Previsão da arrecadação do FGTS através de modelos de séries temporais
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
FGV_c5a5f5cf84fc43b6ea9cfc8cdb5a32d1 |
---|---|
oai_identifier_str |
oai:repositorio.fgv.br:10438/33225 |
network_acronym_str |
FGV |
network_name_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
repository_id_str |
3974 |
spelling |
Leite, Felipe FeijóEscolas::EPGETeles, Caio Augusto ColnagoDe Souza, Rafael MartinsGonçalves, Edson Daniel LopesGonçalves, Edson Daniel Lopes2023-02-10T14:03:16Z2023-02-10T14:03:16Z2022-12-28https://hdl.handle.net/10438/33225O 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.porSéries temporaisVariáveis macroeconômicasBox-JenkinsVAR-VECFGTSFundo de garantia do tempo de serviçoAnálise de séries temporaisVariáveis (Matemática)Previsão com Metodologia de Box-JenkinsAuto-regressão (Estatística)Previsão da arrecadação do FGTS através de modelos de séries temporaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional do FGV (FGV Repositório Digital)instname:Fundação Getulio Vargas (FGV)instacron:FGVinfo:eu-repo/semantics/openAccessORIGINALFelipe Feijó Leite - Dissertação FGTS_vf.pdfFelipe Feijó Leite - Dissertação FGTS_vf.pdfPDFapplication/pdf854471https://repositorio.fgv.br/bitstreams/59095830-fdf1-4aa3-a2ae-15e01b1d767b/download724d2511d20c969127c223f23e9a351cMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-84707https://repositorio.fgv.br/bitstreams/0d0c362d-bf3c-4cce-9ae3-aa8f820574ac/downloaddfb340242cced38a6cca06c627998fa1MD52TEXTFelipe Feijó Leite - Dissertação FGTS_vf.pdf.txtFelipe Feijó Leite - Dissertação FGTS_vf.pdf.txtExtracted texttext/plain82929https://repositorio.fgv.br/bitstreams/2cd50591-bea1-4cfc-8580-d0f077d75621/download637c4142e72c3d3fe5f1ff543bf05005MD55THUMBNAILFelipe Feijó Leite - Dissertação FGTS_vf.pdf.jpgFelipe Feijó Leite - Dissertação FGTS_vf.pdf.jpgGenerated Thumbnailimage/jpeg2584https://repositorio.fgv.br/bitstreams/973dbb11-3a7b-4568-bdab-2b46967ba0e2/download6a6a7118d947e7f97ddf682c50d71e76MD5610438/332252023-11-26 00:39:26.067open.accessoai:repositorio.fgv.br:10438/33225https://repositorio.fgv.brRepositório InstitucionalPRIhttp://bibliotecadigital.fgv.br/dspace-oai/requestopendoar:39742023-11-26T00:39:26Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)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 |
dc.title.por.fl_str_mv |
Previsão da arrecadação do FGTS através de modelos de séries temporais |
title |
Previsão da arrecadação do FGTS através de modelos de séries temporais |
spellingShingle |
Previsão da arrecadação do FGTS através de modelos de séries temporais Leite, Felipe Feijó 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) |
title_short |
Previsão da arrecadação do FGTS através de modelos de séries temporais |
title_full |
Previsão da arrecadação do FGTS através de modelos de séries temporais |
title_fullStr |
Previsão da arrecadação do FGTS através de modelos de séries temporais |
title_full_unstemmed |
Previsão da arrecadação do FGTS através de modelos de séries temporais |
title_sort |
Previsão da arrecadação do FGTS através de modelos de séries temporais |
author |
Leite, Felipe Feijó |
author_facet |
Leite, Felipe Feijó |
author_role |
author |
dc.contributor.unidadefgv.por.fl_str_mv |
Escolas::EPGE |
dc.contributor.member.none.fl_str_mv |
Teles, Caio Augusto Colnago De Souza, Rafael Martins Gonçalves, Edson Daniel Lopes |
dc.contributor.author.fl_str_mv |
Leite, Felipe Feijó |
dc.contributor.advisor1.fl_str_mv |
Gonçalves, Edson Daniel Lopes |
contributor_str_mv |
Gonçalves, Edson Daniel Lopes |
dc.subject.por.fl_str_mv |
Séries temporais Variáveis macroeconômicas Box-Jenkins VAR-VEC FGTS |
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) |
dc.subject.bibliodata.por.fl_str_mv |
Fundo de garantia do tempo de serviço Análise de séries temporais Variáveis (Matemática) Previsão com Metodologia de Box-Jenkins Auto-regressão (Estatística) |
description |
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. |
publishDate |
2022 |
dc.date.issued.fl_str_mv |
2022-12-28 |
dc.date.accessioned.fl_str_mv |
2023-02-10T14:03:16Z |
dc.date.available.fl_str_mv |
2023-02-10T14:03:16Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/10438/33225 |
url |
https://hdl.handle.net/10438/33225 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional do FGV (FGV Repositório Digital) instname:Fundação Getulio Vargas (FGV) instacron:FGV |
instname_str |
Fundação Getulio Vargas (FGV) |
instacron_str |
FGV |
institution |
FGV |
reponame_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
collection |
Repositório Institucional do FGV (FGV Repositório Digital) |
bitstream.url.fl_str_mv |
https://repositorio.fgv.br/bitstreams/59095830-fdf1-4aa3-a2ae-15e01b1d767b/download https://repositorio.fgv.br/bitstreams/0d0c362d-bf3c-4cce-9ae3-aa8f820574ac/download https://repositorio.fgv.br/bitstreams/2cd50591-bea1-4cfc-8580-d0f077d75621/download https://repositorio.fgv.br/bitstreams/973dbb11-3a7b-4568-bdab-2b46967ba0e2/download |
bitstream.checksum.fl_str_mv |
724d2511d20c969127c223f23e9a351c dfb340242cced38a6cca06c627998fa1 637c4142e72c3d3fe5f1ff543bf05005 6a6a7118d947e7f97ddf682c50d71e76 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV) |
repository.mail.fl_str_mv |
|
_version_ |
1802749730505097216 |