UMA CONTRAPOSIO DE METODOLOGIAS PARA A PREVISO DA TRAJETRIA DA ECONOMIA: ESTADO DA ARTE E MONITORAMENTO DA PRODUO INDUSTRIAL MINEIRA.

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.

PALAVRAS-CHAVE: Previses macroeconmicas; Indicadores Antecedentes; Combinao de

Previses; VAR; Produo Industrial de Minas Gerais.

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.

1. O ESTUDO EMPRICO DOS CICLOS: ESTADO DA ARTE

Os primeiros estudos para a investigao dos ciclos econmicos podem ser observados a partir do sculo XIX. O trabalho pioneiro do marginalista Jevons2 argumentava que os ciclos das manchas solares (sunspots cycles) seriam determinantes das flutuaes econmicas por influrem diretamente nas condies metereolgicas. Da ocorria que estas exerciam impactos significativos a posteriori sobre a agricultura, demanda e nveis de preos. De acordo com Morgan (1990), essas primeiras contribuies iniciais baseavam-se predominantemente na investigao das regularidades estatsticas de fenmenos isolados, buscando-se antever e justificar causalidades para os ciclos de negcios. Cardim e Hermanny (2003) apontam que, desde o incio das discusses acerca das previses dos ciclos econmicos, at aproximadamente 1950, havia duas correntes distintas no que se refere ao tratamento modelstico conferido s variaes do nvel de atividade econmica. A primeira vertente na taxonomia dos autores assentava-se no entendimento do ciclo como um fenmeno econmico, porm com uma viso bastante "mecanicista". Isto , a explicao para os pontos de reverso3 baseada, essencialmente, nas causalidades bsicas macroeconmicas. Entretanto, de acordo com os autores, essas investigaes desconsiderariam aspectos importantes como as expectativas dos agentes e a incerteza. Um exemplo do tratamento "mecanicista": um choque adverso na agricultura causaria uma queda na oferta e, conseqentemente, acarretaria em aumento de preos e queda do nvel de atividade. Por sua vez, a segunda corrente analisava as flutuaes econmicas como um processo eminentemente emprico, "tentando-se identificar os processos econmicos que fossem sensveis ao

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.

1.1. O SISTEMA DE INDICADORES ANTECEDENTES (SIA)

A tcnica de investigao das flutuaes econmicas pelo Sistema de Indicadores Antecedentes consiste na previso econmica de uma varivel-chave, que acompanha e caracteriza o ciclo de negcios, atravs do comportamento de outras variveis que antecedem a sua trajetria, gerando efeitos sobre a varivel-chave a posteriori (MOORE E LAHIRI, 1991). Burns e Mitchell (1946) foram os pioneiros no estudo dos ciclos econmicos valendo-se desse instrumental. Os pesquisadores criaram uma classificao para os indicadores de acordo com a defasagem de sua influncia sobre a varivel-chave: i. Indicadores coincidentes: so aqueles que acompanham as variaes na varivel-chave ou, em uma viso mais moderna, aquelas que possuem o mesmo padro de comportamento (cointegradas); ii. Indicadores antecedentes: so aqueles cuja anlise de seu comportamento podem propiciar inferncias razoavelmente seguras sobre os movimentos futuros da varivel de referncia; iii. Indicadores defasados: suas variaes se do a posteriori aos movimentos da varivel de referncia sendo que, nas palavras de Lima (2005), "a ocorrncia de movimentos nestes indicadores serve para confirmar ou retificar o que est apontado na srie de referncia". Os indicadores antecedentes foram computados durante muitos anos pelo NBER (National Bureau of Economic Ressearch)4. Atualmente, o sistema NBER adotado pelo The Conference Board (TCB)5, e tambm a Organizao para Cooperao Econmica e Desenvolvimento (OECD)6 calcula diversos ndices para a previso de ciclos econmicos e pontos de reverso, valendo-se de instrumental semelhante7. Um pressuposto forte da metodologia NBER assume que, uma vez que as variveis se comportaram de maneira eficaz como antecedentes do ciclo no passado, elas permanecem com esse atributo ao longo do tempo. Dessa forma, bastam-se que essas variveis defasadas sejam combinadas de forma a representarem o prprio comportamento da varivel de referncia no caso utilizado pelo instituto, o PIB (LIMA, 2005, 72). Leeuw (1991) considera que o sistema de indicadores antecedentes o menos terico das ferramentas de previso. Alm disso, ele argumenta que os pioneiros no uso desses indicadores os pesquisadores do NBER conheciam as teorias de ciclos de negcios, mas no as utilizavam para classificar as variveis em Antecedentes, coincidentes ou defasadas. Por outro lado, Nefcti (1991) argumenta que a abordagem dos indicadores, a despeito de contribuir pouco no entendimento dos fenmenos econmicos, apresenta menos controvrsia, menos restries quanto implementao e mais robustez em suas predies (p. 57). Ainda assim, o uso dos indicadores antecedentes intensificou-se na atualidade, com o intuito de se obterem melhores previses das flutuaes econmicas. Uma nova metodologia consiste na da construo de ndices compostos a partir dessas variveis. Essa abordagem denominada de Indicadores
4 5

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.

1.2. OUTROS MODELOS PARA O ESTUDO DOS CICLOS

Uma classe de instrumentais para a previso da trajetria dos ciclos consiste no uso dos modelos de sries temporais. O estudo desses mtodos encontra-se bastante difundido dentro da estatstica, e, dentro dessa classe, encontram-se os mtodos automticos de previso e os modelos de Box e Jenkins (1976). A maioria dos estudos empricos baseados em sries temporais econmicas baseia-se na identificao de uma srie como composta de quatro fatores: i. componente cclico, ou aquele relacionado
8

O autor cita a diferena entre horas semanais e emprego (p.16)

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.

2. APLICAES NA LITERATURA DOS INDICADORES PARA O ESTUDO DOS CICLOS

ECONMICOS BRASILEIROS

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.

3. UMA BREVE CARACTERIZAO DA ECONOMIA MINEIRA

O objetivo dessa seo identificar as principais caractersticas dos sistemas produtivos mineiros ao longo do perodo analisado nesse trabalho (1992-2006). A partir dessa descrio, sero identificadas as peculiaridades do estado, permitindo que as variveis mais determinantes do seu ciclo econmico e as relaes de comrcio que podem contribuir para a trajetria de sua economia sejam, posteriormente, testados no exerccio metodolgico. Chiari e Duarte Filho (2002), atravs da matriz de insumo-produto inter-regional, analisam a composio da economia de Minas Gerais e suas interaes com outras regies, no ano de 1996. Conforme o estudo dos autores, os setores-chave9 da produo mineira, i.e., aqueles que propiciaram um maior efeito sobre o crescimento econmico do estado, foram os de Siderurgia e Fabricao de Outros Produtos Metalrgicos. Setores como Indstria Txtil e a de Produtos Alimentares, embora apresentassem e apresentem at os dias atuais uma grande dimenso na indstria mineira, no apresentaram um maior efeito interno devido dependncia de insumos de outros estados (CHIARI E DUARTE FILHO, 2002, p.14). Alm disso, os autores identificaram os principais setores que geraram efeitos multiplicadores em Minas Gerais. Esse efeito entendido como a variao direta e indireta da produo total da economia, de todas as regies e setores, devida uma variao exgena de uma unidade monetria da demanda regional de um setor(p.21). Nessa classificao destacam-se os setores de Prestao de Servios e Comrcio e Beneficiamento de produtos de origem vegetal. Dados recentemente divulgados pela Federao das Indstrias de Minas Gerais (FIEMG, 2006) revelam que, ao longo da dcada de 90 e at 2005, o Produto Interno Bruto Mineiro correspondeu, em

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.

4. ACOMPANHAMENTO DO CICLO ECONMICO DE MINAS GERAIS

Esse 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 dos modelos de Box e Jenkins e mtodos automticos; iii. anlise economtrica mediante aplicao dos vetores auto-regressivos. Em seguida, sero avaliados e comparados os resultados de acordo com o critrio de qualidade de ajuste, medido em termos da raiz do erro quadrtico mdio.

4.1. ESCOLHA E TRATAMENTO DAS SRIES

A varivel-chave adotada para a anlise do comportamento do ciclo econmico brasileiro nesse trabalho foi a Produo Industrial de Minas Gerais10, cuja srie disponibilizada mensalmente atravs do Instituto Brasileiro de Geografia e Estatstica (IBGE). A escolha da produo industrial como proxy para as oscilaes do nvel de atividade econmica criticada por alguns autores na literatura. Massimiliano (2005) argumenta que esse indicador inconsistente com as mudanas na composio do produto verificada nos dias atuais, principalmente aps a expanso do setor de servios (p.5). Por outro lado, Hollauer e Issler (2006) argumentam a favor da utilizao da Produo Industrial como proxy para o comportamento do ciclo econmico, pois um crescimento positivo na economia repercute, em geral, em uma expanso da atividade industrial (p. 5). Neste trabalho foram selecionadas diversas sries econmicas para o estado de Minas Gerais, sendo algumas j utilizadas pela literatura para a previso da produo industrial. Atentou-se para a recomendao de Hendry e Clements (1995), os quais dizem ser necessrio "que os estados da natureza relacionados com as propriedades da varivel a ser predita capturem adequadamente os aspectos do mundo real a ser previsto" (p. 1012). Assim, foram consideradas tambm as peculiaridades da economia mineira, bem como as suas relaes comerciais com os outros estados na triagem das sries. Outra limitao inerente escolha das sries deveu-se indisponibilidade de dados para uma srie histrica longa em vrias delas, ou mesmo em decorrncia da mudana de metodologia no clculo e do encerramento da coleta dos dados. As sries temporais mensais coletadas foram, a princpio, estacionarizadas11 e suavizadas sazonalmente pelo mtodo X-12 ARIMA12, de forma a permitir que fossem estudadas apenas as variaes
10 11

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)

4.2. O PROCEDIMENTO DO NBER

A metodologia NBER, atualmente adotada pelo TCB para a computao dos indicadores antecedentes dos ciclos de negcios, considerada heurstica por ser de fcil computao e no pressupor, a priori, nenhum modelo terico (DUARTE, ISSLER, SPACOV, 2004; LIMA, 2005). A princpio, escolhidas e detectadas as sries que so consideradas antecedentes, coincidentes, ou defasadas em relao varivel de referncia para o ciclo, procede-se com o ajustamento sazonal de cada uma, possibilitando a separao entre o componente cclico e sazonal. O procedimento mais comum adotado na literatura consiste na suavizao mediante aplicao do X12 ARIMA multiplicativo, o qual permite que no se percam observaes nas extremidades da srie (RIBEIRO E DIAS, 2004). Seguido a metodologia adotada por Ribeiro e Dias (2004), considere X t uma das sries que ir integrar o indicador. Se X t medida como taxa, a nova varivel xt dada por xt = X t X t 1 . Caso contrrio, aplicado o seguinte clculo: X X t 1 (4.2.1) xt = 200 t X t + X t 1 O prximo passo refere-se aos pesos que sero atribudos a cada srie na composio do ndice. Em geral, nos procedimentos estatsticos, pretende-se que aquelas variveis que apresentam grande variabilidade contribuam com peso menor para o ndice. O desvio padro vx observado numa srie xt , portanto, ser inversamente proporcional ao peso que lhe ser atribudo, conforme est explicitado na m formula abaixo, que mostra a nova srie ajustada t : x 1 k = e mt = t (4.2.2) vx k vx Por fim, chega-se ao clculo do indicador I t , o qual obtido pela soma das sries mt :
it = mt
x

e It =

200 + it (4.2.3) 200 it

Lima (2005) constri o indicador antecedente do NBER com ponderaes proporcionais correlao da srie com a srie de referncia.

4.3. COMBINAO DE PREVISES: APRIMORAMENTO DO PODER PREDITIVO

A tarefa de buscar mecanismos para prever com sucesso a trajetrias das variveis macroeconmicas tm sido aprimorada com o desenvolvimento de modernas tcnicas e instrumentais economtricos e estatsticos. Mesmo com esse avano metodolgico, so comuns os erros de previso. Os autores que discutem sobre as falhas na previso da literatura (GRANGER E NEWBOLD, 1977; HENDRY E CLEMENTS, 2002; WELLS, 1999) apresentam duas possveis causas para essa divergncia entre os valores computados pelas metodologias e os valores reais: i. as falhas e/ou

13

Taxa de cmbio R$/US$ Compra Mdia R$ - BCB Boletim/BP

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)

( ( Para o termo de erro, temos as suposies bsicas, nas quais: E en j ) = 0, j = 1,2 , E en j ) = 2 . j

( ( Alm disso, os autores demonstram que E en1) en2 ) = 1 2 .

[ ]

[ ]
2

Denominemos Cn como a previso combinada. Ela definida como:

Cn = kf n(1) + (1 k ) f n( 2 ) (4.3.2)

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)

A varincia da previso minimizada quando: k0 =

2 2 1 2 (4.3.5) 2 12 + 2 2 1 2

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

et(1)et(2 ) (4.3.6) 12 + et(2 )2 2et(1)et(2 ) t

2 2 t

(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)

(4.3.9) , 0 < <1 kn =

t = n v t

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).

4.4. VETORES AUTO-REGRESSIVOS (VAR)

Os modelos economtricos do tipo VAR consistem em um sistema de equaes que utiliza sries temporais correlacionadas entre si. Os vetores auto-regressivos surgiram em substituio aos chamados sistemas de equaes simultneas. Essa metodologia se baseava na determinao clara de variveis do tipo exgenas e endgenas, condio primordial para a identificao do sistema. Dessa forma, o pesquisador deveria conhecer, a priori, a natureza de cada uma das sries. No entanto, considerando-se a complexidade da economia e de seus processos, alguns autores criticaram a rigidez das estimaes por sistemas de equaes simultneas, pois a identificao da natureza da varivel no seria trivial. Dessa forma, tornava-se imprescindvel a pesquisa em modelos que incorporassem um maior nmero de variveis e que impusessem menos restries anlise (SIMS, 1980, apud ENDERS, 1995). Nesse cenrio, os vetores auto-regressivos (VAR) surgiram como uma opo de maior flexibilidade na anlise econmica. Os modelos consistem de vrias regresses de cada varivel sobre
14

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

APROD_IND_BR_SA AIPA_INDTRANSF AIPA_CAFE AIMPORTACOES_SA

3,5 5 5,6,7,11,12 8,11,12

3 5 11 12

5.1. RESULTADO DOS INDICADORES NBER

Devido perda de observaes nas defasagens, indicadores antecedentes do NBER para Minas Gerais tiveram sua abrangncia entre 1993:02 a 2005:11. A aplicao da metodologia NBER, conforme foi mencionado em seo anterior, consistiu em agrupar-se as 9 variveis antecedentes em relao produo industrial mineira em um nico indicador, o qual foi denominado NBER. Esse indicador pode ser considerado como uma proxy para os movimentos da varivel de referncia. O passo seguinte consistiu na padronizao da srie PROD_IND_MG_SA, de forma a permitir a comparao com a srie antecedente composta NBER (equao 4.3.3.1). Assim, foi possvel medir a qualidade de ajuste do mtodo NBER a partir da computao da raiz do erro quadrtico mdio (REQM). Aps a computao da srie NBER, verificou-se a presena de outliers. Foram consideradas as observaes que ultrapassaram o intervalo de confiana de 95% para a distribuio dos valores. Alm disso, a sua presena subestimou a medida de aproximao, em termos do REQM, o qual foi avaliado em 11,28. A Tabela 2 reporta os valores dos outliers, bem como o perodo no qual eles foram observados.
Tabela 2: Outliers e I.C. 95% - SRIE NBER Ms 1995M07 1995M11 1996M11 1998M06 1999M01 Cauda inferior Cauda superior Indicador NBER 9,2448123 19,069821 23,547327 -63,51632 -51,44363 Ms 1999M05 2000M03 2001M01 2004M04 2005M04 Indicador NBER 12,358911 -102,82116 -11,197231 13,864845 -13,63795 -3,0343 0,54

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

http://www.stata.com. Detalhes sobre o algoritmo hotdeckvar podem ser encontrados em http://www.schonlau.net/stata/hotdeckvar.hlp

12

Grfico 1: Srie NBER versus Produo MG padronizada

40

Grfico 2: Srie NBER sem outliers versus Produo MG padronizada

10

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

5.2. RESULTADO DA COMBINAO DE MTODOS ESTATSTICOS - HOLT-WINTERS ADITIVO E BOX-JENKINS

Primeiramente, ajustamos o mtodo automtico mais adequado para a srie de Produo Industrial mineira, cuja amostra foi de 1992:01 a 2005:11. Essa escolha foi determinada, sobretudo, pela anlise grfica da srie, que permite a identificao de no estacionariedade de mdia e de varincia na srie e mesmo a presena de sazonalidade aditiva ou multiplicativa. Podemos verificar no Grfico 3 que a mdia da Produo Industrial mineira se move rapidamente ao longo do perodo analisado, mas sua sazonalidade, no entanto, mantm-se constante em nvel. Dessa forma, optou-se pelo ajuste atravs do Mtodo de Holt-Winters18. O Grfico 4 ilustra a performance do mtodo de suavizao escolhido, o qual apresentou um bom ajuste. Em termos de uma medida de qualidade da aproximao, a raiz do erro quadrtico mdio para o mtodo automtico foi de 2,37.
Grfico 3: Produo Industrial Mineira Suavizada - Srie histrica
120 110 100 90 80 70 60 1992 1994 1996 1998 2000 2002 2004 2006 120 110 100 90 80 70 60 1992 1994 1996 1998 2000 2002 2004 2006

Grfico 4: Performance do Mtodo Automtico de Ajuste - Holt-Winters Aditivo

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

4.3.10 REQM Holt-Winters REQM Box-Jenkins

= 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).

5.3. RESULTADO DA METODOLOGIA DE VETORES AUTO-REGRESSIVOS

Vimos em seo anterior que os vetores auto-regressivos so modelos que permitem que a previso de uma srie de interesse seja aprimorada por meio da incluso de outras variveis que exercem influncia sobre seu comportamento. A abordagem VAR ainda bastante vantajosa por permitir a incluso de um nmero qualquer de variveis em seu sistema, sem a restrio do conhecimento, a priori, de quais so as variveis exgenas e endgenas. Para a estimao do vetor auto-regressivo, utilizamos, para alm da varivel-chave, sries que se mostraram mais significativas na sua antecedncia em relao Produo Industrial Mineira (APROD_IND_MG): AIPA_EXTRATIVA, AIMPORTACOES e AHORASTRAB, no perodo de 1992:05 a 2005:11. A escolha terica por essas sries se justifica, portanto, pelo seu poder preditivo em relao varivel-chave de acompanhamento, conforme se detectou no teste de causalidade de Granger. Neste trabalho, adotou-se um VAR no-estrutural. Um VAR estrutural pressupe estreita relao com a teoria econmica, de forma que os choques aleatrios no necessitam das suposies e hipteses bsicas para o vetor de erros20. No entanto, desejou-se captar nesse trabalho o efeito puro das variveis, sem qualquer imposio dos efeitos iniciais e posteriores. O primeiro passo na estimao do VAR consistiu na realizao do Teste de Cointegrao de Johansen entre as variveis que iro compor o sistema, em nvel. Para essas variveis, o teste de trao rejeitou a hiptese nula de que no h nenhuma equao cointegrante entre as variveis e, por sua vez, detectou a presena de, no mnimo, uma equao cointegrante a um nvel de 5% de significncia21. O passo seguinte foi a escolha do nmero de defasagens ideal para o sistema. De acordo com Enders (1995), o critrio AIC uma boa medida para a escolha do nmero de defasagens e, uma vez que esse critrio coincidiu com o de menor erro final da previso, optou-se pelo uso de 3 defasagens22. Segundo Lima (2005), importante que seja verificada a condio de estabilidade do vetor autoregressivo, a qual diz que as razes dos polinmios AR devem situar-se dentro do crculo unitrio, tal como nos modelos Box-Jenkins. Para o modelo VAR estimado, essa condio foi satisfeita23. Uma vez que os parmetros estimados no so diretamente interpretveis, utilizar-se-o as funes de impulso resposta para captar os movimentos cclicos da produo industrial mineira em respostas aos choques aleatrios das variveis antecedentes. A Figura 1 mostra o comportamento da primeira funo. Aps um choque de um desvio-padro no ndice de preos ao atacado indstria extrativa mineral, temos uma variao negativa da Produo Industrial. Esse comportamento esperado, uma vez que h um aumento nos custos das principais indstrias mineiras, como a siderrgica. Aps o segundo perodo, entretanto, h um aumento na produo industrial, evidenciando as expectativas da indstria mineira em relao ao aumento dos lucros e vendas. O choque se dissipa, no entanto, aps o quarto perodo. A Figura 2 evidencia ainda mais a presena dos ciclos econmicos em Minas Gerais, em decorrncia de variaes nas importaes. Em um primeiro momento, verificamos que a produo industrial de Minas Gerais reage positivamente a um choque positivo nas importaes. Entretanto, considerando-se a possibilidade dos efeitos destas sobre o aumento da concorrncia das indstrias mineiras com os produtos de fora do estado, ocorre uma queda na produo industrial. O movimento se repete de forma cclica at o sexto perodo, e, depois, o choque se dissipa. A Figura 3 ilustra a resposta da produo industrial mineira a um choque de um desvio-padro nas horas trabalhadas na industria mineira. Em um primeiro momento, como poderamos esperar, h um aumento na produo industrial. Entretanto, em decorrncia de uma possvel restrio dos fatores de
20 21

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

Figura 2 : Funo de impulso-resposta da Produo Industrial Mineira s importaes mineiras

Response of APROD_IND_MG_SA to Cholesky One S.D. AIMPORTACOES_SA Innovation .8 .6 .4 .2

0.8

0.4
.0

0.0

-.2 -.4 -.6

-0.4

-0.8 1 2 3 4 5 6 7 8 9 10 11 12

10

11

12

Figura 3: Funo de impulso-resposta da Produo Industrial Mineira s horas trabalhadas na indstria

Response of APROD_IND_MG_SA to Cholesky One S.D. AHORASTRAB_SA Innovation .6 .4 .2 .0 -.2 -.4 -.6 1 2 3 4 5 6 7 8 9 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))

-0.138949 (0.10324) [-1.34595]

-0.112067 (0.17009) [-0.65888]

182.0254 (1774.45) [ 0.10258]

0.048752 (0.10303) [ 0.47318]

D(PROD_IND_MG_SA(3))

-0.084348 (0.09577) [-0.88075]

-0.010467 (0.15778) [-0.06634]

451.7284 (1646.11) [ 0.27442]

0.233970 (0.09558) [ 2.44796]

AIPA_EXTRATIVA_SA(1)

-0.032644 (0.04972) [-0.65659]

0.358141 (0.08191) [ 4.37224]

-392.7728 (854.562) [-0.45962]

0.023930 (0.04962) [ 0.48228]

AIPA_EXTRATIVA_SA(2)

0.124560 (0.05371) [ 2.31926]

0.115503 (0.08849) [ 1.30534]

-399.2515 (923.132) [-0.43250]

0.019971 (0.05360) [ 0.37259]

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