Segundo o relatório da Associação Brasileira das Indústrias Exportadoras de Carne, ABIEC (2000) a exportação de carne bovina foi 358.699 toneladas em 2000, um aumento de 10% em relação a 1999. Apesar do aumento no volume, a receita cambial – de US$ 837, 264 milhões – apresentou uma queda de 11%. O preço médio das vendas brasileiras para o mercado externo foi de 2.334 US$ por tonelada, uma redução de 2% em 2000. Nesse período, a Países Baixos, Itália e Espanha eram os três principais países de destino.

No relatório ABIEC (2006) observa-se o embarque de carne bovina de 1.610.516 toneladas em 2006, um aumento de 19% em relação a 1999. A receita cambial, de US$ 4,091 bilhões, significou um aumento de 33% em relação a 2005. O preço médio das vendas brasileiras para o mercado externo foi de 2.540 US$ por tonelada, uma elevação de 12% em 2006. Nesse período, a Rússia, Egito e Países Baixos eram os três principais países de destino.

De acordo com a ABIEC (2013), a exportação de carne bovina foi 1.499.903 toneladas em 2013, um aumento de 19% em relação a 2012. A receita cambial, de US$ 6,658 bilhões, significou um aumento de 14% em relação a 2012. Segundo esse relatório, o impacto da crise de 2012 atingiu 2013. O preço médio das vendas brasileiras para o mercado externo foi de 4.439 US$ por tonelada, significando uma queda de 5% em 2013. Nesse período, a Rússia, Hong Kong e Venezuela eram os três principais países de destino (ABIEC, 2013).

Segundo a Associação Brasileira dos Produtores e Exportadores de Frango, ABEF (2000), no início da década de 2000 houve um crescimento na produção e exportação brasileira da carne de frango devido ao efeito da harmonização cambial ocorrida em 1999, o que permitiu um aumento de competitividade ao produto. Se comparada com a década de 1990, os volumes das exportações brasileiras no ano de 2000 aumentaram sucessivamente todos os meses, à exceção de dezembro (ABEF, 2000).

Em 2000, a carne bovina e de frango corresponderam, de acordo com a União Brasileira da Avicultura, UBABEF (2005), à 90,2% do faturamento das exportações do complexo de carnes. Já em 2005, a posição do Brasil como maior exportador mundial de carne de frango foi consolidada. A união de três diferentes elementos – a competitividade devido ao câmbio, os incômodos sanitários que alcançaram a Europa e a estruturada ação do marketing institucional, corroboraram para o resultado positivo atingido pela avicultura brasileira na década (UBABEF, 2005).

A produção de carne de frango foi 12,645 milhões de toneladas em 2012, uma diminuição de 3,17% em relação a 2011. O Brasil permaneceu com a posição de maior exportador mundial e de terceiro maior produtor de carne de frango, atrás dos Estados Unidos e da China. Os embarques de 3,918 milhões de toneladas em 2012 propiciaram uma queda de 0,6% em relação a 2011. A receita cambial – de US$ 7,7 bilhões – resultou numa queda de 6,1%. As exportações tiveram o preço médio para o setor externo de 1.966 US$ por tonelada, impactando uma retração de 6,1% em 2012 (UBABEF, 2013).

O principal destino das exportações da carne de frango brasileira permaneceu sendo o Oriente Médio, ao comprar 1,396 milhão de toneladas em 2012, com baixa retração de 1,2% em relação a 2011. A receita cambial foi de US$ 2,624 bilhões, em queda de 2,2%. Referente à Ásia os embarques foram de 1,137 milhão de toneladas, com queda de 0,5%, a receita incrementou US$ 2,396 bilhões, com desenvolvimento em diminuição de 8,7% (Ubabef, 2013).

Referente à África, a terceira maior região de destino em quantidade, as solicitações foram de 598 mil toneladas (+20%) e a receita cambial integralizou US$ 822 milhões (crescimento de 19%). A União Europeia absorveu compras de 448,4 mil toneladas, ou 8,2% a menor do que foi visualizado em 2011. A receita cambial – de US$ 1,18 bilhão – diminuiu 18% em relação ao ano anterior. O Brasil exportou para a América Latina 217 mil toneladas de carne de frango, isto é, 25% a menos se feita à relação com 2011, atingindo uma receita de US$ 411 milhões (-25,7%) (UBABEF, 2013).

Na Europa, para os países fora da União Européia, as exportações somaram 118 mil toneladas, o que demonstra um aumento de 10% em relação a 2012. A receita cambial, de US$ 258,3 milhões, foi 5% maior que no ano anterior. Para a Oceania, as exportações juntaram 2,188 mil toneladas (-22%) e com receita de US$ 4,7 milhões (-20,7%).

Os impactos da crise de 2012, ao que parece, acabaram em 2013. O segmento acertou o caminho. No caso da avicultura, cada cadeia produtiva adotou uma tática singular, dentro do tempo de demanda de cada insumo. Em especial, relativo à carne de frango, houve em 2013 o repasse de custos que acabou por aumentar os preços e interferiu diretamente – positivamente – na receita das exportações. Apesar da diminuição da produção, teve-se melhor rentabilidade (UBABEF, 2014).

Para a contextualização do cenário da influência da taxa de câmbio nas exportações das carnes bovina e de frango utilizaram-se dados mensais, em nível de Brasil, do período compreendido desde 2000 até 2014 (devido há um aumento de competitividade, em parte ocorrido pelo abandono da âncora cambial no início de 1999), referentes à taxa de câmbio e às exportações de carne bovina e de frango.

Com a finalidade de estabelecer os principais fatores determinantes na influência da taxa de câmbio sobre a exportação da carne brasileira foi utilizado o modelo teórico do método Vetor Auto-regressivos (VAR) e os testes que foram aplicados às séries temporais utilizadas.

As séries temporais mensais relacionadas à taxa de câmbio (Câmbio contratado - comercial - exportação - média diária – em milhões de US$ - Banco Central do Brasil, Boletim, Seção Balanço de Pagamentos) foram obtidas junto ao banco de dados do Instituto de Economia Aplicada – IPEA o IPEA-DATA. Por sua parte, as séries mensais de exportações, em toneladas de carne bovina foram obtidas junto Associação Brasileira das Indústrias Exportadoras de Carne – ABIEC e em toneladas de carne de frango foram obtidas em conjunto com a base de dados da Associação Brasileira de Proteína Animal – ABPA e a Secretaria de Comércio Exterior – SECEX.

Para a realização dos testes e do modelo apresentado foi utilizado o programa econométrico Winrats.

Segundo Stock & Watson (2001), os macroeconomistas devem fazer quatro coisas: descrever e resumir os dados macroeconômicos, fazer previsões macroeconômicas, quantificar o que fazemos ou não saber sobre a verdadeira estrutura da macroeconomia, e aconselhar. Levando isso em consideração, foram escolhidos para tratar desse estudo os Vetores Auto-Regressivos (VAR).

De acordo com o Bacen (2004), surgidos na década de 1980, os modelos de Vetores Auto- Regressivos (VAR) apareceram como solução ao grande número de restrições impostas às estimações pelos modelos estruturais. Tinham como objetivo aprimorar os modelos dinâmicos com a utilização de um número mínimo de restrições, considerando como endógenas todas as variáveis econômicas.

Ainda segundo o Bacen (2004), as associações lineares entre cada variável e os valores defasados da mesma e de todas as variáveis restantes são estudadas pelo VAR. Estabelecendo como restrições à infraestrutura da economia apenas: o apuramento do conjunto significativo de variáveis e do número máximo de defasagens na associação entre elas.

Este modelo simples ministra um modo metódico de captação em várias séries de tempo e ferramentas estatísticas que vieram facilitar a sua aplicação. A fórmula geral é descrita como (Filho Bender, Zamberlan & Scalco, 2009):

(2)

Onde, Y é a variável exógena, Yit-j são os valores defasados da variável dependente; Xit é uma matriz de variáveis incluídas no modelo, quando Xit = (X1t, X2t, ..., Xnt); á é um vetor de parâmetros do modelo; e ε it são as perturbações aleatórias não correlacionadas entre si. O VAR possui três variedades: forma reduzida, recursiva e estrutural.

Na primeira, às correlações observadas são resumidas entre as variáveis de interesse e um erro não correlacionado das avaliações seriadas. Na definição de Stock & Watson (2001):

Uma forma reduzida de VAR expressa cada variável como uma função linear de seus próprios valores passados, os valores passados de todas as outras variáveis são consideradas e uma série de erros relacionados [...] Cada equação é estimada pelas últimas ordinárias regressões quadradas. O número de diferentes métodos; [...] termos errados nessas regressões são os movimentos surpresa nas variáveis depois de pegar os valores passados dentro da conta. Se as diferentes variáveis são correlacionadas umas com as outras, como tipicamente são nas aplicações da macroeconomia, quando os termos errados em uma forma reduzida serão correlacionados com as equações cruzadas (Stock & Watson, 2001, p. 102-103, tradução dos autores).

Ainda segundo Stock & Watson (2001), na forma recursiva, o VAR é um sistema linear que faz com os termos do erro em cada equação de regressão não seja correlacionada com os termos de erro das equações subsequentes; isto é, a segunda variável não afeta ao mesmo tempo a primeira, mas afeta as variáveis ordenadas depois dela, e assim por diante. Já o VAR estrutural, apropria-se da teoria econômica para organizar as associações contemporâneas entre as variáveis do modelo, o que requisitam hipóteses de identificação que possibilitam analisar as correlações de forma casual.

Nesse trabalho foi utilizada a forma reduzida do VAR. Pois, por si só não se pode localizar a verdadeira forma estrutural para algumas finalidades é relevante observar essa identificação e que existe procedimentos estabelecidos para conduzir o problema (BACEN, 2004). Inicialmente foi realizado o Teste de Dickey-Fuller aumentado (ADF) representado, de acordo Pessanha, Alcântar, Calegario, Santos & Ázara (2014), pela equação:

(3)

Quando Yt é a variável reposta do modelo; et é ruído branco; e m é a ordem de defasagem do teste. Neste teste, a hipótese nula é de que d corresponda a zero. Se o valor calculado ultrapassar o valor crítico do conjunto de dados das tabelas estadísticas, então a hipótese de que a série temporal seja estacionária não é rejeitada. Ao contrário, isto é, se o respectivo valor for inferior aos valores críticos, a série não será estacionária. Na sequência, são demonstrados os principais resultados obtidos pela metodologia proposta.

Foram realizados testes de estacionariedade de Dickey-Fuller Aumentado (ADF) para cada uma das séries obedecendo a seguinte sequência: taxa de câmbio (CAMB), exportação de carne bovina – quantidade em tonelada –, exportação de carne de frango – quantidade em tonelada –. São apresentados os valores críticos para os níveis de significância de 1%, 5% e 10%. Nesse estudo, as séries contêm 180 observações, portanto, os valores críticos dos testes foram estimados por interpolação linear, a partir dos valores correspondentes a 180 observações.

A série doméstica que pode ser considerada estacionária, ou seja, que não possui raiz unitária, de acordo com os critérios adotados por este estudo, é: taxa de câmbio (CAMB), conforme pode ser observado no Quadro Nª 1.

As séries externas que podem ser consideradas estacionárias, de acordo com os critérios adotados por este estudo, são: volume das exportações de carne bovina (BOV) e volume das exportações de carne de frango (FRANGO). No caso dos volumes exportados de carne de frango (FRANGO) percebe-se que a presença da variável tendência na série é significativa inclusive a 1%, como apresentado no Quadro Nª 2.

Isso se reflete no total das exportações da carne bovina e de frango, onde a presença de tendência na série de volumes exportados é significativa a 5%. No caso das exportações de carne bovina (BOV) a tendência de crescimento é muito menor do que nas exportações de carne de aves. As séries que se tornaram estacionárias após uma diferenciação (integradas de primeira ordem), ou seja, que possuem uma raiz unitária são: volume das exportações de carne bovina (BOV) e volume das exportações de carne de frango (FRANGO).

Quadro 1 Quadro 1 Teste de Dickey-Fuller com a variável CAMB Fonte: elaborado pelos autores

Quadro 2 Quadro 2 Teste de Dickey-Fuller com a variável FRANGO Fonte: elaborado pelos autores

Referente ao número de defasagens – lags – foi escolhida a utilização dos critérios de informação de Schwartz – pelo fato da amostra ser constituída por mais de 100 observações, expressa, segundo Farias & Sáfadi (2010), pela equação (4):

(4)

Onde, k é o número de parâmetros a ser estimado; ln é o logaritmo natural da base e e Σm( p) é a matriz de variância. O critério de SBC/BIC apontou duas defasagens para o modelo pela presença do asterisco. Com a especificação do número de defasagens procede-se a estimação do VAR.

A análise de regressão lida com a dependência de uma variável sobre outras, não implicando necessariamente causação. Isto é, a existência de uma relação entre variáveis não garante a causalidade ou direção de influência (Gujarati & Porter, 2011).

Utilizando o teste F, para a variável dependente CAMB, observa-se que a taxa de câmbio é em grande parte causada por ele mesmo. Isso também ocorre com o volume exportado de carne de frango ao teste de significância de 5%. Já para o volume exportado de carne bovina não há relação de causalidade, conforme pode ser visto no Quadro Nª 3.

Quadro 3 Quadro 3 Teste de causalidade para a variável CAMB Fonte: elaborado pelos autores

Quadro 4 Quadro 4 Teste de causalidade para a variável BOV Fonte: elaborado pelos autores

Quadro 5 Quadro 5 Teste de causalidade para a variável FRANGO Fonte: elaborado pelos autores

Já na variável dependente BOV, percebe-se no Quadro Nª 4 que volume exportado de carne bovina é causado por ele mesmo ao teste de significância de 5%. Para a taxa de câmbio e a exportação da carne de frango não há relação de causalidade.

Por fim, na variável dependente FRANGO, visualiza-se no Quadro Nª 5, que volume exportado de carne de frango é em grande parte causado por ele mesmo. O que também ocorre com a exportação de carne bovina ao teste de significância de 5%. A taxa de câmbio não tem relação de causalidade.

Segundo Zivot & Wang (2006), esse estudo serve para responder a pergunta sobre qual a porcentagem da variância do erro de previsão é devido ao choque da taxa de câmbio. O impulso resposta e a decomposição de variância das séries retratam a mesma informação, apesar dos gráficos serem apresentados de diferentes formas.

É apresentada nessa análise, a interferência de uma variável com relação à outra; isto é, se a oscilação de uma variável endógena tem a possibilidade de explicar a variação na taxa de câmbio. A análise da decomposição da variância expõe se isto ocorre, em que grau e quando isto ocorre. Os Quadros a seguir (Nª 6, 7 e 8) indicam a influência das variáveis na explicação da variância do comportamento da taxa de câmbio.

Desse modo, pode-se observar no Quadro Nª 6, que na decomposição de variância dos erros da série da taxa de câmbio no primeiro momento, ele influi totalmente sobre ela mesma encontrando para as outras variáveis endógenas estabilização do erro a partir do passo 27.

Referente à decomposição da série de volume exportado – em toneladas – da carne bovina, visualiza-se no Quadro Nª 7 que tem grande impacto sobre si mesma inicialmente. E, também passa a se ter uma estabilização da série a partir do passo 27.

Já na decomposição da série de volume exportado – em toneladas – da carne de frango, a influência é grande sobre si mesma. Porém, bastante inferior se comparada com as duas séries anteriores. A estabilização ocorre a partir do passo 30 conforme demonstrado no Quadro Nª 8.

Depois de estimar o VAR, é necessário poder caracterizar com clareza sua estrutura dinâmica. Os impulsos respostas realizam essa função ao demonstrar como um choque em uma variável qualquer se seleciona por meio do modelo, interferindo em todas as outras variáveis endógenas, e, casualmente retroagindo sobre a própria variável (Farias, 2008).

Quadro 6 Quadro 6 Decomposição de variável CAMB Fonte: elaborado pelos autores

Quadro 7 Quadro 7 Decomposição de variância de erro da variável BOV Fonte: elaborado pelos autores

Quadro 8 Quadro 8 Decomposição de variância de erro da variável FRANGO Fonte: elaborado pelos autores

Por se tratar de um modelo linear, se os erros não estiverem correlacionados, não existe maneira de indicar choques com variáveis específicas (Farias, 2008). O motivo para que isso ocorra é que os erros terão componentes em comum que influenciarão mais de uma variável.

Se isso acontecer, o procedimento genérico é distribuir aleatoriamente todos os efeitos desses componentes em comum à variável que aparecer primeiro no sistema. Porém, esse método faz com que as reações ao impulso dependam da sequência particular das equações do modelo.

Com o intuito de se medir a reação ao impulso das séries, deve ser aplicada um choque de um determinado período dentro de cada uma das variáveis endógenas. Ao passo que essa variável influenciou as outras, o choque é filtrado pelo modelo atingindo todas as outras variáveis. Assim, sequencialmente, foi aplicado um choque de um período para cada série – variável endógena – pela seguinte ordem: i) taxa de câmbio – CAMB; ii) exportação de carne bovina (em toneladas) – BOV; e, iii) exportações de carne de frango (em toneladas) – FRANGO. Dessa forma, novamente foram verificados os efeitos sobre todas as variáveis do modelo, e sucessivamente, para as variáveis endógenas restantes.

Em uma primeira análise, vê-se que inicialmente o impulso da taxa de câmbio é inversamente proporcional às exportações de carne bovina e de frango, com o decorrer das defasagens se torna constante. Isto é, o aumento das exportações é reflexo da diminuição da taxa de câmbio conforme apresentado na Figura Nª 1.

Referente ao impulso do volume exportado de carne bovina, inicialmente o mesmo é inversamente proporcional à taxa de câmbio e proporcional à exportação de carne de frango. Com o passar das defasagens, a exportação de carne bovina se torna constante com as outras duas. No fim, se torna inversamente proporcional à exportação de carne de frango e à taxa de câmbio. Ou seja, como mostrado na Figura Nº 2, no teste de causalidade, o volume exportado de carne de boi não tem relação com a taxa de câmbio.

Já referente à Figura Nª 3, o impulso da exportação de carne de frango, inicialmente o mesmo é inversamente proporcional à taxa de câmbio e ao volume exportado de carne bovina. Com o passar das defasagens a exportação de carne de frango se torna constante, por um período, com as outras duas. as exportações de carnes são extremamente influenciadas pela taxa de câmbio.

Figura 1 Figura 1 Função de resposta ao impulso CAMB Fonte: elaborado pelos autores

Figura 2 Figura 2 Função de resposta ao impulso BOV Fonte: elaborado pelos autores

Figura 3 Figura 3 Função de resposta ao impulso FRANGO Fonte: elaborado pelos autores