Resumo Executivo

Diogo Mondin; Thiago Gentil Ramires

Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Esta pesquisa analisa, de forma comparativa e preditiva, os efeitos da liberalização do setor elétrico em Portugal como referencial para projetar tarifas no Brasil, investigando os impactos inflacionários e as mudanças estruturais da desregulamentação. A transição do Brasil para um mercado de energia mais aberto, impulsionada pela Resolução Normativa nº 1.059/2023 da Agência Nacional de Energia Elétrica (ANEEL), ampliará o acesso ao Ambiente de Contratação Livre (ACL) para mais consumidores, com previsão de abertura total até 2028 (ANEEL, 2023). Essa mudança afasta o modelo do Ambiente de Contratação Regulada (ACR); as tarifas são definidas por leilões governamentais, para um sistema no qual os consumidores negociam diretamente com os fornecedores, gerando expectativas de maior eficiência e redução de custos.

A literatura aponta que a abertura de mercado pode reduzir custos para consumidores, otimizar a eficiência operacional e integrar mais fontes renováveis (Bessa e Trevisan, 2021). Contudo, a transição exige adaptação regulatória, reestruturação de negócios das distribuidoras e gestão de impactos tarifários sobre consumidores cativos. Nesse cenário, a análise de experiências internacionais é fundamental para antecipar desafios e replicar práticas bem-sucedidas.

Portugal é um estudo de caso relevante para o Brasil devido ao seu processo gradual de liberalização. Iniciado em 1999 para grandes consumidores, o processo culminou em 2006, quando todos os consumidores, incluindo residenciais, ganharam o direito de escolher seu fornecedor (ERSE, 2021). Um marco foi a integração ao Mercado Ibérico de Eletricidade (MIBEL), com a Espanha, que unificou regras de comercialização e estabeleceu um ambiente competitivo com preços de referência comuns (OMIP, 2023). A experiência portuguesa oferece um laboratório para observar os efeitos de longo prazo da desregulamentação em um mercado com certas semelhanças regulatórias e culturais com o brasileiro.

Os resultados em Portugal demonstram benefícios. Em 2013, consumidores no mercado livre pagavam, em média, €6,90 a menos por MWh em comparação com o mercado regulado, uma economia agregada de aproximadamente €40 milhões naquele ano (ERSE, 2014). Em 2021, cerca de 94% dos consumidores portugueses já haviam aderido ao mercado liberalizado. O dinamismo é evidenciado pela alta taxa de “switching” (troca de fornecedor), que atingiu 17% ao ano, um indicador de um mercado competitivo (ERSE, 2021).

Um aspecto crucial da transição portuguesa foi a manutenção da regulação das tarifas de acesso à rede (TAR) pela Entidade Reguladora dos Serviços Energéticos (ERSE). Essa medida garantiu a sustentabilidade do sistema de distribuição e transmissão, prevenindo práticas anticoncorrenciais e assegurando a remuneração justa da infraestrutura (ERSE, 2023). A liberalização também incentivou a inovação, com consumidores do mercado livre adotando tarifas mais alinhadas aos seus perfis de consumo, como planos com preços indexados ao mercado spot, pacotes com gás natural e descontos por fidelização. Esses aprendizados fornecem subsídios para o Brasil estruturar sua transição, maximizando benefícios e mitigando riscos.

A metodologia foi quantitativa, baseada na análise de dados públicos para garantir replicabilidade. As séries temporais das tarifas de eletricidade em Portugal foram extraídas do portal da Direção-Geral de Energia e Geologia (DGEG), cobrindo o período de 2008 a 2023. Para o Brasil, os dados vieram da ANEEL, com as componentes tarifárias das distribuidoras reguladas de 2016 a 2024. A análise foi realizada em Python, com as bibliotecas pandas, NumPy, Matplotlib e scikit-learn. O processamento inicial de dados brutos foi otimizado com a ferramenta PySpark.

O tratamento dos dados foi essencial para a comparabilidade. Os preços médios de energia, com e sem impostos, foram calculados anualmente para cada país, seguindo diretrizes do Eurostat (2020) e da ANEEL (2023). No Brasil, o foco foi o subgrupo B1 (residencial), comparável ao setor doméstico português. As componentes tarifárias brasileiras, Tarifa de Energia (TE) e Tarifa de Uso do Sistema de Distribuição (TUSD), foram padronizadas para R$/kWh e agregadas anualmente. Uma correção fiscal removeu a incidência de ICMS e PIS/COFINS, usando alíquotas médias estimadas de 18% e 4,73%, respectivamente, resultando em um fator divisor de 1,2273 para obter a tarifa base.

A correção dos efeitos inflacionários foi um pilar metodológico. Para o Brasil, utilizou-se o Índice Nacional de Preços ao Consumidor Amplo (IPCA) do IBGE; para Portugal, o Índice Harmonizado de Preços no Consumidor (HICP) do Eurostat. As tarifas nominais foram deflacionadas para valores reais constantes, com base em 2016. Este procedimento, conforme abordagens econométricas rigorosas (Wooldridge, 2013), isolou as variações reais de preços das distorções da inflação, permitindo uma análise de correlação mais precisa.

Para a modelagem preditiva das tarifas brasileiras, foram comparados dois algoritmos: Regressão Linear Múltipla e Random Forest. As variáveis independentes incluíram tendência temporal (trend), um indicador binário para o período pós-abertura completa do mercado português em 2018, a tarifa de Portugal e a taxa de inflação portuguesa. O conjunto de dados foi dividido em 70% para treinamento e 30% para teste. A performance foi avaliada pelo coeficiente de determinação (R²) e pelo erro quadrático médio (RMSE). Adicionalmente, um teste t de Student foi usado para comparar as médias tarifárias dos períodos pré e pós-2018 em Portugal, com nível de significância de 5%.

A análise de correlação entre as tarifas do Brasil e de Portugal revelou a influência da correção inflacionária. Com valores nominais, a correlação foi de -0,224, indicando uma relação fraca e negativa. Após a correção monetária com IPCA e HICP, a correlação real saltou para 0,835, demonstrando uma relação positiva e muito forte. Esta descoberta sublinha que, removido o ruído inflacionário, as tarifas em ambos os países seguem trajetórias similares.

O impacto da inflação na análise foi de 1,059 pontos de correlação, evidenciando o risco de conclusões equivocadas ao desconsiderar efeitos monetários em estudos comparativos. A distorção é acentuada ao comparar economias com históricos inflacionários distintos, como o Brasil (pico de 10,06% em 2021) e Portugal. Este achado reforça a necessidade de aplicar correções adequadas para validar políticas baseadas em benchmarking internacional, alinhando-se a estudos que destacam a importância de controlar variáveis macroeconômicas em análises de mercados energéticos (Silva e Santos, 2019).

Na modelagem preditiva, o Random Forest teve performance superior à Regressão Linear Múltipla, com RMSE menor (0,0037 contra 0,0158). Apesar disso, ambos os modelos apresentaram coeficientes de determinação (R²) negativos, indicando capacidade limitada de prever dados não vistos, performando pior que um modelo baseado na média histórica. O R² negativo sugere que as variáveis escolhidas, embora relevantes, não capturam toda a variabilidade das tarifas brasileiras. O menor erro do Random Forest indica que sua estrutura foi mais apta a capturar as relações não-lineares nos dados.

A análise de importância das variáveis do Random Forest revelou que o fator mais influente nas tarifas brasileiras foi a tendência temporal (41,7%), seguido pelo indicador de mudança estrutural pós-abertura do mercado português (31,2%). A tarifa de Portugal (18,8%) e a inflação portuguesa (8,2%) tiveram peso menor. Isso sugere que a evolução das tarifas no Brasil é mais influenciada por fatores internos, estruturais e temporais, do que pelas flutuações no mercado português. Embora exista correlação real, a causalidade direta é fraca, e o uso de Portugal como preditor direto é problemático sem a inclusão de variáveis macroeconômicas e estruturais brasileiras.

A investigação sobre o impacto da abertura completa do mercado português em 2018 não encontrou diferença estatisticamente significativa nas médias tarifárias pré e pós-liberalização (p = 0,442). A média tarifária antes de 2018 foi de 0,2291 e, após, de 0,2230. Contudo, foi revelada uma tendência de crescimento de 1,33% ao ano no período pós-abertura. Isso sugere que os efeitos da desregulamentação são graduais, manifestando-se em um horizonte temporal mais extenso, o que é consonante com a literatura sobre reformas de mercado (Oliveira et al., 2020).

As projeções tarifárias para o Brasil (2025-2029) expuseram a incerteza da modelagem. O método baseado na variação percentual histórica projetou crescimento contínuo, com tarifas subindo de 0,0806 para 0,0829. Em contrapartida, o modelo Random Forest projetou uma queda, de 0,0757 para 0,0722. A divergência evidencia as limitações dos modelos e a sensibilidade das projeções às premissas. Para previsões mais robustas, é imperativo incorporar um conjunto mais rico de variáveis, especialmente macroeconômicas, que influenciam os preços de energia (Costa e Silva, 2018).

O estudo reconhece limitações metodológicas. O período de análise (2016-2024) pode não capturar ciclos econômicos de longo prazo. A ausência de variáveis macroeconômicas cruciais (PIB, câmbio, preços de combustíveis) é a principal lacuna. Além disso, diferenças estruturais entre os mercados brasileiro e português — como a predominância da fonte hídrica no Brasil versus uma matriz mais diversificada em Portugal, e distintos arcabouços regulatórios — não foram explicitamente modeladas, o que pode explicar parte das limitações preditivas.

Com base nos resultados, a viabilidade de usar o mercado português como referencial único para projeções no Brasil é limitada. Embora a forte correlação real (0,835) aponte um potencial analítico com dados ajustados, as dinâmicas internas de cada mercado prevalecem. A recomendação é expandir a análise para incluir um portfólio de mercados europeus, como Reino Unido e Alemanha. Um benchmark composto por múltiplos países pode oferecer uma referência mais robusta, permitindo identificar padrões gerais e mitigar idiossincrasias de um único mercado (García-Rodríguez et al., 2022). Futuras pesquisas devem focar na construção de modelos mais sofisticados, que incorporem mais variáveis explicativas e cenários regulatórios específicos.

Em suma, o estudo demonstrou que a consideração dos efeitos inflacionários é um pré-requisito para a interpretação correta das relações entre mercados energéticos. A correção monetária alterou a percepção da relação entre as tarifas brasileiras e portuguesas de negativa para positiva e forte. A modelagem preditiva, embora apontando a superioridade do Random Forest, expôs as limitações de usar o modelo português como preditor direto, já que fatores temporais e estruturais internos ao Brasil se mostraram mais influentes. A análise da liberalização portuguesa sugere que seus efeitos são graduais, um aprendizado para a gestão de expectativas no Brasil.

A divergência nas projeções e as limitações metodológicas, como a ausência de variáveis macroeconômicas, reforçam a necessidade de cautela e aprimoramento dos modelos de previsão. A utilização de Portugal como referência é válida como ponto de partida, mas insuficiente para fundamentar políticas tarifárias robustas sem uma modelagem mais sofisticada e a inclusão de múltiplos benchmarks. Conclui-se que o objetivo foi atingido: demonstrou-se que a correção inflacionária é um fator fundamental na análise comparativa de mercados energéticos e que a utilização do mercado português como referência única para projeções tarifárias no Brasil possui limitações significativas que demandam a incorporação de variáveis adicionais e benchmarks múltiplos.

Referências:
ANEEL – Agência Nacional de Energia Elétrica. (2023). Base de dados – Componentes Tarifárias. Disponível em: https://dadosabertos. aneel. gov. br.
Bessa, M., & Trevisan, M. (2021). Impactos da abertura do mercado livre de energia elétrica: estudo comparativo internacional. Revista de Energia e Regulação, 17(2), 55–74.
COSTA, A. R.; SILVA, M. P. (2018). Determinantes macroeconômicos dos preços de energia elétrica: uma análise para mercados emergentes. Revista Brasileira de Energia, v. 24, n. 3, p. 45-62.
ENTIDADE REGULADORA DOS SERVIÇOS ENERGÉTICOS (ERSE). Dados Históricos do Mercado Elétrico de Portugal. Disponível em: www. erse. pt.
Eurostat. (2020). Electricity price statistics. Disponível em: https://ec. europa. eu/eurostat.
EUROSTAT – European Statistical Office. (2024). HICP – inflation rate. Disponível em: https://ec. europa. eu/eurostat/databrowser/view/tec00118/default/table.
García-Rodríguez, J., Pardo, H., & Martínez, M. (2022). Regulatory benchmarking in liberalized energy markets: A case study from Southern Europe. Energy Policy, 161, 112789.
IBGE – Instituto Brasileiro de Geografia e Estatística. (2024). Índice Nacional de Preços ao Consumidor Amplo – IPCA. Disponível em: https://www. ibge. gov. br/estatisticas/economicas/precos-e-custos/9256-indice-nacional-de-precos-ao-consumidor-amplo. html.
OLIVEIRA, J. M.; SANTOS, L. C.; PEREIRA, R. F. (2020). Efeitos da desregulamentação em mercados energéticos europeus: uma análise longitudinal. European Energy Policy Review, v. 15, n. 2, p. 78-95.
SILVA, P. H.; SANTOS, R. A. (2019). Inflação e mercados energéticos: análise comparativa internacional. Revista de Economia Energética, v. 12, n. 4, p. 123-140.
Wooldridge, J. M. (2013). Introductory Econometrics: A Modern Approach (5th ed.). Cengage Learning.

Resumo executivo oriundo de Trabalho de Conclusão de Curso de Especialização em Data Science e Analytics do MBA USP/Esalq

_{Saiba mais sobre o curso; clique aqui:}