Previsão hierárquica bottom-up do ICMS: uma aplicação ao Estado do Rio de Janeiro

Abstract

As receitas tributárias do Estado do Rio de Janeiro (ERJ) tem sido investigadas ao longo dos últimos anos devido à sua importância econômica. O ICMS (Imposto sobre Operações Relativas à Circulação de Mercadorias e sobre Prestações de Serviços de Transporte Interestadual e Intermunicipal e de Comunicação) é o imposto com maior arrecadação do ERJ, sendo sua previsão exigida pela Lei de Responsabilidade Fiscal a cada exercício. Assim, projeções de curto, médio e longo prazo para a arrecadação do ICMS são informações importantes na tomada de decisão envolvendo os gastos públicos e, consequentemente, contribuindo para o desenvolvimento econômico do ERJ. Nesse contexto, propõe-se uma análise e previsão do ICMS do ERJ através dos modelos de séries temporais e de redes neurais. Esses modelos serão integrados com a modelagem hierárquica através das abordagens bottom-up e top-down, possibilitando avaliar os efeitos de políticas públicas para cada setor econômico do ERJ. Inicialmente, foram utilizados os modelos de Box-Jenkins, suavização exponencial, ingênuo sazonal e redes neurais (NNAR e MLP). Após isso foram utilizados os modelos SARIMAX, NNAR e MLP com variáveis exógenas. Por fim, foram utilizados os modelos suavização exponencial e o SARIMA (com e sem variáveis exógenas) utilizando a estrutura hierárquica sendo abordagem bottom-up e top-down. Os resultados permitiram observar que o modelo suavização exponencial utilizando a estrutura hierárquica com abordagem bottom-up foi o mais adequado para o último ano analisado. Além disso, concluiu-se que os modelos possuem dificuldade em manter a acurácia em contexto de mudanças estruturais, sendo esperado que as mudanças previstas pela reforma tributária impactem negativamente a qualidade das previsões.