PREVISÃO DA ARRECADAÇÃO DE ICMS PARA O ESTADO DE SERGIPE: MODELAGEM A PARTIR DA METODOLOGIA DE BOX E JENKINS

Wilton Bernardino, Tiago de Moura Soeiro, João Gabriel Nascimento de Araújo, Rodrigo Vicente dos Prazeres

Resumo


O presente trabalho teve por objetivo avaliar e prever o comportamento da arrecadação tributária em Impostos sobre Circulação de Mercadorias e Serviços (ICMS) no Estado de Sergipe, Brasil. Com esse propósito utilizou-se a modelagem proposta por Box e Jenkins (1976), a qual permite a seleção de um modelo de séries temporais considerando dinâmicas autoregressiva e de médias móveis, bem como a incorporação de padrões sazonais ao comportamento da série temporal analisada. A base de dados foco do estudo compreende o período de janeiro de 2005 a agosto de 2017, contemplando informações mensais. Os modelos SARIMA foram estimados no ambiente de programação e análise de dados, R, com o uso dos pacotes o “forecast” e “seasonal”, que contém algoritmos automatizados úteis à estimação e previsão de series temporais seguindo a proposta de especificação SARIMA. Alternativamente, com base na análise da estrutura de autocorrelação da série e na avaliação da presença do padrão de raiz unitária sazonal, dois outros modelos que consideram a presença de uma raiz unitária sazonal e defasagens em períodos específicas da série foram estimados. O trabalho busca contribuir para o avanço dos estudos sobre o comportamento da arrecadação em ICMS no Brasil, tema que tem sido explorado em alguns trabalhos científicos publicados na década corrente, tendo bastante relevância na área contábil. As análises evidenciaram que o modelo 𝑆𝐴𝑅𝐼𝑀𝐴(1,1,1)(0,1,1)12 mostra-se como o mais adequado para a base de dados considerada. Nesse sentido, em todos os critérios de seleção considerados, o modelo se mostrou superior perante os demais modelos analisados. Modelos com especificação semelhante também foram evidenciados em alguns trabalhos recentes tendo ênfase na modelagem do ICMS no Brasil.

Palavras-chave


Previsão; ICMS; SARIMA.

Texto completo:

PDF

Apontamentos

  • Não há apontamentos.


LAJBM está indexada em:

   

 

ISSN: 2178-4833