Previsão da receita tributária federal por base de incidência

Detalhes bibliográficos
Autor(a) principal: Benelli, Fernando Covelli
Data de Publicação: 2013
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio.unb.br/handle/10482/14144
Resumo: Dissertação (mestrado)—Universidade de Brasília, Departamento de Economia, 2013.
id UNB_c66fb0c281729b76a30570b2c6c6606d
oai_identifier_str oai:repositorio.unb.br:10482/14144
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Previsão da receita tributária federal por base de incidênciaImpostos - arrecadação - BrasilTributosPrevisão econômicaDissertação (mestrado)—Universidade de Brasília, Departamento de Economia, 2013.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. _______________________________________________________________________________________ ABSTRACTThis 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.Freitas, Paulo Springer deBenelli, Fernando Covelli2013-09-17T15:54:12Z2013-09-17T15:54:12Z2013-09-172013-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfBENELLI, Fernando Covelli. Previsão da receita tributária federal por base de incidência. 2013. 126 f., il. Dissertação (Mestrado Profissional em Economia do Setor Público)—Universidade de Brasília, Brasília, 2013.http://repositorio.unb.br/handle/10482/14144A 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/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2023-07-12T18:50:17Zoai:repositorio.unb.br:10482/14144Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2023-07-12T18:50:17Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Previsão da receita tributária federal por base de incidência
title Previsão da receita tributária federal por base de incidência
spellingShingle Previsão da receita tributária federal por base de incidência
Benelli, Fernando Covelli
Impostos - arrecadação - Brasil
Tributos
Previsão econômica
title_short Previsão da receita tributária federal por base de incidência
title_full Previsão da receita tributária federal por base de incidência
title_fullStr Previsão da receita tributária federal por base de incidência
title_full_unstemmed Previsão da receita tributária federal por base de incidência
title_sort Previsão da receita tributária federal por base de incidência
author Benelli, Fernando Covelli
author_facet Benelli, Fernando Covelli
author_role author
dc.contributor.none.fl_str_mv Freitas, Paulo Springer de
dc.contributor.author.fl_str_mv Benelli, Fernando Covelli
dc.subject.por.fl_str_mv Impostos - arrecadação - Brasil
Tributos
Previsão econômica
topic Impostos - arrecadação - Brasil
Tributos
Previsão econômica
description Dissertação (mestrado)—Universidade de Brasília, Departamento de Economia, 2013.
publishDate 2013
dc.date.none.fl_str_mv 2013-09-17T15:54:12Z
2013-09-17T15:54:12Z
2013-09-17
2013-04
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 BENELLI, Fernando Covelli. Previsão da receita tributária federal por base de incidência. 2013. 126 f., il. Dissertação (Mestrado Profissional em Economia do Setor Público)—Universidade de Brasília, Brasília, 2013.
http://repositorio.unb.br/handle/10482/14144
identifier_str_mv BENELLI, Fernando Covelli. Previsão da receita tributária federal por base de incidência. 2013. 126 f., il. Dissertação (Mestrado Profissional em Economia do Setor Público)—Universidade de Brasília, Brasília, 2013.
url http://repositorio.unb.br/handle/10482/14144
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1810580794076299264

Registros relacionados