Please use this identifier to cite or link to this item:
http://repositorio.ufc.br/handle/riufc/69845| Type: | TCC |
| Title: | Previsão do ICMS do Estado do Ceará: uma abordagem através de modelos univariados e multivariados |
| Authors: | Morais, José Wesley Rodrigues de |
| Advisor: | Ferreira, Roberto Tatiwa |
| Keywords: | Imposto sobre circulação de mercadorias e serviços;Mercadorias - Ceará |
| Issue Date: | 2022 |
| Citation: | MORAIS. J. W. R. Previsão do ICMS do Estado do Ceará: uma abordagem através de modelos univariados e multivariados. 2022. 42 f. Trabalho de Conclusão de Curso (Graduação em Finanças) - Faculdade de Economia, Administração, Atuária e Contabilidade, Universidade Federal do Ceará, Fortaleza, 2022. |
| Abstract in Brazilian Portuguese: | O presente trabalho tem como objetivo realizar previsão para a arrecadação do Imposto sobre Circulação de Mercadorias e Serviços (ICMS) do Estado do Ceará para dois horizontes de tempo. O primeiro consiste em um horizonte de 12 meses (curto prazo), e o segundo para 48 meses (médio prazo). De acordo com dados da Secretaria da Fazenda do Ceará, o ICMS corresponde a quase 50% da receita total do Estado para o ano de 2021, ou seja, o imposto possui um papel importante nas contas públicas do Ceará. Além disso, um modelo que resulte em um baixo erro de previsão é essencial para os Estados, visto que a receita arrecadada será próxima a prevista, com isso, as ações e programas da Administração Pública serão financiadas via receitas próprias, logo, em certo grau, evita-se que o Estado realize operações de crédito. Nesse contexto, são empregados dois tipos de modelos nesse trabalho: modelos univariados, em que segue as etapas da metodologia formulada por Box-Jenkins (1970), e um modelo multivariado, representado pelo modelo de Vetor Autorregressivo (VAR). A base de dados utilizada corresponde ao período de 2003.01 a 2019.12, em que as variáveis utilizadas são, o ICMS, o Índice de Vendas de Varejo (IVV), a Demanda Turística (DT), o Índice de Produção Industrial (IPI) e o IBC-CE. Testes de raiz unitária são utilizados, como os testes ADF, PP e KPSS, no qual é verificado que todas as séries não são estacionárias em nível, sendo necessário diferenciá-las. O primeiro modelo utilizado para gerar previsão é um ARIMA (1,1,1) (1,1)12, em que o RMSE, métrica adotada nesse trabalho para verificar a qualidade de previsão, para a previsão do ano de 2019 é 5,05%, enquanto para 2016 a 2019, o erro é 4,95%. O segundo modelo utilizado é um VAR (12), e o modelo que adota a variável IBC-CE como proxy da atividade econômica gera melhores previsões, em que o RMSE para o ano 2019 é 3,99%, e para os anos de 2016 a 2019 é 3,60% |
| Abstract: | The present work aims to make a forecast for the collection of the Tax on Circulation of Goods and Services (ICMS) in the State of Ceará for two-time horizons. The first consists of a horizon of 12 months (short term), and the second for 48 months (medium term). According to data from the Secretariat of Finance of Ceará, ICMS corresponds to almost 50% of the State's total revenue for the year 2021, that is, the tax plays an important role in Ceará's public accounts. In addition, a model that results in a low forecast error is essential for the States, since the collected revenue will be close to the forecast, with this, the actions and programs of the Public Administration will be financed through its own revenues, therefore, to a certain degree, the State is prevented from carrying out credit operations. In this context, two types of models are employed in this work: univariate models, which follow the steps of the methodology formulated by Box-Jenkins (1970), and a multivariate model, represented by the Autoregressive Vector (VAR) model. The database used corresponds to the period from 2003.01 to 2019.12, in which the variables used are the ICMS, the Retail Sales Index (IVV), the Tourist Demand (DT), the Industrial Production Index (IPI) and the IBC-CE. Unit root tests are used, such as the ADF, PP and KPSS tests, in which it is verified that all series are not stationary in level, being necessary to differentiate them. The first model used to generate forecast is an ARIMA (1,1,1) (1,1)12, in which the RMSE, the metric adopted in this work to verify the forecast quality, for the forecast for the year 2019 is 5, 05%, while for 2016 to 2019, the error is 4.95%. The second model used is a VAR (12), and the model that adopts the IBC-CE variable as a proxy for economic activity generates better forecasts, in which the RMSE for the year 2019 is 3.99%, and for the years 2016 to 2019 it is 3.60% |
| URI: | http://www.repositorio.ufc.br/handle/riufc/69845 |
| Appears in Collections: | FINANÇAS - Monografias |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 2022_tcc_jwrmorais.pdf | 1,26 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.