CEPAL

12º Congresso Complexidade
em tempos de crise:
Diálogos entre economia, sustentabilidade e visão sistêmica
Brasileiro
de Sistemas Universidade Federal de Uberlândia - MG
ISSN: 2446-6700 03 e 04.11.2016
A CEPAL ESTAVA CERTA:
REDES COMPLEXAS SCALE-FREE E PADRÕES CENTRO-
PERIFERIA NO COMÉRCIO MUNDIAL
Paulo Gala Jhean Camargo

Fundação Getúlio Vargas Universidade Federal de São Carlos
paulo.gala@fgv.br jhean.camargo@gmail.com
Elton Freitas
Universidade Federal de Minas Gerais
eltonfreitas@cedeplar.ufmg.br
Resumo
O objetivo principal desse trabalho é a aplicação de técnicas de Big Data e redes complexas
scale-free para o estudo do comércio mundial, com foco específico na investigação das ideias
cepalinas e estruturalistas. Um objetivo secundário do trabalho é ilustrar o potencial de
utilização das abordagens da nova ciência das redes complexas em economia, no que vem
sendo mais recentemente conhecido como uma agenda de pesquisa de econofísica.
Trabalhamos com dados para uma rede comercial com 101 países e 762 produtos que geraram
1.756.224 links no ano de 2013. Os resultados empíricos baseados em metodologias
computacionais para análise das redes aqui reportados apontam na direção do que diziam os
economistas da CEPAL; países de renda per capita elevada se concentram na produção e
exportação de bens manufaturados e complexos no centro da rede, países de renda per capita
baixa se concentram na produção e exportação de commodities não complexas na periferia da
rede.
Palavras-Chave: redes complexas scale-free, big data, desenvolvimento econômico,
comércio internacional, Cepal, centro-periferia
Abstract
The main purpose of this paper is to apply big-data and scale-free complex network techniques
to the study of world trade, with a specific focus on the investigation of ECLA and structuralist
ideas. A secondary objective is to illustrate the potentialities of the use of the new science of
complex networks in economics, in what has been recently referred to as an econophysics
research agenda. We work with a trade network of 101 countries and 762 products which
generated 1,756,224 trade links in 2013. The empirical results based on network analysis and
computational methods reported here point in the direction of what ECLA economists used to
12º Congresso Brasileiro de Sistemas 2
argue; countries with higher income per capita concentrate in producing and exporting
manufactured and complex goods at the center of the trade network; countries with lower
income per capita specialize in producing and exporting non-complex commodities at the
network’s periphery.
Keywords: complex networks, core-periphery, economic development, international trade,
ECL
Introdução
Uma das chaves para se entender os modelos e ideias da Comissão Econômica para a
América Latina (CEPAL) e economistas estruturalistas em geral está em perceber que a
desagregação das analises por tipos de produto é tarefa fundamental; não é possível entender o
desenvolvimento econômico dos diversos países sem se estudar as especificidades tecnológicas
e produtivas de cada tipo ou categoria de bem produzido numa determinada nação. Para os
cepalinos e estruturalistas o desenvolvimento econômico nada mais é do que a sofisticação
produtiva de uma economia, partindo-se de produtos simples e chegando-se em produtos
sofisticados e complexos. Para esses clássicos do desenvolvimento econômico, o aumento de
produtividade viria justamente da subida da escada tecnológica, migrando de atividades de
baixa qualidade para as atividades de alta qualidade, rumo à sofisticação da economia
(BRESSER-PEREIRA, 2016). Para isso, a construção de um sistema industrial complexo e
diversificado é fundamental, sujeito a retornos crescentes de escala, altas sinergias e linkages
entre atividades (REINERT, 2010). A especialização em agricultura e extrativismos não
permitiria esse tipo de evolução tecnológica.
Como medir empiricamente essas proposições dos economistas clássicos do
desenvolvimento? Idealmente se poderia estudar os participantes e as estruturas dos mercados
dos principais produtos do mundo revelados no comércio mundial. Se a proposição dos
clássicos do desenvolvimento estiver correta, deveríamos encontrar países de renda per capita
mais elevada se especializando na produção de bens manufaturados e países pobres se
especializando em atividades mais ligadas a produção de commodities; algo, fácil de se
12º Congresso Brasileiro de Sistemas ISSN: 2446-6700

constatar numa rápida análise superficial dos padrões de comércio atuais, mas difícil de se
comprovar de maneira mais robusta. Nesse trabalho seguiremos essa via. Usando técnicas
computacionais de redes complexas e Big Data, faremos um estudo dos principais mercados
de produtos e da rede comercial mundial para identificar países dominantes. Trata-se de usar
técnicas de econofísica para testar as hipóteses dos clássicos do desenvolvimento econômico.
Como mostraremos adiante, a concentração do comércio mundial de commodities nas mãos de
países emergentes e de produtos industrializados nas mãos de países ricos é uma evidencia
importante para a hipótese estruturalista da diferente configuração produtiva do centro e da
periferia.
Outros trabalhos de econofísica já usaram redes complexas scale-free para estudar o
comércio internacional (FAGIOLO et al, 2008; DEGUCHI et al, 2014), mas não com o
enfoque que aqui daremos usando ideias cepalinas e com uma base dados que se concentra em
medir a complexidade produtiva de países e produtos no comércio mundial. O objetivo
principal desse trabalho será, portanto, a aplicação de técnicas de Big Data e redes complexas
scale-free para o estudo do comércio mundial, com foco especifico na investigação das ideias
estruturalistas. Um objetivo secundário do trabalho será ilustrar o potencial das abordagens da
nova ciência das redes complexas em economia, no que vem sendo mais recentemente
caracterizado como uma agenda de pesquisa de econofísica (SINHA et al, 2010). O trabalho
se divide em 5 partes. A próxima seção apresenta de forma resumida a conexão feita por
economistas estruturalistas entre desenvolvimento econômico e comércio internacional. A
seção 2 do trabalho trata das medidas de sofisticação produtiva do Atlas da Complexidade
Econômica e apresenta o banco de dados que será usado para a análise empírica a ser feita
adiante. A seção 3 apresenta a discussão sobre redes complexas scale free e trata da
metodologia empírica que será aplicada no trabalho. A quarta seção traz as aplicações para

diversos mercados do comércio internacional e para a rede global no ano de 2013. A quinta
seção conclui o texto.
Clássicos do desenvolvimento econômico
Os antigos economistas do desenvolvimento, também conhecidos como estruturalistas,
dividiam-se em duas principais correntes: uma anglo-saxã e outra latino-americana. Ambas as
vertentes baseavam suas análises sobre desenvolvimento econômico em conceitos de linkages
ou ligações produtivas, complementaridades, armadilhas de pobreza, padrões centro-periferia
e dualismos. A visão estruturalista define o desenvolvimento econômico como uma
transformação radical na estrutura produtiva das economias no sentido de sofisticação do tecido
produtivo. Com base na hipótese de que a estrutura produtiva industrial de um país afeta tanto
o ritmo quanto a direção do desenvolvimento econômico, a literatura estruturalista destaca a
importância da industrialização no processo de crescimento. Para os economistas
estruturalistas, sem um processo de industrialização robusto não é possível aumentar o
emprego, a produtividade e a renda per capita de um país e, consequentemente, reduzir a sua
pobreza. Para esses autores o processo de desenvolvimento envolve uma realocação da
produção de setores de baixa produtividade para setores de alta produtividade, onde retornos
crescentes de escala prevalecem.
Paul Rosenstein-Rodan, Ragnar Nurkse, Arthur Lewis, H. Singer, Albert Hirschman,
Gunnar Myrdal e Hollis Chenery pertencem ao grupo de pensadores econômicos associados
com o estruturalismo original ou clássicos do desenvolvimento. Suas contribuições seminais
desafiaram a visão neoclássica acerca da eficiência do mercado para promover a mudança
estrutural necessária para o processo de desenvolvimento econômico. Outra linha de
contribuições vem do chamado estruturalismo latino-americano, que está relacionado
principalmente à CEPAL cujas obras se integraram em uma escola de pensamento coerente no
final dos anos 1950. À luz das experiências históricas, os principais pensamentos apresentados

nesta versão latino-americana estão encapsulados nas obras de Raul Prebisch e Celso Furtado
(BIANCHI & SALVIANO, 1999), com foco sobre os desafios enfrentados pelos países em
desenvolvimento para crescer em uma economia mundial dividida em dois pólos: o centro e a
periferia, com suas distintas estruturas produtivas.
Para todos esses autores clássicos do desenvolvimento econômico as atividades
produtivas são diferentes em termos de suas habilidades para gerar crescimento e
desenvolvimento. Atividades com altos retornos crescentes de escala, alta incidência de
inovações tecnológicas e altas sinergias decorrentes de divisão do trabalho dentro das empresas
e entre empresas são fortemente indutoras de desenvolvimento econômico (REINERT, 2009).
São atividades onde em geral predominam competição imperfeita e todas as características
desse tipo de estrutura de mercado (importantes curvas de aprendizagem, rápido progresso
técnico, alto conteúdo de R&D, grandes possibilidades de economias de escala e escopo, alta
concentração industrial, grandes barreiras à entrada, diferenciação por marcas, etc…). Esse
grupo de atividades de alto valor agregado se contrapõe às atividades de baixo valor agregado,
em geral praticadas em países pobres ou de renda média com típica estrutura de competição
perfeita (baixo conteúdo de R&D, baixa inovação tecnológica, informação perfeita, ausência
de curvas de aprendizado e possibilidades de divisão do trabalho) (REINERT & KATEL,
2010).
Para esses economistas o aumento de produtividade de uma economia viria justamente
da subida da escada tecnológica, migrando de atividades de baixa qualidade para as atividades
de alta qualidade, rumo à sofisticação tecnológica do tecido produtivo (BRESSER-PEREIRA,
2016). Migrar de atividades de baixa qualidade para as atividades de alta qualidade é tarefa de
enorme dificuldade. Desse salto depende o processo de desenvolvimento econômico. Graças
as suas características as atividades de alta qualidade aparecem em mercados com estruturas
de oligopólio e concorrência monopolística o que já dificulta sobremaneira a entrada de novos

players de países emergentes. Barreiras à entrada, grandes economias de escala e diferenciação
por marcas são algumas das características desses mercados que dificultam muito o acesso de
novas empresas do mundo emergente. Para se desenvolver um país precisa ser capaz de
constituir empresas nesses setores já muito bem ocupados onde os potenciais de economias de
escala e lucros são enormes: aí está a produtividade. Tarefa nada fácil para um país emergente;
sem entrar nesses mercados e ocupar espaços relevantes não há ganhos de produtividade
significativos e não há desenvolvimento econômico; não há sofisticação do tecido produtivo
nem aumento da complexidade da produção.
Complexidade econômica e padrões de comércio internacional
Hausmann et al (2011) usam técnicas de computação, redes e complexidade para criar
um método capaz de medir a sofisticação produtiva ou “complexidade econômica” de países
com extraordinária simplicidade. A partir da análise da pauta exportadora de um determinado
país, são capazes de medir de forma indireta a sofisticação tecnológica de seu tecido produtivo.
A metodologia criada para a construção dos índices de complexidade econômica culminou
num Atlas (http://atlas.media.mit.edu) que reúne extenso material sobre uma infinidade de
produtos e países desde 1963. Os dois conceitos básicos para se medir se um país é complexo
economicamente são a ubiquidade e diversidade de produtos encontrados na sua pauta
exportadora. Se uma determinada economia é capaz de produzir bens não ubíquos, raros e
complexos, há indicação de que tem um sofisticado tecido produtivo. Claro que há um
problema aqui de escassez relativa, especialmente de produtos naturais como diamantes e
urânio, por exemplo.
Os bens não ubíquos devem ser divididos entre aqueles que têm alto conteúdo
tecnológico e, portanto, são de difícil produção (aviões, por exemplo) e aqueles que são
altamente escassos na natureza, por exemplo, diamantes, e, portanto, tem uma não ubiquidade
natural. Para controlar esse problema dos recursos naturais escassos na medição de

complexidade, os autores do Atlas usam uma técnica engenhosa: comparam a ubiquidade do
produto feito num determinado país com a diversidade de exportação de países que também
exportam esse produto. Por exemplo: Botsuana e Serra Leoa produzem e exportam algo raro
e, portanto, não ubíquo: diamantes brutos. Por outro lado, têm uma pauta exportadora
extremamente limitada e não diversificada. Temos aqui então casos de não ubiquidade sem
complexidade. Por outro lado, poderíamos citar equipamentos médicos de processamento de
imagem (raio-X), algo que praticamente só Japão, Alemanha e Estados Unidos conseguem
fabricar, certamente um produto não ubíquo. Só que nesse caso a pauta exportadora de Japão,
EUA e Alemanha são extremamente diversificadas, indicando que esses países são altamente
capazes de fazer várias coisas. Ou seja, não ubiquidade com diversidade significa
“complexidade econômica”. Um país que tenha uma pauta muito diversificada, mas em bens
ubíquos (peixes, tecidos, carnes, minérios, etc…) não apresenta grande complexidade
econômica; faz o que todos fazem. Dessa forma, diversidade sem não ubiquidade significa falta
de complexidade econômica.
Uma das grandes virtudes desses indicadores de complexidade econômica (ECI) e de
produtos (PCI) é que não há considerações sobre questões qualitativas relevantes para a
produção e exportação desses bens. Ou seja, não há juízo de valor em relação ao que se
considera complexo ou não complexo. Nessa linha de raciocínio os autores seguem
classificando diversos países e chegam a correlações robustas entre níveis de renda per capita,
desigualdade econômica e complexidade econômica (HAUSMANN et al, 2011 e HARTMAN
et al, 2015). Japão, Alemanha, Estados Unidos, Reino Unido e Suécia estão sempre entres os
10 primeiros países nos rankings de complexidade dos últimos 10 anos. O desenvolvimento
econômico pode ser tratado como o domínio de técnicas de produção mais sofisticadas que em
geral levam a produção de maior valor adicionado por trabalhador, como defendiam os
clássicos. É isso que o indicador de complexidade econômica acaba capturando de forma

bastante engenhosa a partir de medidas de ubiquidade e diversidade da pauta exportadora dos
diversos países. Os resultados do Atlas também apontam na direção sugerida pelos clássicos
do desenvolvimento econômico para padrões de especialização no comércio mundial: países
ricos se especializam em mercados de manufaturas e países pobres em mercados de
commodities, algo que exploraremos abaixo com mais profundidade.
Nesse sentido o Atlas da Complexidade Econômica também traz uma contribuição
empírica importante; ao calcular a probabilidade de produtos serem co-exportados por diversos
países, o Atlas cria uma medida interessante sobre conhecimento produtivo contido nos
produtos e capacidades locais necessárias para produzi-los: o “espaço produtivo” (HIDALGO
et al, 2007). Quanto maior a probabilidade de dois produtos serem co-exportados maior a
indicação de que contem características similares e de que, portanto, demandam capacidades
produtivas similares para serem produzidos, são produtos “irmãos” ou “primos”. O indicador
de co-exportação acaba funcionando como uma medida de encadeamento de conhecimento
produtivo entre produtos, ou seja, ele indica as conexões produtivas existentes entre vários bens
graças aos pré-requisitos comuns necessários para produzi-los. Os bens que tem muita
conectividade estão, portanto, carregados de potencial de conhecimento e tecnológico o que os
torna hubs de conhecimento; enquanto que bens com baixa conectividade requerem
capacidades produtivas simples e que tem baixo potencial multiplicativo de conhecimento.
Por exemplo, países que produzem motores de combustão avançados provavelmente
têm engenheiros e conhecimentos que permitem produzir uma série de coisas similares e
sofisticadas. Países que produzem só bananas ou frutas tem conhecimentos limitados e
provavelmente serão incapazes de fazer bens mais complexos. É importante frisar aqui que
toda dificuldade para se observar isso decorre da incapacidade de se medir e capturar
diretamente essas competências produtivas locais. O que se observa no comércio internacional
são os produtos e não as habilidades que os países têm em produzi-los. Do ponto de vista

empírico, fica claro no Atlas que manufaturas se caracterizam em geral como bens mais
complexos e commodities aparecem como bens não complexos. Das 34 principais comunidades
de produtos calculadas a partir de um algoritmo de compressão do Atlas (ROSVALL &
BERGSTROM, 2007), é possível observar que maquinário, produtos químicos, aviões, navios
e eletrônicos se destacam como bens mais complexos e conectados entre si (ou seja, hubs de
conhecimento). Por outro lado, pedras preciosas, petróleo, minerais, peixes e crustáceos, frutas,
flores e agricultura tropical apresentam baixíssima complexidade e conectividade. Cereais,
têxteis, equipamentos para construção e alimentos processados situam-se numa posição
intermediaria entre os bens mais complexos e menos complexos.
Big data, redes complexas scale-free, power laws e hubs
O tema da complexidade ganhou destaque em economia com os trabalhos de Brian
Arthur na liderança do Instituto Santa Fé no Novo México no final dos anos 80 (ARTHUR,
2015; FOSTER, 2005). Com aplicações em várias frentes, a perspectiva de sistemas dinâmicos
complexos tem sido aplicada em diversos campos de pesquisa em economia e outras ciências.
Estas aplicações são usadas, por exemplo, em teoria dos jogos, ciência política, biologia, física,
entre outros. Em economia as aplicações originais foram em modelagem de funcionamento de
mercados financeiros, regras de tomada de decisão de agentes individuais em variados
contextos e estudos sobre path dependence ou dinâmicas tecnológicas que dependem de sua
trajetória inicial graças a presença de retornos crescentes. O Altas da Complexidade Econômica
de 2011 apresentado na seção anterior combina avanços dessa discussão de complexidade com
a tecnologia de Big Data para criar talvez um dos mais modernos e relevantes banco de dados
da atualidade para analise do comércio mundial. O termo Big Data vem sendo utilizado
atualmente em diversos contextos para descrever a crescente explosão de dados disponíveis no
universo digital; na sua raiz, o termo se refere a análise de um grande volume e variedade de
dados com grande velocidade.

Figura 1: Redes complexas randômicas e scale-free
Fonte: Barabasi (2002)
Em uma compilação de suas contribuições para a ciência das redes complexas scale-
free Barabasi (2002) explica de forma detalhada suas novas contribuições para a ciência das
redes no contexto de Big Data para diversos campos do saber; alguns exemplos práticos
principais são a própria internet, a rede de atores e filmes de Hollywood, redes biológicas e a
malha aérea americana, entre tantas outras. O caso da malha aérea americana (ver FIG.1)
apresentado por Barabasi (2002) demonstra o conceito de rede complexa scale-free com hubs
que usaremos em nossa analise empírica de forma bastante intuitiva. A rede do sistema
rodoviário americano com muitos nós de conexão (cada cidade é um nó) e sem hubs relevantes
é uma rede randômica. A rede da malha aérea é o exemplo oposto: uma rede complexa com
hubs (ou nós grandes com muitas conexões) e, portanto, não randômica ou scale-free. Existem
alguns poucos hubs que concentram a maioria das conexões (Chicago, Nova Iorque, Houston,
LA, etc). Nesse tipo de rede complexa e não randômica, alguns poucos hubs tem a maioria dos
links ou conexões e os outros tantos nós têm pouquíssimas ou nenhuma conexão. Uma nova
cidade que tente competir em termos de receber e enviar voos terá grande dificuldade ao tentar
competir com os hubs. Sua posição de “nó comum” na rede dificulta demais a entrada nesse

mercado. A rede é considerada scale-free pois o número de links dos nós não segue um padrão
bem-comportado, segue uma distribuição do tipo power law.
Numa rede randômica os nós têm uma quantidade aleatória de links. Numa rede
complexa scale-free e com hubs, alguns nós têm a maioria dos links e a grande maioria dos
outros nós tem pouquíssimos links. Uma distribuição gaussiana caracteriza o primeiro tipo de
rede enquanto que uma distribuição do tipo power law caracteriza o segundo tipo de rede. Em
redes não randômicas existe uma hierarquia onde os hubs mandam pois tem muito mais acesso
aos outros links do que os nós “comuns”, reina uma “topocracia” (ver Borondo et al, 2014).
Existe uma competição desigual no sentido de que ao longo do tempo um determinado
nó coletou muitas arestas e virou um hub, com mais acesso a outras arestas. Um nó comum
tem muita dificuldade de competir com um hub pois parte de uma situação inicial pobre em
termos de estoque de links acumulados. Barabasi e sua equipe criaram um modelo simplificado
que reproduz com incrível precisão esse tipo de dinâmica de redes encontradas na vida real.
Trata-se de um modelo simples com três regras: i) uma rede que cresce com novos nós sendo
incorporados por links a outros nós a cada momento do tempo; ii) uma regra de conexão
preferencial onde cada novo nó prefere se conectar a um nó já existente com muitas conexões
(preferencial attachment) e iii) fitness: alguns nós tem competência maior do que outros para
acumular links, o que pode em tese ajudar um nó novo a superar a dificuldade de não ter links
quando entra na rede.
Com essas três regras Barabasi e sua equipe reproduzem em termos formais as
características desse tipo de rede encontrada no mundo real; inclusive em termos de surgimento
de distribuições do tipo power laws conforme destacamos acima no caso da malha aérea
americana. O mecanismo de preferential attachment de Barabasi nada mais é do que a
conhecida dinâmica de retornos crescentes ilustrado com a urna por Polya e depois
generalizado para várias urnas por Yules. H. Simon mostrou que power laws surgem como

consequência possível de processos do tipo Yules (NEWMAN, 2010). Para estudos em
economia essas descobertas são de grande importância pois formalizam e trazem um ganho
analítico enorme para insights e regularidades empíricas importantes já conhecidas. Esse tipo
de análise traz muitas novas conclusões, especialmente para as discussões da nova geografia
econômica e comércio internacional1. Esse tipo de dinâmica das redes de Barabasi ilustra bem
os processos de retornos crescentes e “path dependent” analisados por Arthur (2015) em seus
trabalhos sobre complexidade.
A rede complexa scale-free do comércio internacional
O primeiro passo de nossa abordagem empírica consistiu em estudar a estrutura dos
mercados dos produtos do comércio internacional para o ano de 2013 (base mais atualizada
disponível no Observatório da Complexidade Econômica, ver apêndice). Para tanto seguimos
uma metodologia de analise de número de arestas entre países (nós). Nosso banco de dados
final e completo após diversas filtragens em relação a dados faltantes resultou numa rede
comercial com 101 países e 762 produtos (Standard International Trade Classification – SITC
- revisão 2 com 4 dígitos) que geram 1.756.224 arestas. Um nó da rede representa um país e
cada aresta representa um produto que sai de um nó (país de origem) e chega a outro nó (país
de destino). Quanto mais arestas tiver um país em determinado mercado, maior será sua
relevância segundo nossa metodologia. A ideia econômica aqui é que muitas conexões ou
arestas de um pais num determinado produto mostram que esse país tem vantagens
comparativas reveladas importantes neste mercado. Existem n fatores capazes de explicar essas
vantagens comparativas dos países em vários mercados: i) vantagens locacionais em termos de
baixo custo de transporte, ii) abundância relativa de recursos naturais, iii) mão de obra barata
ou especializada na produção de determinados bens, iv) domínio tecnológico e assim por
diante. A rede a seguir (Fig.2) ilustra o mercado total de blown glass (produto top 1 do
1
Krugman et al (1999) entre outros já haviam destacado.

Observatorio da Complexidade em 2013) com todos os países conectados por suas arestas.
Trata-se de uma rede com 133 nós e 962 links que conectam todos os países entre si segundo
produto que vai do pais A para o pais B medido por presença ou não de exportações de A para.
Os hubs maiores dominam o comércio desse mercado, os nós menores têm pouca relevância e
em geral só recebem produtos.
Figura 2: Mercado mundial de blown glass em 2013
Fonte: Elaboração Própria
A rede plotada acima representa um único mercado para fins de visualização da
metodologia que aqui utilizamos. Para se entender a rede global de comércio total para nossa
base de dados basta se imaginar a rede acima para os outros 761 produtos. Teremos então uma
rede com 1.756.224 links conectando 101 países a 762 produtos. Nossa preocupação empírica

maior no estudo dessa rede global completa foi identificar países mais relevantes para
mercados específicos e para a rede total a partir da contagem de arestas. A metodologia de
identificação de hubs comerciais através da analise de arestas nos parece ser uma alternativa
interessante e inovadora em relação a estratégia de medir a participação de cada país em termos
de valor exportado em dólares correntes de determinado produto relativo ao valor total do
mercado; rotina essa já feita por Hausmann et al (2011). A metodologia de analise de arestas
nos permite também executar um algoritmo para detectar a presença de power laws e hubs na
rede principal de comércio global (com todos os países e todos os produtos) e nos diversos
mercados específicos de produto. Um país ou nó com excessiva quantidade de links ou arestas
foi por nós considerado um hub seguindo a metodologia de Barabasi (2002) apresentada acima.
Nos gráficos abaixo (Fig. 3) desenhamos as redes de comércio dos mercados de semestes de
gergilim, urânio e thorium, vidros e equipamentos óticos em termos de hubs e nós para ilustrar
de forma visual a metodologia (produtos bottom 2 e top 2 do Atlas em termos de complexidade
medida por PCI). O tamanho dos nós dos países representa a participação de cada país nas
exportações daquele produto, já a intensidade da cor dos nós indica o número de conexões que
aquele país tem no comércio mundial do produto.
Pode-se perceber em inspeção visual que existem vários nós relevantes nesses
mercados e alguns hubs maiores. O algoritmo para detecção de power laws e hubs que rodamos
encontrou resultado positivo para um terço dos mercados SITC e para a rede como um todo.
Fizemos aqui a busca por power laws com a utilização do package poweRlaws disponibilizado
para o software estatístico R. São considerados neste procedimento os dados contidos na base
de dados com o universo de 762 produtos e uma rotina que captura a distribuição de links de
países para cada produto e calcula a lei de potência pelo método de “Maximum Likelihood
fitting” descrito por Newman (2010). A equação investigada segue a forma:

- 43
𝑥+
𝛼 ≃ 1 + 𝑛 log
𝑥,+- − 0,5
+23
Figura 3: quatro mercados SITC e seus países em 2013
Fonte: Elaboração própria
Em que 𝛼 é o parâmetro da lei de potência, n é o número de elementos no vetor onde
estão contidos os dados, 𝑥+ é o valor da variável i no vetor x e 𝑥,+- é o mínimo valor de x onde
se inicia a lei de potência, caso exista. A tabela abaixo mostra como ficou a distribuição dessas
leis de potência após as análises com todos os 762 produtos nos países amostrados.
Tabela 1: Distribuição de Power Laws na amostra.
Coeficiente
alpha Porcentagem

alpha = a<1 0%
alpha =
1<a>2 25%
alpha =
2<a>3 34%
alpha = a>3 41%
Total 100%
Fonte: Elaborado pelos autores.
De acordo com a tabela acima nenhum mercado se encontra na situação de linearidade
ou sub-linearidade, ou seja, a medida em que cresce o número de links, a taxa de crescimento
de links é menos que proporcional ou proporcional ao crescimento. Da amostra, 25% dos
produtos apresentam super-linearidade, ou seja, a medida em que cresce a quantidade de
arestas, o número deles cresce mais do que proporcionalmente. Para leis de potência, que são
valores do parâmetro alpha entre dois e três temos 34% dos resultados. Nos chamou a atenção
de modo geral a grande concentração produtiva de alguns desses 762 mercados analisados,
além da rede comercial como um todo. Algo que certamente se aproxima de medidas de
concentração do tipo HHI feitas para o mercado mundial. A título de curiosidade, encontramos
resultados muito parecidos em termos da metodologia por nós aqui seguida com medidas do
tipo HHI para os mercados de soja, trigo e café (ver Oladi & Gilbert, 2012). Conclusões mais
aprofundadas sobre esse tema demandariam mais estudos numa rota de pesquisa futura que
parece ser promissora para outros trabalhos.
Seguindo a ideia de classificação de complexidade dos produtos que resulta no
indicador PCI, fizemos também uma analise do total de arestas de cada pais ponderada pela
qualidade da aresta. O objetivo foi capturar a qualidade das arestas dos diversos países. Assim
se um pais A tem muitas arestas em um mercado de baixa complexidade (digamos gergilim),
suas capacidades produtivas são provavelmente piores do que a de um pais B que tem poucas
arestas mas num mercado muito complexo (digamos instrumentos óticos). A título de exemplo
e visualização, os mapas abaixo (Fig. 4) mostram as arestas de Suíça e Japão (top 2 do ranking

de complexidade) e de Mauritania e Yemen (bottom 2 do ranking) em termos de produtos SITC
produzidos e exportados. Arestas azuis representam produtos complexos com PCI acima de 0
e arestas vermelhas representam produtos não complexos com PCI abaixo de 0. O tamanho dos
nós dos produtos representa a participação de cada produto nas exportações do daquele país, já
a intensidade da cor dos nós indica o número de conexões que aquele país tem no comércio
mundial do produto.
Figura 4: Quatro países e seus produtos em 2013
Feita a análise de arestas e detecção de Hubs, partimos para o segundo passo de nossa
metodologia que consistiu em analise de regressões para melhor estudar a rede com os 101
países da amostra, 762 produtos e 1.756.224 links para detectar possíveis padrões do tipo centro

periferia. Nosso objetivo nessa segunda etapa da análise empírica foi analisar possíveis padrões
produtivos em termos de renda per capita, quantidade e tipo de arestas e grau de complexidade
dos produtos exportados. A regressão abaixo (Fig 5) mostra os resultados principais. Os países
hub com maior número de arestas se concentram no centro da rede, os países que tem menor
número de arestas aparecem na periferia da rede.
Figura 5: Regressão entre número total de links e renda per capita (PPP)
A regressão acima mostra que há uma correlação importante entre o número total de
arestas de cada país e sua renda per capita; quanto mais próximo do centro da rede global de
comércio esta o pais, maior é sua renda per capita. Tanto número total de links quanto renda
per capita aumentam de forma não linear entre países. Usamos aqui a ideia de número total de
arestas como medida de centralidade na rede seguindo a literatura sobre o tema2. Fizemos
2 Ver degree centrality em Newman (2010).

também regressões usando uma transformação do número de links de produtos não ponderados
para ponderados segundo a classificação PCI dos produtos mencionada acima. Nesse segundo
exercício demos maior peso a produtos complexos nos links dos países e menor peso a produtos
não complexos. Os resultados em termos de R2 e significância se mantiveram, mostrando que
a proximidade ou não do país em relação ao centro da rende se mantem para a analise com
links qualificados ou não qualificados.
Ou seja, os países do centro são hubs tanto em termos da gama total de produtos do
comércio mundial como em termos da gama qualificada dos produtos mais complexos. O
número total de arestas também se correlaciona fortemente com a complexidade do pais
conforme se observa no gráfico abaixo (Fig. 6). Mais uma indicação de que países que se
sofisticaram e conquistaram muitos mercados foram capazes de desenvolver capacidades
produtivas em inúmeros produtos. Isso vale tanto para países de população grande quanto
pequena conforme análise que fizemos (ver apêndice). Um próximo passo empírico para um
futuro trabalho poderia ser analisar a relação entre renda per capita, total de arestas dos países
e os controles tradicionais da literatura de crescimento econômico (média de anos de estudo,
qualidade das instituições, etc.); um trabalho que poderia explorar as conexões entre a
abordagem de redes aqui apresentada e a tradicional literatura de determinantes do
crescimento.
Os dados gerais apresentados nessa seção nos indicam que os países com a maior
quantidade de links, tanto em termos de produtos não qualificados como em termos de produtos
qualificados por PCI, são países ricos, são hubs do comércio mundial. Os simples nós são
países pobres. China e Índia se destacam muito na rede mundial de 2013 mostrada acima.
Apesar de terem renda per capita relativamente baixa ainda por conta da enorme população,
conseguiram acumular uma enorme quantidade de links nos últimos 10 anos. Em termos de
arestas complexas deixam um pouco a desejar, especialmente a Índia. EUA, Alemanha, Japão

e Coreia do Sul aparecem no centro da rede, são os “usual suspects”; tem milhares de arestas
de alta complexidade. Esses resultados apontam exatamente na direção do que diziam os
autores cepalinos: países de renda per capita elevada se concentram na produção e exportação
de bens manufaturados e complexos no centro da rede de comércio mundial, países de renda
per capita baixa se concentram na produção e exportação de commodities não complexas na
periferia da rede. Países ricos da Europa, América do Norte e Ásia estão no centro da rede de
comércio mundial. Países pobres da África, América Latina e Ásia estão na periferia da rede.
Figura 6: Regressão entre número total de links e complexidade (ECI)
Quanto a críticas e possíveis problemas da metodologia aqui apresentada, talvez a
maior falha do método seja usar unicamente dados de exportações como proxies da estrutura
produtiva dos diversos países. Trata-se de fato de uma fragilidade pois sabemos que muitos
países produzem, mas não exportam bens por n motivos. Toda a análise aqui empreendida se

baseia no que podemos "ver" nos dados de comércio mundial; uma base ampla, desagregada,
padronizada e com histórico desde os anos 60. A grande vantagem dessas bases de comércio
está justamente na padronização, capilaridade e longevidade dos dados; a desvantagem está em
não captar todas as questões internas idiossincráticas de cada país. Por outro lado, as bases de
contas nacionais que poderiam ter esses dados não conseguem capturar, ainda, o mesmo tipo
de informação com a granularidade necessária para o tipo de análise que aqui fizemos; são, em
geral, bases com poucas camadas de desagregação produtiva. Um outro problema do banco de
dados é não identificar os países que são maquiladores: aqueles que simplesmente importaram
e depois exportam produtos complexos. O caso mais conhecido é o México. Schteingart (2014)
faz um interessante trabalho para qualificar a complexidade “genuína” de países levando em
conta número de patentes registradas e gastos em P&D como porcentagem do PIB; uma via
que poderá ser seguida no futuro para aperfeiçoar a metodologia de analise de redes aqui
sugerida.
Conclusões
Em certa medida os resultados da análise de mercados, países e hubs aqui apresentados
com base em análises de complexidade, contagem de arestas e níveis de renda per capita eram
esperados; a investigação empírica do Atlas da Complexidade já apontava nessa direção. O
Atlas faz regressões de renda per capita e complexidade de países, usando as tradicionais
variáveis de controle da literatura sobre o tema. Aqui seguimos a via de detectar hubs e redes
complexas scale-free em cada mercado e na rede geral de comércio mundial. Os resultados
parecem bastante promissores no sentido de mostrar novo conteúdo empírico importante para
antigas ideias em economia. A novidade deste trabalho está em analisar especificamente o
mercado de cada produto em termos de concentração e países dominantes e da rede de comércio
global completa. Com medidas de concentração baseadas em número de arestas, hubs e power

laws pudemos identificar a predominância ou não de países desenvolvidos em cada mercado
do rol de produtos para 2013 e na rede de comércio como um todo
Na ótica das redes complexas aqui apresentada, poderíamos dizer que a capacidade de
cada país de coletar links no comércio mundial depende de suas capacidades produtivas. Os
países mais complexos, nos termos do Atlas, foram capazes de coletar muitos links de melhor
qualidade (medidos por PCI). Os países pobres coletaram poucos links e de baixa qualidade.
Todo o processo histórico que levou a fotografia da rede mundial de comércio em 2013 que
apresentamos se deu num ambiente de enormes retornos crescentes, num mundo de power
laws. Nesse ambiente, países que já coletaram muitas arestas têm facilidade de coletar ainda
mais na margem. Países que coletaram poucas arestas têm mais dificuldades de progredir. Os
breakthroughs do estado de poucos links de baixa qualidade para muitos links de alta qualidade
são possíveis, mas extremamente difíceis. Um potencial de pesquisa futuro da perspectiva aqui
apresentada poderia ser a analise a dinâmica da rede de comércio que aqui estudamos só para
o ano de 2013.
Serrano & Boguñá (2003) chegam a conclusões semelhantes as nossas sobre as
características scale-free da rede de comércio mundial. A diferença de nossa análise é que
incorporamos os avanços de Hidalgo et al (2007), Hausmann et al (2011) e Hidalgo &
Hausmann (2011) em relação à análise de complexidade de produtos no comércio mundial.
Fizemos então nesse trabalho uma nova análise da topologia da rede de comércio entre países
levando-se em consideração as novas descobertas sobre complexidade econômica. Utilizamos
também um banco de dados em nível mais desagregado em relação ao trabalho de Serrano &
Boguñá (2003). Os resultados empíricos baseados nas metodologias computacionais para
análise das redes aqui reportados apontam na direção do que diziam os economistas cepalinos
e estruturalistas. As correlações encontradas entre os hubs e complexidade econômica (ECI)
indicam que o centro da rede de comércio mundial tem uma estrutura produtiva especializada

em produzir e exportar bens complexos, sofisticados e industrializados; a periferia da rede
scale-free complexa de comércio mundial tem uma estrutura voltada para a produção e
exportação de commodities. Seguindo o pensamento cepalino poderíamos, então, concluir que
o desenvolvimento econômico continuará sendo tarefa bastante árdua para esses países mais
pobres até que sejam capazes de transformar sua estrutura produtiva no sentido de conseguir
produzir e exportar bens mais complexos.
Referências
Guirro, A. B., & Silva, H. M. R. d. (2006). Modelo de sistema viável (Viable System Model -
VSM). In D. P. Martinelli & C. A. A. Ventura (Eds.), Visão sistêmica e administração:
conceitos, metodologias e aplicações. São Paulo: Saraiva.
Abbate, A., Benedicts, L., Fagiolo, G., Tajoli, L., (2013) “The International Trade Network in
Space and Time, SSRN Electronic Journal, April
Arthur, W., B. (2015), Complexity and the Economy, Oxford University press, New York.
Barabasi, A.L. (2002) Linked: How Everything Is Connected to Everything Else and What It
Means for Business, Science, and Everyday Life, Basic Books ed. NY
Barabasi A.L., (2016) Network Science, http://barabasi.com/networksciencebook/
Barigozzi, M., Fagiolo, G., Garlaschelli, D., (2010) “Multinetwork of international trade: A
commodity-specific analysis, Physical Review E, April
Bianchi, A.,M., and Salviano, C. Jr (1999) “Raul Prebisch and the beginnings of the Latin
American School of Economics: a rhetorical perspective”, Journal of Economic
Methodology, Volume 6, Issue 3, 1999 pages 423-438 DOI:
10.1080/13501789900000026
Bresser-Pereira, L.C., (2014), A construção política do Brasil, editora 34, São Paulo, Brazil

Bresser-Pereira, L.C., (2016), “Reflecting on new developmentalism and classical
developmentalism”, Revista de Economia Política, vol. 36, nº 2 (143), pp. 237-265,
abril-junho/2016
J. Borondo, F. Borondo, C. Rodriguez-Sickert, C. A. Hidalgo (2014), “To Each According
to its Degree: The Meritocracy and Topocracy of Embedded Markets”, Scientific
Reports 4, Article number: 3784 doi:10.1038/srep03784
Chang, H.,J., (2003), Rethinking Development Economics, Ha-Joon Chang (ed.), Anthem
Press, London
Cristelli M, Gabrielli A, Tacchella A, Caldarelli G, Pietronero L (2013) “Measuring the
Intangibles: A Metrics for the Economic Complexity of Countries and Products”, PLoS
ONE 8(8): e70726. doi:10.1371/journal.pone.0070726
Deguchi, T., Takahashi, K., Takayasu, H., Takayasu M. (2014) “Hubs and Authorities in the
World Trade Network Using a Weighted HITS Algorithm”, PLOS ONE 9(7): e100338.
doi:10.1371/journal.pone.0100338
Felipe, J., Kumar, U., Abdon, A., Bacate, M. (2012), “Product complexity and Economic
Development”, in Structural Change and Economic Dynamics, June
Fagiolo. G., Reyes,J., Schiavo. S., (2008) “The Evolution of the World Trade Web. A
Weighted-Network Analysis”, Journal of Evolutionary Economics August, Volume
20, Issue 4, pp 479-514
Foster, J., (2005) “From simplistic to complex systems in economics”, Cambridge Journal of
Economics 29, 873–892, doi:10.1093/cje/bei083
Hausmann, R.; Hidalgo, C.A.; Bustos, S.; Coscia, M.; Chung, S.; Jimenez, J.; Simões, A.;
Yildirim, M. A. (2011) The Atlas of Economics Complexity – Mapping Paths to
prosperity. Puritan Press

Hidalgo, C. (2015) Why information grows: the evolution of order, from Atoms to Economies,
ed. Basic Books, NY
Hartmann, D., Guevara, M.R., Jara-Figueroa, C., Aristarán, M. Hidalgo, C.(2015), “Linking
economic complexity, institutions and income inequality”, arXiv:1505.07907 [q-
fin.EC]
Hidalgo, C; Hausmann, R. (2011) “The network structure of economic output”, Journal of
Economic Growth, 16(4), pp. 309-42
Hidalgo, C. A., Klinger, B, Barabasi, A., L., and Hausmann, R., (2007) “The product space
conditions the development of nations”, Science 27 july: 317 (5837), 482-487.
Doi:10.1126/science.1144581
Johnson, N., F., (2007), Simply Complexity, a clear guide to complexity theory, Oneworld
publications, Oxford
Kaldor, N., (1966) “Causes of the slow rate of economic growth of the United Kingdom”, in:
Further Essays On Economic Theory, New York, Holmes & Meier Publisher.
Kattel, R. and Reinert, E., (2009) “The relevance of Ragnar Nurkse and classical development
economics,” The other canon foundation and Tallinn university of technology working
papers in technology governance and economic dynamics n21
Kattel, R. and Reinert, E., (2010) “Modernizing Russia: round iii. Russia and the other bric
countries: forging ahead, catching up or falling behind?”, The Other Canon foundation
and Tallinn university of technology working papers in technology governance and
economic dynamics n32
Krugman, p., Fujita, and Venables (1999) The Spatial Economy, cities regions and
international trade, Mit Press
Lall, S, Weiss, J., and Zhang, ., (2005) “The ‘sophistication’ of exports: a new measure of
product characteristics”, ADB Institute Discussion Paper No. 23

Newman, M.E.J., (2010) Networks, an introduction, Santa Fe Institute, Oxford University
Press
Oladi, R., and Gilbert, J. (2012) “Buyer and Seller Concentration in Global Commodity
Markets”, DOI: 10.1111/j.1467-9361.2012.00667.x, Review of Development
Economics, Volume 16, Issue 2, pages 359–367, May 2012
Palma, G., (2010) “Why has productivity growth stagnated in most Latin American countries
since the neo-liberal reforms?” May, Cambridge Working Papers in Economics n1030
Reinert, E. (2008) How rich countries got rich and why poor countries stay poor, Ed. Public
Affairs
Reinert, E., (2010) “Developmentalism,” The other canon foundation and Tallinn University
of technology working papers in technology governance and economic dynamics n34
Reinert, S. (2011), Translating Empire, Emulation and the Origins of political economy,
Harvard University Press
Rocha, I., L. (2015), "Essays on Economic Growth and Industrial Development: A comparative
analysis between Brazil and South Korea", PhD Thesis, University of Cambridge.
Rosvall, M. and Bergstrom, C. (2008) “Maps of random walks on complex networks reveal
community structure,” Proceedings of the National Academy of Sciences 105, 1118
Schteingart, D. (2014) “Estructura productivo-tecnológica, inserción internacional y
desarrollo”, Tesis de Maestría en sociología económica, Idaes-Unsam, Buenos Aires
Serrano, A. and Boguñá, M. (2003) “Topology of the world trade web”, Physical Review E 68,
015101(R), July
Sinha, S., Chatterjee, A., Chakraborti, A., Bikas K. (2010) Econophysics: An Introduction, 1st
Edition, Wiley-VCH
Thirlwall, A. P. (1979) “The balance of payments constraint as an explanation of international
growth rates differences”, Banca Nazionale del Lavoro Quarterly Review, v. 128

Apêndice
Regressões
ppc – per capita income PPP (2013)

eci – complexity index (2013)
link_p – adjusted total links
link – non adjusted total links
Base de dados
http://atlas.media.mit.edu/en/resources/data/

CEPAL

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

CEPAL

Încărcat de

Drepturi de autor:

Formate disponibile

12º Congresso Complexidade

A CEPAL ESTAVA CERTA:

REDES COMPLEXAS SCALE-FREE E PADRÕES CENTRO-

PERIFERIA NO COMÉRCIO MUNDIAL

Paulo Gala Jhean Camargo

América Latina (CEPAL) e economistas estruturalistas em geral está em perceber que a

desenvolvimento econômico dos diversos países sem se estudar as especificidades tecnológicas

cepalinos e estruturalistas o desenvolvimento econômico nada mais é do que a sofisticação

produtiva de uma economia, partindo-se de produtos simples e chegando-se em produtos

sofisticados e complexos. Para esses clássicos do desenvolvimento econômico, o aumento de

produtividade viria justamente da subida da escada tecnológica, migrando de atividades de

baixa qualidade para as atividades de alta qualidade, rumo à sofisticação da economia

(BRESSER-PEREIRA, 2016). Para isso, a construção de um sistema industrial complexo e

diversificado é fundamental, sujeito a retornos crescentes de escala, altas sinergias e linkages

entre atividades (REINERT, 2010). A especialização em agricultura e extrativismos não

permitiria esse tipo de evolução tecnológica.

Como medir empiricamente essas proposições dos economistas clássicos do

desenvolvimento? Idealmente se poderia estudar os participantes e as estruturas dos mercados

dos principais produtos do mundo revelados no comércio mundial. Se a proposição dos

mais elevada se especializando na produção de bens manufaturados e países pobres se

especializando em atividades mais ligadas a produção de commodities; algo, fácil de se

12º Congresso Brasileiro de Sistemas ISSN: 2446-6700

técnicas de econofísica para testar as hipóteses dos clássicos do desenvolvimento econômico.

Como mostraremos adiante, a concentração do comércio mundial de commodities nas mãos de

importante para a hipótese estruturalista da diferente configuração produtiva do centro e da

Outros trabalhos de econofísica já usaram redes complexas scale-free para estudar o

medir a complexidade produtiva de países e produtos no comércio mundial. O objetivo

estruturalistas. Um objetivo secundário do trabalho será ilustrar o potencial das abordagens da

economistas estruturalistas entre desenvolvimento econômico e comércio internacional. A

seção 2 do trabalho trata das medidas de sofisticação produtiva do Atlas da Complexidade

12º Congresso Brasileiro de Sistemas ISSN: 2446-6700

seção conclui o texto.

Clássicos do desenvolvimento econômico

Os antigos economistas do desenvolvimento, também conhecidos como estruturalistas,

dividiam-se em duas principais correntes: uma anglo-saxã e outra latino-americana. Ambas as

vertentes baseavam suas análises sobre desenvolvimento econômico em conceitos de linkages

ou ligações produtivas, complementaridades, armadilhas de pobreza, padrões centro-periferia

e dualismos. A visão estruturalista define o desenvolvimento econômico como uma

transformação radical na estrutura produtiva das economias no sentido de sofisticação do tecido

o ritmo quanto a direção do desenvolvimento econômico, a literatura estruturalista destaca a

importância da industrialização no processo de crescimento. Para os economistas

estruturalistas, sem um processo de industrialização robusto não é possível aumentar o

emprego, a produtividade e a renda per capita de um país e, consequentemente, reduzir a sua

pobreza. Para esses autores o processo de desenvolvimento envolve uma realocação da

crescentes de escala prevalecem.

Paul Rosenstein-Rodan, Ragnar Nurkse, Arthur Lewis, H. Singer, Albert Hirschman,

Gunnar Myrdal e Hollis Chenery pertencem ao grupo de pensadores econômicos associados

com o estruturalismo original ou clássicos do desenvolvimento. Suas contribuições seminais

desafiaram a visão neoclássica acerca da eficiência do mercado para promover a mudança

estrutural necessária para o processo de desenvolvimento econômico. Outra linha de

contribuições vem do chamado estruturalismo latino-americano, que está relacionado

principalmente à CEPAL cujas obras se integraram em uma escola de pensamento coerente no

12º Congresso Brasileiro de Sistemas ISSN: 2446-6700

periferia, com suas distintas estruturas produtivas.

Para todos esses autores clássicos do desenvolvimento econômico as atividades

produtivas são diferentes em termos de suas habilidades para gerar crescimento e

desenvolvimento. Atividades com altos retornos crescentes de escala, alta incidência de

e entre empresas são fortemente indutoras de desenvolvimento econômico (REINERT, 2009).

São atividades onde em geral predominam competição imperfeita e todas as características

desse tipo de estrutura de mercado (importantes curvas de aprendizagem, rápido progresso

de curvas de aprendizado e possibilidades de divisão do trabalho) (REINERT & KATEL,

Para esses economistas o aumento de produtividade de uma economia viria justamente

da subida da escada tecnológica, migrando de atividades de baixa qualidade para as atividades

de alta qualidade, rumo à sofisticação tecnológica do tecido produtivo (BRESSER-PEREIRA,