Grupo de Economia da Energia

O leilão é o melhor mecanismo para determinar o conteúdo local na exploração e produção de gás e petróleo?

In gás natural, petróleo on 20/07/2015 at 00:15

Por Michelle Hallack  e Miguel Vazquez 

michelle072015Políticas de conteúdo local têm sido amplamente utilizadas, em especial em países ricos em recursos naturais, como mecanismo de promoção da indústria nacional. Neste contexto, esta postagem não objetiva discutir os benefícios e custos associados a estas políticas, mas qual o mecanismo mais adequado para determinar a quantidade de conteúdo local que deve ser demandada das empresas. Abstraindo um pouco a questão, pode-se pensar que a determinação do conteúdo local nas rodadas de licitação como uma espécie de compra governamental. Isto é, o governo objetiva fazer política industrial nas compras (vendas de direito de exploração, desenvolvimento e produção neste caso).

Desse modo, a questão principal desta postagem é questionar se o leilão é o melhor mecanismo para determinar a quantidade de conteúdo local que deve ser exigida na exploração e produção de gás e petróleo. Esta discussão de baseará em dois pilares: (1) levantamento da discussão teórica sobre as vantagens e desvantagens do uso do leilão; (2) análise empírica sobre como os agentes fazem seus lances de conteúdo local. Veremos que as vantagens identificadas no ponto (1) estão relacionadas principalmente às informações que são reveladas no processo. A análise empírica do ponto (2) mostra que não se observam informações relevantes reveladas nos leilões.

Quadro analítico

O estudo da eficiência dos diferentes mecanismos de compra/venda pública possui uma extensa literatura (ver por exemplo Dimitri et al 2006). No que se refere ao uso dos leilões, há bibliografia descrevendo as vantagens dos leilões em situações relativamente simples. No entanto, quando as características dos itens negociados são mais complexas, os resultados encontrados são limitados. No caso de leilões de gás e óleo, os leilões tendem a não ser simples, o que motivou pesquisas sobre os detalhes práticos de leilões adequados a esta indústria (ver por exemplo Cramton, 2007).

Em resumo, quando um produto é difícil de estandardizar, os leilões são mecanismos que devem ser utilizados com cuidado. No caso da indústria de gás e petróleo, o conteúdo local pode ser entendido como a inclusão de mais uma dimensão no leilão. Isto significa que o preço (aqui o bônus) não contém toda a informação que caracteriza o item. Pode-se pensar o conteúdo local aqui como uma qualidade; isto é, a qualidade do investimento que será feito. A literatura de leilão (ver por exemplo Che, 1993 e Branco 1997) propõe como solução para a inclusão de qualidade em leilões através de uma pontuação para os diferentes elementos do leilão (scoring auctions).  A proposta é que quando a qualidade é fácil de medir e de ser contratada este tipo de leilão é eficiente. A capacidade de contratação de um bem ou serviço depende da complexidade do bem, dos custos de mensuração e do grau de incerteza envolvido no contrato.[1]

No caso do leilão de licitação para exploração de hidrocarbonetos no Brasil considera-se três elementos na pontuação para definir o ganhador (scoring auction): o programa de exploração mínima, o bônus e o conteúdo local proposto pelas empresas. As regras e a importância na pontuação do leilão de cada um destes elementos mudaram ao longo do tempo (Lévêque e Hallack, 2013). Entre as mudanças vale destacar as mudanças relativas a importância do conteúdo local, as mudanças na forma de definir conteúdo local, as mudanças de medida e de penalidades para o não cumprimento de conteúdo local, as mudanças relativas a valores máximos e mínimos aceitos na contabilização do conteúdo local.

A aplicação das regras de conteúdo local definidas no leilão vem se mostrando custosa, tanto pelos custos associado a medir quanto pelo acumulo das penalidades relacionadas ao não cumprimento destas clausulas. Do ponto de vista dos custos associados a medir conteúdo local, estudos mais detalhados devem ser feitos, mas as mudanças de regras detalhando o significado e mecanismo de mensuração de conteúdo local ao longo do tempo, assim como o crescimento de empresas dedicadas à certificação de conteúdo local indica que identificar e medir o conteúdo local nesta indústria tem custos relevantes. No que se refere às penalidades, vale ressaltar que os efeitos observados são ainda pouco conclusivos: muitos dos resultados não foram observados ainda, visto que os contratos são de longo prazo e deverão ser verificados no futuro. No entanto, segundo os dados disponíveis no site da ANP, em torno de 30% das 298 investigações do regulador implicaram alguma penalidade. O valor total destas penalidades soma um total de 609 bilhões de reais e ainda há vários processos abertos para serem julgados. Dentre as empresas penalizadas encontram-se tanto estrangeiras quanto nacionais, inclusive a Petrobras.

Análise dos lances

Mostramos que o uso de leilões para decidir conteúdo local tem custos. Contudo, é preciso analisar se existem benefícios importantes que compensem esses custos. Esses benefícios estarão relacionados com as informações reveladas no processe do leilão. Mostramos em seguida, no entanto, que a análise dos lances dos leilões não permite observar a revelação de informações relevantes.

Para tanto, fizemos uma análise estatística dos lances das onze rodadas[2] que alocaram as concessões das áreas para Exploração, Desenvolvimento e Produção de Petróleo e Gás Natural. Em particular, buscamos determinar se os lances nos leilões estão revelando informação sobre o valor/custo do conteúdo local. Nessa perspectiva, caso informações estejam sendo reveladas, deverá existir uma relação entre os lances de conteúdo local e as características dos blocos exploratórios ou dos agentes. A análise se baseará em machine learning (ver por exemplo Friedman et al., 2001 para os detalhes técnicos). A característica central destas ferramentas é que analisam os dados sem fazer hipóteses ex ante sobre as características da amostra (ao contrário das análises de regressão tradicionais).

O lance em conteúdo local define o ganhador do leilão?

A primeira questão que deve ser dirimida é se os lances respondem exclusivamente a comportamentos estratégicos dos agentes. Ou seja, deve-se analisar se os agentes fazem lances que não correspondem às suas informações privadas para ganhar o leilão. Para tanto, desenvolvemos uma análise baseada em árvores de classificação, que coletamos na figura 1. A análise estatística mostra que os lances de conteúdo local não explicam os ganhadores no leilão. A figura 1 mostra, na primeira separação, os blocos que foram licitados quando não havia Programa de Exploração Mínima (PEM) do lado esquerdo. Neste contexto, quem definiu o ganhador foi o lance de bônus. Do lado direito estão representadas as rodadas em que há PEM. Neste contexto, o conteúdo local não joga nenhum papel relevante na definição de quem ganha os leilões. Ou seja, os lances observados não se explicam pelo comportamento estratégico dos agentes.

Figura 1: Varáveis que definem o ganhador do leilão: árvore de classificação

michelle072015a

Em seguida começamos a testar se existia alguma relação entre as características da área leiloada e do tipo de agente que faz o lance em relação ao conteúdo local, com o objetivo de identificar se existe algum tipo de informação pode ser observada nos lances dos agentes.

Os lances dependem se o bloco é onshore ou offshore?

A primeira característica a testar é se o fato de que a área seja offshore ou onshore afeta os lances de conteúdo local. Visto que a complexidade e maturidade das tecnologias onshore e offshore são distintas, se os lances revelassem informações deveriam ser observados maiores lances para blocos onshore. Parte importante do offshore brasileiro é profundo, o que exige maior intensidade tecnológica nos equipamentos. Para analisar esta questão fizemos uma análise baseada em support vector machines, que coletamos na figura 2.

A análise classifica o plano definido pelo lance em conteúdo local e o valor que esse lance tinha no leilão. Ou seja, o ponto definido por um valor 0,8 no eixo LC da figura 2, e um valor 0,20 no eixo ValLC representa se um lance de 80% de conteúdo local num leilão onde esse lance representava o 20% da pontuação total no leilão, estava associado com um bloco onshore (caso o ponto seja vermelho) ou então com um bloco offshore (ponto azul).

A análise coletada na figura 2 mostra que a evolução das regras relacionadas aos lances de conteúdo local ao longo do tempo acabou incluindo esta diferença colocando valores (máximo e mínimo) distintos para estas áreas. Por exemplo, se os blocos onshore (zona vermelha) tivessem lances altos, a zona inferior direita seria vermelha. Mas só têm valores altos de conteúdo local os blocos leiloados com 40% na pontuação total no leilão. Portanto, o fato de que o bloco seja offshore não explica os lances de conteúdo local. Essa conclusão indica que essas informações não estão sendo reveladas.

Figura 2: Classificação baseada em support vector machines. Em azul representam-se blocos offshore, em vermelho blocos onshore. As linhas brancas representam as fronteiras entre as duas zonas.

michelle072015b

Será que os lances em conteúdo local da Petrobras são maiores?

No que se refere a participação da Petrobras e a porcentagem do conteúdo local, uma primeira aproximação olhando todas rodadas mostra uma correlação entre a participação da empresa e o maior valor de conteúdo local. No entanto, estes valores sozinhos podem levar a uma má interpretação se não for ponderado por outros elementos; por exemplo, a participação da Petrobras é diferente na diferentes rodadas. Em especial, na figura 3 se observa um menor peso da Petrobras nas primeiras rodadas, rodadas cujo conteúdo local tendeu a ser mais baixo (tanto da Petrobras quanto das outras empresas). Assim se observamos o conteúdo local da Petrobras em relação as outras empresas por rodada, observa-se que não há uma grande diferença entre o comportamento da Petrobras e das outras empresas por rodada. 

Figura 3: Diferença entre a média dos lances da Petrobras e das outras empresas em conteúdo local por rodada.

michelle072015c

Ademais, desenvolvemos uma classificação baseada em support vector machines similar a anterior, que coletamos na figura 4. Generalizando os resultados da figura 3 (a classificação baseada em support vector machines não faz hipóteses ex ante sobre as características da mostra).

Figura 4: Classificação baseada em support vector machines. Em azul as zonas que representam lances da Petrobras.

michelle072015d

A análise mostra que a Petrobras, e as outras firmas, fazem lances elevados quando o valor do conteúdo local é elevado (zona azul). Ou seja, os dados não mostram que a Petrobras faz lances maiores de conteúdo local.

Será que as diferentes rodadas de alocação dos blocos explicam os lances em conteúdo local?

Teste em relação a nacionalidade das empresas (nacional/internacional) e os lances relativos a quantidade de conteúdo local também não foram significativos.  Testamos também se havia alguma relação entre o campo leiloado e os lances, e também foi pouco significativo. A única relação que se manteve neste sentido foi offshore/onshore.

Os elementos mais importantes para explicar os lances de conteúdo local dos agentes identificados neste estudo foram as rodadas. Se desenvolveu um estudo baseado em árvores de regressão, que se representa na figura 5. A análise estatística (não paramétrica) obtém que nas quatro primeiras rodadas os lances em conteúdo local mantiveram-se constantes; entre as rodadas 4 e 6 os lances aumentaram; entre as rodadas 7 e 12 os lances recuperaram um nível mais constante (note-se que não existe rodada 8). É interessante ressaltar que na rodada 11 aparece uma queda nos lances em conteúdo local (quando as penalidades começaram a se aplicar).

Figura 5: Relação entre as rodadas e a importância do conteúdo local nos lances

michelle072015e

Se agrupamos as rodadas de acordo com as regras da importância do conteúdo local no total da pontuação do leilão, de estabelecimentos de máximos e mínimos do leilão e o início da cobrança de penalidades por contratos não cumpridos em rodadas anteriores, percebe-se uma clara influência destas regras na decisão dos lances dos agentes.

Conclusão

Voltando a discussão inicial, não parece que os lances de conteúdo local altos possuem alguma relação com estratégias individuais das firmas para ganhar o leilão, nem com algum diferencial de informação dos agentes. Os dados mostram que as regras do leilão (informações dadas pelo regulador) são as que mais impactam o comportamento dos agentes. Estes resultados sugerem que os agentes erram porque precisam fazer os lances sobre grande grau de incerteza sobre a capacidade que terão na prática de cumprir as cláusulas de conteúdo local. Neste cenário, pode se dizer que o uso de leilão no caso de conteúdo local na indústria de petróleo não se justifica pela eficiência do mecanismo como forma de contratação.

O uso do leilão neste contexto, contudo, poderia ser justificado devido a outros critérios como mecanismo para evitar possíveis espaços para a prática de corrupção.  No entanto, os custos de má-adaptação da quantidade estabelecida de conteúdo local no leilão devem ser considerados ao pensar no mecanismo de aplicação desta política. No atual arranjo organizacional, o não cumprimento da penalidade ou a renegociação após os contratos gerariam incentivos de comportamento oportunista por parte dos agentes no leilão. Estes elementos sugerem que há necessidade de estudos sobre os custos e benefícios de fazer mecanismos de aplicação do conteúdo local mais flexíveis e passíveis de renegociação ao longo do tempo do que o estabelecimento de valores rígidos no leilão.

Bibliografia

Bajari, P., &Tadelis, S. (2001). Incentives versus transaction costs: A theory of procurement contracts. RAND Journal of Economics, 387–407.

Barzel, Y. (1982). Measurement cost and organization of markets. Journal of Law and Economics, 25.

Branco, F. (1997). The design of multidimensional auctions. The RAND Journal of Economics, 63–81.

Che, Y.-K. (1993). Design competition through multidimensional auctions. The RAND Journal of Economics, 668–680.

Cramton, P. (2007). How best to auction oil rights. In Escaping the Resource Curse (p. 114–151). Humphreys, Macartan; Sachs, Jeffrey; Stiglitz, Joseph.

Dimitri N., Piga G., Spagnolo G. (2006). Handbook of Procurement. Cambridge University Press.

Friedman, J., Hastie, T., & Tibshirani, R. (2001). The elements of statistical learning (Vol. 1). Springer, Berlin: Springer series in statistics.

Goldberg, V. P. (1977). Competitive bidding and the production of precontract information. The Bell Journal of Economics, 250–261.

Lévêque, F., & Hallack, M. (2013). The new Brazilian oil regulation: an ex ante economic assessment. European University Institute.

[1] Esta discussão remonta os textos de Goldberg (1977), Barzel (1982) e recentemente foi formalizado por Bajaris e Tadelis (2001).

[2] Isto é da primeira a décima-segunda com exceção da oitava que foi cancelada.

Leia outros textos de Michelle Hallack no Blog Infopetro

Leia outros textos de Miguel Vazquez no Blog Infopetro

  1. Excelente postagem, pessoal! Vai um link de estudo do Banco Mundial (2013) sobre Conteúdo Local no mundo.
    http://www.localcontentsolutions.com/pdf/lc_policies.pdf

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair / Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair / Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair / Alterar )

Foto do Google+

Você está comentando utilizando sua conta Google+. Sair / Alterar )

Conectando a %s