Previsão e interação dos preços da celulose brasileira nos mercados interno e externo

Autores

DOI:

https://doi.org/10.5902/1980509838223

Palavras-chave:

Séries temporais, Modelos ARIMA, Vetor autorregressivo, Previsão do preço

Resumo

A produção e a exportação de celulose são componentes importantes da economia no país. O objetivo desta pesquisa foi prognosticar o preço nos mercados interno e externo da celulose brasileira e avaliar a interferência entre o preço médio da celulose vendida em atacado e o preço médio da celulose exportada pelo Brasil. O estudo utilizou dados oriundos do Informativo Florestal do Centro de Estudos Avançados em Economia Aplicada (CEPEA), coletados entre junho de 2008 a março de 2018. Os modelos Autorregressivos Integrados de Médias Móveis (ARIMA) foram utilizados para prognosticar o preço da celulose em atacado e exportada pelo Brasil e, para analisar a inter-relação dessas variáveis, foi aplicado modelo Vetor Autorregressivo (VAR). Observou-se que o preço da celulose em atacado e da celulose exportada sofrem oscilações em períodos semelhantes, devido à relação direta com a cotação do dólar e com as crises financeiras nos países importadores. O modelo de melhor acurácia para prognosticar o preço da celulose em atacado foi o modelo ARIMA (1,1,0) enquanto o modelo ARFIMAX (1, d*,0) obteve o melhor desempenho para prognosticar o preço da celulose exportada. A partir da modelagem VAR, verificou-se a existência de inter-relações entre as variáveis, as quais transpareceram o forte impacto do preço da celulose em atacado sobre o preço da celulose exportada pelo Brasil. Assim, as metodologias empregadas foram eficazes para prognosticar e analisar as inter-relações entre as variáveis.

Downloads

Não há dados estatísticos.

Biografia do Autor

Bianca Reichert, Universidade Federal de Santa Maria, Santa Maria, RS

Graduada em Engenharia de Produção pela Universidade Federal de Santa Maria (UFSM), em Santa Maria, Brasil. Realizou pesquisas como Bolsa de Iniciação Científica por meio do programa PBIC do CNPq, pelo Departamento de Estatística da Universidade Federal de Santa Maria (UFSM). Atualmente é Mestranda e bolsista CAPES do Programa de Pós-Graduação em Engenharia de Produção da Universidade Federal de Santa Maria (UFSM), e sua pesquisa está concentrada na área de Modelagem Estatística com Séries Temporais, Controle de Qualidade e Combinação de Previsões.

Adriano Mendonça Souza, Universidade Federal de Santa Maria, Santa Maria, RS

Graduado em Matemática e Física pela Faculdade Imaculada Conceição (FIC) em Santa Maria, Brasil. Possui o grau de Especialista em Estatística e Modelagem Quantitativa, e Mestrado em Engenharia de Produção pela Universidade Federal de Santa Maria (UFSM), Brasil. Doutor em Engenharia de Produção pela Universidade Federal de Santa Catarina (UFSC). Atualmente é Professor Titular do Departamento de Estatística da Universidade Federal de Santa Maria (UFSM) e sua pesquisa está concentrada na área de Modelagem Estatística com Séries Temporais, Controle de Qualidade e Análise Multivariada.

Referências

AKAIKE, H. A new look at the statistical model identification. IEEE Transactions on Automatic Control, Texas, v. 19, n. 6, p. 716-723, dec. 1974.

BATISTA, F. Títulos da Suzano acompanham baixa dos preços da celulose. São Paulo: Economia UOL, 2019. Disponível em: https://economia.uol.com.br/noticias/bloomberg/2019/09/19/titulos-da-suzano-acompanham-baixa-dos-precos-da-celulose.htm. Acesso em: 20 fev. 2020.

BOZDOGAN, H. Model selection and Akaike’s information criterion (AIC): the general theory and its analytical extensions. Psychometrika, New York, n. 52, p. 345-370, 1987.

BOX, G. E. P.; JENKINS, G. M. Time series analysis, forecasting and control. San Francisco: Holden Day, 1970.

BOX, G. E. P.; JENKINS, G. M.; REINSEL, G. C. Time series analysis: forecasting and control. 3th ed. New Jersey: Printice Hall, 1994.

BRASIL. Ministério da Agricultura, Pecuária e Abastecimento. Projeções do agronegócio: Brasil 2017/18 a 2027/28 projeções de longo prazo. Brasília, 2018. Disponível em: http://www.agricultura.gov.br/assuntos/politica-agricola/todas-publicacoes-de-politica-agricola/projecoes-do-agronegocio/PROJECOES2018_FINALIZADA_web_05092018.pdf. Acesso em: 10 dez. 2019.

BUENO, R. de L. da S. Econometria de séries temporais. 2. ed. São Paulo: Cengage Learning, 2015.

CELULOSE ONLINE. As 10 Maiores Fábricas Integradas de Papel no Brasil. [S. l.], 2017. Disponível em: https://www.celuloseonline.com.br/as-10-maiores-fabricas-integradas-de-papel-no-brasil-acesso/. Acesso em 05 nov. 2019.

CENTRO DE ESTUDOS AVANÇADOS EM ECONOMIA APLICADA. Florestal. Piracicaba, 2018. Disponível em: https://www.cepea.esalq.usp.br/br/categoria/florestal.aspx. Acesso em: 07 jun. 2018.

CHAREMZA, W.; DEADMAN, D. New directions in econometric practice: general to specific modelling, cointegration and vector autoregression. Cheltenham: Edward Elgar Publishing, 1997.

CORREA, D. V. G. Celulose: logística e distribuição. São Paulo: SENAI-SP, 2014. Disponível em: https://books.google.com.br/books?hl=ptBR&lr=&id=Pg5QDwAAQBAJ&oi=fnd&pg

=PT6&dq=Celulose&ots=pidVZvq0nG&sig=5PjEav_xtLhQjmxtSebKFNAHhsU#v=onepage&q&f=false. Acesso em: 25 jun. 2018.

COSTA, T. R. et al. Dinâmica da concentração das exportações brasileiras de celulose química (1990 – 2010). Ciência Florestal, Santa Maria, v. 28, n. 4, p. 1666-1675, 2018.

DICKEY, D. A.; FULLER, W. A. Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica, United Kingdom, v. 49, n. 4, p. 1057-1072, 1981.

ERSEN, N.; AKYÜZ, I.; BAYRAM, B. Ç. The forecasting of the exports and imports of paper and paper products in Turkey using Box-Jenkins method. Eurasian Journal of Forest Science, Istanbul, v. 7, n. 1, p. 54-53, 2019.

GONG, X.; LIN, B. Structural changes and out-of-sample prediction of realized range-based variance in the stock market. Physica A: Statistical Mechanics and its Applications, Netherlands, v. 494, p. 27-39, 2018.

GRAVES T. et al. Systematic inference of the long-range dependence and heavy-tail distribution parameters of ARFIMA models. Physica A: Statistical Mechanics and its Applications, Netherlands, v. 473, p. 60-71, 2017.

GUSTIN, M.; MCLEOD, R. S.; LOMAS, K. J. Forecasting indoor temperatures during heatwaves using time series models. Building and Environment, United Kingdom, v. 143, p. 727-739, 2018.

HAMILTON, J. Time series analysis. 1st ed. Princeton: Princeton University Press, 1994.

HORA, A. B. da; VIDAL, A. C. F. Panorama setorial 2015-2018: celulose. [S. l.]: Banco Nacional de Desenvolvimento Econômico e Social, 2014. Disponível em: https://web.bndes.gov.br/bib/jspui/bitstream/1408/14156/1/Celulose_P_BD.pdf. Acesso em: 25 jun. 2018.

HORA, A. B. da; RIBEIRO, L. B. N. M.; MENDES, R. Papel e celulose = Paper and cellulose. In: PUGA, F. P.; CASTRO, L. B. de (org.). Visão 2035: Brasil, país desenvolvido: agendas setoriais para alcance da meta. 1. ed. Rio de Janeiro: Banco Nacional de Desenvolvimento Econômico e Social, 2018, p. 119-142. Disponível em: https://web.bndes.gov.br/bib/jspui/handle/1408/16222. Acesso em: 20 fev. 2020.

INDÚSTRIA BRASILEIRA DE ÁRVORES. Dados Estatísticos. Brasília, 2018. Disponível em: https://iba.org/dados-estatisticos. Acesso em: 05 nov. 2019.

INVESTING. Suzano e Klabin operam com perdas com preço da celulose em queda. [S. l.], 2019. Disponível em: https://economia.uol.com.br/noticias/investing/2019/07/23/suzano-e-klabin-operam-com-perdas-com-preco-da-celulose-em-queda.htm. Acesso em: 20 fev. 2020.

KWIATKOWSKI, D. et al. Testing the null hypothesis of stationarity against the alternative of a unit root. Journal of Econometrics, Netherlands, v. 54, p. 159-178, 1992.

LÜTKEPOHL, H. Introduction to multiple time series analysis. 2nd ed. New York: Springer, 1991.

MADDALA, G. S. Introduction to econometrics. 2nd ed. New York: Macmillan, 1992.

MARGARIDO, M. A.; TUROLLA, F. A.; FERNANDES, J. M. Analysis of price formation in the international Soybean market: the case of Brazil. Agriculture, São Paulo, v. 47, n. 2, p. 71-85, 2002.

MONTENEGRO, F. S. Spread de crédito no setor de papel e celulose: um estudo da precificação de empresas brasileiras no mercado offshore. 2018. Dissertação (Mestrado em Economia e Finanças) – Fundação Getúlio Vargas, São Paulo, 2018.

MORETTIN, P. A. Econometria financeira: um curso em séries temporais financeira. 3. ed. São Paulo: Blucher, 2016.

MOURA, J. M. de et al. Análise da eficiência energética em segmentos industriais selecionados: segmento celulose e papel. Qualitec-Applus, 2018. Disponível em: http://www.mme.gov.br/documents/10584/105176754/PRODUTO+4_Vpublicacao.pdf/f48424df-30ef-464e-ac90-e30d97f41936. Acesso em 10 dez. 2019.

MURAKAMI, Y.; HERNÁNDEZ, R. A. The impacts of China on economic growth: evidence for Brazil, Chile, and Peru. Journal of Post Keynesian Economics, United States, v. 41, n. 3, p. 430-454, 2018.

OLIVEIRA, A. B.; PEREIRA, J. M.; NASCIMENTO, A. A. Cadeia produtiva de papel e celulose e transformações recentes no sudoeste maranhense. Revista Geografia e Interdisciplinaridade, Grajaú, v. 4, n. 12, p. 135-154, jan. 2018.

O PAPEL. Fusão dá origem a uma das maiores empresas do Brasil. [S. l.], 2019. Disponível em: http://www.revistaopapel.org.br/publicacoes.php?id=2999. Acesso em: 20 fev. 2020.

RAMSER, C. A. de S. et al. The importance of principal components in studying mineral prices using vector autoregressive models: Evidence from the Brazilian economy. Resources Policy, United Kingdom, v. 62, p. 9-21, 2019.

ROSSATO, F. G. F. S. et al. Comparison of revealed comparative advantage indexes with application to trade tendencies of cellulose production from planted forests in Brazil, Canada, China, Sweden, Finland and the United States. Forest Policy and Economics, Netherlands, v. 97, p. 59-66, 2018.

SANTOS, D. R. dos et al. Economic and financial performance of the brazilian pulp and paper industry. International Journal of Advanced Engineering Research and Science, Australia, v. 6, n. 7, p. 622-634, 2019.

SANTOS, G. V. dos; ARAÚJO, A. M. C. & GITAHY, L. M. C. Trabalho, tecnologia e inovação na indústria de processo contínuo: as transformações na indústria brasileira de celulose de mercado. Revista de Administração da UFSM, Santa Maria, v. 9, n. 3, p. 425-447, jul./set. 2016.

SENNA, V. de; SOUZA, A. M. Assessment of the relationship of government spending on social assistance programs with Brazilian macroeconomic variables. Physica A: Statistical Mechanics and its Applications, Netherlands, v. 462, p. 21-31, 2016.

SOARES, P. R. C. et al. Comportamento sazonal da exportação brasileira de celulose para a China entre 1997 e 2012. Floresta, Curitiba, v. 45, n. 2, p. 251-260, jun. 2015.

SOUZA, A. M. et al. Eletrical energy supply for Rio Grande do Sul, Brazil, using forecast combination of weighted eigenvalues. Gestão da Produção, Operações e Sistemas, Bauru, v. 6, n. 3, p. 23-39, jul./set. 2011.

SOUZA, F. M. Modelos de previsão: aplicações à energia elétrica ARIMA-ARCH-AI e ACP. 1. ed. Curitiba: Appris, 2016.

SOUZA, F. M. et al. Uso de modelo de memória longa: previsão de equipamentos para a agroindústria. Iberoamerican Journal of Industrial Engineering, Florianopolis, v. 2, n. 1, p. 137-153, jul. 2010.

Downloads

Publicado

04-06-2020

Como Citar

Reichert, B., & Souza, A. M. (2020). Previsão e interação dos preços da celulose brasileira nos mercados interno e externo. Ciência Florestal, 30(2), 501–515. https://doi.org/10.5902/1980509838223

Edição

Seção

Artigos