Estratégias para aperfeiçoar o processo de recuperação de receitas tributárias no estado da Bahia: um modelo para o ICMS baseado em redes neurais artificiais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFBA |
Texto Completo: | http://www.repositorio.ufba.br/ri/handle/ri/7435 |
Resumo: | Esta pesquisa procurou investigar a utilização de Redes Neurais Artificiais (RNA) como instrumento de seleção de contribuintes a serem fiscalizados pela Secretaria da Fazenda do Estado da Bahia (SEFAZ-BA), constituindo-se em uma alternativa ao atual modelo vigente que se baseia na dicotomia entre interesse e relevância. A pesquisa caracterizou-se como explicativa e estudo de caso, pois estudou o caso específico do Estado da Bahia e explicou fenômenos baseados em informações coletadas junto aos contribuintes a serem fiscalizados. O referencial teórico baseou-se nos fundamentos do papel do Estado contemporâneo e a questão das finanças públicas, a discussão sobre as Redes Neurais Artificiais (RNA) e sua aplicação na seleção de contribuintes do Imposto sobre Operações Relativas à Circulação de Mercadorias e sobre Transporte Interestadual e Intermunicipal e de Comunicações (ICMS). No Estado da Bahia em 2010, este imposto correspondia a 86,62% das receitas tributárias do Estado. Este fato evidencia a necessidade da SEFAZ-BA acompanhar os níveis de arrecadação dos contribuintes identificando distorções que indiquem uma eventual sonegação do tributo. Os resultados apontam que as RNAs são um instrumento que podem ser utilizado como ferramenta de seleção e identificação de problemas no que se refere aos dados fiscais de arrecadação e sonegação do ICMS. O modelo apresentado demonstrou ser possível fazer uma classificação mais objetiva na indicação de contribuintes com alto, médio e baixo risco de sonegação e, portanto, contribuir para uma gestão mais eficiente e eficaz na alocação de recursos materiais e humanos da SEFAZ-BA em sua atividade precípua de fiscalização, preenchendo lacuna hoje existente quanto à utilização de uma ferramenta em bases científicas. |
id |
UFBA-2_eae01a86fbd08da9143e98772750fb5f |
---|---|
oai_identifier_str |
oai:repositorio.ufba.br:ri/7435 |
network_acronym_str |
UFBA-2 |
network_name_str |
Repositório Institucional da UFBA |
repository_id_str |
1932 |
spelling |
Oliveira, Francisco Nobre deOliveira, Francisco Nobre deDias Filho, José Maria2012-12-11T21:41:47Z2012-12-11T21:41:47Z2012-12-11http://www.repositorio.ufba.br/ri/handle/ri/7435Esta pesquisa procurou investigar a utilização de Redes Neurais Artificiais (RNA) como instrumento de seleção de contribuintes a serem fiscalizados pela Secretaria da Fazenda do Estado da Bahia (SEFAZ-BA), constituindo-se em uma alternativa ao atual modelo vigente que se baseia na dicotomia entre interesse e relevância. A pesquisa caracterizou-se como explicativa e estudo de caso, pois estudou o caso específico do Estado da Bahia e explicou fenômenos baseados em informações coletadas junto aos contribuintes a serem fiscalizados. O referencial teórico baseou-se nos fundamentos do papel do Estado contemporâneo e a questão das finanças públicas, a discussão sobre as Redes Neurais Artificiais (RNA) e sua aplicação na seleção de contribuintes do Imposto sobre Operações Relativas à Circulação de Mercadorias e sobre Transporte Interestadual e Intermunicipal e de Comunicações (ICMS). No Estado da Bahia em 2010, este imposto correspondia a 86,62% das receitas tributárias do Estado. Este fato evidencia a necessidade da SEFAZ-BA acompanhar os níveis de arrecadação dos contribuintes identificando distorções que indiquem uma eventual sonegação do tributo. Os resultados apontam que as RNAs são um instrumento que podem ser utilizado como ferramenta de seleção e identificação de problemas no que se refere aos dados fiscais de arrecadação e sonegação do ICMS. O modelo apresentado demonstrou ser possível fazer uma classificação mais objetiva na indicação de contribuintes com alto, médio e baixo risco de sonegação e, portanto, contribuir para uma gestão mais eficiente e eficaz na alocação de recursos materiais e humanos da SEFAZ-BA em sua atividade precípua de fiscalização, preenchendo lacuna hoje existente quanto à utilização de uma ferramenta em bases científicas.Submitted by Joseilton Rocha (jsrocha@ufba.br) on 2012-12-11T21:41:47Z No. of bitstreams: 1 OLIVEIRA,%20F_N_.pdf: 1937121 bytes, checksum: 6cc7b8ead0080d335f9ecebdefe23bb5 (MD5)Made available in DSpace on 2012-12-11T21:41:47Z (GMT). No. of bitstreams: 1 OLIVEIRA,%20F_N_.pdf: 1937121 bytes, checksum: 6cc7b8ead0080d335f9ecebdefe23bb5 (MD5)CNPQImposto sobre Operações Relativas à Circulação de Mercadorias e sobre Transporte Interestadual e Intermunicipal e de Comunicações (ICMSRedes neurais artificiais (RNA).TributaçãoEstado contemporâneoFederalismo fiscalEstratégias para aperfeiçoar o processo de recuperação de receitas tributárias no estado da Bahia: um modelo para o ICMS baseado em redes neurais artificiaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFBAinstname:Universidade Federal da Bahia (UFBA)instacron:UFBAinfo:eu-repo/semantics/openAccessORIGINALOLIVEIRA,%20F_N_.pdfOLIVEIRA,%20F_N_.pdfapplication/pdf1937121https://repositorio.ufba.br/bitstream/ri/7435/1/OLIVEIRA%2c%2520F_N_.pdf6cc7b8ead0080d335f9ecebdefe23bb5MD51LICENSElicense.txtlicense.txttext/plain1762https://repositorio.ufba.br/bitstream/ri/7435/2/license.txt1b89a9a0548218172d7c829f87a0eab9MD52TEXTOLIVEIRA,%20F_N_.pdf.txtOLIVEIRA,%20F_N_.pdf.txtExtracted texttext/plain234349https://repositorio.ufba.br/bitstream/ri/7435/3/OLIVEIRA%2c%2520F_N_.pdf.txteb02c590414ea607656a84963ae8d38fMD53ri/74352022-07-05 14:03:19.588oai:repositorio.ufba.br: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Repositório InstitucionalPUBhttp://192.188.11.11:8080/oai/requestopendoar:19322022-07-05T17:03:19Repositório Institucional da UFBA - Universidade Federal da Bahia (UFBA)false |
dc.title.pt_BR.fl_str_mv |
Estratégias para aperfeiçoar o processo de recuperação de receitas tributárias no estado da Bahia: um modelo para o ICMS baseado em redes neurais artificiais |
title |
Estratégias para aperfeiçoar o processo de recuperação de receitas tributárias no estado da Bahia: um modelo para o ICMS baseado em redes neurais artificiais |
spellingShingle |
Estratégias para aperfeiçoar o processo de recuperação de receitas tributárias no estado da Bahia: um modelo para o ICMS baseado em redes neurais artificiais Oliveira, Francisco Nobre de Imposto sobre Operações Relativas à Circulação de Mercadorias e sobre Transporte Interestadual e Intermunicipal e de Comunicações (ICMS Redes neurais artificiais (RNA). Tributação Estado contemporâneo Federalismo fiscal |
title_short |
Estratégias para aperfeiçoar o processo de recuperação de receitas tributárias no estado da Bahia: um modelo para o ICMS baseado em redes neurais artificiais |
title_full |
Estratégias para aperfeiçoar o processo de recuperação de receitas tributárias no estado da Bahia: um modelo para o ICMS baseado em redes neurais artificiais |
title_fullStr |
Estratégias para aperfeiçoar o processo de recuperação de receitas tributárias no estado da Bahia: um modelo para o ICMS baseado em redes neurais artificiais |
title_full_unstemmed |
Estratégias para aperfeiçoar o processo de recuperação de receitas tributárias no estado da Bahia: um modelo para o ICMS baseado em redes neurais artificiais |
title_sort |
Estratégias para aperfeiçoar o processo de recuperação de receitas tributárias no estado da Bahia: um modelo para o ICMS baseado em redes neurais artificiais |
author |
Oliveira, Francisco Nobre de |
author_facet |
Oliveira, Francisco Nobre de |
author_role |
author |
dc.contributor.author.fl_str_mv |
Oliveira, Francisco Nobre de Oliveira, Francisco Nobre de |
dc.contributor.advisor1.fl_str_mv |
Dias Filho, José Maria |
contributor_str_mv |
Dias Filho, José Maria |
dc.subject.por.fl_str_mv |
Imposto sobre Operações Relativas à Circulação de Mercadorias e sobre Transporte Interestadual e Intermunicipal e de Comunicações (ICMS Redes neurais artificiais (RNA). Tributação Estado contemporâneo Federalismo fiscal |
topic |
Imposto sobre Operações Relativas à Circulação de Mercadorias e sobre Transporte Interestadual e Intermunicipal e de Comunicações (ICMS Redes neurais artificiais (RNA). Tributação Estado contemporâneo Federalismo fiscal |
description |
Esta pesquisa procurou investigar a utilização de Redes Neurais Artificiais (RNA) como instrumento de seleção de contribuintes a serem fiscalizados pela Secretaria da Fazenda do Estado da Bahia (SEFAZ-BA), constituindo-se em uma alternativa ao atual modelo vigente que se baseia na dicotomia entre interesse e relevância. A pesquisa caracterizou-se como explicativa e estudo de caso, pois estudou o caso específico do Estado da Bahia e explicou fenômenos baseados em informações coletadas junto aos contribuintes a serem fiscalizados. O referencial teórico baseou-se nos fundamentos do papel do Estado contemporâneo e a questão das finanças públicas, a discussão sobre as Redes Neurais Artificiais (RNA) e sua aplicação na seleção de contribuintes do Imposto sobre Operações Relativas à Circulação de Mercadorias e sobre Transporte Interestadual e Intermunicipal e de Comunicações (ICMS). No Estado da Bahia em 2010, este imposto correspondia a 86,62% das receitas tributárias do Estado. Este fato evidencia a necessidade da SEFAZ-BA acompanhar os níveis de arrecadação dos contribuintes identificando distorções que indiquem uma eventual sonegação do tributo. Os resultados apontam que as RNAs são um instrumento que podem ser utilizado como ferramenta de seleção e identificação de problemas no que se refere aos dados fiscais de arrecadação e sonegação do ICMS. O modelo apresentado demonstrou ser possível fazer uma classificação mais objetiva na indicação de contribuintes com alto, médio e baixo risco de sonegação e, portanto, contribuir para uma gestão mais eficiente e eficaz na alocação de recursos materiais e humanos da SEFAZ-BA em sua atividade precípua de fiscalização, preenchendo lacuna hoje existente quanto à utilização de uma ferramenta em bases científicas. |
publishDate |
2012 |
dc.date.accessioned.fl_str_mv |
2012-12-11T21:41:47Z |
dc.date.available.fl_str_mv |
2012-12-11T21:41:47Z |
dc.date.issued.fl_str_mv |
2012-12-11 |
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 |
http://www.repositorio.ufba.br/ri/handle/ri/7435 |
url |
http://www.repositorio.ufba.br/ri/handle/ri/7435 |
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 da UFBA instname:Universidade Federal da Bahia (UFBA) instacron:UFBA |
instname_str |
Universidade Federal da Bahia (UFBA) |
instacron_str |
UFBA |
institution |
UFBA |
reponame_str |
Repositório Institucional da UFBA |
collection |
Repositório Institucional da UFBA |
bitstream.url.fl_str_mv |
https://repositorio.ufba.br/bitstream/ri/7435/1/OLIVEIRA%2c%2520F_N_.pdf https://repositorio.ufba.br/bitstream/ri/7435/2/license.txt https://repositorio.ufba.br/bitstream/ri/7435/3/OLIVEIRA%2c%2520F_N_.pdf.txt |
bitstream.checksum.fl_str_mv |
6cc7b8ead0080d335f9ecebdefe23bb5 1b89a9a0548218172d7c829f87a0eab9 eb02c590414ea607656a84963ae8d38f |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFBA - Universidade Federal da Bahia (UFBA) |
repository.mail.fl_str_mv |
|
_version_ |
1808459412196556800 |