PREDICCIÓN MULTI-STEP DEL IMPUESTO SOBRE SERVICIOS USANDO REDES NEURONALES ARTIFICIALES Y MÉTODOS DE SELECCIÓN DE VARIABLES

Abstract

En este trabajo, presentamos un modelo basado en redes neuronales artificiales (RNs) para la predicción multi-step (12 meses para adelante) de la recaudación del impuesto sobre servicios (ISS). Sin embargo, la utilización de múltiples entradas en las redes neuronales, demandan mucho tiempo de entrenamiento de las RNs. Por lo tanto, es necesario investigar métodos de selección de variables para seleccionar las entradas de las redes que más contribuyen para mejorar el resultado de la predicción. El modelo de predicción fue evaluado usando datos del municipio de Araruama (Brasil), los resultados obtenidos con el modelo propuesto fueron superiores en comparación a los resultados obtenidos por la Secretaría Municipal de la Fazenda (SFM). En resumen, los resultados de la predicción fueron divididos en dos partes: (i) en la predicción del año 2010, se obtuvo 6,04% de MAPE y una disminución del error relativo de 21,1% para 3,4%; (ii) en la predicción del año 2011, se obtuvo una disminución del error relativo de 26,1% para 12,2%.