Modelagem Híbrida de Séries Temporais Fiscais: Integração de Modelos Econométricos e de Aprendizado de Máquina para Previsão Macroeconômica no Brasil.
Previsão Fiscal; Séries Temporais; Modelagem Híbrida.
Este projeto busca investigar a aplicação de modelos para previsão de séries temporais fiscais, integrando abordagens econométricas tradicionais e técnicas avançadas de aprendizado de máquina. A pesquisa busca aprimorar a precisão das projeções fiscais por meio da combinação de modelos como ARIMA e VAR com redes neurais LSTM e florestas aleatórias. São exploradas estratégias de integração e análise comparativa de desempenho para capturar padrões não lineares e sazonalidades complexas, considerando variáveis fiscais brasileiras. A abordagem visa fornecer contribuições práticas para instituições que acompanham a execução da política fiscal no país, como a Instituição Fiscal Independente (IFI), propondo métodos mais robustos para o monitoramento fiscal e a formulação de políticas públicas baseadas em previsões mais precisas e confiáveis.