Fatores determinantes dos erros de previsão dos analistas de mercado para variáveis fiscais no Brasil
DOI:
https://doi.org/10.18593/race.21417Palavras-chave:
Forecast error, Public finances, Prisma Fiscal, MAPE. z.Resumo
O objetivo deste estudo é investigar fatores determinantes dos erros de previsão dos analistas de mercado para variáveis fiscais brasileiras. Os dados para realização da pesquisa foram obtidos no Prisma Fiscal, o sistema do Ministério da Economia de coleta e divulgação de expectativas do mercado para variáveis fiscais. Os dados coletados se referem à arrecadação, receita líquida e despesa total, no período de novembro de 2015 a dezembro de 2018. O Mean Absolute Percentage Error (MAPE) e z foram utilizados para medir a qualidade da previsão dos analistas de mercado. A utilização do valor z como uma medida do erro de previsão é uma das contribuições desta pesquisa. Entre os resultados obtidos, destacam-se: a hipótese de que o horizonte temporal interfere na qualidade da previsão não foi rejeitada para horizontes de um e dois anos; a dispersão das previsões não apresentou alteração substancial; e a hipótese de viés otimista não foi confirmada. Pode-se concluir que, para essa amostra, a temporalidade é um fator determinante do erro de previsão dos analistas de mercado para variáveis fiscais. A pesquisa contribui com a discussão sobre erro de previsão nas áreas de Gestão Financeira Pública e Contabilidade Pública.
Downloads
Referências
An, Z., Jalles, J. T., Loungani, P., & Sousa, R. M. (2018). Do IMF fiscal forecasts add value?
Journal of Forecasting, 37, 650-665.
Armstrong, J. S., & Collopy, F. (1992). Error Measures for Generalizing About Forecasting
Methods: Empirical Comparisons. International Journal of Forecasting, 8(1), 69-80.
Asimakopoulos, S., Paredes, J., & Warmedinger, T. (2020). Real-Time Fiscal
Forecasting Using Mixed-Frequency Data. Scandinavian Journal of Economics, 122(1), 369-390.
Banco Central do Brasil. (2018). Estoque de swap cambial caiu nos últimos dois anos.
Recuperado de https://www.bcb.gov.br/noticiasporano
Banco Central do Brasil. (2019). Focus Relatório de Mercado. Recuperado de
https://www.bcb.gov.br/publicacoes/focus
Brasil. Ministério da Economia. (2018). Prisma Fiscal—Nota Metodológica. Recuperado de http://www.fazenda.gov.br/prisma-fiscal/prisma-fiscal
Brasil. Ministério da Fazenda. (2016). Resultado do Tesouro Nacional. Secretaria do Tesouro
Nacional, 2(10). Recuperado de http://www.planalto.gov.br/ccivil_03/decreto-lei/del0200.htm
Brogan, M. (2012). The politics of budgeting: evaluating the effects of the political election
cycle on state-level budget forecast errors. Journal Public Administration, 36(1), 84-115.
Clement, M. (1999). Analyst forecast accuracy. Journal of Accounting and Economics, 27(3), 285-303.
Conselho Federal de Contabilidade. (2016). NBC TSP—Estrutura Conceitual para Elaboração e Divulgação de Informação Contábil de Propósito Geral pelas Entidades do Setor Público. Recuperado de http://www2.cfc.org.br/sisweb/sre/detalhes_sre.aspx?Codigo=2016/NBCTSPEC&arquivo=NBCTSPEC.doc
Costa, A. E., Filho, & Rocha, F. (2010). Como o mercado de juros futuros reage à
comunicação do Banco Central? Economia aplicada, 14(3), 265-292.
Costa, E. A. A. (2011). Fatores institucionais que influenciam a previsão das receitas
orçamentárias: Um estudo de caso dos governos estuais brasileiros (Dissertação de
mestrado). Universidade de Brasília, Brasília, DF.
Deus, J. D. B. V., & Mendonça, H. F. (2017). Fiscal forecasting performance in an emerging
economy: An empirical assessment of Brazil. Economic Systems, 41(3), 408-419.
Diebold, F., & Mariano, R. (2012). Comparing predictive accuracy. Journal of Business &
Economics Statistics, 20(1), 134-144.
Flyvbjerg, B. (2011). Over Budget, Over Time, Over and Over Again: Managing Major
Projects. In P. W. G. Morris, J. Pinto, & J. Söderlund (Eds.), The Oxford
Handbook of Project Management (pp. 321-344). Oxford: Oxford University Press.
Fortis, M. F. A., & Gasparini, C. E. (2017). Plurianualidade orçamentária no Brasil:
Diagnóstico, rumos e desafios. Brasília, DF: Enap.
Giacomini, R., Skreta, V., & Turen, J. (2020). Heterogeneity, inattention, and bayesian updates. American Economic Journal: Macroeconomics, 12(1), 282-309.
Guillén, O. T. C., Hecq, A., Issler, J. V., & Saraiva, D. (2015). Forecasting multivariate time
series under present-value model short- and long-run co-movement restrictions. International Journal of Forecasting, 31, 862-875.
Hope, O. (2003). Disclosure Practices, enforcement of accounting standards, and analysts´
forecast accuracy. Journal of Accounting Research, 41(2), 235-272.
Hyndman, R. J., & Koehler, A. B. (2006). Another look at measures of forecast accuracy.
International Journal of Forecasting, 22, 679-688.
Jonung, L., & Larch, M. (2006). Improving fiscal policy in the EU: The case for independent
Forecasts. Economic Policy, 21(47), 492-534.
Kim, S., & Kim, H. (2016). A new metric of absolute percentage error for intermittent demand forecasts. International Journal of Forecasting, 32, 669-679.
Lei 200, 1967. Recuperado de http://www.planalto.gov.br/ccivil_03/decreto-lei/del0200.htm
Martinez, A. L. (2007). Determinantes da acurácia das previsões dos analistas do
mercado de capitais. UnB Contábil, 10(2).
Mckenzie, J. (2011). Mean absolute percentage error and bias in economic forecasting.
Economics Letters, 113, 259-262.
Merola, R., & Pérez, J. J. (2013). Fiscal forecast errors: Governments vs independent
agencies? European Journal of Political Economy, 32, 285-299.
Pina, A., & Venes, N. (2011). The political economy of EDP fiscal forecasts: An empirical
assessment. European Journal of Political Economy, 27, 534-546.
Pires, M. C. C. (2006). Credibilidade na política fiscal: Uma análise preliminar para o Brasil.
Revista Economia Aplicada, 10(3), 367-375.
Piza, E. C. (2019). Determinantes dos desvios de execução da política fiscal no Brasil. Revista
de Economia e Agronegócio, 17(2).
Reitano, V., Jones, P., Barrett, N., & Fowles, F. (2019). Forecast bias and capital reserves
accumulation. The Palgrave Handbook of Government Budget Forecasting, 377-396.
Surowiecki, J. (2004). The wisdom of crowds: Why the many are smarter than the few and
how collective wisdom shapes business, economies, societies, and nations. New York: Anchor Books.
Tetlock, P. E., & Gardner, D. (2015). Superforecasting: The Art and Science of Prediction.
New York, NY: Crown Publishing.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Autores mantêm os direitos autorais e concedem ao periódico o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons - Atribuição-NãoComercial 4.0 Internacional, que permite o compartilhamento do trabalho com reconhecimento de autoria e publicação inicial neste periódico.
