Previsão da arrecadação do FGTS através de modelos de séries temporais

• Autor(a) principal: Leite, Felipe Feijó
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional do FGV (FGV Repositório Digital)
• Texto Completo: https://hdl.handle.net/10438/33225
• topic: Séries temporais; Variáveis macroeconômicas; Box-Jenkins; VAR-VEC; FGTS; Fundo de garantia do tempo de serviço; Análise de séries temporais; Variáveis (Matemática); Previsão com Metodologia de Box-Jenkins; Auto-regressão (Estatística)

O estudo da previsibilidade através de modelos estatísticos mostra-se fundamental para subsidiar o processo decisório estratégico do planejamento orçamentário e financeiro do Fundo de Garantia do Tempo de Serviço (FGTS) através da projeção de cenários futuros da arrecadação bruta do fundo e, portanto, este é o objetivo da presente pesquisa. Os recursos do FGTS representam um funding altamente relevante para o Governo Federal financiar programas de habitação, saneamento básico, infraestrutura urbana e saúde, visando à melhoria das condições de vida da população brasileira. Ademais, o FGTS representa um papel de impulsionador da economia brasileira através de geração de empregos, renda e consumo. A responsabilidade de ser Agente Operador do fundo foi designada à Caixa Econômica Federal com a publicação da Lei n 8036, de 11 de maio de 1990. Dentre as diversas atribuições, destaca-se a de realização da peça orçamentária, onde a projeção de arrecadação é essencial. Para estudo e projeção das séries temporais de arrecadação bruta Nacional do FGTS foram consideradas variáveis macroeconômicas que refletem o comportamento da atividade econômica do Brasil e, portanto, demonstram sensibilidade com a Arrecadação do Fundo. Na modelagem estatística foram utilizados os modelos Box-Jenkins e o VAR-VEC com o objetivo de definir o melhor modelo de projeção da arrecadação bruta do FGTS para 48 meses à frente. Os resultados indicam que o modelo de autorregressão multivariado e com correção de erros VAR-VEC apresenta melhor desempenho na projeção de arrecadação do Fundo.