1. A abordagem da previsão no transporte marítimo (§17.1)
Para a maioria dos investidores em transporte marítimo, a previsão não é opcional — é como eles ganham a vida. Seja a decisão de encomendar um navio, seja a de aceitar ou não um afretamento, quanto mais cedo o investidor anteciparmos o futuro, maiores tendem a ser os lucros. E não são só os armadores: os banqueiros que emprestam o dinheiro, os estaleiros que projetam os navios, as companhias de engenharia que vendem o equipamento, as agências de classificação de risco e os portos que planejam instalações — todos se saem melhor se conseguirem prever o futuro melhor do que os concorrentes.
Fonte: STOPFORD, M. Economia marítima. 3. ed. Trad. Léo Tadeu Robles e Ana Cristina F. C. P. Casaca. São Paulo: Blucher, 2017. Parte 6, Cap. 17 — Previsões e pesquisas no mercado marítimo.
Edital: Anexo 2-A, item 7.6.1 (Economia Marítima e Amazônia Azul → Previsões e planejamento → Previsões e pesquisas no mercado marítimo) · Anexo 2-B, item 9, Parte 6, Cap. 17 (Stopford).
1.1 O histórico ruim das previsões
A previsão marítima tem má reputação, e a ideia de que "as previsões estão sempre erradas" circula amplamente na indústria. O problema não é só marítimo: Peter Beck, diretor de planejamento da Shell UK, ao rever as previsões da indústria do petróleo dos anos 1960-70, notou "muitos insucessos e poucos sucessos". O livro ilustra com quatro previsões da demanda de navios novos feitas entre 1978 e 1984 (Figura 17.1): cada uma concluiu um padrão diferente, e a linha dos navios efetivamente concluídos mal toca qualquer das curvas de previsão. A previsão de 1980 chegou a apontar 50% mais demanda em 1986 do que a de 1982 — e mesmo esta foi otimista demais.
As previsões de longo prazo não fazem melhor: as feitas em meados dos anos 1960 para os anos 1980 previram o transporte aéreo supersónico, mas mal mencionaram o computador e avaliaram muito mal a inflação e o desemprego. Peter Drucker resumiu a lição: quanto mais longe se tenta prever, mais fracas ficam as previsões — "a previsão não é uma atividade humana respeitada e válida para além dos períodos muito curtos".
1.2 O paradoxo das previsões e a previsão racional
O ponto de partida é aceitar que as previsões frequentemente estarão erradas — e isso é uma certeza, porque, paradoxalmente, o analista só é chamado quando o futuro é imprevisível. Quando o futuro é previsível (um projeto de GNL com contratos de carga de longo prazo, por exemplo), ninguém contrata analistas de previsão: contratam-se engenheiros para calcular quantos navios serão precisos. O analista entra justamente quando não há contrato e não se sabe quanto o projeto venderá.
Drucker está certo se "prever" significa acertar exatamente o que vai acontecer. Mas isso é como dizer que, se o homem fosse para voar, teria asas: com pensamento lateral, surgiram os aviões. O objetivo de uma previsão lógica não é prever com exatidão, mas reduzir a incerteza. O livro usa o exemplo do guarda de trânsito: ninguém prevê se o seu carro será rebocado às 10h15, mas saber que a polícia patrulha a rua de dez em dez minutos esclarece o risco de deixar o carro ali por cinco minutos. É esse tipo de informação que o analista fornece.
1.3 A importância da informação
Tudo isso sugere que a previsão não é sobre o futuro: é sobre obter e analisar a informação correta sobre o presente. O livro ilustra com Aristóteles Onassis em 1956: após lucrar US$ 80 milhões com o fechamento do Canal de Suez, ele apostou que o Egito não conseguiria reabri-lo por anos e recusou proteger-se com afretamentos. Seu assistente Costa Gratsos discordou e, em segredo, fretou doze navios-tanque à Esso por 39 meses. O Canal reabriu poucos meses depois, em abril de 1957, as taxas caíram, e Onassis admitiu: "você interpretou bem, eu interpretei mal". Ele avaliara mal uma questão que a informação certa poderia ter esclarecido.
O caso levanta a interação entre sentimento e análise racional: alguns economistas falam de uma disputa entre a amígdala cerebral (convicção emocional) e o córtex pré-frontal (pensamento analítico). O mercado, porém, não pergunta como a decisão foi tomada — no longo prazo, recompensa quem decidiu certo e penaliza quem desperdiça recursos (encomendando navios demais, por exemplo). É a "lei da selva económica", e a informação ajuda o decisor a encontrar o caminho.
2. Os principais elementos das previsões (§17.2)
2.1 Os três princípios das previsões
Nenhuma metodologia única serve para todas as decisões, mas há três princípios para avaliar se uma previsão será útil:
| Princípio | O que exige |
|---|---|
| Relevância | Encontrar exatamente o aspecto do futuro que interessa ao decisor. Uma previsão da produção da construção naval pode não ser o que o construtor quer: ele pode estar mais interessado nos preços a que os navios serão vendidos e na participação de mercado dos concorrentes. |
| Lógica | Deve existir uma razão convincente para que o previsto aconteça. Sem lógica, o analista cai no negócio das profecias, não no da análise económica. A lógica pode ser um modelo quantitativo, um conjunto de cenários ou uma probabilidade estatística. |
| Pesquisa | A informação reduz a incerteza, então é preciso pesquisa cuidadosa. Não adianta dizer a quem estaciona em Kensington que o número de guardas de trânsito subiu 2,8% no Reino Unido: ele precisa de informação específica sobre Kensington. |
Esses princípios não tratam de precisão, mas de produzir informação e análise úteis ao decisor: a previsão faz parte do processo de decisão e existe para aplicar recursos económicos à redução da incerteza.
2.2 A identificação do modelo económico
Identificar o modelo económico subjacente é vital, porque diz qual informação coletar. Fazemos isso o tempo todo, com base no princípio da "conjunção constante" observado por David Hume no século XVIII: conduzimos a vida supondo que o futuro seguirá os padrões observados no passado (associamos nuvens à chuva; associamos a recuperação da economia mundial ao aumento do comércio). A modelagem formaliza isso: especifica-se a relação entre variáveis, quantifica-se o parâmetro que as liga e testa-se se a relação é significativa (estão de fato relacionadas?) e estável (o parâmetro vai continuar mudando?). Se o modelo não passa nos testes, tenta-se outra especificação.
2.3 Os quatro tipos de variável
O sucesso da modelagem depende de reconhecer a natureza das variáveis. O livro distingue quatro tipos:
| Tipo | Caráter |
|---|---|
| Tangíveis | Fisicamente verificáveis, com alto grau de predeterminação (distância do Oriente Médio à China, velocidade máxima de um navio-tanque). Razoavelmente previsíveis com boa pesquisa — embora a informação possa ser imprecisa (o livro de registro diz 15,5 nós, mas a média em serviço é 13). |
| Tecnológicas | Como a energia usada por unidade de produção. Tratadas como parâmetros, mas podem mudar muito ao longo do tempo (a indústria automóvel produzirá carros mais eficientes diante de petróleo caro?). Difíceis de prever, mas analisáveis com pesquisa. |
| Comportamentais | Dependem de como as pessoas agem. Se uma agência prevê alta dos fretes, os armadores encomendam navios, o excesso de capacidade derruba os fretes — e a previsão se autodestrói. Não são seguramente previsíveis. |
| Curingas | Desvios súbitos às normas (furacões, revoluções). Por definição imprevisíveis; pouco se pode fazer — a vida é um negócio arriscado. |
3. A preparação das previsões (§17.3)
Toda previsão deve ser antecedida por três etapas práticas: definir a decisão a ser tomada, determinar quem é qualificado para fazer a previsão e estabelecer que aquilo que se quer prever é realmente previsível.
3.1 A definição da decisão e os tipos de decisor
O que o decisor quer do analista depende de quem ele é. O livro lista os principais decisores e suas necessidades:
| Decisor | Decisões e variáveis que precisa prever |
|---|---|
| Companhias de navegação | Comprar/vender navios, encomendar novas construções, entrar em afretamentos longos ou COA. Dependem das taxas de frete futuras e dos preços de novas construções e de 2ª mão. |
| Proprietários da carga | Custo e disponibilidade futuros de transporte; quanto cobrir com frota própria e quanto deixar para o mercado de afretamento. |
| Construtores navais | Expandir ou reduzir capacidade, investir em novo produto. Envolve demanda futura de navios, preços, câmbio, subsídios e concorrência. |
| Banqueiros | Conceder ou não empréstimo e nível de garantia; avaliar fluxos de caixa futuros e se o armador sobrevive às recessões. "Quão ruins as coisas podem ficar?" |
| Governos | Subsidiar ou não estaleiros, cortar capacidade, criar registros internacionais. Pesam benefícios de curto prazo contra riscos de longo prazo. |
| Autoridades portuárias | Desenvolvimento portuário, num cenário de concorrência intensa por carga. Dependem de previsões de tráfego para dimensionar terminais (grande investimento em engenharia civil e dragagem). |
| Fabricantes de maquinaria | Que produtos desenvolver e como gerir capacidade. Olham as tendências de construção e a economia operacional dos navios (frota de 72 mil navios). |
| Organizações internacionais | OCDE, UE, IMO: não tomam decisões comerciais, mas formulam política marítima (a UE encomenda previsões para diretivas de ajuda à construção naval). |
3.2 Quem faz a previsão
Muitas companhias têm um único proprietário que decide sozinho. Esses armadores frequentemente fazem suas próprias previsões, baseando-se em experiência, senso comum e "sentimentos instintivos". Há boas razões: alguns aspectos do mercado (efeito de congestionamento, escassez de oferta, sentimento) são sutis ou voláteis demais para os modelos estatísticos, e os dados chegam tarde — um homem de negócios próximo do mercado pode captar o que está acontecendo melhor do que uma equipe tentando ajustar um modelo a dados inadequados.
Esse argumento tem desvantagens: quem está próximo demais do mercado pode perder a perspectiva e ser influenciado pelo sentimento. Por isso, os decisores que partilham a responsabilidade (banqueiros, executivos, conselhos de companhias) delegam a análise e esperam previsões feitas com técnicas reconhecidas, numa forma que possa circular entre colegas e ser verificada por terceiros. Mesmo o empreendedor que pede empréstimo ao banco entra nesse processo de análise estruturada de mercado.
3.3 Para que os decisores usam as previsões
A variedade de usos é enorme; cada decisão exige uma abordagem diferente. Entre as mais importantes estão: o afretamento em mercado aberto (visão de curto prazo, em que as técnicas convencionais pouco ajudam); o afretamento por tempo (período mais longo, oportunidade ideal para uma visão fundamentada); a compra e venda (identificar os pontos de viragem dos preços de 2ª mão); os orçamentos (a maioria das companhias orça o ano seguinte); o planejamento estratégico (grandes afretadores, estaleiros e portos usam previsões de longo prazo ou cenários); o desenvolvimento de produtos; as negociações internacionais e a elaboração de políticas governamentais; as relações industriais; e a análise de crédito bancário.
4. As metodologias de previsão de mercado (§17.4)
4.1 A escala temporal da previsão
O tempo tem lugar especial na previsão: a distância até o futuro define a metodologia, porque variáveis importantes no curto prazo às vezes não importam no longo prazo, e vice-versa. O livro usa quatro horizontes (as três escalas da Seção 4.5 — momentânea, curto e longo prazo — mais o médio prazo):
| Horizonte | Escala | Quem usa / característica |
|---|---|---|
| Momentânea | Dias ou horas | Afretadores, corretores, comerciantes: fixar agora ou esperar? Previsão "na linha da frente", sem tempo para relatórios densos. |
| Curto prazo | Meses (resto do ano + próximo) | Horizonte do orçamento, o mais popular. Mais dados disponíveis e melhor chance de acertar — ideal para a modelagem. |
| Médio prazo | 5 a 10 anos | Cobre um ciclo marítimo médio (4-12 anos, Cap. 3). Interessa a banqueiros e estaleiros. Usa modelos oferta-demanda ou econométricos. |
| Longo prazo | ~25 anos (vida do navio) | "Território dos think tanks": no fim, quase nada da frota atual restará. Os modelos são pouco mais que forma conveniente de apresentar conclusões de análise menos formal. |
O livro resume na Tabela 17.1 como cada escala se aplica a cada decisor: a mais popular é a de curto prazo (quase todos a usam); só governos e grandes empresas se aventuram em cenários de longo prazo.
| Decisor | Momentânea (1 sem.) | Curta (18 meses) | Média (5–10 anos) | Longa (20 anos) |
|---|---|---|---|---|
| Cias. de navegação a granel | Afretamento | Orçamento | Investimento | Estratégia |
| Cias. de linhas regulares | — | Orçamento | Investimento | Estratégia |
| Proprietário da carga | Afretamento | Orçamento | Investimento | Estratégia |
| Negociador | Afretamento | Consultivo | Plano de negócios | Estratégia |
| Corretor marítimo | Afretamento | Consultivo | Plano de negócios | Estratégia |
| Estaleiro naval | — | Orçamento | Plano de negócios | Estratégia |
| Fabricante de equipamentos | — | Orçamento | Plano de negócios | Estratégia |
| Porto/terminal | — | Orçamento | Plano de negócios | Estratégia |
| Governo | — | Orçamento | Política | Política |
4.2 As três formas de abordar a previsão
Como os decisores têm necessidades tão variadas, há três abordagens, cada uma com vantagens e desvantagens:
| Abordagem | O que é | Limitações |
|---|---|---|
| Relatório de mercado | Estudo escrito que dá ao cliente informação suficiente para formar a própria visão: como o negócio funciona, sua velocidade de crescimento, estrutura concorrencial, riscos. Descritivo, com alguma análise estatística e tabelas de previsão. | Não produz necessariamente um modelo integrado. |
| Modelo de previsões | Modela matematicamente um segmento (tráfego de petróleo, granel seco, construção naval). Facilmente atualizável, permite análise de sensibilidade. | Três fraquezas: (1) a previsão não é melhor que os pressupostos; (2) os modelos oferta-demanda podem ser tão sensíveis que a ligação pressuposto-previsão fica tênue; (3) não tratam questões sem dados (a informação da demanda é um problema específico). |
| Análise de cenários | Em vez de partir de um modelo, identifica as questões críticas que o decisor terá de responder e trabalha "para trás", desenvolvendo cenários (ex.: e se houver um incidente grave de poluição?). Permite pensamento lateral, alcança áreas mal definidas quantitativamente. | Difíceis de produzir; nem todo decisor entra no espírito da técnica. |
4.3 Previsão de mercado × pesquisa de mercado
Há uma distinção metodológica fundamental. A previsão de mercado tem termos de referência gerais e é dominada pela análise estatística (grandes grupos, lei dos grandes números, modelagem por computador). A pesquisa de mercado está ligada a uma decisão empresarial definida e lida mais com variáveis técnicas e comportamentais, mal representadas em estatística — as perguntas centrais são do tipo "como os concorrentes ou afretadores vão interagir?", respondidas pesquisando opiniões e padrões de comportamento.
5. A metodologia da pesquisa de mercado (§17.5)
Um relatório de pesquisa de mercado tem tanto de educação quanto de previsão: resume os fatos relevantes do mercado, examina tendências e tira conclusões sobre o futuro. Exige combinação de conhecimento comercial e económico; a ênfase recai em identificar os fatores que mais influenciam o sucesso da decisão, coletar a informação e analisar como podem se desenvolver. O livro sistematiza o processo no Destaque 17.1, em seis grandes tarefas.
| Etapa | O que envolve |
|---|---|
| 1. Termos de referência | Discutir o estudo com o decisor, identificar a informação necessária, especificar como os resultados serão apresentados, estimar tempo e recursos e garantir sua disponibilidade. |
| 2. Análise das tendências passadas | Definir a estrutura/segmentação do mercado, identificar a concorrência, compilar e organizar a base de dados, calcular tendências e suas causas, extrair os efeitos cíclicos. |
| 3. Planos dos concorrentes e opinião dos especialistas | Identificar os principais concorrentes, inquirir especialistas sobre os desenvolvimentos futuros, levantar os programas das companhias e preparar o resumo da visão da indústria. |
| 4. Influências sobre o desenvolvimento futuro | Determinar o ambiente de mercado futuro, listar os fatores-chave e priorizá-los pelo impacto potencial. |
| 5. Combinação da informação com as previsões | Pensar sobre o que acontecerá, desenvolver tabelas de previsão detalhadas e escrever a previsão tão claramente quanto possível. |
| 6. Apresentar os resultados | Sumário executivo (para decisores ocupados), relatório detalhado (validado por especialista independente, dá credibilidade) e apresentação oral. |
As três primeiras etapas estabelecem as bases (objetivos, tendências estatísticas, opinião de especialistas, planos dos concorrentes); as três últimas preparam o relatório. A etapa 4 trata da sensibilidade do mercado às condições de outros setores (nos anos 1990, o mercado de pequenos navios-tanque de produtos foi forte por causa do excesso de VLCC). A etapa 5 indica os fatores mais importantes para o rendimento futuro. A etapa 6, crucial, apresenta os resultados, idealmente com uma análise de risco: e se as influências principais se desenvolverem desfavoravelmente? Que ação tomar agora? É uma adição valiosa à técnica de "previsão do ponto de inversão do mercado" (spot prediction).
6. As previsões das taxas de frete (§17.6)
O requisito mais comum é uma previsão das taxas de frete, usada por bancos, companhias, funcionários públicos e consultores. Vários modelos comerciais estão disponíveis, deixando o usuário definir os próprios pressupostos; a maioria parte da previsão da oferta e da demanda de navios e usa o equilíbrio entre elas para concluir sobre os fretes. Um aviso do livro: essas previsões são produzidas com detalhe preciso, mas frequentemente são imprecisas — o detalhe vem do método, não da precisão.
6.1 O modelo clássico da oferta-demanda
Todas as previsões económicas se baseiam num modelo — imagem simplificada do mundo. O modelo oferta-demanda do transporte marítimo (detalhado no Cap. 4) está resumido na Figura 17.3: as variáveis principais "V" aparecem em caixas retangulares e as relações "R" como setas. As principais variáveis da demanda são a economia mundial, os tráfegos de mercadorias e a procura de navios; as da oferta são a demolição, a carteira de encomendas e a frota mercante. Há ainda os curingas — mudanças súbitas em qualquer variável.
6.2 Os cinco estágios no desenvolvimento de um modelo
A modelagem oferta-demanda aplica-se a qualquer segmento, mas funciona melhor onde os mercados são bem documentados (navios-tanque de petróleo bruto, graneleiros) e pior em segmentos especializados (porta-contêineres, transportadores de veículos, químicos). Os cinco estágios são: projeto do modelo (desenhar o fluxograma); definir as relações e coletar dados (escrever as equações estruturais em paralelo com os dados — não adianta equação sem dado —, reformulando o modelo na forma reduzida); estimar as equações e testar parâmetros (por programa informático, com testes estatísticos: coeficiente de correlação, teste-t, Durbin-Watson para autocorrelação); validação (simular com dados não usados na estimação); e preparar a previsão (prever os valores das variáveis exógenas — produção industrial, tráfegos, investimento).
6.3 Exemplo de um modelo de previsão (nove etapas)
O modelo SMM (descrito no Anexo A) opera em nove etapas. Começa pelos pressupostos económicos (etapa 1: período coberto, crescimento do PIB e da produção industrial por região, preço do petróleo). A etapa 2 prevê o tráfego marítimo, no caso mais simples por regressão sobre o PIB:
em que ST é o tráfego por via marítima e PIB o produto interno bruto, ambos no ano t. Supondo relação linear:
Ajustando aos dados de 1982-1995 por regressão linear, o livro obtém o exemplo (eq. 17.3): para cada 1 ponto de aumento no índice do PIB, o comércio marítimo cresceu 30,9 milhões de toneladas, com coeficiente de correlação de 0,99 (o PIB "explica" 99% das mudanças no comércio). A simulação com o PIB real de 1995-2005 mostrou que o modelo funcionou muito bem (margem de 0,1%).
Subdividir o comércio em mercadorias afina o modelo: para a carga sólida (Figura 17.4b), o ajuste é excelente (R = 0,989), mas a projeção para 2005 dá 4,1 bilhões de toneladas contra 4,4 reais — erro de 7% em dez anos. Para o petróleo (Figura 17.4c) o resultado é pior: R² = 0,94 no período-base, mas a projeção para 2005 erra 20% (alta demais), porque entre 1995 e 2000 o comércio quase não cresceu. A lição: mais detalhe pode ajudar, mas é fácil gerar tanto detalhe que se perde a lógica — o segredo é achar o nível significativo de desagregação.
As etapas seguintes do modelo SMM completam o ciclo oferta-demanda: a etapa 3 é a distância média (por tendência histórica ou matriz de tráfego); a etapa 4, a demanda de navios (em toneladas-milhas = comércio × distância média; alguns convertem em porte bruto); a etapa 5, a frota mercante (frota-base + entregas previstas − demolições/perdas, dinâmica ano a ano por serem variáveis comportamentais); a etapa 6, a produtividade do navio (toneladas-milhas por porte bruto, ajustada à velocidade da frota conforme o mercado); a etapa 7, a oferta de transporte (porte bruto × produtividade, que por definição deve igualar a demanda); a etapa 8, o equilíbrio oferta-demanda (a parte mais difícil, com as variáveis comportamentais de demolição e investimento); e a etapa 9, as taxas de frete — o centro da previsão, com a curva da oferta em forma de J, o elemento mais difícil de modelar com exatidão e melhor resolvido por modelos de simulação.
Um aviso final: à medida que o mercado modelado se aproxima do equilíbrio, as taxas de frete ficam tão sensíveis a pequenas variações nos pressupostos que a única forma de produzir uma previsão sensata é ajustar os pressupostos até o modelo prever o nível de frete que o analista já tinha em mente. Quando há dois navios e duas cargas, o frete é determinado em leilão pelo sentimento de mercado, e a economia não diz como o leilão se desenvolve. Os modelos são, na melhor hipótese, educativos — instrumentos pouco precisos para prever o que vai acontecer aos fretes.
6.4 A análise de sensibilidade
Os modelos servem para análises de sensibilidade: estabelece-se uma "previsão de referência" com pressupostos razoáveis, fazem-se pequenas mudanças e registram-se os efeitos na variável-alvo (por exemplo, o impacto de crescimento industrial menor ou demolição maior sobre os fretes). Em teoria, isso revela a sensibilidade da previsão; na prática, a economia marítima tem interligações comportamentais que não se quantificam com clareza: fretes mais baixos podem elevar a demolição, e o mercado compensa o baixo crescimento nos períodos seguintes — algo que mudar um único pressuposto isolado não reproduz.
7. O desenvolvimento de uma análise de cenários (§17.7)
A terceira abordagem é a análise de cenários, que ataca o problema da comunicação entre analista e decisor: como o especialista passa seu conhecimento ao decisor e aproveita o conhecimento dele? Envolvendo os decisores no processo — os cenários são desenvolvidos num fórum de seminários em que executivos trabalham ao lado dos analistas. Isso evita a rigidez dos modelos formais, que simplificam demais e tendem a favorecer as variáveis quantificáveis.
A abordagem foi desenvolvida por Herman Kahn na Rand Corporation nos anos 1950; ele pegou o termo "cenário" do cinema, onde descreve o enredo e o comportamento de cada cena. Começa-se pelo cenário de referência ("livre de surpresas", que segue como o passado) e, a partir dele, desenvolvem-se cenários alternativos, geralmente em grupos de dois ou três e cobrindo períodos longos.
| Fase | O que acontece |
|---|---|
| 1 | Os analistas pedem a especialistas e gerentes (em grupos de trabalho) que identifiquem as questões mais importantes para o futuro no horizonte da previsão. |
| 2 | Compila-se uma lista de questões "principais" e debate-se a importância de cada uma (demografia, geografia, alinhamentos políticos, desenvolvimentos industriais, recursos). |
| 3 | A lista volta ao grupo, que ordena as questões por importância (escala de 1 a 10); identificam-se as variáveis com e sem consenso. |
| 4 | Desenvolve-se um cenário de "não alteração" e alternativas em que as variáveis importantes mudam, e prepara-se um relatório-resumo. |
A análise de cenários é uma forma útil de definir riscos e oportunidades de longo prazo e de tornar gerentes mais conscientes das questões futuras. Mas é exigente em tempo e energia intelectual, e os resultados são difíceis de sintetizar. O risco de um único modelo quantificado é ignorar aspectos importantes; o risco do cenário é tornar-se tão turvo que perde valor.
8. As técnicas analíticas (§17.8)
O livro revê cinco famílias de técnicas de previsão. Cada uma pode ser usada num nível rápido (poucas competências, resultado quase instantâneo) ou num nível sofisticado (um assunto em si).
| Técnica | Característica principal |
|---|---|
| Sondagens de opinião | Perguntar a "quem está por dentro" o que espera (técnica Delphi, painéis). Boa para captar tendências emergentes óbvias para especialistas mas invisíveis nos dados históricos. |
| Análise de tendência | Identifica tendências e ciclos das séries passadas. A extrapolação ingénua projeta a tendência recente (rápida, mas não diz quando ela mudará); versões sofisticadas estudam tendência, ciclos e residuais. |
| Modelos matemáticos | Explicam as tendências quantificando relações com variáveis explicativas (quanto o tráfego de petróleo cresce se a produção industrial sobe?). Regressão simples e múltipla, modelos econométricos e de oferta-demanda. |
| Análise de regressão | Estima a relação média entre variáveis (ver 8.2). Tornou-se mais acessível com folhas de cálculo e dados digitais. |
| Análise de probabilidade | Em vez de prever o que vai acontecer, estima a probabilidade de um resultado (ex.: 20% de chance de o frete diário ser US$ 20 mil). Inclui a análise de Monte Carlo. |
8.1 A análise de séries temporais
A técnica mais simples é a extrapolação da tendência: calcula-se a taxa média de crescimento entre dois pontos e projeta-se. É prática e às vezes a única opção (centenas de variáveis-alvo, poucos dados), mas tem armadilhas. Uma série temporal mistura vários componentes — tendência (T), ciclo (C), sazonal (S) e um termo de erro (E) — de modo que, num instante t, o valor de Y é a soma deles (Figura 17.5).
A solução é a análise de decomposição, que separa três componentes. A tendência sobe de US$ 17/t em 1990 para US$ 36/t em 2007 (cerca de US$ 1/ano; extrapolando, ~US$ 46/t em dez anos) — mas é preciso perguntar "por quê?" (a China? ou só o ciclo de 2003-2007?). Os ciclos aparecem na média móvel de doze meses (picos em 1995, 2000, 2004), pouco consistentes, coerentes com o Cap. 3 (ciclos periódicos, não simétricos). O ciclo sazonal revela-se pela média móvel centrada: a taxa fica acima da tendência nos primeiros cinco meses, afunda nos meses 6-9 e recupera nos meses 10-12 (Figura 17.7), exatamente o esperado, pois a colheita de grão dos EUA é carregada a partir de outubro, com pico em janeiro.
Outras técnicas de séries temporais: a suavização exponencial (semelhante à média móvel, mas dá mais peso aos valores recentes — apelo intuitivo, útil no curto prazo com muitas variáveis); e a média móvel autorregressiva, cuja técnica mais comum é o procedimento de Box-Jenkins, com regras para identificar o modelo apropriado e os pesos, boa para prever grandes números de variáveis com atividade cíclica.
8.2 A análise de regressão
A regressão estima a relação média entre duas ou mais variáveis. O livro usa o exemplo de valorizar um graneleiro Panamax com dados de 21 vendas recentes (idade de 6 a 21 anos; preços de US$ 2,8 mi a US$ 15 mi). Ajusta-se uma equação do tipo:
em que Y é o preço (variável dependente), X é a idade (independente), a é o valor de Y quando X = 0 (navio novo), b é a inclinação (variação de Y por unidade de X) e e é o termo de erro. Com uma variável independente, é "regressão simples"; com várias, "múltipla". O ajuste é feito em três etapas (Figura 17.8): primeiro, qual a função? — registrar os dados num diagrama de dispersão e ver se há relação (aqui, linear negativa: o preço cai com a idade); depois, qual equação? — usar os mínimos quadrados ordinários (OLS), que minimizam a diferença entre os valores reais e os calculados; por fim, quão bom é o ajuste? — calcular os testes estatísticos.
O resultado do exemplo é:
ou seja, o valor do navio começa em ~US$ 20,47 milhões (novo) e cai cerca de US$ 0,88 milhão por ano. Os testes estatísticos (Tabela 17.3) confirmam a qualidade: erro-padrão 1,43; estatística t = −13,2 (deve ser ≥ 2 em módulo — extremamente significativo); coeficiente de correlação R² = 0,90 (90% da variação do preço é explicada pela idade). O livro resume os testes no Destaque 17.2.
| Teste | Para que serve |
|---|---|
| Erro-padrão (SER) | Mede o ajuste calculando a dispersão média dos valores de Y em torno da linha de regressão. |
| Erro-padrão do coeficiente (Sb) | Estabelece os limites de confiança do parâmetro estimado b (necessário para testar sua significância). |
| Teste-t | Testa se b é significativamente diferente de zero. Regra geral: t ≥ 2 em módulo passa no nível de 5%; abaixo disso, o parâmetro provavelmente não vale a pena. |
| Estatística F | Razão entre a variância explicada e a não explicada; geralmente entre 1 e 5, com números maiores indicando melhor ajuste. |
| Coeficiente de correlação (R²) | Proporção da variação total de Y explicada pela equação; cai entre 0 e 1 (fácil de interpretar). Cuidado em séries temporais: séries em rápida mudança inflam o R². |
| Durbin-Watson (D) | Testa a autocorrelação do resíduo; deve ficar em torno de 2. Abaixo de 2 = autocorrelação positiva; acima = negativa. |
Erro-padrão da regressão (SER): $$SER=\sqrt{\dfrac{\sum (Y-Y_c)^2}{N-K}}$$ Erro-padrão do coeficiente: $$S_b=\dfrac{S_y}{\sqrt{\sum x^2}}$$ Teste-t: $$t=\dfrac{b}{s_b}$$ Teste-F: $$F=\dfrac{\text{variância explicada}}{\text{variância não explicada}}$$ Coeficiente de determinação: $$R^2=\dfrac{\sum (Y_c-\bar{Y})^2}{\sum (Y-\bar{Y})^2}$$ Durbin-Watson: $$D=\dfrac{\sum (e_t-e_{t-1})^2}{\sum e_t^2}$$
A regressão estende-se com mais variáveis. O livro modela o preço de 2ª mão de um navio-tanque Aframax de cinco anos (Figura 17.9) com duas independentes — preço de nova construção (X₁) e taxa de afretamento por tempo de um ano (X₂):
O preço de 2ª mão sobe US$ 0,589 milhão para cada US$ 1 milhão a mais na nova construção, e US$ 1,148 milhão para cada US$ 1.000 a mais na taxa por tempo, com R² = 0,92. Mas há dois alertas: (1) a especificação — o modelo supõe que o preço da nova construção influencia o de 2ª mão, mas o Cap. 15 argumentou o contrário (a economia, não a estatística, resolve isso); (2) a autocorrelação — como fretes e preços de nova construção seguem o mesmo ciclo, o Durbin-Watson dá 0,12 (devia ser 2), sinal de autocorrelação significativa.
8.3 A análise de probabilidade
A análise de probabilidade calcula a chance de ocorrência de um resultado a partir da frequência observada. Se as taxas de um VLCC excederam US$ 60 mil/dia em 10 de 100 entradas da série, a probabilidade estimada é de 10%. O livro ilustra com histogramas dos ganhos mensais de navios-tanque e graneleiros (Figura 17.11): os navios-tanque ganharam mais (média US$ 21.800/dia contra US$ 10.900 dos graneleiros) e com perfil mais disperso (de US$ 10 mil a US$ 68 mil/dia), enquanto os graneleiros são mais compactos (US$ 4 mil a US$ 18 mil/dia).
Com uma distribuição normal, a média e o desvio-padrão dão a probabilidade. Se o ponto de equilíbrio de uma companhia de graneleiros é US$ 7.500/dia, e a média é US$ 10.109/dia com desvio-padrão US$ 2.708, os US$ 7.500 caem um desvio abaixo da média — cerca de 66% de probabilidade de ocorrência. O aviso: os eventos de 2003-2008 mostraram que as probabilidades históricas nem sempre guiam o futuro. A técnica serve, por exemplo, ao banqueiro que avalia o risco de crédito (probabilidade de inadimplência, de o valor de revenda cobrir o empréstimo), com ferramentas como a análise de Monte Carlo.
9. Os problemas com as previsões (§17.9)
9.1 Os problemas comportamentais
Muitos problemas vêm de não sermos tão racionais quanto gostaríamos. O livro destaca quatro:
| Problema | O que é |
|---|---|
| Excesso de confiança | Somos programados para confiar demais na própria capacidade de estimar. Pedido a estimar algo que desconhecem (o comprimento da amarra de um VLCC), a maioria dá um intervalo estreito e erra — "escolhemos ser especificamente errados em vez de vagamente corretos". Solução: testar cenários mais amplos (±20-25% nos extremos). |
| Status quo viciado | Tentação de prever que o futuro será igual ao passado. Fretes altos no pico do ciclo viram "sempre altos"; novidades são avaliadas dentro do sistema atual e descartadas (algumas companhias acharam que a conteinerização não funcionaria, por avaliá-la no enquadramento das linhas regulares). |
| Instinto de manada | Pressão de grupo para previsões positivas quando o mercado está alto, e pessimistas nas recessões. Warren Buffett: "como grupo, os lemingues têm má imagem, mas nenhum lemingue sozinho foi mal retratado pela imprensa". O analista deve olhar a periferia e os casos anticíclicos. |
| Falso consenso | A semelhança das previsões de várias agências parece confirmar um resultado, mas frequentemente é causada pela insegurança: cada agência olha o que as outras dizem e segue o consenso. P. W. Beck (Shell) notou que muitas "estimativas independentes" eram, na verdade, correlacionadas. Todos dizerem o mesmo só significa que ninguém tem certeza. |
9.2 Os problemas de especificação e pressupostos do modelo
Outra área de perigo está em construir o modelo e escolher os pressupostos. Ocorrem com frequência: a especificação incorreta ou superficial (medir só os fatores visíveis e ignorar forças subjacentes — ex.: nova tecnologia que muda o tipo de carvão usado no aço); o demasiado detalhe (regra 80/20: identificam-se 80% dos fatos em 20% do tempo; é fácil gastar tempo em matérias interessantes mas não importantes); as percepções sem contestação (aceitar pressupostos sem questioná-los — como Onassis supondo que o Egito não reabriria o Suez); e a tentativa de prever o imprevisível (variáveis intrinsecamente imprevisíveis criam falso senso de segurança "científico").
9.3 A monitorização dos resultados e a objetividade
Avaliar se uma previsão acertou não é simples: as estatísticas oficiais deixam dúvida sobre o que de fato aconteceu (as três medidas do PIB — gasto, receita, produção — divergem), e os valores são revistos, de modo que uma previsão que parecia errada pode parecer certa depois. Como resumiu M. Baranto, "a análise dos erros das previsões é tão difícil quanto fazer uma previsão". Por isso, as previsões devem ser feitas de forma diretamente comparável à informação publicada regularmente.
10. Resumo (§17.10)
Francis Bacon disse que "se um homem começar com certezas, acabará com dúvidas; mas se começar com dúvidas, acabará com certezas". Começamos em dúvida sobre se valia a pena prever no transporte marítimo e terminamos com a certeza de que muitas das questões enfrentadas são impossíveis de prever com confiança — mas isso não torna a previsão inútil. Como o analista só é chamado para prever o imprevisível, deve esperar errar (o paradoxo das previsões). Sua tarefa não é acertar exatamente, mas ajudar o decisor a reduzir a incerteza, obtendo e analisando a informação correta sobre o presente.
Toda previsão deve atender a três critérios: ser relevante para a decisão, ser racional (conclusão baseada em argumentação consistente) e basear-se em pesquisa com detalhe significativo. A preparação começa por definir a decisão; os decisores têm necessidades muito diferentes, e há quatro horizontes temporais (momentâneo, curto, médio e longo), cada um exigindo técnicas próprias. Há três tipos de análise — o relatório de mercado, o modelo de previsão e a análise de cenários — e cinco famílias de técnicas analíticas (sondagens de opinião, análise de tendência/séries temporais, modelos matemáticos, regressão e análise de probabilidade).
Os problemas das previsões são em grande parte comportamentais (excesso de confiança, status quo, instinto de manada, falso consenso) ou de modelo (especificação incorreta, demasiado detalhe, pressupostos não questionados). No fim, a previsão importa: o mercado tem um único objetivo — reduzir os recursos usados no transporte e dar um negócio melhor ao consumidor. Os jogadores especulam, mas os investidores profissionais fazem o dever de casa, calculam os imprevistos, reduzem a incerteza e aceitam menos risco; por isso, em média, suas decisões são melhores. A análise lúcida e a disposição de aceitar um risco bem pensado são o que distingue o investidor profissional — que talvez não apareça na capa da Forbes, mas pode deixar uma fortuna razoável aos filhos.