Transmisso de preos e anlise da volatilidade no

mercado internacional da soja em gro: Uma

abordagem utilizando a econometria de sries
temporais.
Lucas Siqueira de Castro
Aziz Galvo da Silva Jnior
Antonio Carvalho Campos
Marcelo Jos Braga

Universidade Federal de Viosa

2 Conferncia em Gesto de Risco e Comercializao de

Commodities

lucancastro@hotmail.com

RESUMO
Este trabalho analisa o mercado internacional de soja atravs das relaes entre os preos e retornos
dos preos. Estimou-se um modelo VAR avaliando a transmisso do preo da commodity da soja
americana para a soja em gro domstica para o Brasil e para a Argentina. Alm disso, estimaramse modelos GARCH para captar a volatilidade entre os preos da soja em gro para cada pas.
Foram realizados testes de raiz unitria (Dickey-Fuller Aumentado), causalidade de GRANGER,
funo de impulso resposta e a decomposio da varincia dos resduos para se verificar o grau de
influncia das relaes propostas. Os modelos ajustaram-se bem explicao da dinmica dos
preos da soja. Com relao ao modelo VAR, os preos da soja em gro brasileira e argentina se
alinham com o preo da commodity de soja em gro americana. J o modelo GARCH indicou que o
mercado mais voltil o argentino, sendo depois o norte-americano e por fim o brasileiro. O fato da
soja ser marcada por acentuadas flutuaes de preos indica significativas oscilaes na
rentabilidade desta cultura, proporcionando aos agentes econmicos e especuladores mais
informados, maior lucratividade devido aos poderes de previses mais apurados em relao ao
comportamento do mercado.
Palavras-chave: soja, transmisso, volatilidade.

ABSTRACT
This paper analyzes the international market for soybeans through the relationship between prices
and returns of prices. Were estimated a VAR model evaluating the transmission of commodity price
of U.S. soybeans for soybeans to Brazil and Argentina. Moreover, were estimated GARCH models
to capture the volatility of the prices of soybeans for each country. Were conducted unit root tests
(Augmented Dickey-Fuller), Granger causality, impulse response function and variance
decomposition of the waste to verify the degree of influence of the relationships proposed. The
models fit well to explain the dynamics of soybean prices. With respect to the VAR model, prices
for soybeans in Brazil and Argentina are in line with the commodity price of U.S. soybeans. Since
the GARCH model indicated that the market is more volatile the Argentine, and then the U.S. and
finally Brazil. The fact that soybean is marked by sharp price fluctuations indicates significant
fluctuations in the profitability of this crop, providing economic agents and speculators more
informed, more profitable through the power of more accurate predictions about the behavior of the
market.
Key words: commodity soybeans, transmission, volatility.

JEL: Q17, C22

INTRODUO
No Brasil, as atividades relacionadas ao agronegcio no ano de 2008 foram responsveis por
aproximadamente 32% do PIB nacional (EMBRAPA,2012) sendo este o setor mais importante da
economia brasileira. A cadeia produtiva da soja destaca-se no agronegcio brasileiro, seja pela valor
da produo, quanto por ocupar o primeiro lugar na pauta de exportao agricola. A soja um
produto bsico para a alimentao humana, seja na forma direta, atravs do leo vegetal ou,
2

principalmente, como rao para a produo de carne de aves, sunos, bovinos, leite e ovos.
Recentemente, o leo de soja tem sido utilizado para a produo de biocombustveis.
Dados do Ministrio da Fazenda dos Estados Unidos (USDA) mostram que a soja na safra
2008/09 foi responsvel por 53,5% do volume mundial de oleaginosas. A evoluo da produo
entre as safras de 1997/98 e 2010/11 foi de 67,13%. Em relao rea colhida o crescimento
mundial foi de 49,88% e o consumo domstico aumentou em 73,06% como pode ser visto na
Figura 1 (USDA, 2012).

300
250
200
rea Colhida

150

Produo

100

Consumo Domestico

50

2010/11

2009/10

2008/09

2007/08

2006/07

2005/06

2004/05

2003/04

2002/03

2001/02

2000/01

1999/00

1998/99

1997/98

Fonte: Elaborado pelo autor com base nos dados do USDA.

Figura 1: Evoluo mundial da produo, consumo domstico e rea colhida em milhes de

toneladas.
Entre os pases produtores de soja em gro destacam-se os Estados Unidos, o Brasil e a
Argentina. Da produo mundial de aproximadamente 264.18 milhes de toneladas na safra
2010/11 os trs pases contriburam com 81,43% do total, tendo os Estados Unidos participado com
34,30% (90.606 milhes de toneladas), o Brasil com 28,58% (75.5 milhes de toneladas) e a
Argentina com 18,55% (49 milhes de toneladas). A evoluo da produo mundial da soja entre as
safras de 1997/98 a 2010/11, bem como a produo dos Estados Unidos, Brasil e Argentina podem
ser vistos na Figura 2.

300
250
200

Produo do Brasil

150

Produo da Argentina

100

Produo dos Estados

Unidos

50

Produo no Mundo

Fonte: Elaborado pelo autor com base nos dados do USDA.

Figura 2: Evoluo da produo mundial e de seus trs maiores pases produtores em milhes
de toneladas.
Os Estados Unidos exportaram, na safra de 1997/98, 60,49% do total de soja mundial, com o
Brasil exportando 21,23% e a Argentina 1,9%. J na safra 2010/11 houve uma considervel
redistribuio desses percentuais, tendo os Estados Unidos exportado 44,21%, o Brasil alcanado a
marca de 35,16% e por fim a Argentina com 11,20%. Essa evoluo das exportaes pode ser vista
na Figura 3. Fatores que explicam esse aumento do percentual brasileiro e argentino esto
relacionados com a adoo de tcnicas de plantio direto, alm da adoo de tecnologia na produo,
como por exemplo, a soja geneticamente modificada e a obteno de menores custos na produo.
Os custos da produo de soja no Brasil registrados na safra 2003/04 foram menores que os
da Argentina e os dos Estados Unidos, como podem ser observados na Tabela 1. No Mato Grosso, o
custo de produo por hectare foi de 400,67 dlares, enquanto na regio pampiana (Buenos Aires e
Crdoba) o montante gasto por hectare foi de aproximadamente 475,69 dlares e nos Estados
Unidos o custo era de 580,45 dlares. A vantagem do Brasil baseia-se, sobretudo, no menor custo
fixo da terra, ou seja US$ 14,43 por hectare no Brasil, contra US$154,98 na Argentina e US$
217,35 nos Estados Unidos. Porm, esta vantagem pode ser perdida em virtude do aumento dos
custos diretos dos fatores de produo, alm das deficincias logsticas no mercado brasileiro.

100
90
80
Exportao do Brasil

70
60

Exportao da Argentina

50
40

Exportao dos Estados

Unidos

30
20

Exportao Mundial

10
2010/11

2009/10

2008/09

2007/08

2006/07

2005/06

2004/05

2003/04

2002/03

2001/02

2000/01

1999/00

1998/99

1997/98

Fonte: Elaborado pelo autor com base nos dados do USDA.

Figura 3: Evoluo da produo mundial e de seus trs maiores pases produtores em milhes
de toneladas.
Tabela 1: Custos de produo da soja em gro entre Estados Unidos, Brasil e Argentina na
safra de 2003/04 (US$ por hectare)
Varivel

EUA

BRASIL

ARGENTINA

Custos Variveis
Sementes

48,85

27,75

44,23

Fertilizantes

20,31

111,07

Defensivos

67,48

98,76

41,76

Operaes Maquinarias

49,89

45,02

59,30

Juros sobre capital

4,47

29,92

n/a

Mo de Obra

3,19

13,79

n/a

Total

194,19

326,32

222,39

Custos Fixos
Depreciao de Mquinas

118,58

22,16

47,15

Arrendamento/Terra

217,35

14,43

154,98

Taxa e Seguro

17,22

1,36

n/a

Custo administrativo

33,11

n/a

51,07

Total

386,26

74,15

253,20

Custos de produo total

Produtividade

580,45
51,56

400,47
46,68

475,59
56,71

Custo varivel por saca

3,77

6,99

3,92

Custo fixo por saca

7,49

1,59

4,46

Custo total por saca

11,26
8,58
8,39
Fonte: USDA.
Notas: Os custos do Brasil foram calculados com base no estado do Mato Grosso e os da Argentina com base na
provncia de Buenos Aires.

Abordando especificamente a experincia brasileira, o pas obteve um crescimento, entre as

safras de 1997/98 a 2010/11, de 48,76% na rea colhida; na produo, o montante foi de 36,16%,
5

tornando o pas o segundo maior produtor mundial. Esses nmeros fizeram da soja o cultivo mais
disseminado no pas, concentrando a produo em 90% na poro centro-sul, destacando o estado
de Mato Grosso como maior produtor brasileiro, com 20.566.78 de toneladas produzidas na safra
2010/11 (IMEA,2012).
Os nmeros calculados para a Argentina mostram que, para o mesmo perodo analisado, o
crescimento da rea colhida foi de 33,88%, associado a 22,86% no aumento da produo, tornando
o pas o terceiro maior produtor mundial. O foco da produo argentina concentra-se na regio dos
pampas, principalmente nas provncias de Crdoba, Buenos Aires, Santa F e Entre Rios (Vilella,
et.al.,2010).
Devido ao fato dos Estados Unidos serem os maiores produtores de soja, alm de ser o
mercado no qual os preos so cotados atravs da Board of Trade of the City of Chicago (CBOT),
as seguintes questes tornam-se relevantes: As variaes ocorridas nesse mercado afetam os demais
mercados, como o brasileiro e o argentino? Caso afimartiva a resposta anterior, qual a intensidade
desses efeitos? E quo volteis so esses mercados?
O objetivo desse trabalho analisar o mercado de soja em gro do Brasil e da Argentina
considerando as flutuaes no preo da soja em gro norte-americana, uma vez que a soja em gro
a principal commodity de exportao para ambos os pases latino americanos. Para o
desenvolvimento desse objetivo, foi utilizado o modelo de vetores auto-regressivos (VAR). Alm
disso a volatilidade entre os preos dos trs mercados foi analisada a fim de verificar qual deles o
mais instvel atravs dos coeficientes GARCH e qual pas teria maior perda com tal volatilidade
caso no utilize de intermdios para a proteo de seus produtores e mercados.

REVISO DE LITERATURA

Diversos trabalhos analisaram o processo de transmisso de preos entre os mercados

utilizando modelos da famlia VAR (vetores auto-regressivos).
CALDARELL et al. (2009) analisaram a existncia de uma interdependencia entre os
mercados de soja e milho brasileiros atravs da utilizao da econometria de sries temporais,
sobretudo dos modelos VAR e VEC. Os resultados mostraram uma forte interao entre os
mercados e uma predominncia dos choques advindos do mercado nacional de soja. SANTOS et al.
(2010) utilizam a mesma metodologia para analisar o comportamento dos biocombustveis frente ao
preo dos alimentos em mercados menos desenvolvidos, atravs de um comparativo entre o impacto
que o preo do etanol americano causa no preo do milho no Brasil. Neste, os resultados mostram
6

uma co-integrao existente entre os mercados, dando indcios que o preo do etanol gera aumento
dos preos dos alimentos no mercado brasileiro.
Para os modelos que captam a volatilidade, os trabalhos relacionados abaixo compartilharam
objetivos semelhantes.
CAMPOS e CAMPOS (2007) fizeram uma anlise comparativa da volatilidade de preos
entre soja, caf, milho e boi gordo utilizando a metodologia ARCH. Os resultados mostraram que os
produtos foram marcados por acentuadas flutuaes de preos, com choques positivos e negativos
gerando impactos por perodos longos de durao. O somatrio dos coeficientes de reao e
persistncia da volatilidade mostrou valores prximos a um, indicando que os choques na
volatilidade demoraram a retornar ao equilbrio.
PEREIRA et al. (2010) utilizaram os modelos ARCH, GARCH, EGARCH e TARCH para
estimar a volatilidade dos retornos da soja, caf e boi gordo entre 1997 e 2008 no Brasil.
Confirmada a hiptese de que a variabilidade dos retornos dos trs produtos possuiu dependncia
condicional, os resultados revelaram persistncia na resposta aos choques na varincia. SILVA
(2005) utilizou os modelos ARCH e suas variaes para captar a volatilidade do retorno de preos
do caf e da soja no Brasil. Os resultados empricos sugeriram sinais de persistncia e assimetria na
volatilidade das sries analisadas.

METODOLOGIA

Para a anlise da transmisso de preos foram utilizados os logaritmos dos preos da soja em
gro dos Estados Unidos, Brasil e Argentina no intuito de captar as elasticidades dos mesmos. Uma
vez que se desejava modelar a volatilidade dos retornos gerados pela commodity, foram calculados
os retornos instantneos compostos pela frmula rt ln( Pt ) - ln(Pt - 1) , visto que a literatura descreve
as sries de retornos como mais fceis de manipular que sries de preos, dado que as primeiras tm
propriedades estatsticas mais tratveis, como o fato dos retornos raramente apresentarem
tendncias ou sazonalidades, exceto os retornos intra-dirios (MORETTIN E TOLOI, 2006).
A realizao do teste Jarque-Bera (JB) responsvel por diagnosticar se os resduos do
modelo seguem uma distribuio normal. A hiptese nula do mesmo consiste na presena de
normalidades dos dados da amostra extrados de uma populao, observada atravs das diferenas
entre os coeficientes de assimetria e curtose.
Na realizao de trabalhos utilizando sries temporais como fontes de dados importante
comprovar se as mesmas possuem razes unitrias. O teste Dickey-Fuller (1979) e o teste de
Dickey-Fuller Aumentado (ADF), de razes unitrias so capazes de verificar a ordem de integrao
7

de interesse, permitindo evitar o comportamento de variveis esprias, ou seja, uma correlao entre
duas variveis sem nenhuma lgica (GUJARATI, 2006).
A seguir, as implementaes do teste Dickey-Fuller:

Yt Yt 1 ut , para um modelo sem intercepto e sem tendncia.

(2)

Yt o Yt 1 ut , para um modelo com intercepto e sem tendncia.

(3)

Yt 0 1Tt Yt 1 ut , para um modelo com intercepto e com tendncia.

(4)

Yt 0 1Tt iYt i Yt 1 ut , teste Dickey-Fuller Aumentado.

(5)

i 1

em que:

Yt = operador de primeiras diferenas;

o = Constante ou intercepto;

1Tt = Componente de tendncia;

Yt 1 = Testa a presena ou ausncia de estacionariedade (

iYt i = Defasagens includas no modelo aumentado;
k

i 1

ut = Componente de erro estocstico.

Concentrando a anlise no teste Dickey-Fuller aumentado, a teoria mostra que o mesmo
consistente com a no normalidade dos resduos e a presena de heterocedasticidade. Desse modo,
caso haja autocorrelao entre resduos (diferentemente do teste Dickey-Fuller), a mesma pode ser
controlada atravs da incluso de defasagens na varivel dependente (GUJARATI, 2006).
As distribuies so tabuladas atravs da estatstica (tau) desenvolvida por Dickey-Fuller,
com valores crticos para 0,01, 0,05 e 0,10. Para determinar a escolha do melhor modelo e do
nmero de defasagens a serem includas no modelo, sero adotados os critrios de Akaike (AIC) e
Schwartz (SC), por serem os mais utilizados em trabalhos empricos (MORETTIN E TOLOI,
2006).
Para testar o relacionamento de curto prazo entre as variveis, foram utilizados testes de
Causalidade de Granger. Tomando as sries

, por exemplo, o teste infere que informaes

importantes para a previso das respectivas variveis

tempo sobre essas duas variveis. Sendo assim,

estacionria causaria

que as melhores previses estatisticamente significantes de

valores defasados de
unilateral (

aos valores defasados de

ou de maneira inversa

esto contidas apenas nas sries de

estacionria uma vez

pudessem ser obtidas ao incluirmos

. Lembrando que a causalidade pode ser

), bilateral (

) ou independente

(GUJARATI, 2006).
8

Para estimar como choques nos preos da soja norte-americana afetam a soja brasileira e a
soja argentina, utilizou-se o modelo VAR. Proposto por Sims (1980), o VAR assume que todas as
variveis do modelo devem ser ajustadas ao mesmo tempo e simetricamente, imprimindo pouco
rigor econmico. Alm disso, analisa as inter-relaes entre as variveis e seus efeitos a partir de
choques ocorridos nas mesmas, atravs da funo impulso resposta. O mtodo VAR realiza tambm
a decomposio da varincia dos erros de previso, atribuindo a cada varivel o quo a mesma
responsvel pela variao no sistema.
Matematicamente temos o VAR:
(6)
em que:
um vetor com as variveis endgenas; o vetor de interceptos;
dos coeficientes a serem estimados;

= 1,2,...,p, so matrizes

, j = 1,2,...,p, so vetores de variveis defasadas; e

vetor de erros aleatrio que segue uma distribuio normal, com mdia zero e varincia constante.
Tratando em medir a volatilidade dos preos da soja em gro, na literatura existem modelos
apropriados para sries financeiras que apresentam a evoluo da varincia condicional ao longo do
tempo. Tratam-se dos modelos no lineares da famlia ARCH (autoregressive conditional
heterocedasticity) apresentados por Engle (1982) e de ajustes feitos por seus posteriores. O objetivo
do modelo ARCH(p) consiste em mostrar que o retorno no correlacionado serialmente, mas a
volatilidade ou a varincia condicional depende de retornos do passado em detrimento de uma
funo quadrtica.
Bollerslev (1986) desenvolveu uma generalizao do modelo ARCH, o modelo GARCH
(generalized autoregressive conditional heterocedasticity) que relata a volatilidade de maneira mais
parcimoniosa, ou seja, com menos parmetros que o modelo ARCH. Nesse modelo a varincia
condicional depende no apenas do termo de erro quadrtico como no modelo ARCH, mas tambm
da varincia condicional no perodo de tempo precedente.
Uma representao proposta para o modelo :
q

i 1

j 1

2 t 0 i 2 t i j 2 t

(9)

em que t uma seqncia de variveis aleatrias i.i.d. (independentes e identicamente distribudas)

com mdia zero e varincia um (seguem uma distribuio normal ou t de student) com as restries
de 0 0 , 0 i 1 , 0 j 1 ,
p

no parmetro

t j

( ) 1 ,
r

i 1

r = max(q,p). O diferencial do modelo est

que capta as varincias previstas passadas. O coeficiente i capta o

j 1

quanto que um choque sofrido pelo retorno presente (hoje) afeta varincia condicional do retorno
9

futuro (amanh). J o coeficiente j indica que quanto mais prximo de um for o seu valor, maior a

quantidade de tempo que a volatilidade leva para retornar ao padro. A restrio

i 1

(i j ) 1

indica de certo modo a persistncia de volatilidade, em que quanto mais prximo esse resultado for
de um, maior ser a volatilidade no perodo seguinte a ser analisado e menor ser o recuo do choque
para o padro da srie.
Os dados utilizados so compostos por preos da commodity soja em gro dos Estados
Unidos, do Brasil e da Argentina, em que as sries so expressas mensalmente, relacionando a
cotao FOB internacional vista em dlares (preo/ton) da cotao da bolsa de Chicago (Estados
Unidos), nos portos de Paranagu (Brasil) e Up River (Argentina). A srie abrange o perodo de
outubro de 1997 a setembro de 2011, 14 safras, com um total de 168 observaes. Esses dados
foram obtidos na base de dados do site United States Department of Agriculture (USDA).

RESULTADOS E DISCUSSO
A visualizao da volatilidade dos preos e retornos da soja em gro no perodo considerado
est representada na Figura 4.
Preos Soja EUA

Retornos Soja EUA

6.4

.20

6.2

.15
.10

6.0
.05

5.8

.00

5.6

-.05
-.10

5.4
-.15

5.2

-.20

5.0

-.25

97 98

99

00

01

02

03

04

05

06

07

08

09

10

11

97 98

99

00

01

02

03

Preos Soja Br

04

05

06

07

08

09

10

11

Retornos Soja BR

6.4

.2

6.2
.1
6.0
.0

5.8
5.6

-.1

5.4
-.2
5.2
5.0

-.3
97 98

99

00

01

02

03

04

05

06

07

08

09

10

11

97 98

99

00

01

02

03

04

05

06

07

08

09

10

11

10

Preos Soja Ar

Retornos Soja AR

6.4

.15

6.2

.10
.05

6.0

.00
5.8
-.05
5.6
-.10
5.4

-.15

5.2

-.20

5.0

-.25
97 98

99

00

01

02

03

04

05

06

07

08

09

10

11

97 98

99

00

01

02

03

04

05

06

07

08

09

10

11

Fonte: Resultados da pesquisa elaborada pelo prprio autor.

Figura 4: Evoluo das sries de preos e retornos da soja em gro para os Estados Unidos,
Brasil e para a Argentina entre as safras de 1997/98 e 2010/11.
A tabela 2 relaciona as estatsticas descritivas das sries de preos da soja em gro dos
Estados Unidos, do Brasil e da Argentina:

Tabela 2: Estatsticas descritivas dos preos entre as safras de 1997/98 a 2010/11

Estatsticas Descritivas

Soja EUA

Soja BR

Soja AR

Mdia

5,552840

5,591838

5,576658

Mediana

5,441242

5,482651

5,475554

Mximo

6,301099

6,313709

6,306433

Mnimo

5,014746

5,075112

5,038173

Desvio Padro

0,357494

0,362968

0,373145

Assimetria

0,523468

0,462811

0,467268

Curtose

2,029684

1,920742

1,930211

Jaque-Bera

14,26311

14,15102

14,04057

0,000799

0,000846

0,000894

P-valor Jarque-Bera
Fonte: Elaborada pelo autor.

O teste Jarque-Bera indicou para as trs variveis, valores com probabilidade de rejeio
prxima a zero, ou seja, os resduos da amostra no apresentam distribuio normal. O fato de a
mdia ser maior que a mediana indica uma leve assimetria direita nos trs casos. Como os
coeficientes da curtose foram menores que 3, as distribuies tomam forma platicrtica. Esses
dados analisados indicam a possibilidade da presena de heterocedasticidade nas sries da soja em
gro.
Os resultados do teste Dickey-Fuller aumentado so apresentados na tabela 3. Realizando os
testes em nvel, visto que o coeficiente Dickey-Fuller para a soja brasileira e argentina menor
10%, sendo as sries estacionrias, ou seja, no possuem razes unitrias. Os resultados para os
Estados Unidos indicam a presena de raiz unitria, uma vez que o p-valor foi de 0,1354.
11

Tabela 3: Teste de estacionariedade para a srie de preos da soja em gro

Commodity

Restries

ADF teste em Level

P-valor

-3.000141

0,1354

-3.248256

0,0788

-3.151691

0,0981

Soja EUA
Intercepto e Tendncia

Soja BR
Soja AR
Fonte: Elaborada pelo autor.

A tabela 4 apresenta o teste de causalidade de Granger. Os resultados do teste indicaram os

preos da soja brasileira influenciam a soja americana e vice versa. Ambos influenciam na
formao de preos da soja argentina, porm a soja argentina no influencia na formao de preos
da soja do Brasil e dos Estados Unidos. Esse fato se deve ao tamanho da produo e exportao do
mercado argentino em comparao ao dos outros dois pases.

Tabela 4: Teste VAR Granger Causality/Block Exogeneity Wald Tests

Hiptese Nula
Soja BR no causa Soja EUA

Teste F
10,52409
0,0052

Soja AR no causa Soja EUA

1,913885
0,3841

Soja EUA no causa Soja BR

5,649111
0,0593

Soja AR no causa Soja BR

0,558662
0,7563

Soja EUA no causa Soja AR

5,760788
0,0561

Soja BR no causa Soja AR

9,441342
0,0089

Fonte: Elaborado pelo autor.

A fim de verificar o padro de transmisso de preos, foram estimados modelos VAR.

Modelos esses com duas defasagens de acordo com o teste Lag Order Selection Criteria pelos
critrios HQ e SC, para a eliminao das autocorrelaes.
Quando se aplica modelos VAR, uma importante anlise de interdependncia feita a partir
da Funo de resposta a Impulsos (FRI) que mostra a resposta das variveis do modelo a choques
exgenos, como por exemplo, um choque nos preos norte-americanos afetando os preos
brasileiros e argentinos. A FRI mostra diferena entre a nova previso, ocorrido o choque, e sua
trajetria prevista anteriormente, para as variveis, meses frente.
As funes impulso-resposta nos preos da soja argentina e brasileira possuem
comportamentos semelhantes para choques no preo da soja americana, choques esses que
influenciam os preos das sojas sul-americanas de maneira positiva, porm decrescente, como
12

visto na Figura 2. O efeito para ambas inicialmente crescente, estabilizando-se do quinto ao oitavo
perodos na argentina e decrescendo lentamente nos prximos perodos. No caso do Brasil h
crescimento at o quinto perodo, estabilizando-se at o stimo perodo, para depois imprimir
decrescimento lento. Aps 20 perodos analisados no houve dissipao do choque nos preos da
soja dos Estados Unidos nem para os preos do Brasil e nem para os da Argentina.
Resposta da Soja BR ao choque
nos preos da Soja EUA

Resposta da Soja AR ao choque

nos preos da Soja EUA

.12

.12

.10

.10

.08

.08

.06

.06

.04

.04

.02

.02

.00

.00

-.02

-.02
-.04

-.04
2

10

12

14

16

18

20

10

12

14

16

18

20

Fonte: Elaborado pelo autor.

Figura 5: Funes de Impulso Resposta

Outra forma de analisar o modelo VAR feita atravs da decomposio da varincia dos
preos da soja brasileira e argentina, como mostrado na tabela 5.
A decomposio no caso da soja brasileira mostra que no dcimo ms, aproximadamente
69% dos preos so formados pelo preo da soja norte-americana e 31% pela prpria soja brasileira,
a importncia da soja argentina quase nula. Para o vigsimo ms o percentual se altera para 70% e
30% respectivamente. No caso argentino no dcimos ms os preos so formados por
aproximadamente 70,4% em virtude dos preos dos Estados Unidos, 28,4% em virtude dos preos
do Brasil e 1,2% explicados pelos preos da prpria Argentina. Quando analisado o vigsimo ms o
percentual alterado para 70,8%, 28,6% e 0,6%, respectivamente.
Pela decomposio da varincia da soja brasileira observa-se que com o decorrer dos meses
aumenta a participao da soja americana na explicao das variaes na soja brasileira. Esse
mesmo comportamento verificado para a argentina, porm no mercado argentino a participao
das variaes no preo da soja americana para explicar as variaes de preo nesse mercado maior
que no caso do Brasil. Esse fato decorre do posicionamento do Brasil na escala produtiva mundial,
sendo o segundo maior produtor (75.5 milhes de toneladas) contra a Argentina (49 milhes de
toneladas), terceira maior produtora.

13

Tabela 5: Decomposio das Varincias dos preos da soja brasileira e da soja argentina
Decomposio da Varincia da Soja BR
Decomposio da Varincia da Soja AR
Soja
Soja
Meses Desvio-Padro
EUA
Soja BR Soja AR Meses Desvio-Padro
EUA
Soja BR Soja AR
1

0,053084

51,63922 48,36078

0,084713

3
4

0.0000

0,05479

62,59325 22,05024 15,35651

58,92475 41,04996 0,025283

0,087676

69,52401 21,81986 8,656135

0,113061

62,97439 37,00916 0,016446

0,116181

70,27263 24,60061 5,126758

0,137607

65,18811 34,80079 0,011102

0,140905

70,01983 26,49465 3,48552

0,158958

66,55666 33,43491 0,008426

0,162621

69,88686

0,177706

67,4327

32,5605 0,006803

0,181812

69,94882 27,95161 2,099563

0,194339

68,02764 31,96666 0,005701

0,198906

70,09066 28,15496 1,754377

0,209248

68,45251 31,54257 0,004919

0,214255

70,23269 28,25529 1,512017

0,222733

68,76978 31,22588 0,004341

0,228144

70,3486

28,31787 1,33354

10

0,235025

69,01517 30,98094 0,003899

10

0,240803

70,43778

28,3652 1,197027

11

0,246303

69,21013 30,78632 0,00355

11

0,252414

70,50692 28,40365 1,089429

12

0,256707

69,36836 30,62837 0,003268

12

0,263125

70,56225

28,4352 1,002544

13

0,26635

69,49906

30,4979 0,003036

13

0,27305

70,6079

28,46112 0,930984

14

0,275323

69,60866

30,3885 0,002841

14

0,282285

70,64635 28,48258 0,87107

15

0,283699

69,70179 30,29554 0,002676

15

0,290905

70,67915 28,50064 0,820212

16

0,291542

69,78183 30,21564 0,002534

16

0,298975

70,7074

17

0,298903

69,8513

30,14629 0,002411

17

0,306549

70,73194 28,52943 0,738632

18

0,305828

69,91213 30,08556 0,002303

18

0,313673

70,75342 28,54112 0,705463

19

0,312353

69,9658

30,03199 0,002208

19

0,320386

70,77236 28,55143 0,676208

20
0,318514
70,01347
Fonte: Elaborada pelo autor.

29,9844 0,002123

20

0,326723

70,78919 28,56058 0,650232

27,4913 2,621835

28,51607 0,77653

Para a anlise de volatilidade, as estatsticas descritivas dos retornos dos preos da soja em
gro foram relacionadas na tabela:

Tabela 6: Estatsticas descritivas dos retornos entre as safras de 1997/98 a 2010/11

Estatsticas Descritivas
Mdia
Mediana
Mximo
Mnimo
Desvio Padro
Assimetria
Curtose
Jaque-Bera
P-valor Jarque-Bera

Soja EUA
0,004421
0,000531
0,175042
-0,201051
0,060470
0,037015
3,837974
4,924280
0,085252

Soja BR
0,003242
0,002881
0,150857
-0,216704
0,055500
-0,407846
4,315146
16,66495
0,000241

Soja AR
0,004209
0,007256
0,151972
-0,204777
0,058723
-0,342170
3,774820
7,391617
0,024827

Fonte: Elaborada pelo autor.

O teste Jarque-Bera indicou, para as trs variveis, valores com probabilidade de rejeio
prxima a zero, ou seja, os resduos da amostra no apresentam distribuio normal. O fato de a
14

mdia ser maior que a mediana indica uma leve assimetria direita (casos dos Estados Unidos e
Brasil), para o caso da Argentina que a mediana maior que a mdia, existe uma leve assimetria
esquerda. Como os coeficientes da curtose foram prximos a 3, a distribuio toma forma
mesocrtica. Esses dados analisados indicam a possibilidade da presena de heterocedasticidade nas
sries de retornos da soja em gro.
Partindo para o teste Dickey-Fuller aumentado, os resultados so apresentados na Tabela 7.
Realizando os testes em nvel, visto que o coeficiente Dickey-Fuller sempre menor que os
valores crticos a 1%, 5% e 10%, rejeitando-se, portanto, a hiptese nula do teste e assumindo a
hiptese alternativa, em que as sries de retornos da soja em gro para os trs pases so
estacionrias e no possuem razes unitrias.

Tabela 7: Teste de estacionariedade para a srie de retornos dos preos da soja em gro
Commodity
Soja EUA

Soja BR

Soja AR

Restries

ADF teste em Level

P-valor

Intercepto e Tendncia

-8.415429

0,0000

Intercepto

-8.361308

0,0000

Ausncia de intercepto e tendncia

-8.372835

0,0000

Intercepto e Tendncia

-10.00164

0,0000

Intercepto

-9.937991

0,0000

Ausncia de intercepto e tendncia

-9.937525

0,0000

Intercepto e Tendncia

-9.759446

0,0000

Intercepto

-9.71059

0,0000

-9.703457

0,0000

Ausncia de intercepto e tendncia

Fonte: Elaborada pelo autor.

Na identificao dos modelos de retornos da soja em gro norte americana, brasileira e

argentina, foram estimadas funes de autocorrelaes (FAC) e funes de autocorrelaes parciais
(FACP). O melhor modelo ARMA (p,q) estimado para a soja norte americana foi o AR(1); para a
brasileira foi o AR(1), MA(2); j para a soja argentina tambm foi o AR(1), MA(2).
A presena da volatilidade nas sries de retornos da soja em gro foi estabelecida atravs da
realizao do teste LM de Granger, tambm proposto por Engler em 1982. Os resultados
apresentaram p-valores prximos a zero, indicando a rejeio da hiptese nula, assim apresentam
um processo de varincia condicional ao tempo (apresentam o efeito ARCH).
O procedimento para estimar um modelo que visualizasse o componente de volatilidade nas
sries de retornos da soja em gro brasileira e argentina se deu atravs da seleo de modelos
GARCH em que a escolha dos mesmos foi feita levando em considerao o critrio de seleo de
Schwarz (SIC).
Cabe ressaltar que a teoria afirma que a condio necessria para a varincia ser positiva e
fracamente estacionria implica que os parmetros da regresso devem ser maiores que zero.
15

Partindo para a estimao do modelo GARCH, o melhor modelo estimado para a soja em gro dos
Estados Unidos foi o GARCH (2,1), para o Brasil foi o GARCH (1,1) que podem ser vistos na
Tabela 8. O parmetro ARCH representa a reao da volatilidade e o GARCH representa a
persistncia da volatilidade, a soma de ambos os coeficientes determina a persistncia de riscos na
srie de retorno. Para a soja em gro argentina o melhor modelo estimado foi o GARCH (1,1).
A soja em gro tem valor para a soma dos coeficientes ARCH e GARCH de 0,941802 para
os Estados Unidos, 0,905214 para o Brasil e 0,990771 para a Argentina. Esses resultados indicam
forte persistncia de choques sobre a volatilidade, por isso, a maioria das alteraes nos preos da
commodity em seus respectivos pases corresponder instabilidade em seus mercados, incluindo
produtores, que podem sofrer problemas, bem como a economia nacional tambm. Como esperado,
o cultivo da soja to suscetvel quanto se esperava a choques sobre a volatilidade, em que os
mesmos no vo se dissipar rapidamente, o que torna o processo de reverso normalidade ou
padro de equilbrio lento. Esse resultado corrobora com o resultado encontrado nas funes de
impulso resposta analisados anteriormente, em que os choques no era dissipados rapidamente. O
mercado argentino mostrou-se o mais voltil, sendo seguido pelo mercado dos Estados Unidos e por
fim o do Brasil.
O fato desses produtos serem marcados por acentuadas flutuaes de preos indica
significativa oscilao na rentabilidade destas culturas, proporcionando aos agentes econmicos e
especuladores mais informados, maior lucratividade devido aos poderes de previses mais apurados
em relao ao comportamento do mercado.

Tabela 8: Modelos GARCH para a soja em gro dos Estados Unidos, Brasil e da Argentina,
respectivamente
Varincia Condicional da Soja em Gro

GARCH (2,1)

GARCH (1,1)

GARCH (1,1)

Constante

0,000243

0,000276

6,08E-05

P-valor

0.0000

0,1881

0,0006

ARCH (1)

0,103484

0,120665

-0,064643

P-valor

0,3329

0,0870

0,0010

ARCH (2)

-0,213868

P-valor

0,0421

GARCH (1)

1,052186

0,784549

1,055414

P-valor

0.0000

0,0000

0.0000

Teste de Durbin-Watson

1,718178

2,101000

2,083366

Critrio de Schwarz

-2,791435

-2,925398

-2,930470

247,0250

258,1440

257,0816

Log da Verossimilhana
Fonte: Elaborada pelo autor.

16

CONCLUSO
O estudo analisou as relaes de transmisso de preo e volatilidade da soja no mercado
internacional da soja. Os resultados mostram que variaes no preo dos Estados Unidos tm uma
influncia considervel na formao dos preos de exportaes do Brasil e da Argentina, sendo
transmitidas em uma parcela menor para o Brasil que no vigsimo perodo detm 70,01% do preo
influenciado pelo preo da soja norte-americana, enquanto a Argentina detm para o mesmo
perodo 70,78%.
A anlise da volatilidade dos retornos da soja em gro entre os seus trs principais
produtores foi feita, sobretudo, devido importncia do produto na pauta de exportao desses
pases. O fato do mercado da soja ser marcado por acentuadas variaes nos preos e,
consequentemente, por oscilaes nos rendimentos da cultura faz com que agentes que detenham
informaes assimtricas e maior poder de previso sobre o comportamento do mercado captem
maiores lucros.
Do modelo GARCH utilizado, tem-se o somatrio dos coeficientes ARCH (reao) e
GARCH (persistncia) que registraram valores prximos a um, indicando que choques na
volatilidade das sries de soja em gro demoraro certo tempo at voltarem ao equilbrio. Com essa
informao os produtores e agentes econmicos tomam conhecimento do elevado risco de preo e
de renda associado ao mercado da soja, tendo a possibilidade auferir lucros, mas tambm prejuzos
conforme a dinmica do mercado. Uma possibilidade de minimizar tais perdas e oscilaes nos
preos seria a utilizao de contratos com mercados futuros, sobretudo operaes que utilizem
hedge.

REFERNCIAS
Associao Brasileira das Indstrias de leos Vegetais ABIOVE. Disponvel em: <
http://www.abiove.com.br/menu_br.html>. Acessado em: 20/12/2011.
BOLLERSLEV,T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. Journal
of Econometrics, v.31, n.3, p.307 327.
CALDARELL, C.E. et. AL. Anlise da interdependncia dos mercados de soja e milho no
Brasil e Paran : Uma aplicao da metodologia VEC. Disponvel em: <
http://www.sober.org.br/palestra/13/29.pdf>. Acessado em: 20/12/2011.
CAMPOS, K.C, CAMPOS, R.T. Volatidade de preos de produtos agrcolas: uma anlise
comparativa
para
soja,
caf,
milho
e
boi
gordo.
Disponvel
em:
<
www.sober.org.br/palestra/6/486.pdf>. Acessado em: 20/12/2011.
DICKEY, D.A. and FULLER, W.A. Distribution of the estimators for autoregressive time series
with a unit root. Journal of the American Statistical Association, 1979. p. 427-431.
Empresa Brasileira de Pesquisa Agropecuria EMBRAPA. Disponvel em: <
http://www.embrapa.br/>. Acessado em: 03/01/2012.
ENGLE, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance
of United Kingdom inflation. Econometrica, 50 (4): 987-1007.
GUJARATI, D. N. Econometria bsica. Rio de Janeiro: Elsevier, 2006.
17

Instituto Mato-grossense de Economia Agropecuria IMEA. Disponvel em: <

http://www.imea.com.br/>. Acessado em: 05/01/2012.
MORETTIN, P. A.; TOLOI, C. M. C. Anlise de sries temporais. So Paulo: Edgard
Blucher, 2006.
PEREIRA,V.F et AL. Volatilidade condicional dos retornos de commodities agropecurias
brasileiras.
Disponvel
em:
<http://ojs.c3sl.ufpr.br/ojs2/index.php/
economia/article/viewFile/14058/15130>. Acessado em 20/12/2011.
SANTOS, R.B.N.; et. AL. Relaes de co-integrao entre preos dos biocombustveis e
alimentos: Comparativo entre o etanol americano e a produo de milho no Brasil. Disponvel
em: <http://www.sober.org.br/palestra/15/198.pdf>. Acessado em: 20/12/2011.
SILVA, W. S.; et. AL. Uma anlise emprica da volatilidade do retorno de commodities
agrcolas utilizando modelos ARCH: os casos do caf e da soja. Rev. Econ. Sociol.Rural vol.43
n. 1 Braslia Jan/Mar. 2005
SIMS, C. Macroeconomics and reality. Econometrica. Vol .48(1), pag 1-48, january, 1980.
United
States
Department
of
Agriculture
USDA.
Disponvel
em:
<http://www.fas.usda.gov/psdonline/circulars/oilseeds.pdf>. Acessado em: 26/12/2011.
VILLELA,F. et. AL. El Sistema de Agronegocios de La Soja em La Argentina, su Cadena y
Prospectiva al 2020. Primeira Edio. Buenos Aires: Universidad de Buenos Aires, 2010.

18