Análise preditiva da receita bruta da contribuição sobre bens e serviços com modelo autorregressivo de ordem longa

Abstract

Este estudo propõe a aplicação do Modelo Autorregressivo de Ordem Longa (AROL) para a projeção da receita bruta da Contribuição sobre Bens e Serviços (CBS). Utilizando dados tributários do Relatório do Tesouro Nacional (RTN) e técnicas de análise no software R, os dados foram transformados em uma função logarítmica para estabilizar a variabilidade e reduzir assimetria nos dados. Os valores também foram deflacionados com base no Índice Nacional de Preços ao Consumidor Amplo (IPCA) para torná-los comparáveis no tempo.

Em contraste com os modelos de Box&Jenkins, que pertencem a uma classe particular de filtros lineares propostos na década de 1970 sob as limitações computacionais, os princípios clássicos da parcimônia e da redução de dimensionalidade, o modelo (AROL) é um caso geral do filtro linear que se aproveita da capacidade computacional moderna para proporcionar alto desempenho preditivo de maneira relativamente simples e direta.

Desse modo, assim como performam os complexos modelos computacionalmente intensivos (que não são abordados neste trabalho), o modelo AROL não leva em consideração o princípio da parcimônia em sua formulação. Os resultados sugerem que o modelo AROL é aplicável diretamente sobre uma série temporal não estacionária e com outliers, tendo proporcionado erro médio percentual absoluto de 1,9%, o que é considerado excelente. O método também permite a obtenção de intervalos de previsão empíricos que permitem acomodar ocorrência de outliers.