61, 1998.

MARQUES, R. H. S. Determinantes do uso de mercados futuros pelos produtores de soja

de Cascavel – PR. 2001. 84f. Dissertação (Mestrado). Universidade Federal de Viçosa,

Viçosa, MG.

MAYORGA, R. O.; KHAM, A. S.; MAYORGA, R. D.; LIMA, P. V. P. S.; MARGARIDO, M. A. Análise de transmissão de preços do mercado atacadista de melão do Brasil. RER, Rio de Janeiro, vol. 45, n. 03, p. 675-704, jul/set 2007.

MESQUITA, J. M. C. de. Formação de preços no mercado de café. 1998. 73f. Dissertação (Mestrado em Administração Rural). Universidade Federal de Lavras, Lavras, MG.

MORAES, M. de. Prêmio de exportação da soja brasileira. 2002. 90f. Dissertação (Mestrado em Economia Aplicada). Escola Superior de Agricultura "Luiz de Queiroz", Piracicaba, SP.

MUNDLAK; Y; LARSON, D. F. On the transmission of world agricultural prices. The

World Bank Economic Review, v.6, n.3, p. 399-422, 1992.

PAULA de, S. R.; FAVERET FILHO, P. Panorama do complexo soja. In: Estudos e publicações BNDES. Disponível em: <http://www.bndes.gov.br>. Acesso em: 17 set. de 2008.

PEREDA, P. C.; OLIVEIRA, J. M. de; FAVA, V. L. Análise de co-integração entre crime e desemprego: um estudo econométrico. Anais, X Encontro de Economia da Região Sul, 2007. PESARAN, M. H.; PESARAN, B. Working with Microfit 4.0: interactive econometric analysis. Oxford, New York, Oxford University Press, 1997.

RABONI, P. L. Anomalias no mercado de capitais brasileiro: ensaios com testes empíricos na Bovespa. 2006. 96f. Tese (Doutorado em Administração de Empresas) Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, 2006.

SANTANA, J. A. de. Assimetria na transmissão de preços de diversos produtos agrícolas

no Estado de São Paulo. 1999. 66f. Dissertação (Mestrado). Universidade Federal de Viçosa,

Viçosa, MG.

SILVA FILHO, O. C. da; FRASCAROLI, B. F.; MAIA, S. F. Transmissão de preços no mercado internacional da soja: uma abordagem pelos modelos ARMAX e VAR. XXXIII

Encontro Nacional de Economia - ANPEC Nacional. Natal, RN, 2005.

SILVEIRA, A. M. A relação entre os preços de açúcar nos mercados domésticos e

internacional. 2004. 74f. Dissertação (Mestrado em Economia Aplicada) Escola Superior de

Agricultura "Luiz de Queiroz", Piracicaba, 2004.

SOUZA, E. P. de; CAMPOS, A. C. Transmissão inter-regional de preços no mercado brasileiro de soja. Porto Alegre, RS: Revista Análise Econômica, ano 27, n. 51, p. 83-105, 2009.