UNIVERSIDADE ESTADUAL DE CAMPINAS

FACULDADE DE ENGENHARIA AGRÍCOLA

Felipe Viana Lima

A Variação dos Preços do Milho e sua Relação com Fatores

Climáticos

Campinas
Novembro de 2016
 UNIVERSIDADE ESTADUAL DE CAMPINAS
FACULDADE DE ENGENHARIA AGRÍCOLA

Felipe Viana Lima

A Variação dos Preços do Milho e sua Relação com Fatores

Climáticos

Trabalho de Conclusão de Curso

apresentado como requisito parcial
para obtenção do título de
Engenheiro Agrícola à Faculdade de
Engenharia Agrícola da Universidade
Estadual de Campinas.

Orientador: Prof. Dr. Marco Tulio Ospina Patino

Campinas
Novembro de 2016
 Agência(s) de fomento e nº(s) de processo(s): Não se aplica.

Ficha catalográfica
Universidade Estadual de Campinas
Biblioteca da Área de Engenharia e Arquitetura
Luciana Pietrosanto Milla - CRB 8/8129

Lima, Felipe Viana

L628v LimA Variação dos preços do milho e sua relação com fatores climáticos / Felipe
Viana Lima. – Campinas, SP : [s.n.], 2016.

LimOrientador: Marco Tulio Ospina Patino.

LimTrabalho de Conclusão de Curso (graduação) – Universidade Estadual de
Campinas, Faculdade de Engenharia Agrícola.

Lim1. Milho. 2. Commodities. 3. Clima. 4. Temperatura. I. Ospina Patino, Marco

Tulio,1960-. II. Universidade Estadual de Campinas. Faculdade de Engenharia
Agrícola. III. Título.

Informações adicionais, complementares

Título em outro idioma: The Variation of maize prices and its relation with climatic factors
Palavras-chave em inglês:
Corn
Commodities
Climate
Temperature
Titulação: Engenheiro Agrícola
Banca examinadora:
Marco Tulio Ospina Patino [Orientador]
Jansle Vieira Rocha
Nilson Antonio Modesto Arraes
Data de entrega do trabalho definitivo: 05-12-2016

Powered by TCPDF (www.tcpdf.org)

A Variação dos Preços do Milho e sua Relação com Fatores Climáticos

Felipe Viana Lima

BANCA EXAMINADORA

......................................................
Prof. Doutor Marco Tulio Ospina Patino
Orientador

......................................................
Prof. Doutor Jansle Vieira Rocha

......................................................
Prof. Doutor Nilson Antonio Modesto Arraes
 RESUMO:
Durante os 20 últimos anos, foi observado grandes alterações nos preços das commodities,
devido a flutuações cambiais, quebra de safra, aumento da demanda, intempéries climáticas,
entre outros fatores. Conhecer o mercado e a precificação desses produtos, para um produtor
ou comercializador, tornou-se essencial para a manutenção do negócio e proteção dos custos
envolvidos na operação. O mercado de milho, uma das principais culturas produzidas no país,
que ao lado da soja, correponde a 80% da produção de grãos, nos últimos anos teve um
aumento significativo do volume negociado na bolsa de contratos futuros, mostrando que a
profissionalização dos envolvidos nesse mercado tem crescido devido a demanda pela
proteção das variações de preço. Com isso, este trabalho teve como objetivo apresentar uma
relação entre a variação dos preços com indicativos climáticos, analisando dados históricos de
preço, temperatura e precipitação de duas principais praças de milho no Brasil,Cascavel, no
Paraná, e Lucas do Rio Verde, em Mato Grosso, comparando a variação dos preços da
Chicago Board of Trade (CBOT), do Indicador de Preços do Milho Esalq/BM&Fbovespa e das
praças locais, sempre observando o preço de base e realizando uma comparação com fatores
climáticos desses municípios, verificando o quanto o preço foi alterado com os indicativos
climáticos. Por último, buscou-se analisar estatisticamente os preços das praças locais e do
Indicador Esalq/BM&Fbovespa com temperatura média e precipitação das regiões
relacionadas, utilizando a metodologia ARIMA, buscando um modelo para estimar o quanto a
variação de temperatura e precipitação começa a ser prejudicial na precificação da commodity.
Foi possível concluir que a precificação não é alterada apenas com indicadores climáticos,
como precipitação e temperaturas médias, mas podem envolver muitos outros fatores
macroeconômicos, como oferta e demanda, estoques, posição dos fundos, entre outros.
Também pode-se observar que a correlação dos preços das praças estudadas possuem uma
correlação muito alta com o indicador Esalq/BM&Fbovespa, assim acompanhando os seus
movimentos, que é alterado envolvendo fatores mundiais, e não apenas locais.
Estatisticamente, não foi encontrado um modelo que mostre uma relação entre temperatura
média e precipitação em relação aos preços nas praças locais, visto que não foi encontrado
uma relação que mostre que diante um aumento de precipitação ou temperatura média local
o preço tende a se alterar. Palavras-chave: Milho, Produção, Commodities, Clima,
Temperatura, Precipitação, Preço.
 SUMÁRIO

1. INTRODUÇÃO
2. OBJETIVO
3. REVISÃO DE LITERATURA
4. MATERIAIS E MÉTODOS
5. RESULTADOS E DISCUSSÃO
6. CONCLUSÃO
7. REFERÊNCIAS BIBLIOGRÁFICAS
1. INTRODUÇÃO

A produção de milho no Brasil é considerada uma das principais no país. Ao lado da

soja, contribui com aproximadamente 80% da produção de grãos. A diferença entre essas
duas culturas está no fato de que a soja tem uma maior liquidez, por conta do mercado
internacional, enquanto o milho, encontra boa parte sendo comercializada com o mercado
interno, embora recentemente a exportação do milho venha sendo realizada em quantidades
significativas e contribuindo para maior sustentação dos preços internos. Apesar disto, o milho
tem evoluído como cultura comercial apresentando, nas últimas décadas, taxas de
crescimento da produção de 3,0% ao ano e da área cultivada de 0,4% ao ano. (EMBRAPA,
2011).
Um dos fatores que torna o milho uma das culturas mais estudadas nos últimos anos,
foi o aumento significativo do volume negociado na bolsa de contratos futuros de milho, que
vem crescendo desde 2007. A partir de 2013, dentro do agronegócio brasileiro, foi o contrato
futuro de maior volume negociado na BM&F BOVESPA, atingindo 432 mil contratos
negociados no primeiro semestre de 2014. (BM&F BOVESPA, 2014). Também é visto como
fator chave para o aumento de operações em futuros e opções de produtos agrícolas o
aumento na demanda global e a possibilidade de operar os produtos em plataformas
eletrônicas. Com essa nova tecnologia, passa a ser essencial o conhecimento das operações
e de mercado, assim utilizando as bolsas como ferramentas de gerenciamento de risco. (CME
GROUP, 2014)
Relacionando a cultura do milho com fatores climáticos, tem-se como maior influência
sobre a cultura a radiação solar, precipitação e temperatura. Estes fatores estão envolvidos
diretamente no desenvolvimento dessa commodity, e consequentemente na sua
produtividade, sendo que a interação do solo com efeitos climáticos tem uma função
fundamental no processo de produção do milho, devendo existir um equilíbrio entre o conteúdo
de água no solo e o consumo de água pela planta. O milho apresenta uma taxa fotossintética
alta, assim tendo uma resposta elevada para um aumento de luminosidade, principalmente no
início da fase reprodutiva. Com isso, fatores como a estrutura da planta, assim como o
espaçamento entre as folhas causam um impacto no seu desenvolvimento, podendo reduzir
em até 40% a intensidade luminosa na planta, assim ocasionando um atraso na maturação
dos grãos, podendo diminuir a produtividade, e consequentemente ocasionar uma variação no
preço do produto final. (LANDAU; SANS; SANTANA, 2009).
O conhecimento sobre a variação dos preços tem uma grande importância no
mercado financeiro, em especial na precificação de derivativos e no gerenciamento de risco.
A busca pela previsão do quanto será a variação de preços no ativo tem sido analisada com
muita intensidade nos últimos anos, visto sua relação aos mecanismos de formação de preços,
precificação de derivativos, análise de possibilidades de investimentos e gestão de riscos. No
mercado de milho, o preço é função de sua negociação global na bolsa de mercadorias de
Chicago (CBOT). Isso faz com que essa commodity seja um ativo de um mercado altamente
competitivo, fazendo com que os tomadores de preços sejam os produtores, sem capacidade
de influenciá-los. Igualmente, a proteção contra a variação dos preços via operações de hedge
torna-se uma ação fundamental para o qual é necessário o conhecimento da sua volatilidade.
Em 2008, os preços das commodities foram afetados significativamente, tendo uma
grande variação no ano, e assim a volatilidade sofrendo mudanças na mesma proporção, e
consequentemente alterando o comportamento dos preços nos países subdesenvolvidos,
deixando algumas instituições importantes em momento de alerta, como a FAO e o FMI.
Segundo a FAO (2009), em 2008 os preços das commodities chegaram ao maior nível em
trinta anos, com uma queda mínima durante a crise financeira e recessão mundial.

2. OBJETIVO

Neste trabalho buscou-se apresentar uma relação entre a variação dos preços com
indicativos climáticos, seguindo os seguintes passos:

Analisar dados históricos de preço, temperatura e precipitação de duas principais

praças de milho no Brasil (Cascavel PR e Lucas do Rio Verde MT)
Comparar a variação dos preços da Chicago Board of Trade (CBOT), do Indicador de
Preços do Milho Esalq/BM&Fbovespa e das praças locais
Observar o preço de base, realizando uma comparação com fatores climáticos desses
municípios
Verificar o quanto o preço foi alterado com os indicativos climáticos.
 Analisar estatisticamente os preços com temperatura média e precipitação.

Para todas as comparações, foram realizadas análises quali-quantitativas, que

englobam fatores macroeconômicos, e buscou-se desenvolver um modelo estatistico com o
intuito de encontrar uma relação dos dados tanto para o milho safra quanto para o milho
safrinha.

3. REVISÃO DE LITERATURA

Entender a variação dos preços no mercado de commodities é de fundamental

importância, visto toda a estratégia a ser definida para a proteção da sua produção. Um dos
fatores iniciais é entender o comportamento da volatilidade, pois esta indica quanto e quão
rapidamente um valor é alterado ao longo do tempo. Embora este conceito possa parecer
óbvio, uma definição precisa de volatilidade é evasiva e propensa a subjetividade. Na teoria
econômica, a volatilidade leva a dois conceitos principais: variabilidade e incerteza. A essência
do sistema de preços é que, quando uma mercadoria se torna escassa, existe um aumento de
preços, que induz uma queda no consumo e mais investimento na produção dessa commodity.
No entanto, a eficiência do sistema de preços começa a quebrar quando os movimentos de
preços são cada vez mais incertos e, no caso das commodities, estão sujeitos a mudança
climática, que terá um impacto sobre a produção de commodities agrícolas em todo o mundo,
com a influência de temperaturas mais elevadas, regimes de precipitação e de transpiração
alterados, aumento da frequência de eventos extremos, bem como pragas e ervas-daninhas.
(MOTA & FERNANDES, 2004).
De acordo com Taylor (2005), a volatilidade de preços é o desvio padrão na mudança
do logaritmo de um preço, assim refere-se à taxa a qual os preços variam. Quando mais
informações, negociações, dúvidas acontecem, mais os preços tendem a mudar mais rápido
do que quando o mercado está estável. Segundo o mesmo autor, a volatilidade aumenta
durante tempos de crise e começa a diminuir ao longo do tempo; fatores macroeconômicos
como inflação, emprego e produto interno bruto afetam a volatilidade em um mercado.
O FMI (2011) indica que os países da América Latina ainda são dependentes das
commodities e apresenta a volatilidade dos preços de cada cultura como um grande problema
para os países subdesenvolvidos. A alta volatilidade de preços dificulta o planejamento fiscal
para países subdesenvolvidos e para os produtores, o que causa instabilidade econômica.
Segundo CIDSE, o grau de impacto da variação de preços das commodities em países
subdesenvolvidos está diretamente relacionada com a transmissão de preços dos mercados
internacionais para os mercados locais, sendo que esses já são afetados com um mercado
mais volátil. As altas e baixas dos preços não influenciam apenas os compradores, mas
também os agricultores menores, que não possuem condições financeiras suficientes para
investimentos, nem contam com auxílios governamentais para enfrentarem as mudanças não
previstas nos preços. Com isso, os agricultores têm dificuldades em decidir como investir e o
quanto produzir. Os países em desenvolvimento não aproveitaram os preços altos para
investir, motivados por razões como poucas informações, não transmitidas aos produtores,
acesso limitado aos insumos básicos, falta de infraestrutura e tecnologia qualificada e falta de
políticas públicas eficientes.
Estudos demonstram que os seguintes fatores causam volatilidade no ativo e
consequentemente uma maior variação no preço: a desvalorização do dólar (USD), alterações
nos níveis de estoque, investimento baixo no agronegócio, crescimento econômico acelerado
em países que estão em desenvolvimento, altos preços de energia e o uso de algumas
commodities agrícolas para a produção de biocombustíveis. Com esses fatores, pode-se
analisar que a transmissão de volatilidade acontece, assim esse parâmetro afeta não apenas
o mercado em que está inserido, mas também outros mercados (TRUJILLO-BARRERA et al.,
2012).
Segundo o USDA (2015), o milho é uma das culturas mais produzidas no mundo. Na
safra 2015/2016 foram cultivados 176.981 hectares, com uma produção de 968.855 milhões
de toneladas. Os principais produtores são China, EUA e Brasil, com aproximadamente 70%
da produção mundial. EUA, China e União Européia são os principais consumidores, com 60%
do consumo mundial.
No Brasil, o milho pode ser plantado em dois períodos, o milho de primeira safra e o
milho de segunda safra, como pode ser observado na figura 1.
 Figura 1: Milho de primeira safra e segunda safra
Fonte: USDA

O milho de primeira safra se caracteriza por disputar área com a soja no Sul e Sudeste
do Brasil, principais regiões produtoras desse milho no país. O plantio acontece entre agosto
e dezembro e a colheita, entre janeiro e maio. O milho semeado nesse período costuma
receber melhores condições climáticas e tende a demonstrar uma maior produtividade. Já o

na região Centro-Oeste e no Estado do Paraná. O plantio costuma ocorrer durante os meses

de janeiro a março, e a colheita, nos meses de maio a agosto. Como vantagens, esse plantio
tem a possibilidade do uso mais racional dos fatores de produção, como terra, máquinas,
equipamentos e mão-de-obra em período ocioso do ano, o preço maior da commodity na
entressafra e um menor custo de produção. Eles também proporcionam a sobreposição de
ciclos da cultura, favorecendo a sobrevivência de patógenos e de insetos vetores de mollicutes
e de vírus, assim evitando o que tem sido apontado como causa principal da alta incidência e
severidade de doenças no milho. O plantio do milho safrinha também expõem a cultura à
condições climáticas diferentes daquelas predominantes nos plantios de verão, podendo
determinar uma incidência maior de doenças no milho, por conta das diferentes temperaturas,
umidade relativa do ar e luminosidade, que favorecem ao desenvolvimento do microorganismo.
(FERNANDES & OLIVEIRA, 1997).
Os fatores que afetam o crescimento do milho no Brasil variam conforme a região do
país. Na parte central do país, o principal fator é a precipitação, por conta da disponibilidade
de água no solo, que influencia também as taxas de radiação indiretamente, visto que chuvas
mais fortes diminuem a radiação solar que chega ao solo. Nas regiões Nordeste e Sul do país,
a temperatura é o fator climático de maior importância, por conta da temperatura ideal do solo
para o desenvolvimento do milho, que deve estar entre 25 e 30 ºC. Nessas regiões é comum
encontrar temperaturas abaixo de 10 ºC ou acima de 40 ºC, que causa uma diminuição no seu
desenvolvimento inicial, trazendo prejuízo e diminuição da produtividade da região. A cultura
do milho necessita de um mínimo de 350-500 mm de chuva para seu bom desenvolvimento
sem precisar de irrigação, tendo uma maior produtividade com um consumo de água entre 500
e 800 mm considerando todo o ciclo da cultura. A quantidade de água que o milho utiliza
depende do tipo de solo, compactação, profundidade da raiz, idade da planta e a solução do
solo. (LANDAU; SANS; SANTANA, 2009).
Quanto à deficiência nutricional, o milho possui uma genética diversificada com uma
facilidade de adaptação em diferentes locais e intempéries, podendo enfrentar estresses por
falta de nutrientes e água. Se a região possuir uma disponibilidade de água boa, estudos tem
demonstrado que as plantas tem tido um desenvolvimento em solos pobres nutricionalmente
falando, por meio de um eficiente mecanismo de ciclagem. (LANDAU; SANS; SANTANA,
2009).
É possível observar na figura 2 e 3 a disponibilidade hídrica para a cultura do milho nos
diferentes tipos de plantios. Conclui-se que essa é uma variável que pode alterar
signicativamente a produção e consequentemente os preços dessa commodity.
Figura 2: Condição hídrica geral para o cultivo do milho de primeira safra nos principais
estados produtores do Brasil
Fonte: Conab (2016)
 Figura 3: Condição hídrica geral para o cultivo do milho de segunda safra nos principais
estados produtores do Brasil
Fonte: Conab (2016)

Buscando entender melhor como os fatores climáticos afetam os preços em diferentes

praças importantes na produção de milho no Brasil, neste trabalho foram analisadas as praças
de Lucas do Rio Verde MT e Cascavel PR, tanto para o milho safra quanto para o milho
safrinha.
Lucas do Rio Verde é uma cidade localizada no centro-oeste Brasileiro, na região norte
do Mato Grosso. Com uma extensão territorial de 3.645,23km 2 e 57.285 habitantes, possui um
clima tropical de savana, com duas estações bem definidas, temperatura média anual de 25ºC
e média de precipitação pluviométrica de 2.333 mm. A vegetação é constituída por cerrado,
arbóreo denso e matas ciliares, com relevo predominantes planos com solos argilosos ou
areno-argilosos. Com alta tecnologia e elevados índices de produtividade, a agricultura de
Lucas do Rio Verde desponta como uma das mais eficientes e foi fundamental para
rapidamente firmar-se entre os mais importantes pólos do agronegócio de Mato Grosso e do
país, representando. Responsável por 1% de toda produção brasileira de grãos, embora sua
área ocupe apenas 0,04% do território nacional. A agricultura é a base inicial de sustentação
de uma economia, ou seja, toda a sustentação econômica de um município ou região passa
pelo setor agrícola. O município é um dos grandes produtores nacionais de milho segunda
safra, especializando-se na produção dessa cultura. O milho, além de atuar na cadeia regional
de produção de grãos, atua também nas cadeias produtivas de suínos e frangos de outros
estados brasileiros. Essa característica, de certa forma, impulsiona a produção local, que é
uma das mais importantes para o Estado de Mato Grosso (PREFEITURA DE LUCAS DO RIO
VERDE - MT, 2016).
Cascavel é uma cidade localizada no Sul do Brasil, no estado do Paraná, com uma área
territorial de 2.091,40 m2, com uma população de 286.205 habitantes. O solo da região é
classificado como latossolo roxo, apresentando solos profundos, com boa capacidade de
retenção de água, aeração e permeabilidade. Ao norte é ondulado, constituído por colinas
amplas e baixas declividades e ao sul média e alta declividade e onde o relevo apresenta-se
acidentado. O clima é temperado mesotérmico e úmido, com temperatura média anual em
torno de 21ºC. É uma região sujeita a geadas, embora não seja muito frequente. A umidade
relativa do ar gira em torno de 75%. A cidade destaca-se como pólo universitário, com mais de
21 mil estudantes de ensino superior em sete instituições de ensino. Também se destaca no
agronegócio, desde a presença de culturas agroindustriais, passando pela comercialização,
até o desenvolvimento da oferta de serviços cada vez mais especializados (PREFEITURA DE
CASCAVEL - PR, 2016).
Ainda que seja fundamental analisar a produção, para se ter uma visibilidade melhor
sobre o mercado do milho é necessário analisar junto a oferta, demanda e estoques finais.
Estes servem como forma de balizamento para preços e também definições de safras futuras.
Por exemplo, caso haja uma produção maior que a demanda, a tendência é que esse excesso
de produto não demandado se transforme em estoques finais da safra atual, refletindo em mais
produto no início da safra subsequente. Apesar do crescimento vertiginoso do consumo
mundial de milho nas últimas safras, a produção mundial avançou em maior escala. Com isso,
o que se observa são cinco anos seguidos de aumento nos estoques finais mundiais, a partir
da safra 2010/11 até a safra 14/15. E grande parte desses estoques se encontra na China,
que foram o principal propulsor dos aumentos nos estoques nas safras 11/12 e 12/13. (IMEA,
2016).
 Para Marques et al. (1999), é difícil para os produtores ajustarem suas produções às
alterações do mercado, por conta das mudanças climáticas, pragas e doenças, dificultando a
previsão da produção e preços agrícolas. Por isso a importância de conhecer as variáveis do
mercado, pois elas dão origem à formação de preços e a influência da volatilidade. As
oscilações dos preços constituem em risco para os produtores e negociadores de commodities,
dificultando a decisão de comercialização, como de se comercializar ou armazenar o produto
para encontrar melhores preços. Com a dificuldade de prever os preços de commodities, a

volatilidade associadas às commodities representam, de um lado, um risco para o produtor,

et al., 1999).
Segundo a FAO (2010), as causas da volatilidade na agricultura são influenciadas por:
a) Políticas de estabilização do comércio e preço incluem proibições de exportações e
de quotas, fatores que proíbem a transmissão de preços.
b) A intervenção do governo nos estoques isso afeta o abastecimento dos produtos.
c) Altos custos de transporte e marketing nos países em desenvolvimento, infraestrutura
deficiente e transporte aumentaram os preços de entrega, proibindo arbitragem.
Embora, esses custos não passassem dos mercados internacionais para os
domésticos, causando que os produtores e consumidores não sejam preparados a
enfrentar as flutuações no suprimento e demanda.
d) Mercados não competitivos o poder de mercado impede a livre passagem dos preços.
e) Preferências dos consumidores consumidores às vezes não são dispostos a substituir
alguns produtos por outros.
f) Mudanças climáticas afetam a produção e, consequentemente, o suprimento de
produtos.
g) Informação de preços em muitos países a comercialização é feita usando informação
(preços) formada no mercado futuro como referência na formação de preços para os
mercados domésticos.
No último relatório mundial sobre a volatilidade dos preços na alimentação e mercado
de agricultura, com o foco em políticas responsáveis, foi mostrado a influência do clima sobre
a precificação e volatilidade das commodities. Foi observado em diversos países, como
Austrália, Canadá, Russia, Argentina, mudanças nos preços, verificando mudanças climáticas
significativas no mesmo período. Não está claro se esses são apenas eventos transitórios,
cíclicos (como El Nino e El Nina), ou mudanças de longo termos. O que está claro é que o
clima será um fator determinante para a precificação das commodities e influenciará a
volatilidade, assim modificando alguns padrões consolidados no mundo, por conta do aumento
dos riscos locais e problemas na produção e distribuição dos produtos. (FAO, 2010).
Alguns cientistas tem notado um aumento constante das temperaturas nos últimos 10
anos, especialmente em regiões tropicais. O relatório emitido pelo painel de mudanças
climáticas indica que o aquecimento global poderá reduzir a produção agrícola em até 2% a
cada década para o resto deste século, enquanto a demanda deverá subir 14% a cada 10
anos, observando que a população mundial continua a crescer e as pessoas nos países em
desenvolvimento estão melhorando o poder de aquisição de produtos melhores. Sobre essas
mudanças, pesquisadores e especialistas ainda estão buscando entender como, no longo
prazo, serão os seus efeitos, e como os governos, as empresas e os indivíduos terão de se
adaptar às novas realidades. (MASTERS, 2010).
Todas essas incertezas e mudanças nos preços fazem com que o produtor,
consumidor e comercializador de commodities precise ter conhecimento sólido sobre o
mercado, para se proteger da oscilação dos preços, buscando fazer sempre o hedge da
posição. De acordo com CME Group (2014, p.6), em uma operação de futuros, hedge
transação de contrapeso que envolve uma posição no mercado futuro oposta à posição atual
commodity no mercado físico tem a tendência
de acompanhar o movimento dos preços do mercado futuro, então toda a posição que o
produtor tiver, seja ela positiva ou negativa no mercado físico, será inversamente proporcional
a posição que ele realizou como hedge no mercado futuro, assim então uma posição
compensando a outra. Atualmente temos como hedgers produtores agropecuários,
comerciantes, processadores de alimentos, fabricantes de ração, exportadores, importadores,
entre outros. (CME GROUP, 2014).
Para a realização do hedge do milho para o produtor brasileiro, atualmente são
utilizadas as bolsas A Chicago Board of Trade (CBOT) e a Bolsa de Mercadorias & Futuros
(BM&F)
O Chicago Board of Trade (CBOT) foi formado em 1848, sendo um dos primeiros
mercados a vender contratos futuros. Em 2007, foi realizada a fusão da CBOT e o Chicago
Mercantile Exchange (CME), assim se tornando o CME Group. Atualmente, o CME Group é a
maior bolsa de derivativos do mundo, sendo também a bolsa com maior diversificação, e foi
responsável pelo desenvolvimento da base para a criação de todo mercado futuro no mundo.
(CME GROUP, 2014).
A Bolsa Mercantil & de Futuros iniciou suas operações em 1986 sendo que em 1991 foi
realizada a fusão da Bolsa de Mercantil & de Futuros com a Bolsa de Mercadorias de São
Paulo, assim nascendo a Bolsa de Mercadorias & Futuros (BM&F). (SOARES, 2006).
No contrato de Milho da CBOT, cada contrato futuro negociado estabelece um acordo
de compra e venda 5.000 Bushels (equivalente de 127 toneladas métricas ou 4,7 contratos de
milho BM&F). O preço do contrato é definido no momento de negociação em centavos de dólar
por bushel, mas o pagamento também ocorre apenas na data do vencimento. Nesse mercado,
o contrato de milho é especificado pelo código ZC, mais uma letra, que significa o mês de
vencimento do contrato (Março (H), Julho (N), Setembro (U) e Dezembro (Z)), e finalizado por
dois números, que expressa o ano de vencimento. O vencimento oorre no dia útil antes do
décimo quinto dia do mês de vencimento (CME GROUP, 2016).
No contrato de Milho da BM&F, cada contrato futuro negociado estabelece um acordo
de compra e venda de 450 sacas de 60 kg. O preço do contrato é definido no momento de
negociação em reais por saca, mas o pagamento ocorre na data do vencimento. Nesse

significa o mês de vencimento do contrato (Janeiro (F), Março (H), Maio (K), Julho (N), Agosto
(Q), Setembro (U) e Novembro (X)), e finalizado por dois números, que expressa o ano de
vencimento. O vencimento ocorre sempre no décimo quinto dia útil do mês especificado. Este
contrato não prevê a entrega física do produto, mas apenas sua liquidação financeira. Esse
mercado foi criado para funcionar como uma proteção ao investidor e produtor de milho, por
conta das grandes oscilações que ocorrem nos mercados de renda variável. Este tipo de
derivativo é peça fundamental para diversos setores, como produtores de milho, farelo, ração,
frangos, entre outros. Assim, agricultores conseguem garantir um preço justo de venda da sua
safra, cobrindo os de produção e exportadores garantem um preço justo pela compra de sacas
de milho, assim certificando que terão lucro com suas operações mesmo com as mudanças
rápidas no preço do ativo. (BM&F BOVESPA, 2016).
 Nos mercados futuros, temos como principais tipos de contratos utilizados o contrato a
termo, contrato futuro e contrato de opções. (MOURA, 2002).
No contrato a termo todas as variáveis são definidos no momento em que o contrato é
firmado, fixando assim o preço, moeda, commodity e volume a ser negociado. Normalmente o
comprador paga antecipadamento parte do preço, e o vendedor oferece alguma garantia ao
comprador. Na maioria dos casos, esse tipo de negociação é realizada fora das bolsas.
(MOURA, 2002).
No contrato futuro, é formalizado a compra ou venda de um ativo financeiro ou
Commodity no futuro, já definido o volume e a qualidade do produto, que é padronizado pelas
bolsas. Essa operação será realizada em um mês específico, por um preço estipulado no
pregão da bolsa, sendo sujeito a alteração até o vencimento do contrato, e toda a operação
sob condições e termos estabelecidos pelo mercado que rege o contrato, sempre controlado
pela bolsa. As cotações do mercado futuro refletem as expectativas dos vendedores e
compradores em relação ao valor da mercadoria no dia do vencimento do contrato, assim
podendo ser considerado como previsões de preços e, por serem padronizados, possuem
mais liquidez que os contratos a termo. (SIQUEIRA, 2003).
A liquidação desses contratos podem ser feitas de três maneiras, ou entrega física, ou
a reversão da posição, ou financeiramente. A liquidação com entrega física representa a
entrega e recebimento do produto, representando apenas cerca de 1% das liquidações que
são realizadas nas bolsas. A liquidação por reversão de posição é a execução de uma ordem
contrária a que você possue na bolsa. Caso você seja um produtor que busca realizar a
proteção dos preços de venda do seu produto na bolsa, você vende contratos futuros, e após
vender seu produto físico realiza a reversão da sua posição, assim comprando contratos
futuros e liquidando a sua posição na bolsa. A liquidação financeira possue referência a um
indicador que tem o objetivo de representar o valor do produto no mercado atual, sendo
utilizado em contratos onde o produto é de difícil padronização. (MARQUE E MELLO, 1999).
Em um contrato de opções, é adquirido o direito de comprar ou vender um produto ou
um contrato futuro em uma data pré-determinada, por um preço previamente acordado, assim
o comprador da opção pagando um valor ao vendedor por esse direito. (BM&F, 2005).
Nos dias atuais, com diversas fontes de informações, selecionar os meios que
transmitem confiança na obtenção dos dados se tornou algo essencial e de extremo valor, se
tornando um grande mercado. Tem-se como principais empresas atualmente nesse mercado
a Bloomberg e a Thomson Reuters.
A Bloomberg foi fundada em 1982 com a missão de trazer transparência aos mercados
financeiros e de capitais por meio do acesso a informação. Hoje conta com mais de 15.000
funcionários em 192 escritórios distribuídos em 72 países, conectando mais de 320.000
profissionais a uma rede global e dinâmica de informações, notícias, pessoas e ideias. Foram
utilizados os dados da área de commodities do Bloomberg Professional, ferramenta que cobre
dados atualizados de mapeamento, análises fundamentalistas separadas por setores, notícias
em tempo real com uma cobertura do mercado do agronegócio brasileiro e global, incluindo
dados como curvas de valor futuro, gráficos de impacto do câmbio, sazonalidade, spreads
históricos, arbitragens, análises de preços e base, histórico de temperatura e precipitação em
diversas praças, entre outros. (BLOOMBERG, 2016).
A Thomson Reuters, empresa do mesmo seguimento, é uma empresa que oferece
conhecimento, tecnologia e especialistas para as empresas encontrarem respostas confiáveis.
Tem como objetivo no Brasil de ampliar sua presença como provedor de soluções
profissionais. Atualmente, Reuters conta com uma equipe no país de aproximadamente 2200
funcionários e opera localmente com uma suite completa e integrada que reúne marcas
reconhecidas e confiáveis, como o Reuters News e o EIKON. Nesse trabalho também foram
utilizadas as ferramentas do EIKON, que é uma plataforma que fornece aos profissionais uma
mistura de respostas confiáveis de notícias, dados e análises de mercados, onde foram
utilizadas as ferramentas voltadas para o mercado de commodities (REUTERS, 2016).

4. MATERIAIS E MÉTODOS

Para a aquisição dos dados, foram utilizadas as plataformas Bloomberg e Reuters, que
contém dados históricos sobre a cultura, as praças, e as mudanças climáticas. Nessas
plataformas são utilizados as fontes de pesquisa mais relevantes, como do USDA (U.S.
Department of Agriculture), SOMAR, Cepea Esalq, entre outros. Com isso foi adquirido uma
série histórica de cada variável, buscando uma maior quantidade de dados para a criação de
um modelo mais robusto.
 Buscando utilizar praças com uma forte produção de Milho, foram escolhidas as cidades
de Lucas do Rio Verde, no Mato Grosso, e Cascavel, no Paraná. Essas cidades foram
selecionadas por terem uma grande diferença geográfica, além de análises para diferentes
safras do milho (Safra e Safrinha), trazendo diferentes análises climáticas e condições de
plantio, buscando encontrar um modelo que abrange todo o mercado brasileiro.
Para comparação dos preços encontrados na praça local, foram utilizadas os preços de
fechamento do milho das das bolsas CBOT (Chicago Board of Trade) e BM&F (Bolsa de
Mercadorias e Futuros).
Para a realização da estatística, foi utilizado o sistema estatístico R, que é uma
linguagem e ambiente para computação estatística e gráficos. É um projeto GNU, que foi
desenvolvido pela Bell Laboratories. Esse sistema fornece uma ampla variedade de técnicas
estatísticas gráficas (modelagem não-linear, testes estatísticos clássicos, análise de séries
temporais, linear, etc.) e é altamente extensível. O R está disponível como software livre sob
os termos da GNU General Public License da Free Software Foundation em forma de código
fonte. Ele compila e roda em uma ampla variedade de plataformas UNIX, Windows e MacOS,
assim sendo extremamente versátil.
Nesse projeto, foi utilizado o modelo ARIMA. Esses modelos são consolidados e nos
proporcionam dados confiáveis tanto no lado estatístico quanto conceitual, nos trazendo
previsões sobre a análise de dados e mostram se esses dados são de fácil implementação,
sendo realizado em diversos trabalhos sobre séries de commodities, como pode ser observado
nos trabalhos de PINTO et al. (2008), LIMA et al. (2010) e FELIPE (2012). De acordo com
Gomes (1989), esse modelo representa uma generalização dos diversos métodos de análise
de séries temporais, então sendo apropriado para descrever séries não-estacionárias, que
significa séries na qual a média não é constante no período de análise, onde as variáveis
normalmente são pequenas, assim apresentando uma sazonalidade ou tendência. Uma série
temporal não-estacionária pode ser reduzida a uma série temporal estacionária tomando um
grau apropriado de diferenciação. Os modelos ARIMA são úteis na descrição de séries
temporais estacionárias, e é utilizado a diferenciação para construir uma grande classe de
modelos de séries temporais e modelos de média móvel auto-regressivos integrados, que são
úteis na descrição de várias séries temporais não-estacionárias (WEI, 2006).
 Para se identificar um modelo ARIMA, Gomes (1989) cita
nível de diferenciação (d), a partir do qual a série se torna estacionária, a ordem (máxima) dos
termos autoregressivos (p) e a ordem (máxima) dos termos médias- Para encontrar
esses termos do modelo, é necessário realizar a função de autocorrelação e a função de
autocorrelação parcial, esses que qualificam o padrão de dependência temporal da série. De
uma forma geral, os modelos ARIMA mostram que as séries temporais podem ser
representadas por uma sequência aleatórias de ações que são submetidas a três diferentes
operações de filtragem médias móveis, auto-regressiva e integração, podendo afirmar que
esses modelos equivalem as séries temporais como uma aproximação dos valores e erros
passados da própria série (GOMES, 1989)
A análise das funções de auto-correlação e de auto-correlação parciais traz como
resultado qual modelo ARIMA deverá será utilizado. Ele auxilia no uso dos testes de raízes
unitárias para mostrar se a série possui uma estacionariedade ou não. O foco da identificação
é encontrar os valores de p, d e q do modelo ARIMA(p,d,q), nos trazendo também estimativas
preliminares das variáveis a serem utilizadas para estimarmos o modelo. (SANTOS, 2014). A
identificação do modelo ARIMA a ser ajustado à base de dados é tida como uma das principais
etapas para se ter uma utilização adequada da modelagem ARIMA, e essa escolha do modelo
é feita com base nas autocorrelações e autocorrelações parciais estimadas.
Uma série temporal é uma base de dados que foi observada ao longo do tempo de
maneira sequencial. Sua principal característica é a dependência entre os dados. Em modelos
de regressão a ordem das observações não influencia na análise de dados, assim sendo
irrelevante. Mas nas séries temporais, a ordem dos dados é a parte mais importante, sendo
crucial para a análise. Com isso, a análise se torna mais complicada, tendo como
características particulares, por exemplo, a necessidade de utilização de técnicas específicas,
levar sempre em conta a ordem temporal, trazendo para o modelo fatores complicadores,
como presença de tendências e mudanças sazonais ou cíclica, que podem ser difíceis de
estimar.
Uma das maneiras possíveis de ver que uma série é não-estacionária é analisar o
comportamento gráfico, buscando alguns padrões, como inclinação, andamento temporal,
variância não constante com o tempo (SANTOS, 2014).
5. RESULTADOS E DISCUSSÃO

Nos gráficos 1 e 2, tem-se os preços históricos das bolsas utilizadas nesse trabalho. Foi
analisado uma linha histórica de doze anos do preço do milho CBOT (gráfico 1), onde pode-
se observar que existiu uma variação de até 4 vezes entre o valor da máxima e mínima,
demonstrando um impacto significativo para os produtores e consumidores.
Preço R$/sc

Gráfico 1: Histórico diário do preço do milho na CBOT

Fonte: Reuters

Pode-se observar também uma grande oscilação comparando com os valores históricos
do Milho BM&F (gráfico 2), com até 1,5 vezes entre a máxima e a mínima.
 Gráfico 2: Histórico diário do preço do milho na BM&F
Fonte: Reuters

Na tabela 1, pode ser visto os valores máximos, mínimos, média e desvio padrão das
duas bolsas (BM&F e CBOT):

Bolsas BM&F CBOT

Valor Máximo (R$/sc) 53,91 109,94
Valor Mínimo (R$/sc) 13,32 26,73
Média (R$/sc) 25,47 63,40
Desvio Padrão (R$/sc) 7,02 20,28
Tabela 1: Valores máximos, mínimos, média e desvio padrão diário dos últimos 12 anos das
bolsas BM&F e CBOT

Analisando os gráficos, pode-se encontrar algumas variações de preços maiores, como

por exemplo de 2006-2008, 2010-2011 e 2015-1016.
No primeiro ciclo de alta da série de dados utilizada, que ocorreu entre 2006-2008, onde
foi atingido patamares recordes até o momento, foi iniciado pela grande demanda dos Estados
Unidos pela commodity para a produção de etanol e um forte problema na produção de trigo
no mercado internacional (trigo e milho são substitutos para a formulação de rações animais,
sendo esses fonte de energia, tendo forte mercado na Europa, Ásia e Estados). Com o
aumento da demanda, o Brasil exportou mais milho, encerrando o ano com um volume
recorde, acima de 10 milhões de toneladas. Diante do recorde de exportações e dos altos
preços da commodity, incentivado pela valorização do dólar, produtores iniciaram o ano de
2008 com altas expectativas, assim aumentando o investimento buscando uma maior
produtividade. Porém o preço voltou a cair no mesmo ano, quando a produção elevada não
veio de acordo com o menor volume de exportações, assim a produção no país alcançando
níveis recordes e apenas a demanda a interna correspondendo às expectativas. Assim, o ano
de 2009 iniciando com um dos maiores estoques de milho já registrado, e sendo caracterizado
por queda no preço do milho, devido a alta oferta e o atendimento do consumo de curto prazo
no mercado interno. (MIRANDA; DUARTE; GARCIA, 2012).
De 2010 em diante, os preços do milho começaram a passar por um novo período de
alta, porém com a expectativa de um recorde de produção no Brasil em 2011-2012, e a
previsão de uma safra excelente nos Estados Unidos levaram o mercado a querer levar os
preços para baixo entre abril e junho de 2012. Porém uma seca em 2012, a maior em 50 anos,
que assolou os Estados Unidos, touxe uma quebra de safra jamais vista, alterando todas as
projeções iniciais. No cenário externo, a quebra da safra dos Estados Unidos junto com os
estoques baixos fez com que o preço do milho sofresse um ajuste, tendo assim a valorização
do preço dessa commodity, mudando então a tendência inicial dos preços e acarretaram em
uma alta recorde. A demanda pelo mercado externo fez o preço do milho no Brasil disparar,
assim alcançando novos patamares, superando os R$30,00 por saca. (MIRANDA; DUARTE;
GARCIA, 2012).
No ano de 2016, o custo da safra de milho subiu aproximadamente 30%, proveniente
do aumento do custo dos insumos, fazendo o agricultor ter mais atenção para a sua
comercialização. Mas mesmo com os custos elevados, com o aumento do dólar no ano,
chegando a valores acima de R$ 4,00, e a manutenção do preço na bolsa de Chicago, os
produtores garantiram bons preços para exportar, assim diminuindo a oferta no mercado
interno. Com a falta do produto, foi acarretado uma alta nos preços da commodity negociadas
no Brasil, tendo assim um aumento de mais de 80% em comparação com o ano passado, visto
o receio dos compradores de milho do mercado interno de pouca oferta da Commodity.
(ABRAMILHO, 2016).
Pode-se perceber que grandes variações no câmbio tem grande influencia no preço da
commodity. Tanto no aumento dos custos, quanto em um preço melhor para comercialização,
nota-se que a alta de 2008 e 2016 veio junto com a alta do dólar, como pode ser observado
no Gráfico 3 abaixo.

Gráfico 3: Histórico diário do preço do dólar

Fonte: Uol

Para as praças, foram utilizados os valores de base. Esses valores são usualmente
utilizados para a realização das negociações. Para obter a base, o cálculo feito é a diferença
entre o preço histórico de uma commodity na região que se está analisando e o valor histórico
negociado na BM&F ou CBOT. No segundo caso é necessário fazer as devidas conversões
para transformar as unidades, que na CBOT é cU$/bushel e na BM&F R$/sacas.
(RODRIGUES & CUNHA, 2013).
Para as conversões, tem-se:
1 bushel = 25,401 kg
1 saca (sc) = 60 kg
1 saca (sc de 60 kg) = 2,3621 bushel
1 tonelada = 16,666 sacas (60 kg)
 Nos gráficos 4 e 6 pode-se observar os valores do milho nas praças escolhidas, e com
esses valores foi calculado o valor de base.

Gráfico 4: Histórico diário do preço do milho em Lucas do Rio Verde - MT

Fonte: Reuters

Pode-se observar no gráfico 4 que no ano de 2013 o preço caiu aproximadamente R$10
por saca, visto a produtividade elevada, batendo valores como 115 sacas por hectare. Com
isso, a oferta foi muito elevada, baixando os preços (ANDERLI, 2013). No ano seguinte, por
conta de uma seca que afetou tanto a produção de soja quanto do milho, houve uma quebra
na produção do milho safrinha de até 30%, fazendo com que os preços voltassem para a casa
dos R$20 por saca (FARIAS, 2014). Em seguida o preço voltou a cair por conta da grande
produtividade, uma das maiores da região, e em seguida se normalizou até o ano de 2016,
onde a forte demanda no mercado externo, além da valorização cambial, favoreceram a
exportação, assim elevando o preço no mercado interno pelo receio dos consumidores de
ficarem sem o produto, e ainda com uma quebra de produtividade, saindo de 100 sacas por
hectare para 80 sacas por hectare, por conta de uma seca ocorrida em abril (CUSTÓDIO,
2016).
 Analisando os dados de preço em Lucas do Rio Verde MT e os preços do indicador
ESALQ/BM&Fbovespa, pode-se ver no gráfico 5 que existe uma correlação de 85% entre os
dois preços, mostrando uma forte influência do preço do indicador na praça local.
Preço R$/ sc

Gráfico 5: Histórico diário do preço do milho em Lucas do Rio Verde MT e Indicador

ESALQ/BM&Fbovespa
Fonta: Reuters

Gráfico 6: Histórico diário do preço do milho em Cascavel - PR

Fonte: Reuters
 No gráfico 6, podem-se observar grandes mudanças nos preços apenas nos anos em
que as mudanças também foram significativas no preço do milho ESALQ/BM&Fbovespa, como
nos anos 2008 e 2016, assim não vendo como fatores de precificação nenhum acontecimento
na praça local.
Analisando os dados de preço em Lucas do Rio Verde MT e os preços do indicador
ESALQ/BM&Fbovespa, pode-se ver no gráfico 5 que existe uma correlação de 97% entre os
dois preços, mostrando uma forte influência do preço do indicador na praça local.
Preços R$/ sc

Gráfico 7: Histórico diário do preço do milho em Cascavel - PR e Indicador

ESALQ/BM&Fbovespa
Fonta: Reuters
Nos gráficos 8 e 9 a seguir é possível observar os valores de base praça vs BM&F em
Lucas do Rio Verde e Cascável. Quando o valor está positivo, observamos um preço mais alto
na praça do que listado na bolsa, e quando negativo, a situação inversa.
 Gráfico 8: Base histórica praça vs BM&F em Lucas do Rio Verde MT
Fonte: Reuters

No gráfico 8 encontra-se uma base bem negativa, valores que podem ser considerados
devidos a dificuldade de transporte até o porto, armazenamento, entre outros custos que serão
gastos pelo comprador da commodity.

Gráfico 9: Base histórica praça vs BM&F em Cascavel - PR

Fonte: Reuters
 Diferente da gráfico 8, encontra-se no gráfico 9 um valor melhor da base, mostrando
que Cascavel - PR possui assim uma melhor localização do que em Lucas do Rio Verde - MT,
possivelmente possuindo um custo menor para o comprador da commodity para levá-la até o
porto para a exportação.
Para a criação do modelo, foi utlizado o valor do Indicador Esalq/BM&Fbovespa de
milho ao invés dos preços do contrato de milho negociado na BM&F. Isso se dará por conta
da alteração do contrato do milho BM&F em setembro de 2008, passando de liquidação física
para financeira, e assim, não tendo uma uniformidade de dados para uma análise de longa
data. Essa alteração ocorreu por conta de experiências passadas que mostraram que essas
mudanças em outros contratos trouxeram uma maior liquidez para o mercado, redução dos
custos associados de liquidação e uma volatilidade dos preços no mercado físico que satisfazia
positivamente sobre a variação dos números de contratos em aberto na bolsa (SOUZA et. al,
2012).
O indicador Esalq/BM&Fbovespa, que tem como base a região de Campinas, em São
Paulo, começou em agosto de 2004, realizado pelo Centro de Estudos Avançados em
Economia Aplicada (CEPEA), que é parte do Departamento de Economia, Administração e
Sociologia (DEAS) da Escola Superior de Agricultura Luiz de Queiroz / Universidade de São
Paulo (Esalq/USP). Em período inicialmente de análise, foi lançado oficialmente em 09 de
janeiro de 2006. Desde então, é realizada a divulgação diária dos preços, uma média aritmética

odor e aspectos normais, em bom estado de conservação, livre de bagas de mamona e outras
sementes prejudiciais e insetos vivos, duro ou semiduro, com umidade de até 14%, teor de
impurezas máximo de 1% na peneira 3 mm, máximo de 6% de grãos ardidos ou brotados e
livre de grãos mofados e até 12% de grãos quebrados, partidos ou chochos, tudo em

(CEPEA, 2016), que levam em consideração os preços nas cidades de Campinas, Amparo,
Jaguariúna, Mogi-Mirim, Pirassununga, Jundiaí, Americana, Piracicaba, Limeira, Tietê,
Indaiatuba, Itu, e outras regiões intermediárias, além do acompanhamento e monitoramento
(sem consideração no Indicador) dos preços de regiões importantes produtoras de milho. O
objetivo da
importantes de produção e consumo de milho a fim de proporcionar análises seguras sobre o
(CEPEA, 2016).
Pode-se observar no gráfico 10 abaixo que a correlação dos preços Milho BM&F e do
indicador Esalq/BM&Fbovespa é muito alta, assim os dois sendo proporcionalmente sensíveis
nas oscilações de mercado, podendo utilizar o indicador como parâmetro para a modelagem.

Gráfico 10: Correlação preço milho BM&F vs indicador Esalq/BM&FBovespa

Fonte: Reuters

Também foram utilizados os dados de temperatura e precipitação para a construção do

modelo estatístico. Com isso, nos próximos gráficos será observado um histórico dos principais
indicadores climáticos das regiões de Lucas do Rio Verde - MT e Cascavel - PR.
 Gráfico 11: Temperatura máxima, mínima e média mensal em Lucas do Rio Verde - MT
Fonte: Bloomberg

O Gráfico 11 apresenta poucas datas com variações significativas nas temperaturas.

Têm-se temperaturas mínimas mais baixas nos anos de 2002, 2003, 2008 e 2014, e com
temperaturas mais elevadas nos anos de 2007 e 2011, assim tendo também uma
movimentação na temperatura média. Porém não pode-se encontrar valores que justifiquem
um aumento de preço, visto que essas temperaturas não influenciaram o preço diretamente,
que só teve alguma alteração quando a produção foi afetada. Também não foi encontrado
mudança significativa no Basis, assim mostrando que a variação dos preços segue uma
correlação com o indicador ESALQ/BM&Fbovespa, que é influenciado por outros fatores que
envolvem a produção nacional e mundial.
 Gráfico 12: Temperatura máxima, mínima e média mensal em Cascavel - PR
Fonte: Bloomberg

Pode-se observar no gráfico 12 que nos anos de 2006, 2007 e 2008 que foi encontrado
as temperaturas mais baixas, e em 2004 e 2011 as temperaturas mais elevadas, mas também
não sendo fatores preponderantes na mudança do preço da praça.
Na tabela 2 abaixo, tem-se os valores máximos, mínimos, médias e desvio padrão das
temperaturas médias de cada região dos últimos 15 anos.

Praças Lucas do Rio Verde - MT Cascavel - PR

Valor Máximo 30,90 29,30
Valor Mínimo 19,90 10,50
Média 26,60 21,62
Desvio Padrão 1,75 4,18

Tabela 2: Valores máximos, mínimos, média e desvio padrão mensal das temperaturas
médias das praças Lucas do Rio Verde MT e Cascavel PR

Na Tabela 2, pode-se ver que em Lucas do Rio Verde MT o clima tende a ter uma
variação menor, se mantendo sempre perto da média de 26°C , diferente de Cascavel PR,
que pode chegar a temperaturas mais baixas no inverno, e assim tendo um desvio padrão 3x
maior que a outra praça analisada.
 Também é possível observar nos gráficos 11 e 12 a diferença entre as temperaturas de
Lucas do Rio Verde - MT e Cascavel - PR. Consegue-se ver uma oscilação menor entre as
temperaturas no Mato Grosso, e uma média bem acima, com quase 5 °C acima, e altas de até
aproximadamente 40 °C . Já em Cascavel - PR é possível notar temperaturas baixas, próximas
de possibilidades de geadas, como 3 °C , além de uma temperatura média que varia entre 15
°C e 25 °C , dependendo da época do ano.

Gráfico 13: Precipitação em Lucas do Rio Verde - MT

Fonte: Bloomberg

Gráfico 14: Precipitação em Cascavel - PR

Fonte: Bloomberg
 Praças Lucas do Rio Verde Cascavel
Valor Máximo (mm) 607,90 492,00
Valor Mínimo (mm) 0,00 1,40
Média (mm) 153,51 138,29
Desvio Padrão (mm) 136,66 87,36

Tabela 3: Valores máximos, mínimos, média e desvio padrão mensal de precipitação das
praças Lucas do Rio Verde MT e Cascavel PR

Observa-se nos gráficos 13 e 14 e na tabela 3 que Lucas do Rio Verde - MT apresenta

estações bem definidas, com períodos de seca no meio do ano e muito chuvosos no começo
do ano, diferente de Cascavel, que mantém uma certa estabilidade quando relacionado com
chuvas, com uma menor diferença da precipitação em mm entre o período de seca e chuvoso.
Realizando uma análise dos gráficos 6, 9, 12 e 14, buscando encontrar relação entre a
base e dados climáticos, não foi possível observar nenhuma alteração relevante que seja
possível relacionar a variação dos preços com mudanças climáticas. Observa-se que nos anos
de 2006, 2007 e 2008 as chuvas ficaram abaixo da média, assim como temperaturas mais
baixas, mas a base continuou sem grandes alterações, tendo alta na entresafra e baixa na
safra, por conta da oferta nesse período do ano.
Sabe-se que mudanças no clima e na precipitação influenciam fortemente na agricultura
podendo alterar a produção do produto, causando um aumento de produtividade ou uma
quebra de safra, e consequentemente aumentar ou diminuir a quantidade de produto ofertado
no mercado. Porém, analisando apenas os dados em uma série temporal, sem levar em
consideração períodos específicos, como o plantio e a colheita, não é possível encontrar dados
que fundamentem um aumento de preço. Deve-se a razão por conta que cada produtor define
sua estratégia de plantio, alternando plantio precoce e tardio, onde analisar apenas as
temperaturas e médias não levam a encontrar um modelo de precificação. Também leva-se
em consideração o fato da formação dos preços do milho no Brasil e no mundo ser dependente
das condições de oferta e demanda local, que vêm registrando mudanças nos últimos anos
com o grande crescimento da produção de milho, incentivado pelos bons preços e pelo milho
de 2ª safra (safrinha). (CALDARELLI; BACCHI, 2012)
Independentemente da tecnologia, época de plantio, variedade selecionada, o período
de cultivo e as condições climáticas em que o milho é submetido são fatores fundamentais
para determinar como será a produção da commodity. Nas últimas décadas, as mudanças
climáticas têm causado impactos nos sistemas naturais e humanos em todos os continentes.
Em muitas regiões, a mudança precipitação ou derretimento de neve estão alterando sistemas
hidrológicos, que afetam os recursos hídricos em termos de quantidade e qualidade. A
mudança climática tem afetado negativamente a agricultura, como o rendimento de trigo e
milho, assim indicando uma sensibilidade dos mercados atuais para eventos climáticos
extremos (FANCELLI, 2001).
Pode-se observar que grandes mudanças nos preços ocorrem em detrimento da oferta
e demanda mundial, que alteram os estoques dos países e transmite um receio para os
produtores/consumidores sobre qual decisão tomar, tanto na busca pelo hedge ideal quanto
para a busca de oportunidades. Porém não foi encontrado uma relação com o aumento dos
preços em detrimento de apenas mudanças climáticas.
Com essas bases de dados históricos e utilizando da ferramenta estatística R, buscou-
se desenvolver um modelo estatístico para conseguir prever os reais impactos dos efeitos
climáticos na oscilação de preço, identificando os limites dos extremos climáticos para
encontrar os limiares onde o mercado começa a precificar a commodity e o tempo em que isso
é realizado.
Foi realizada a estatística utilizando os dados de precipitação diária, temperatura
média diária, preço na cidade de Cascavel - PR, preço na cidade de Lucas do Rio Verde - MT
preço do indicador ESALQ/BM&Fbovespa e o preço da bolsa CBOT, utilizando o modelo
ARIMA. Foi possível analisar nas figuras abaixo que os dados possuem uma inclinação
característica, se comportando de maneira não-estacionária, assim sendo necessário trabalhar
com os dados para encontrar o modelo ARIMA correspondente.
 Figura 4: Série temporal de preços da praça Cascavel - PR

Figura 5: Função autocorrelação e função autocorrelação parcial para preços de Cascavel -

PR

As Figuras 4 e 5 mostram uma tendência na série de preços de Cascavel, assim ela

não sendo uma série estacionária, e é possível ver que sua autocorrelação não ficou entre os
níveis requeridos. Com isso, foi necessário realizar a diferenciação dos dados para encontrar
o modelo ARIMA, assim como tirado o log da função para encontrarmos a taxa de variação do
preço, sendo mais coerente com a análise proposta. Esse procedimento busca estabilizar a
variância do série com a função logarítmica e utilizar a diferenciação para estabilizar a média
da série temporal, removendo as mudanças no nível da série e assim eliminar a tendência e
sazonalidade.

Figura 6: Série temporal de preços log-diferenciado de Cascavel - PR

 Figura 7: Função autocorrelação e função autocorrelação parcial para preços log-
diferenciado de Cascavel PR

Realizando esse procedimento, conlui-se que o modelo ARIMA para a série de preços log-
deferenciado de Cascavel é ARIMA (1,1,1).

Figura 8: Série temporal de preços da praça de Lucas do Rio Verde - MT

Figura 9: Função autocorrelação e função autocorrelação parcial para preços de Lucas do
Rio Verde - MT

Figura 10: Série temporal de preços log diferenciados de Lucas do Rio Verde - MT
 Figura 11: Função autocorrelação e função autocorrelação parcial para preços log
diferenciados de Lucas do Rio Verde MT

Realizando esse procedimento, concluí-se que o modelo ARIMA para a série de

preços log-deferenciado de Lucas de Rio Verde é ARIMA (0,1,0).
 Figura 12: Série temporal, função autocorrelação e função autocorrelação parcial para
preços CBOT

Assim como a série de preços de Cascavel, existe uma tendência na série de preços
CBOT, assim ela não sendo uma série estacionária e é possível ver que sua autocorrelação
não ficou entre os níveis requeridos, sendo necessário realizar a diferenciação dos dados para
encontrar o modelo ARIMA.

Figura 13: Série temporal de preços log diferenciados CBOT

 Figura 14: Função autocorrelação e função autocorrelação parcial de preços CBOT

Realizando esse procedimento, conclui-se que o modelo ARIMA para a série de preços
log-deferenciado CBOT é ARIMA (0,1,0).
 Figura 15: Série temporal, função autocorrelação e função autocorrelação parcial para
preços Esalq/BM&Fbovespa

Igualmente as outras duas séries, existe uma tendência na série de preços

Esalq/BM&Fbovespa, assim ela não sendo uma série estacionária e é possível ver também
que sua autocorrelação não ficou entre os níveis requeridos, sendo necessário realizar a
diferenciação dos dados para encontrar o modelo ARIMA.
 Figura 16: Série temporal de preços log-diferenciados Esalq/BM&Fbovespa

Figura 17: Função autocorrelação e função autocorrelação parcial de preços

Esalq/BM&Fbovespa
Realizando esse procedimento, conclui-se que o modelo ARIMA para a série de preços
log-deferenciado Esalq/BM&Fbovespa é ARIMA (1,1,1).
Figura 18: Relação preço de Cascavel log-diferenciado com precipitação em Cascavel - PR

Figura 19: Relação preço de Lucas do Rio Verde MT log-diferenciado com precipitação em
Lucas do Rio Verde - MT
 Figura 20: Relação preço do Esalq/BM&Fbovespa log-diferenciado com precipitação em
Cascavel - PR

Pode-se observar na figura 18, 19 e 20 que os preços não variaram por conta do
aumento da precipitação, mas sim por outros fatores macroeconômicos. Pode-se observar que
em dias com elevada precipitação, como 60 milímetros de chuva em um dia, não fizeram com
que o preço fosse alterado, assim como em dias que não choveu foi observado uma taxa de
variação do preço elevada e, com isso, não foi possível encontrar uma tendência mostrando
que o preço é alterado com a quantidade de chuva na região estudada. Com isso, não foi
possível criar um modelo relacionando o preço de Cascavel PR e Lucas do Rio Verde MT
com a precipitação, visto que não existe uma tendência.
Figura 21: Relação preço de Cascavel PR log-diferenciado com temperatura média da
região de Cascavel - PR

Figura 22: Relação preço de Lucas do Rio Verde log-diferenciado com temperatura média
da região de Lucas do Rio Verde - MT
Figura 23: Relação preço do Esalq/BM&Fbovespa log-diferenciado com temperatura média
da região de Cascavel PR

Pode-se observar na figura 21, 22 e 23 que os preços não variaram por conta da
oscilação de temperatura, mas sim por outros fatores macroeconômicos. Pode-se observar
que mesmo em dias com temperaturas médias mais elevadas, com 30ºC, ou em dias com
temperaturas médias mais baixas, com 15ºC, a taxa de variação do preço não foi alterada,
assim não encontrando uma tendência que mostre que o preço é alterado com a variação de
temperatura média da região estudada. Com isso, não foi possível criar um modelo
relacionando o preço de Cascavel PR e Lucas do Rio Verde - MT com a temperatura média.
Na literatura, como no trabalho de CONCEIÇÃO (2006), encontra-se que não apenas
um, mas diversos fatores são capazes de alterar a tendência de um preço, e a união de todos
esses que precificam a commodity. Com isso, confirma a dificuldade de encontrar um modelo
que relacione apenas uma variável para alteração dos preços, sendo necessário diversos
fatores conhecidos e desconhecidos para encontrar um modelo que seja preciso em confirmar
uma tendência sobre os preços de um determinado produto.
6. CONCLUSÃO

Neste trabalho, não foi encontrado uma relação direta entre mudanças na temperatura
média e precipitação nas praças específicas com a variação dos preços, tanto na região local,
quanto nos dados nacionais. Esse resultado comprova a literatura, que afirma que apenas
fatores isolados não tem a força necessária para alterar significativamente o preço, e que a
influência na variação dos preços se dá com maior importância nas praças pela oferta e
demanda. Pode-se observar que em anos com uma maior/menor precipitação ou temperatura
média não teve consequentemente uma maior variação nos preços das praças locais, assim
também não causando uma influência na variação dos preços das bolsas.
Estatisticamente, não foi encontrado um modelo preciso que mostre uma relação
significativa entre temperatura média e precipitação em relação aos preços nas praças locais,
visto que não foi encontrado uma relação que mostre que diante um aumento de precipitação
ou temperatura média local o preço tende a se alterar. Isso deve-se a todos os fatores
macroeconômicos nacionais, que influenciam fortemente o preço, visto a correlação entre os
preços spot e do indicador ESALQ/BM&Fbovespa, diminuindo a possibilidade de um
aumento/queda nos preços analisando apenas uma variável específica.
Levando em consideração todos os efeitos macroeconômicos, é possível verificar que
o preço é alterado mediante diversos fatores que trabalham em conjunto, como por exemplo
oferta e demanda, estoques, mudanças climáticas, estratégias financeiras, entre outros.
Encontra-se uma correlação muito forte das variações dos preços do indicador
ESALQ/BM&Fbovespa com o preço spot no na praça local, sendo 85% para Lucas de Rio
Verde - MT e 97% para Cascavel PR, o que leva a diminuir a influência apenas de uma praça
específica no preço do indicador, assim o produtor, deve se proteger não apenas das
intempéries que podem ser encontrados na sua região, mas deve realizar uma análise nacional
e mundial para a escolha do hedge ideal, visto que o preço na praça tende a acompanha os
movimentos do indicador, que é alterado envolvendo diversos fatores mundiais, e não apenas
locais.
7. REFERÊNCIAS BIBLIOGRÁFICAS

ANDERLI, A. 19/07/2013 : Colheita de milho em Lucas do Rio Verde (MT) deve ser
concluída na próxima semana. Agroeste, 2013. Disponível em
<http://www.agroeste.com.br/noticia/3183/colheita-de-milho-em-lucas-do-rio-verde-mt-deve-
ser-concluida-na-proxima-semana> acesso em 09/11/2016

BLOOMBERG. Introdução do Sistema. Disponível em <http://www.bloomberg.com.br/>

acesso em 19/06/2016.

BM&F BOVESPA. Futuro de milho com liquidação Financeira. Disponível em

<http://www.bmfbovespa.com.br/pt_br/produtos/listados-a-vista-e-
derivativos/Commodities/futuro-de-milho-com-liquidacao-financeira.htm> acesso em
11/09/2016.

BOLSA DE MERCADORIAS E DE FUTUROS BM&F. Perguntas Frequentes Sobre

Mercado Futuros Agropecuários. São Paulo: Bolsa de Mercadorias & Futuros, 2004.

CALDARELLI, C.E.; BACCHI, M. R. P. Fatores de influência no preço do milho no Brasil.

Nova Economia, vol.22, no.1, Belo Horizonte Jan./Apr. 2012
CUSTÓDIO, F. Em Lucas do Rio Verde (mt), produtores finalizam a colheita da safrinha
de milho e constatam quebra na produtividade. Notícias Agrícolas, 2016. Disponível em
<http://www.noticiasagricolas.com.br/videos/milho/176505-em-lucas-do-rio-verde-mt-
produtores-finalizam-a-colheita-da-safrinha-de-milho-e-produtividade-
esta.html#.WCKI8VUrKM8> acesso em 09/11/2016

CEPEA-ESALQ. Metodologia do Indicador de Preços ESALQ/BM&Fbovespa. Disponível

em < http://cepea.Esalq.usp.br/milho/?page=376> acesso em 12/09/2016.

CME GROUP. Contratos Futuros de milho. Disponível em

<http://www.cmegroup.com/pt/products/agricultural-Commodities/corn.html> acesso em
11/09/2016

CME GROUP. Guia Auto-didático para Hedge com Futuros e Opções de Grãos e
Sementes Oleaginosas. Chicago: CME Group, 2014

CONAB. Acompanhamento da Safra Brasileira – Grãos. Volume 3, Safra 2015/16 N.4,

Janeiro de 2016

CONCEIÇÃO, J. C. P. R. A Influência De Variáveis de Mercado e de Programas

Governamentais na Determinação dos Preços de Produtos Agrícolas. Texto para
Discussão No 1221, Instituto de Pesquisa Econômica e Aplicada, Ministério do Planejamento,
Orçamento e Gestão, Out/2006.

EHLERS, R.S.; Análise de séries temporais. 5ed. 2009. Disponível em <

http://icmc.usp.br/~ehlers/stemp/stemp.pdf>, acesso em 18/08/2016
EMBRAPA. Análise da cadeia do milho. Disponível em
<http://www.agencia.cnptia.embrapa.br/gestor/milho/arvore/CONT000fya0krse02wx5ok0pvo4
k3mp7ztkf.html> acesso em 10/06/2016

FAO, IFAD, IMF, OECD, UNCTAD, WFP, the World Bank, the WTO, IFPRI and the UN HLTF.
Price volatility in food and agricultural markets: Policy responses. Disponível
em:<http://www.fao.org/fileadmin/templatés/est/Volatility/Interagency_
Report_to_the_G20_on_Food_Price_Volatility.pdf> Acesso em 22/03/2016

FANCELLI, A. L. Fisiologia das plantas de milho em condições de safrinha. A Cultura do Milho

Safrinha. Londrina: IAPAR, 2001.

FARIAS, F. Atraso no plantio da soja já reflete na segunda safra de milho em Lucas do

Rio Verde (MT). Canal Rural, 2014. Disponível em
<http://www.projetosojabrasil.com.br/atraso-plantio-reflete-safrinha-milho-lucas-do-rio-
verde/>, acesso em 09/11/2016

FELIPE, I. J. S. Aplicação de Modelos ARIMA em Séries de Preços de Soja no Norte do

Paraná. Tekhne e Logos, Botucatu, SP, v.3, n.3, Novembro. 2012

FERNANDES, F. T.; OLIVEIRA, E. Principais Doenças na Cultura de Milho. Sete Lagoas:

EMBRAPA Circular Técnico, 19957. p. 80.

GOMES, F. C. Os modelos ARIMA e a abordagem de Box-Jenkins - Uma aplicação na previsão

do IBOVESPA a curtissímo prazo. Revista de Administração de Empresas. São Paulo, vol.
29(2), pág 63-70, Abr./Jun. 1989

IBGE. Produção agrícola municipal. Disponível em

<http://www.ibge.gov.br/home/estatistica/economia/pam/2010/PAM2010_Publicacao_compl/
eta.pdf>, acesso em 22/03/2016

IMEA. Publicações sobre oferta e demanda de milho. Disponível em <

http://www.imea.com.br/site/publicacoes.php?categoria=3&subcategoria=15>, acesso em
24/11/2016.

LANDAU, E. C.; SANS, L. M. A.; SANTANA, D. Milho e Sorgo - Sistemas de Produção, vol.
2, Versão Eletrônica - 5 ª edição Set./2009.

LIMA, F. G.; KIMURA, H.; NETO, A. A.; PERERA, L. C. J. Previsão de Preços de Commodities
com Modelos ARIMA-GARCH e redes neurais com ondaletas: velhas tecnologias novos
resultados. R. Adm., São Paulo, V.45, n.2, p. 188-202, abril/maio/junho de 2010

MARQUES, P. V.; MELLO, P. C. Mercados Futuros de Commodities Agropecuárias:

Exemplos e Aplicações aos Mercados Brasileiros. São Paulo: Bolsa de Mercadorias e
Futuros, 1999.
MASTERS, G.; BAKER, P.; FLOOD, J. 2010. Climate change and agricultural
Commodities. CABI Working Paper 2, p. 9-11.

MINISTÉRIO DA AGRICULTURA, PECUÁRIA E ABASTECIMENTO. Brasil projeções do

agronegócio 2011/2012-2021/2022. Disponível em < http://www.agri.gov.br>, acesso em
22/03/2016.

MIRANDA, R. A.; DUARTE, J. O.; GARCIA, J. C. Cultivo do Milho. Sistema de Produção, vol
1, Versão Eletrônica, 8ª Edição, out/2012. Disponível em
<http://www.cnpms.embrapa.br/publicacoes/milho_8_ed/mercado.htm>, acesso em
30/10/2016.

MORATOYA, E.E. Transmissão e volatilidade de preços das Commodities agrícolas: soja

e milho. Programa de Pós-graduação em Agronegócio. Universidade Federal de Goiás,
Goiânia, GO, 2004.

MOURA, A. D.; SILVA JUNIOR, A. G. Competitividade do Agronegócio Brasileiro em

Mercados Globalizados. DER/UFV, p. 27-52, 262p, Viçosa, MG, 2002

PINTO, P. A. L. A.; PEREIRA, E. S.; OLIVEIRA, M. C.; SANTOS, J. M.; MAIA, F. S. Aplicação
do Modelo ARIMA à Previsão do Preço das Commodities Agrícolas Brasileiras. XLVI
Congresso da Sociedade Brasileira de Economia, Administração e Sociologia Rural, Rio
Branco Acre, 20 a 23 de julho de 2008.

PREFEITURA. Dados econômicos Cascavel - PR. Disponível em: <

http://www.cascavel.pr.gov.br/indicadores.php>. Acesso em 01/06/2016.

PREFEITURA. Dados econômicos de Lucas do Rio Verde - MT. Disponível em:

<http://www.lucasdorioverde.mt.gov.br/principal/pag_economia.php>. Acesso em 01/06/2016.

RODRIGUES, G. Z.; CUNHA, C. A. Análise da base e risco de base dos principais municípios
produtores de milho do Estado de Goiás. Revista de política agrícola, 2013

SANTOS, V. Modulo I Séries Temporais: ARIMA. Trabalho de Conclusão de Curso.

Universidade Federal do Pará - Instituto de Ciências Exatas e Naturais Faculdade de
Estatística. Belém, PA, 2014.

SIMÕES, M. D.; KLOTZLE, M. C.; PINTO, A.C.F; LEVRINI, G. Uma avaliação da volatilidade
dos preços da soja no mercado internacional com dados de alta frequência. Gest. Prod., São
Carlos, v. 19, n. 1, p. 219-231, 2012

SIQUEIRA, K. B. Viabilidade de Implantação de Contratos Futuros de Leite no Brasil.

110f. Dissertação de Mestrado em Economia Aplicada. Universidade Federal de Viçosa,
Viçosa, MG, 2003

SISTEMA R. Sobre o programa. Disponível em < https://www.r-project.org>, acesso em

18/08/2016.
SOARES, N. S. Potencial de Implantação de um Contrato Futuro da Madeira de
Reflorestamento. 103f. Dissertação de Mestrado em Ciência Florestal. Universidade Federal
de Viçosa, Viçosa. Minas Gerais, 2006.

SOUZA, W. A. R.; GUERRA, F. B.; ZANIN, V.; FILHO, J. G. M. Impactos Operacionais das
Alterações no Contrato Físico de Milho da BM&F-Bovespa na Mitigação de Risco. Revista
Brasileira de Gestão de Negócios. V.14, n. 45, p. 480-493, out/dez. 2012.

TAYLOR, S. Asset price dynamics, volatility, and prediction. Princeton University Press.
2005. p.1-12, 189-193.

THOMSON REUTERS. Sobre nós. Disponível em < https://thomsonreuters.com.br/pt/sobre-

nos.html>, acesso em 19/06/2016

TRUJILLO-BARRERA, A.; MALLORY, M.; GARCIA, P. Volatility spillovers in U.S. crude oil,
ethanol, and corn futures markets. Journal of Agricultural and Resource Economics. 37(2);
p. 247-262

UOL ECONOMIA. Série histórica do dólar comercial. Disponível em <

http://economia.uol.com.br/cotacoes/cambio/dolar-comercial-estados-unidos/> Acesso em
18/11/2016

WEI, W. W. S. Time Series Analysis: Univariate and Multivariate Methods, 2 ed., 2006, p.
90-92.