Portal InstitucionalUFPEL

Este projeto justifica-se tendo em vista o grave quadro fiscal em que os Municípios, Estados e a União se encontram. O aumento dos gastos discricionários compromete a manutenção dos gastos públicos essenciais e afeta negativamente a qualidade da infraestrutura necessária para garantir o desenvolvimento de longo prazo. Nesse sentido, há a necessidade de gerar dados confiáveis e robustos para o assessoramento no processo de tomada de decisão dos gestores nas decisões orçamentárias.

Conforme ressalta Mendonça e Medrano (2016), um bom modelo de previsão de arrecadação de tributos é de importância crítica para o governo. A elaboração de modelos de previsão para o resultado fiscal, bem como a identificação das principais variáveis preditivas devem servir de apoio para a construção de orçamentos, viabilizando a redução do nível de incerteza. No curto prazo, a previsão gerada por estes modelos auxilia na gestão do fluxo de receita e atua como indicador estratégico de mudanças conjunturais. No longo prazo, estas estimativas fornecem subsídios para a adoção de políticas econômicas que viabilizem mudanças estruturais.

No Brasil, a necessidade de previsão da arrecadação tributária federal, estadual e municipal é ainda mais relevante, uma vez que a Lei de Responsabilidade Fiscal, em seu artigo 12, estabelece a obrigatoriedade da previsão de receitas tributárias, através de métodos e premissas adequadas.

Assim, o presente estudo, ao alcançar os objetivos delineados na seção anterior, procura contribuir para um ajuste mais adequado das contas públicas, assessorando a tomada de decisão da Secretaria da Fazenda do Estado do Rio Grande do Sul.

Para realizar projeções adequadas das receitas e despesas do orçamento do Estado do Rio Grande do Sul, propõe-se a elaboração e estimação de diversos modelos de previsão baseados em séries de tempo, incluindo modelos univariados, multivariados e de aprendizagem estatística, além da construção de cenários para as variáveis preditivas e a realização de projeções para horizontes de tempo de curto e longo prazo.

Para a seleção dos modelos a serem estimados em cada uma das etapas será elaborada uma estratégia de validação que servirá como referência para testar a qualidade das previsões. É importante lembrar que a construção da etapa de validação é essencial para o sucesso dos modelos de previsão. Para isso, devemos separar a nossa amostra em uma parte utilizada para estimar e parametrizar o modelo, conhecida como conjunto treino, e uma parte para testar a qualidade das previsões, conhecida como conjunto teste. Existem diversos meios de realizar a validação, sendo que a maneira mais adequada depende da característica dos dados disponíveis. Como os dados utilizados serão séries temporais, a estratégia mais recomendada é a construção de janelas móveis para separação dos conjuntos treino e teste, definindo assim um número mínimo de observações iniciais e um horizonte de previsão utilizado para descolar as janelas e obter diversos conjuntos de validação (HYNDMAN e ATHANASOPOULOS, 2018).

Para avaliar a qualidade das previsões, é necessário a utilização de critérios para o ranqueamento dos modelos elaborados. A escolha de uma medida para avaliar a precisão das previsões em séries temporais, apesar de controversa, é de grande importância prática. Devido às suas propriedades estatísticas, as medidas populares nem sempre garantem resultados facilmente interpretáveis quando aplicadas na prática (HYNDMAN e KOEHLER, 2006). Entre as medidas que podem ser utilizadas neste projeto estão o Erro Quadrático Médio (MSE), o Erro Absoluto Médio (MAE), o Erro Absoluto Médio Ponderado (WMAE), o Erro Médio Percentual Absoluto (MAPE), o Erro Absoluto Relativo Médio (MRAE), entre outros.

Os resultados esperados deste projeto incluem:

a) Um relatório final contendo:
• A construção do referencial teórico e empírico;
• As etapas de diagnóstico dos dados de receitas e despesas;
• As etapas de descrição dos métodos;
• Os resultados relativos à previsão de ICMS para o Estado do RS, contemplando horizontes de curto prazo (diário e/ou mensal) e longo prazo (até 3 anos), incluindo as previsões setoriais e a nível de empresa para setores com alto grau de concentração, as estatísticas de avaliação preditiva para todos os modelos utilizados e a descrição da importância dos indicadores externos nas previsões, adaptados por setor;
• Os resultados relativos à previsão das receitas e despesas do Estado do RS, contemplando horizontes de curto prazo (diário e/ou mensal) e longo prazo (até 3 anos), as estatísticas de avaliação preditiva para todos os modelos utilizados e a descrição da importância dos indicadores externos nas previsões.

b) Algoritmos implementados em R contendo:
• A implementação das etapas de carregamento e ajustes dos dados de receitas e despesas;
• As etapas de validação dos modelos de previsão utilizados, com a construção de tabelas que resumem a qualidade preditiva de cada modelo para cada setor e empresa analisada, bem como para os valores agregados do ICMS, e os valores relativos a todas as receitas e despesas analisadas;
• As etapas de previsões univariadas dos indicadores preditivos, com a possibilidade de incluir cenários externos para as projeções destes indicadores;
• A etapa de compatibilização das previsões univariadas com as projeções externas dos indicadores;
• A implementação das previsões finais relativas a arrecadação de ICMS por setor e a nível de empresa, bem como a etapa de agregação hierárquica destas previsões;
• A implementação das previsões finais relativas as receitas e despesas do Estado do RS;
• A análise da importância dos previsores para modelos de previsão selecionados;
• A construção de gráficos e tabelas para visualização e interpretação dos resultados obtidos com a utilização do modelo.