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

Abstract

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.