Resumo: Propósito do Trabalho: As recentes crises econômicas, a globalização e os avanços tecnológicos têm obrigado os gestores e dirigentes a tomarem decisões cada vez mais rápidas, a fim de prevenirem prejuízos futuros e manterem-se no mercado. Dessa forma, devido ao ambiente de incertezas em que as organizações estão inseridas, a utilização de previsões é fundamental para o planejamento de suas decisões futuras.
Sendo assim, o orçamento apresenta-se como uma ferramenta indispensável às empresas, independentemente de seu porte. Além das funções tradicionais de planejamento e controle, Costa (2014) salientou que o orçamento pode ser utilizado no planejamento tributário, com o intuito de promover economia tributária e melhoria na lucratividade.
Na literatura, pode-se observar que não há estudos que utilizaram métodos de previsão para a elaboração do orçamento do resultado, com o intuito de auxiliar o planejamento tributário, exceção feita ao trabalho de Costa (2014) que se propôs a realizar um planejamento tributário a partir da elaboração do orçamento e um segundo trabalho de Costa, Prado, Castro Júnior e Carvalho (2014) que buscou utilizar um método de previsão para elaborar o orçamento de resultado, o que, de certa forma, justifica a propositura deste estudo.
Sob este contexto, o presente trabalho tem por objetivo elaborar um modelo integrado de previsão do orçamento de resultado que auxilie no planejamento tributário de empresas de pequeno porte. Para tanto, a elaboração do modelo integrado de previsão do orçamento foi baseada nos seguintes métodos de previsão: Ajuste Exponencial, HoltWinters Aditivo e Multiplicativo e Box Jenkins (ARIMA) aplicados a dados reais de uma pequena empresa do setor de comércio de bens de consumo, entre os anos de 2007 e 2014.
Base da plataforma teórica: Vários estudos que utilizam de métodos de previsão são encontrados na literatura para estimar demanda, custos, arrecadação de tributos, entre outros. Spanhol, Benites e Figueiredo Neto (2004) utilizou do método de HoltWinters para a previsão do faturamento real de um comércio varejista de alimentos.
Em seu estudo, Arinze, Kim e Anandarajan (1997) utilizam sistemas baseados em regras de conhecimento (Knowledge-Based Systems- KBS), para estimar a eficácia de cinco métodos de previsão e métodos de previsão híbridos, trabalhando em conjunto ou sozinhos. Chen, Bloomfield e Cubbage (2008) escolheram dados de três parques norte-americanos para testar quais os métodos adequados para prever o número de atendimentos.
Clemente e Clemente (2011) utilizam o modelo de Box Jenkins para a previsão da arrecadação do montante de ICMS (Imposto sobre Operações Relativas à Circulaçãode Mercadorias e sobre Prestações de Serviços de Transporte Interestadual, Intermunicial e de comunicações) no estado do Paraná para o ano de 2012. Nesta mesma linha, Santos e Lima (2006), Pessoa, Coronel e Lima (2013) e Chain, Costa, Sant´Ana e Banedicto (2015) utilizaram a família Box Jenkins para prever a arrecadação do ICMS de Minas Gerais.
Melo (2001) apresentou uma série de métodos, a fim de prever a arrecadação de impostos da Receita Federal do Brasil e de oferecer métodos alternativos ao modelo de indicadores utilizado pela instituição.
Para Campos (2009) que seguiu a mesma linha de pesquisa de Melo (2001), os resultados foram igualmente satisfatórios. Em seu estudo o autor utiliza as metodologias ARIMA, modelos dinâmicos univariados e de função de transferência, modelos dinâmicos de multiplas equações e modelos estruturais para prever as variáveis Imposto de Renda Pessoa Jurídica (IRPJ), Contribuição para o Financiamento da Seguridade Social (COFINS) e Imposto de Importação (II) no ano de 2007 do estado de São Paulo.
Liebel (2004) desenvolveu em sua dissertação um trabalho voltado para a previsão do montante de ICMS no Paraná no ano de 2005. Ele teve por objetivo testar vários métodos de previsão desde o mais simples (Regressão Linear Simples) ao mais complexo (SARIMA), a fim de determinar qual deles mais se adequa à previsão de ICMS.
Costa et al. (2014) utilizaram o vetor autorregressivo com o objetivo de auxiliar na elaboração de um orçamento de resultado para pequenas e médias empresas. Com isso, os autores verificaram que o modelo pode auxiliar na elaboração do orçamento de resultado, permitindo que o gestor tenha uma análise do resultado futuro, contribuindo, assim, com o processo decisório nas empresas.
Por meio de um estudo de caso, o trabalho de Costa (2014) teve como objetivo verificar se a elaboração de um orçamento de resultado para a realização de um planejamento tributário traz benefícios para uma pequena empresa. Os resultados apontados pelo autor demonstraram que a utilização do orçamento no planejamento tributário pode auxiliar a empresa a traçar metas para a obtenção de uma lucratividade maior. Além disso, foi possível verificar que o orçamento possibilitou que empresa optasse pela forma de tributação menos onerosa. Em suma, o autor concluiu que o orçamento traz benefícios importantes para a tomada de decisão.
Método de investigação: A fim de atender ao objetivo do trabalho, foram testados diferentes métodos de previsão na estimativa de variáveis que compõe a demonstração do resultado de uma pequena empresa, com a finalidade de elaborar um planejamento tributário. Desta forma, tornou-se possível propor um modelo integrado, onde para cada variável do resultado, a ser estimada e utilizada no planejamento tributário, utilizar-se-á o método de previsão que mais se aproxima. Diante disso, delimita-se a aplicação do modelo proposto às empresas comerciais.
Com isso, o modelo integrado de previsão do resultado e planejamento tributário foi construído a partir de seis etapas, conforme o seguinte detalhamento:
I – Identificação das variáveis a serem previstas;
II – Coleta de dados em um intervalo pré-determinado de tempo;
III – Tratamento dos dados;
IV – Escolha dos métodos de previsão;
V – Aplicação, previsão e verificação;
VI – Construção do orçamento e do planejamento tributário.
As estimativas realizadas sobre as séries temporais das variáveis orçamentárias foram feitas por meio dos seguinte métodos de previsão: Ajuste Exponencial, HoltWinters Aditivo e Multiplicativo e Box Jenkins (ARIMA). Os métodos foram aplicados a dados reais de uma pequena empresa do setor de comércio de bens de consumo, entre os anos de 2007 e 2014.
As séries temporais são caracterizadas como um conjunto de dados ordenados no tempo que compartilham um comportamento de dependência entre si. Dessa forma, na utilização de modelos de previsão em séries temporais, deve-se assumir que as variáveis terão o mesmo comportamento de eventos passados e podem ser compostas por quatro elementos, que segundo Morettin e Toloi (2004) são eles: Tendência, Ciclo, Sazonalidade e Ruído Aleatório. Cada um destes elementos dá forma ao conjunto de dados e é de extrema importância em previsões.
Resultados, conclusões e suas implicações: O trabalho apresentado teve por objetivo elaborar um modelo integrado de previsão de orçamento que auxilie na previsão do planejamento tributário em empresas de pequeno e médio porte. A proposta gira em torno da utilização de diferentes métodos de previsão para a previsão das variáveis que compõem a Demonstração do resultado do exercício no ano de 2014. Após isso, foi realizada a comparação entre o orçado e o real para este ano, selecionando para cada variável o método que mais se aproxima do valor real.
As metodologias de previsão utilizadas foram o Ajuste Exponencial, HoltWinters Aditivo e Multiplicativo e Box Jenkins (ARIMA). Diante dos resultados obtidos, observa-se que não houve um único método de previsão que melhor se ajustasse a todas as variáveis, ou seja o método que mais se aproximou do real para a “Receita Bruta”, “Estoque Inicial” e “Despesas Gerais” foi o HoltWinters Multiplicativo; para as “Compras Totais” o melhor método foi o Box Jenkins; para o “Estoque Final” e “Despesas com Pessoal” o melhor método foi o HoltWinters Aditivo e, por fim, as “Outras Despesas Gerais”, as “Receitas Financeiras” e as “Despesas Financeiras” o método Ajuste Exponencial foi o que mais se aproximou dos valores reais.
Desta forma, a construção do modelo integrado permitiu que fosse realizado o planejamento tributário da empresa para o ano de 2014, por meio da comparação das três formas de tributação, sendo elas: Simples Nacional, Lucro Presumido e o Lucro real.
Assim, ao considerar a instabilidade econômica que assola o Brasil nos últimos anos, considera-se que o poder preditivo das variáveis foi satisfatório. Com isso, os resultados obtidos, a partir da proposta de um modelo integrado de previsão do orçamento de resultado que auxilie no planejamento tributário de empresas de pequeno porte, demonstraram que o Lucro Real foi a forma de tributação que resultou em uma carga tributária menos onerosa para a empresa. Além disso, ao comparar os valores reais do ano de 2014, onde a empresa optou pelo Lucro Real, observa-se que a variação da Receita Bruta foi de 0,49%, da Receita Líquida Foi de 0,38%, do Lucro Bruto foi de 13,28% e do Prejuízo Líquido foi de 64,13%, em comparação com os valores de 2014. Dessa forma, conclui-se que os resultados comprovam a utilidade do modelo de previsão integrado na composição de um orçamento e no planejamento tributário.
Por fim, o trabalho contribui com a expansão do campo teórico sobre processos orçamentários e planejamento tributário no que diz respeito à aplicação de métodos de previsão na elaboração destes instrumentos. Além disso, o estudo é um dos poucos que busca unir três temas distintos, ou seja: métodos de previsão, orçamento empresarial e planejamento tributário. No aspecto prático, o trabalho poderá trazer uma contribuição na gestão orçamentária e tributária, bem como na melhoria da lucratividade das empresas.
O estudo limita-se à utilização dos dados de uma única empresa, o que acaba por influenciar o modelo de previsão. Para próximos trabalhos, sugere-se que sejam utilizados dados de outras empresas com diferentes portes e diferentes setores a fim de que sejam utilizados outros modelos de previsão que se adeque a cada uma destas.
Referências bibliográficas: ARINZE, B., KIM, S-L. & ANANDARAJAN, M. (1997). Combining and selecting forecasting models using rule based induction. Computers & operations research, v. 24, n. 5, p. 423-433, 1997.
ATKINSON, A. A., BANKER, R. D., KAPLAN, R. S. & YOUNG, S. M. (2008). Contabilidade Gerencial. Revisão Técnica Rubens Famá. 2ª ed. São Paulo: Atlas.
CAMPOS, C. V. C. (2009). Previsão da arrecadação de receitas federais: aplicações de modelos de séries temporais para o Estado de São Paulo. Tese de Doutorado. Universidade de São Paulo.
CHAIN, C. P., COSTA, D.F., SANT´ANA, N. L. S & BENEDICTO, G. C. (2015). Contribuição da modelagem de valores atípicos na previsão da arrecadação do ICMS do Estado de Minas Gerais. Exacta - EP, São Paulo, v. 13, n. 2, p. 239-249.
CHEN, R. J. C., BLOOMFIELD, P. & CUBBAGE, F. W. (2007) Comparing forecasting models in tourism. Journal of Hospitality & Tourism Research, v. 32, n. 1, p. 3-21.
CLEMENTE, A. & CLEMENTE, L. T. (2011). Aplicação da metodologia Box-Jenkins para previsão do ICMS do estado do Paraná de agosto de 2011 a julho de 2012. Economia & Tecnologia, Ano 7, v. 27.
CORRÊA, A. C. M. (2006). Planejamento Tributário: ferramenta estratégica da gestão empresarial. Revista Brasileira de Contabilidade. v. 35, n. 158, p. 57-73.
COSTA, D. F. (2014) Utilização do Orçamento no Planejamento Tributário de uma Pequena Empresa. Revista Brasileira de Contabilidade, v. 43, n. 206, p. 27-39.
COSTA, D. F., PRADO, J. W., CASTRO JÚNIOR, L. G. & CARVALHO, F. M. (2014). Estimando o Orçamento de Resultado em uma Empresa Varejista: uma abordagem por meio de vetor autorregressivo – VAR. Exacta – EP, São Paulo, v. 12, n. 3, p. 279-191.
GUJARATI, D. N. & PORTER, D. C. (2011). Econometria básica. 5. ed. Porto Alegre: AMGH. 924 p
GUPTA, A. (2013). Sales forecasting & market potential: best practices in India. International journal of Advanced Marketing and Research, v. 1, n. 1, p. 1-7.
KHASHEI, M., MOKHATAB RAFIEI, F. & BIJARI, M. (2012). Overview and comparison of short-term interval models for financial time series forecasting. Int J Ind Eng Prod Res, v. 23, n. 4, p. 261-268, 2012.
LIEBEL, M. J (2004). Previsão de Receitas Tributárias: O Caso do ICMS no Estado do Paraná. Mestrado Universidade Federal do Rio Grande do Sul.
MELO, B. S. V (2001). Modelo de Previsão para Arrecadação Tributária. Brasília: ESAF, 97 p. Monografia vencedora em 1° lugar no VI Prêmio Tesouro Nacional – 2001. Orçamentos e Sistemas de Informação sobre a Administração Financeira Pública, Brasília (DF)
MORETIN, P. A. & TOLOI, C. M. C. (2004). Análise de séries temporais. São Paulo: EdgardBlücher. 535p.
NOOR, M. M. N., RETNOWARDHANI, A., ABD, M. L. & SAMAN, M. Y. M. (2013). Crime Forecasting using ARIMA Model and Fuzzy Alpha-cut. Journal of Applied Sciences, 13: 167-172.
PANDEY, A. & SOMANI, R. K. (2013). System for small and medium scale textile industries. Internetional Journal of Engineering and Innovative Tecnology, v. 3, n. 4.
PELLEGRINI, F. R. & FOGLIATTO, F. S. (2001). Passos para Implantação de Sistemas de Previsão de Demanda-técnicas e Estudo de Caso. Revista Produção, v.11, n.1, p. 43-64.
PESSOA, F. M. C., CORONEL, D. A. & LIMA, J. E. (2013). Previsão de arrecadação de ICMS para o estado de Minas Gerais: uma comparação entre modelos Arima e Arfima. Revista Brasileira de Gestão e Desenvolvimento Regional, v. 9, n. 2, p. 47-64.
SANTOS, C. M. & LIMA, J. E. (2006). Análise de previsões da arrecadação do ICMS no Estado de Minas Gerais. Revista de Economia e Administração, v. 5, n. 4, p. 413- 423.
|