MODELAGEM DINÂMICA DO PREÇO DA SOJA UM ESTUDO PRELIMINAR

MODELAGEM DINÂMICA DO PREÇO DA SOJA UM ESTUDO PRELIMINAR Rosane Maria Kirchner Deparameno de Física, Esaísica e Maemáica UNIJUI Ijuí RS Pós Graduação em Engenharia de Produção - UFSM Sana Maria RS rosanek@unijui.che.br Adriano Mendonça Souza Deparameno de Esaísica UFSM Sana Maria RS amsouza@smail.ufsm.br Resumo A aberura dos mercados para a soja com a inserção do Brasil no mercado mundial via globalização, não solucionou os problemas que os agriculores vem enfrenando no mercado financeiro no momeno da comercialização do produo. O culivo da referida leguminosa demanda alos cusos, incluindo riscos referenes a condições climáicas e evenuais danos, ais como a ocorrência de pragas. No momeno da comercialização do produo, os preços pagos ficam aquém do esperado, gerando insaisfação e aumeno do endividameno do produor. O objeivo desa invesigação é verificar aravés da modelagem dinâmica, os faores que deerminam e a forma que conribuem na formação do preço da soja em grãos no Rio Grande do Sul. Delimiamos o ema levando em consideração os seguines faores: preço da soja no Brasil como variável dependene e a produção de soja em oneladas no Brasil, a produção de soja em oneladas no RS, a área planada de soja no Brasil, a área planada de soja no RS, a coação Chicago para soja, a produção nos EUA, na Argenina, no Paraguai, na China e no Mundo, como variáveis independenes. O preço final da comercialização da soja é deerminado pelo preço de comercialização defasado e pela coação da bolsa de Chicago em valores correnes e defasados. A presene invesigação pode ser úil, fornecendo subsídios mais concreos e conribuindo para a idenificação de faores que deerminam a coação do produo no mercado brasileiro. Palavras chaves: Soja, Regressão dinâmica, Previsão Absrac The opening of he markes for he soy wih he inser of Brazil in he world marke riew globalizaion, didn' solve he problems ha he farmers are facing in he finance marke in he momen of he commercializaion. The soy culivaion demands high coss, including he referring risks o climaic condiions and evenual damages, such as he occurrence of curses. In he commercializaion of he produc, he prices paid cause dissaisfacion and increase of he indebed of he producer. The main purpose of his research is o verify hrough he dynamic regression analysis, which he facors ha deermine and he way ha hey conribue in he price of he soy beans in grains in Rio Grande do Sul sae. The variables involved in his research were: price of he soy in Brazil as dependen variable and he soy producion in ons in Brazil, he soy producion in ons in RS, he planed area of soy in Brazil, he planed area of soy in RS, he quoaion Chicago for soy, he producion in he USA, in Argenina, in Paraguay, in China and in he World, as independen variables. The final price of soy bean is deerminae by he price lagged and he Chicago s sock marke in value curren and lagged. The accomplishmen of he presen invesigaion can be useful, supplying more concree subsidies and conribuing o he idenificaion of he facors ha deermine he quoaion of he produc in he Brazilian marke. Keywords: Soy bens, Dynamic regression, Forecas

1 Inrodução As formas, a qualidade e a quanidade de produção de alimenos êm se consiuído em preocupação mundial. O crescimeno populacional ocorre de forma ascendene, exigindo aumeno da quanidade de produos, aliada à melhoria da qualidade dos mesmos. Daí a necessidade de pesquisas e invesimenos que favoreçam a adoção de méodos de apoio à decisão, permiindo a elaboração e implemenação de esraégias efeivas e eficazes no que ange a disponibilização de maior e melhor produção à população, vindo ao enconro das necessidades da mesma. Denre as principais leguminosas produzidas no Brasil e principalmene no Rio Grande do Sul, esá a soja. É uma plana com boa qualidade nuricional, de baixo cuso e de fácil culivo. A agriculura em geral é um seor imporane para o crescimeno do país e principalmene para o Rio Grande do Sul. A soja em conribuído para o desenvolvimeno da economia rural, gerando renda em odas as áreas do cenário esadual. Ela ambém gera produção de riqueza em esados, como Goiás, Mao Grosso do Sul, Sana Caarina, Tocanins, denre ouros. Além dos faores inernos que afeam o preço de comercialização e a produção da soja, ela sofre influência de faores exernos. O mercado da soja é globalizado, os preços são definidos inernacionalmene em moeda americana, principalmene relacionados ao cenário nos Esados Unidos. A crescene produção de soja no esado e no país se deve a alguns faores imporanes, denre eles desacam-se: preços praicados nos úlimos anos, recenes invesimenos em armazenagem, ranspore e poros que viabilizam a formação de corredores de exporação, elevada liquidez da soja em relação a comercialização, financiameno da safra direamene com empresas de insumos ou com indúsrias. O objeivo desa invesigação é verificar aravés da modelagem dinâmica, os faores que deerminam e a forma que conribuem na formação do preço da soja em grãos no Rio Grande do Sul.Nese esudo uilizamos a meodologia de regressão dinâmica, na qual foram usadas as séries dos dados mensais relaivos ao período de janeiro de 1985 à novembro de 2004, com base nas variáveis: preço da soja Brasil como variável dependene e como variáveis independenes a produção de soja em oneladas no Brasil, produção de soja em oneladas no RS, área planada de soja no Brasil e área planada de soja no RS, coação Chicago para soja, produção nos EUA, na Argenina, no Paraguai, na China e no Mundo. A obenção dos dados foi na CEEMA (Cenral Inernacional de Análises Econômicas e de Esudos de Mercado Agropecuário) da UNIJUI de Ijuí RS. A modelagem aravés da meodologia de regressão de dinâmica pare de um modelo esaísico dinâmico geral, que capura as caracerísicas essenciais do conjuno de dados e gradaivamene aravés de várias ransformações, reduções e eses define o modelo que será considerado adequado. O presene arigo esá esruurado da seguine forma: Na seção 2 apresena a fundamenação eórica sobre a leguminosa soja, sua origem e culura, bem como a meodologia uilizada, de regressão dinâmica. A aplicação da referida meodologia é apresenada na seção 3, onde é esimado um modelo, o qual descreve as variáveis esudadas. Finalizando, na seção 4, são enfaizados os principais resulados obidos com o esudo. 2 Fundamenação Teórica Nese iem serão descrios assunos sobre a soja, que é o foco do rabalho e sobre a análise de regressão dinâmica que será a ferramena que possibiliará a avaliação e previsão do preço do produo em esudo. 27

2.1 A Soja A soja selvagem foi domesicada pelos chineses há cerca de cinco mil anos, sendo que a mesma crescia nas erras baixas e úmidas, nas proximidades dos lagos e rios da China Cenral. A soja se espalhou na Ásia, cerca de dois mil anos depois, onde começou a ser uilizada como alimeno. Nos Esados Unidos, a soja começou a ser culivada nas primeiras décadas do século XX, sendo desenvolvidas as primeiras culivares comerciais, favorecendo rápido crescimeno na produção (SCHUSTER, 2005). No Brasil, esa leguminosa só chegou por vola de 1908, com os japoneses. Oficialmene foi inroduzida em 1914 no Rio Grande do Sul, ocorrendo sua expansão no erriório brasileiro somene nos anos 70. Ese ocorreu principalmene pelo ineresse crescene da indúsria de óleo e a demanda do mercado inernacional (SCHUSTER, 2005). Segundo o Anuário Brasileiro da Soja(2000), a soja é planada em rês esados do Brasil,ocupando aproximadamene 60% da área culivada. A referida fone desaca que Mao Grosso, Paraná e Rio Grande do Sul são responsáveis por 63,6% da produção nacional, já Goiás e Mao Grosso do Sul por 20% da mesma. Na seqüência, segundo a mesma fone, emos os esados de Minas Gerais, Bahia, Sana Caarina, Maranhão, Tocanins, Piauí e Brasília. Segundo PESSOA(2005) a ofera mundial de soja é alernada, sendo que a safra americana é colhida nos meses de seembro à novembro e a safra sul-americana nos meses de março a maio. Essa ocorrência em permiido que uma região compense evenuais quebras de safra da oura, pois qualquer frusração de safra nessas regiões é seguida de fore sinalização nos preços inernacionais. Conforme CARDOSO (2003) a seca nos Esados Unidos revere à endência de queda da soja na Bolsa de Chicago. Os conraos de soja em grão aumenam, conseqüenemene, como sempre aconece nesse mercado, essa ala se reflee nos preços praicados do produo no Brasil. 2.2 Regressão Dinâmica Os modelos de regressão dinâmica, segundo Gujarai (2000), consideram expliciamene o comporameno de uma variável no decorrer do empo, e se apresenam na seguine forma: (2.1) Y = 0 X + β1x 1 +... + β m X m + δ 1Y 1 + δ 2Y 2 +... + δ my m β + ε onde Y represena a variável dependene e X o conjuno das variáveis que procuram explicar o comporameno de Y. O operador m indica a quanidade de defasagens empregadas no modelo. Esa meodologia foi desenvolvida de acordo com a radição economérica da LSE (London School of Econonomics), a parir das pesquisas de Sargam, na década de 60 e Davidson, Mizon e principalmene pelas inúmeras publicações de Hendry a parir dos anos 70, endo obido grande aplicabilidade na economeria. Ese modelo é oriundo de uma esimação de parâmeros aravés do méodo dos mínimos quadrados. Nese, os erros são minimizados, uilizando um modelo de série emporal. É uma abordagem baseada em um processo de redução sucessiva de um modelo economérico geral, parindo de um modelo esaísico dinâmico geral, o qual capura as caracerísicas essenciais do conjuno de dados. Para a definição dese modelo, alguns passos são imporanes e seqüenciais, ais como: iniciar o modelo dinâmico com uma ordem de defasagem grande o suficiene para incluir a defasagem verdadeira das variáveis e enar eviar, durane as reduções, a perda de informações relevanes. 28

O modelo geral que uiliza várias defasagens demonsra a dinâmica apresenada pelas variáveis. Na redução gradaiva do modelo, devemos aplicar eses de resrições nos parâmeros, ou seja, raar da qualidade das defasagens que inegrarão o modelo. Também serão imposas resrições que não podem ser rejeiadas em ermos esaísicos. Nese processo de redução, deve-se selecionar, denre os modelos alernaivos, o mais indicado, o qual será aponado após verificação da auocorrelação, da heerocedasicidade condicional auoregressiva(arch), da normalidade da disribuição de resíduos e da má-especificação na forma funcional do modelo sugerido. 3 Resulados e discussão A uilização da regressão dinâmica demonsra os resulados empíricos obidos a parir de esimaivas dos modelos dinâmicos para a previsão do preço da soja. A modelagem uilizada descreve os faores deerminanes, bem como sua conribuição para o preço da soja em saca, pago ao produor. As variáveis são idenificadas a seguir. TABELA 1 - Variáveis em análise Dependene Simbologia Variável Simbologia PS Preço da soja CCS praicado no Brasil PSB APSB ASRS PTSRS PEUA PAR PPA PCH PMU Independenes Coação Chigaco soja Produção de soja no Brasil Área planada de soja no Brasil Área de soja no RS Produção onelada de soja RS Produção nos EUA Produção na Argenina Produção Paraguai Produção na China Produção no mundo Nesa modelagem uilizamos como variável resposa o preço da soja no Brasil e como variáveis independenes a produção de soja em oneladas no Brasil, no RS, área planada de soja no Brasil e no RS, coação Chicago para soja, produção no EUA, na Argenina, no Paraguai, na China e no Mundo. No processo de marginalização e condicionameno, avaliamos denre as variáveis em esudo, aquelas que paricipariam do modelo. Verificamos a significância dos parâmeros esimados e a magniude dos coeficienes. Inicialmene, odas as variáveis independenes enraram no modelo com 12 defasagens. No processo de redução foi empregado o méodo de eliminação de variáveis, considerando a significância das esaísicas e F, logo, paulainamene, foram subraídas do modelo as variáveis não esaisicamene significaivas. O modelo deerminado enconra-se descrio na Tabela 2, sendo ese o mais parcimonioso. TABELA 2 Coeficienes e esaísicas referenes ao modelo de regressão enconrados Variável Coeficiene Erro-padrão -value -prob Par-R^2 PS_1 0.95218 0.063802 14.924 0.0000 0.4997 PS_2-0.21002 0.061530-3.413 0.0008 0.0497 CCS 1.0895 0.13915 7.829 0.0000 0.2156 CCS_1-0.85965 0.16410-5.238 0.0000 0.1096 CCS_4 0.24273 0.082515 2.942 0.0036 0.0374 29

Inerpreando a Tabela 2, consaamos que os valores dos parâmeros das variáveis explicaivas são esaisicamene significaivos e que as esaísicas de validação do modelo o qualificam para se realizar previsões. O valor da esaísica R 2 foi de 0,996227 e os resíduos ambém mosram-se não correlacionados e seguindo a disribuição normal. Verifica-se que permaneceram no modelo apenas as variáveis PS (preço da soja) com dois períodos de defasagens, ou seja, que o preço final depende dos dois meses aneriores, incluindo o preço correne. Conjunamene, inegram o modelo, o valor correne da CCS (coação Chicago soja), a CCS com uma defasagem e a CCS com 4 defasagens. As variáveis consideradas no modelo explicam 99,6% das variações do preço da soja. Para realizarmos a previsão do preço do produo esudado -a soja, opamos pelo modelo: PS (3.1) = 0.95218PS 1 0.21002PS 2 + 1,0895CCS 0,85965CCS 1 + 0, 24273CCS 4 Visualizando-se e inerpreando a Figura 2, onde esão os resíduos, em função do empo e o correlograma dos mesmos aé a 14ª defasagem, consaamos que ambos os gráficos e os eses expliciados na abela 2 indicam para uma boa esimação do modelo. 5 Residual 4 3 2 1 0-1 -2-3 20 40 60 80 100 120 140 160 180 200 220 240 1 Correlogram PS.75.5.25 0 -.25 -.5 -.75 1 2 3 4 5 6 7 8 9 10 11 12 13 14 FIGURA 2 - Análise dos resíduos e correlograma dos resíduos O modelo 3.1 apresena odos os regressores esaisicamene significaivos aos níveis de 1% ou 5%. Para verificar a eficácia do modelo 3.1 e a sua evenual aplicabilidade foram realizadas esimaivas para o preço da soja no período de 6 meses, janeiro à junho de 2005, conforme Tabela 3. A Figura 3 esá o ajusameno da série e previsões para o preço da soja em 2005. TABELA 3 - Previsões realizadas com o modelo Meses Preço Previsão/Preço SE de Previsão Janeiro/2005 Fevereiro/2005 Março/2005 Abril/2005 Maio/2005 Junho/2005 12.1340 11.6709 12.1755 11.2526 11.0055 10.7950 12.4285 11.2103 11.7075 12.1580 11.3442 10.9160 0.745565 0.768828 0.752858 0.746206 0.729432 0.705309 30

Na Figura 3 apresena-se os valores reais e previsos do preço da soja, conforme especifica o modelo 3.1, observa-se que os valores previsos acompanham odos os movimenos da série original. 17 Fied PS Fied PS 16 15 14 13 12 11 10 9 8 7 20 40 60 80 100 120 140 160 180 200 220 240 FIGURA 3 - Valores previsos e ajusados para o preço da soja em 2005 Tomando por base esudos já realizados e diálogo com economisas, acrediamos que as variáveis que foram excluídas da modelagem anerior, pelo fao de não apresenarem significância, eriam que er conribuição no preço da soja, logo mais esudos devem ser coninuados para uma melhor compreensão do fenômeno. 4 Conclusão A uilização da meodologia com o respecivo modelo demonsra que o preço da soja no Brasil é diado pelo mercado inernacional, mais especificamene, pela coação da bolsa de Chicago. O preço da soja com uma defasagem ambém influencia no preço final do produo. A presene pesquisa conribui posiivamene, no senido de elaboração de planejameno fuuro, considerando os faores deerminanes e sua conribuição para o preço final do produo, no momeno da comercialização. Acrediamos que no momeno em que excluímos a variável coação de Chicago e suas defasagens do modelo, podem surgir ouras variáveis como significanes. Para ano se recomenda em esudos fuuros a inclusão de novas variáveis para a modelagem do preço da soja, ais como, os insumos, variação climáica e roação de culuras. 5 Referencias Bibliográficas 1. AGRIANUAL-Anuário da Agriculura Brasileira 2000.São Paulo. FNP. Consuloria & Comércio, 1999. 2. CHAO, Hsiang-Ke. Professor Hendry.s Economeric Mehodology Reconsidered: Congruence and Srucural Empirism, Amserdam, 2001, disponível em <www.fee.uva.nl/ae/arg/index.hm>. Acesso em 20 jul 2002. 3. CARDOSO, F. ; FERREIRA, V., Agriculura deve crescer sem dar espeáculo em 2004, AE Agro- Agência Esado 2003. Disponível em: hp://www.aeagro.com.br/especiais/safra0304/noicias/crescimeno/01.hm Acesso em 04 de junho de 2005. 31

4. CHAREMZA, W.W. e DEADMAN, D.F. New Direcions in Economeric Pracice, Edward Elgar, Chelenham, 1997. 5. CHOW, G. Tess of equaliy beween ses of coefficiens in wo linear regressions,economerica, v. 28, 591-605, 1960. 6. CUTHBERTSON, Keih; HALL, S. G.; TAYLOR, M.P. Applied economeric echniques, Ann Arbor: Universiy of Michigan Press, 1992. 7. DE BEM, Amilon Barreo. A uilização da regressão dinâmica para prever a demanda por maricula no ensino fundamenal em Sana Caarina. 1998. Universidade Federal de Sana Caarina, Disseração de Mesrado submeida ao Programa de Pós-Graduação em Engenharia de Produção, 1998. 8. DICKEY, D., e FULLER, W. Disribuion of Esimaors for Auoregressive Time Series wih a Uni Roo, Journal of he American Saisical Associaion, 84, 427-431., 1979. 9. DOORNIK, J. A. e HENDRY, D. F. PcGive 9.0 Ineracive Economeric Modelling of Dynamic Sysems, London, Inernaional Thomson Publishing, 1994. 10. ENGLE, R.F, e GRANGER, C.W.J. Co-inegraion and Error Correcion: Represenaion, Esimaion and Tesing, Economerica, v. 55, 251-276., 1987. 11. ERICSSON, Neil R.; CAMPOS, Julia; TRAN, Hong-Anh. Pc-Give and David Hendry s economeric mehodology, Revisa de Economeria, 7-117, 1990. 12. GILBERT, C. L. Professor Hendry.s economeric mehodology. Oxford Bullein of Economics and Saisics, v. 48, 283-307., 1986. 13. GUJARATI, Damodar N. Economeria Básica, São Paulo, Makron Books, 3ª edição, 2000. 14. HENDRY, DAVID.F.; PAGAN, A.R. e SARGAN, J.D. 'Dynamic Specificaions', Capiulo 8 em Z. Griliches e M.D. Inrilligaor (eds.), The Handbook of Economerics, Norh Holland, Amserdam, 1984. 15. HENDRY, DAVID.F.; RICHARD, J. F. On he Formulaion of Empirical Models in Dynamic Economerics, Journal of Economerics, v. 20, 3-33, 1982. PAGAN, A. 'Three Economeric Mehodologies: A Criical Appraisal., em Granger, C.WJ. (ed.), Modeling economic series, Oxford Universiy Press, 1990. PESSOA, A., Soja, Produção Agrícola Brasileira. Disponível em: hp://www.mre.gov.br/cdbrasil/iamaray/web/por/economia/agric/producao/soja/index.hm. Acesso em 03 de maio de 2005. SCHUSTER, I.D.S., COODETEC- Tecnologia de nossa erra. Disponível em: hp://www.coodeec.com.br/. Acesso em 04 de junho de 2005. 32