Skip navigation
Please use this identifier to cite or link to this item: http://repositorio.unb.br/handle/10482/38363
Files in This Item:
File Description SizeFormat 
2019_ViníciusDiOliveira.pdf5,69 MBAdobe PDFView/Open
Title: Redes neurais artificiais aplicadas à identificação de riscos de inadimplência fiscal de ICMS e ISS no Distrito Federal
Authors: Oliveira, Vinícius Di
Orientador(es):: Chaim, Ricardo Matos
Assunto:: Redes neurais artificiais
Auditoria fiscal
Riscos de inadimplência fiscal
Identificação de riscos
ICMS
ISS
Issue Date: 29-Jun-2020
Citation: OLIVEIRA, Vinícius Di. Redes neurais artificiais aplicadas à identificação de riscos de inadimplência fiscal de ICMS e ISS no Distrito Federal. 2019. xiii, 68 f. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2019.
Abstract: O presente trabalho busca estudar a aplicação de redes neurais artificiais na identificação de riscos de inadimplência fiscal no Distrito Federal. Foi empregada na pesquisa a base de dados do cadastro fiscal do DF, o qual agrega mais de 300 mil empresas, a modelagem estatística foi feita com dois modelos de predição: regressão LOGIT e redes neurais do tipo perceptron multicamadas. Essa pesquisa procura, como objetivo geral, verificar como o uso de redes neurais artificiais pode auxiliar na identificação de riscos de inadimplência fiscal de ICMS e ISS. O estudo bibliográfico realizado mostrou que as técnicas de mode- lagem utilizadas na avaliação de risco de crédito, na sua predição de inadimplência, tem semelhanças com a predição de inadimplência fiscal, sugerindo sua aplicação neste prob- lema. A meta-análise bibliométrica foi usada para o embasamento teórico. A metodologia utilizada foi de natureza aplicada, com uma abordagem predominantemente quantitativa, com seu objetivo principal explicativo e uma estratégia do tipo ex-post facto. Por fim, a pesquisa constatou que é possível identificar riscos de inadimplência fiscal através da mod- elagem preditiva utilizando redes neurais artificiais. O resultado alcançado foi um modelo que obteve, na tarefa de predição, uma taxa de erro menor que 11%. A maior dificuldade da rede neural desenvolvida foi a interpretação da influência das variáveis modeladas no resultado da predição, o que foi resolvido pelo modelo de regressão LOGIT.
Abstract: This paper aims to study the application of artificial neural networks to identify risks of tax default in the Federal District of Brazil. The survey used the database of the DF tax register, which aggregates more than 300 thousand companies, the statistical model- ing was done with two prediction models: LOGIT regression and multilayer perceptron neural networks. This research seeks, as a general objective, to verify how the use of arti- ficial neural networks can help in identifying the risks of ICMS and ISS tax default. The bibliographic study showed that the modeling techniques used on credit risk assessment, on its default prediction, have similarities with the prediction of tax default, suggesting its application on this problem. Bibliometric meta-analysis was used for the theoretical basis. The methodology used was on applied nature, with a predominantly quantitative approach, with its explanatory main objective and an ex-post facto strategy type. Finally, the research found that it is possible to identify risks of tax default through predictive modeling using artificial neural networks. The results achieved were a model that ob- tained, in the prediction task, an error rate of less than 11%. The greatest difficulty of the developed neural network was the interpretation of the modeled variables influence on the prediction result, which was solved by the LOGIT regression model.
metadata.dc.description.unidade: Instituto de Ciências Exatas (IE)
Departamento de Ciência da Computação (IE CIC)
Description: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2019.
metadata.dc.description.ppg: Programa de Pós-Graduação em Computação Aplicada, Mestrado Profissional
Licença:: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Appears in Collections:Teses, dissertações e produtos pós-doutorado

Show full item record " class="statisticsLink btn btn-primary" href="/jspui/handle/10482/38363/statistics">



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.