1MODELOS DE PREVISÃO PARA ARRECADAÇÃO TRIBUTÁRIA: APLICAÇÃO DA METODOLOGIA BOX-JENKINS PARA O ICMS NO ESTADO DE PERNAMBUCO Aloisio Claudio Cordeiro Teti Auditor Fiscal da SEFAZ/PE. Mestre em Economia (PIMES/UFPE). Av. dos Economistas, s/n, Cidade Universitária, Recife-PE, 50.670-910.
[email protected] (81) 2126.8381. Leonardo Ferraz Xavier Doutorando em Economia (PIMES/UFPE). Mestre em Economia (PIMES/UFPE). R. Pe. Champagnat, 56, Bloco A, Apto.104, Cidade Universitária, Recife-PE, 50.740-320.
[email protected] (81) 2126.8381. Ecio de Farias Costa Professor do DECON/PIMES/UFPE. Ph.D. em Economia Agrícola (University of Georgia). Pça. Prof. Fleming, 50, Apto.1201, Jaqueira, Recife-PE, 52.050-180.
[email protected] (81) 2126.8381. ÁREA DE INTERESSE: Finanças públicas locais e regionais, política fiscal (Área 14). JEL: H32 – H20 – C22. 2 MODELOS DE PREVISÃO PARA ARRECADAÇÃO TRIBUTÁRIA: APLICAÇÃO DA METODOLOGIA BOX-JENKINS PARA O ICMS NO ESTADO DE PERNAMBUCO RESUMO O artigo apresenta modelos de previsão para a arrecadação do ICMS no Estado de Pernambuco. Nesse sentido, objetiva-se disponibilizar modelos de previsão consistentes e com certo grau de confiabilidade aos gestores púbicos do Estado. Para tanto, utilizou-se da metodologia Box-Jenkins, mais especificamente o modelo SARIMA (Modelo Autorregressivo Integrado de Média Móvel Sazonal), obtendo-se resultados satisfatórios quanto à capacidade preditiva da receita tributária em questão. Palavras-chave: ICMS; Pernambuco; Previsão; Box-Jenkins; SARIMA. ABSTRACT The paper presents predictive models on Value Added Taxes on sales and services (ICMS) by the State of Pernambuco – Brazil. The main objective is to provide consistent models to public managers. Was used the Box-Jenkins methodology, specifically the model SARIMA (Seasonal Autoregressive Integrated Moving Average Model), obtaining satisfactory results regarding the predictive ability of tax revenue in question. Keywords: ICMS; Pernambuco; Forecast; Box-Jenkins; SARIMA. 1. INTRODUÇÃO O advento do Plano Real e a estabilização monetária demonstraram a precária situação financeira dos Estados e Municípios no balanço público, com volume de despesas superior aos das receitas efetivamente arrecadadas, obrigando os governos a manterem uma política constante de endividamento. A aprovação da Lei Complementar 101/2000, a conhecida Lei de Responsabilidade Fiscal (LRF), teve o intuito de moralizar a administração pública, obrigando seus gestores a se tornarem mais atentos à gestão da coisa pública, imputando punições aos infratores, com penas que vão da perda do mandato à privação da liberdade (Brasil, 2000). A supracitada Lei, em seu Art. 11, determina que os executivos governamentais busquem instituir, prever e arrecadar os tributos de sua competência, como forma de alavancarem suas receitas e atingirem o superávit financeiro. A não observância deste resultará na impossibilidade de receberem transferências de outros entes federativos. Os governantes passaram então a exigir de seus técnicos de arrecadação, planejamento e controle, medidas mais acuradas na previsão das receitas tributárias e no rigoroso controle dos gastos públicos. Nesse contexto, a eficiente previsão das receitas ganha importância fundamental, pois oferece ao gestor público um instrumento seguro na tomada de decisões. No Brasil, o poder tributário é partilhado entre a União, os Estados, o Distrito Federal e os Municípios. De acordo com texto da Carta Magna de 1988, a competência dos impostos está delimitada entre os artigos 153 e 156 (Brasil, 1988). No Art. 153, a competência dos impostos federais refere-se à importação de produtos estrangeiros (II); à 3 exportação de produtos nacionais (IE); à renda e aos proventos de qualquer natureza (IR); aos produtos industrializados (IPI); às operações de crédito, câmbio e seguro, ou relativas a títulos ou valores mobiliários (IOC); à propriedade territorial (ITR); e às grandes fortunas (a este último, falta a regulamentação, que deve ocorrer por meio de lei complementar). A competência de instituir os tributos Estaduais e do Distrito Federal, está descrita no Art. 155 do mesmo instrumento legal, o qual trata dos seguintes impostos: transmissão causa mortis e doação, de quaisquer bens e direitos (ICD); operações relativas à circulação de mercadorias e sobre prestação de serviços de transporte interestadual e intermunicipal e de comunicação (ICMS); e propriedade de veículos automotores (IPVA). Quanto à competência dos impostos Municipais, o Art. 156 da Constituição Federal trata dos seguintes: propriedade predial e territorial urbana (IPTU); serviços de qualquer natureza (ISS); e transmissão intervivos, a qualquer título, por ato oneroso, de bens imóveis, por natureza ou acessão física, e de direitos reais sobre imóveis, exceto os de garantia, bem como cessão de direitos de aquisição (ITBI). Para o presente artigo, objetivou-se a proposição de um modelo acurado para prever a arrecadação do ICMS no Estado de Pernambuco. O ICMS (Imposto sobre Operações Relativas à Circulação de Mercadorias e Prestação de Serviços de Transporte Interestadual e Intermunicipal e de Comunicações) é o instrumento mais representativo da arrecadação estadual, com pouco mais de 85% do total arrecadado em impostos por Pernambuco no ano de 2009 (Pernambuco, 2010). Nesse sentido, um estudo voltado à arrecadação do ICMS no Estado possibilita ao administrador público elaborar um orçamento mais adequado à realidade econômica local, tornando-se ferramenta essencial à tomada de decisões e à execução de programas de ação governamental. Para tanto, é necessário que as previsões sejam caracterizadas pela precisão e confiabilidade de seus resultados, bem como pela simplicidade dos métodos empregados. Desse modo, o estudo utilizou-se da metodologia Box-Jenkins, especificamente o modelo SARIMA (Modelo Autorregressivo Integrado de Média Móvel Sazonal), sobre uma série temporal de arrecadação iniciada em janeiro de 2002 e concluída em agosto de 2010. Na seção seguinte do trabalho, são apresentados aspectos relacionados ao regime de arrecadação do ICMS, bem como à situação econômica do Estado de Pernambuco e suas perspectivas. Na terceira seção, é feita uma breve revisão da literatura sobre modelos de previsão, mais especificamente sobre a arrecadação tributária. Em seguida, a metodologia aplicada no trabalho é apresentada, bem como a série de dados analisada. Na quarta seção, são abordados os resultados empíricos, sobre a previsão da arrecadação agregada do ICMS no Estado, bem como sobre a previsão da arrecadação sobre os segmentos econômicos específicos, conforme comentado em parágrafo anterior. Por fim, são expostas as principais conclusões do estudo. 2. ECONOMIA DE PERNAMBUCO E ARRECADAÇÃO DE ICMS A presente seção está dividida da seguinte maneira: Regime de arrecadação do ICMS, com informações sobre a normatização de referido imposto; e Perspectivas econômicas de Pernambuco, com uma breve análise da situação econômica do Estado, bem como suas perspectivas e implicações sobre a arrecadação do ICMS. 2.1. Regime de arrecadação do ICMS A norma jurídica que instituiu o ICMS no Estado de Pernambuco foi a Lei 10.259/1989 (Pernambuco, 1989). As normais legais e regulamentares, por sua vez, foram consolidadas 4 através do Decreto 14.876/1991, e alterações posteriores (Pernambuco, 1991). Sua função é predominantemente fiscal, visto que sua principal finalidade é auferir recursos para o tesouro estadual. Entretanto, tem sido utilizado pelos gestores como um instrumento extrafiscal, caso das concessões de isenções como o objetivo de atrair investimentos para os Estado. Referidos incentivos terminam por trazer prejuízos ao pacto federativo. Como definido na Constituição Federal de 1988, o ICMS é o Imposto sobre Operações Relativas à Circulação de Mercadorias e Prestação de Serviços de Transporte Interestadual e Intermunicipal e de Comunicações. Ao termo “operação”, associa-se qualquer ato voluntário de impulsão de mercadoria da fonte de produção ao consumo (Melo, 2005). Ao termo “circulação”, por sua vez, representa-se o contexto das sucessivas transferências de propriedade do produtor, fabricante ou importador até o consumidor final. O conceito da circulação está baseado nas seguintes etapas: circulação física, o efetivo deslocamento das mercadorias, e transferência de um local para o outro; circulação econômica, o trânsito entre produtor ou fabricante e comerciante, e deste para o consumidor final; e circulação jurídica, a mudança da titularidade de uma mercadoria, a circunstância em que algum detém poderes jurídicos de disposição sobre a mesma. Outro conceito que deve ser aqui destacado é o de contribuinte. A Lei 11.408/1996 define a figura de contribuinte do ICMS como qualquer pessoa física ou jurídica que realize com habitualidade ou em volume que caracterize intuito comercial, operações relativas à circulação de mercadorias ou prestação de serviço de transporte interestadual e intermunicipal e de comunicação, ainda que as operações e as prestações se iniciem no exterior (Pernambuco, 1996). É importante também destacar a base de cálculo do ICMS, o que representa o aspecto fundamental para que se possa definir o objeto da imposição fiscal e o valor do tributo a ser efetivamente recolhido ao erário público. A Lei Complementar 87/1996, em seu Art. 13, estabelece que a base tributável para as operações com mercadorias deve ser o valor da operação, na saída de mercadorias do estabelecimento, na transmissão de mercadorias depositadas em armazém ou depósito fechado, e na transmissão de sua propriedade (Brasil, 1996). Em Pernambuco, a base de cálculo do ICMS está descrita no Art. 14 do Decreto 14.876/1991, o qual a define como o valor total da operação que decorrer da circulação de mercadoria de uma operação a titulo oneroso (Pernambuco, 1991). Com relação à alíquota cobrada, o Art. 25 do Decreto 14.876/1991 descreve dois aspectos (Pernambuco, 1991). Primeiro, versa sobre a alíquota imposta sobre operações internas, dentro do Estado de Pernambuco, inclusive importações do exterior para o Estado, num percentual que varia de 4% a 28% conforme o tipo de mercadoria ou prestação de serviço. Predominantemente, a alíquota equivale a 17%. A alíquota mais reduzida, de 4%, refere-se a serviços de transporte aéreo; a mais elevada, de 28%, refere-se a serviços de comunicação. O outro aspecto da cobrança descrito no Decreto supracitado diz respeito à alíquota imposta sobre operações interestaduais, num percentual que varia de 4% a 25% conforme o tipo de mercadoria ou prestação de serviço. Predominantemente, a alíquota sobre operações interestaduais equivale a 12%. A alíquota mais reduzida, de 4%, refere-se a serviços de transporte aéreo; a mais elevada, de 25%, refere-se ao fornecimento de energia elétrica. Vale destacar que a alíquota de 12% é predominantemente cobrada sobre mercadorias ou prestação de serviço originados em Pernambuco e destinados aos demais estados e o Distrito Federal. Essa mesma alíquota é geralmente cobrada sobre mercadorias ou prestação destinados a Pernambuco e originados em estados das regiões Norte, Nordeste e Centro-Oeste, e do Distrito Federal. Porém, no caso em que Pernambuco 5 compra mercadorias ou prestação de serviço de estados das regiões Sudeste e Sul, a alíquota predominante equivale a 7%. Importante ainda ressaltar que o ICMS segue o princípio da não-cumulatividade, pois é possível compensar o que foi devido na operação anterior. Nesse sentido, pode-se creditar do ICMS destacado e pago na fase anterior e deduzi-lo na fase seguinte. Assim, num exemplo simplificado, se uma indústria pernambucana adquire um insumo advindo do estado de Alagoas, pagando uma alíquota de 12%; processa esse insumo e vende dentro de Pernambuco, pagando uma alíquota de 17%; então o montante do imposto pago na compra do insumo deve ser abatido do montante do imposto pago na venda do produto. Nesse sentido, a aplicação do princípio da não-cumulatividade no ICMS reduz o impacto do tributo sobre os preços dos bens e serviços comercializados. Sem esse princípio, os preços estariam totalmente desvinculados da realidade da cadeia de produção, onerando o custo de vida da população e, consequentemente, reduzindo o poder de investimento do setor produtivo. 2.2. Perspectivas econômicas de Pernambuco Em 2009, a receita total do Estado chegou a R$ 16,2 bilhões em valores correntes (Pernambuco, 2010). As participações mais significativas dessa receita foram referentes à receita tributária, com 48,0%; e às transferências correntes, com 35,6%. Por sua vez, a receita tributária pode ser dividida em impostos, que representou 96,4% dessa receita; e taxas, com os 3,6% restantes. Quanto às transferências correntes, o item mais significativo diz respeito ao Fundo de Participação dos Estados, repassado pela União, que correspondeu a 54,2% do total de transferências correntes em 2009 1 . Percebe-se, portanto, que as contas do Estado têm dois componentes mais significativos, aquele que pode ser relativamente administrado por seus gestores (receita tributária) e aquele que depende principalmente de recursos provenientes da Fazenda Nacional. Quanto à arrecadação do ICMS, verifica-se que sua participação chegou a 86,3% da receita tributária do Estado em 2009, ou seja, 41,4% da receita total de Pernambuco. Ao se analisar os cinco últimos anos da série, verifica-se que a arrecadação do ICMS tem se elevado consideravelmente. Em termos reais, a elevação foi de 11,9% ao ano 2 . Entretanto, esse crescimento tem sido pouco superior àquele apresentado pelo Fundo de Participação dos Estados (crescimento real de 10,9% ao ano), o que demonstra que as contas do Estado ainda se mostram dependentes dos recursos repassados pela União. A Figura 1, abaixo, traz o comportamento da receita tributária de Pernambuco entre 2005 e 2009; enquanto a Figura 2 traz o desempenho das transferências recebidas pelo Estado no mesmo período. A Figura 3, por sua vez, traz o comportamento da receita total, incluindo receita tributária, transferências e outras receitas, em valores e composição percentual. Como verificado, apesar do expressivo crescimento das receitas do Estado, sua composição permaneceu praticamente inalterada, com pequena variação negativa da participação das receitas tributárias (queda de 3,8 pontos percentuais) e elevação da participação de outras receitas (em 3,7 pontos percentuais). 1 Outras transferências correntes importantes foram os recursos do FUNDEB (19,0% do total de transferências em 2009) e do SUS (15,0%). 2 Valores corrigidos pelo IGP-DI (Ipeadata, 2010). 6 - 2,0 4,0 6,0 8,0 2005 2006 2007 2008 2009 R$ Bi ICMS Outras Figura 1. Receita tributária do Estado de Pernambuco (2005 a 2009). Obs: valores reais de 2009, corrigidos pelo IGP-DI (Ipeadata, 2010). Fonte: Pernambuco (2006, 2007, 2008, 2009 e 2010). - 2,0 4,0 6,0 8,0 2005 2006 2007 2008 2009 R$ Bi FDE Outras Figura 2. Receita de transferências do Estado de Pernambuco (2005 a 2009). Obs: valores reais de 2009, corrigidos pelo IGP-DI (Ipeadata, 2010). Fonte: Pernambuco (2006, 2007, 2008, 2009 e 2010). 0% 20% 40% 60% 80% 100% 2005 2006 2007 2008 2009 Receita tributária Transferências Outras - 2,0 4,0 6,0 8,0 10,0 12,0 14,0 16,0 2005 2006 2007 2008 2009 R$ Bi Figura 3. Receita total do Estado de Pernambuco: valores reais e composição percentual (2005 a 2009). Obs: valores reais de 2009, corrigidos pelo IGP-DI (Ipeadata, 2010). Fonte: Pernambuco (2006, 2007, 2008, 2009 e 2010). 7 Particularmente quanto à arrecadação de ICMS, é importante destacar que seu crescimento no Estado ocorreu sem que houvesse praticamente qualquer alteração na composição das origens do imposto (Figura 4). Como visto, de acordo com informações colhidas diretamente junto à Secretaria da Fazenda do Estado de Pernambuco, a distribuição da arrecadação segundo segmentos econômicos continuou diversificada, ainda que com maior participação dos grupos de comércio 3 , combustíveis e outros 4 . Contudo, os demais grupos (telecomunicações, energia e indústria 5 ) têm apresentado participações superiores a 10%, cifra considerada importante para a arrecadação do Estado. 0% 20% 40% 60% 80% 100% 2002 2003 2004 2005 2006 2007 2008 2009 Comércio Combustíveis Telecomunicações Energia Indústria Outros Figura 4. Composição da arrecadação de ICMS no Estado de Pernambuco: 2002 a 2009. Fonte: informações colhidas diretamente junto à Secretaria da Fazenda do Estado de Pernambuco. É fato que as receitas totais do estado têm se elevado consideravelmente, em parte pela elevação das receitas tributárias, com participação relevante do aumento da arrecadação de ICMS; e pelo crescimento das transferências correntes, principalmente dos recursos repassados pela União. Visto que o ICMS reflete a circulação de mercadorias e serviços, percebe-se que o crescimento econômico do Estado tem contribuído para o aumento dessas receitas. Com efeito, esta primeira década do século XXI tem se caracterizado pelo bom desempenho da economia local, principalmente devido aos investimentos alocados no Complexo Industrial Portuário de Suape, da política expansionista da fruticultura na região de Petrolina, do crescimento dos pólos da indústria têxtil e de confecções de Caruaru, Toritama e Santa Cruz do Capibaribe, da recuperação e modernização da atividade sucroalcooleira e ao maior incentivo ao setor de turismo, principalmente nas praias da região sul do Estado (Lima et alli, 2007). O Estado de Pernambuco tornou-se, nesse período, uma das Unidades da Federação com maior potencial de atração de projetos estruturadores, reflexo dos investimentos aplicados em projetos diversificadores e renovadores na infraestrutura local. O Estado passou a apresentar um diferencial no recebimento de novos empreendimentos econômicos, em que se destacam a modernização da malha viária, com ênfase na duplicação da BR 232, no trecho compreendido entre os municípios do Recife e São 3 Nesse grupo, considerou-se a agregação de oito dos 17 segmentos definidos pela SEFAZ-PE: atacado, atacado alimentício, bebidas, cigarros, medicamentos, supermercados, tecidos e varejo. 4 Nesse grupo, foram incluídos cinco dos 17 segmentos: materiais de construção, transporte, veículos, outros e não inscritos. 5 No grupo de indústria, considerou-se a agregação de três setores: indústria, indústria alimentícia e usinas de açúcar. 8 Caetano; a ampliação e modernização das instalações aeroportuárias, principalmente o Aeroporto do Internacional do Recife que foi completamente reconstruído e reaparelhado; e as melhorias nos portos, com destaque para o Complexo Industrial e Portuário de Suape, que ao longo dos últimos 30 anos vem recebendo importantes investimentos. De acordo com Lima et alli (2007), Pernambuco passou a apresentar grandes perspectivas para crescimento econômico local e regional, com destaque para os seguintes projetos em consolidação: - Polo de Software: o Porto Digital, constituído com recursos dos segmentos público e privado, em parcerias com universidades, objetiva fomentar as inovações no campo da tecnologia da informação e comunicação, produzindo conhecimento e exportando serviços de alto valor agregado. Possui capacidade contínua de atração de novos investimentos e oferta de tecnologia e capital humano altamente especializado. Enquanto a participação do segmento da tecnologia da informação na economia nacional representa 0,8% de seu PIB, na economia pernambucana esse segmento representa 1,8% do PIB estadual. - Polo Farmoquímico: o projeto terá como âncora a construção da Empresa Brasileira de Hemoderivados e Biotecnologia (Hemobras). O objetivo do investimento é alavancar a economia na região da mata norte de Pernambuco, mas outro fator decisivo para sua implantação será a capacidade do Brasil de desenvolver e dominar toda a cadeia produtiva de hemoderivados, tornado-se um dos poucos países do mundo a dominar a biotecnologia de ponta, gerando uma economia para a União de US$ 120 milhões nas importações desses produtos. - Polo Médico: em Recife, observa-se certa concentração de hospitais, clínicas especializadas, laboratórios e centros de diagnósticos, bem como diversas atividades correlatas, com destaque para a produção e manutenção de equipamentos, os serviços de informática e automação, a produção de medicamentos, roupas profissionais, descartáveis, gases, entre outras atividades, ao lado de serviços de lavanderia, esterilização, coleta e tratamento de lixo, hospedagem e comercialização. Referido aglomerado traz boas perspectivas de consolidação em Pernambuco, embora tenha perdido um pouco do fôlego exibido ao longo dos anos 1990. - Complexo Industrial e Portuário de Suape: o Porto de Suape é o mais completo polo para a instalação de negócios industriais e portuários da Região. Isso se deve não só por sua posição geográfica, mas pela disponibilidade de uma infraestrutura completa para atender às necessidades dos mais diversos empreendimentos. Dessa forma, Suape tem atraído um número cada vez maior de empresas interessadas em colocar seus produtos no mercado regional e com a finalidade de exportação, resgatando o papel do Estado como entreposto comercial. - Refinaria de Petróleo: a Refinaria Abreu e Lima constitui-se com um dos empreendimentos mais estruturadores em implantação no Complexo de Suape. Esse projeto é uma parceria da Petrobrás do Brasil e da PDVSA da Venezuela, com investimento estimado em US$ 4 bilhões e previsão de processamento de 200.000 barris de petróleo para a produção de nafta, diesel e GLP, processando óleo pesado proveniente dos dois países. Nesse sentido, abre-se uma série de oportunidades para a economia local, possibilitando o 9 fornecimento de bens e serviços para atender as necessidades do complexo petrolífero. - Polo de Poliéster: com investimento orçado em R$ 3 bilhões, sendo o maior empreendimento do gênero na América Latina, o complexo será composto de quatro fábricas localizadas em Suape. A primeira se destina à fabricação de resinas para embalagens PET; a segunda, à produção de fios de poliéster; a terceira, à fabricação do ácido teraftálico purificado PTA, matéria-prima para a produção do poliéster; e a última, à produção de paraxileno, matéria-prima do PTA. O investimento deve atrair novos empreendimentos correlacionados, como a indústria têxtil e a indústria de bebidas. - Estaleiro Atlântico Sul: trata-se de um consórcio, criado em novembro de 2005, constituído pelas empresas Camargo Correia, Andrade Gutierrez, Queiroz Galvão, Aker Promar e Samsung. Também localizado em Suape, destina-se à produção de navios cargueiros de até 500 mil toneladas de porte bruto (TPB), além de plataformas offshores dos tipos semisubmersíveis, FPSO (sistemas flutuantes de produção, armazenamento e transferência de petróleo), TLP (plataformas de pernas atiradas), entre outras. Ademais, oferecerá um amplo leque de serviços para reparos de embarcações e unidades de exploração de petróleo, valendo-se de sua localização estratégica em relação a grandes regiões produtoras de óleo e gás em águas profundas. - Ferrovia Transnordestina: o investimento visa melhorar os canais de escoamento dos produtos advindos do interior do Nordeste, o que deve refletir no aumento da competitividade do Polo Gesseiro do Araripe, do Polo de Fruticultura de Petrolina e Juazeiro, do setor avícola do Estado, bem como impactar favoravelmente sobre os projetos de construção das usinas de biodiesel na região. Além desses projetos citados por Lima et alli (2007), deve-se destacar que Pernambuco conta com boas perspectivas relacionadas ao Projeto de Transposição do Rio São Francisco, que, se associado à criação de novos Polos de Irrigação e reaparelhamento dos já existentes, pode ampliar a produção no agronegócio do Estado. De toda forma, a simples melhoria do abastecimento de água em regiões do Estado pode propiciar um melhor ambiente à atração de novos negócios. Outras boas perspectivas estão associadas à possibilidade de Recife ser uma das sedes da Copa do Mundo de Futebol em 2014, o que pode trazer amplos benefícios para a região, principalmente relacionados à melhoria da infraestrutura de transportes, segurança e turismo. Todas essas iniciativas, coordenadas entre diversos setores produtivos e regiões do Estado, podem significar elevação do nível geral de renda e emprego, redução das desigualdades sociais e, como consequência, elevação na arrecadação dos tributos e melhoria das contas públicas do Estado. 3. REVISÃO BIBLIOGRÁFICA ACERCA DOS MODELOS DE PREVISÃO PARA ARRECADAÇÃO TRIBUTÁRIA NO BRASIL Prever uma arrecadação é pressupor, predizer ou permitir-se antecipar resultados futuros, tomando-se por base dados históricos e ferramentas apropriadas de análise. Nesse sentido, observa-se uma vasta quantidade de trabalhos acadêmicos e profissionais que versam sobre o tema. Tratam-se de estudos de previsão de arrecadação de diferentes tributos, aplicados sobre diferentes regiões e níveis administrativos, utilizando-se de variadas ferramentas de análise. Nesta seção, apresentam-se alguns trabalhos que se inserem nesse contexto. 10 O Estado do Rio Grande do Sul, através de sua Secretaria da Fazenda, realizou ensaio econômico e fiscal publicado no ano 2002, antevendo a importância da previsão da arrecadação de ICMS para o planejamento orçamentário do Estado. O trabalho utilizou metodologia simples e eficiente, no sentido que apresentou erros inferiores à meta estipulada de 2% para os anos 1999, 2000 e 2001, utilizando-se de ferramentas básicas do software Microsoft Excel e de uma série histórica entre janeiro de 1994 e dezembro de 2000. O método aplicado foi próprio e inédito, e não aplicou metodologia puramente estatística e/ou matemática, mas admitiu a inclusão de fatores externos específicos, como aqueles resultantes do cenário econômico e da política tributária (Guaragna e Mello, 2002). Em trabalho realizado por Corvalão (2002), por sua vez, apresentou-se método de previsão da arrecadação de ICMS para o Estado de Santa Catarina. No estudo, adotou-se o método de regressão dinâmica baseado nos conceitos de cointegração e modelos de erros, com série histórica entre janeiro de 1995 e dezembro de 2001, e utilizando-se aplicativos com PcGive, Eviews e Microsoft Excel. O trabalho contemplou um modelo de previsão do ICMS em curto e longo prazos, sobre os quais se incorpora um Mecanismo de Correção de Erros. O melhor critério de previsão para arrecadação do ICMS catarinense no ano de 2001, foi o de Erro Percentual Absoluto Médio (EPAM), com percentual de 2,6%. Para as previsões de curto prazo, foi sugerida a criação de um aplicativo nos moldes de uma planilha eletrônica, utilizando os dados históricos empregados no trabalho, associados aos valores calculados para o mecanismo de correção de erros e acrescido de uma área para entrada dos valores atualizados das variáveis explanatórias. O autor também sugere que o modelo dinâmico seja revisto periodicamente, visando incorporar novos efeitos de benefícios fiscais e mudanças nas atividades de fiscalização tributária ocorridas no Estado. Para o Estado do Piauí, o trabalho de Cruz (2007) abordou a sistemática de previsão da arrecadação do ICMS através da econometria de séries temporais, utilizando-se o software Eviews e dados entre janeiro de 1996 e dezembro de 2006. Nesse sentido, optou-se pelo modelo de Função de Transferência, com EPAM de 4,4%, o qual, numa comparação feita pelo modelo de previsão adotado pela Secretaria da Fazenda do Estado, demonstrou resultados mais satisfatórios em termos de acertos. Liebel (2004), por sua vez, estuda a previsão do ICMS para o Estado do Paraná. O trabalho foi desenvolvido sob duas vertentes, uma quantitativa e outra qualitativa. Na primeira, foram utilizadas as principais técnicas de previsão para uma série temporal de arrecadação do ICMS, obtendo-se como melhor opção o modelo de Suavização Exponencial de Winters Aditivo, para o ano de 2004. Quanto à análise qualitativa, foi constatada a existência de algumas informações subjetivas nos dados coletados da arrecadação e que, após uma depuração, o modelo de previsão quantitativo apresentou uma melhora nos seus resultados. Dentre essas informações depuradas, encontram-se programas de recuperação de crédito, mudança na legislação fiscal, recolhimento decenal do imposto, dentre outros. Em trabalho mais recente, desenvolvido por Camargos (2008) para definir o melhor modelo de previsão para a arrecadação de tributos no Estado de São Paulo, utilizou-se a metodologia Box-Jenkins, com aplicações sobre modelos ARMA, ARIMA e SARIMA. A base de dados foi composta pelas séries de ICMS e IPVA, no período de janeiro de 1997 a janeiro de 2007, e pelos dados de ICD e Taxas, no período de outubro de 1997 a maio de 2007. Para a previsão da arrecadação do ICMS, o modelo mais adequado foi o ARMA(12,12) com dummies sazonais de janeiro a dezembro. Para o IPVA, o mais apropriado foi o modelo SARIMA(0,1,1)(12,1,12) com dummies sazonais para o mês de janeiro. Quanto ao ICD, o SARIMA(1,1,1)(12,1,12) com dummies sazonais para janeiro, mostrou-se melhor ajustado. Por fim, para a previsão das Taxas cobradas pelo Estado, o 11 modelo mais acurado foi SARIMA(2,1,1)(8,1,12) com dummies sazonais para janeiro, fevereiro, março, junho, agosto, novembro e dezembro. Como indica Siqueira (2004), o principal objetivo do uso de variados modelos na previsão de receitas públicas é a constante busca por resultados mais acurados. Ainda conforme o autor, a recente priorização dada a modelos de séries temporais univariados, particularmente aqueles baseados na Metodologia Box-Jenkins, em detrimento aos modelos econométricos de regressão (modelos causais), deve-se ao fato de que equações de regressão poderiam gerar modelos não muito bem especificados, dada a dificuldade de interrelacionar todas as variáveis envolvidas. Por sua vez, resultados recentes demonstram que modelos de séries temporais baseados na Metodologia Box-Jenkins podem melhorar significativamente as previsões de arrecadações tributárias. A Metodologia Box-Jenkins foi desenvolvida no sentido de permitir alcançar o processo autorregressivo ao qual a série temporal em análise apresenta melhor ajuste (Box e Jenkins, 1994). Dentre esses processos, estão: Modelo ARMA(p,q), em que os valores da variável estudada estão associados a seus valores defasados (Modelo Autorregressivo, com p defasagens) e a seus erros aleatórios contemporâneo e defasados (Modelo de Média Móvel, com q defasagens); Modelo ARIMA(p,d,q), em que o Modelo ARMA(p,q) precisa ser diferenciado em d vezes, na ocorrência de séries não-estacionárias; e Modelo SARIMA(p,d,q)(P,D,Q), utilizado quando a série estudada apresenta componentes sazonais, que devem ser incluídos no Modelo. Segundo o método Box-Jenkins, o alcance do processo de melhor ajuste deve ocorrer por meio dos seguintes passos (Box e Jenkins, 1994): - Identificação do modelo (seleção provisória dos termos p, d e q): para tanto, utilizam-se a função de autocorrelação (FAC) e a função de autocorrelação parcial (FACP). Nos processos autorregressivos, os valores da FACP apresentam picos significativos em até p defasagens, enquanto a FAC declinam exponencialmente; nos processos de média móvel, os valores da FAC apresentam picos significativos em até q defasagens, enquanto na FACP declinam exponencialmente. - Estimação: conforme os parâmetros identificados no passo anterior, através da FAC e da FACP, deve-se proceder a estimação do Modelo. - Diagnóstico: concluída a fase anterior e definido o modelo provisório, deve-se verificar se o mesmo encontra-se adequado para a série temporal em estudo ou apresentam, ou não, problemas de autocorrelação residual. Os critérios de informação de Akaike (AIC) e Schwarz (BIC) podem ser utilizados para realizar referido diagnóstico (em ambos os critérios, quanto menor o valor da estatística calculada, melhor será o ajuste do modelo à série analisada). Caso o diagnóstico aponte um resultado desfavorável, deve-se voltar à fase de identificação do modelo. - Realização da previsão: encontrado o modelo de melhor ajuste à série, o que deve ser apontado na fase de diagnóstico, deve-se utilizar o modelo para realizar as previsões dos valores futuros da série temporal em estudo. 4. METODOLOGIA E DADOS Nesta seção, apresentam-se informações referentes à coleta e ao tratamento dos dados, bem como sobre os procedimentos metodológicos utilizados no estudo. 12 4.1. Coleta e tratamento dos dados Os dados utilizados no presente estudo, de frequência mensal, compreendem o período entre janeiro de 2002 e agosto de 2010, perfazendo-se 104 observações. Nesse período, verificou-se um ciclo relativamente equilibrado na economia local e nacional, sem grandes variações que impactassem de forma exógena a arrecadação de ICMS no Estado 6 . As informações foram colhidas diretamente em conjunto com a Secretaria da Fazenda do Estado de Pernambuco, por meio de solicitação de fornecimento de uma planilha consolidada de arrecadação sobre todo o período. Em referida planilha, disponibilizou-se um conjunto de informações detalhadas, acerca de 17 segmentos econômicos estabelecidos pela SEFAZ-PE. Ainda que fosse interessante formular modelos de previsão específicos para cada segmento ou grupo de segmentos, referida análise não entrará no escopo deste trabalho. 4.2. Especificação dos modelos Para obtenção dos modelos mais acurados de previsão para arrecadação de ICMS no Estado de Pernambuco, objetivo deste estudo, utilizou-se a metodologia Box-Jenkins, que consiste em definir o modelo que melhor se ajusta à série temporal. Os procedimentos adotados para definição do melhor modelo para a série de arrecadação de ICMS no Estado seguiu uma série de processos, descritos a seguir, utilizando-se o software computacional RATS (Regression Analysis of Time Series). Primeiramente, foi verificado se a série de arrecadação apresenta alguma tendência determinística. Referido teste foi feito por meio do método dos Mínimos Quadrados Ordinários, tendo como variável dependente a arrecadação e como explicativa o tempo. Posteriormente, realizou-se teste quanto à estacionariedade da série ou verificação de raiz unitária, aplicando-se o teste ADF (Augmented Dickey–Fuller), conforme sugerido por Enders (2004). Adicionalmente, realizou-se o teste HEGY para verificação de raiz unitária sazonal, na versão para dados mensais sugerida por Beaulieu e Miron (1993). Baseando-se nos resultados obtidos do teste ADF e do teste HEGY para dados mensais, fez-se análise das funções de autocorrelação (FAC) e autocorrelação parcial (FACP), através de seus correlogramas, com o intuito de indicar uma primeira estrutura provisória de modelo (Enders, 2004). Sobre a estrutura preliminarmente indicada pela FAC e pela FACP, foi aplicado o teste de Ljung-Box para verificar se a mesma não apresentava problemas de autocorrelação. Além disso, verificou-se a estatística Q de Box-Pierce, como critério de seleção do modelo provisório. Não obstante, foi necessário efetuar um processo de modelagem para encontrar a estrutura mais apropriada para a arrecadação de ICMS em Pernambuco (Enders, 2004). Como critério de escolha do modelo mais apropriado para cada caso, foram utilizadas a estatística de Akaike, ou AIC (Akaike Information Criterion), bem como a estatística de Schwarz, ou BIC (Bayesian Information Criterion). Além destes critérios, levou-se também em consideração o critério de previsão ex-post sobre os últimos doze meses da série, com o objetivo de definir o modelo que apresentasse o menor erro de previsão, obtido pelo método de Erro Percentual Absoluto Médio (EPAM). Outras informações observadas para a seleção do melhor modelo foi a estatística R 2 ajustado e a quantidade de coeficientes significativos na regressão estimada (Enders, 2004). 6 De certa forma, a crise financeira mundial de 2008 não chegou a causar fortes impactos sobre a arrecadação de ICMS no Estado, visto que esta continua a crescer em ritmo consideravelmente elevado. 13 Escolhido o modelo de melhor ajuste sobre cada uma das séries analisadas, efetuou-se a previsão para os doze meses seguintes, utilizando-se do critério de previsão ex-ante. Nesse sentido, buscou-se o modelo de melhor ajuste e, concomitantemente, aquele que minimizasse a quantidade de parâmetros e defasagens, de forma a fornecer um modelo mais parcimonioso. Finalmente, ainda foram realizados testes nos resíduos de cada regressão estimada, de forma que os mesmos devam ser estacionários e não apresentar autocorrelação (Enders, 2004). 5. ANÁLISE DOS RESULTADOS Nesta seção, como forma de desenvolver o modelo de previsão para arrecadação de ICMS monitorada pela Secretaria da Fazenda do Estado de Pernambuco (SEFAZ-PE), são apresentados os procedimentos realizados e os resultados obtidos. Inicialmente, procurou-se verificar se a série pode ser explicada por alguma tendência determinística. Regredindo-se a série com relação ao tempo, verificou-se que, de fato, essa tendência é significativa, com coeficiente R 2 ajustado equivalente a 0,5006. A Figura 5, abaixo, traz a série de arrecadação efetivamente observada e os erros da regressão. Nesse sentido, percebe-se que a tendência determinística é realmente relevante no comportamento da série, bem como é possível observar características de sazonalidade e inconstância da variância dos dados no tempo. Figura 5. Arrecadação de ICMS no Estado de Pernambuco: série observada e série de resíduos de sua série determinística. Fonte: elaboração própria. Com o intuito de testar estatisticamente a estacionariedade da série de arrecadação e a existência de tendência estocástica, realizou-se o teste ADF. Os cálculos apontaram para um valor calculado da estatística tao equivalente a 2,5028 (com intercepto e tendência), inferior ao valor crítico de |-3,41|. Nesse sentido, não se pode rejeitar a existência de raiz unitária a 5% de significância, ou seja, não se pode rejeitar a hipótese de que a série de arrecadação de ICMS não seja estacionária. Contudo, dada a característica sazonal verificada na figura acima, optou-se por realizar o teste HEGY, na versão para dados mensais sugerida por Beaulieu e Miron (1993). Nesse sentido, conforme apresentado na Tabela 1, constatou-se a presença de raiz unitária sazonal. Ainda de acordo com o teste, não se pode rejeitar a hipótese de raiz 14 unitária não sazonal (coeficiente π 1 ), o que corrobora com o resultado do teste ADF. Quanto à raiz unitária semi-anual (coeficiente π 2 ), também não se pode rejeitar a não- estacionariedade, o mesmo ocorrendo com todas as demais frequências sazonais. Nesse sentido, tende-se a considerar que a série de arrecadação de ICMS no Estado de Pernambuco seja não-estacionária e possua raiz unitária regular e raiz unitária sazonal. Tabela 1. Resultados do teste HEGY para dados mensais, sobre a variável arrecadação de ICMS no Estado de Pernambuco. Frequencia Coeficiente Teste t Teste F Valor calculado Valor crítico (5%) Valor calculado Valor crítico (95%) 0 π 1 -1,70 NR -3,28 - - π π 2 0,41 NR -2,75 - - π/2 π 3 -0,39 NR -3,24 0,29 NR 6,23 π 4 -0,58 NR -1,85 2π/3 π 5 -0,90 NR -3,24 0,41 NR 6,23 π 6 -0,13 NR -1,85 π/3 π 7 -0,25 NR -3,24 0,08 NR 6,23 π 8 0,33 NR -1,85 5π/6 π 9 -2,40 NR -3,24 3,72 NR 6,23 π 10 1,04 NR -1,85 π/6 π 11 1,59 NR -3,24 1,48 NR 6,23 π 12 1,00 NR -1,85 Obs.: as equações do teste incluem constante, tendência e dummy sazonal, além de considerar duas defasagens (de acordo com o critério de Schwarz). Fonte: elaboração própria. Destarte, tende-se a optar por um modelo de estrutura SARIMA(p,d,q)(P,D,Q) 12 . Vale destacar que, em 1ª diferenciação, a série mostra-se estacionária segundo o teste ADF, com um valor calculado absoluto de tao equivalente a 3,7152 (com intercepto e tendência), maior que o valor crítico de |-3,41|, rejeitando-se a hipótese de que a série diferenciada da arrecadação não seja estacionária. Da mesma maneira, a 1ª diferenciação sazonal soluciona o problema de raiz unitária sazonal da série, visto que é significativa a quantidade de frequências sazonais em que se rejeita a não-estacionariedade, considerando-se o teste HEGY para dados mensais. Dessa maneira, com o intuito de indicar uma estrutura provisória inicial para o modelo SARIMA(p,1,q)(P,1,Q) 12 , foram observados os correlogramas decorrentes da função de autocorrelação (FAC) e da função de autocorrelação parcial (FACP), considerando-se d = 1 e D = 1 (Figuras 5 e 6). Nesse sentido, definiu-se um primeiro modelo como um SARIMA(2,1,3)(2,1,5) 12 . Sobre essa estrutura, o teste de Ljung-Box 15 indicou que a mesma é adequada, visto que não apresenta problemas de autocorrelação dos resíduos. Porém, a estatística Q de Box-Pierce apresentou significância inferior a 5%, o que descartou a opção pelo modelo SARIMA(2,1,3)(2,1,5) 12 . Não obstante, realizou-se processo de modelagem com o intuito de encontrar outras alternativas de estrutura para melhor prever a arrecadação de ICMS no Estado. Figura 5. Arrecadação de ICMS no Estado de Pernambuco: funções de autocorrelação (FAC) e autocorrelação parcial (FACP), para d = 1. Fonte: elaboração própria. Figura 6. Arrecadação de ICMS no Estado de Pernambuco: funções de autocorrelação (FAC) e autocorrelação parcial (FACP), para d = 1 e D = 1. Fonte: elaboração própria. Sobre as alternativas provisórias de estrutura, efetuou-se o teste de Ljung-Box para verificar a adequabilidade do modelo com vistas a não apresentar problemas de autocorrelação dos resíduos. Outras estatísticas importantes para o processo de escolha foram o R 2 ajustado, a estatística Q de Box-Pierce e os critérios de Akaike (AIC) e Schwarz (BIC). Além desses critérios, verificou-se o número de coeficientes insignificativos em cada modelo provisório, bem como o cálculo do Erro Percentual Absoluto Médio (EPAM) sobre a previsão ex-post para os últimos doze meses da série. Na Tabela 2, a seguir, estão expostos os modelos que apresentaram melhores resultados segundo todos esses critérios. 16 Tabela 2. Critérios de seleção de modelos SARIMA(p,d,q)(P,D,Q) S para a série de arrecadação de ICMS no Estado de Pernambuco. Estrutura de modelo R 2 Ajust. Q B-P (signif.) Número de parâmetros insignific. AIC BIC EPAM SARIMA(2,1,3)(2,1,4) 12 0,9706 0,5773 8 de 11 124,42 157,98 6,77% SARIMA(3,1,3)(2,1,4) 12 0,9690 0,3565 10 de 12 125,42 151,32 6,84% SARIMA(3,1,2)(2,1,4) 12 0,9691 0,2654 9 de 11 123,43 147,18 6,70% SARIMA(2,1,2)(2,1,4) 12 0,9690 0,2739 8 de 10 122,49 144,23 6,70% SARIMA(2,1,2)(2,1,3) 12 0,9698 0,2764 2 de 9 120,48 140,05 5,88% SARIMA(2,1,2)(3,1,3) 12 0,9604 0,1791 3 de 10 110,29 129,99 3,86% SARIMA(2,1,2)(1,1,3) 12 0,9753 0,8834 4 de 8 130,67 149,42 5,80% SARIMA(2,1,2)(0,1,3) 12 0,9831 0,4925 2 de 7 140,65 158,08 2,33% Fonte: elaboração própria. Dentre as opções de modelo, a estrutura SARIMA(2,1,2)(0,1,3) 12 foi aquela que se caracterizou como mais adequada a explicar a série de arrecadação de ICMS do Estado de Pernambuco. Apesar de obter resultados relativamente piores quanto aos critérios AIC e BIC, caracterizou-se pelo menor EPAM (2,33%) e maior R 2 ajustado (0,9831) dentre todas as oito opções listadas na tabela acima, o que demonstra o significativo ajuste aos dados estudados. A estimação dos parâmetros e as principais estatísticas relacionadas ao modelo citado encontram-se descritos na Tabela 3. Tabela 3. Parâmetros estimados para a estrutura SARIMA(2,1,2)(0,1,3) 12 , sobre a série de arrecadação de ICMS no Estado de Pernambuco. Variável Parâmetro Coeficiente Desvio Padrão Teste t AR{1} ϕ 1 0,4431 0,1405 3,15* AR{2} ϕ 2 0,3500 0,0369 9,49* MA{1} θ 1 -1,1370 0,2064 -5,51* MA{2} θ 2 -0,0115 0,1797 -0,06 SMA{1} Θ 1 -0,4340 0,1259 -3,45* SMA{2} Θ 2 0,1111 0,1666 0,51 SMA{3} Θ 3 0,3459 0,1744 1,98** * Significativo a 1%. ** Significativo a 5%. Fonte: elaboração própria. 17 Destarte, a equação que descreve o melhor modelo de previsão para a arrecadação de ICMS pode ser escrita como: ( ) ( ) ( ) ( ) ( ) 12 2 2 1 36 2 24 2 12 1 2 2 1 1 1 1 1 1 B B B B B B B B B X t t ÷ · ÷ · · ÷ · ÷ · · O ÷ · O ÷ · O ÷ · · ÷ · ÷ = | | c u u (1) ( ) ( ) ( ) ( ) ( ) 12 2 36 24 12 2 1 1 35 , 0 44 , 0 1 35 , 0 11 , 0 43 , 0 1 01 , 0 14 , 1 1 B B B B B B B B B X t t ÷ · ÷ · · ÷ · ÷ · · ÷ · ÷ · + · · + · + = c (2) Na equação, X t representa a arrecadação de ICMS no período contemporâneo; ɛ t representa o termo de erro contemporâneo; e B é o operador de defasagem. Nesse sentido, foi possível efetuar a previsão da arrecadação 12 períodos à frente, o que é apresentado na Figura 7, utilizando-se a equação (2). Conforme indicado, a previsão é de que, entre setembro de 2010 e agosto de 2011, o Estado de Pernambuco arrecade cerca de R$ 9,2 bilhões através do ICMS, com margem de erro de 4,93% para mais ou para menos. Referido desempenho seria 15,56% maior frente ao resultado observado no mesmo período do ano anterior, o que representa boas perspectivas para as contas do Estado. Figura 7. Arrecadação de ICMS no Estado de Pernambuco: estimativas 12 meses à frente, segundo a estrutura SARIMA(2,1,2)(0,1,3) 12 . Fonte: elaboração própria. 6. CONCLUSÕES O presente artigo teve como principal objetivo o desenvolvimento de modelos de previsão de séries temporais de arrecadação de ICMS monitoradas pela Secretaria da Fazenda do Estado de Pernambuco (SEFAZ-PE), utilizando-se de técnicas econométricas fundamentadas na metodologia Box-Jenikins, mais especificamente o processo SARIMA (Modelo Autorregressivo Integrado de Média Móvel Sazonal). A razão para tal desenvolvimento se deu no sentido de disponibilizar aos gestores da SEFAZ-PE, um modelo de previsão quantitativo específico para a arrecadação do ICMS. Deve-se destacar que os modelos desenvolvidos visam ao atendimento da arrecadação no Estado de 18 Pernambuco, não sendo direcionados para a aplicação em outros estados, dada a diferença natural existente entre tais processos. Conforme demonstrado em análise descritiva, a receita total do Estado de Pernambuco tem se elevado consideravelmente no período em análise, principalmente devido ao aumento da receita tributária, em particular com respeito à arrecadação de ICMS; e das transferências correntes, principalmente dos recursos repassados pela União. Não obstante, essa elevação da receita total do Estado ocorreu sem que houvesse uma significativa alteração na composição das contas públicas. Especificamente quanto ao ICMS, verificou-se que o crescimento da arrecadação desse imposto, nos últimos cinco anos da série analisada, também tem se elevado a uma taxa amplamente favorável de 11,9% ao ano (em valores reais). Além disso, percebeu-se que a distribuição dos 17 segmentos econômicos monitorados pela SEFAZ-PE não se alterou consideravelmente. Dentre os principais segmentos de origem da arrecadação em Pernambuco, segundo dados fornecidos diretamente pela Secretaria, destacam-se comércio atacadista, varejista e supermercados, juntos participando com 20,1% do total arrecadado de ICMS no ano de 2009; combustíveis, com 17,3%; telecomunicações, com 11,6%; energia, com 11,1%; e indústria (indústria, indústria alimentícia e usinas de açúcar), com 10,0%. Juntos, esse conjunto de segmentos respondeu por 70,4% do total arrecadado pelo Estado através do ICMS. Dada a importância desse imposto para as contas públicas estaduais, procurou-se dar uma sugestão de modelo de previsão ajustado sobre referida série de dados. Para tanto, verificou-se que a série incorpora tendência determinística e estocástica, inclusive sazonal. Nesse sentido, os testes ADF e HEGY apontaram para a ocorrência de raízes unitárias, regular e sazonal. Por sua vez, efetuou-se processo de modelagem para o encontro do modelo mais adequado à série, considerando-se aspectos como teste de Ljung-Box, estatística Q de Box-Pierce, R 2 ajustado, número de coeficientes significativos sobre a regressão estimada, critérios AIC e BIC, além de cálculo do EPAM sobre uma previsão ex- post sobre os últimos doze meses da série (Enders, 2004). O modelo conclusivo encontrado, sugerido como a estrutura de melhor ajuste à série de arrecadação de ICMS, trata-se do modelo SARIMA(2,1,2)(0,1,3) 12 . A construção de um modelo de previsão da receita total de ICMS tem como finalidade evidenciar o comportamento geral da arrecadação desse imposto para o Estado de Pernambuco. Os resultados obtidos poderão ser aplicados na previsão e monitoramento da arrecadação no Estado, a critério das autoridades competentes. As conclusões sobre o nível de acurácia que se pode atingir com a utilização dos modelos testados permitem a elaboração de orçamentos mais realistas e, consequentemente, uma melhor administração dos recursos públicos. Nesse sentido, conclui-se que a tomada de decisão dos gestores, especificamente em relação às despesas publicas, pode ser realizada com melhor fundamentação teórica, com vistas a obter um maior nível de segurança. Ademais, deve-se ressaltar que referidas análises devem ser revistas constantemente, incluindo dados mais recentes, com o intuito de captar novas informações relevantes para um modelo de previsão. Outra recomendação diz respeito ao estudo de modelagens para prever a arrecadação em segmentos econômicos específicos e relevantes, com vistas a melhor atender às expectativas dos administradores públicos. Sugere-se ainda que outros métodos sejam testados, como o uso da modelagem baseada em Redes Neurais Artificiais (RNA) ou a associação do método Box-Jenkins com modelos qualitativos de previsão. 19 REFERÊNCIAS BEAULIEU, J.J.; MIRON, J.A. Seasonal unit roots in aggregate U.S. data. NBER Technical Paper Series, n.129. Cambridge: NBER, ago. 1992. 45p. Disponível em: BOX, G.E.P.; JENKINS; G.M. Time series analysis: forecasting and control, 3.ed. Upper Saddle River-NJ: Prentice-Hall, 1994. 592p. BRASIL, Lei Complementar 101/2000. Estabelece normas de finanças públicas voltadas para a responsabilidade na gestão fiscal e dá outras providências. Diário Oficial da União, Brasília, 05 jan. 2000. BRASIL, Constituição da República Federativa do Brasil. Brasília, 05 out. 1989. BRASIL, Lei Complementar 87/1996. Dispõe sobre o imposto dos Estados e do Distrito Federal sobre operações relativas à circulação de mercadorias e sobre prestações de serviços de transporte interestadual e intermunicipal e de comunicação, e dá outras providências. Diário Oficial da União, Brasília, 13 set. 1996. CAMARGOS, A.A.B. Modelos de previsão da arrecadação tributária do estado de São Paulo: ICMS, IPVA, ITCMD e Taxas. Dissertação (Mestrado em Economia). São Paulo: IBMEC, 2008. 70p. Disponível em: http://tede.ibmecsp.edu.br/tde_busca/ arquivo.php?codArquivo=94 Acesso em: 01 dez. 2010. CORVALÃO, E.D. Previsão da arrecadação do imposto sobre circulação de mercadorias e serviços em Santa Catarina: aplicação da abordagem geral para específico em modelos dinâmicos. Dissertação (Mestrado em Engenharia de Produção) Santa Catarina: UFSC, 2002. 78p. Disponível em: http://www.qualimetria.ufsc.br/dissertacoes_arquivos/ eder.pdf Acesso em: 01 dez. 2010. CRUZ, C.C.S. Análise de séries temporais para previsão mensal do ICMS: o caso do Piauí. Dissertação (Mestrado em Economia). Fortaleza: UFC, 2007. 82p. Disponível em: http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=1648 Acesso em: 01 dez. 2010. ENDERS, W. Applied Econometrics Time Series. 2.ed. Massachusetts: Willey&Sons, 2004. 460p. GUARAGNA, P.; MELLO, M. Um modelo de previsão da arrecadação do ICMS. Estudos Econômico-Fiscais, ano 8, n.13. Porto Alegre: SEFAZ-RS, dez. 2002. 35p. Disponível em: http://www.sefaz.rs.gov.br/ASP/Download/UmModeloPrevisaoArrecadacaoICMS. pdf Acesso em: 01 dez. 2010. IPEADATA, Base de dados do IPEA. Série IGP-DI, FGV/Conjuntura Econômica. Disponível em: http://www.ipeadata.gov.br/ Acesso em: 01 dez. 2010. LIEBEL, M.J. Previsão de receitas tributárias: o caso do ICMS no Estado do Paraná. Dissertação (Mestrado em Engenharia). Porto Alegre: UFRGS, 2004. 136p. Disponível em: http://www.lume.ufrgs.br/bitstream/handle/10183/4711/000459140.pdf? sequence=1 Acesso em: 01 dez. 2010. LIMA, J.P.R.; PADILHA, M.F.F.G.; SICSÚ, A.B. Economia de Pernambuco: transformações recentes e perspectivas no contexto regional globalizado. Revista Econômica do Nordeste, v.38, n.4, p.525-541. Fortaleza: ETENE/BNB, out./dez. 2007. MELO, J.E.S. ICMS: teoria e prática, 8.ed. São Paulo: Dialética, 2005. 400p. PERNAMBUCO, Lei 10.259/1989. Institui o Imposto sobre Operações relativas à Circulação de Mercadorias e sobre Prestações de Serviços de Transportes Interestadual e Intermunicipal e de Comunicação – ICMS e dá outras providências. Diário Oficial do Estado de Pernambuco, Recife, 27 jan. 1989. PERNAMBUCO, Lei 11.408/1996. Estabelece, com base na Lei Complementar nº 87, de 13 de setembro de 1996, normas referentes ao Imposto sobre Operações relativas à Circulação de Mercadorias e sobre Prestações de Serviços de Transporte Interestadual 20 e Intermunicipal e de Comunicação - ICMS, e dá outras providências. Diário Oficial do Estado de Pernambuco, Recife, 20 dez. 1996 PERNAMBUCO, Decreto 14.876/1991. Consolida a legislação tributária no Estado. Diário Oficial do Estado de Pernambuco, Recife, 12 mar. 1991. PERNAMBUCO, Secretaria da Fazenda. Balanço geral 2005. Recife: SEFAZ-PE, 2006. 530p. Disponível em: http://www.sefaz.pe.gov.br/sefaz2/flexpub/versao1/ filesdirectory/sessions2339.pdf Acesso em: 01 dez. 2010. PERNAMBUCO, Secretaria da Fazenda. Balanço geral 2006. Recife: SEFAZ-PE, 2007. 532p. Disponível em: http://www.sefaz.pe.gov.br/sefaz2/flexpub/versao1/ filesdirectory/sessions2630.pdf Acesso em: 01 dez. 2010. PERNAMBUCO, Secretaria da Fazenda. Balanço geral 2007. Recife: SEFAZ-PE, 2008. 568p. Disponível em: http://www.sefaz.pe.gov.br/sefaz2/flexpub/versao1/ filesdirectory/sessions3280.pdf Acesso em: 01 dez. 2010. PERNAMBUCO, Secretaria da Fazenda. Balanço geral 2008. Recife: SEFAZ-PE, 2009. 590p. Disponível em: http://www.sefaz.pe.gov.br/sefaz2/flexpub/versao1/ filesdirectory/sessions4012.pdf Acesso em: 01 dez. 2010. PERNAMBUCO, Secretaria da Fazenda. Balanço geral 2009. Recife: SEFAZ-PE, 2010. 589p. Disponível em: http://www.sefaz.pe.gov.br/sefaz2/flexpub/versao1/ filesdirectory/sessions4497.pdf Acesso em: 01 dez. 2010. SIQUEIRA, M.L. Previsão de receitas públicas: uma análise crítica das metodologias existentes e alguns resultados existentes. Tributação em Revista, n.43, revista eletrônica. Brasília: UNAFISCO, jan./mar. 2004. Disponível em: http://www2.unafisco.org.br/tributacao/43/index.htm Acesso em: 01 dez. 2010.