Escolar Documentos
Profissional Documentos
Cultura Documentos
ESCOLA DE ENGENHARIA
DEPARTAMENTO DE ENGENHARIA MECÂNICA
LAMIS – LABORATÓRIO DE MONTAGEM INUSTRIAL E SOLDAGEM
ESPECIALIZAÇÃO EM ENGENHARIA DE SUPRIMENTOS
Niterói
2014
FELIPE NOVAES FERNANDES
Professor Orientador:
Helder Gomes Costa, D.Sc.
Niterói
2014
Ficha Catalográfica elaborada pela Biblioteca do XXXXXX
FELIPE NOVAES FERNANDES
Aprovada em de de 2014.
BANCA EXAMINADORA
__________________________________________________
Professor Orientador: Helder Gomes Costa, D.Sc.
Universidade Federal Fluminense
___________________________________________________
Cássia Andréa Ruotolo Morano, D. Sc.
Universidade Federal Fluminense
_____________________________________________________
<A DEFINIR>.
Instituto de Engenharia Nuclear - IEN/CNEN
Dedico este trabalho
Agradeço esta trabalho a minha família e a todos que contribuíram, direta e indiretamente, nessa
empreitada acadêmica e profissional.
“Acima de tudo, anseie por algo e só aquilo, tenha um propósito
legítimo e útil e devote-se sem restrições a ele”
(James Alle)
RESUMO
The Iron ore is strongly connected with world economy and requires high levels of investments
to enable its production. Analysis regarding iron ore price course can be faced as essential for
decision making process in uncertain environments, given that allows the analysis of economic
scenarios through the understanding of variables involved or related with such commodity. The
multivariate regression analysis allows the understanding of variables associated with seaborne
iron ore prices, as well as it price forecasting based on multivariate regression analysis
application. When evaluating the method application, the understanding of such factors
becomes, simultaneously, input and output of an interactive process that assists the decision
making, given the increasing on prices volatility and new technology challenges, that becomes
increasing in the same way of reduction of iron ore quality resources.
1 INTRODUÇÃO .......................................................................................................... 13
1.1 PROBLEMA DA PESQUISA ..................................................................................... 14
1.2 QUESTÕES DE PESQUISA ....................................................................................... 14
1.3 OBJETIVOS DA PESQUISA ...................................................................................... 15
1.4 SÍNTESE DAS ETAPAS DA PESQUISA .................................................................. 15
1.5 ESTRUTURA DO TRABALHO ................................................................................. 15
2 FUNDAMENTAÇÃO TEÓRICA ............................................................................ 16
3 REVISÃO DA LITERATURA ................................................................................. 20
3.1 O MINÉRIO DE FERRO ............................................................................................. 20
3.1.1 CARCATERÍSTICAS FÍSICO-QUIMICAS ............................................................... 21
3.1.2 PROCESSO DE PRODUÇÃO DO MINÉRIO DE FERRO E SUA INTERFACE
COM A INDÚSTRIA SIDERÚRGICA. ..................................................................... 21
3.2 EVOLUÇÃO E TENDÊNCIA DO MERCADO DE MINÉRIO DE FERRO ............ 23
3.2.1 HISTÓRICO DA INDÚSTRIA SIDERÚRGICA E DO MINÉRIO DE FERRO. ...... 24
3.2.2 PERSPECTIVAS E TENDÊNCIAS DO MERCADO DE MINÉRIO DE FERRO. .. 28
3.2.3 FORMAÇÃO DO PREÇO DO MINÉRIO DE FERRO. ............................................ 30
3.3 MÉTODO DE PREVISÃO – REGRESSÃO LINEAR MULTIPLA.......................... 32
3.3.1 MÉTODO DE REGRESSÃO LINEAR MÚTIPLA.................................................... 32
4 METODOLOGIA ...................................................................................................... 41
4.1 COLETA DE DADOS ................................................................................................. 41
4.1.1 MINÉRIO DE FERRO (62% FE) ................................................................................. 41
4.1.2 PREÇO DO PETROLEO CRU (CRUDE) BRENT UK ............................................... 42
4.1.3 TAXA DE EMPREGABILIDADE NA CHINA ......................................................... 43
4.1.4 INDICE DE PRODUÇÃO INDUSTRIAL CHINÊS. ................................................. 44
4.1.5 MANUFACTURING PMI (PURCHASING MANAGERS’ INDEX) CHINÊS. ............ 45
4.1.6 PRODUÇÃO MUNDIAL DE AÇO BRUTO. ............................................................. 46
4.1.7 ALVARÁ DE CONSTRUÇÃO CONCEDIDOS NA CHINA. .................................. 47
4.1.8 PREÇO DO VERGALHÃO (REBAR) . ...................................................................... 48
4.2 APLICAÇÃO DA ANÁLISE DE REGRESSÃO MÚLTIPLA .................................. 49
5 CONCLUSÃO ............................................................................................................ 54
REFERÊNCIAS ..................................................................................................................... 55
13
1 INTRODUÇÃO
2 FUNDAMENTAÇÃO TEÓRICA
Segundo Adão et al (2004), a maioria dos minerais metálicos, o que se verifica, com
frequência, é a instabilidade de seus preços, o que faz com que a previsão dos mesmos se torne
muito difícil. Os minerais não metálicos apresentam, em geral, preços mais estáveis, mesmo
assim sujeitos a flutuações bruscas, principalmente para aqueles que são comercializados em
nível internacional (mercado transoceânico).
O estudo de séries temporais associadas ao objeto de análise vem de encontro ao
processo de tomada de decisão gerencial. Segundo Sanders (1995), a previsão organizacional é
o processo de estimação de futuros eventos com o propósito de efetivar o planejamento e se
tomar decisões antecipadamente. Tal propósito vem de encontro com a definição de Ferreira
(1975). Segundo o mesmo, a palavra previsão é um substantivo feminino que significa ato ou
efeito de prever ; antevisão; estudo ou exame feito com antecedência.
Segundo Morettin e Toloi, (1981), uma série temporal é, simplesmente, qualquer
conjunto de observações ordenadas no tempo. Já Silva et al (2007) ressaltam a importância da
dependência serial existente entre estas observações. Os mesmos descrevem uma série temporal
17
Referente aos métodos causais, Bacci (2007) define que uma ou mais variáveis podem
interferir na demanda de um item ou conjunto de itens, que recebem o nome de variáveis
causais. O mesmo salienta que o que determina a escolha de uma variável causal é a necessidade
de uma ligação lógica com a demanda de um item ou itens que se quer prever. Segundo o
mesmo, como exemplo desse tipo de método, pode-se citar a regressão simples e múltipla da
demanda sobre a(s) variável (eis) causal (is). Na regressão, tenta-se descobrir, utilizando-se de
pares de valores da demanda e da(s) variável (eis) causal (is). Proto & Mesquita (2003) reforçam
que os modelos de regressão baseiam-se na premissa de que as mesmas leis de dependência
entre variáveis explicativas e o comportamento da demanda permanecerá no futuro.
Referente aos métodos de séries Slack et al (2009) define que a análise através de séries
temporais (AST) é um método que mapeia uma determinada variável ao longo do tempo,
removendo as variações com causas assinaláveis e utilizando a extrapolação para previsão do
comportamento futuro.
Kurrle (2004), salienta que a análise de séries temporais (AST) esta intrinsecamente
relacionada com os padrões de comportamento da série histórica a ser analisada, classificando-
as em quatro padrões. Na Figura 2 é possível visualiza-los: a) horizontal (ou estacionária na
média); b) sazonal; c) cíclico e d) tendente, podendo uma mesma séria conter combinações
destes padrões.
19
3 REVISÃO DA LITERATURA
mineral que, caso viável e atraente do ponto de vista econômico e tecnológico, se torna uma
jazida. Diversas variáveis devem ser levadas em consideração para tal. Adão et al (2004) reforça
a sensibilidade de tais variáveis mencionando que, em função da conjuntura político-
econômica, um depósito pode ser encarado como uma jazida ou vice versa, caso esta conjuntura
não seja economicamente propícia ou adequada a um determinado cenário.
Segundo CGEE (2010), o processo produtivo do minério de ferro inicia-se por meio das
operações de lavra, realizando a explotação (aproveitamento econômico) do minério da jazida,
encaminhando o produto bruto (comumente chamado de run of mine, ROM) para o tratamento
ou beneficiamento. O produto obtido é submetido a uma série de operações (fragmentação,
classificação por tamanhos, concentração, etc.) visando a adequação deste produto ao requisitos
produtivos da indústria siderúrgica. A distribuição granulométrica é extremamente importante
para caracterizar os produtos minerais que saem da usina de tratamento. Estes podem ser
classificados em granulado (ou limp), fino para sintetização (sinter feed) e fino para pelotização
(pellet feed).
Ainda Segundo CGEE (2010), quanto maior a proporção de produção de granulados,
mais econômica se torna a atividade mineradora. A qualidade das reservas, tudo mais constante,
são determinantes neste aspecto. Os finos são inadequados ao uso direto nos reatores de redução
das siderúrgicas, havendo a necessidade de serem aglomerados previamente em plantas de
sintetização ou pelotização nas mesmas. Estes processos são característicos pelo alto custo
operacional envolvido em função da necessidade destas adequações de natureza química, física
e metalúrgica, exigindo grandes investimentos além de aumento de potenciais passivos
ambientais. A Figura 4 ilustra a interdependência existente entre a mineração de ferro e a
indústria siderúrgica referente à cadeia produtiva e suas relações:
Segundo Pereira (2012), até o final da década de 40, as usinas siderúrgicas adquiriam
apenas o minério bruto das mineradoras e os processavam em suas próprias plantas. O comércio
transoceânico era irrisório, dado que os produtores de aço utilizavam minérios locais como
insumo. Em função da II Guerra Mundial, a produção de aço concentrou-se nos EUA, Reino
Unido e na União Soviética, uma vez que os demais parques industriais europeus haviam sido
destruídos em função da guerra.
Segundo Franco (2008), até a década de 1950, os países consumidores de minério de
ferro eram também os principais produtores. Desta forma, não havia necessidade de importação
de grandes volumes deste produto, uma vez que a oferta doméstica abastecia a demanda interna.
A partir dos anos 60, com o movimento de nacionalização de mineradoras da América do sul
que eram controladas por siderúrgicas americanas, houve uma redução do comércio de produto
entre a Venezuela e Chile para os EUA, fazendo com que os EUA explorasse reservas
domésticas, cuja característica era desfavorável (minério fino e com baixo teor). Ao final dos
anos 60, imensas descobertas de jazidas na Austrália e no Brasil se tornaram,
circunstancialmente, conveniente perante tal cenário, aumentado o potencial econômico do
produto nestes países.
25
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
De acordo com dados do IISI (2013), foi possível identificar que, em 2003, a proporção
da produção mundial de aço bruto referente aos países em desenvolvimento representava 44%
da produção mundial. Em 2012, esta proporção sofreu um aumento para 65% da produção
mundial, se tornando ainda mais representativo. Importante ressaltar que, de acordo com mesma
fonte, em 1980 a produção de aço bruto nos países em desenvolvimento representavam apenas
9% da produção mundial. Entre os países em desenvolvimento, destaca-se a China. Em 2003,
a produção de aço bruto na China representava 23% da produção mundial. Em 2012, este
mesmo índice saltou para 46%, dobrando sua participação no mercado mundial para este
período.
Segundo o Ministério de Minas e Energia (2009), tal crescimento é resultado de uma
política econômica com foco no desenvolvimento de indústrias de bens de consumo, para
urbanização de sua população, e criação de uma infraestrutura moderna. O desejo de dobrar a
renda por habitante, considerando a quantidade de 1,3 bilhões de habitantes, remete ao forte
crescimento pela demanda de bens minerais.
De acordo com o Statistical Yearbook for Asia and the Pacific (2013), a china ainda
possui, aproximadamente, 49% da sua população vivendo nas áreas rurais e em pequenas
cidades. Sua urbanização, portanto, é pequena considerando o potencial que a mesma pode
atingir se manter o nível atual de urbanização. A demanda por trabalhadores na cidade,
característico em economias de crescimento intensivo da indústria de bens de consumo,
incentiva a migração do campo para as cidades. Isto gera demanda por aumento de
28
(rebar) por tonelada (t) no mercado spot e o nível de preço (USD) do minério de ferro (iron
ore) por tonelada (t) no mercado spot.
BlackRock (2014) sugere que a economia chinesa está caminhando para uma taxa de
crescimento mais branda (em torno de 7%), porém afirma que este crescimento mais sustentável
estaria fundamentado na reforma do sistema financeiro chinês. O mesmo afirma que tal redução
no crescimento no país pode ser bom para a china, uma vez que a mesma caminha para uma
economia com base no consumo. Por sua vez, segundo Proni (2013), o consumo associado a
urbanização é favorável ao desempenho da demanda por serviços, que geralmente são
intensivos em mão de obra, o que explica a elevada taxa de ocupação apesar do emprego
industrial ter caído.
IBRAM (2012) reforça a questão da perspectiva de mercado para o setor de mineração,
projetando o reforço da participação, no mercado de minério de ferro, do Brasil e da Austrália.
O mesmo alerta, no entanto, o crescimento de novos projetos no setor de mineração que podem
influenciar no suprimento e na demanda deste produto para a China, além de novos desafios
técnicos e logísticos provenientes do declínio da qualidade do minério disponível
mundialmente.
Segundo UNCTAD (2013), a demanda por minério de ferro tende a se manter estável,
observando um crescimento moderado quando comparado ao anos anteriores. O mesmo
informa que aumentos na taxa de frete serão temporários e que o mercado permanecerá fraco
com preços em torno de 100 USD/ton.
30
uma lacuna no abastecimento desta indústria. Este cenário foi propício à entrada de novos
produtores locais para absorver a demanda não atendida pelos mesmos, preenchendo esta
lacuna e criando um mercado spot em paralelo ao mercado composto pelos principais
produtores (Benchmark) experimentado predominantemente nos anos anteriores.
Segundo Reuters (2012), as siderúrgicas sempre tiveram preferência pela precificação
de longo prazo, mas em um ambiente econômico passível à volatilidade dos preços, as
negociações com foco no curto prazo e no mercado à vista são mais interessantes para as
mineradoras. A mesma reforça que mercados sujeitos a volatilidade tendem a pressionar o
encurtamento da vigência de preços nos fechamentos contratuais. A vigência anual dos preços
dos contratos de compra e venda existentes entre siderúrgicas e mineradoras vêm reduzindo
gradativamente. A vigência anual, não sustentada pela crise ocorrida em 2008/2009 em função
da volatilidade dos preços, foi substituída por vigências trimestrais. A tendência é que os
contratos, cada vez mais, reflitam os preços do mercado em detrimento de preços fixados a um
prazo maior.
Segundo Proto & Mesquita (2003), o método de regressão baseia-se na premissa de que
as mesmas leis de dependência entre variáveis explicativas e a demanda permite estabelecer
parâmetros de previsão estabelecendo funções matemáticas e correlacionando a variável
dependente com uma série de variáveis independentes (VI’s), e utilizam esta função para gerar
novas previsões. Sendo assim, tal ferramenta permite o entendimento mais amplo do objeto de
33
𝑌 = 𝑎 + 𝑏𝑥 (1)
sendo:
Y = variável dependente que se quer achar o valor previsto;
a = intersecção do eixo y;
b = inclinação da reta;
X = variável independente.
𝑌 = 𝑏0 + 𝑏1 𝑋1 + 𝑏2 𝑋2 +. . . + 𝑏𝑚 𝑋𝑚 + 𝑒 (2)
Onde:
Y = variável dependente;
34
Segundo Bacci (2007), os coeficientes b0, b1, b2 , ..., bn podem ser determinados pelo
método dos mínimos quadrados (MMQ), o que resultará em um sistema de (n + 1) equações.
Nesta mesma linha, Proto e Mesquita (2003) complementam que tal método determina tais
coeficientes minimizando a soma dos quadrados dos erros (SQE), através da seguinte Equação
3 descrita abaixo:
𝜕𝑆𝑄𝐸 𝜕 ∑𝑛
𝑡=1(𝑌−𝑏0 − 𝑏1 𝑋𝑡,1 − 𝑏2 𝑋𝑡,2 − …− 𝑏𝑚 𝑋𝑡,𝑚 )
= =0 (4)
𝜕𝑏 𝜕𝑏
Segundo Rawlings et al. (1998), o modelo de regressão linear pode ser descrito na
notação matricial (Equação 5). O índice i denota as observações, as quais são observadas em Y
assumidas por p’s variáveis independentes. O tamanho da amostra é definido n, onde i=1,...,n
e p denota o número de variáveis independentes, existindo (p + 1) parâmetros βj, j=0,..., p a
ser estimado quando o modelo linear intercepta βo. Para conveniência, na equação abaixo, é
usado p’ = (p + 1), assumindo n > p’.
Onde:
Y : é a matriz coluna (n x 1) de observações da variável dependente Yi ;
X : é a matriz coluna (n x p’), com uma coluna de valores 1 para a coluna com índice (n, 1),
seguida pelas p colunas que assumem valores das observações das variáveis independentes ;
35
̂=𝑿
𝒀 ̂𝛽 (6)
Desta forma, o modelo linear pode ser descrito como na Equação 7 abaixo:
𝒀 = 𝑿𝛽 + 𝝐 (7)
Rawlings et al. (1998) alerta que os coeficientes obtidos pelo método dos mínimos
quadrados não estabelece definitivamente relações causais por si só. A causalidade só pode ser
estabelecida a partir de experimentos controlados na medida em que o valor da variável causal
(independente) é alterada e o impacto sobre a variável dependente medido.
Para tal propósito, Proto e Mesquita (2003) menciona o indicador do Erro Médio
Percentual Absoluto (Mean Absolute Percentage Error ou simplesmente MAPE), que facilita
a comparação entre diferentes séries históricas e diferentes intervalos de tempo ao colocar os
erros numa escala percentual. Barbosa e Chaves (2012) define o indicador MAPE (Equação 9)
como sendo a média dos valores obtidas através do método APE (Absolute Percentage of
Error), descrito na Equação 8, para n períodos, ou seja, o MAPE é a soma dos percentuais
absolutos dos erros divididos pelo número de períodos analisados (n). Indicadores estes que
têm o intuito de medir e monitorar as previsões buscando reduzir os desvios e trazer maior
confiabilidade ao método:
|𝐴−𝐹|
𝐴𝑃𝐸 = × 100% (8)
𝐴
|𝐴−𝐹|
∑( )%
𝐴
𝑀𝐴𝑃𝐸 = (9)
𝑛
Onde:
A é o valor real ocorrido da variável objeto ou variável dependente;
36
Proto e Mesquita (2003) reforçam que a seleção das VI’s são extremamente importantes
para o sucesso da aplicação do método de análise de regressão múltipla uma vez que possa
existir diversas variáveis independentes que têm relação de causa e efeito com a demanda, mas
nem todas poderão ser usadas. Um modelo com poucas VI’s pode se mostrar deficiente no
processo de captação do comportamento da variável dependente (variável principal que se
deseja analisar o comportamento).
Em contrapartida, os mesmos autores alertam que um modelo com muitas VI’s pode
tornar o processo de previsão mais complexo, existindo a possibilidade de ocorrer problemas
de multicolinearidade (redundâncias presentes quando duas VI’s são altamente
correlacionadas). Segundo este mesmo autor, através do método Best Subset, no qual mediante
cálculo dos coeficientes de correlação entre a variável dependente e as diferentes combinações
de VI’s especificadas, é possível identificar pares de variáveis que possam vir a coexistir no
modelo de regressão, gerando redundâncias (multicolinearidades) no modelo.
Fernandes (1999) define o coeficiente de correlação (correlação de Pearson) r como a
medida de associação entre duas variáveis, sendo positivo quando a associação é positiva e
negativo quando a associação for negativa, sendo o valor de r tanto maior quanto mais forte for
a associação. O coeficiente de correlação toma sempre valores entre -1 e +1 (os desvios padrões
no denominador estandardizam o r, as unidades no numerador e denominador são as mesmas,
o que significa que r é adimensional). Dadas n observações bivariadas nas variáveis X e Y , X1,
X2, ..., Xn e Y1, Y2, ..., Y2, o coeficiente de correlação r é definido na Equação 10:
1 𝑛
∑ (𝑋 −𝑋̅)(𝑌𝑖 −𝑌̅)
𝑛 𝑖=1 𝑖
𝑟= (10)
𝑆𝑥 𝑆𝑌
Onde:
𝑆𝑥 é o desvio padrão de X;
𝑆𝑦 é o desvio padrão de Y;
Rawlings et al. (1998) salienta que a eliminação ou análise das variáveis independentes
pode se tornar extremamente importante no sucesso da aplicação do método, bem como na
vantagem econômica no que diz respeito à obtenção das informações necessárias para se obter
37
a equação, eliminado variáveis irrelevantes ou até mesmo variáveis que possuam alguma
informação preditiva da variável dependente. O mesmo reforça que a seleção das variáveis
independentes está relacionada com o objetivo da análise e que a percepção intuitiva do
pesquisador, face ao objetivo da análise, pode sobrepor qualquer procedimento de seleção das
mesmas.
Montgomery et al. (2006) reforça que existem diversas fontes de erro quanto a seleção
de VI’s no modelo de regressão múltipla devido ao fenômeno da autocorrelação. O mesmo
define que a ocorrência de tal fenômeno está associado a existência de autocorrelação entre os
resíduos (ou erros) em períodos diferentes no intervalo de observação definido pelo analista,
gerando a falsa percepção de alta eficiência do modelo quando, na verdade, não o é.
Desta forma, Montgomery et al. (2006) propõe o uso do modelo desenvolvido por
Durbin e Watson, que se consiste em um teste estatístico para identificar a presença de
autocorrelação positiva nos erros. O teste de Durbin-Watson é baseado na premissa de que os
resíduos (ou erros) no modelo de regressão são gerados por um processo autoregressivo de
primeira ordem, observado em séries temporais uniformemente distribuídos, resultando no
seguinte (Equação 11):
𝜀𝑡 = 𝜑𝜀𝑡−1 + 𝑎𝑡 (11)
Onde:
𝜀𝑡 é o erro do modelo no período t;
a é uma variável randômica de distribuição normal;
𝜑 é um parâmetro que define o relacionamento entre sucessivos valores dos erros do modelo;
t é índice temporal, onde (t = 1,2,...,T), sendo T é a quantidade de observações do modelo.
Segundo Montgomery et al. (2006) Tal teste se baseia nas seguintes hipóteses (Equação 12):
∑𝑇
𝑡=2(𝑒𝑡 −𝑒𝑡−1 )
2 ∑𝑇 2 𝑇 2 𝑇
𝑡=1 𝑒𝑡 +∑𝑡=2 𝑒𝑡−1 − 2 ∑𝑡=2 𝑒𝑡 𝑒𝑡−1
𝑑= ∑𝑇 2 = ∑𝑇 2 = 2 (1 − 𝑟1 ) (13)
𝑡=1 𝑒𝑡 𝑡=1 𝑒𝑡
Onde:
et, t=1,2,...,T são os erros aleatórios obtidos através da Equação 5 e r1 é definido na Equação
14.
∑𝑇=1
𝑡=1 𝑒𝑡 𝑒𝑡+1
𝑟1 = ∑𝑇 2 (14)
𝑡=1 𝑒𝑡
Segundo Montgomery et al. (2006), para resíduos (ou erros) não correlacionados (r1 =
0, ou aproximadamente), o valor de d na Equação 13 tende a ser aproximadamente 2 (dois). O
teste estatístico de Durbin-Watson é necessário para verificar o quão distante, ou o quão
próximo, do valor 2 (dois) resultará a Equação 13. O mesmo autor afirma que o valor de d situa-
se entre limites inferiores e superiores, denotados como dl e du, respectivamente, de tal forma
que se d está fora destes limites, conclusões a respeito da hipótese descrita na Equação 12 pode
ser alcançada através do seguinte (Equação 15)
𝑆𝑒 𝑑 < 𝑑𝑙 , 𝑟𝑒𝑗𝑒𝑖𝑡𝑎 𝐻0 ∶ 𝜌 = 0
𝑆𝑒 𝑑 > 𝑑𝑢 , 𝑛ã𝑜 𝑟𝑒𝑗𝑒𝑖𝑡𝑎 𝐻0 ∶ 𝜌 = 0
𝑆𝑒 𝑑𝑙 ≥ 𝑑 ≥ 𝑑𝑢 , 𝑜 𝑡𝑒𝑠𝑡𝑒 é 𝑖𝑛𝑐𝑜𝑛𝑐𝑙𝑢𝑠𝑖𝑣𝑜 (15)
Nesta linha, segundo Signor (1999), dados estatísticos de regressão adicionais vêm de
encontro ao objetivo de análise de eficiência do método empreendido, permitindo auxiliar na
verificação da consistência da aplicação do modelo de regressão múltipla. O coeficiente de
determinação R2 (Equação 19) compara os valores estimados de Y com os valores reais de Y e
seu valor varia de 0 a 1. Se for igual a 1, existirá uma correlação perfeita na amostra (não haverá
diferença entre os valores reais e estimados de Y). Caso o coeficiente de determinação R2 for
próximo a 0 (zero), a equação de regressão não terá utilidade para prever um valor de Y.
39
Onde:
n é o número de observações;
𝑦𝑖 é o valor observado;
𝑦̅ é a média das observações;
𝑦̂𝑖 é o valor estimado (previsão) de 𝑦𝑖
𝑆𝑄𝑒𝑥𝑝 𝑆𝑄
𝑅2 = = 1 - 𝑆𝑄𝑟𝑒𝑠 (20)
𝑆𝑄𝑡𝑜𝑡 𝑡𝑜𝑡
40
2 𝑛−1 2
𝑅𝑎𝑑𝑗 =1− 𝑛−(𝑘+1)
(1 − 𝑅 ) (21)
Desta Forma, estabelece-se a base teórica referente aos conceitos associados à análise
de regressão múltipla e os métodos de análise da eficiência do modelo com o objetivo de
permitir a otimização do processo de previsão.
41
4 METODOLOGIA
explicativas descritas a seguir, não sendo necessário normatização dos dados para adequação à
variável objeto ou de interesse em função da sua convergência de base temporal.
Figura 10 - Preço de importação CFR (Cost and Freight) do minério de ferro no porto de Tianjin (China)
Fonte: UNCTAD (2014) – Adaptado pelo autor
Para levantamento da série histórica do Petróleo Brent UK, serão utilizados os dados
obtidos no portal de dados estatísticos da UNCTAD (United Nations Conference on Trade and
Development). Tal variável consiste no preço spot FOB (Free on Board), em dólar / barril, com
densidade de cerca de 38º API (American Petroleum Institute) negociado no Mar do Norte
compreendidos (base mensal) entre Novembro / 2008 e Dezembro /2012 visualizado na Figura
11. Tal referência de preço é utilizada, predominantemente, como benchmark do preço de
compra e venda de petróleo cru (crude) no mundo. A relação entre a densidade do óleo e o grau
API, em que a densidade é medida relativamente à densidade da água, pode ser visualizado
através da Equação 22 abaixo:
141,5 𝐹
𝜌 = (22)
º API +131,5
43
Petróleos com grau API maior que 30 são considerados leves; entre 22 e 30 graus API,
são médios; abaixo de 22 graus API, são pesados; com grau API igual ou inferior a 10, são
petróleos extrapesados. Quanto maior o grau API, maior o valor do petróleo no mercado.
Figura 11 - Petróleo cru (crude) Brent FOB UK 38º API ($/ Barril)
Fonte: UNCTAD (2014) – Adaptado pelo autor
Para coleta de dados da série histórica do preço do vergalhão (barras utilizados para
reforço de concreto), serão utilizados os dados obtidos no portal de dados estatísticos do Banco
Mundial (World Bank). Tais dados indicam o preço FOB (Free on Board), em dólar por
megatonelada ($/mt), de contratos de exportação de produtores japoneses, com vigência (terms)
de 3 a 12 meses. Os dados coletados correspondem ao período compreendidos (base mensal)
entre Novembro / 2008 e Dezembro / 2012 visualizado na Figura 17.
49
Uma vez efetivado o levantamento de dados (Apêndice A), será realizada a aplicação
do modelo de regressão múltipla às variáveis descritas na seção anterior, definido como variável
objeto o preço do minério de ferro (62% Fe). Serão definidos os códigos para cada variável Pra
tratamento conforme Quadro 1 abaixo:
Após obter os resultados descritos na Figura 21, é possível analisar que o modelo obtido
mediante exclusão da variável I_PRO (Índice de produção industrial chinês), verificou-se a que
o valor de R2 manteve, praticamente o mesmo patamar e valor do R2 obtido considerando todas
as variáveis explicativas levantadas na coleta de dados. Porém, observa-se um incremento de
valor do R2(ajustado) devido a penalização à inclusão de regressores pouco (ou menos)
explicativos no modelo considerando todas as variáveis, obtendo a seguinte Equação para o
modelo de regressão de acordo com variáveis descritas no Quadro 1:
5 CONCLUSÃO
REFERÊNCIAS
BACCI, Lívio Agnew. Combinação de métodos de séries temporais para previsão da demanda
de café no Brasil. 2007. 125f. Dissertação (Mestrado em Engenharia de Produção).
Universidade Federal de Itajubá, Itajubá, 2007.
BARROS, Emílio Augusto Coelho; ACHCAR, Jorge Alberto; SHIMANO, Antônio Carlos.
Métodos de estimação em regressão linear múltipla: aplicação a dados clínicos. Revista
Colombiana de Estatística. v. 31, n. 1, p. 111 – 129. 2008
BBC Brasil “Queda das commodities sugere fim de ciclo de crescimento na América Latina -
BBC Brasil”. Disponível em: http://www.bbc.co.uk/portuguese. Acesso em: 11/10/2013
BIELITZA, Marc, LINDSTÄDT, Hagen. Prospects for the 2020 iron ore market: how Europe
should prepare. 2011. Quarterly insights on strategy and market dynamics, Karlsruhe
University. 2011
CGEE. Siderurgia no Brasil 2010-2025; subsídios para tomada de decisão – Brasília: Centro de
Gestão e Estudos Estratégicos, 2010. 112p
FERREIRA, A.B.H. Novo Dicionário da Língua Portuguesa. Rio de Janeiro: Editora Nova
Fronteira, 1975. 1516p.
IBRAM. Information and Analyses on the Brazilian Mineral Economy. 7th Edit. Disponível
em: http://www.ibram.org.br/. Acesso em 12/11/2013.
IISI - International Iron and Steel Institute (World Steel Association). Disponível em:
http://www.worldsteel.org/ . Acesso em: 02/12/2013.
JACOBS, William; COSTA, Manfred. Uma referência para a construção de modelos arima
para previsão de demanda com base na metodologia de box-jenkins. 2011. ENEGEP, Belo
Horizonte, 2003.
KURRLE, Marco Aurélio. Métodos para previsão de veículos novos – Estudo de caso em uma
concessionária de automóveis. 2004. 114f. Dissertação (Mestrado profissionalizante em
Engenharia). Universidade Federal do Rio Grande do Sul, Porto Alegre, 2004.
MAIA, Caio Pereira. Investimento sob incerteza em mineração de ferro: o valor da flexibilidade
em decisões de capacidade e escoamento. 2011. 125f. Dissertação (Mestrado em Engenharia
de Produção). Universidade Federal de Minas Gerais, Belo Horizonte, 2011.
MORETTIN, Pedro Alberto; TOLOI, Clélia Maria de Castro. Modelos para previsão de séries
temporais. Rio de Janeiro: IMPA, 1981. 624p
MOURÃO, José Murilo. Estudo Prospectivo do Setor Siderúrgico: 2008. Brasília: Centro de
Gestão e Estudos Estratégicos, 2008. 50 p.
PEREIRA, Suzana de Ávila Cortes. O mercado de minério de ferro. 37f. Dissertação (Mestrado
profissionalizante em Engenharia de Recursos Minerais). Universidade Federal de Minas
Gerais, Belo Horizonte, 2012.
PROTO, Luiz Otavio Zavalloni, MESQUITA, Marco Aurélio. Previsão de demanda para
planejamento da capacidade de empresa do setor cimenteiro. 2003. ENEGEP, Ouro Preto, 2003.
57
SANDERS, N. R. Managing the forecasting function, Industrial Managment & Data Systems.
v. 95, n. 4, p. 12-18, 1995.
SILVA, Marcelino Aurélio Vieira; D'Agosto, Marcio de Almeida. Modelo de previsão de oferta
e demanda de bioetanol hidratado para apoio ao planejamento estratégico de transportes no
Brasil. Journal of Transport Literature, vol. 7, n. 3, pp. 214-239. 2013.
SILVA, P. O. M. P., GOLDSCHMIDT, R. R., SOARES, J. A., FERLIN, C., Previsão de Séries
Temporais Utilizando Lógica Nebulosa, 4º CONTECSI - Universidade de São Paulo, 2007.
UNCTAD – United Nations Conference on Trade and Development The iron ore market.
Genebra: United Nations Publication, 2009b. 120p.USGS - United.States Geological Survey.
Disponível em: http://www.usgs.gov/ . Acessado em: 20/08/2013.
YIQUN. Ma, “Iron ore spot price volatility and change in forward pricing mechanism,”
Resources Policy, vol. 38, no. 4, pp. 621–627, Dec. 2013.
58