UNIVERSIDADE FEDERAL FLUMINENSE

ESCOLA DE ENGENHARIA
DEPARTAMENTO DE ENGENHARIA MECÂNICA
LAMIS – LABORATÓRIO DE MONTAGEM INUSTRIAL E SOLDAGEM
ESPECIALIZAÇÃO EM ENGENHARIA DE SUPRIMENTOS

FELIPE NOVAES FERNANDES

MODELO DE REGRESSÃO MÚLTIPLA APLICADO À PREVISÃO DO PREÇO DO

MINÉRIO DE FERRO NO MERCADO TRANSOCEÂNICO

Niterói
2014
 FELIPE NOVAES FERNANDES

MODELO DE REGRESSÃO MÚLTIPLA APLICADO À PREVISÃO DO PREÇO DO

MINÉRIO DE FERRO NO MERCADO TRANSOCEÂNICO

Trabalho de conclusão de curso apresentado ao

Curso de Especialização em Engenharia de
Suprimento da Universidade Federal Fluminense
como requisito parcial para obtenção do Grau de
Especialização em Engenheiro de Suprimento.
Área de concentração: Pesquisa Operacional.

Professor Orientador:
Helder Gomes Costa, D.Sc.

Niterói
2014
Ficha Catalográfica elaborada pela Biblioteca do XXXXXX
 FELIPE NOVAES FERNANDES

MODELO DE REGRESSÃO MÚLTIPLA APLICADO À PREVISÃO DO PREÇO DO

MINÉRIO DE FERRO NO MERCADO TRANSOCEÂNICO

Trabalho de conclusão de curso apresentado ao

Curso de Especialização em Engenharia de
Suprimento da Universidade Federal Fluminense
como requisito parcial para obtenção do Grau de
Especialização em Engenheiro de Suprimento.
Área de concentração: Pesquisa Operacional.

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

Aos meus pais e aos meus irmãos

 AGRADECIMENTOS

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

O minério de ferro é fortemente presente na economia mundial e demandam altos investimentos

para viabilizar sua produção. Estudos referente ao comportamento de preços do minério de ferro
são fundamentais para tomadas de decisão em ambientes de incerteza, uma vez que permite a
análise dos cenários econômicos mediante compreensão das variáveis envolvidas e
relacionadas a tal commodity. A análise de regressão permite aliar a compreensão das variáveis
associadas ao preço do minério de ferro no mercado transoceânico, bem como na previsão dos
preços com base na aplicação eficiente do modelo de regressão linear múltipla. Ao se avaliar a
aplicação do método, a compreensão de tais fatores se torna, concomitantemente, resultado e
insumo de um processo interativo que auxilia a tomada de decisão face à volatilidade crescente
do preço do minério de ferro e face aos novos desafios tecnólogicos, que se tornam crecentes
na mesma proporção que tal minério reduz sua qualidade primária de extração.

Palavras-chave: Minério de Ferro, Previsão, Análise de Regressão Múltipla.

 ABSTRACT

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.

Keywords: Iron ore, Forecasting, Multivariate Regression Analysis.

 LISTA DE QUADROS

Quadro 1 – Relação de Variáveis..............................................................................................49

 LISTA DE FIGURAS

Figura 1 - Subdivisão dos métodos de previsão........................................................................18

Figura 2 - Padrões de Séries Temporais....................................................................................19
Figura 3 - Seleção de Padrões de Demanda Padrões de Séries Temporais...............................19
Figura 4 – A mineração de ferro e a siderurgia.........................................................................22
Figura 5 - Taxa de crescimento (%) / produção mundial de aço (milhões de Toneladas)........24
Figura 6 - Produção de aço bruto – China vs Outros (%).........................................................26
Figura 7 - Produção mundial de aço bruto – Países Emergentes vs Outros (%).......................27
Figura 8 - Nível de preços (RMB) do vergalhão vs Nível de preços do minério de ferro........29
Figura 9 - Perfil das Reservas de Minério (%Fe)......................................................................31
Figura 10 - Preço de importação CFR (Cost and Freight) do minério de ferro no porto de
Tianjin (China)..........................................................................................................................42
Figura 11 - Petróleo cru (crude) Brent FOB UK 38º API ($/ Barril)........................................43
Figura 12 - Taxa de Empregabilidade na China (%)................................................................44
Figura 13 - Índice de produção industrial chinês (ano base 2011=100) ..................................45
Figura 14 - Manufacturing PMI (Purchasing Managers’ Index) chinês...................................46
Figura 15 - Produção Mundial de Aço Bruto (mil toneladas)..................................................47
Figura 16 - Concessão de Alvará de Construção na China (m2)..............................................48
Figura 17 – Preço FOB Japão ($/mt) do vergalhão (Rebar).....................................................49
Figura 18 - Tabela de Correlação de Pearson...........................................................................50
Figura 19 - Gráfico de Dispersão..............................................................................................50
Figura 20 - Resultados da Análise de Regressão Múltipla.......................................................51
Figura 21 - Equação de Regressão Múltipla.............................................................................51
Figura 22 - Análise de Regressão: Exclusão variáveis I_PRO e I_ACO.................................52
Figura 23 - Gráfico Comparativo (Modelo de Regressão).......................................................53
 LISTA DE SIGLAS

AMD Apoio Multicritério à Decisão

APE Absolut Percentage of Error
API American Petroleum Institute
AST Análise de Séries Temporais
BNDES Banco Nacional de Desenvolvimento Econômico-Social
CFR Cost and Freight
CGEE Centro de Gestão e Estudos Estratégicos
EUA Estados Unidos da América
FOB Free on Board
IBRAM Instituto Brasileiro de Mineração
IISI International Iron and Steel Institute
ISIC International Standard Industrial Classification
MAPA Mean Absolute Percentage Error
MME Ministério de Minas e Energia
MMQ Método dos Mínimos Quadrados
PIB Produto Interno Bruto
PMI Purchasing Managers’ Index
RMB Rénmínbì
SQE Soma dos Quadrados dos Erros
UNCTAD United Nations Conference on Trade and Development
USD United State Dollars
USGS United States Geological Survey
VI Variável Independente
 SUMÁRIO

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

A crescente demanda por minério de ferro associado ao crescimento dos países

emergentes vem se tornando cada vez mais intenso devido às circunstâncias macroeconômicas
que predominam nestes países. O crescimento econômico e a necessidade de investimentos em
infraestrutura vem acompanhado da demanda por este produto. Tal cenário pode ser
exemplificado através da economia nacional, que possui demandas por aumento de
investimentos no país associados ao movimento de melhoria e crescimento da infraestrutura
nacional. Segundo USGS (2012), o minério de ferro é a principal fonte de ferro do mundo e
indústrias siderúrgicas, portanto, é essencial para a produção de aço, que por sua vez é essencial
para manter uma forte indústria de base. Quase todo o minério de ferro (98%) é utilizado na
fabricação de aço.
Segundo BNDES (2003), o aumento da demanda e dos preços do aço e dos insumos,
provocado pela maior participação da China no mercado mundial, alterou a dinâmica da
concorrência e impôs às empresas maior agilidade na formulação e na execução de suas
estratégias. Segundo Maia (2011), a China foi responsável por 96% do crescimento da demanda
de minério de ferro entre 2000 e 2009, em termos de consumo, este país aumentou em quase
1,1 bilhões de toneladas no período, mais do que todo o mercado mundial em 2000.
Porém, segundo BBC Brasil (2013), a economia chinesa está crescendo em um ritmo
mais lento devido a uma alteração do modelo econômico baseado em exportações para um
modelo econômico voltado para o consumo, que pode vir a impactar a demanda por minério de
ferro devido a redução do investimento em infraestrutura.
Maia (2011) ressalta que mudanças na metodologia de precificação do minério de ferro
em contratos de longo prazo entre fornecedores e compradores, ou consumidores (Ex:
siderúrgicas) contribuíram para uma maior atenção à variação dos preços do minério de ferro.
Segundo mesmo autor, desde 1980, o preço era definido com base anual nos contratos de longo
prazo entre fornecedores e consumidores, porém, a partir de 2008, a base trimestral começou a
ganhar força no que diz respeito à referência para precificação de contratos, tornando o mercado
spot (contratos de compra e venda não vinculada a contratos de longo prazo) principal
referência de preço para este fim.
Segundo Yiqun (2013) o mercado spot de minério de ferro vem sofrendo alterações
quanto à volatilidade de seus preços, dificultando a definição de estratégias de negócios para
compradores e vendedores de minério de ferro no mundo, criando um ambiente de exposição
 14

ao risco econômico das empresas, direta e indiretamente, ligadas ao mercado de minério de

ferro. Isto, consequentemente, torna o mercado mais sensível às variações de preço.
Desta forma, se estabelece um cenário de instabilidade de preços, tornando
imprescindível que se estabeleçam critérios de apoio a decisão no que tange à previsibilidade
do preço do minério de ferro no mercado transoceânico. Tal iniciativa vem de encontro ao
cenário macroeconômico mundial, onde se vislumbram investimentos massivos em
infraestrutura nos países emergentes.

1.1 PROBLEMA DA PESQUISA

Segundo Yiqun (2013), mudanças relativamente recentes na metodologia de

precificação de contratos tornam os preços cada vez mais voláteis. Segundo o mesmo autor,
perspectivas de instabilidade econômica devido ao cenário macroeconômico vigente pode
afetar alguns países produtores de minério de ferro, como Austrália, Índia, China e Japão.
Maia (2011) destaca que a inexistência de um mercado futuro organizado em bolsa de
valores para o minério de ferro, diferentemente de outros minérios como ouro, cobre, alumínio
e zinco (commodities negociadas em contratos a futuro) restringe naturalmente a formulação de
preços entre compradores e vendedores ao preço de referência anual e trimestral, que vêm sendo
substituído cada vez mais pelo preço spot.
Yiqun (2013) ressalta que o mecanismo de preço benchmark no mercado global de
minério de ferro, que durou 30 anos até o final de 2009, foi fortemente criticado como rígido
demais face a crise mundial vivida neste período (2009), refletindo rapidamente na demanda
mundial. Tal rigidez intensificou a preocupação com a volatilidade dos preços spot.
Neste sentido, faz-se necessário a execução de um modelo de previsão, levando em
consideração as variáveis que impactam no preço do minério de ferro face a volatilidade
potencial destes preços motivado pela mudança do cenário econômico e de mercado.

1.2 QUESTÕES DE PESQUISA

Neste contexto, surgem as seguintes questões:

• Quais seriam os fatores que interferem, direta e indiretamente, no preço do minério
de ferro no mercado transoceânico ?
 15

• Qual a perspectiva para o comportamento do preço do minério de ferro no mercado

transoceânico ?

1.3 OBJETIVOS DA PESQUISA

O objetivo desta pesquisa é aplicar o modelo de previsão de regressão múltipla com o

intuito de responder as questões elucidadas na seção anterior. Ou seja:
• Definir os fatores que interferem direta e indiretamente no preço do minério de ferro
no mercado transoceânico;
• Utilizar o modelo de regressão múltipla como ferramenta para compreender o
comportamento do preço do minério de ferro no mercado transoceânico.

1.4 SÍNTESE DAS ETAPAS DA PESQUISA

Para o alcance dos objetivos serão efetuadas as seguintes etapas:

• Revisão da literatura buscando identificar a compreensão dos principais fatores e
variáveis relacionadas a indústria de minério de ferro;
• Coleta de dados referentes às variáveis relacionadas a indústria de minério de ferro;
• Aplicação do modelo de regressão múltipla aos dados levantados e análise dos
resultados

1.5 ESTRUTURA DO TRABALHO

Este trabalho está estruturado em 5 capítulos distribuídos da seguinte forma:

• Capítulo 1 - Apresenta a introdução com a descrição do problema da pesquisa, as

questões de pesquisa, os objetivos da pesquisa, a síntese das etapas da pesquisa e a
estrutura do trabalho.

• Capítulo 2 - Insere a fundamentação teórica do tema abordado neste trabalho com os

conceitos e definições sobre o minério de ferro e ao método de análise de regressão
múltipla.
 16

• Capítulo 3 - Expõe a revisão da literatura mediante análise de artigos relacionados ao

tema deste trabalho com o intuito de prover o conhecimento necessário ao
desenvolvimento do método proposto por este trabalho com a finalidade de oferecer
fundamento teórico para implementação do método de análise de regressão múltipla
aplicado à previsão do preço do minério de ferro no mercado transoceânico.

• Capítulo 4 – Coleta de dados referentes à variáveis direta e indiretamente relacionadas

com o comportamento do preço do minério de ferro no mercado transoceânico e
aplicação da metodologia de análise de regressão múltipla.

• Capítulo 5 - Relata a conclusão mediante análise do modelo de regressão múltipla

aplicado, através da análise dos resultados obtidos.

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

como sendo um conjunto de observações discretas, realizadas em períodos eqüidistantes e que

apresentam uma dependência serial entre essas observações.
Segundo Palit & Popovic (2005), a metodologia de previsão é geralmente compreendida
como um conjunto de abordagens, métodos e ferramentas para coleta de dados de séries
temporais para serem usadas em previsão de valores futuros, baseados em valores passados.
Sendo assim, a metodologia a ser empregada deve ser adequada ao objeto de estudo, o que torna
a escolha da metodologia crucial no processo de previsão.
Segundo Morettin e Toloi, (1981), é importante salientar que o objetivo que se deseja
atingir com a metodologia ou processo de previsão deve ser claramente definido, que
consequentemente irá impactar na escolha adequada da metodologia ou processo de previsão a
ser utilizado para uma determinada variável objeto de análise.
Outros autores, como Harrison & Stevens (1976) associam aplicação e o sucesso ao
processo de previsão ao conceito de minimização de risco associado a uma tomada de decisão.
Segundo os mesmos, uma previsão adequada deve dar suporte a uma decisão minimizadora de
risco por parte dos tomadores de decisão.
Bacci (2007) ressalta que os métodos de previsão podem ser classificados quanto aos
conceitos que formam a base da previsão e quanto ao tipo de instrumento utilizado, em métodos
qualitativos e quantitativos. Os métodos qualitativos se baseiam em estimativas ou julgamento
de pessoas, sendo estas técnicas, portanto, subjetivas. Estas técnicas são utilizadas,
principalmente, quando não há dados disponíveis para se realizar a previsão.
Kurrle (2004) reforça que o método qualitativo não requer a existência de dados
históricos, sendo os dados de entrada provenientes do conhecimento acumulado e do
julgamento de profissionais especializados. Em contrapartida, segundo Bacci (2007), os
métodos quantitativos utilizam modelos matemáticos para se alcançar os valores previstos. Eles
se baseiam em dados históricos e assumem que informações passadas são relevantes para se
prever o futuro. Os métodos quantitativos se subdividem em métodos causais e métodos de
séries temporais. A Figura 1 abaixo ilustra tal subdivisão:
 18

Figura 1 – Subdivisão dos métodos de previsão

Fonte: Bacci (2007)

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

Figura 2 – Padrões de Séries Temporais

Fonte: Kurlle (2004)

Segundo Silva e D’Agosto (2013), os padrões de demanda podem ser classificados em

regular e irregular, sendo cada vez mais simples realizar previsões na medida em que o padrão
é identificado como regular. Os padrões regulares de demanda podem ser decompostos em
cinco componentes: 1) demanda média para o período (nível); 2) tendência; 3) sazonalidade; 4)
fatores cíclicos e 5) variação aleatória. A Figura 3 ilustra uma seleção desses padrões de
demanda.

Figura 3 – Seleção de Padrões de Demanda

Fonte: Silva e D’Agosto (2013)
 20

Jacobs (2011) ressalta a diferença quanto ao horizonte temporal ao qual o estudo se

refere ou se pretende, informando a divisão entre previsões de curto prazo, de médio prazo e de
longo prazo. O mesmo define curto, médio e longo prazo como sendo períodos de horizonte de
3 meses , de três meses a dois anos e mais de dois anos, respectivamente. Proto e Mesquita
(2003) ressaltam que para previsões de médio / longo prazo, os métodos causais são mais
recomendados e permitem o entendimento mais amplo da variável a ser realizado a previsão.

3 REVISÃO DA LITERATURA

Neste capítulo, apresenta-se a revisão da literatura com base na apresentação e análise

da variável do objeto de estudo (minério de ferro), identificando os fatores inerentes ao
comportamento dos preços do minério de ferro, permitindo a definição do universo de análise
relacionado ao objeto de estudo.
Serão apresentadas as metodologias e os processos de previsão com o objetivo de
identificar aquela metodologia ou processo mais adequado à variável objeto de análise (preço
do minério de ferro no mercado transoceânico), levando em consideração os aspectos
levantados quanto às características determinantes no mercado de minério de ferro e,
consequentemente, no comportamento da variação de preços.

3.1 O MINÉRIO DE FERRO

Nesta seção, serão apresentadas algumas características sobre o processo de produção

do minério de ferro. Serão analisadas as principais etapas de produção, bem como as
características básicas do minério de ferro produzido, objetivando permitir a compreensão
suficiente ao tratamento desta variável para o presente estudo. Esta seção tem como objetivo,
também, permitir a análise futura da eventual relação entre estas características e os parâmetros
de preço desta variável (objeto de estudo).
 21

3.1.1 Carcaterísticas físico-quimicas

Segundo o Adão et al (2004), na indústria mineral, os minérios ou minerais são

geralmente classificados em três grandes classes: metálicos, não-metálicos e energéticos, sendo
o minério de ferro classificado no grupo dos metais ferrosos. Segundo Pereira (2012), a
comercialização do minério está intrinsecamente relacionada às suas características físico-
químicas, tais quais o tamanho das partículas (granulometria) e os teores de ferro e outras
impurezas associadas ao minério.
Policarpo (2012) menciona a divisão entre minérios de alto teor e baixo teor de ferro. O
grupo de alto teor apresenta um percentual de ferro acima de 62%, além de baixo conteúdo de
contaminantes, como SiO2, Al2O3, CaO, MgO e outros elementos menores. Os minérios de
baixo teor se localizam na faixa entre 32% a 62% de teor de ferro, possuindo quantidades
variadas de contaminantes.

3.1.2 Processo de produção do minério de ferro e sua interface com a indústria

siderúrgica.

Introduzindo o conceito econômico associado à exploração e produção do minério de

ferro, Adão et al (2004) define minério como toda rocha constituída de um mineral ou agregado
de minerais contendo um ou mais minerais valiosos, possíveis de serem aproveitados
economicamente. Neste mesmo viés, porém, mais especificamente relacionado ao minério de
ferro, Mourão (2008) define tal mineral como “a rocha, a partir da qual, pode ser obtido o ferro
metálico de maneira economicamente viável”.
A demanda por este mineral (minério de ferro) está intrinsecamente relacionada à
produção da indústria siderúrgica. Segundo CGEE (2010), “O minério de ferro é quase que
totalmente utilizado na indústria siderúrgica (> 97%). Pequenas parcelas do montante de
produção são destinadas às indústrias de cimento, química etc.” Desta forma, faz necessário
compreender o processo produtivo do minério de ferro, bem como sua interface com a indústria
siderúrgica, dada representatividade da demanda por este minério neste segmento.
Segundo Adão et al (2004), o processo de produção e precedido pela etapa de pesquisa
mineral em áreas selecionadas. Esta pesquisa tem como objetivo identificar o potencial
interesse econômico da exploração mineral de uma determinada região, com base em
informações geológicas da mesma. Faz-se necessário um estudo de viabilidade da atividade
exploratória daquela região para que se concretize o interesse exploratório de um depósito
 22

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:

Figura 4 - A mineração de ferro e a Siderurgia

Fonte: CGEE (2010)
 23

Pereira (2012) ressalta a tendência da ampliação dos investimentos na indústria

siderúrgica em função da degradação das reservas e da produção de minério granulado, tanto
em volume quanto em qualidade, no âmbito global. Tal fato remete ao crescimento da
proporção da produção de minérios finos para pelotização (pellet feed) que, consequentemente,
irá inferir no aumento dos custos e investimentos em atividades de beneficiamento para
obtenção do mesmo.
Valadão e Araujo (2007) reforçam que o aumento dos preços devido ao grande
incremento da demanda nos últimos anos aliado ao desenvolvimento de novas tecnologias e à
exaustão gradual dos materiais de maior qualidade nas jazidas remete à tendência produtiva de
exploração de volumes cada vez maiores de minério de ferro, porém, com teores de ferro cada
vez menores.
Desta forma, é possível compreender as principais características do minério de ferro
no que tange a seu aspecto produtivo, bem como sua interface com a indústria siderúrgica. Com
o objetivo de compreender o comportamento do mercado de minério de ferro, faz-se necessário
compreender a demanda por tal insumo através da análise do comportamento da indústria
siderúrgica ao longo dos anos.

3.2 EVOLUÇÃO E TENDÊNCIA DO MERCADO DE MINÉRIO DE FERRO

Nesta seção, será apresentado um breve histórico do setor de siderurgia e os principais

aspectos relacionados à comercialização de minério de ferro no mercado transoceânico com o
objetivo de realizar um paralelo entre as conjunturas econômicas, bem como a demanda por
este insumo, e o comportamento dos preços do mesmo.
Eventualmente serão citadas e analisadas variáveis macroeconômicas, ou características
específicas deste mercado, que possam vir a elucidar à compreensão de tal conjuntura com o
intuito de evidenciar o impacto do cenário econômico na demanda transoceânica e,
consequentemente, no preço do minério de ferro.
Objetivando analisar como a demanda de minério de ferro evolui ao longo das últimas
décadas, faz-se necessário compreender a evolução da indústria siderúrgica. Abaixo, na Figura
5, gráfico indicando a taxa de crescimento de produção mundial de aço bruto ao longo dos anos
compreendidos entre 1950 e 2010.
 24

Figura 5 - Taxa de crescimento (%) / produção mundial de aço (milhões de Toneladas).

Fonte: CGEE (2010)

3.2.1 Histórico da indústria siderúrgica e do minério de ferro.

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

Segundo Pereira (2012), a partir da década de 70 houve uma diminuição da participação

dos principais países industrializados no mundo no aumento da capacidade de produção de aço,
focando no aumento da qualidade do aço e redução dos custos de produção. No final desta
década surgiram novos produtores de aço localizados no extremo oriente (China, Coréia do Sul
e Taiwan), sendo os mesmos os principais demandantes e importadores de minério de ferro dos
países em desenvolvimento neste período. Devido às jazidas dos países desenvolvidos
apresentarem, gradativamente, redução do teor e redução na qualidade, intensificou-se a
tendência de concentrar a produção de minério de ferro nos países que ofertavam minério de
ferro de maior qualidade e teor.
Segundo Ferreira (2001), no período entre 1969 e 1982, a economia mundial passava
por uma grande turbulência em função de eventos macroeconômicos tais como: a
desvalorização do dólar, choques do petróleo e alta inflação em quase todos os países,
justificando a tendência de preços em alta neste período. No período entre 1982 e 1988, houve
queda nos preços nominais do minério de ferro em função do auge da crise da indústria
siderúrgica mundial, com as usinas siderúrgicas japonesas apresentando grandes prejuízos.
Devido a este cenário, as siderúrgicas realizaram programas internos de racionalização com o
objetivo de reduzir os custos de produção, com reflexo direto na pressão por manter os preços
do minério de ferro a patamares baixos, uma vez que tal insumo é representativo na cadeia
produtiva de aço. Esta ação teve como objetivo aumentar a lucratividade da indústria
siderúrgica em função da crise vivenciada pela mesma neste período. O excesso produtivo na
indústria de extração, causada em função da redução da produção de aço neste período, também
acarretou na redução dos preços.
Segundo mesmo autor, no período de 1988 a 2000 os preços mantiveram-se em alta em
função do grande desenvolvimento experimentado pela economia mundial neste período. Tal
cenário se refletiu na indústria siderúrgica com a recuperação dos preços do aço e no aumento
da demanda pelo minério de ferro. A partir da década de 80, ocorreram fusões e aquisições na
indústria de extração de minério de ferro, concentrando ainda mais o fornecimento mundial em
algumas mineradoras. Segundo CGEE (2008) A Vale e as anglo-australianas, Rio Tinto e
BHPB, (the big 3), detêm em torno de 75% do mercado transoceânico de minério de ferro.
Segundo CGEE (2008), a mineração de ferro vem sofrendo uma grande expansão em
função do forte aumento de produção e consumo de aço nos países asiáticos, particularmente a
china. Na Figura 6, é possível visualizar tal representatividade face ao restante da produção
mundial de aço no período entre 2003 e 2012:
 26

Figura 6 – Produção de aço bruto – China vs Outros (%)

Fonte: IISI (2013) – Adaptado pelo autor

Segundo CGEE (2008), o crescimento econômico deste país, identificado através do

crescimento do PIB (Produto Interno Bruto), infere sobre um maior consumo de aço em função
da forte ação governamental através da realização de altos investimentos em infraestrutura,
desenvolvimento da indústria de bens de capital, consumo de bens duráveis, etc. Este cenário
difere de períodos precedentes, onde a demanda era concentrada nos países desenvolvidos, em
função da conjuntura econômica desenvolvimentista chinesa.
Segundo Franco (2008), tal queda na produção de aço nos países desenvolvidos se deve
ao fato dos mesmos já estarem em uma fase avançada de desenvolvimento industrial, já tendo
executado os investimentos em infraestrutura necessários para suportar o crescimento
econômico destes países através do processo de industrialização e urbanização. Em paralelo, os
países em desenvolvimento, representados por China, Brasil, Coréia do Sul, Índia, Rússia e
Ucrânia, experimentaram uma crescente demanda pelo aço em função da necessidade de
investimento em infraestrutura necessária para o crescimento econômico dos mesmos. Na
Figura 7, é possível visualizar o avanço da parcela de produção de aço bruto dos países em
desenvolvimento em relação ao restante da produção global.
 27

PRODUCTION OF CRUDE STEEL

Developing Countries (%) others (%)

35% 37% 36% 35%

49% 47% 45% 43%
56% 54%

65% 63% 64% 65%

51% 53% 55% 57%
44% 46%

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

Figura 7 - Produção mundial de aço bruto – Países Emergentes vs Outros (%)

Fonte: IISI (2013) – Adaptado pelo autor

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

investimentos em infraestrutura, aumentando, consequentemente, a demanda por bens

minerais.
A relação existente entre a urbanização chinesa e o aumento e investimentos em
infraestrutura resultou no aumento pela produção de aço e, consequentemente, pela demanda
de minério de ferro para abastecimento das siderúrgicas. Tal fato infere sobre a necessidade de
análise de diversas outras variáveis e cenários, bem como a magnitude do impacto destas
variáveis no preço do minério de ferro.

3.2.2 Perspectivas e tendências do mercado de minério de ferro.

Nesta seção serão analisadas as perspectivas e tendências para a indústria de minério de

ferro com base na análise de projeções de cenários econômicos. Para tal, faz-se necessário
realizar um levantamento de tais projeções com o objetivo de evidenciar as variáveis
econômicas que possam vir a impactar a análise do preço do minério de ferro no mercado
transiceânico através da análise dos mecanismos fundamentalistas e qualitativos que suportam
a projeção de tais cenários.
Segundo Bielitza e Lindstädt (2011), é provável que haja um aumento considerável na
demanda mundial de minério de ferro em função da continuidade dos investimentos necessários
ao desenvolvimento da infraestrutura e expansão de economias como, China, América Latina
e India. O mesmo afirma que haverá um aumento da capacidade produtiva, através da produção
de minério de ferro com maior qualidade e a menor custo. Em termos de incremento do fluxo
deste produto, o mesmo afirma haver uma tendência de que haja um aumento do fluxo desta
matéria prima para a China e o restante das economias asiáticas. O mesmo autor salienta que
este fluxo será reforçado pela diminuição considerável da produção de minério de ferro na
China em função do esgotamento das minas e da presença de capacidades produtivas instaladas
no exterior com menor custo.
Porém, Credit Suisse (2013) ressalta a importância da análise de produtos que possuem
como principal matéria prima o minério de ferro, como o vergalhão, para fins de analisar a
perspectiva correlata do comportamento dos preços do minério de ferro. O mesmo salienta que
que os altos níveis de estoque observados neste produto indicam uma baixa demanda pelo
minério de ferro até que os níveis de estoque se estabilizem, além de considerar um crescimento
chinês futuro moderado face àquele apresentado em períodos anteriores em função da
perspectiva de redução de crédito destinados a investimentos em infraestrutura e construção.
Na Figura 8, é possível visualizar a relação existente entre o nível de preço (RMB) do vergalhão
 29

(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.

Figura 8 - Nível de preços (RMB) do vergalhão vs Nível de preços do minério de ferro

Fonte: Credit Suisse (2013)

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

JP Morgan (2014) salienta um aumento modesto no fornecimento mundial de minério

de ferro em 2015, o que considera como um fator positivo caso o mercado tenha capacidade de
absorver o aumento de produção do minério previsto para 2014.

3.2.3 Formação do preço do minério de ferro.

Nesta seção serão introduzidos os fatores inerentes à determinação do preço do minério

de ferro e sua relação com a metodologia de parametrização de contratos de compra e venda
existentes entre a indústria siderúrgica e a indústria de mineração. Será introduzido, também,
aspectos associados à mudança destas relações ao longo das últimas décadas com o objetivo de
identificar tendências nestas relações comerciais no mercado transoceânico de minério de ferro.
Segundo Pereira (2012) os preços do minério de ferro eram determinados em
negociações anuais realizadas entre os compradores (siderúrgica) e os vendedores
(mineradoras). Estas negociações eram realizadas nos principais países importadores. O preço
é fixado de acordo com um teor de ferro determinado, existindo variáveis que influenciavam
na formação do preço como o custo de lavra, transporte transoceânico, condições de mercado,
etc. Já Adão (2004) destaca que o preço de mercado está condicionado a um elevado números
de varáveis, como: complexidade na lavra e beneficiamento, distância da mina ao mercado
consumidor e frequência que o recurso mineral ocorre na crosta terrestre.
Observando o teor de ferro como referência de preço de mercado, CGEE (2008)
menciona que algumas empresas de consultoria e outros órgãos como IISI e UNCTAD
reforçam a importância de se manter o teor de ferro de 62% como padrão para equalização e
medição do nível de produção mundial. Tal equalização foi motivada em função de divulgações
de produção de minério de ferro que divergiam quanto ao teor de ferro contido no mesmos. Este
fator acarretava em distorção quando realizada a comparação na quantidade de minério de ferro
efetivamente produzida nos países, dado que o teor de ferro é determinante para definição da
atratividade comercial deste produto. Na Figura 9, é possível verificar dados (base 2006)
consolidados referentes à reservas de produção de minério de ferro no período compreendido
entre 2005 e 2007. Utilizou-se como base para tal comparação as reservas estabelecidas na
Rússia, Austrália, Ucrânia, China e Brasil, os quais totalizavam na ordem de 242 bilhões de
toneladas. Vale ressaltar que, neste período (2006), as reservas mundiais totalizavam 340
bilhões de toneladas.
 31

Figura 9 - Perfil das Reservas de Minério (%Fe)

Fonte: CGEE (2008) – Adaptado pelo autor

Analisando os dados indicados na Figura 6 acima, é possível identificar que, em termos

de ferro contido, a Rússia se destaca entre os países analisados. Quanto ao teor de ferro contido,
a Austrália apresenta a maior concentração (65%). A Ucrânia, apesar de possuir a maior
detenção de reservas, apresenta o menor teor de ferro em seu minério.
No que tange aos aspectos macroeconômicos e sua interferência nas metodologias de
determinação do preço do minério de ferro, Pereira (2012) menciona que a crise financeira
ocorrida no fim de 2008 impactou na queda do consumo global de minério de ferro em função
da redução das atividades siderúrgicas. Tal fator macroeconômico acarretou na mudança do
sistema de determinação de preços, conhecido como benchmark (padrão) vigentes a décadas.
Tal sistema benchmark se baseia na determinação do preço, que perdura por vigência anual,
utilizando o primeiro contrato firmado por uma das três principais produtoras de minério de
ferro. Nas décadas de 80 e 90 houve uma discrepância entre oferta e demanda relacionada à
elevação significativa da oferta mundial e ao crescimento conservador da demanda siderúrgica,
respectivamente. Este cenário econômico dispare proporcionou um tendência ao
comportamento oscilatório dos preços, o que impôs às empresas dificuldades na estipulação
dos preços nos contratos de compra e venda.
Segundo Franco (2008), a partir do ano de 2000, houve um crescimento significativo da
demanda por minério de ferro em função do rápido crescimento produtivo da indústria
siderúrgica, que não pôde ser atendida pelos principais produtores de minério de ferro, gerando
 32

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.

3.3 MÉTODO DE PREVISÃO – REGRESSÃO LINEAR MULTIPLA

Nesta seção serão citados os principais grupos de métodos de previsão e posterior

descrição do método de análise de regressão múltipla. Tal citação das principais famílias ou
grupos de métodos vem de encontro à necessidade de situar o método de análise de regressão
múltipla face às diversas metodologias de previsão existentes, que possuem naturezas e
aplicabilidades distintas. Posteriormente, será descrito o método de regressão simples,
extrapolando tal método para a análise de regressão múltipla como proposto por Rawlings et
al. (1998).

3.3.1 Método de Regressão Linear Mútipla

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

estudo na medida em que permite quantificar o impacto de variáveis independentes na variável

a ser estimada, permitindo analisar a relação entre as variáveis, testando a causalidade entre as
mesmas.
Segundo Barros et al (2008), a análise de regressão é uma técnica estatística para
investigar e modelar a relação entre variáveis, sendo uma das mais utilizadas na análise de
dados. Bacci (2007) define a aplicação da regressão simples para definir um relacionamento
causal entre duas variáveis correlacionadas, sendo este relacionamento desenvolvido através da
predição da variável dependente através da observação da variável independente, que pode ser
representado por meio da Equação 1 abaixo:

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.

Segundo Bacci (2007), a regressão múltipla é utilizada para definir um relacionamento

entre uma variável dependente, que se quer prever, e duas ou mais variáveis independentes,
sendo este relacionamento desenvolvido a partir de dados observados nos quais duas ou mais
variáveis independentes são utilizadas para predizer a variável dependente.
Para Rawlings et al. (1998), a aplicação da regressão múltipla está associada à
extrapolação da análise de regressão simples (uma única variável independente) ao uso de mais
de uma variável independente com o objetivo de compreender o comportamento de uma
variável dependente.
Barros et al (2008) reforça o conceito de entendimento da análise de regressão múltipla
como a extrapolação do modelo linear com o objetivo de avaliar a relação de uma variável de
interesse Y (variável dependente ou variável resposta) em relação a k variáveis Xj (variável
independente ou covariável), j = 1,2,..., k. Proto e Mesquita (2003) propõe a seguinte Equação
para o modelo de regressão linear múltipla:

𝑌 = 𝑏0 + 𝑏1 𝑋1 + 𝑏2 𝑋2 +. . . + 𝑏𝑚 𝑋𝑚 + 𝑒 (2)
Onde:
Y = variável dependente;
 34

X1, X2, ..., Xm = variáveis independentes;

e = erro aleatório (distribuição normal).

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 = ∑𝑛𝑡=1 𝑒𝑡2 = ∑𝑛𝑡=1(𝑌 − 𝑏0 − 𝑏1 𝑋𝑡,1 − 𝑏2 𝑋𝑡,2 − … − 𝑏𝑚 𝑋𝑡,𝑚 ) (3)

Segundo mesmo autor, derivando-se a Equação 3 em relação aos coeficientes bi’s e

igualando-a a zero obtém-se um conjunto de equações lineares que permite determinar os
coeficientes que minimizam a soma dos quadrados dos erros (SQE), ou resíduos. Para cada
ponto, o resíduo é o valor real menos o valor previsto pelo método.

𝜕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’.

𝑦1 1 𝑥11 𝑥12 𝑥13 ⋯ 𝑥1𝑝 𝛽0 𝜖1

𝑦2 1 𝑥21 𝑥22 𝑥23 ⋯ 𝑥2𝑝 𝛽 𝜖2
(⋮)= ( 1) + ( ⋮ ) (5)
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑦𝑛 [1 𝑥𝑛1 𝑥𝑛2 𝑥𝑛3 ⋯ 𝑥𝑛𝑝 ] 𝛽 𝑝 𝜖𝑛

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

β : é a matriz coluna (p’ x 1) dos parâmetros a serem estimados;

𝝐 : é a matriz coluna (n x 1) dos erros aleatórios. A variável 𝜖 refere-se a uma variável aleatória
chamada de erro de regressão e representa a variação de Y que não pode ser explicada por sua
relação linear com X. Por definição seu valor esperado de 𝜖 é zero, gerando a seguinte equação
para o valor esperado de Y:

̂=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

F é o valor obtido pelo método de previsão;

𝑛 é o número de períodos analisados.

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):

𝐻0 ∶ 𝜑 = 0 (𝑒𝑟𝑟𝑜𝑠 𝑛ã𝑜 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠);

𝐻1 ∶ 𝜑 > 0 (𝑒𝑟𝑟𝑜𝑠 𝑐𝑜𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠) (12)
 38

O teste de Durbin-Watson se consiste no seguinte (Equação 13):

∑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

Rawlings et al. (1998) descreve a obtenção do coeficiente de determinação como

oriunda do cálculo da Soma Total dos Quadrados (SQtot), descrita na Equação 16, a Soma dos
Quadrados Explicada (SQexp), descrita na Equação 17, e a Soma dos Quadrados dos Resíduos
(SQres) descrita na Equação 18. A Soma Total dos Quadrados (SQtot) descreve a soma dos
quadrados das diferenças entre a média e cada valor observado. A Soma dos Quadrados
Explicada (SQexp) exprime a diferença entre a média das observações e o valor estimado para
cada observação, e soma os respectivos quadrados. Quanto menor for esta diferença, maior
poder explicativo detém o modelo. A Soma dos Quadrados dos Resíduos (SQres) calcula a parte
que não é explicada pelo modelo. A Equação 19 exprime a relação existente entre as mesmas;

𝑆𝑄𝑡𝑜𝑡 = ∑𝑛𝑖=1(𝑦𝑖 − 𝑦̅)2 (16)

𝑆𝑄𝑒𝑥𝑝 = ∑𝑛𝑖=1(𝑦̂𝑖 − 𝑦̅)2 (17)

𝑆𝑄𝑟𝑒𝑠 = ∑𝑛𝑖=1(𝑦̂𝑖 − 𝑦𝑖 )2 (18)

𝑆𝑄𝑡𝑜𝑡 = 𝑆𝑄𝑒𝑥𝑝 + 𝑆𝑄𝑟𝑒𝑠 (19)

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

Rawlings et al. (1998) menciona que o coeficiente de determinação R2 é obtido através

da normatização da Equação 18, resultando na Equação 20. Segundo este autor, a inclusão de
inúmeras variáveis, mesmo que tenham muito pouco poder explicativo sobre a variável
dependente, aumentarão o valor de R2. Isto incentiva a inclusão indiscriminada de variáveis.
Para combater esta tendência, utiliza-se uma medida alternativa do coeficiente de determinação,
que penaliza a inclusão de regressores pouco explicativos através do uso do R2 ajustado,
2
(𝑅𝑎𝑑𝑗 ) descrito na Equação 21.

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

Nesta etapa, será descrita a metodologia para aplicação do método de análise de

regressão múltipla mediante realização da coleta, análise de dados e posterior aplicação à
análise do comportamento do preço do minério de ferro no mercado transoceânico em função
das variáveis explicativas.

4.1 COLETA DE DADOS

A primeira etapa do presente trabalho consiste na realização da coleta de dados das

variáveis relacionadas ao comportamento do preço do minério de ferro no mercado
transoceânico. Desta forma, serão obtidas séries temporais das variável objeto ou dependente
(preço do minério de ferro no mercado transoceânico) e das variáveis independentes
relacionadas ao objeto de estudo.
Foram coletados dados referentes à atividade econômica chinesa, devido à forte
influência de tal economia, já identificada anteriormente, no comportamento do preço do
minério de ferro no mercado transoceânico (variável objeto). Também foram coletados dados
referente à atividade econômica mundial relacionadas, direta ou indiretamente, com o
comportamento do preço do minério de ferro em função de seu potencial caráter explicativo
(variáveis explicativas). As dados encontram-se disponíveis no Apêndice A.

4.1.1 Minério de Ferro (62% Fe)

Para levantamento da série histórica do preço spot do minério de ferro no mercado

transoceânico, variável objeto de análise do presente estudo (variável dependente), serão
utilizados os dados obtidos no portal de dados estatísticos da UNCTAD (United Nations
Conference on Trade and Development). A referência quanto ao teor de ferro utilizado em tal
série é de 62%, representando o preço de importação CFR (Cost and Freight) no porto de
Tianjin (China), em dólar, da tonelada bruta de minério de ferro no período compreendidos
(base mensal) entre Novembro / 2008 e Dezembro / 2012 visualizado na Figura 10. Este
período, inclusive a base mensal, será o mesmo para as variáveis independentes (VI’s) ou
 42

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

4.1.2 Preço do Petroleo cru (crude) Brent UK

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

4.1.3 Taxa de empregabilidade na China

Para coleta de dados da série histórica da taxa de empregabilidade da China, serão

utilizados os dados obtidos no portal de dados estatísticos do governo chinês (National Statistics
Republic of China) no período compreendidos (base mensal) entre Novembro / 2008 e
Dezembro / 2012 visualizado na Figura 12. Tais dados indicam a taxa de empregabilidade
obtida mediante o percentual (%) de cidadãos empregados (no mínimo, a três meses com base
no mês auferido) sob o total da população civil, com 15 anos ou mais, na China.
 44

Figura 12 – Taxa de Empregabilidade na China (%)

Fonte: National Statistics Republic of China (2014) – Adaptado pelo autor

4.1.4 Indice de produção industrial chinês.

Para levantamento da série histórica do índice de produção industrial chinês, serão

utilizados os dados obtidos no portal de dados estatísticos do governo chinês (National Statistics
Republic of China) no período compreendidos (base mensal) entre Novembro / 2008 e
Dezembro / 2012 visualizado na Figura 13. Tais dados indicam o índice de produção industrial
da China com ano base em 2011 (100). Entende-se como industrial, segundo ISIC
(International Standard Industrial Classification), como o setor de mineração, manufatura,
eletricidade, gás e água.
 45

Figura 13 – Índice de produção industrial chinês (ano base 2011=100)

Fonte: National Statistics Republic of China (2014) – Adaptado pelo autor

4.1.5 Manufacturing PMI (Purchasing Managers’ Index) chinês.

Para levantamento da série histórica do PMI (Purchasing Managers’ Index)

manufatureiro chinês, serão utilizados os dados obtidos no portal de dados estatísticos da Markit
(HSBC). Tal índice é publicado mensalmente, avaliando a condição operacional do setor
manufatureiro do país. Para valores que indicam 50%, o índice é avaliado como indicador de
estagnação. Os valores maiores e menores que 50% indicam, respectivamente, crescimento e
retração da condição operacional do setor manufatureiro do país em questão (China). O PMI é
um indicador econômico derivado de pesquisas mensais de companhias do setor privado que
compõem diversos setores da economia, excluindo o setor público. Os dados coletados
correspondem ao período compreendidos (base mensal) entre Novembro / 2008 e Dezembro /
2012 visualizado na Figura 14.
 46

Figura 14 –Manufacturing PMI (Purchasing Managers’ Index) chinês

Fonte: Markit / HSBC (2014) – Adaptado pelo autor

4.1.6 Produção Mundial de Aço Bruto.

Para levantamento da série histórica da produção mundial de aço, serão utilizados os

dados obtidos no portal de dados estatísticos divulgados no IISI (International Iron and Steel
Institute – World Steel Institute). Tais dados correspondem à produção de 65 países produtores
(correspondente à produção de 98% de aço bruto no mundo) de aço bruto (em milhares de
toneladas). Aço bruto é definido como o aço em sua primeira forma sólida (ou utilizável),
produtos semi-acabados (tarugos, blocos, lajes) e aço líquido para fundição. Os dados coletados
correspondem ao período compreendidos (base mensal) entre Novembro / 2008 e Dezembro /
2012 visualizado na Figura 15.
 47

Figura 15 –Produção Mundial de Aço Bruto (mil toneladas)

Fonte: IISI - International Iron and Steel Institute (2014) – Adaptado pelo autor

4.1.7 Alvará de Construção concedidos na China.

Para coleta de dados da série histórica do alvará de construção concedido na China,

serão utilizados os dados obtidos no portal de dados estatísticos do governo chinês (National
Statistics Republic of China). Tais dados indicam o total de área (m2) de alvará de construções
autorizadas pelo governo chinês. Os dados coletados correspondem ao período compreendidos
(base mensal) entre Novembro / 2008 e Dezembro / 2012 visualizado na Figura 16.
 48

Figura 16–Concessão de Alvará de Construção na China (m2)

Fonte: National Statistics Republic of China (2014) – Adaptado pelo autor

4.1.8 Preço do vergalhão (rebar) .

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

Figura 17–Preço FOB Japão ($/mt) do vergalhão (Rebar)

Fonte: Banco Mundial - World Bank (2014) – Adaptado pelo autor

4.2 APLICAÇÃO DA ANÁLISE DE REGRESSÃO MÚLTIPLA

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:

Quadro 1 – Relação de variáveis

A primeira etapa deste processo será a realização da matriz de correlação (correlação de

Person) entre as variáveis independentes (VI’s) ou explicativas. Tal etapa tem como objetivo
 50

identificar a existência de correlações elevadas entre as VI’s com o intuito de evitar a

ocorrências de redundâncias (multicolinearidades). Para tal, foi utilizado o software Minitab ®,
onde foi obtido o resultado descrito na Figura 18:

Figura 18 – Tabela de Correlação de Pearson

Fonte: Minitab – Elaborado pelo Autor

Observou-se uma forte correlação existente entre as variáveis I_PRO (Índice de

produção industrial chinês) e I_ACO (Produção Mundial de Aço Bruto). A Figura 19 abaixo
demonstra o gráfico de dispersão entre estas variáveis, onde a reta indica uma inclinação que
ilustra tal força.

Figura 19 – Gráfico de Dispersão

Fonte: Minitab – Elaborado pelo Autor
 51

Considerando todas as variáveis levantadas na etapa de coleta de dados, foram obtidos

os seguintes resultados descritos na Figura 20:

Figura 20 – Resultados da Análise de Regressão Múltipla

Fonte: Minitab – Elaborado pelo Autor

Observa-se que os indicadores R2 e R2 (ajustado) indicam, respectivamente, 67,97%

(67,97% da variável dependente consegue ser explicada pelos regressores presentes no modelo)
e 62,63% (mesmo princípio do R2, porém penalizando a inclusão de regressores pouco
explicativos), gerados pelo modelo obtido e descrito através da equação de regressão da Figura
21 abaixo:

Figura 21 – Equação de Regressão Múltipla

Fonte: Minitab – Elaborado pelo Autor
 52

Para verificar a possibilidade de existência de ocorrências de redundâncias

(multicolinearidades) no modelo, foram retiradas as variáveis que possuem alta correlação entre
si com o intuito de obter-se valores de R2 e R2(ajustado) mais próximos ao valor de 100%, pois
quanto maior o R2 mais explicativo é modelo, melhor ele se ajusta à amostra Para tal, foram
retiradas do modelo as variáveis explicativas I_PRO (Índice de produção industrial chinês) e
I_ACO (Produção Mundial de Aço Bruto) previamente identificadas como fortemente
correlacionadas (0,919) visualizados na Figura 18 e na Figura 19. Porém, identificou-se a
retirada destas variáveis reduziu os indicadores R2 e R2(ajustado). Dado que a quantidade de
amostras é suficientemente maior do que a quantidade de variáveis explicativas, a possibilidade
de existência de autocorrelação entre os resíduos (ou erros) reduz drasticamente, permitindo
que ambas as variáveis (I_PRO e I_ACO) coexistam no mesmo modelo. Tal fato se comprovou
mediante exclusão de tal variáveis, que gerou os resultados descritos na Figura 21 abaixo:

Figura 22 – Análise de Regressão: Exclusão variáveis I_PRO e I_ACO

Fonte: Minitab – Elaborado pelo Autor
 53

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:

𝑷𝑭𝑴𝑬 = 1729 + 0,089𝑷𝑷𝑬𝑻 + 0,001168𝑰𝑨𝑪𝑶 + 0,000019𝑰𝑪𝑶𝑵 + 0,105𝑷𝑹𝑬𝑩 − 33,4𝑻𝑬𝑴𝑷 + 2𝑰𝑷𝑴𝑰 (23)

Aliado a tal condição, a consideração de menos variáveis explicativas no modelo torna-

o menos custosa, uma vez que reduz a necessidade de coleta de dados, na elaboração do modelo,
de tal variável explicativa. Desta forma, conclui-se o modelo de regressão realizado
considerando a exclusão da variável I_PRO se sobressai perante as alternativas aqui
apresentadas em função da sua maior capacidade preditiva e de seu menor custo de execução,
mantendo as outras variáveis no modelo com a finalidade de enriquecer a compreensão do
comportamento das variáveis explicativas. Abaixo, é possível visualizar o comparativo da série
temporal do Minério de Ferro (62% Fe) CFR Tianjin ($ / ton) e previsão obtida pelo modelo
descrito na Equação 23:

Figura 23 – Gráfico Comparativo (Modelo de Regressão)

Fonte: Elaborado pelo autor
 54

5 CONCLUSÃO

O estudo aqui apresentado permitiu compreender os principais fatores inerentes à

produção do minério de ferro, suas principais características bem como a conjuntura
macroeconômica a qual o mesmo interage e é agente, concomitantemente. Tal compreensão se
deu de forma suficiente ao entendimento das variáveis que possuem perfil economicamente
associativo ao preço do minério de ferro no mercado transoceânico, colaborando para o
levantamento de dados e aplicação do método de regressão múltipla.
Não obstante, conclui-se que a análise de regressão aplicada ao objeto de estudo aqui
apresentado deve ser acompanhado, ou precedido, de minuciosas análises qualitativas e
macroeconômicas para incremento do modelo em questão, uma vez que a escolha e definição
das variáveis explicativas demonstraram ser essenciais para o sucesso do uso do modelo.
Pôde-se atestar o caráter associativo das variáveis explicativas ao movimento do preço
do minério de ferro sob a ótica estatística apresentada. Além da capacidade preditiva do modelo,
confirma-se o benefício do uso da análise de regressão múltipla, não somente no intuito
preditivo da variável objeto, mas também no sentido de entendimento das variáveis explicativas
e de suas relações econométricas.
As variáveis explicativas apresentaram, em sua maioria, viés positivo (𝛽 > 0) em
relação ao preço do minério de ferro, com exceção da variável nível de emprego que apresentou
viés negativo (𝛽 < 0). Em função da economia chinesa caminhar para uma economia com base
no consumo, que por sua vez é característica em tendenciar a economia para um estágio de pleno
emprego, pode-se dizer que a taxa de empregabilidade na China tende a crescer. Considerando um queda
no ritmo de crescimento dos países emergentes, ou até mesmo manutenção dos níveis atuais de atividade
econômica (associado as variáveis explicativas de viés positivo), pode-se inferir a tendência da queda
do preço do minério de ferro no longo prazo.
 55

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

BENEVIDO DA LUZ, Adão et al. Tratamento de Minérios. Rio de Janeiro: CETEM/MCT,

2004. 867p

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

BLACKROCK. BlackRock Investment Institute. Disponível em:

https://www.blackrock.com/institutions/en-us/home-public. Acesso em: 11/11/2013.

BNDES – Banco Nacional de Desenvolvimento Econômico e Social. Disponível em:

www.bndes.gov.br . Acesso em: 17/11/2013.

CGEE. Siderurgia no Brasil 2010-2025; subsídios para tomada de decisão – Brasília: Centro de
Gestão e Estudos Estratégicos, 2010. 112p

CREDIT SUISSE. Credit Suisse Research reports. Disponível em: https://www.credit-

suisse.com/investment_banking/indices_research_analytics/en/index.jsp. Acesso em:
11/11/2013.

FERNANDES, Edite Manuela da G.P. Estatística Aplicada. Universidade do Minho, Braga,

1999. 313p.

FERREIRA, A.B.H. Novo Dicionário da Língua Portuguesa. Rio de Janeiro: Editora Nova
Fronteira, 1975. 1516p.

FERREIRA, Gilson Ezequiel. A competitividade da mineração de ferro no Brasil:2001. Rio de

Janeiro: CETEM/MCT, 2001. 54 p.

FRANCO, Patrícia Calazans Albuquerque de Mello. Modelo estrutural de previsão de preço e

volume negociado de minério de ferro. 52f. Dissertação (Mestrado profissionalizante em
Finanças e Economia Empresarial). Fundação Getúlio Vargas, Rio de Janeiro, 2012.

HARRISON, P.J.; STEVENS, C. F. Bayesian Forecasting. Journal of the Royal Statistical

Society. UK. series B, v. 38, nº 3, p.81-135, 1976.
 56

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.

JP MORGAN. “Guide to the markets” – Commodities and Currencies. Disponível em:

www.jpmorganassetmanagement.com. Acesso em 12/11/2013.

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.

Ministério de Minas e Energia. Disponível em: www.mme.gov.br. Acesso em: 02/12/2013.

MONTGOMERY, D. C.; HINES, W. W.; GOLDSMAN, D. M.; BORROR, C. M.;

Probabilidade e Estatística na Engenharia. Rio de Janeiro: LTC, 2006.

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.

PALIT, A. K., POPOVIC, D. Computational Intelligence in Time Series Forecasting. 1. ed.

Londres: Springer-Verlag, 2005. 372p.

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.

POLICARPO, Flávio Ferreira. Minério de ferro: desafios para as indústrias mineral e

siderúrgica. 64f. Dissertação (Mestrado profissionalizante em Engenharia de Recursos
Minerais). Universidade Federal de Minas Gerais, Belo Horizonte, 2012.

PRONI, Marcelo Weishaupt, O paradoxo do pleno emprego no Brasil - Universidade Federal

da Paraíba, 2013.

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

RAWLINGS, John; PANTULA, Sastry G; DICKEY, David. Applied Regression Analysis – A

Research Tool. 2 ed. Londres: Springer. 1998. 659 p.

Reuters “Thomson Reuters – Energy”. Disponível em: http://www.reuters.com. Acesso em:

11/10/2013

SANDERS, N. R. Managing the forecasting function, Industrial Managment & Data Systems.
v. 95, n. 4, p. 12-18, 1995.

SIGNOR, Régis. Análise de regressão do consumo de energia elétrica frente a variáveis

arquitetônicas para edifícios comerciais climatizados em 14 capitais brasileiras. 1999. 314f.
Dissertação (Mestrado em Engenharia Civil). Universidade Federal de Santa Catarina. Santa
Catarina, Florianópolis. 1999.

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.

SLACK, Nigel; CHAMBERS, Stuart; JOHNSTON, Robert. Administração da produção. 2.ed.

São Paulo: Atlas, 2002. 747p.

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.

VALADÃO, George Eduardo Sales; ARAUJO, Armando Corrêa. Introdução ao tratamento de

minérios. Belo Horizonte: Editora UFMG, 2007. 234 p.

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

APÊNDICE A – DADOS COLETADOS