
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Cajueiro, Daniel Oliveira | - |
| Autor(es): dc.creator | Murta, João Vitor Roque | - |
| Data de aceite: dc.date.accessioned | 2025-03-18T19:02:41Z | - |
| Data de disponibilização: dc.date.available | 2025-03-18T19:02:41Z | - |
| Data de envio: dc.date.issued | 2024-11-12 | - |
| Data de envio: dc.date.issued | 2024-11-12 | - |
| Data de envio: dc.date.issued | 2024-11-12 | - |
| Data de envio: dc.date.issued | 2024-02-01 | - |
| Fonte completa do material: dc.identifier | http://repositorio.unb.br/handle/10482/50888 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/960562 | - |
| Descrição: dc.description | Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Economia, 2024. | - |
| Descrição: dc.description | Esta dissertação avalia a capacidade de modelos de machine learning na previsão da arrecadação do Imposto sobre Circulação de Mercadorias e Serviços (ICMS) em Minas Gerais, empregando uma diversidade de abordagens como LASSO, Ridge, Random Forest, Redes Neurais LSTM. A análise foi conduzida em dois períodos distintos: de Janeiro de 2019 a Dezembro de 2019 e de Setembro de 2022 a Agosto de 2023, permitindo uma avaliação abrangente diante de contextos econômicos variados. Os resultados indicam que o modelo LSTM obteve melhor desempenho no primeiro período analisado, enquanto o LASSO mostrou maior eficiência no segundo período, ressaltando a importância da seleção apropriada de modelos em resposta a diferentes cenários econômicos. Este trabalho contribui para o entendimento de como ferramentas avançadas de previsão podem auxiliar na gestão fiscal, enfatizando a necessidade de adaptação e inovação contínua em métodos de previsão tributária. | - |
| Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq). | - |
| Descrição: dc.description | This dissertation assesses the performance of machine learning models in forecasting ICMS tax revenue in Minas Gerais state, utilizing a range of approaches including LASSO, Ridge, Random Forest, and LSTM Neural Networks. The analysis was carried out over two distinct periods: from January 2019 to December 2019 and from August 2022 to September 2023, providing a comprehensive evaluation against varied economic backdrops. The findings indicate that the LSTM model excelled in the first period studied, while LASSO proved to be more efficient in the second period, underscoring the significance of selecting appropriate models in response to different economic scenarios. This work contributes to the understanding of how advanced forecasting tools can aid in fiscal management, highlighting the necessity for continuous adaptation and innovation in tax forecasting methodologies. | - |
| Descrição: dc.description | Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE) | - |
| Descrição: dc.description | Departamento de Economia (FACE ECO) | - |
| Descrição: dc.description | Programa de Pós-Graduação em Economia | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Direitos: dc.rights | Acesso Aberto | - |
| Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
| Palavras-chave: dc.subject | Redes neurais (Computação) | - |
| Palavras-chave: dc.subject | Aprendizado de máquina | - |
| Palavras-chave: dc.subject | Minas Gerais (MG) | - |
| Palavras-chave: dc.subject | Imposto sobre circulação de mercadorias e serviços | - |
| Título: dc.title | Modelos de machine learning para previsão de arrecadação de ICMS em Minas Gerais | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional – UNB - Rep. 1 | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: