PREDIÇÃO DIÁRIA DE CURTO PRAZO DA TAXA DE CÂMBIO: UM
EXPERIMENTO DAS FORMAS FUNCIONAIS LOGARÍTMICA,
EXPONENCIAL E SEMILOGARÍTMICA II
RESUMO: Em Janeiro de 1999, o Brasil adotou o regime de câmbio flutuante, o qual
passou a ser determinante na condução das políticas econômicas. Desde então, os
rendimentos do mercado exportador e do fluxo de capitais passaram a ser afetados
pela constante variabilidade cambial. A variabilidade cambial tem um
comportamento dinâmico levando a uma previsão de curtíssimo e curto prazo para
subsidiar o processo de decisão das questões econômicas. Portanto, o presente
resumo expandido objetivou apresentar os resultados do experimento econométrico
realizado para avaliar a predição diária da taxa de câmbio brasileira de curto prazo
em relação ao tempo a partir do teste de eficiência e eficácia das formas funcionais
logarítmica, exponencial, e semilogarítmica II. Metodologicamente, utilizou-se a
econometria, por meio do método dos mínimos quadrado ordinário, MQO, para as
respectivas funções não lineares, a partir das variáveis taxa de câmbio diária de
compra e venda do Dólar americano em relação ao Real. O modelo considerou uma
amostragem de 543 registros referente à Janeiro a Junho de 2009, cujos testes
levaram em consideração uma confiabilidade estatística de 95% e nível de
significância de 5%. Os resultados evidenciaram que a forma funcional exponencial
foi a mais adequada para a predição econométrica do câmbio em relação ao tempo,
no curto prazo, visto que o processo de variação cambial foi contínuo. Concluiu-se
que a previsão da taxa de câmbio foi mais eficiente quando se usou o modelo
exponencial em função do tempo, ou seja, o câmbio estimado se aproximou da taxa
efetiva.
PALAVRAS-CHAVE: Econometria; Predição cambial; Avaliação de modelos.
ABSTRACT: In January 1999, Brazil adopted a floating exchange rate regime, which
became determinant in the conduct of economic policies. Since then, income from
export market and capital flows began to be affected by the constant exchange rate
variability. The exchange rate variability has a dynamic behavior leading to a
prediction of short and short-term to support the decision process of economic
issues. Therefore, this expanded summary aims to present the econometric results of
the experiment conducted to evaluate the prediction of daily exchange rate of Brazil's
short term in relation to time from the test of efficiency and effectiveness of functional
forms logarithmic, exponential, and semi-logarithmic II. Methodologically, we used
econometrics, through the ordinary method of least square, OLS, for their non-linear
functions, varying from daily exchange rate for the purchase of U.S. Dollar against
the Real. The model considered a sample of 543 records on the January to June
2009, whose tests took into account a statistical confidence of 95% and a
significance level of 5%. The results showed that the exponential functional form was
the most suitable for predicting the econometrics of exchange in relation to time, in
the short term, since the process of exchange variation was continuous. It was
concluded that the prediction of the exchange rate was more efficient when it used
the exponential function of time, or is, the exchange rate approached the estimated
effective rate.
KEY-WORDS: Econometrics; Exchange rate prediction; Evaluation of models.
1 INTRODUÇÃO
A abertura comercial brasileira e a livre flutuação cambial, a partir de Janeiro
de 1999, tornaram a variável taxa de câmbio uma das mais relevantes na condução
macroeconômica. Com o devido conhecimento e a adoção de métodos adequados
foi possível reduzir riscos e apontar tendências no comportamento da variável
cambial, podendo, dessa forma, contribuir para a melhora das condições de
exportação por meio da sua predição.
Para os agentes econômicos foi importante ter um indicador do caminho a
ser seguindo ao longo do tempo no processo de decisão quanto à taxa de câmbio,
pois, uma decisão errada tomada, a partir de parâmetros equivocados, pode causar
prejuízos ao agente econômico exportador. A contribuição desta pesquisa foi
justificável, pois, possibilitou uma melhor compreensão do funcionamento do
mercado cambial nacional; além da possibilidade em analisar de que forma a
oscilação cambial ao longo de uma série temporal pôde afetar a tendência de
equilíbrio entre as forças de oferta e demanda de divisas do Brasil, contribuindo,
dessa forma, aos planejadores para a otimização de recursos afetados pela variação
de divisas do país.
A problemática que envolveu este estudo relacionou-se à preocupação em
estabelecer parâmetros que subsidiem o exportador, quanto ao comportamento
futuro diário de curto prazo da taxa de câmbio, visto que a tomada de decisão, ao
volume de produção esteve diretamente relacionada à mesma, principalmente para
empresas exportadoras.
Desta forma o objetivo deste resumo expandido foi mostrar os resultados
obtidos pela investigação da tendência cambial por meio de um experimento
econométrico cuja finalidade foi avaliar a predição diária da taxa de câmbio brasileira
a partir do teste de eficiência e eficácia das formas funcionais logarítmica,
exponencial e semilogarítmica II, buscando um modelo de previsão da taxa de
câmbio de curto prazo em função do tempo, utilizando, para tal, o estudo da série
temporal compreendido entre os meses de Janeiro a Junho de 2009.
Portanto, pretendeu-se por meio deste estudo estabelecer um conjunto de
informação favorável ao desenvolvimento de um instrumental adequado à avaliação
e estimação econométrica de um modelo econômico para predição e, ou,
apontamento de tendência da taxa de câmbio de curto prazo, possibilitando antever
variações cambiais e adequar a empresa à futura condição cambial.
2 PROCEDIMENTOS METODOLÕGICOS
A Econometria é o ramo quantitativo das Ciências Econômicas, a qual
envolve a teoria econômica, a estatística, a matemática e a análise econômica, com
a finalidade de estimar parâmetros econométricos, os quais subsidiam o processo
de decisão nos âmbitos de previsão e estimação.
A econometria segundo Lange (s.d.), pode ser divida em três grupos de
pesquisa: primeiro, o estudo de relações de mercado nos âmbitos microeconômico e
macroeconômico; segundo, a programação com preocupação na economia nacional
e os efeitos das decisões econômicas; terceiro, a ferramenta de interesse desse
trabalho, o estudo de previsão de flutuações da conjuntura econômica, ou mais
precisamente, a predição cambial.
Neste contexto Matos (1997), destacou a importância de reduzir o risco de
previsões através do emprego da econometria no processo de decisão de tal modo
que o julgamento de medidas corretivas possam se fazer necessárias ou não.
Metodologicamente, a pesquisa caracterizou-se pela exploração quantitativa
de dados estatísticos relevantes para a caracterização do objeto de estudo. Para tal,
utilizou à série de dados temporais cuja entidade foi a economia brasileira, onde os
dados foram trabalhados de forma diária, no período de Janeiro a Junho de 2009,
correspondendo a 543 registros. Para tanto, foram coletados dados diários das
variáveis: tempo, taxa de câmbio compra e venda. Os dados considerados para
taxa de câmbio referiram ao Dólar americano Ptax 800 expresso em Real e
divulgado pelo Banco Central do Brasil, BACEN (2009), o qual correspondeu a uma
média ponderada da variação ocorrida no dia. Para efeito de estimação de algumas
formas funcionais as variáveis foram transformadas em logaritmos neperiano.
Para estimação dos 46 modelos que compuseram o conjunto do
experimento de predição foi utilizado o Método dos Mínimos Quadrados Ordinários,
MQO, por meio do qual foram avaliadas as funções não lineares: logarítmica ou
potencial, exponencial ou semilogarítmica I e semilogarítmica II com a finalidade de
estimar um modelo de previsão cambial de curto prazo em função do tempo
considerando uma confiabilidade estatística de 95% e significância de 5%.
O procedimento metodológico seguido para a investigação econométrica foi
sugerido por Matos (1997) e Gujarati (2000) em que primeiro, formularam-se as
hipóteses que foram reunidas em modelos matemáticos e econométricos; em
segundo, obtiveram-se os dados; em terceiro, estimaram-se os modelos; depois,
avaliaram-se os modelos estimados; e, por fim, as previsões foram realizadas para a
aplicação em situações práticas.
A especificação do modelo de predição cambial em função do tempo foi
apoiada no estudo macroeconômico para mercado aberto. No entanto, fez-se
necessário a adoção de três formas funcionais básicas, Quadro 01, para o modelo
de previsão econométrica: logarítmica, exponencial, e semilogarítmica II.
Quadro 01 – Especificação do modelo por forma funcional e categoria de taxa de câmbio
Taxa de câmbio compra
Taxa de câmbio venda
Método
LnCC = Lna + b(LnΤ) ± µ
LnCV = Lna + b(LnΤ) ± µ
Log.
Modelo
LnCC = Lna + (Lnb) ⋅ Τ ± µ
LnCV = Lna + (Lnb) ⋅ Τ ± µ
Exp.
econométrico
TCC = Lna + b(LnΤ) ± µ
TCV = Lna + b(LnΤ) ± µ
Semilog. II
FONTE: Elaborada pelos autores (2009).
LEGENDA: LnCC = Taxa de câmbio compra em logaritmo neperiano; LnΤ = Tempo em logaritmo
LnCV = Taxa de câmbio venda em logaritmo neperiano; TCC = Taxa de câmbio
compra; TCV = Taxa de câmbio venda.
neperiano;
As formas funcionais adotadas para estimação dos modelos foram,
conforme Matos (1997), a logarítmica a qual possibilitou captar os efeitos de
crescimento a taxas crescentes ou decrescentes com o aumento da outra variável; a
exponencial, a qual serviu para descrever processos de crescimento continuo ou
aproximadamente continuo de uma variável no tempo; e a semilogarítmica II, a qual
considerou que os acréscimos ou decréscimos da variável dependente como
resposta das alterações na variável explicativa não foram proporcionais com o
crescimento desta.
Para a avaliação dos modelos econométricos ao nível de significância de
5% e confiabilidade estatística de 95% utilizaram-se as seguintes estatísticas de
avaliação: o teste F serviu para avaliar o grau de influência do conjunto das variáveis
exógenas sobre a variável endógena do modelo. O teste t serviu para avaliar o efeito
individual de cada variável explicativa e o termo constante em relação à variável
dependente. O coeficiente de determinação, R2, mediu o ajuste das variáveis
exógenas em relação à endógena. Essa medida foi formada por uma escala que
variou de 0 a 1. Quanto mais o coeficiente de determinação se aproximou de um,
mais ajustado esteve o modelo de regressão. O coeficiente de variação, CV, mediu
o grau de dispersão dos dados observados. Sua variação foi expressa em termos
percentuais. Quanto mais próximo de zero, menos dispersos foram os dados em
relação à linha de regressão. A análise dos resíduos indicou o nível de erro entre o
valor observado e o predito. A melhor forma funcional foi identificada pelo resíduo
mais próximo de zero. O coeficiente de correlação, r, mediu o grau de associação,
ou covariância, entre as variáveis endógena e exógena, e quanto mais próximo do
valor unitário, mais correlacionados estiveram as variáveis. O teste de DurbinWatson, d, serviu para diagnosticar problemas de autocorrelação serial, ou seja, se
os resíduos estavam correlacionados entre si. O coeficiente foi interpretado
considerando-se a região conclusiva obtida dos valores críticos da referida
estatística e para os referidos graus de liberdade. Neste caso, utilizaram-se como
graus de liberdade o número de observações, n, e o número de variáveis
explicativas, k = 1, para o tempo. A interpretação de Durbin-Watson, d, considerou,
segundo Maddala (2003), a ocorrência de autocorrelação positiva se deu no
intervalo entre 0 e 2, e a autocorrelação negativa no intervalo entre 2 e 4.
3 RESULTADOS E DISCUSSÂO
No estudo dos modelos de predição, foram analisadas as taxas de câmbio
Ptax 800 do Dólar americano de compra e venda diária, que compreendeu os meses
de Janeiro a Junho de 2009. Ao analisar as duas formas de taxa de câmbio, compra
e venda, verificou-se que não houve diferença relevante entre as duas, pois, esta
diferença apresentou um padrão continuo para toda a série, equivalente a R$ 0,0008
a mais para a taxa de câmbio de venda. Essa pequena diferença deveu-se ao
spread cobrado pelas instituições financeiras na venda da moeda estrangeira. Da
especificação, estimação e avaliação chegaram-se aos resultados da Tabela 01.
Tabela 01 – Resultados de avaliação da forma
semilogarítmica II.
Jan
Fev
Mar
Parâmetro
Log. 0,8272 0,8152 0,8978
Estimado a Exp. 0,8287 0,8154 0,8726
Semi. 2,2876 2,2587 2,4517
b Log. 0,0043 0,0106 -0,0238
Exp. 0,0006 0,0018 -0,0022
funcional logarítmica, exponencial e
Abr
0,8068
0,7951
2,2410
-0,0072
-0,0004
Mai
0,8005
0,7710
2,2228
-0,0300
-0,0029
Jun Semestre
0,6633 0,8885
0,6659 0,8885
1,9411 2,4200
0,0025 -0,0012
0,0002 -0,0012
Semi.
Log.
a Exp.
Semi.
Teste t
(p-value)
Log.
b Exp.
Semi.
Log.
Teste F
Exp.
Semi.
Log.
Teste F
Exp.
(p-value)
Semi.
Coeficiente de Log.
Determinação
Exp.
(R²)
Semi.
Log.
Coeficiente de
Exp.
Correlação (r)
Semi.
Log.
Coeficiente de
Exp.
Variação (CV)
Semi.
0,0098
0,0000
0,0000
0,0000
0,2574
0,0955
0,2608
1,3349
2,9688
1,3154
0,2574
0,0955
0,2608
0,0440
0,0929
0,0434
0,2098
0,3047
0,2083
2,0826
2,0287
1,7272
0,0249
0,0000
0,0000
0,0000
0,0309
0,0001
0,0294
5,2092
20,1237
5,3130
0,0309
0,0001
0,0294
0,1669
0,4363
0,1697
0,4085
0,6605
0,4119
2,4297
1,9986
2,0443
-0,0554
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
63,4491
53,2999
64,6598
0,0000
0,0000
0,0000
0,6863
0,6476
0,6904
-0,8284
-0,8048
-0,8309
1,6662
1,7660
1,3923
-0,0161 -0,0624 0,0049 -0,0025
0,0000 0,0000 0,0000 0,0000
0,0000 0,0000 0,0000 0,0000
0,0000 0,0000 0,0000 0,0000
0,0023 0,0000 0,2355 0,0000
0,0962 0,0000 0,2546 0,0000
0,0022 0,0000 0,2358 0,0000
11,2271 158,6186 1,4698 663,0062
2,9641 216,8103 1,3528 663,0062
11,3523 167,9293 1,4682 662,4399
0,0023 0,0000 0,2355 0,0000
0,0962 0,0000 0,2546 0,0000
0,0022 0,0000 0,2358 0,0000
0,2862 0,8454 0,0499 0,7874
0,0957 0,8820 0,0461 0,7874
0,2885 0,8527 0,0498 0,7873
-0,5350 -0,9195 0,2233 -0,8874
-0,3094 -0,9392 0,2147 -0,8874
-0,5371 -0,9234 0,2232 -0,8873
1,2512 1,5341 1,3980 4,0418
1,4083 1,3402 1,4007 4,0418
0,9924 1,0897 0,9427 3,1046
FONTE: Elaborado pelo autores (2009)
3.1 Forma funcional logarítmica
Para estimar a predição da taxa de câmbio de curto prazo, verificaram-se,
conforme resultados da Tabela 01, que ela foi eficiente para os meses de Fevereiro,
Março, Abril e Maio, cujos coeficientes de determinação foram, respectivamente, de
16,69%, 68,63%, 28,62% e 84,54%. Para os meses de Janeiro e Junho a forma
funcional logarítmica não se apresentou eficiente, visto que as variações do câmbio
se mostraram constantes, apresentando um coeficiente de determinação de 4,40% e
4,99%.
Observando os resultados do teste t verificou-se que para os meses de
Fevereiro, Março, Abril e Maio, o modelo logarítmico apresentou efeito estatístico,
isto é, a variável tempo conseguiu explicar a variação do câmbio e, portanto, o
modelo estimado foi eficiente para a predição de valores para estes meses.
Contudo, para os meses de Janeiro e Junho não apresentaram efeito estatístico ao
nível de 5% de significância, ou seja, para estes meses o modelo não se apresentou
ajustado para previsões.
3.2 Forma funcional exponencial
A aplicação da forma funcional exponencial, Tabela 01, mostrou efeito
estatístico para os meses de Fevereiro, Março e Maio, cujos coeficientes de
determinação foram de 43,63%, 64,76% e 88,20%, respectivamente. Assim, para
estes meses a forma exponencial foi eficiente para a predição da taxa cambial. Nos
meses de Janeiro, Abril e Junho a forma funcional exponencial não foi eficiente para
previsão de valores futuros da taxa de câmbio visto que nestes meses não se
verificaram variações continuas.
3.3 Forma funcional semilogarítmica II
A utilização da forma funcional semilogarítmica II, conforme Tabela 01,
apresentou poder de predição para os meses de Fevereiro, Março, Abril e Maio, os
quais foram acompanhados pela presença de efeito estatístico avaliado por meio do
teste t, para um nível de significância de 5%. Nos meses cuja variabilidade da taxa
cambial diária em função do tempo apresentaram efeito estatístico, os coeficientes
de determinação variaram no intervalo de 16,97% a 85,27%, sendo que no mês de
Fevereiro houve uma volatilidade maior da taxa de câmbio com coeficiente de
variação de 2,04%. Para os meses de Janeiro e Junho, a forma funcional
semilogarítmica II não foi eficiente para definir um modelo de previsão, visto que o
coeficiente de determinação foi de 4,34% e 4,98%, respectivamente, influenciando
na não apresentação de efeito estatístico, conforme resultados do teste t.
3.4 Análise dos resíduos
Constatou-se, Tabela 02, que a forma funcional logarítmica apresentou as
melhores médias para os meses de Março, Maio, Junho. A forma funcional
exponencial apresentou os melhores resultados para os meses de Janeiro,
Fevereiro e Abril. Para a semilogarítmica II, comprovou-se a deficiência de estimar o
modelo de predição cambial para o período considerado, pois, as médias
harmônicas dos resíduos para os modelos considerados apresentaram resultados
maiores que as demais formas funcionais, indicando, assim, que os valores
previstos dificilmente se aproximaram do valor observado.
Tabela 02 – Média harmônica dos resíduos por modelo econométrico.
Período
Logarítmica
Exponencial
Semilogarítmica II
Janeiro
0,0066
0,0028
0,0155
Fevereiro
0,0100
0,0080
0,0230
Março
0,0032
0,0050
0,0077
Abril
0,0033
0,0009
0,0072
Maio
0,0002
0,0032
0,0003
Junho
0,0026
0,0029
0,0050
Semestre
0,0105
0,0105
0,0228
Total
0,0365
0,0333
0,0815
FONTE: Elaborado pelo autores (2009)
Ao considerar a média harmônica dos resíduos no Semestre, Tabela 02,
constatou-se que as formas logarítmica e exponencial apresentaram as menores
dispersões idênticas na ordem de 0,0105. No entanto, ao considerar a soma da
média harmônica dos resíduos, observou-se que a exponencial apresentou o melhor
resultado em relação à logarítmica, sendo, respectivamente, 0,0333 e 0,0365.
Portanto, apesar das formas funcionais, logarítmica e exponencial, apresentarem os
melhores resultados em quatro modelos cada, a exponencial se destacou por
apresentar a menor diferença entre o valor predito e o observado no conjunto das
médias.
3.5 Análise de autocorrelação e o teste Durbin-Watson
A autocorrelação correspondeu a correlação dos resíduos no período t com
os resíduos do período t-1. Assim, Matos (1997) definiu autocorrelação como uma
dependência temporal dos resíduos de forma sucessiva, o que levou a problemas
nas análises econométricas, pois, os erros-padrão tornaram-se viesados e os
intervalos de confiança incorretos. No entanto, tais problemas puderam ser
identificados por meio do teste de Durbin-Watson, Tabela 03, o qual ajudou
identificar, além da ocorrência ou não do problema estatístico da autocorrelação, a
influência da variação inercial da taxa de câmbio, visto que, expectativas puderam
influenciar a alta ou queda do câmbio no tempo.
Tabela 03 - Coeficientes de Durbin-Watson para a taxa de câmbio no período de Janeiro a
Junho de 2009.
Região
Forma
Forma
Forma
Período
conclusiva
Logarítmica
Exponencial
Semilogarítmica II
Li
1,363
Janeiro (n = 31)
0,5835
0,608
0,5818
Ls
1,496
Li
1,328
Fevereiro (n = 28)
0,2652
0,3816
0,2658
Ls
1,476
Li
1,363
0,5215
0,3601
0,5257
Março (n = 31)
1,496
Ls
Li
1,352
Abril (n = 30)
0,6789
0,6065
0,6806
Ls
1,489
Li
1,363
0,6334
0,6659
0,6628
Maio (n = 31)
1,496
Ls
Li
1,352
0,8135
0,81
0,8132
Junho (n = 30)
1,489
Ls
Li
1,758
Geral (n = 181)
0,0925
0,0925
0,0986
Ls
1,778
FONTE: Elaborado pelos autores (2009).
LEGENDA: Li: Limite Inferior; Ls: Limite superior da região conclusiva.
Neste sentido, inferiu-se por meio dos dados da Tabela 03, que para os
meses estudados, as autocorrelações foram consideradas pequenas, contidas no
limite 0 < d < 2, portanto, mostraram-se positivas. Desta forma, constatou-se que a
taxa de câmbio sofreu uma pequena influência inercial na variação positiva no que
se refletiu na depreciação cambial do período. Os meses de Abril, Maio e Junho de
2009, sofreram maior impacto das expectativas em relação aos demais meses.
Mesmo que caracterizada por uma autocorrelação positiva, econometricamente não
chegou a afetar os resíduos, o erro-padrão e a variância e, portanto, não prejudicou
os parâmetros estimados e as avaliações de hipóteses. Analisando-se o conjunto de
observações gerais de Janeiro a Junho, inferiu-se, também uma autocorrelação
positiva, contudo, ficou fora da região conclusiva de 1,758 < d < 1,778, portanto, os
modelos econométricos logarítmico, exponencial e semilogarítmico II , não foram
afetados pelo problema da autocorrelação serial.
3.6 Análise das correlações
Conforme os níveis de correlação evidenciados na Tabela 01, observou-se
que o ranking dos coeficientes, para os meses de Janeiro, Fevereiro e Junho
apresentaram covariância positiva entre taxa de câmbio e o tempo. No entanto, para
os meses de Janeiro e Junho a correlação mostrou-se relativamente baixa, o que
comprovou a pequena associação entre a taxa cambial na evolução do tempo. Nos
meses de Março, Abril e Maio houve alta correlação negativa. Tendência essa que
foi reforçado pela alta correlação negativa do semestre, o que indicou o sentido geral
de depreciação do Dólar americano em relação ao Real na evolução do tempo.
Quanto as formas funcionais, observou-se que a forma funcional
exponencial apresentou as mais altas correlações em relação as demais formas
funcionais nos meses de Janeiro, Fevereiro e Maio. Nos meses de Março e Abril a
forma funcional semilogarítmica II apresentou as mais altas correlações e, em
Junho, foi a forma logarítmica que apresentou a maior correlação em relação as
demais formas funcionais. Concluiu-se que a forma exponencial apresentou as
melhores associações entre taxa de câmbio e sua evolução no tempo na maior parte
dos meses analisados.
3.7 Inferências gerais
Observou-se para os meses de Janeiro e Junho, que nenhuma das formas
funcionais mostrou-se adequada para estimar o modelo de predição, pois, os pvalues do teste t, Tabela 01, não apresentaram nível de significância para os
parâmetros b. E, os parâmetros a, que mediram a influência dos demais fatores não
considerados na análise, apresentaram p-values próximo à zero. Ainda, os
coeficientes de determinação, Tabela 01, não mostraram influência da variável
explicativa, tempo, em relação à explicada, taxa de câmbio. Observou-se que o fato
de nenhum modelo mostrar-se eficiente para esses meses esteve relacionado à alta
volatilidade da taxa de câmbio.
Ao se agregar todos os valores cambiais em um único modelo semestral,
conforme resultados da Tabela 01, as formas funcionais logarítmica e exponencial,
respectivamente, apresentaram os melhores resultados idênticos para a predição da
taxa de câmbio em relação ao tempo no curto prazo, pois, seus coeficientes de
determinação foram de 0,7874, ao contrário da semilogarítmica II que apresentou
coeficiente de determinação de 0,7873.
Portanto, todas as formas funcionais conseguiram apontar a direção que a
taxa de câmbio seguiu. No entanto, por serem estimadas com uma série de dados
relativamente curta, os modelos estimados mensalmente apresentaram deficiências
na determinação da cotação cambial. Mas, a partir do momento que foi incorporado
uma série de dados temporal maior, as formas funcionais logarítmica e exponencial
passaram a se destacar na predição cambial. No entanto, ao analisar a soma da
média harmônica dos resíduos constatou-se que a forma exponencial apresentou o
menor grau de erro entre o valor previsto e o observado. Desta forma, concluiu-se
que a forma funcional mais adequada para a predição da taxa de câmbio em relação
ao tempo no curto prazo foi a forma exponencial.
4 CONSIDERAÇÕES FINAIS
As considerações finais levaram a conclusão que a partir do momento que
os modelos passaram a contar com uma série de dados temporal maior, a forma
funcional exponencial passou a se destacar na predição cambial. Desta forma,
concluiu-se que a forma funcional mais adequada para a predição da taxa de câmbio
em relação ao tempo no curto prazo foi a forma funcional exponencial desde que
atenda o critério de uma série de dados o suficiente para que o efeito do câmbio em
relação ao tempo possa ser captado.
A finalidade deste trabalho foi de possibilitar uma ferramenta simplificada
que pudesse ser operacionalizada sem grande aporte em termos de métodos
quantitativos pelas empresas que necessitam efetuar previsão econômica para a
taxa de câmbio de curto prazo utilizando principalmente a forma funcional
exponencial, a qual adaptou-se melhor a condição de predição.
Ressalta-se que este resumo expandido é um dos resultados do Trabalho de
Conclusão de Curso de Ciências Econômicas defendido em 2009, o qual recebeu
apoio para seu desenvolvimento do Departamento de Economia e o aporte de
financiamento é dos próprios pesquisadores.
5 REFERÊNCIAS
Bibliografias
GUJARATI, Damodar N. Econometria básica. 3ª ed. São Paulo: Makron Books,
2000, 846p.
LANGE, Oskar. Lições de econometria. Porto, Portugal: Rés, [s.d.], 478p.
MADDALA, G. S. Econometria. 3ª ed. Rio de Janeiro: LTC, 2003.
MATOS, Orlando Carneiro de. Econometria básica: Teoria e aplicação. 2ª ed. São
Paulo: Atlas, 1997, 246p.
Fontes
BACEN.
Cotação
taxa
de
câmbio.
Disponível
em:
http://www4.bcb.gov.br/pec/taxas/port/PtaxRPesq.asp?idpai=TXCOTACAO
Acesso em: 10 de Jul. 2009.
<
>