Análise dos fatores que contribuem para a recuperação dos créditos de ICMS inscritos em divida ativa no estado do Rio de Janeiro

• Ano de defesa: 2023
• Autor(a) principal: Guimarães, Tiago Rodrigues
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Ciências Sociais::Faculdade de Administração e Finanças; Brasil; UERJ; Programa de Pós-Graduação em Controladoria e Gestão Pública
• Palavras-chave em Português: XGBoost; Active Debt; Public Management; Machine Learning Algorithm; Credit Rating.; Dívida Ativa; Gestão Pública; Algoritmo de aprendizado de máquina; Classificação de créditos; CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO::ADMINISTRACAO PUBLICA::CONTABILIDADE E FINANCAS PUBLICAS
• Link de acesso: http://www.bdtd.uerj.br/handle/1/20528

As Procuradorias, em geral, são conhecidas por atuar de maneira burocrática, seguindo formalmente os atos legalmente previstos, porém sem avaliar a eficiência e a efetividade das ações empreendidas. Isso resulta no acúmulo de execuções fiscais no judiciário, gerando um impacto negativo nos cofres públicos, pois muitas vezes não há um retorno proporcional aos esforços realizados. Diante desse contexto, o objetivo deste trabalho é contribuir para o aprimoramento da gestão da dívida ativa do Estado do Rio de Janeiro. Para isso, propõe-se uma abordagem que fornecerá uma classificação da probabilidade da recuperabilidade dos créditos inscritos, permitindo que a Procuradoria Geral do Estado do Rio de Janeiro (PGE/RJ) direcione seus esforços de recuperação de forma mais eficiente e, ao mesmo tempo, reconheça contabilmente esses créditos de maneira mais objetiva. A metodologia adotada neste estudo envolve a análise quantitativa e o uso do algoritmo de aprendizado de máquina conhecido como XGBoost. Através dessa abordagem, serão identificados os fatores que influenciam a probabilidade de recuperação das Certidões de Dívida Ativa (CDA), levando em consideração variáveis como quantidade de dias em débito, valor total da dívida, dias de empresa, situação cadastral e região, entre outras. Com base nos resultados obtidos, será estabelecido um rating de créditos, proporcionando uma visão mais clara sobre a probabilidade de recuperação de cada CDA e permitindo a priorização dos esforços de recuperação nos casos com maior probabilidade de sucesso. Além disso, esses resultados poderão contribuir para uma melhor estimativa de perdas relacionadas à dívida ativa do Estado do Rio de Janeiro. Atualmente, a PGE/RJ utiliza um método baseado no julgamento profissional dos procuradores, sem a utilização de critérios estatísticos objetivos, para estimar as perdas com créditos da dívida ativa. No entanto, com base nos resultados do modelo proposto, é estimado que as perdas cheguem a aproximadamente 98,64% do valor total da dívida ativa, revelando a necessidade de uma revisão dessa metodologia. Portanto, os resultados obtidos por meio do XGBoost podem contribuir significativamente para a construção de uma estimativa mais precisa das perdas com os créditos da dívida ativa do Estado do Rio de Janeiro. Vale destacar que o modelo desenvolvido apresentou uma alta perfomance na previsão da recuperabilidade dos créditos. Além disso, esse enfoque mais objetivo e baseado em dados pode auxiliar a PGE/RJ a direcionar seus esforços de recuperação de forma mais eficaz, resultando em um melhor desempenho na gestão da dívida ativa e no retorno financeiro para os cofres públicos.