Publicação: Um Modelo de combinação de previsões para arrecadação de receita tributária no Brasil
Carregando...
Paginação
Primeira página
Última página
Data
Data de publicação
Data da Série
Data do evento
Data
Data de defesa
Data
Edição
Idioma
por
Cobertura espacial
Brasil
Cobertura temporal
País
BR
organization.page.location.country
Tipo de evento
Tipo
Grau Acadêmico
Fonte original
ISBN
ISSN
DOI
dARK
item.page.project.ID
item.page.project.productID
Detentor dos direitos autorais
Instituto de Pesquisa Econômica Aplicada (Ipea)
Acesso à informação
Acesso Aberto
Termos de uso
É permitida a reprodução deste texto e dos dados nele contidos, desde que citada a fonte. Reproduções para fins comerciais são proibidas.
Titulo alternativo
Texto para Discussão (TD) 2186 : Um Modelo de combinação de previsões para arrecadação de receita tributária no Brasil
item.page.organization.alternative
Variações no nome completo
Orientador(a)
Editor(a)
Organizador(a)
Coordenador(a)
item.page.organization.manager
Outras autorias
Palestrante/Mediador(a)/Debatedor(a)
Coodenador do Projeto
Resumo
Este trabalho tem como objetivo a aplicação do modelo de combinação de previsões para prever a arrecadação tributária no Brasil. Combinamos aqui as previsões obtidas a partir de três modelos: modelo fatorial dinâmico (MFD), modelo sazonal autorregressivo integrado com média móvel (seasonal autoregressive integrated moving average – Sarima) e modelo de suavização de Holt-Winters, sendo que os critérios de combinação adotados foram método de combinação ótima, performance, regressão simples, média simples e mediana. Trabalhamos com dados mensais para um total de nove tributos federais, para o período de janeiro de 2001 a dezembro de 2013. A previsão para o ano de 2014 é feita fora da amostra. De acordo com os resultados, pode-se observar que a combinação de previsões alcançou, na maior parte dos casos, resultado superior em comparação com as previsões obtidas por meio de modelos tomados individualmente.
Resumo traduzido
This study aimed to the application of forecasts combination model to predict tax revenues in Brazil. Here we combine the predictions obtained from three models: dynamic factor model (DFM), seasonal autoregressive integrated moving average (Sarima) and Holt-Winters' smoothing model. We adopted five criteria to combine predictions: optimal combination, performance, simple regression, simple average and median. We worked with monthly data for a total of nine federal taxes for the period from January 2001 to December 2013. The out of sample forecast are done for the year 2014. Considering the results, it can be seen that the combined predictions proved generally superior to those derived from genuine models with the exception of a few taxes. Notwithstanding there is no specific method of combination that provides better forecasts concerning other models.
