TD 2590 - Aplicação de Modelos Dinâmicos Bayesianos para Projeção de Arrecadação Tributária

Mário Jorge Mendonça, Sérgio Ricardo B. Gadelha, Luis Alberto Medrano, Alex Felipe R. Lima, Marcus G. Lavagnole e Dérmeson André Polli, Brasília, setembro de 2020 

Neste estudo, empreende-se uma análise econométrica, com vistas à projeção das séries desagregadas do Imposto sobre Operações Relativas à Circulação de Mercadorias e Prestação de Serviços de Transporte Interestadual e Intermunicipal e de Comunicação (ICMS), administradas pelo Conselho Nacional de Política Fazendária do Ministério da Economia (Confaz/ME). Três metodologias foram aplicadas: i) o modelo estrutural dinâmico (MED) – por meio da bayesian structural time series (BSTS); ii) o modelo linear dinâmico (MLD); e iii) o modelo fatorial dinâmico (MFD), todos estes estimados com base na prática bayesiana. Os exercícios econométricos objetivaram três tipos de resultados: i) a avaliação da projeção; ii) a elasticidade do tributo em relação ao fato gerador; e iii) a projeção sessenta meses à frente fora da amostra. Nossa base de dados é composta de dados no período entre janeiro de 2006 a dezembro de 2019. Tendo-se em vista a dificuldade para tratar as séries do Confaz devido à falta de regularidade, os exercícios feitos para validação da projeção apresentaram performance bastante razoável. De cerca de vinte séries para cada estado, aproximadamente 80% registram um erro percentual médio absoluto (Mape – em inglês, mean absolute percentage error) abaixo de 15%.

Palavras-chave: Confaz; modelos dinâmicos bayesianos; modelo fatorial dinâmico; Mape; projeção.

In this study, we undertook an econometric analysis aim to forecast the disaggregated series of ICMS administered by Confaz. Three methodologies were applied: i) the dynamic structural model (BSTS); ii) the dynamic linear model (MLD); and iii) the dynamic factorial model (MFD), all of them estimated based on Bayesian practice. The econometric exercises aimed at three types of results: i) the evaluation of the forecast; ii) the elasticity of the tax in relation to the relevant variable; and iii) the projection 60 months ahead outside the sample. Our database is composed of data from January 2006 to December 2019. Considering the difficulty to treat the Confaz series due to the lack of regularity, the exercises done to validate the forecast displayed a quite reasonable performance. From about 20 series for each state, approximately 80% register an MAPE below 15%.

Keywords: Confaz; Bayesian dynamic models; factorial dynamic model; MAPE; forecast.

  Acesse o sumário executivo  Acesse o documento (3 MB)