Académique Documents
Professionnel Documents
Culture Documents
Raquel Guimares
Faculdade de Cincias Econmicas UFMG Bolsista do Programa de Educao Tutorial SESu/MEC
Sueli Moro
Centro de Desenvolvimento e Planejamento Regional UFMG Professora Adjunta do Departamento de Cincias Econmicas - FACE/UFMG
RESUMO
As previses dos ciclos econmicos so primordiais para nortear a poltica econmica, bem como delinear as decises dos agentes a respeito do investimento e poupana. Este artigo avaliou diversas metodologias de previso para o acompanhamento da Produo Industrial Mineira. O exerccio emprico consistiu da estimao e previso da trajetria da economia mineira, a partir de um conjunto de indicadores antecedentes, atravs de trs metodologias: i. NBER; ii. combinao de previses de sries temporais a partir do modelo de Box e Jenkins e Holt-Winters aditivo; iii. anlise economtrica mediante aplicao dos vetores auto-regressivos (VAR). A despeito de ser de fcil aplicao, os indicadores antecedentes do NBER apresentaram o melhor poder preditivo da srie de referncia, medido em termos da raiz do erro quadrtico mdio, seguidos pelo vetor auto-regressivo e combinao de previses.
INTRODUO
Antever as flutuaes da economia tem sido uma preocupao recorrente no apenas dos profissionais dessa rea do conhecimento, como tambm de matemticos, estatsticos e at mesmo profissionais de outras disciplinas. Essa busca deve-se ao fato de que a deciso de investimento das empresas, alm do consumo e poupana das famlias, influenciada pelas expectativas desses acerca do futuro dos negcios. Dessa forma, especialistas e pesquisadores, a partir de um horizonte de previso, objetivam encontrar padres e regularidades que possam ser projetados no futuro baseados no comportamento passado das variveis macroeconmicas. Esses estudos so vantajosos do ponto de vista dos agentes econmicos, pois este poder auferir lucros caso antecipe corretamente uma melhora na economia como um todo, ou a minimizao de prejuzos quando j se prev um desaquecimento do nvel de atividade econmica. Embora a temtica apresente uma relevncia considervel, a pesquisa em previso econmica marcada por um intenso debate, tanto do ponto de vista terico quanto metodolgico. Sobre essa pluralidade, afirmam Clements e Hendry (2002):
"A forecast is a statement about the future. Such statements may be well founded, or lack any sound basis; they may be accurate or inaccurate on a given occasion, or on average; precise or imprecise; and model-based or informal. () Thus, forecasting is potentially a vast subject". (p. 2)
No que tange especificamente teoria dos ciclos de negcios, a pluralidade nas abordagens tambm norteia o debate entre os cientistas. Jevons, Malthus, Schumpeter, Keynes e outros economistas,
de vrias correntes de pensamento, dedicaram-se ao estudo dos ciclos e sua caracterizao1. Para Massimiliano (2005), o debate concentrava-se em dois pontos:
"This belongs to the old debate on the characterization of business cycles as extrinsic phenomena, i.e, generated by the arrival of external shocks propagated through a linear model, versus intrinsic phenomena, i.e., generated by the non linear development of the endogenous variable". (p. 3)
Do ponto de vista emprico, alm de uma grande disponibilidade de instrumentais para o estudo dos ciclos econmicos, observou-se ainda o desenvolvimento dos pacotes estatsticos, que facilitaram a computao de algoritmos e a anlise de bancos de dados que monitoram as observaes em tempo real. Para adequar metodologia aos objetivos do pesquisador, so necessrios alguns cuidados na anlise emprica dos ciclos: preciso das estimativas (o valor estimado empiricamente consistente com o valor observado na realidade?), confiana na estimativa (qual o seu nvel de erro do valor previsto pelo exerccio emprico?) ou ambos. Deve-se ressaltar que a literatura sugere que as previses nunca so timas, podendo sempre ser avaliadas e aprimoradas, uma vez que, especialmente no estudo dos ciclos, o comportamento das variveis econmicas bastante sensvel s polticas e, por conseguinte, as sries apresentam muitas quebras estruturais e desvios (Granger e Newbold, 1977, p.268). Este artigo pretende avaliar e contrapor diversas metodologias de previso para o acompanhamento da Produo Industrial Mineira. Com esse intuito, o trabalho consiste de quatro partes. Na primeira seo, verificar-se- o estado da arte no tema, sendo identificadas e discutidas ali as primeiras pesquisas empricas que investigaram o estado dos negcios. Na segunda parte ser revisada a literatura brasileira de estudos empricos dos ciclos. Na terceira seo, far-se- uma caracterizao da economia mineira, o que servir de subsdio para a escolha das variveis relevantes para a mensurao de seu nvel de atividade econmica. Na quarta seo, realiza-se a contraposio das metodologias NBER, combinao de previses de mtodos estatsticos e VAR. Por fim, sintetizam-se as contribuies deste trabalho e sugere-se uma agenda de pesquisas.
Para mais detalhes sobre o debate terico a respeito dos ciclos econmicos nos economistas clssicos e de outras correntes econmicas, ver Lima (2005). Para uma discusso mais atual terica, ver Zarnowitz (1999). 2 O economista William Jevons viveu entre 1835 e 1882. Seu livro, publicado em 1871, The theory of Political Economy, foi o precursor da teoria neoclssica. 3 So aqueles pontos nos quais h uma mudana de comportamento, i.e, de uma recesso para uma expanso ou o contrrio.
padro de flutuao agregado, sua durao, profundidade, inter-relao com outros processos (...)" (p.2). Para Koopmans (1947), esses trabalhos prezavam pela mensurao desvinculada da teoria. Com o avano das metodologias, possvel identificar trs tipos de abordagens para previso cclica (Clements e Hendry, 2002): i. O Sistema de Indicadores Antecedentes (SIA); ii. Modelos de sries temporais; iii. Sistemas de equaes economtricos. Nos itens a seguir sero caracterizadas os trs principais tipos de instrumental para o estudo dos ciclos de negcios.
http://www.nber.org http://www.conference-board.org/economics/bci/ 6 http://www.oecd.org 7 Uma discusso sobre as diferenas nas metodologias do NBER e OECD pode ser encontrada em Lima (2005).
Antecedentes Compostos (Composite Leading Indicators ou CLI). Conforme Hendry (1997), os CLIs implementados com uma boa base causal e que possuam uma relao de longo prazo com a varivelchave, so uma ferramenta bastante til para previso. No entanto, uma dificuldade inerente construo de ndices diz respeito ponderao que deve ser atribuda a cada uma das variveis que o compem (LIMA, 2005, 12). Auerbach (1981), analisando os pesos atribudos s sries de estudo pelo NBER, verificou que eles no apresentavam diferenas estatisticamente significantes, tornando-se desnecessrios. Uma grande preocupao conferida aos indicadores antecedentes e aos indicadores antecedentes compostos refere-se sua incapacidade de anteceder os fatos por um longo perodo de tempo to lead for long (HENDRY E CLEMENTS, 1995, 1003). Isso ocorre porque cada ciclo econmico apresenta uma causa determinante de sua trajetria dependendo-se do pas, situao econmica e poltica. Nesse sentido, a identificao das variveis corretas crucial (GRANGER E NEWBOLD, 1977, 268; HENDRY E CLEMENTS, 1995, 1001) Outra nova linha de pesquisa refere-se aos Indicadores Antecedentes baseados na teoria econmica (theory-based leading indicators), que buscam fundamentar a modelagem pelos indicadores. Conforme Leeuw (1991):
"Thus, a more general reason for looking for a theoretical foundation for leading indicators is that may lead to inferences or suggestions about a variety of related topics perhaps including suggestions about forecasting (p. 16)
Basicamente, essa nova classe de indicadores fundamenta-se nas seguintes premissas econmicas (LEEUW, 1991, 16): i. Tempo de produo: existe um gap entre a deciso de produzir do empresrio e sua efetivao em mercadorias ou servios. Variveis que se enquadram nessa perspectiva seriam as novas compras por bens de consumo e materiais, alm de contratos para novas plantas e equipamentos; ii. Facilidade de adaptao: refere-se diferenciao entre os custos dos fatores na produo8. Nesse sentido, temos as horas semanais mdias e a performance nas vendas como variveis mais automticas aps uma variao na demanda; iii. Expectativas do mercado: recorda que h algumas variveis que so especialmente sensveis s especulaes sobre a atividade econmica, tais como os preos das aes e das commodities; iv. Prime Movers: as decises do governo de poltica econmica (monetria e fiscal) possuem um impacto majoritrio sobre as flutuaes dos negcios. Por exemplo, temos a oferta de moeda e os depsitos vista; v. Change-versus-level: significa que as sries temporais econmicas sempre sofrem mudanas recorrentes em seu nvel. Um exemplo disso o nmero de crditos ao consumidor. O autor mostra que os resultados do modelo terico, composto por firmas que minimizam seus custos, so piores em relao aos indicadores antecedentes em seu formato usual na previso dos ciclos. Por sua vez, os indicadores antecedentes baseados na teoria mostraram-se como uma excelente ferramenta de previso nas simulaes. Assim, h um indcio de que as cinco justificativas acima so boas norteadoras para a construo dos indicadores antecedentes.
aos movimentos de longo prazo da economia; ii. componente sazonal, cujos movimentos se caracterizam por padres de curto prazo; iii. componente de tendncia determinstica; iv. componente irregular, ou aleatrio. O procedimento padro para estudo dos ciclos consiste na extrao dos componentes de tendncia, irregular e sazonal, permitindo que seja isolado o componente cclico. Essa separao consiste na pressuposio de que a tendncia da srie determinstica, i.e., aps um choque exgeno, a varivel recupera seu caminho. Um problema apontado por Enders (1995) que a tendncia pode no ser determinstica, mas sim estocstica. Isso quer dizer que a srie possui uma varincia crescente ao longo do tempo e, por conseguinte, os intervalos de confiana para as previses so maiores. Alm disso, a decomposio da srie econmica conforme esses critrios estatsticos pode no ser bem sucedida uma vez que as flutuaes cclicas podem estar fortemente relacionadas com as perturbaes sazonais, e estimativas no-robustas seriam decorrentes de ajustes para suavizar essa sazonalidade (WELLS, 1999). Achuthan e Banerji (2004) argumentam, por exemplo, que o mtodo de extrapolao, recorrentemente utilizado pelos economistas para prever a trajetria do ciclo econmico, seria pouco eficiente na previso dos pontos de reverso. Assim, isso repercutiria na m reputao das previses econmicas (p.27). Os modelos economtricos para o estudo da trajetria cclica possuem uma mesma vantagem que os modelos estatsticos em relao aos indicadores antecedentes: eles fornecem a estimativa e uma medida de disperso dessa previso, o que confere a elas tanto a caracterstica de precisos quanto de confiveis. Do ponto de vista metodolgico, Hendry (1997) afirma que as tcnicas economtricas podem ser bastante competitivas em relao aos demais mtodos. Isso porque a maioria das abordagens apresenta problemas ao lidar com os problemas de processos inconstantes e, portanto, geram-se estimativas pouco consistentes. Uma vez que as sries econmicas esto sujeitas a quebras estruturais, de acordo com choques permanentes de poltica, tecnolgicos e outros, a econometria sobressa-se como um aparato til, por incorporar grande parte das peculiaridades inerentes aos processos econmicos.
A literatura em relao aos indicadores antecedentes e coincidentes relativamente pequena no Brasil, provavelmente, em decorrncia do recente fim do perodo inflacionrio, o que dificultava a mensurao do nvel de atividade econmica (DUARTE, ISSLER E SPACOV, 2004, 2). Chauvet e Silva (2004) dedicaram-se ao estudo dos indicadores antecedentes como preditores dos pontos de reverso da economia (mais especificamente, do estado de recesso). Seus indicadores foram construdos a partir de uma varivel latente, ou no observada, que determinaria o estado da economia, no observada. Para identificar os pontos de mudana de estado, os autores utilizaram um modelo de fator dinmico, no qual o estado da economia estabelecido atravs de um processo de markov. As probabilidades de mudanas de regime, a partir dos indicadores antecedentes, foram computadas atravs de um modelo probit. Os resultados mostraram que o modelo probit, que determinou as probabilidades de recesso, foi bem ajustado dentro e fora da amostra. Ribeiro e Dias (2004) buscaram construir um ndice coincidente para o monitoramento da atividade local de um municpio (Maring), sendo que suas variveis de interesse refletem as modificaes na demanda agregada, com seus efeitos subseqentes sobre o nvel de produo. Os autores utilizaram a tcnica de componentes principais para a determinao dos pesos. O ndice de atividade econmica de Maring apresentou um alto ndice de correlao com os movimentos do PIB. Foram tambm comparadas metodologias de previso atravs do instrumental de Box e Jenkins e o Filtro de Kalman, sendo que a primeira mostrou-se mais eficiente devido a uma maior correlao com o PIB e menor erro de previso, de acordo com um teste de hipteses apresentado por Diebold e Mariano (1995, apud Ribeiro e Dias, 2004). Duarte, Issler e Spacov (2004) realizaram uma contraposio entre indicadores coincidentes produzidos a partir de trs mtodos: i. tcnica heurstica do TCB; ii. construo a partir de pesos advindos 5
de correlaes cannicas; e, iii. correlao do ciclo comum do indicador com o da varivel latente que expressa a trajetria da economia. A partir desses mtodos, os autores procederam com a datao dos perodos de recesso. Os resultados das estimaes apresentaram uma divergncia quanto aos perodos identificados de contrao da economia, o que, segundo os autores, seria uma conseqncia da sensibilidade do ndice s sries coincidentes utilizadas (p. 27). A metodologia do TCB, a despeito da fcil aplicao, demonstrou apresentar um maior grau de coincidncia com o PIB. Lima (2005) utilizou o Produto Interno Bruto (PIB) como varivel de referncia para descrever a trajetria econmica brasileira. Seu trabalho consistiu na identificao de um sistema completo de indicadores para o caso brasileiro, i.e., os indicadores antecedentes, coincidentes e defasados. A autora disps de um nmero significativo de sries e de trs metodologias: NBER, Modelo Auto-regressivo de Defasagens Distribudas (ARDD) e a modelagem economtrica VAR. Todas as metodologias apresentaram um bom desempenho, dentro e fora da amostra, com os indicadores apresentando uma relao estvel de longo prazo com o PIB e tambm com um bom ajuste medido pela raiz do erro quadrtico mdio (REQM). Entretanto, a metodologia ARDD apresentou um menor REQM e um melhor desempenho fora da amostra. Houllauer e Issler (2006) objetivaram construir indicadores antecedentes para a Produo Industrial, prever seus pontos de reverso, e tambm comparam metodologias. Para tanto, os autores utilizaram modelos lineares para a construo dos CLIs, e os modelos binrios para a datao da varivel coincidente uma vez que o Brasil no dispe de uma medida oficial para a classificao do estado da economia em recesso ou expanso. Alm disso, foi utilizado tambm para a datao o algoritmo de BryBoshan (1971), o qual identifica se o ponto de reverso um pico ou um vale. Em seguida, os autores calcularam as sries antecedentes em um, trs e seis passos a frente, no qual a antecedncia foi determinada a partir dos testes de causalidade de Granger e correlogramas cruzados. Os autores concluem que os indicadores de curto prazo mostraram-se pouco adequados para prever a trajetria do PIB, enquanto que os seis meses frente tambm foram pouco eficientes.
Na definio dos autores, setores-chave so aqueles que possuem fortes efeitos de encadeamento em termos do fluxo de bens e servios(p.19). Para a mensurao do efeito de encadeamento, eles utilizaram os ndices de interligao para trs e para frente os quais, em resumo, indicam quanto cada setor afetado quando ocorre uma variao unitria na demanda final daquele setor.
mdia, a 9,6% do Produto Interno Bruto Brasileiro. Isso mostra a importncia do estado na dimenso econmica nacional. Analisando-se os setores produtivos, em 2006, o setor de servios representa o maior percentual do PIB mineiro (46,31%), acompanhado pelo setor industrial (45,38%) e o setor agropecurio (8,31%) (FIEMG, 2006). Quanto ao comrcio com outros estados, a balana comercial mineira mostrou-se superavitria desde 2000, com um saldo em 2006 de US$ 10,78 bilhes (FUNDAO JOO PINHEIRO, 2006). Quanto ao perfil da indstria mineira, destacam-se, em 2006: o setor metalrgico, responsvel por 35% da produo brasileira como um todo; o setor txtil, que o segundo plo em importncia no pas, bem como o automotivo; e a indstria extrativa mineral, que responsvel por 22% do valor adicionado da produo brasileira no setor (FIEMG, FUNDAO JOO PINHEIRO, 2006). Pelo exposto, possvel evidenciar que a economia mineira bastante diversificada e apresenta setores de dimenses econmicas significativas no pas. Entretanto, h algum grau de dependncia entre o estado e outras regies no que se refere produo em alguns setores. Alm disso, a economia de Minas Gerais segue fortemente, como era de se esperar, a trajetria da economia nacional.
Produo industrial (2002=100) - Minas Gerais - BACEN O nome da srie iniciado com A indica que a srie em uso foi a estacionria. Para a definio da ordem de integrao da srie, utilizou-se a anlise dos correlogramas da Funo de Autocorrelao e Funo e Autocorrelao parcial, alm do teste de Dickey-Fuller Aumentado para a deteco de raiz unitria. Todas as sries antecedentes nesse trabalho so integradas de primeira ordem. 12 A terminao SA refere-se varivel com ajuste sazonal X12.
puras. As sries medidas em dlares foram transformadas a partir da cotao mensal mdia13 e as que se apresentavam em reais foram deflacionadas utilizando-se o ndice Nacional de Preos ao Consumidor (INPC), disponibilizado pelo IBGE. O perodo de anlise foi de 1992:01 a 2006:11, sendo que as diferenciaes nas sries e os ajustes sazonais acarretaram em perdas de algumas observaes. Para a escolha final das variveis que compuseram os indicadores antecedentes em cada metodologia, foi utilizado o Teste de Causalidade de Granger, no qual foi detectado o perodo do indicador que representava estatisticamente a maior significncia para a previso da Produo Industrial. Vale dizer que a literatura em geral utiliza esse procedimento para a identificao do estado de antecedncia (LIMA, 2005; HOLLAUER E ISSLER, 2006)
e It =
Lima (2005) constri o indicador antecedente do NBER com ponderaes proporcionais correlao da srie com a srie de referncia.
13
insuficincia pontuais de determinadas metodologias; ii. a desvinculao do exerccio de previso da fundamentao terica. A segunda linha de crticas ressalta a importncia de que haja um maior estreitamento nos exerccios empricos da realidade econmica, isto , os modelos deveriam captar a influncia de todos os determinantes econmicos e a direo da causalidade entre eles sobre a varivel de referncia. Essa linha, no entanto, no desconsidera a importncia do conhecimento das particularidades e a avaliao de cada metodologia utilizada. Como aprimoramento das previses, Granger e Newbold (1977) sugerem que se adote um procedimento denominado combinao de previses. Esse mtodo consiste na estimao de valores preditos por vrias metodologias e a criao de um mecanismo de combinao dessas previses. Sua importncia dada pelo aumento do poder preditivo da estimao, o qual nunca ser pior que uma previso isolada, medida em termos da soma de quadrados dos resduos (p. 270). Bates e Granger (1969) formalizaram o procedimento e o testaram para dados sobre o nmero de passageiros em companhias areas. Formalmente, eles demonstraram o mecanismo de combinao de previses, o qual ser descrito a seguir. Considere f n(1) e f n( 2 ) previses produzidas por dois mtodos distintos, para uma srie X n . O erro de previso dado por:
( en j ) = X n f n( j ) , j = 1,2 (4.3.1)
[ ]
[ ]
2
Onde k o peso atribudo a cada previso. Por conseguinte, o erro da previso combinada pode ser expresso por:
( ( ( enC ) = X n Cn = ken1) + (1 k )en2 ) (4.3.3)
No que tange varincia da previso combinada, a qual permite o clculo de intervalos de confiana, temos que:
2 2 C = k 2 12 + (1 k ) 2 + 2k (1 k ) 1 2 (4.3.4)
No entanto, os valores tericos i2 e so desconhecidos. Assim, devemos estimar o valor do peso k, no tempo n, que ser denominado por k .
n
Considere os n-1 perodos de tempo anteriores, cujos erros de previso computados por cada ( mtodo so en j ) , n = 1,2,..., n 1; j = 1,2 . O estimador de mxima verossimilhana o mesmo estimador por mnimos quadrados ordinrios e, no caso de uma distribuio normal bivariada dos erros obtidos pelos dois mtodos, temos que: kn =
t =n v
(e( )
n 1
(e( )
Onde v um parmetro que pondera o nmero de observaes mais antigas a serem consideradas no clculo. Granger e Newbold afirmam, no entanto, que a equao (4.3.6) inconsistente quando a amostra pequena e, alm disso, espera-se que a performance dos dois mtodos seja no estacionria (p.271). Assim, eles desenvolveram alguns estimadores para kn : 9
kn =
t = n v
(e
n 1
t = n v t
et(2 )2
(1)2
n 1
+ et
( 2 )2
kn =
t = n v
W (e
n 1 t
t = n v
W (e( )
n 1 t t
2 2
et(1)et(2 ) ) 2et et
(1) ( 2 )
(1)2
+ et
( 2 )2
,W 1
(4.3.7)
k n = k n 1 +
(1 ) et(2 )2
t =nv t =nv
n 1
W e( )
t t
n 1
2 2
(e
n 1
(1)2
t
+ et
( 2 )2
t = n v
W (e
n 1
(1)2
+ et
( 2 )2
,W 1
(4.3.10) (4.3.8) Teixeira (2005) enumera outras trs possibilidades de construo dos pesos: i. Pesos iguais: este o modelo mais simples, no qual as previses so igualmente computadas e a combinao entre elas dada por uma mdia simples; ii. Pesos inversamente proporcionais: neste caso o peso atribudo a cada previso depende do desempenho de cada uma, i.e., "atribuir pesos relativamente altos para previses cujos mtodos tiveram melhor desempenho recente e pesos relativamente baixos para aquelas cujos resultados no tiveram um bom desempenho recente" (p.53). A medida de desempenho da previso pode ser dada por inmeras medidas, como a soma de quadrados dos resduos, raiz do erro quadrtico mdio e os critrios AIC e BIC; iii. Pesos baseados em regresses: os pesos sero os estimadores encontrados para os parmetros na regresso cuja varivel dependente o desvio entre a previso feita atravs da combinao e a estimada por um mtodo e a varivel explicativa o desvio entre as previses feitas por mtodos isolados, o que corrigiria a inconsistncia dos estimadores de Mnimos Quadrados Ordinrios e Mxima verossimilhana para kn , descritos anteriormente. Os ganhos decorrentes da combinao das previses, nos dizeres de Granger e Newbold (1977), so decisivos porque " bem provvel que uma delas possua informao til que no pode ser encontrada em outra" (p.269). Dessa forma, seria possvel aproveitar cada metodologia e conseguir uma previso mais acurada14. Neste trabalho, foi utilizado esse procedimento para as previses construdas a partir dos mtodos estatsticos (Modelos Box-Jenkins e Holt-Winters Aditivo).
Ainda segundo o autor, no seria possvel piorar a eficincia de uma previso com esse mtodo porque, na maioria das situaes prticas, a varincia mnima do erro de previso aps a combinao menor que a menor das varincias dos erros das previses individuais, i.e., possvel provar que 2c < min (21, 22). (p. 270)
10
defasagens dela mesma e de outras variveis, admitindo tambm a presena de componentes determinsticos como o intercepto, tendncia e dummies. Vale ressaltar que a distino entre variveis exgenas e endgenas no necessria com esse instrumental, sendo que as do tipo exgenas podem inclusive no existir no modelo. Matematicamente, podemos escrever um VAR como uma expresso do tipo: Yt = A1Yt 1 + A2Yt 2 + ... + AN Yt N + Bxt + t (4.4.1) Onde: Yt um vetor de variveis endgenas; xt um vetor de variveis exgenas; A a matriz de coeficientes e t o vetor conhecido como inovao, que contm termos correlacionados uns com os outros e no correlacionados com seus prprios valores defasados, Yt 1 e xt . Os modelos VAR podem ser estimados, portanto, consistentemente por Mnimos Quadrados Ordinrios15. Uma vantagem inerente aos modelos VAR refere-se sua capacidade preditiva, embora seus coeficientes no sejam, diretamente, utilizados para tanto. Atravs da funo de impulso-resposta, possvel verificar o impacto de um choque aleatrio sobre uma varivel endgena de referncia. Cada coeficiente dessa funo mostra a resposta de uma varivel do modelo a uma perturbao especfica ( it ), ceteris paribus as demais ( jt , para i j ). Outra ferramenta til para a previso com modelos VAR diz respeito decomposio da varincia, a qual classifica a importncia relativa de cada inovao aleatria.
5. ANLISE DE RESULTADOS
As variveis antecedentes classificadas de acordo com a maior significncia em relao Produo Industrial de Minas Gerais esto sumarizadas na Tabela 1. Verificamos que, das 31 sries selecionadas pela sua relevncia na economia mineira e pela literatura, apenas nove mostraram-se significativas como causais no sentido de Granger. Entre elas, o ndice de preos ao atacado no setor extrativo mineral apresentou o maior nmero de defasagens relevantes, alm do o ndice para o setor cafeeiro e das indstrias de transformao. Tal como sugere a literatura, os indicadores de nmero de empregados e horas trabalhadas na indstria de Minas Gerais tambm revelaram uma antecedncia estatstica em relao produo industrial. Podemos verificar tambm que a o desempenho da indstria paulista e brasileira tambm influenciam a performance futura da produo mineira.
Tabela 1: Variveis antecedentes em relao a produo industrial mineira e defasagens, conforme o Teste de Causalidade de Granger Varivel antecedente16 APROD_IND_SP_SA AIPA_EXTRATIVA_SA ABALANCA_MINAS_SA AHORAS_TRAB_SA AEMPREGADOS_SA Lags de antecedncia 1,7 2,3,4,6,7,8,9,10,11,12 2 4,6 4,7,8 Lag mais significativa (Teste F) 1 2 2 6 7
15 Embora os vetores auto-regressivos mostrem-se como uma ferramenta mais verstil, Enders (1995) aponta algumas limitaes inerentes sua utilizao como um modelo econmico: i. No apresenta uma exigncia terica razovel sobre a sua estrutura, o que pode indicar, na contra-mo de seus objetivos, a ausncia de critrios tericos para incluso de variveis; ii. No h um critrio para a determinao do conjunto de variveis relevantes no modelo; iii. Ausncia da definio do nmero de defasagens ideal; iv. Robustez questionvel das previses na presena de quebras estruturais; v.Pouca utilidade para o entendimento da poltica econmica.
16
APROD_IND_SP = Produo Industrial So Paulo - FIESP ndice 2002=100; AIPA_EXTRATIVA = IPA-OG - indstria extrativa mineral - ndice (ago. 1994 = 100) - FGV/Conj. Econmica; ABALANCAMINAS = Saldo da balana comercial Minas Gerais (US$ mil) BACEN; AEMPREGADOS = Pessoal empregado total na indstria - Minas Gerais - ndice (2002=100) BACEN; AHORASTRAB = Horas trabalhadas na produo - Minas Gerais (US$ mil) BACEN; APROD_IND_BR = Produo industrial - indstria geral - quantum - (mdia 2002 = 100) - IBGE/PIM-PF; AIPA_INDTRANSF = IPA-OG - indstria de transformao - ndice (ago. 1994 = 100) - FGV/Conj. Econmica; AIPA_CAFE = caf e estimulantes - ndice (ago. 1994 = 100) - FGV/Conj. Econmica; AIMPORTACOES = Importao de bens - Minas Gerais - (US$ mil) BACEN.
11
3 5 11 12
De forma a corrigir a presena desses valores discrepantes, procedeu-se imputao atravs de um algoritmo disponvel no pacote estatstico STATA17, de autoria de Matthias Schonlau, denominado hotdeckvar. Basicamente, o mtodo substitui os outliers por valores que so semelhantes s suas observaes doadoras, de forma a preservar as correlaes existentes entre elas. Essas observaes doadoras so escolhidas aleatoriamente. Alm disso, a imputao tem como pressuposto que os outliers so provenientes de distribuies aleatrias. Essa suposio no violada uma vez que no se observa um processo sazonal nos valores discrepantes. O Grfico 1 e 2 mostram o ajuste do mtodo NBER e NBER sem outliers em relao Produo Industrial Mineira padronizada. possvel observar que a presena dos outliers no Grfico 1 subestima a qualidade de aproximao, resultando em uma raiz do erro quadrtico mdio de 11,28. Com a imputao hotdeckvar, o ajuste mostrou uma REQM de 2,14.
17
12
20
0
-2 0
-4 0
-5
-6 0
-1 0
-8 0
-1 5
-1 0 0
-1 2 0
1994
1996
1998
2000
2002
2004
-2 0
1994
1996
1998
2000
2002
2004
NBER
NBER_PRO D
N B E R _ IM P U T E D
NBER_PROD
PROD_IND_MG_SA
PROD_ISM_SA
PROD_IND_MG_SA
O passo seguinte consiste na estimao do melhor modelo Box-Jenkins para a srie em estudo. De acordo com o teste de Dickey-Fuller, temos que a srie PROD_IND_MG_SA integrada de primeira ordem. Nessa srie estacionaria, portanto, poder ser aplicada a metodologia de Box-Jenkins. O perodo de anlise nessa metodologia foi de 1992:02 a 2005:11. Identificou-se a partir da anlise do correlograma da srie a presena de um processo mdia mvel na primeira defasagem. Portanto, trata-se de um processo do tipo ARIMA(0,1,1)19. Quanto qualidade de
18 19
Parmetro alfa = 0,64; beta = gamma = 0,00 O modelo estimado por Box-Jenkins foi D(PROD_IND_MG_SA)=0.251+[MA(1)=-0.3697473251]
13
ajuste desse modelo, temos que sua raiz do erro quadrtico mdio 4,39. O Grfico 5 mostra a sua qualidade de aproximao da srie em relao srie Produo Industrial de Minas Gerais.
Grfico 5: Performance do modelo Box-Jenkins: ARIMA (0,1,1)
120 110 100 90 80 70 60 1992 1994 1996 1998 2000 2002 2004 2006
PROD_IND_MG_SA
PROD_IND_BJ
Em seguida procedeu-se aplicao da metodologia de combinao de previses. O instrumental consistiu em agrupar as previses obtidas a partir do Mtodo de Suavizao Exponencial de Holt-Winters Aditivo e do modelo de Box-Jenkins, de forma a encontrar um novo ajuste que seria, em tese, melhor do que as previses computadas individualmente. A Tabela 3 reporta os resultados da qualidade de ajuste das previses combinadas, de acordo com os pesos propostos por Granger e Newbold (1977), que foram discutidos em seo anterior.
Tabela 3: Raiz do erro-quadrtico mdio das previses combinadas utilizando-se as ponderaes de Granger e Newbold (1977) Equao Parmetro v=1 v=3 v=6 v=9 v = 12 w=1 w = 1.5 w = 2.5 w=1 w = 1.5 w = 2.5 REQM 2.42854150 2.61282452 2.90594423 3.09496031 3.27242662 5.26812594 6.60838130 8.31955484 2.44704443 2.38083986 2.40692122 2.37880797 4.39563405 Equao Parmetro v=1 v=3 v=6 v=9 v = 12 v=1 v=3 v=6 v=9 v = 12 v=1 v=3 v=6 v=9 v = 12 REQM 2.41292121 2.63489157 2.92406508 3.12656384 3.30685097 2.42470537 2.69916225 2.97045088 3.17473897 3.35682643 2.41612004 2.66200436 2.94378633 3.14816335 3.32939987
4.3.7
= 0.5
4.3.9
4.3.8
= 0.7
= 0.9
Conforme podemos observar, a grande maioria das combinaes de previses obtiveram resultados inferiores em termos da REQM. A combinao obtida a partir do peso da equao 4.3.10, com w = 1,5, apresentou qualidade de aproximao semelhante a do Mtodo Holt-Winters. Assim, esse exerccio mostrou que o mtodo de combinao de previses no apresentou uma boa performance. Para contornar esse problema, a literatura sugere a utilizao de diferentes critrios para distinguir as previses, conforme diferentes funes de perda, e verificar como elas se comportam (Bordley, 1982). Miller et al (1992) argumentam que os pesos combinados de Bates e Granger (1969) podem ser instveis em decorrncia de sries no-estacionrias. Os autores definem a no-estacionariedade como resultado da: i. presena de quebras estruturais; ii. da ineficincia do prprio mtodo em si. Testou-se a presena de 14
quebras estruturais na srie PROD_IND_MG_SA e no se obteve resultados estatisticamente significativos pelo teste de Chow. Uma outra possibilidade seria incorporar uma estrutura temporal dos resduos, quando a combinao das previses no possui um rudo branco (Granger e Ramanathan, 1984).
Para mais detalhes, ver Enders (1995) H0: no h nenhuma equao cointegrante. Valor-p = 0,0009 22 AIC = 40,40 e EFP (Erro final de previso) = 2,36 23 Ver o resultado da estimao do VAR na Tabela A.1, em Anexo.
15
produo (como capital), a produo industrial sofre uma queda. Os ciclos se repetem at o dcimo segundo perodo, porm com menor intensidade. A decomposio da varincia Produo Industrial mineira, que classifica a importncia das inovaes sobre a mesma, mostra que o maior responsvel pela resposta a mesma varivel, seguida das variveis AIPA_EXTRATIVA, AIMPORTACOES e AHORASTRAB (ver Tabela A.2, em Anexo). No que tange ao poder preditivo do VAR, estimou-se a primeira equao do sistema, cuja varivel dependente a Produo Industrial Mineira e encontraram-se os valores preditos pelo modelo. Assim, foi possvel calcular-se a REQM da previso, o qual mostrou-se de bom ajuste (REQM = 2,36).
Figura 1: Funo de impulso-resposta da Produo Industrial Mineira ao ndice de Preos ao atacado indstria extrativa mineral
Response of APROD_IND_MG_SA to Cholesky One S.D. AIPA_EXTRATIVA_SA Innovation 1.2
0.8
0.4
.0
0.0
-0.4
-0.8 1 2 3 4 5 6 7 8 9 10 11 12
10
11
12
6. CONSIDERAES FINAIS
A construo de previses confiveis e robustas so fortemente demandadas pelos formuladores de poltica econmica, investidores e as famlias. Geralmente, esses agentes tomam as suas decises baseadas em suas expectativas sobre o futuro. Dessa maneira, o aprimoramento dos mtodos de previso de suma importncia na predio da conjuntura macroeconmica e, conseqentemente, contribui para a formao das expectativas desses agentes. Situou-se nesse trabalho o estado da arte das metodologias de previses e acompanhamento de variveis que representam o ciclo econmico de Minas Gerais, mensurado a partir da Produo Industrial. Pode-se verificar que os instrumentais evoluram com muito rigor, e todos possuem vantagens e desvantagens inerentes sua aplicao. Dessa forma, cabe ao bom senso do pesquisador encontrar mtodos mais apropriados para os seus objetivos e ao fenmeno econmico de interesse, alm de sempre buscar o aprimoramento de suas previses. Realizou-se um exerccio emprico de previso do nvel da Produo Industrial Mensal de Minas Gerais atravs de trs mtodos: NBER (Indicadores Antecedentes), combinao de previses de mtodos 16
estatsticos e Vetores Auto-Regressivos. Dentre eles, o mtodo NBER obteve o melhor desempenho, medido pelo critrio da raiz do erro quadrtico mdio das previses. Em suma, podemos dizer que, embora sejam mais facilmente implementados, os indicadores antecedentes do NBER construdos a partir das sries: BALANCA_MINAS_SA(-2), EMPREGADOS_SA(-7), HORAS_TRAB_SA(-6), IMPORTACOES_SA(-12), IPA_CAFE_SA(-11), IPA_EXTRATIVA_SA(-2), IPA_INDTRANSF_SA(5), PROD_IND_BR_SA(-3), PROD_IND_SP_SA(-1) se constituem em uma boa Proxy para o nvel de atividade de Minas Gerais. Embora no tenha se destacado como o mais eficiente, o mtodo VAR apresentou um bom ajuste e, mais ainda, ainda oferece um instrumental de anlise econmica bastante relevante, facilitando o entendimento do fenmeno econmico e de seus ciclos como um todo. A combinao de previses dos mtodos estatsticos, por sua vez, apresentou uma pior qualidade de ajuste. Para alm dos resultados neste trabalho, sugere-se como uma agenda de pesquisa a identificao dos pontos de reverso dos ciclos de negcios de Minas Gerais. Um empecilho a essa datao deve-se ausncia de um indicador do nvel de atividade econmica regional e de sries mais longas que permitam a identificao histrica dos perodos de recesso e expanso. Assim, a utilizao de processos de Markov, tal como evidenciados na literatura, ou mesmo de modelos com variveis dependentes latentes (probit e logit) podem ser teis nessa tarefa. A utilizao de mtodos mais avanados que possam corrigir o vis da combinao de previses tambm emerge como uma possibilidade para um estudo posterior.
REFERNCIAS BIBLIOGRFICAS
ACHUTHAN, Lakshman; BANERJI, Anirvan. Beating the Business Cycle: How to Predict and Profit from Turning Points in the Economy. New York: Currency Doubleday, 2004. AUERBACH, A. J. The index of leading indicators: measurement without theory, twenty-five years later. Working Paper 761. NBER, setembro de 1981. BATES, J.M; GRANGER, C. W. J. The combination of forecasts. Operations Research Quartely, 20, pp. 451-468. 1969. BOX, E. P.; JENKINS, G. M. Time series analysis: forecasting and control. Ed. Oakland. 1976. BORDLEY, R. The combination of forecasts: a Bayesian approach. Operations Research Society. V. 33, p.171-174. 1982. BURNS, A. F.; MITCHELL, W. C. Measuring Business Cycles. New York: National Bureau of Economic Research, 1946. 560 p CARVALHO, Fernando J. Cardim de; HERMANNY, Paulo Fernando. Ciclos e Previso Ciclica: O Debate Teorico e um Modelo de Indicadores Antecedentes para a Economia Brasileira. Anlise Econmica, Porto Alegre, v. 21, n. 39, p.43-64, 2003. CHAUVET, M.; SILVA, J. A. B. Indicadores antecedentes de Recesses Brasileiras. Encontro Brasileiro de Econometria. Julho de 2004. <http://www.sbe.org.br/ebe26/020.pdf>. Acessado em 9 de fevereiro de 2007. CHIARI, J. R. P.; DUARTE FILHO, F. C. Caractersticas estruturais da economia mineira. Anais do X Seminrio sobre a Economia Mineira. 2002. <http://www.cedeplar.ufmg.br/diamantina2002/textos/D35.PDF>. Acessado em 19 de dezembro de 2007. CLEMENTS, Michael P.; HENDRY, David F. Macro-Economic Forecasting and Modelling. Economic Journal, v. 105, n. 431, p.1001-1013, 1995. _______________________________________. A companion to Economic Forecasting. Blackwell Publishing, 2002. DUARTE, A. J. M.; ISSLER, J. V.; SPACOV, A. Indicadores coincidentes de atividade econmica e uma cronologia de recesses para o Brasil. Pesquisa e Planejamento Econmico, v. 34, n.1. Abril de 2004. 17
ENDERS, W. Applied econometric time series. Willey series in probability and mathematical statistics. 1995. FIEMG. Balano anual da economia mineira. Disponvel em: < http://www.fiemg.com.br/content/produto/lst_produto.asp?cod_diretoria=110&nom_diretoria=#> Acessado em janeiro de 2007. 2006. FUNDAO JOO PINHEIRO. Informativo Produto Interno Bruto de Minas Gerais. Disponvel em: <http://www.fjp.gov.br/produtos/cei/informativo_pib.pdf> Acessado em janeiro de 2007. 2006. GRANGER, C. W. J.; NEWBOLD, Paul. Forecasting economic time series. New York: Academic Press, 1977. 333p. GRANGER, C. W. J.; RAMATHAN, R. Improved methods of Combining Forecasts. Journal of Forecasting, Vol. 3, 197-204. 1984. HENDRY, David F.The Econometrics of Macroeconomic Forecasting. Economic Journal, v. 107, n. 444, p.1330-1357, 1997. HOLLAUER, G.; ISSLER, J. V. Construo de Indicadores Coincidentes para a Atividade Industrial Brasileira e Comparao de Metodologias. Texto para discusso n 1194. Braslia, junho de 2006. KOOPMANS, T. C. Measurement without theory. Review of Economics and Statistic, v. 29, p.161179. 1947. LAHIRI, Kajal.; MOORE, Geoffrey. Leading economic indicators: new approaches and forecasting records. Cambridge [England]; New York: Cambridge University Press, 1991. 464 p. LIMA, Izabel C.. Ciclos econmicos e previso cclica: um estudo de indicadores antecedentes para a economia brasileira. 2005. Dissertao (Mestrado) - Departamento de Centro de Desenvolvimento e Planejamento Regional, Universidade Federal de Minas Gerais, Belo Horizonte, 2005. MARCELLINO, Massimiliano. Leading Indicators: What have we learned? WORKING PAPER SERIES: Working Paper , Milo, n. 286, p.1-84, mar. 2005. MILLER, C.; CLEMEN, R.; WINKLER, R. The effect of non stationarity on combined forecasts. International Journal of Forecasting. v. 7, p. 515-529. 1992. MINGOTI, Sueli. Anlise de dados atravs de mtodos de estatstica multivariada: uma abordagem aplicada. Editora UFMG, 2005. MOORE, Geoffrey H.. What is a Recession? American Statistician, v. 21, n. 4, p.16-19, 1967. MORETTIN, P.; TOLOI, C. Anlise de series temporais. Editora Edgar Blucher, 2004. MORGAN, Mary S. The history of econometric ideas. Cambridge: Cambridge Univ., c1990. 296p. NEFTCI, Salih N. Lead-Lag Relations, Exogeneity and Prediction of Economic Time Series. Econometrica, v. 47, n. 1, p.101-114, 1979. PYNDICK, S.; RUBINFELD, D. L. Econometria: modelos e previses. Elselvier. 2004. RIBEIRO, V. S.; DIAS, J. ndice de atividade econmica: os modelos de filtro de Kalman e BoxJenkins comparados. Anais do XII Encontro Nacional de Economia. Dezembro de 2004. NILSSON, R. OECD System of Leading Indicators. Seminrio sobre Indicadores Lderes y Encuestas de expectativas. IPEA CEPAL-OECD. Rio de Janeiro. Dezembro de 2000. TEIXEIRA, Denise F. Combinao de Previses para srie de telefonia celular. 2005. Dissertao (Mestrado) Departamento de Estatstica, Universidade Federal de Minas Gerais, Belo Horizonte, 2005. WELLS, John M.. Seasonality, leading indicators, and alternative business cycle theories. Applied Economics, v. 31, n. 5, p.531-538, 1999.
18
ANEXO
Tabela A.1: Coeficientes e medidas de ajuste do Vetor Autoregressivo Vector Autoregression Estimates Date: 04/09/07 Time: 15:45 Sample (adjusted): 1992M05 2005M11 Included observations: 163 after adjustments Standard errors in ( ) & t-statistics in [ ] D(PROD_IND_ AIPA_EXTRA AIMPORTACO AHORASTRA MG_SA) TIVA_SA ES_SA B_SA D(PROD_IND_MG_SA(1)) -0.384909 (0.09797) [-3.92873] 0.022983 (0.16142) [ 0.14238] 1479.595 (1683.99) [ 0.87862] 0.020537 (0.09778) [ 0.21004]
D(PROD_IND_MG_SA(2))
D(PROD_IND_MG_SA(3))
AIPA_EXTRATIVA_SA(1)
AIPA_EXTRATIVA_SA(2)
AIPA_EXTRATIVA_SA(3)
0.018332 (0.05163) [ 0.35509] 3.42E-06 (4.7E-06) [ 0.72039] 1.30E-07 (5.3E-06) [ 0.02449] 2.94E-06 (4.8E-06) [ 0.60808] -0.008076 (0.08954)
0.063621 (0.08506) [ 0.74799] 1.26E-05 (7.8E-06) [ 1.61467] -6.39E-06 (8.7E-06) [-0.73141] -1.77E-06 (8.0E-06) [-0.22209] 0.042100 (0.14752)
99.29077 (887.364) [ 0.11189] -0.647734 (0.08151) [-7.94660] -0.472144 (0.09119) [-5.17746] -0.146402 (0.08297) [-1.76442] -1042.744 (1538.99)
0.048949 (0.05152) [ 0.95005] 2.47E-06 (4.7E-06) [ 0.52085] -7.63E-07 (5.3E-06) [-0.14402] 4.25E-06 (4.8E-06) [ 0.88165] -0.377947 (0.08936)
AIMPORTACOES_SA(-1)
AIMPORTACOES_SA(-2)
AIMPORTACOES_SA(-3)
AHORASTRAB_SA(-1)
19
[-0.09019] AHORASTRAB_SA(-2) 0.032242 (0.09376) [ 0.34389] 0.124651 (0.08530) [ 1.46137] 0.183981 (0.23404) [ 0.78613] 0.192595 0.128003 835.9917 2.360779 2.981706 -364.5288 4.632255 4.878995 0.259215 2.528121
[ 0.28539] 0.156172 (0.15447) [ 1.01101] 0.070442 (0.14053) [ 0.50126] 1.012193 (0.38559) [ 2.62507] 0.236154 0.175046 2269.262 3.889526 3.864555 -445.9139 5.630846 5.877587 2.121833 4.282347
[-0.67755] 1868.610 (1611.54) [ 1.15952] 4039.738 (1466.12) [ 2.75540] 5177.489 (4022.68) [ 1.28707] 0.390612 0.341861 2.47E+11 40577.97 8.012394 -1954.103 24.13623 24.38297 1904.863 50018.61
[-4.22958] -0.105187 (0.09357) [-1.12414] 0.181867 (0.08513) [ 2.13642] -0.414480 (0.23357) [-1.77455] 0.328757 0.275058 832.6627 2.356074 6.122174 -364.2036 4.628265 4.875005 -0.105721 2.767179
AHORASTRAB_SA(-3)
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
Tabela A.2: Decomposio da varincia D(PROD_IND_MG_SA): Period 1 2 3 4 5 6 7 z 8 9 10 S.E. 2.360779 2.528573 2.578887 2.601288 2.610605 2.611999 2.616791 2.620581 2.622139 2.622534 D(PROD_IND AIPA_EXTR AIMPORTAC AHORASTR _MG_SA) ATIVA_SA OES_SA AB_SA 100.0000 (0.00000) 99.49236 (2.11461) 95.68615 (3.77471) 94.28209 (3.85535) 93.63628 (4.01408) 93.54751 (4.05647) 93.39736 (4.08174) 93.33473 (4.09277) 93.28067 (4.12201) 93.26104 (4.15004) 0.000000 (0.00000) 0.223504 (1.28885) 3.636880 (3.36741) 3.657038 (3.35088) 3.649429 (3.34266) 3.675052 (3.36061) 3.746327 (3.36257) 3.736472 (3.35981) 3.751586 (3.37622) 3.753932 (3.37608) 0.000000 (0.00000) 0.280297 (1.30175) 0.609959 (1.92510) 1.312449 (2.37961) 1.653539 (2.63454) 1.655249 (2.67200) 1.685280 (2.67234) 1.683280 (2.68253) 1.689557 (2.69459) 1.702259 (2.71432) 0.000000 (0.00000) 0.003835 (0.67526) 0.067010 (0.77008) 0.748423 (1.35184) 1.060748 (1.76788) 1.122193 (1.82178) 1.171032 (1.86987) 1.245523 (1.91478) 1.278182 (1.92875) 1.282766 (1.95264)
20