PrevisÃo de arrecadaÃÃo do ICMS atravÃs de redes neurais no Brasil

AUTOR(ES)

Juan Camilo Santana Contreras

DATA DE PUBLICAÇÃO

2005

RESUMO

A presente dissertaÃÃo se centra na temÃtica de produÃÃo de previsÃes de valores futuros de arrecadaÃÃes tributÃrias. Em particular, busca-se avaliar a utilidade de mÃtodos de previsÃo baseados em redes neurais. Os resultados obtidos para arrecadaÃÃes do ICMS nacional e de trÃs estados (Pernambuco, Rio de Janeiro e SÃo Paulo) mostram que previsÃes obtidas por redes neurais podem ser mais precisas do que aquelas fornecidas por metodologias de previsÃo mais tradicionais como o alisamento exponencial e o mÃtodo de Box e Jenkins. Os resultados revelam ainda que combinaÃÃes de previsÃes que incluem redes neurais tendem a alcanÃar maior precisÃo do que combinaÃÃes que nÃo incluem redes neurais

ASSUNTO(S)

estatistica arrecadaÃÃo tributÃria neural network sale taxes revenue exponential smoothing sarima methods alisamento exponencial mÃtodo de box e jenkins redes neurais

Documentos Relacionados

• Modelagem e previsÃo da arrecadaÃÃo do imposto de renda no Brasil
• Modelo de sÃries temporais para a previsÃo da arrecadaÃÃo tributÃria federal
• SegmentaÃÃo de sentenÃas manuscritas atravÃs de redes neurais artificiais
• SincronizaÃÃo dos ciclos de arrecadaÃÃo do ICMS do nordeste
• SubstituiÃÃo tributÃria no ICMS: ConsideraÃÃes sobre a tÃcnica de arrecadaÃÃo utilizada pelos Estados