ANÁLISE DA INTERDEPENDÊNCIA DOS MERCADOS DE SOJA E MILHO NO BRASIL E PARANÁ : UMA APLICAÇÃO DA METODOLOGIA VEC

ANÁLISE DA INTERDEPENDÊNCIA DOS MERCADOS DE SOJA E MILHO NO BRASIL E PARANÁ : UMA APLICAÇÃO DA METODOLOGIA VEC [email protected] Apresentação Oral-Comercialização, Mercados e Preços CARLOS EDUARDO CALDARELLI1; MARCIA REGINA GABARDO DA CAMARA2; MIRIAN RUMENOS PIEDADE BACCHI3. 1,3.ESALQ/USP, PIRACICABA - SP - BRASIL; 2.UEL, LONDRINA - PR - BRASIL. Análise da interdependência dos mercados de soja e milho no Brasil e Paraná : uma aplicação da metodologia VEC Grupo de Pesquisa: Comercialização, Mercados e Preços RESUMO O presente artigo analisa a existência de interdependência entre os mercados de soja e milho, brasileiro e paranaense no período de janeiro de 2000 a novembro de 2008. A análise compreende o uso da metodologia de Econometria de Séries Temporais, testando a presença de raiz unitária nas séries, por meio do teste de Dickey-Fuller aumentado, a cointegração entre as mesmas e procedendo uma análise de auto- regressão vetorial com erros corrigidos (VEC). O estudo ainda analisa as funções de resposta a impulsos e a decomposição da variância dos erros de previsão. Os resultados apontam para uma forte interação entre os mercados e para uma predominância dos choques advindos do mercado nacional de soja. Conclui-se, portanto, que o mercado de soja brasileiro é um bom indicador para o comportamento futuro nos mercados de soja paranaense e de milho brasileiro e paranaense.

Palavras-Chave: mercados agroindustriais;soja; milho; interdependência . ABSTRACT This article analyzes interdependence existence between soybean and corn market in Brazil and Parana in the period of January of 2000 and November of 2008. The analyses contemplate the use of the Time Series Econometric methodology, testing the unit root in the series, by augmented Dickey-Fuller test, the co-integration and the proceeding the Vector Error Correction model (VEC) analyses. The article still uses the impulse response function and the error variance decomposition. The results show one great interaction between the markets and predominance to the shocks come to national soybean market. It is conclude that the Brazilian soybean market is a good indicative to one future trend in the soybean market of Parana and corn market of Parana and Brazil. Key words: Agroindustrial markets; soybean; interdependence.

1 – Introdução Nas últimas três décadas, o agronegócio brasileiro tem desempenhado papel fundamental na geração de divisas para o país e no desenvolvimento regional. Com o crescimento do porte, da competitividade e complexidade das atividades agrícolas nos últimos anos, a informação transformou-se em um fator essencial para a tomada de decisão na produção e na comercialização (MAPA, 2007a). O objetivo do artigo é analisar o grau de interdependência dos preços pagos aos produtores nos mercados de soja e milho por meio da aplicação do modelo de autoregressão vetorial com erros corrigidos (VEC). Também, pretende-se verificar a existência relacionamento apresentado pelos efeitos de longo prazo, explorando-se as Funções de Reposta a Impulso (FRI) e Decomposição da Variância dos Erros de Previsão. De acordo com recente estudo do MAPA (2007a), cerca de 2/3 dos produtores de milho são sojicultores e tem na soja sua atividade principal, o que sinaliza para uma interdependência dessas atividades. A importância do estudo deve-se à participação dessas culturas no agronegócio brasileiro e o desdobramento de políticas tendo por base a relação que se estabelece. Em quatro décadas, o crescimento da produção de soja no Brasil multiplicou-se quase 260 vezes, determinando uma sucessão de mudanças no agronegócio. Segundo Gasques (1998) a soja é a grande responsável pelo surgimento da agricultura comercial no Brasil. Ela induziu a aceleração da mecanização das lavouras brasileiras, a modernização do sistema de transportes, estimulou a profissionalização da atividade agrícola, contribuiu para a expansão da fronteira agrícola, o incremento do comércio internacional, a aceleração da urbanização e a interiorização da população brasileira, principalmente no que concerne ao Centro-Oeste. A produção conjunta de milho e soja no Brasil responde por cerca de 80% da produção brasileira de grãos (IBGE, 2008). A diferença entre as duas culturas está no fato da soja ter maior inserção no mercado internacional, enquanto o milho tem sua produção voltada para abastecimento interno. Apesar disto, o milho tem evoluído como cultura comercial, apresentando, nos últimos vinte e oito anos, taxas de crescimento da produção da ordem de 3,0% ao ano e taxa de crescimento da área cultivada da ordem de 0,4% ao ano (MAPA, 2007a). Um aspecto importante é o encadeamento dessas culturas com a agroindústria. Por exemplo, a eficiência da cadeia produtiva da soja e milho são fatores determinantes da competitividade das carnes brasileiras no cenário internacional, sendo insumos básicos para pecuária, avicultura, suinocultura e mercado de rações de forma geral. Dado o nexo de relações em que se encontram os mercados de soja e milho no Brasil e Paraná, o presente trabalho se presta a analisar a comercialização e interdependência dos mercados de soja e milho, analisando a interdependência dos preços pagos aos produtores de soja e de milho e sinalizando para políticas que beneficiem tais segmentos. O artigo está dividido em cinco partes. A primeira parte contempla introdução onde se apresenta a contextualização, o problema e o objetivo do estudo. A segunda parte

caracteriza os mercados de soja e milho. A terceira apresenta os procedimentos metodológicos. A quarta realiza a discussão dos resultados. O artigo finaliza com a apresentação das principais conclusões. 2 - Caracterização dos mercados brasileiros de soja e milho A soja foi introduzida no Brasil antes dos anos 50; mas a partir da década de 1970, a cultura apresentou significativa expansão. Nos anos 1970 e 1980, a expansão da produção da soja derivou da ocupação das fronteiras agrícolas no Paraná e no Centro-Oeste. Houve estagnação da produção nos anos 80, mas entre 1990 e 2000 observa-se crescimento significativo da cultura no Norte e Nordeste do país. Em 2003, o Brasil se tornou o segundo maior produtor mundial (SANCHES; MICHELLON; ROESSING, 2004). A cadeia produtiva da soja envolve inúmeros segmentos e apresenta uma densidade de relações importantes para a economia brasileira, via encadeamentos “para frente” e “para trás”. A figura 1 apresenta as relações da produção de soja “a montante” (indústria de insumos) e a “a jusante” - cooperativas, armazenadores e corretoras- que podem exportar o produto “in natura” ou se ligar à indústria de esmagamento e refino de soja, de alimentos como um insumo (farelo ou óleo) ou à distribuição e venda (óleo refinado) no mercado interno e externo como produto final. (LAZZARINI; NUNES, 1998).

Fonte: Lazzarini ; Nunes (1998).

FIGURA 1 – Cadeia produtiva da soja Os maiores produtores e exportadores de grãos, farelo e óleo de soja são Brasil, Estados Unidos e Argentina. A soja desempenha um importante papel na indústria alimentícia, na produção de carnes e rações, entre outros setores no mercado interno e internacional. A expansão da cultura da soja no Brasil ocorreu, em boa dose, em detrimento da cultura do milho da safra de verão, cuja área plantada recuou nos últimos anos. Esse fato se deve, entre outros fatores, à desorganização do mercado de milho e ao aquecimento da demanda global de soja. Entretanto, nos últimos anos, houve reversão no quadro anteriormente descrito e o milho passou a ter maior expressão no agronegócio brasileiro (MAPA, 2007b). A soja brasileira apresenta significativas vantagens competitivas derivadas dos ganhos de escala, da produtividade elevada, do baixo custo da mão-de-obra, da elevada

disponibilidade de água potável e do uso de tecnologia de ponta a produção. Tais fatores caracterizam o Brasil como grande exportador mundial (segundo maior desde 2002). Os principais mercados para o produto brasileiro são: a União Européia, a Ásia e Oriente Médio, devido à competitividade do Brasil em custos e aumento do consumo interno de grandes exportadores como Estados Unidos que reduziram seus excedentes exportáveis. Em 2007, o Brasil alcançou a segunda posição na produção mundial de soja: EUA (35%), Brasil (26,8%) e Argentina (19,4%); a exportações brasileiras em toneladas de grãos de soja representaram 25,6%, enquanto as exportações americanas totalizaram 30,4% e as argentinas, 6,4%. Os fatores de estrangulamento da produção a infra-estrutura deficiente, escassez de crédito e gestão inadequada dos produtores rurais.(MAPA, 2007b). No que tange ao mercado de milho Ponciano, Souza e Rezende (2003) destacaram o lento crescimento da produtividade , situação inversa à expansão da área plantada e da produtividade da soja. O milho brasileiro apresentou produtividade inferior à média mundial no período 1961/2000. A demanda por milho concentrou-se na própria propriedade rural(24%), na avicultura (23%),suinocultura( 17%), indústria (14%) entre outros destinos. A Figura 2 apresenta a cadeia do milho. A cadeia é diversificada e envolve vários atores dos fornecedores de insumos à distribuição ao consumidor final.

FIGURA 2 – Cadeia produtiva do milho A análise dos elos da cadeia do milho permite verificar sua importância enquanto principal insumo dos complexos agroindustriais de aves, suínos e da pecuária bovina de leite. O milho participa do custo de produção dos produtos de origem animal e afeta o custo da alimentação humana. Segundo Ponciano, Souza e Rezende (2003), entre 1961 e 2000, os maiores produtores de milho foram os estados do Paraná (24%), Rio Grande do Sul (14%), São Paulo (12%), Minas Gerais (12%), Goiás (10%) e Santa Catarina (10%). Após 2000, o Brasil amplia sua participação nas exportações mundiais de milho, pois os EUA investem no etanol de milho voltado para o mercado interno e seu produto é transgênico. Segundo MAPA(2009), na safra 2007/2008,Paraná(26,2%), Mato Grosso(13,3%), Rio Grande do Sul(9,1%) e Minas Gerais(11,2%) são os maiores produtores. O aumento da competitividade externa e a expansão das parcelas de mercado internacional do milho brasileiro envolvem muitos desafios em termos de qualidade e

padronização de tipo – redução dos teores de umidade, micotoxinas e transgenia – e serviços de classificação, fatores diferenciadores de qualidade na industrialização, na armazenagem, na comercialização e na exportação. O produto brasileiro não conta com subsídios e investimentos adicionais e são necessárias informações adequadas para a tomada de decisões. A logística na comercialização é deficiente e é necessário desenvolver a malha ferroviária e adequar os serviços portuários. Segundo Brum e Luft(2007) foram produzidas em 1994/95, 560,3 milhões de toneladas de milho no mundo. Os principais produtores foram: EUA (45,6%), China(17,7%) e Brasil (6,7%). Em 2001, dada a reação oportunista do mercado com preços inferiores aos mínimos estabelecidos, as cooperativas paranaenses foram levadas a exportar o cereal pela primeira vez desde os anos 80. Esse fato e recentemente, em 2005, o início da produção de etanol de milho nos Estados Unidos, iniciaram uma mudança no mercado do grão no Brasil. Desde o ingresso das cooperativas paranaenses no mercado externo, os preços recebidos pelos produtores tendem a paridade da exportação, em situação de normalidade do abastecimento, ou para a paridade da importação, quando ocorre escassez interna do produto (CONAB, 2007). Entre 1994/1995 e 2005/2006, a produção dos EUA cresceu 10,6%, a da China aumentou 40,4%, a do Brasil incrementou 13,5% e a produção mundial alcançou 695,2 milhões de toneladas, registrou um aumento de 24,1% no mesmo período. (BRUM; LUFT,2007) A participação média brasileira na produção mundial estabilizou-se em 6,1%. A tabela 1 apresenta os principais estados produtores de milho no Brasil na safra 2007/2008. TABELA 1 – Participação dos principais estados produtores do Brasil na produção de milho, safra 2007/2008 (em % do total da safra) Estados Produtores Paraná Mato Grosso Rio Grande do Sul Minas Gerais Mato Grosso do Sul São Paulo Goiás Bahia Outros Total Fonte: Elaborado pelo autor com dados da CONAB (2008)

Porcentagem do total da Safra 20,16 12,41 9,41 9,06 6,68 6,53 6,11 5,62 23,97 100,00

A Figura 3 mostra a evolução da área plantada de soja e de milho no Brasil, no período de 1990 a 2007, verificando-se que o crescimento da área plantada de soja após 2000 é expressivo. Esse cenário está relacionado, entre outros fatores, à expansão da fronteira agrícola nas regiões Centro-Oeste e, atualmente, na região Norte do país, além do aquecimento da demanda global por soja, impulsionada pela China. Por outro lado, a cultura do milho apresenta uma estagnação com leve tendência de queda na área plantada.

25000000 Milho Soja 20000000

15000000

10000000

5000000

0 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

Fonte: elaborado pelo autor com dados SIDRA/IBGE (2009). Obs: Considera 1ª e 2ª safra no caso do milho.]

Figura 3- Evolução da área plantada de soja e milho no Brasil no período de 1990 a 2007 (em hectare). No que diz respeito ao consumo, a demanda total de soja no Brasil, entre 1990 e 2006, cresceu à taxa de 8,1% ao ano, superando as taxas observadas no cenário mundial. As exportações apresentam taxas de crescimento bastante maiores às taxas observadas no caso do esmagamento. Cabe assim salientar a importância do Brasil no mercado externo como grande exportador de soja. Nos últimos anos o Brasil vem apresentando um intenso ritmo de captura de fatias do mercado externo de soja, principalmente no segmento de soja em grãos. A Ásia é grande responsável por esse movimento, assim como a redução gradual dos excedentes exportáveis dos Estados Unidos, por conta do mercado de biocombustíveis que vem se solidificando naquele país. No que diz respeito à produção no país, na safra 2006/2007 o Brasil possuía uma área plantada de 20,68 milhões de hectares, uma produção de 58,4 milhões de toneladas e uma produtividade de cerca de 2.823 kg por hectare (CONAB, 2008) A Tabela 2 mostra a distribuição da produção de soja por estado, em porcentagem do total nacional.

TABELA 2 – Participação dos principais estados produtores do Brasil na produção de soja, safra 2006/2007 (em % do total da safra) Estados Produtores Mato Grosso Paraná Rio Grande do Sul Goiás Mato Grosso do Sul Minas Gerais Bahia São Paulo Outros Total Fonte: Elaborado pelo autor com dados da CONAB (2008)

Porcentagem do total da Safra 26,1 20,4 17,0 10,5 8,4 4,4 3,9 2,5 6,7 100

As cadeias produtivas do milho e da soja são dois dos segmentos econômicos mais importantes do agronegócio brasileiro. Os dados da Pesquisa Agrícola Municipal – PAM / IBGE apontam que a produção do milho respondeu por cerca de 37% da produção nacional de grãos em 2006. Apesar de serem culturas que apresentam uma relação de proximidade, os mercados de soja e milho são bem distintos, assim como a formação de preços nestes mercados. Esse fato se deve à característica de “commodity” da soja e ao direcionamento da produção de milho para o mercado doméstico, predominantemente. A Figura 4 apresenta a cotação da soja em grão no período de 1990 a 2007. Os dados são apresentados na forma de média móvel de 12 meses e transformados em índice.

250 soja milho 200

150

100

50

19 90 19 .01 90 19 .10 91 19 .07 92 19 .04 93 19 .01 93 19 .10 94 19 .07 95 19 .04 96 19 .01 96 19 .10 97 19 .07 98 19 .04 99 19 .01 99 20 .10 00 20 .07 01 20 .04 02 20 .01 02 20 .10 03 20 .07 04 20 .04 05 20 .01 05 20 .10 06 20 .07 07 20 .04 08 .0 1

0

Fonte: Elaborado pelo autor com dados do IPEADATA (2009).

Figura 4 – Evolução da cotação em US$ da soja e milho em grãos para o período de 1990(1) a 2008(8) (média móvel apresentada na forma de índice, sendo janeiro 1990(1)=100) O quadro 1 apresenta as principais diferenças entre os mercados de soja e milho. QUADRO 1 – Diferenciais existentes nos mercados de soja e milho Mercado de soja Preços formados em dólares; Maior transparência na formação de preços; Maior liquidez de comercialização; Mercado pouco dependente de políticas públicas; Maior acesso ao financiamento privado; Mercado mais concentrado. Fonte: MAPA (2007a)

Mercado de Milho Preços formados em reais; Não há clareza na formação dos preços; Sem garantia de comercialização; Forte dependência de políticas públicas; Pouco acesso ao financiamento privado; Mercado pulverizado.

3 – Metodologia 3.1. Material: séries de preços de soja e milho Foram utilizadas as séries de dados mensais de preços pagos aos produtores brasileiros e paranaenses de soja e milho (R$/ kg) do IPEADATA (2009) para o período de janeiro de 2000 a novembro de 2008. Segundo Pino e Rocha (1994) apud Barbosa, Margarido et al.(2001), ao se trabalhar com séries de tempo, é preciso tomar cuidado em relação ao deflator a ser utilizado, dado que isso pode contaminar as séries e interferir nos resultados. Esses autores demonstraram matematicamente que é possível utilizar dados nominais ao invés de reais, a aplicação do operador de diferença funciona como um deflator nos casos em que o período de análise não é muito longo e a taxa de inflação é baixa, como se verifica no presente artigo.

3.2 – Testes de raiz unitária A estacionariedade de séries de temporais é um ponto relevante quando se tem dados ordenados no tempo e denomina-se problema da raiz unitária, relacionando-se a aspectos de convergência dos resultados (ENDERS, 2004). De maneira formal uma série é estacionária se as raízes da equação θ ( B ) = 0 forem, em módulo, maiores que um. Inúmeros testes foram desenvolvidos para a análise da questão da raiz unitária. Para o presente trabalho a seqüência proposta Enders (2004), em um teste de Dikey e Fuller aumentado (1976, 1979) será utilizada. Para o teste considera-se a equação a seguir: p −1  p  ∆Yt = α + β t +  ∑ pi − 1Yt −1 + ∑ λ i ∆Yt −i + et (1)  i =1  i =1 p

Onde, λ i = − ∑ ρ j , sendo p a ordem do modelo auto-regressivo que descreve o j =i +1

comportamento da série temporal. Dickey & Fuller (1979 e 1981) obtiveram também as distribuições para as estatísticas τ αµ ( H 0 :α = 0 no modelo que corresponde à estatística τ u ), τ α τ ( H 0 :α = 0 na equação 1) e τ βτ ( H 0 : β = 0 na equação 1) e as distribuições das estatísticas Fs - φ1 , φ 2 e φ3 que testam, respectivamente: • se a constante e o coeficiente da variável Yt −1 são estatisticamente não diferentes de zero na equação (1) (considerando a versão sem tendência); • se a constante, o coeficiente da variável tendência e o coeficiente da variável Yt −1 são não estatisticamente diferentes de zero na equação (1); • se o coeficiente da tendência e o coeficiente da variável Yt −1 são estatisticamente não diferentes de zero na equação (1).

3.2 – Auto-regressão vetorial: A metodologia VAR e VEC (erros corrigidos) A análise de séries temporais pode utilizar os modelos AR (auto-regressivos) e VAR em sua versão multivariada; em casos de simultaneidade (via equações simultâneas), a metodologia também é recomendada por Sims(1980). Nesta seção será discutida a idéia básica dos modelos VAR, a questão da identificação e a sua forma estrutural. Os efeitos dinâmicos de alterações nas variáveis incluídas nos modelos são estudados através de Análise de Auto-Regressão Vetorial (VAR). Idealizada por Sims(1980), para o tratamento de séries macroeconômicas, a metodologia tem sido amplamente utilizada na modelagem de outras séries econômicas, encontrando-se grande aplicação na análise dos mercados agrícolas. O uso da metodologia VAR permite a obtenção de elasticidades de impulso para k períodos à frente. Essas elasticidades de impulso possibilitam a avaliação do

comportamento das variáveis em resposta a choques individuais não-antecipados em quaisquer dos componentes do sistema. A metodologia VAR permite também a decomposição da variância dos erros de previsão, k períodos à frente, em percentagens a serem atribuídas a cada componente do sistema, podendo-se assim aferir o poder explanatório de cada variável sobre as demais. A decomposição da variância do erro de previsão é uma forma alternativa de medir os efeitos dos choques sobre as variáveis do modelo. Um ponto importante nos modelos de auto-regressão vetorial é considerar séries estacionárias, caso estas não sejam, torna-se necessário utilizar um modelo VAR em suas diferenças ou uma versão VEC – Erros corrigidos, quando se tem um vetor de cointegração. Há uma série integrada de ordem (d) - I(d), considera-se um VAR com (d) defasagens, quando não há um ou mais vetores de co-integração. Em que o modelo se apresenta como: ∆x t = Γ 1 ∆x t −1 + ... + Γ p −1∆x t − p +1 + Πx t −1 + A 0 + ψD t + ε t

com:

Π = αβ ' na qual β é uma matriz (n x r) de parâmetros de co-integração e pesos em que cada vetor de co-integração entra no VAR. ∆x t = Γ 1 ∆x t −1 + ... + Γ p −1 ∆x t − p +1 + αβ ′x t −1 + A 0 + ψD t + ε t

α é uma matriz (n x r) de

β ′x t −1 representa a correção de erro – construída levando em consideração o número de relações de co-integração observadas entre as séries(LIMA, 1997). 4 – Discussão dos Resultados. Inicialmente procede-se a análise de estacionariedade das séries e o teste para presença de raiz unitária é utilizado. O teste utilizado para esse trabalho foi o de Dickey e Fuller (1976) descrito por Enders (2004); o procedimento é realizado em etapas sucessivas, onde se testa a estacionariedade da série com presença de tendência e constante, somente constante e por fim um modelo sem constante, em etapas sucessivas.

Tabela 3 – Resultados dos testes de presença de raiz unitária para as séries de preços pagos a produtores brasileiros e paranaenses de soja e de milho (entre jan /2000 a nov /2008) Mercado

Modelo a ser testado

Estatística

Soja Brasil1

∆y t = ρyt −1 + ∆yt −1

τ = −1,51048 τ 0,05 = −1,95

Milho Brasil2

∆y t = ρyt −1 + ∆yt −1

τ 0,10 = −1,61 τ = −0,79473 τ 0,05 = −1,95

Soja Paraná3

∆y t = ρyt −1 + ∆yt −1

τ 0,10 = −1,61 τ = −1,40853 τ 0,05 = −1,95

Milho Paraná4

∆y t = ρyt −1 + ∆yt −1

τ 0,10 = −1,61 τ = −0,65882 τ 0,05 = −1,95 τ 0,10 = −1,61

Resultado do teste Aceita-se a hipótese nula de presença de raiz unitária, sem constante e tendência.

Aceita-se a hipótese nula de presença de raiz unitária, sem constante e tendência.

Aceita-se a hipótese nula de presença de raiz unitária, sem constante e tendência

Aceita-se a hipótese nula de presença de raiz unitária, sem constante e tendência.

Fonte: Elaborado pelos autores com dados da pesquisa (2009)

Os testes de raiz unitária apresentados na tabela 3 correspondem à última etapa da sucessão de testes, tal como apresentado por Enders (2004). Nas séries analisadas no artigo, os termos de tendência e intercepto não se mostraram significativos; apresentam-se apenas os resultados e a etapa final, onde é testado o termo auto-regressivo. Os resultados apontam que as séries apresentam-se como processos auto-regressivos com a presença de uma raiz unitária, sem constante e tendência. A figuras 6 apresenta as séries de preços em nível e verifica-se a evolução das séries em nível, dos preços pagos aos produtores brasileiros e paranaenses de soja e milho. A figura 7 apresenta as séries na primeira diferença dos respectivos logaritmos, as mesmas visualmente corroboram o resultado obtido por meio do teste de Dickey e Fuller (1976) realizado, que aponta para a estacionariedade destas séries. Esse fato mostra que após a primeira diferença essas séries se mostram estacionárias.

1 2

Foram usadas três defasagens para a realização do teste, conforme AIC. Foram usadas duas defasagens para a realização do teste, conforme AIC.

3

Foram usadas três defasagens para a realização do teste, conforme AIC.

4

Foram usadas duas defasagens para a realização do teste, conforme AIC.

0,9

Milho Brasil Milho Paraná

0,8

Soja Brasil 0,7

Soja Paraná

0,6 0,5 0,4 0,3 0,2 0,1

2008.09

2008.05

2008.01

2007.09

2007.05

2007.01

2006.09

2006.05

2006.01

2005.09

2005.05

2005.01

2004.09

2004.05

2004.01

2003.09

2003.05

2003.01

2002.09

2002.05

2002.01

2001.09

2001.05

2001.01

2000.09

2000.05

2000.01

0

Fonte: IPEADATA (2009) FIGURA 6 – Evolução dos preços pagos aos produtores brasileiros e paranaenses de soja e milho (em R$/ Kg) no período de janeiro de 2000 a novembro de 2008. 0,1

Milho Brasil Milho Paraná

0,08 0,06

Soja Brasil Soja Paraná

0,04 0,02

20 00 . 20 01 00 . 20 06 00 .1 20 1 01 . 20 04 01 . 20 09 02 . 20 02 02 .0 20 7 02 . 20 12 03 . 20 05 03 . 20 10 04 .0 20 3 04 . 20 08 05 . 20 01 05 . 20 06 05 .1 20 1 06 . 20 04 06 . 20 09 07 . 20 02 07 . 20 07 07 . 20 12 08 . 20 05 08 .1 0

0 -0,02 -0,04 -0,06 -0,08 -0,1

Fonte: Elaborado pelos autores com dados IPEADATA (2009) FIGURA 7 – Evolução da diferença do logaritmo dos preços pagos aos produtores brasileiros e paranaenses de soja e milho (em R$/ Kg) no período de janeiro de 2000 a novembro de 2008.

A análise gráfica da figura 6 e 7, corroboram a constatação do teste de presença de raiz unitária nas séries e esse fato justifica a utilização de um modelo em primeira diferença dos logaritmos5. Tal como proposto por Enders (2004) neste caso procede-se ainda o teste de Johansen para análise de relações de co-integração; observou-se que existem dois vetores de co-integração para essas séries. O resultado apontado pelo teste de Johansen, dado pela estatística traço, é apresentado na tabela 4. TABELA 4– Teste de Johansesn para a análise de vetores de co-integração Hipóstese nula Hipótese Auto-valor Estatística P value alternativa Traço (0,05) 0,02 0,204 0,7723 r ≤3 r >3 0,033 3,775 0,731 r≤2 r>2 0,226 30,984 0,006 r ≤1 r >1 0,443 92,881 0,000 r=0 r>0

A presença de relações de co-integração nestas séries aponta para a necessidade do uso de um modelo auto-regressivo com erros corrigidos, ou VEC. Tal abordagem é utilizada quando se incorpora a um modelo multi-equacional um vetor de correção de erros, dado pelos vetores de co-integração normalizados. No presente artigo aponta-se para a inclusão de 2 vetores de co-integração na construção do modelo VEC (LIMA, 1997) Como as séries apresentam uma raiz unitária, o modelo VEC considerou a diferença do logaritmo da série e a matriz de relações contemporâneas foi estabelecida como segue, considerando uma decomposição de Choleski. TABELA 5- Decomposição de Choleski sojaBR sojaPR milhoBR milhoPR sojaBR 1 0 0 0 sojaPR b 1 0 0 milhoBR c d 1 0 milhoPR e f g 1 Como os testes de raiz unitária, para ambas as séries, mostraram que as mesmas eram não estacionárias sem constante e tendência, o modelo VEC não contempla constante e tendência também. O fato das variações no mercado de milho serem afetadas pelo mercado de soja e não no sentido inverso, se mostraram robustas frente a recursivas simulações, alterando a ordem de entrada das variáveis no modelo VEC. Um ponto importante quando se estuda a análise de interdependência é a Função de resposta a Impulsos – FRI, que assim como definido por Sims (1980) em um modelo VAR ou VEC mostra a resposta das variáveis do modelo a choques exógenos, em resumo a FRI 5

Usa-se o logaritmo das series afim de se obterem resultados em forma de elasticidades nas funções de resposta a impulso.

aponta a diferença entre nova previsão da variável, pós choque, e sua trajetória prevista anteriormente, para diversos meses a frente. A figura 8 apresenta o resultado da função de impulso resposta em elasticidades. A permite verificar os resultados, em elasticidade, concernentes a um choque de 1% nos preços do mercado de soja brasileiro, observando seus efeitos no próprio mercado de soja brasileiro e paranaense, assim como no mercado de milho nacional e paranaense. 1,4 Soja Brasil Soja Paraná 1,2

Milho Brasil Milho Paraná

1

0,8

0,6

0,4

0,2

0 1

2

3

4

5

6

7

8

9

10

11

12

FIGURA 8 – Análise de Impulso resposta, em elasticidade6, de um choque no mercado brasileiro de soja

A figura 8 corrobora o fato de as séries nas diferenças apresentarem-se estacionárias, tal fato pode ser verificado pela tendência declinante do choque. Como estabelecido na matriz do VEC, por meio da decomposição de Choleski, o mercado de soja brasileiro afeta a todos os demais mercados considerados. Os resultados apontados pela figura 8 revelam a importância que o mercado nacional de soja desempenha sobre o mercado paranaense, onde um choque de 1% nos preços pagos aos produtores nacionais afeta em mais de 1% os produtores paranaenses. No que concerne aos mercados de milho, nacional e em âmbito estadual, a interdependência é bem acentuada e os efeitos do choque bem intensos, destaca-se os produtores paranaenses, onde o efeito é maior que no contexto nacional. Outra forma de analisar a importância dos efeitos dos choques exógenos é por meio da decomposição da variância do erro de previsão, ou seja, obter o percentual da variância do erro de previsão, de cada variável e nos diversos meses a frente, que pode ser explicado por cada choque exógeno. 6 Para o resultado ser obtido em forma de elasticidade, além das séries estarem em logaritmo, todos os resultados apresentados são divididos pelo valor da resposta do período 1 na variável em que o choque foi dado.

A figura 9 na seqüência apresenta a decomposição da variância do erro de previsão de um choque no mercado brasileiro de soja. 100%

Milho Paraná

90%

Milho Brasil

80%

Soja Paraná

70%

Soja Brasil

60% 50% 40% 30% 20% 10% 0% 1

2

3

4

5

6

7

8

9

10

11

12

FIGURA 9 – Decomposição da variância do erro de previsão de um choque no mercado brasileiro de soja (em porcentagem)

Para 12 passos à frente, em porcentagem, a variância do erro de previsão de um choque no mercado de soja nacional sinaliza que os desvios de um choque neste mercado são intrínsecos a ele mesmo.A soja paranaense e o milho no Brasil apresentam somente cerca de 20% na composição. A figura 10 que segue mostra a análise de resposta a um impulso de um choque no mercado de soja paranaense, apresentado também em forma de elasticidades.

1,2 Soja Brasil Soja Paraná Milho Brasil

1

Milho Paraná 0,8

0,6

0,4

0,2

0 1

2

3

4

5

6

7

8

9

10

11

12

Figura 10 – Análise de Impulso resposta, em elasticidade, de um choque no mercado paranaense de soja

Assim como no caso da soja brasileira, a série de preços pagos aos produtores de soja paranaense em sua diferença apresenta-se estacionária, fato que visualmente pode ser corroborado pela tendência de queda e declínio a zero do choque neste mercado. A intensidade da resposta no mercado de soja brasileiro é observada somente no segundo período, por construção do modelo VEC, apresentando-se menos intensa que o inverso. No que diz respeito ao mercado de milho, os efeitos para os produtores do estado do Paraná se apresentaram mais intensos comparativamente aos produtores nacionais. Esse fato se justifica quando se considera que cerca de 2/3 dos produtores de milho tem na soja sua atividade principal, cultivando milho em um período chamado “safrinha”, ou seja, como uma atividade secundária. A figura 11 apresenta a decomposição do erro de previsão 12 passos à frente de um choque no mercado de soja paranaense. Verifica-se que os efeitos do mercado brasileiro de soja são bem intensos no estado do Paraná, onde pode se inferir que grande parte dos movimentos no mercado paranaense de soja segue o mercado nacional da oleaginosa

100% Milho Paraná 90%

Milho Brasil

80%

Soja Paraná

70%

Soja Brasil

60% 50% 40% 30% 20% 10% 0% 1

2

3

4

5

6

7

8

9

10

11

12

Figura 11 – Decomposição da variância do erro de previsão de um choque no mercado paranaense de soja (em porcentagem)

A figura 12 mostra o desenvolvimento dos efeitos de um choque exógeno no mercado brasileiro de milho. 1,2

Soja Brasil Soja Paraná

1

Milho Brasil Milho Paraná

0,8

0,6

0,4

0,2

0 1

2

3

4

5

6

7

8

9

10

11

12

Figura 12 – Análise de Impulso resposta, em elasticidade, de um choque no mercado brasileiro de milho

A função de resposta a impulso de um choque no mercado brasileiro de milho salienta a importância que esse desempenha sobre os produtores paranaenses. O estado é o

maior produtor nacional do grão, logo é neste mercado que se verificam os maiores impactos e o maior grau de interdependência com o mercado nacional. Os efeitos no mercado de soja, tanto nacional quanto paranaenses, apresentaram-se pouco influenciados em suas trajetórias pela trajetória do milho. A decomposição da variância do erro de previsão deste choque é apresentada na figura 13. 100% Milho Paraná Milho Brasil Soja Paraná

80%

Soja Brasil 60%

40%

20%

0% 1

2

3

4

5

6

7

8

9

10

11

12

Figura 13 – Decomposição da variância do erro de previsão de um choque no mercado de milho brasileiro (em porcentagem)

A figura 13 mostra que grande parte da variância no mercado nacional de milho é fruto do próprio mercado e que existe uma interdependência nos mercados de soja e milho, uma vez que os erros de previsão possuem parcela significativa oriundas no mercado de soja, tanto nacional quanto paranaenses. Os efeitos de resposta a impulsos do choque exógeno no preço pago aos produtores paranaenses de milho não se apresentaram significativos em outros mercados e por essa razão não serão apresentados. CONCLUSÃO Acerca da análise da interdependência entre os mercados de soja e milho, brasileiros e paranaenses, o presente estudo se mostra relevante dada à importância de tais mercados para a economia brasileira. O mercado de soja altamente integrado com o setor externo possui interações com diversas variáveis macroeconômicas, fato que permite projeções e modelos de previsão para o mesmo. Por outro lado, o mercado de milho, que é basicamente voltado para o mercado interno, possui uma cadeia desorganizada e ausência de projeções de longo prazo.

Assim, o presente estudo permite sinalizar que por meio do relacionamento forte existente entre esses mercados, tanto nacionalmente quanto no Paraná, as projeções para o mercado de soja são indicativos potenciais para o mercado de milho brasileiro. As funções de Impulso-resposta mostraram que choques no mercado de soja tem impactos significativos no mercado de milho; entretanto, choques no mercado de milho tanto brasileiro quanto paranaense afetam de maneira marginal as elasticidades do mercado de soja. Verificou-se também, que na decomposição da variância do erro de previsão existe uma predominância do mercado de soja explicando choques em seu próprio mercado, e uma participação expressiva do mercado de soja explicando o mercado de milho. A guiza de conclusão, pode-se apontar que dada a orientação do milho como cultura secundária para muitos sojicultores, os preços pagos pela soja tem impacto na oferta de milho, por conseguinte, em preços pagos aos produtores de milho. Esse resultado é importante na condução de políticas voltadas para tal mercado e salienta a necessidade de análise conjunta dos mercados de soja e milho.

REFERÊNCIAS

BARROS, Geraldo S.A.C; BURNQUIST, Heloisa L. Causalidade e transmissão de preços agrícolas entre níveis de atacado e varejo. In: Encontro Latino Americano da Econometric Society, 7, São Paulo, 1987. Anais... São Paulo, 1987, p 175-190. BRUM, A.L.; LUFT, A. Aspectos da Cadeia produtiva do milho e as relações comerciais nos estados do Rio Grande do Sul e Mato Grosso. Anais ANPECSUL, 2007. CONAB. Companhia Nacional de Abastecimento . Disponível em . Capturado em 16 de Abril, 2008. COSTA, L.S.: FONTANINI, C.A.C.: DUCLÓS, L.C.: CORSO, J.M. del Análise Econométrica ENDERS. W. Applied Econometric Time Series. 2nd ed. New Jersey: John Wiley Sons, 2004. 480p. GASQUES et al. Competitividade de grãos e de cadeias selecionadas do agribusiness. Brasília: Ipea, 1998. 161p. GIEMBINSKY ; R.; HOLLAND, M. Comportamento do Preço no Complexo Soja: uma Análise de Cointegração e de Causalidade.Anais da ANPEC, 2003. Capturado em 16 de janeiro de 2009 in http://www.anpec.org.br/encontro2003/artigos/E55.pdf

IBGE. Instituto Brasileiro de Geografia e Estatística/ Sistema SIDRA. Disponível em . Capturado em 18 de Abril, 2008. IPEADATA. Instituto de Pesquisa Econômica Aplicada. Disponível em . Capturado em 19 de Abril, 2008. LAZZARINI, S.G.; NUNES, R. “Competitividade do sistema agroindustrial da soja”, in FARINA,E. M. M. Q.; ZYLBERSZTAJN, D. (orgs.), Competitividade no Agribusiness Brasileiro, v.1, p.194-242, Pensa/FEA/USP: São Paulo, 1998.

MAPA. Ministério da Agricultura, Pecuária e Abastecimento.Cadeia Produtiva do Milho. (Coord) Luiz Antônio Pinazza. Brasília: IICA, MAPA/SPA, 2007(a). MAPA. Ministério da Agricultura, Pecuária e Abastecimento.Cadeia Produtiva da Soja. (Coord) Luiz Antônio Pinazza. Brasília: IICA, MAPA/SPA, 2007(b). MARGARIDO, M. Transmissão de preços agrícolas internacionais sobre preços agrícolas domésticos: o caso do Brasil. Piracicaba, 2000. 173p. Tese (Doutoramento).ESALQ, Universidade de São Paulo.. PONCIANO, N.J.; SOUZA, P.M. de;REZENDE, A.M. Entraves da Comercialização à competitividade do milho brasileiro. Revista Paranaense de Desenvolvimento. Curitiba, p.23-40, jan-jun.2003. SANCHES, Altevir Costa; MICHELLON, Ednaldo; ROESSING, Antônio Carlos. Os limites de Expansão da soja. In: III Encontro de Economia Paranaense - III ECOPAR, Londrina, PR. Anais do III Encontro de Economia Paranaense – ECOPAR, 2004. SILVA FILHO, O. C. ; FRASCAROLI, B.F; MAIA, S.F. Transmissão internacional de preços no mercado internacional de soja: uma abordagem pelos modelos ARMAX e VAR. Anais ANPEC, 2005.

SIMS, C. Macroeconomics and reality. Econometrica. Vol .48(1), pag 1-48, january, 1980. SOUSA, E.L.L.; AZEVEDO, P.F.; SAES, M.S.,. “Competitividade do sistema agroindustrial do milho”, in FARINA,E. M. M. Q.; ZYLBERSZTAJN, D. (orgs.), Competitividade no Agribusiness Brasileiro, v.2, p.273-432, Pensa/FEA/USP: São Paulo, 1998.