análise da integração do mercado brasileiro de etanol...a integração do mercado brasileiro de...
TRANSCRIPT
UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EM GESTÃO E TECNOLOGIA PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA
NATÁLIA SACCOMANI MANFRIM
Análise da integração do mercado brasileiro de
Etanol
Sorocaba - SP 2014
UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EM GESTÃO E TECNOLOGIA PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA
NATÁLIA SACCOMANI MANFRIM
Análise da integração do mercado brasileiro de
Etanol
Dissertação de Mestrado apresentada ao
Programa de Pós-Graduação em Economia da
Universidade Federal de São Carlos, como parte
dos requisitos para obtenção do título de mestre
em Economia.
Área de Concentração: Economia Aplicada.
Orientador: Prof. Dr. Danilo Rolim Dias de
Aguiar.
Sorocaba - SP
2014
RESUMO
Devido à importância do setor sucroenergético, à posição estratégica do Brasil
na produção de etanol e à maneira como se dá sua produção, esta pesquisa analisa
a integração do mercado brasileiro de etanol nos diferentes estados brasileiros a fim
de se fazer inferências sobre seu grau de eficiência. Para tal, analisa-se a integração
sobre os aspectos da extensão, do padrão e do grau, dado que a integração
espacial é um conceito amplo e deve ser tratado de maneira multidimensional.
Através da análise, conclui-se que o mercado central de etanol no Brasil é composto
por doze estados: São Paulo, Rio Grande do Sul, Pernambuco, Mato Grosso do Sul,
Goiás, Bahia, Santa Catarina, Rio de Janeiro, Minas Gerais, Mato Grosso, Ceará e
Alagoas, os quais possuem seus preços movendo-se de forma sincronizada ao
longo do tempo, sendo São Paulo o mercado central exógeno que determina o
comportamento de longo prazo dos preços de todos os demais estados. Conclui-se
ainda que os modelos que levam em consideração os efeitos dos custos de
transação representam melhor os ajustamentos dos preços do produto, mostrando
que há oportunidades de ganhos através da arbitragem espacial.
Palavras-chave: integração espacial; mercado; etanol; transmissão de preços.
ABSTRACT
The sugarcane industry is very important to Brazil and is distributed throughout the
country. Therefore, this research analyzes the integration of the Brazilian ethanol
market among different Brazilian states in order to identify their degree of efficiency.
In order to do that, there are analyzed the extension, the pattern and the degree of
market integration. The results show that the central market of ethanol in Brazil is
composed by twelve states: Sao Paulo, Rio Grande do Sul, Pernambuco, Mato
Grosso do Sul, Goias, Bahia, Santa Catarina, Rio de Janeiro, Minas Gerais, Mato
Grosso, Ceará and Alagoas, as they have their prices moving in parallel over time.
Sao Paulo is the exogenous central market that determines the long-term price
behavior of all other states. It is also verified that the models that include transaction
costs adjust better, what is an indication of the opportunities of gains through spatial
arbitrage.
Key words: spatial integration; market; ethanol; price transmission.
LISTA DE FIGURAS
Figura 1. Proporção de veículos flexfuel novos licenciados em relação ao total ........ 1
Figura 2. Principais estados produtores de etanol em 2013 ....................................... 3
Figura 3. Principais mercados consumidores de etanol em 2013 ............................... 3
Figura 4. Tributação brasileira do ICMS sobre o etanol .............................................. 5
Figura 5. Resíduos dos preços estaduais no período de 2001 a 2013 ..................... 35
Figura 6. Tendência do comportamento dos preços estaduais de 2001 a 2013 ....... 37
LISTA DE TABELAS
Tabela 1. Índice de autossuficiência para os estados brasileiros (2010-2013) ........ 28
Tabela 2. Comércio interestadual de etanol nos estados brasileiros (2010-2013) ... 30
Tabela 3. Resultado dos testes de seleção do número de defasagens a serem
incluídas nos modelos VEC, para as séries de preços do etanol durante o período de
2001 a 2013 .............................................................................................................. 34
Tabela 4. Teste de Johansen para identificação do número de relações de
cointegração entre os estados .................................................................................. 36
Tabela 5. Relações de equilíbrio entre os pares de mercado de 2001 a 2013 ......... 39
Tabela 6. Coeficientes de ajustamento do modelo VEC ........................................... 39
Tabela 7. Distância entre mercados (1) (Mercado Central: São Paulo) ..................... 41
Tabela 8. Modelo Auto-Regressivo Threshold (TAR), considerando São Paulo como
o mercado central ..................................................................................................... 42
SUMÁRIO 1- Introdução ............................................................................................................. 1
1.1- O mercado de etanol........................................................................................ 1
1.2- O problema e sua importância ......................................................................... 5
1.3- Hipóteses ......................................................................................................... 9
1.4- Objetivos .......................................................................................................... 9
2- Referencial Teórico ............................................................................................. 10
2.1- Integração espacial de mercados .................................................................. 10
2.2 - Características de mercados integrados: Extensão, Padrão e Grau ............ 13
3- Métodos e dados ................................................................................................. 18
3.1- Determinação da extensão do mercado ........................................................ 18
3.2- Determinação do padrão de integração dos mercados ................................. 21
3.3- Determinação do grau de integração dos mercados ..................................... 24
3.4- Dados e suas fontes ...................................................................................... 26
4- Resultados ........................................................................................................... 27
4.1- Extensão do mercado .................................................................................... 27
4.2 - Identificação do padrão de relacionamento entre os mercados .................... 38
4.3 - Determinação do grau de integração dos mercados .................................... 41
5- Resumo e Conclusões........................................................................................ 44
6- Referências Bibliográfica ................................................................................... 48
ANEXOS ................................................................................................................... 51
ANEXO I ................................................................................................................... 52
1
1- Introdução 1.1- O mercado de etanol
O setor sucroalcooleiro tem se destacado na matriz energética brasileira
ao longo de sua história mais recente, a partir do advento do Proálcool, nos
anos 1970. Este se tratava de um programa governamental que tinha como
objetivo a substituição em larga escala dos combustíveis veiculares derivados
de petróleo por etanol, o qual é utilizado como combustível (etanol hidratado) e
também como aditivo da gasolina (etanol anidro).
Além do Proálcool, o marco transformador deste mercado, que
impulsionou a demanda de etanol como combustível no país, foi o lançamento
dos veículos flexfuel em 2003, o que fez com que o etanol se tornasse,
efetivamente, concorrente direto da gasolina C. Estes veículos, que permitem
qualquer mistura de gasolina e etanol, representaram, em 2013, 84% do total
de automóveis novos licenciados no Brasil (Figura 1), e já ultrapassam os 50%
da frota total brasileira de veículos. Como resultado, as vendas de etanol
hidratado cresceram 16,1% a.a. desde 2003, passando de 3,2 milhões de m³
para mais de 10,7 milhões de m³ em 2011, sendo que, em 2009, chegou a
atingir 16,5 milhões de m³ (ANFAVEA, 2014).
Figura 1. Proporção de veículos flexfuel novos licenciados em relação ao total
Fonte: Elaboração própria com base nos dados do anuário da indústria automobilística publicados por ANFAVEA (2014).
flex
total
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
3% 21% 47% 74% 81% 83% 84% 82% 78% 83% 84%
2
Vieira et al (2007) destacam alguns fatores do potencial do setor
sucroenergético brasileiro. Segundo estes autores, o país tem mais de trinta
anos de experiência com programas de biocombustíveis, os quais são modelos
para vários outros países; é o maior produtor e consumidor do mundo; tem
maior capacidade de expansão da produção, já que possui terras disponíveis;
domina a tecnologia da produção, tanto na parte agrícola como na industrial; e
tem os custos de produção mais baixos do mundo, com grande parte do setor
industrial desta cadeia produtiva sendo considerado moderno, com grande
eficiência e baixo impacto ambiental.
Assim, o interesse no avanço e na consolidação desta indústria deve-se à
posição estratégica do Brasil como o maior produtor mundial de cana-de-
açúcar (matéria prima para o etanol) e também como maior produtor de etanol
a partir da cana. Além disso, o setor representa uma alternativa à dependência
exclusiva dos derivados do petróleo e gás natural, já que se trata de uma
indústria menos agressiva ao meio ambiente quando comparada com a
indústria petrolífera (UNICA – Etanol e Bioeletricidade, 2010).
O principal fator de escolha do consumidor entre o abastecimento dos
veículos flexfuel com etanol ou com gasolina se dá pelo diferencial entre os
preços dos dois combustíveis e a relação de desempenho entre os mesmos, o
que se torna uma característica fundamental do tamanho do mercado
consumidor interno brasileiro.
No tocante à distribuição espacial, a produção brasileira de etanol é
realizada principalmente nas regiões Sudeste, Centro-Oeste, Sul e Nordeste,
com destaque para os estados de São Paulo, Goiás, Minas Gerais, Mato
Grosso do Sul, Paraná, Mato Grosso e Alagoas (Figura 2).
3
Figura 2. Principais estados produtores de etanol em 2013
Fonte: Elaboração própria com base nos dados da ÚNICA, 2014.
Ademais, existem diferenças de custo de produção e de demanda entre
as regiões produtoras dentro do país, o que contribui para os diferenciais nos
preços entre os estados. Em relação ao consumo de etanol, os principais
mercados consumidores do combustível se encontram respectivamente nos
estados de São Paulo, Minas Gerais, Paraná, Goiás, Rio de Janeiro, Rio
Grande do Sul e Bahia (Figura 3), ou seja, estão localizados nos grandes
centros urbanos, sobretudo na região Centro-Sul do país.
Figura 3. Principais mercados consumidores de etanol em 2013
Fonte: Elaboração própria com base nos dados da ÚNICA, 2014.
Em termos de formação de preço, até o início dos anos 1990 o governo
definia os preços da cana-de-açúcar e de seus derivados, incluindo o etanol.
São Paulo 51%
Goiás 13%
Minas Gerais 9%
Mato Grosso do
Sul 8%
Paraná 6%
Mato Grosso 4%
Alagoas 2%
Outros 7%
São Paulo 41%
Minas Gerais 9%
Paraná 8%
Goiás 6%
Rio de Janeiro 6%
R.G do Sul 4%
Bahia 3%
Outros 23%
4
No entanto, a partir dos anos 1990, o mercado de etanol brasileiro ficou mais
competitivo, pois os preços passaram a ser formados por elementos de oferta e
demanda, através de um processo de desregulamentação do setor, e não mais
por decisões do governo.
Neste contexto de mercado livre, o Relatório Anual de revenda de
combustíveis da Fecombustíveis (2014) mostra que o ICMS (imposto sobre
operações relativas à circulação de mercadorias e sobre prestações de
serviços de transporte interestadual, intermunicipal e de comunicação) se torna
bastante relevante em termos de seu impacto sobre os custos de transação do
etanol.
O ICMS varia conforme o estado em que o combustível é produzido,
sendo separado em tarifas estaduais e interestaduais, impactando de maneira
direta o fluxo de comércio do etanol, afetando os custos de distribuição da
produção espalhados por vários estados brasileiros e também as demandas
regionais. Mais detalhadamente, a Figura 4 permite visualizar como se dá a
incidência desse imposto dentro de cada estado e também quando o produto é
comercializado de maneira interestadual, onde se tem taxas que variam de
12% a 30% do ICMS estadual e 7% a 12% do ICMS interestadual. Esta política
relativa ao ICMS, que acontece de maneira não uniforme, pode ocasionar
relações de preços muito mais fracas entre os estados, acarretando
ineficiências por elevar e distorcer os custos de distribuição em um país com
grande extensão territorial.
5
Figura 4. Tributação brasileira do ICMS sobre o etanol
Fonte: Elaboração própria com base nos dados do relatório da Fecombustíveis, 2014.
1.2- O problema e sua importância
A distribuição da produção espalhada por vários estados brasileiros e as
diferentes demandas regionais originam diferentes preços para diferentes
localidades e um fluxo de comércio entre os mercados espacialmente
separados.
A dimensão do país gera dificuldades, pois apesar de a produção ser
espalhada nos diversos estados do país, há uma concentração em algumas
regiões como se pode visualizar na Figura 2. Em um país com grande extensão
territorial e baixa qualidade da infraestrutura logística e de distribuição, além da
alta e desigual tributação do ICMS, a eficiência da distribuição do produto se
torna extremamente relevante, já que devido às circunstâncias analisadas, há
aumento nos custos do produto e dificuldades para arbitragem, provocando
problemas para a integração do mercado.
De maneira geral, o processo de integração espacial de mercados
6
regionais tem despertado o interesse de inúmeros pesquisadores e instituições
da área econômica, já que se tem que a forma de interação entre os diversos
mercados regionais é um dos principais fatores que promovem a equidade, a
eficiência e a competitividade desses mercados (PEREIRA, 2005).
Segundo Pereira (2005), a maior parte da literatura de integração espacial
entre mercados destaca, principalmente, a questão de os preços em diferentes
localidades serem ou não relacionados uns com os outros. Sendo assim, os
mercados serão espacialmente integrados quando os preços praticados em
cada um deles responderem, direta ou indiretamente, não apenas às ofertas e
demandas locais, mas também às ofertas e demandas de todos os outros
mercados.
A análise da integração de mercados espacialmente separados tem sido
amplamente aplicada ao contexto agrícola, com o propósito de verificar como
os preços das commodities são transmitidos de uma região para outra. De
acordo com Meyer (2004), a integração de mercados pode ser definida como o
grau de transmissão de preços entre mercados espacialmente separados. Por
isso, quanto maior o grau de integração do mercado, maior a transmissão de
preços, encorajando produtores a se especializarem de acordo com as
vantagens comparativas da região.
A maior integração dos mercados é também importante para o
crescimento econômico, já que a integração e a especialização podem
aumentar a renda dos produtores e, ao reduzir a variabilidade dos preços entre
mercados espacialmente separados, podem aumentar o bem-estar dos
consumidores (GONZÁLEZ-RIVERA E HELFAND, 2001).
7
Segundo Goletti e Christina-Tsigas (1995, apud PEREIRA, 2005), a
identificação de grupos de mercados integrados e o conhecimento da extensão
da transmissão de preços entre diferentes localidades podem auxiliar o
governo no delineamento de políticas, evitando a duplicação dos gastos
públicos e também aumentando a efetividade dessas políticas, devido ao
monitoramento do movimento dos preços. Argumenta-se que o conhecimento
do relacionamento entre os preços nos mercados vizinhos pode ser utilizado
também na previsão dos níveis de preços do país. Finalmente, tem-se que a
identificação dos fatores estruturais responsáveis pela integração de mercado
pode auxiliar no entendimento de qual infraestrutura de comercialização é mais
relevante para o desenvolvimento dos mercados agrícolas no país,
possibilitando maior eficiência das políticas de investimento em infraestrutura.
Os estudos que têm sido realizados sobre integração de mercados
agrícolas têm se baseado no exame de três conceitos: a extensão, o padrão e
o grau de integração. De forma resumida, a extensão do mercado é o tamanho
efetivo em que há a realização do comércio de determinado produto; o padrão
determina como as informações do preço do produto são transmitidas entre as
localidades que participam do seu comércio; e o grau de integração consiste
em quão fortemente os mercados são integrados.
Embora a questão da integração de mercados seja relevante, apenas
recentemente têm surgido alguns trabalhos sobre a integração do mercado de
etanol no Brasil, sendo que a maioria dos estudos realizados1 se preocupou
com as regras de formação de preços do etanol e suas correlações e relações
de causalidade com diversas outras variáveis do setor sucroalcooleiro e do
1 Ver GAMARRA (2009); RODRIGUES (2009); CAMPOS (2010); DIEHL e BACCHI (2013);
ROSA (2013); etc.
8
setor petrolífero.
Especificamente sobre a integração do mercado de etanol, poucos
trabalhos foram feitos. Amaral e Alves (2013) estudaram a integração espacial
do mercado de etanol entre os estados de São Paulo e Alagoas a partir do
referencial teórico sobre Integração de Mercado e Lei do Preço Único,
utilizando a metodologia de séries temporais. Utilizando a mesma metodologia,
Luzardo e Lima (2011) estudaram a transmissão de preços entre os mercados
de etanol no Nordeste do Brasil, enquanto Alves e Lima (2010) analisaram a
integração espacial dos mercados de etanol no Brasil, considerando a
presença de custos de transação baseados na Lei do Preço Único,
comparando as regiões de Alagoas, Araçatuba (SP), Ribeirão Preto (SP),
Paulínia (SP) e Maringá (PR). Ou seja, nenhum desses estudos analisou a
integração entre todos os estados produtores de etanol.
Mais recentemente, Moraes (2014) estudou a integração espacial do
mercado brasileiro de etanol de oito estados pré-estabelecidos: Paraná, São
Paulo, Minas Gerais, Goiás, Mato Grosso, Mato Grosso do Sul, Alagoas e
Pernambuco, utilizando o modelo de cointegração de Johansen, através da
hipótese de que os preços desses mercados podem ser integrados, mesmo
que não perfeitamente, dada a existência de arbitragem. No entanto, esse
autor não utilizou os três conceitos de integração (extensão, padrão e grau) e
tampouco testou a integração de todos os estados do país.
Nota-se, portanto, a carência de estudos que examinam a integração do
mercado brasileiro de etanol, considerando todos os estados produtores e
testando a integração sob suas três dimensões; extensão, padrão e grau. Um
estudo desta natureza permitiria constatar se os preços em diferentes
9
localidades estão ou não relacionados, embasando, por meio da identificação
de grupos de mercados integrados e do conhecimento da extensão da
transmissão de preços entre diferentes localidades, o delineamento de políticas
que aumentem a eficiência do setor.
1.3- Hipóteses
A pesquisa testa a hipótese de que o mercado de etanol brasileiro se
estende por todo o território nacional seguindo um padrão de integração
espacial de preços, ou seja, que o mercado brasileiro de etanol é integrado.
1.4- Objetivos
Desta forma, o objetivo do trabalho é analisar a integração entre os
mercados de etanol dos diferentes estados brasileiros a fim de se fazer
inferências sobre seu grau de eficiência.
Especificamente, pretende-se:
a) Identificar se existe integração espacial dos preços do etanol.
b) Determinar a maneira como se dá a integração do mercado de etanol no
Brasil;
c) Verificar a eficiência e o grau de integração do mercado em questão.
10
2- Referencial Teórico 2.1- Integração espacial de mercados
Conforme definido no item anterior, a integração de mercados
corresponde ao grau com que os preços de localidades distintas se relacionam
ao longo do tempo. Para que a integração espacial de mercados ocorra,
segundo Amaral e Alves (2013), é necessário que as regiões participem de um
sistema de comércio que envolva troca de mercadorias e de informações. Para
que apresentem alto grau de integração, não é preciso que duas regiões
tenham comércio direto; apenas é necessário que exista uma ligação
comercial, mesmo que indireta, entre elas.
Os choques nos preços podem ser transmitidos, indiretamente, por
meio desta rede de comércio, através das ligações existentes entre as regiões.
Sendo assim, para que um mercado seja integrado é necessário que o
conjunto de localidades comercialize o mesmo produto e possua a mesma
tendência de comportamento ao longo do tempo. Por exemplo, duas regiões A
e B, que fornecem produto para uma região C, podem ser altamente
integradas; é a ligação comercial com C que faria com que A e B fossem
integradas.
A integração de mercados é um conceito multidimensional que não
envolve apenas relações de preços, mas também elementos que caracterizam
os elos dos mercados. A integração de preços é apenas uma das várias
condições necessárias para integração de mercados. Em mercados
competitivos, a integração de preços é resultado do processo de arbitragem
(PEREIRA, 2005).
11
A arbitragem consiste no processo de comprar uma mercadoria em um
local, tempo ou forma em que ela é mais barata e vendê-la onde ela é mais
cara, após os custos de transação serem compensados. O processo de
arbitragem espacial garante que os preços de um produto homogêneo, em dois
locais, sejam diferentes, no máximo, pelo custo de transportar a mercadoria do
local de preço mais baixo para o local de preço mais alto.
De acordo com Alves e Lima (2010), diferenças nos preços podem
existir devido à presença de alguns fatores, como é o caso dos custos de
transação, desencorajando os agentes a praticarem a arbitragem, pois afetam
o fluxo de bens e informação entre as regiões. No caso de mercados agrícolas,
esses custos são quase sempre elevados, pois geralmente são produtos com
grandes volumes, perecíveis e com áreas de produção e de consumo
localizadas em regiões diferentes.
Caso não haja comércio entre duas regiões, cada uma delas terá um
preço determinado por suas respectivas curvas de demanda e oferta. Com a
introdução do comércio entre mercados espacialmente separados, o fator
determinante das relações entre os preços passa a ser o custo de transação,
ou seja, o custo de transferir o produto entre as regiões.
Mattos (2008) ressalta que na literatura sobre integração de mercados
não há uma terminologia uniforme para se referir aos custos de transacionar
determinada mercadoria entre diferentes regiões. Alguns trabalhos utilizam
termos como custo de transferência e custo de transporte, no entanto, aqui
serão considerados os custos de transação, pois estes abrangem os custos de
transferência, de transporte e de oportunidade, de acordo com González-
Rivera e Helfand (2001).
12
Como as decisões de compra e venda feitas pelos agentes são
baseadas no diferencial de preços entre mercados e no custo real com que se
defrontam, este diferencial de preços tem de ser positivo e suficiente para
garantir o lucro do arbitrador (MALTSOGLOU E TANYERI-ABUR, 2005).
Desta forma, as oportunidades de arbitragem só ocorrem quando as
diferenças nos preços são consideráveis e o lucro potencial excede os custos
de transação. Assim, custos de transação elevados, dentre outras imperfeições
de mercado, frequentemente causam fraca transmissão de preços entre
mercados espacialmente separados e desvios da Lei do Preço Único (LPU).
Esta lei garante que quando se retiram os custos de transação, se os
mercados estiverem ligados por comércio e por arbitragem estas regiões terão
um preço único para o produto homogêneo, o que expressa uma relação de
equilíbrio de longo prazo entre os preços de mercados distintos.
Estes processos ocasionam o aumento de preço nas regiões de preços
menores (onde se está comprando) e a redução nas regiões de preços maiores
(onde se está vendendo), o qual se extinguirá somente quando o diferencial de
preços for exatamente igual ao custo de transação entre as regiões.
Na literatura sobre custos de transação e integração de mercados2, a
relação preestabelecida é de que quanto menor for o custo de transação, mais
integrados serão os mercados espacialmente separados. Além do fator dos
custos de transação, a literatura também considera a velocidade de
ajustamento do preço, ou seja, a velocidade com que os preços se ajustam a
eventuais desequilíbrios (MATTOS, 2008), já que o acesso dos agentes
econômicos às informações provavelmente influencia a velocidade de
2 Gonzáles-Rivera e Helfand (2001), Campenhout (2007), Alves (2009).
13
ajustamento ao equilíbrio de longo prazo e, desse modo, uma maior velocidade
de ajustamento do preço implica mercados mais integrados. De acordo com
Mattos (2008), ajustamentos mais lentos devem estar associados à presença
de maiores custos no processo.
Resumindo, para que um mercado seja integrado é necessário que o
processo de arbitragem seja possível devido aos custos de transações serem
baixos (ou por interferência do governo) e também devido à inexistência de
barreiras no comércio e informação de mercado. Além disso, é necessário que
o mercado seja competitivo.
2.2 - Características de mercados integrados: Extensão, Padrão e Grau
De acordo com González-Rivera e Helfand (2001), pelo fato de a
integração espacial ser um conceito amplo, este deve ser tratado de maneira
multidimensional, ou seja, devem ser considerados vários aspectos entre os
mercados diferentes e, desta forma, a integração pode ser analisada sob os
aspectos da extensão, do padrão e do grau.
A extensão do mercado se trata da dimensão e das fronteiras
geográficas do mercado integrado, ou seja, esta definição se baseia na própria
definição de integração de mercado onde se tem o fluxo de bens e informações
no tempo e no espaço. Desta forma, as localidades devem ser conectadas,
direta ou indiretamente, por comércio e informações de longo prazo, o que não
implica que todas as localidades processem, simultaneamente, as informações.
Para isso precisa-se identificar o conjunto de localidades que é conectado,
direta ou indiretamente, por comércio contínuo e determinar os estados que
14
compartilham um fator de integração comum.
Segundo González-Rivera e Helfand (2001), um mercado com n
localidades geograficamente distintas será considerado integrado se as duas
condições a seguir forem satisfeitas: 1) deve existir fluxo físico de bens que
conecte todas as n localidades, seja direta ou indiretamente; 2) as n
localidades devem ter um correspondente vetor de preços , que
pode ser decomposto em
, em que é o fator
de integração que caracteriza o componente permanente (longo prazo) do
preço
, o componente transitório (curto prazo) para cada localidade.
O padrão de integração dos mercados regionais é caracterizado pelas
diferentes relações de interdependência das diferentes localidades do
mercado. A ideia básica consiste em determinar como a informação contida
nos preços é transmitida entre as regiões e identificar as localidades que mais
contribuem para as variações nos preços, além disso, consiste também em
identificar se há extrema interdependência das localidades e em verificar a
existência de uma localidade central exógena que determina o comportamento
de longo prazo das outras localidades.
O grau de integração de mercado consiste em saber o quanto os
mercados são integrados, ou seja, em saber como os choques originados em
uma região são transmitidos às outras e com qual intensidade, possibilitando o
conhecimento de quais regiões são mais ou menos integradas. Sendo assim,
essa definição diz respeito ao tempo de reação para que a relação de longo
prazo consiga absorver um choque em todo o sistema. Pela análise conjunta
do impacto desses choques é possível elaborar uma ordenação consistente
dos mercados, com base nos tempos de reação destes.
15
Ainda em relação ao grau de integração, seus determinantes são
importantes para o estudo da integração. Portanto, devem-se levar em
consideração os vários fatores que podem afetar a integração espacial de
determinado mercado, os quais afetam os custos de transações, que, por sua
vez, afetam o fluxo de bens e informações entre as localidades. Pressupõe-se
que, quanto menores forem os custos de transação, maior será o grau de
integração entre os mercados, e assim, considera-se que mesmo que uma
região seja integrada ao resto do mercado, o fato de ser mais caro transferir ou
receber bens e informações de outras localidades faz com que os ajustamentos
aos choques de oferta e demanda levem mais tempo para ser absorvidos.
De acordo com Pereira (2005), a quantidade produzida e consumida de
determinado produto numa localidade afeta o fluxo de comercialização desta
com outras localidades, o que, por sua vez, influencia o grau de integração
entre estas. Desta forma, espera-se que um grande volume de comércio inter-
regional aumente o grau de interação desses mercados, uma vez que
possibilita a redução nos custos de transação, pois, quanto maior o volume
transportado de uma vez só, menores são os custos logísticos.
Além disso, políticas públicas também podem influenciar o grau de
integração dos mercados espacialmente separados já que estas são capazes
de aumentar o fluxo de bens e informações entre os mercados de diversas
maneiras.
Alguns trabalhos utilizaram este método para o estudo da integração
espacial do mercado aplicado a diferentes setores da economia, sendo, a título
de exemplo, os principais destes descritos na sequência.
Nogueira (2005) estudou a integração dos mercados internos e externos
16
de café através do método da extensão, do padrão e do grau de integração,
utilizando a teoria da cointegração (teste de Raiz Unitária, teste de Johansen,
VEC e a metodologia de GONZALO e GRANGER, 1995) na análise da
extensão e do padrão do mercado brasileiro de café, e empregou a
metodologia de PESARAN e SHIN (1996) para analisar o grau de integração.
Chegou à conclusão de que a extensão da integração do mercado brasileiro de
café é dada por oito estados, de tal forma que essas localidades compartilham
a mesma informação, no longo prazo. Além disso, os coeficientes de
ajustamento do modelo VEC (alfas) tiveram todos os resultados negativos, com
valores entre -0,2743 a -0,1222, o que levou a se constatar que não havia um
padrão para a integração de café, ou seja, que não há um estado dominante no
comércio deste produto; nem mesmo Minas Gerais, o maior produtor de café
do país. Concluiu também que o grau de integração entre o mercado interno e
externo do café é maior do que o grau de integração entre o mercado brasileiro
interno.
Pereira (2005) analisou a integração dos mercados brasileiros de boi
gordo nos diferentes estados brasileiros, considerando aspectos relacionados
com a delimitação espacial dos mercados, forma de relacionamento entre estes
e a determinação dos que são mais ou menos integrados, ou seja,
considerando a extensão, o padrão e o grau de integração do mercado. A
metodologia utilizada na delimitação da extensão do mercado consistiu em
verificar o comportamento de indicadores construídos para captar o
comportamento do potencial de comercialização entre as localidades, e a
aplicação do Procedimento de Johansen, e em identificar o conjunto de
localidades que possuem o mesmo fluxo de informações ao longo do tempo. O
17
Modelo de Correção de Erros Vetorial (VEC) foi empregado na análise do
relacionamento entre as localidades integradas e o grau de integração entre as
localidades foi definido pelo tempo requerido para que cada localidade se
ajustasse a choques através do cálculo dos Perfis de Persistência medianos,
que, por sua vez, foram utilizados, como variáveis dependentes, na análise dos
determinantes da intensidade da integração. Verificou-se que os estados do
Mato Grosso, Mato Grosso do Sul, Goiás, Rio Grande do Sul, Paraná, São
Paulo, Minas Gerais, Espírito Santo, Bahia e Rondônia mostraram-se
integrados ao longo do período analisado. Em relação ao padrão de
relacionamento estabelecido entre as localidades integradas, os resultados dos
alfas foram em sua maioria valores negativos ou valores muito baixos e
observou-se que, embora não existisse localidade dominante no
comportamento do mercado, também não havia interação perfeita entre todos
os estados. Constatou-se que a maior velocidade de ajustamento ocorreu entre
São Paulo e Mato Grosso do Sul, estados que reagiram ao maior número de
desequilíbrios transitórios nas relações de equilíbrio de longo prazo, e que os
vetores de cointegração não estiveram relacionados com a forma de inserção
dos estados no mercado. Essas análises reafirmam a necessidade de um
tratamento multidimensional entre as variáveis, ao contrário da tradicional
análise bivariada utilizada em análises de integração entre localidades
distintas. Pela análise do grau de integração entre as localidades, verificou-se
que Goiás, Mato Grosso do Sul, Minas Gerais e Paraná ajustaram-se mais
rapidamente a desequilíbrios no sistema e apresentaram maior grau de
integração com o mercado.
18
3- Métodos e dados
3.1- Determinação da extensão do mercado
Como mencionado anteriormente, uma das características da integração
de mercado se dá pela sua extensão, que requer a determinação de quais são
as regiões interligadas pelo comércio de etanol, a fim de mostrar a dimensão e
as fronteiras geográficas do mercado integrado.
Com base no trabalho de Pereira (2005), para representar esta
característica são utilizados o nível de consumo anual e o nível de produção de
cada estado brasileiro, o que permite calcular o índice de autossuficiência
(IAS), representado da seguinte forma:
(1)
Por meio deste índice, pode-se identificar as localidades que tiveram uma
inversão de comércio, ou seja, exportadores que se tornaram importadores e
vice-versa. Além disso, permite a identificação de estados que estão próximos
à autossuficiência e, portanto, que são candidatos à descontinuação do
comércio nos próximos anos.
Valores do índice IAS superiores a um, indicam que essas regiões são
exportadoras de etanol. Alternativamente, no caso de valores inferiores a um,
interpreta-se que os estados são importadores de etanol. Valores próximos a
um significam que o estado está próximo da autossuficiência.
A fim de representar o potencial de comercialização de um estado,
estima-se o indicador de comércio da seguinte forma:
19
(2)
Quando este índice possui valores negativos, significa que o estado não
possui produção suficiente para atender o consumo da população interna e,
portanto, necessita realizar importações de etanol. Quando o índice possui
valores positivos, o estado tem produção excedente ao consumo da população
interna e, portanto, exporta para outras localidades. Tanto valores negativos,
quanto valores positivos indicam que o estado possui potencial para a
realização de comércio e quanto maiores são os valores absolutos desse
índice, maior é a propensão à realização de comércio por parte dessas regiões.
Desta maneira, é possível determinar quais são as localidades que
comercializam etanol e excluir as que não possuem ligações comerciais,
determinando assim a extensão do mercado desta commodity.
Ainda para a determinação da extensão do mercado, é preciso
identificar os estados que compartilham um fator de integração comum.
González-Rivera e Helfand (2001) ressaltam a importância e as implicações da
busca de um único fator integrador comum entre as séries de preços de
diferentes localidades. A procura por apenas um fator integrador comum entre
as séries de preços é equivalente à busca de k-1 vetores de cointegração. A
busca pelo maior conjunto de localidades que compartilhem k-1 vetores de
cointegração deve ser conduzida pelo procedimento de Johansen (1991), que
se baseia na seguinte versão reparametrizada de um vetor de correção de
erros (VEC), com n defasagens:
20
(3)
em que é um vetor (kx1) de variáveis estocásticas; , um vetor (kx1) de
erros identicamente e independentemente distribuídos, iid; e , uma matriz
(kxk) de posto r < k, definida por . As matrizes são de ordem (k x
r), sendo r o posto da matriz , que é igual ao número de vetores de
cointegração linearmente independentes. O número de relações (vetores) de
cointegração, r, é igual ao de raízes características, , estatisticamente
diferentes de zero.
Johansen (1991) propôs dois testes de razão de verossimilhança para
identificar o número de vetores de cointegração: o teste do traço ( trace) e o do
máximo autovalor ( max). O primeiro testa a hipótese de que há, no máximo, r
vetores de cointegração, enquanto o segundo testa a hipótese de que há r
vetores de cointegração contra a hipótese de que há r+1 vetores.
O teste do traço ( trace) utiliza a seguinte estatística:
∑ (4)
O teste do máximo autovalor ( max) utiliza a seguinte expressão:
(5)
As distribuições assintóticas dessas estatísticas são dadas de acordo com
a especificação do modelo VAR utilizado.
Ainda de acordo com o teste de Johansen (1991), o número de vetores de
21
cointegração, r, pode admitir os seguintes valores:
I. r = 0, se não há nenhuma relação de cointegração entre as séries
analisadas;
II. r = k, sendo k igual ao número de séries analisadas, se todas as
séries analisadas são estacionárias, ou seja, I(0), se não há
necessidade de pensar em cointegração e na determinação de
relações de equilíbrio de longo prazo entre elas;
III. 0 < r < k, se existem r combinações lineares entre as séries
estacionárias, ou seja, há r relações de cointegração entre as
séries.
Segundo González-Rivera e Helfand (2001), a existência de k-1 vetores
de cointegração garante que os vetores possam ser normalizados, de forma
que todas as localidades sejam pares cointegrados. Para determinar as
localidades que pertencem ao mesmo mercado, é necessário iniciar com o
conjunto máximo de localidades, k, e testar a existência de k-1 vetores de
cointegração.
3.2- Determinação do padrão de integração dos mercados
De acordo com Pereira (2005), o padrão de interdependência dos estados
brasileiros é revelado pela análise das estimativas e pelos testes de hipóteses
relacionados com parâmetros do vetor de correção de erros (VEC) já
representado na expressão (3).
A especificação do VEC apresentada na expressão (3) contém
informações sobre os ajustamentos de curto e de longo prazo para mudanças
22
em Pt, obtidas por meio de estimativas de i e de , respectivamente
(GONZÁLEZ-RIVERA E HELFAND, 2001).
Assim, a matriz , definida como , contém informações sobre as
relações de longo prazo entre as séries. A matriz fornece informações sobre
a velocidade do ajustamento a dado desequilíbrio, sendo conhecida como
matriz de coeficientes de ajustamento, enquanto a matriz , chamada matriz de
cointegração, caracteriza as relações que devem ser asseguradas entre as
variáveis, quando no equilíbrio de longo prazo. Os elementos de podem ser
considerados como a importância relativa com que o nível de cada variável
cointegrada faz o sistema convergir, após um desequilíbrio, em direção ao
padrão de equilíbrio de longo prazo.
Segundo González-Rivera e Helfand (2001), a matriz contém as
informações necessárias para descobrir a estrutura espacial do mercado. A
estimação dos elementos da matriz e a análise da significância estatística
destes visam identificar diferentes padrões de comportamento dentro de um
VEC.
A magnitude dos elementos da matriz fornece informações sobre
velocidade de ajuste da respectiva variável a ele associada em direção ao
equilíbrio de longo prazo. Um pequeno valor de indica que, em face de uma
situação de desequilíbrio transitório, a respectiva variável-preço ajusta-se,
lentamente, para retornar ao padrão de equilíbrio de longo prazo, enquanto que
um coeficiente elevado, ao contrário, indica que este ajuste se produz
rapidamente. Caso se constate que todos os elementos da matriz são
estatisticamente significativos, tem-se um sistema em que cada localidade
reage a todo desequilíbrio de todas as outras localidades. Essa situação
23
demonstra um padrão de comportamento em que há extrema interdependência
dos estados.
Como realizado no trabalho de Pereira (2005), outro padrão a ser testado
é a existência de um estado central exógeno i, que domina o comportamento
de longo prazo de todos os outros estados. De acordo com Gonzaléz-Rivera e
Helfand (2000), a região central exógena domina o comportamento de longo
prazo do sistema, ou seja, é o fator de integração comum do sistema que
geralmente se dá pela região com maior produção e consumo do produto do
mercado que está sendo analisado. Nesse caso, tem-se que, na equação do
VEC para a localidade i, todos os , seriam
estatisticamente nulos. Esse é um teste de exogeneidade fraca com as
seguintes hipóteses nula e alternativa, respectivamente:
:
As hipóteses são testadas por meio da estatística razão de
verossimilhança (LR), definida por:
[ ] (6)
em que refere-se ao logaritmo natural do valor da função de
verossimilhança irrestrita, e ao logaritmo natural da função de
verossimilhança, que obedece às restrições impostas pela hipótese nula.
Os valores da estatística LR são comparados com os valores críticos da
distribuição de qui-quadrado ( ) com m graus de liberdade, em que m se
24
refere ao número de restrições impostas na hipótese nula.
Se o valor obtido para LR for superior ao valor , rejeita-se a hipótese
nula, considerando-se que a região i não domina o comportamento dos preços
nos outros estados. Já a aceitação da hipótese nula sugere a existência de
localidades exógenas que por si mesmas seriam o fator integrador do sistema.
3.3- Determinação do grau de integração dos mercados
Os modelos de auto-regressão vetorial (VAR) permitem calcular as
elasticidades de impulso como medida da resposta dinâmica das variáveis
envolvidas no modelo a um choque de um desvio-padrão nas demais. As
elasticidades de impulsos, calculadas a partir dos modelos VAR, têm sido
bastante utilizadas, com o objetivo de representar o grau de integração de
mercados. No entanto, essa utilização tem sido bastante criticada.
Como alternativa, a definição do grau de integração dos mercados pode
ser baseada na metodologia de modelos com threshold (TAR). Trabalhos
recentes sobre integração de mercados3 têm levado em consideração os
custos de transação utilizando modelos de cointegração com threshold, pois
estes modelos possuem a vantagem de que os thresholds estimados
representam os custos de transação entre as regiões e, portanto, são
consistentes com a expectativa de que quanto maior a distância entre os
mercados, maiores são os thresholds.
No contexto de mercados integrados, o modelo TAR descreve o
ajustamento de diferenciais de preço entre dois mercados no tempo. Sendo
3 Meyer (2004), Mattos (2008), Mattos et. al (2009), Alves e Lima (2010).
25
que este processo de ajustamento pode sofrer mudança caso o diferencial de
preços esteja abaixo ou acima do threshold. Assim, os efeitos threshold em
séries não-estacionárias de preços pressupõem que exista uma relação não-
linear de equilíbrio de longo prazo entre os preços (AMARAL e ALVES, 2013).
Além de considerar o custo de transação na análise, nos modelos TAR
pode-se também analisar a velocidade de ajustamento aos desvios das
condições de equilíbrio analisando o cálculo da meia-vida (MATTOS, 2008). Os
ajustamentos mais rápidos são esperados para o modelo TAR, pois este
diferencia choques que estão acima e abaixo de certo limite (threshold). Dessa
forma, quando o diferencial de preços (ou o desvio da relação de equilíbrio)
supera os custos de transação, há oportunidade de ganhos no mercado
através da arbitragem espacial. No entanto, quando os choques são inferiores
ao threshold, não há oportunidades lucrativas de arbitragem e assim, o
ajustamento de preços deve ser mais lento, ou pode não ocorrer.
Conforme Enders (2004), uma especificação geral do modelo TAR pode
ser descrita como na equação (7), onde os regimes são separados por um
processo Seja o comportamento da sequência , pelo modelo TAR com
dois regimes:
{
} (7)
Em que: θ é o parâmetro que representa o threshold e descreve regimes
alternativos; os coeficientes “a” representam o grau de persistência auto-
regressivo para cada regime; e são os termos de erro; é a variável
26
de threshold; e d é o parâmetro de defasagem (delay parameter) no
ajustamento de .
Se o threshold é conhecido, a estimação do modelo TAR dada por (7) é
relativamente simples, através do método dos Mínimos Quadrados Ordinários
(MQO). No entanto, frequentemente o valor do threshold não é conhecido,
como é o caso desta pesquisa. De acordo com Enders (2004), se o threshold
(θ) é significativo, este deve estar entre os valores mínimos e máximos das
séries de preço.
Conforme a teoria sobre integração de mercado, a distância entre os
mercados é um fator importante a ser considerado, pois, segundo González-
Rivera e Helfand (2001), os determinantes da integração dos mercados
incluem: distância entre as regiões, infra-estrutura, produção e custos de
transação. Além disso, os custos de transação tendem a aumentar com a
distância entre as regiões e o tempo requerido para transferir bens e
informações.
3.4- Dados e suas fontes
Para medir a integração do mercado brasileiro de Etanol são utilizadas as
séries de preços mensais ao consumidor final e de distribuição, entre 2001 e
2013, disponibilizadas pelo site da ANP – Agência Nacional de Petróleo, Gás e
Biocombustíveis, praticados por postos revendedores de combustíveis
automotivos localizados em todos os estados do Brasil.
Além disso, para representar os elementos que caracterizam os elos do
mercado são utilizados os dados da distância entre essas regiões, os dados de
produção de etanol de cada estado e do comércio de etanol definido pelo
27
diferencial entre a produção e o consumo deste produto em relação à produção
nacional, disponibilizados pelo site da UNICA – União da Indústria de Cana-de-
Açúcar.
4- Resultados4
4.1 - Extensão do mercado
Considerando os estados brasileiros como os potenciais mercados de
etanol existentes no país, são estimados os indicadores explicitados na seção
3.1 (IAS e comércio) a fim de se identificar a extensão do mercado brasileiro de
etanol. Ou seja, identificar quais estados importam ou exportam o produto
(comercializam etanol) e, consequentemente, fazem parte do mesmo mercado
no período analisado. As Tabelas 1 e 2 trazem os resultados destes índices
para os anos de 2010 a 2013.
4 Todas as análises econométricas foram realizadas utilizando o software Eviews 7.
28
Tabela 1. Índice de autossuficiência para os estados brasileiros (2010-2013)
Fonte: Elaboração própria com base nos dados da ÚNICA, 2014.
Lembrando que valores de IAS acima de um ou índices de comércio
maiores que zero indicam estados que produzem mais do que consomem, a
análise começa com o IAS.
Pode-se perceber (Tabela 1) que os maiores produtores de etanol são
também os estados que exportam o combustível. Dentre eles estão os estados
de São Paulo, Goiás, Minas Gerais, Mato Grosso do Sul, Mato Grosso e
Alagoas, com exceção do Paraná que se mostra como exportador do produto
somente em 2011. É de se destacar também a situação do estado do
Estado 2010 2011 2012 2013
Acre - 0,03 0,10 0,11
Alagoas 4,66 5,74 5,99 4,22
Amapá - - - -
Amazonas 0,03 0,04 0,04 0,02
Bahia 0,15 0,20 0,21 0,22
Ceará 0,03 0,01 0,03 0,01
Espírito Santo 1,00 0,83 1,06 0,72
Goiás 1,98 2,89 2,74 2,60
Maranhão 0,79 0,99 1,02 0,75
Mato Grosso 1,62 1,89 1,72 1,56
Mato Grosso do Sul 4,58 7,83 7,43 6,65
Minas Gerais 1,31 1,66 1,47 1,11
Pará 0,18 0,11 0,18 0,12
Paraíba 2,02 1,67 2,20 1,53
Paraná 1,05 1,17 1,02 0,80
Pernambuco 0,76 0,86 0,85 0,58
Piauí 0,40 0,34 0,35 0,24
Rio de Janeiro 0,10 0,06 0,08 0,03
Rio Grande do Norte 0,70 0,49 0,67 0,38
Rio Grande do Sul 0,00 0,01 0,01 0,00
Rondônia 0,08 0,11 0,13 0,08
Roraima - - - -
Santa Catarina - - - -
São Paulo 1,47 1,76 1,47 1,42
Sergipe 0,76 1,07 1,49 1,04
Tocantins 0,02 0,17 1,27 1,45
Anos
29
Tocantins, que inicialmente possui um IAS bem baixo, se mostrando
importador, e a partir do ano de 2012 passa a ser um exportador de etanol, ou
seja, apresenta inversão de comércio. A Paraíba também é um estado que
exporta este combustível, pois apesar de não estar entre os grandes
produtores, possui um mercado consumidor pequeno.
Os estados que apresentam em algum momento o índice próximo a um,
demonstrando alguma autossuficiência durante o período, são os estados que
geralmente apresentam uma inversão de comércio, ou seja, exportadores que
se tornaram importadores e vice-versa. Estes estados são: Espírito Santo, o
qual aparece como autossuficiente em 2010 e 2012 e como importador em
2011 e 2013; Maranhão, que inicialmente é um estado importador de etanol, se
mantém autossuficiente em 2011 e 2012, voltando a ser importador em 2013;
Paraná, que se mostra autossuficiente em 2010 e 2012, exportador em 2011 e
importador em 2013; e, finalmente, Sergipe, que inicialmente importa etanol,
atinge a autossuficiência em 2011 e 2013 e em 2012 se torna exportador do
biocombustível.
As demais regiões, correspondentes à maior parte dos estados
brasileiros, são importadoras de etanol, incluindo estados que se encontram
entre os maiores mercados consumidores deste combustível, como Rio de
Janeiro, Rio Grande do Sul e Bahia. Portanto, a maior parte dos estados
depende da compra do produto de outras regiões do país.
Analisando os resultados dos índices de comércio (Tabela 2), nota-se que
os estados que possuem necessidade de importação de etanol, ou seja, que
possuem valores de índice de comércio negativos e, portanto, não possuem
produção suficiente para atender ao consumo da população interna, são a
30
maioria, confirmando o resultado do índice anteriormente calculado.
Tabela 2. Comércio interestadual de etanol nos estados brasileiros (2010-2013)
Fonte: Elaboração própria com base nos dados da ÚNICA, 2014.
É importante notar que em geral os índices de autossuficiência e de
comércio trazem as mesmas informações. Se o IAS for maior que um, o índice
de comércio será maior que zero, e ambos indicadores estarão mostrando que
o estado é exportador. Se o IAS for menor que um, mas maior que zero, o
índice de comércio será negativo; mais uma vez, ambos indicadores estarão
mostrando a mesma coisa, que o estado é importador líquido. A diferença entre
eles vai aparecer se o IAS for igual à zero; isto pode representar um estado
Estado 2010 2011 2012 2013
Acre 0,00 0,00 0,00 0,00
Alagoas 0,02 0,03 0,02 0,02
Amapá 0,00 0,00 0,00 0,00
Amazonas -0,01 -0,01 -0,01 -0,01
Bahia -0,02 -0,02 -0,02 -0,02
Ceará -0,01 -0,01 -0,01 -0,01
Espírito Santo 0,00 0,00 0,00 0,00
Goiás 0,04 0,08 0,07 0,07
Maranhão 0,00 0,00 0,00 0,00
Mato Grosso 0,01 0,02 0,02 0,01
Mato Grosso do Sul 0,04 0,07 0,06 0,06
Minas Gerais 0,02 0,04 0,03 0,01
Pará -0,01 -0,01 -0,01 -0,01
Paraíba 0,01 0,01 0,01 0,00
Paraná 0,00 0,01 0,00 -0,01
Pernambuco 0,00 0,00 0,00 -0,01
Piauí 0,00 0,00 0,00 0,00
Rio de Janeiro -0,04 -0,04 -0,04 -0,04
Rio Grande do Norte 0,00 0,00 0,00 0,00
Rio Grande do Sul -0,03 -0,04 -0,03 -0,03
Rondônia 0,00 0,00 0,00 0,00
Roraima 0,00 0,00 0,00 0,00
Santa Catarina -0,03 -0,03 -0,02 -0,02
São Paulo 0,17 0,29 0,16 0,13
Sergipe 0,00 0,00 0,00 0,00
Tocantins 0,00 0,00 0,00 0,00
Anos
31
que não produz e não consome, com índice de comércio também igual a zero,
ou um estado que não produz, mas é consumidor, o que daria um índice de
comércio negativo.
Vale ressaltar que, no entanto, o mais importante a respeito do índice de
comércio é que tanto valores negativos quanto valores positivos indicam que o
estado possui potencial para a realização de comércio, e quanto maiores são
os valores absolutos desse índice, maior é a propensão à realização de
comércio por parte dessas regiões.
As estimativas do fluxo de comércio possibilitam a exclusão das
localidades que apresentam inversões ou descontinuidades comerciais. Essas
exclusões são justificadas pelo fato de essas situações requererem que as
análises sejam realizadas com base nos modelos do tipo switching regime
(modelos de mudança de regime). Esses modelos estimam de maneira fácil e
inteligente a variância condicional não observada em função da variância
anterior e do regime, levando em conta que uma série econômica possa ter
alguma variação na sua estrutura (Durán, 2014).
Desta forma, tem-se que a extensão do mercado de etanol não se dá por
todo território nacional, não havendo, portanto, participação de todos os
estados brasileiros no comércio deste combustível, pois há estados que
tiveram inversões de comércio. Dentre eles estão os estados do Espírito Santo,
Paraná, Maranhão, Sergipe e Tocantins.
Sendo assim, os Estados participantes do comércio brasileiro de etanol
são: Acre, Alagoas, Amapá, Amazonas, Bahia, Ceará, DF, Goiás, Mato Grosso,
Mato Grosso do Sul, Minas Gerais, Pará, Paraíba, Pernambuco, Piauí, Rio de
Janeiro, Rio Grande do Norte, Rio Grande do Sul, Rondônia, Roraima, Santa
32
Catarina e São Paulo.
Vale destacar que, como esperado, o estado de São Paulo é o estado
que possui maior propensão para a realização de comércio, seguido pelo
estado de Minas Gerais. Logo, a região Sudeste possui o maior mercado deste
produto no Brasil. Além disso, os estados que mais comercializam são os
maiores produtores já que precisam exportar para a maioria dos estados do
país, os quais são dependentes de importação de etanol.
Após a identificação de quais localidades estão ligadas pelo comércio de
etanol, para dar continuidade à determinação da extensão do mercado, inicia-
se a busca dos estados que possuem um fator integrador comum, isto é, que
possuem a mesma tendência de preços no longo prazo.
O primeiro procedimento a ser adotado na busca do grupo de estados
que apresentam a mesma tendência de comportamento dos preços consiste na
análise da ordem de integração das séries, uma vez que a metodologia
adotada requer que as séries sejam integradas de ordem um, I(1).
Para a análise ser realizada é necessária a verificação da
estacionariedade da série, já que o trabalho empírico baseado em séries
temporais pressupõe que estas sejam estacionárias (GUJARATI, 2005), ou
seja, que possuam médias e variâncias constantes ao longo do tempo
(BUENO, 2011).
Sendo assim, deve-se realizar os testes para determinação da ordem de
integração das séries de preços de etanol para os estados participantes do
comércio deste combustível. Seis testes são utilizados neste trabalho para
verificar a ordem de integração de uma série temporal: Dickey-Fuller (DF),
Dickey-Fuller Aumentado (ADF), Phillips-Perron (PP), KPSS, ERS e NG
33
Perron. Todos esses testes são realizados em conjunto por sua conhecida
baixa potência individual. Além dos testes anteriores, analisam-se os
correlogramas para os dados do preço de cada estado. Com os testes, conclui-
se que todas as séries são estacionárias em primeira diferença5, ou seja, são
integradas de ordem um [I(1)].
Após a verificação de que as sérias são integradas de primeira ordem
[I(1)], adota-se o procedimento de Johansen, partindo-se do modelo VEC
reparametrizado, com o objetivo de identificar os estados que apresentam a
mesma tendência de comportamento dos preços. Para isso, inicia-se pela
determinação do número de defasagens e pela inclusão de termos
deterministas na análise.
Para a análise do número de defasagens optou-se pela utilização dos
critérios de informação de Akaike (AIC) e Schwartz (SC). A Tabela 3 mostra os
resultados apontados pelos critérios de seleção, além de mostrar o
ajustamento do modelo para cada defasagem. De acordo com os resultados
obtidos no teste, decidiu-se pela utilização de quatro defasagens, já que com
quatro defasagens o modelo se mostra melhor ajustado, ou seja, o resultado do
teste explica 75% do modelo em questão, o maior ajustamento (R2)
encontrado.
5 Os resultados dos testes e os correlogramas estão apresentados no Anexo I.
34
Tabela 3. Resultado dos testes de seleção do número de defasagens a serem
incluídas nos modelos VEC, para as séries de preços do etanol durante o
período de 2001 a 2013
Fonte: Elaboração própria, através do Eviews, com base nos dados da UNICA.
Além disso, realiza-se a inspeção visual dos resíduos (Figura 5), os quais
não indicam presença de tendência determinista no nível da série, o que levou
à opção de inclusão de apenas uma constante no vetor de cointegração
(intercept (no trend) in CE and VAR).
Defasagem Critério AIC Critério SC R²
0 -89,80957 -88,47896 0,275807
1 -89,98624 -78,84795 0,491975
2 -90,21241 -69,17767 0,609144
3 -91,17243 -60,15109 0,679261
4 -95,58745 -54,48799 0,759309
35
Figura 5. Resíduos dos preços estaduais no período de 2001 a 2013
Fonte: Elaboração própria, através do Eviews, com base nos dados da UNICA.
A determinação dos estados pertencentes ao mercado brasileiro de etanol
inicia-se com a análise de cointegração, a partir do procedimento de Johansen,
dos principais estados produtores e consumidores do combustível no país, os
quais foram determinados pelo fato de que neles concentram-se o maior
potencial de comercialização de etanol, conforme revelado nas figuras 2 e 3 e
-.2
-.1
.0
.1
.2
2002 2004 2006 2008 2010 2012
ACRE Residuals
-.2
-.1
.0
.1
.2
.3
2002 2004 2006 2008 2010 2012
ALAGOAS Residuals
-.2
-.1
.0
.1
.2
2002 2004 2006 2008 2010 2012
AMAPA Residuals
-.10
-.05
.00
.05
.10
.15
.20
2002 2004 2006 2008 2010 2012
AMAZONAS Residuals
-.2
-.1
.0
.1
.2
.3
2002 2004 2006 2008 2010 2012
BAHIA Residuals
-.1
.0
.1
.2
.3
2002 2004 2006 2008 2010 2012
CEARA Residuals
-.2
-.1
.0
.1
.2
.3
.4
2002 2004 2006 2008 2010 2012
DISTRITO_FEDERAL Residuals
-.2
-.1
.0
.1
.2
.3
2002 2004 2006 2008 2010 2012
GOIAS Residuals
-.3
-.2
-.1
.0
.1
.2
.3
2002 2004 2006 2008 2010 2012
MATO_GROSSO Residuals
-.2
-.1
.0
.1
.2
2002 2004 2006 2008 2010 2012
MATO_GROSSO_DO_SUL Residuals
-.2
-.1
.0
.1
.2
.3
2002 2004 2006 2008 2010 2012
MINAS_GERAIS Residuals
-.2
-.1
.0
.1
.2
2002 2004 2006 2008 2010 2012
PARA Residuals
-.2
-.1
.0
.1
.2
2002 2004 2006 2008 2010 2012
PERNAMBUCO Residuals
-.08
-.04
.00
.04
.08
.12
.16
.20
2002 2004 2006 2008 2010 2012
PARAIBA Residuals
-.2
-.1
.0
.1
.2
.3
2002 2004 2006 2008 2010 2012
PIAUI Residuals
-.2
-.1
.0
.1
.2
.3
2002 2004 2006 2008 2010 2012
RIO_DE_JANEIRO Residuals
-.2
-.1
.0
.1
.2
.3
.4
2002 2004 2006 2008 2010 2012
RIO_GRANDE_DO_NORTE Residuals
-.2
-.1
.0
.1
.2
.3
2002 2004 2006 2008 2010 2012
RIO_GRANDE_DO_SUL Residuals
-.2
-.1
.0
.1
.2
.3
2002 2004 2006 2008 2010 2012
RONDONIA Residuals
-.2
-.1
.0
.1
.2
2002 2004 2006 2008 2010 2012
RORAIMA Residuals
-.2
-.1
.0
.1
.2
2002 2004 2006 2008 2010 2012
SANTA_CATARINA Residuals
-.2
-.1
.0
.1
.2
.3
2002 2004 2006 2008 2010 2012
SAO_PAULO Residuals
36
no resultados dos índices IAS e de comércio (excluindo-se os estados que
tiveram inversão de comércio, quer dizer, mudança de regime).
A Tabela 4 mostra os resultados dos testes do traço e do máximo
autovalor, os quais indicaram a existência de três e dois vetores de
cointegração entre os doze estados analisados (principais produtores: São
Paulo, Goiás, Minas Gerais, Mato Grosso do Sul, Mato Grosso, Alagoas, Rio
de Janeiro, Bahia, Pernambuco, Ceará, Santa Catarina e Rio Grande do Sul),
ou seja, existem no máximo três raízes características diferentes de zero, o que
garante que os vetores possam ser normalizados, de forma que todas as
localidades sejam pares cointegrados.
Tabela 4. Teste de Johansen para identificação do número de relações de
cointegração entre os estados
Fonte: Elaboração própria, através do Eviews, com base nos dados da ÚNICA, 2014.
As inclusões dos estados foram testadas uma a uma a partir do principal
estado produtor até o menos importante, e chegou-se à conclusão de que
Hipótese Nula τ traceValores
críticos 5%
Valores
críticos 1%τ max
Valores
críticos 5%
Valores
críticos 1%
r = 0 477,8823 334,9837 351,2421 102,6974 76,5784 83,7066
r ≤ 1 375,1849 285,1425 300,2879 88,2778 70,5351 77,4953
r ≤ 2 286,9071 239,2354 253,2348 79,9556 64,5047 71,2606
r ≤ 3 206,9515 197,3709 210,0548 53,8548 58,4335 64,996
r ≤ 4 153,0967 159,5297 171,0905 42,8224 52,3626 58,669
r ≤ 5 110,2742 125,6154 135,9732 34,4068 46,2314 52,3082
r ≤ 6 75,8674 95,7537 104,9615 25,854 40,0776 45,869
r ≤ 7 50,0134 69,8189 77,8188 17,4092 33,8769 39,3701
r ≤ 8 32,6042 47,8561 54,6815 15,4575 27,5843 32,7153
r ≤ 9 17,1467 29,7971 35,4582 10,7605 21,1316 25,8612
r ≤ 10 6,3862 15,4947 19,9371 6,3107 14,2646 18,52
r ≤ 11 0,0755 3,8415 6,6349 0,0755 3,8415 6,6349
37
adicionando-se os preços praticados pelos demais estados, além dos doze
principais produtores (excluindo-se os que tiveram inversão de comércio),
haveria o acréscimo de outras tendências de comportamento, de forma que
esses estados não devem ser incluídos.
Pode-se também identificar a tendência de comportamento similar entre
os estados que fazem parte do mercado brasileiro de etanol através dos
gráficos apresentados na Figura 6.
Figura 6. Tendência do comportamento dos preços estaduais de 2001 a 2013
Fonte: Elaboração própria, através do Eviews, com base nos dados da ÚNICA, 2014.
Portanto, verifica-se que os preços do etanol nesses doze estados
moveram-se de forma sincronizada ao longo do tempo, mantendo um
comportamento similar. Pode-se, desta forma, concluir que nesses estados o
etanol mostra-se substituto entre si e a arbitragem realizada por meio do
comércio contribuiu para integrar os preços nessas diferentes localidades.
0.4
0.8
1.2
1.6
2.0
2.4
2.8
3.2
01 02 03 04 05 06 07 08 09 10 11 12 13
SAO PAULO SANTA CATARINA
RIO GRANDE DO SUL RIO DE JANEIRO
PERNAMBUCO MINAS GERAIS
MATO GROSSO DO SUL MATO GROSSO
GOIAS CEARA
BAHIA ALAGOAS
38
Dentre os vinte e dois estados que haviam sobrado após a análise de
inversões de comércio, apenas doze deles se mostraram realmente
participantes do mercado principal de etanol brasileiro, são eles: São Paulo,
Rio Grande do Sul, Pernambuco, Mato Grosso do Sul, Goiás, Bahia, Santa
Catarina, Rio de Janeiro, Minas Gerais, Mato Grosso, Ceará e Alagoas.
4.2 - Identificação do padrão de relacionamento entre os mercados
A análise do padrão de interdependência entre as localidades que
compõem o mercado brasileiro de etanol é feita a partir das análises das
estimativas dos parâmetros do modelo Vetor de Correção de Erros (VEC),
especificado na equação (3).
Escolheu-se o estado de São Paulo como ponto de partida para
normalizar as estimações das relações de cointegração de longo prazo, pois é
o estado com maior produção e consumo do país (maior propensão à
realização de comércio), o que o credencia a ser o mais importante formador
de preços do país. Esta escolha se baseia no argumento apresentado por
González-Rivera e Helfand (2000) de que normalmente a região central
exógena é a com maior propensão à realização de comércio.
A Tabela 5 mostra as 11 relações de equilíbrio, ao longo do tempo, entre
os pares de mercado (São Paulo e Rio Grande do Sul, São Paulo e
Pernambuco, São Paulo e Mato Grosso do Sul, etc.) no período analisado.
39
Tabela 5. Relações de equilíbrio entre os pares de mercado de 2001 a 2013
Nota: os valores entre parênteses referem-se aos desvios padrões dos respectivos parâmetros
e os valores entre colchetes se referem às estatísticas do teste t de Student.
Fonte: Estimações da autora.
Além disso, como mencionado anteriormente, o padrão de
interdependência pode ser revelado também pelos parâmetros do VEC através
da matriz α, que contem as informações necessárias para encontrar a estrutura
espacial do mercado (GONZÁLES-RIVERA e HELFAND, 2001), a qual fornece
informações sobre a velocidade de ajustamento da variável em direção ao
equilíbrio de longo prazo (Tabela 6).
Tabela 6. Coeficientes de ajustamento do modelo VEC
Fonte: Estimações da autora.
Através da análise das duas tabelas pode-se verificar que os estados que
menos são influenciados pelo estado de São Paulo são Goiás, Mato Grosso,
Mato Grosso do Sul e Minas Gerais, pois estes demoram mais para
Estadoi RS PE MS GO BA SC RJ MG MT CE AL
São Paulo -0,814193 -0,908282 -0,997537 -1,258412 -1,090617 -0,795129 -0,819946 -0,962399 -1,846229 -0,960497 -0,790348
(0,0782) (0,05413) (0,12455) (0,08668) (0,08126) (0,02424) (0,03816) (0,07968) (0,41452) (0,07570) (0,05049)
[-10.4111] [-16.7786] [-8,00908] [-14,5178] [-13,4217] [-32,7999] [-21,4873] [-12,0780] [-4,69722] [-12,6875] [-15,6529]
Correção de erros α Adj. R²
RS,SP 0,000766 0,302771
PE,SP 0,011416 0,256513
MS,SP -0,000694 0,262239
GO,SP -0,017201 0,194664
BA,SP 0,00709 0,218435
SC,SP 0,010181 0,329107
RJ,SP 0,004883 0,332804
MG,SP -0,002834 0,383091
MT,SP -0,011278 0,160943
CE,SP 0,011978 0,237856
AL,SP 0,016008 0,285995
40
acompanhar as mudanças nos preços do etanol do estado de São Paulo. Na
tabela 5, podemos visualizar que as menores relações de equilíbrio com São
Paulo se dão pelos estados de Mato Grosso e Goiás, o que é reafirmado pelos
valores da velocidade de ajustamento encontrados na tabela 6, onde os
estados que demoram mais tempo para ter seus preços ajustados em relação
ao preço do estado de São Paulo são Mato Grosso, Goiás, Minas Gerais e
Mato Grosso do Sul, ou seja, são os estados que possuem menos valores para
o . Sendo assim, esses estados são menos integrados ao mercado principal,
apesar de haver integração. Uma possível explicação para tal fato seria a
existência, dentro do mercado principal já definido, de um mercado secundário
que abrangeria a região central do país.
No entanto, ainda assim pode-se definir São Paulo como o estado central
exógeno i, que determina o comportamento de longo prazo de todos os outros
estados, já que os testes de coeficientes de ajustamento do modelo VEC
(Tabela 6) permitem afirmar que o estado de São Paulo influencia os preços de
todos os demais estados, pois os valores dos coeficientes, apesar de serem
baixos, são positivos. Este resultado difere do encontrado na maioria dos
trabalhos de integração que utilizam o mesmo método6, em que não há um
padrão de integração, e nos quais, os valores dos alfas geralmente são
negativos. Sendo assim, mesmo que de maneira um pouco lenta, os preços
dos outros estados ajustam-se às mudanças ocorridas no preço do estado de
São Paulo.
6 Nogueira (2005); Pereira (2005); etc.
41
4.3 - Determinação do grau de integração dos mercados
Para lidar com os custos de transações, a Tabela 7 mostra a distância
(em Km) do mercado central (São Paulo) aos demais mercados analisados, de
modo que se espera que haja maiores custos de transação entre as regiões
com maior distância até São Paulo. Espera-se que o estado do Ceará possua
os maiores custos de transação e o estado de Minas Gerais os menores custos
de transação, pois estes representam a maior e a menor distância até o estado
de São Paulo.
Tabela 7. Distância entre mercados (1) (Mercado Central: São Paulo)
(1) As distâncias se referem à capital de cada estado em relação à capital de São Paulo.
Fonte: Elaboração própria com base nos dados do Google Maps, 2014.
Os resultados das estimações dos modelos (Tabela 8) mostram que o
threshold (θ) é significativo, pois está entre os valores mínimos e máximos das
séries de preço. Além disso, todos os coeficientes estimados são significativos
(a 1%, 5% e 10%), implicando que, de acordo com Alves e Lima (2010), para
todos os pares de mercado, os choques nas relações de equilíbrio que são
maiores que o threshold sejam eliminados ao longo do tempo.
Mercados Distância
Rio Grande do Sul 1130 km
Santa Catarina 700 km
Pernambuco 2375 km
Minas Gerais 600 km
Mato Grosso do Sul 990 km
Mato Grosso 1530 km
Goiás 920 km
Ceará 2700 km
Bahia 1950 km
Rio de Janeiro 432 km
Alagoas 2400 km
42
Tabela 8. Modelo Auto-Regressivo Threshold (TAR), considerando São Paulo
como o mercado central
Fonte: Estimações da autora.
Desta maneira, os mercados com maior grau de integração ao estado de
São Paulo são Pernambuco, Minas Gerais, Goiás e Alagoas, já que possuem
os menores custos de transação, os quais são representados pelos valores do
threshold, pois quanto menor o custo de transação (quanto menor o threshold),
maior é o grau de integração.
Pode-se constatar também que todos os mercados selecionados
possuem algum grau de integração ao mercado central do estado de São
Paulo já que todos os resultados são baixos. O maior threshold estimado foi
referente ao par Bahia – São Paulo (0,171775), significando que apenas os
choques superiores a 17,18% do preço médio do etanol na Bahia serão
transmitidos de São Paulo para a Bahia.
Sendo assim, os mercados com maiores distâncias não são
obrigatoriamente os que possuem maiores thresholds, mostrando que pode
haver outros fatores, além da distância entre os mercados, que influenciam o
Pares de Mercados Modelo AR Modelo TAR Prob
Threshold (θ) 0,050000 -
Ceará - São Paulo 0,285670 0,133073 0,000248
Alagoas - São Paulo 0,052536 0,033431 0,002771
Pernambuco - São Paulo 0,015631 0,006261 0,001922
Bahia - São Paulo 0,272572 0,171775 0,000873
Mato Grosso - São Paulo 0,181291 0,046287 0,001255
Rio Grande do Sul - São Paulo 0,314884 0,077929 0,001570
Mato Grosso do Sul - São Paulo 0,171371 0,103425 0,000935
Goiás - São Paulo 0,053927 0,012847 0,000108
Santa Catarina - São Paulo 0,414020 0,154451 0,001896
Minas Gerais - São Paulo 0,100245 0,008812 0,005371
Rio de Janeiro - São Paulo 0,239481 0,130020 0,004387
43
alto custo de transação, como infra-estratura ou produção. Além disso, deve-se
levar em consideração que foi identificado um mercado secundário dentro do
mercado principal de etanol do Brasil, o que faz com que algumas regiões mais
próximas possuam um grau de integração menor com o mercado central.
Apesar de existirem outros fatores que influenciam o alto custo de
transação, foram detectados significativos efeitos thresholds para todos os
pares de mercados de etanol, indicando que há relevantes custos de transação
influenciando a transmissão de preços entre os mercados espacialmente
separados destes produtos. Assim, no modelo em que se considera a presença
de custos de transação (Modelo TAR), a velocidade é maior para ocorrerem os
ajustamentos aos desvios do equilíbrio de longo prazo, em comparação ao
modelo que não levam em conta tais custos (Modelo AR).
44
5- Resumo e Conclusões
A forma de relacionamento entre os diversos mercados produtores e
consumidores de etanol existentes no país constitui fator fundamental para a
eficiência e a competitividade nos mercados locais.
Tendo como objetivo analisar a integração do mercado brasileiro de
etanol, considerando-se a extensão, o padrão e o grau de integração, foram
realizados alguns testes que permitiram se chegar às conclusões a seguir.
Primeiramente, determinou-se a extensão do mercado através do índice
de autossuficiência e do índice de comércio interestadual, complementando-se
a análise por meio da busca de um fator integrador comum. Chegou-se ao
resultado de que apenas doze estados possuem seus preços movendo-se de
forma sincronizada ao longo do tempo, os quais participam do mercado central
deste combustível. São eles: São Paulo, Rio Grande do Sul, Pernambuco,
Mato Grosso do Sul, Goiás, Bahia, Santa Catarina, Rio de Janeiro, Minas
Gerais, Mato Grosso, Ceará e Alagoas.
Definida a extensão do mercado de etanol brasileiro, partiu-se para a
determinação do padrão de integração do mesmo. Por meio do cálculo do
índice de autossuficiência e de comércio, foi possível escolher o mercado de
São Paulo como sendo o ponto central para as estimações da relação de
cointegração de longo prazo, pois se constatou que este é o estado com maior
propensão à realização de comércio do etanol, pois é o maior produtor,
exportador e consumidor deste combustível, e desta forma, pode ser
considerado um importante formador de preços do combustível no país.
A partir dos testes realizados constatou-se que alguns estados possuem
seus preços menos integrados ao estado de São Paulo, por haver um mercado
45
secundário na região central do país, dentro do mercado principal definido na
presente pesquisa. No entanto, concluiu-se que o estado de São Paulo é o
mercado central exógeno que determina o comportamento de longo prazo dos
preços de todos os demais estados, pois mesmo que de maneira um pouco
lenta, os valores de são todos positivos, mostrando que há um padrão de
integração do mercado brasileiro de etanol, diferente dos resultados da maioria
dos trabalhos analisados, os quais possuem valores negativos e, portanto, não
é possível a existência de um padrão de integração nestes.
Quanto ao grau de integração dos preços, diferente do esperado, não são
os estados mais próximos a São Paulo que possuem maior grau de integração,
já que de acordo com os resultados dos testes realizados, os estados mais
integrados ao mercado central são: Pernambuco, Minas Gerais, Goiás e
Alagoas, pois possuem os menores custos de transação, os quais foram
representados pelos thresholds, através da aplicação do modelo TAR.
Com a aplicação deste modelo, chegou-se à conclusão de que o
threshold e todos os coeficientes eram significativos, além de os valores
mostrarem que o modelo que considera os custos de transação possui
velocidade de ajustamento maior do que o que não considera e, portanto, como
era esperado, os ajustamentos são mais rápidos para o modelo TAR,
mostrando que há oportunidades de ganhos no mercado através da arbitragem
espacial.
O fato de não serem os estados mais próximos ao estado central os com
maior grau de integração com o mesmo, nos garante que podem haver outros
fatores, além da distância, que influenciam os custos de transação, pois apesar
de levar em consideração o efeito de tais custos e a distância entre os
46
mercados deste combustível, o modelo analisado não leva em conta outros
fatores que influenciam de maneira direta a integração de preços, tais como
políticas públicas e infraestrutura.
Dessa forma, a adoção de medidas que vise à melhoria da infraestrutura
de transporte e comunicação, bem como à expansão da qualificação da mão-
de-obra, e outros fatores que possam contribuir para o aumento do grau de
relacionamento entre as localidades do mercado e, dessa forma, aumentar a
eficiência e competitividade destas, seria recomendado. Além disso, também
seria recomendada a mudança de decisões políticas, que como comprovadas,
afetam de maneira direta a demanda por etanol, como uma política tributária
mais uniforme.
Essas conclusões vêm do fato de que a dimensão do país gera
dificuldades, pois apesar de a produção ser espalhada nos diversos estados há
uma concentração em algumas regiões que exportam para a maioria dos
estados do Brasil. Em um país com grande extensão territorial e baixa
qualidade da infraestrutura logística e de distribuição, além da alta e desigual
tributação do ICMS, a eficiência da distribuição do produto se torna
extremamente relevante, já que devido às circunstâncias analisadas, há
aumento nos custos do produto e dificuldades para arbitragem, provocando um
menor grau de integração do mercado.
Vale ressaltar que alguns outros fatores influenciam o mercado de etanol.
Apesar do advento do flexfuel e outros eventos que favorecem o setor
sucroalcooleiro, o resultado do setor é de crescimento desordenado, sem
política de estoques reguladores, implicando em elevação dos preços na
entressafra, o que influencia o comportamento dos preços e,
47
consequentemente, a integração dos mercados.
Ademais, considerando que o presente trabalho utiliza preços mensais ao
consumidor final e de distribuição, ou seja, preços praticados por postos
revendedores de combustíveis automotivos localizados em todos os estados do
Brasil, outro fator que pode explicar a menor integração por parte de alguns
mercados é o poder de mercado dos postos de combustíveis, o que tende a ser
ainda maior em municípios de menor porte (Santos, 2012).
As constantes alterações e a crise que o setor vem passando fazem com
que haja a necessidade de rever os aspectos que influenciam a integração do
mercado de etanol. Sendo assim, espera-se que este trabalho auxilie os
formuladores de políticas e as instituições ligadas ao setor a conhecerem
melhor os principais aspectos relativos aos mercados integrados, bem como
identificar os investimentos necessários para ampliar a interação entre os
diferentes estados da federação e dessa forma, favorecendo o
desenvolvimento de uma produção sucroenergética mais coesa e reduzindo as
disparidades existentes entre as diversas localidades.
48
6 - Referências Bibliográficas
ALVES, J.S. e LIMA, R.C. Integração espacial dos mercados de etanol no Brasil: uma análise através do modelo autoregressivo com threshold. Universidade federal de Pernambuco, Pernambuco, 2008
AMARAL, F.J.G e ALVES, J.S., Integração espacial do mercado de etanol entre os Estados de Alagoas e São Paulo: uma análise de series temporais para os anos de 2002 a 2011. Universidade Federal do Rio Grande do Norte, Rio Grande do Norte, 2012.
ANFAVEA - Associação Nacional dos Fabricantes de Veículos Automotores., Anuário da Indústria Automobilística Brasileira. São Paulo, 2013. Disponível em: < http://www.anfavea.com.br/anuario.html>. Acesso em: 01 de Abril de 2014.
ANP - AGÊNCIA NACIONAL DE PETRÓLEO, GÁS NATURAL E BIOCOMBUSTÍVEIS. Disponível em: http://anp.gov.br/?pg=68938&m=&t1=&t2=&t3=&t4=&ar=&ps=&cachebust=1386614844765 . Acesso em: 28 de Fevereiro de 2014.
BUENO, R.L.S., Econometria de séries temporais. 2.ed., Cengage Learning, São Paulo, 2011.
DURÁN, W.G.R., Modelo GARCH com Mudança de Regime Markoviano para séries financeiras. Dissertação de Mestrado em Matemática e estatística. Universidade de São Paulo, São Paulo, 2014.
ENDERS, W. Applied econometric time series: 2. ed. Willey. Danvers, 2004.
GAMARRA, J. E. T. Transmissão de preços entre os mercados de etanol e da gasolina desde o lançamento dos carros flex-fuel, no mercado brasilerio. Dissertação de Mestrado em agronegócios. Universidade Federal do Rio Grande do Sul, Porto Alegre, 2009.
GONZÁLEZ-RIVERA, G., HELFAND, S.M. The extent, pattern, and degree of market integration: a multivariate approach for Brazilian rice market. American Journal of Agricultural Economics, v. 83, n. 3, p. 576-592, 2001.
Google Maps. Distância entre os mercados de etanol. Disponível em https://www.google.com.br/maps Acesso em : 14/10/2014.
49
HANSEN, B. E. Inference when a nuisance parameter is not identified under the null hypothesis. Econometrica, v.64, n.2, p. 413-430, 1996.
JOHANSEN, S. Estimation and hypothesis testing of cointegration vectors in gaussian vector autorregressive models. Econometrica, v. 59, p. 1551-1580, 1991.
LUTKEPOHL, H. KRÄTZIG, M. Applied time series econometrics. Cambrigde University Press. New York, 2004.
MATTOS, L. B. de. Efeitos de custos de transação sobre a integração especial de mercados regionais de carne de frango no Brasil. Tese de Doutorado, Universidade Federal de Viçosa, Viçosa, 2008.
MATTOS, Leonardo Bornacki de; LIMA, João Eustáquio de; LIRIO, Viviani Silva. Integração espacial de mercados na presença de custos de transação: um estudo para o mercado de boi gordo em Minas Gerais e São Paulo. Revista de Economia e Sociologia Rural, vol.47, n.1, pp. 249-274, Brasília, 2009.
MATTOS, Leonardo Bornacki de; LIMA, João Eustáquio de; LIRIO, Viviani Silva; CAMPOS, Antônio Carvalho. Uma aplicação de modelos TAR para o mercado de carne de frango no Brasil. Universidade Federal de Viçosa, Viçosa, 2009.
MEYER, J., Measuring market integration in the presence of transaction costs – a threshold vector error correction approach. Agricultural Economics, v. 31, p. 327-334, 2004.
MORAES, M. L., Integração espacial no mercado brasileiro de etanol. Tese de Doutorado em Economia Aplicada, Universidade de São Paulo/ ESALQ, Piracicaba, 2014.
NOGUEIRA, F.T.P., Integração dos mercados internos e externos de café. Tese de Doutorado em Economia Aplicada, Universidade Federal de Viçosa, Viçosa, 2005.
PEREIRA, L.R.R., Integração espacial no mercado brasileiro de boi gordo. Tese de Doutorado em Economia Aplicada. Universidade Federal de Viçosa, Viçosa, 2005.
SANTOS, J. Z., Poder de mercado no varejo de etanol no Estado de São Paulo. Dissertação de Mestrado em Economia. Universidade Federal de São
50
Carlos, Sorocaca, 2012.
TSAY, R. S. Testing and modeling Threshold Autoregressive processes. Journal of the American Statistical Association, v. 84, p. 231-240, 1989.
UNICA - União da indústria de cana-de-açúcar. Etanol e Bioeletricidade: a cana-de-açúcar no futuro da matriz energética. São Paulo: Luc Projetos de Comunicação, 2010.
UNICA - União da indústria de cana-de-açúcar. Disponível em: http://www.unicadata.com.br. Acesso em: 28 de Fevereiro de 2014.
VIEIRA, M. C. A.; LIMA, J. F.; BRAGA, N. M., Setor Sucroalcooleiro Brasileiro: evolução e perspectivas. Revista BNDES, Rio de Janeiro, 2007.
51
ANEXOS
52
ANEXO I
1 – Testes para verificar a ordem de integração de uma série temporal
1.1 - Teste Dickey-Fuller e Dickey-Fuller Aumentado
No teste Dickey-Fuller considera-se, inicialmente, o seguinte processo
AR(1):
(1)
em que xt são regressores exógenos opcionais (constante ou constante e
tendência); ρ e λ, parâmetros a serem estimados; e et, um ruído branco (é o
termo de erro que obedece às pressuposições clássicas de média zero,
variância constante e não-autocorrelacionado). A partir daí, testa-se a seguinte
hipótese:
Se ρ for igual a um (ρ = 1), haverá um problema de raiz unitária, ou seja,
uma situação de não-estacionariedade.
Para testar a hipótese nula de que ρ = 1, a estatística t calculada é
conhecida como estatística τ (tau), utilizada nos testes de Dickey-Fuller (DF). O
teste Dickey-Fuller (DF) é feito da seguinte forma:
53
Se τcalculado > τcrítico: rejeita-se H0: ρ = 1 ⇒ A série será estacionária,
Se τcalculado < τcrítico: não rejeita-se H0: ρ = 1 ⇒ A série será não-
estacionária.
De acordo com BUENO (2011), o problema do teste anterior (DF) é que
se considera o erro como um ruído branco, no entanto, frequentemente o erro é
um processo estacionário qualquer. O teste utilizado para corrigir esse
pormenor é o ADF, o qual estima o modelo com as variáveis autorregressivas
já que esta é uma forma de corrigir o desvio do valor correto da estatística.
Portanto, se o termo de erro for autocorrelacionado, as equações serão
modificadas, acrescentando-se defasagens na variável dependente para
contornar a problemática da autocorrelação serial. Toma-se, por exemplo, a
equação (3A), da seguinte forma:
(2)
em que , etc., ou seja, usam-se
termos diferenciados defasados. O número de termos diferenciados defasados
incluídos no modelo é, muitas vezes, determinado empiricamente, de modo
que o termo de erro da equação (2) se torne um ruído branco. A hipótese nula
é de que , ou , isto é, há uma raiz unitária em Y (Y é não-
estacionário). No teste ADF existem as mesmas distribuições assintóticas do
DF e utilizam-se, portanto, os mesmos valores críticos tabulados.
54
1.2 - Teste Phillips-Pherron
Outro procedimento utilizado para verificar a presença de raiz unitária nas
séries de dados testadas é o de Phillips-Perron, o qual faz uma correção não
paramétrica ao teste DF, permitindo que seja consistente mesmo que haja
variáveis defasadas dependentes e correlação serial nos erros.
Desta forma, o teste Phillips-Perron pode ser realizado, em vez do ADF,
quando os resíduos de (1) apresentarem dependência serial, visto que se
relaxa a hipótese de erros identicamente distribuídos (iid), utilizada no teste DF.
Este teste torna desnecessária, segundo BUENO (2011), a especificação
de um modelo com ordem suficientemente autorregressiva para expurgar a
correlação serial dos resíduos.
A estatística de teste de Phillips-Perron é dada por
[
(
)
] (3)
em que γ0 = (1/T); e et é o resíduo estimado de uma equação do tipo (1),
que apresenta constância e tendência;
∑ *
+
(4)
sendo q o número de autoco-variâncias de et relevantes, e γi, a i-ésima
autocovariância, tal que
(
) ∑
(5)
55
Em que é o desvio-padrão de ρ; s, desvio-padrão do resíduo; e t, valor
do teste t para ρ.
No teste Phillips-Perron, assim como no Dickey-Fuller, utilizam-se os
mesmos valores críticos.
1.3 - Teste KPSS
Um dos problemas do teste de raiz unitária desenvolvido por Dickey-Fuller
(1979,1981) é seu baixo poder, particularmente ante a presença de um
componente de médias móveis perto do círculo unitário, ou seja, o teste de raiz
unitária não é capaz de rejeitar a hipótese nula para uma infinidade de séries
econômicas.
No teste KPSS, considera-se apenas a presença do termo constante ou
do termo tendência determinista em Yt. No primeiro caso,
(6)
em que xt é um processo do tipo passeio aleatório, tal que xt = xt-1 + vt,
sendo , um processo estacionário, I(0).
O teste da hipótese nula de estacionariedade de Yt, contra a alternativa
de não-estacionariedade, é equivalente aos testes das seguintes hipóteses
nulas e alternativas:
56
Caso a hipótese nula seja aceita, a série Yt será composta por uma
constante e por um processo estacionário zt, sendo, portanto, estacionária.
Segundo LÜTKEPOHL e KRÄTZIG (2004), considerando que Yt seja
composta por uma constante e por um processo estacionário zt, a estatística de
teste será obtida por,
∑
(7)
em que St é uma função residual cumulativa, definida por ∑
com
Yt -
um estimador da variância, no longo prazo, do processo zt,
definido por
∑ (8)
A hipótese nula de estacionariedade será rejeitada quando a estatística
de teste KPSS superar os valores críticos. Caso a série Yt contenha o termo
tendência determinista, a relação (6) será modificada para
(9)
e os termos
serão os resíduos da regressão . A
partir daí, utilizar-se-á o mesmo procedimento anterior para obter a estatística
do teste KPSS, definida em (7).
57
1.4 - Teste ERS
O teste ERS é baseado na seguinte regressão diferenciada,
(
) (
)
(10)
Define-se o resíduo de (10) por,
(
) (
)
(11)
e, a partir de (11), obtém-se a soma do quadrado dos resíduos, da
seguinte forma:
. (12)
Pelo teste ERS verifica-se a hipótese α = 1, contra a alternativa α = a. A
estatística de teste é definida por,
(13)
em que f0 é o estimador espectral dos resíduos na frequência zero.
Caso a estatística ERS seja inferior aos valores críticos, rejeita-se a
hipótese de não-estacionariedade da série.
1.5 - Teste NG e Perron
58
Além da questão de poder, o teste de raiz unitária sofre do problema de
tamanho do teste quando a raiz do processo de médias móveis é muito alta. O
teste NG e Perron propõe modificações ao teste PP, os quais são
denominados de M testes.
Assim como as demais regras de decisão para raiz unitária, se o valor
calculado dessa estatística for menor que o valor crítico, rejeita-se a hipótese
de raiz unitária.
2 - Resultado da análise de estacionariedade dos preços estaduais de
etanol
Resumo do teste ADF para os preços de venda de etanol nos estados brasileiros de julho de 2001 a dezembro de 2013
Estado Lags Estatística do teste Conclusão
Acre 12 -1,551065 Estacionária
Alagoas 12 -1,240003 Estacionária
Amapá 12 -2,282030 Estacionária
Amazonas 12 -1,747988 Estacionária
Bahia 12 -1,638375 Estacionária
Ceará 12 -1,363291 Estacionária
Distrito Federal 12 -1,860900 Estacionária
Goiás 12 -1,664022 Estacionária
Mato Grosso 12 -3,654124 Estacionária*
Mato Grosso do Sul 12 -1,554613 Estacionária
Minas Gerais 12 -1,838586 Estacionária
Pará 12 -2,121746 Estacionária
Paraíba 12 -1,476733 Estacionária
Pernambuco 12 -1,463707 Estacionária
Piaui 12 -1,838208 Estacionária
Rio de Janeiro 12 -1,533988 Estacionária
Rio Grande do Norte 12 -1,314413 Estacionária
Rio Grande do Sul 12 -2,177292 Estacionária
Rondônia 12 -1,674067 Estacionária
Roraima 12 -1,644216 Estacionária
Santa Catarina 12 -1,773878 Estacionária
São Paulo 12 -1,648111 Estacionária
59
Fonte: Elaboração própria com base nos dados de preços estaduais de etanol disponível na ANP. *Estacionária somente no nível de 1%.
De acordo com o resumo do teste ADF realizado no Eviews, todas as
séries de preços estaduais são estacionárias. Vale ressaltar a situação do
estado do Mato Grosso que possui estacionariedade dos preços apenas ao
nível de confiança de 1%.
Resumo do teste PP para os preços de venda do etanol nos estados brasileiros de julho de 2001 a dezembro de 2013
Estado Bandwidth Estatística do teste Conclusão
Acre Automatic -1,513143 Estacionária
Alagoas Automatic -1,257447 Estacionária
Amapá Automatic -2,029114 Estacionária
Amazonas Automatic -1,473235 Estacionária
Bahia Automatic -1,686253 Estacionária
Ceará Automatic -1,310615 Estacionária
Distrito Federal Automatic -1,806553 Estacionária
Goiás Automatic -2,357935 Estacionária
Mato Grosso Automatic -2,564671 Estacionária
Mato Grosso do Sul Automatic -1,882225 Estacionária
Minas Gerais Automatic -1,827511 Estacionária
Pará Automatic -2,054871 Estacionária
Paraíba Automatic -1,243556 Estacionária
Pernambuco Automatic -1,257164 Estacionária
Piaui Automatic -1,659399 Estacionária
Rio de Janeiro Automatic -1,563740 Estacionária
Rio Grande do Norte Automatic -1,215282 Estacionária
Rio Grande do Sul Automatic -1,684945 Estacionária
Rondônia Automatic -1,565268 Estacionária
Roraima Automatic -1,437115 Estacionária
Santa Catarina Automatic -1,448870 Estacionária
São Paulo Automatic -1,753982 Estacionária
Fonte: Elaboração própria com base nos dados de preços estaduais de etanol disponível na ANP.
De acordo com o resumo do teste PP realizado no Eviews, todas as
séries de preços estaduais são estacionárias aos níveis de confiança de 10%,
5% e 1%.
60
Resumo do teste KPSS para os preços de venda do etanol nos estados brasileiros de julho de 2001 a dezembro de 2013
Estado Bandwidth Automatic
Estatística do teste Conclusão
Acre 10 1,289538 Não Estacionária
Alagoas 10 1,296634 Não Estacionária
Amapá 9 1,185736 Não Estacionária
Amazonas 10 1,197595 Não Estacionária
Bahia 10 1,215621 Não Estacionária
Ceará 10 1,287213 Não Estacionária
Distrito Federal 9 1,431910 Não Estacionária
Goiás 9 1,288214 Não Estacionária
Mato Grosso 9 0,716707 Não Estacionária
Mato Grosso do Sul 10 1,201730 Não Estacionária
Minas Gerais 10 1,186832 Não Estacionária
Pará 10 1,059602 Não Estacionária
Paraíba 10 1,261355 Não Estacionária
Pernambuco 10 1,291868 Não Estacionária
Piaui 10 1,149907 Não Estacionária
Rio de Janeiro 10 1,278485 Não Estacionária
Rio Grande do Norte 10 1,308809 Não Estacionária
Rio Grande do Sul 10 1,130998 Não Estacionária
Rondônia 10 1,191745 Não Estacionária
Roraima 10 1,299970 Não Estacionária
Santa Catarina 10 1,289792 Não Estacionária
São Paulo 9 1,350964 Não Estacionária
Fonte: Elaboração própria com base nos dados de preços estaduais de etanol disponível na ANP.
Os resultados obtidos com o teste KPSS nos mostra que as séries de
preços de etanol de cada estado não são estacionárias. No entanto, o
resultado para as séries em primeira diferença é que os preços de etanol em
todos os estados são estacionários, como pode-se visualizar na tabela a
seguir.
Resumo do teste KPSS em primeira diferença para os preços de venda do etanol nos estados brasileiros de julho de 2001 a dezembro de 2013
Estado Bandwidth Automatic Estatística do teste Conclusão
Acre 4 0,055598 Estacionária
Alagoas 5 0,034465 Estacionária
61
Amapá 1 0,056635 Estacionária
Amazonas 5 0,033719 Estacionária
Bahia 4 0,035027 Estacionária
Ceará 4 0,030642 Estacionária
Distrito Federal 8 0,029307 Estacionária
Goiás 6 0,023511 Estacionária
Mato Grosso 4 0,043173 Estacionária
Mato Grosso do Sul 3 0,026146 Estacionária
Minas Gerais 1 0,043106 Estacionária
Pará 4 0,080341 Estacionária
Paraíba 6 0,036229 Estacionária
Pernambuco 5 0,029727 Estacionária
Piaui 4 0,042750 Estacionária
Rio de Janeiro 2 0,026132 Estacionária
Rio Grande do Norte 6 0,026476 Estacionária
Rio Grande do Sul 3 0,026146 Estacionária
Rondônia 4 0,045620 Estacionária
Roraima 3 0,035403 Estacionária
Santa Catarina 2 0,023539 Estacionária
São Paulo 2 0,019690 Estacionária
Fonte: Elaboração própria com base nos dados de preços estaduais de etanol disponível na ANP.
Resumo do teste ERS para os preços de venda do etanol nos estados brasileiros de julho de 2001 a dezembro de 2013
Estado Lags Estatística do teste Conclusão
Acre 12 53,160430 Não Estacionária
Alagoas 12 49,204420 Não Estacionária
Amapá 12 20,215170 Não Estacionária
Amazonas 12 21,445510 Não Estacionária
Bahia 12 26,571840 Não Estacionária
Ceará 12 33,071130 Não Estacionária
Distrito Federal 12 17,093370 Não Estacionária
Goiás 12 22,556890 Não Estacionária
Mato Grosso 12 7,715600 Não Estacionária
Mato Grosso do Sul 12 37,317460 Não Estacionária
Minas Gerais 12 24,158160 Não Estacionária
Pará 12 33,829440 Não Estacionária
Paraíba 12 32,524410 Não Estacionária
Pernambuco 12 28,500320 Não Estacionária
Piaui 12 24,025740 Não Estacionária
Rio de Janeiro 12 26,80985 Não Estacionária
Rio Grande do Norte 12 27,407410 Não Estacionária
Rio Grande do Sul 12 11,679330 Não Estacionária
62
Rondônia 12 30,306010 Não Estacionária
Roraima 12 32,010770 Não Estacionária
Santa Catarina 12 16,899990 Não Estacionária
São Paulo 12 12,966170 Não Estacionária
Fonte: Elaboração própria com base nos dados de preços estaduais de etanol disponível na ANP.
Resumo do teste ERS em primeira diferença para os preços de venda do etanol nos estados brasileiros de julho de 2001 a dezembro de 2013
Estado Lags Estatística do teste Conclusão
Acre 12 0,353133 Estacionária
Alagoas 12 0,304381 Estacionária
Amapá 12 0,411986 Estacionária
Amazonas 12 0,454771 Estacionária
Bahia 12 0,468781 Estacionária
Ceará 12 0,372050 Estacionária
Distrito Federal 12 0,232710 Estacionária
Goiás 12 0,534343 Estacionária
Mato Grosso 12 0,393463 Estacionária
Mato Grosso do Sul 12 0,174104 Estacionária
Minas Gerais 12 0,112386 Estacionária
Pará 12 0,382185 Estacionária
Paraíba 12 0,423544 Estacionária
Pernambuco 12 0,418099 Estacionária
Piaui 12 0,389686 Estacionária
Rio de Janeiro 12 0,115780 Estacionária
Rio Grande do Norte 12 0,376185 Estacionária
Rio Grande do Sul 12 0,250690 Estacionária
Rondônia 12 0,395137 Estacionária
Roraima 12 0,231057 Estacionária
Santa Catarina 12 0,274535 Estacionária
São Paulo 12 1,394025 Estacionária
Fonte: Elaboração própria com base nos dados de preços estaduais de etanol disponível na ANP.
O mesmo acontece com o teste ERS, no qual as séries de preços são
não-estacionárias, porém, realizando-se o teste em primeira diferença, temos
que as séries são estacionárias em todos os estados.
Resumo do teste NG e Perron para os preços de venda do etanol nos estados brasileiros de julho de 2001 a dezembro de 2013
Estado Lags Conclusão
Acre 12 Estacionária
63
Alagoas 12 Estacionária
Amapá 12 Estacionária
Amazonas 12 Estacionária
Bahia 12 Estacionária
Ceará 12 Estacionária
Distrito Federal 12 Estacionária
Goiás 12 Estacionária
Mato Grosso 12 Estacionária
Mato Grosso do Sul 12 Estacionária
Minas Gerais 12 Estacionária
Pará 12 Estacionária
Paraíba 12 Estacionária
Pernambuco 12 Estacionária
Piaui 12 Estacionária
Rio de Janeiro 12 Estacionária
Rio Grande do Norte 12 Estacionária
Rio Grande do Sul 12 Estacionária
Rondônia 12 Estacionária
Roraima 12 Estacionária
Santa Catarina 12 Estacionária
São Paulo 12 Estacionária
Fonte: Elaboração própria com base nos dados de preços estaduais de etanol disponível na ANP.
De acordo com o teste de NG e Perron, as séries de preços do etanol
para cada estado são estacionárias.
Analisando o correlograma para cada série de preço dos estados
participantes do comércio brasileiro de etanol, temos que todos possuem a
seguinte aparência.
64
Fonte: Elaboração própria com base nos dados de preços estaduais de etanol disponível na ANP.
Desta forma, conclui-se que as séries são estacionárias em primeira
diferença, ouse já, são integradas de ordem 1 (I(1)) pois, apesar de dois testes
terem como resultado estacionariedade no nível, os outros testes, mais
confiáveis, resultaram que as séries são estacionárias em primeira diferença,
além disso, a análise gráfica do comportamente das séries, bem como a
análise das funções de autocorrelações (FAC), também corroboraram esse
fato.