Use este identificador para citar ou linkar para este item: http://www.repositorio.ufc.br/handle/riufc/5113
Título: Análise de modelos de séries temporais para a previsão mensal do imposto de renda
Autor(es): Santos, Alan Vasconcelos
Orientador(es): Castelar, Luiz Ivan de Melo
Palavras-chave: Imposto de renda
Séries temporais
Data do documento: 2003
Citação: SANTOS, A. V. (2003)
Resumo: O presente trabalho objetiva realizar previsões mensais da série do imposto de renda para o período de 2002. A metodologia empregada para alcançar essa finalidade consiste na utilização da técnica de combinação de previsões. Especificamente, combinam-se os resultados de previsão advindos de três métodos diferentes: técnica do alisamento exponencial, metodologia de Box-Jenkins (modelos ARIMA) e modelos vetoriais de correção de erro. Obtida a previsão final, compara-se este resultado com os valores reais observados da série do imposto de renda para o ano de 2002 a fim de verificar o desempenho e a acurácia do modelo.
Abstract: The main objective of this work was to generate predictions, at a monthly frequency, from 1990 to 2001, of income tax revenue. The methodology used was the one of forecast combining. Specifically, exponential smoothing, an ARIMA and VAR with error correction models were pooled to obtain final prediction. Ex-post forecast errors were used to test the performance of the model. Results indicated that combining performs better than individual models, and errors are in an acceptable interval for this type of prediction.
Descrição: SANTOS, Alan Vasconcelos. Análise de modelos de séries temporais para a previsão mensal do imposto de renda. 2003. 98f. Dissertação (Mestrado em economia) - Programa de Pós Graduação em Economia, CAEN, Universidade Federal do Ceará, Fortaleza, 2003.
URI: http://www.repositorio.ufc.br/handle/riufc/5113
Aparece nas coleções:CAEN - Dissertações defendidas na UFC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2003_disser_avsantos.pdf496,4 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.