CAUSALIDADE E TRANSMISSÃO DE PREÇOS ENTRE MERCADO INTERNO E INTERNACIONAL PARA PRODUTOS DO COMPLEXO SOJA

CAUSALIDADE E TRANSMISSÃO DE PREÇOS ENTRE MERCADO INTERNO E INTERNACIONAL PARA PRODUTOS DO COMPLEXO SOJA

Autores:

Débora Lovadine

Mestrando - Núcleo de Estudos em Competição e Regulação do Transporte Aéreo Divisão de Engenharia de Infra-Estrutura Aeronáutica CTA - ITA - IEI

CPF: 226.283.008-85

Endereço: Praça Marechal Eduardo Gomes, 50, Vila das Acácias - CEP 12.228-900 São José dos Campos - SP

E-mail: dlovadin@esalq.usp.br

Mirian Rumenos Piedade Bacchi

Profa. Doutora do Departamento de Economia, Administração e Sociologia CPF: 067715398-81

Endereço: Av. Pádua Dias, 11 CP 9 Piracicaba – SP - CEP – 13418-900 E-mail: mrpbacch@esalq.usp.br

Grupo de Pesquisa: 01 -Comercialização - mercados e preços

O artigo submetido é parte da monografia do primeiro autor. Forma de apresentação – Oral sem debatedor

CAUSALIDADE E TRANSMISSÃO DE PREÇOS ENTRE MERCADO INTERNO E INTERNACIONAL PARA PRODUTOS DO COMPLEXO SOJA

Mirian Rumenos Piedade Bacchi

Resumo: Este trabalho tem como principal objetivo identificar relações causais e estimar as elasticidades de transmissão entre os seguintes pares de preços: preço interno e internacional de soja em grão; preço interno e internacional de farelo de soja e; preço interno e internacional de óleo de soja. Os dados utilizados correspondem às médias semanais dos preços acima citados para o período de janeiro de 1999 a janeiro de 2004. A metodologia adotada compreende: teste de raiz unitária, teste de co-integração, teste de causalidade utilizando correlação cruzada com variáveis pré-filtradas com modelos auto-regressivos e, estimação da elasticidade de transmissão de preços. Observaram-se relações causais entre os preços interno e externo do farelo e entre os preços interno e externo do óleo. Em ambos os casos os preços internos são antecipados pelos preços externos dos respectivos produtos e as variações são transmitidas com grande intensidade e de forma rápida (até uma semana de defasagem). Não se identificou relação causal entre os preços interno e externo do grão. Nos três casos, notou-se fortes relações contemporâneas.

Palavras chave: sojicultura, mercado internacional, commodities. 1. Introdução

Nos últimos 30 anos, o êxito na produção de soja permitiu que o Brasil se destacasse como um dos principais produtores e exportadores de soja em grão, farelo e óleo de soja do mundo. Em 2003, o país foi o segundo maior produtor mundial do grão (51,5 milhões de toneladas), farelo (21,41 milhões de toneladas) e óleo de soja (4,96 milhões de toneladas) e as exportações totais do Complexo renderam US$ 8,1 bilhões (Secex/ABIOVE).

Condições agronômicas favoráveis combinadas ao uso de novas tecnologias tem significado altos níveis de produtividade obtidos até então. A existência de um mercado futuro de commodities em Chicago que garanta liquidez às negociações e o papel do setor privado no fornecimento de crédito aos produtores também se configuram como fatores fundamentais à continuidade e expansão da sojicultura no país.

A soja produzida no Brasil tem em média mais altos teores de óleo e proteína do que a dos demais países produtores. O óleo, além de ser usado diretamente para consumo humano, é matéria-prima básica para produtos hidrogenados (maioneses, margarinas e outros). O farelo de soja, por sua vez, é insumo básico na avicultura e na suinocultura.

O reduzido grau de intervenção governamental no setor, a abertura econômica a partir de 1990 e o processo de globalização de economias possibilitaram rapidez na circulação de informações entre os agentes econômicos gerando maior inter-relação entre preços domésticos e externos para os produtos do complexo de soja.

Sendo considerável a contribuição econômica do Complexo soja para o país e ponderável sua influência no custo de vida no Brasil, estudos que possibilitem um melhor entendimento do processo de formação de preços dos produtos desse setor são de suma importância e podem auxiliar na realização de análises prospectivas e na tomada de decisão dos agentes do mercado e dos formuladores de políticas setoriais.

Além disso, informações sobre a magnitude da relação entre os preços internos e os preços externos (Bolsa de Chicago) podem indicar a eficiência das cotações nos mercados futuros em refletir as expectativas dos agentes do setor. Se os preços nos dois mercados são

altamente relacionados, significa que os preços da Bolsa são bons indicadores e podem ser considerados como referências seguras na tomada de decisão dos agentes.

É importante acrescentar que nos estudos de causalidade realizados até então, são utilizados testes de causalidade feitos com dados cuja freqüência é mensal. Nesse caso, é importante esclarecer que a não rejeição da hipótese de causalidade é resultado conclusivo, mas a rejeição não. Isso acontece quando as informações sobre preços são transmitidas com alta velocidade e/ou a arbitragem se dá de forma rápida entre os mercados – assim a relação contemporânea é significativa, mas as relações envolvendo defasagens não o são. Desse modo, causalidade entre os preços de mercados com grande interação não pode ser desconsiderada quando os testes de causalidade indicam a não existência dessas relações, pois pode ser que haja relações causais entre os preços dos produtos que só sejam captadas utilizando-se dados de maior freqüência.

Com a finalidade de contornar esse problema, a proposta do presente estudo é a de analisar as relações existentes entre os preços interno e internacional da soja em grão, preços interno e internacional do óleo e preços interno e internacional do farelo de soja, utilizando dados semanais (período de janeiro de 1999 a janeiro de 2004), já que na literatura inexistem trabalhos feitos com dados que têm essa periodicidade. Especificamente, pretende-se identificar o sentido da causalidade entre os pares de preços e sua intensidade e velocidade de transmissão. 2. Complexo Soja no Brasil e no Mundo

A produção mundial de soja na safra 2002/2003 foi de 197,28 milhões de toneladas, representando o sexto recorde consecutivo. Na Figura 1 observa-se que a tendência da produção mundial do grão é crescente e pode-se registrar também que houve aumento de 68,07% na quantidade produzida num período de 10 anos-safra (1992/1993 a 2002/2003), passando de 117,38 para 197,28 milhões de toneladas.

0 50 100 150 200 250 1992/ 199 3 1993 /199 4 1994/ 199 5 1995/ 199 6 1996 /19 97 1997/ 199 8 1998/ 199 9 1999 /20 00 2000/ 200 1 2001/ 200 2 2002/ 200 3 M ilhõe s de t one la d a s

Figura 1 - Evolução da produção mundial de soja – 1992/1993 a 2002/2003. Fonte: USDA.

Na Figura 2 observa-se que 80% da produção mundial de soja em grão concentram-se em três países: Estados Unidos, Brasil, Argentina. Os Estados Unidos produziram em 2002/2003, 65,8 milhões de toneladas; o Brasil, 51,5 milhões de toneladas e a Argentina 34,8 milhões de toneladas. Estados Unidos 35% Brasil 27% Argentina 18% Outros 20%

Figura 2 – Participação relativa dos principais países produtores na produção mundial de soja na safra 2002/2003. Fonte: USDA

No período entre 1992/1993 e 2002/2003, as exportações mundiais de soja em grão passaram de 29,5 milhões de toneladas para 62,10 milhões, sendo que os Estados Unidos mantém-se como maiores exportadores. Destinando ao mercado internacional aproximadamente um terço de sua produção, os Estados Unidos exportaram 28,44 milhões de toneladas em 2002/2003; para o mesmo ano, o Brasil alcançou a quantidade recorde exportada de 20,13 milhões de toneladas e a Argentina exportou 8,71 milhões de toneladas(Figura 3).

Na Figura 4 apresenta-se a evolução das importações de soja em grão nos principais países importadores. Observa-se que a União Européia mantém-se até 2001/2002 como maior importadora (18,32 milhões de toneladas), seguida pela China (14,0 milhões de toneladas) e Japão (4,9 milhões de toneladas). A União Européia utiliza soja para produção de ração animal, dado que esse bloco econômico é um dos principais produtores mundiais de suínos, aves e bovinos. Em 2002/2003, as importações chinesas superam as da União Européia, alcançando 21,42 milhões de toneladas. 0 5 10 15 20 25 30 35 1992 /199 3 199 3/199 4 1994 /199 5 1995 /199 6 1996 /199 7 1997 /199 8 1998 /199 9 1999 /200 0 2000 /200 1 2001 /200 2 2002 /200 3 Milhões de toneladas

Estados Unidos Brasil Argentina

Figura 3 – Evolução das exportações de soja em grão, nos principais países exportadores, 1992/1993 a 2002/2003. Fonte: USDA.

É importante destacar o acentuado crescimento das importações do grão feitas pela China a partir de 1995, em substituição ao óleo e ao farelo, indicando a intenção por agregar valor dentro de seu próprio país. Essa é a tendência de muitos países (África do Norte, Oriente Médio e países do sul da Ásia), que como a China, por possuírem oportunidade limitada de expansão da produção de oleaginosas, investem na capacidade de esmagamento.

igura 4 – Evolução das importações de soja em grão nos principais países importadores, 0 5 10 15 20 25 1992 /199 3 199 3/19 94 199 4/19 95 1995/ 1996 199 6/19 97 199 7/19 98 199 8/19 99 1999 /2000 200 0/200 1 200 1/20 02 2002/ 2003 Milhões de toneladas

China União Européia Japão

F

A Figura 5 mostra que apesar das oscilações, a produção brasileira de soja tem tendência crescente. Do total produzido em 2003/2004, estima-se que cerca de 63% seja destinado ao consumo interno e que 42% seja exportado. Durante o período 1997/1998 a 2002/2003, a produção brasileira de soja cresceu 58%, o consumo cresceu 40% e as exportações cresceram 126%. Atualmente, os maiores demandantes da soja brasileira têm sido os Países Baixos, seguidos da China e da Alemanha.

0,00 10,00 20,00 30,00 40,00 50,00 60,00 199 7/98 199 8/99 199 9/00 2000 /01 2001 /02 2002 /03 2003 /04 Safra M il hõe s d e t on e la da s

Produção Consumo Exportação

Figura 5 – Brasil – Produção, Consumo e Exportação de soja em grão, 1997/98 a 2003/04.

Fonte: CONAB.

A soja “in natura” não tem tradição no regime alimentar brasileiro. A sua utilização é feita quase que totalmente na forma de óleo (mais de 90% do consumo nacional) e farelo (Tosto, 1996). Da produção mundial de soja em grão, estima-se que 7,5% correspondem a sementes e perdas no processo de comercialização, 7,0% são destinados à alimentação humana na forma “in natura”, e 85,5% são processados pelas indústrias esmagadoras, produzindo farelo e óleo (Guimarães, 2003).

O farelo de soja é insumo básico para fabricação de rações para aves e suínos. Em 2002/2003 a produção mundial de farelo foi de 130,89 milhões de toneladas, sendo que os maiores consumidores para o mesmo ano-safra foram: União Européia (34,55 milhões de toneladas), EUA (29,38 milhões de toneladas), China (20,70 milhões de toneladas) e Brasil (8,12 milhões de toneladas).

Na Figura 6 apresenta-se a evolução das exportações de farelo de soja nos principais países exportadores. Observa-se que a partir de 1997/1998 o Brasil perde a posição de maior exportador para a Argentina e é seguido pelos EUA. Em 2002/2003 a Argentina exportou 18,46 milhões de toneladas de farelo, o Brasil 13,75 milhões de toneladas e os EUA 5,45 milhões de toneladas. 0 2 4 6 8 10 12 14 16 18 20 1992/ 1993 1993/ 1994 1994/ 1995 1995/ 1996 1996/ 1997 1997/ 1998 1998/ 1999 1999/ 2000 2000/ 2001 2001/ 2002 2002/ 2003 Milhões de toneladas

Figura 6 – Evolução das exportações de farelo de soja nos principais países exportadores, 1992/93 a 2002/03. Fonte: USDA.

A Figura 7 mostra a evolução das importações de farelo soja nos principais países importadores. A União Européia destaca-se como principal importador, adquirindo 21,64 milhões de toneladas em 2002/2003, aumento de cerca de 68,64% em relação à quantidade importada em 1992/1993. Segundo previsões feitas pelo Departamento de Agricultura dos Estados Unidos, o crescimento das importações tanto de grão quanto de farelo de soja pela União Européia será cada vez menor pelos seguintes motivos: i) existência de abundantes estoques de grãos; ii) redução nos preços internos dos grãos, obedecendo a política de corte de preços da Agenda 2000 e; iii) aumento do consumo de grão e óleo de colza ao invés de grão e óleo de soja, como resultado de uma política de uso de biocombustíveis.

Com representatividades menores, comparadas às importações européias, está a Tailândia que aumentou suas quantidades importadas ao longo dos anos, chegando a 1,9 milhões de toneladas em 2002/2003; e a China, que importou quantidades crescentes até 1997/1998 (4,06 milhões de toneladas), mas foi reduzindo o montante gradativamente.

A Figura 8 mostra a produção, exportação e consumo de farelo de soja para o Brasil. No período entre as safras 1997/98 e 2003/04, a produção de farelo passou de 16,59 para 22,59 milhões de toneladas (aumento de 36%), o consumo no mesmo período cresceu 42% (5,90 para 8,40 milhões de toneladas) e as exportações também cresceram, de 10,45 para 14,50 milhões de toneladas (cerca de 38,8%).

O óleo de soja, além de ser utilizado diretamente para o consumo humano, pode ser empregado na composição de produtos hidrogenados (maioneses, margarinas e outros). A produção mundial em 2002/2003 foi de 30,38 milhões de toneladas (USDA).

A Figura 9 mostra a evolução das exportações de óleo de soja nos principais países exportadores. Na primeira posição está a Argentina, com a exportação de 4,34 milhões de toneladas em 2002/2003; em seguida vem o Brasil, com 2,26 milhões de toneladas; em terceiro lugar os EUA com 1,03 milhões de toneladas; e em quarta posição a União Européia, com 708 mil toneladas. O Brasil chegou a liderar o ranking dos principais exportadores em 1994/1995 e 1995/1996, mas retornou à segunda posição nos anos seguintes. A existência de grande infra-estrutura instalada para processamento, o baixo consumo doméstico de óleo e incentivos fiscais para as indústrias processadoras são as principais razões para o destaque da Argentina como maior exportador mundial de óleo de soja.

0 5 10 15 20 25 1992 /199 3 1993/19 94 1994/199 5 1995/ 199 6 1996/199 7 1997 /199 8 1998/19 99 199 9/200 0 2000/2 001 2001/200 2 2002 /200 3 M ilhões de toneladas

União Européia China Tailândia

Figura 7 – Evolução das importações de farelo de soja nos principais países importadores, 1992/93 a 2002/03. Fonte: USDA.

A Índia que, durante sete anos foi a terceira maior importadora de óleo, alcançou a primeira posição em 2000/2001 (79 mil toneladas), 2001/2002 (1,4 milhões de toneladas) e 2002/2003 (1,55 milhões de toneladas).

toneladas), nos quais esteve em primeira, primeira e te

igura 8 – Brasil – Produção, Consumo e Exportação de farelo de soja, 1997/98 a 2003/04.

onte: CONAB.

soja nos principais países exportadores, 1992/93 a 2002/03. Fonte: USDA.

soja nos principais países importadores,

u de 3,56 para 5,35 milhões de toneladas entre os anos-safra O Irã manteve-se como segundo maior importador na maioria do período, exceto pelos anos-safra 1992/1993 (433 mil toneladas), 1998/1999 (960 mil toneladas) e 2002/2003 (950 mil

rceira posições, respectivamente.

0,00 5,00 10,00 15,00 20,00 25,00 199 7/98 199 8/99 199 9/00 2000 /01 2001 /02 2002 /03 2003 /04 Safra Mi lh õe s de t o ne la d a s

Produção Consumo Exportação

F F 0 0,5 1 1,5 2 2,5 3 3,5 4 1992/ 1993 199 3/19 94 1994/ 1995 199 5/199 6 1996 /199 7 1997/ 1998 1998 /199 9 1999/ 2000 200 0/20 01 2001/ 2002 2002 /200 3 Milhões de toneladas 4,5 5 Argentina

Figura 9 – Evolução das exportações de óleo de

Figura 10 – Evolução das importações de óleo de 1992/93 a 2002/03. Fonte: USDA.

A Figura 11 mostra a produção, exportação e consumo de óleo de soja no Brasil. Com relação à produção, esta aumento

Brasil União Européia Estados Unidos

0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 1992/19931993/19941994/19951995/19961996 /1997 1997/19981998/19991999/20002000 /2001 2001/20022002/2003 Mi lhões de t onel adas

997/98 a 2003/04, ou seja, houve um crescimento de 50%; já o consumo teve aumento de apenas

valor, as exportações de grãos e

o e Exportação de óleo de soja, 1997/98 a 2003/04.

ações do Complexo Soja, 1992 a 2003.

últimos anos ução abrange terras em 15 Estados, totalizando aproximadamente 17,9 milhões de hectares.

do Sul (15,7%) e Goiás(12,3%).

re as produtividades nas diversas regiões

io direto (que já 1

17% (de 2,74 para 3,20 milhões de toneladas) e a exportação aumentou de 1,37 para 2,50 milhões de toneladas (aumento de 83%) para o mesmo período.

A Figura 12 mostra a evolução das exportações brasileiras do complexo de soja. Pode-se observar que as exportações de farelo eram predominantes até 1999 quando as de grãos se tornaram as maiores do Complexo, em quantidade. Entretanto, em

m 1998 (US$ 2,17 bilhões) já haviam superado as de farelo (US$ 1,75 bilhões). As exportações do óleo mantiveram certa constância ao longo dos dez anos analisados, tanto em termos de valor quanto em termos de quantidade.

5,00 6,00 da s 0,00 1,00 2,00 3,00 4,00 199 7/98 199 8/99 19 99/00 2000 /01 2001 /02 2002/ 03 2003 /04 Safra M il hõe s de t o ne la

Produção Consumo Exportação

Figura 11 – Brasil – Produção, Consum

Fonte: ABIOVE. 15.000 20.000 0 5.000 10.000 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003

óleo(1000 t) grão(1000 t) farelo(1000 t)

Figura 12 – Brasil - Evolução das export

Fonte: Secex/ABIOVE.

No Brasil, a área destinada ao cultivo de soja mostrou expansão durante os e atualmente, sua prod

As regiões Sul, Sudeste e Centro Oeste são responsáveis por 93% do total produzido no país e que os maiores estados produtores são respectivamente: Mato Grosso (26,7%), Paraná (21,4%), Rio Grande

Na safra 2002/2003 a produtividade média da soja no Brasil foi de aproximadamente 2,76 toneladas por hectare, aumento de 65% em relação à safra 1980/1981 (IBGE e CONAB). Nota-se pela Tabela 1 que as diferenças existentes ent

do país vêm se reduzindo ao longo do tempo. Se na safra 2001/2002 as regiões apresentavam produtividade entre 1,86 e 2,93 toneladas por hectare, na safra 2002/2003 essa diferença ficou entre 2,4 e 2,99 toneladas por hectare. Os Estados que registraram maiores produtividades em 2002 foram: Rondônia (3,135 t/ha), Mato Grosso (3,1 t/ha) e Paraná (3,0 t/ha).

De acordo com os dados do Censo Agropecuário do IBGE (ano do último), 69.738 produtores estão envolvidos com a cultura no Paraná, sendo que o tamanho médio da propriedade é de 32,4 hectares. O avanço da conservação dos solos e o plant

óleo(US$ milhões) farelo(US$ milhões) complexo (US$milhões)

abrang

ições climáti

cessada ou exportada através dos portos de Santos e Paranaguá. Porém, com o desenv

atacadistas, às fáb

basicamente com o aumento de fração de mercad

operativas, empresas ou agentes exportadores.

as das empresas de proc

), a lei é responsável pelos altos índices de ociosidade na agroindústria brasilei

e mais de 80% da área cultivada com soja), a correção dos solos, o manejo de pragas e o uso de semente fiscalizada, advinda de constante melhoramento das variedades pelos órgãos de pesquisa, resultaram em significativo ganho de produtividade durante os anos de 1990, passando de médias próximas a 2,1 t/ha no início da década para mais de 2,5 t/ha nos últimos anos (SEAB). No Rio Grande do Sul, a soja participa da economia de pequenos, médios e grandes estabelecimentos rurais do Estado, estando presente em 33,14% deles (142.487 unidades produtivas). Da mesma forma, em relação aos estabelecimentos rurais que a cultivam, 93,94% possuem áreas com menos de 50 hectares (Censo Agropecuário RS, 1995/1996).

Segundo Marsaro (2002), os bons níveis de produtividade obtidos até então se devem principalmente à conscientização do produtor em se adaptar ao uso de novas tecnologias, à assistência técnica e ao acompanhamento nas épocas de plantio, aliados às boas cond

cas.

De acordo com Mafioletti (2000), a soja produzida no Centro-Oeste era tradicionalmente destinada às outras regiões, sendo transportada para as regiões Sul e Sudeste para ser pro

olvimento da cultura no Centro-Oeste, iniciou-se um processo de industrialização, com a instalação de processadoras, principalmente no sul de Goiás e do Grosso e no Mato-Grosso do Sul. Assim, parte da produção passou a ser processada na própria região

Para Aguiar (1990), o canal de comercialização da soja é relativamente curto, envolvendo as seguintes etapas: sua venda in natura pelos agricultores; transporte; armazenamento; processamento para produção de farelo e óleo; venda do farelo aos

ricas de rações ou aos pecuaristas e varejistas; venda do óleo aos consumidores brasileiros; e exportação de óleo, farelo e grãos. O fluxograma simplificado dos canais de comercialização da soja pode ser visto na Figura 13.

Arruda et al. citado por Aguiar (1990) afirma que existe uma estrutura de mercado oligopolizada no segmento das empresas de processamento de soja (tanto no Brasil quanto nos EUA). O crescimento da capacidade instalada deu-se

o das empresas maiores, e, apesar do número de empresas de processamento ser reduzido e de algumas delas abastecerem fatias significativas do mercado, o fato dos produtos (óleo e farelo) serem homogêneos e de seus preços dependerem das cotações internacionais, reduz-se o poder de mercado das empresas brasileiras esmagadoras. A diferenciação que havia há alguns anos no mercado de óleo refinado diminuiu com a adoção do processo de desodorização pelas refinarias.

A exportação de soja e derivados nacionais é realizada por vários tipos de agentes: os produtos processados são exportados pelas próprias indústrias de processamento, enquanto a soja em grão é exportada por co

O mercado externo representa uma alternativa para os diversos agentes na sua tomada de decisão. O produtor não desejaria comercializar seu produto no mercado interno por um preço inferior ao que receberia caso exportasse. As características oligopolístic

essamento podem permitir a implementação de políticas de preços que garantam uma margem sobre os custos (mark-up), repassando variações desse custo ao consumidor final (Aguiar, 1990).

Em 1996 foi aprovada a chamada Lei Kandir, através da qual ficou estabelecida a desoneração de ICMS sobre as exportações de produtos primários e semi-elaborados. Para Mafioletti (2000

ra, considerando que houve estímulo às exportações do grão em substituição às exportações do óleo e principalmente de farelo. De fato, que a desoneração tarifária das exportações de produtos primários e semi-elaborados, promovida pela Lei Kandir em 1996, corrigiu a política discricionária de taxação do setor produtor rural vis-a-vis os demais setores da economia, cujas exportações já contavam com total isenção tarifária.

ão de preços agrícolas podem ser citados os de Burnquist (1986), Barros e Burnquist (1987) e Martines (1989) e entre os que tratam especif

o entre mercado doméstico e internacional (preço em Rotterdam) para o período de

ção unicausal dos preços internacionais do grão (cotação

las

-se de fora para dentro. A

l para os preços em nível d

preços do Porto de Rotterdam e preços domésticos no Bra

3. Formação de Preços no Complexo de Soja Entre os trabalhos que abordam a formaç

icamente a formação e transmissão de preços para o Complexo soja pode-se citar os de Pino et al. (1983), Aguiar (1990), Pino e Rocha (1994), Barros et al.(1997), Margarido e Sousa (1998), Margarido et al. (1999), Machado e Margarido (2000), Mafioletti (2000) e Margarido et

al. (2002).

Pino et al. (1983) utilizaram duas metodologias para analisar a transferência de preços de soja em grã

1971 a 1980. Através de análise espectral, foram detectadas relações bicausais entre os preços e sob a análise de correlações cruzadas dos resíduos, apenas não foi detectada relação causal do preço interno para o preço internacional.

Aguiar (1990) analisa a formação de preços na indústria brasileira de soja para o período de 1982 a 1989. Os resultados indicaram rela

de Chicago) para os domésticos, relação unicausal dos preços internacionais de óleo bruto para os domésticos e, relação bicausal entre preços internacionais e domésticos de farelo ao atacado. Resumidamente, concluiu-se que as variações iniciam-se predominantemente no mercado externo. De modo geral, os trabalhos de Pino e Rocha (1994), Barros et al. (1997) e Margarido e Sousa (1998) mostram que os preços domésticos do grão de soja são fortemente influenciados pe variações na CBOT, determinando a quantidade ofertada dessa commodity no Brasil, afetando também os preços internos dos subprodutos (farelo e óleo).

Barros et al. (1997) afirmam ainda que, no caso particular do preço da soja no Brasil, estudos econométricos mostram que a formação de seu preço dá

partir dos preços em mercados internacionais, os produtores seriam bem informados e passariam a reivindicar internamente preços compatíveis com os praticados naquele mercado. Dessa forma, a formação dos preços da soja no âmbito mundial começa em Rotterdam, refletindo-se nas cotações da bolsa de futuros de Chicago (Chicago Board of Trade - CBOT), derivando daí a demanda pelo produto brasileiro, o qual recebe um prêmio. Esses prêmios são determinados de acordo com uma série de fatores, podendo ser positivos ou negativos. Os principais fatores são: i) condições de oferta e demanda no mercado interno; ii) pequenas diferenças de qualidade, principalmente ligadas ao teor de proteína do farelo; iii) eficiência do porto exportador e; iv) condições de pagamento, principalmente para óleo (Aguiar, 1990). Caffagni citado por Maffioletti (2000), inclui também nesta lista outros fatores, como greves portuárias, chuva, disponibilidade de produto em armazéns portuários, etc.

Margarido e Sousa (1998) complementam afirmando que variações nas cotações da soja na CBOT são transmitidas apenas parcialmente, e sem defasagem tempora

e produtor. Para os autores, a inelasticidade da transmissão de preços parece estar relacionada com estratégias adotadas pelas empresas esmagadoras, que tomam suas decisões quanto ao destino final da soja em função da relação entre os preços internacionais e domésticos e ao fato de que o consumo doméstico dos derivados de soja é relativamente elevado. Esses fatores mais o custo Brasil possivelmente influenciam o comportamento da elasticidade de transmissão de preços, tornando-a menor que a unidade.

Margarido et al. (1999) e Machado e Margarido (2000) mediram a elasticidade de transmissão de preços envolvendo a CBOT,

sil e Argentina. Ambos os trabalhos concluíram que os preços do grão de soja no Brasil e Argentina são mais sensíveis a variações em Rotterdam, em detrimento a variações na CBOT.

Nas Figuras 14, 15 e 16, observa-se a evolução diária dos preços internos e internacionais da soja em grão, farelo e óleo de soja, respectivamente.

1 00 ,00 2 00 ,00 3 00 ,00 4 00 ,00 5 00 ,00 6 00 ,00 7 00 ,00 8 00 ,00 9 00 ,00 1 ₅₉ 117 175 233 291 349 407 465 523 581 639 697 755 813 871 929 987 1045 1103 1161 1219 R$/tonelada

Indicador E S A LQ B olsa de Chic ago

Figura 14 - Evolução diária dos preços interno e externo (CBOT) da soja em grão, janeiro de 1999 a janeiro de 2004. Fonte: CEPEA/ESALQ e CBOT.

200,00 300,00 400,00 500,00 600,00 700,00 800,00 900,00 1 63 125 187 249 311 373 435 497 559 621 683 745 807 869 931 993 1055 1117 1179 R$/t onelada

Indicador ESALQ Bolsa de Chicago

Figura 15 - Evolução diária dos preços interno e externo (CBOT) do farelo de soja, janeiro de 1999 a janeiro de 2004. Fonte: CEPEA/ESALQ e CBOT.

0,00 500,00 1000,00 1500,00 2000,00 2500,00 1 63 _{125 187 249 311 373 435 497 559 621 683 745 807 869 931 993} 1055 1117 1179 R$ /tone la da

Indicador ESALQ Bolsa de Chicago

Figura 16 - Evolução diária dos preços interno e externo (CBOT) do óleo de soja, janeiro de 1999 a janeiro de 2004. Fonte: CEPEA/ESALQ e CBOT.

4. Metodologia e Dados

A metodologia utilizada nos trabalhos de causalidade desenvolvidos até então corresponde aos procedimentos propostos por Sims (1972) fundamentados em Granger (1969), consistindo na aplicação de um teste estatístico à análise da direção da causalidade entre variáveis econômicas através da regressão do valor corrente da variável endógena com valores passados, correntes e futuros da variável exógena. A relação básica considera que se, e somente se, o sentidos de causalidade for unicamente dos valores presentes e passados de uma série de variáveis exógenas para uma dada variável endógena, tem-se que uma regressão da variável endógena com valores passados, correntes e futuros da variável exógena, resultaria valores nulos para os coeficientes futuros da variável exógena.

No teste de causalidade de Granger (1969), valores defasados da variável dependente e da variável explicativa são considerados como variáveis explicativas. Essas metodologias são amplamente utilizadas em testes de causalidade devido à sua simplicidade. No entanto, uma

grande dificuldade associada ao uso dessas metodologias diz respeito à definição do número de defasagens da variável explicativa a ser considerado no modelo.

Visando evitar esse problema, foi utilizada para o teste de causalidade uma metodologia alternativa, desenvolvida por Box e Jenkins (1976) e até então pouco explorada em trabalhos acadêmicos desse tipo.

O banco de dados contendo a média semanal de preços interno e internacional da soja em grão, farelo e óleo de soja foi obtido a partir das séries diárias de preços desses produtos para o período de janeiro de 1999 a janeiro de 2004 (263 observações). Os valores foram transformados em logaritmos neperianos.

Para as cotações internas do preço do grão (tipo exportação), do farelo (tostado) e do óleo de soja (bruto), foram utilizadas as do CEPEA - Centro de Estudos Avançados em Economia Aplicada/Departamento de Economia, Administração e Sociologia/ ESALQ/USP.

Os preços internacionais da soja em grão, do farelo e do óleo são os correspondentes ao primeiro vencimento de um contrato futuro na Bolsa de Chicago (CBOT).

O programa computacional utilizado foi o RATS (Regression Analysis of Time Series), desenvolvido por Doan e Litterman (1987).

4.1 Regressões Espúrias e Testes de Raiz Unitária

Um possível problema quando se faz análise de regressão com dados de séries temporais não estacionárias é o de se obter regressões espúrias, ou seja, regressões com resultados aparentemente significantes para dados não relacionados.

Uma série yt é considerada estacionária se os pressupostos E(yt)=μ(média

constante), var(y_t)=σ2(variância constante) e cov(y_t,y_t+s)=cov(y_t,y_t−s)(covariância depende de s e não de t) são válidos. No caso de uma das condições acima não ser verdadeira, diz-se que a série é não-estacionária. A regressão feita com séries não estacionárias pode levar a estimadores de mínimos quadrados e testes estatísticos enganosos e não confiáveis (Judge et al., 2003).

O método mais utilizado para detectar a estacionariedade de uma série temporal é o teste de raiz unitária. Para tanto, pode-se considerar o seguinte modelo (Gujarati, 1995):

t t

t y

y = ρ ₋₁ +υ (1)

Sendo y_t a variável série temporal e υ_t o termo de erro aleatório com E(v_t)=0 e var(υ_t) = 2. Nesse modelo, se

υ

σ ρ =1, então y_t é um passeio aleatório não estacionário

t t

t y

y = ₋₁ +υ , e dizemos que tem raiz unitária, pois o coeficiente de y_t−1, (ρ ), é igual a 1. Desse modo, pode-se detectar a não-estacionariedade, testando a hipótese nula de que ρ =1

contra a hipótese alternativa de que ρ <1.

Alternativamente, subtraindo y_t−1 de ambos os lados da equação 1 obtém-se:

t t t y y =γ +υ Δ ₋₁ (2) com Δy_t = y_t −y_t−1 e γ = ρ−1.

Testa-se então a hipótese nula de que γ =0 (não estacionariedade) contra a hipótese alternativa γ <0 (estacionariedade).

A variável é chamada a primeira diferença da série . As séries, em geral, podem ser diferenciadas d vezes até tornarem-se estacionárias e, então, são chamadas de séries integradas de ordem d, [I(d)].

t y

− =

Δyt yt yt−1

Sob a hipótese nula, a estatística a ser utilizada no teste de raiz unitária é a τ.

Considerando modelos que incorporam termos relacionados com a presença de intercepto e tendência, têm-se respectivamente:

(3) e t t t y y =α +ρ ₋₁+ε (4) _t t t y y β

No caso de modelos com intercepto (3), a estatística utilizada é denominada de τ e, _μ para testar a presença de tendência (4), utiliza-se a estatística τ_τ.

Considerando a possibilidade do termo erro ε_t ser auto-correlacionado, utiliza-se para o teste, um modelo auto-regressivo de ordem p, tal como:

(5) onde: e . Nesse caso, a presença de raiz unitária é testada

pela hipótese H₀ :γ =0 e o teste de raiz unitária é denominado de Teste de Dickey-Fuller Aumentado (ADF).

Para a determinação do valor de p, adota-se os critérios de Akaike(AIC) e Schwarz (SC):

AIC = ln (número de parâmetros) (6) SC = ln (número de parâmetros) (7) em que, σ)2

é a soma dos quadrados dos resíduos do processo auto-regressivo de ordem p e T refere-se ao número de observações da amostra. Partindo de uma especificação geral, consideraram-se 12 defasagens da variável dependente, sendo escolhido o modelo com o menor valor para ambos os critérios. O teste Q de Ljung Box indicará a existência ou não de autocorrelação serial, auxiliando na determinação do valor de p.

Os testes de raiz unitária foram feito seguindo procedimentos recomendados por Enders (1995).

4.2 Testes de Co-integração

Co-integração significa que séries temporais não-estacionárias e integradas de mesma ordem compartilham tendências estocásticas semelhantes, ou seja, apresentam relação de equilíbrio no longo prazo.

Segundo Engle e Granger (1987), se duas séries temporais e são ambas I(d), então, qualquer combinação linear entre elas também será I(d), isto é , os resíduos obtidos da regressão de por serão I(d). Se, no entanto, existir um vetor

t

y x_t

t

y x_t β , tal que o termo de erro

resultante da regressão tenha menor ordem de integração, I(d,b), onde b>0, então e serão consideradas integradas de ordem (d,b). Desse modo, se e são ambos I(1) e t t x y β ε_{ˆ= −} ˆ t y x_t y_t x_t t

ε ~ I(0), as duas variáveis serão co-integradas de ordem CI(1,1) (Harris, 1995).

O teste de co-integração entre duas variáveis, e , consiste em verificar se elas têm caminho temporal ligados. É necessário, inicialmente, verificar se e são variáveis não-estacionárias e integradas de mesma ordem. O teste de cointegração obedece a seguinte equação: t y x_t t y x_t t t t x y =α +β +ε (11)

O resíduo estimado (εˆ ) é testado para identificar se é estacionário [I(0)] ou não, através _t da aplicação do teste de raiz unitária para:

t i

ε

λ

γ

β

α

+

+

+

∑

+

t

y

y

y

=

Δ

Δ

∑

∑

(

)

(

)

∑

Comparando-se o resultado obtido para o teste referente à estimativa de π ao valor crítico tabulado por Engle & Granger (1987), pode-se rejeitar ou não a hipótese de não cointegração, H0: π =0, em favor de HA: π <0(cointegração), se o Engle&Granger

Aumentado (AEG) obtido for maior ou menor do que o valor crítico, respectivamente.

O valor de n (número de defasagens da primeira diferença) pode ser determinado com base nos critérios de Akaike(AIC) e Schwarz(SC).

4.3 Mecanismo de Correção de Erro

Observada a relação de cointegração entre as variáveis, deve-se incluir no modelo convenientemente diferenciado, um componente que recupera as informações de longo prazo, chamado de Mecanismo de Correção de Erro. Esse mecanismo consiste na inclusão do resíduo da equação de cointegração (com uma defasagem) na estimação do modelo econométrico especificado nas diferenças, originando o Modelo com Correção de Erro:

t t t t t o t w w x y x v y = + Δ −Π − − + Δ ( ₋1 α β ₋1) (13) 4.4 Teste de Causalidade

A correlação cruzada é utilizada como uma das formas de se medir o grau de associação entre duas variáveis considerando vários períodos de defasagem.

Pode-se definir correlação cruzada através da seguinte equação:

∑

∑

∑

onde, xe y são as médias das séries estacionárias e , e é a defasagem considerada. Têm-se as seguintes situações:

t

x yt k

1) Se a correlação for significativa para valores de positivos existe indicação de que os valores passados da variável ( ) estão relacionados aos valores presentes da variável

, de forma que há causalidade unidirecional de para .

k t

y t

x yt xt

2) Se a correlação for significativa para valores de negativos existe indicação de que os valores futuros de estão relacionados aos valores presentes da variável , de forma que há causalidade unidirecional de para .

k t

y x_t

t

x y_t

3) Se a correlação for significativa para valores de k positivos e negativos existe indicação de que valores futuros e passados de estão relacionados aos valores presentes da variável , de forma que há causalidade bidirecional entre as variáveis.

t y t

x

4) Se a correlação for significativa somente para valor zero de k (relação contemporânea), então existe indicação de que não há causalidade entre as variáveis do modelo.

Dessa forma, a correlação cruzada pode medir não somente a força da relação entre as variáveis, mas também sua direção.

A função de correlação cruzada é construída com séries filtradas com os próprios componentes auto-regressivos determinados a priori.

4.5. Elasticidades de Transmissão de Preços

Uma vez determinado o sentido da causalidade entre os preços dos produtos, procede-se à estimativa das elasticidades de transmissão de preços. É importante esclarecer que nos casos em que apenas foram identificadas relações contemporâneas entre os preços, as equações não representam relação de causa-efeito, caracterizando apenas relação de previsibilidade.

As estimativas das elasticidades de transmissão de preços são obtidas por:

t n i i t t P u P = +

∑

As estimativas dessas equações requerem a realização prévia de filtragem das séries quando for detectada autocorrelação dos resíduos na regressão, indicada pelo teste de Durbin-Watson e teste Q de Ljung-Box. Para as filtragens das séries utiliza-se o filtro de Cochrane-Orcutt. Essa técnica de filtragens consiste no seguinte:

- Por mínimos quadrados ordinários (MQO) obtêm-se as seguintes estimativas de, por exemplo: (19) t k i i t i t P u P =

∑

onde P₁ e P₂ são as variáveis consideradas na análise.

- Calculam-se os resíduos uˆ1,uˆ2,...,uˆn e, a partir daí, ρˆ , que para o caso de autocorrelação de primeira ordem é dado por:

∑

∑

- Constroem-se posteriormente novas variáveis: ) ( ₁ * , 1t = Pt − Pt− P ρ e P₂*_,t−i =(P_t −ρP_2,t−1) (21) e obtém-se a estimativa de:

t k i i t i t P u P =

∑

Essa sistemática deve ser repetida para as defasagens que apresentem autocorrelação de resíduos elevada até que toda autocorrelação seja removida. Há eliminação completa da autocorrelação com defasagem n entre os erros, quando o θ estimado na equação:

t n t

t u v

u =θ( ₋ )+ n = 1, 2, ..., j (23)

apresentar-se estatisticamente não significativo. 5. Resultados e Discussão

Tabela 1 apresenta a nomenclatura adotada para as variáveis da pesquisa. Tabela 1 - Descrição das variáveis utilizadas na presente pesquisa.

Variável

Lngrao logaritmo neperiano da média semanal dos preços internos do grão lngraoex logaritmo neperiano da média semanal dos preços externos do grão

Lnfar logaritmo neperiano da média semanal dos preços internos do farelo de soja Lnfarex logaritmo neperiano da média semanal dos preços externos do farelo de soja Lnol logaritmo neperiano da média semanal dos preços internos do óleo de soja Lnolex logaritmo neperiano da média semanal dos preços externos do óleo de soja

5.1 Testes de raiz unitária

Na Tabela 2 apresentam-se os resultados do teste de Akaike(AIC) e Schuarz(SC), indicando a ordem do processo auto-regressivo adotado nos testes de raiz unitária. Os resultados indicam que a série lngrao, lngraoex, lnfar, lnfarex, lnol e lnolex são descritas por um processo auto-regressivo de ordens cinco, dois, três, dois, quatro e dois, respectivamente.

Na Tabela 2 também estão contidos os valores obtidos no teste Dickey-Fuller Aumentado (ADF). Os resultados apontam que todas as variáveis lngrao, lngraoex, lnfar, lnfarex, lnol e lnolex são integradas de ordem um, [I(1)]. A funções de autocorrelação (ver Anexo - Tabelas de 20 a 31) confirmam que todas as séries se tornam estacionárias com uma diferença.

Tabela 2 – Resultados dos testes de raiz unitária de Dickey-Fuller para as séries de preços lngrao, lnfar e lnol.

Variáveis Número de defasagens Modelo 1* Modelo 2** (p-1) Lngrao 4 -2,95 2,97 -0,63 0,69 0,99 -6,06# Lngraoex 1 -2,21 2,46 0,02 0,07 1,62 -12,04# Lnfar 2 -3,23 3,13 -0,86 0,93 1,12 -8,38# Lnfarex 1 -3,15 3,02 -0,89 0,99 1,68 -11,98# Lnol 3 -2,60 3,00 -0,36 0,40 0,67 -7,48# Lnolex 1 -2,51 3,06 -0,22 -0,16 1,25 -11,68# τ τ τβτ τμ

Fonte: Dados da pesquisa.

#

Significativo ao nível de 1% de significância (ver valores críticos em Anexo – Tabelas 4).

* Modelo 1 = , nas versões com constante e tendência, sem tendência e sem tendência e constante.

** Modelo 2 = , definido após constatado a não existência de termos deterministas.

5.2. Teste de Co-integração

Considerando que as variáveis lngrao, lngraoex, lnfar, lnfarex, lnol e lnolex são integradas de mesma ordem I(1), foram realizados testes de cointegração de Engle & Granger com os resíduos de seis modelos de regressão linear simples, cujos resultados constam na Tabela 3.

Os resultados do teste de cointegração apontam relações de longo prazo entre os preços interno e externo do grão e preços interno e externo do farelo. Não se observou relação de longo prazo significativa estatisticamente entre os preços interno e externo do óleo. Os valores para o teste Q de Ljung Box indicam a não existência de correlação serial de resíduos. Esse resultado é condizente com as expectativas, já que se espera que produtos com maiores quantidades exportadas (grão e farelo) tenham seus preços mais relacionados, no longo prazo, com o mercado externo e produtos destinados em sua maioria ao mercado doméstico (óleo), tenham seus preços menos relacionados ao mercado externo.

5.3. Teste de causalidade

As funções de correlação cruzada entre os preços do mercado doméstico e internacional de soja, farelo e óleo foram construídos com séries pré-filtradas. Os filtros foram estabelecidos com base nos critérios de Akaike e Schwarz e com resultados das funções de autocorrelação e autocorrelação parcial, não apresentadas aqui por limitação de espaço.

αμ τ τ _τ t i i t

=

α

+

β

+

γ

+

λ

ΔΥ

+

ε

ΔΥ

∑

t

Υ

ΔΥ

=

γ

+

λ

ΔΔΥ

+

ε

ΔΔΥ

∑

Tabela 3 – Resultados dos testes de Co-integração.

Modelo R² Valor de n Teste Q AEG*

lngrao = constante + lngraoex 0,95 5 0,50 -3,57#

Lngraoex = constante + lngrao 0,95 5 0,56 -3,38#

lnfar = constante + lnfarex 0,94 4 0,50 -3,32#

lnfarex = constante + lnfar 0,94 4 0,58 -3,21#

lnol = constante + lnolex 0,94 0 0,98 -2,56

lnolex = constante + lnol 0,94 0 0,97 -2,50

# Valores analisados ao nível de 5% de significância (ver valores críticos em Anexo – Tabela 5).

De acordo com a Tabela 4, a correlação cruzada entre preço externo e interno do grão (séries pré-filtradas) mostrou-se significativa para valor de k igual a zero (relação contemporânea). O fato de não se ter observado causalidade não é suficiente para se concluir que esta não exista. A periodicidade dos dados utilizados no estudo (semanal) pode ter contribuído para tal resultado, que poderia ser outro se eles fossem diários. Nos trabalhos de Aguiar (1990) e Mafioletti (2000) foram identificadas relações unicausais do preço mensal externo (CBOT) para o preço mensal interno da soja em grão e as variações eram transmitidas de um mercado a outro com até um mês de defasagem.

Na Tabela 5, que apresenta os resultados da correlação cruzada entre preço externo e interno do farelo (séries pré-filtradas), observa-se relação significativa para valor de k igual a zero (relação contemporânea) e valor negativo de k para uma semana de defasagem, indicando relação causal do preço do mercado internacional para o doméstico. Diferentemente, os resultados de Aguiar (1990) apontaram relações bicausais entre preços mensais do mercado externo e interno de farelo e a transmissão acontecia com até dois meses de defasagem. A bicausalidade, de acordo com Aguiar (1990), podia ser atribuída ao fato de que, para o período estudado, o Brasil se destacava como maior produtor mundial de farelo, influenciando significativamente os preços internacionais.

Tabela 4 – Correlação cruzada entre séries resíduo do preço externo do grão de soja ( ) e resíduo do preço interno do grão de soja ( ).

t X k

t

Y₋

Valores de k (em número de semanas) Correlação cruzada (ρxy) -4 0,059 -3 -0,016 -2 0,008 -1 0,088 0 0,727* 1 -0,110 2 0,045 3 0,067 4 0,087

*Significativos valores acima de 0,1233 ( 2/ n), sendo n, o número de observações da amostra.

De acordo com a Tabela 6, a correlação cruzada entre preço externo e interno do óleo mostrou-se significativa para valor de k igual a zero (relação contemporânea) e valor negativo de k para uma semana de defasagem, apontando relação causal do preço do mercado internacional para o mercado doméstico. Nesse caso, Aguiar (1990) também identificou relação unicausal do preço mensal externo para o preço mensal interno de óleo e a transmissão ocorria com até dois meses de defasagem.

Tabela 5 – Correlação cruzada entre séries resíduo do preço externo do farelo de soja ( ) e resíduo do preço externo do farelo de soja ( ).

t X k t Y₋ Valores de k (em número de semanas) Correlação cruzada (ρ_xy) -4 0,037 -3 0,009 -2 -0,086 -1 0,246* 0 0,557* 1 -0,051 2 0,084 3 0,028 4 0,0639

*Significativos valores acima de 0,1233 ( 2/ n)

Tabela 6 – Correlação cruzada entre séries resíduo do preço externo do óleo de soja ( ) e resíduo do preço interno do óleo de soja ( ).

t X k

t

Y₋

Valores de k (em número de semanas) Correlação cruzada (ρ_xy) -4 0,104 -3 0,051 -2 -0,004 -1 0,209* 0 0,619* 1 -0,119 2 0,038 3 -0,022 4 0,108

*Significativos valores acima de 0,1233 ( 2/ n)

5.4. Elasticidade de transmissão

Na Tabela 7 é apresentada a elasticidade de transmissão de preço contemporânea para o mercado de soja em grão, considerando como variável dependente o preço do mercado interno. Foi incorporado ao modelo um mecanismo de correção de erro, conforme apontou ser necessário o teste de co-integração. Os resultados mostram que a variação no preço interno de soja em grão pode ser prevista como sendo da ordem de 67,6% da variação do preço do grão no mercado internacional.

A Tabela 8 mostra as elasticidades de transmissão de preços para o mercado de farelo de soja. Observa-se que uma variação de 1% no preço externo do farelo de soja provoca variações da ordem de 0,510% no mesmo período e de 0,263% no período seguinte no preço do farelo no mercado interno. No total, estima-se que cerca de 77% das variações no preço no mercado externo são transmitidas para o preço do mercado interno.

De acordo com a Tabela 9, uma variação de 1% no preço do óleo de soja no mercado externo provoca uma variação contemporânea de 0,492% e de 0,400% no período seguinte no preço do mercado interno desse produto. Estima-se que aproximadamente 89% das variações do preço no mercado internacional sejam repassadas para mercado doméstico de óleo. Nesse caso, não foi incluído um termo de correção de erro porque os testes estatísticos não indicaram co-integração entre as séries.

Tabela 7 - Elasticidade de transmissão entre preços externo e interno soja em grão (com termo de correção de erro).

Variável dependente: preço interno de soja em grão

Variável Coeficiente Nível de

significância

Constante 0,000 0,529

Resíduo (t-1) -0,065 0,000*

Preço externo da soja em grão 0,676 0,000*

Tabela 8 – Elasticidade de transmissão entre preços interno e externo de farelo de soja (com termo de correção de erro)*. Teste Q – 0,08

Variável dependente: preço interno do farelo de soja

Variável Coeficiente Nível de

significância

Constante 0,000 0,732

Resíduo (t-1) -0,057 0,000*

Preço externo do farelo 0,510 0,000*

Preço externo do farelo (t-1) 0,263 0,000*

Preço externo do farelo (t-2) 0,025 0,532

* Cumpre esclarecer que para minimizar os problemas causados por autocorrelação do resíduo (verificada pelo teste Q), foi necessário incluir uma segunda defasagem da variável explicativa no modelo, que embora não significativa estatisticamente até 10% de probabilidade, melhorou o seu ajustamento.

Tabela 9 – Elasticidade de transmissão entre preços interno e externo de óleo de soja. Variável dependente: preço interno do óleo de soja

Variável Coeficiente Nível de

significância

Constante 0,000 0,920

Preço externo do óleo 0,492 0,000*

Preço externo do óleo (t-1) 0,400 0,000*

6. Conclusões

Este trabalho teve como principal objetivo identificar e mensurar as relações causais existentes entre os seguintes pares de preços: preço interno e internacional de soja em grão, preço interno e internacional de farelo de soja, e preço interno e internacional de óleo de soja.

Os dados utilizados correspondem às médias semanais dos preços acima mencionados para o período de janeiro de 1999 a janeiro de 2004, totalizando 263 observações.

A metodologia adotada compreendeu: teste de raiz unitária, teste de cointegração, teste de causalidade utilizando a função de correlação cruzada com as séries pré-filtradas. Identificadas as relações causais, procedeu-se à estimação das elasticidades de transmissão. Devido à presença de autocorrelação entre os resíduos, houve necessidade de realizar uma filtragem prévia das séries, o que foi feito com metodologia Cochrane-Orcutt.

Os resultados do teste de raiz unitária indicaram a necessidade de se diferenciar uma vez as séries para que elas se tornassem estacionárias. Os testes de cointegração apontaram relações de longo prazo entre preço interno e externo do grão e preço interno e externo do

farelo, de forma que, nesses casos, utilizou-se modelo de correção de erro para estimar as elasticidades de transmissão de preços.

Observaram-se relações causais entre os preços interno e externo do farelo e interno e externo do óleo. Em ambos os casos, as variações no preço interno são antecipadas pelas do preço externo. Não se identificou relação causal entre o preço interno e externo do grão. Nos três casos, notou-se fortes relações contemporâneas, sinalizando que os preços internos são grandemente dependentes dos externos, nesse contexto temporal.

O fato dos preços domésticos serem influenciados pelos preços externos é um resultado não inesperado, pois apesar do Brasil ser um grande produtor e exportador de óleo e farelo, diversos estudos mostram que o país é, de certa forma, tomador de preços no mercado internacional desses produtos. Provavelmente a influência da produção brasileira e do potencial exportador do Brasil no mercado internacional se dê sobre o nível de preço a vigorar neste mercado em um ano-safra, e o mercado brasileiro seja afetado pelas variações de curto prazo no preço do mercado internacional.

Conclui-se que, para o período abordado, as variações nos preços externo do farelo e do óleo de soja são transmitidas rapidamente aos respectivos mercados internos (até uma semana de defasagem) e os impactos são de grande magnitude. Comparativamente ao outros estudos de causalidade realizados para a década de 80 e início dos anos 90, em que a transmissão dos preços ocorria em questão de meses, esse trabalho mostra que houve um aceleramento da velocidade de transmissão entre os preços. Tal fato pode ser atribuído à facilidade de acesso à informação proporcionado pela internet principalmente a partir de meados dos anos 90.

A rapidez na transmissão e a grande magnitude da relação entre preços do mercado interno e internacional do grão, óleo e farelo indicam que a bolsa internacional pode ser considerada uma boa referência para preços domésticos.

No caso do grão, a não existência de causalidade entre preços semanais não exclui a possibilidade da existência dessas relações com dados de menor periodicidade. Sabe-se que o mercado futuro de soja em grão é muito desenvolvido e que as informações são transmitidas com alta velocidade. Assim, sugere-se como pesquisa futura, testes de causalidade para o grão utilizando séries de preços com periodicidade diária.

Bibliografia

AGUIAR, D.R.D. Formação de preços na Indústria Brasileira de Soja 1982/89. Piracicaba, 1990. 140p. Dissertação (Mestrado) - Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo.

BARROS, G. S. A. C.; BURNQUIST, H. L. Causalidade e transmissão de preços agrícolas entre níveis de atacado e varejo. In: Encontro Latino Americano da Econometric Society, 7., 1987, São Paulo. Anais... São Paulo, 1987. p. 175-90.

BARROS, G.S.A.C.; P.V. MARQUES; M.R.P. BACCHI; L.C. CAFFAGNI. Elaboração de Indicadores de preços de soja: um estudo preliminar. Piracicaba, CEPEA/ESALQ/USP, Abril de 1997.

BURNQUIST, H. A questão da causalidade entre preços a diferentes níveis de mercados agrícolas. Piracicaba, 1986. Dissertação (mestrado), Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo.

DICKEY, D. A. & FULLER, W.A. Likelihood ratio statistics for auto-regressive time series with a unit root. Econometrica, Illinois, 49(4); 1057-72, 1981.

ENDERS, W. Applied econometric time series. New York: John Wiley & Sons, 1995. 433p. FULLER, W.A. Introduction to statistical time series. New York, John Wiler, 1976.

GOMES, M.F.M. Efeitos da expansão da produção de soja em duas regiões do Brasil. Viçosa: UFV; 1990. 150p. Tese (Doutorado em Economia Rural) – Universidade Federal de Viçosa.

GRANGER, C.W.J. Investigating causal relations by econometric models and cross spectral methods. Econometrica, 37(3), 1969.

GUARIM, I. Análise de competitividade inter-regional da soja em grão no mercado brasileiro. Viçosa, 1992. 116p. Tese (Doutorado) – Universidade Federal de Viçosa.

GUIMARÃES, V. A. Mercado físico da soja. Apresentação exibida em março de 2003 (mimeo) na Escola Superior de Agricultura “Luiz de Queiroz” – ESALQ/USP.

GUJARATI, D.N. Basic econometric. 3. ed. New York: McGraw-Hill, 1995.83p

HARRIS, r. i. d. Cointegration analysis in econometric modeling. London: Prentice Hall,1995. 176p.

JUDGE, G. G.; HILL, R. C.; GRIFFITHS, W. E. Learning and practicing Econometrics. United States of America: 1992. 866p.

JUDGE, G. G.; HILL, R. C.; GRIFFITHS, W. E.; LÜTKEPOHL, H.; LEE, T. Introduction to theory and practice of Econometrics. 1988, 2nd ed.

MACHADO, E. L.; MARGARIDO, M. A. Seasonal price transmission in soybean international market: the case of Brazil and Argentina. In: Congresso Brasileiro de Economia e Sociologia Rural, 38., 2000, Rio de Janeiro. Anais. Brasília: Sober, 2000.

MAFIOLETTI, R.L. Formação de preços na cadeia agroindustrial da soja na década de 90. Piracicaba, 2000. 95p. Dissertação (Mestrado) – Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo.

MARGARIDO, M. A.: o caso do Brasil. Piracicaba, 2000. 173 p. Tese (Doutorado em Transmissão de preços agrícolas internacionais sobre preços agrícolas domésticos Economia Aplicada) - Escola Superior de Agricultura Luiz de Queiroz, Universidade de São Paulo. ______; SOUSA, E. L. L. Formação de preços da soja no Brasil. Agricultura em São Paulo, São

Paulo, v. 45, t. 2, p. 52-61, 1998.

______ et al. Transmissão de preços no mercado internacional do grão de soja: uma aplicação da metodologia de séries temporais. In: Congresso Brasileiro de Economia e Sociologia Rural, 37., 1999, Foz do Iguaçu. Anais... Brasília: Sober, 1999.

MARSARO, M. Uma avaliação prospectiva dos efeitos econômicos da adoção de soja transgênica no Brasil. Piracicaba, 2002. 97p. Dissertação (Mestrado) - Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo.

MARTINES Fº, J. G. Margens de comercialização e Causalidade de preços agrícolas. Piracicaba, 1988. 135p. Dissertação (mestrado) Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo.

MORAES, M de; ALMEIDA, A. N. de. Formação de preço doméstico da soja: Considerações do 10, 20 e 30 vencimentos da CBOT sobre o mercado físico brasileiro.

Congresso Brasileiro de Economia e Sociologia Rural, Recife, PE, 2001. Anais, Associação Brasileira de Economia e Sociologia Rural, Brasília.

MORETIN, P. A.; TOLOI, C. M. de C. Previsão de séries temporais. São Paulo: Atual, 1987. PINO, F. A.; ROCHA, M. B. Transmissão de preços de soja no Brasil. Revista de Economia e

Sociologia Rural, Brasília, v. 32, n. 4, p. 345-61, out./dez. 1994.

________; NOGUEIRA JÚNIOR, S.; TOLOI, C. M. C. Relações dinâmicas entre preços da soja brasileira. Pesquisa Agropecuária Brasileira, Brasília, v.18, n. 11, p. 1163–73, nov. 1983.

SIMS, C. A. Money, income and causality. American Economic Review, 62(4): 540-552. Sept. 1972.

TÔSTO, S. G. Mercado interno de grãos de soja: modelos de equilíbrio e desequilíbrio. Viçosa, 1996. 148p. Dissertação (Mestrado) – Universidade Federal de Viçosa.