Transmissão da variação da taxa de câmbio para os preços de exportação

brasileiros do café robusta: um estudo comparativo do dólar e do euro

 

TTransmition of exchange rate variation for the brazilian export prices of robusta coffee:

a comparative study of dollar and euro

 

Leonardo Sangoi Copetti1 e Daniel Arruda Coronel2

 

1 Universidade Federal de Santa Maria, Brasil, Mestrado em Administração, e-mail: leonardocopetti@hotmail.com

2 Universidade Federal de Santa Maria, Brasil, Doutorado em Economia Aplicada, e-mail: daniel.coronel@uol.com.br

 

 

Recebido em: 15/06/2019 - Revisado em: 18/08/2019 - Aprovado em: 03/10/2019 - Disponível em: 02/01/2020

Resumo

O objetivo deste trabalho consistiu no exame da relação entre variações cambiais e os preços de exportação brasileiros do café robusta, relação definida como o pass-through da taxa de câmbio, tendo como referência o período de janeiro de 2005 a fevereiro de 2019. Para tanto, estimaram-se dois modelos: em dólar e em euro. Os dados foram coletados nos sites do Conselho dos Exportadores de Café do Brasil – CECAFE, no Instituto de Economia Aplicada – IPEA e na International Coffee Organization – ICO. Neste sentido, fez-se uso dos instrumentais de séries temporais, especialmente do Modelo Vetor de Correção de Erros. Os resultados encontrados forneceram indicações de que o grau de pass-through da taxa de câmbio para os preços de exportação do café robusta ocorreu de forma incompleta, com os coeficientes para dólar e o euro de, respectivamente, -0,38 e -0,47, representando que depreciações da taxa de câmbio não se traduzem em ganhos significativos de competitividade, dado que não reduzem expressivamente os preços de exportação.

Palavras-chave: Café Robusta. Preços de Exportação. Pass-Through.

 

Abstract

The objective of this work consisted on the relation exam between exchange rates and the Brazilian export prices of Robusta coffee, relation defined as the pass-through of exchange variation, having as reference the period from January, 2005 to February, 2019. For this, we estimated two models: in dollar and in euro. The data was collected in the sites of Brazilian Coffee Exporters Council – CECAFÉ, Institute for Applied Economics –IPEA and International Coffee Organization – ICO. In this sense, we used instrumentals of temporal series, especially of Vector Error Correction Model. The results found provided indications that the pass-through degree of the exchange rate for the export prices of Robusta coffee occurred in a incomplete way, with the coefficient for dollar and euro of, respectively, -0.38 and -0.47, representing that the depreciations of exchange rate do not translate themselves in significant gains of competitiveness, since that they do not reduce expressively the export prices. 

 Keywords: Robusta Coffee; Export Prices; Pass-Through

 

1 INTRODUÇÃO

Segundo o United States Department of Agriculture – USDA (2019), o Brasil é o maior exportador mundial de café, visto que, na safra 2018/ 2019, o total exportado foi de 35 milhões de sacas de café, o que representou 25,5% das exportações mundiais, que foram de 137 milhões de sacas de café.

Além disso, para o Conselho dos Exportadores de Café do Brasil (CECAFE, 2019), o total do café robusta exportado pelo Brasil, em 2018, foi de US$ 244 milhões, o que representou 0,1% das exportações totais do país. Em comparação com o ano de 2005, houve um incremento de 225% do faturamento das exportações desta commodity, sendo que as exportações neste ano foram de US$ 75 milhões.

Para o USDA (2019), o total de café exportado pelo mundo, na safra 2018/2019, foi de 137 milhões de sacas de café, sendo que a representatividade dos três maiores exportadores foram respectivamente: Brasil, com 35 milhões de sacas (25,5%); Vietnã, com 28 milhões de sacas (20,4%) e Colômbia, com 13 milhões de sacas (9,5%). Já os três maiores importadores mundiais, nesse ano, foram, respectivamente, União Europeia, com 49 milhões de sacas (36,8%), Estados Unidos, com 27 milhões de sacas (20,3%) e Japão, com 9 milhões de sacas (6,8%). Além disso, segundo a Word Trade Organization – WTO (2019), dentre esses três maiores importadores, o Japão é o que aplica as maiores barreiras à importação de café (12%), a União Européea aplica um percentual médio de tarifas de importação de 9,08% e os Estados Unidos não aplicam taxas de importação a commodity.

Segundo Ferreira & Sanso (1999), países que fizeram tardiamente seu processo de industrialização como o Brasil são geralmente considerados com pouco controle sobre os preços que vendem nos mercados internacionais. Desta forma, as variações na taxa câmbio podem ter pouca relevância na determinação dos preços de exportação, ou seja, o coeficiente de pass-through tende a ser nulo.

Dada a importância do café para a economia brasileira, trabalhos como os de Sereia, Camara & Anhesini (2012) analisaram o comportamento de indicadores de comércio exterior do complexo cafeeiro brasileiro entre 1990 e 2007. Para tanto, utilizaram o modelo Constant Market Share (CMS) com os produtos café verde, café solúvel, café torrado e bebidas com café, bem como o índice de Vantagem Comparativa Revelada Simétrica (VCRS). Como resultados do modelo CMS, na análise dos quatro produtos em conjunto (café verde, solúvel, torrado e bebidas com café), tem-se que o desempenho das exportações brasileiras é atribuído aos efeitos de crescimento do comércio mundial e, principalmente, da competitividade. A análise do VCRS revelou que as exportações brasileiras de café apresentaram-se competitivas para os produtos café verde e café solúvel. Ainda nesta perspectiva, Thomé & Ferreira (2015) realizaram pesquisa sobre a competitividade das exportações do café brasileiro no comparativo com seus principais concorrentes, utilizando-se de indicadores de competitividade no comércio internacional, no período de 2003 a 2012, o Brasil apresentou-se competitivo durante todo período de análise. A competitividade das exportações brasileiras de café também foi confirmada por autores como Franck et al. (2016) e Arevalo, Arruda & Carvalho (2016). Por outro lado, percebe-se uma lacuna de estudos envolvendo competitividade do café robusta brasileiro e o coeficiente de pass-through, para o que a presente pesquisa vem a contribuir.

Diante deste contexto, o problema de pesquisa deste trabalho é responder à seguinte questão: existe diferença entre o grau de pass-through para os preços de exportação brasileiros do café robusta entre as taxas de câmbio real/ dólar e real/ euro, no período compreendido entre 01/2000 a 12/2018?

A partir do desenvolvimento deste estudo, têm-se elementos que auxiliem na compreensão da magnitude com que se dá a transmissão de preços para o mercado do café robusta, bem como entender mais de como a política econômica e cambial pode impactar sobre a competitividade do exportador brasileiro.

O presente trabalho está estruturado em três seções, além desta introdução. Na segunda seção, são apresentados os estudos empíricos realizados sobre a transmissão de preços e o coeficiente de pass-through no mercado brasileiro; na terceira seção, os procedimentos metodológicos são esboçados; na seção seguinte, os resultados são analisados e discutidos; e por fim, na última seção, são apresentadas as principais conclusões do trabalho.

 

 

2 FUNDAMENTAÇÃO TEÓRICA

2.1 Transmissão de preços e coeficiente de pass-through no mercado brasileiro

 

Cruz Jr. & Silva (2004) estudaram o coeficiente de pass-through para a exportação trimestral dos produtos agropecuários brasileiros no período compreendido do 3° trimestre de 1994 ao 2° trimestre 2003. Foram utilizadas as seguintes séries para a estimação do modelo: o índice de preços de exportação para produtos agropecuários do Brasil, o índice de preços de atacado para lavouras de exportação (IPA-OG) como proxy para o custo de produção, a taxa de câmbio nominal (real/dólar) fim do período, e, para o preço internacional, foi utilizada série de preços de importação de commodities dos Estados Unidos. Os autores utilizaram-se de econometria de séries temporais e do modelo Vetorial de Correção de Erros – VEC. Como resultado, os autores estimaram um coeficiente de pass-through de -0,53, representando que as variações da taxa de câmbio afetam parcialmente o preço de exportação dos produtos agropecuários brasileiros.

Tejada e Silva (2008) analisaram a relação entre as variações da taxa de câmbio e os preços das exportações dos principais produtos exportados pelo Brasil, com dados trimestrais, de janeiro de 1980 a janeiro de 2004. Os setores pesquisados e as respectivas participações no ano de 2004, foram Peças e Outros Veículos (10,29%), Siderurgia (7,11%), Extrativa Mineral (8,41%), Máquinas e Tratores - MAQ (5,33%), Veículos Automotores (5,05%), Óleos Vegetais (4,96%), Refino de Petróleo (4,55%), Madeira e Mobiliário (4,14%), Beneficiamento de Produtos Vegetais (3,22%), Metalurgia de Não ferrosos (3,16%), Celulose Papel e Gráfica (3,06%), Material Elétrico (2,34%), Elementos Químicos (2,15%), e Equipamentos Eletrônicos (2,10%). Para estimar o coeficiente de pass-through, os autores utilizaram-se o filtro de Kalman, gerando um coeficiente variável ao longo do tempo. Como resultados da pesquisa, os setores pesquisados apresentaram um coeficiente de pass-through oscilando entre zero e -1 (menos um), indicando pass-through incompleto, ou seja, a variação da taxa de câmbio afeta parcialmente os preços de exportação.

Fraga et al. (2008) investigaram o repasse da variação da taxa de câmbio para os preços mensais de exportação da soja em grão do Brasil no período de julho de 1994 a dezembro de 2004. Para tanto, os autores utilizaram testes de raiz unitária (ADF), de cointegração de Johansen e o modelo vetorial de correção de erros (VEC). Como resultados, estimaram um coeficiente de pass-through no valor de -0,34, representando um pass-through incompleto, ou seja, que a política cambial adotada pelo país reflete-se nos lucros do exportador: se o câmbio é apreciado, o exportador é obrigado a cumprir seus lucros; do contrário, quando o câmbio é depreciado, o exportador expande seus lucros.

Cunha et al. (2010) realizaram um estudo sobre a transmissão de preços internacionais no mercado do café arábica para o Brasil, Colômbia, México, Guatemala, Peru e Honduras, no período de janeiro de 1990 a junho de 2007. Para tanto, utilizam-se de econometria de séries temporais e do modelo Vetorial de Correção de Erros – VEC. Como resultados, estimaram as seguintes elasticidades de transmissão de preços para os países: Brasil (-1,505), Colômbia (-0,759), México (-1,076), Guatemala (-0,905), Peru (-1,042) e Honduras (-0945). O mercado brasileiro apresentou-se como o mais integrado ao mercado internacional, representando que o aumento de 1% no preço internacional do café arábica determina um aumento de 1,50% no preço ao produtor brasileiro.

Correa (2012) analisou o impacto das variações cambiais sobre as exportações de 26 setores da economia brasileira, no período de 1995 a 2005. Os setores pesquisados foram extrativa mineral, extração de petróleo e gás, minerais não metálicos, siderurgia, metalurgia dos não ferrosos, outros produtos metalúrgicos, fabricação de máquinas e tratores, material elétrico, equipamentos eletrônicos, automóveis, outros veículos e peças, madeira e mobiliário, papel e gráfica, indústria da borracha, elementos químicos não petroquímicos, refino de petróleo e petroquímica, fabricação de produtos químicos diversos, indústria têxtil, fabricação de artigos de couro e calçados, indústria do café, beneficiamento de produtos vegetais, abate de animais, indústria do açúcar, fabricação de gorduras e óleos vegetais, outros produtos alimentares e bebidas, e Indústrias diversas.

As variáveis utilizadas no modelo econométrico foram o preço das exportações brasileiras de 26 setores classificados pelo Instituto Brasileiro de Geografia e Estatística - IBGE, a taxa de câmbio nominal, o custo doméstico utilizando uma metodologia para custo setorial, o preço das exportações concorrentes internacionais correspondendo ao índice de preços das importações norte-americanas e o grau de utilização da capacidade instalada calculada pela Fundação Getúlio Vargas – FGV. Como resultados, o autor apresentou coeficientes de pass-through incompletos para os diversos setores pesquisados e o coeficiente de -0,841 para a indústria do café.

Copetti, Vieira & Coronel (2012) realizaram pesquisa sobre a transmissão da variação da taxa de câmbio aos preços de exportação do grão de soja no Brasil e na Argentina, no período de 03/1999 a 02/2011. Para tanto, utilizam-se de econometria de séries temporais e do modelo Vetorial de Correção de Erros – VEC. Os resultados revelaram um coeficiente de pass-through incompleto para o Brasil (-0,11) e nulo para Argentina. No mercado brasileiro, a estimativa do coeficiente indicou que a variação da taxa de câmbio exerce influência parcial sobre os preços médios de exportação do grão de soja, ou seja, a variação de 1% na taxa de câmbio é repassada 0,11% no mesmo sentido para o preço médio de exportação do grão de soja no Brasil. Já para o mercado argentino, as variações da taxa de câmbio não exercem influência sobre os preços médios de exportação do grão de soja.

Souza (2018) buscou avaliar a influência das variações cambiais no desempenho exportador do milho e do algodão considerando dados mensais de janeiro de 2002 a dezembro de 2016. Para estimar o pass-through da taxa de câmbio para os preços de exportação do milho e do algodão, o autor empregou o Modelo Vetorial de Correção de Erro e o Modelo Estrutural Vetorial de Correção de Erro. Os resultados mostraram que o pass-through da taxa de câmbio para o preço de exportação do milho foi incompleto, implicando que as variações cambiais afetaram a competitividade do exportador dessa cultura. No caso do algodão, o pass-through para o preço de exportação do algodão foi nulo, indicando que as variações cambiais agiram impactando apenas o mark-up do exportador dessa commodity.

Souza, Raniro e Rosa (2018) avaliaram o pass-through da taxa de câmbio para os preços de exportações, em dólares e em reais, do açúcar brasileiro de janeiro de 2012 a dezembro de 2016. Utilizaram as ferramentas econométricas de séries temporais multivariadas, com destaque para o Modelo Vetorial de Correção de Erro. Os resultados apontaram um pass-through incompleto da taxa de câmbio para os preços de exportações do açúcar, em dólares e em reais, tendo baixo coeficiente (-0,03) de pass-through cambial para o preço em dólares e alto coeficiente (0,97) para o preço em reais.

No Quadro 1, faz-se uma síntese dos estudos acerca dos estudos sobre transmissão de preços e coeficiente de pass-through nas exportações brasileiras.

Quadro 1 - Síntese dos estudos empíricos

 

 

 

 

 

 

 

 

 

 

 

 

Fonte: Organização dos autores

 

Nesta subseção, foram reunidos estudos realizados sobre transmissão de preços e coeficiente de pass-through nas exportações brasileiras a fim de analisar a relação entre a taxa de câmbio e os preços de exportação do Brasil, bem como a transmissão de preços internacionais aos preços domésticos e de exportação brasileiros do café robusta.

Os estudos supracitados revelaram que o Brasil apresentou um coeficiente de pass-through incompleto nas exportações (entre zero e -1) e que a transmissão de preços internacionais do café aos preços domésticos se comportou de forma elástica, ou seja, os preços internacionais são transmitidos integralmente aos preços domésticos. A presente pesquisa difere dos estudos citados pelo comparativo do coeficiente de pass-through nas exportações do café robusta em dólar e em euro.

 

 

3 METODOLOGIA

3.1 Modelo analítico

O modelo econométrico pass-through, de acordo com Menon (1995), usado em sua forma mais simples, parte de um modelo de mark-up que pode ser representado da seguinte forma:

 

 

 

em que; é o preço de exportação em moeda estrangeira; é custo de produção, medido em moeda estrangeira; é a taxa de câmbio nominal; e é mark-up.

Partindo-se do pressuposto que o mark-up pode variar de acordo com a pressão competitiva no mercado mundial, tem-se que:

com correspondendo à diferença entre o preço das exportações mundiais e o custo de produção do exportador medido em moeda estrangeira.

Substituindo a Equação (2) em (1) e aplicando-se o logaritmo neperiano no resultado dessa substituição, chega-se à seguinte equação de preço de exportação em moeda estrangeira:

 

 

Considerando-se a versão não restrita da Equação (3), na qual não se exige que a soma dos coeficientes relativos a e seja igual a 1 e na qual se admite que os coeficientes relativos a e difiram em sinal e magnitude, conforme Menon (1995), tem-se:

 

 

em que o coeficiente de pass-through é representado por

A análise do resultado deste coeficiente pode ser expressa da seguinte forma:

1. 1.
   
   = 0; significa que a taxa de câmbio não exerce influência sobre o preço em moeda estrangeira dos bens exportados;
2. 2.
   
   = -1; significa que a mudança na taxa de câmbio afeta integralmente o preço em moeda estrangeira dos bens exportados; e
3. 3. -1 < < 0; significa que a mudança na taxa de câmbio afeta parcialmente o preço em moeda estrangeira dos bens exportados.

 

3.2 Procedimentos econométricos

3.2.1 Teste de raiz unitária

 

Para determinar a ordem de integração das séries de interesse, este trabalho utilizou os testes de raiz unitária Dickey-Fuller Aumentado (DICKEY; FULLER, 1979, 1981) e Kwiatkowski, Phillips, Schmidt e Shin (KPSS, 1992). Esses testes permitem verificar a existência ou não de raízes unitárias nas séries temporais, ou seja, se as variáveis são ou não estacionárias.

O teste ADF consiste na estimação da seguinte equação por Mínimos Quadrados Ordinários e pode ser expresso, conforme Enders (1995), da seguinte forma:

 

 

com: e ,

em que: é o intercepto; descreve o comportamento da série temporal; representa a variável dependente; é a representação do operador de diferença e denota o erro que se assume ser idêntica e independentemente distribuída. A fim de determinar o número de defasagens utilizadas no teste para eliminar a autocorrelação residual, utilizou-se o menor valor do critério de Schwarz (SBC).

O parâmetro de interesse nas regressões (sem intercepto e sem tendência; com intercepto; com intercepto e tendência) é , sendo que, se , a série contém uma raiz unitária. Nesse teste, compara-se o resultado da estatística com os valores apropriados reportados por Dickey-Fuller para determinar se aceita ou se rejeita a hipótese nula . A hipótese nula será rejeitada se o valor calculado da estatística for maior do que o valor crítico de Dickey-Fuller, indicando que a série é estacionária; caso contrário, a série é não estacionária.

O KPSS é um teste alternativo ao ADF, sendo definido pelo procedimento de um teste de não estacionariedade contra a hipótese nula de estacionariedade, conforme Greene (2008). Formalmente é expresso pela seguinte expressão:

 

 

tendo as seguintes hipóteses:

: , série é estacionária

: , série é não estacionária

 

3.2.2 Análise de cointegração

 

Mesmo que variáveis individuais não sejam estacionárias, mas exista pelo menos uma combinação linear estacionária entre elas, então se pode afirmar que essas variáveis são cointegradas (GREENE, 2008), ou seja, é possível verificar uma relação de equilíbrio de longo prazo entre elas, que pode ser estimada e analisada. Dessa forma, para identificar o possível relacionamento de longo prazo entre as séries, utilizou-se o teste de cointegração elaborado por Johansen (1988).

O procedimento de Johansen (1988) considera que todas as variáveis são endógenas e sua utilização não é limitada pela existência de endogeneidade do regressor (relação causal no sentido da variável dependente para a variável explicativa). Esse procedimento utiliza Máxima Verossimilhança para estimar os vetores de cointegração e permite testar e estimar a presença de vários vetores e não só de um único vetor de cointegração.

De acordo com Harris (1995), definido um vetor de n variáveis potencialmente endógenas, é possível especificar o seguinte processo gerador, e modelar como um Vetor Auto-regressivo (VAR) irrestrito com k defasagens de :

 

 

 

em que: é um vetor (nx1), é uma matriz de parâmetros (nxn) e ut ~.

Ainda conforme Harris (1995), a Equação (7) pode ser reparametrizada em termos de um modelo Vetorial de Correção de Erro (VEC) esboçado como:

 

 

 

em que: , (i = 1,..., k-1) e . Da forma como especificado, o sistema contém informações de curto e longo prazo a mudanças de , via estimativas de e , respectivamente, onde , com α representando a velocidade de ajustamento ao desequilíbrio e β a matriz de coeficientes de longo prazo.

A importância do modelo de correção de erro reside no fato de permitir a ligação entre aspectos relacionados à dinâmica de curto prazo com os de longo prazo (Hamilton, 1994). Dessa forma, os mecanismos de correção de erro pretendem fornecer um caminho para combinar as vantagens de se modelar tanto em nível quanto nas diferenças. Nesse modelo, não apenas a dinâmica do processo de ajustamento de curto prazo como também a do processo de longo prazo são modeladas simultaneamente.

O número de vetores de cointegração depende do posto ou rank (r) da matriz. Em termos de vetores de cointegração, têm-se três possibilidades, conforme Enders (1995): se o posto de é completo, então as variáveis são I(0), ou seja, significa que qualquer combinação linear entre as variáveis é estacionária e o ajuste do modelo deve ser efetuado com as variáveis em nível; se o posto de é zero, então não há relacionamento de cointegração e o modelo deve ser ajustado com as variáveis em diferença e, quando tem posto reduzido, há r vetores de cointegração.

Para Enders (1995), o rank de uma matriz é igual ao número de raízes características estritamente diferentes de zero, que pode ser identificado por meio de dois testes estatísticos. O primeiro deles é o teste do traço, que testa a hipótese nula de que o número de vetores de cointegração distintos é menor ou igual a r contra a hipótese alternativa de que o número desses vetores é maior do que r, que pode ser definido por:

 

 

 

em que

= valores estimados das raízes características obtidos da matriz ; = número de observações.

O segundo teste é o do máximo autovalor, que testa a hipótese nula de que o número de vetores de cointegração é r contra a hipótese alternativa de existência de vetores de cointegração, podendo ser expresso da seguinte forma:

 

 

 

Verificada a cointegração entre as séries analisadas, estima-se o modelo VEC, conforme definido na Expressão (8).

 

3.2.3 Testes de autoccorrelação

3.2.3.1 Teste de Portmanteau

 

O teste de Portmanteau calcula as estatísticas Box-Pierce / Ljung-Box multivariadas para correlação serial residual até a defasagem especificada.

Box-Pierce (1970) desenvolveu uma estatística Q baseada na soma dos quadrados das autocorrelações. A estatística de Box-Pierce, , é comparada à distribuição qui-quadrado com “q” graus de liberdade. Caso o resíduo seja um ruído branco, a estatística Q definida segue uma distribuição qui-quadrado com “q” graus de liberdade.

Ljung-Box (1978), também conhecido como teste de Box-Pierce modificado, é utilizado para verificar se há falha de ajuste em um modelo temporal. O teste examina as “n” primeiras autocorrelações dos resíduos e, caso estas sejam pequenas, há indício de que não há falha no ajuste. A hipótese nula desse teste considera que as autocorrelações até o lag “n” é igual a zero e a estatística do teste é definida pela Equação (11):

 

 

onde 𝜌̂𝑘 a autocorrelação estimada dos resíduos na defasagem “k” e “n” o número de lags testado. O teste irá rejeitar a hipótese nula caso , sendo uma distribuição qui-quadrado com “q” graus de liberdade e nível de significância 𝛼.

 

3.2.3.2 Teste LM

 

O teste de Breusch (1978) - Godfrey (1978), também conhecido como teste LM (Lagrange Multiplier) para autocorrelação, testa a hipótese nula de ausência de autocorrelação até a defasagem p. Após definir o modelo e estimar seus coeficientes, o teste consiste em efetuar uma regressão do resíduo contra o próprio resíduo defasado no tempo e as variáveis explicativas, de acordo com a Equação (12):

 

 

onde os últimos termos são os resíduos estimados pela equação do modelo adotado.

 

3.2.4 Fonte dos dados

 

Os dados para estimação do modelo apresentado na Equação (4) foram coletados nos seguintes sites: no Conselho dos Exportadores de Café do Brasil – CECAFE (2019), para a variável preço de exportação do café robusta (em dólar/ saca de 60kg - US$/SC e transformado em euro/ saca de 60kg - €/SC); no Instituto de Economia Aplicada – IPEA (2019), para as variáveis custo de produção, utilizado como proxy o Índice de Preços ao Atacado – Disponibilidade Interna – IPA- DI, as taxas de câmbio nominal (em real/ dólar - R$/US$ e em real/ euro - R$/€); e na International Coffee Organization – ICO (2019), para o preço internacional do café robusta (em cents de dólar por libra-peso, transformado em dólar/ saca de 60kg - US$/SC e em euro/ saca de 60kg - €/SC)

O período analisado foi o de janeiro/ 2005 a fevereiro/2019, com cotações mensais, totalizando 170 observações. Na Tabela 1, encontra-se um resumo das variáveis estimadas no modelo.

 

Tabela 1 -Variáveis estimadas no modelo e as respectivas siglas

 

Fonte: Organização dos autores

Na seção seguinte, será apresentada a análise e discussão dos resultados dos modelos para o café robusta estimados em dólar e em euro.

 

 

4 ANÁLISE E DISCUSSÃO DOS RESULTADOS

Como forma de indicar a ordem de integração das séries de análise, foram aplicados dois testes de estacionariedade: ADF – Dickey- Fuller Aumentado; e KPSS - Kwiatkoswski, Philips, Schmidt e Shin. Os resultados estão expostos nas Tabelas 2 e 3.

Tabela 2- Testes de raiz unitária em nível aplicados nas séries mensais de preços de exportação do café robusta (em US$/SC e em € /SC), custo de produção, taxas de câmbio nominal (R$/ US$ e R$/ €) e preços internacionais do café robusta (em US$/SC e em € /SC) no período de janeiro de 2005 a fevereiro de 2019.

 

 

 

 

Nota 1: *** significativo a 1%; ** significativo a 5%; * significativo a 10%; ns não significativo

Fonte: Elaboração própria com base nos dados da pesquisa

Pela análise da Tabela 2, observa-se que as séries dos preços de exportação do café robusta em dólar e em euro, e os preços internacionais do café robusta em dólar e em euro foram estacionárias em nível para o teste ADF, com 5% de significância. Já para o teste KPSS, todas as séries foram não estacionárias em nível, com 5% de significância. Por outro lado, os resultados da Tabela 3 indicam concordância em ambos os testes, efetuada a primeira diferença, as séries foram estacionárias, com 5% de significância.

 

Tabela 3- Testes de raiz unitária em primeira diferença aplicados nas séries mensais de preços de exportação do café robusta (em US$/SC e em € /SC), custo de produção, taxas de câmbio nominal (R$/ US$ e R$/ €) e preços internacionais do café robusta (em US$/SC e em € /SC) no período de janeiro de 2005 a fevereiro de 2019.

 

Nota 1: *** significativo a 1%; ** significativo a 5%; * significativo a 10%; ns não significativo

Fonte: Elaboração própria com base nos dados da pesquisa

 

Efetuados os testes de estacionariedade das séries e identificada a ordem de integração, a próxima etapa consistiu em analisar individualmente a dinâmica do repasse cambial nos preços de exportação do café robusta.

 

4.1 Café robusta em dólar

Na Figura 1, é possível identificar a evolução do preço de exportação do café robusta (em US$/SC) e a taxa de câmbio nominal (R$/ US$) de janeiro de 2005 até fevereiro de 2019.

 

Figura 1- Relação entre preço de exportação do café robusta (em US$/SC) e a taxa de câmbio nominal (R$/US$), no período de janeiro de 2005 a fevereiro de 2019.

 

Fonte: Elaborado pelos autores a partir de CECAFE (2019) e IPEA (2019).

 

A partir da Figura 1, identificou-se que as séries apresentam uma tendência estocástica, ou seja, um padrão aleatório ao longo do tempo. Contudo, é possível que os dados apresentem um relacionamento de longo prazo a ser confirmado pelo teste de cointegração.

Para realização do teste de cointegração, é necessário verificar o número de defasagens para inserir do modelo (Tabela 4).

 

Tabela 4 - Critério de defasagem do VAR auxiliar para o café robusta em dólar

 

Nota 1: valor da verossimilhança (LogL); p-valor do teste de razão de verossimilhança (LR); Erro de Predição Final (FPE); Critério de Informação de Akaike (AIC); Critério de Informação Bayesiano de Schwarz (BIC); e o Critério de Informação de Hannan & Quinn (HQC).

Nota 2: *indica a defasagem ótima (n) definida pelo critério

Fonte: Elaboração própria com base nos dados da pesquisa

 

Com base nos dados da Tabela 4, foi possível indicar que o número de defasagens é de 2 (duas) a ser incluída no VAR, visto que, dos cinco critérios considerados, todos indicaram o mesmo número de defasagens do VAR auxiliar.

O teste de cointegração de Johansen revelou que a hipótese nula de que não há nenhum vetor de cointegração deve ser rejeitada ao nível de 5% para a estatística do traço e para a estatística do máximo autovalor (de acordo com os dados da Tabela 5). Além disso, o modelo da equação de cointegração que mais se ajustou ao teste foi o modelo 1 do sumário do teste, com as variáveis em nível sem tendência determinística e as equações de cointegração sem interceptos.

 

Tabela 5 – Teste de cointegração de Johansen para o café robusta em dólar

 

Nota: ** significativo a 5% e *** significativo a 1%.

Fonte: Elaboração própria com base nos dados da pesquisa

 

De acordo com a Tabela 6, que apresenta o vetor de cointegração (normalizado), todos os coeficientes estimados foram significativos ao nível de 1%.

 

Tabela 6- Estimativa do vetor de cointegração (normalizado) para o café robusta em dólar

 

Nota l: LBRA_CD = logaritmo neperiano do preço de exportação do café robusta em dólar (US$/SC); LBRA_CP = logaritmo neperiano do custo de produção; LBRA_D = logaritmo neperiano da taxa de câmbio (R$/ US$); LINT_CD = logaritmo neperiano do preço internacional do café robusta em dólar (US$/SC). Nota 2: os valores entre parênteses referem-se ao erro padrão, e os entre colchetes, à estatística t. Nota 3: *** significativo a 1%; ** significativo a 5%, ns não significativo.

Fonte: Elaboração própria com base nos dados da pesquisa

 

Na Equação (13), é apresentado o vetor de cointegração (normalizado), indicando o relacionamento de longo prazo entre as variáveis com as respectivas elasticidades.

 

De acordo com a Equação (13), verifica-se que o coeficiente de pass-through foi incompleto, indicando que a variação da taxa de câmbio (R$/ US$) influencia parcialmente o preço de exportação do café robusta brasileiro cotado em dólar, ou seja, o aumento de 1% na taxa de câmbio ocasiona um aumento de 0,38% no preço de exportação do café robusta. O estudo de Correa (2012) também encontrou um pass-through incompleto para a indústria do café, porém no valor de -0,841.

Demais estudos remontados na literatura revisada corroboraram a este resultado de um pass-through incompleto (CRUZ JR. ; SILVA, 2004 ; TEJADA ; SILVA, 2008; FRAGA et al., 2008; COPETTI, VIEIRA ; CORONEL,2012; SOUZA, RANIRO ; ROSA, 2018; E SOUZA, 2018).

Ainda, de acordo com a Equação (13), o aumento de 1% no custo de produção brasileiro ocasiona uma diminuição de 0,47% no preço de exportação do café robusta em dólar.

Também foi possível inferir, com base na Equação (13), que o aumento de 1% no preço internacional do café robusta em dólar determina um aumento de 1,56% no preço de exportação do café robusta em dólar.

O resultado encontrado na presente pesquisa sugere um coeficiente elástico na transmissão de preços e valida a Lei do Preço Único, que, de acordo com Mundlack e Larson (1992), diz que bens idênticos, em regiões distintas, em livre concorrência de mercado, devem ser vendidos pelo mesmo preço.

O estudo de Cunha et al. (2010) também corroboraram para este resultado de um coeficiente elástico na transmissão do preço internacional do café ao mercado brasileiro, encontrando um coeficiente de -1,505 para o mercado do café arábica.

Com a finalidade de diagnóstico do modelo, foram estimados dois testes de correlação serial para os resíduos, cujos resultados encontram-se na Tabela 7.

 

Tabela 7- Testes de correlação serial para os resíduos do modelo VEC para o café robusta em dólar

 

Fonte: Elaboração própria com base nos dados da pesquisa

 

Com base na análise dos dados apresentados na Tabela 7, até doze defasagens o teste indica a rejeição da hipótese nula de que a correlação serial é diferente de zero, com 5% de significância. Desta forma, os resultados de diagnóstico do modelo estimado são válidos e apresentam um relacionamento correto e confiável entre as variáveis em questão.

 

4.2 Café robusta em euro

 

Na Figura 2, é possível identificar a evolução do preço de exportação do café robusta (em € /SC) e a taxa de câmbio nominal (R$/€) de janeiro de 2005 até fevereiro de 2019.

 

Figura 2 – Relação entre o preço de exportação do café robusta (em € /SC) e a taxa de câmbio nominal (Real/ Euro - R$/€), no período de janeiro de 2005 a fevereiro de 2019.

 

Fonte: Elaborado pelos autores a partir de CECAFE (2019) e IPEA (2019).

 

A partir da Figura 2, identifica-se que as séries apresentam uma tendência estocástica, ou seja, um padrão aleatório ao longo do tempo. Contudo, é possível que os dados apresentem um relacionamento de longo prazo a ser confirmado pelo teste de cointegração.

Para realização do teste de cointegração, é necessário verificar o número de defasagens para inserir do modelo (Tabela 8).

 

Tabela 8 - Critério de defasagem do VAR auxiliar para o café robusta em euro

 

Nota 1: valor da verossimilhança (LogL); p-valor do teste de razão de verossimilhança (LR); Erro de Predição Final (FPE); Critério de Informação de Akaike (AIC); Critério de Informação Bayesiano de Schwarz (BIC); e o Critério de Informação de Hannan & Quinn (HQC).

Nota 2: *indica a defasagem ótima (n) definida pelo critério.

Fonte: Elaboração própria com base nos dados da pesquisa.

 

Com base nos dados da Tabela 8, foi possível indicar que o número de defasagens é de 2 (duas) a ser incluída no VAR, visto que, dos cinco critérios considerados, quatro indicaram o mesmo número de defasagens do VAR auxiliar.

O teste de cointegração de Johansen revelou que a hipótese nula de que não há nenhum vetor de cointegração deve ser rejeitada ao nível de 1% (de acordo com os dados da Tabela 9). Também a hipótese nula de que há até um vetor de cointegração para a Estatística do Traço deve ser rejeitada ao nível de 5%. Além disso, o modelo da equação de cointegração que mais se ajustou ao teste foi o modelo 1 do sumário do teste, com as variáveis em nível sem tendência determinística e as equações de cointegração sem interceptos.

 

Tabela 9 – Teste de cointegração de Johansen para o café robusta em euro

 

Nota: ** significativo a 5% e *** significativo a 1%

Fonte: Elaboração própria com base nos dados da pesquisa

 

De acordo com a Tabela 10, que apresenta o vetor de cointegração (normalizado), todos os coeficientes estimados foram significativos ao nível de 1%.

 

Tabela 10- Estimativa do vetor de cointegração (normalizado) para o café robusta em euro

 

 

Nota l: LBRA_CE = logaritmo neperiano do preço de exportação do café robusta em euro (€/SC); LBRA_CP = logaritmo neperiano do custo de produção; LBRA_E = logaritmo neperiano da taxa de câmbio (R$/ €); LINT_CE = logaritmo neperiano do preço internacional do café robusta em euro (€/SC). Nota 2: os valores entre parênteses referem-se ao erro padrão, e os entre colchetes, à estatística t. Nota 3: *** significativo a 1%; ** significativo a 5%, ns não significativo.

Fonte: Elaboração própria com base nos dados da pesquisa

 

Na Equação (14), é apresentado o vetor de cointegração (normalizado), indicando o relacionamento de longo prazo entre as variáveis com as respectivas elasticidades.

 

 

De acordo com a Equação (14), verifica-se que o coeficiente de pass-through foi incompleto, indicando que a variação da taxa de câmbio influencia parcialmente o preço de exportação do café robusta em euro, ou seja, o aumento de 1% na taxa de câmbio (R$/ €) ocasiona um aumento de 0,47% no preço de exportação do café robusta em euro. O resultado de pass-through incompleto também foi encontrado em diversos estudos sobre as exportações brasileiras (CRUZ JR. ; SILVA, 2004 ; TEJADA ; SILVA, 2008; FRAGA et al., 2008; CORREA, 2012; COPETTI, VIEIRA ; CORONEL,2012; SOUZA, RANIRO ; ROSA, 2018; E SOUZA, 2018).

Ainda, o aumento de 1% no custo de produção brasileiro ocasiona uma diminuição de 0,85% no preço de exportação do café robusta em euro.

Também é possível inferir que o aumento de 1% no preço internacional do café robusta em euro determina um aumento de 2,07% no preço de exportação do café robusta em euro.

Com a finalidade de diagnóstico do modelo, foram estimados testes de correção serial para os resíduos, cujos resultados encontram-se na Tabela 11.

 

Tabela 11-Teste de correlação serial para os resíduos do modelo VEC para o café robusta em euro

 

Fonte: Elaboração própria com base nos dados da pesquisa

 

Com base na análise dos dados apresentados na Tabela 11, até doze defasagens o teste indica a rejeição da hipótese nula de que a correlação serial é diferente de zero, com 5% de significância. Desta forma, com os resultados o diagnóstico do modelo estimado é válido e apresenta um relacionamento correto e confiável entre as variáveis em questão.

 

4 CONCLUSÕES

 

O trabalho realizou uma investigação da influência da variação da taxa de câmbio aos preços de exportação do café robusta em dólar e em euro. Nesse tocante, os resultados encontrados forneceram indicações de que o grau de pass-through da taxa de câmbio (em R$/US$ e em R$/€) para os preços de exportação do café robusta foi incompleto com os coeficientes para dólar e euro de, respectivamente, -0,38 e -0,47.

A partir disso, pode-se inferir que o coeficiente de pass-through encontrado determina que depreciações da taxa de câmbio não se traduzem em ganhos significativos de competitividade, dado que não reduzem expressivamente os preços de exportação.

Desse modo, como as variações cambiais determinaram reduzidos efeitos sobre a competitividade do café robusta, cabe um enfoque sobre aspectos como o grau de concorrência na formação de preços desse mercado (pricing to market) e a elasticidade-preço da demanda. Logo, as características do mercado do café robusta como a elevada concentração, porém com reduzido poder de mercado dos exportadores, com o crescimento da renda mundial, tem possivelmente minimizado o ajuste dos preços decorrentes de depreciações cambiais.

Entre as limitações do presente trabalho, está o fato de o coeficiente de pass-through estimado ser estático, ou seja, permitiu a análise geral de um período específico de tempo, não compreendendo o dinamismo da taxa de câmbio e sua influência período a período sobre os preços do mercado doméstico e de exportação. Neste sentido, recomenda-se, para estudos posteriores, o comparativo em sub-períodos, bem como a aplicação do filtro de Kalman, como forma de captar a dinâmica do repasse cambial.

 

 

REFERÊNCIAS

 

BOX, G. E. P.; PIERCE, D. A. Distribution of Residual Autocorrelations in AutoregressiveIntegrated Moving Average Time Series Models. Journal of the American Statistical Association, v. 65, n. 332, p. 1509-1526, 1970.

REUSCH, T. S. Testing for autocorrelation in dynamic linear models. Australian Economic Papers, 17, 1978.

BUENO, R. D. L. D. Econometria de séries temporais. São Paulo: Cengage Learning, 2008. CECAFE - Conselho dos Exportadores de Café do Brasil. Estatísticas. Disponível em: https://www.cecafe.com.br/ Acesso em: 05 abr. 2019.

COPETTI, L. S.; VIEIRA, K. M.; CORONEL, D. A. Transmissão das variações da taxa de câmbio para os preços de exportação da soja no Brasil e na Argentina. Custos e Agronegócios Online, Recife, v. 8, n. 3, p.113-132, jul./ set. 2012.

CORREA, A. L. Taxa de câmbio e preços de exportação no Brasil: avaliação empírica dos coeficientes de pass-through setoriais. Economia e Sociedade, Campinas, v. 21, n.1 (44), p.61-91, abr. 2012.

CRUZ JR., J. C.; SILVA, O. M. Pass-through da taxa de câmbio nos preços de exportação dos produtos agropecuários brasileiros: 1994-2003. In: Anais do XLII Congresso brasileiro de economia e sociologia rural (SOBER), 2004, Cuiabá-MT.

CUNHA, D. A. et al. Integração e transmissão de preços no mercado internacional do café arábica. Piracicaba, SP, Rev. Econ. Sociol. Rural - RESR,vol. 48, n°4, p. 515-542, out/dez 2010.

DICKEY, D. A.; FULLER, W. A. Distribution of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, v.74, n.366, p.427-431, 1979.

DICKEY, D. A.; FULLER, W. A Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica, v.49, p.1057-1073, 1981.

ENDERS, W. Applied Econometric Time Series. Nova York: John Wiley & Sons, 1995.

ENGLE, R. F.; GRANGER, C. W. Co-integration and error-correction: representation, estimation and testing. Econometrica, Chicago, v.55, n.2, p. 251-276, 1987

FERREIRA, A.; SANSO, A. Exchange rate pass-through: the case of Brazilian exports of manufactures. In: World Congress Of The International Economic Association, 2, Buenos Aires, ago. 1999.

FRAGA, G. J. et al. O pass-through das variações da taxa de câmbio para os preços de exportação de soja. Revista Análise Econômica, Porto Alegre, n. 49, p. 193-210, 2008.

FRANCK, A. G. S.; SILVA, M. L.; SILVA, R. A.; CORONEL, D. A. .Análise da competitividade do mercado exportador brasileiro de café. Desafio Online, Campo Grande, v.4, n.3, Set./Dez.2016.

GODFREY, L. G. Testing for higher order serial correlation in regression equations when the regressors include lagged dependent variables. Econometrica, 1978.

GREENE, W. H. Econometrics Analysis. 6.ed. New Jersey: Pearson Education, 2008.

HAMILTON, J. D. Time series analysis. New Jersey: Princeton University Press, 1994.

HARRIS, R.I.D. Using cointegration analysis in econometric modelling. London: Prentice-Hall-Harvester Wheatsheaf,1995. IPEA - Instituto de Pesquisa Econômica Aplicada. Disponível em: http://www.ipeadata.gov.br/ Acesso em: 14 jan. 2019.

ICO – International Coffee Organization. Historical Data on the Global Coffee Trade. Disponível em:http://www.ico.org/new_historical.asp.Acesso em: 05 abr. 2019

JOHANSEN, S. Statistical analysis of cointegration vectors. Journal of Economic Dynamic and Control, v.12, p.231-254,1988.

KWIAKOWSKI, D.; PHILLIPS, P. C. B.; SCHMIDT, P.; SHIN, Y. Testing the alternative of stationary against the alternative of a unit root: how sure are we that economic time series have a unit root?. Journal of Econometrics. p. 159-178, 1992.

MDIC - Ministério de Desenvolvimento, Indústria e Comércio Exterior. Balança Comercial. Disponível em: http://www.mdic.gov.br/index.php/balanca-comercial. Acesso em: 01 mar. 2019.

MENON, J. Exchange rate and import prices for a small open economy. Applied Economics, v. 27, n. 3, p. 297-301, 1995.

MUNDLACK, Y.; LARSON, D. F. On the transmission of world agricultural prices. The World Bank Review, v.6, n.1, p.399-422, 1992.

SEREIA, V. J.; CAMARA, M. R. G.; ANHESINI, J. A. R. Competitividade do complexo cafeeiro: uma análise a partir do market share e das vantagens comparativas simétricas. Revista de Economia, Editora UFPR, Curitiba, v. 38, n. 1 (ano 36), p. 07-34, jan./abr. 2012.

SOUZA, D. K. F. O impacto das variações cambiais nas exportações do milho e do algodão. 2018. 95 f. Dissertação (Mestrado em Economia). Universidade Federal de São Carlos, Sorocaba, 2018.

SOUZA, D. K. F.; RANIRO, L. R.; ROSA, M. B. Análise do pass-through da taxa de câmbio para os preços de exportação do açúcar. In: Anais do 56° Congresso da Sociedade Brasileira de Economia, Administração e Sociologia Rural – SOBER, Campinas - SP, 2018.

TEJADA, C. A. O.; SILVA, A. G. O pass-through das variações da taxa de câmbio para os preços dos principais produtos exportados pelo Brasil. Revista de Economia e Sociologia Rural, v.46, n.01, p.171-205, jan-mar/2008

THOMÉ, K. M.; & FERREIRA, L. S. Competitividade e estrutura de mercado internacional de café: análise de 2003 a 2012. Coffee Science, Lavras, v. 10, n. 2, p. 184 - 194, abr./jun. 2015.

USDA – United States Department of Agriculture. Custom Query. Disponível em: ttps://apps.fas.usda.gov/psdonline/app/index.html#/app/advQuery. Acesso em: 03 jan. 2019.

WTO – World Trade Organization. Tariff Analysis Online. Disponível em: http://tao.wto.org/ Acesso em: 05 jun. 2019.