• Nenhum resultado encontrado

Participação da taxa de câmbio e da bolsa de Chicago na formação do preço da soja gaúcha

N/A
N/A
Protected

Academic year: 2021

Share "Participação da taxa de câmbio e da bolsa de Chicago na formação do preço da soja gaúcha"

Copied!
15
0
0

Texto

(1)

UNIJUÍ – UNIVERSIDADE REGIONAL DO NOROESTE DO ESTADO DO RIO GRANDE DO SUL

DACEC – DEPARTAMENTO DE CIÊNCIAS ADMINISTRATIVAS, CONTÁBEIS, ECONÔMICAS E DA COMUNICAÇÃO

CURSO DE PÓS-GRADUAÇÃO LATO SENSU EM FINANÇAS E MERCADO DE CAPITAIS – MBA, 1ª Edição 2013/2014

JUSSIANO REGIS PACHECO

PARTICIPAÇÃO DA TAXA DE CÂMBIO E DA BOLSA DE CHICAGO NA FORMAÇÃO DO PREÇO DA SOJA GAÚCHA

Ano/semestre letivo: 2015 / 1o Semestre

(2)

JUSSIANO REGIS PACHECO

PARTICIPAÇÃO DA TAXA DE CÂMBIO E DA BOLSA DE CHICAGO NA FORMAÇÃO DO PREÇO DA SOJA GAÚCHA

Trabalho de Conclusão do Curso apresentado ao curso de pós-graduação Lato Sensu em Finanças e Mercado de Capitais, do Departamento de Ciências Administrativas, Contábeis, Econômicas e da Comunicação (Dacec), da Universidade Regional do Noroeste do Estado do Rio Grande do Sul (Unijuí), requisito parcial para obtenção do grau de Especialista em Finanças e Mercado de Capitais.

Orientador: Dr. Argemiro Luís Brum

Ijuí (RS) 2015

(3)

PARTICIPAÇÃO DA TAXA DE CÂMBIO E DA BOLSA DE CHICAGO NA FORMAÇÃO DO PREÇO DA SOJA GAÚCHA1

EXCHANGE RATE OF PARTICIPATION AND CHICAGO STOCK EXCHANGE PRICE IN FORMATION OF SOYBEAN GAÚCHA

Jussiano Regis Pacheco2

Argemiro Luís Brum3

Resumo: O presente estudo visa analisar os efeitos que as variações da taxa de câmbio e da

cotação da soja na Bolsa de Chicago (CBOT) possuem sobre o preço dessa oleaginosa no Estado do Rio Grande do Sul, no período de fevereiro de 1999 a dezembro de 2014. Utilizou-se para isso o modelo econométrico de Regressão Linear Múltipla. Constatou-Utilizou-se que o modelo se apresentou apropriado, pois permitiu analisar de maneira satisfatória a relação entre as variáveis, mostrando que o preço da soja gaúcha é sua função. Os resultados também permitem afirmar que as variações na taxa de câmbio nominal geram maiores alterações na variável dependente do que as mudanças de mesma proporção na cotação da CBOT.

Palavras-chave: Soja. Rio Grande do Sul. Taxa de câmbio. Bolsa de Chicago.

Abstract: The present study analyzes the effects that changes in the exchange rate and

soybean quotation on Chicago Board of Trade (CBOT) have on the price of soybeans in the Rio Grande do Sul, from February 1999 to December 2014. We used treated to this the econometric model of multiple linear regression. It was found that the model performed quite appropriate as it allowed us to analyze satisfactorily the relationship between the variables, showing that the price of the state is the task of soy. The results also allow us to state that the variations in the nominal exchange rate generate major changes in the dependent variable, than changes of proportion in the Pricing of CBOT.

Key words: Soybean. Rio Grande do Sul. Exchange Rate. Chicago Board of Trade.

INTRODUÇÃO

A economia gaúcha tem forte relação com a produção agrícola, especialmente a soja, milho, arroz e trigo. Este estudo trata da soja, principal produto gerador de renda no meio rural, com enfoque nas oscilações dos preços a partir das mudanças cambiais e das cotações na Bolsa de Chicago, centro mundial da comercialização dessa commodity.

1 Artigo científico apresentado ao curso de pós-graduação lato sensu em Finanças e Mercado de Capitais, do

Departamento de Ciências Administrativas, Contábeis, Econômicas e da Comunicação (Dacec), da Universidade Regional do Noroeste do Estado do Rio Grande do Sul (Unijuí), requisito parcial para obtenção do grau de Especialista em Finanças e Mercado de Capitais.

2 Economista; pós-graduando do curso de Finanças e Mercado de Capitais da Unijuí. E-mail: jussiano.pacheco@

gmail.com.

3 Orientador, doutor em Economia, docente do curso de pós-graduação em lato sensu em Finanças e Mercado de

(4)

O Rio Grande do Sul ocupa, atualmente, a terceira posição no ranking de produção de soja em grão no Brasil, superado apenas pelos Estados do Mato Grosso e Paraná. De acordo com dados da Emater (2015), estima-se que a safra de soja de 2014/2015 terá um aumento de 10% em relação ao período anterior, devendo sua produção alcançar 15 milhões de toneladas. Tal produção impacta positivamente na economia gaúcha, devido à forte relação que a produção da oleaginosa possui no PIB do Rio Grande do Sul.

Historicamente, a soja é produzida por milhares de produtores rurais, boa parte dela originada nas pequenas e médias propriedades. A soja tem sido a principal fonte de renda desses produtores, que estão totalmente sujeitos às oscilações de mercado. Acredita-se que os movimentos nos preços decorrem principalmente de dois fatores: alteração das cotações do produto na Bolsa de Chicago, e oscilação do câmbio, a partir do momento em que o Brasil adotou o sistema de câmbio flutuante, no início de 1999.

Essas variações modificam diretamente a renda dos agricultores, originando um processo de instabilidade. Neste contexto, o objetivo do presente estudo é definir o grau de influência dessas variáveis sobre os preços recebidos pelos produtores de soja do Rio Grande do Sul, diante das variações ocorridas a partir de 1999 até 2014.

Este artigo está organizado em quatro sessões, estruturadas da seguinte maneira: primeiramente é apresentada a metodologia do estudo, em que se discutem as informações coletadas para análise. Na sequência, a segunda sessão avalia o modelo econométrico utilizado. O estudo das flutuações dos preços compõe a sessão seguinte, que discute a evolução dos elementos formadores do preço da soja do Rio Grande do Sul. A sessão está dividida em três partes, sendo que a primeira trata da cotação da commodity na Bolsa de Chicago; a seguinte refere a taxa de câmbio; e a terceira discute o preço da soja gaúcha. A quarta sessão do artigo apresenta a Análise dos Resultados obtidos por intermédio da aplicação do modelo. Por fim, apresentam-se as considerações finais a que se chegou com a realização do estudo.

1 METODOLOGIA

1.1 Base de dados

Os dados utilizados na análise estatística foram coletados em fontes digitais, enquanto o preço médio mensal da saca de 60 kg de soja comercializada no Estado do Rio Grande do Sul foi obtido junto à Emater (2015).

(5)

Para compor as cotações de preços da soja no mercado internacional foram utilizadas as informações da Bolsa de Cereais de Chicago (CBOT), obtidas via Central Internacional de Análises Econômicas e de Estudos de Mercado Agropecuário (CEEMA, 2015). O valor refere-se à média mensal dos preços pagos em dólar por um bushel (27,1 kg) de soja.

Já os números referentes à série histórica da Taxa de Câmbio Nominal no Brasil (R$/US$) foram obtidos junto ao site da Fundação Centro de Estudos do Comércio Exterior (FUNCEX, 2015). Estes dados estão relacionados ao valor da moeda brasileira (R$) em relação à moeda norte-americana (U$S).

Utilizou-se a vigência do regime de câmbio flutuante no país como critério para definição do período de coleta dos dados, cujo regime se mantém atualmente. Assim, o período dos dados pesquisados está delimitado entre fevereiro de 1999 a dezembro de 2014.

2 MODELO ECONOMÉTRICO

A base de dados coletada para o presente estudo foi analisada a partir de instrumental estatístico. O método estatístico é importante para a realização de análises das relações entre as variáveis, utilizando para isto diversas combinações entre os elementos da cotação da soja na Bolsa de Chicago (CBOT) e a Taxa de Câmbio, o que possibilita verificar a influência que ambas possuem sobre os preços da soja gaúcha (EMATER, 2015).

Mediante a utilização de testes estatísticos, torna-se possível determinar, em termos numéricos, a probabilidade de acerto de determinada conclusão, bem como a margem de erro de um valor obtido. Portanto, o método estatístico passa a caracterizar-se por razoável grau de precisão, o que o torna bastante aceito por parte dos pesquisadores com preocupações de ordem quantitativa. (GIL, 1995, p. 28).

Para que seja feita a análise dos dados coletados utilizou-se o modelo estatístico econométrico de Regressão Linear Múltipla. Este instrumento matemático permite conhecer a relação entre as variáveis estudadas, além de sintetizar os inúmeros valores obtidos em uma única função. Segundo afirmam Sassi et al. (2011, p.4):

A regressão linear múltipla é uma técnica multivariada cuja finalidade principal é obter uma relação matemática entre uma das variáveis estudadas (variável dependente ou resposta) e o restante das variáveis que descrevem o sistema (variáveis independentes ou explicativas), e reduzir um grande número de variáveis para poucas dimensões com o mínimo de perda de informação, permitindo a detecção dos principais padrões de similaridade, associação e correlação entre as variáveis. Sua principal aplicação, após encontrar a relação matemática, é produzir valores para a variável dependente quando se tem as variáveis independentes (cálculo dos valores preditos). Ou seja, ela pode ser usada na predição de resultados, por meio da regra estatística dos mínimos quadrados.

(6)

A construção de um modelo geral de regressão múltipla necessita de uma variável dependente (Y), e variáveis explanatórias (X1, X2 X3, ..., Xn) relacionadas a Y. Esta equação linear pode ser escrita da seguinte forma:

Y=β1 + β2X2 + β3X3 + .... + βnXn + e

Os coeficientes β2, β3,...,βK são parâmetros desconhecidos. Cada parâmetro mede o efeito das modificações da variável X correspondente sobre o valor esperado de Y, mantidas constantes todas as outras variáveis. É importante considerar que o parâmetro β1 é o intercepto, sendo que a variável à qual está ligado é X1=1. A estimação dos parâmetros ocorre de acordo com o método por Mínimos Quadrados. Este método tem como princípio minimizar a soma dos quadrados das diferenças entre os valores observados de Y e seu valor esperado E[Y] = β1 + β2X2 + β3X3 + e. O termo e representa o termo de erro aleatório. Este foi adicionado para levar em conta uma diferença entre o valor real observável e o valor esperado, e = Y – E(Y). O erro aleatório representa todos os fatores que fazem com que o valor real difira de seu valor esperado.

Para avaliar a qualidade do modelo econométrico obtido, isto é, saber se explica com eficiência a realidade, foram observados alguns coeficientes gerados pelo próprio programa. Um deles é o coeficiente de determinação ou explicação, R². Este coeficiente mede a parcela da variação de Y explicada pela variação dos X. Seu valor fica entre 0 e 1 (0<R²<1), e quanto maior for o coeficiente, mais explicativo é o modelo. Segundo explicam Hill et al. (2003):

O coeficiente de determinação é também encarado como uma medida de capacidade previsora do modelo sobre o mesmo período amostral, ou como uma medida de quão bem a regressão estimada se ajusta aos dados. O va or de é igua ao quadrado do coeficiente de corre o amostra entre os t. esse caso di emos que o mode o se a usta em aos dados. e é ai o, n o e iste uma associa o estreita entre os va ores de t e os va ores previstos pe o mode o t e o modelo não se ajusta bem aos dados.

Outro item de avaliação do modelo é o teste de significância (teste F), que serve para confirmar se as variáveis explanatórias influenciam a variável dependente Y. Para obter a resposta é calculado o valor de F a partir das informações coletadas (F calculado) e comparado com o valor da tabela de distribuição F de Snedecor (F tabelado). Se F calculado for maior que F tabelado, conclui-se que há evidências de que a variável dependente (Y)

(7)

esteja relacionada com cada uma das variáveis independentes (X). Conforme apresentam Souza et al. (2007):

Testa-se, então, a significância do modelo por meio do teste de hipótese para a existência de regressão linear múltipla. Sendo α o nível de significância (ou limite do erro) do teste, então, conclui-se que existe regressão linear múltipla, ou seja, que o modelo pode explicar e prever a variável Y se F calculado > F tabelado, sendo F tabelado obtido de uma tabela da distribuição F de Snedecor, com (k, n -k -1) graus de liberdade (k: número de variáveis independentes no modelo e n: número de

informações amostrais); e F calculado = , obtido por meio

das informações amostrais.

O Teste F possibilita conhecer se as variáveis X utilizadas são válidas para explicar o modelo. Não é possível, porém, saber individualmente quais delas têm influência significativa sobre a variável Y e, por isso, utiliza-se o Teste t. Segundo Hill et al. (2003, p. 90), tal estatística tem a finalidade de testar se o efeito de cada uma das variáveis explicativas sobre a dependente é ou não estatisticamente significativo. Isto é, permite selecionar as variáveis independentes (explicativas) que são significativas para o modelo, e com isso eliminar as variáveis que têm pouca ou nenhuma contribuição na variabilidade da variável dependente Y. No teste t, semelhante ao realizado no teste F, faz-se a comparação entre os valores obtidos de

t calculado e de t tabelado, sendo que o valor de t tabelado é encontrado a partir da tabela de

distribuição t Student. Assim se, para cada variável X, o t calculado for maior que o t

tabelado, conclui-se que a variável é significativa para o modelo.

Para a aplicação do modelo é importante definir o intervalo de confiança, cujo cálculo visa quantificar o nível de incerteza envolvido na amostragem. Considera-se para a aplicação do modelo um nível de 95% de confiança. Pode-se afirmar, portanto, que em 95 de 100 amostras hipotéticas, o resultado está dentro deste intervalo.

Toda a sistematização e a análise estatística dos dados foram realizadas por meio das ferramentas de análise de dados do Programa Microsoft Excel 2010.

3 ESTUDO DAS FLUTUAÇÕES DOS PREÇOS

Dentre as várias influências sobre o processo de formação de preços da soja no Rio Grande do Sul destacam-se a cotação dos preços na Bolsa de Chicago (CBOT) e a taxa de câmbio. A seguir são apresentados os elementos que definem a forma de influência dessas variáveis sobre os preços do produto agrícola gaúcho.

(8)

3.1 Cotação da soja na Bolsa de Chicago (CBOT)

A Bolsa de Chicago é o centro mundial da comercialização de commodities, sendo a mais tradicional bolsa de contratos futuros de mercadorias agrícolas do mundo. Uma média de 900 mil novos contratos é negociada ali diariamente. Segundo Schultz et al. (2008), as grandes oscilações nos preços da soja na CBOT são originadas pela demanda mundial do grão. Quando o mercado prevê uma queda acentuada nos estoques mundiais ou há previsão de quebra na safra em algum país, considerado grande produtor e que possa afetar os estoques mundiais, o preço reage positivamente. Da mesma forma, quando o mercado prevê um aumento na oferta e, consequente, aumento nos estoques, os preços reagem negativamente. Para Margarido e Sousa (1998), os preços da soja no Brasil têm uma forte dependência do mercado internacional, principalmente dos preços cotados em Chicago.

O gráfico 1, a seguir, apresenta a evolução da cotação do preço da soja na Bolsa de Chicago (CBOT) entre o período de fevereiro de 1999 a dezembro de 2014, em que é possível perceber um crescimento constante e diversos momentos de turbulência.

Gráfico 1. Média mensal da cotação de soja na Bolsa de Chicago (CBOT) entre fev/99 à dez/14 (US$/bushel)

Fonte: Ceema (2015).

No início do período analisado, o bushel era comercializado à US$ 4,88, nos meses seguintes o comportamento dos preços se manteve em crescimento lento e constante, com algumas oscilações, chegando em maio de 2006 a US$ 5,91(crescimento de 24,15%). A partir daí os preços do grão foram se alterando significativamente, fazendo as cotações dispararem em diversos momentos, chegando a alcançar, em agosto de 2012, o valor de US$ 16,95, o

2,00 4,00 6,00 8,00 10,00 12,00 14,00 16,00 18,00 fe v/ 99 jul /99 de z/ 99 m ai /00 o ut /00 m ar /01 ag o /01 jan /0 2 jun /02 n o v/02 ab r/03 se t/ 03 fe v/ 04 jul /04 de z/ 04 m ai /05 o ut /05 m ar /06 ag o /06 ja n /0 7 jun /07 no v/07 ab r/08 se t/ 08 fe v/ 09 jul /09 de z/ 09 m ai /10 o ut /10 m ar /11 ag o /11 jan /1 2 jun /12 no v/12 ab r/13 se t/ 13 fe v/ 14 jul /14 de z/ 14

(9)

maior do período. Após, foi perdendo força, principalmente em 2014, quando em dezembro chegou a US$ 10,30. De forma geral, considerando todo o período analisado, o preço do grão cresceu 110,96%.

3.2 Taxa de câmbio nominal

Outra importante variável é a Taxa de Câmbio, definida pela relação do preço da moeda estrangeira com a moeda doméstica.

A taxa de câmbio é uma variável econômica de extrema importância por intermediar as transações comerciais de um país. O saldo positivo ou negativo obtido durante cada ano por um país é influenciado pelo preço da moeda estrangeira em relação à moeda nacional. Uma depreciação da taxa de câmbio faz crescer as exportações e uma apreciação da taxa de câmbio estimula as importações, ou seja, a administração da política cambial pode trazer efeitos positivos, mas não descarta que os negativos aconteçam. (CARVALHO; SILVA, 2006).

A partir de janeiro de 1999 o Brasil passou a adotar o sistema de câmbio flutuante. Com ele o valor do dólar no país passou a ser definido pela oferta e demanda da moeda, e o Banco Central brasileiro se tornou apenas uma espécie de player nesse mercado, comprando ou vendendo dólares na busca de estabilizar o Real em patamares considerados aceitáveis para a economia nacional.

O gráfico 2, na sequência, apresenta a evolução da cotação da taxa de câmbio (R$/US$) entre fevereiro de 1999 a dezembro de 2014.

Gráfico 2. Média mensal da taxa de câmbio nominal entre fev/99 à dez/14 (R$/US$)

Fonte: Funcex (2015). 0,50 1,00 1,50 2,00 2,50 3,00 3,50 4,00 fe v/ 99 jul /99 de z/ 99 m ai /00 o ut /00 m ar /01 ag o /01 jan /0 2 jun /02 no v/02 ab r/03 se t/ 03 fe v/ 04 jul /04 de z/ 04 m ai /05 o ut /05 m ar /06 ag o /06 ja n /0 7 jun /07 no v/07 ab r/08 se t/ 08 fe v/ 09 jul /09 de z/ 09 m ai /10 o ut /10 m ar /11 ag o /11 jan /1 2 jun /12 no v/12 ab r/13 se t/ 13 fe v/ 14 jul /14 de z/ 14

(10)

De forma geral é possível perceber que o índice teve comportamento volátil. Os picos mais fortes ocorreram em 2002, devido, principalmente, às incertezas decorridas do quadro político interno, e em 2008/2009, incentivado pela crise do sub-prime nos Estados Unidos. De forma geral, a moeda brasileira sofreu desvalorização em relação ao dólar no período analisado, pois em 1999 a taxa de câmbio era de R$ 1,90 e chegou a R$ 2,64 em dezembro de 2014, confirmando um crescimento no valor da moeda nacional de 38,94% em relação ao dólar americano.

3.3 Preço da soja no Rio Grande do Sul

Considerando todo o período analisado, o preço da soja no Rio Grande do Sul obteve um ganho nominal de 280,1%, fazendo com que o preço médio passasse de R$ 15,65/saco, em fev/1999 para R$ 59,49/saco no fim do período analisado, conforme mostra o gráfico 3.

Gráfico 3. Média mensal do preço da soja no Rio Grande do Sul (R$/saca 60 kg)

Fonte: Emater (2015).

É importante destacar que na maior parte do tempo, o comportamento do preço médio do saco de soja é semelhante ao de Chicago, conforme ilustra o gráfico 4, a seguir. Em alguns períodos, porém, como entre 2001 até início de 2007 e de 2012 em diante, a evolução do valor da soja gaúcha mostrou-se superior ao bushel.

10,00 20,00 30,00 40,00 50,00 60,00 70,00 80,00 fe v/99 ago /9 9 fe v/00 ago /0 0 fe v/01 ago /0 1 fe v/02 ago /0 2 fe v/03 ago /0 3 fe v/04 ago /0 4 fe v/05 ago /0 5 fe v/06 ago /0 6 fe v/07 ago /0 7 fe v/08 ago /0 8 fe v/09 ago /0 9 fe v/1 0 ago /1 0 fe v/11 ago /1 1 fe v/12 ago /1 2 fe v/13 ago/1 3 fe v/14 ago /1 4

(11)

Gráfico 4. Evolução do preço da soja no Rio Grande do Sul, taxa de câmbio e cotação da soja na Bolsa de Chicago, entre fev/99 a dez/14 (base 100 = fev/99)

Fonte: Dados da pesquisa (2015).

Nesses casos acredita-se que há forte influência do câmbio sobre o preço da

commodity produzida no Estado do Rio Grande do Sul, já que os preços do grão gaúcho

apresentaram uma elevação superior à proporção do aumento de Chicago. Ao mesmo tempo a moeda brasileira (Real) sofreu uma desvalorização significativa no período. Estas relações entre as variáveis serão testadas na próxima sessão deste artigo.

4 ANÁLISE DOS RESULTADOS

Nesta sessão é feita a aplicação do modelo econométrico de Regressão Linear Múltipla, descrito anteriormente. A partir dos resultados obtidos e da sua análise, avaliou-se o efeito que a variável Preço da soja no RS sofre a partir das variações da cotação da soja na Bolsa de Chicago e da taxa de câmbio Real/Dólar.

No quadro a seguir são apresentados os resultados do modelo aplicado, que permitem fazer uma avaliação das informações utilizadas para construir o modelo, observando se os resultados são suficientes para representar a realidade. Um dos itens observados é o coeficiente de determinação ou de explicação (R²), que mede a parcela da variação de Y explicada pela variação dos X. Ao observar o Quadro 1, a seguir, percebe-se que o item R² apresenta o valor de 0,928, o que significa que 92,8% da variação amostral do preço da soja do Rio Grande do Sul podem ser atribuídas ao efeito da variação da cotação da soja na Bolsa de Chicago e à variação da taxa de câmbio nominal. Este índice aproxima-se muito do valor máximo (0 < R² < 1), o que demonstra forte representatividade das variáveis independentes sobre o preço da soja no Estado do Rio Grande do Sul.

0,0% 100,0% 200,0% 300,0% 400,0% 500,0% 600,0% fe v/ 99 jul /99 de z/ 99 m ai /00 o ut /00 m ar /01 ag o /01 jan /0 2 jun /02 no v/02 ab r/03 se t/ 03 fe v/ 04 jul /04 de z/ 04 m ai /05 o ut /05 m ar /06 ag o /06 jan /0 7 jun /07 no v/07 ab r/08 se t/ 08 fe v/ 09 jul /09 de z/ 09 m ai /10 o ut /10 m ar /11 ag o /11 jan /1 2 jun /12 no v/12 ab r/13 se t/ 13 fe v/ 14 jul /14 de z/ 14

(12)

Quadro 1. Resumo dos resultados da análise de Regressão Linear Múltipla

Fonte: Dados da pesquisa (2015).

Para observar a significância do modelo aplica-se o teste F, que serve para medir o efeito conjunto das variáveis explicativas sobre a dependente, ou seja, para verificar se, pelo menos, um dos X explica a variação de Y. Para isso faz-se a comparação entre F calculado, apresentado no Quadro 1 supra, e F tabelado. Este último é definido com base na tabela F de Snedecor a partir dos critérios dos graus de liberdade (GL=188), número de variáveis (k=2) e nível de confiança (95%). Ao analisar as informações constata-se que: F calculado é igual a 1225,396025 e F tabelado é igual a 3,043979683. Desse modo, como F calculado é maior que F tabelado, considera-se que há evidências estatísticas de que, no mínimo, uma das variáveis explicativas exerce influência significativa sobre a variável dependente Preço da Soja no RS, com apenas 5% de probabilidade de erro.

Para ter clareza sobre as variáveis X que possuem um nível de influência estatisticamente significativo sobre a variável dependente Y aplica-se o teste t. Neste teste, que é semelhante ao teste F, faz-se a comparação entre os coeficientes de t calculado e t tabelado para cada uma das variáveis independentes, onde t calculado é obtido no Quadro 1 supra (stat t), enquanto t tabelado se baseia na tabela de distribuição t student para um nível de significância de 5% e 188 graus de liberdade. Desta forma, tem-se os seguintes resultados:

Cotação da soja na Bolsa de Chicago Taxa de Câmbio Nominal

t calculado = 49,4018 t calculado = 21,6459

t tabelado = |1,6529| t tabelado = |1,6529|

Para ambos os testes o t calculado foi maior que o t tabelado, isto é, há evidências estatísticas de que as variações da cotação da soja na Bolsa de Chicago e da taxa de câmbio provocam alterações no preço da commodity gaúcha.

RESUMO DOS RESULTADOS

Estatística de regressão R múltiplo 0,963719503 R-Quadrado 0,92875528 R-quadrado ajustado 0,927997358 Erro padrão 3,913930569 Observações 191 ANOVA gl SQ MQ F F de significação Regressão 2 37543,32193 18771,66096 1225,396025 1,4413E-108 Resíduo 188 2879,94427 15,3188525 Total 190 40423,2662

Coeficientes Erro padrão Stat t valor-P 95% inferiores 95% superiores Inferior 95.0% Superior 95.0%

Interseção -30,04250145 1,849461543 -16,24391789 1,20092E-37 -33,69086524 -26,39413767 -33,69086524 -26,39413767 Cotação Soja Bolsa Chicago 4,10002427 0,082993287 49,40187857 1,2526E-109 3,93630651 4,26374203 3,93630651 4,26374203 Taxa Cambio Nominal 13,92911363 0,643498335 21,64592023 6,08904E-53 12,65970847 15,19851879 12,65970847 15,19851879

(13)

Assim, os resultados apresentados anteriormente mostraram-se satisfatórios, e o modelo testado tem se revelado útil para explicar e prever o preço da soja no Rio Grande do Sul. A partir disso apresenta-se, a seguir, a análise da função Preço da Soja no RS:

Preço da soja no RS = -30,04 + 4,1 x Cotação soja Bolsa Chicago + 13,93 x Taxa Câmbio Nominal

Sobre a equação anterior constata-se inicialmente que os dois coeficientes das variáveis independentes (X) são positivos, isso quer dizer que uma variação, tanto positiva como negativa, em qualquer uma das variáveis irá determinar uma variação de mesmo sentido na variável resposta Y.

Para conhecer o tamanho do efeito que cada uma das variáveis X gera sobre o Preço

da soja no RS observa-se o valor dos seus respectivos parâmetros. No caso da Taxa de

Câmbio Nominal o va or de β é igua a 13,93, o que significa que ao serem mantidas constantes as demais variáveis, as variações de 1 unidade na taxa de câmbio nominal produzem alterações de 13,93 unidades de valor no preço da saca do grão no Estado do RS. Esta variável exerce, portanto, mais efeitos sobre os preços recebidos pelos agricultores gaúchos.

Já o parâmetro ligado à variável cotação da soja na Bolsa de Chicago tem efeito menor sobre Y. Este apresenta um valor de β igual a 4,10, ou seja, mantendo constantes as demais variáveis, as variações de 1 unidade na cotação da soja na Bolsa de Chicago provocam alterações, no mesmo sentido, de 4,10 unidades no preço pago ao produtor de soja no RS.

Por fim, apresenta-se no gráfico 5, um comparativo entre o preço real da soja gaúcha e o preço estimado pelo modelo no período analisado.

(14)

Gráfico 5. Comparativo entre o preço real da soja gaúcha e o preço estimado pelo modelo no período de fev/1999 a dez/2014 (R$/saca 60 kg)

Fonte: Dados da pesquisa (2015).

A forte relação entre as duas variáveis mostra que o modelo de Regressão Linear Múltipla é bastante adequado para estimar o preço da commodity em relação ao real, o que evidencia a qualidade da análise.

CONSIDERAÇÕES FINAIS

Devido à instabilidade do mercado agrícola que prejudica a renda dos produtores de soja do Estado do Rio Grande do Sul, faz-se necessário ampliar o conhecimento sobre os fatores que afetam o preço dessa commodity. Por meio da aplicação do modelo econométrico de Análise de Regressão Múltipla o presente estudo objetivou precisar o tamanho da influência que cada uma das variáveis possui sobre o preço dessa oleaginosa.

O modelo aplicado – a Regressão Linear Múltipla – obteve êxito nos seus resultados, já que permitiu analisar, de maneira satisfatória, a relação das variáveis independentes, quais sejam, a Cotação da Soja na Bolsa de Chicago e a Taxa de Câmbio Nominal, com a variável dependente, isto é, o Preço da Soja no Rio Grande do Sul, no período de fevereiro de 1999 a dezembro de 2014. Estatisticamente, comprovou-se que o preço do grão no Estado do RS, ao longo do tempo, sofre influências das variáveis explicativas contidas no modelo.

Com relação à Taxa de Câmbio Nominal observou-se que alterações no seu valor afetam de forma expressiva a variável dependente. Os resultados obtidos permitem afirmar que a valorização da moeda nacional frente ao dólar reduz o valor da soja no Estado do Rio

Grande do Sul, podendo comprometer, assim, a rentabilidade dos sojicultores gaúchos.

E, finalmente, quanto às variações na cotação da soja na Bolsa de Chicago percebe-se que estas também geram efeitos significativos sobre a variável dependente, no entanto, em

10,00 20,00 30,00 40,00 50,00 60,00 70,00 80,00 fe v/ 99 jul /99 de z/ 99 m ai /00 o ut /00 m ar /01 ag o /01 jan /0 2 jun /02 no v/02 ab r/03 se t/ 03 fe v/ 04 jul /04 de z/ 04 m ai /05 o ut /05 m ar /06 ag o /06 jan /0 7 ju n /07 n o v/07 ab r/08 se t/ 08 fe v/ 09 jul /09 de z/ 09 m ai /10 o ut /10 m ar /11 ag o /11 jan /1 2 jun /12 no v/12 ab r/13 se t/ 13 fe v/ 14 jul /14 de z/ 14

(15)

proporção menor do que na taxa de câmbio. Isso mostra que variações que geram modificações nos preços externos no mercado mundial da soja podem ter reflexos sobre os preços internos. Tais observações permitem constatar ainda que o Estado do Rio Grande do Sul, apesar de ser um importante produtor de soja, é tomador de preços no mercado mundial dessa commodity. E que desequilíbrios entre a oferta e a demanda mundial de soja, que afetam os preços internacionais, podem resultar em fortes impactos nos preços domésticos.

REFERÊNCIAS

CARVALHO, M. A. de; SILVA, C. R. L. da. Economia internacional. 3. ed. São Paulo: Saraiva, 2006.

CEEMA. Central Internacional de Análises Econômicas e de Estudos de Mercado

Agropecuário. Disponível em: http://ceemaunijui.blogspot.com.br. Acesso em: 15 jan. 2015. EMATER/RS. Disponível em: http://www.emater.tche.br/site. Acesso em: 05 jan. 2015 FUNCEX. Fundação Centro de Estudos do Comércio Exterior. Disponível em:

http://www.funcexdata.com.br. Acesso em: 10 jan. 2015.

GIL, A. C. Métodos e técnicas de pesquisa social. 6. ed. São Paulo: Atlas, 1995. HILL, R. Carter; GRIFFITHS, William E.; JUDGE, George G. Econometria. 2. ed. São Paulo: Saraiva, 2003.

MARGARIDO, M. A.; SOUSA, E. L. de. Formação de preços da soja no Brasil. 36°

Congresso Brasileiro de Economia e Sociologia Rural. Anais... São Paulo, 1998, p. 773-784. SASSI, Cecília P.; PEREZ, Felipe G.; MYAZATO, Leticia; YE, Xiao; FERREIRA-SILVA, Paulo H.; LOUZADA, Francisco. Modelos de regressão linear múltipla utilizando os

softwares R E Statistica: uma aplicação a dados de conservação de frutas. São Paulo:

Universidade de São Paulo, 2011. Disponível em: http://www.icmc.usp.br/CMS/Arquivos/

arquivos_enviados/BIBLIOTECA_113_RT_377.pdf. Acesso em: 20 fev. 2015.

SCHULTZ, M. L.; BRANDT, E.; BRANDT, E.A. Estudo dos fatores determinantes para a variação do custo dos insumos e do preço da soja no Estado do Rio Grande do Sul após o Plano Real. Custos e @gronegócio on line. São Paulo, v. 4, n. 1, jan/abr, 2008.

SOUZA, S. S. S. et al. Mudanças cambiais e o efeito dos fatores de crescimento de

exportações brasileiras de soja. Revista de Economia e Agronegócio. Rio de Janeiro: Ed. da UFFRJ, v. 5, n. 1, 2007.

Referências

Documentos relacionados

Para este estágio delineei como principais me- tas a integração e trabalho em equipa, o desenvolvimento do raciocínio clínico e a aquisição de autonomia na abordagem das

Realizar a manipulação, o armazenamento e o processamento dessa massa enorme de dados utilizando os bancos de dados relacionais se mostrou ineficiente, pois o

patula inibe a multiplicação do DENV-3 nas células, (Figura 4), além disso, nas análises microscópicas não foi observado efeito citotóxico do extrato sobre as

Para devolver quantidade óssea na região posterior de maxila desenvolveu-se a técnica de eleva- ção do assoalho do seio maxilar, este procedimento envolve a colocação de

Esta ação consistirá em duas etapas. Este grupo deverá ser composto pela gestora, pelo pedagogo e ou coordenador pedagógico e um professor por disciplina

Acrescenta que “a ‘fonte do direito’ é o próprio direito em sua passagem de um estado de fluidez e invisibilidade subterrânea ao estado de segurança e clareza” (Montoro, 2016,

The focus of this thesis was to determine the best standard conditions to perform a laboratory-scale dynamic test able to achieve satisfactory results of the