Redes neurais artificiais aplicadas à identificação de riscos de inadimplência fiscal de ICMS e ISS no Distrito Federal

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.