Riscos fiscais judiciais: usando metadados de processos judiciais para estimar o tempo de expedição de precatórios federais
Riscos fiscais; precatórios; previsão de tempo de duração; aprendizado de máquina; análise de sobrevivência; ações judiciais; dados processuais.
A presente dissertação explora o problema de previsão de riscos fiscais judiciais, com foco no tempo de duração dos processos, relevante para prever o momento de realização de despesas públicas e aprimorar a política fiscal. A literatura sobre previsão no contexto judicial é rica em estudos sobre desfechos e decisões, mas o tempo de duração dos processos ainda é um tema pouco explorado. O objetivo geral da pesquisa foi avaliar a utilidade de metadados de ações judiciais como variáveis independentes em modelos estatísticos e computacionais, a fim de prever o tempo de duração da fase de cumprimento do processo, compreendida entre o trânsito em julgado e a inclusão do precatório na Lei Orçamentária Anual. Foram utilizados dados de precatórios requisitados por Tribunais Regionais Federais e incluídos em leis orçamentárias federais nos anos de 2012 a 2024. A metodologia envolveu a criação de modelos de dados transversais e longitudinais, que fazem uso de algoritmos de machine learning para prever o tempo de duração das ações. As variáveis independentes consistiram em metadados processuais, como ano e mês de trânsito em julgado, tribunal e vara de origem, assunto, órgão público envolvido e, nos modelos longitudinais, a duração no momento da previsão. Os resultados indicam que: a) ações com precatórios requisitados no mesmo ano são altamente correlacionadas; b) modelos longitudinais são mais eficazes do que transversais para prever o tempo de duração total; c) metadados processuais são úteis para previsão do tempo de duração, mas devem ser complementados para aumento da acurácia. Assim, a presente pesquisa pode contribuir para a redução de incertezas associadas aos riscos judiciais, gerando informações para as partes dos processos e promovendo avanços para melhoria da gestão fiscal, além de incentivar pesquisas futuras sobre o tema.