ANÁLISE DE PREÇOS DE NAVIOS DE SEGUNDA MÃO ATRAVÉS DE...

of 111 /111
ANÁLISE DE PREÇOS DE NAVIOS DE SEGUNDA MÃO ATRAVÉS DE MODELAGEM ECONOMÉTRICA Ricardo Brito Fiasca Projeto de Graduação apresentado ao Curso de Engenharia Naval e Oceânica da Escola Politécnica, Universidade Federal do Rio de Janeiro, como parte dos requisitos necessários à obtenção do título de Engenheiro. Orientadores: D.Sc. Luiz Felipe Assis e D.Sc. Floriano Carlos Martins Pires Junior. Rio de Janeiro Março de 2015

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