Anais
Resumo do trabalho
Administração Pública · Qualidade de Gasto e Otimização de Recursos Públicos
Título
PREVISÃO DA CONDIÇÃO FINANCEIRA GOVERNAMENTAL DE MUNICÍPIOS DE MINAS GERAIS UTILIZANDO INTELIGÊNCIA ARTIFICIAL
Palavras-chave
Condição Financeira Governamental
Random Forest
Lei de Responsabilidade Fiscal
Agradecimento:
FAPEMIG processo: APQ-00545-23
CAPES processo: 88887.823303/2023-00
CAPES processo: 88887.823303/2023-00
Autores
-
Flavio Luiz de Moraes BarbozaUNIVERSIDADE FEDERAL DE UBERLÂNDIA (UFU)
-
Daniel Vitor Tartari GarrutiUNIVERSIDADE FEDERAL DE UBERLÂNDIA (UFU)
-
Eduardo Oliveira
Resumo
Introdução
A Condição Financeira Governamental (CFG) representa a capacidade dos municípios de manter serviços essenciais e cumprir suas obrigações fiscais. A análise da CFG permite identificar fragilidades na gestão financeira local, especialmente em contextos de alta incerteza, como durante a pandemia de Covid-19.
Problema de Pesquisa e Objetivo
Como prever com maior precisão a CFG dos municípios mineiros? O objetivo deste estudo é desenvolver um modelo preditivo com aprendizado de máquina que incorpore variáveis da LRF, CAPAG e do Teste de 10 Pontos de Brown para classificar a saúde financeira municipal entre 2016 e 2022.
Fundamentação Teórica
A literatura destaca o uso do Teste de Brown (1993) na análise da CFG, bem como a relevância dos indicadores da LRF e da CAPAG. Estudos prévios apontam a importância da liquidez, endividamento e autonomia fiscal na sustentabilidade financeira dos municípios brasileiros.
Metodologia
O estudo utiliza dados de 853 municípios mineiros coletados via APIs do IBGE e do SICONFI. A variável dependente é a CFG medida pelo Teste de Brown. O modelo Random Forest foi treinado de forma incremental com variáveis fiscais e normativas, e avaliado com métricas como acurácia, recall e F1-score.
Análise dos Resultados
O modelo alcançou acurácia média de 80,95%, superando estudos anteriores. Indicadores da CAPAG, como liquidez relativa e endividamento, foram os mais relevantes. Observou-se maior dificuldade na previsão de municípios com CFG frágil, especialmente após a pandemia de Covid-19.
Conclusão
A técnica de Random Forest se mostrou eficaz para prever a CFG municipal. A inclusão de variáveis da CAPAG aumentou a precisão do modelo. Contudo, a previsão de situações fiscais mais críticas ainda apresenta limitações, exigindo melhorias metodológicas.
Contribuição / Impacto
Este estudo contribui ao aprimoramento da gestão pública ao propor um modelo preditivo robusto, baseado em critérios normativos nacionais. Os achados podem apoiar gestores e formuladores de políticas na antecipação de crises fiscais e alocação mais eficiente de recursos.
Referências Bibliográficas
Breiman, L. (2001). Random forests. Machine learning, 45, 5-32.
Brown, K. W. (1993). The 10-point test of financial condition: Toward an easy-to-use assessment tool for smaller cities. Government Finance Review, 9, 21-26.
Garruti, D. V. T., Barboza, F. L. de M., & Diniz, J. A. (2025). Utilização de Inteligência Artificial na previsão do estresse fiscal: evidências para municípios brasileiros. Advances in Scientific and Applied Accounting, 17(3), 70–84.
Lima, S. D., & Diniz, J. A. (2016). Contabilidade pública: análise financeira governamental. São Paulo: Atlas, 576.
Brown, K. W. (1993). The 10-point test of financial condition: Toward an easy-to-use assessment tool for smaller cities. Government Finance Review, 9, 21-26.
Garruti, D. V. T., Barboza, F. L. de M., & Diniz, J. A. (2025). Utilização de Inteligência Artificial na previsão do estresse fiscal: evidências para municípios brasileiros. Advances in Scientific and Applied Accounting, 17(3), 70–84.
Lima, S. D., & Diniz, J. A. (2016). Contabilidade pública: análise financeira governamental. São Paulo: Atlas, 576.