Análise de séries temporais para previsão da arrecadação do ICMS do Estado de Goiás com o software 'R'

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Lemos, Jorge Henrique Barros
Orientador(a): Menezes, Rafael Terra de
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: http://repositorio2.unb.br/jspui/handle/10482/47888
Resumo: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Departamento de Economia, Programa de Pós-Graduação em Economia, 2023.
id UNB_da9dea8a815c24008e1691bcddc93522
oai_identifier_str oai:repositorio2.unb.br:10482/47888
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Lemos, Jorge Henrique BarrosMenezes, Rafael Terra de2024-02-26T20:06:52Z2024-02-26T20:06:52Z2024-02-262023-09-19LEMOS, Jorge Henrique Barros. Análise de séries temporais para previsão da arrecadação do ICMS do Estado de Goiás com o software 'R'. 2023. 118 f. (Mestrado Profissional em Economia) — Universidade de Brasília, Brasília, 2023.http://repositorio2.unb.br/jspui/handle/10482/47888Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Departamento de Economia, Programa de Pós-Graduação em Economia, 2023.A dissertação tem como objetivo central aprofundar a avaliação de estratégias univariadas de modelagem e previsão da arrecadação do ICMS no Estado de Goiás, utilizando o software R como ferramenta principal de análise, de modo a fornecer aos gestores estaduais um modelo de previsão consistente, que possibilite uma gestão financeira eficaz do Estado. Uma das principais ênfases deste trabalho é o estudo detalhado do algoritmo de alisamento exponencial de Holt-Winters, suas variações e adaptações específicas para a previsão do ICMS. Serão analisadas as características e eficácia dessas técnicas em relação aos dados históricos disponíveis, a fim de identificar suas capacidades e limitações. Também foi utilizada a metodologia de Box-Jenkins, utilizando os modelos autorregressivos integrados de médias móveis (SARIMA). Esses modelos são amplamente reconhecidos por sua habilidade em lidar com séries temporais complexas e fornecer previsões precisas. Após realizar simulações em quatro conjuntos distintos de dados, considerando horizontes de previsão de doze meses, foram obtidos resultados significativos. Para o ano fiscal 2019, caracterizado por uma arrecadação dentro dos padrões usuais, a combinação da série {LOG IGP-DI} com o modelo SARIMA (2,1,1)(1,0,0)[12] demonstrou o desempenho mais destacado. Já para o ano subsequente, 2020, o modelo Holt-Winters Multiplicativo aplicado à série {LOG IGP-DI} revelou-se o mais eficaz. Ao avançar para o ano de 2021, a série {IGP-DI} em conjunto com o modelo Holt-Winters Multiplicativo apresentou os melhores resultados. E, por fim, considerando o ano de 2022, a combinação que proporcionou as previsões mais acuradas foi a série {NOMINAL} associada ao modelo ARIMA[1,1,1]. Nesse contexto, conclui-se que não existe um modelo univariado único capaz de abarcar todas as variações econômicas intrínsecas a eventos inesperados, a exemplo da pandemia de Covid. Dessa forma, torna-se claro que investigações subsequentes devem ampliar seu escopo para abranger modelos multivariados.This master's dissertation aims to delve into the evaluation of univariate strategies for modeling and forecasting the ICMS revenue in the State of Goiás, utilizing the R software as the primary analytical tool. The central objective is to provide state managers with a robust forecasting model that enables effective financial management. A key focus of this work is the in-depth study of the Holt-Winters exponential smoothing algorithm, its variations, and specific adaptations for ICMS forecasting. The characteristics and effectiveness of these techniques will be analyzed concerning available historical data to identify their capabilities and limitations. Additionally, the Box-Jenkins methodology, employing Seasonal Autoregressive Integrated Moving Average (SARIMA) models, renowned for handling complex time series and providing accurate forecasts, was also employed. Significant results were obtained through simulations on four distinct datasets, considering a twelve-month forecasting horizon. For the fiscal year 2019, characterized by revenue within typical patterns, the combination of the {LOG IGP-DI} series with the SARIMA (2,1,1)(1,0,0)[12] model exhibited the most outstanding performance. Conversely, for the subsequent year, 2020, the Multiplicative Holt-Winters model applied to the {LOG IGP-DI} series proved to be the most effective. Moving to the year 2021, the {IGP-DI} series in conjunction with the Multiplicative HoltWinters model yielded the best results. Finally, considering the year 2022, the combination that provided the most accurate predictions was the {NOMINAL} series associated with the ARIMA[1,1,1] model. In this context, it is concluded that there is no single univariate model capable of encompassing all intrinsic economic variations in unexpected events, such as the Covid pandemic. Therefore, it becomes evident that subsequent investigations should broaden their scope to include multivariate models.Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE)Departamento de Economia (FACE ECO)Programa de Pós-Graduação em Economia, Mestrado ProfissionalporA 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.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, 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/openAccessAnálise de séries temporais para previsão da arrecadação do ICMS do Estado de Goiás com o software 'R'info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisImposto sobre Circulação de Mercadorias e Serviços (ICMS)Receita pública - previsãoAnálise de dadosGoiás (Estado) - economiareponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNBORIGINALJorgeHenriqueBarrosLemos_DISSERT.pdfapplication/pdf2353834http://repositorio2.unb.br/jspui/bitstream/10482/47888/1/JorgeHenriqueBarrosLemos_DISSERT.pdf97b1bd96862c2465e9c518d4b9c4e5d8MD51open access10482/478882024-02-26 17:06:52.17open accessoai:repositorio2.unb.br:10482/47888Biblioteca Digital de Teses e DissertaçõesPUBhttps://repositorio.unb.br/oai/requestopendoar:2024-02-26T20:06:52Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Análise de séries temporais para previsão da arrecadação do ICMS do Estado de Goiás com o software 'R'
title Análise de séries temporais para previsão da arrecadação do ICMS do Estado de Goiás com o software 'R'
spellingShingle Análise de séries temporais para previsão da arrecadação do ICMS do Estado de Goiás com o software 'R'
Lemos, Jorge Henrique Barros
Imposto sobre Circulação de Mercadorias e Serviços (ICMS)
Receita pública - previsão
Análise de dados
Goiás (Estado) - economia
title_short Análise de séries temporais para previsão da arrecadação do ICMS do Estado de Goiás com o software 'R'
title_full Análise de séries temporais para previsão da arrecadação do ICMS do Estado de Goiás com o software 'R'
title_fullStr Análise de séries temporais para previsão da arrecadação do ICMS do Estado de Goiás com o software 'R'
title_full_unstemmed Análise de séries temporais para previsão da arrecadação do ICMS do Estado de Goiás com o software 'R'
title_sort Análise de séries temporais para previsão da arrecadação do ICMS do Estado de Goiás com o software 'R'
author Lemos, Jorge Henrique Barros
author_facet Lemos, Jorge Henrique Barros
author_role author
dc.contributor.author.fl_str_mv Lemos, Jorge Henrique Barros
dc.contributor.advisor1.fl_str_mv Menezes, Rafael Terra de
contributor_str_mv Menezes, Rafael Terra de
dc.subject.keyword.pt_BR.fl_str_mv Imposto sobre Circulação de Mercadorias e Serviços (ICMS)
Receita pública - previsão
Análise de dados
Goiás (Estado) - economia
topic Imposto sobre Circulação de Mercadorias e Serviços (ICMS)
Receita pública - previsão
Análise de dados
Goiás (Estado) - economia
description Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Departamento de Economia, Programa de Pós-Graduação em Economia, 2023.
publishDate 2023
dc.date.submitted.none.fl_str_mv 2023-09-19
dc.date.accessioned.fl_str_mv 2024-02-26T20:06:52Z
dc.date.available.fl_str_mv 2024-02-26T20:06:52Z
dc.date.issued.fl_str_mv 2024-02-26
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.citation.fl_str_mv LEMOS, Jorge Henrique Barros. Análise de séries temporais para previsão da arrecadação do ICMS do Estado de Goiás com o software 'R'. 2023. 118 f. (Mestrado Profissional em Economia) — Universidade de Brasília, Brasília, 2023.
dc.identifier.uri.fl_str_mv http://repositorio2.unb.br/jspui/handle/10482/47888
identifier_str_mv LEMOS, Jorge Henrique Barros. Análise de séries temporais para previsão da arrecadação do ICMS do Estado de Goiás com o software 'R'. 2023. 118 f. (Mestrado Profissional em Economia) — Universidade de Brasília, Brasília, 2023.
url http://repositorio2.unb.br/jspui/handle/10482/47888
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 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
bitstream.url.fl_str_mv http://repositorio2.unb.br/jspui/bitstream/10482/47888/1/JorgeHenriqueBarrosLemos_DISSERT.pdf
bitstream.checksum.fl_str_mv 97b1bd96862c2465e9c518d4b9c4e5d8
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv
_version_ 1797406102574333952

Registros relacionados