PREDIÇÃO DIÁRIA DE CURTO PRAZO DA TAXA DE CÂMBIO: UM EXPERIMENTO DAS FORMAS FUNCIONAIS LOGARÍTMICA, EXPONENCIAL E SEMILOGARÍTMICA II

PREDIÇÃO DIÁRIA DE CURTO PRAZO DA TAXA DE CÂMBIO: UM EXPERIMENTO DAS FORMAS FUNCIONAIS LOGARÍTMICA, EXPONENCIAL E SEMILOGARÍTMICA II RESUMO: Em Janeiro de 1999, o Brasil adotou o regime de câmbio flutuante, o qual passou a ser determinante na condução das políticas econômicas. Desde então, os rendimentos do mercado exportador e do fluxo de capitais passaram a ser afetados pela constante variabilidade cambial. A variabilidade cambial tem um comportamento dinâmico levando a uma previsão de curtíssimo e curto prazo para subsidiar o processo de decisão das questões econômicas. Portanto, o presente resumo expandido objetivou apresentar os resultados do experimento econométrico realizado para avaliar a predição diária da taxa de câmbio brasileira de curto prazo em relação ao tempo a partir do teste de eficiência e eficácia das formas funcionais logarítmica, exponencial, e semilogarítmica II. Metodologicamente, utilizou-se a econometria, por meio do método dos mínimos quadrado ordinário, MQO, para as respectivas funções não lineares, a partir das variáveis taxa de câmbio diária de compra e venda do Dólar americano em relação ao Real. O modelo considerou uma amostragem de 543 registros referente à Janeiro a Junho de 2009, cujos testes levaram em consideração uma confiabilidade estatística de 95% e nível de significância de 5%. Os resultados evidenciaram que a forma funcional exponencial foi a mais adequada para a predição econométrica do câmbio em relação ao tempo, no curto prazo, visto que o processo de variação cambial foi contínuo. Concluiu-se que a previsão da taxa de câmbio foi mais eficiente quando se usou o modelo exponencial em função do tempo, ou seja, o câmbio estimado se aproximou da taxa efetiva. PALAVRAS-CHAVE: Econometria; Predição cambial; Avaliação de modelos. ABSTRACT: In January 1999, Brazil adopted a floating exchange rate regime, which became determinant in the conduct of economic policies. Since then, income from export market and capital flows began to be affected by the constant exchange rate variability. The exchange rate variability has a dynamic behavior leading to a prediction of short and short-term to support the decision process of economic issues. Therefore, this expanded summary aims to present the econometric results of the experiment conducted to evaluate the prediction of daily exchange rate of Brazil's short term in relation to time from the test of efficiency and effectiveness of functional forms logarithmic, exponential, and semi-logarithmic II. Methodologically, we used econometrics, through the ordinary method of least square, OLS, for their non-linear functions, varying from daily exchange rate for the purchase of U.S. Dollar against the Real. The model considered a sample of 543 records on the January to June 2009, whose tests took into account a statistical confidence of 95% and a significance level of 5%. The results showed that the exponential functional form was the most suitable for predicting the econometrics of exchange in relation to time, in the short term, since the process of exchange variation was continuous. It was concluded that the prediction of the exchange rate was more efficient when it used the exponential function of time, or is, the exchange rate approached the estimated

effective rate. KEY-WORDS: Econometrics; Exchange rate prediction; Evaluation of models. 1 INTRODUÇÃO A abertura comercial brasileira e a livre flutuação cambial, a partir de Janeiro de 1999, tornaram a variável taxa de câmbio uma das mais relevantes na condução macroeconômica. Com o devido conhecimento e a adoção de métodos adequados foi possível reduzir riscos e apontar tendências no comportamento da variável cambial, podendo, dessa forma, contribuir para a melhora das condições de exportação por meio da sua predição. Para os agentes econômicos foi importante ter um indicador do caminho a ser seguindo ao longo do tempo no processo de decisão quanto à taxa de câmbio, pois, uma decisão errada tomada, a partir de parâmetros equivocados, pode causar prejuízos ao agente econômico exportador. A contribuição desta pesquisa foi justificável, pois, possibilitou uma melhor compreensão do funcionamento do mercado cambial nacional; além da possibilidade em analisar de que forma a oscilação cambial ao longo de uma série temporal pôde afetar a tendência de equilíbrio entre as forças de oferta e demanda de divisas do Brasil, contribuindo, dessa forma, aos planejadores para a otimização de recursos afetados pela variação de divisas do país. A problemática que envolveu este estudo relacionou-se à preocupação em estabelecer parâmetros que subsidiem o exportador, quanto ao comportamento futuro diário de curto prazo da taxa de câmbio, visto que a tomada de decisão, ao volume de produção esteve diretamente relacionada à mesma, principalmente para empresas exportadoras. Desta forma o objetivo deste resumo expandido foi mostrar os resultados obtidos pela investigação da tendência cambial por meio de um experimento econométrico cuja finalidade foi avaliar a predição diária da taxa de câmbio brasileira a partir do teste de eficiência e eficácia das formas funcionais logarítmica, exponencial e semilogarítmica II, buscando um modelo de previsão da taxa de câmbio de curto prazo em função do tempo, utilizando, para tal, o estudo da série temporal compreendido entre os meses de Janeiro a Junho de 2009. Portanto, pretendeu-se por meio deste estudo estabelecer um conjunto de informação favorável ao desenvolvimento de um instrumental adequado à avaliação e estimação econométrica de um modelo econômico para predição e, ou, apontamento de tendência da taxa de câmbio de curto prazo, possibilitando antever variações cambiais e adequar a empresa à futura condição cambial. 2 PROCEDIMENTOS METODOLÕGICOS A Econometria é o ramo quantitativo das Ciências Econômicas, a qual envolve a teoria econômica, a estatística, a matemática e a análise econômica, com a finalidade de estimar parâmetros econométricos, os quais subsidiam o processo de decisão nos âmbitos de previsão e estimação. A econometria segundo Lange (s.d.), pode ser divida em três grupos de pesquisa: primeiro, o estudo de relações de mercado nos âmbitos microeconômico e macroeconômico; segundo, a programação com preocupação na economia nacional e os efeitos das decisões econômicas; terceiro, a ferramenta de interesse desse

trabalho, o estudo de previsão de flutuações da conjuntura econômica, ou mais precisamente, a predição cambial. Neste contexto Matos (1997), destacou a importância de reduzir o risco de previsões através do emprego da econometria no processo de decisão de tal modo que o julgamento de medidas corretivas possam se fazer necessárias ou não. Metodologicamente, a pesquisa caracterizou-se pela exploração quantitativa de dados estatísticos relevantes para a caracterização do objeto de estudo. Para tal, utilizou à série de dados temporais cuja entidade foi a economia brasileira, onde os dados foram trabalhados de forma diária, no período de Janeiro a Junho de 2009, correspondendo a 543 registros. Para tanto, foram coletados dados diários das variáveis: tempo, taxa de câmbio compra e venda. Os dados considerados para taxa de câmbio referiram ao Dólar americano Ptax 800 expresso em Real e divulgado pelo Banco Central do Brasil, BACEN (2009), o qual correspondeu a uma média ponderada da variação ocorrida no dia. Para efeito de estimação de algumas formas funcionais as variáveis foram transformadas em logaritmos neperiano. Para estimação dos 46 modelos que compuseram o conjunto do experimento de predição foi utilizado o Método dos Mínimos Quadrados Ordinários, MQO, por meio do qual foram avaliadas as funções não lineares: logarítmica ou potencial, exponencial ou semilogarítmica I e semilogarítmica II com a finalidade de estimar um modelo de previsão cambial de curto prazo em função do tempo considerando uma confiabilidade estatística de 95% e significância de 5%. O procedimento metodológico seguido para a investigação econométrica foi sugerido por Matos (1997) e Gujarati (2000) em que primeiro, formularam-se as hipóteses que foram reunidas em modelos matemáticos e econométricos; em segundo, obtiveram-se os dados; em terceiro, estimaram-se os modelos; depois, avaliaram-se os modelos estimados; e, por fim, as previsões foram realizadas para a aplicação em situações práticas. A especificação do modelo de predição cambial em função do tempo foi apoiada no estudo macroeconômico para mercado aberto. No entanto, fez-se necessário a adoção de três formas funcionais básicas, Quadro 01, para o modelo de previsão econométrica: logarítmica, exponencial, e semilogarítmica II. Quadro 01 Especificação do modelo por forma funcional e categoria de taxa de câmbio Método Taxa de câmbio compra Taxa de câmbio venda Log. LnCC = Lna + b(lnτ) ± µ LnCV = Lna + b(lnτ) ± µ Modelo Exp. LnCC = Lna + (Lnb) Τ ± µ LnCV = Lna + (Lnb) Τ ± µ econométrico Semilog. II TCC = Lna + b(lnτ) ± µ TCV = Lna + b(lnτ) ± µ FONTE: Elaborada pelos autores (2009). LEGENDA: LnCC = Taxa de câmbio compra em logaritmo neperiano; Ln Τ = Tempo em logaritmo neperiano; LnCV = Taxa de câmbio venda em logaritmo neperiano; TCC = Taxa de câmbio compra; TCV = Taxa de câmbio venda. As formas funcionais adotadas para estimação dos modelos foram, conforme Matos (1997), a logarítmica a qual possibilitou captar os efeitos de crescimento a taxas crescentes ou decrescentes com o aumento da outra variável; a exponencial, a qual serviu para descrever processos de crescimento continuo ou aproximadamente continuo de uma variável no tempo; e a semilogarítmica II, a qual

considerou que os acréscimos ou decréscimos da variável dependente como resposta das alterações na variável explicativa não foram proporcionais com o crescimento desta. Para a avaliação dos modelos econométricos ao nível de significância de 5% e confiabilidade estatística de 95% utilizaram-se as seguintes estatísticas de avaliação: o teste F serviu para avaliar o grau de influência do conjunto das variáveis exógenas sobre a variável endógena do modelo. O teste t serviu para avaliar o efeito individual de cada variável explicativa e o termo constante em relação à variável dependente. O coeficiente de determinação, R 2, mediu o ajuste das variáveis exógenas em relação à endógena. Essa medida foi formada por uma escala que variou de 0 a 1. Quanto mais o coeficiente de determinação se aproximou de um, mais ajustado esteve o modelo de regressão. O coeficiente de variação, CV, mediu o grau de dispersão dos dados observados. Sua variação foi expressa em termos percentuais. Quanto mais próximo de zero, menos dispersos foram os dados em relação à linha de regressão. A análise dos resíduos indicou o nível de erro entre o valor observado e o predito. A melhor forma funcional foi identificada pelo resíduo mais próximo de zero. O coeficiente de correlação, r, mediu o grau de associação, ou covariância, entre as variáveis endógena e exógena, e quanto mais próximo do valor unitário, mais correlacionados estiveram as variáveis. O teste de Durbin- Watson, d, serviu para diagnosticar problemas de autocorrelação serial, ou seja, se os resíduos estavam correlacionados entre si. O coeficiente foi interpretado considerando-se a região conclusiva obtida dos valores críticos da referida estatística e para os referidos graus de liberdade. Neste caso, utilizaram-se como graus de liberdade o número de observações, n, e o número de variáveis explicativas, k = 1, para o tempo. A interpretação de Durbin-Watson, d, considerou, segundo Maddala (2003), a ocorrência de autocorrelação positiva se deu no intervalo entre 0 e 2, e a autocorrelação negativa no intervalo entre 2 e 4. 3 RESULTADOS E DISCUSSÂO No estudo dos modelos de predição, foram analisadas as taxas de câmbio Ptax 800 do Dólar americano de compra e venda diária, que compreendeu os meses de Janeiro a Junho de 2009. Ao analisar as duas formas de taxa de câmbio, compra e venda, verificou-se que não houve diferença relevante entre as duas, pois, esta diferença apresentou um padrão continuo para toda a série, equivalente a R$ 0,0008 a mais para a taxa de câmbio de venda. Essa pequena diferença deveu-se ao spread cobrado pelas instituições financeiras na venda da moeda estrangeira. Da especificação, estimação e avaliação chegaram-se aos resultados da Tabela 01. Tabela 01 Resultados de avaliação da forma funcional logarítmica, exponencial e semilogarítmica II. Parâmetro Estimado a b Jan Fev Mar Abr Mai Jun Semestre Log. 0,8272 0,8152 0,8978 0,8068 0,8005 0,6633 0,8885 Exp. 0,8287 0,8154 0,8726 0,7951 0,7710 0,6659 0,8885 Semi. 2,2876 2,2587 2,4517 2,2410 2,2228 1,9411 2,4200 Log. 0,0043 0,0106-0,0238-0,0072-0,0300 0,0025-0,0012 Exp. 0,0006 0,0018-0,0022-0,0004-0,0029 0,0002-0,0012

Teste t (p-value) Teste F Teste F (p-value) a b Coeficiente de Determinação Coeficiente de Correlação (r) Semi. 0,0098 0,0249-0,0554-0,0161-0,0624 0,0049-0,0025 Log. 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 Exp. 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 Semi. 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 Log. 0,2574 0,0309 0,0000 0,0023 0,0000 0,2355 0,0000 Exp. 0,0955 0,0001 0,0000 0,0962 0,0000 0,2546 0,0000 Semi. 0,2608 0,0294 0,0000 0,0022 0,0000 0,2358 0,0000 Log. 1,3349 5,2092 63,4491 11,2271 158,6186 1,4698 663,0062 Exp. 2,9688 20,1237 53,2999 2,9641 216,8103 1,3528 663,0062 Semi. 1,3154 5,3130 64,6598 11,3523 167,9293 1,4682 662,4399 Log. 0,2574 0,0309 0,0000 0,0023 0,0000 0,2355 0,0000 Exp. 0,0955 0,0001 0,0000 0,0962 0,0000 0,2546 0,0000 Semi. 0,2608 0,0294 0,0000 0,0022 0,0000 0,2358 0,0000 Log. 0,0440 0,1669 0,6863 0,2862 0,8454 0,0499 0,7874 Exp. 0,0929 0,4363 0,6476 0,0957 0,8820 0,0461 0,7874 (R²) Semi. 0,0434 0,1697 0,6904 0,2885 0,8527 0,0498 0,7873 Log. 0,2098 0,4085-0,8284-0,5350-0,9195 0,2233-0,8874 Exp. 0,3047 0,6605-0,8048-0,3094-0,9392 0,2147-0,8874 Semi. 0,2083 0,4119-0,8309-0,5371-0,9234 0,2232-0,8873 Log. 2,0826 2,4297 1,6662 1,2512 1,5341 1,3980 4,0418 Exp. 2,0287 1,9986 1,7660 1,4083 1,3402 1,4007 4,0418 Coeficiente de Variação (CV) Semi. 1,7272 2,0443 1,3923 0,9924 1,0897 0,9427 3,1046 FONTE: Elaborado pelo autores (2009) 3.1 Forma funcional logarítmica Para estimar a predição da taxa de câmbio de curto prazo, verificaram-se, conforme resultados da Tabela 01, que ela foi eficiente para os meses de Fevereiro, Março, Abril e Maio, cujos coeficientes de determinação foram, respectivamente, de 16,69%, 68,63%, 28,62% e 84,54%. Para os meses de Janeiro e Junho a forma funcional logarítmica não se apresentou eficiente, visto que as variações do câmbio se mostraram constantes, apresentando um coeficiente de determinação de 4,40% e 4,99%. Observando os resultados do teste t verificou-se que para os meses de Fevereiro, Março, Abril e Maio, o modelo logarítmico apresentou efeito estatístico, isto é, a variável tempo conseguiu explicar a variação do câmbio e, portanto, o modelo estimado foi eficiente para a predição de valores para estes meses. Contudo, para os meses de Janeiro e Junho não apresentaram efeito estatístico ao nível de 5% de significância, ou seja, para estes meses o modelo não se apresentou ajustado para previsões. 3.2 Forma funcional exponencial A aplicação da forma funcional exponencial, Tabela 01, mostrou efeito estatístico para os meses de Fevereiro, Março e Maio, cujos coeficientes de determinação foram de 43,63%, 64,76% e 88,20%, respectivamente. Assim, para estes meses a forma exponencial foi eficiente para a predição da taxa cambial. Nos meses de Janeiro, Abril e Junho a forma funcional exponencial não foi eficiente para previsão de valores futuros da taxa de câmbio visto que nestes meses não se

verificaram variações continuas. 3.3 Forma funcional semilogarítmica II A utilização da forma funcional semilogarítmica II, conforme Tabela 01, apresentou poder de predição para os meses de Fevereiro, Março, Abril e Maio, os quais foram acompanhados pela presença de efeito estatístico avaliado por meio do teste t, para um nível de significância de 5%. Nos meses cuja variabilidade da taxa cambial diária em função do tempo apresentaram efeito estatístico, os coeficientes de determinação variaram no intervalo de 16,97% a 85,27%, sendo que no mês de Fevereiro houve uma volatilidade maior da taxa de câmbio com coeficiente de variação de 2,04%. Para os meses de Janeiro e Junho, a forma funcional semilogarítmica II não foi eficiente para definir um modelo de previsão, visto que o coeficiente de determinação foi de 4,34% e 4,98%, respectivamente, influenciando na não apresentação de efeito estatístico, conforme resultados do teste t. 3.4 Análise dos resíduos Constatou-se, Tabela 02, que a forma funcional logarítmica apresentou as melhores médias para os meses de Março, Maio, Junho. A forma funcional exponencial apresentou os melhores resultados para os meses de Janeiro, Fevereiro e Abril. Para a semilogarítmica II, comprovou-se a deficiência de estimar o modelo de predição cambial para o período considerado, pois, as médias harmônicas dos resíduos para os modelos considerados apresentaram resultados maiores que as demais formas funcionais, indicando, assim, que os valores previstos dificilmente se aproximaram do valor observado. Tabela 02 Média harmônica dos resíduos por modelo econométrico. Período Logarítmica Exponencial Semilogarítmica II Janeiro 0,0066 0,0028 0,0155 Fevereiro 0,0100 0,0080 0,0230 Março 0,0032 0,0050 0,0077 Abril 0,0033 0,0009 0,0072 Maio 0,0002 0,0032 0,0003 Junho 0,0026 0,0029 0,0050 Semestre 0,0105 0,0105 0,0228 Total 0,0365 0,0333 0,0815 FONTE: Elaborado pelo autores (2009) Ao considerar a média harmônica dos resíduos no Semestre, Tabela 02, constatou-se que as formas logarítmica e exponencial apresentaram as menores dispersões idênticas na ordem de 0,0105. No entanto, ao considerar a soma da média harmônica dos resíduos, observou-se que a exponencial apresentou o melhor resultado em relação à logarítmica, sendo, respectivamente, 0,0333 e 0,0365. Portanto, apesar das formas funcionais, logarítmica e exponencial, apresentarem os melhores resultados em quatro modelos cada, a exponencial se destacou por apresentar a menor diferença entre o valor predito e o observado no conjunto das médias. 3.5 Análise de autocorrelação e o teste Durbin-Watson

A autocorrelação correspondeu a correlação dos resíduos no período t com os resíduos do período t-1. Assim, Matos (1997) definiu autocorrelação como uma dependência temporal dos resíduos de forma sucessiva, o que levou a problemas nas análises econométricas, pois, os erros-padrão tornaram-se viesados e os intervalos de confiança incorretos. No entanto, tais problemas puderam ser identificados por meio do teste de Durbin-Watson, Tabela 03, o qual ajudou identificar, além da ocorrência ou não do problema estatístico da autocorrelação, a influência da variação inercial da taxa de câmbio, visto que, expectativas puderam influenciar a alta ou queda do câmbio no tempo. Tabela 03 - Coeficientes de Durbin-Watson para a taxa de câmbio no período de Janeiro a Junho de 2009. Período Região Forma Forma Forma conclusiva Logarítmica Exponencial Semilogarítmica II Janeiro (n = 31) Li 1,363 Ls 1,496 0,5835 0,608 0,5818 Fevereiro (n = 28) Li 1,328 Ls 1,476 0,2652 0,3816 0,2658 Março (n = 31) Li 1,363 Ls 1,496 0,5215 0,3601 0,5257 Abril (n = 30) Li 1,352 Ls 1,489 0,6789 0,6065 0,6806 Maio (n = 31) Li 1,363 Ls 1,496 0,6334 0,6659 0,6628 Junho (n = 30) Li 1,352 Ls 1,489 0,8135 0,81 0,8132 Geral (n = 181) Li 1,758 Ls 1,778 0,0925 0,0925 0,0986 FONTE: Elaborado pelos autores (2009). LEGENDA: Li: Limite Inferior; Ls: Limite superior da região conclusiva. Neste sentido, inferiu-se por meio dos dados da Tabela 03, que para os meses estudados, as autocorrelações foram consideradas pequenas, contidas no limite 0 < d < 2, portanto, mostraram-se positivas. Desta forma, constatou-se que a taxa de câmbio sofreu uma pequena influência inercial na variação positiva no que se refletiu na depreciação cambial do período. Os meses de Abril, Maio e Junho de 2009, sofreram maior impacto das expectativas em relação aos demais meses. Mesmo que caracterizada por uma autocorrelação positiva, econometricamente não chegou a afetar os resíduos, o erro-padrão e a variância e, portanto, não prejudicou os parâmetros estimados e as avaliações de hipóteses. Analisando-se o conjunto de observações gerais de Janeiro a Junho, inferiu-se, também uma autocorrelação positiva, contudo, ficou fora da região conclusiva de 1,758 < d < 1,778, portanto, os modelos econométricos logarítmico, exponencial e semilogarítmico II, não foram afetados pelo problema da autocorrelação serial. 3.6 Análise das correlações Conforme os níveis de correlação evidenciados na Tabela 01, observou-se

que o ranking dos coeficientes, para os meses de Janeiro, Fevereiro e Junho apresentaram covariância positiva entre taxa de câmbio e o tempo. No entanto, para os meses de Janeiro e Junho a correlação mostrou-se relativamente baixa, o que comprovou a pequena associação entre a taxa cambial na evolução do tempo. Nos meses de Março, Abril e Maio houve alta correlação negativa. Tendência essa que foi reforçado pela alta correlação negativa do semestre, o que indicou o sentido geral de depreciação do Dólar americano em relação ao Real na evolução do tempo. Quanto as formas funcionais, observou-se que a forma funcional exponencial apresentou as mais altas correlações em relação as demais formas funcionais nos meses de Janeiro, Fevereiro e Maio. Nos meses de Março e Abril a forma funcional semilogarítmica II apresentou as mais altas correlações e, em Junho, foi a forma logarítmica que apresentou a maior correlação em relação as demais formas funcionais. Concluiu-se que a forma exponencial apresentou as melhores associações entre taxa de câmbio e sua evolução no tempo na maior parte dos meses analisados. 3.7 Inferências gerais Observou-se para os meses de Janeiro e Junho, que nenhuma das formas funcionais mostrou-se adequada para estimar o modelo de predição, pois, os p- values do teste t, Tabela 01, não apresentaram nível de significância para os parâmetros b. E, os parâmetros a, que mediram a influência dos demais fatores não considerados na análise, apresentaram p-values próximo à zero. Ainda, os coeficientes de determinação, Tabela 01, não mostraram influência da variável explicativa, tempo, em relação à explicada, taxa de câmbio. Observou-se que o fato de nenhum modelo mostrar-se eficiente para esses meses esteve relacionado à alta volatilidade da taxa de câmbio. Ao se agregar todos os valores cambiais em um único modelo semestral, conforme resultados da Tabela 01, as formas funcionais logarítmica e exponencial, respectivamente, apresentaram os melhores resultados idênticos para a predição da taxa de câmbio em relação ao tempo no curto prazo, pois, seus coeficientes de determinação foram de 0,7874, ao contrário da semilogarítmica II que apresentou coeficiente de determinação de 0,7873. Portanto, todas as formas funcionais conseguiram apontar a direção que a taxa de câmbio seguiu. No entanto, por serem estimadas com uma série de dados relativamente curta, os modelos estimados mensalmente apresentaram deficiências na determinação da cotação cambial. Mas, a partir do momento que foi incorporado uma série de dados temporal maior, as formas funcionais logarítmica e exponencial passaram a se destacar na predição cambial. No entanto, ao analisar a soma da média harmônica dos resíduos constatou-se que a forma exponencial apresentou o menor grau de erro entre o valor previsto e o observado. Desta forma, concluiu-se que a forma funcional mais adequada para a predição da taxa de câmbio em relação ao tempo no curto prazo foi a forma exponencial. 4 CONSIDERAÇÕES FINAIS As considerações finais levaram a conclusão que a partir do momento que os modelos passaram a contar com uma série de dados temporal maior, a forma funcional exponencial passou a se destacar na predição cambial. Desta forma, concluiu-se que a forma funcional mais adequada para a predição da taxa de câmbio

em relação ao tempo no curto prazo foi a forma funcional exponencial desde que atenda o critério de uma série de dados o suficiente para que o efeito do câmbio em relação ao tempo possa ser captado. A finalidade deste trabalho foi de possibilitar uma ferramenta simplificada que pudesse ser operacionalizada sem grande aporte em termos de métodos quantitativos pelas empresas que necessitam efetuar previsão econômica para a taxa de câmbio de curto prazo utilizando principalmente a forma funcional exponencial, a qual adaptou-se melhor a condição de predição. Ressalta-se que este resumo expandido é um dos resultados do Trabalho de Conclusão de Curso de Ciências Econômicas defendido em 2009, o qual recebeu apoio para seu desenvolvimento do Departamento de Economia e o aporte de financiamento é dos próprios pesquisadores. 5 REFERÊNCIAS Bibliografias GUJARATI, Damodar N. Econometria básica. 3ª ed. São Paulo: Makron Books, 2000, 846p. LANGE, Oskar. Lições de econometria. Porto, Portugal: Rés, [s.d.], 478p. MADDALA, G. S. Econometria. 3ª ed. Rio de Janeiro: LTC, 2003. MATOS, Orlando Carneiro de. Econometria básica: Teoria e aplicação. 2ª ed. São Paulo: Atlas, 1997, 246p. Fontes BACEN. Cotação taxa de câmbio. Disponível em: < http://www4.bcb.gov.br/pec/taxas/port/ptaxrpesq.asp?idpai=txcotacao > Acesso em: 10 de Jul. 2009.