Utilização de Inteligência Artificial na previsão do estresse fiscal: evidências para municípios brasileiros

Abstract

Translate Article

Take Notes

Objetivo: Utilizar o modelo proposto por Trussel e Patrick (2018), juntamente com os fatores propostos por Groves et al. (1981) e Groves e Valente (2003), adaptadas à realidade brasileira, para prever o estresse fiscal em municípios de Minas Gerais entre 2016 e 2020. Método: Foi utilizado o modelo Random Forest (RF), uma técnica de aprendizado de máquina da família das Árvores de Decisão, para prever estresse fiscal nos municípios de Minas Gerais. Essa escolha se deve ao seu sucesso recente em problemas de previsão. Resultados: O modelo apresentou uma taxa de acerto média de 68,2%. Com a definição de pontos de corte, foi possível alcançar uma taxa de precisão antecipada de até 85%. O modelo foi mais eficaz na previsão da ocorrência de estresse fiscal do que na ausência desse problema. No entanto, os resultados variaram significativamente entre os diferentes períodos analisados. As variáveis mais importantes foram relacionadas à categoria de liquidez, enquanto as variáveis organizacionais e ambientais demonstraram ter baixa importância. Esses resultados corroboram e contradizem alguns autores, além de superar alguns artigos. Contribuições: Este artigo apresenta duas inovações: a aplicação de técnicas de Inteligência Artificial (IA) em pesquisas sobre a Condição Financeira Governamental no Brasil e a previsão do estresse fiscal em municípios brasileiros.