Análise simultânea das receitas de múltiplos órgãos governamentais

Resumo

O planejamento orçamentário é obrigatório por lei, mas muitos gestores enfrentam desafios na previsão de receitas. Apesar dos avanços em ciência de dados, há lacunas na aplicação de modelos preditivos para esse fim. Este estudo propõe um modelo computacional em R para analisar séries temporais de receitas orçamentárias de múltiplos órgãos arrecadadores simultaneamente, comparando os métodos Média Móvel Integrada Autorregressiva, em inglês Autoregressive Integrated Moving Average (ARIMA), e Suavização Exponencial de forma automatizada. O algoritmo possibilita que analistas verifiquem as informações dos métodos com um único código, eliminando a necessidade de utilizar repetidamente as mesmas funções. O algoritmo foi desenvolvido com dados dos portais do Tribunal de Contas do Estado de São Paulo (TCE-SP) e da Fundação Sistema Estadual de Análise de Dados (Seade). Foram selecionadas duas cidades com características econômicas semelhantes em 31 de dezembro de 2020, Sorocaba e São José dos Campos, para as quais foram gerados modelos de previsão das receitas dos exercícios de 2022 e 2023. Os modelos foram comparados por meio do Critério de Informação de Akaike (AIC), da versão corrigida do AIC (AICc), do Critério de Informação Bayesiano (BIC) e do Erro Percentual Absoluto Médio (MAPE). O método ARIMA apresentou o melhor critério de informação para ambas as cidades e o menor MAPE em São José dos Campos (9,75%). Com Suavização Exponencial, Sorocaba apresentou menor MAPE (12,31%). Os resultados demonstram a viabilidade do modelo para facilitar análises comparativas entre municípios e apoiar decisões de gestores públicos, auditores e outros interessados em informações econômicas governamentais.