Return to search

Previsão da receita tributária federal por base de incidência

Dissertação (mestrado)—Universidade de Brasília, Departamento de Economia, 2013. / Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2013-09-17T15:19:23Z
No. of bitstreams: 1
2013_FernandoCovelliBenelli.pdf: 1982978 bytes, checksum: 54fed8595b97c662d1b1f45e52df4419 (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2013-09-17T15:54:12Z (GMT) No. of bitstreams: 1
2013_FernandoCovelliBenelli.pdf: 1982978 bytes, checksum: 54fed8595b97c662d1b1f45e52df4419 (MD5) / Made available in DSpace on 2013-09-17T15:54:12Z (GMT). No. of bitstreams: 1
2013_FernandoCovelliBenelli.pdf: 1982978 bytes, checksum: 54fed8595b97c662d1b1f45e52df4419 (MD5) / O presente trabalho tem por objetivo aperfeiçoar a utilização de modelos de séries temporais para a previsão da arrecadação total das Receitas Federais, destacando para tal fim o emprego da modelagem multivariada, VAR, e a combinação de previsões. Atualmente, a Receita Federal do Brasil (RFB) emprega, na realização de suas previsões, o chamado Método dos Indicadores, o qual faz uso de procedimentos puramente aritméticos. Trabalhos anteriores têm demonstrado a superioridade, em termos de acurácia preditiva, dos modelos derivados da metodologia de séries temporais univariadas, notadamente a ARIMA, em relação ao método oficial da RFB. Sendo assim, optou-se, neste trabalho, em adotar as previsões da modelagem oficial como benchmark, em relação às quais serão avaliadas as previsões advindas da modelagem univariada, ARIMA, e multivariada, VAR, ou multivariada com correção de erro, VEC. Para efeitos de comparação, também foram realizadas combinações das modelagens uni e multivariadas. Foi ainda considerada a inclusão, nos sistemas VAR/VEC, de duas variáveis antecedentes do PIB: Selic, para um semestre à frente, e IBrX-100, para um trimestre à frente. Além da própria série de arrecadação federal, também foram modeladas cinco agregações de tributos, classificados de acordo com a base de incidência. A soma das previsões para cada uma dessas agregações originou uma nova fonte de previsão para o recolhimento total. Ademais, foram estimadas as funções impulso-resposta de cada grupo de incidência, a fim de avaliar a reação do volume de arrecadação a um choque na atividade econômica. As previsões foram efetuadas para 2010, e avaliadas segundo o critério RMSE, raiz do erro médio quadrático de previsão. Os resultados encontrados apontaram a modelagem VAR/VEC como a mais eficiente, em termos de acurácia preditiva, para a maioria dos grupos, aí incluídos os Tributos sobre a Renda, Tributos sobre a Folha de Salários (arrecadação previdenciária), Tributos sobre Transações Financeiras, Outros Tributos e Total das Receitas. Já para os Tributos sobre Bens e Serviços, a combinação das metodologias ARIMA e VAR/VEC mostrou os menores erros de previsão. Enfim, para o Total das Receitas, a modelagem multivariada gerou uma redução de 44% na RMSE e de 89% no erro de previsão anual, em relação ao Método dos Indicadores. _______________________________________________________________________________________ ABSTRACT / This work aims to improve the use of time series models to forecast the total collection of Federal Revenue, highlighting for this purpose the use of multivariate modeling, VAR, and the combination of forecasts. Currently, the Internal Revenue Service of Brazil (RFB) employs in making their predictions the Method of Indicators, which makes use of purely arithmetical procedures. Previous works have already shown the superiority ,in terms of predictive accuracy, of the models derived from the methodology of univariate time series ARIMA, notably in relation to the official method of RFB. Therefore, this work choose to adopt the official forecasts as a benchmark, for which shall be evaluated predictions arising from univariate ARIMA and multivariate VAR modeling, or multivariate error correction, VEC. For the purpose of comparison were also performed combinations of uni and multivariate modeling. It was also considered for inclusion in the VAR/ VEC systems, two antecedent variables of GDP: Selic, to a semester ahead, and IBrX-100, for a quarter ahead. Besides the own series of total federal revenues, five aggregates of taxes were also modeled, classified according to their base of incidence. The sum of the forecasts for each of these aggregations originated a new source of forecast for the full collection. Moreover, it was estimated the impulse-response function of each group of incidence, in order to evaluate the reaction of the storage volume to a shock on economic activity. The forecasts were made for 2010, and evaluated according to the RMSE criteria, root mean square error of prediction. The results indicated VAR / VEC models as the most efficient in terms of predictive accuracy, for most groups, including therein Income Taxes, Taxes on Payroll (Social Security revenue) Taxes on Financial Transactions, Other Taxes and Total Revenue. As for the Taxes on Goods and Services, the combination of methodologies ARIMA and VAR / VEC showed the lowest prediction errors. Anyway, for the Total Income, the multivariate modeling generated a 44% reduction in RMSE and 89% in the annual forecast error in relation to the Method of Indicators.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.unb.br:10482/14144
Date04 1900
CreatorsBenelli, Fernando Covelli
ContributorsFreitas, Paulo Springer de
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UnB, instname:Universidade de Brasília, instacron:UNB
RightsA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data., info:eu-repo/semantics/openAccess

Page generated in 0.0022 seconds