Modelos de previsão de preço para soja no Brasil utilizando variáveis climáticas e produção

Abstract

Este trabalho propõe um modelo de previsão de preço para soja, principal commodity produzida no país e de grande importância para a balança comercial brasileira, baseado em fatores externos como características macroeconômicas e em fatores climáticos que afetam diretamente o resultado de sua produção, auxiliando o produtor rural na previsibilidade dos preços, mensuração de risco e gestão financeira. Também contribui na explicação dos fatores de formação do preço, entendendo o comportamento do mercado interno nas variações observadas neste produto. Os dados foram coletados em diversas fontes tais como bases Conab, ABIOVE e IPEA, totalizando 96 observações mensais, do período de janeiro/2014 até dezembro/2021, em metodologias ARIMA e VAR. Para o segundo em particular, além do preço mensal da soja dos principais estados produtores, utilizou-se também variáveis como preço da soja mensal dos principais estados produtores da commodity, além de preço da soja na bolsa de Chicago, cotação do dólar, dados de exportação e produção de soja, abate total de bovinos, IBCBr e ocorrência de el niño e la niña. Os resultados obtidos indicam que o modelo VAR é mais eficiente que o modelo ARIMA para previsão do preço da soja.

This research proposes a price forecast model for soybeans, the main commodity produced in the country and of great importance for the Brazilian trade balance, based on external factors such as macroeconomic characteristics and climatic factors that directly affect the result of its production, helping the rural producer in price predictability, risk measurement and financial management. It also contributes to the explanation of price formation factors, understanding the behavior of the internal market in the variations observed in this product. Data were collected from several sources such as Conab, ABIOVE and IPEA databases, totaling 96 monthly observations, from January/2014 to December/2021, using ARIMA and VAR methodologies. For the second in particular, in addition to the monthly price of soybeans in the main producing states, variables such as the monthly price of soybeans in the main producing states of the commodity were also used, as well as the price of soybeans on the Chicago Stock Exchange, the dollar exchange rate, data from soybean export and production, total cattle slaughter, IBCBr and occurrence of el niño and la niña. The obtained results indicate that the VAR model is more efficient than the ARIMA model for predicting the soybean price.