Utilização de modelos não lineares para previsão do ICMS paulista
Bonato, Antonio Sergio Ferreira
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
Atualmente, na Secretaria da Fazenda e Planejamento do Estado de São Paulo, a previsão de arrecadação do ICMS paulista é feita usando-se um modelo SARIMA com variáveis exógenas, o SARIMAX. Mas o ICMS é não linear e há várias quebras estruturais controladas com diversas dummies. A consequência é um modelo sobre ajustado, pouco adequado para previsões de mais longo prazo (mais do que alguns meses, muito menos para um ano). A proposta deste trabalho é utilizar modelos não lineares na previsão do ICMS paulista, utilizando redes neurais recorrentes LSTM (Long Short-Term Memory) e modelos Markov-Switching, fazendo um contraponto entre estes dois modelos. E utilizar, como base de comparação, o modelo SARIMAX atual.
Ficha do documento
- Tipo
- Dissertação
- Ano
- 2023
- Instituição
- Fundação Getulio Vargas
- Fonte
- Repositório da FGV
- Idioma
- Português
- Acesso
- Acesso aberto
- Identificador
- oai:repositorio.fgv.br:10438/34152
- Palavras-chave
- Model confidence setMarkov-switching modelsRecurrent neural networksVATModelos de mudança markovianaRedes neurais recorrentesLSTMICMSEconomiaImposto sobre circulação de mercadorias e serviços - São Paulo (Estado)Modelos não-lineares (Estatística)Redes neurais (Computação)Análise de séries temporais
Conteúdos relacionados
- DissertaçãoRedes neurais para precificação de opções no mercado brasileiroFundação Getulio Vargas · 2024
- DissertaçãoUma aplicação de redes neurais recorrentes do tipo LSTM à previsão dos preços de curto prazo do mercado de energia elétrica brasileiroFundação Getulio Vargas · 2019
- DissertaçãoImpacto do regime especial da cesta básica em indicadores de emprego e rendaFundação Getulio Vargas · 2023
- DissertaçãoPrevisão da arrecadação do FGTS através de modelos de séries temporaisFundação Getulio Vargas · 2022
