ANÁLISE DE PREÇOS DE NAVIOS DE SEGUNDA MÃO ATRAVÉS DE MODELAGEM ECONOMÉTRICA. Ricardo Brito Fiasca

Transcrição

1 ANÁLISE DE PREÇOS DE NAVIOS DE SEGUNDA MÃO ATRAVÉS DE MODELAGEM ECONOMÉTRICA Ricardo Brito Fiasca Projeto de Graduação apresentado ao Curso de Engenharia Naval e Oceânica da Escola Politécnica, Universidade Federal do Rio de Janeiro, como parte dos requisitos necessários à obtenção do título de Engenheiro. Orientadores: D.Sc. Luiz Felipe Assis e D.Sc. Floriano Carlos Martins Pires Junior. Rio de Janeiro Março de 2015

2 ANÁLISE DE PREÇOS DE NAVIOS DE SEGUNDA MÃO ATRAVÉS DE MODELAGEM ECONOMÉTRICA Ricardo Brito Fiasca PROJETO DE GRADUAÇÃO SUBMETIDO AO CORPO DOCENTE DO CURSO DE ENGENHARIA NAVAL E OCEÂNICA DA ESCOLA POLITÉCNICA DA UNIVERSIDADE FEDERAL DO RIO DE JANEIRO COMO PARTE DOS REQUISITOS NECESSÁRIOS PARA A OBTENÇÃO DO GRAU DE ENGENHEIRO NAVAL E OCEÂNICO. Examinado por: Prof. Luiz Felipe Assis, D.Sc. Prof. Floriano Carlos Martins Pires Junior, D.Sc. Prof. Claudio Luiz Baraúna Vieira, Ph.D. Prof. Jean-David Job Emmanuel Marie Caprace, Ph.D. RIO DE JANEIRO, RJ BRASIL MARÇO de 2015

3 Fiasca, Ricardo Brito Análise de Preços de Navios de Segunda Mão através de Modelagem Econométrica/ Ricardo Brito Fiasca. Rio de Janeiro: UFRJ/ Escola Politécnica, VIII, 101 p.: il.; 29,7 cm Orientadores: Luiz Felipe Assis e Floriano Carlos Martins Pires Junior Projeto de Graduação UFRJ/ Escola Politécnica/ Curso de Engenharia Naval e Oceânica, Referências Bibliográficas: p Navios de Segunda Mão 2. Modelagem Econométrica. 3. Preços de Navios. I. Assis, Luiz Felipe et al. II. Universidade Federal do Rio de Janeiro, Escola Politécnica, Curso de Engenharia Naval e Oceânica. III. Análise de Preços de Navios de Segunda Mão através de Modelagem Econométrica. i

4 Dedicatória A todos os professores que lutam diariamente para construir uma sala de aula, um país, um mundo melhor. Educar é um ato de amor. ii

5 Agradecimentos Agradeço a Deus, por proteger a minha família e nos alimentar com forças para construir o nosso caminho. Aos meus pais e a minha irmã, pelo apoio e amor incondicionais, essa conquista é nossa. À Fluxo Consultoria, empresa júnior de engenharia da UFRJ, e a todos os amigos que fiz nesta empresa, pelo ambiente motivacional e acolhedor permeado pela vontade de fazer bem e certo. Agradeço também à Promon Engenharia e à Incat Crowther, pelo conhecimento prático, pela interação com profissionais de reconhecida excelência e pelos horários flexíveis que permitiram meus estudos. Ao amigo Lucas Lima, engenheiro ambiental pela UFRJ, cujo conhecimento sobre econometria fez a diferença neste trabalho. Aos meus professores da graduação por todo o conhecimento construído dentro e fora de sala, em especial aos professores Luiz Felipe e Floriano, pela orientação, inspiração, paciência e amizade. A todos os amigos que, mesmo sem notar, fizeram parte desta história. iii

6 Resumo do Projeto de Graduação apresentado à Escola Politécnica/ UFRJ como parte dos requisitos necessários para a obtenção do grau de Engenheiro Naval e Oceânico. Análise de Preços de Navios de Segunda Mão através de Modelagem Econométrica Ricardo Brito Fiasca Março/2015 Orientadores: Luiz Felipe Assis e Floriano Carlos Martins Pires Junior Curso: Engenharia Naval e Oceânica O mercado de compra e venda de navios cumpre o importante papel de realocar as embarcações entre armadores e aumentar a eficiência da indústria marítima. Os lucros com as negociações dos navios constituem uma importante fonte de recursos para investidores da indústria. No presente trabalho, propõe-se um modelo econométrico para avaliar a influência de determinadas variáveis no preço de revenda de um navio. Esse modelo é estudado quanto a sua significância global, a significância de suas variáveis explicativas, a presença de multicolinearidade e de heteroscedasticidade. Foram utilizados dados de compra e venda de graneleiros, petroleiros e portacontentores obtidos da base de dados da empresa Clarksons. As regressões são feitas para cada tipo de navio, mas agregando portes e idades. As segmentações por porte e idade também são abordadas a fim de validar as macroanálises. Por fim, o modelo é testado quanto à hipótese de que o país de construção também influencia o preço. Os resultados indicam que graneleiros japoneses e sul coreanos tendem a ter um preço maior que os construídos nos demais países. Porta-contentores sul coreanos também. Quanto a petroleiros, nenhuma conclusão significativa foi obtida. Palavras-chave: mercado de navios de segunda mão; precificação de navios; modelagem econométrica. iv

7 Abstract of Undergraduate Project presented to POLI/UFRJ as a partial fulfillment of the requirements for the degree of Engineer. Secondhand Ship Price Analysis through Econometric Modeling Ricardo Brito Fiasca March/2015 Advisors: Luiz Felipe Assis and Floriano Carlos Martins Pires Junior Course: Naval and Ocean Engineering The sale and purchase market has an important role of relocating vessels between shipowners and increasing maritime industry efficiency. Profits from negotiations are an important source of income for shipping investors. In this paper, an econometric model is proposed in order to evaluate the influence of some variables in resale price of a ship. The model overall significance is studied as well as the significance of its explanatory variables, the presence of multicollinearity and heteroscedasticity. Data was collected from Clarksons database to bulk carriers, tankers and container vessels. Regressions were made for each type of ship, with different sizes and ages integrated. The segmentation by size and age were also addressed in order to validate the macroanalysis. Finally, the model was tested for the assumption that the country of the shipyard also influence price. The results indicate that Japanese and South Koreanbuilt bulk carriers tend to have a higher price than those built in other countries. Container vessels from South Korea too. For tankers, no significant result was obtained. Keywords: second hand market; vessel pricing; econometric modeling. v

8 Sumário 1. Introdução Objetivo Os Quatro Mercados da Indústria Marítima O Mercado de Fretes O Mercado de Construção Naval O Mercado de Sucata O Mercado de Navios Usados A Modelagem Econométrica do Mercado de Segunda Mão Revisão Bibliográfica Especificação do Modelo A Obtenção e a Preparação dos Dados Análises sobre o Modelo de Regressão A Multicolinearidade e a Significância Global A Heteroscedasticidade Porte Bruto e Idade Segmentação por Porte de Graneleiros Segmentação por Porte de Petroleiros Segmentação por Porte de Porta-Contentores Segmentação por Idade A Influência do Preço do Bunker Os Testes de Hipótese com as Variáveis Dummies e a Análise dos Resultados Conclusões Sugestões para Trabalhos Futuros Obras Citadas Anexos Regressões Auxiliares do Teste Geral de Heteroscedasticidade de White Graneleiros Navios Tanque Porta-Contentores Regressões Auxiliares de Portes Graneleiros Navios Tanque vi

9 Porta-contentores Regressões Auxiliares de Idades Graneleiros Navios Tanque Porta-Contentores Regressões com Países de Construção Graneleiros Navios Tanque Porta-Contentores vii

10 Lista de Variáveis Age Idade do navio (anos) BDI Baltic Exchange Dry Index DWT Porte bruto do navio (toneladas) Earnings Receita (US$/Dia) LIBOR London Interbank Offered Rate NB Preço de um navio novo (US$/DWT) K Intercepto da equação P Preço de revenda do navio por porte bruto (US$/DWT) Refere-se ao preço deflacionado Q D Q O TC α β δ ζ η γ λ Quantidade de demanda Quantidade de oferta Time charter (US$/dia) Elasticidade do P em relação ao porte bruto (DWT) Elasticidade do P em relação à idade (age) Elasticidade do P em relação ao preço de nova construção (NB) Elasticidade do P em relação ao custo de capital (LIBOR) Elasticidade do P em relação à receita (earnings) Variável binária (0 ou 1) de decisão de país de origem Fator de variação do P dependente da variável binária (γ) viii

11 1. Introdução A natureza dos negócios na indústria marítima é similar ao que os economistas clássicos tinham em mente quando foi desenvolvida a teoria da competição perfeita. Mais de companhias com cerca de navios [1] atuam em um mercado em que as barreiras contra a livre concorrência como tarifas aduaneiras, vantagens geográficas e diferenciação entre produtos por marcas praticamente não existem. Também é fácil para os armadores se manterem informados sobre as atividades e desenvolvimentos se comparado com as situações encontradas em outras indústrias [2], e os custos de saída do mercado tendem a ser relativamente baixos. Entretanto, embora a indústria marítima atue como uma unidade econômica para alguns propósitos, existem importantes subdivisões. Os serviços de linhas regulares para transporte de containers e o mercado spot 1 para transporte de granéis possuem aspectos totalmente diferentes, por exemplo. O mercado de frete de porta-contentores pode ser considerado uma exceção a esse modelo próximo de uma competição perfeita [3,4]. Além das diferenças relacionadas ao tipo de serviço que o navio oferece, a indústria marítima pode ser organizada em quatro segmentos de mercado bastante característicos que negociam diferentes commodities. o o o o O mercado de fretes, que negocia o transporte marítimo; O mercado de navios de segunda mão; O mercado de construção naval, que negocia novos navios; E o mercado de sucata, que negocia navios para desmonte. O foco deste trabalho é o mercado de navios de segunda mão. Graças a este mercado, as barreiras de entrada e saída da indústria marítima são mínimas. Entretanto, trata-se de um mercado bastante especulativo, em que as respostas às variações da economia mundial podem ser dramáticas. Essas variações criam séries históricas de preços de navios de segunda mão riquíssimas, muitas análises podem ser feitas sobre a indústria marítima e, consequentemente, sobre a história do comércio entre os países do mundo. Neste 1 Mercado onde se negocia o transporte de uma carga específica entre dois portos, a taxa de frete é acordada por unidade de carga (toneladas, metros cúbicos, etc.). 1

12 trabalho, os esforços são concentrados em tentar definir as principais variáveis que influenciam a formação dos preços de revenda destes navios, para que, em um segundo momento, uma hipótese específica seja testada: a de que o país de construção influencia no preço de um navio de segunda mão. 2. Objetivo O presente trabalho tem o objetivo de analisar comparativamente a qualidade dos navios produzidos pelos principais países e regiões construtores. Utilizando a premissa de que os valores dos navios usados não são fixados por nenhuma instituição ou agente governamental e que os preços são determinados pura e simplesmente pela convergência entre demanda por parte de afretadores e oferta por parte de fretadores, acredita-se que se for constatado que os preços de navios usados construídos em um país/região X forem sistematicamente maiores do que os de navios usados construídos em um país/região Y, ceteris paribus, isso pode ser um indício de que o mercado reconhece maior qualidade nos navios construídos no país/região X do que os navios construídos no país/região Y. Para isso, foram utilizados dados de revenda de navios graneleiros, petroleiros e porta-contentores que ocorreram entre Dezembro de 2002 e Junho de Para chegar às conclusões, primeiro foi feito uma revisão bibliográfica sobre modelos econométricos já utilizados, depois um modelo foi especificado e realizaram-se algumas preparações e testes sobre os dados para que um modelo consistente, significante, sem multicolinearidade, heteroscedasticidade, ou vieses de especificação pudesse ser utilizado. Por fim, o modelo pôde ser testado quanto à hipótese central deste trabalho. O passo-a-passo realizado é muito rico em conceitos de econometria, e o autor acredita que a jornada para a preparação do modelo tenha tanta importância quanto o resultado final, assim, o caminho através dos capítulos é essencial para que o leitor possa usufruir de todo aprendizado aqui registrado. A razão da diferente avaliação pelos agentes do mercado sobre os navios que são construídos em países diferentes não é analisada ao ponto de surgir recomendações de desenvolvimento que aumentem o valor dos navios revendidos. Almeja-se realizar uma avaliação puramente econométrica, com objetivos acadêmicos, e com boa fé de que os resultados são os mais acurados possíveis. As análises contidas neste trabalho não devem ser consideradas como recomendações de investimento dado que a indústria de transporte marítimo possui um mercado de alto risco. Apesar de todo o cuidado ter sido tomado no tratamento e avaliação dos dados, o autor não se 2

13 responsabiliza por quaisquer efeitos diretos ou indiretos de opiniões baseadas nos fatos aqui apresentados. A UFRJ, o autor e seus orientadores não podem ser responsabilizados por nenhuma perda ou dano causados pelas informações ou análises contidas neste relatório. 3. Os Quatro Mercados da Indústria Marítima As atividades nos mercados de construção naval e de sucata impactam diretamente na capacidade total para o transporte de carga e pessoas ao redor do mundo. As transações no mercado de navios usados, por outro lado, não alteram a capacidade de transporte disponível, mas alternam a propriedade das embarcações entre diferentes armadores individuais ou companhias de navegação. O mercado de fretes, por fim, faz uso dessa capacidade de transporte. O fluxo de dinheiro na indústria marítima pode ser entendido, grosso modo, com o esquema da Figura 1, adaptado do livro Maritimes Economics, Stopford [1]. Afretador com carga O Mercado de Frete O Mercado de Sucata Estaleiro de sucata Armador com navio para contrato Armadores com navios para sucatear Armadores Armadores (compradores) Armador (pedido de novo navio) O Mercado de Compra e Venda Armadores (vendedores) O Mercado de Construção Naval Estaleiros Figura 1: Fluxo do capital dos armadores entre os quatro mercados que controlam a indústria marítima [1] As subdivisões de mercado da Figura 1 estão interligadas porque as transações envolvem os mesmos armadores, como é possível observar. Para exemplificar de forma prática a dinâmica entre estas subdivisões, segue abaixo um ciclo típico da indústria baseado em uma publicação periódica da Comissão Econômica para a América Latina e Caribe [5]. Entre esses movimentos simples descritos no ciclo abaixo 3

14 existem infinitas possibilidades que são influenciadas por diversos fatores externos à indústria marítima. Os fretes caem. Baixam os incentivos para aumentar a capacidade de transporte. Cai a demanda por navios novos e de segunda mão. Aumenta o sucateamento de navios. Os fretes seguem baixos. Aparecem sinais de excesso de capacidade de transporte. A demanda começa a crescer mais rápido que a frota. Quando a demanda por transporte começa a se estabilizar, a oferta supera a demanda. A demanda excede a oferta. A capacidade de transporte se torna escassa.os preços de navios de segunda mão aumentam. Excesso de otimismo. Os pedidos por novos navios podem ser excessivos. Estabilizam os preços de navios de segunda mão. Os fretes aumentam e a demanda segue excedendo a oferta. Aumenta rapidamente a encomenda de novos navios. Figura 2: Ciclo simplificado da indústria marítima [5] 3.1. O Mercado de Fretes O mercado de fretes é fonte de renda para os armadores através de suas operações com o transporte marítimo. As mais variadas cargas podem ser transportadas por navios: produtos agrícolas, bens manufaturados, carga refrigerada, veículos e granéis líquidos são algumas delas. Existem quatro tipos principais de transação neste mercado. No afretamento por viagem (voyage charter), o embarcador contrata o navio para transportar uma carga específica em uma viagem determinada por um preço negociado por tonelada e que cobre todos os custos; uma variante do afretamento por viagem é o contrato de transporte (contract of affreightment), em que o embarcador contrata um transporte de carga a ser atendido pelo armador em uma base regular, negociando também o preço por tonelada. Nesse segundo modelo, nenhum navio específico é indicado, o que é uma vantagem para armadores com acesso a uma grande frota, seja própria ou através de parcerias. O afretamento por período (time charter) é um acordo entre afretador e o armador para contratar o navio, completo e com tripulação, por um preço negociado como uma taxa diária, mas a duração do contrato pode ser de dias, meses ou anos. Quando a duração do contrato envolve apenas uma viagem, dá-se o nome de trip charter. Nesse modelo de contrato, o armador normalmente paga os custos de capital e de operação (custos fixos) enquanto o afretador paga os custos com as viagens (custos variáveis). O armador continua a gerenciar o navio, mas o afretador 4

15 Custos instrui o comandante aonde ele deve ir e que carga transportar. E, finalmente, o afretamento a casco nu (bareboat charter), em que a parte interessada contrata o navio sem tripulação e passa a ser responsável também pelos custos de operação, além dos custos de viagem. Então, nesse caso, o proprietário do navio arca apenas com o custo de capital. Esse modelo é, na maioria das vezes, usado em financiamentos, de modo que nenhum conhecimento sobre gerenciamento de embarcações é requerido por parte do proprietário do navio. Desta forma, bancos e investidores podem ser proprietários de embarcações e negociar estes ativos no mercado. Tipos de Contrato de Viagem de Operação de Capital a Casco Nu por Período por Viagem Responsabilidade do fretador (interessado na receita do contrato) Responsabilidade do afretador (contratante) Figura 3: Tipos de contrato no mercado de frete 3.2. O Mercado de Construção Naval Os mercados de novos navios e de compra e venda de navios de segunda mão possuem uma relação muito próxima, visto que os novos navios construídos ficarão disponíveis para serem revendidos no mercado de segunda mão. Entretanto, negociar navios que serão construídos tem uma série de consequências especiais. Idealmente, a demanda por novos navios reflete a necessidade por capacidade de transporte nas diferentes categorias de embarcações. Porém, nesse mercado também há bastante especulação. Leva tempo (desde 1 ano, 1 ano e meio, a 4 anos) para que o pedido colocado em um estaleiro se transforme em um navio e ele possa começar a operar [2]. Esse tempo varia com o tipo de navio, tecnologias e práticas de gerenciamento do estaleiro, tamanho da carteira de encomendas do estaleiro, e também da situação econômica da indústria, que pode fazer com que o armador tente pressionar ou retardar a entrega do navio, assim como o estaleiro pode estar interessado em acelerar ou retardar a entrega do navio. Como o mercado de fretes é bastante volátil, isso significa que os navios são entregues com taxas de frete sendo praticadas muito diferentes das taxas de quando o navio foi encomendado. Em situações extremas, os armadores podem cancelar seus 5

16 pedidos ou tentar converter os navios para um porte diferente ou até mesmo adaptálos para transportar outros tipos de carga. A desistência pode incorrer em multa a ser paga ao estaleiro, mas isso pode significar um menor prejuízo dependendo da situação do mercado. A grande variação na carteira de encomendas para construção de navios é um dos efeitos da incerteza sobre rentabilidade futura e das flutuações do mercado de fretes. Sempre que possível, os estaleiros vão pressionar seus clientes a comprar um navio padrão. Essa possibilidade acelera a negociação, reduz o tempo de projeto e melhora a estimativa de recursos, resultando em uma construção com custos e prazos menores e melhor geridos pelo estaleiro. Por outro lado, o navio padrão pode não se adequar exatamente às necessidades do armador. A motivação para comprar um navio novo pode variar bastante. O armador pode não estar encontrando no mercado de segunda mão um navio com tamanho e capacidade de carga que ele deseja; os preços de navios usados podem estar mais altos que os de navios novos, casos extremos que ocorrem quando as taxas de frete sobem muito; outra possibilidade é a necessidade de um navio específico dentro da logística de um projeto industrial (de transporte de gás natural liquefeito ou de instalação de turbinas eólicas, por exemplo), o que pode requerer um navio com características diferentes. Algumas grandes companhias podem ter políticas de reposição de navios (substituição de navios com 10, 15 anos), embora não seja tão comum hoje em dia. E, também, a motivação pode ser resultado de baixa de preços de navios novos ou incentivos de crédito. A expectativa de lucros futuros com certeza permeia todas as opções O Mercado de Sucata O mercado de sucata de navios é também conhecido hoje em dia como indústria de reciclagem. O mecanismo é simples. Quando um armador possui um navio que não se adequa mais a operação e tem valor menor no mercado de navios usados do que ele teria se vendido para sucata, o navio é destinado aos estaleiros de desmonte. Volumes grandes de sucateamento podem ser também reflexos de decisões políticas que visam o aumento das restrições em padrões de segurança e meio ambiente [2]. Grandes empresas de broking possuem uma área especializada nesse mercado. Os estaleiros de desmonte estão em sua maioria no leste asiático, Índia, Paquistão, Bangladesh e China. Também é comum o navio ser vendido para um proprietário intermediário que se especializa em revender navios para estaleiros de 6

17 desmonte. O preço do navio depende da demanda por sucata de aço e da disponibilidade de navios para desmonte no mercado. O peso de aço do navio, seu tipo e idade são fatores que diferenciam os preços das embarcações entre si. Na Ásia, grande parte desse aço que é retirado dos navios é vendido para minissiderúrgicas e algumas construções. Discute-se bastante sobre os problemas de saúde enfrentados pelos trabalhadores desses estaleiros e também sobre os impactos ambientais resultantes dos processos de desmonte [6,7,8]. Mudanças futuras em requerimentos para a atividade de desmonte devem impactar na capacidade das empresas de sucata entrarem e saírem desse mercado e, assim, o preço da sucata deve passar por ciclos mais fortes de variação O Mercado de Navios Usados Como dito anteriormente, o mercado de navios de segunda mão difere dos mercados de construção e de sucata porque não altera a capacidade disponível de transporte no mercado de fretes. Entretanto, a realocação de navios entre armadores tem um importante papel de aumentar a eficiência dos serviços de transporte. Ela transfere a capacidade de transporte de carga de um operador com baixa demanda para um operador com alta demanda por transporte de carga. De forma mais abrangente, quando os armadores podem vender seu bem de capital em um mercado líquido os custos de saída se tornam menores, ao mesmo tempo em que permitem que potenciais armadores entrem na indústria de transporte marítimo através da aquisição de um navio usado, isso de forma relativamente fácil e rápida, e com isso a indústria de transporte marítimo se aproxima de uma competição perfeita. Além disso, o mercado de compra e venda de navios usados permite que companhias de navegação não só entrem e saiam como troquem de segmento de mercado. Recentemente, a Maersk Tankers vendeu 15 navios VLCC para a Euronav como parte de um plano de desinvestimento para focar no segmento de navios de produtos [9]. Grande parte das transações de compra e venda é realizada por intermédio de shipbrokers. Mas não apenas armadores, companhias de navegação e brokers atuam nesse mercado, investidores também aproveitam a especulação nos ciclos da indústria para comprar e vender navios como ativos. A atuação de investidores aumenta a liquidez do mercado e proporciona uma melhor alocação dos bens de capital no mercado de fretes. Alizadeh e Nomikos [10] apontam para o fato de que existe uma relação negativa entre o volume de transações no mercado de segunda 7

18 Número de Transações Realizadas mão e a volatilidade dos preços (pelo menos no mercado de graneleiros), ao contrário do que acontece nos mercados financeiros. Isso pode ser considerado uma característica estrutural do mercado de navios: o aumento da atividade de negociação resulta em maior transparência dos preços e estabilidade, embora Pryun et al. [11] afirme que o artigo de Syriopulos e Roumpis [12] contenha evidências de que a classe de petroleiros handymax tenha uma relação positiva pequena. Em mercados maduros, com altos volumes de transações, mudanças positivas no volume de negociações costumam aumentar a volatilidade dos preços. Outra conclusão importante de Alizadeh e Nomikos é que as mudanças de preços se mostraram úteis para prever o volume de transações no mercado, o que sugere que altos ganhos de capital encorajam mais negociações. Em 2006, em uma alta no mercado de segunda mão, cerca de navios mercantes oceânicos usados foram vendidos, representando um movimento de US$36 bilhões [1]. Já em 2010, segundo dados coletados da base de dados da Clarksons para este trabalho (ver capítulo 5), houve uma baixa no mercado e cerca de 999 transações foram fechadas contabilizando um pouco mais que US$16,5 bilhões. são: Mercado de Revenda de Navios Figura 4: Transações de navios de segunda mão entre 2003 e Dados obtidos da base de dados da Clarksons. *O valor para 2011 não contabiliza as transações de Janeiro deste ano. Em resumo, as razões que levam, tipicamente, um proprietário a vender um navio Ano Uma política de substituição de navios devido à idade; Diminuição da atuação ou até a própria saída de um segmento ou do mercado como um todo; 8

19 Obsolescência tecnológica; Excesso de capacidade de transporte devido a uma queda de demanda; Necessidade de caixa para arcar com os compromissos da empresa; Expectativa de que os preços de mercado dos navios e/ou dos fretes irão cair; Oportunidade de lucro com a venda do navio como ativo em épocas de alta dos preços. Já as razões para comprar são: Necessidade de aumento da capacidade de transporte em resposta a um rápido aumento de demanda; Entrada em um segmento de mercado ou aumento da atuação; Expectativa de que os preços dos navios e/ou dos fretes irão subir. 4. A Modelagem Econométrica do Mercado de Segunda Mão Econometria significa literalmente mensuração econômica. Embora a mensuração seja uma parte importante da econometria, sua finalidade é mais abrangente, como se pode verificar pela citação a seguir:...econometria pode ser definida como a análise quantitativa de fenômenos econômicos concretos, baseada no desenvolvimento simultâneo de teoria e observação, relacionados por métodos de inferência adequados. [13] Um modelo matemático da função preço de navio de segunda mão teria interesse restrito para um estudo econométrico, uma vez que suporia uma relação exata ou determinista entre o preço dos navios usados e suas variáveis explicativas. As relações entre variáveis econômicas são em geral inexatas, porque o consumo de um produto normalmente é influenciado por uma gama muito grande de fatores que não torna prático, ou em alguns casos até mesmo possível, representar todas as variáveis independentes de forma explícita. A teoria de regressão aplicada neste trabalho, assim como a maior parte dos trabalhos que utilizam regressão, está condicionada à hipótese de que a variável dependente seja estocástica, mas que as variáveis explicativas sejam fixadas ou não-estocásticas. Em estudos avançados de econometria a hipótese de que as variáveis explicativas são não-estocásticas pode ser relaxada [14]. 9

20 Porém, para admitir relações inexatas entre as variáveis econômicas em funções com variáveis explicativas não-aleatórias, as equações podem ser modificadas para incluir um termo conhecido como termo de perturbação ou erro. Esse termo é uma variável aleatória (estocástica), assumida com propriedades probabilísticas bem definidas. Esse termo pode representar bem todos os fatores que afetam o mercado de navios usados, mas que não foram considerados explicitamente. Assim, assume-se que nas variáveis explicativas haverá fatalmente alguma variabilidade aleatória ou intrínseca que não poderá ser plenamente explicada, por mais variáveis explicativas que sejam consideradas. As razões para não incluir mais variáveis que as consideradas são variadas, os dados dessas variáveis extras podem estar indisponíveis, pode-se não estar seguro sobre a influência e a forma da relação funcional entre o regredido e as variáveis extras, a influência dessas variáveis periféricas pode ser muito pequena e melhor modelada com uma variável estocástica, e os erros de medição dessas variáveis periféricas podem ser grandes ao ponto de anularem o benefício de tê-las na equação para descrever melhor o fenômeno. E não menos importante, é impossível tentar modelar a casualidade intrínseca do comportamento humano que pode não se comportar como deveria, seguindo as regras que serviram de premissa. Que as descrições sejam mantidas tão simples quanto possível até que se provem inadequadas [15]. Se for possível descrever o comportamento de uma variável dependente substancialmente com certo número de variáveis e a teoria não for forte o suficiente para sugerir mais variáveis não há motivos para acrescentá-las. O modelo econométrico proposto será uma regressão amostral, baseado em uma amostra de observações da população. Embora a análise de regressão lide com a dependência de uma variável em relação a outras variáveis, ela não implica necessariamente em causação. Ou seja, como será visto, não há nenhuma razão estatística para supor que o preço de navio de segunda mão não dependa do porte bruto do navio, entretanto, a suposição de que o preço do navio usado depende do porte bruto se deve a considerações não-estatísticas, porque o bom senso sugere que a relação não pode ser invertida, o porte bruto não pode ser controlado variando o preço do navio de segunda mão. Assim, é importante destacar aqui que uma relação estatística, por si só, não pode logicamente implicar uma causação [14]. Para atribuir causalidade, deve-se recorrer a considerações apriorísticas ou teóricas. 10

21 4.1. Revisão Bibliográfica Como já mencionado, o transporte marítimo é uma das poucas indústrias a ter um mercado movimentado onde os principais bens de capital, os próprios navios, são comercializados. Diversos fatores influenciam na decisão de um armador de vender um navio e na de outro de comprá-lo, alguns dos quais estão listados no capítulo anterior. Entretanto, mesmo com motivos únicos, é intuitivo pensar que todo armador que negocia neste mercado fica atento aos valores de determinadas variáveis, pois é certo que, independente de seu propósito, o armador sempre terá vontade de realizar o melhor negócio, ou seja, vender pelo maior preço possível e comprar pelo menor preço possível. Para entender as principais variáveis que influenciam os preços nesse mercado, pode-se recorrer a tradicional Lei de Oferta e Demanda. Tsolakis et al. [16] determina que a quantidade de navios de segunda mão demandada pelo mercado pode ser expressa como uma função de: taxa de afretamento por período (time charter, TC), preço de um navio novo, preço de um navio de segunda mão, e custo de capital. (1) Enquanto a oferta seria expressa como função de: carteira de novas encomendas sobre a atual frota, e o preço de navios de segunda mão. (2) igualam O preço resultante seria o ponto onde as quantidades de demanda e a oferta se, assim: (3) Tsolakis et al. conclui que o preço de navios usados é mais influenciado por aspectos de demanda do que de oferta. A variação da demanda no mercado de segunda mão deve estar muito relacionada com a expectativa de lucro com o mercado de transporte, o que aponta que deve haver uma forte relação com as taxas de frete. A opção por utilizar a taxa de afretamento por período (US$/dia) e não as taxas de frete por viagem (US$/ton) é que estas últimas são específicas para cada rota, além de ter uma volatilidade maior. O time charter trata do resultado de uma negociação entre armador e afretador sobre a taxa a ser cobrada durante um determinado período de utilização de navio no futuro, o que, de certa forma, pode ser assumido como uma 11

22 convergência entre as expectativas de mercado de ambas as partes. Por este motivo, o time charter costuma ser muito menos volátil. Já os novos navios e os navios de segunda mão tendem a serem, em algum grau, produtos substitutos, embora a disponibilidade mais imediata para utilização do navio de segunda mão possa fazer com que os preços destes superem os preços de novas construções em períodos com taxa de frete muito alta, como ocorreu especialmente no boom dos anos 2006 a 2008 (seguido da queda acentuada com a crise financeira). Quanto ao custo de capital, Tsolakis et al. utiliza como variável proxy 2 a LIBOR, London Interbank Offered Rate 3. Esta variável será utilizada neste trabalho de maneira diferente do que no artigo. Na referência, utilizou-se uma média de 3 meses da LIBOR para mostrar que no longo prazo a LIBOR tem uma relação negativa com o preço do navio de segunda mão porque o maior custo de empréstimo para os armadores os levaria a recusar preços mais altos. Esta hipótese foi confirmada apenas para as classes de graneleiros, e rejeitada para as classes de petroleiros, exceto para suezmax. A explicação seria que armadores de navios graneleiros possuem menos capital do que armadores de navios petroleiros (o que pode ser explicado pela receita e fluxo de capital consideravelmente maiores no mercado de petróleo), logo o impacto de maiores juros de empréstimos seria maior para os armadores de graneleiros. Neste trabalho, a taxa LIBOR será utilizada como variável proxy de variação do custo de capital de maneira geral, incluindo todas as influências externas como, por exemplo, a crise de A oferta, por outro lado, aumenta e diminui em velocidades menores porque depende do sucateamento e da construção de novos navios. Um dado número de encomendas em um momento significará uma maior quantidade de navios em um momento posterior (a partir de um ano, talvez), a não ser que o número de sucateamento seja maior no mesmo período, o que diminuirá a quantidade de navios. Tsolakis et al. considera apenas a variável carteira de encomendas/frota em suas regressões, e tem como resultado que ela é significativa apenas no longo prazo e apenas para as classes de petroleiros Panamax, Suezmax e VLCC, com uma relação negativa com o preço de segunda mão. A justificativa seria que uma carteira grande indicaria para os investidores um excesso de oferta no futuro e que não seria um bom investimento comprar navios maiores, mais caros. Para graneleiros, não haveria 2 Variável que substitui aproximadamente um valor não observável ou não mensurável. 3 A London Interbank Offered Rate é a taxa de juros média estimada pelos principais bancos em Londres, Inglaterra, para empréstimos entre bancos. 12

23 influencia significativa no curto nem no longo prazo. Tsolakis et al. avalia o longo prazo com a relação entre o preço de segunda mão e a variável carteira/frota defasada de um ano, e o curto prazo com as variáveis em fase. Para comprovar a justificativa do artigo quanto ao mercado de grandes petroleiros, uma investigação sobre a quantidade de navios negociados dada a variável carteira/frota defasada deveria ser realizada, visto que a variável defasada pode indicar que no atual instante o mercado recebeu novos navios e que os navios de segunda mão diminuíram seus preços pelo aumento da quantidade de oferta, e não pela diminuição da demanda. A inclusão do sucateamento/frota no modelo também pode fazer com que as variáveis carteira/frota e sucateamento/frota se tornem significativas no longo prazo para todas as classes. O artigo parece ter sido um pouco contraditório na justificativa quanto à influência da carteira/frota, pois no início esta é uma variável da função que descreve a oferta e na justificativa a variável foi associada à demanda. As variáveis carteira e sucateamento não serão inseridas no modelo deste trabalho pelo seguinte motivo: no mercado de fretes, a taxa é determinada pela Lei de Oferta e Demanda do mercado de transporte. Do lado da demanda estão os afretadores com cargas para serem transportadas e do lado da oferta estão os navios que podem oferecer este serviço de transporte. A quantidade de navios que são ofertados no mercado de frete é a mesma quantidade de navios que são ofertados no mercado de segunda mão. Essa quantidade de navios depende do número de navios que existem no mercado, do número de novos navios que entram e de quantos saem do mercado. Ou seja, ao incluir a variável taxa de frete já está sendo levado em conta de certa forma essa dinâmica do número de navios disponíveis na indústria. Não é intenção deste trabalho um olhar mais acurado sobre o impacto da carteira e do sucateamento no preço de segunda mão, o objetivo é ter um modelo robusto que descreva bem o comportamento dos preços e com baixos erros-padrão, assim, por causa da menor relevância dessas variáveis na presença da variável frete optou-se por não incluí-las. Apesar da simplificação nas expressões apresentadas por Tsolakis et al., o processo de formação de preços no mercado internacional é extremamente complexo e seu comportamento é altamente volátil e sujeito a influência de um grande número de variáveis. Além das variáveis independentes sugeridas até agora, Pruyn et al. [11] acrescenta que idade e porte são variáveis explicativas importantes na determinação dos preços de segunda mão. Tsolakis et al. aborda o porte das embarcações de forma desagregada, para cada porte de graneleiros e de petroleiros é realizada uma 13

24 regressão particular do preço de revenda sobre suas variáveis independentes. Quanto à idade dos navios, o artigo de Tsolakis et al. não deixa claro se os índices anuais para preços de revenda das séries temporais utilizados reúnem embarcações de diferentes anos de construção ou se são especificamente de uma determinada idade, como, por exemplo, cinco anos. Pruyn et al. menciona também que, apesar de serem mais difíceis de obter, a velocidade e a potência do motor também podem ter impactos relevantes. O presente trabalho tem o objetivo adicional de analisar comparativamente a qualidade dos navios produzidos pelos principais países e regiões construtores. Baseado na premissa de que os valores dos navios usados não são fixados por nenhum agente governamental e que os preços são determinados pura e simplesmente pela convergência entre valores e quantidades que afretadores e fretadores estão dispostos a negociar, acredita-se que se for constatado que os preços de navios usados construídos em um país/região X forem maiores, com significância estatística, do que os de navios usados construídos em um país/região Y, ceteris paribus, isso pode ser um indício de que o mercado reconhece maior qualidade nos navios construídos no primeiro país/região. O teste ideal conteria dois navios tecnicamente iguais sendo construídos todo ano em dois países/regiões diferentes em mesmo contexto econômico internacional, e a diferença entre seus preços de revenda, no caso de haver, indicaria, portanto, que os atores do mercado subjetivamente valorariam a qualidade do navio mais caro como sendo maior devido ao país em que foi construído. Pruyn et al. afirma que o país de construção e a sociedade classificadora são variáveis que tiveram sua influência descartada de acordo com sua pesquisa bibliográfica, embora reconheça que em Adland e Koekebakker [17] e Koehn [18] o país de construção seja considerado relevante. Tanto Adland e Koekebakker quanto Koehn afirmam que o país de construção, o estaleiro, a capacidade de carga em comparação com semelhantes, tipo de casco (simples ou duplo), equipamentos de manuseio de carga, velocidade e consumo de combustível são fatores específicos que podem influenciar o preço que de fato o navio obterá no mercado. Adland e Koekebakker ainda incluem que baixos padrões de manutenção podem desvalorizar o navio. Koehn destaca que estes fatores têm importância maior em mercados de embarcações menores e altamente especializadas como reefer, chemical carrier e gas carrier. Seu trabalho foi sobre o segmento de navios químicos. Ao incluir o país de construção como variável dummy, Koehn obteve alguns resultados interessantes: em 14

25 comparação com os navios químicos construídos no Japão, 11 dos 17 países apresentaram diferenças significativas. A maioria dos países com sinal positivo (preço maior que o do Japão) são países da Europa Ocidental enquanto navios da Ucrânia aparentam ter uma menor qualidade se for utilizado este critério. Navios de outros países asiáticos como Coréia do Sul e China assim como navios da França, Croácia, Polônia, e Reino Unido não tiveram diferença significativa. Em Pires et al. [19] encontraram-se evidências estatísticas robustas de que navios graneleiros construídos no Japão apresentaram valor esperado de preço de segunda mão maior do que os construídos no demais países para vendas realizadas entre 2003 e Pretende-se neste trabalho ampliar a pesquisa feita em Pires et al. e reafirmar ou rejeitar esta hipótese estatisticamente Especificação do Modelo Em Pires et al. [19] foram analisados navios vendidos entre o final de 2002 e o final de 2005 a partir de dados obtidos da empresa Clarksons. Os dados foram segregados por ano e por tipo (graneleiros, petroleiros e porta-contentores) e os valores de venda foram deflacionados com índices de preço de segunda mão da mesma fonte. O objetivo do artigo era especificamente avaliar a influência do país de construção nos preços de revenda. As regressões dos petroleiros não puderam ser avaliadas devido a um viés na amostra: os navios mais novos e maiores, VLCC e ULCC, eram predominantemente coreanos, e os mais antigos e menores eram predominantemente japoneses, com poucos dados de outros países. A avaliação dos dados de porta-contentores também não foi realizada devido a uma concentração dos navios europeus entre os navios mais antigos e dos coreanos entre os navios mais novos, e também a uma concentração de navios europeus entre os de maior porte e de japoneses entre os de menor porte, com poucos dados para outros países. Já a amostra de navios graneleiros se mostrou bem condicionada quando dividida entre navios construídos no Japão e navios construídos nos demais países. Para diferenciar os navios construídos entre os dois grupos (Japão e Outros) foi utilizada uma variável dummy. A variável dependente escolhida foi o preço de revenda do navio dividido pelo seu porte e deflacionado pelo índice da Clarksons. As variáveis explicativas, além do país de construção, foram o porte e a idade das embarcações. O modelo de regressão adotado foi o seguinte: (4) Onde: 15

26 P {US$/DWT}: preço do navio por porte bruto deflacionado; K: intercepto da equação; DWT: porte bruto do navio em toneladas; age: idade do navio em anos; e: base do logaritmo natural; γ: variável binária (0 ou 1) de decisão de país de origem; λ: fator de variação do preço dependente da variável binária (γ); α : elasticidade do preço (P ) relativa à capacidade (DWT); β : elasticidade do preço (P ) relativa à idade (age). No presente trabalho, pretende-se utilizar o trabalho de Pires et al. como base, ampliando a pesquisa. O primeiro passo foi estender o período observado para entre o final de 2002 e o meio de As análises não serão separadas por ano, mas manterão a divisão por tipo (graneleiros, petroleiros, e porta-contentores). Seguindo o que foi apresentado no tópico 4.1, serão incluídas como variáveis explicativas ao modelo de Pires et al. variáveis que representem as receitas dessas embarcações e também os preços de novas construções. Para incluir no modelo a variação do custo de capital de maneira geral, incluindo todos os fatores externos, foi inserida no modelo a taxa de juros LIBOR. Assim, o modelo considerado para este trabalho foi o seguinte: Onde: (5) P {US$/DWT}: preço de revenda do navio dividido pelo seu porte bruto; K {US$/DWT}: intercepto da equação; Age {anos}: idade do navio na data de revenda; Earnings {US$/dia}: variável para captar as variações na receita das embarcações ao longo do tempo; NB {US$/DWT}: variável para captar variações do preço de um novo navio por tonelada de porte bruto ao longo do tempo; LIBOR: variável para captar as variações no custo de capital ao longo do tempo. α: elasticidade do preço (P) em relação à capacidade (DWT); β: elasticidade do preço (P) em relação à idade (age). η: elasticidade do preço (P) em relação à receita (earnings); δ: elasticidade do preço (P) em relação ao preço de nova construção (NB); ζ: elasticidade do preço (P) em relação ao custo de capital (LIBOR); 16

27 A esse modelo de regressão exponencial serão acrescentadas variáveis dummies 4 que possibilitem a investigação sobre a influência do país de construção no preço de segunda mão. O número de variáveis categóricas dependerá do número de regiões/países a serem considerados. A equação assumirá o seguinte formato: (6) As variáveis a, b, e c são exemplos de variáveis binárias que assumem valor 1 quando o navio tiver sido construído em uma respectiva região ou país e valor zero (ou nulo) quando tiver sido construído em outra região. Por exemplo, um navio construído na região c terá e. As letras maiúsculas que acompanham as variáveis são os estimadores dos coeficientes parciais de regressão. À equação (3) se aplicou o logaritmo natural aos dois lados da igualdade. (7) A vantagem de utilizar o modelo na forma log-linear como na equação (7) é que os parâmetros α, β, γ, δ, e ζ estimados pelo método dos mínimos quadrados ordinários serão não só os melhores estimadores lineares não-viesados se o modelo satisfizer as hipóteses do modelo clássico de regressão linear 5, como também medirão a elasticidade do preço em relação a, respectivamente, porte, idade, receita, preço de nova construção, e custo de capital. Ou seja, os parâmetros serão as melhores estimativas pontuais para os dados utilizados sobre as variações percentuais no preço (US$/DWT) para uma dada variação percentual (pequena) na respectiva variável independente. 4 Variáveis dummies são variáveis que assumem valor 0 ou 1 para indicar a presença ou ausência de um atributo no respectivo dado. 5 No livro Econometria Básica [14], de Gujarati, são apresentadas as 10 hipóteses para que um modelo seja enquadrado na definição de Modelo Clássico de Regressão Linear, e as consequências do enquadramento bem como do não enquadramento são discutidas. Alguns testes serão feitos neste trabalho para avaliar se o modelo proposto atende às hipóteses, mas recomenda-se uma leitura prévia desta ou de bibliografia semelhante para compreender a importância do conceito. 17

28 5. A Obtenção e a Preparação dos Dados Todos dados foram obtidos da Shipping Intelligence Network da Clarksons. Na base de dados oferecido pela empresa os dados sobre preços individuais de revenda dos navios só são disponibilizados em formato de planilhas para o software Microsoft Excel para até três anos regressos. O primeiro passo foi, então, transcrever os dados dos relatórios semanais Shipping Intelligence Weekly para planilhas Excel para todos os anos entre 2006 e 2010, incluindo os anos extremos. Os dados do final de 2002 ao de 2005 são os mesmos utilizados no artigo de Pires et al. [19], fornecidos gentilmente pelos autores. Os dados de 2011 a 2014 foram obtidos direto da rede no formato desejado 6. A coleta de dados e sua posterior organização se mostrou uma tarefa bastante difícil. Foi investido um tempo considerável para preparar um procedimento mecânicocomputacional para que os dados de cada relatório pudessem ser transformados em linhas de planilhas do Excel. Ainda sim, ajustes pós-processamento de cada relatório precisaram ser feitos para padronizar as informações. Para cada navio, obtiveram-se informações para os seguintes campos: Type Name Built Size Unit Dwt Yard Sold En Bloc US$m Sellers Buyers Type: informação sobre o tipo do navio, por exemplo: bulk, tanker, container, AHTS, cable layer, car carrier etc. Name: nome do navio. Built: ano de construção do navio. Size: uma referência quantificável de porte da embarcação, por exemplo: toneladas de porte bruto, número de contentores, número de passageiros, comprimento etc. Unit: unidade do número apresentado no campo Size. Dwt: toneladas de porte bruto (deadweight). Yard: estaleiro onde o navio foi construído. Sold: data em que o navio foi revendido. 6 Infelizmente, o autor percebeu após concluir o trabalho que os dados do mês de Janeiro de 2011 não foram incluídos. 18

29 En Bloc: campo inicialmente reservado para destacar os navios que eram vendidos em conjunto. Entretanto, durante a coleta de dados, observou-se que seria útil anotar neste campo quaisquer informações adicionais sobre a venda que estivessem disponíveis nos relatórios como, por exemplo, se o navio foi vendido com um contrato de time charter vigente ou se foi vendido em um leilão. US$m: preço pelo qual o navio foi revendido, em milhões de dólares. Sellers: informações sobre quem vendeu os navios. Buyers: informações sobre quem comprou os navios. Foram recolhidos dados individuais de negociações de navios de segunda mão. O primeiro passo após ter o banco de dados em Excel pronto para ser utilizado foi separar os dados dos três tipos de navios de interesse deste trabalho em três bancos de dados específicos: graneleiros, navios tanque, porta-contentores. A intenção de usar navios tanques é a de avaliar o mercado de petroleiros. Para separar os petroleiros dos demais dados um critério teve de ser adotado, porque entre os tipos de navio que os dados da Clarksons eram classificados no banco de dados da empresa havia: bulk/oil, chem&oil, combo, eth/lpg, eth/lpg/chm, ethy/lpg, L.N.G., L.P.G., LPG carrier, LPG/chem, oil & LPG, ore/oil, products, shuttle, tankchem, e tanker. Em um critério de organização abrangente, alguns ou todos estes tipos poderiam ser englobados como um grupo de navios tanque, que transportam granel líquido. Para este trabalho, apenas os navios tipificados como tanker foram utilizados. Acredita-se que estes navios sejam os petroleiros tradicionais que transportam óleo cru, embora seja muito provável que alguns navios de produtos tenham sido incluídos sob esta classificação. Para os graneleiros foram escolhidos os navios tipificados como bulker, e para porta-contentores, container. Banco de Dados Geral BD Graneleiros BD Tanques BD Contentores Após separar em três bancos de dados independentes, os dados foram reavaliados e os navios que não continham informações sobre ano de construção, e/ou DWT, e/ou estaleiro, e/ou preço foram retirados dos bancos de dados. As 19

30 informações que não faltavam a nenhum navio do banco de dados principal eram apenas: tipo, nome, e data de revenda. Para os navios revendidos em grupo, se os navios fossem de mesmo porte e idade o preço era dividido igualmente entre os navios, caso contrário os navios também não foram considerados nas análises. Sabese que esta última consideração pode implicar em algum viés na amostra dado que navios vendidos em bloco podem ter desconto em seus preços, mas decidiu-se manter esta decisão por se considerar que não se trata de um produto vendido em grandes quantidades, em que os descontos seriam maiores, e também é válido observar que toda negociação possui aspectos únicos que afetam o preço acordado. O objetivo deste trabalho é captar tendências globais e para isso é preciso incluir o maior número de dados válidos possíveis. Os navios revendidos antes de serem entregues pelos estaleiros ou no ano de sua entrega, ou seja, com idade zero ou negativa, também foram descartados por não fazerem parte do tradicional mercado de segunda mão. Esses navios revendidos antes de completarem 1 ano podem ser considerados como um mercado de segunda mão especial já que o navio ainda é novo e a deterioração natural devido à idade ainda não é percebida. Tabela 1: Índices de Preços de Segunda Mão Graneleiros Petroleiros Porta-contentores Bulk Carrier Secondhand Prices Index Average (US$/DWT) Tanker Secondhand Prices Index Average (US$/DWT) Containership 10 year old Secondhand Prices Index Average (US$/TEU) O próximo passo foi coletar as séries históricas dos índices de preços de navios de segunda mão (US$/DWT) na rede da Clarksons para cada tipo de navio (graneleiros, tanques, e porta-contentores 7 ). As séries utilizadas estavam em uma base mensal. Os preços de revenda foram, então, divididos pelos portes brutos dos navios e depois deflacionados por simples divisão do preço/dwt pelo índice de preço de navio de segunda mão adequado ao período da revenda. Com os preços deflacionados foi possível identificar os outliers. Com esse objetivo, utilizou-se a ferramenta diagrama de caixa modificado 8 e o software Minitab. A linha central do diagrama de caixa corresponde à mediana dos dados, a caixa (retangular) estende-se do primeiro ao terceiro quartis (Q 1 e Q 3 ). O diagrama é dito modificado porque ao invés de as linhas se estenderem até os valores mínimo e máximo como nos diagramas de caixa tradicionais, elas se estendem abaixo do primeiro quartil até o valor de 1,5 vezes o intervalo interquartil (Q 3 Q 1 ) e acima do terceiro quartil até o valor de 1,5 vezes o 7 Para porta-contentores foi utilizado US$/TEU. 8 Nomenclatura adotada no livro Introdução à Estatística [21], de Mario Triola. 20

31 US$/DWT Deflacionado US$/DWT Deflacionado intervalo interquartil. Foram considerados outliers (valores discrepantes) os dados que se localizavam acima ou abaixo dos limites dessas linhas. 6 Graneleiros Figura 5: Diagrama de caixa modificado dos graneleiros Navios Tanque Figura 6: Diagrama de caixa modificado dos navios tanque Na Figura 5 é possível observar os outliers entre os graneleiros. O valor que se destaca bem acima dos outros é um navio de apenas toneladas de porte bruto que foi revendido por US$ 4,7 milhões em Aparentemente, nenhum dos valores considerados atípicos parecia conter algum erro de informação. Praticamente todos são navios de até toneladas de porte bruto, o que faz com que a razão US$/DWT tenda a ser maior. Do total de navios, os outliers correspondiam a 31 embarcações, ou 0,73% dos dados. Preferiu-se retirar esses pontos das análises porque eles não seguem as tendências de suas épocas. Para os navios tanque (Figura 6), novamente o dado com o valor de US$/DWT deflacionado mais alto era um navio de menor porte, apenas toneladas, que foi 21

32 US$/DWT Deflacionados com US$/TEU vendido por US$ 4,8 milhões em A média dos portes dos navios considerados outliers foi de toneladas, confirmando que navios com porte bruto menor tendem a ter o valor de seu preço dividido por seu porte bruto maior. Esses valores atípicos foram 50 pontos entre navios avaliados, ou 3,81%. Entre os navios porta-contentores (Figura 7) foram identificados apenas 9 valores atípicos entre 992 navios (0,91%). Os valores US$/DWT foram deflacionados com um índice em US$/TEU, pois não foi encontrado um índice para o preço de revenda de porta-contentores que fosse apresentado na unidade US$/DWT na rede da Clarksons. Entretanto, são valores muito correlatos e assim foi considerado razoável utilizar o índice encontrado. Os outliers são navios de pequeno porte, mas não tão pequenos para porta-contentores, com média de toneladas de porte bruto. Esses valores atípicos foram retirados da base de dados. 0,25 Porta-contentores 0,20 0,15 0,10 0,05 0,00 Figura 7: Diagrama de caixa modificado dos navios porta-contentores A etapa seguinte foi coletar na base de dados da Clarksons as séries históricas de índices para receita, preço de nova construção, e da taxa LIBOR. Foram utilizados os seguintes índices: Tabela 2: Índices de receita Graneleiros Baltic Exchange Dry Index 9 Petroleiros Porta-contentores Average Weighted Earnings All Tankers (US$/Day) Clarksons Containership Earnings Index (US$/Day) 9 O Baltic Dry Index (BDI) é o sucessor do Baltic Freight Index (BFI) e entrou em operação no primeiro dia de Novembro de Desde o primeiro dia de Julho de 2009, o índice tem sido um composto dos Dry Bulk Timecharter Averages (médias dos contratos por período - $/dia dos graneleiros). A fórmula usada para calcular o BDI é: ((Capesize5TCavg + PanamaxTCavg+ SupramaxTCavg + HandysizeTCavg)/ 4) * TCavg = Timecharter average. Mais informações podem ser obtidas em 22

33 Graneleiros Petroleiros Porta-contentores Tabela 3: Índices de preços de novos navios Bulkcarrier Average Newbuilding Prices (US$/DWT) Oil Tanker Average Newbuilding Prices (US$/DWT) Containership Contracting (US$ Million)/Containership Contracting (DWT) 10 Quanto aos países de construção, foram formados grupos de países considerando o volume de navios revendidos e a homogeneidade representativa de geopolítica. Foram utilizadas convenções tradicionais de divisões políticas dos continentes, não tendo sido feito um estudo aprofundado sobre a infraestrutura dos estaleiros desses países para agrupá-los. Vale ressaltar aqui novamente o cunho acadêmico deste estudo para o exercício de conceitos de econometria aplicada ao setor de engenharia naval. Apesar de todo país possuir níveis grandes de diferença entre seus estaleiros, o agrupamento tem a intenção de identificar possíveis valorações padronizadas pelo mercado sobre a qualidade dos navios construídos dentro de determinados países/regiões. Para navios porta-contentores, os dados neste instante continham apenas três navios construídos no continente americano, dois nos Estados Unidos e um na Argentina, por isso o continente americano foi desconsiderado. Entre os navios graneleiros havia dois navios construídos no Egito que também foram desconsiderados. Assim, a seguinte divisão foi realizada 11,12 : América América Japão Ásia* Japão Ásia* Graneleiros Tanques Europa Coréia do Sul China Europa Coréia do Sul China Ásia* Japão China Contentores Europa Coréia do Sul 10 Para porta contentores foi utilizada a razão entre dois índices. 11 Ásia*: países do continente asiático com exceção de China, Coréia do Sul e Japão, que foram considerados individualmente. 12 América: países do continente americano, unindo Américas do Sul, Central e do Norte. 23

34 A quantidade de navios por região para cada tipo de embarcação ficou da seguinte forma: Figura 8: Navios graneleiros agrupados por região de construção Figura 9: Navios petroleiros agrupados por região de construção Figura 10: Navios porta-contentores agrupados por região de construção 24

35 6. Análises sobre o Modelo de Regressão Antes de testar a hipótese sobre a influência do país de construção é importante investigar o comportamento do modelo econométrico proposto. Só quando forem estudados os limites do modelo e afirmada sua validade é que será possível realizar testes e obter conclusões sobre os dados A Multicolinearidade e a Significância Global A primeira avaliação é sobre multicolinearidade. A presença de uma multicolinearidade perfeita acontece em casos em que há uma relação linear perfeita entre algumas ou todas as variáveis explicativas do modelo (logo não há como haver multicolinearidade em regressões simples). Entretanto, a multicolinearidade menos que perfeita 13 é igualmente importante por causa do erro estocástico atrelado aos dados. Por exemplo, considere a equação abaixo: Sendo X k as variáveis explicativas de um modelo, λ k os escalares, e v i o termo de erro estocástico de cada dado. Pode-se perceber que as variáveis não são combinação linear exata das outras variáveis (já que o erro estocástico assume valores aleatórios), mas elas estão altamente correlacionadas. Caso haja multicolinearidade perfeita, os coeficientes de regressão das variáveis independentes serão indeterminados e seus erros-padrão infinitos. Isso significa que em um modelo com duas variáveis explicativas, se houver relação linear exata entre elas o X 2 não variará independentemente de X 1 e vice versa, ou seja, se X 1 for fixado o valor de X 2 não terá variação, não importa quantos dados forem coletados. Assim, não será possível estimar coeficientes separados para X 1 e para a variável X 2, o modelo depende apenas de uma variável e não duas. O mesmo acontecerá se X 2 for fixado, então não haverá como realizar a regressão para o respectivo modelo. Se a multicolinearidade é menos que perfeita, os coeficientes de regressão, embora possam ser determinados, possuirão erros-padrão grandes (em relação aos próprios coeficientes), o que pode prejudicar a precisão da estimativa utilizando a regressão realizada. Entretanto, mesmo na presença de quase-multicolinearidade os 13 Nomenclatura utilizada pelo livro Econometria Básica, de Gujarati [14] 25

36 estimadores obtidos pelo Método dos Quadrados Mínimos Ordinários (MQO 14 ) ainda serão os melhores estimadores lineares não-viesados. Eles são os melhores porque têm variância mínima. São não-viesados porque os valores esperados dos estimadores são iguais aos valores verdadeiros dos parâmetros. Os estimadores com variância mínima e não-viesados são chamados também de eficientes. E a linearidade é devido ao fato dos estimadores serem uma função linear das observações amostrais, embora a variável explicativa em si possa ser X elevado ao quadrado, por exemplo. Esta última afirmação diferencia linearidade nos parâmetros de linearidade nas variáveis. Um sintoma de que o modelo de regressão possui multicolinearidade é um alto coeficiente de determinação (R²) porém com os testes t de significância das variáveis com razões pouco significativas. O teste t testa a hipótese de que o parâmetro linear de cada variável é igual a zero dentro de um intervalo de confiança segundo a distribuição t de Student, ou seja, aceita a hipótese, o respectivo coeficiente pode não estar colaborando para explicar os valores assumidos pela variável dependente. O coeficiente de determinação é igual a 1 menos a soma dos quadrados dos resíduos, com esta soma sendo dividida pela soma dos quadrados da diferença entre os valores efetivos da variável dependente e a média desses valores,. Ou seja, quanto menores os resíduos maior é o coeficiente de determinação, variando entre 0 e 1, e quanto maior o R² maior é o ajuste da regressão sobre os dados. Para o teste de multicolinearidade foram feitas, então, regressões pelo método MQO utilizando o software gretl 15, com a seguinte expressão: (8) Como é possível notar nos dados da Tabela 4, da Tabela 5, e da Tabela 6, o coeficiente de determinação R² e o R² ajustado (que considera o número de variáveis) podem ser considerados altos dado que se trata de dados sujeitos a especulação de mercado. Todos giram por volta de 0,7. Os coeficientes das variáveis explicativas também se apresentaram significativos, ou seja, ajudam a explicar o valores assumidos pela variável ln(p). O maior valor p entre os coeficientes das variáveis 14 O Método dos Mínimos Quadrados minimiza a soma dos quadrados dos resíduos da regressão. 15 gretl: Gnu Regression, Econometrics and Time-series Library, é um pacote de software multiplataforma de código aberto para análise econométrica, escrito na linguagem de programação C. 26

37 independentes foi o da variável ln(earnings) da regressão de navios petroleiros, e mesmo assim a hipótese de que o coeficiente é igual zero poderia ser aceita com significância de apenas 0,323% (323 em regressões), assim, considerou-se refutada a hipótese de multicolinearidade forte neste teste. Tabela 4: Regressão para navios graneleiros, variável dependente ln(p). Dados de 4189 navios const 2, , ,8998 <0,00001 *** lndwt 0, , ,0890 <0,00001 *** lnage 0, , ,5328 <0,00001 *** lnbdi 0, , ,5395 <0,00001 *** lnnb 0, , ,3077 <0,00001 *** lnlibor 0, , ,7490 <0,00001 *** Média var. dependente 5, D.P. var. dependente 0, Soma resíd. quadrados 727,7244 E.P. da regressão 0, R-quadrado 0, R-quadrado ajustado 0, F(5, 4183) 1916,324 P-valor(F) 0, Tabela 5: Regressão para navios petroleiros, variável dependente ln(p). Dados de 1262 navios. const 0, , ,9222 0,05480 * lndwt 0, , ,5317 <0,00001 *** lnage 0, , ,8715 <0,00001 *** lnearnings 0, , ,9505 0,00323 *** lnnb 1, , ,0525 <0,00001 *** lnlibor 0, , ,2274 0,00003 *** Média var. dependente 5, D.P. var. dependente 0, Soma resíd. quadrados 197,6333 E.P. da regressão 0, R-quadrado 0, R-quadrado ajustado 0, F(5, 1256) 620,6930 P-valor(F) 0, Tabela 6: Regressão para navios porta-contentores, variável dependente ln(p). Dados de 983 navios const 0, , ,5762 0,11531 lndwt 0, , ,2012 <0,00001 *** lnage 0, , ,8560 <0,00001 *** lnearnings 0, , ,2318 <0,00001 *** lnnb 0, , ,9493 <0,00001 *** lnlibor 0, , ,9095 <0,00001 *** Média var. dependente 6, D.P. var. dependente 0, Soma resíd. quadrados 178,3457 E.P. da regressão 0, R-quadrado 0, R-quadrado ajustado 0, F(5, 977) 467,8502 P-valor(F) 2,6e-256 Um teste que avalia a significância global do modelo proposto é o teste F. Testar uma série de hipóteses em particular (de que os coeficientes são iguais a zero) não equivale a testar essas mesmas hipóteses conjuntamente (de que todos os 27

38 coeficientes são simultaneamente iguais a zero) [14]. Na prática, se uma variável é significativa a 3% e outra a 4% em seus testes individuais não é possível dizer que as duas variáveis juntas são significativamente relevantes para o modelo a 3%, 4% ou qualquer outra significância, isso porque nos testes individuais assume-se que as amostras de cada teste são independentes e por isso os p-valores 3% e 4% não podem ser relacionados para gerar um valor p de significância global. Através da técnica de análise de variância (ANOVA) é possível testar a hipótese de que todos os coeficientes são simultaneamente iguais a zero, considerando um parâmetro estatístico que segue uma distribuição F de Fischer-Snedecor. Esse parâmetro estatístico pode ser calculado como função do coeficiente de determinação,, em que k é igual ao número total de parâmetros a serem estimados no modelo e n é o número total de dados. Assim, o teste F é também um teste de significância de R², com hipótese nula de que R² = 0. Como é possível notar nos dados da Tabela 4, Tabela 5 e Tabela 6, o p-valor (F) é muito pequeno. Então a hipótese de R² ser zero é rejeitada para as três regressões. Voltando à multicolinearidade, outro sintoma é a presença de altas correlações entre as variáveis explicativas tomadas duas a duas. Ressalta-se que altas correlações de ordem zero entre duas variáveis são condição suficiente, mas não necessária, para a existência da multicolinearidade, pois ela pode existir mesmo que as correlações simples sejam relativamente baixas. Isto acontece porque uma variável explicativa pode ser combinação linear de outras duas variáveis independentes, por exemplo, mas ter coeficientes de correlação simples de apenas 0,5 em relações individuais com cada variável [14]. Tabela 7: Matriz de correlação entre as variáveis independentes, navios graneleiros. lndwt lnage lnbdi lnnb lnlibor 1,0000-0,2388-0,0499-0,0490-0,0383 lndwt 1,0000 0,0134 0,0837 0,0163 lnage 1,0000 0,0890 0,6384 lnbdi 1,0000-0,0114 lnnb 1,0000 lnlibor Tabela 8: Matriz de correlação entre as variáveis independentes, navios petroleiros. lndwt lnage lnearnings lnnb lnlibor 1,0000-0,2344 0,0941-0,1336-0,0128 lndwt 1,0000 0,0234 0,1480 0,1234 lnage 1,0000 0,3421 0,7140 lnearnings 1,0000 0,6465 lnnb 1,0000 lnlibor 28

39 Tabela 9: Matriz de correlação entre as variáveis independentes, navios porta-contentores. lndwt lnage lnearnings lnnb lnlibor 1,0000-0,1611-0,1086-0,0634-0,1269 lndwt 1,0000-0,0739-0,0945-0,0838 lnage 1,0000 0,2971 0,7436 lnearnings 1,0000 0,4364 lnnb 1,0000 lnlibor Para avaliar os resultados das tabelas o seguinte critério foi utilizado: Correlação fraca: ϱ x1,x2 < 0,5 Correlação moderada: 0,5 < ϱ x1,x2 < 0,8 Correlação forte: 0,8 < ϱ x1,x2 Não foram identificadas correlações lineares fortes, entretanto, uma moderada se destaca por aparecer nas três tabelas, a correlação entre a variável ln(libor) e a ln(earnings) ou ln(bdi), para graneleiros. Entre as variáveis utilizadas nas regressões, três são obtidas em séries temporais: NB, Earnings e LIBOR. Para todas as três foram utilizadas séries semanais (com exceção de NB para porta-contentores, que é mensal), ou seja, todos os navios vendidos em uma mesma semana possuem os mesmos valores de ln(nb), ln(earnings) e ln(libor). Esse aspecto dos dados faz com que haja uma tendência para haver correlação entre elas. Por exemplo, se na semana seguinte a uma determinada semana de referência as três variáveis aumentam de valor é possível traçar uma proporcionalidade positiva entre as variáveis nessa mudança. Se a proporção não variar muito entre as semanas, relações lineares poderão ser atribuídas às correlações entre essas variáveis. Por outro lado, é de se esperar uma correlação moderada, já que aquecimentos ou freadas generalizadas do mercado causam impacto nas três variáveis, mas não necessariamente, e por isso as correlações não são fortes. É importante notar que o mercado marítimo dos graneleiros, petroleiros e portacontentores está altamente relacionado com o crescimento econômico global. Os graneleiros transportam matérias-primas essenciais para o setor secundário de produção, além de carvão, a segunda matéria-prima mais utilizada na matriz energética mundial atrás apenas do petróleo. E os porta-contentores se tornaram o principal meio de transporte de bens de consumo entre países e continentes. Como os bancos estão integrados ao mercado internacional e podem, de forma genérica, investir em qualquer negócio, é razoável imaginar que se as altas nas taxas de juros de empréstimo entre bancos estiverem relacionadas com um aquecimento da 29

40 economia internacional, consequentemente haverá um aumento nas taxas de frete dos navios, caso a oferta de navios não possa responder a altura da demanda no curto prazo. A pressão de juros maiores nos empréstimos recebidos pelos estaleiros e a alta do frete, que gera expectativa de maiores lucros por parte dos armadores, podem também elevar o preço dos navios novos. Assim, a correlação entre ln(libor) e ln(earnings) tem fundamento. É preciso avaliar agora se essa correlação atrapalha os modelos aumentando os erros-padrão e se alguma variável pode ser dispensada. Para isso, regressões foram feitas com omissão de cada variável. Os resultados seguem abaixo. Tabela 10: Regressão para graneleiros com omissão de ln(bdi) Graneleiros Regressão original Omissão de ln(bdi) const 2,698 0,227 11,900 <0, ,647 0,255 14,296 <0,00001 const lndwt -0,379 0,011-34,089 <0, ,391 0,013-30,988 <0,00001 lndwt lnage -0,642 0,009-73,533 <0, ,646 0,010-65,287 <0,00001 lnage lnbdi 0,424 0,012 34,540 <0,00001 lnbdi lnnb 0,703 0,028 25,308 <0, , ,031 26,319 <0,00001 lnnb lnlibor 0,100 0,008 11,749 <0, , ,007 38,986 <0,00001 lnlibor Soma resíd. Soma resíd. E.P. da 727,724 E.P. da regressão 0, ,269 0,473 quadrados quadrados regressão R-quadrado R-quadrado R-quadrado 0,696 0,696 R-quadrado 0,609 0,609 ajustado ajustado F(5, 4183) 1916,324 P-valor(F) 0,000 F(5, 4183) 1632,171 P-valor(F) 0 Log da verossimilhança Log da -2277,941 verossimilhança Teste da Razão de 1051,070 Verossimilhança P-valor(χ²) <0, Coeficiente Tabela 11: Regressão para petroleiros com omissão de ln(earnings) Petroleiros Regressão original Erro razão-t p-valor Coeficiente Padrão Omissão de ln(earnings) Erro razão-t p-valor Padrão const 0,933 0,485 1,922 0,055 1,617 0,427 3,782 0,00016 const lndwt -0,361 0,012-29,532 <0, ,358 0,012-29,294 <0,00001 lndwt lnage -0,647 0,015-42,872 <0, ,649 0,015-42,947 <0,00001 lnage lnearnings 0,084 0,028 2,951 0,003 lnearnings lnnb 1,349 0,075 18,053 <0, ,304 0,073 17,769 <0,00001 lnnb lnlibor 0,088 0,021 4,227 0,000 0,130 0,015 8,547 <0,00001 lnlibor Soma resíd. quadrados 197,633 R-quadrado 0,712 E.P. da regressão R-quadrado ajustado 0,397 Soma resíd. quadrados 199,003 0,711 R-quadrado 0,710 E.P. da regressão R-quadrado ajustado F(5, 4183) 620,693 P-valor(F) 0,000 F(5, 4183) 768,976 P-valor(F) 0,000 Log da verossimilhança -620,801 Teste da Razão de Verossimilhança Log da verossimilhança 8,717 P-valor(χ²) 0, ,160 0,398 0,709 30

41 Tabela 12: Regressão para porta-contentores com omissão de ln(earnings) Porta-contentores Coeficiente Regressão original Erro razão-t p-valor Coeficiente Padrão Omissão de ln(earnings) Erro razão-t p-valor Padrão const -0,800 0,508-1,576 0,115 2,078 0,511 4,063 0,00005 const lndwt -0,159 0,019-8,201 <0, ,166 0,021-7,805 <0,00001 lndwt lnage -0,585 0,020-29,856 <0, ,592 0,022-27,513 <0,00001 lnage lnearnings 0,508 0,036 14,232 <0,00001 lnearnings lnnb 0,569 0,064 8,949 <0, ,526 0,070 7,544 <0,00001 lnnb lnlibor 0,141 0,024 5,910 <0, ,381 0,018 20,728 <0,00001 lnlibor Soma resíd. quadrados 197,633 R-quadrado 0,712 E.P. da regressão R-quadrado ajustado 0,397 Soma resíd. quadrados 215,319 0,711 R-quadrado 0,644 E.P. da regressão R-quadrado ajustado 0,469 0,643 F(5, 4183) 620,693 P-valor(F) 0,000 F(5, 4183) 442,904 P-valor(F) 0,000 Log da verossimilhança -555,882 Log da verossimilhança -648,479 Teste da Razão de 185,194 Verossimilhança P-valor(χ²) <0,00001 Para comparar essas regressões, além do habitual valor de R² ajustado, foi realizado também o teste da razão de verossimilhança. O objetivo é testar a hipótese nula de que a diferença entre os modelos não é significativa. Se a hipótese nula for verdade a diferença entre os máximos das funções verossimilhança dos modelos não deve ser estatisticamente significativa, com a variável λ seguindo uma distribuição Χ² com número de graus de liberdade igual ao número de restrições impostas a hipótese nula (número de variáveis omitidas), que é igual a 1 para os casos aqui testados. LFVNR = logaritmo do máximo da função verossimilhança não restringida LFVR = logaritmo do máximo da função verossimilhança restringida Se a hipótese nula for aceita, a variável omitida não afeta significamente o modelo e pode ser dispensada. Os testes da razão de verossimilhança realizados mostraram que a variável ln(earnings) não deve ser retirada de nenhum dos modelos. Todos ficaram com valor-p muito pequeno, o mais alto seria 0,32% para petroleiros. A comparação entre os coeficientes R² ajustados leva a mesma conclusão, embora para petroleiros a diferença seja pequena. Decidiu-se manter esta variável. 31

42 Tabela 13: Regressão para graneleiros com omissão de ln(libor) Regressão original Omissão de ln(libor) const 2,698 0,227 11,900 <0, ,114 0,228 13,685 <0,00001 const lndwt -0,379 0,011-34,089 <0, ,380 0,011-33,644 <0,00001 lndwt lnage -0,642 0,009-73,533 <0, ,640 0,009-72,191 <0,00001 lnage lnbdi 0,424 0,012 34,540 <0, ,516 0,010 53,967 <0,00001 lnbdi lnnb 0,703 0,028 25,308 <0, , ,028 23,957 <0,00001 lnnb lnlibor 0,100 0,008 11,749 <0,00001 lnlibor Soma resíd. E.P. da Soma resíd. 727,724 0, ,739 0,424 quadrados regressão quadrados R-quadrado R-quadrado 0,696 0,696 R-quadrado 0,686 0,686 ajustado F(5, 4183) 1916,324 P-valor(F) 0,000 F(5, 4183) 2286,021 0 Log da verossimilhança -2277,941 Log da verossimilhança Teste da Razão de 136,004 Verossimilhança P-valor(Χ1²) <0, Coeficiente Tabela 14: Regressão para petroleiros Petroleiros com omissão de ln(libor) Regressão original Omissão de ln(libor) Erro Padrão razão-t p-valor Coeficiente Erro Padrão razão-t p-valor const 0,933 0,485 1,922 0,055-0,255 0,398-0,640 0,52246 const lndwt -0,361 0,012-29,532 <0, ,361 0,012-29,298 <0,00001 lndwt lnage -0,647 0,015-42,872 <0, ,642 0,015-42,388 <0,00001 lnage lnearnings 0,084 0,028 2,951 0,003 0,166 0,021 7,968 <0,00001 lnearnings lnnb 1,349 0,075 18,053 <0, ,538 0,060 25,532 <0,00001 lnnb lnlibor 0,088 0,021 4,227 0,000 lnlibor Soma resíd. quadrados 197,633 R-quadrado 0,712 E.P. da regressão R-quadrado ajustado 0,397 Soma resíd. quadrados 200,445 0,711 R-quadrado 0,708 E.P. da regressão R-quadrado ajustado F(5, 4183) 620,693 P-valor(F) 0,000 F(5, 4183) 761,183 P-valor(F) 0,000 Log da verossimilhança -620,801 Teste da Razão de Verossimilhança P-valor(Χ1²) Log da verossimilhança 17,829 2,40E ,716 Tabela 15: Regressão para porta-contentores Porta-contentores com omissão de ln(libor) Regressão original Omissão de ln(libor) Coeficiente Erro Padrão razão-t p-valor Coeficiente Erro Padrão 0,399 0,707 razão-t p-valor const -0,800 0,508-1,576 0,115-1,667 0,494-3,373 0,00077 const lndwt -0,159 0,019-8,201 <0, ,167 0,020-8,467 <0,00001 lndwt lnage -0,585 0,020-29,856 <0, ,588 0,020-29,539 <0,00001 lnage lnearnings 0,508 0,036 14,232 <0, ,658 0,026 25,745 <0,00001 lnearnings lnnb 0,569 0,064 8,949 <0, ,694 0,061 11,385 <0,00001 lnnb lnlibor 0,141 0,024 5,910 <0,00001 lnlibor Soma resíd. quadrados 197,633 R-quadrado 0,712 E.P. da regressão R-quadrado ajustado 0,397 Soma resíd. quadrados 184,721 0,711 R-quadrado 0,695 E.P. da regressão R-quadrado ajustado 0,435 0,694 F(5, 4183) 620,693 P-valor(F) 0,000 F(5, 4183) 556,771 P-valor(F) 0,000 Log da verossimilhança -555,882 Log da verossimilhança -573,144 Teste da Razão de 34,523 Verossimilhança P-valor(Χ1²) <0,

43 Para a variável ln(libor), as diferenças entre os coeficientes de determinação R² são pequenas, mas os testes da razão de verossimilhança levam a conclusão de que é melhor manter esta variável. Para petroleiros ainda resta uma correlação que chamou atenção, entre ln(libor) e ln(nb). Um interessante fato ocorreu na regressão com omissão de ln(nb), a rejeição da hipótese de que o coeficiente linear da variável ln(earnings) é igual a zero tem 0,52805 ou 52,805% de probabilidade de erro, ou seja, a hipótese nula pode ser aceita. O motivo provável é a que a variável LIBOR tenha absorvido a influência da variável NB, devido à correlação moderada entre elas, e também tenha feito com que a variável Earnings perdesse significância devido à correlação moderada a alta entre LIBOR e Earnings. Como será visto no estudo de segmentação por porte e idade, à negociação dos petroleiros como ativos é atribuída uma importância maior de maneira geral do que à capacidade do navio de gerar receita com transporte, e isto explicaria o peso da variável NB (Newbuilding nova construção) ser maior que o de Earnings (receita) para petroleiros. Coeficiente Tabela 16: Regressão para petroleiros com omissão de ln(nb) Petroleiros Regressão original Erro razão-t p-valor Coeficiente Padrão Omissão de ln(nb) Erro razão-t p-valor Padrão const 0,933 0,485 1,922 0,055 8,573 0,266 32,213 <0,00001 const lndwt -0,361 0,012-29,532 <0, , ,014-28,535 <0,00001 lndwt lnage -0,647 0,015-42,872 <0, , ,017-37,569 <0,00001 lnage lnearnings 0,084 0,028 2,951 0,003 0, ,031-0,631 0,52805 lnearnings lnnb 1,349 0,075 18,053 <0,00001 lnnb lnlibor 0,088 0,021 4,227 0,000 0,313 0,019 16,739 <0,00001 lnlibor Soma resíd. quadrados 197,633 R-quadrado 0,712 E.P. da regressão R-quadrado ajustado 0,397 Soma resíd. quadrados 248,913 0,711 R-quadrado 0,637 E.P. da regressão R-quadrado ajustado F(5, 4183) 620,693 P-valor(F) 0,000 F(5, 4183) 551,778 P-valor(F) 0,000 Log da verossimilhança -620,801 Teste da Razão de Verossimilhança Log da verossimilhança 291,129 P-valor(Χ1²) <0, ,366 0,445 0,636 O modelo sem ln(nb) perde 7,5% do poder de explicar a variação no preço de segunda mão segundo o R² ajustado. O teste da razão de verossimilhança também leva a rejeição da hipótese de que o modelo sem ln(nb) teria pouca diferença em relação à regressão original. Então, deve-se manter NB. A conclusão após o estudo sobre multicolinearidade é que o modelo possui uma multicolinearidade moderada por causa da correlação entre as variáveis ln(libor) e 33

44 ln(earnings). Mas é válido lembrar que a multicolinearidade não viola nenhuma hipótese de regressão por mínimos quadrados ordinários. As estimativas ainda serão não-viesadas e consistentes com erros padrão corretamente estimados. O único efeito seria uma maior dificuldade para obter estimativas dos coeficientes com pequeno erro padrão, o que não se apresentou como um problema para o trabalho A Heteroscedasticidade Uma das mais importantes hipóteses do modelo clássico de regressão linear [14] é a de homoscedasticidade, que significa que a variância de cada termo de perturbação u i é algum número constante igual a σ². Se as variâncias não são iguais, tem-se um caso de heteroscedasticidade. Uma importante iniciativa já foi feita no capítulo 5 para diminuir a heteroscedasticidade, caso haja, do modelo, eliminando-se valores atípicos dos dados. Esses outliers podem distorcer os coeficientes do modelo por seus altos momentos e provocar uma falta de homogeneidade da dispersão dos termos de perturbação em torno dos valores preditos pela regressão, o que é um sintoma de heteroscedasticidade. Para testar o modelo será utilizado o Teste Geral de Heteroscedasticidade de White. Este é o teste mais utilizado porque não depende do pressuposto de que os termos de perturbação seguem uma distribuição normal como, por exemplo, o teste de Breusch-Pagan-Godfrey (BPG), e não necessita de reordenação dos dados, como, por exemplo, para o teste de Goldfeld-Quandt [14]. O teste de White pode ser dividido em quatro passos: Passo 1: Obter os resíduos da regressão; Passo 2: Efetuar uma regressão auxiliar utilizando os resíduos ao quadrado como variável dependente e as seguintes variáveis como explicativas: as variáveis independentes do modelo original, as variáveis independentes do modelo original ao quadrado, e os produtos de duplas de variáveis independentes do modelo original. Por exemplo, para o modelo: A regressão auxiliar seria: 34

45 Potências mais altas nos regressores podem ser introduzidas se houver suspeita de que a variância dos resíduos é função de potências maiores. De essa regressão auxiliar, obtém-se o coeficiente de determinação R². Passo 3: Caso a hipótese nula, de que a amostra é homoscedástica, seja verdadeira é possível demonstrar que o tamanho da amostra multiplicado por R² da regressão auxiliar assintoticamente segue uma distribuição chi quadrada, com graus de liberdade igual ao número de variáveis explicativas. Passo 4: Se o valor obtido com n*r² exceder o valor crítico da distribuição chi quadrada, a conclusão é que a hipótese nula pode ser rejeitada e que o modelo possui heteroscedasticidade. As regressões auxiliares foram colocadas em anexo, no capítulo 11. Abaixo estão os resultados: Graneleiros Estatística de teste: LM = 856,181 com p-valor = P(Qui-quadrado(20) > 856,181) = 1,6438e-168 Petroleiros Estatística de teste: LM = 155,11 com p-valor = P(Qui-quadrado(20) > 155,11) = 6,57416e-023 Porta-contentores Estatística de teste: LM = 140,925 com p-valor = P(Qui-quadrado(20) > 140,925) = 3,37878e-020 Como é possível observar, todos os três modelos possuem valor p muito baixo e por isso a hipótese nula pode ser rejeitada. Assim, pode-se dizer que as três regressões são heteroscedásticas. Uma forma prática de tentar entender as causas da heteroscedasticidade é recorrer a métodos gráficos. A simples observação de gráficos dos resíduos ao quadrado plotados contra as variáveis independentes do modelo pode revelar a dependência das variâncias dos resíduos em relação a alguma variável. 35

46 usq2 usq2 usq2 usq2 usq2 usq2 usq1 usq1 usq1 usq1 usq1 usq1 lnp lndwt lnage lnbdi lnnb lnlibor Figura 11: Variável y = resíduos^2 e variáveis x = variáveis independentes do modelo, graneleiros. lnp lndwt lnage lnearnings lnnb lnlibor Figura 12: Variável y = resíduos^2 e variáveis x = variáveis independentes do modelo, petroleiros. 36

47 usq3 usq3 usq3 usq3 usq3 usq3 lnp lndwt lnage lnearnings lnnb lnlibor Figura 13: Gráficos com variável y = resíduos^2 e variáveis x = variáveis do modelo, portacontentores. Estudando de forma mais detalhada os gráficos que relacionam os termos de perturbação ao quadrado com a variável ln(age) foi possível perceber que para valores maiores que 3 no eixo da variável ln(age) a dispersão dos valores para os termos de perturbação aumentava bastante. Esse efeito foi identificado para os três tipos de navios, com maior força para os graneleiros e petroleiros. O antilogartimo (natural) de 3 é aproximadamente 20. Esse é um resultado interessante porque apesar de a vida útil de um navio poder chegar a 25 ou 30 anos a maioria passa por uma intensa reforma se houver intenção de manter o navio competitivo após seus 20 anos de idade ou até mesmo para adapta-lo para outros fins. Desta forma, os navios com mais de 20 anos podem não obedecer ao mesmo ritmo de desvalorização com a idade que o mercado aplica aos navios mais novos. Optou-se, então, por realizar novas regressões sem os navios com mais de 20 anos de idade para verificar se a heteroscedasticidade era amenizada. O resultado foi uma grande diminuição do número de dados (4189 para 2765 navios graneleiros, 1262 para 1020 petroleiros, 983 para 877 porta-contentores) 16 e uma redução significativa 16 As informações originais coletadas da Clarkson contabilizavam, para o período entre 05/12/2002 e 06/06/2014: 5068 navios graneleiros, 1784 navios petroleiros e 1481 navios porta-contentores. Antes 37

48 na estatística do Teste de White (856 para 440 em graneleiros, 155 para 57 em petroleiros, e 141 para 78 em porta-contentores), mas que não foi suficiente para ameaçar a rejeição da hipótese de homoscedasticidade. O que chegou mais perto foi a regressão de petroleiros, e ainda assim o resultado ficou longe da aceitação da hipótese nula, com valor-p de 0,0021%. Entretanto, mesmo não resolvendo a heteroscedasticidade o coeficiente de determinação R² ajustado aumentou consideravelmente para as três regressões (0,6957 para 0,8215 em graneleiros, 0,7107 para 0,7488 em petroleiros, e 0,7039 para 0,7486 em porta-contentores). Por este motivo, a decisão foi manter a exclusão dos navios com mais de 20 anos. Pelos testes de White e pelos gráficos, é possível cogitar a hipótese de que a variância dos resíduos tem uma relação quadrática com a variável ln(age). Foram testadas regressões em que as equações dos modelos são divididas em ambos os lados por ln(age), como sugere Gujarati [14] para casos em que a variância do erro é proporcional a uma variável ao quadrado. Entretanto, a heteroscedasticidade continuou sendo muito significativa e os navios de 1 ano de idade tiveram de ser excluídos porque ln(1) = 0, e isso impedia a divisão das variáveis por ln(age). Por estes motivos, essa ideia foi descartada, mesmo assim os resultados possam ser encontrados no capítulo 11. A heteroscedasticidade não elimina as propriedades de inexistência de viés e de consistência dos estimadores de MQO, no entanto, eles deixam de ter variância mínima e eficiência, ou seja, não são os melhores estimadores lineares não-viesados. Isto pode levantar dúvidas sobre testes de hipóteses que venham a ser feitos com o modelo. A situação ideal em um caso de violação da hipótese de homoscedasticidade é a identificação da causa e a adaptação do modelo de regressão de forma que se torne possível aceitar essa premissa de um modelo clássico de regressão linear, porém nem sempre esse objetivo é alcançado. Os preços de revenda dos navios utilizados neste trabalho claramente dependem de muitas outras variáveis que descrevem tecnicamente as embarcações e de muitas outras que descrevem as conjunturas econômicas de suas épocas, como, por exemplo, preços de commodities específicas. Decidiu-se continuar com o modelo proposto e utilizar um método que tornasse válidos os testes de hipótese realizados mesmo com heteroscedasticidade nos resíduos, como é apresentado em seguida. desse corte dos navios com mais de 20 anos, os cortes foram feitos apenas por ausência de informações e por valores atípicos, como apresentado no capítulo 5. 38

49 Halbert White [20] apresentou em 1980 um procedimento para que inferências estatísticas assintoticamente válidas possam ser feitas sobre os verdadeiros valores dos parâmetros estimados pelo método dos mínimos quadrados ordinários que apresentaram problemas com a heteroscedasticidade. Com a suposição de que as variâncias dos resíduos não são constantes, mas que não existe autocorrelação entre eles, o método do White calcula uma matriz diagonal de covariância dos resíduos utilizando as estimativas para os resíduos ao quadrado e usa os valores dessa matriz na determinação das variâncias dos estimadores ao invés da variância calculada como se fosse constante para todos os termos de perturbação. Dessa forma, usando os erros-padrão conhecidos como robustos que resultam dessas novas variâncias, as estatísticas de teste t são consideradas válidas mesmo com heteroscedasticidade nos resíduos. As regressões foram refeitas e, como pode ser observado, todos os parâmetros se mantiveram estatisticamente significantes. Tabela 17: Regressão para graneleiros com 2765 navios Erros padrão robustos à heteroscedasticidade, segundo White [20] const 1, , ,1362 <0,00001 *** lndwt 0, , ,4960 <0,00001 *** lnage 0, , ,6708 <0,00001 *** lnbdi 0, , ,2305 <0,00001 *** lnnb 0, , ,1635 <0,00001 *** lnlibor 0, , ,5998 <0,00001 *** Média var. dependente 5, D.P. var. dependente 0, Soma resíd. quadrados 218,2877 E.P. da regressão 0, R-quadrado 0, R-quadrado ajustado 0, F(5, 2759) 1727,140 P-valor(F) 0, Tabela 18: Regressão para petroleiros, com 1020 navios. Erros padrão robustos à heteroscedasticidade, segundo White [20] const 1, , ,8785 0,00011 *** lndwt 0, , ,8794 <0,00001 *** lnage 0, , ,5117 <0,00001 *** lnearnings 0, , ,0981 0,00004 *** lnnb 1,1351 0, ,5989 <0,00001 *** lnlibor 0, , ,9955 <0,00001 *** Média var. dependente 5, D.P. var. dependente 0, Soma resíd. quadrados 127,0608 E.P. da regressão 0, R-quadrado 0, R-quadrado ajustado 0, F(5, 1014) 540,9320 P-valor(F) 4,0e

50 Tabela 19: Regressão para porta-contentores, com 877 navios. Erros padrão robustos à heteroscedasticidade, variante HC0 const 1, , ,6597 0,00796 *** lndwt 0, , ,9382 <0,00001 *** lnage 0, , ,6139 <0,00001 *** lnearnings 0, , ,9323 <0,00001 *** lnnb 0, , ,7211 <0,00001 *** lnlibor 0, , ,6742 <0,00001 *** Média var. dependente 6, D.P. var. dependente 0, Soma resíd. quadrados 125,8727 E.P. da regressão 0, R-quadrado 0, R-quadrado ajustado 0, F(5, 871) 469,4634 P-valor(F) 2,7e Porte Bruto e Idade A hipótese de que porte bruto e idade dos navios influenciam em seus preços de revenda é aceita por todos os artigos e livros que fazem parte da pesquisa bibliográfica deste trabalho. Quando não inseridos no modelo, os autores realizaram análises segmentadas com determinados portes de embarcações e/ou determinados grupos de navios com idades específicas. Esta certeza tem como base o efeito de economia de escala dos navios, quanto maior o navio menor o custo por porte bruto que ele tende a ter, e também a depreciação natural dos navios, feitos de aço que oxidam e sofrem abrasão. Entretanto, quando analisados em tempos diferentes é possível que navios mais antigos vendidos em épocas de maior valorização do mercado de segunda mão tenham preços maiores que navios mais novos vendidos em um tempo de baixa, a mesma lógica se aplica quando navios de menor porte bruto assumem preços de revenda maiores que navios de maior porte bruto vendidos em tempos de desvalorização. É por isto que o modelo econométrico deste trabalho inclui variáveis para a influência de fatores de mercado que variam com o tempo (Newbuilding, Earnings, e LIBOR). Para analisar o impacto de se fazer uma análise agregada dos navios sem segmenta-los por porte ou idade, cada tipo de navio (graneleiros, petroleiros e portacontentores) foi dividido em algumas faixas de porte bruto e, posteriormente, em três faixas de idade (com os portes brutos novamente agregados). O resumo dos resultados segue abaixo e as regressões em anexo. 40

51 Handysize (<35000) Handymax (<60000) Panamax (<80000) Capesize (<200000) VLBC (>200000) Figura 14: Transações divididas por porte bruto em toneladas, graneleiros Small Tanker (<60000) Panamax (<80000) Aframax (<120000) Suezmax (<200000) VLCC (<320000) ULCC (>320000) Figura 15: Transações divididas por porte bruto em toneladas, petroleiros Small Feeder (<1000) Feeder (<2000) Feedermax (<3000) Figura 16: Transações divididas por porte bruto em TEUs, porta-contentores 41 Panamax (<5100) Post Panamax (<10000) New Panamax (<14500)

52 Quantidade de transações Quantidade de transações Quantidade de transações Revenda de Graneleiros Idade em anos Figura 17: Dados separados por idade, graneleiros. Revenda de Navios Tanque Idade em anos Figura 18: Dados separados por idade, navios tanque. Revenda de Porta-Contentores Idade em anos Figura 19: Dados separados por idade, porta-contentores 42

53 Graneleiros Petroleiros 300 Porta-Contentores Porta-Contentores Figura 20: Grupos de idades, em anos Idade em anos Segmentação por Porte de Graneleiros A probabilidade de que o parâmetro da variável lndwt seja igual a zero aumentou em todas as regressões, mas a hipótese de parâmetro nulo não pode ser rejeitada 0 0 apenas para a classe de Handymax (com um valor-p de erro caso se rejeite a hipótese Idade em em anos alto, 75%), em todas as outras ela pode ser rejeitada a um nível menor que 0,2%, mostrando que mesmo dentro das classes o porte bruto pode ser relevante. Outra observação interessante é que o valor-p do parâmetro de lnbdi ficou em 12,7% para a classe VLBC, mas a justificativa é logo esclarecida pelo perfil da amostra. O número de dados é pequeno, 26, sendo que 14 foram vendidos só no ano de 2012, e 10 desses 14 navios foram vendidos pela empresa Vale em um só dia. Ou seja, as amostras desse porte sozinhas não estão bem condicionadas para uma análise do impacto de uma variável temporal no preço de navios. Uma surpresa surgiu entre os navios Panamax, com o coeficiente de lndwt positivo e estatisticamente significante. Embora não se tenha provado, acredita-se que uma explicação possa ser a valorização do maior aproveitamento de espaço que navios com maior porte bruto que ainda são Panamax possam ter. De forma geral, considerou-se que a análise agregada de navios graneleiros é mais interessante que a segmentada para o objetivo deste trabalho Segmentação por Porte de Petroleiros A análise segmentada revelou que a variável lnearnings deixa de ser significativa a 5% (ou seja, não se pode rejeitar a hipótese de que o parâmetro de lnearnings seja igual a zero) para as classes Small Tanker, Panamax, Suezmax, e ULCC 4 das 6 classes. A explicação já foi arquitetada quando este fato surgiu no estudo sobre multicolinearidade, e estaria relacionado à correlação entre a variável LIBOR com as variáveis NB e Earnings. Entretanto, encontrou-se no artigo de Pruyn et al. [11] que seria interessante testar se uma relação entre a receita e o preço do bunker pode ser 43

54 usada como uma variável proxy para lucro para explicar melhor as variações no preço de segunda mão dos navios tanque. Embora este trabalho utilize a variável time charter para receita, o que excluiria a influência de custos variáveis, e que Pruyn et al. provavelmente estivesse destacando uma relação entre as taxas de voyage charter e bunker, resolveu-se estudar a influência do preço do bunker na regressão em um tópico específico mais adiante. A variável lnlibor deixa de ser significativa para a classe Panamax e para a ULCC. A moderada correlação de lnlibor com lnnb e com lnearnings (destacada no tópico 6.1) faz com que em amostras menores lnlibor perca significância. A variável lndwt se manteve significativa apenas para Small Tanker e VLCC. Entretanto, para VLCC aconteceu novamente um resultado curioso, o coeficiente de lndwt não só é significativo como é positivo, indicando que o preço por porte bruto aumenta conforme aumenta o porte bruto. O caso pode ser visualizado graficamente na figura abaixo, em que foi plotado o preço por porte bruto deflacionado pelo índice de preço de segunda mão versus o porte bruto. A regressão, que pode ser vista no anexo deste trabalho, contabiliza as influências da idade, preço de uma nova construção, da receita e da taxa de juros LIBOR, e mesmo assim o coeficiente da variável DWT é positivo e bastante significativo. Uma hipótese para explicar este fato seria uma desvalorização pelo mercado dos navios que possuem um porte maior do que o admissível para passar no Canal de Suez mas que não são grandes o suficiente para compensar esse ponto desfavorável. Entretanto, não foi possível obter nenhuma conclusão. Mas acredita-se que este aspecto individual da regressão de VLCC não irá atrapalhar a regressão macro com os portes agregados. Figura 21: Regressão mostrando a relação positiva entre US$/DWT deflacionado e DWT para a classe VLCC. 44

55 Segmentação por Porte de Porta-Contentores Entre os porta-contentores não havia navios para serem classificados como Ultra Large Container Vessel, ou ULCV. A quantidade de navios New Panamax também não foi suficiente para realizar uma regressão, apenas 2 registros. A razão para não haver ULCVs pode estar no fato de esses navios serem muito específicos para determinadas rotas e em número pequeno. O motivo de haver poucos New Panamax provavelmente está relacionado com o fato de que esses navios ainda são muito novos e em pouco número também, o novo Canal do Panamá sequer foi inaugurado. Para as classes de Post Panamax, Panamax e Feedermax, a variável lnlibor aparece como não significativa. Plotando o preço de revenda/dwt versus LIBOR, pode-se confirmar que para todas as classes a relação é positiva. Como já verificado no tópico 6.1, as variáveis LIBOR e Earnings tem uma correlação moderada entre si, porém numérica e estruturalmente a receita tem um peso muito maior na influência do preço de revenda de porta-contentores. Assim, com mostra a dispersão dos dados apresentada abaixo, para que a variável LIBOR seja significativa é preciso um número maior de dados, casos das classes de Small Feeder, Feeder, e da análise agregada. Figura 22: Eixo Y: Preço/DWT; Eixo X: LIBOR. Para Post Panamax e Panamax a variável lnnb também não se mostrou significativa. É interessante notar nas regressões do tópico 6.2 que o coeficiente de lnnb para porta-contentores é menor do que para graneleiros e petroleiros, e que apenas para porta-contentores o coeficiente de lnearnings é maior do que o de lnnb. 45