PREDICTING FEDERAL REVENUE COLLECTION FOR THE BRAZILIAN GOVERNMENT: AN APPLICATION OF TIME SERIES AND NEURAL NETWORKS

Autores

DOI:

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

Palavras-chave:

SARIMA Models, Forecasting, Neural network

Resumo

A precisão na previsão de receitas é vital para o planejamento fiscal, mas modelos tradicionais são limitados. Este estudo inova ao comparar o modelo clássico SARIMA com uma Rede Neural Autorregressiva (NNAR) para prever a arrecadação federal brasileira (1994-2025). Os resultados demonstram a superioridade do machine learning, com o modelo NNAR reduzindo o erro de previsão em 19,7%, fornecendo uma ferramenta mais acurada e robusta para a gestão orçamentária.

Biografia do Autor

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).

Downloads

Publicado

2026-04-22

Como 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

Edição

v. 13 n. 21 (2025): Revista de Finanças Públicas, Tributação e Desenvolvimento

Seção

Artigos

Licença

Copyright (c) 2026 Leonardo Biazoli, Gabriel Vieira Mandarino, Izabela Oliveira

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.

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.