Predicting federal revenue collection for the Brazilian government: an application of time series and neural networks

Autores/as

DOI:

https://doi.org/10.12957/rfptd.2025.95203

Palabras clave:

SARIMA Models, Forecasting, Neural network

Resumen

Accurate revenue forecasting is critical for fiscal stability, yet traditional models struggle with volatility. This study innovates by comparing the classic SARIMA model against an Autoregressive Neural Network (NNAR) to forecast Brazilian federal tax revenue (1994-2025). The NNAR model demonstrated clear superiority, reducing the prediction error by 19.7%. This provides a more accurate and robust machine learning tool for budgetary planning and fiscal transparency.

Biografía del autor/a

Leonardo Biazoli, UNIFAL-MG

Professor Adjunto na Universidade Federal de Alfenas (UNIFAL-MG), no campus avançado de Varginha. Doutor em Estatística e Experimentação Agropecuária (2025) pela Universidade Federal de Lavras (UFLA), com período sanduíche na Duke University (EUA), financiado pelo Programa PDSE/Capes. Mestre em Estatística e Experimentação Agropecuária pela UFLA (2022), graduado em Ciências Atuariais (2021) e em Bacharelado Interdisciplinar em Ciência e Economia (2019), ambos pela UNIFAL-MG, campus avançado de Varginha.

Gabriel Vieira Mandarino, Universidade Federal de Lavras

Possui graduação em Economia pela Universidade Estadual de Londrina (2008) e mestrado em Economia pela Universidade Federal do Espírito Santo (2012). É doutor pelo Instituto de Economia da Unicamp (2018).

Izabela Oliveira, Universidade Federal de Lavras

Professora de Estatística na Universidade Federal de Lavras (UFLA). É doutora em Estatística e Experimentação Agronômica pela Escola Superior de Agricultura "Luiz de Queiroz", ESALQ/USP, em dupla titulação com a Universiteit Hasselt, Bélgica. É mestre em Estatística e Experimentação Agropecuária (2010) e Bacharel em Administração (2008) pela Universidade Federal de Lavras (UFLA).

Descargas

Publicado

2026-04-22

Cómo citar

Biazoli, L., Vieira Mandarino, G., & Oliveira, I. (2026). Predicting federal revenue collection for the Brazilian government: an application of time series and neural networks. Revista De Finanças Públicas, Tributação E Desenvolvimento, 13(21). https://doi.org/10.12957/rfptd.2025.95203

Número

Vol. 13 Núm. 21 (2025): Revista de Finanças Públicas, Tributação e Desenvolvimento

Sección

Artigos

Licencia

Derechos de autor 2026 Leonardo Biazoli, Gabriel Vieira Mandarino, Izabela Oliveira

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Os textos são de exclusiva responsabilidade de seus autores.

É permitida a reprodução total ou parcial dos artigos da Revista de Finanças Públicas, Tributação e Desenvolvimento, desde que citada a fonte.

Licença Creative Commons

A Revista de Finanças Públicas, Tributação e Desenvolvimento utiliza uma Licença Creative Commons - Atribuição-NãoComercial 4.0 Internacional.