ANÁLISE DE PREÇOS DE NAVIOS DE SEGUNDA MÃO ATRAVÉS DE...
Embed Size (px)
Transcript of ANÁLISE DE PREÇOS DE NAVIOS DE SEGUNDA MÃO ATRAVÉS DE...
-
ANLISE DE PREOS DE NAVIOS DE SEGUNDA MO ATRAVS DE
MODELAGEM ECONOMTRICA
Ricardo Brito Fiasca
Projeto de Graduao apresentado ao Curso de
Engenharia Naval e Ocenica da Escola
Politcnica, Universidade Federal do Rio de
Janeiro, como parte dos requisitos necessrios
obteno do ttulo de Engenheiro.
Orientadores: D.Sc. Luiz Felipe Assis e D.Sc.
Floriano Carlos Martins Pires Junior.
Rio de Janeiro
Maro de 2015
-
ANLISE DE PREOS DE NAVIOS DE SEGUNDA MO ATRAVS DE
MODELAGEM ECONOMTRICA
Ricardo Brito Fiasca
PROJETO DE GRADUAO SUBMETIDO AO CORPO DOCENTE DO CURSO DE
ENGENHARIA NAVAL E OCENICA DA ESCOLA POLITCNICA DA
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO COMO PARTE DOS REQUISITOS
NECESSRIOS PARA A OBTENO DO GRAU DE ENGENHEIRO NAVAL E
OCENICO.
Examinado por:
Prof. Luiz Felipe Assis, D.Sc.
Prof. Floriano Carlos Martins Pires Junior, D.Sc.
Prof. Claudio Luiz Barana Vieira, Ph.D.
Prof. Jean-David Job Emmanuel Marie Caprace, Ph.D.
RIO DE JANEIRO, RJ BRASIL
MARO de 2015
-
i
Fiasca, Ricardo Brito
Anlise de Preos de Navios de Segunda Mo atravs de
Modelagem Economtrica/ Ricardo Brito Fiasca. Rio de
Janeiro: UFRJ/ Escola Politcnica, 2015.
VIII, 101 p.: il.; 29,7 cm
Orientadores: Luiz Felipe Assis e Floriano Carlos Martins
Pires Junior
Projeto de Graduao UFRJ/ Escola Politcnica/ Curso
de Engenharia Naval e Ocenica, 2015.
Referncias Bibliogrficas: p. 70-71.
1. Navios de Segunda Mo 2. Modelagem Economtrica.
3. Preos de Navios. I. Assis, Luiz Felipe et al. II.
Universidade Federal do Rio de Janeiro, Escola Politcnica,
Curso de Engenharia Naval e Ocenica. III. Anlise de
Preos de Navios de Segunda Mo atravs de Modelagem
Economtrica.
-
ii
Dedicatria
A todos os professores que lutam diariamente para construir uma sala de aula, um
pas, um mundo melhor. Educar um ato de amor.
-
iii
Agradecimentos
Agradeo a Deus, por proteger a minha famlia e nos alimentar com foras para
construir o nosso caminho. Aos meus pais e a minha irm, pelo apoio e amor
incondicionais, essa conquista nossa. Fluxo Consultoria, empresa jnior de
engenharia da UFRJ, e a todos os amigos que fiz nesta empresa, pelo ambiente
motivacional e acolhedor permeado pela vontade de fazer bem e certo. Agradeo
tambm Promon Engenharia e Incat Crowther, pelo conhecimento prtico, pela
interao com profissionais de reconhecida excelncia e pelos horrios flexveis que
permitiram meus estudos. Ao amigo Lucas Lima, engenheiro ambiental pela UFRJ,
cujo conhecimento sobre econometria fez a diferena neste trabalho. Aos meus
professores da graduao por todo o conhecimento construdo dentro e fora de sala,
em especial aos professores Luiz Felipe e Floriano, pela orientao, inspirao,
pacincia e amizade. A todos os amigos que, mesmo sem notar, fizeram parte desta
histria.
-
iv
Resumo do Projeto de Graduao apresentado Escola Politcnica/ UFRJ como parte
dos requisitos necessrios para a obteno do grau de Engenheiro Naval e Ocenico.
Anlise de Preos de Navios de Segunda Mo atravs de Modelagem Economtrica
Ricardo Brito Fiasca
Maro/2015
Orientadores: Luiz Felipe Assis e Floriano Carlos Martins Pires Junior
Curso: Engenharia Naval e Ocenica
O mercado de compra e venda de navios cumpre o importante papel de realocar as
embarcaes entre armadores e aumentar a eficincia da indstria martima. Os lucros
com as negociaes dos navios constituem uma importante fonte de recursos para
investidores da indstria. No presente trabalho, prope-se um modelo economtrico
para avaliar a influncia de determinadas variveis no preo de revenda de um navio.
Esse modelo estudado quanto a sua significncia global, a significncia de suas
variveis explicativas, a presena de multicolinearidade e de heteroscedasticidade.
Foram utilizados dados de compra e venda de graneleiros, petroleiros e porta-
contentores obtidos da base de dados da empresa Clarksons. As regresses so
feitas para cada tipo de navio, mas agregando portes e idades. As segmentaes por
porte e idade tambm so abordadas a fim de validar as macroanlises. Por fim, o
modelo testado quanto hiptese de que o pas de construo tambm influencia o
preo. Os resultados indicam que graneleiros japoneses e sul coreanos tendem a ter
um preo maior que os construdos nos demais pases. Porta-contentores sul
coreanos tambm. Quanto a petroleiros, nenhuma concluso significativa foi obtida.
Palavras-chave: mercado de navios de segunda mo; precificao de navios;
modelagem economtrica.
-
v
Abstract of Undergraduate Project presented to POLI/UFRJ as a partial fulfillment of
the requirements for the degree of Engineer.
Secondhand Ship Price Analysis through Econometric Modeling
Ricardo Brito Fiasca
March/2015
Advisors: Luiz Felipe Assis and Floriano Carlos Martins Pires Junior
Course: Naval and Ocean Engineering
The sale and purchase market has an important role of relocating vessels between
shipowners and increasing maritime industry efficiency. Profits from negotiations are an
important source of income for shipping investors. In this paper, an econometric model
is proposed in order to evaluate the influence of some variables in resale price of a
ship. The model overall significance is studied as well as the significance of its
explanatory variables, the presence of multicollinearity and heteroscedasticity. Data
was collected from Clarksons database to bulk carriers, tankers and container vessels.
Regressions were made for each type of ship, with different sizes and ages integrated.
The segmentation by size and age were also addressed in order to validate the
macroanalysis. Finally, the model was tested for the assumption that the country of the
shipyard also influence price. The results indicate that Japanese and South Korean-
built bulk carriers tend to have a higher price than those built in other countries.
Container vessels from South Korea too. For tankers, no significant result was
obtained.
Keywords: second hand market; vessel pricing; econometric modeling.
-
vi
Sumrio
1. Introduo ............................................................................................................................ 1
2. Objetivo ................................................................................................................................ 2
3. Os Quatro Mercados da Indstria Martima ................................................................... 3
3.1. O Mercado de Fretes ................................................................................................. 4
3.2. O Mercado de Construo Naval ............................................................................. 5
3.3. O Mercado de Sucata ................................................................................................ 6
3.4. O Mercado de Navios Usados .................................................................................. 7
4. A Modelagem Economtrica do Mercado de Segunda Mo ....................................... 9
4.1. Reviso Bibliogrfica................................................................................................ 11
4.2. Especificao do Modelo ........................................................................................ 15
5. A Obteno e a Preparao dos Dados ....................................................................... 18
6. Anlises sobre o Modelo de Regresso ....................................................................... 25
6.1. A Multicolinearidade e a Significncia Global ...................................................... 25
6.2. A Heteroscedasticidade ........................................................................................... 34
6.3. Porte Bruto e Idade .................................................................................................. 40
6.3.1. Segmentao por Porte de Graneleiros ....................................................... 43
6.3.2. Segmentao por Porte de Petroleiros ......................................................... 43
6.3.3. Segmentao por Porte de Porta-Contentores ........................................... 45
6.3.4. Segmentao por Idade .................................................................................. 46
6.4. A Influncia do Preo do Bunker ............................................................................ 47
7. Os Testes de Hiptese com as Variveis Dummies e a Anlise dos Resultados . 51
8. Concluses ........................................................................................................................ 66
9. Sugestes para Trabalhos Futuros ............................................................................... 68
10. Obras Citadas ............................................................................................................... 70
11. Anexos ........................................................................................................................... 72
11.1. Regresses Auxiliares do Teste Geral de Heteroscedasticidade de White 72
11.1.1. Graneleiros .................................................................................................... 72
11.1.2. Navios Tanque .............................................................................................. 75
11.1.3. Porta-Contentores ........................................................................................ 78
11.2. Regresses Auxiliares de Portes ....................................................................... 81
11.2.1. Graneleiros .................................................................................................... 81
11.2.2. Navios Tanque .............................................................................................. 82
-
vii
11.2.3. Porta-contentores ......................................................................................... 84
11.3. Regresses Auxiliares de Idades....................................................................... 86
11.3.1. Graneleiros .................................................................................................... 86
11.3.2. Navios Tanque .............................................................................................. 87
11.3.3. Porta-Contentores ........................................................................................ 89
11.4. Regresses com Pases de Construo ........................................................... 90
11.4.1. Graneleiros .................................................................................................... 90
11.4.2. Navios Tanque .............................................................................................. 93
11.4.3. Porta-Contentores ........................................................................................ 97
-
viii
Lista de Variveis
Age Idade do navio (anos)
BDI Baltic Exchange Dry Index
DWT Porte bruto do navio (toneladas)
Earnings Receita (US$/Dia)
LIBOR London Interbank Offered Rate
NB Preo de um navio novo (US$/DWT)
K Intercepto da equao
P Preo de revenda do navio por porte bruto (US$/DWT)
Refere-se ao preo deflacionado
QD Quantidade de demanda
QO Quantidade de oferta
TC Time charter (US$/dia)
Elasticidade do P em relao ao porte bruto (DWT)
Elasticidade do P em relao idade (age)
Elasticidade do P em relao ao preo de nova construo (NB)
Elasticidade do P em relao ao custo de capital (LIBOR)
Elasticidade do P em relao receita (earnings)
Varivel binria (0 ou 1) de deciso de pas de origem
Fator de variao do P dependente da varivel binria ()
-
1
1. Introduo
A natureza dos negcios na indstria martima similar ao que os economistas
clssicos tinham em mente quando foi desenvolvida a teoria da competio perfeita.
Mais de 5.500 companhias com cerca de 37.000 navios [1] atuam em um mercado em
que as barreiras contra a livre concorrncia como tarifas aduaneiras, vantagens
geogrficas e diferenciao entre produtos por marcas praticamente no existem.
Tambm fcil para os armadores se manterem informados sobre as atividades e
desenvolvimentos se comparado com as situaes encontradas em outras indstrias
[2], e os custos de sada do mercado tendem a ser relativamente baixos.
Entretanto, embora a indstria martima atue como uma unidade econmica para
alguns propsitos, existem importantes subdivises. Os servios de linhas regulares
para transporte de containers e o mercado spot1 para transporte de granis possuem
aspectos totalmente diferentes, por exemplo. O mercado de frete de porta-contentores
pode ser considerado uma exceo a esse modelo prximo de uma competio
perfeita [3,4].
Alm das diferenas relacionadas ao tipo de servio que o navio oferece, a
indstria martima pode ser organizada em quatro segmentos de mercado bastante
caractersticos que negociam diferentes commodities.
o O mercado de fretes, que negocia o transporte martimo;
o O mercado de navios de segunda mo;
o O mercado de construo naval, que negocia novos navios;
o E o mercado de sucata, que negocia navios para desmonte.
O foco deste trabalho o mercado de navios de segunda mo. Graas a este
mercado, as barreiras de entrada e sada da indstria martima so mnimas.
Entretanto, trata-se de um mercado bastante especulativo, em que as respostas s
variaes da economia mundial podem ser dramticas.
Essas variaes criam sries histricas de preos de navios de segunda mo
riqussimas, muitas anlises podem ser feitas sobre a indstria martima e,
consequentemente, sobre a histria do comrcio entre os pases do mundo. Neste
1 Mercado onde se negocia o transporte de uma carga especfica entre dois portos, a taxa de frete
acordada por unidade de carga (toneladas, metros cbicos, etc.).
-
2
trabalho, os esforos so concentrados em tentar definir as principais variveis que
influenciam a formao dos preos de revenda destes navios, para que, em um
segundo momento, uma hiptese especfica seja testada: a de que o pas de
construo influencia no preo de um navio de segunda mo.
2. Objetivo
O presente trabalho tem o objetivo de analisar comparativamente a qualidade dos
navios produzidos pelos principais pases e regies construtores. Utilizando a
premissa de que os valores dos navios usados no so fixados por nenhuma
instituio ou agente governamental e que os preos so determinados pura e
simplesmente pela convergncia entre demanda por parte de afretadores e oferta por
parte de fretadores, acredita-se que se for constatado que os preos de navios usados
construdos em um pas/regio X forem sistematicamente maiores do que os de
navios usados construdos em um pas/regio Y, ceteris paribus, isso pode ser um
indcio de que o mercado reconhece maior qualidade nos navios construdos no
pas/regio X do que os navios construdos no pas/regio Y.
Para isso, foram utilizados dados de revenda de navios graneleiros, petroleiros e
porta-contentores que ocorreram entre Dezembro de 2002 e Junho de 2014. Para
chegar s concluses, primeiro foi feito uma reviso bibliogrfica sobre modelos
economtricos j utilizados, depois um modelo foi especificado e realizaram-se
algumas preparaes e testes sobre os dados para que um modelo consistente,
significante, sem multicolinearidade, heteroscedasticidade, ou vieses de especificao
pudesse ser utilizado. Por fim, o modelo pde ser testado quanto hiptese central
deste trabalho. O passo-a-passo realizado muito rico em conceitos de econometria,
e o autor acredita que a jornada para a preparao do modelo tenha tanta importncia
quanto o resultado final, assim, o caminho atravs dos captulos essencial para que
o leitor possa usufruir de todo aprendizado aqui registrado.
A razo da diferente avaliao pelos agentes do mercado sobre os navios que so
construdos em pases diferentes no analisada ao ponto de surgir recomendaes
de desenvolvimento que aumentem o valor dos navios revendidos. Almeja-se realizar
uma avaliao puramente economtrica, com objetivos acadmicos, e com boa f de
que os resultados so os mais acurados possveis. As anlises contidas neste trabalho
no devem ser consideradas como recomendaes de investimento dado que a
indstria de transporte martimo possui um mercado de alto risco. Apesar de todo o
cuidado ter sido tomado no tratamento e avaliao dos dados, o autor no se
-
3
responsabiliza por quaisquer efeitos diretos ou indiretos de opinies baseadas nos
fatos aqui apresentados. A UFRJ, o autor e seus orientadores no podem ser
responsabilizados por nenhuma perda ou dano causados pelas informaes ou
anlises contidas neste relatrio.
3. Os Quatro Mercados da Indstria Martima
As atividades nos mercados de construo naval e de sucata impactam
diretamente na capacidade total para o transporte de carga e pessoas ao redor do
mundo. As transaes no mercado de navios usados, por outro lado, no alteram a
capacidade de transporte disponvel, mas alternam a propriedade das embarcaes
entre diferentes armadores individuais ou companhias de navegao. O mercado de
fretes, por fim, faz uso dessa capacidade de transporte.
O fluxo de dinheiro na indstria martima pode ser entendido, grosso modo, com o
esquema da Figura 1, adaptado do livro Maritimes Economics, Stopford [1].
O Mercado de
Frete
Afretador com
carga
Armador com navio
para contrato
O Mercado de
SucataEstaleiro de sucata
Armadores com navios
para sucatear
Armadores
O Mercado de
Compra e
Venda
Armadores
(compradores)
Armadores
(vendedores)
O Mercado de
Construo
Naval
Armador (pedido
de novo navio)
Estaleiros
Figura 1: Fluxo do capital dos armadores entre os quatro mercados que controlam a indstria martima [1]
As subdivises de mercado da Figura 1 esto interligadas porque as transaes
envolvem os mesmos armadores, como possvel observar. Para exemplificar de
forma prtica a dinmica entre estas subdivises, segue abaixo um ciclo tpico da
indstria baseado em uma publicao peridica da Comisso Econmica para a
Amrica Latina e Caribe [5]. Entre esses movimentos simples descritos no ciclo abaixo
-
4
existem infinitas possibilidades que so influenciadas por diversos fatores externos
indstria martima.
Os fretes caem. Baixam os
incentivos para aumentar a
capacidade de transporte.
Aparecem sinais de excesso de
capacidade de transporte.
Quando a demanda por transporte
comea a se estabilizar, a oferta supera a demanda.
Excesso de otimismo. Os
pedidos por novos navios podem ser
excessivos. Estabilizam os
preos de navios de segunda mo. Aumenta
rapidamente a encomenda de novos navios.
Os fretes aumentam e a demanda segue excedendo a oferta.
A demanda excede a oferta. A
capacidade de transporte se torna escassa.Os preos
de navios de segunda mo aumentam.
A demanda comea a crescer mais
rpido que a frota.
Cai a demanda por navios novos e de
segunda mo. Aumenta o
sucateamento de navios. Os fretes seguem baixos.
Figura 2: Ciclo simplificado da indstria martima [5]
3.1. O Mercado de Fretes
O mercado de fretes fonte de renda para os armadores atravs de suas
operaes com o transporte martimo. As mais variadas cargas podem ser
transportadas por navios: produtos agrcolas, bens manufaturados, carga refrigerada,
veculos e granis lquidos so algumas delas.
Existem quatro tipos principais de transao neste mercado. No afretamento por
viagem (voyage charter), o embarcador contrata o navio para transportar uma carga
especfica em uma viagem determinada por um preo negociado por tonelada e que
cobre todos os custos; uma variante do afretamento por viagem o contrato de
transporte (contract of affreightment), em que o embarcador contrata um transporte de
carga a ser atendido pelo armador em uma base regular, negociando tambm o preo
por tonelada. Nesse segundo modelo, nenhum navio especfico indicado, o que
uma vantagem para armadores com acesso a uma grande frota, seja prpria ou
atravs de parcerias. O afretamento por perodo (time charter) um acordo entre
afretador e o armador para contratar o navio, completo e com tripulao, por um preo
negociado como uma taxa diria, mas a durao do contrato pode ser de dias, meses
ou anos. Quando a durao do contrato envolve apenas uma viagem, d-se o nome
de trip charter. Nesse modelo de contrato, o armador normalmente paga os custos de
capital e de operao (custos fixos) enquanto o afretador paga os custos com as
viagens (custos variveis). O armador continua a gerenciar o navio, mas o afretador
-
5
instrui o comandante aonde ele deve ir e que carga transportar. E, finalmente, o
afretamento a casco nu (bareboat charter), em que a parte interessada contrata o
navio sem tripulao e passa a ser responsvel tambm pelos custos de operao,
alm dos custos de viagem. Ento, nesse caso, o proprietrio do navio arca apenas
com o custo de capital. Esse modelo , na maioria das vezes, usado em
financiamentos, de modo que nenhum conhecimento sobre gerenciamento de
embarcaes requerido por parte do proprietrio do navio. Desta forma, bancos e
investidores podem ser proprietrios de embarcaes e negociar estes ativos no
mercado.
Figura 3: Tipos de contrato no mercado de frete
3.2. O Mercado de Construo Naval
Os mercados de novos navios e de compra e venda de navios de segunda mo
possuem uma relao muito prxima, visto que os novos navios construdos ficaro
disponveis para serem revendidos no mercado de segunda mo. Entretanto, negociar
navios que sero construdos tem uma srie de consequncias especiais. Idealmente,
a demanda por novos navios reflete a necessidade por capacidade de transporte nas
diferentes categorias de embarcaes. Porm, nesse mercado tambm h bastante
especulao. Leva tempo (desde 1 ano, 1 ano e meio, a 4 anos) para que o pedido
colocado em um estaleiro se transforme em um navio e ele possa comear a operar
[2]. Esse tempo varia com o tipo de navio, tecnologias e prticas de gerenciamento do
estaleiro, tamanho da carteira de encomendas do estaleiro, e tambm da situao
econmica da indstria, que pode fazer com que o armador tente pressionar ou
retardar a entrega do navio, assim como o estaleiro pode estar interessado em
acelerar ou retardar a entrega do navio.
Como o mercado de fretes bastante voltil, isso significa que os navios so
entregues com taxas de frete sendo praticadas muito diferentes das taxas de quando o
navio foi encomendado. Em situaes extremas, os armadores podem cancelar seus
a Ca
sco
Nu
por P
ero
do
por V
iage
m
de Viagem
Tipo
s de
Cont
rato
Cu
sto
s
Responsabilidade do fretador (interessado na receita do contrato)
Responsabilidade do afretador (contratante)
de Viagem
de Operao
de CapitalCu
sto
s
-
6
pedidos ou tentar converter os navios para um porte diferente ou at mesmo adapt-
los para transportar outros tipos de carga. A desistncia pode incorrer em multa a ser
paga ao estaleiro, mas isso pode significar um menor prejuzo dependendo da
situao do mercado. A grande variao na carteira de encomendas para construo
de navios um dos efeitos da incerteza sobre rentabilidade futura e das flutuaes do
mercado de fretes.
Sempre que possvel, os estaleiros vo pressionar seus clientes a comprar um
navio padro. Essa possibilidade acelera a negociao, reduz o tempo de projeto e
melhora a estimativa de recursos, resultando em uma construo com custos e prazos
menores e melhor geridos pelo estaleiro. Por outro lado, o navio padro pode no se
adequar exatamente s necessidades do armador.
A motivao para comprar um navio novo pode variar bastante. O armador pode
no estar encontrando no mercado de segunda mo um navio com tamanho e
capacidade de carga que ele deseja; os preos de navios usados podem estar mais
altos que os de navios novos, casos extremos que ocorrem quando as taxas de frete
sobem muito; outra possibilidade a necessidade de um navio especfico dentro da
logstica de um projeto industrial (de transporte de gs natural liquefeito ou de
instalao de turbinas elicas, por exemplo), o que pode requerer um navio com
caractersticas diferentes. Algumas grandes companhias podem ter polticas de
reposio de navios (substituio de navios com 10, 15 anos), embora no seja to
comum hoje em dia. E, tambm, a motivao pode ser resultado de baixa de preos
de navios novos ou incentivos de crdito. A expectativa de lucros futuros com certeza
permeia todas as opes.
3.3. O Mercado de Sucata
O mercado de sucata de navios tambm conhecido hoje em dia como indstria
de reciclagem. O mecanismo simples. Quando um armador possui um navio que no
se adequa mais a operao e tem valor menor no mercado de navios usados do que
ele teria se vendido para sucata, o navio destinado aos estaleiros de desmonte.
Volumes grandes de sucateamento podem ser tambm reflexos de decises polticas
que visam o aumento das restries em padres de segurana e meio ambiente [2].
Grandes empresas de broking possuem uma rea especializada nesse mercado.
Os estaleiros de desmonte esto em sua maioria no leste asitico, ndia,
Paquisto, Bangladesh e China. Tambm comum o navio ser vendido para um
proprietrio intermedirio que se especializa em revender navios para estaleiros de
-
7
desmonte. O preo do navio depende da demanda por sucata de ao e da
disponibilidade de navios para desmonte no mercado. O peso de ao do navio, seu
tipo e idade so fatores que diferenciam os preos das embarcaes entre si. Na sia,
grande parte desse ao que retirado dos navios vendido para minissiderrgicas e
algumas construes.
Discute-se bastante sobre os problemas de sade enfrentados pelos
trabalhadores desses estaleiros e tambm sobre os impactos ambientais resultantes
dos processos de desmonte [6,7,8]. Mudanas futuras em requerimentos para a
atividade de desmonte devem impactar na capacidade das empresas de sucata
entrarem e sarem desse mercado e, assim, o preo da sucata deve passar por ciclos
mais fortes de variao.
3.4. O Mercado de Navios Usados
Como dito anteriormente, o mercado de navios de segunda mo difere dos
mercados de construo e de sucata porque no altera a capacidade disponvel de
transporte no mercado de fretes. Entretanto, a realocao de navios entre armadores
tem um importante papel de aumentar a eficincia dos servios de transporte. Ela
transfere a capacidade de transporte de carga de um operador com baixa demanda
para um operador com alta demanda por transporte de carga. De forma mais
abrangente, quando os armadores podem vender seu bem de capital em um mercado
lquido os custos de sada se tornam menores, ao mesmo tempo em que permitem
que potenciais armadores entrem na indstria de transporte martimo atravs da
aquisio de um navio usado, isso de forma relativamente fcil e rpida, e com isso a
indstria de transporte martimo se aproxima de uma competio perfeita. Alm disso,
o mercado de compra e venda de navios usados permite que companhias de
navegao no s entrem e saiam como troquem de segmento de mercado.
Recentemente, a Maersk Tankers vendeu 15 navios VLCC para a Euronav como parte
de um plano de desinvestimento para focar no segmento de navios de produtos [9].
Grande parte das transaes de compra e venda realizada por intermdio de
shipbrokers. Mas no apenas armadores, companhias de navegao e brokers atuam
nesse mercado, investidores tambm aproveitam a especulao nos ciclos da
indstria para comprar e vender navios como ativos. A atuao de investidores
aumenta a liquidez do mercado e proporciona uma melhor alocao dos bens de
capital no mercado de fretes. Alizadeh e Nomikos [10] apontam para o fato de que
existe uma relao negativa entre o volume de transaes no mercado de segunda
-
8
mo e a volatilidade dos preos (pelo menos no mercado de graneleiros), ao contrrio
do que acontece nos mercados financeiros. Isso pode ser considerado uma
caracterstica estrutural do mercado de navios: o aumento da atividade de negociao
resulta em maior transparncia dos preos e estabilidade, embora Pryun et al. [11]
afirme que o artigo de Syriopulos e Roumpis [12] contenha evidncias de que a classe
de petroleiros handymax tenha uma relao positiva pequena. Em mercados maduros,
com altos volumes de transaes, mudanas positivas no volume de negociaes
costumam aumentar a volatilidade dos preos. Outra concluso importante de
Alizadeh e Nomikos que as mudanas de preos se mostraram teis para prever o
volume de transaes no mercado, o que sugere que altos ganhos de capital
encorajam mais negociaes. Em 2006, em uma alta no mercado de segunda mo,
cerca de 1.500 navios mercantes ocenicos usados foram vendidos, representando
um movimento de US$36 bilhes [1]. J em 2010, segundo dados coletados da base
de dados da Clarksons para este trabalho (ver captulo 5), houve uma baixa no
mercado e cerca de 999 transaes foram fechadas contabilizando um pouco mais
que US$16,5 bilhes.
Figura 4: Transaes de navios de segunda mo entre 2003 e 2013. Dados obtidos da base de dados da Clarksons. *O valor para 2011 no contabiliza as transaes de Janeiro deste ano.
Em resumo, as razes que levam, tipicamente, um proprietrio a vender um navio
so:
Uma poltica de substituio de navios devido idade;
Diminuio da atuao ou at a prpria sada de um segmento ou do
mercado como um todo;
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
1800
1600
1400
1200
1000
800
600
400
200
0
Ano
N
me
ro d
e T
ran
sa
es
Re
ali
zad
as
Mercado de Revenda de Navios
-
9
Obsolescncia tecnolgica;
Excesso de capacidade de transporte devido a uma queda de demanda;
Necessidade de caixa para arcar com os compromissos da empresa;
Expectativa de que os preos de mercado dos navios e/ou dos fretes iro
cair;
Oportunidade de lucro com a venda do navio como ativo em pocas de
alta dos preos.
J as razes para comprar so:
Necessidade de aumento da capacidade de transporte em resposta a um
rpido aumento de demanda;
Entrada em um segmento de mercado ou aumento da atuao;
Expectativa de que os preos dos navios e/ou dos fretes iro subir.
4. A Modelagem Economtrica do Mercado de Segunda Mo
Econometria significa literalmente mensurao econmica. Embora a
mensurao seja uma parte importante da econometria, sua finalidade mais
abrangente, como se pode verificar pela citao a seguir:
...econometria pode ser definida como a anlise quantitativa de fenmenos
econmicos concretos, baseada no desenvolvimento simultneo de teoria e
observao, relacionados por mtodos de inferncia adequados. [13]
Um modelo matemtico da funo preo de navio de segunda mo teria interesse
restrito para um estudo economtrico, uma vez que suporia uma relao exata ou
determinista entre o preo dos navios usados e suas variveis explicativas. As
relaes entre variveis econmicas so em geral inexatas, porque o consumo de um
produto normalmente influenciado por uma gama muito grande de fatores que no
torna prtico, ou em alguns casos at mesmo possvel, representar todas as variveis
independentes de forma explcita. A teoria de regresso aplicada neste trabalho, assim
como a maior parte dos trabalhos que utilizam regresso, est condicionada
hiptese de que a varivel dependente seja estocstica, mas que as variveis
explicativas sejam fixadas ou no-estocsticas. Em estudos avanados de
econometria a hiptese de que as variveis explicativas so no-estocsticas pode ser
relaxada [14].
-
10
Porm, para admitir relaes inexatas entre as variveis econmicas em funes
com variveis explicativas no-aleatrias, as equaes podem ser modificadas para
incluir um termo conhecido como termo de perturbao ou erro. Esse termo uma
varivel aleatria (estocstica), assumida com propriedades probabilsticas bem
definidas. Esse termo pode representar bem todos os fatores que afetam o mercado
de navios usados, mas que no foram considerados explicitamente. Assim, assume-se
que nas variveis explicativas haver fatalmente alguma variabilidade aleatria ou
intrnseca que no poder ser plenamente explicada, por mais variveis explicativas
que sejam consideradas. As razes para no incluir mais variveis que as
consideradas so variadas, os dados dessas variveis extras podem estar
indisponveis, pode-se no estar seguro sobre a influncia e a forma da relao
funcional entre o regredido e as variveis extras, a influncia dessas variveis
perifricas pode ser muito pequena e melhor modelada com uma varivel estocstica,
e os erros de medio dessas variveis perifricas podem ser grandes ao ponto de
anularem o benefcio de t-las na equao para descrever melhor o fenmeno. E no
menos importante, impossvel tentar modelar a casualidade intrnseca do
comportamento humano que pode no se comportar como deveria, seguindo as
regras que serviram de premissa. Que as descries sejam mantidas to simples
quanto possvel at que se provem inadequadas [15]. Se for possvel descrever o
comportamento de uma varivel dependente substancialmente com certo nmero de
variveis e a teoria no for forte o suficiente para sugerir mais variveis no h
motivos para acrescent-las.
O modelo economtrico proposto ser uma regresso amostral, baseado em
uma amostra de observaes da populao. Embora a anlise de regresso lide com
a dependncia de uma varivel em relao a outras variveis, ela no implica
necessariamente em causao. Ou seja, como ser visto, no h nenhuma razo
estatstica para supor que o preo de navio de segunda mo no dependa do porte
bruto do navio, entretanto, a suposio de que o preo do navio usado depende do
porte bruto se deve a consideraes no-estatsticas, porque o bom senso sugere que
a relao no pode ser invertida, o porte bruto no pode ser controlado variando o
preo do navio de segunda mo. Assim, importante destacar aqui que uma relao
estatstica, por si s, no pode logicamente implicar uma causao [14]. Para
atribuir causalidade, deve-se recorrer a consideraes apriorsticas ou tericas.
-
11
4.1. Reviso Bibliogrfica
Como j mencionado, o transporte martimo uma das poucas indstrias a ter um
mercado movimentado onde os principais bens de capital, os prprios navios, so
comercializados. Diversos fatores influenciam na deciso de um armador de vender
um navio e na de outro de compr-lo, alguns dos quais esto listados no captulo
anterior. Entretanto, mesmo com motivos nicos, intuitivo pensar que todo armador
que negocia neste mercado fica atento aos valores de determinadas variveis, pois
certo que, independente de seu propsito, o armador sempre ter vontade de realizar
o melhor negcio, ou seja, vender pelo maior preo possvel e comprar pelo menor
preo possvel.
Para entender as principais variveis que influenciam os preos nesse mercado,
pode-se recorrer a tradicional Lei de Oferta e Demanda. Tsolakis et al. [16] determina
que a quantidade de navios de segunda mo demandada pelo mercado pode ser
expressa como uma funo de: taxa de afretamento por perodo (time charter, TC),
preo de um navio novo, preo de um navio de segunda mo, e custo de capital.
(1)
Enquanto a oferta seria expressa como funo de: carteira de novas encomendas
sobre a atual frota, e o preo de navios de segunda mo.
(2)
O preo resultante seria o ponto onde as quantidades de demanda e a oferta se
igualam , assim:
(3)
Tsolakis et al. conclui que o preo de navios usados mais influenciado por
aspectos de demanda do que de oferta. A variao da demanda no mercado de
segunda mo deve estar muito relacionada com a expectativa de lucro com o mercado
de transporte, o que aponta que deve haver uma forte relao com as taxas de frete. A
opo por utilizar a taxa de afretamento por perodo (US$/dia) e no as taxas de frete
por viagem (US$/ton) que estas ltimas so especficas para cada rota, alm de ter
uma volatilidade maior. O time charter trata do resultado de uma negociao entre
armador e afretador sobre a taxa a ser cobrada durante um determinado perodo de
utilizao de navio no futuro, o que, de certa forma, pode ser assumido como uma
-
12
convergncia entre as expectativas de mercado de ambas as partes. Por este motivo,
o time charter costuma ser muito menos voltil. J os novos navios e os navios de
segunda mo tendem a serem, em algum grau, produtos substitutos, embora a
disponibilidade mais imediata para utilizao do navio de segunda mo possa fazer
com que os preos destes superem os preos de novas construes em perodos com
taxa de frete muito alta, como ocorreu especialmente no boom dos anos 2006 a 2008
(seguido da queda acentuada com a crise financeira).
Quanto ao custo de capital, Tsolakis et al. utiliza como varivel proxy2 a LIBOR,
London Interbank Offered Rate3. Esta varivel ser utilizada neste trabalho de maneira
diferente do que no artigo. Na referncia, utilizou-se uma mdia de 3 meses da LIBOR
para mostrar que no longo prazo a LIBOR tem uma relao negativa com o preo do
navio de segunda mo porque o maior custo de emprstimo para os armadores os
levaria a recusar preos mais altos. Esta hiptese foi confirmada apenas para as
classes de graneleiros, e rejeitada para as classes de petroleiros, exceto para
suezmax. A explicao seria que armadores de navios graneleiros possuem menos
capital do que armadores de navios petroleiros (o que pode ser explicado pela receita
e fluxo de capital consideravelmente maiores no mercado de petrleo), logo o impacto
de maiores juros de emprstimos seria maior para os armadores de graneleiros. Neste
trabalho, a taxa LIBOR ser utilizada como varivel proxy de variao do custo de
capital de maneira geral, incluindo todas as influncias externas como, por exemplo, a
crise de 2008.
A oferta, por outro lado, aumenta e diminui em velocidades menores porque
depende do sucateamento e da construo de novos navios. Um dado nmero de
encomendas em um momento significar uma maior quantidade de navios em um
momento posterior (a partir de um ano, talvez), a no ser que o nmero de
sucateamento seja maior no mesmo perodo, o que diminuir a quantidade de navios.
Tsolakis et al. considera apenas a varivel carteira de encomendas/frota em suas
regresses, e tem como resultado que ela significativa apenas no longo prazo e
apenas para as classes de petroleiros Panamax, Suezmax e VLCC, com uma relao
negativa com o preo de segunda mo. A justificativa seria que uma carteira grande
indicaria para os investidores um excesso de oferta no futuro e que no seria um bom
investimento comprar navios maiores, mais caros. Para graneleiros, no haveria
2 Varivel que substitui aproximadamente um valor no observvel ou no mensurvel.
3 A London Interbank Offered Rate a taxa de juros mdia estimada pelos principais bancos em Londres,
Inglaterra, para emprstimos entre bancos.
-
13
influencia significativa no curto nem no longo prazo. Tsolakis et al. avalia o longo prazo
com a relao entre o preo de segunda mo e a varivel carteira/frota defasada de
um ano, e o curto prazo com as variveis em fase. Para comprovar a justificativa do
artigo quanto ao mercado de grandes petroleiros, uma investigao sobre a
quantidade de navios negociados dada a varivel carteira/frota defasada deveria ser
realizada, visto que a varivel defasada pode indicar que no atual instante o mercado
recebeu novos navios e que os navios de segunda mo diminuram seus preos pelo
aumento da quantidade de oferta, e no pela diminuio da demanda. A incluso do
sucateamento/frota no modelo tambm pode fazer com que as variveis carteira/frota
e sucateamento/frota se tornem significativas no longo prazo para todas as classes. O
artigo parece ter sido um pouco contraditrio na justificativa quanto influncia da
carteira/frota, pois no incio esta uma varivel da funo que descreve a oferta e na
justificativa a varivel foi associada demanda.
As variveis carteira e sucateamento no sero inseridas no modelo deste
trabalho pelo seguinte motivo: no mercado de fretes, a taxa determinada pela Lei de
Oferta e Demanda do mercado de transporte. Do lado da demanda esto os
afretadores com cargas para serem transportadas e do lado da oferta esto os navios
que podem oferecer este servio de transporte. A quantidade de navios que so
ofertados no mercado de frete a mesma quantidade de navios que so ofertados no
mercado de segunda mo. Essa quantidade de navios depende do nmero de navios
que existem no mercado, do nmero de novos navios que entram e de quantos saem
do mercado. Ou seja, ao incluir a varivel taxa de frete j est sendo levado em
conta de certa forma essa dinmica do nmero de navios disponveis na indstria. No
inteno deste trabalho um olhar mais acurado sobre o impacto da carteira e do
sucateamento no preo de segunda mo, o objetivo ter um modelo robusto que
descreva bem o comportamento dos preos e com baixos erros-padro, assim, por
causa da menor relevncia dessas variveis na presena da varivel frete optou-se
por no inclu-las.
Apesar da simplificao nas expresses apresentadas por Tsolakis et al., o
processo de formao de preos no mercado internacional extremamente complexo
e seu comportamento altamente voltil e sujeito a influncia de um grande nmero
de variveis. Alm das variveis independentes sugeridas at agora, Pruyn et al. [11]
acrescenta que idade e porte so variveis explicativas importantes na determinao
dos preos de segunda mo. Tsolakis et al. aborda o porte das embarcaes de forma
desagregada, para cada porte de graneleiros e de petroleiros realizada uma
-
14
regresso particular do preo de revenda sobre suas variveis independentes. Quanto
idade dos navios, o artigo de Tsolakis et al. no deixa claro se os ndices anuais
para preos de revenda das sries temporais utilizados renem embarcaes de
diferentes anos de construo ou se so especificamente de uma determinada idade,
como, por exemplo, cinco anos. Pruyn et al. menciona tambm que, apesar de serem
mais difceis de obter, a velocidade e a potncia do motor tambm podem ter impactos
relevantes.
O presente trabalho tem o objetivo adicional de analisar comparativamente a
qualidade dos navios produzidos pelos principais pases e regies construtores.
Baseado na premissa de que os valores dos navios usados no so fixados por
nenhum agente governamental e que os preos so determinados pura e
simplesmente pela convergncia entre valores e quantidades que afretadores e
fretadores esto dispostos a negociar, acredita-se que se for constatado que os preos
de navios usados construdos em um pas/regio X forem maiores, com significncia
estatstica, do que os de navios usados construdos em um pas/regio Y, ceteris
paribus, isso pode ser um indcio de que o mercado reconhece maior qualidade nos
navios construdos no primeiro pas/regio.
O teste ideal conteria dois navios tecnicamente iguais sendo construdos todo ano
em dois pases/regies diferentes em mesmo contexto econmico internacional, e a
diferena entre seus preos de revenda, no caso de haver, indicaria, portanto, que os
atores do mercado subjetivamente valorariam a qualidade do navio mais caro como
sendo maior devido ao pas em que foi construdo.
Pruyn et al. afirma que o pas de construo e a sociedade classificadora so
variveis que tiveram sua influncia descartada de acordo com sua pesquisa
bibliogrfica, embora reconhea que em Adland e Koekebakker [17] e Koehn [18] o
pas de construo seja considerado relevante. Tanto Adland e Koekebakker quanto
Koehn afirmam que o pas de construo, o estaleiro, a capacidade de carga em
comparao com semelhantes, tipo de casco (simples ou duplo), equipamentos de
manuseio de carga, velocidade e consumo de combustvel so fatores especficos que
podem influenciar o preo que de fato o navio obter no mercado. Adland e
Koekebakker ainda incluem que baixos padres de manuteno podem desvalorizar o
navio. Koehn destaca que estes fatores tm importncia maior em mercados de
embarcaes menores e altamente especializadas como reefer, chemical carrier e gas
carrier. Seu trabalho foi sobre o segmento de navios qumicos. Ao incluir o pas de
construo como varivel dummy, Koehn obteve alguns resultados interessantes: em
-
15
comparao com os navios qumicos construdos no Japo, 11 dos 17 pases
apresentaram diferenas significativas. A maioria dos pases com sinal positivo (preo
maior que o do Japo) so pases da Europa Ocidental enquanto navios da Ucrnia
aparentam ter uma menor qualidade se for utilizado este critrio. Navios de outros
pases asiticos como Coria do Sul e China assim como navios da Frana, Crocia,
Polnia, e Reino Unido no tiveram diferena significativa.
Em Pires et al. [19] encontraram-se evidncias estatsticas robustas de que navios
graneleiros construdos no Japo apresentaram valor esperado de preo de segunda
mo maior do que os construdos no demais pases para vendas realizadas entre 2003
e 2005. Pretende-se neste trabalho ampliar a pesquisa feita em Pires et al. e reafirmar
ou rejeitar esta hiptese estatisticamente.
4.2. Especificao do Modelo
Em Pires et al. [19] foram analisados navios vendidos entre o final de 2002 e o
final de 2005 a partir de dados obtidos da empresa Clarksons. Os dados foram
segregados por ano e por tipo (graneleiros, petroleiros e porta-contentores) e os
valores de venda foram deflacionados com ndices de preo de segunda mo da
mesma fonte. O objetivo do artigo era especificamente avaliar a influncia do pas de
construo nos preos de revenda. As regresses dos petroleiros no puderam ser
avaliadas devido a um vis na amostra: os navios mais novos e maiores, VLCC e
ULCC, eram predominantemente coreanos, e os mais antigos e menores eram
predominantemente japoneses, com poucos dados de outros pases. A avaliao dos
dados de porta-contentores tambm no foi realizada devido a uma concentrao dos
navios europeus entre os navios mais antigos e dos coreanos entre os navios mais
novos, e tambm a uma concentrao de navios europeus entre os de maior porte e
de japoneses entre os de menor porte, com poucos dados para outros pases. J a
amostra de navios graneleiros se mostrou bem condicionada quando dividida entre
navios construdos no Japo e navios construdos nos demais pases. Para diferenciar
os navios construdos entre os dois grupos (Japo e Outros) foi utilizada uma varivel
dummy. A varivel dependente escolhida foi o preo de revenda do navio dividido pelo
seu porte e deflacionado pelo ndice da Clarksons. As variveis explicativas, alm do
pas de construo, foram o porte e a idade das embarcaes. O modelo de regresso
adotado foi o seguinte:
(4)
Onde:
-
16
P {US$/DWT}: preo do navio por porte bruto deflacionado;
K: intercepto da equao;
DWT: porte bruto do navio em toneladas;
age: idade do navio em anos;
e: base do logaritmo natural;
: varivel binria (0 ou 1) de deciso de pas de origem;
: fator de variao do preo dependente da varivel binria ();
: elasticidade do preo (P) relativa capacidade (DWT);
: elasticidade do preo (P) relativa idade (age).
No presente trabalho, pretende-se utilizar o trabalho de Pires et al. como base,
ampliando a pesquisa. O primeiro passo foi estender o perodo observado para entre o
final de 2002 e o meio de 2014. As anlises no sero separadas por ano, mas
mantero a diviso por tipo (graneleiros, petroleiros, e porta-contentores). Seguindo o
que foi apresentado no tpico 4.1, sero includas como variveis explicativas ao
modelo de Pires et al. variveis que representem as receitas dessas embarcaes e
tambm os preos de novas construes. Para incluir no modelo a variao do custo
de capital de maneira geral, incluindo todos os fatores externos, foi inserida no modelo
a taxa de juros LIBOR.
Assim, o modelo considerado para este trabalho foi o seguinte:
(5)
Onde:
P {US$/DWT}: preo de revenda do navio dividido pelo seu porte bruto;
K {US$/DWT}: intercepto da equao;
Age {anos}: idade do navio na data de revenda;
Earnings {US$/dia}: varivel para captar as variaes na receita das embarcaes
ao longo do tempo;
NB {US$/DWT}: varivel para captar variaes do preo de um novo navio por
tonelada de porte bruto ao longo do tempo;
LIBOR: varivel para captar as variaes no custo de capital ao longo do tempo.
: elasticidade do preo (P) em relao capacidade (DWT);
: elasticidade do preo (P) em relao idade (age).
: elasticidade do preo (P) em relao receita (earnings);
: elasticidade do preo (P) em relao ao preo de nova construo (NB);
: elasticidade do preo (P) em relao ao custo de capital (LIBOR);
-
17
A esse modelo de regresso exponencial sero acrescentadas variveis
dummies4 que possibilitem a investigao sobre a influncia do pas de construo no
preo de segunda mo. O nmero de variveis categricas depender do nmero de
regies/pases a serem considerados. A equao assumir o seguinte formato:
(6)
As variveis a, b, e c so exemplos de variveis binrias que assumem valor
1 quando o navio tiver sido construdo em uma respectiva regio ou pas e valor zero
(ou nulo) quando tiver sido construdo em outra regio. Por exemplo, um navio
construdo na regio c ter e . As letras maisculas que acompanham
as variveis so os estimadores dos coeficientes parciais de regresso.
equao (3) se aplicou o logaritmo natural aos dois lados da igualdade.
(7)
A vantagem de utilizar o modelo na forma log-linear como na equao (7) que
os parmetros , , , , e estimados pelo mtodo dos mnimos quadrados ordinrios
sero no s os melhores estimadores lineares no-viesados se o modelo satisfizer as
hipteses do modelo clssico de regresso linear5, como tambm mediro a
elasticidade do preo em relao a, respectivamente, porte, idade, receita, preo de
nova construo, e custo de capital. Ou seja, os parmetros sero as melhores
estimativas pontuais para os dados utilizados sobre as variaes percentuais no preo
(US$/DWT) para uma dada variao percentual (pequena) na respectiva varivel
independente.
4 Variveis dummies so variveis que assumem valor 0 ou 1 para indicar a presena ou ausncia de um
atributo no respectivo dado.
5 No livro Econometria Bsica [14], de Gujarati, so apresentadas as 10 hipteses para que um modelo
seja enquadrado na definio de Modelo Clssico de Regresso Linear, e as consequncias do enquadramento bem como do no enquadramento so discutidas. Alguns testes sero feitos neste trabalho para avaliar se o modelo proposto atende s hipteses, mas recomenda-se uma leitura prvia desta ou de bibliografia semelhante para compreender a importncia do conceito.
-
18
5. A Obteno e a Preparao dos Dados
Todos dados foram obtidos da Shipping Intelligence Network da Clarksons. Na
base de dados oferecido pela empresa os dados sobre preos individuais de revenda
dos navios s so disponibilizados em formato de planilhas para o software Microsoft
Excel para at trs anos regressos. O primeiro passo foi, ento, transcrever os dados
dos relatrios semanais Shipping Intelligence Weekly para planilhas Excel para todos
os anos entre 2006 e 2010, incluindo os anos extremos. Os dados do final de 2002 ao
de 2005 so os mesmos utilizados no artigo de Pires et al. [19], fornecidos gentilmente
pelos autores. Os dados de 2011 a 2014 foram obtidos direto da rede no formato
desejado6.
A coleta de dados e sua posterior organizao se mostrou uma tarefa bastante
difcil. Foi investido um tempo considervel para preparar um procedimento mecnico-
computacional para que os dados de cada relatrio pudessem ser transformados em
linhas de planilhas do Excel. Ainda sim, ajustes ps-processamento de cada relatrio
precisaram ser feitos para padronizar as informaes. Para cada navio, obtiveram-se
informaes para os seguintes campos:
Type Name Built Size Unit Dwt Yard Sold En
Bloc US$m Sellers Buyers
Type: informao sobre o tipo do navio, por exemplo: bulk, tanker, container,
AHTS, cable layer, car carrier etc.
Name: nome do navio.
Built: ano de construo do navio.
Size: uma referncia quantificvel de porte da embarcao, por exemplo:
toneladas de porte bruto, nmero de contentores, nmero de passageiros,
comprimento etc.
Unit: unidade do nmero apresentado no campo Size.
Dwt: toneladas de porte bruto (deadweight).
Yard: estaleiro onde o navio foi construdo.
Sold: data em que o navio foi revendido.
6 Infelizmente, o autor percebeu aps concluir o trabalho que os dados do ms de Janeiro de 2011 no
foram includos.
-
19
En Bloc: campo inicialmente reservado para destacar os navios que eram
vendidos em conjunto. Entretanto, durante a coleta de dados, observou-se que seria
til anotar neste campo quaisquer informaes adicionais sobre a venda que
estivessem disponveis nos relatrios como, por exemplo, se o navio foi vendido com
um contrato de time charter vigente ou se foi vendido em um leilo.
US$m: preo pelo qual o navio foi revendido, em milhes de dlares.
Sellers: informaes sobre quem vendeu os navios.
Buyers: informaes sobre quem comprou os navios.
Foram recolhidos 13.937 dados individuais de negociaes de navios de segunda
mo. O primeiro passo aps ter o banco de dados em Excel pronto para ser utilizado
foi separar os dados dos trs tipos de navios de interesse deste trabalho em trs
bancos de dados especficos: graneleiros, navios tanque, porta-contentores. A
inteno de usar navios tanques a de avaliar o mercado de petroleiros. Para separar
os petroleiros dos demais dados um critrio teve de ser adotado, porque entre os tipos
de navio que os dados da Clarksons eram classificados no banco de dados da
empresa havia:
bulk/oil, chem&oil, combo, eth/LPG, eth/LPG/chm, ethy/LPG, L.N.G., L.P.G., LPG
carrier, LPG/chem, oil & LPG, ore/oil, products, shuttle, tankchem, e tanker.
Em um critrio de organizao abrangente, alguns ou todos estes tipos poderiam
ser englobados como um grupo de navios tanque, que transportam granel lquido.
Para este trabalho, apenas os navios tipificados como tanker foram utilizados.
Acredita-se que estes navios sejam os petroleiros tradicionais que transportam leo
cru, embora seja muito provvel que alguns navios de produtos tenham sido includos
sob esta classificao. Para os graneleiros foram escolhidos os navios tipificados
como bulker, e para porta-contentores, container.
Aps separar em trs bancos de dados independentes, os dados foram
reavaliados e os navios que no continham informaes sobre ano de construo,
e/ou DWT, e/ou estaleiro, e/ou preo foram retirados dos bancos de dados. As
Banco de Dados Geral
BD Graneleiros
BD Tanques BD
Contentores
-
20
informaes que no faltavam a nenhum navio do banco de dados principal eram
apenas: tipo, nome, e data de revenda. Para os navios revendidos em grupo, se os
navios fossem de mesmo porte e idade o preo era dividido igualmente entre os
navios, caso contrrio os navios tambm no foram considerados nas anlises. Sabe-
se que esta ltima considerao pode implicar em algum vis na amostra dado que
navios vendidos em bloco podem ter desconto em seus preos, mas decidiu-se manter
esta deciso por se considerar que no se trata de um produto vendido em grandes
quantidades, em que os descontos seriam maiores, e tambm vlido observar que
toda negociao possui aspectos nicos que afetam o preo acordado. O objetivo
deste trabalho captar tendncias globais e para isso preciso incluir o maior nmero
de dados vlidos possveis. Os navios revendidos antes de serem entregues pelos
estaleiros ou no ano de sua entrega, ou seja, com idade zero ou negativa, tambm
foram descartados por no fazerem parte do tradicional mercado de segunda mo.
Esses navios revendidos antes de completarem 1 ano podem ser considerados como
um mercado de segunda mo especial j que o navio ainda novo e a deteriorao
natural devido idade ainda no percebida.
Tabela 1: ndices de Preos de Segunda Mo
Graneleiros Bulk Carrier Secondhand Prices Index Average (US$/DWT)
Petroleiros Tanker Secondhand Prices Index Average (US$/DWT)
Porta-contentores Containership 10 year old Secondhand Prices Index Average
(US$/TEU)
O prximo passo foi coletar as sries histricas dos ndices de preos de navios
de segunda mo (US$/DWT) na rede da Clarksons para cada tipo de navio
(graneleiros, tanques, e porta-contentores7). As sries utilizadas estavam em uma
base mensal. Os preos de revenda foram, ento, divididos pelos portes brutos dos
navios e depois deflacionados por simples diviso do preo/dwt pelo ndice de preo
de navio de segunda mo adequado ao perodo da revenda. Com os preos
deflacionados foi possvel identificar os outliers. Com esse objetivo, utilizou-se a
ferramenta diagrama de caixa modificado8 e o software Minitab. A linha central do
diagrama de caixa corresponde mediana dos dados, a caixa (retangular) estende-se
do primeiro ao terceiro quartis (Q1 e Q3). O diagrama dito modificado porque ao invs
de as linhas se estenderem at os valores mnimo e mximo como nos diagramas de
caixa tradicionais, elas se estendem abaixo do primeiro quartil at o valor de 1,5 vezes
o intervalo interquartil (Q3 Q1) e acima do terceiro quartil at o valor de 1,5 vezes o
7 Para porta-contentores foi utilizado US$/TEU.
8 Nomenclatura adotada no livro Introduo Estatstica [21], de Mario Triola.
-
21
intervalo interquartil. Foram considerados outliers (valores discrepantes) os dados que
se localizavam acima ou abaixo dos limites dessas linhas.
Figura 5: Diagrama de caixa modificado dos graneleiros
Figura 6: Diagrama de caixa modificado dos navios tanque
Na Figura 5 possvel observar os outliers entre os graneleiros. O valor que se
destaca bem acima dos outros um navio de apenas 2.341 toneladas de porte bruto
que foi revendido por US$ 4,7 milhes em 2013. Aparentemente, nenhum dos valores
considerados atpicos parecia conter algum erro de informao. Praticamente todos
so navios de at 30.000 toneladas de porte bruto, o que faz com que a razo
US$/DWT tenda a ser maior. Do total de 4.220 navios, os outliers correspondiam a 31
embarcaes, ou 0,73% dos dados. Preferiu-se retirar esses pontos das anlises
porque eles no seguem as tendncias de suas pocas.
Para os navios tanque (Figura 6), novamente o dado com o valor de US$/DWT
deflacionado mais alto era um navio de menor porte, apenas 1.520 toneladas, que foi
6
5
4
3
2
1
0
US
$/D
WT
Defl
acio
nad
o
Graneleiros
9
8
7
6
5
4
3
2
1
0
US
$/D
WT
Defl
acio
nad
o
Navios Tanque
-
22
vendido por US$ 4,8 milhes em 2013. A mdia dos portes dos navios considerados
outliers foi de 16.425 toneladas, confirmando que navios com porte bruto menor
tendem a ter o valor de seu preo dividido por seu porte bruto maior. Esses valores
atpicos foram 50 pontos entre 1.312 navios avaliados, ou 3,81%.
Entre os navios porta-contentores (Figura 7) foram identificados apenas 9 valores
atpicos entre 992 navios (0,91%). Os valores US$/DWT foram deflacionados com um
ndice em US$/TEU, pois no foi encontrado um ndice para o preo de revenda de
porta-contentores que fosse apresentado na unidade US$/DWT na rede da Clarksons.
Entretanto, so valores muito correlatos e assim foi considerado razovel utilizar o
ndice encontrado. Os outliers so navios de pequeno porte, mas no to pequenos
para porta-contentores, com mdia de 19.353 toneladas de porte bruto. Esses valores
atpicos foram retirados da base de dados.
Figura 7: Diagrama de caixa modificado dos navios porta-contentores
A etapa seguinte foi coletar na base de dados da Clarksons as sries histricas de
ndices para receita, preo de nova construo, e da taxa LIBOR. Foram utilizados os
seguintes ndices:
Tabela 2: ndices de receita
Graneleiros Baltic Exchange Dry Index9
Petroleiros Average Weighted Earnings All Tankers (US$/Day)
Porta-contentores Clarksons Containership Earnings Index (US$/Day)
9 O Baltic Dry Index (BDI) o sucessor do Baltic Freight Index (BFI) e entrou em operao no primeiro dia
de Novembro de 1999. Desde o primeiro dia de Julho de 2009, o ndice tem sido um composto dos Dry Bulk Timecharter Averages (mdias dos contratos por perodo - $/dia dos graneleiros). A frmula usada para calcular o BDI : ((Capesize5TCavg + PanamaxTCavg+ SupramaxTCavg + HandysizeTCavg)/ 4) * 0.110345333 TCavg = Timecharter average. Mais informaes podem ser obtidas em www.balticexchange.com.
0,25
0,20
0,15
0,10
0,05
0,00
US
$/D
WT
De
fla
cio
na
do
s c
om
US
$/T
EU
Porta-contentores
-
23
Tabela 3: ndices de preos de novos navios
Graneleiros Bulkcarrier Average Newbuilding Prices (US$/DWT)
Petroleiros Oil Tanker Average Newbuilding Prices (US$/DWT)
Porta-contentores Containership Contracting (US$ Million)/Containership
Contracting (DWT)10
Quanto aos pases de construo, foram formados grupos de pases
considerando o volume de navios revendidos e a homogeneidade representativa de
geopoltica. Foram utilizadas convenes tradicionais de divises polticas dos
continentes, no tendo sido feito um estudo aprofundado sobre a infraestrutura dos
estaleiros desses pases para agrup-los. Vale ressaltar aqui novamente o cunho
acadmico deste estudo para o exerccio de conceitos de econometria aplicada ao
setor de engenharia naval.
Apesar de todo pas possuir nveis grandes de diferena entre seus estaleiros, o
agrupamento tem a inteno de identificar possveis valoraes padronizadas pelo
mercado sobre a qualidade dos navios construdos dentro de determinados
pases/regies. Para navios porta-contentores, os dados neste instante continham
apenas trs navios construdos no continente americano, dois nos Estados Unidos e
um na Argentina, por isso o continente americano foi desconsiderado. Entre os navios
graneleiros havia dois navios construdos no Egito que tambm foram
desconsiderados. Assim, a seguinte diviso foi realizada11,12:
10
Para porta contentores foi utilizada a razo entre dois ndices.
11 sia*: pases do continente asitico com exceo de China, Coria do Sul e Japo, que foram
considerados individualmente. 12
Amrica: pases do continente americano, unindo Amricas do Sul, Central e do Norte.
Graneleiros
Amrica
sia*
China
Coria do Sul
Europa
Japo
Tanques
Amrica
sia*
China
Coria do Sul
Europa
Japo
Contentores
sia*
China
Coria do Sul
Europa
Japo
-
24
A quantidade de navios por regio para cada tipo de embarcao ficou da
seguinte forma:
Figura 8: Navios graneleiros agrupados por regio de construo
Figura 9: Navios petroleiros agrupados por regio de construo
Figura 10: Navios porta-contentores agrupados por regio de construo
-
25
6. Anlises sobre o Modelo de Regresso
Antes de testar a hiptese sobre a influncia do pas de construo importante
investigar o comportamento do modelo economtrico proposto. S quando forem
estudados os limites do modelo e afirmada sua validade que ser possvel realizar
testes e obter concluses sobre os dados.
6.1. A Multicolinearidade e a Significncia Global
A primeira avaliao sobre multicolinearidade. A presena de uma
multicolinearidade perfeita acontece em casos em que h uma relao linear perfeita
entre algumas ou todas as variveis explicativas do modelo (logo no h como haver
multicolinearidade em regresses simples). Entretanto, a multicolinearidade menos
que perfeita13 igualmente importante por causa do erro estocstico atrelado aos
dados. Por exemplo, considere a equao abaixo:
Sendo Xk as variveis explicativas de um modelo, k os escalares, e vi o termo de
erro estocstico de cada dado. Pode-se perceber que as variveis no so
combinao linear exata das outras variveis (j que o erro estocstico assume
valores aleatrios), mas elas esto altamente correlacionadas.
Caso haja multicolinearidade perfeita, os coeficientes de regresso das variveis
independentes sero indeterminados e seus erros-padro infinitos. Isso significa que
em um modelo com duas variveis explicativas, se houver relao linear exata entre
elas o X2 no variar independentemente de X1 e vice versa, ou seja, se X1 for fixado o
valor de X2 no ter variao, no importa quantos dados forem coletados. Assim, no
ser possvel estimar coeficientes separados para X1 e para a varivel X2, o modelo
depende apenas de uma varivel e no duas. O mesmo acontecer se X2 for fixado,
ento no haver como realizar a regresso para o respectivo modelo.
Se a multicolinearidade menos que perfeita, os coeficientes de regresso,
embora possam ser determinados, possuiro erros-padro grandes (em relao aos
prprios coeficientes), o que pode prejudicar a preciso da estimativa utilizando a
regresso realizada. Entretanto, mesmo na presena de quase-multicolinearidade os
13
Nomenclatura utilizada pelo livro Econometria Bsica, de Gujarati [14]
-
26
estimadores obtidos pelo Mtodo dos Quadrados Mnimos Ordinrios (MQO14) ainda
sero os melhores estimadores lineares no-viesados.
Eles so os melhores porque tm varincia mnima. So no-viesados porque os
valores esperados dos estimadores so iguais aos valores verdadeiros dos
parmetros. Os estimadores com varincia mnima e no-viesados so chamados
tambm de eficientes. E a linearidade devido ao fato dos estimadores serem uma
funo linear das observaes amostrais, embora a varivel explicativa em si possa
ser X elevado ao quadrado, por exemplo. Esta ltima afirmao diferencia linearidade
nos parmetros de linearidade nas variveis.
Um sintoma de que o modelo de regresso possui multicolinearidade um alto
coeficiente de determinao (R) porm com os testes t de significncia das variveis
com razes pouco significativas. O teste t testa a hiptese de que o parmetro linear
de cada varivel igual a zero dentro de um intervalo de confiana segundo a
distribuio t de Student, ou seja, aceita a hiptese, o respectivo coeficiente pode no
estar colaborando para explicar os valores assumidos pela varivel dependente. O
coeficiente de determinao igual a 1 menos a soma dos quadrados dos resduos,
com esta soma sendo dividida pela soma dos quadrados da diferena entre os valores
efetivos da varivel dependente e a mdia desses valores,
. Ou seja, quanto menores os resduos maior o coeficiente
de determinao, variando entre 0 e 1, e quanto maior o R maior o ajuste da
regresso sobre os dados.
Para o teste de multicolinearidade foram feitas, ento, regresses pelo mtodo
MQO utilizando o software gretl15, com a seguinte expresso:
(8)
Como possvel notar nos dados da Tabela 4, da Tabela 5, e da Tabela 6, o
coeficiente de determinao R e o R ajustado (que considera o nmero de variveis)
podem ser considerados altos dado que se trata de dados sujeitos a especulao de
mercado. Todos giram por volta de 0,7. Os coeficientes das variveis explicativas
tambm se apresentaram significativos, ou seja, ajudam a explicar o valores
assumidos pela varivel ln(P). O maior valor p entre os coeficientes das variveis
14
O Mtodo dos Mnimos Quadrados minimiza a soma dos quadrados dos resduos da regresso.
15 gretl: Gnu Regression, Econometrics and Time-series Library, um pacote de software multiplataforma
de cdigo aberto para anlise economtrica, escrito na linguagem de programao C.
-
27
independentes foi o da varivel ln(Earnings) da regresso de navios petroleiros, e
mesmo assim a hiptese de que o coeficiente igual zero poderia ser aceita com
significncia de apenas 0,323% (323 em 100.000 regresses), assim, considerou-se
refutada a hiptese de multicolinearidade forte neste teste.
Tabela 4: Regresso para navios graneleiros, varivel dependente ln(P). Dados de 4189 navios
Coeficiente Erro Padro razo-t p-valor
const 2,69774 0,226705 11,8998
-
28
coeficientes so simultaneamente iguais a zero) [14]. Na prtica, se uma varivel
significativa a 3% e outra a 4% em seus testes individuais no possvel dizer que as
duas variveis juntas so significativamente relevantes para o modelo a 3%, 4% ou
qualquer outra significncia, isso porque nos testes individuais assume-se que as
amostras de cada teste so independentes e por isso os p-valores 3% e 4% no
podem ser relacionados para gerar um valor p de significncia global.
Atravs da tcnica de anlise de varincia (ANOVA) possvel testar a hiptese
de que todos os coeficientes so simultaneamente iguais a zero, considerando um
parmetro estatstico que segue uma distribuio F de Fischer-Snedecor. Esse
parmetro estatstico pode ser calculado como funo do coeficiente de determinao,
, em que k igual ao nmero total de parmetros a serem estimados
no modelo e n o nmero total de dados. Assim, o teste F tambm um teste de
significncia de R, com hiptese nula de que R = 0.
Como possvel notar nos dados da Tabela 4, Tabela 5 e Tabela 6, o p-valor (F)
muito pequeno. Ento a hiptese de R ser zero rejeitada para as trs regresses.
Voltando multicolinearidade, outro sintoma a presena de altas correlaes
entre as variveis explicativas tomadas duas a duas. Ressalta-se que altas
correlaes de ordem zero entre duas variveis so condio suficiente, mas no
necessria, para a existncia da multicolinearidade, pois ela pode existir mesmo que
as correlaes simples sejam relativamente baixas. Isto acontece porque uma varivel
explicativa pode ser combinao linear de outras duas variveis independentes, por
exemplo, mas ter coeficientes de correlao simples de apenas 0,5 em relaes
individuais com cada varivel [14].
Tabela 7: Matriz de correlao entre as variveis independentes, navios graneleiros.
lnDWT lnAge lnBDI lnNB lnLIBOR
1,0000 -0,2388 -0,0499 -0,0490 -0,0383 lnDWT
1,0000 0,0134 0,0837 0,0163 lnAge
1,0000 0,0890 0,6384 lnBDI
1,0000 -0,0114 lnNB
1,0000 lnLIBOR
Tabela 8: Matriz de correlao entre as variveis independentes, navios petroleiros.
lnDWT lnAge lnEarnings lnNB lnLIBOR
1,0000 -0,2344 0,0941 -0,1336 -0,0128 lnDWT
1,0000 0,0234 0,1480 0,1234 lnAge
1,0000 0,3421 0,7140 lnEarnings
1,0000 0,6465 lnNB
1,0000 lnLIBOR
-
29
Tabela 9: Matriz de correlao entre as variveis independentes, navios porta-contentores.
lnDWT lnAge lnEarnings lnNB lnLIBOR
1,0000 -0,1611 -0,1086 -0,0634 -0,1269 lnDWT
1,0000 -0,0739 -0,0945 -0,0838 lnAge
1,0000 0,2971 0,7436 lnEarnings
1,0000 0,4364 lnNB
1,0000 lnLIBOR
Para avaliar os resultados das tabelas o seguinte critrio foi utilizado:
Correlao fraca: x1,x2 < 0,5
Correlao moderada: 0,5 < x1,x2 < 0,8
Correlao forte: 0,8 < x1,x2
No foram identificadas correlaes lineares fortes, entretanto, uma moderada
se destaca por aparecer nas trs tabelas, a correlao entre a varivel ln(LIBOR) e a
ln(Earnings) ou ln(BDI), para graneleiros.
Entre as variveis utilizadas nas regresses, trs so obtidas em sries temporais:
NB, Earnings e LIBOR. Para todas as trs foram utilizadas sries semanais (com
exceo de NB para porta-contentores, que mensal), ou seja, todos os navios
vendidos em uma mesma semana possuem os mesmos valores de ln(NB),
ln(Earnings) e ln(LIBOR). Esse aspecto dos dados faz com que haja uma tendncia
para haver correlao entre elas. Por exemplo, se na semana seguinte a uma
determinada semana de referncia as trs variveis aumentam de valor possvel
traar uma proporcionalidade positiva entre as variveis nessa mudana. Se a
proporo no variar muito entre as semanas, relaes lineares podero ser atribudas
s correlaes entre essas variveis. Por outro lado, de se esperar uma correlao
moderada, j que aquecimentos ou freadas generalizadas do mercado causam
impacto nas trs variveis, mas no necessariamente, e por isso as correlaes no
so fortes.
importante notar que o mercado martimo dos graneleiros, petroleiros e porta-
contentores est altamente relacionado com o crescimento econmico global. Os
graneleiros transportam matrias-primas essenciais para o setor secundrio de
produo, alm de carvo, a segunda matria-prima mais utilizada na matriz
energtica mundial atrs apenas do petrleo. E os porta-contentores se tornaram o
principal meio de transporte de bens de consumo entre pases e continentes. Como os
bancos esto integrados ao mercado internacional e podem, de forma genrica,
investir em qualquer negcio, razovel imaginar que se as altas nas taxas de juros
de emprstimo entre bancos estiverem relacionadas com um aquecimento da
-
30
economia internacional, consequentemente haver um aumento nas taxas de frete dos
navios, caso a oferta de navios no possa responder a altura da demanda no curto
prazo. A presso de juros maiores nos emprstimos recebidos pelos estaleiros e a alta
do frete, que gera expectativa de maiores lucros por parte dos armadores, podem
tambm elevar o preo dos navios novos.
Assim, a correlao entre ln(LIBOR) e ln(Earnings) tem fundamento. preciso
avaliar agora se essa correlao atrapalha os modelos aumentando os erros-padro e
se alguma varivel pode ser dispensada. Para isso, regresses foram feitas com
omisso de cada varivel. Os resultados seguem abaixo.
Tabela 10: Regresso para graneleiros com omisso de ln(BDI)
Tabela 11: Regresso para petroleiros com omisso de ln(Earnings)
Coeficiente Erro Padro razo-t p-valor Coeficiente Erro Padro razo-t p-valor
const 2,698 0,227 11,900
-
31
Tabela 12: Regresso para porta-contentores com omisso de ln(Earnings)
Para comparar essas regresses, alm do habitual valor de R ajustado, foi
realizado tambm o teste da razo de verossimilhana. O objetivo testar a hiptese
nula de que a diferena entre os modelos no significativa. Se a hiptese nula for
verdade a diferena entre os mximos das funes verossimilhana dos modelos no
deve ser estatisticamente significativa, com a varivel seguindo uma distribuio
com nmero de graus de liberdade igual ao nmero de restries impostas a hiptese
nula (nmero de variveis omitidas), que igual a 1 para os casos aqui testados.
LFVNR = logaritmo do mximo da funo verossimilhana no restringida
LFVR = logaritmo do mximo da funo verossimilhana restringida
Se a hiptese nula for aceita, a varivel omitida no afeta significamente o modelo
e pode ser dispensada. Os testes da razo de verossimilhana realizados mostraram
que a varivel ln(Earnings) no deve ser retirada de nenhum dos modelos. Todos
ficaram com valor-p muito pequeno, o mais alto seria 0,32% para petroleiros. A
comparao entre os coeficientes R ajustados leva a mesma concluso, embora para
petroleiros a diferena seja pequena. Decidiu-se manter esta varivel.
CoeficienteErro
Padrorazo-t p-valor Coeficiente
Erro
Padrorazo-t p-valor
const -0,800 0,508 -1,576 0,115 2,078 0,511 4,063 0,00005 const
lnDWT -0,159 0,019 -8,201
-
32
Tabela 13: Regresso para graneleiros com omisso de ln(LIBOR)
Tabela 14: Regresso para petroleiros com omisso de ln(LIBOR)
Tabela 15: Regresso para porta-contentores com omisso de ln(LIBOR)
Coeficiente Erro Padro razo-t p-valor Coeficiente Erro Padro razo-t p-valor
const 2,698 0,227 11,900
-
33
Para a varivel ln(LIBOR), as diferenas entre os coeficientes de determinao R
so pequenas, mas os testes da razo de verossimilhana levam a concluso de que
melhor manter esta varivel.
Para petroleiros ainda resta uma correlao que chamou ateno, entre ln(LIBOR)
e ln(NB). Um interessante fato ocorreu na regresso com omisso de ln(NB), a
rejeio da hiptese de que o coeficiente linear da varivel ln(Earnings) igual a zero
tem 0,52805 ou 52,805% de probabilidade de erro, ou seja, a hiptese nula pode ser
aceita. O motivo provvel a que a varivel LIBOR tenha absorvido a influncia da
varivel NB, devido correlao moderada entre elas, e tambm tenha feito com que
a varivel Earnings perdesse significncia devido correlao moderada a alta entre
LIBOR e Earnings. Como ser visto no estudo de segmentao por porte e idade,
negociao dos petroleiros como ativos atribuda uma importncia maior de maneira
geral do que capacidade do navio de gerar receita com transporte, e isto explicaria o
peso da varivel NB (Newbuilding nova construo) ser maior que o de Earnings
(receita) para petroleiros.
Tabela 16: Regresso para petroleiros com omisso de ln(NB)
O modelo sem ln(NB) perde 7,5% do poder de explicar a variao no preo de
segunda mo segundo o R ajustado. O teste da razo de verossimilhana tambm
leva a rejeio da hiptese de que o modelo sem ln(NB) teria pouca diferena em
relao regresso original. Ento, deve-se manter NB.
A concluso aps o estudo sobre multicolinearidade que o modelo possui uma
multicolinearidade moderada por causa da correlao entre as variveis ln(LIBOR) e
CoeficienteErro
Padrorazo-t p-valor Coeficiente
Erro
Padrorazo-t p-valor
const 0,933 0,485 1,922 0,055 8,573 0,266 32,213
-
34
ln(Earnings). Mas vlido lembrar que a multicolinearidade no viola nenhuma
hiptese de regresso por mnimos quadrados ordinrios. As estimativas ainda sero
no-viesadas e consistentes com erros padro corretamente estimados. O nico efeito
seria uma maior dificuldade para obter estimativas dos coeficientes com pequeno erro
padro, o que no se apresentou como um problema para o trabalho.
6.2. A Heteroscedasticidade
Uma das mais importantes hipteses do modelo clssico de regresso linear [14]
a de homoscedasticidade, que significa que a varincia de cada termo de
perturbao ui algum nmero constante igual a . Se as varincias no so iguais,
tem-se um caso de heteroscedasticidade.
Uma importante iniciativa j foi feita no captulo 5 para diminuir a
heteroscedasticidade, caso haja, do modelo, eliminando-se valores atpicos dos
dados. Esses outliers podem distorcer os coeficientes do modelo por seus altos
momentos e provocar uma falta de homogeneidade da disperso dos termos de
perturbao em torno dos valores preditos pela regresso, o que um sintoma de
heteroscedasticidade.
Para testar o modelo ser utilizado o Teste Geral de Heteroscedasticidade de
White. Este o teste mais utilizado porque no depende do pressuposto de que os
termos de perturbao seguem uma distribuio normal como, por exemplo, o teste de
Breusch-Pagan-Godfrey (BPG), e no necessita de reordenao dos dados, como, por
exemplo, para o teste de Goldfeld-Quandt [14]. O teste de White pode ser dividido em
quatro passos:
Passo 1: Obter os resduos da regresso;
Passo 2: Efetuar uma regresso auxiliar utilizando os resduos ao quadrado como
varivel dependente e as seguintes variveis como explicativas: as variveis
independentes do modelo original, as variveis independentes do modelo original ao
quadrado, e os produtos de duplas de variveis independentes do modelo original. Por
exemplo, para o modelo:
A regresso auxiliar seria:
-
35
Potncias mais altas nos regressores podem ser introduzidas se houver suspeita
de que a varincia dos resduos funo de potncias maiores. De essa regresso
auxiliar, obtm-se o coeficiente de determinao R.
Passo 3: Caso a hiptese nula, de que a amostra homoscedstica, seja
verdadeira possvel demonstrar que o tamanho da amostra multiplicado por R da
regresso auxiliar assintoticamente segue uma distribuio chi quadrada, com graus
de liberdade igual ao nmero de variveis explicativas.
Passo 4: Se o valor obtido com n*R exceder o valor crtico da distribuio chi
quadrada, a concluso que a hiptese nula pode ser rejeitada e que o modelo possui
heteroscedasticidade.
As regresses auxiliares foram colocadas em anexo, no captulo 11. Abaixo esto
os resultados:
Graneleiros
Estatstica de teste: LM = 856,181
com p-valor = P(Qui-quadrado(20) > 856,181) = 1,6438e-168
Petroleiros
Estatstica de teste: LM = 155,11
com p-valor = P(Qui-quadrado(20) > 155,11) = 6,57416e-023
Porta-contentores
Estatstica de teste: LM = 140,925
com p-valor = P(Qui-quadrado(20) > 140,925) = 3,37878e-020
Como possvel observar, todos os trs modelos possuem valor p muito baixo e
por isso a hiptese nula pode ser rejeitada. Assim, pode-se dizer que as trs
regresses so heteroscedsticas. Uma forma prtica de tentar entender as causas da
heteroscedasticidade recorrer a mtodos grficos. A simples observao de grficos
dos resduos ao quadrado plotados contra as variveis independentes do modelo pode
revelar a dependncia das varincias dos resduos em relao a alguma varivel.
-
36
Figura 11: Varivel y = resduos^2 e variveis x = variveis independentes do modelo, graneleiros.
Figura 12: Varivel y = resduos^2 e variveis x = variveis independentes do modelo, petroleiros.
usq1
lnPusq1
lnDWT
usq1
lnAge
usq1
lnBDI
usq1
lnNB
usq1
lnLIBOR
usq2
lnP
usq2
lnDWT
usq2
lnAge
usq2
lnEarnings
usq2
lnNB
usq2
lnLIBOR
-
37
Figura 13: Grficos com varivel y = resduos^2 e variveis x = variveis do modelo, porta-contentores.
Estudando de forma mais detalhada os grficos que relacionam os termos de
perturbao ao quadrado com a varivel ln(Age) foi possvel perceber que para
valores maiores que 3 no eixo da varivel ln(Age) a disperso dos valores para os
termos de perturbao aumentava bastante. Esse efeito foi identificado para os trs
tipos de navios, com maior fora para os graneleiros e petroleiros. O antilogartimo
(natural) de 3 aproximadamente 20. Esse um resultado interessante porque apesar
de a vida til de um navio poder chegar a 25 ou 30 anos a maioria passa por uma
intensa reforma se houver inteno de manter o navio competitivo aps seus 20 anos
de idade ou at mesmo para adapta-lo para outros fins. Desta forma, os navios com
mais de 20 anos podem no obedecer ao mesmo ritmo de desvalorizao com a idade
que o mercado aplica aos navios mais novos.
Optou-se, ento, por realizar novas regresses sem os