International tourism demand and exchange rate: dependence modeling based on copula-GARCH model.

Gouveia, Bruno Vitor Luna; Coelho, Mariana de Freitas; Silva Junior, Júlio César Araújo da; Lacerda, Mauricio Silva

Bruno Vitor Luna Gouveia E-mail: brunolunagouveia@gmail.com

Universidade Federal de Viçosa, (UFV), Viçosa, MG, Brasil.

Bruno Vitor Luna Gouveia Formou-se em Economia pela Universidade Federal de Pernambuco, em 2018. Atualmente, é mestre em Economia pelo Programa de Pós-Graduação em Economia da Universidade Federal de Viçosa, Minas Gerais, Brasil. Seus interesses de pesquisa incluem Análise Envoltória de Dados, Economia do Turismo e Econometria Financeira. Contribuições: concepção da pesquisa, revisão de literatura, análise de dados e discussão dos resultados.

http://orcid.org/0000-0001-9988-6400

Mariana de Freitas Coelho E-mail: marifcoelho@gmail.com

Universidade Federal de Viçosa, (UFV), Viçosa, MG, Brasil.

Mariana de Freitas Coelho Professora de Marketing da Universidade Federal de Viçosa, Minas Gerais, Brasil. Doutora e Mestre em Administração pela Universidade Federal de Minas Gerais, Brasil e bacharel em Turismo pela mesma universidade. Participou dos principais eventos de Turismo de âmbito nacional e internacional, tendo mais de 40 artigos publicados em periódicos acadêmicos. Tem interesse nos seguintes temas de pesquisa: Experiência Turística, Economia do Turismo, Comportamento do Consumidor e Marketing. Contribuições: concepção da pesquisa, revisão de literatura e discussão dos resultados.

http://orcid.org/0000-0002-7081-1429

Júlio César Araújo da Silva JuniorE-mail: julio.econometria@gmail.com

Universidade Federal de Viçosa, (UFV), Viçosa, MG, Brasil.

Júlio César Araújo da Silva Junior Doutor em Economia pela Universidade Federal do Rio Grande do Sul, Brasil e bacharel em Economia pela Universidade Federal do Rio Grande. Publicou em periódicos acadêmicos como o International Journal of Economics and Finance, Environment, Development and Sustainability, entre muitos outros. Está interessado nos seguintes temas de pesquisa: Finanças Aplicadas, Economia Aplicada e Econometria de Séries de Tempo. Contribuições: concepção da pesquisa, análise de dados, discussão dos resultados.

http://orcid.org/0000-0002-6037-6363

Mauricio Silva Lacerda E-mail: mauriciolacerda57@gmail.com.

Universidade Federal de Viçosa, (UFV), Viçosa, MG, Brasil.

Graduação em matemática pela Universidade Federal de Viçosa (2014). Mestre em Estatística Aplicada e Biometria pela Universidade Federal de Viçosa (2017). Atualmente é doutorando em Estatística Aplicada e Biometria pela Universidade Federal de Viçosa com pesquisa na área de Estatística e Economia, com análise do preço de algumas commodities que disputam a terra em sua produção (2017-2020). Tem experiência como professor de matemática no Estado de Minas Gerais (2016). Contribuições: análise de dados e discussão dos resultados.

http://orcid.org/0000-0003-1209-3956

Bruno Vitor Luna Gouveia

Formou-se em Economia pela Universidade Federal de Pernambuco, em 2018. Atualmente, é mestre em Economia pelo Programa de Pós-Graduação em Economia da Universidade Federal de Viçosa, Minas Gerais, Brasil. Seus interesses de pesquisa incluem Análise Envoltória de Dados, Economia do Turismo e Econometria Financeira.

Contribuições: concepção da pesquisa, revisão de literatura, análise de dados e discussão dos resultados.

E-mail: brunolunagouveia@gmail.com

Mariana de Freitas Coelho

Professora de Marketing da Universidade Federal de Viçosa, Minas Gerais, Brasil. Doutora e Mestre em Administração pela Universidade Federal de Minas Gerais, Brasil e bacharel em Turismo pela mesma universidade. Participou dos principais eventos de Turismo de âmbito nacional e internacional, tendo mais de 40 artigos publicados em periódicos acadêmicos. Tem interesse nos seguintes temas de pesquisa: Experiência Turística, Economia do Turismo, Comportamento do Consumidor e Marketing.

Contribuições: concepção da pesquisa, revisão de literatura e discussão dos resultados.

E-mail: marifcoelho@gmail.com

Editor:

Glauber Eduardo de Oliveira Santos

Júlio César Araújo da Silva Junior

Doutor em Economia pela Universidade Federal do Rio Grande do Sul, Brasil e bacharel em Economia pela Universidade Federal do Rio Grande. Publicou em periódicos acadêmicos como o International Journal of Economics and Finance, Environment, Development and Sustainability, entre muitos outros. Está interessado nos seguintes temas de pesquisa: Finanças Aplicadas, Economia Aplicada e Econometria de Séries de Tempo.

Contribuições: concepção da pesquisa, análise de dados, discussão dos resultados.

E-mail: julio.econometria@gmail.com

Graduação em matemática pela Universidade Federal de Viçosa (2014). Mestre em Estatística Aplicada e Biometria pela Universidade Federal de Viçosa (2017). Atualmente é doutorando em Estatística Aplicada e Biometria pela Universidade Federal de Viçosa com pesquisa na área de Estatística e Economia, com análise do preço de algumas commodities que disputam a terra em sua produção (2017-2020). Tem experiência como professor de matemática no Estado de Minas Gerais (2016).

Contribuições: análise de dados e discussão dos resultados.

E-mail: mauriciolacerda57@gmail.com.

Grupo 1 – efeitos não significativos do câmbio na demanda.
Autores	Método	Resultados	Países analisados
Quayson & Var (1982)Quayson, J., & Var, T. (1982). A tourism demand function for the Okanagan, bc. Tourism Management, 3, 108–115. https://doi.org/10.1016/0261-5177(82)90006-1 https://doi.org/10.1016/0261-5177(82)900...	Modelo duplo-log linear.	Coeficiente da taxa de câmbio não foi significativo.	Canadá.
Vanegas Sr & Croes (2000)Vanegas Sr, M., & Croes, R. R. (2000). Evaluation of demand: Us tourists to Aruba. Annals of Tourism Research, 27, 946–963. https://doi.org/10.1016/S0160-7383(99)00114-0 https://doi.org/10.1016/S0160-7383(99)00...	Modelos linear e duplo-log linear.	A demanda turística dos EUA por Aruba não é afetada pela taxa de câmbio.	EUA.
Croes & Vanegas Sr (2005)Croes, R. R., & Vanegas Sr, M. (2005). An econometric study of tourist arrivals in Aruba and its implications. Tourism Management, 26, 879–890. http://dx.doi.org/10.1016/j.tourman.2004.04.007 https://doi.org/10.1016/j.tourman.2004.0...	Modelo econométrico dinâmico.	Apenas a Venezuela apresentou coeficiente significativo para a taxa de câmbio.	EUA.
Quadri & Zheng (2010)Quadri, D. L., & Zheng, T. (2010). A revisit to the impact of exchange rates on tourism demand: The case of Italy. The Journal of Hospitality Financial Management, 18, 47–60. https://doi.org/10.1080/10913211.2010.10653894 https://doi.org/10.1080/10913211.2010.10...	Regressão linear.	Em 11 dos 19 países investigados a taxa de câmbio não teve coeficiente significativo.	Itália.
Rabahy, W. A., Silva, J. C. D. da, & Vassallo, M. D. (2008)Rabahy, W. A., da Silva, J. C. D., & Vassallo, M. D. (2008). Relações determinantes sobre as despesas e asreceitas da conta de viagens internacionais do balanço de pagamentos brasileiro. Revista Turismo em Análise,19,293–306. https://doi.org/10.11606/issn.1984-4867.v19i2p293-306 https://doi.org/10.11606/issn.1984-4867....	Cointegração de Johansen.	Os turistas da Argentina foram sensíveis à taxa de câmbio real, enquanto turistas dos EUA não foram afetados, em média, pela taxa de câmbio real.	Brasil.
Grupo 2 – efeitos do câmbio significativos na demanda.
Webber (2001)Webber, A. G. (2001). Exchange rate volatility and cointegration in tourism demand. Journal of Travel research, 39, 398–405. https://doi.org/10.1177%2F004728750103900406 https://doi.org/10.1177%2F00472875010390...	Procedimentos de Engle, Granger e Johansen.	50% das estimativas indicaram que a taxa de câmbio é um fator determinante na demanda turística internacional.	Austrália.
Dritsakis (2004)Dritsakis, N. (2004). Cointegration analysis of German and British tourism demand for Greece. Tourism management, 25, 111–119. https://doi.org/10.1016/S0261-5177(03)00061-x https://doi.org/10.1016/S0261-5177(03)00...	Modelo VAR e o procedimento de Johansen, Engle e Granger.	A taxa de câmbio tem um efeito significativo na demanda alemã e britânica por turismo na Grécia.	Grécia.
Seo et al. (2009)Seo, J. H., Park, S. Y., & Yu, L. (2009). The analysis of the relationships of Korean outbound tourism demand: Jeju Island and three international destinations. Tourism Management, 30, 530–543. https://doi.org/10.1016/j.tourman.2008.10.013 https://doi.org/10.1016/j.tourman.2008.1...	Modelos DCC-MGARCH e VEC.	As taxas de câmbio têm impactos nas correlações condicionais dos países.	Coréia do Sul.
Meurer (2010)Meurer, R. (2010). Research note: International travel: The relationship between exchange rate, world gdp, revenues and the number of travellers to Brazil. Tourism Economics, 16, 1065–1072. http://dx.doi.org/10.5367/te.2010.0011 https://doi.org/10.5367/te.2010.0011...	Regressão e o procedimento de Johansen.	O número de turistas estrangeiros é influenciado pela taxa de câmbio, mas sua demanda não é sensível.	Brasil.
Seetanah et al. (2010)Seetanah, B., Durbarry, R., & Ragodoo, J. N. (2010). Using the panel cointegration approach to analyse the determinants of tourism demand in South Africa. Tourism Economics, 16, 715–729. https://doi.org/10.5367%2F000000010792278437 https://doi.org/10.5367%2F00000001079227...	Modelo gravitacional com técnicas de co-integração.	Os turistas são sensíveis às mudanças de preços na África do Sul e também às mudanças nos preços do turismo em destinos concorrentes.	África do Sul.
Lorde et al. (2016)Lorde, T., Li, G., & Airey, D. (2016). Modeling Caribbean tourism demand: an augmented gravity approach. Journal of Travel Research, 55, 946–956. https://doi.org/10.1177%2F0047287515592852 https://doi.org/10.1177%2F00472875155928...	Modelo gravitacional.	A renda do destino e da origem, a população do destino e os preços próprios (que incluem a taxa de câmbio) e substitutos do turismo são todos os principais determinantes.	Caribe.
Untong et al. (2015)Untong, A., Ramos, V., Kaosa-Ard, M., & Rey-Maquieira, J. (2015). Tourism demand analysis of Chinese arrivals in Thailand. Tourism Economics, 21, 1221–1234. https://doi.org/10.5367%2Fte.2015.0520 https://doi.org/10.5367%2Fte.2015.0520...	Modelo log-linear.	Os turistas chineses respondem menos a uma mudança nos preços da Tailândia do que a alterações nos preços dos concorrentes, como Hong Kong, Coréia do Sul, Cingapura, Malásia e Vietnã.	Tailândia.
Khoshnevis Yazdi & Khanalizadeh (2017)Khoshnevis Yazdi, S., & Khanalizadeh, B. (2017). Tourism demand: A panel data approach. Current Issues in Tourism, 20, 787–800. https://doi.org/10.1080/13683500.2016.1170772 https://doi.org/10.1080/13683500.2016.11...	Modelo gravitacional em conjunto com um modelo auto-regressivo de defasagem distribuída (ARDL).	O PIB, o índice de preços ao consumidor, a taxa de câmbio real e certos eventos específicos têm um impacto significativo na demanda internacional de turismo.	EUA.
Gani & Clemes (2017)Gani, A., & Clemes, M. D. (2017). The main determinants effecting international visitor arrivals in New Zealand: Some empirical evidence. Tourism Economics, 23, 921–940. https://doi.org/10.1177%2F1354816616656417 https://doi.org/10.1177%2F13548166166564...	Modelos linear e duplo-log linear.	Mudanças na taxa de câmbio, devido a fatores domésticos ou externos, influenciam o volume de visitantes na Nova Zelândia.	Nova Zelândia.
Martins et al. (2017)Martins, L. F., Gan, Y., & Ferreira-Lopes, A. (2017). An empirical analysis of the influence of macroeconomic determinants on world tourism demand. Tourism Management, 61, 248–260. https://doi.org/10.1016/j.tourman.2017.01.008 https://doi.org/10.1016/j.tourman.2017.0...	Modelos duplo-log linear.	Um aumento no PIB per capita do mundo, uma depreciação da moeda nacional e um declínio nos preços domésticos relativos ajudam a impulsionar a demanda do turismo.	218 países.
Tavares & Leitão (2017)Tavares, J. M., & Leitão, N. C. (2017). The determinants of international tourism demand for Brazil. Tourism Economics, 23, 834–845. https://doi.org/10.5367%2Fte.2016.0540 https://doi.org/10.5367%2Fte.2016.0540...	Modelo gravitacional.	Os resultados demonstram que quaisquer alterações na taxa de câmbio, que possam prejudicar o fluxo de turistas para o Brasil, podem ser superadas por um serviço altamente qualificado.	Brasil.
Ulucak et al. (2020)Ulucak, R., Yücel, A. G., & ˙Ilkay, S. Ç. (2020). Dynamics of tourism demand in Turkey: Panel data analysis using gravity model. Tourism Economics, 1354816620901956. https://doi.org/10.1177%2F1354816620901956 https://doi.org/10.1177%2F13548166209019...	Modelo gravitacional.	As chegadas de turistas aumentam no caso de uma taxa de câmbio 1% maior entre a Turquia e o país de origem em favor do país de origem.	Turquia.

	Estados Unidos	Argentina	Alemanha		BRL/USD	BRL/ARS	BRL/EUR
Média	0,0005	0,0012	-0,0009		0,0001	-0,0061	-0,0004
Mínimo	-0,8668	-1,0797	-0,6644		-0,0363	-0,3139	-0,0514
Máximo	0,9205	1,5186	0,9432		0,0549	0,0737	0,0515
DP	0,1757	0,1747	0,1554		0,0120	0,0424	0,0146
Ass.	-0,3225	1,5168	0,5192		0,2848	-3,8195	0,1697
Curtose	8,4933	30,0304	8,2331		1,3862	21,69	0,8321
JB	739,02^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.	9240,60^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.	701,49^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.		23,441^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.	5363,7^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.	8,601^ (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.
Q(24)	123,53^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.	54,49^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.	78,75^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.		59,417^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.	124,37^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.	44,279^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.
ADF	-15,48^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.	-15,16^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.	-15,32^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.		-9,992^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.	-7,758^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.	-10,702^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.
PP	-286,41^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.	-196,34^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.	-255,41^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.		-143,887^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.	-112,046^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.	-173,418^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.
KPSS	0,02	0,05	0,01		0,21	0,05	0,08
Correlação de Pearson – Câmbio x Chegadas
Argentina				0,1888^* (*), (), ()* representam rejeição da hipótese nula à 1%, 5% e 10%, respectivamente.
EUA				-0,0413
Alemanha				0,0888

	Estados Unidos	Argentina	Alemanha	BRL/USD	BRL/ARS	BRL/EUR
Equação da média
δ	0,0017	0,0017	-0,0009	-0,00003	-0,0013	-0,00007
	(0,0025)	(0,0019)	(0,0007)	(0,0007)	(0,0016)	(0,0009)
	-	0,3783^* *()** indica rejeição da hipótese nula a 5%.	0,3887^* *()** indica rejeição da hipótese nula a 5%.	0,3389^* *()** indica rejeição da hipótese nula a 5%.	0,4739^* *()** indica rejeição da hipótese nula a 5%.	0,2387^* *()** indica rejeição da hipótese nula a 5%.
Ψ ₁		(0,0989)	(0,0874)	(0,0645)	(0,0586)	(0,0612)
Θ ₁	-0,6084^* *()** indica rejeição da hipótese nula a 5%.	-0,7041^* *()** indica rejeição da hipótese nula a 5%.	-0,9214^* *()** indica rejeição da hipótese nula a 5%.	-	-	-
Θ ₁	(0,0583)	(0,0648)	(0,0390)	(-)	(-)	(-)
Equação da variância
ω ₁	0,0022	0,0068	0,0043	0,0001^* *()** indica rejeição da hipótese nula a 5%.	0,0009	0,0002^* *()** indica rejeição da hipótese nula a 5%.
	(0,005)	(0,0038)	(0,0035)	(0)	(0,0007)	(0)
	0,5479	0,5205^* *()** indica rejeição da hipótese nula a 5%.	0,1654	0	0,3935	0,0343^* *()** indica rejeição da hipótese nula a 5%.
a ₁	(0,3256)	(0,3220)	(0,1433)	(0,0709)	(0,3638)	(0,0679)
a ₁	0,6042^* *()** indica rejeição da hipótese nula a 5%.	0,3460^* *()** indica rejeição da hipótese nula a 5%.	0,0478	-	-	-
β ₁	(0,1086)	(0,15374)	(0,1387)	(-)	(-)	(-)
β ₂	-	-	0,6433^* *()** indica rejeição da hipótese nula a 5%.	-	-	-
β ₂	(-)	(-)	(0,2422)	(-)	(-)	(-)
ε ₁	0,8645^* *()** indica rejeição da hipótese nula a 5%.	0,8978^* *()** indica rejeição da hipótese nula a 5%.	0,8360^* *()** indica rejeição da hipótese nula a 5%.	1,0987^* *()** indica rejeição da hipótese nula a 5%.	0,8738^* *()** indica rejeição da hipótese nula a 5%.	1,1453^* *()** indica rejeição da hipótese nula a 5%.
ε ₁	(0,0765)	(0,0885)	(0,0814)	(0,1098)	(0,0791)	(0,1001)
λ ₁	2,7012^* *()** indica rejeição da hipótese nula a 5%.	2,6518^* *()** indica rejeição da hipótese nula a 5%.	2,7148^* *()** indica rejeição da hipótese nula a 5%.	10^* *()** indica rejeição da hipótese nula a 5%.	2,4230^* *()** indica rejeição da hipótese nula a 5%.	6,7945^* *()** indica rejeição da hipótese nula a 5%.
λ ₁	(0,5558)	(0,4934)	(0,6867)	(4,7743)	(0,4250)	(2,9289)0
Q(20)	22,1342	18,5742	21,2945	27,7730	13,4204	26,9704
Q(20)	[0,3333]	[0,5496]	[0,3800]	[0,1149]	[0,8586]	[0,1361]
Q²(20)	8,9674	8,0364	23,6589	15,7587	1,5266	13,9033
Q²(20)	[0,9833]	[0,9916]	[0,2576]	[0,7315]	[1]	[0,8354]
LM ARCH	6,3572	5,6984	12,1064	7,1899	1,2422	8,8345
LM ARCH	[0,8970]	[0,9306]	[0,4372]	[0,8448]	[0,9999]	[0,7170]
KS	0,0566	0,0295	0,0540	0,0299	0,0542	0,0421
KS	[0,4276]	[0,9854]	[0,4889]	[0,9829]	[0,4848]	[0,7914]

	EUA - BRL/USD	Argentina - BRL/ARS	Alemanha - BRL/EUR
Gaussiana
ρ	-0,0280	0,1850*	0,0436
ρ	(0,0605)	(0,0626)	(0,0596)
AIC	1,7866	-6,0119	1,4664
t-Student
ρ	-0,0275	0,1794*	0,0434
ρ	(0,0608)	(0,0655)	(0,0598)
κ	196,7175	33,4372	255,00
κ	(587,2605)	(70,260)	(657,00)
AIC	3,8882	-4,2690	3,6100
Clayton
α	-0,0216	0,2392*	0,0087
α	(0,061)	(0,0830)	(0,0581)
AIC	1,8817	-9,9925	1,9770
Gumbel
δ	1,0002 (0,0420)	1,0934 (0,0521)	1,0110 (0,0379)
AIC	2,0086	-1,7142	1,9135
Independência	0,6662	0,0203	0,4870

Cópula	EUA - BRL/USD	Argentina - BRL/ARS	Alemanha - BRL/EUR
Gaussiana	0,0133	0,0140	0,0425
Gaussiana	[0,4859]	[0,5275]	[0,3386]
*t-Student*	0,8965	5,3390	1,5945
*t-Student*	[0,8670]	[0,1429]	[0,7422]
Clayton	0,0127	0,0701	0,1058
Clayton	[0,6273]	[0,4236]	[0,4172]
Gumbel	1,2135	1,8166	0,0009
Gumbel	[0,1997]	[0,0460]	[0,7383]

[1] Bruno Vitor Luna Gouveia

Formou-se em Economia pela Universidade Federal de Pernambuco, em 2018. Atualmente, é mestre em Economia pelo Programa de Pós-Graduação em Economia da Universidade Federal de Viçosa, Minas Gerais, Brasil. Seus interesses de pesquisa incluem Análise Envoltória de Dados, Economia do Turismo e Econometria Financeira.

Contribuições: concepção da pesquisa, revisão de literatura, análise de dados e discussão dos resultados.

Brasil

Brasil

International tourism demand and exchange rate: dependence modeling based on copula-GARCH model.

Abstract