HOME | ÍNDICE POR TÍTULO | NORMAS PUBLICACIÓN

Espacios. Vol. 37 (Nº 19) Año 2016. Pág. 7

A influência da taxa de câmbio nas exportações de carne suína do Brasil – uma análise de longo prazo com modelos concorrentes

The exchange rate influence on pork exports from Brazil – a long run analysis with competing models

Tiane Alves Rocha GASTARDELO 1; Daniel Arruda CORONEL 2; Reisoli BENDER FILHO 3; Pascoal José MARION FILHO 4; Laércio Juarez MELZ 5

Recibido: 05/03/16 • Aprobado: 03/04/2016

Conteúdo

1. Introdução

2. Conjuntura atual da suinocultura no mundo

3. Regimes cambiais utilizados no Brasil

4. Metodologia

5. Análise e discussão dos resultados

6. Considerações finais

Agradecimentos

Referências

1. Introdução

O agronegócio brasileiro participou com 41,28% do valor da Balança Comercial em 2013, evidenciando a importância do setor para o país, conforme o Ministério da Agricultura Pecuária e Abastecimento (MAPA, 2014). Um dos setores que tem crescido nos últimos anos e tem colaborado para à boa atuação do agronegócio no cenário nacional é a exportação de carne suína. Em 2013 o país foi o quarto maior exportador mundial, com um total de 600 mil toneladas, ficando atrás apenas dos Estados Unidos, União Europeia e Canadá, de acordo com Associação Brasileira da Indústria Produtora e Exportadora de Carne Suína (ABIPECS, 2014).

A carne suína é a carne mais consumida no mundo, embora tenha restrições em alguns países devido aos hábitos, proibições religiosas e dogmáticas (GERVASIO, 2013). A despeito da crença de que carne suína é prejudicial à saúde, ela é uma carne magra e contém nutrientes semelhantes ao das demais carnes. No Brasil, o seu consumo ainda é menor que de outras carnes, como, bovinos e aves (ABIPECS, 2014; VALLE, 2000).

A demanda é claramente um determinante para a produção e exportação de qualquer produto. Entretanto, a demanda não é influenciada apenas pela necessidade, há também os fatores macroeconômicos, como, por exemplo, a taxa de câmbio, onde a cotação deste em um país é quem define se a compra e venda de produtos são atrativas ou não para ele e para os outros países, interferindo diretamente na demanda (TONETO JUNIOR, et al., 2013).

Considerando a importância do agronegócio na economia brasileira, o crescimento da representatividade da suinocultura no cenário nacional e a influência da taxa de câmbio na economia de um país, este trabalho tem por objetivo responder: quais as influências das variações cambiais nas exportações de carne suína do Brasil? Buscando captar as mudanças ocorridas nas exportações durante as mais recentes trocas de regime cambial do país, o período de análise escolhido foi de janeiro de 1989 a setembro de 2014. Justifica-se o objetivo, pois, tendo a política cambial influência direta na evolução do sistema financeiro e da economia dos países, ela provavelmente é a mais importante ferramenta macroeconômica que eles possuem (COOPER, 1999).

Este trabalho está dividido em cinco seções, sendo esta a primeira, a segunda parte conta com a contextualização da política cambial brasileira, a terceira conta com os métodos utilizados para análise dos dados, a quarta parte refere-se aos resultados e na quinta e última parte estão as conclusões.

2. Conjuntura atual da suinocultura no mundo

No cenário produtivo mundial da suinocultura alguns países destacam-se pelo seu volume produzido, consumido e exportado. A tabela 1 mostra os dados dos dez maiores produtores de carne suína do mundo, além das exportações, do consumo, das importações e das exportações líquidas destes países. Em ordem decrescente os maiores exportadores líquidos de 2013 foram: União europeia, Estados Unidos, Canadá, Brasil e Vietnã. Os importadores líquidos foram: Japão, Rússia, México, China e Coréia do Sul.

Tabela 1 - Dados de produção, importação, exportação e consumo dos 10 maiores produtores de suínos em 2013

Fonte: Elaborado pelos autores com dados da ABIPECS (2014).

Como pode ser observado cerca de 50% da carne suína mundial é consumida pela China, um quarto pode ser dividido entre o consumo da União Europeia e dos Estados Unidos e o restante (aproximadamente um quarto) dividem-se entre o consumo dos outros países do mundo. A China é também o maior produtor mundial dessa commodity, sendo que sua produção é quase cinco vezes maior que a dos Estados Unidos, terceiro maior produtor, e quinze vezes maior que a do quarto colocado, o Brasil, tudo isso sem considerar que a União Europeia é formada por 27 países e, entre eles, o país que possui produção mais representativa é a Alemanha, que produziu 5.474 t no ano de 2012.

Por outro lado, a exportação chinesa é relativamente pequena se comparada à sua produção, isso se justifica por sua grande população e, consequentemente, seu grande consumo do produto. Cerca de 63% das carnes consumidas na China são de suínos, sendo um país de grande área, a produção de grãos, principalmente milho e soja, é favorecida, fornecendo insumos abundantes para produção de suínos e frangos (FAO, 2014).

A carne suína importada pela china é originária principalmente dos Estados Unidos, de onde o país importa principalmente miúdos e músculos. O principal destino de suas exportações é Hong Kong, para onde o país vende a carne suína e o animal vivo (GALE; MARTI; HU, 2012).

O Canadá, terceiro maior exportador mundial de carne suína tem como principal destino para sua produção o mercado Estadunidense, para onde no ano de 2012 exportou 320,407 t (carne congelada, miúdos, gordura e processados), seguido pelo Japão 212,633 t, Rússia 207,046 t e China 139,403 t, de acordo com o Canadá Pork International (2014). 

Um dos países que mais importa carne suína no mundo é o Japão, sua importação tem origem principalmente na União Europeia, Estados Unidos e Canadá, de acordo com a United States Meat Export Federation (USMEF, 2014).

O Brasil é o quarto maior exportador mundial de carne suína, sua exportação de 600 mil t em 2013 corresponde a 17,80% da sua produção no período, sendo o principal destino o mercado russo, para onde enviou cerca de 35% de sua exportação no mês de janeiro de 2014 . O Segundo principal comprador da carne Brasileira é Hong Kong, destino de aproximadamente 23% da carne brasileira (ABIPECS, 2014).

De acordo com o Instituto de Pesquisa Ambiental da Amazonia (IPAM, 2009), o Brasil possui um potencial de terras agricultáveis de 1,6 a 1,9 pessoas por hectare e os Estados Unidos possui um índice de 1,3ha/per capita atualmente, evidenciando que o Brasil possui potencial de produção ainda não aproveitado. Entretanto, ainda que tenha um grande potencial de produção, de acordo com o IMD Word CompetitivenessYearbook (2014), o Brasil não é um país competitivo, ficando com o 54º lugar entre os 60 países analisados, tendo descido três posições no ranking em comparação com 2013.

3. Regimes cambiais utilizados no Brasil 

O regime cambial pode ser definido seguindo duas orientações: a primeira delas, no sentido jurídico, onde o regime cambial é o conjunto de características resultante de normas, leis e práticas que regulamentam as transações com divisas estrangeiras na economia; a segunda orientação está baseada no econômico, onde ele é a forma como a taxa de câmbio de um país é determinada, ou seja, se é fixa, flutuante ou intermediária. Ao adotar um regime cambial o país espera que este seja uma ferramenta para auxiliar a estabilidade econômica, estimular investimentos estrangeiros, dando condições para gestão de política fiscal e monetária, e proteção à economia doméstica (ZINI JR., 1996).

Para um país escolher um regime de taxa de câmbio é preciso que ele atenda aos seus interesses econômicos e isso depende de uma variedade de fatores, como as circunstâncias específicas de cada país, entre elas a dimensão e a abertura do país ao comércio e fluxos financeiros, a estrutura de produção e exportações, desenvolvimento financeiro, história inflacionária, condições e objetivos políticos do país, etc. Portanto, não há nenhum regime cambial único ideal que seja apropriado para todos os países. A escolha real entre uma variedade de regimes depende do peso relativo atribuído a cada um desses fatores. Além disso, um regime adequado da taxa de câmbio para um país tende a mudar ao longo do tempo com a mudança de circunstâncias de cada país (YAGCI, 2001).

A taxa de câmbio pode ser totalmente flexível/ flutuante ou totalmente fixa a uma moeda estrangeira ou uma cesta das principais moedas estrangeiras, porém é muito difícil algum país utilizar regimes tão radicais. Entre esses dois extremos está o regime cambial intermediário, onde o câmbio sofre intervenções dos agentes reguladores, mas diferente do câmbio fixo, ele pode flutuar dentro dos limites estabelecidos (IMF, 2011).

No Brasil, segundo Almeida; Bacha (1999), entre 1961 e 1999 verificaram-se quatro regimes cambiais: entre março de 1961 e julho de 1968 o país utilizou câmbio nominal fixo com maxidesvalorizações cambiais esporádicas; a partir de agosto de 1969 até fevereiro de 1990 vigorou o regime de minidesvalorizações cambiais; e entre março de 1990 e junho de 1994 utilizou-se o regime de taxas de câmbio com flutuação suja; a partir de julho de 1994 o país utilizou o regime de taxa de câmbio limitadamente flexível.

No entanto, após as crises asiática em 1997, e Russa em 1998, no momento em que o país esperava a entrada de investimentos estrangeiros, o Banco Central do Brasil precisou vender grande parte das suas reservas de dólar, e em uma nova tentativa de estabilizar a economia passou a utilizar, a partir de janeiro de 1999, o regime de câmbio flutuante (ALMEIDA; FONTES; ARBEX, 2000).

4. Metodologia

4.1 Modelo analítico

Com o intuito de cumprir o objetivo de analisar e comparar as influências do câmbio sobre as exportações de carne suína do Brasil, faz-se inicialmente a descrição dos testes aplicados às séries para verificar suas propriedades, e em seguida a estimação dos modelos Vetor de Correção de Erros (VEC), Regimes Switching de Markov e com Mínimos Quadrados Ordinários (MQO) com Dummies.

O primeiro teste realizado foi a verificação da estacionariedade das séries, ele é importante para a definição da ordem das séries. Neste trabalho utilizou-se o teste Dickey-Fuller Aumentado (ADF) proposto por Dickey e Fuller (1981), que testa a hipótese nula de que a série possui raiz unitária:       

O segundo passo a se realizar, é o teste de cointegração, para este procedimento adotou-se o Teste de Cointegração de Johansen que permite a análise em duas ou mais séries (JOHANSEN 1988):

Se as séries forem não estacionárias utiliza-se o VEC, caso contrário o VAR. Como pode ser verificado na tabela 4, as séries são não estacionárias, ou seja, são cointegradas de ordem 1, portanto o próximo passo consiste na estimação do VEC. Este modelo (VEC) fundamenta-se no aprimoramento do modelo Vetor Autorregressivo (VAR), no qual se inclui uma variável que representa os desvios de equilíbrio de longo prazo em uma regressão por Mínimos Quadrados Ordinários (BUENO, 2011). Essa variável ajusta o curto prazo e corrige as variações de longo prazo, possibilitando uma melhor avaliação da relação de cointegração. Portanto, a relação entre as variáveis pode ser explicada pelas variações ocorridas entre um período e outro, conforme a equação (3).

na qual : é o intercepto; ß : é o coeficiente das variáveis independentes; y : é a exportação de carne suína em t; x1 : é o taxa de câmbio; e, ulp : é o termo de erro da equação de longo prazo (Vetor de Correção de Erro).

Utilizou-se transformação logarítmica, pois, conforme Greene (2011) os modelos com logaritmos permitem uma interpretação dos coeficientes na forma percentual. Além do uso do Vetor de Correção de Erros, foram também estimados dois modelos concorrentes para explicar as relações de longo prazo de forma mais consistente. O primeiro inclui três variáveis binárias (dummies) para os períodos de troca de regime cambial, conforme apresentado em (4). O segundo foi estimado com o modelo não linear de Regimes Switching de Markov, conforme equação em (5).

na qual : é o intercepto; ß : é o coeficiente das variáveis independentes; y : é a exportação de carne suína em t; x : é o taxa de câmbio;

d1: dummy para o período de março de 1990 a junho de 1994, correspondente ao regime de flutuação suja do câmbio;

d2: dummy para o período de julho de 1994 a dezembro de 1998, correspondente ao regime de câmbio limitadamente flexível;

d3 : dummy para o período de janeiro de 1999 a setembro de 2014, correspondente ao regime de câmbio flutuante;

u : é o termo de erro da equação; e

t : tempo em meses.

O modelo de regimes Switching de Markov utiliza probabilidade para localizar trocas de regime em séries temporais não lineares. O método foi operacionalizado por Hamilton (1989), considerando um modelo autorregressivo com mudanças de regime não periódicas. Em cada regime há diferentes relações, representadas pelos sinais e pelos valores dos coeficientes das variáveis independentes. A mudança de regime pode acontecer em diferentes momentos da série temporal e repetir-se, existindo uma alternância entre os regimes dentro do intervalo da série. Assim, um regime pode acontecer em um período, ser substituído em outro e voltar a acontecer no próximo momento. Isto é exatamente o que acontece quando existem dois regimes em uma série. Desta forma, o modelo empírico com três regimes de Markov, de acordo com Tsay (2010), pode ser expresso na equação (5).

4.2 Fonte de dados

Este trabalho utiliza séries mensais, compreendendo o período de 01/1989 a 09/2014. A escolha por este período deve-se às mais recentes trocas de regime cambial no país, buscando captar as influências destes na exportação de carne suína. As variáveis são as exportações de carne suína total (in natura e industrializada) do Brasil (NCMs 02031100, 02031200, 02031900, 02032100, 02032200 e 02032900) e a taxa de câmbio real em relação ao dólar. A taxa de câmbio foi atualizada pelos índices de Preços por Atacado (IPA) dos Estados Unidos e de Preços por Atacado-Disponibilidade Interna (IPA-DI) do Brasil. No Brasil o responsável por esse índice é a Fundação Getúlio Vargas (FGV), o IPA-DI é uma das versões do IPA e é formado por 18 índices especiais, a fim de medir a evolução dos preços no mercado nacional (IPEADATA, 2014; BCB, 2014 ). O cálculo para atualização do câmbio pode ser realizado a partir da seguinte equação:

5. Análise e discussão dos resultados

Os resultados estão estruturados em cinco partes. Na primeira são utilizados os testes das propriedades das mesmas. Na segunda é apresentado o primeiro modelo de estimação, onde se utiliza Vetor de Correção de Erro. Na terceira é apresentado o modelo de Mínimos Quadrados Ordinários (MQO) com dummies para as mudanças nos regimes cambiais. Na quarta é apresentado o modelo com regimes de Markov. Na quinta são discutidos os resultados de forma conjunta.

Nas séries apresentadas na figura 1 é possível observar que no regime de minidesvalorização e flutuação suja, o câmbio real apresentou valores muito baixos, e em 1994, quando entrou em vigor o câmbio limitadamente flexível houve uma valorização significante e estável da moeda. A partir de 1999, quando houve passou a vigorar o câmbio flutuante, observa-se um rápido pico na valorização do câmbio, seguido por uma valorização a partir do ano 2000, com pequenos períodos de rápidas e constantes flutuações, observados principalmente em 2002, explicado pela instabilidade que a troca de governo causou, e em 2008 e 2009 os movimentos são decorrentes da crise econômica mundial.

Figura 1 – Evolução da taxa de câmbio real e regimes cambiais vigentes no Brasil entre janeiro de 1989 e setembro de 2014

Fonte: Dados da pesquisa (2014).

A figura 2 apresenta a evolução das exportações de carne suína no país. É possível observar que desde 1990, mesmo que com uma sutil participação, o Brasil está inserido no comércio mundial de carne suína. E a partir do ano 2000, o país aumentou significativamente suas exportações.

Figura 2 – Evolução da exportação de carnes suínas brasileiras e regimes cambiais vigentes no Brasil entre janeiro de 1989 e setembro de 2014

Fonte: Dados da pesquisa (2014).

Para verificar a condição de estacionariedade dos dados utilizadas no estudo, aplicou-se o teste de raiz unitária Dickey-Fuller Aumentado, de Dickey e Fuller (1981), conforme apresentado na tabela 2.

Tabela 2 - Resultado dos testes de raiz unitária (ADF) para as séries
econômicas analisadas entre janeiro de 1989 a setembro de 2014.

Fonte: Dados de Pesquisa. Elaborado pelos autores.

Os resultados do teste ADF mostraram que a variável Log_Câmbio é estacionária em nível, com 1% de significância. Entretanto, a variável Log_exportações não é estacionária em nível, logo, as duas variáveis foram submetidas ao teste ADF em primeira diferença, atingindo nível de 1% de significância.

Tabela 3 - Definição do número de defasagens utilizadas no teste de cointegração

Fonte: Dados de Pesquisa. Elaborado pelos autores

A tabela 3 apresenta o número de Lags que deve ser incluído no teste de cointegração das séries. O número de Lags foi determinado a partir do critério de informação de Schwarz e Hannan-Quinn, que apresentaram 3 Lags, essa escolha é justificada com base na afirmação de Bueno (2011), onde o autor reconhece os critérios de informação de Schwarz, Hannan-Quinn e Akaike como os principais, e afirma que o Akaike é mais adequado para pequenas amostras.

A verificação da cointegração das variáveis é um passo importante para a definição do modelo a ser utilizado, caso a hipótese de cointegração não for rejeitada, deve-se inserir um Vetor de Correção de Erros (VEC) ao modelo Vetor Autoregressivo (VAR). Para essa análise utilizou-se o teste de Cointegração de Johansen (1988), apresentado na tabela 4. O resultado  mostrou que há pelo menos uma cointegração entre as séries a um nível de 5% de significância.

Tabela 4 - Resultados do teste de cointegração de Johansen entre as variáveis Log_Exportação e Log_Cambio

Fonte: Dados de Pesquisa. Elaborado pelos autores.

Como os resultados do teste de Cointegração de Johansen (1988) evidenciaram a presença de ao menos uma cointegração entre as variáveis, o próximo passo é a estimação do modelo VEC.

Tabela 5 - Estimação dos vetores de cointegração de longo prazo, para o período de janeiro de 1989 a setembro de 2014

Fonte: Resultados da pesquisa. Elaborada pelos autores

A estimativa de longo prazo, já com o valor invertido é apresentada na tabela 5, evidenciando que a cada 1% de aumento na taxa de câmbio, as exportações reduzem em 1,7%. Esse resultado é contrário à teoria, pois, de acordo com ela, o aumento da taxa de câmbio (desvalorização da moeda frente à outra), tornaria as exportações mais atrativas, já que se trata de um produto negociado em dólar, após a sua conversão em real teria um preço mais lucrativo.

Os resultados evidenciaram que aproximadamente 0,18% do desequilíbrio de curto prazo é corrigido a cada mês, demonstrando que a variável câmbio influencia as exportações de maneira mais significativa no longo prazo. Além de mostrar também, que para cada 1% de alteração no câmbio, a variável exportação irá sofrer um ajuste de 0,53% a cada mês.

Para verificar com maior nitidez as influências da taxa de câmbio nas exportações, foi dado um choque na variável independente, o câmbio, e em resposta verificou-se que há uma elevação das exportações em dois meses, redução no terceiro mês, estabilizando-se as exportações após nove meses, porém em um nível inferior ao anterior ao choque. Logo, um choque no câmbio faz com que o seu valor continue aumentando e se estabilize em um valor mais alto.

Com essa reação das exportações ao choque no câmbio, pode-se justificar o resultado contraditório do VEC de longo prazo em relação à teoria, já que a exportação só começa a sentir verdadeiramente as influências das alterações na taxa de câmbio a partir do terceiro mês.

Figura 3 – Função de impulso e resposta

Fonte: dados da pesquisa (2014).

Dado que o período analisado engloba mudanças de regime cambial no país nas ultimas duas décadas e meia, faz-se necessário também a verificação do efeito dessas trocas de regimes cambiais, para isso, foi estimado um modelo de regressão por Mínimos Quadrados Ordinários (MQO) utilizando variáveis binárias, dummies, para diferenciar os regimes, sendo:

d1: dummy para o período de março de 1990 a junho de 1994, correspondente ao regime de flutuação suja do câmbio;

d2: dummy para o período de julho de 1994 a dezembro de 1998, correspondente ao regime de câmbio limitadamente flexível; e

d3: dummy para o período de janeiro de 1999 a setembro de 2014, correspondente ao regime de câmbio flutuante.

Os resultados podem ser vistos na tabela 6 , as dummies foram significativas para os períodos nos quais houve trocas de regimes cambiais. O período de referência foi anterior à março de 1990, no qual acontecia o regime de minidesvalorizações cambiais. Assim, após março de 1990, o efeito da mudança de regime cambial foi de 39,61 em relação ao período de referência. Na troca para o regime de câmbio limitadamente flexível, o efeito foi um pouco menor em relação ao período de referência, 38,77. No regime de câmbio flutuante, adotado após janeiro de 1999, o efeito em relação ao período de referência foi de 124,59. Pode-se perceber que existe um impacto das mudanças em regimes cambiais sobre as exportações de longo prazo.

Tabela 6 - Modelo estimado por Mínimos Quadrados Ordinários com dummies

Fonte: dados da pesquisa (2014)

O modelo estimado com regimes pode ser visto na tabela 7. Percebe-se que nos regimes 1 e 2, houve impacto significativo do câmbio nas exportações. O impacto no regime 2 é maior, 24,71%. No regime 1 o impacto é de 5,10%. Assim, pode-se afirmar que, ao nível de significância de 5%, houve um regime com alta influência do câmbio nas exportações, regime 2, um regime de baixa influência, regime 1.

Tabela 7 - Estimação com regimes switching de Markov

 Fonte: Dados da pesquisa (2014)

Os regimes persistem dentro das probabilidades apresentadas na tabela 8. Assim, quando o regime 1 é vigente, a probabilidade de permanência é de 99,23%. O regime 2 o mais persistente, com probabilidade de 99,42%. A persistência média dos regimes é de 171 meses no regime 2 e 129 meses no regime 1.

Tabela 8 - Probalilidade de troca de regimes

Fonte: Dados da pesquisa (2014)

A permanência e troca dos regimes de Markov sobreposto aos regimes cambiais vigentes pode ser vista na figura 4. Analisando em conjunto, o modelo com dummies e o modelo de regimes de Markov captam os efeitos das mudanças dos regimes cambiais de forma semelhante. Percebe-se que o mesmo efeito do câmbio nas exportações ocorreu no início da série, quando havia um regime de minidesvalorizações cambiais, entre janeiro de 1989 até dezembro de 1989, e no regime de câmbio flutuante, após março de 2001. No modelo Regimes Switching de Markov, o período corresponde ao regime 2, no qual as exportações sofreram maior influência do câmbio.

O regime 1 de Markov, período com menor influência do câmbio nas exportações, estendeu-se após janeiro de 1990 até fevereiro de 2002, quando os regimes cambiais vigentes foram o câmbio com flutuação suja e o limitadamente flexível.

Figura 4 - Permanência dos regimes de Markov e regimes cambiais vigentes entre janeiro de 1989 e setembro de 2014

Fonte: Dados da pesquisa (2014).

Os resultados são consistentes quando se observa que os coeficientes mostrados na equação com dummies, que são muito próximos, 0,3961 para D1 e 0,3877 para D2. A persistência das influências, após a troca de regime cambial que foram captadas pelo modelo Regimes Switching de Markov, podem ser explicadas a partir da observação do gráfico de impulso-resposta obtido na estimação do modelo VEC, no qual um período de 12 meses é necessário para ajustar a exportação após um choque no câmbio.

Os resultados do modelo Regimes Switching de Markov e equação MQO com dummies, não apresentaram resultados significativos para o curto prazo.

6. Considerações finais

O objetivo proposto foi verificar as influências da variação cambial nas exportações de carne suína do Brasil. Constata-se que a influência do câmbio real nas exportações brasileiras de carnes suínas no período de janeiro de 1989 a setembro de 2014 pode ser observada principalmente no longo prazo, analisando-se o VEC longo prazo e o choque dado na variável Independente (Câmbio), tendo seus resultados confirmados pela regressão com uso de dummies e pelo uso do modelo Regimes Switching de Markov com 2 regimes, onde ambos os modelos mostram que houve períodos com maior influência do câmbio, principalmente no período mais recente, que corresponde à adoção do câmbio flutuante.

Verificou-se também que houve um aumento significativo nas exportações no período analisado, porém não é possível inferir que esse aumento se deve simplesmente as alterações cambiais no país, visto que outras variáveis que influenciam a produção e exportação não foram incluídas no modelo.

A inovação do trabalho foi a utilização de três modelos econométricos para dar mais robustez aos resultados. Quanto às limitações considera-se o período, pois não há dados mensais de exportação de carne suína brasileira anteriores a 1989, a utilização de apenas uma variável macroeconômica (taxa de câmbio), pode ser considerada também uma limitação, de modo que não se pode fazer inferências a respeito do aumento das exportações no período. Sugere-se para trabalhos futuros a aplicação destes modelos utilizando outras variáveis, como, taxa de juros e financiamentos aos produtores.

Agradecimentos

A pesquisa foi financiada pela Fundação de Amparo à Pesquisa do Estado de Mato Grosso (FAPEMAT). Contudo, as análises e comentários são de responsabildiade dos autores.

Referências

ABCS. Raças de Suínos. Associação Brasileira de Criadores de Suínos, 2014. Disponivel em: <http://www.abcs.org.br/producao/genetica/176-racas-de-suinos>. Acesso em: 05 out. 2014.

ABIPECS. Associação Brasileira da Indústria Produtora e Exportadora de Carne Suína. Carne suína brasileira: estatísticas, 2014. Disponivel em: <http://www.abipecs.org.br/index.php?page=exportacao>. Acesso em: 13 set. 2014.

ABIPECS. Estatísticas. ABIPECS - Associação Brasileira da Indústria Produtora e Exportadora de Carne Suína, 2014. Disponivel em: <http://www.abipecs.org.br/uploads/relatorios/mercado-externo/destinos/dados-anuais/AGOSTO_14_PRINCIPAIS_DESTINOS.pdf>. Acesso em: 21 out. 2014.

AKAIKE, H. A new look at the statistical model identification. IEEE Transactions on Automatic Control, dez 1974. 716–723.

ALMEIDA, C. O. D.; BACHA, C. J. C. Evolução da política cambial e da taxa de câmbio no Brasil. Pesquisa & Debate, São Paulo, v. 10, n. 2, p. 5-29, 1999.

ALMEIDA, M.; FONTES, R.; ARBEX, M. A. Retrospectiva dos regimes cambiais brasileiros com ênfase em bandas de câmbio. Ensaios FEE, Porto Alegre, v. 21, n. 1, p. 7-43, 2000.

AMPONSAH, W. A. A.; QIN, X. D.; PENG, X. China as a Potential Market for U.S. Pork Exports. Review of Agricultural Economics, v. 25, n. 1, p. 259-269, 2003.

BCB. Banco Central do Brasil. Séries temporais, 24 nov 2014. Disponivel em: <http://www.bcb.gov.br/?serietemp>. Acesso em: 2014 set 11.

BRASIL. Itamaraty. BRICS: Brasil, Rússia, Índia, China e África do Sul, 2013. Disponivel em: <http://www.itamaraty.gov.br/temas/mecanismos-inter-regionais/agrupamento-brics>. Acesso em: 03 out. 2014.

BRESSER-PEREIRA, L. C. Exchange rate: fix, float, or manage it? Escola de Economia de São Paulo - FGV. São Paulo, p. 11. 2004.

BROOKS, C. Introductory Econometrics for Finance. 2. ed. New York: Cambridge University , 2008.

BUENO, R. D. L. D. S. Econometria de séries temporais. 2. ed. São Paulo: Cengage Learning, 2011.

CANADA. Market Access. Agriculture and Agri-Food Canada, 2014. Disponivel em: <http://www.agr.gc.ca/eng/industry-markets-and-trade/market-access/?id=1373384342105>. Acesso em: 10 nov. 2014.

CANADIAN PORK INTERNATIONAL. Canadian Pork Exports. Canadian Pork International. Disponivel em: <http://www.canadapork.com/en/industry-information/canadian-pork-exports>. Acesso em: 22 out. 2014.

COOPER, R. N. Exchange Rate Choices. Harvard University, 1999. Disponivel em: <http://scholar.harvard.edu/files/cooper/files/frbb_full.pdf>. Acesso em: 03 out. 2014.

COSTA, M. D. Chinese Friendship & Scholarship Association. University of Wisconsin-Eau Claire, 2004. Disponivel em: <https://www.uwec.edu/cfsa/Documents/DaCosta%20EEA2004.doc>. Acesso em: 21 out. 2014.

DRABEK, Z.; BRADA, J. C. Exchange Rate Regimes and the Stability of Trade Policy in Transition Economies. JOURNAL OF COMPARATIVE ECONOMICS, 3 set. 1998. 642–668.

FAO. Food and Agriculture Organization of the United Nation. FAOSTAT, 2014. Disponivel em: <http://faostat3.fao.org/>. Acesso em: 05 out. 2014.

GALE, F.; MARTI, D.; HU, D. A Report from the Economic Research Service - ERS. United States Depatment of Agriculture - USDA, 2012. Disponivel em: <http://www.ers.usda.gov/media/262067/ldpm21101_1_.pdf>. Acesso em: 21 out. 2014.

GERVASIO, E. W. Suinocultura - Análise da Conjuntura Agropecuária: SEAB – Secretaria de Estado da Agricultura e do Abastecimento do Paraná, 2013. Disponivel em: <http://www.agricultura.pr.gov.br/arquivos/File/deral/Prognosticos/SuinoCultura_2012_2013.pdf>. Acesso em: 27 set. 2013.

GREENE, W. H. Econometric analysis. 5. ed. New Jersey: Prentice Hall, 2002.

HAMILTON, J. D. A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle. Econometrica, v. 57, n. 2, p. 357-384, 1989.

HANNAN, E. J.; QUINN, B. G. The determination of the order of an autoregression. Journal of the Royal Statistical Society Series B, v. 41, p. 190–195, 1979.

HAYES, D. J. THE CHINESE MARKET FOR U.S. PORK EXPORTS. AgEcon Search - Research in Agricultural & Applied Economics, aug. 1997.

HOSTE, R.; HU, D.; TOLKAMP, J. Investment and export opportunities in a sustainable pig supply chain in China. LEI Wageningen UR. China, p. 85. 2013.

HUANG, H.; WANG, S. Exchange rate regimes: China's experience and choices. China Economic Review, v. 15, p. 336-342, 2004.

IMD WORLD COMPETITIVENESS CENTER. IMD World Competitiveness Ranking 2014. IMD World Competitiveness Center, 2014. Disponivel em: <http://www.imd.org/uupload/IMD.WebSite/wcc/WCYResults/1/scoreboard_2014.pdf>. Acesso em: 13 nov. 2014.

IMF. International Monetary Fund - Publications. Financial Operations and Transactions, 2011. Disponivel em: <http://www.imf.org/external/pubs/ft/ar/2011/eng/pdf/a2.pdf>. Acesso em: 03 out. 2014.

JOHANSEN, S. Statistical alanalysis of cointegrating vectors. Journal of Economics Dynamics and Control, v.12, 1988. p.231-254.

LI, X.; JIN, Y. Y.; CHEN, G. On the topology of the world exchange arrangements web. Physica A, 9 jun. 2004. 573-582.

LIMA, ANDRÉ; CAPOBIANCO, JOÃO PAULO RIBEIRO. Alcance territorial da legislação ambiental e a consolidação do uso agropecuário de terras no Brasil. IPAM - Instituto de Pesquisa Ambiental da Amazônia. [S.l.], p. 5. 2009.

MAPA. Ministério da Agricultura, Pecuária e Abastecimento. Balança Comercial, 2014. Disponivel em: <http://www.agricultura.gov.br/internacional/indicadores-e-estatisticas/balanca-comercial>. Acesso em: 03 out. 2014.

MELZ, L. J. et al. Estudo sobre a competitividade da avicultura e processamento da carne de frango em Mato Grosso. Cáceres: UNEMAT Editora, 2012.

MICKINNON, R.; SCHNABL, G. Stanford Edu. Stanford University, Feb 2014. Disponivel em: <http://web.stanford.edu/~mckinnon/McKinnon%20and%20Schnabl%20on%20China.pdf>. Acesso em: 21 out. 2014.

OECD/FAO. OECD-FAO Agricultural Outlook 2012-2021. OECD Ilibrary, 2012. Disponivel em: <http://dx.doi.org/10.1787/agr_outlook-2012-en>. Acesso em: 20 out. 2014.

SCHWARZ, G. Estimating the Dimension of a Model. The Annals of Statistics, v. 6, p. 461–464, 1978.

TONETO JUNIOR, R. et al. Estudos sobre a Taxa de Câmbio no Brasil. FIESP - Federação das Indústrias do Estado de São Paulo, 2013. Disponivel em: <www.fiesp.com.br/arquivo-download/?id=139236>. Acesso em: 02 dez. 2014.

TRADING ECONOMICS. China GDP. Trading Economics, 2014. Disponivel em: <http://www.tradingeconomics.com/china/gdp>. Acesso em: 20 out. 2014.

TSAY, R. S. Analysis of Financial Time Series. 3. ed. New Jersey: Wiley, 2010.

USMEF. Update on Japan's Beef, Pork Imports. United States Meat Export Federation, 2014. Disponivel em: <https://www.usmef.org/update-on-japans-beef-pork-imports/>. Acesso em: 22 out. 2014.

YAGCI, F. Choice Of Exchange Rate Regimes For Developing Countries. World Bank. [S.l.], p. 27. 2001.

ZINI JR., Á. A. Política Cambial com Liberdade ao Câmbio. In: BAUMAN, R. Brasil e a Economia Global. Rio de Janeiro: Campus: SOBEET, 1996. Cap. 7, p. 109-131.

1. Mestranda do PPGA da UFSM – Email: tianealvesrocha@gmail.com
2. Professor Adjunto do PPGA e Diretor da Editora da UFSM. E-mail: daniel.coronel@uol.com.br Homepage: www.danielcoronel.com.br
3. Professor Adjunto do PPGA da UFSM. E-mail: reisolibender@yahoo.com.br

4. Professor Associado do PPGA da UFSM. Email: pascoaljmarion@yahoo.com.br

5. Professor do Departamento de Ciências Contábeis (UNEMAT) – Doutorando do PPGA da UFSM, Bolsista FAPEMAT – Email: laerciomelz@gmail.laerciomelz@gmail.com