SÉRIES WORKING PAPER BNDES/ANPEC
PROGRAMA DE FOMENTO À PESQUISA EM DESENVOLVIMENTO ECONÔMICO - PDE
IMPACTOS DA “GUERRA CAMBIAL” NO COMÉRCIO SETORIAL
BRASILEIRO
Maurício Vaz Lobo Bittencourt1
Working Paper no. 31
BANCO NACIONAL DE DESENVOLVIMENTO ECONÔMICO E SOCIAL
Avenida República do Chile, 100 – Centro
20031-917 -Rio de Janeiro, RJ
ASSOCIAÇÃO NACIONAL DOS CENTROS DE PÓS-GRADUAÇÃO EM ECONOMIA
Rua Tiradentes, 17 – Ingá
24210-510 - Niterói, RJ
Março/2012
Esse paper foi financiado com recursos do Fundo de Estruturação de Projetos (FEP) do Banco
Nacional de Desenvolvimento Econômico e Social (BNDES). Por meio desse fundo o BNDES
financia, na modalidade não-reembolsável, a execução de pesquisas científicas, sempre
consoante ao seu objetivo de fomento a projetos de pesquisa voltados para a ampliação do
conhecimento científico sobre o processo de desenvolvimento econômico e social. Para
maiores informações sobre essa modalidade de financiamento, acesse o site
http://www.bndes.gov.br/SiteBNDES/bndes/bndes_pt/Institucional/Apoio_Financeiro/Programas
_e_Fundos/fep.html.
O conteúdo do paper é de exclusiva responsabilidade do(s) autore(s), não refletindo
necessariamente, a opinião do BNDES e/ou da ANPEC.
1
Professor Adjunto do Programa de Pós-Graduação em Desenvolvimento Econômico (PPGDE/UFPR).
O autor agradece o Doutorando Alex Sander do Carmo pelo auxílio no exaustivo tratamento dos dados e
nas estimações.
1
IMPACTOS DA “GUERRA CAMBIAL” NO COMÉRCIO SETORIAL BRASILEIRO
Maurício Vaz Lobo Bittencourt
Série Working Paper BNDES/ANPEC No. 31
Março/2012
RESUMO
Este estudo contribui para a literatura de comércio internacional e desenvolvimento
econômico por investigar os impactos da “guerra cambial” sobre o comércio setorial
brasileiro para o período de 1989 a 2010, com dados SITC a 2 dígitos obtidos junto ao
COMTRADE. Através de um modelo gravitacional estimado por diversos métodos
econométricos aplicados para um painel de dados para o Brasil e mais 17 países, e
com o uso de duas medidas de volatilidade cambial, os resultados mostram que,
apesar da literatura não ser consensual quanto aos efeitos da volatilidade cambial, as
estimativas confirmam um efeito significativo e negativo, porém pequeno, da
volatilidade cambial sobre o comércio setorial brasileiro. Adicionalmente, aumentos na
renda dos países contribuem para o aumento no comércio, assim como aumentos na
incerteza oriunda da volatilidade cambial entre outros países parceiros, “efeito terceiro
país”, cujas estimativas foram significativas, positivas, mas pequenas. Conclui-se que
o comércio setorial brasileiro não é tão sensível à falta de coordenação de políticas
dos principais parceiros, que reflete uma “guerra cambial” com consequências de
aumento na volatilidade cambial.
Palavras-Chave: comércio setorial, modelo gravitacional, volatilidade cambial, “guerra
cambial”, Brasil.
ABSTRACT
This paper contributes to the literature of international trade and economic
development, because it investigates the effects of an “exchange rate war” on the
Brazilian sectorial trade for the period of 1989 to 2010, using 2-digit SITC data from
COMTRADE. A gravity model is estimated by many panel data econometric
approaches for Brazil and 17 more countries, using two exchange rate volatility
measures, and the results show that, although the literature is not consensual about
the exchange rate volatility impacts on trade, the estimates confirmed a small, but
negative and significant effect on the Brazilian sectorial trade. In addition to the findings
showing that increases in the countries’ income increase trade, results show that
increases in the exchange rate volatility among other trade partner countries, the third
country effect, also increase trade but in a small amount. Conclusions show that the
Brazilian sectorial trade is not so susceptible to the lack of political coordination among
the main trade partners, which is reflected in an “exchange rate war” that causes
increases in the exchange rate volatility.
Keywords: sectorial trade, gravity model, exchange rate volatility, “exchange rate war”,
Brazil.
Maurício Vaz Lobo Bittencourt
Programa de Pós-Graduação em Desenvolvimento Econômico (PPGDE)
Universidade Federal do Paraá (UFPR)
Endereço: Av. Lothário Meissner 632
Curitiba – PR 80210-170
Fone: 41-3360-4456
E-mail: [email protected]
2
IMPACTOS DA “GUERRA CAMBIAL” NO COMÉRCIO SETORIAL
BRASILEIRO
1. Introdução
Muitas alterações nas politicas internas dos países vêm contribuindo
para remodelar o sistema monetário internacional seja com a política cambial
chinesa, seja com os diversos problemas enfrentados recentemente na União
Europeia, nos Estados Unidos, ou até entre os países do Mercosul. A verdade
é que tais acontecimentos, aliados à recente crise financeira internacional, vêm
revigorando o debate sobre os prós e contras dos diferentes sistemas de taxa
de câmbio que podem ou devem ser adotados pelos países, seja de forma
coordenada ou não.
Alguns dos problemas com esta discussão diz respeito à relevância, ou
não, da independência da política monetária para não ser influenciada pelas
flutuações dos ciclos dos negócios. Outro problema é o efeito da volatilidade
cambial sobre o mercado financeiro. E um último problema neste debate se
refere à habilidade dos diferentes regimes cambiais em controlar a inflação.
Muitos defensores de regimes cambiais fixos argumentam que os riscos
associados com a variabilidade da taxa de câmbio desencorajam exportadores
de venderem seus produtos no exterior. O problema é que muitos países
tomam
decisões
sobre
suas
políticas
internas
baseadas
nas
suas
necessidades de equilíbrio macroeconômico, as quais podem ter sérias
consequências internas e para os outros países. Por isso, a questão da
magnitude do efeito da volatilidade cambial sobre o comércio é uma questão
empírica que merece ser investigada.
Este estudo investiga como a falta de coordenação de políticas
macroeconômicas entre os principais países parceiros comerciais do Brasil
pode afetar o comércio existente entre os mesmos, além de se detectar os
principais determinantes do comércio entre estes países e o Brasil. A ênfase
nos programas de estabilização econômica em detrimento de políticas de
incentivo ao comércio pode levar a conflitos em relação às principais tarifas
adotadas pelos países, o que pode incentivar a saída de capital para países
3
com menores níveis de tarifas, mas com menores vantagens comparativas.
Como consequência do que passamos a chamar agora de “guerra cambial”, ou
seja, grandes alterações na taxa de câmbio real podem afetar acintosamente
retornos de investimentos, resultando em mudanças na localização de novas
plantas de produção e/ou realocação da produção das já existentes.
Acredita-se que os diferentes planos econômicos de estabilização
adotados ao longo do tempo, e implementados pelo Brasil e seus principais
parceiros comerciais são responsáveis por grande parte da volatilidade da taxa
de câmbio real de médio e longo prazo (ER) existente no comércio entre
países. O rationale por trás do que foi exposto está no fato de que grandes
alterações na taxa de câmbio real, ocasionadas por planos econômicos de
estabilização inerentes a cada país, podem aumentar o grau de incerteza entre
agentes econômicos domésticos e estrangeiros (parceiros comerciais). Não
seria possível proteção (hedge) contra esta incerteza, pois o preço deste risco
de longo prazo não existe. A maior parte desta incerteza pode ser atribuída às
grandes variações na taxa de câmbio real, a qual neste projeto está sendo
chamada de “guerra cambial”.
A presente pesquisa apresenta algumas características, e importantes
contribuições, que a distinguem de outros estudos, tais como: (i) o nível de
desagregação e o tamanho da amostra dos dados a serem utilizados, os quais
são maiores que os usados em outros estudos (serão utilizados dados
comerciais de dois e três dígitos SITC2, em contraste ao uso de apenas um
dígito SITC como a maior parte dos estudos deste tipo); (ii) a análise dos
impactos da volatilidade da taxa de câmbio real de médio e longo prazos, em
contraste à volatilidade de curto prazo normalmente adotada; (iii) efeitos a nível
setorial da volatilidade cambial no comércio brasileiro (a literatura tem mostrado
que a ênfase tem sido nos fluxos de comércio agregados ou apenas no setor
agrícola de países desenvolvidos); e, finalmente, (iv) o uso de modelo de
efeitos fixos (aleatórios), e modelos de painel dinâmicos, para captar o padrão
de comércio brasileiro.
2
SITC é a sigla de Classificação Padrão para Comércio Internacional (Standard International
Trade Classification).
4
2. Especificação do problema
A falta de coordenação macroeconômica entre os países parece ser
uma das muitas causas de divergência e flutuações de precos e taxa cambial,
afetando o comércio e a alocação de investimentos. No caso do Mercosul, por
exemplo, Argentina e Brasil têm anunciado constantes mudanças na taxa de
câmbio
nominal3
desde
1991,
afetando
diretamente
os
retornos
de
investimentos e induzindo mudanças na localização de novas plantas de
produção e à realocação das já existentes.
De acordo com Baer et al. (2001), a falta de harmonia nas políticas
macroeconômicas afeta o comércio internacional através de dois canais: risco
nas transações internacionais, e na economia política. O primeiro é
caracterizado pelo aumento no risco associado com transações internacionais,
afetando as decisões de comércio e resultando em uma alocação de recursos
diferente da que seria definida pelas vantagens comparativas. Um aumento na
volatilidade da ER leva exportadores e importadores aversos ao risco a
reduzirem sua oferta e demanda de bens comercializáveis porque eles se
deparam com um risco adicional em relação aos lucros externos. O segundo
canal, também influenciado pela não coordenação de políticas, seria a da
existência potencial de lobbying para proteger mercados domésticos quando
existe um aumento na razão de penetração de bens importados (Trefler, 1993).
Uma consequência direta do parágrafo anterior está evidente no caso do
Mercosul, cujos membros eliminaram progressivamente a maior parte de suas
barreiras comerciais entre 1991 e 1995. Estes países estabeleceram uma
estrutura de tarifa externa comum (CET) em 1995, numa faixa de zero a 20 %,
aplicada para quase 85 % do comércio total entre os países do bloco. No
entanto, as tarifas não foram totalmente eliminadas, e foi permitido a cada país
identificar produtos sensíveis à competição, os quais poderiam ser protegidos
3
Argentina continuou com seu regime de taxa de cambio fixo, sendo que o Brasil mudou seu
regime fixo para um regime mais livre, com taxas variaveis dentro de uma banda móvel definida
pelo banco central.
5
até 1999 para a Argentina e Brasil, e até 2001 para Paraguai e Uruguai4. Cada
país também podia ter seu próprio nível de tarifa nestes produtos sensíveis5.
Assim, é interessante verificar os determinantes do comércio do Brasil
com seus principais parceiros, além de verificar as conseqüências da
instabilidade da taxa de câmbio nos diferentes setores. Existem muitos estudos
que avaliam a influência da volatilidade da taxa de câmbio na economia de um
país. Muitos deles sugerem que a volatilidade da taxa de câmbio reduz
comércio (Hooper and Kohlhagen, 1978; Thursby and Thursby, 1987;
Cushman, 1988; Frankel and Wei, 1993; Eichengreen and Irwin, 1995; Rose,
2000). Mas, segundo Sauer and Bohara (2001), a maneira com que fatores tais
como aversão ao risco, oportunidades de hedging, a moeda usada nos
contratos, a presença de outros tipos de risco, afetam na direção e magnitude
entre a incerteza da taxa de câmbio e o comércio é uma questão empírica a ser
investigada.
3 – Objetivos do artigo
Este artigo objetiva investigar os principais determinantes do comércio
brasileiro com seus principais parceiros, considerando a possibilidade de que a
falta de políticas macroeconômicas estáveis, e uma consequente “guerra
cambial” entre os principais parceiros comerciais do Brasil, possam prejudicar o
comércio entre estes países. A ênfase está nos diferentes efeitos da
volatilidade da taxa de câmbio real de médio e longo prazo em diferentes
setores.
Um modelo gravitacional é especificado e estimado para avaliar os
impactos da volatilidade da taxa de câmbio real de médio e longo prazo no
comércio entre o Brasil e seus principais parceiros, além da determinação do
padrão de fluxo do comércio brasileiro, procurando quantificar os impactos que
mudanças em distância e renda teriam nos fluxos de comércio brasileiro.
4
De acordo com Averbug (1998), em Baer et al. (2001), a lista brasileira era composta por 29
produtos, 212 produtos na lista argentina, 432 na lista paraguaia, e 963 na lista uruguaia.
5
As tarifas deveriam convergir para 14 % ate janeiro de 2001 para bens de capital, para
Argentina e Brasil, e até janeiro de 2006 para Paraguai e Uruguai. Para outros produtos estas
tarifas deveriam convergir para 16 % até 2006. No entanto, em meados de julho de 2001, a
Argentina reduziu suas tarifas de importação de bens e equipamentos de informática,
causando divergências diplomáticas com o Brasil. (Baer et al., 2001).
6
O principal foco deste estudo é o de estimar o padrão de fluxo de comércio do
Brasil, e determinar como o fluxo de comércio responde a mudanças na taxa
de câmbio e em outros determinantes de comércio tais como distância entre
países, PIB, e volatilidade da taxa de câmbio de um terceiro país (efeito “third
country”). Algumas questões serão abordadas, tais como: O que aconteceria
aos fluxos de comércio se as taxas de câmbio se tornassem mais voláteis, ou
seja, se a ”guerra cambial” se tornar mais acirrada? Esta maior volatilidade
traria efeitos positivos ou negativos ao comércio brasileiro? Quais seriam as
mudanças nos fluxos de comércio como resultado de um aumento no PIB
brasileiro?
4. Revisão de Literatura
4.1. “Guerra cambial” e o seu impacto no comércio
A literatura que trata dos efeitos da volatilidade cambial sobre o
comércio é vasta e diversa, com inúmeros trabalhos feitos com enfoques
teóricos e empíricos. Com o passar do tempo, estes efeitos foram captados
pela literatura através de duas abordagens. Uma delas consistia na estimação
de apenas uma equação de demanda por exportação, geralmente com as
exportações reais como variável dependente, e a volatilidade cambial, preços
relativos e uma medida de atividade econômica como variáveis explicativas. A
outra abordagem, que é a mais usual, é a estimação de uma equação
gravitacional na qual o fluxo de comércio bilateral entre dois países é explicado
positivamente pelo produto dos PIBs e negativamente pela distância entre eles.
A maior parte dos estudos empíricos do impacto da volatilidade cambial
sobre o comércio tem sido aplicado para os países desenvolvidos. Além disso,
apesar do grande número de estudos sobre o assunto, seja de caráter teórico
ou empírico, não existe consenso a respeito do sinal e magnitude do efeito da
volatilidade cambial sobre o comércio. Acredita-se que esta “incerteza”
empírica seja resultado de três problemas comuns à estimação econométrica:
(i) o desconhecimento da correta forma funcional entre as variáveis
econômicas; (ii) no mínimo, uma variável não identificada sempre fica de fora
da estimação econométrica; (iii) assume-se incorretamente que estas variáveis
7
não identificadas não sejam correlacionadas com as variáveis especificadas no
modelo.
Na literatura teórica, existem duas escolas do pensamento que explicam
o efeito da volatilidade cambial sobre o comércio internacional. A escola
tradicional define que uma maior volatilidade aumenta o risco, que reduz o fluxo
de comércio. Já a escola do risco-portfólio mostra que a maior volatilidade
apresenta maiores oportunidades para lucros, aumentando o fluxo comercial.
De acordo com a escola tradicional, os primeiros estudos sobre o
assunto eram focados no comportamento das firmas e presumiam que uma
maior volatilidade do câmbio aumentaria a incerteza dos lucros com os
contratos em moeda estrangeira, reduzindo o comércio a níveis mais baixos do
que seriam caso a incerteza pudesse ser removida (Farrell et al, 1983). Esta
incerteza de lucros, ou risco, levariam agentes aversos ou neutros ao risco a
redirecionarem suas atividades daqueles mercados externos de maior risco
para o mercado doméstico de menor risco (De Grauwe, 1996).
Côté (1994) indica que a escola tradicional tem examinado não somente
a presença de risco, mas também seu grau, que por sua vez depende de
fatores
como
a
dependência
de
insumos
importados
na
produção,
oportunidade de hedge contra o risco, e a moeda utilizada nos contratos.
Dentre os estudos teóricos desta escola temos Clark (1973), Baron
(1976), e Hooper e Kohlhagen (1978).
Clark (1973) deu, em diversos aspectos, os fundamentos teóricos para a
escola tradicional, examinando o comércio bilateral e o comportamento das
firmas aversas a risco. Várias restrições eram impostas, incluindo firmas que só
produziam bens para exportação, limitadas possibilidades para hedging,
contratos em moeda estrangeira, ausência de insumos importados e
competição perfeita. Conforme o autor, aumentos na variância da incerteza da
taxa de câmbio aumentavam a incerteza dos lucros das firmas expressos em
moeda doméstica. Assim, firmas aversas a risco reduziriam, então, a oferta de
bens até o nível em que a receita marginal excedesse o custo marginal no
montante que compensaria o risco adicional.
Baron (1976) também estuda o comércio bilateral, mas sua ênfase se dá
em como a escolha da moeda utilizada nos contratos afeta as decisões de
8
produção e preços das firmas quando as taxas de câmbio são voláteis e o
mercado é não competitivo. Baron mostra que as firmas exportadoras se
deparam com grandes riscos de preço quando a moeda estrangeira é utilizada
nos contratos, e se depara com grande risco de quantidade demandada
quando a moeda doméstica é a escolhida. Assim, quando a incerteza da taxa
de câmbio aumenta, firmas maximizadoras de lucro e risco aversas aumentam
preços quando a moeda estrangeira é utilizada nos contratos.
Talvez a maior contribuição do estudo de Hooper e Kohlhagen (1978)
esteja em permitir que a volatilidade da taxa nominal de câmbio só tenha
impacto sobre o montante de risco que não tenha sido protegido pelo mercado
futuro.
A escola risco-portfólio não chega a ser uma escola unificada de
pensamento, mas compreende um conjunto de múltiplas teorias, variando em
complexidade, mas que consideram a escola tradicional não realista. Os
representantes desta escola examinam o risco cambial à luz da moderna teoria
da diversificação de portfólio. Como resume Farrell et al (1983), agentes
econômicos maximizam lucro através da diversificação dos níveis de risco em
seus portfólios de investimento.
Ou seja, de acordo com esta escola, grandes volatilidades cambiais
resultariam em grande risco que, ao invés de desencorajar os agentes neutros
a risco a comercializarem, proporcionam oportunidade de diversificar seu
portfólio de risco e aumentarem a probabilidade de lucros. Côté (1994)
relaciona esta abordagem ao mercado de derivativos, onde o comércio é visto
como uma opção que se torna mais valorizada à medida que a volatilidade
cambial aumenta.
Dois importantes trabalhos desta escola se destacam: os estudos de
Dellas e Zilberfarb (1993) e Broll e Eckwert (1999).
Dellas e Zilberfarb (1993) define um modelo teórico com uma pequena
economia aberta com um agente doméstico importando, exportando e
consumindo dois bens em dois períodos no tempo, onde o mercado de ações é
incompleto e o agente toma decisões de comércio com conhecimento
incompleto do risco de preço. O trabalho considera os efeitos da incerteza tanto
na ausência de mercados futuros, como com oportunidades de hedging
9
completas e incompletas. Os autores acham que os efeitos da volatilidade
sobre o comércio são ambíguos, pois dependem do parâmetro de aversão ao
risco. Com possibilidades de hedging completas e sem custo, indivíduos
podem se proteger do risco cambial, sendo que o aumento na volatilidade
cambial não reduz os níveis de comércio.
De acordo com o modelo teórico de Broll e Eckwert (1999), tem-se que
quanto maior for a volatilidade cambial, maiores são os potenciais ganhos do
comércio. Assim como Dellas e Zilberfarb, os resultados do modelo mostram
que o aumento no valor das exportações da firma depende da convexidade da
relação entre lucros e a taxa de câmbio, e do grau de aversão ao risco da
firma.
Existem várias controvérsias quanto aos resultados encontrados nestes
estudos, incluindo análise agregada ou setorial, taxa de câmbio nominal ou
real, ou até com relação às medidas de volatilidade utilizadas.
A grande maioria dos estudos é feita através do uso de dados
agregados. São poucos os estudos que utilizam como objeto os diversos
setores de uma economia, sendo que os poucos que o fazem tratam
principalmente do impacto da volatilidade cambial sobre um determinado setor
apenas, dentre os quais o setor agrícola é o que mais se destaca pela
quantidade de trabalhos empíricos.
De acordo com Cho et al. (2002), são poucos os estudos que avaliam os
impactos da variablidade da taxa de câmbio no comércio agropecuário.
Algumas das tentativas iniciais na investigação de tais efeitos são Schuh
(1974), Batten and Belongia (1986), Haley and Krissoff (1987), e Bessler and
Babula (1987). Alguns estudos analisam os impactos da volatilidade da taxa de
câmbio de curto prazo6 no comércio agropecuário. Pick (1990) não encontrou
evidências de que o risco da taxa de câmbio afeta o comércio dos Estados
Unidos com países desenvolvidos, mas encontrou um efeito negativo no fluxo
de comércio com países em desenvolvimento. Klein (1990), por sua vez,
encontrou impactos negativos da volatilidade da taxa de câmbio de curto prazo
no comércio agropecuário dos Estados Unidos. Cho et al. (2002) estimou um
6
Para Perée and Steinherr (1989), a volatilidade da taxa de câmbio de curto prazo é obtida
quando se considera a incerteza na taxa de câmbio para um período inferior a um ano.
10
modelo gravitacional para muitos países desenvolvidos para investigar os
efeitos da volatilidade da ER no comércio agropecuário. Seus resultados
sugerem que a incerteza na taxa de câmbio real tem ocasionado impactos
negativos no comércio agropecuário para o período 1974 a 1995.
A competitividade de um país é reduzida com uma supervalorização de
sua moeda, e o inverso é verdadeiro quando a moeda é desvalorizada.
Conforme Tweeten (1989), a valorização do dólar americano durante os anos
1980 teve impactos negativos nas exportações agrícolas norte-americanas.
Cho (2001) argumenta que, devido à redução na competitividade, alguns
setores podem perder mercados domésticos e externos, resultando em
diminuição nos níveis de emprego e produção. Este resultado contribui para o
lobbying por proteção por aqueles grupos que perdem com a valorização da
taxa cambial. Se uma medida protecionista é adotada pelo governo após
atender aos apelos destes setores, a mesma não é fácil de ser removida
quando uma depreciação cambial ocorre. Países que experimentaram grandes
variações na taxa de câmbio por longos períodos de tempo são mais
propensos a ter reduções no crescimento do comércio (De Grauwe, 1988). Pick
and Vollrath (1994) acreditam que movimentos cambiais em países em
desenvolvimento têm afetado negativamente a competitividade do setor
agropecuário.
De acordo com Farrell et al (1983), apesar de não existir um consenso a
respeito da taxa de câmbio a ser utilizada no impacto da sua volatilidade sobre
o comércio, se a nominal ou a real deve ser empregada, eles apontam que
sérias consequências podem ser verificadas quando do uso da taxa de câmbio
nominal, pois variações nas taxas nominais podem ser superadas por
variações nos níveis de preços a nível nacional. Côté (1994) também defende o
uso de taxas reais alegando que se o nível de preços falha em se mover em
conjunto com a taxa de câmbio, então o risco dos agentes pode aumentar a
medida que a volatilidade da taxa de câmbio nominal cai. Deste modo, a maior
parte dos estudos de médio e longo prazo utiliza a volatilidade da taxa de
câmbio real para captar os efeitos sobre o comércio7.
7
No entanto, existe uma grande controvérsia ao uso da taxa de câmbio real por conta de como
a inflação utilizada é mensurada, além do fato de muitos países não utilizarem as mesmas
11
4.2. Modelos gravitacionais
Utiliza-se um modelo gravitacional (Tinbergen, 1962) para determinar
empiricamente o padrão de comércio bilateral entre Brasil e seus principais
parceiros comerciais. Um modelo gravitacional considera não só fluxos de
comércio, mas também efeitos de fronteira (tais como custos de transporte,
barreiras comerciais, localização, contiguidade, etc), população, renda
nacional, e taxa de câmbio. Estes modelos têm sido explorados para avaliar
uma variedade de problemas relacionados aos fluxos de comércio bilateral.
Um modelo gravitacional, ou equação gravitacional, é a solução em
forma de equação reduzida de um sistema de equilíbrio geral de comércio
internacional em bens finais, o qual assume que o comércio entre dois países é
dependente do seu tamanho, estágio de desenvolvimento, grau de abertura de
mercado, e proximidade. O comércio, assim, é diretamente proporcional ao
tamanho do país, e inversamente correlacionado com a distância entre os
países. Analogamente, o fluxo de comércio entre dois países é uma função da
renda, distância, e outras variáveis (população, contiguidade, língua, custos de
transporte, tarifas, etc).
O sucesso dos modelos gravitacionais não pode ser considerado como
evidência das teorias do comércio com competição imperfeita e economias de
escala como sugerido por Helpman (1987). Deardorff (1998) e Evenett and
Keller (2002)8 concluem que como a especialização é a “força da gravidade”,
responsável pelo sucesso empírico dos modelos gravitacionais, não é
necessário identificar um modelo teórico de comércio para derivar a equação
gravitacional. Quando cada bem é produzido em um país (especialização
completa) e as preferências são idênticas e homotéticas, a elasticidade de
comércio com respeito a renda de cada país é igual à unidade. Isto é válido
cestas de bens no cômputo da inflação, e ainda mudam a composição destas cestas de bens,
trazendo maiores dificuldades em se utilizar a taxa de câmbio real (McKenzie et al, 1997;
Thursby e Thursby, 1987).
8
Este estudo examina as teorias do modelo HOS e a de retornos crescentes à escala para
explicar o sucesso empírico da equação gravitacional. Como ambas as teorias podem resultar
na equação gravitacional, eles estimaram versões puras e híbridas de ambas as teorias para
dados cross-section para 58 países. Os resultados sugerem que as previsões de um modelo
com especialização imperfeita, a qual é baseada nas diferenças na dotação de fatores,
suportam empiricamente os dados utilizados.
12
não importando a base teórica para explicar a especialização, seja ela de
retornos
crescentes
a
escala
em
produtos
diferenciados,
diferenças
tecnológicas no comércio Ricardiano, grandes dotações de fatores como no
comércio do modelo Heckscher-Ohlin-Samuelson (HOS), ou custos de
transporte em qualquer tipo de comércio baseado na dotação de recursos.
5. Dados e Problemas
Os dados básicos a serem utilizados consistem de comércio bilateral
entre Brasil e outros 17 países das Américas do Sul, Norte, União Européia e
Ásia, conforme Quadro 1, para o período de 1989 a 2010, obtidos a partir do
COMTRADE/UNCTAD9. Este é um banco de dados em painel que consiste de
valores nominais de exportações de um país para outro, para diferentes
setores
(agricultura,
indústria
química,
pecuária,
mineração
e
óleo,
manufaturados), ao nível de dois dígitos SITC. A amostra agregada contem
16.830 observações para um período de 20 anos e 17 países.
Quadro 1 – Principais parceiros comerciais do Brasil a serem considerados na
amostra
Argentina
Colômbia
Grã-Bretanha
México
Alemanha
Coréia do Sul
Índia
Paraguai
Chile
Estados Unidos
Itália
Peru
China
França
Japão
Uruguai
Venezuela
Como este estudo visa investigar os efeitos da “guerra cambial”, ou seja,
da variabilidade da taxa de câmbio no comércio brasileiro a nível setorial, os
dados serão convertidos na moeda do país exportador através do
deflacionamento da taxa de câmbio nominal10, pelo índice de preços ao
consumidor (CPI) do país exportador. Os valores nominais e reais do PIB
(deflacionados pelo CPI), bem como os dados sobre população foram extraídos
das Estatísticas Financeiras Internacionais (IFS) do FMI. Para a variável
9
Conferência das Nações Unidas em Comércio e Desenvolvimento (United Nations
Conference on Trade and Development).
10
Será utilizada a informação de taxa de câmbio do final do período, da publicação Estatísticas
Financeiras Internacionais (IFS) do Fundo Monetário Internacional (IMF).
13
distância será definida a distância do “grande círculo” entre os centros
econômicos11, conforme Soloaga and Winters (2001). As taxas de câmbio
real12 serão calculadas como:
(1)
 CPI s ,t
RERis ,t = NERis ,t 
 CPI i ,t




Onde RERis,t e NERis,t são as taxas de câmbio real e nominal, respectivamente,
para o país i com respeito à moeda do país s no período t. A expressão (1)
mostra como a taxa de câmbio real é calculada para o país i usando o dólar
americano de 1995 como a moeda do país s (Estados Unidos). CPIs,t reflete o
índice de preços do consumidor nos Estados Unidos no momento t. CPIi,t
representa o índice de preços ao consumidor no país i no momento t. Assim, a
taxa de câmbio bilateral real (Xij,t) para cada país pode ser obtida pelas razões
entre cada taxa de câmbio real dos 17 países e a taxa de câmbio real brasileira
(j).
A incerteza13 de longo prazo da taxa de câmbio é essencial para este
estudo. Esta incerteza pode ser obtida através de dois procedimentos usados
como proxies da incerteza de longo prazo da taxa de câmbio, o desvio padrão
móvel (MSD) e a medida de volatilidade de Perée e Steinherr (P&S) 14.
O MSD das diferenças do logaritmo natural da ER bilateral real é uma
modificação da medida usualmente utilizada em muitos estudos de dados
cross-section ou de séries temporais, tais como Kenen e Rodrik (1986), De
Grauwe e Bellefroid (1986), e Dell’Ariccia (1999). O MSD é usado aqui porque
esta medida varia com o tempo, de modo a ser compatível com a característica
temporal dos dados em painel disponível, como em Cho et al. (2002).
11
O método do grande círculo é definido pela média ponderada das latitudes e longitudes dos
principais centros econômicos.
12
A principal razão pela qual a taxa de câmbio real será utilizada neste estudo é porque existe
a expectativa de que as taxas de câmbio real e nominal estejam altamente correlacionadas,
sendo que a volatilidade da ER real deve ser maior. De Grauwe and Bellefroid (1986) sugerem
que quando uma moeda sofre desvalorização de determinada proporção, a mudança na taxa
de câmbio real é inferior à depreciação inicial, pois a inflação tende a superar a depreciação
nominal inicial. Estas diferenças entre ER real e ER nominal podem ser importantes quando as
variabilidades de médio e longo prazo são investigadas, que é o caso do presente estudo,
conforme discutido na seção anterior.
13
Para uma discussão detalhada sobre medidas de volatilidade da taxa de câmbio, ver Lanyi
and Suss (1982), Brodsky (1984), e Kenen and Rodrik (1986).
14
Pelo fato das medidas de volatilidade serem usadas como proxies da incerteza da taxa de
câmbio real, volatilidade e incerteza são expressões usadas para descrever o mesmo
fenômeno neste estudo.
14
O MSD das diferenças do logaritmo natural da ER bilateral real (Sijt) é
dado por:
∑(x
k
(2)
S ij ,t = u ij ,t =
ij ,t −l
− xij ,t ) 2
l =1
k −1
Onde Xij,t é a taxa de câmbio bilateral real, xij,t = ln(Xij,t) – ln (Xij,t-1), e k = 2, 4, 6,
e 8 anos15. xij ,t é a média de xij,t para os últimos k anos.
A segunda medida de volatilidade da ER real é baseada em Perée and
Steinherr (1989), os quais assumem que a incerteza dos agentes econômicos é
definida pelas experiências passadas a respeito dos valores máximo e mínimo
da taxa de câmbio, as quais são ajustadas pela experiência do ano anterior
relativa a uma taxa de câmbio de “equilíbrio”. Deste modo, grandes alterações
cambiais ocorridas no passado acabam gerando a volatilidade esperada. Estes
autores propõem a seguinte medida da incerteza da taxa de câmbio:
(3)
Vij .t = u ij ,t =
max X ijt ,t − k − min X ijt ,t − k
min X ijt ,t − k

X ij ,t − X ijk,t
+ 1 +
X ijk,t




Onde k é a duração do período; min Xtij,t é o mínimo valor absoluto da taxa de
câmbio real nos últimos k períodos; max Xtij,t é o máximo valor absoluto da taxa
de câmbio real nos últimos k períodos; Xkij,t é a média dos valores absolutos da
taxa de câmbio real para os últimos k períodos. Este valor é uma proxy da taxa
de câmbio real de equilíbrio de longo prazo16. Cada período k nesta análise é
representado por cada ano. A justificativa está na ênfase dada aos efeitos de
médio a longo prazo da incerteza da taxa de câmbio real.
As Figuras 1 e 2 mostram as duas medidas da volatilidade da taxa de
câmbio real calculadas para alguns países selecionados que apresentaram as
maiores volatilidades com relação à moeda brasileira. Segundo a medida MSD,
a volatilidade da ER real entre o peso argentino e o real brasileiro tem,
relativamente, alto grau de volatilidade, o mesmo acontecendo entre Peru e
Brasil que, aliás, apresentou a maior volatilidade bilateral da amostra. No
15
O período de tempo é arbitrariamente escolhido para investigar a robustez dos resultados.
De acordo com Mark (1995), não é possível se obter uma medida da taxa de câmbio de
longo prazo. Por esta razão, este estudo adota a média aritmética da taxa de câmbio real para
todo o período disponível da amostra de modo a se obter uma aproximação de tal medida de
equilíbrio.
16
15
entanto, estas volatilidades sofreram forte redução após 1997 devido à
depreciação da moeda brasileira. Nota-se que as volatilidades de Paraguai e
Uruguai se apresentam bem mais estáveis para todo o período. A relativa
estabilidade da volatilidade da ER para o período 1992 a 1997 é devida,
principalmente, à política cambial adotada pelo Brasil, utilizando esta política
como âncora para controle da inflação interna (Figura 1).
Figura 1 – Volatilidade da taxa de câmbio para alguns parceiros comerciais do
Brasil em relação ao Real, medida pelo desvio padrão móvel (MSD), com 8
anos de defasagem (Sij8)
0,72
0,62
0,52
0,42
0,32
0,22
Argentina/Brasil
México/Brasil
Paraguai/Brasil
Peru/Brasil
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
1991
1990
0,02
1989
0,12
Uruguai/Brasil
Coréia/Brasil
Fonte: USDA. Cálculos do autor.
A medida P&S da volatilidade da ER (Figura 2) é caracterizada por um
comportamento decrescente no período 1990 a 1999, provavelmente devido à
“experiência acumulada”, característica desta medida de volatilidade, a qual
leva em conta valores da taxa de câmbio vigentes no passado17. Após a grande
desvalorização cambial brasileira em 1999, a volatilidade da ER cresceu
bastante, principalmente para a volatilidade peso mexicano/real e peso
argentino/real, esta última foi a relação que se tornou a mais volátil entre os
17
As taxas de inflação estiveram bastante altas nestes países no início dos anos 90, também
afetando o comportamento das taxas de câmbio real neste período. A relação entre taxas de
inflação e taxas de câmbio pode ser ilustrada através do modelo monetário da taxa de câmbio
(Mark, 2001).
16
países do Mercosul após a implementação do Plano Real, em meados de
1994. No entanto, mais uma vez a maior volatilidade encontrada ocorreu de
1989 a 1997 entre Peru e Brasil, a qual não foi representada na Figura 2 pela
sua grande magnitude.
Figura 2 – Volatilidade da taxa de câmbio para alguns parceiros comerciais do
Brasil em relação ao Real, medida conforme Perée e Steinherr (P&S), com 8
anos de defasagem (Vij8)
Argentina/Brasil
Colômbia/Brasil
Japão/Brasil
Paraguai/Brasil
México/Brasil
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
1991
1990
4
3,5
3
2,5
2
1,5
1
1989
5,5
5
4,5
Chile/Brasil
China/Brasil
Fonte: USDA. Cálculos do autor.
Um problema adicional à nossa análise é o efeito da volatilidade da ER
real de um terceiro país no comércio bilateral em análise. O efeito “third
country”, como é chamado na literatura internacional, foi investigado por Wei
(1996), Dell’Ariccia (1999), e Cho et al. (2002), usando uma medida que leva
em conta a volatilidade da ER real para todos os outros países, exceto os dois
países envolvidos no comércio em análise. No entanto, o procedimento a ser
adotado neste estudo é um pouco diferente dos estudos anteriores, os quais
utilizaram as participações dos países no comércio total como ponderações
para obter a medida de volatilidade do efeito “third country”. O presente artigo
propõe uma diferenciação nas ponderações por setores da economia, ou seja,
leva em conta as participações no comércio específicas a cada setor como
17
ponderações para todas as combinações de comércio bilateral entre os 18
países considerados, incluindo Brasil, para cada ano da amostra. Além disso,
estudos anteriores consideraram as participações dos países no comércio total
baseadas em um único ano, sob a justificativa de que tais participações são
relativamente constantes ao longo do tempo. O procedimento sugerido aqui é o
de se utilizar como ponderações as participações no comércio por setores para
cada ano disponível pelos dados, pois algumas mudanças podem ter ocorrido
de um ano para outro na amostra, caracterizando diferentes respostas dos
fluxos de comércio a nível setorial à movimentos cambiais.
A medida de volatilidade da ER real de um terceiro país, volatilidade
“third country”, (u3ij,t) é dada por:
(4)
u 3ijg ,t = ∑ uij ,t wij ,t + ∑ u ji ,t w ji ,t
g
i≠ j
g
j ≠i
Onde uij,t (uji,t) é a medida de volatilidade da ER real, seja ela a medida de
desvio padrão móvel (Sij,t) ou a medida de Perée e Steinherr (Vij,t), definidas
pelas equações (2) e (3) para o período de 1989 a 2010; g = 1, … , 5, onde 1 é
para o setor pecuário; 2 para o setor agrícola; 3 para o setor de produtos
químicos; 4 para o setor de manufaturados; e 5 para o setor de mineração e
óleo; wij,tg e wji,tg são as participações no comércio específico a cada setor dos
outros países. Espera-se que o sinal do coeficiente para o efeito “third country”
no comércio seja positivo, como o obtido por Wei (1996). No entanto, para
Dell’Ariccia (1999) esta correlação foi negativa e não significativa, e para Cho
et al. (2002) este coeficiente foi positivo e negativo para diferentes setores.
Na Figura 3 a seguir temos apenas uma ilustração da volatilidade de
terceiro país entre Argentina e Brasil utilizando a medida MSD com defasagem
de 8 anos para cada um dos setores analisados. Nota-se que a volatilidade é
extremamente instável para todo o período de 1989 a 2010. Enquanto os
setores agrícola e pecuário parecem apresentar a menor volatilidade, os
setores químico, mineração e de manufaturados mostram a maior volatilidade
dentre os setores da amostra.
Além da utilização do modelo econométrico de painel de efeito fixo
(aleatório), que já vem sendo empregado em diversos estudos, uma das
novidades deste artigo é o uso de modelos dinâmicos (estimadores Arellano18
Bond e Arellano-Bover) para estimar os modelos gravitacionais de comércio
propostos.
Figura 3 – Volatilidade setorial da taxa de câmbio real de um terceiro país
(“third country”) entre Argentina e Brasil, medida pelo desvio padrão móvel
(MSD), com 8 anos de defasagem (u3gij8)
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
Agrícola
Mineração
Pecuário
Químico
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
1991
1990
0
1989
0,1
Manufaturados
Fonte: USDA. Cálculos do autor.
6 - Especificação do modelo gravitacional
O modelo teórico
O modelo teórico da equação gravitacional a ser estimada neste artigo é
baseado em Deardorff (1998), sendo que os pressupostos básicos são os
mesmos usados em Anderson (1979), Feenstra (2002), e Anderson e Van
Wincoop (2003). Considerando que todos os bens são diferenciados por local
de origem, cada país se especializa na produção de um único bem. Em
competição perfeita, a oferta de cada bem é fixa, e o preço recebido pelos
exportadores do país i é dado por pi, já descontados os custos de comércio, ou
preço “free on board” (f.o.b.). Existe custo de transporte dos fatores entre os
países i e j que se comporta como um “iceberg”, tij, onde a quantidade (tij – 1)
“derrete” no caminho. (Samuelson, 1952). Compradores do país j pagam pij
19
incluindo o custo de transporte. Assim, pij = tijpi. Assumindo que as preferências
sejam idênticas e homotéticas, a função utilidade CES para o país j é definido
por:
(5)


U =  ∑ β i cij(σ −1) / σ 
 i

σ /(σ −1)
j
onde β é um parâmetro positivo, σ > 0 é a elasticidade de substituição entre
produtos de qualquer par de países, e cij é o consumo de qualquer produto
enviado do país i para o país j. Os consumidores do país j maximizam (5)
sujeito às suas rendas Yj = pjxj ao produzir xj. Deste modo, a demanda por cada
produto cij é dada por:
(6)
 t ij pi 
1
cij =
Y j βi  l 
 p 
t ij pi
 j 
1−σ
Onde pjl é um índice geral de preços do tipo CES do país j, definido como:


p lj =  ∑ β i t ij1−σ pi1−σ 
 i

1 /(1−σ )
(7)
O valor f.o.b. das exportações do país i para o país j é representado
por:
(8)
Tijfob
 t ij pi 
1
= Y j βi  l 
 p 
t ij
 j 
1−σ
Considerando que θi é a proporção de comércio mundial do país i, a
estrutura de equilíbrio geral do modelo define um mercado em equilíbrio,
resultando em:
Y
px
1
(9) θ i = iw = i w i = w
Y
Y
Y
 t ij pi 
β
p
x
∑j i j j  p l 
 j 
20
1−σ
 t ij pi 
= β i ∑θ j  l 
 p 
j
 j 
1−σ
Resolvendo (9) para β, temos18:
(10)
βi =
Yi
Yw
1
t p 
∑j θ j  ijp l i 
 j 
1−σ
Combinando (10) com (8), temos:
(11)
Tijfob
  t 1−σ
  ijl 
YiY j 1   p j 
= w

1−σ
Y t ij 
 t ih 
 ∑θ h  p l 
 h  h 







Deardorff (1998) simplifica (11) selecionando unidades de bens tal que pi
= 1. Assim, pjl se torna o índice CES dos fatores de transporte para o país j na
condição de importador. Definindo a distância media dos fornecedores como:


δ =  ∑ β i t ij1−σ 
 i

1 /(1−σ )
(12)
s
j
Para consumidores do país j o que importa é o fator de transporte
relativo à distância relativa dos fornecedores, dado por:
(13)
ρ ij =
t ij
δ js
Usando (13) e (11) tem-se a equação gravitacional:
(14)
Tij
fob

1−σ
YiY j 1  ρ ij
= w
Y t ij  ∑θ h ρ ih 1−σ

 h





A equação (14) tem uma interpretação mais direta se comparada à
equação (11), pois o fluxo de comércio entre os países i e j é determinado não
somente pela distância relativa entre os dois países, mas também pela
distância relativa de todos os importadores do país j. É interessante que este
resultado também considera uma situação na qual a distância relativa é a
mesma para todos os importadores, resultando em um modelo gravitacional
18
Os modelos teóricos de Feenstra (2002), e Anderson e Van Wincoop (2003) utilizam a
mesma ideia de Deardorff (1998) quando eles acham a solução para o preço βpi, ao invés de
achar β.
21
sem “fricção” (sem custo de transporte). A distância entre i e j reduz o
comércio. Comércio é influenciado pela distância relativa entre dois países
comparativamente à média relativa da distância de todos os outros
importadores de i. Este resultado é muito similar aos encontrados por Anderson
(1979) e Bergstrand (1989).
O modelo econométrico
A
equação
gravitacional
a
ser
estimada
é
especificada
econometricamente como:
(15) ln Tijg,t = α ig + γ 1g ln(YitY jt ) + γ 2g ( Popit Pop jt ) + γ 3g (uij ,t ) + γ 4g ln( Dij ) + γ 5g (u 3g ij ,t ) + ε ijg,t
onde Tij,tg é o comércio bilateral entre países i e j em cada setor g; YitYjt é o
produto dos PIB’s dos dois países no período t, e seu coeficiente é esperado
ser positivo. PopitPopjt é o produto entre as populações dos dois países no
período t, o qual pode-se assumir que reduz comércio à medida que a
população nos dois países cresce. Desde que a demanda por produção
doméstica apresente crescimento, haverá uma redução natural da quantidade
disponível para comércio. Espera-se que o sinal do coeficiente desta variável
seja negativo. A variável uij,t é a medida de volatilidade da ER real, seja medida
por MSD (Sij,t) ou por P&S (Vij,t), definida anteriormente pelas equações (2) e
(3); conforme discutido anteriormente, seu sinal é indefinido. Dij é a distância
entre países i e j, a qual representa uma proxy para os custos de transporte e
deve afetar negativamente o comércio bilateral19. A variável u3gij,t é a
volatilidade da ER real de um terceiro país (efeito “third country”) para todos os
19
Linnemann (1966) aponta que o efeito da distância no comércio vem de três fontes:1)custos
de transporte; 2)tempo (perecibilidade, adaptação às condições de mercado, irregularidades na
oferta, custos de juros); e 3) distância “psíquica”, a qual inclui familiaridades com as leis,
instituições, e cultura. A idéia de Linnemann sobre o significado mais abrangente da variável
distância é apontada também por Frankel et al. (1998), o qual notou que os custos de envio
físico de mercadorias podem não ser os custos mais importantes que compõem os custos
associados com a distância. Custos de transporte devem ser vistos como custos de transação,
os quais incluem não só o custo de transporte físico de bens, mas também os custos de
comunicação e o fato de que os países tendem a ter um melhor conhecimento das instituições
e vizinhos mais próximos.
22
países senão os países i e j analisados; o sinal do coeficiente desta variável é
ambíguo, conforme Wei (1996) e Cho et al. (2002).
A equação gravitacional (15) será estimada sob duas especificações
distintas da medida de volatilidade da ER real (uij,t) a ser usada: a medida MSD
(Sij,t) e a medida P&S (Vij,t).
De acordo com Egger (2002), a escolha do modelo econométrico é de
grande relevância para a determinação dos fluxos de comércio bilateral. Neste
estudo, o procedimento de estimação a ser adotado será o da econometria de
dados em painel. As vantagens deste procedimento estão na obtenção de
estimativas mais confiáveis, na redução de problemas de multicolinearidade,
maior número de graus de liberdade, além de permitir a inclusão da volatilidade
da ER real no modelo, o que não seria possível em uma análise crosssection20.
7 – Resultados e discussão
Na Tabela 1, a seguir, temos a estatísticas descritivas das principais
variáveis utilizadas nas estimações econométricas dos modelos estático e
dinâmico. Notar que os fluxos comerciais para todos os cinco setores estão em
log natural, o que reduziu o tamanho da amostra para estes setores, devido à
alguns fluxos de comércio bilateral serem nulos para todo o período de 1989 a
2010.
Para testar a confiabilidade dos modelos em relação aos problemas que
poderiam apresentar, foram feitos os seguintes testes: o teste de Hausman
para o modelo estático e os testes Arellano-Bond e Sargan para o modelo
dinâmico.
20
Cho (2001) inclui como variáveis a taxa de câmbio real e a volatilidade em suas abordagens
de cross-section e painel, respectivamente. No entanto, a inclusão da taxa de câmbio real na
estimação cross-section não faz sentido, pois esta não traria nenhuma informação se a moeda
sob análise está desvalorizada ou valorizada.
23
Tabela 1: Estatísticas descritivas para as principais variáveis do modelo
Variável
Ln
Comércio
Setor Agrícola
Ln
Comércio
Setor
Mineração
Ln
Comércio
Setor Químico
Ln
Comércio
Setor Pecuário
Ln
Comércio
Setor
Manufaturados
Ln PIB
Ln População
Sij8
Sij6
Sij4
Sij2
Vij8
Vij6
Vij4
Vij2
Número de
Observações
3281
Média
18,418
Desviopadrão
2,416
Valor
Mínimo
7,383
Valor
Máximo
23,962
3278
18,715
2,968
4,963
25,104
3291
18,552
2,507
8,294
24,135
3106
16,476
3,028
4,357
22,382
3290
20,060
2,730
6,688
26,386
3366
3366
3366
3366
3366
3366
3366
3366
3366
3366
12,804
8,207
0,179
0,163
0,144
0,110
13,834
5,233
2,304
1,345
2,329
2,050
0,167
0,169
0,174
0,174
90,340
27,402
7,178
1,223
5,182
2,534
0,000
0,000
0,000
0,000
1,002
1,001
1,001
1,000
18,806
14,284
1,287
1,488
1,825
2,436
1916,037
573,413
184,770
31,514
FONTE: Elaboração própria a partir de dados do COMTRADE e do FMI.
Painel estático
Para o painel estático, são utilizados os modelos com efeitos fixos e
com efeitos aleatórios. Os resultados do teste de Hausman indicam que o
modelo com efeitos fixos são os mais adequados. Na Tabela 2 temos os
resultados das estimativas através do método de Mínimos Quadrados
Ordinários (MQO), onde algumas informações foram perdidas devido aos
fluxos nulos de comércio. Adicionalmente, temos as estimações pelo método
Poisson Pseudo Maximum Likelihood (PPML) com efeitos fixos, introduzido por
Silva e Tenreyro (2006).
Na Tabela 2, a medida de volatilidade utilizada é o desvio padrão
móvel (MSD) com 8 defasagens. Os resultados mostram que o produto das
rendas dos parceiros comerciais (lnPIBiPIBj) afeta positivamente o fluxo de
comércio entre os países, para todos os setores analisados, além destes
coeficientes serem estatisticamente significativos.
Com algumas exceções, os resultados por MQO e por PPML se
mostraram bastante similares em termos de sinais para todas as variáveis
24
explicativas, com exceção para o produto das populações dos parceiros
comerciais (lnPOPiPOPj), a qual não foi significativa para alguns setores, mas
apresentou sinal positivo para as estimações em que foi significativa.
Os resultados mostram que a volatilidade cambial é prejudicial para
todos os setores, com a única exceção do setor pecuário através da estimação
por PPML. O setor de mineração parece sofrer mais com a volatilidade
cambial, comparativamente a outros setores.
O outro tipo de volatilidade, o “efeito terceiro país”, também se mostra
importante na explicação dos fluxos comerciais. Este coeficiente foi positivo e
significativo para todas as estimações em todos os setores, o que já era
previsto baseado em Cushman (1986), Côté (1994), e em Cho et al (2002).
Assim, em situações em que as taxas cambiais de outros países, além dos
parceiros comerciais considerados, tornam-se mais voláteis, as exportações de
todos os setores tendem a aumentar, sendo que o aumento parece ser maior
nos setores pecuário e agrícola.
Na tabela A.1 do Apêndice, temos as mesmas estimações utilizando
P&S como medida de volatilidade. Os resultados são semelhantes quanto ao
papel desempenhado pelo produto das rendas e das populações dos parceiros
para todos os setores. No entanto, o impacto das volatilidades sobre o
comércio foi bastante diferente do que o obtido na Tabela 2. Os resultados da
Tabela A.1 chegam a mostrar que a volatilidade cambial, seja qual for ela,
diretamente entre os parceiros comerciais ou via efeito terceiro país, não
afetam significativamente o fluxo comercial, independente do setor analisado.
Painel dinâmico
Já para o painel dinâmico são utilizados dois modelos: o primeiro é o
modelo clássico desenvolvido por Arellano e Bond (1991); no segundo modelo,
denominado Arellano-Bover/Blundell-Bond, acrescenta-se os aperfeiçoamentos
feitos por Arellano e Bover (1995) e Blundell e Bond (1998). As estimações
foram feitas considerando as duas medidas de volatilidade para a taxa de
câmbio real, ou seja, MSD e P&S, conforme definidas na seção 5.
Pelos resultados reportados na Tabela 3, verifica-se que o fluxo comercial
defasado de um período afeta positiva e significativamente o fluxo comercial
25
contemporâneo em todos os setores analisados. No caso da variável produto
das rendas dos países envolvidos no comércio bilateral, temos que o efeito foi
positivo e significativo estatisticamente para todas as estimações, com maiores
magnitudes para os setores de mineração e de manufaturados, ou seja,
aumentos nas rendas dos países parecem propiciar maiores aumentos no fluxo
comercial nos setores de mineração e de produtos manufaturados.
Com exceção das estimações para os setores pecuário e químico, nos
quais a população não foi significativa para explicar os fluxos comerciais, nos
demais setores esta variável parece afetar negativamente os fluxos comerciais.
Os resultados do modelo dinâmico para a volatilidade cambial
confirmaram os resultados obtidos para o modelo estático, ou seja, a medida
de volatilidade MSD mostrou-se significativa e negativamente relacionada com
comércio, além da pouca significância e pouco impacto da medida P&S
sugerida por Perée e Steinherr para a volatilidade cambial.
Os
resultados
setoriais
encontrados
são
consistentes
com
os
observados por Los Rios (2009) que estuda o impacto da volatilidade sobre o
custo do capital em países emergentes. O autor mostra em seu estudo que a
escolha do regime cambial a ser adotado pelos países emergentes visa atrair
capital estrangeiro que é essencial aos investimentos destes países. Assim,
podem adotar regimes cambiais mais voláteis, mas que atraem capital
estrangeiro aos seus mercados.
26
(#)
Tabela 2: Estimativas do Painel Estático para a Equação Gravitacional
Pecuária
Agricultura
Mineração
Químico
Manufaturados
MQO
(LSDV)
PPML
(EFEITOS
FIXOS)
MQO
(LSDV)
PPML
(EFEITOS
FIXOS)
MQO
(LSDV)
PPML
(EFEITOS
FIXOS)
MQO
(LSDV)
PPML
(EFEITOS
FIXOS)
MQO
(LSDV)
PPML
(EFEITOS
FIXOS)
lnPIBiPIBj
1,738***
(0,157)
0,922***
(0,094)
1,093***
(0,108)
1,026***
(0,079)
2,054***
(0,094)
1,166***
(0,065)
1,964***
(0,082)
1,090***
(0,039)
2,195***
(0,107)
1,511***
(0,054)
lnPOPiPOPj
0,356
(0,664)
1,722***
(0,369)
1,351***
(0,375)
0,615**
(0,246)
-0,260
(0,393)
0,062
(0,379)
1,395***
(0,249)
- 1,70
(0,175)
1,731***
(0,244)
0,600*
(0,325)
Volatilidade
(MSD)
-1,336***
(0,259)
0,025
(0,218)
-2,054***
(0,252)
-0,757***
(0,146)
-1,713***
(0,228)
-1,429***
(0,315)
-0, 668***
(0,173)
-0,585***
(0,132)
-0,720***
(0,134)
-0,701***
(0,207)
Efeito terceiro
país (MSD)
1,830***
(0,257)
0,810***
(0,139)
2,064***
(0,236)
0,605***
(0,142)
0,932***
(0,167)
0,332***
(0,121)
0,568***
(0,124)
0,228**
(0,089)
0,764***
(0,087)
0,544***
(0,068)
3106
3366
3281
3366
3278
3366
3291
3366
3290
3366
n
FONTE: Elaboração própria a partir de dados do COMTRADE.
* significativo a 10%; ** significativo a 5%; *** significativo a 1%.
(#) k = 8 anos para a defasagem usada nas volatilidades; todos os modelos foram estimados com variáveis dummies para controle de efeito do tempo e da
heterogeneidade não- observada (efeito fixo).
27
Robustez dos resultados
Na tentativa de obter resultados robustos da análise setorial do impacto
da volatilidade cambial investigada, buscou-se neste estudo modificar as
estimações incluindo diferentes medidas de volatilidades cambiais, assim como
diferentes horizontes de tempo para estas medidas. Adicionalmente às
estimações reportadas nas Tabelas 2 e 3, nas quais foram utilizadas medidas
de volatilidade de “longo prazo”, considerando defasagens de 8 anos, foram
estimadas equações gravitacionais considerando medidas de volatilidades com
6, 4 e 2 anos.
Na Tabela 4, a seguir, tem-se uma compilação dos coeficientes obtidos
para as duas medidas de volatilidade cambial aos diferentes níveis de
defasagem e para os diferentes setores.
Com exceção dos coeficientes não significativos, não reportados, o impacto da
volatilidade
cambial
no
comércio
setorial
se
mostra
negativamente
correlacionado, ou seja, praticamente em todos os setores foram encontrados
impactos negativos da volatilidade cambial sobre o comércio.
Outros modelos econométricos foram estimados na busca de resultados
mais robustos para as estimações do modelo gravitacional, equação 15, dentre
as quais foram estimados os modelos Pooled, Efeitos Aleatórios, Efeitos Fixos
(within transformation) e Efeitos Fixos (LSDV).
Os resultados de todas as estimações confirmaram os principais
resultados encontrados anteriormente. As únicas informações adicionais
obtidas com estes procedimentos complementares dizem respeito ao papel
desempenhado por algumas variáveis de controle utilizadas, tais como a
distância entre os parceiros comerciais, e as variáveis binárias utilizadas para
fronteira e para acordos preferenciais de comércio.
28
(#)
Tabela 3: Estimativas do Painel Dinâmico para a Equação Gravitacional
Pecuário
Agricultura
Mineração
Químico
Manufaturados
ArellanoBover/
BlundellBond (1)
ArellanoBover/
Blundell –
Bond (2)
ArellanoBover/
BlundellBond (1)
ArellanoBover/
Blundell –
Bond (2)
ArellanoBover/
BlundellBond (1)
ArellanoBover/
Blundell –
Bond (2)
ArellanoBover/
BlundellBond (1)
ArellanoBover/
Blundell –
Bond (2)
ArellanoBover/
BlundellBond (1)
ArellanoBover/
Blundell –
Bond (2)
Comércio –
1ª defasagem
0,316***
(0,053)
0,398***
(0,068)
0,314***
(0,043)
0,417***
(0,053)
0, 167
(0,111)
0,068
(0,162)
0,397***
(0,038)
0,462***
(0,037)
0,047***
(0,033)
0,623***
(0,155)
Comércio –
2ª defasagem
-0,045
(0,029)
-0,027
(0,033)
0,054
(0,047)
0,096*
(0,050)
-
-
-
-
-
-
lnPIBiPIBj
0,488**
(0,201)
0,390
(0,326)
0,847***
(0,112)
0,625***
(0,097)
1,543***
(0,206)
1,483***
(0,377)
0,671***
(0,107)
0,638***
(0,117)
0,862***
(0,127)
0,869***
(0,123)
lnPOPiPOPj
0,679
(1,188)
0,135
(1,715)
-1,557**
(0,659)
-1,451**
(0,572)
-4,037***
(1,061)
-3,301*
(1,856)
-0,139
(0,614)
-0,458
(0,496)
-2,091***
(0,693)
-3,038***
(0,894)
Volatilidade
-0,651**
(0,303)
-0,001
(0,001)
-0,676***
(0,227)
-0,001
(0,001)
-1,067**
(0,7556)
-0,003***
(0,001)
-0,430***
(0,136)
-0,001
(0,001)
-0,326***
(0,122)
0,000
(0,000)
Efeito terceiro
país
0,793***
(0,221)
0,001
(0,001)
0,818***
(0,197)
0,002**
(0,001)
0,681*
(0,372)
0,003***
(0,001)
0,351***
(0,076)
0,001
(0,001)
0,465***
(0,081)
0,001
(0,001)
Constante
0,009
(7,353)
4,390
(10,040)
13,364***
(3,977)
12,980***
(3,357)
28,867***
(6,648)
25,524**
(10,786)
3,663
(3,891)
5,607*
(2,916)
16,637***
(4,376)
21,458***
(4,242)
3106
3106
3281
3281
3278
3278
3291
3291
3290
3290
A-B
(Prob >
chi2)
Sargan
(148,313)
p (0,408)
A-B
(Prob >
chi2)
Sargan
(148,243)
p (0,409)
A-B
(Prob >chi2)
A-B
(Prob >
chi2)
Sargan
(151,268)
p (0,344)
A-B
(Prob >
chi2)
Sargan
(152,710)
p (0,743)
A-B
(Prob >
chi2)
Sargan
(152,580)
p (0,747)
A-B
(Prob >
chi2)
Sargan
(152,707)
p (0,401)
A-B
(Prob >
chi2)
Sargan
(152,442)
p (0,407)
A-B
(Prob >
chi2)
Sargan
(152,233)
p (0,411)
A-B
(Prob > chi2)
n
TESTES
Sargan
(151,601)
p (0,337)
FONTE: Elaboração própria a partir de dados do COMTRADE.
* significativo a 10%; ** significativo a 5%; *** significativo a 1%.
(#) k = 8 anos para a defasagem usada nas volatilidades.
(1) Volatilidade da taxa real de câmbio medida por MSD; (2) Volatilidade da taxa real de câmbio medida por P&S.
29
Sargan
(152,438)
p (0,407)
Como esperado, quanto maior a distância, menor o comércio para a
maior parte das estimações, sendo que os menores impactos aconteceram
para os setores de manufaturados e de mineração.
Com respeito às variáveis binárias para fronteira entre os parceiros
considerados e se os países compartilham dos mesmos acordos preferenciais
de comércio, o setor de mineração apresentou os coeficientes estimados com
maiores magnitudes e positivos, além de significativos estatisticamente.
A variável que capta o “efeito terceiro país” mostrou-se positiva e significativa
para a grande parte das estimações complementares. Os resultados
confirmaram a grande importância que as incertezas associadas à “guerra
cambial” entre outros parceiros comerciais afetam fortemente o setor agrícola,
conforme já havia sido constatado pela Tabela 2.
Tabela 4 – Coeficientes significativos para a volatilidade cambial utilizando
diferentes defasagens nos modelos com painel estático e dinâmico
Medidas de
Volatilidade
Modelo Painel Estático
Pecuário
Agrícola
Mineração
Químico
Manufaturados
Sij8
-
-0,757***
-1,429***
-0,585***
-0,701***
Vij8
-0,001***
-0,001**
-0,002***
-
-0,001***
Sij6
-
-0,629***
-1,237***
-
-0,613***
Vij6
-0,004***
-0,005***
-
-
-0,004***
Sij4
-0,507***
-0,723***
-1,015***
-0,280**
-0,704***
Vij4
-0,024**
-0,029***
-0,081**
-0,018**
-0,047**
Sij2
-0,571***
-0,643***
-0,743***
-
-
Vij2
-0,230***
-0,203***
-0,436***
-0,107**
-0,288***
Medidas de
Volatilidade
Modelo Painel Dinâmico
Pecuário
Agrícola
Mineração
Químico
Manufaturados
Sij8
-0,651**
-0,676***
-1,106**
-0,430***
-0,326***
Vij8
-
-
-0,003***
-0,001*
-
Sij6
-
-0,600**
-1,049***
-0,307***
-0,327**
Vij6
-
-
-0,009***
-
-0,003***
Sij4
-0,501*
-
-0,860**
-0,227**
-0,168*
Vij4
-0,022**
-0,018*
-0,037***
-0,012**
-
Sij2
-1,332***
-0,936***
-1,424***
-0,462***
-0,296*
Vij2
-0,567***
-0,377***
-0,149**
-0,082**
-0,103***
FONTE: Elaboração própria a partir de dados do COMTRADE.
* significativo a 10%; ** significativo a 5%; *** significativo a 1%.
30
Os resultados obtidos neste estudo são parte de mais um trabalho
empírico tentando elucidar o papel empírico da volatilidade da taxa de câmbio
sobre o comércio internacional. As estimações resultaram em impactos
negativos para a maior parte das estimações, confirmando estudos anteriores
em diversos aspectos. Os resultados mostraram robustos impactos negativos
da volatilidade cambial no comércio setorial em quase todas as estimações,
apesar do impacto ter sido mais elevado para alguns setores, confirmando os
resultados obtidos em análises agregadas como em Frankel e Wei (1993),
Eichengreen e Irwin (1995), Frankel (1997), ou os resultados decorrentes de
análise setorial como em Cho et al (2002). Na verdade, o estudo de Tenreyro
(2007) conclui que o impacto da volatilidade cambial no comércio é muito
pequeno. Os resultados encontrados no presente artigo também mostraram
uma magnitude baixa, apesar do sinal negativo e estatisticamente significativo
dos coeficientes das volatilidades, principalmente da medida P&S utilizada.
Estes resultados são confirmados, por exemplo, por Kandilov (2008).
8 – Considerações finais
O presente estudo faz parte de um pequeno grupo de estudos que,
quanto à metodologia, utiliza dados em painel na investigação do impacto da
volatilidade cambial no comércio, dentre os quais temos Cho et al (2002),
Tenreyro (2007), e Kandilov (2008). Quanto à utilização de taxas de câmbio
real, como foi o caso deste estudo, podemos citar os artigos de Aristotelous
(2001), Cho et al (2002), Doganlar (2002), Vergil (2002), Baak (2004), Arize et
al (2005), Hwang e Lee (2005), dentre os mais recentes.
Apesar da literatura relacionando comércio internacional com alterações
na taxa de câmbio ser extensa, não existe consenso quanto aos impactos que
aumentos na volatilidade na taxa de câmbio podem trazer para o comércio dos
países. Como demonstra Côté (1994), um grande número de estudos
empíricos encontra uma relação negativa entre a volatilidade cambial e o
comércio, no entanto, este efeito quando medido parece ser muito pequeno.
Considerando a volatilidade cambial como sendo consequência de uma
“guerra cambial” dentre os principais parceiros comerciais do Brasil que, por
31
sua vez, reflete políticas macroeconômicas desses países sem nenhum tipo de
coordenação, os principais resultados que este estudo traz são que a
volatilidade cambial afeta negativamente o comércio setorial brasileiro, no
entanto, este efeito parece não ser tão importante como esperado e reportado
em outros estudos, como em Tenreyro (1997) e Kandilov (2008).
Os resultados obtidos confirmam que o chamado “efeito terceiro país”
também é um efeito presente no comércio setorial brasileiro, pois as
estimativas foram positivas e significativas para a maior parte das estimações.
Cushman (1986) mostra que a variabilidade relativa entre duas moedas pode
ter um papel importante ao afetar o padrão de comércio bilateral. Se um país
exporta bens para diversos países, o comércio será desviado daqueles
mercados cuja taxa de câmbio mais aumentou. Como a maioria dos estudos
empíricos disponíveis não incorpora a volatilidade de terceiro país, conforme
afirma Côté (1994), esta pode ser uma das razões para alguns estudos
reportarem efeitos positivos da volatilidade cambial sobre o comércio. Nas
estimativas obtidas no presente estudo, no entanto, os coeficientes para o
efeito terceiro país não apresentaram magnitudes preocupantes a ponto de
poder afirmar que a “guerra cambial” entre os parceiros brasileiros podem ser
um problema para o comércio setorial brasileiro.
9 - Referências
Anderson, J.E. A theoretical foundation for the gravity equation. The American
Economic Review 69 (1),1979, 106-116.
Anderson, J.E. and E. van Wincoop. Gravity with gravitas: A solution to the
border puzzle. The American Economic Review 93 (1),2003, 170-92.
Arellano, M., and O. Bover. Another look at the instrumental-variable estimation
of error-components model. Journal of Econometrics, v. 68, 1995, p. 29-52.
Arellano, M. and S. Bond. Some tests of specification for panel data: Monte
Carlo evidence and application to employment equations. The Review of
Economic Studies, v. 58, n. 2, 1991, p 277-297.
Aristotelous, K. Exchange-rate volatility, exchange-rate regime, and trade
volume: evidence from the UK-US export function (1989-1999), Economic
Letters 72, 2001, 87-89.
32
Arize, C. A. and T. Osang, and J. Slottje. Exchange-rate volatility in Latin
America and its impact on foreign trade. September, 2005. Available at:
http://faculty.smu.edu/tosang/pdf/latin.pdf
Averbug, A. Mercosul: conjuntura e perspectivas. Revista do BNDES,
Dezembro, 1998.
Baak, S. Exchange rate volatility and trade among the Asia Pacific, International
University
of
Japan,
2004,
http://repec.org/esFEAM04/up.29293.1080736850.pdf
Baer, W., Silva, P. and T. Cavalcanti. Economic Integration without Policy
Coordination: the case of Mercosur. Manuscript. University of Illinois,
Champaign-Urbana. 2001.
Baldwin, R.E. Hysteresis in import prices: the beachhead effect. The American
Economic Review 78, 1988, 773-785.
Baldwin, R.E. and P. Krugman. Persistent trade effects of large exchange rate
shocks. Quarterly Journal of Economics 104, 1989, 635-655.
Batten, D.S. and M.T. Belongia. Monetary policy, real exchange rates and U.S.
agricultural exports. American Journal of Agricultural Economics 68,1986, 42227.
Baron, D. P. Flexible exchange rates, forward markets, and the level of trade.
American Economic Review 66, 1976, 253-266.
Bergstrand, J.H. The generalized gravity equation, monopolistic competition,
and the factor-proportions theory in international trade. Review of Economics
and Statistics 71(1),1989, 143-53.
Bessler, D.A. and R.A. Babula. Forecasting wheat exports: Do exchange rates
matter?. Journal of Business, Economics and Statistics 5,1987, 397-406.
Blundell, R., and S. Bond. Initial conditions and moment restrictions in dynamic
panel data model. Journal of Econometrics 87, 1998, 115-143.
Brodsky, D. Fixed versus flexible exchange rates, and the measurement of
exchange rate instability. Journal of International Economics 16, 1984, 295–
306.
Broll, U. and B. Eckwert. Exchange rate volatility and international trade.
Southern Economic Journal 66(1), 1999, 178-185.
Cho, G. D. Real exchange rate movements and agricultural trade. Ph.D.
Dissertation, The Ohio State University, 2001.
33
Cho, G., Sheldon, I. M. and McCorriston, S. Exchange rate uncertainty and
agricultural trade. American Journal of Agricultural Economics 84 (4),2002, 932942.
Clark, P. B. Uncertainty, Exchange risk, and the level of international trade.
Western Economic Journal 11, September, 1973, pp. 302-13.
Côté, A. Exchange rate volatility and trade, Working Paper No. 94-5, Bank of
Canada. 1994.
Cushman, D.O. US bilateral trade flows and exchange risk during the floating
period. Journal of International Economy 24, 1988, 317-30.
Deardorff, A. Determinants of bilateral trade: does gravity work in a
Neoclassical world?. In J. Frankel (ed.), In the Regionalization of the World
Economy. Chicago: University of Chicago Press, 1998.
De Grauwe, P. Exchange rate variability and the slowdown in growth of
international trade. IMF Staff Papers 24, 1988, 317-30.
De Grauwe, P. International Money: Postwar Trends and Theories. Second
Edition. Oxford: Oxford University Press. 1996.
De Grauwe, P. and B. De Bellefroid. Long-run exchange rate variability and
international trade. In S. Arndt and J. D. Richardson (Editors), Real-Financial
Linkages Among Open Economies. Cambridge: MIT Press. 1986.
Dell’Ariccia, G. Exchange rate fluctuations and trade flows. IMF Staff Papers 46,
2000, 293-314.
Dellas, H. and B. Zilberfarb. Real exchange rate volatility and international
trade: a reexamination of the theory. Southern Economic Journal 59, 1993, 651657.
Doganlar, M. Estimating the impact of exchange rate volatility on exports:
evidence from Asian countries. Applied Economics Letters 9, 2002, pp. 859863.
Dornbusch, R. Exchange rates and prices. The American Economic Review 77,
1987, 93-106.
Egger, P. An econometric view on the estimation of gravity models and the
calculation of trade potentials. The World Economy 25(2), 2002, 297-312.
Eichengreen, B. and D.A. Irwin. Trade blocs and the reorientation of trade in the
1930s. Journal of International Economy 38, 1995, 1-24.
Evenett, S.J. and W. Keller. On theories explaining the success of the gravity
equation. Journal of Political Economy 110(2), 2002, 281-316.
34
Farrell, V., DeRosa, D. and T. A. McCown. Effects of exchange rate variability
on international trade and other economic variables: a review of the literature.
Board of Governors of the Federal Reserve System. Staff Studies 130, 1983.
Feenstra, R. C. Border effects and the gravity equation: consistent methods for
estimation. Journal of Political Economy 49 (5), 2002, 491-506.
Frankel, J. Regional trading blocs in the world economic system. Institute for
International Economics, Washington, DC. 1997.
Frankel, J. and S. Wei. Trade blocs and currency blocs. NBER Working Paper
4335, Cambridge, MA. NBER, 1993.
Frankel, J., Stein, E. and S. Wei. Continental trading blocs: are they natural or
supernatural? In J. Frankel (ed.), In the Regionalization of the World Economy.
Chicago: University of Chicago Press, 1998.
Froot, K. A. and P. D. Kemplerer. Exchange rate pass-through when market
share matters. The American Economic Review 79, 1989, 637-654.
Haley, S.L. and B. Krissoff. U.S. grain exports and the value of the U.S. dollar.
Journal of Agricultural Economics Research 39,1987, 12-21.
Helpman, E. Imperfect competiton and international trade: evidence from
fourteen industrial countries. Journal of the Japanese and International
Economies 1, 1987, 62-81.
Hooper, P. and S.W. Kohlhagen. The effect of exchange rate uncertainty on the
prices and volume of international trade. Journal of International Economy 8,
1978, 483-511.
Hwang, Hae-du and Lee, Jin-woo. Exchange rate volatility and trade flows of
the UK in 1990s, International Area Review, Vol 8 (1), 2005, 173-82.
Kandilov, I. The effects of exchange rate volatility on agricultural trade.
American Journal of Agricultural Economics 90,2008, 1028-1043.
Kenen, P. and D. Rodrik. Measuring and analysing the effects of short-term
volatility in real exchange rates. Review of Economics and Statistics 68, 1986.
Klein, M.W. Sectoral effects of exchange rate volatility on United States exports.
Journal of International Money and Finance 9,1990, 299-308.
Lanyi, A. and E. Suss. Exchange rate variability: alternative measures and
interpretation. IMF Staff Papers 29, 1982, 527–60.
Linnemann, H. An econometric study of international trade flows. Amsterdam:
North-Holland, 1966.
35
Los Rios, A. D. Exchange rate regimes, globalisation, and the cost of capital in
emerging markets. Emerging Economic Review 10, 2009, 311-330.
Mark, N. Exchange rates and fundamentals: evidence on long-horizon
predictability. The American Economic Review 85, 1995, 201-18.
Mark, N. International macroeconomics and finance. Blackwell Publishers.
2001.
Maskus, K. Exchange rate risk and U.S. trade: a sectoral analysis. Federal
Reserve Bank of Kansas Economic Review 3, 2002, 16-28.
McKenzie, M. and R. Brooks. The impact of exchange rate volatility on germanu.s. trade flows. Journal of International Financial Markets, Institutions and
Money 7, 1997, 73-87.
Perée, E. and A. Steinherr. Exchange rate uncertainty and foreign trade.
European Economic Review 33,1989, 1241-64.
Pick, D.H. Exchange rate risk and U.S. agricultural trade flows. American
Journal of Agricultural Economics 72,1990, 694-700.
Pick, D.H. and T.L. Vollrath. Real exchange rate misalignment and agricultural
export performance in developing countries. Economic Development and
Cultural Change 42,1994, 555-71.
Rose, A. One money, one market: the effect of common currencies on trade.
Economic Policy 30, 2000, 7-46.
Samuelson, P. The transfer problem and transport costs: the terms of trade
when impediments are absent. Economic Journal 62, 1952, 278-304.
Sauer, C. and A. K. Bohara. Exchange rate volatility and exports: regional
differences between developing and industrialized countries. Review of
International Economics 9 (1), 2001, 133-152.
Schuh, G. E. The exchange rate and U.S. agriculture. American Journal of
Agricultural Economics 56,1974, 1-13.
Silva, J. S. and S. Tenreyro. The log of gravity. The Review of Economics and
Statistics 88, 2008, 641-658.
Soloaga, I. and A. Winters. Regionalism in the nineties: What effect on trade?.
The North American Journal of Economics and Finance 12, 2001, 1-29.
Tenreyro, S. On the trade impact of nominal exchange rate volatility. Journal of
Development Economics 82, 2007, 138-160.
36
Thursby, J.G. and M.C. Thursby. Bilateral trade flows, the Linder hypothesis
and exchange rate risk. Review of Economics and Statistics 69, 1987, 488-95.
Tinbergen, J. Shaping the world economy. Twenty-Century Fund, New York,
1962.
Trefler, D. Trade liberalization and the theory of endogenous protection: an
econometric study of U.S. import policy. Journal of Political Economy 101 (1),
1993, 138-160.
Tweeten, L. Farm policy analysis. Boulder, CO: Westview Press, 1989.
Vergil, H. Exchange rate volatility in Turkey and its effect on trade flows. Journal
of Economic and Social Research, 4 (1), 2002, 83-99.
Wei, S.J. Intra-national versus international trade: How stubborn are nations in
global integration?. NBER Working Paper 5531, Cambridge, MA. NBER, 1996.
37
Apêndice
(#)
Tabela A.1: Estimativas do Painel Estático para a Equação Gravitacional
Pecuária
Agricultura
Mineração
Químico
Manufaturados
MQO
(LSDV)
PPML
(EFEITOS
FIXOS)
MQO
(LSDV)
PPML
(EFEITOS
FIXOS)
MQO
(LSDV)
PPML
(EFEITOS
FIXOS)
MQO
(LSDV)
PPML
(EFEITOS
FIXOS)
MQO
(LSDV)
PPML
(EFEITOS
FIXOS)
lnPIBiPIBj
1,959***
(0,151)
0,907***
(0,093)
1,356***
(0,107)
1,075***
(0,076)
2,194***
(0,092)
1,247***
(0,074)
2,039***
(0,080)
1,130***
(0,038)
2,292***
(0,105)
1,609***
(0,053)
lnPOPiPOPj
0,752
(0,666)
1,602***
(0,388)
1,559***
(0,384)
0,648**
(0,251)
0,038
(0,392)
0,013
(0,423)
1,453***
(0,255)
-0,302
(0,197)
1,830***
(0,245)
0,069
(0,346)
Volatilidade
(P&S)
0,0000
(0,001)
-0,001***
(0,000)
-0,001*
(0,000)
-0,001**
(0,000)
-0,003***
(0,001)
-0,002***
(0,001)
0,000
(0,001)
0,000
(0,001)
-0,001**
(0,000)
-0,001***
(0,000)
Efeito terceiro
país (P&S)
0,001
(0,001)
0,002***
(0,000)
0,001
(0,001)
0,001
(0,001)
0,003***
(0,001)
0,000
(0,001)
0,001
(0,001)
0,000
(0,001)
0,002***
(0,001)
0,001***
(0,000)
3106
3366
3281
3366
3278
3366
3291
3366
3290
3366
n
FONTE: Elaboração própria a partir de dados do COMTRADE.
* significativo a 10%; ** significativo a 5%; *** significativo a 1%.
(#) k = 8 anos para a defasagem usada nas volatilidades; todos os modelos foram estimados com variáveis dummies para controle de efeito do tempo e da
heterogeneidade não- observada (efeito fixo).
38