Antes de iniciarmos qualquer análise, é necessário carregar os pacotes que serão utilizados:

# Carregar os pacotes necessários
#--------------------------------
library(tidyr)
library(readxl)
library(writexl)
library(readr)
library(dplyr)
library(lubridate)
library(knitr)
library(ggplot2)
library(stringr)
library(scales)

Introdução

O objetivo deste documento é mostrar como os dados previdenciários disponibilizados pela Secretaria de Previdência do Ministério da Economia (SPrev/ME) podem ser utilizados para ajudar no acompanhamento da gestão dos RPPS.

Para alcançar esse objetivo vamos apresentar os scripts elaborados em R para que outros interessados possam, também, realizar as análises indicadas e apresentar novas contribuições.

Diversas bases de dados e relatórios são disponbilizados pela SPrev/ME em seu site (<http://www.previdencia.gov.br/dados-abertos/estatisticas-e-informacoes-dos-rpps/>) e já se sabe há muito tempo que o principal problema atualmente não é tanto a disponibilidade de dados mas a capacidade de análise dos mesmos.

Acho que podemos falar de Análise de Dados Previdenciários para designar uma área de conhecimento a ser desenvolvida nos órgãos encarregados da supervisão e controle dos RPPS com o objetivo de auxiliar na execução dessa atividade.

Conhecer esses dados, suas limitações, inconsistências, analisá-los e enriquecê-los com outros dados e propor melhorias constituem o escopo dessa área.

Nos tópicos a seguir vamos mostrar algumas análises possíveis com os dados disponibilizados. A ideia é que as análises descritas neste documento sejam incluídas no painel de dados previdenciários (ainda em elaboração) disponível no link https://marcosfs2006.shinyapps.io/rpps-painel/ elaborado com os dados disponibilizados pela SPrev/ME.

Como esse painel está hospedado num serviço gratuito não é não se sabe se o mesmo vai suportar as bases de dados necessárias para as análises.

CRP

Neste tópico nosso objetivo é mostrar algumas possibilidades de análise em relação aos dados do Certificados de Regularidade Previdenciária - CRP contidos no arquivo CRP Emitido.csv disponibilizado no site da SPrev.

O link para _download_é http://sa.previdencia.gov.br/site/2019/08/CRP-Emitido.zip

A primeira etapa, como sempre, é realizar a importação dos dados e realizar o pré-processamento dos mesmos.

A importação é feita da seguinte forma:

setwd("..\\dados")
crp <- read_csv2("CRP Emitido.csv")

Vamos inspecionar a base de dados para a conhecermos um pouco melhor:

kable(head(crp))

UF	ENTE	REGIME	NR CRP	DATA DE EMISSÃO	DATA DE VALIDADE	CRP JUDICIAL	SITUAÇÃO DO CRP
AC	Acrelândia	RGPS	980643-298	19/07/2001	15/01/2002	NÃO	VENCIDO
AC	Acrelândia	RGPS	980643-3763	18/01/2002	17/07/2002	NÃO	VENCIDO
AC	Acrelândia	RGPS	980643-8191	18/07/2002	14/01/2003	NÃO	VENCIDO
AC	Acrelândia	RGPS	980643-13231	14/01/2003	13/07/2003	NÃO	VENCIDO
AC	Acrelândia	RGPS	980643-19585	18/11/2003	16/05/2004	NÃO	VENCIDO
AC	Acrelândia	RGPS	980643-24818	16/07/2004	14/09/2004	NÃO	VENCIDO

A base nos fornece algumas informações sobre o CRP e compreende tanto os Regimes Próprios como o Regime Geral. Vamos nos restringir aos Regimes Próprios:

crp <- filter(crp, REGIME == "RPPS")

Também é possível ver que o arquivo contém, para cada Ente, um histórico dos CRP emitidos para os mesmos. Vamos obter, para cada ente, o CRP mais recente emitido constante da base de dados:

crp <- crp %>%
          mutate(`DATA DE EMISSÃO` = dmy(`DATA DE EMISSÃO`),
                 `DATA DE VALIDADE`= dmy(`DATA DE VALIDADE`)) %>%
          group_by(UF, ENTE) %>%
          filter(`DATA DE EMISSÃO` == max(`DATA DE EMISSÃO`))

Vamos inspecionar novamente a base de dados.

kable(head(crp))

UF	ENTE	REGIME	NR CRP	DATA DE EMISSÃO	DATA DE VALIDADE	CRP JUDICIAL	SITUAÇÃO DO CRP
AC	Governo do Estado do Acre	RPPS	931001-175199	2019-05-04	2019-10-31	SIM	VÁLIDO
AC	Rio Branco	RPPS	980139-175140	2019-04-29	2019-10-26	NÃO	VÁLIDO
AL	Arapiraca	RPPS	982705-174661	2019-04-09	2019-10-06	NÃO	VÁLIDO
AL	Atalaia	RPPS	982707-112197	2013-03-18	2013-09-14	NÃO	VENCIDO
AL	Barra de Santo Antônio	RPPS	982709-176337	2019-06-16	2019-12-13	SIM	VÁLIDO
AL	Batalha	RPPS	982713-11816	2002-11-29	2003-05-28	NÃO	VENCIDO

Antes de prosseguirmos, devemos excluir as duplicidades existentes na base de dados. Por exemplo, o Ente “Governo do Estado de Roraima” aparece com o mesmo CRP 4 vezes na base de dados:

filter(crp, ENTE == "Governo do Estado de Roraima") %>%
  kable()

UF	ENTE	REGIME	NR CRP	DATA DE EMISSÃO	DATA DE VALIDADE	CRP JUDICIAL	SITUAÇÃO DO CRP
RR	Governo do Estado de Roraima	RPPS	936001-174691	2019-04-10	2019-10-07	SIM	VÁLIDO
RR	Governo do Estado de Roraima	RPPS	936001-174691	2019-04-10	2019-10-07	SIM	VÁLIDO
RR	Governo do Estado de Roraima	RPPS	936001-174691	2019-04-10	2019-10-07	SIM	VÁLIDO
RR	Governo do Estado de Roraima	RPPS	936001-174691	2019-04-10	2019-10-07	SIM	VÁLIDO

Vamos excluir as duplicidades:

crp <- crp %>%
          filter(!duplicated(`NR CRP`))

Se quisermos exportar a base de dados para uma planilha do Excel podemos fazer da seguinte forma:

setwd("..\\dados-produzidos")
write_xlxs(crp, file = "crp_DtRef2019-08.xlxs")

Agora estamos em condições de responder a algumas questões: Quantos Entes com CRP vencido existe em cada Estado? Quanto isso representa do total de RPPS existentes no Estado?

crp %>%
  group_by(UF) %>%
  summarise(QtdRPPS = n(),
            QtdRPPS_CRPVencido = sum(`SITUAÇÃO DO CRP` == "VENCIDO"),
            PctRPPS_CRPVencido = round(QtdRPPS_CRPVencido / QtdRPPS * 100, 2)) %>%
  arrange(desc(PctRPPS_CRPVencido)) %>% 
  kable()

UF	QtdRPPS	QtdRPPS_CRPVencido	PctRPPS_CRPVencido
PA	28	17	60.71
AL	74	41	55.41
GO	171	89	52.05
RJ	78	40	51.28
AP	4	2	50.00
SE	4	2	50.00
TO	30	14	46.67
RN	39	18	46.15
PI	68	30	44.12
BA	37	16	43.24
MG	218	83	38.07
PB	71	27	38.03
SP	221	80	36.20
CE	65	23	35.38
MA	47	15	31.91
PR	178	55	30.90
MS	51	15	29.41
PE	149	37	24.83
MT	106	25	23.58
RS	329	74	22.49
AM	27	6	22.22
ES	35	7	20.00
SC	70	13	18.57
RO	30	5	16.67
AC	2	0	0.00
DF	1	0	0.00
RR	2	0	0.00

Em boa parte dos estados tem-se um elevado percentual de Entes com o CRP vencido.

Também poderíamos incluir na tabela acima a quantidade de Entes com CRP obtido pela via judicial e qual o percentual em relação ao total de Entes no Estado.

crp %>%
  group_by(UF) %>%
  summarise(QtdRPPS = n(),
            QtdRPPS_CRPVencido  = sum(`SITUAÇÃO DO CRP` == "VENCIDO"),
            PctRPPS_CRPVencido  = round(QtdRPPS_CRPVencido / QtdRPPS * 100, 2),
            QtdRPPS_CRPJudicial = sum(`CRP JUDICIAL` == "SIM"),
            PctRPPS_CRPJudicial = round(QtdRPPS_CRPJudicial / QtdRPPS * 100, 2)) %>%
  arrange(desc(PctRPPS_CRPVencido)) %>% 
  kable()

UF	QtdRPPS	QtdRPPS_CRPVencido	PctRPPS_CRPVencido	QtdRPPS_CRPJudicial	PctRPPS_CRPJudicial
PA	28	17	60.71	9	32.14
AL	74	41	55.41	41	55.41
GO	171	89	52.05	29	16.96
RJ	78	40	51.28	21	26.92
AP	4	2	50.00	3	75.00
SE	4	2	50.00	4	100.00
TO	30	14	46.67	4	13.33
RN	39	18	46.15	12	30.77
PI	68	30	44.12	16	23.53
BA	37	16	43.24	22	59.46
MG	218	83	38.07	50	22.94
PB	71	27	38.03	47	66.20
SP	221	80	36.20	40	18.10
CE	65	23	35.38	35	53.85
MA	47	15	31.91	38	80.85
PR	178	55	30.90	22	12.36
MS	51	15	29.41	8	15.69
PE	149	37	24.83	117	78.52
MT	106	25	23.58	3	2.83
RS	329	74	22.49	32	9.73
AM	27	6	22.22	23	85.19
ES	35	7	20.00	6	17.14
SC	70	13	18.57	9	12.86
RO	30	5	16.67	11	36.67
AC	2	0	0.00	1	50.00
DF	1	0	0.00	1	100.00
RR	2	0	0.00	1	50.00

Vamos criar uma nova coluna na base de dados contendo a quantidade de dias decorridos da data de validade do CRP até a data de hoje (elaboração desse documento).

crp <- crp %>%
  mutate(QtdDias = as.numeric(difftime(as.POSIXct(Sys.Date()), `DATA DE VALIDADE`, units = "days")))

Qual o Ente com o CRP vencido a mais tempo?

crp %>%
  filter(QtdDias == max(crp$QtdDias)) %>%
  select(UF, ENTE, `DATA DE EMISSÃO`, `DATA DE VALIDADE`, QtdDias) %>%
  kable(caption = paste("Data de Referência: ", format(Sys.Date(), "%d.%m.%Y") , sep = ""))

Data de Referência: 23.09.2019
UF	ENTE	DATA DE EMISSÃO	DATA DE VALIDADE	QtdDias
PI	Barreiras do Piauí	2001-07-24	2002-01-20	6455

Agora criar uma nova coluna na base de dados contendo um escalonamento da variável QtdDias de dados de forma a classificar os Entes em função da quantidade de dias em que os CRP estão vencidos. Por exemplo, podemos adotar a seguinte classificação: “a vencer”, “1 a 30 dias”, “31 a 60 dias”, “61 a 90 dias”, “91 a 180 dias”, “181 a 365 dias”, “1 a 5 anos” e “mais de 5 anos”.

Para fazer esse escalonamento, vamos criar uma nova coluna na base de dados.

crp <- crp %>%
        mutate(categoria = cut(QtdDias,
                               breaks =c(-Inf, 0, 30, 60, 90, 180, 365, 5*365, Inf) ,
                               labels = c("a vencer",
                                          "1 a 30 dias",
                                          "31 a 60 dias",
                                          "61 a 90 dias",
                                          "91 a 180 dias",
                                          "181 a 365 dias",
                                          "1 a 5 anos",
                                          "mais de 5 anos")))

Agora podemos fazer um gráfico que mostre a frequência de Entes em cada uma dessas categorias.

crp %>%
  group_by(categoria) %>%
  summarise(frequencia = n()) %>%
  ggplot(aes(x=categoria, y=frequencia)) +
    geom_bar(stat="identity", fill="orange") +
    geom_text(aes(label=frequencia), color="blue", vjust = 0, hjust=1, size=4) +
    coord_flip()

Também é possível fazer o mesmo gráfico para os Entes de um mesmo estado ou mesmo para os Entes que estão em um mesmo grupo conforme definido pels SPrev.

Vamos ver como está situação dos RPPS do Estado do Rio de Janeiro:

Estado <- "RJ"

crp %>%
  filter(UF == Estado) %>%
  group_by(categoria) %>%
  summarise(frequencia = n()) %>%
  ggplot(aes(x=categoria, y=frequencia)) +
    geom_bar(stat="identity", fill="orange") +
    geom_text(aes(label=frequencia), color="blue", vjust = 0, hjust=1, size=4) +
    coord_flip()

Quais são os Entes do RJ com CRP vencido a mais de 5 anos?

filter(crp, UF == Estado, categoria == "mais de 5 anos") %>% 
  kable()

UF	ENTE	REGIME	NR CRP	DATA DE EMISSÃO	DATA DE VALIDADE	CRP JUDICIAL	SITUAÇÃO DO CRP	QtdDias	categoria
RJ	Araruama	RPPS	985803-28572	2004-12-23	2005-02-21	NÃO	VENCIDO	5327	mais de 5 anos
RJ	Belford Roxo	RPPS	982909-99748	2011-09-27	2012-03-25	NÃO	VENCIDO	2738	mais de 5 anos
RJ	Iguaba Grande	RPPS	980774-47771	2007-05-18	2007-11-14	NÃO	VENCIDO	4331	mais de 5 anos
RJ	Itaocara	RPPS	985841-88200	2010-07-28	2011-01-24	NÃO	VENCIDO	3164	mais de 5 anos
RJ	Magé	RPPS	985849-30352	2005-03-02	2005-05-01	SIM	VENCIDO	5258	mais de 5 anos
RJ	Rio Bonito	RPPS	985885-117820	2013-11-05	2014-05-04	SIM	VENCIDO	1968	mais de 5 anos
RJ	São Gonçalo	RPPS	985897-114709	2013-07-08	2014-01-04	NÃO	VENCIDO	2088	mais de 5 anos

Infelizmente a base de dados não possui informações sobre os critérios do CRP. Essas seriam informações interessantes de constar da base de dados.

DAIR

Este capítulo é dedicado à análise dos dados relativos ao Demonstrativo das Aplicações e Investimento dos Recursos - DAIR. Este demonstrativo evidencia, mês a mês, a posição dos investimentos feitos pelos RPPS bem como dos ativos vinculados ao sistema previdenciário.

Importação e Pré-Processamento dos Dados

Antes de iniciarmos qualquer análise com a base de dados do DAIR será necessário importá-la e realizar um pré-processamento com vistas a deixar a base pronta para uso.

Os dados do DAIR podem ser baixados na site da SPrev/ME e, para os exercícos de 2018 e 2019, estão contidos nos seguintes arquivos: Carteira 2018.csv e Carteira 2019.csv

A importação pode ser feita da seguinte forma:

setwd("..\\dados")
arquivos <- c("Carteira 2018.csv", "Carteira 2019.csv")
invest <- lapply(arquivos, read.csv2, stringsAsFactors = FALSE, na.strings = c("NULL", "", " "))
invest <- do.call('rbind', invest)

# Alterar os nomes das colunas
names(invest) <- c("cnpj", "uf", "ente", "competencia", "segmento",
                   "tipo_ativo", "limite_resol_cmn", "ident_ativo",
                   "nm_ativo", "qtd_quotas", "vlr_atual_ativo", "vlr_total_atual",
                   "perc_recursos_rpps", "pl_fundo", "perc_pl_fundo")

Feita a importação vamos inspecionar a base de dados.

kable(head(invest), format.args = list(decimal.mark = ",", big.mark = "."))

cnpj	uf	ente	competencia	segmento	tipo_ativo	limite_resol_cmn	ident_ativo	nm_ativo	qtd_quotas	vlr_atual_ativo	vlr_total_atual	perc_recursos_rpps	pl_fundo	perc_pl_fundo
63.606.479.000.124	AC	Governo do Estado do Acre	1/2018	Disponibilidades Financeiras	NA	NA	3550 / 8307-0	1 Banco do Brasil S.A.	1,0	0,00000	0,0	0,00	NA	NA
63.606.479.000.124	AC	Governo do Estado do Acre	1/2018	Disponibilidades Financeiras	NA	NA	3550 / 5738-X	1 Banco do Brasil S.A.	1,0	14.391.809,91000	14.391.809,9	96,07	NA	NA
63.606.479.000.124	AC	Governo do Estado do Acre	1/2018	Disponibilidades Financeiras	NA	NA	2358 / 6178-6	1 Banco do Brasil S.A.	1,0	0,00000	0,0	0,00	NA	NA
63.606.479.000.124	AC	Governo do Estado do Acre	1/2018	Disponibilidades Financeiras	NA	NA	3550 / 6080-1	1 Banco do Brasil S.A.	1,0	0,00000	0,0	0,00	NA	NA
63.606.479.000.124	AC	Governo do Estado do Acre	1/2018	Renda Fixa	FI 100% tÃtulos TN	99,99	11328882/0001-35	BB PREVIDENCIÃRIO RENDA FIXA IRF M1	252.362,9	2,33025	588.068,6	3,93	12.260.945.819	0
63.606.479.000.124	AC	Governo do Estado do Acre	1/2018	Disponibilidades Financeiras	NA	NA	3550 / 8361-5	1 Banco do Brasil S.A.	1,0	0,00000	0,0	0,00	0	NA

Quantos registros tem a base?

nrow(invest)

[1] 454412

Será necessário realizar alguns procedimentos de “limpeza” na base de dados. A mais importante sendo a conversão de encoding das variáveis não numéricas.

invest <- invest %>%
  mutate(ente        = iconv(ente,       from = "utf-8", to="latin1"),
         segmento    = iconv(segmento,   from = "utf-8", to="latin1"),
         tipo_ativo  = iconv(tipo_ativo, from = "utf-8", to="latin1"),
         nm_ativo    = iconv(nm_ativo,   from = "utf-8", to="latin1"),
         ident_ativo = trimws(ident_ativo))

# Preencher valores do campo "tipo_ativo" para as disponibilidades. 
invest$tipo_ativo <- ifelse(invest$segmento == "Disponibilidades Financeiras", "Disp", invest$tipo_ativo)

# Converter a variável "competencia" para o formato de data
invest$competencia <- as.Date(paste("01", invest$competencia, sep="/"), "%d/%m/%Y")

Outra transformação é fazer a exclusão de símbolos de pontuação da variável ident_ativo. Em especial para os CNPJ que identificam os fundos de investimentos.

invest$ident_ativo <- gsub("[[:punct:]]", "", invest$ident_ativo)

Vamos verificar o período compreendido pela base de dados:

sort(unique(invest$competencia))

 [1] "2018-01-01" "2018-02-01" "2018-03-01" "2018-04-01" "2018-05-01" "2018-06-01" "2018-07-01" "2018-08-01" "2018-09-01" "2018-10-01" "2018-11-01" "2018-12-01" "2019-01-01"
[14] "2019-02-01" "2019-03-01"

Diversas outras verificações podem ser feitas na base de dados com vistas à obtenção de um melhor conhecimento da mesma, mas vamos nos restringir a essas por ora.

Entrega do DAIR à SPrev/ME

Um verificação necessária diz respeito a saber se o RPPS está encaminhando regularmente o DAIR à SPrev/ME.

Aliás, esse é um ponto de verificação constante na Resolução Atricon 05/2018 que Aprova as Diretrizes de Controle Externo Atricon nº 3214/2018, relacionadas à temática “Controle Externo na gestão dos Regimes Próprios de Previdência Social”.

25.1 (…)

u) se há o envio tempestivo à Secretaria de Previdência (SPREV) do Ministério da Fazenda dos demonstrativos obrigatórios (DIPR, DRAA, DPIN, DAIR e demonstrativos contábeis).

Para executarmos essa verificação é necessário comparar os Entes que constam da base de dados do DAIR (invest) com uma outra base de dados que contenha todos os RPPS.

Vamos usar a base de dados do Indicador de Situação Previdenciária - ISP contida no arquivo RESULTADO-ISP-2018.01.xlsx como nossa referência.

A importação dos dados é feita da seguir:

setwd("..\\dados")
isp <- read_excel("RESULTADO-ISP-2018.01.xlsx")
isp <- isp[, -c(31, 32, 33, 34)]
names(isp) <- c("ENTE",    "UF", "REGIAO", "GRUPO", "ESCRITURA",    "APLICFIN",
                "CONTRIB", "COBSERVPUB", "CONCBENEF",   "EQUILATUAR",   "PARTSEG",  "PARCELTEMP",
                "REGRAS",    "UTILRECPREV", "CONF", "CLASSIF_CONF", "ENDIVID",  "SOLVFIN",
                "RAZAOAI", "COMPROMATUAR",  "SOLVATUAR",    "EQUIL",    "CLASSIF_EQUIL",
                "DRAA",    "DIPR",  "DPIN", "DAIR", "TRANSP",   "CLASSIF_TRANSP",   "ISP201801")

Como será necessário juntar essa base com a base do DAIR, vamos limpar um pouco a base de dados para tornar viável essa operação.

# Entes na base do DAIR
entes_dair <- invest %>%
  select(ente, uf, competencia) %>%
  distinct() %>%
  unite(ente, ente, uf, sep=" - ") %>%
  mutate(ente = iconv(ente, from = "utf-8", to="ASCII//TRANSLIT"),
         ente = toupper(ente))

# Entes na base do ISP
entes_geral <- isp %>%
  select(ENTE) %>%
  mutate(ENTE = iconv(ENTE, from = "utf-8", to="ASCII//TRANSLIT"))

Agora vamos juntar as bases e fazer a checagem.

entrega_dair <- entes_geral %>%
  left_join(entes_dair, by=c("ENTE" = "ente")) %>%
  mutate(entregou = "X") %>%
  distinct() %>%
  spread(key=competencia, value = entregou, fill = "-") %>%
  select(- `<NA>`)

A base de dados entrega_dair nos informa quais entes fizeram a entrega do DAIR no período a que se refere a base de dados. Para conultarmos os Entes de uma UF específica, por exemplo AL, podemos fazer da seguinte forma:

uf <- "AL"

entrega_dair %>%
  filter(grepl(paste(uf, "$", sep=""), ENTE)) %>%
  kable()

ENTE	2018-01-01	2018-02-01	2018-03-01	2018-04-01	2018-05-01	2018-06-01	2018-07-01	2018-08-01	2018-09-01	2018-10-01	2018-11-01	2018-12-01	2019-01-01	2019-02-01	2019-03-01
ARAPIRACA - AL	X	X	X	X	X	X	X	X	X	X	X	X	X	X	-
ATALAIA - AL	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X
BARRA DE SANTO ANTONIO - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
BELEM - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
BELO MONTE - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
BOCA DA MATA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
BRANQUINHA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
CACIMBINHAS - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
CAJUEIRO - AL	X	X	X	-	-	-	-	-	-	-	-	-	-	-	-
CAMPESTRE - AL	X	X	X	X	X	X	X	X	X	X	X	X	X	-	-
CAMPO ALEGRE - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
CANAPI - AL	X	X	X	X	X	X	X	-	-	-	-	-	-	-	-
CARNEIROS - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
CHA PRETA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
COITE DO NOIA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
COLONIA LEOPOLDINA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
COQUEIRO SECO - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
CORURIPE - AL	X	X	X	X	X	X	X	X	X	X	X	X	X	X	-
CRAIBAS - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
FLEXEIRAS - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
GIRAU DO PONCIANO - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
GOVERNO DO ESTADO DE ALAGOAS - AL	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X
IGACI - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
INHAPI - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
JACUIPE - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
JAPARATINGA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
JARAMATAIA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
JEQUIA DA PRAIA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
JUNDIA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
JUNQUEIRO - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
LAGOA DA CANOA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
MACEIO - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
MAJOR IZIDORO - AL	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X
MAR VERMELHO - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
MARAGOGI - AL	X	X	X	X	X	X	X	X	X	X	X	X	X	X	-
MARAVILHA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
MARECHAL DEODORO - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
MARIBONDO - AL	X	X	X	X	-	-	-	-	-	-	-	-	-	-	-
MATA GRANDE - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
MATRIZ DE CAMARAGIBE - AL	X	X	X	X	X	X	X	X	X	X	X	X	-	-	-
MESSIAS - AL	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X
MINADOR DO NEGRAO - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
MONTEIROPOLIS - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
MURICI - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
NOVO LINO - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
OLHO D’AGUA DAS FLORES - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
OLIVENCA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
OURO BRANCO - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
PALESTINA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
PALMEIRA DOS INDIOS - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
PAO DE ACUCAR - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
PASSO DE CAMARAGIBE - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
PAULO JACINTO - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
PENEDO - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
PILAR - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
PINDOBA - AL	X	X	X	X	X	X	X	X	X	X	X	X	X	X	-
PIRANHAS - AL	X	X	X	X	X	X	X	X	X	X	X	X	X	X	-
POCO DAS TRINCHEIRAS - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
PORTO CALVO - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
PORTO DE PEDRAS - AL	X	X	X	X	X	X	X	X	X	X	X	-	-	-	-
QUEBRANGULO - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
SANTA LUZIA DO NORTE - AL	X	X	X	X	X	X	X	X	X	X	X	X	-	-	-
SANTANA DO MUNDAU - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
SAO JOSE DA LAJE - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
SAO JOSE DA TAPERA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
SAO LUIZ DO QUITUNDE - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
SAO MIGUEL DOS MILAGRES - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
SAO SEBASTIAO - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
SENADOR RUI PALMEIRA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
TANQUE D’ARCA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
TAQUARANA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
TEOTONIO VILELA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
VICOSA - AL	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-

O quadro acima nos fornece uma indicação de quais RPPS estão inadimplentes com a obrigação de encaminhamento do DAIR à SPrev. O quadro está ordenado por ordem alfabética mas poderia ser ordenado por inadimplência, ou seja, RPPS com maior quantidade de inadimplência no período viriam primeiro.

Caso seja necessário exportar os dados para uma planilha do excel:

setwd("..\\dados-produzidos")
write_xlsx(entrega_dair, "entrega_dair_AL.xlsx")

Aplicações em Fundos Vedados

Uma análise possível com os dados disponibilizados é a verificação de que o RPPS possui recursos aplicados em fundos de investimentos vedados. A partir da edição da Resolução CMN n. 4.604/17 que altera a Resolução CMN n. 3.922/10, a SPrev passou a divulgar uma relação com os fundos de investimentos que seriam vedados aos RPPS. A lista é constantemente atualizada e por ocasião da elaboração deste documento a lista disponível era FUNDOS-VEDADOS-CARTEIRA-DOS-FUNDOS-21122018.pdf. Este arquivo pode ser baixado no site da SPrev.

Os dados contidos no arquivo acima foram extraídos utilizando-se um script em R gerando o arquivo fundos_vedados_21-12-2018.xlsx que será utilizado para verificar se um RPPS possui recursos aplicados nesses fundos.

Vamos à importação dos dados:

setwd("..\\dados")
fundos_vedados <- read_excel("fundos_vedados_21-12-2018.xlsx")

Essa base de dados possui 138 registros. Será que existe duplicidade de fundos na base?

any(duplicated(fundos_vedados$`CNPJ DO FUNDO`))

[1] FALSE

Para a identificação dos RPPS que possuem investimentos em fundos vedados será necessário “cruzar” os dados das duas bases: invest e fundos_vedados. Mas para isso será necessário, antes, fazer uma correção na base, especificamente na variável que identifica o CNPJ do fundo de investimento, visto que essa é a chave que nos permitirá relacionar as duas bases de dados.

Na base invest a variável que contém informação sobre o CNPJ do fundo de investimento é ident_ativo e na base fundos_vedados é a variável CNPJ DO FUNDO.

Vamos inspecionar as quinze primeiros valores destas duas variáveis:

invest$ident_ativo[1:15]

 [1] "3550  83070"    "3550  5738X"    "2358  61786"    "3550  60801"    "11328882000135" "3550  83615"    "3550  83070"    "3550  5738X"    "11328882000135" "2358  61786"   
[11] "3550  60801"    "3550  83615"    "2358  61786"    "3550  60801"    "3550  83615"

fundos_vedados$`CNPJ DO FUNDO`[1:15]

 [1] "00.828.035/0001-13" "01.107.772/0001-90" "01.375.954/0001-41" "01.653.201/0001-50" "03.362.624/0001-47" "04.877.280/0001-71" "05.086.234/0001-17" "05.313.396/0001-40"
 [9] "06.018.364/0001-85" "06.086.158/0001-02" "07.399.646/0001-32" "07.766.151/0001-02" "07.967.080/0001-06" "08.203.825/0001-15" "09.006.914/0001-34"

Como pode ser visto, os valores do CNPJ estão “formatados” de formas distintas nas duas bases. Será necessário realizar a correção que vai consistir simplesmente remover os caracteres de pontuação. É isso que o código a seguir faz.

fundos_vedados$`CNPJ DO FUNDO` <- gsub("[[:punct:]]", "", fundos_vedados$`CNPJ DO FUNDO`)

Agora que fizemos a limpeza das variáveis, podemos realizar o cruzamento dos dados. No comando abaixo criamos uma nova coluna (ou variável caso prefiram) na base de dados invest chamada aplica_fundo_vedado que assumirá o valor 1 caso o CNPJ do fundo conste da base de fundos vedados e 0 caso contrário. Logo em seguida aplicamos um filtro para obter apenas os registros onde a variável aplica_fundos_vedados assume o valor 1 e criamos uma nova base de dados com esses valores chamada invest_fv.

invest_fv <- invest %>%
               mutate(aplica_fundo_vedado = ifelse(ident_ativo %in% fundos_vedados$`CNPJ DO FUNDO`, 1, 0)) %>%
               filter(aplica_fundo_vedado == 1)

Gerada essa nova base de dados, vamos agora exportá-la para um arquivo do Excel.

setwd("..\\dados-produzidos")
write_xlsx(invest_fv, "AplicacoesFundosVedadosBR.xlsx")

Filtrando a base de dados podemos agora identificar os Entes de um EstadoF que possuíam, em ao menos um dos períodos abrangidos pela base de dados, aplicações em fundos de investimentos vedados.

Exemplo: Será que no estado do Tocantins existe algum RPPS com aplicações em fundos vedados?

# Definição da UF de interesse
UF <- "TO"

# Aplicação de filtro
invest_fv %>%
  filter(uf == UF) %>%
  select(ente, ident_ativo, nm_ativo) %>%
  distinct() %>%
  kable()

ente	ident_ativo	nm_ativo
Governo do Estado do Tocantins	13651947000104	TOTEM FI RF II
Governo do Estado do Tocantins	14721044000115	INFRA SANEAMENTO FIP
Governo do Estado do Tocantins	20886575000160	FI EM PARTICIPAÇÕES FP2
Governo do Estado do Tocantins	13555918000149	AQUILLA FII
Governo do Estado do Tocantins	14069202000102	AQUILLA RENDA FII
Governo do Estado do Tocantins	13593438000172	ECO HEDGE FIM CP LP
Governo do Estado do Tocantins	12440789000180	LEME MULTISETORIAL IPCA FIDC
Governo do Estado do Tocantins	11827568000105	INCENTIVO FI REFERENCIADO CDI CP
Governo do Estado do Tocantins	18369510000104	INFRA REAL ESTATE FII
Governo do Estado do Tocantins	13344834000166	INCENTIVO FIDC MULTISETORIAL II
Governo do Estado do Tocantins	10355516000102	TOP FUNDO DE INVESTIMENTO RENDA FIXA
Governo do Estado do Tocantins	11784036000120	LEME IMA-B FI RF PREVIDENCIÁRIO
Governo do Estado do Tocantins	23954899000187	TOWER BRIDGE II RF FI IMA-B 5
Governo do Estado do Tocantins	12312767000135	ÁTICO FLORESTAL FIP
Governo do Estado do Tocantins	15798354000109	FUNDO DE INVESTIMENTO EM PARTICIPAÇÕES LSH
Governo do Estado do Tocantins	09006914000134	RB CAPITAL RENDA - FII
Governo do Estado do Tocantins	15461076000191	FUNDO DE INVESTIMENTO IMOBILIÁRIO BR HOTÉIS - FII
Governo do Estado do Tocantins	12845801000137	TOWER BRIDGE RF FI IMA-B 5
Governo do Estado do Tocantins	15350909000147	VITÓRIA RÉGIA FI RF LP
Governo do Estado do Tocantins	10625626000147	CONQUEST FIP
Governo do Estado do Tocantins	13707891000162	VIAJA BRASIL PRIVATE EQUITY FIP
Governo do Estado do Tocantins	14631148000139	ÁTICO RENDA FII
Palmas	17213821000109	FIP CAIS MAUA DO BRASIL INFRAESTRUTURA
Palmas	09006914000134	RB CAPITAL RENDA II FII
Palmas	25246183000150	TERCON FIC FIM MULTICRÉDITO CRÉDITO PRIVADO

Perfil das Aplicações de um RPPS

Agora vamos estudar o perfil dos investimentos de um determinado RPPS. Vamos olhar o RPPS de São Gonçalo no Estado do Rio de Janeiro.

Vamos a seguir identificar o Ente e o período de interesse para definição do perfil.

ENTE <- "São Gonçalo"
UF <-  "RJ"

periodo <- range(invest$competencia, na.rm = TRUE)
periodo <- seq(periodo[1], periodo[2], by='month')

Feita a identificação vamos filtrar a base de dados para encontrar os registros relativos ao Ente selecionado.

invest_rpps <- invest %>%
  filter(uf == UF, ente == ENTE) %>%
  arrange(competencia) %>%
  select(competencia, tipo_ativo, vlr_total_atual) %>%
  group_by(competencia, tipo_ativo) %>%
  summarise(vlr_total_atual = sum(vlr_total_atual, na.rm = TRUE)) %>%
  spread(key = competencia, value = vlr_total_atual)

kable(invest_rpps,
      format.args = list(decimal.mark = ",", big.mark = "."),
      col.names = c("Tipo Ativo", format(as.Date(names(invest_rpps[-1])), "%m/%Y")))

Tipo Ativo	01/2018	02/2018	03/2018	04/2018	05/2018	06/2018	07/2018	08/2018	09/2018	10/2018	11/2018	12/2018	01/2019	02/2019
Disp	5.224.878	4.146.390	23.984,19	15.013,17	3.378,3	3.807,39	18.744,58	9.356,72	12.536,63	12.734,01	19.810,5	481.004,5	20.577,35	4.383.475,4
FI 100% títulos TN	5.355.800	5.387.976	5.439.669,25	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
FI 100% títulos TN - Art. 7º, I, b	NA	NA	NA	5.463.394,02	5.378.163,5	5.382.668,62	5.456.296,12	5.414.787,83	5.478.713,96	5.654.074,88	5.705.889,9	7.485.045,0	7.587.217,76	7.608.137,0
FI de Renda Fixa	1.003.936	2.608.065	3.073.739,29	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
FI em Participações - Art. 8º, IV, a	NA	NA	NA	9.018.494,10	9.017.556,9	9.016.619,68	9.015.701,35	9.014.783,03	9.013.864,09	9.012.945,16	9.012.025,4	9.011.104,9	9.010.185,35	9.009.186,8
FI em Participações - Fechado	9.021.537	9.020.500	9.019.431,32	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
FI Multimercado - Aberto - Art. 8º, III	NA	NA	NA	1.138.395,17	1.135.119,8	1.126.206,02	1.115.459,63	1.102.219,57	996.980,81	996.025,21	1.018.345,2	856.668,5	855.624,31	855.192,7
FI Renda Fixa - Geral - Art. 7º, IV, a	NA	NA	NA	0,00	0,0	0,00	0,00	0,00	4.554.008,80	9.501.346,42	11.087.416,7	2.096.557,8	14.694.334,08	9.733.664,9
FI Renda Fixa Crédito Privado	3.360.512	2.783.212	2.782.746,72	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
FI Renda Fixa Crédito Privado - Art. 7º, VII, b	NA	NA	NA	2.782.259,17	2.780.138,2	2.780.012,69	2.779.960,16	2.780.306,86	2.780.734,35	2.780.862,96	2.553.965,4	2.553.328,7	2.553.199,68	2.553.279,5
FI Renda Fixa Referenciado - Art. 7º, III, a	NA	NA	NA	7.594.082,37	8.198.627,7	11.745.578,39	9.070.563,91	9.480.812,26	0,00	0,00	0,0	0,0	0,00	0,0
FI Renda Fixa/Referenciados RF	1.142.921	1.141.682	1.139.725,66	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA

O quadro mostra uma mudança nas aplicações a partir de abril de 2018 em resposta às alterações introduzidas pela Resolução CMN n. 4.604/17 do Conselho Monetário Nacional que alterou a Resolução CMN n. 3.922/10. Talvez em razão disso seja interessante limitar a série para os meses posteriores a abril de 2018, inclusive.

invest_rpps <- invest_rpps %>% select(-(2:4))
invest_rpps <- invest_rpps[complete.cases(invest_rpps[,-1]),]

kable(invest_rpps,
      format.args = list(decimal.mark = ",", big.mark = "."),
      col.names = c("Tipo Ativo", format(as.Date(names(invest_rpps[-1])), "%m/%Y")))

Tipo Ativo	04/2018	05/2018	06/2018	07/2018	08/2018	09/2018	10/2018	11/2018	12/2018	01/2019	02/2019
Disp	15.013,17	3.378,3	3.807,39	18.744,58	9.356,72	12.536,63	12.734,01	19.810,5	481.004,5	20.577,35	4.383.475,4
FI 100% títulos TN - Art. 7º, I, b	5.463.394,02	5.378.163,5	5.382.668,62	5.456.296,12	5.414.787,83	5.478.713,96	5.654.074,88	5.705.889,9	7.485.045,0	7.587.217,76	7.608.137,0
FI em Participações - Art. 8º, IV, a	9.018.494,10	9.017.556,9	9.016.619,68	9.015.701,35	9.014.783,03	9.013.864,09	9.012.945,16	9.012.025,4	9.011.104,9	9.010.185,35	9.009.186,8
FI Multimercado - Aberto - Art. 8º, III	1.138.395,17	1.135.119,8	1.126.206,02	1.115.459,63	1.102.219,57	996.980,81	996.025,21	1.018.345,2	856.668,5	855.624,31	855.192,7
FI Renda Fixa - Geral - Art. 7º, IV, a	0,00	0,0	0,00	0,00	0,00	4.554.008,80	9.501.346,42	11.087.416,7	2.096.557,8	14.694.334,08	9.733.664,9
FI Renda Fixa Crédito Privado - Art. 7º, VII, b	2.782.259,17	2.780.138,2	2.780.012,69	2.779.960,16	2.780.306,86	2.780.734,35	2.780.862,96	2.553.965,4	2.553.328,7	2.553.199,68	2.553.279,5
FI Renda Fixa Referenciado - Art. 7º, III, a	7.594.082,37	8.198.627,7	11.745.578,39	9.070.563,91	9.480.812,26	0,00	0,00	0,0	0,0	0,00	0,0

Os comandos a seguir fornecem um gráfico do percentual aplicado em cada fundo de investimento por mês com indicação de eventuais fundos vedados. Vamos explicitar o passo a passo até a elaboração do gráfico.

O primeiro passo é obter na base de investimentos (invest) os dados relativos ao RPPS de interesse e os registros relativos aos ativos que se refiram a fundos de investimentos.

Isso é feito a seguir:

perfil <- invest %>%
  filter(uf == UF, ente == ENTE, grepl("\\d{14}", ident_ativo)) %>%
  mutate(fundos = paste(nm_ativo, " [", ident_ativo, "]", sep = "")) %>%
  group_by(competencia, fundos) %>% 
  summarise(vlr_total_atual = sum(vlr_total_atual, na.rm = TRUE)) %>%
  ungroup() %>%
  group_by(competencia) %>%
  mutate(pct_aplic_fundo = vlr_total_atual / sum(vlr_total_atual, na.rm = TRUE))

O passo a seguir não é absolutamente necessário para o que queremos. Ele apenas vai nos permitir uma certa ordenação dos fundos de investimentos no gráfico de forma que fundos com maior valor aplicado apareçam antes de fundos com menos recursos. A estratégia adotada (não necessariamente a melhor) é ordenar pelo valor médio do percentual investido no período.

medias <- perfil %>%
  group_by(fundos) %>%
  summarise(media = mean(pct_aplic_fundo, na.rm = TRUE)) %>%
  arrange(desc(media)) %>%
  mutate(ordem = rank(media, ties.method= "first"))

Agora precisamos juntar esses dados com a base de dados do RPPS obtida anteriormente.

# Juntar com base contendo a ordenação dos fundos
perfil <- perfil %>%
              left_join(medias[, c("fundos", "ordem")], by="fundos") %>%
              arrange(desc(ordem))

Agora vamos identificar os fundos vedados.

# Identificar fundos que sejam vedados.
perfil <- perfil %>%
              mutate(vedado = ifelse(gsub(".*\\[(.*)\\]", "\\1", fundos) %in% fundos_vedados$`CNPJ DO FUNDO`, "Vedado", "Permitido"))

E agora já podemos fazer o gráfico.

ggplot(perfil, aes(x=competencia, y=reorder(fundos, ordem), size=pct_aplic_fundo,colour = factor(vedado))) +
  geom_point() +
  xlab("Meses") + ylab("Fundos") +
  scale_color_manual(values = c("lightblue", "tomato"))

O gráfico mostra a existência de um mesmo fundo com denominações ligeiramente diferentes. Exemplo: o Itaú Soberano e o Catânia.

Se o RPPS inciar um investimento em um fundo novo será possível identificá-lo nesse gráfico, o que parece ser um recurso interessante para o monitoramento das carteiras de fundos de investimento dos RPPS.

Evolução dos Ativos Garantidores

De grande importância para os RPPS são os seus ativos garantidores, ou seja, os recursos que o RPPS acumula e aplica no mercado financeiro para ajudar a pagar os benefícios juntamente com os bens, valores e direitos vinculados ao RPPS.

Neste capítulo nosso objetivo é verificar como os ativos garantidores estão evoluindo no tempo. Basicamente nossa proposta é fazer um gráfico de linha mostrando a evolução dos recursos.

Em razão de disposições contidas na Resolução CMN n. 3.922/10 vamos trabalhar com os conceitos de Ativo Garantidor Bruto e Ativo Garantidor Líquido.

Por ativo garantidor bruto iremos considerar a totalidade dos ativos que o RPPS relaciona no DAIR. O ativo garantidor líquido não inclui determinados ativos conforme disposto no art. 6^o da Resolução CMN n. 3.922/10.

Na base de dados do DAIR a identificação dos ativos está definida na variável tipo_ativo. Antes de iniciarmos, vamos verificar quais tipos de ativos existem na base de dados:

invest %>%
  distinct(tipo_ativo) %>%
  kable()

tipo_ativo
Disp
FI 100% títulos TN
FI 100% títulos TN - Art. 7º, I, b
FI de Renda Fixa
FI em Ações
FI Renda Fixa Crédito Privado
FI Imobiliários
FI Multimercado - Aberto
FI Renda Fixa - Geral - Art. 7º, IV, a
FI de Ações - Geral - Art. 8º, II, a
FI Multimercado - Aberto - Art. 8º, III
FI Renda Fixa Crédito Privado - Art. 7º, VII, b
FI de Ações - Índices c/ no mínimo 50 ações - Art. 8º, I, a
FI Imobiliários - Art. 8º, IV, b
Títulos de Renda Fixa
FI Renda Fixa/Referenciados RF
FI Renda Fixa Referenciado - Art. 7º, III, a
Poupança
Poupança - Art. 7º, VI, b
CDB - Certificado de Depósito Bancário - Art. 7º, VI, a
Valores Mobiliários
FI de Índices Referenciados em Renda Fixa
Outros Bens, Direitos e Ativos
FI de Índices Referenciados em RF Subíndices Anbima
Títulos Tesouro Nacional
ETF - Demais Indicadores de RF - Art. 7º, IV, b
Títulos Públicos de emissão do TN - Art. 7º , I, a
ETF - Renda Fixa Referenciado - Art. 7º, III, b
FI Ações referenciados
FI em Direitos Creditórios - Fechado - Cota Sênior
FI em Participações - Fechado
Prédio Comercial
FI em Direitos Creditórios - Aberto - Cota Sênior
FI em Participações - Art. 8º, IV, a
FI em Direitos Creditórios - Cota Sênior - Art. 7º, VII, a
Operações Compromissadas com Títulos do TN
Operações compromissadas - Art. 7º , II
FI de Índices Referenciados em Ações
ETF - Índice de Ações (c/ no mínimo 50) - Art. 8º, I, b
Outros - Imóveis
Terreno
Casa
Loja
FI Imobiliário
Prédio Residencial
NA
Fundos de Investimento não previstos em Resolução CMN
Apartamento
Fundo Investimento - Sufixo Investimento no Exterior
ETF - Demais Índices de Ações - Art. 8º, II, b
FI em Direitos Creditórios - Aberto - Cota Subordinada

Algumas observações: em razão das alterações feitas na Resolução CMN n. 3.922/10 pela Resolução CMN n. 4.604/17, que passaram a vigir a partir de abril de 2018, alguns ativos estão com duas denominações na base, refletindo as alterações realizadas no CADPREV para se adequar à legislação. Por exemplo os ativos FI 100% títulos TN e FI 100% títulos TN - Art. 7º, I, b ou Poupança e Poupança - Art. 7º, VI, b.

Também é possível ver a existência de ativos sem identificação, representados pelo NA. Vamos ver quantos ativos estão nessa condição:

sum(is.na(invest$tipo_ativo))

[1] 4

Apenas 4 observações. Vamos inspecioná-las:

kable(subset(invest, is.na(tipo_ativo)))

	cnpj	uf	ente	competencia	segmento	tipo_ativo	limite_resol_cmn	ident_ativo	nm_ativo	qtd_quotas	vlr_atual_ativo	vlr_total_atual	perc_recursos_rpps	pl_fundo	perc_pl_fundo
91760	0.30	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
91797	0.26	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
91823	0.24	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
91861	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA

Aparentemente foram erros. Vamos excluir esses registros da base de dados:

invest <- subset(invest, !is.na(tipo_ativo))

Agora estamos em condições de realizar a soma dos ativos registrados no DAIR em cada mês para obtermos o total dos ativos garantidores brutos no mês.

ativoGarantBruto <- invest %>%
  group_by(uf, ente, competencia) %>%
  summarize(vlrAtivoTotal = sum(vlr_total_atual, na.rm=TRUE))

Vamos ver agora como está evoluindo os ativos garantidores totais de Nova Iguaçu no Estado do Rio de Janeiro:

ENTE <- "Nova Iguaçu"
UF <- "RJ"

ativoGarantBruto %>%
  filter(uf == UF, ente == ENTE) %>%
  ggplot(aes(x=competencia, y=vlrAtivoTotal)) +
  geom_line() +
  geom_point() +
  theme(axis.text.x = element_text(angle = 90, vjust=0.5)) +
  scale_x_date(date_breaks="1 month", labels = date_format("%Y-%m"))

Alguma coisa parece errada em janeiro e fevereiro de 2019. Mais de 60 bilhões!?!?

Vamos agora calcular os ativos garantidores líquidos, ou seja, devemos excluir do rol de ativos constantes do DAIR, de acordo com o art.6^o da Resolução CMN 3.922/10, os ativos vinculados por lei ao regime próprio de previdência social, demais bens, direitos e ativos com finalidade previdenciária do regime próprio de previdência social, as disponibilidades financeiras mantidas em conta corrente e as cotas de fundos de investimento imobiliário que forem admitidas à negociação no mercado secundário, conforme regulamentação da CVM, e que sejam integralizadas por imóveis legalmente vinculados ao Regime Próprio de Previdência Social.

Para tanto devemos conseguir identificar, no rol de ativos que integram o DAIR, aqueles que se encaixam nas categorias acima mencionadas. Para simplificar essa tarefa vamos trabalhar com os dados posteriores a abril de 2018 em razão de ter sido essa a data limite para os RPPS ajustarem seus investimentos ao regramento definido pela Resolução n. CMN 4.604/17 e também porque a partir dessa data o DAIR passou a contar com novos ativos.

Vamos então filtrar a base de dados:

ativoGarantLiquido <- invest %>%
  filter(competencia >= ymd("2018-04-01"))

Vamos agora inspecionar o rol de ativos com vistas a identificarmos quais devem ser excluídos.

ativoGarantLiquido %>%
  distinct(tipo_ativo) %>%
  kable()

tipo_ativo
Disp
FI 100% títulos TN - Art. 7º, I, b
FI Renda Fixa - Geral - Art. 7º, IV, a
FI de Ações - Geral - Art. 8º, II, a
FI Multimercado - Aberto - Art. 8º, III
FI Renda Fixa Crédito Privado - Art. 7º, VII, b
FI de Ações - Índices c/ no mínimo 50 ações - Art. 8º, I, a
FI Imobiliários - Art. 8º, IV, b
FI Renda Fixa Referenciado - Art. 7º, III, a
Poupança - Art. 7º, VI, b
CDB - Certificado de Depósito Bancário - Art. 7º, VI, a
Títulos de Renda Fixa
Valores Mobiliários
ETF - Demais Indicadores de RF - Art. 7º, IV, b
Outros Bens, Direitos e Ativos
Títulos Públicos de emissão do TN - Art. 7º , I, a
ETF - Renda Fixa Referenciado - Art. 7º, III, b
FI em Participações - Art. 8º, IV, a
FI em Direitos Creditórios - Cota Sênior - Art. 7º, VII, a
Prédio Comercial
Operações compromissadas - Art. 7º , II
ETF - Índice de Ações (c/ no mínimo 50) - Art. 8º, I, b
Outros - Imóveis
Terreno
Casa
Loja
Prédio Residencial
Fundos de Investimento não previstos em Resolução CMN
FI 100% títulos TN
FI de Renda Fixa
FI em Ações
FI Multimercado - Aberto
Apartamento
Fundo Investimento - Sufixo Investimento no Exterior
ETF - Demais Índices de Ações - Art. 8º, II, b

Para realizar a exclusão dos ativos vamos adotar o seguinte critério: excluir todos os ativos em cujas descrições, constantes do quadro acima, não estejam presentes a indicação do dispositivo da Resolução CMN n. 3.922/10 no qual o ativo se enquadra. Não sei se o critério é adequado mas servirá ao propósito de ilustrar como realizar o procedimento. Surgindo formas melhores de se fazer a seleção de ativos vamos implementar.

Então o próximo passo é realizar a exclusão dos referidos ativos:

ativoGarantLiquido <- ativoGarantLiquido %>%
  filter(grepl("Art.*$", tipo_ativo))

Vamos dar uma conferida:

ativoGarantLiquido %>%
  distinct(tipo_ativo) %>%
  kable()

tipo_ativo
FI 100% títulos TN - Art. 7º, I, b
FI Renda Fixa - Geral - Art. 7º, IV, a
FI de Ações - Geral - Art. 8º, II, a
FI Multimercado - Aberto - Art. 8º, III
FI Renda Fixa Crédito Privado - Art. 7º, VII, b
FI de Ações - Índices c/ no mínimo 50 ações - Art. 8º, I, a
FI Imobiliários - Art. 8º, IV, b
FI Renda Fixa Referenciado - Art. 7º, III, a
Poupança - Art. 7º, VI, b
CDB - Certificado de Depósito Bancário - Art. 7º, VI, a
ETF - Demais Indicadores de RF - Art. 7º, IV, b
Títulos Públicos de emissão do TN - Art. 7º , I, a
ETF - Renda Fixa Referenciado - Art. 7º, III, b
FI em Participações - Art. 8º, IV, a
FI em Direitos Creditórios - Cota Sênior - Art. 7º, VII, a
Operações compromissadas - Art. 7º , II
ETF - Índice de Ações (c/ no mínimo 50) - Art. 8º, I, b
ETF - Demais Índices de Ações - Art. 8º, II, b

Aparentemente está tudo ok. Podemos agora somar os valores dos ativos. Esse passo é idêntico ao já realizado para agregar os valores dos ativos brutos.

ativoGarantLiquido <- ativoGarantLiquido %>%
  group_by(uf, ente, competencia) %>%
  summarize(vlrAtivoTotal = sum(vlr_total_atual, na.rm=TRUE))

Agora vamos ao gráfico:

ENTE <- "Nova Iguaçu"
UF <- "RJ"

ativoGarantLiquido %>%
  filter(uf == UF, ente == ENTE) %>%
  ggplot(aes(x=competencia, y=vlrAtivoTotal)) +
  geom_line() +
  geom_point() +
  theme(axis.text.x = element_text(angle = 90, vjust=0.5)) +
  scale_x_date(date_breaks="1 month", labels = date_format("%Y-%m"))

Vemos agora uma queda nos ativos liquidos de novembro para dezembro de 2018.

Uma boa ideia é apresentar as duas séries no mesmo gráfico e também obter a relação entre o ativo garantidor liquido e ativo garantidor bruto.

ativoGarantBruto$tipo <- "Ativo Bruto"
ativoGarantLiquido$tipo <- "Ativo Liquido"
ativos_garantidores <- rbind(ativoGarantBruto, ativoGarantLiquido)

Vamos agora fazer o gráfico:

ENTE <- "Nova Iguaçu"
UF <- "RJ"

ativos_garantidores %>%
  filter(uf == UF, ente == ENTE) %>%
  ggplot(aes(x=competencia, y=log(vlrAtivoTotal), group=tipo, color=tipo)) +
    geom_line(size=1) +
    geom_point(size=2) +
  theme(axis.text.x = element_text(angle = 90, vjust=0.5)) +
  scale_x_date(date_breaks="1 month", labels = date_format("%Y-%m"))

Para que fosse possível ter a visualização dos dados fizemos o gráfico do logaritimo dos valores dos ativos.

A relação entre ativos líquidos e brutos pode ser obtida da seguinte forma:

ativos_garantidores2 <- ativoGarantBruto %>%
                          inner_join(ativoGarantLiquido, by=c("ente", "competencia")) %>%
                          mutate(relacao = round(vlrAtivoTotal.y / vlrAtivoTotal.x * 100, 2))

Vamos plotar essa relação para o município de São Gonçalo no ERJ:

ENTE <- "São Gonçalo"
UF <- "RJ"

ativos_garantidores2 %>%
  filter(uf.x == UF, ente == ENTE) %>%
  ggplot(aes(x=competencia, y=relacao)) + 
  geom_line() +
  geom_point() +
  theme(axis.text.x = element_text(angle = 90, vjust=0.5)) +
  scale_x_date(date_breaks="1 month", labels = date_format("%Y-%m"))

Enquadramento de Fundos de Investimentos

Uma outra verificação possível com os dados disponibilizados refere-se ao enquadramento dos fundos de invetimentos realizado pelos RPPS. Estamos aqui denominando de “enquadramento” ao ato de classificar um determinado ativo, em especial os fundos de investimento, em uma das opções constantes da Resolução CMN n. 3.922/10.

Assim, nosso objetivo nesse tópico é conferir o enquadramento informado pelo RPPS ao preencher o DAIR com o enquadramento definido pela SPrev/ME em relação aos fundos de investimento.

Periodicamente a SPrev publica em seu site uma planilha com o enquadramento dos fundos de investimento conforme Resolução CMN n. 3.922/10. Assim é possível comparar o enquadramento divulgado pela SPrev, contida nessa planilha, com o enquadramento realizado pelos RPPS por ocasião do preenchimento do DAIR.

Vamos importar os dados contidos na planilha da SPrev:

setwd("..\\dados")
EnquadSPrev <- read_excel("Planilha-de-Enquadramento-dos-Fundos-com-aplicacoes-dos-RPPS_082019_.xlsx", skip=1)

Vamos colocar nomes mais amigáveis na base de dados.

names(EnquadSPrev) <- c("cnpj", "nm_fundo", "seguimento", "tipo_ativo", "cnpj_admin", "cnpj_gestor")

Agora podemos inspecionar a base de dados.

kable(head(EnquadSPrev))

cnpj	nm_fundo	seguimento	tipo_ativo	cnpj_admin	cnpj_gestor
68305000135	FUNDO DE INVESTIMENTO EM COTAS DE FUNDOS DE INVESTIMENTO CAIXA EMPREENDER RENDA FIXA LONGO PRAZO	Renda Fixa	FI Renda Fixa - Geral - Art. 7º, IV, a	00.360.305/0001-04	00.360.305/0001-04
180995000110	SAFRA EXECUTIVE MAX RF FUNDO DE INVESTIMENTO EM COTAS DE FUNDOS DE INVESTIMENTO	Renda Fixa	FI Renda Fixa - Geral - Art. 7º, IV, a	06.947.853/0001-11	62.180.047/0001-31
322699000106	BRADESCO H FUNDO DE INVESTIMENTO RENDA FIXA REFERENCIADO DI CRÉDITO PRIVADO LONGO PRAZO EXECUTIVO	Renda Fixa	FI Renda Fixa “Crédito Privado” - Art. 7º, VII, b	60.746.948/0001-12	62.375.134/0001-44
743026000120	BANRISUL VIP FUNDO DE INVESTIMENTO RENDA FIXA DE LONGO PRAZO	Renda Fixa	FI Renda Fixa - Geral - Art. 7º, IV, a	92.702.067/0001-96	93.026.847/0001-26
756851000169	BB RENDA FIXA 500 FUNDO DE INVESTIMENTO EM COTAS DE FUNDOS DE INVESTIMENTO	Renda Fixa	FI Renda Fixa - Geral - Art. 7º, IV, a	30.822.936/0001-69	30.822.936/0001-69
787095000135	BANESTES FUNDO DE INVESTIMENTO EM COTAS DE FUNDOS DE INVESTIMENTO EM AÇÕES	Renda Variável	FI de Ações - Geral - Art. 8º, II, a	28.127.603/0001-78	28.156.057/0001-01

Feita a importação dos dados, será necessário realizar o pré-processamento com vistas a melhorar a qualidade da base para uso posterior.

Um primeiro ajuste é retirar da variável tipo_ativo a parte da string que identifica o dispositivo da Resolução CMN 3922/10 no qual o fundo está enquadrado. Por exemplo, na string FI de Ações - Índices c/ no mínimo 50 ações - Art. 8º, I, a, queremos apenas o valor Art. 8º, I, a. Podemos fazer isso da seguinte forma:

EnquadSPrev <- EnquadSPrev %>%
                 mutate(enquad_sprev = str_extract(tipo_ativo, "Art.*$"))

Um outro ajuste é corrigir o valor do CNPJ do fundo de investimento que, no processo de importação, perdeu os zeros que estavam à esquerda. Será necessário voltar com esses zeros para que os CNPJ tenham todos 14 dígitos.

EnquadSPrev$cnpj <- sprintf("%014.0f", EnquadSPrev$cnpj)

Vamos agora filtrar a base de dados do DAIR (invest) de forma a obter apenas os registros a partir de abril de 2018 (data a partir da qual as alterações introduzidas pela Resolução CMN n. 4.604/17 passaram a vigorar) bem como os registros relativos a fundos de investimentos. Isso pode ser feito da seguinte forma:

invest_fundos <- filter(invest,
                        competencia >= as.Date("2018-04-01"),
                        grepl("\\d{14}", ident_ativo))

Agora vamos criar uma nova coluna nesta base de dados contendo o enquadramento do fundo de investimento efetuado pelo RPPS ao preencher o DAIR. Vamos fazer da mesma forma que fizemos para o arquivo contendo a classificação realizada pela SPrev.

invest_fundos <- invest_fundos %>%
                 mutate(enquad_rpps = str_extract(tipo_ativo, "Art.*$"))

Ok. Agora podemos juntar esta base, contendo os dados provenientes do DAIR, com a base contendo o enquadramento dos fundos realizado pela SPrev, para que tenhamos na mesma base de dados tanto o enquadramento realizado pelo RPPS como o enquadramento informado pela SPrev .

invest_fundos <- invest_fundos %>%
                  left_join(EnquadSPrev[,c("cnpj", "nm_fundo", "enquad_sprev")],
                            by=c("ident_ativo" = "cnpj"))
# Aumentou a quantidade de registros.

Agora já temos condições de comparar as variáveis enquad_rpps com a variável enquad_sprev para identificar eventuais divergências de enquadramento. Antes, porém, mais uma pequena modificação nos dados, especificamente nas duas variáveis citadas.

invest_fundos <- invest_fundos %>%
                  mutate(enquad_rpps = toupper(gsub('[[:punct:]]| |º', '', enquad_rpps)),
                         enquad_sprev= toupper(gsub('[[:punct:]]| |º', '', enquad_sprev)))

Vamos agora criar uma nova variável na base de dados invest_fundos contendo os valores 0 e 1 caso os enquadramentos sejam, respectivamente, iguais ou diferentes.

invest_fundos$diverg_enquad <- ifelse(invest_fundos$enquad_rpps == invest_fundos$enquad_sprev, 0, 1)

Vamos agora filtrar para obtermos apenas os registros para os quais as classificações foram diferentes.

divergencia_enquad <- filter(invest_fundos, diverg_enquad == 1)

Quantos registros nessa condição:

nrow(divergencia_enquad)

[1] 26019

Quantos entes apresentaram problemas com o enquadramento de fundos de investimentos?

length(unique(divergencia_enquad$ente))

[1] 1293

Vamos ver, por exemplo, o município de Japeri no Estado do Rio de Janeiro.

ENTE <- "Japeri"
UF <- "RJ"

diverg_rpps <- divergencia_enquad %>%
                  filter(uf == UF, ente == ENTE) %>%
                  select(ente, competencia, ident_ativo, nm_ativo, enquad_rpps, enquad_sprev) %>%
                  arrange(competencia)

kable(diverg_rpps)

ente	competencia	ident_ativo	nm_ativo	enquad_rpps	enquad_sprev
Japeri	2018-04-01	03737206000197	CAIXA FI BRASIL REF. DI LONGO PRAZO	ART7IVB	ART7IVA
Japeri	2018-04-01	12845801000137	TOWER BRIDGE FI RF IMAB 5	ART7IIIB	ART7IVA
Japeri	2018-04-01	07187570000181	BRADESCO FICFI RF REFERENCIADO DI PODER PUBLICO	ART7IIIA	ART7IVA
Japeri	2018-04-01	13594673000169	TMJ IMA B FI RF	ART7IIIB	ART7IVA
Japeri	2018-04-01	05164356000184	CAIXA FI BRASIL TITULOS PUBLICOS RF	ART7IVA	ART7IB
Japeri	2018-04-01	17213849000146	FI SICILIA RF LP	ART7IIIB	ART7IVA
Japeri	2018-04-01	19391026000136	BRS IMA-B ATIVO FIC RF	ART7IIIB	ART7IVA
Japeri	2018-05-01	23215097000155	CAIXA FIC BRASIL GESTÃO ESTRATÉGICA	ART7IVA	ART7IB
Japeri	2018-05-01	05164356000184	CAIXA FI BRASIL TITULOS PUBLICOS RF	ART7IVA	ART7IB
Japeri	2018-06-01	23215097000155	CAIXA FIC BRASIL GESTÃO ESTRATÉGICA	ART7IVA	ART7IB
Japeri	2018-06-01	05164356000184	CAIXA FI BRASIL TITULOS PUBLICOS RF	ART7IVA	ART7IB
Japeri	2018-07-01	23215097000155	CAIXA FIC BRASIL GESTÃO ESTRATÉGICA	ART7IVA	ART7IB
Japeri	2018-07-01	05164356000184	CAIXA FI BRASIL TITULOS PUBLICOS RF	ART7IVA	ART7IB
Japeri	2018-08-01	05164356000184	CAIXA FI BRASIL TITULOS PUBLICOS RF	ART7IVA	ART7IB
Japeri	2018-08-01	23215097000155	CAIXA FIC BRASIL GESTÃO ESTRATÉGICA	ART7IVA	ART7IB
Japeri	2018-09-01	05164356000184	CAIXA FI BRASIL TITULOS PUBLICOS RF	ART7IVA	ART7IB
Japeri	2018-09-01	23215097000155	CAIXA FIC BRASIL GESTÃO ESTRATÉGICA	ART7IVA	ART7IB
Japeri	2018-10-01	05164356000184	CAIXA FI BRASIL TITULOS PUBLICOS RF	ART7IVA	ART7IB
Japeri	2018-10-01	23215097000155	CAIXA FIC BRASIL GESTÃO ESTRATÉGICA	ART7IVA	ART7IB
Japeri	2018-11-01	23215097000155	CAIXA FIC BRASIL GESTÃO ESTRATÉGICA	ART7IVA	ART7IB
Japeri	2018-11-01	05164356000184	CAIXA FI BRASIL TITULOS PUBLICOS RF	ART7IVA	ART7IB

Caso a gente queira apenas a relação dos fundos com divergência:

diverg_rpps %>%
  distinct(ident_ativo, nm_ativo, enquad_rpps, enquad_sprev) %>%
  kable()

ident_ativo	nm_ativo	enquad_rpps	enquad_sprev
03737206000197	CAIXA FI BRASIL REF. DI LONGO PRAZO	ART7IVB	ART7IVA
12845801000137	TOWER BRIDGE FI RF IMAB 5	ART7IIIB	ART7IVA
07187570000181	BRADESCO FICFI RF REFERENCIADO DI PODER PUBLICO	ART7IIIA	ART7IVA
13594673000169	TMJ IMA B FI RF	ART7IIIB	ART7IVA
05164356000184	CAIXA FI BRASIL TITULOS PUBLICOS RF	ART7IVA	ART7IB
17213849000146	FI SICILIA RF LP	ART7IIIB	ART7IVA
19391026000136	BRS IMA-B ATIVO FIC RF	ART7IIIB	ART7IVA
23215097000155	CAIXA FIC BRASIL GESTÃO ESTRATÉGICA	ART7IVA	ART7IB

Uma consequência imediata de divergências nos enquadramentos dos fundos de investimento é a possibilidade de burla aos limites impostos pela Resolução CMN n. 3.922/10. Essa análise é o objeto da próxima seção.

Limites de Aplicações da Resolução CMN n. 3.922/10

Os RPPS possuem limitações à quantidade de recursos que pode investir em determinados tipos de ativos. Estes limites estão estabelecidos na Resolução CMN n. 3.922/10. Assim, uma verificação de grande importância é quanto ao atendimento desses limites pelos RPPS.

Esta verificação é, inclusive, recomendada pela Resolução Atricon n. 05/2018, conforme descrito a seguir:

" (…)

25 A fiscalização dos RPPS terá como escopo, prioritariamente e no que couber, pontos de controle selecionados as seguir, dentre as quatro principais áreas de atuação de auditoria previdenciária:

25.4 Aplicações financeiras:

f) se a carteira de investimentos está dentro dos limites normativos "

Para realizar esta verificação, devemos calcular o percentual aplicado em cada tipo de ativo e comparar esses valores com os limites estabelecidos na Resolução CNM n. 3.922/10.

A base de dados do DAIR possui um campo denominado limites_resol_cmn que indica esses limites. Possui, também outro campo denominado perc_recursos_rpps que informa o percentual dos recursos do RPPS investido em cada um dos ativos elencados no DAIR.

Para fazermos essa verificação devemos somar esses percentuais, em cada mês, para todos os ativos de mesma natureza, ou seja, de mesma classificação, e comparar o valor obtido com o percentual permitido pela Resolução CMN n. 3.922/10.

Nossa abordagem será a seguinte: somaremos os valores de cada tipo de ativo para cada Ente e para cada mês e verificaremos o quanto o valor aplicado em cada tipo de ativo representa do total dos ativos garantidores liquidos (Art. 6^o da Res. CMN n. 3.922/10) no mês.

Os limites de aplicação permitidos serão então adicionados à base de dados a partir de um arquivo externo em excel contendo a relação dos ativos e seus limites.

Vamos fazer esse passo a passo a partir da base de dados bruta.

A primeira coisa a ser feita é filtrar a base para pegarmos os registros posteriores a abril de 2018 que, como já dissemos, já incorpora as alterações promovidas na Resolução CMN n. 3.922/10 pela Resolução CMN n. 4.604/17.

Vamos então filtrar a base de dados:

dairLimites <- invest %>% 
                filter(competencia >= ymd("2018-04-01"))

Agora precisamos ter uma classificação para cada tipo de ativo na base de dados. Em princípio, a coluna tipo_ativo deveria ser suficiente, mas não é. Vamos relembrar quais tipos de ativos estão na base filtrada:

dairLimites %>%
  distinct(tipo_ativo) %>%
  kable()

tipo_ativo
Disp
FI 100% títulos TN - Art. 7º, I, b
FI Renda Fixa - Geral - Art. 7º, IV, a
FI de Ações - Geral - Art. 8º, II, a
FI Multimercado - Aberto - Art. 8º, III
FI Renda Fixa Crédito Privado - Art. 7º, VII, b
FI de Ações - Índices c/ no mínimo 50 ações - Art. 8º, I, a
FI Imobiliários - Art. 8º, IV, b
FI Renda Fixa Referenciado - Art. 7º, III, a
Poupança - Art. 7º, VI, b
CDB - Certificado de Depósito Bancário - Art. 7º, VI, a
Títulos de Renda Fixa
Valores Mobiliários
ETF - Demais Indicadores de RF - Art. 7º, IV, b
Outros Bens, Direitos e Ativos
Títulos Públicos de emissão do TN - Art. 7º , I, a
ETF - Renda Fixa Referenciado - Art. 7º, III, b
FI em Participações - Art. 8º, IV, a
FI em Direitos Creditórios - Cota Sênior - Art. 7º, VII, a
Prédio Comercial
Operações compromissadas - Art. 7º , II
ETF - Índice de Ações (c/ no mínimo 50) - Art. 8º, I, b
Outros - Imóveis
Terreno
Casa
Loja
Prédio Residencial
Fundos de Investimento não previstos em Resolução CMN
FI 100% títulos TN
FI de Renda Fixa
FI em Ações
FI Multimercado - Aberto
Apartamento
Fundo Investimento - Sufixo Investimento no Exterior
ETF - Demais Índices de Ações - Art. 8º, II, b

A maior parte dos ativos constante da base de dados já possui uma classificação, mas temos ainda um rol de ativos não classificados, que elencamos a seguir:

Disp
Prédio Comercial
Outros - Imóveis
Terreno
Casa
Loja
Prédio Residencial
Apartamento
Outros Bens, Direitos e Ativos
Títulos de Renda Fixa
Valores Mobiliários
Fundos de Investimento não previstos em Resolução CMN
FI 100% títulos TN
FI de Renda Fixa
FI em Ações
FI Multimercado - Aberto
Fundo Investimento - Sufixo Investimento no Exterior

Olhando o rol de ativos não classificados, podemos dizer que basicamente temos disponibilidades (Disp), imóveis (Prédio Comercial, Outros - Imóveis, Terreno, Casa, Loja, Prédio Residencial, Apartamento), ativos vinculados ao RPPS (Outros Bens, Direitos e Ativos, Títulos de Renda Fixa, Valores Mobiliários e Fundos de Investimento não previstos em Resolução CMN) e um punhado de fundos de investimento que podem ser classificados(FI 100% títulos TN, FI de Renda Fixa, FI em Ações, FI Multimercado - Aberto e Fundo Investimento - Sufixo Investimento no Exterior).

Em razão disso, vamos criar uma nova coluna na base de dados contendo uma classificação para todos os ativos.

Para os ativos sem classificação, vamos adotar as seguintes classificações: Disp, Imoveis e Outros. Os fundos não classificados o serão da seguinte forma:

Fundo	Classificação
FI 100% títulos TN	Art. 7º, I, b
FI de Renda Fixa	Art. 7º, IV, b
FI em Ações	Art. 8º, II, a
FI Multimercado - Aberto	Art. 8º, III
Fundo Investimento - Sufixo Investimento no Exterior	Art. 9ºA, II

Vamos agora à criação dessa nova coluna. Mas vamos por etapas para a coisa ficar clara:

O primeiro passo é criar a nova coluna (classificacao) e colocar a classificação dos ativos que já estão classificados. Isso pode ser feito da seguinte forma:

dairLimites <- dairLimites %>%
                mutate(classificacao = str_extract(tipo_ativo, "Art.*$"))

Agora temos que ir preenchendo esta nova coluna com a classificação dos demais ativos não classificados. Vamos fazer isso a seguir, começando com as disponibilidades e os imóveis:

dairLimites <- dairLimites %>%
  mutate(classificacao =  ifelse(tipo_ativo == "Disp", "Disp",
                          ifelse(tipo_ativo %in% c("Prédio Comercial", "Outros - Imóveis",
                                                     "Terreno", "Casa", "Loja", "Prédio Residencial",
                                                     "Apartamento"), "Imoveis",
                          ifelse(tipo_ativo %in% c("Outros Bens, Direitos e Ativos",
                                                     "Títulos de Renda Fixa",
                                                     "Valores Mobiliários",
                                                     "Fundos de Investimento não previstos em Resolução CMN"), "Outros",
                                 classificacao)))
         )

Da mesma forma, vamos classificar os fundos que não estavam classificados.

dairLimites <- dairLimites %>%
  mutate(classificacao = ifelse(tipo_ativo == "FI 100% títulos TN", "Art. 7º, I, b",
                         ifelse(tipo_ativo == "FI de Renda Fixa", "Art. 7º, IV, b",
                         ifelse(tipo_ativo == "FI em Ações", "Art. 8º, II, a",
                         ifelse(tipo_ativo == "FI Multimercado - Aberto", "Art. 8º, III",
                         ifelse(tipo_ativo == "Fundo Investimento - Sufixo Investimento no Exterior", "Art. 9ºA, II", classificacao)))))
         )

Vamos agora “padronizar” a variável classificacao para garantir que não tenhamos dois ativos de mesma classificação classificados de forma diferente por conta de um espaço a mais ou a menos ou outro problema qualquer.

dairLimites <- dairLimites %>%
  mutate(classificacao = toupper(gsub('[[:punct:]]| |º', '', classificacao)))

Vamos agora inspecionar os valores da variável classificacao:

dairLimites %>%
  distinct(classificacao) %>%
  arrange(classificacao) %>%
  kable()

classificacao
ART7IA
ART7IB
ART7II
ART7IIIA
ART7IIIB
ART7IVA
ART7IVB
ART7VIA
ART7VIB
ART7VIIA
ART7VIIB
ART8IA
ART8IB
ART8IIA
ART8IIB
ART8III
ART8IVA
ART8IVB
ART9AII
DISP
IMOVEIS
OUTROS

Todas as observações estão classificadas. Podemos agora continuar. O próximo passo é somar os valores de todos os ativos de uma mesma classificação para cada ente e para cada mês e ver quanto o ativo representa do ativo total do RPPS. Com isso saberemos, por exemplo, quanto de recursos um Ente tem aplicado num determinado tipo de ativo e qual o percentual dos recursos que esse ativo representa na carteira do RPPS (ativo garantidor bruto).

Vamos criar uma nova base de dados com essa agregação.

dairLimitesAgreg <- dairLimites %>%
  group_by(cnpj, ente, uf, competencia, classificacao) %>%
  summarise(VlrTotalAtivo = sum(vlr_total_atual, na.rm = TRUE)) %>%
  ungroup() %>%
  group_by(cnpj, ente, uf, competencia) %>%
  mutate(pctVlrTotalAtivo = round(VlrTotalAtivo / sum(VlrTotalAtivo, na.rm=TRUE), 2))

kable(head(dairLimitesAgreg, 16))

cnpj	ente	uf	competencia	classificacao	VlrTotalAtivo	pctVlrTotalAtivo
3848000174	Figueirópolis	TO	2018-04-01	ART7IB	587035.91	0.99
3848000174	Figueirópolis	TO	2018-04-01	DISP	6113.03	0.01
3848000174	Figueirópolis	TO	2018-05-01	ART7IB	671861.98	1.00
3848000174	Figueirópolis	TO	2018-05-01	DISP	7.78	0.00
3848000174	Figueirópolis	TO	2018-06-01	ART7IB	671099.60	0.88
3848000174	Figueirópolis	TO	2018-06-01	DISP	89074.49	0.12
3848000174	Figueirópolis	TO	2018-07-01	ART7IB	775635.63	0.95
3848000174	Figueirópolis	TO	2018-07-01	DISP	41404.80	0.05
3848000174	Figueirópolis	TO	2018-08-01	ART7IB	816635.67	0.99
3848000174	Figueirópolis	TO	2018-08-01	DISP	4477.92	0.01
3848000174	Figueirópolis	TO	2018-09-01	ART7IB	823764.13	1.00
3848000174	Figueirópolis	TO	2018-09-01	DISP	950.92	0.00
3848000174	Figueirópolis	TO	2018-10-01	ART7IB	828262.04	0.98
3848000174	Figueirópolis	TO	2018-10-01	DISP	15425.97	0.02
3848000174	Figueirópolis	TO	2018-11-01	ART7IB	832573.14	0.96
3848000174	Figueirópolis	TO	2018-11-01	DISP	34668.31	0.04

Com essa base de dados é possível verificar a composição da carteira de ativos de um RPPS mês a mês. A tabela acima mostra que o município de Figueirópolis possui disponibilidades e aplicações em fundos de investimentos classificados no “Art. 7^o, I, b” da Resolução CMN n. 3.922/10 (FI 100% títulos TN).

Vamos olhar graficamente como estão evoluindo os ativos do município de Nova Iguaçu no RJ:

ENTE <- "Nova Iguaçu"
UF <- "RJ"

dairLimitesAgreg %>%
  filter(uf == UF, ente == ENTE) %>%
  ggplot(aes(x=competencia, y=pctVlrTotalAtivo, group=classificacao, color=classificacao)) +
  geom_line(size=1.5) +
  geom_point(size=4) +
  theme(axis.text.x = element_text(angle = 90, vjust=0.5)) +
  scale_x_date(date_breaks="1 month", labels = date_format("%Y-%m"))

Uma verificação interessante é se os percentuais somam 100% em todos os meses.

ENTE <- "Nova Iguaçu"
UF <- "RJ"

dairLimitesAgreg %>%
  mutate(pctVlrTotalAtivo = pctVlrTotalAtivo * 100) %>%
  ungroup() %>%
  filter(uf == UF, ente == ENTE) %>%
  select(competencia, classificacao, pctVlrTotalAtivo) %>%
  spread(key=competencia, value=pctVlrTotalAtivo) %>%
  rbind(., append("TOTAL", round(apply(.[,-1], 2, sum, na.rm=TRUE), 2))) %>%
  kable(col.names = c("Classificação", format(as.Date(names(.)[-1]), "%b/%y")))

Classificação	abr/18	mai/18	jun/18	jul/18	ago/18	set/18	out/18	nov/18	dez/18	jan/19	fev/19
ART7IB	19	17	18	18	15	16	18	18	1	0	0
ART7IIIA	0	0	NA	NA	NA	NA	NA	NA	NA	NA	NA
ART7IVA	6	9	9	10	12	12	10	9	0	0	0
ART8IIA	NA	NA	0	0	0	0	0	0	0	0	0
DISP	0	1	0	0	1	0	0	2	6	0	0
IMOVEIS	75	73	73	72	72	71	71	71	92	100	100
TOTAL	100	100	100	100	100	99	99	100	99	100	100

Os percentuais contidos no campo pctVlrTotalAtivo foram calculados considerando todos os ativos relacionados no DAIR (ativo garantidor bruto).

Não obstante, para efeito do cálculo dos limites de aplicação de cada tipo de ativo, a Resolução CMN n. 3.922/10 dispõe em seu Art. 6^o que o percentual deve ser calculado excluindo-se os ativos vinculados por lei ao regime próprio de previdencia social, demais bens, direitos e ativos com finalidade previdenciária do regime prório de previdência social, as disponibilidades financeiras mantidas em conta corrente e as cotas de fundos de investimento imobiliário que forem admitidas à negociação no mercado secundário, conforme regulamentação da CVM, e que sejam integralizadas por imóveis legalmente vinculados ao RPPS.

Assim, para realizarmos as comparações devemos calcular os percentuais excluindo-se esses ativos, ou seja, devemos considerar apenas os ativos garantidores líquidos. Além disso um outro ajuste será necessário na base de dados.

A Resolução CMN n. 3.922/10 não estipula limites individuais para os ativos classificados como “Art 7o, III, a” ou “Art 7o, III, b”. Apenas diz que a soma dos valores aplicados nos mesmos não pode ser superior a 60% dos recursos do RPPS (ativo garantidor líquido). O mesmo acontece com os ativos classificados como “Art 7o, IV, a” ou “Art 7o, IV, b” cuja soma não deve exceder 40% dos recursos do RPPS.

Uma outra restrição é que a soma dos ativos classificados no art. 8^o não pode ser superior a 30%. Mas cada ativo do art. 8^o possui seus limites individuais que serão utilizados na nossa verificação.

Vamos partir da base de dados dairLimites. Vamos substituir os ativos “Art 7o, III, a”** e **“Art 7o, III, b” por um ativo que chamaremos “Art 7o, III, #” e os ativos “Art 7o, IV, a” e “Art 7o, IV, b” por um ativo “Art 7o, IV, #” e recalcularemos os percentuais considerando o ativo líquido.

dairLimitesAgregLiq <- dairLimites %>%
  mutate(classificacao = ifelse(classificacao %in% c("ART7IIIA", "ART7IIIB"), "ART7III#",
                         ifelse(classificacao %in% c("ART7IVA", "ART7IVB"),   "ART7IV#", classificacao))) %>%
  group_by(cnpj, ente, uf, competencia, classificacao) %>%
  mutate(VlrTotalAtivoLiq = ifelse(classificacao %in% c("DISP", "IMOVEIS", "OUTROS"), 0, vlr_total_atual)) %>%
  summarise(VlrTotalAtivoLiq = sum(VlrTotalAtivoLiq, na.rm = TRUE)) %>%
  ungroup() %>%
  group_by(cnpj, ente, uf, competencia) %>%
  mutate(pctVlrTotalAtivoLiq = round(VlrTotalAtivoLiq / sum(VlrTotalAtivoLiq, na.rm=TRUE) * 100, 2)) %>%
  filter(!classificacao %in% c("DISP", "IMOVEIS", "OUTROS"))

Com isso temos três bases de dados derivadas da base original do DAIR: dairLimites, dairLimitesAgreg e dairLimitesAgregLiq. Vamos relembrar no que elas diferem:

dairLimites - é idêntica à base original invest apenas possuindo uma coluna classificacao que contem uma classificação para todos os ativos da base.
dairLimitesAgreg - Apresenta o percentual que cada tipo de ativo representa do total de ativos que o RPPS possui.
dairLimitesAgregLiq - essa base apresenta o percentual que cada tipo de ativo representa do total líquido dos ativos do RPPS, além de apresentar uma reclassificação de quatro tipos de ativos. Os ativos “Art 7o, III, a”** e **“Art 7o, III, b” tornaram-se “Art 7o, III, #” e os ativos “Art 7o, IV, a” e “Art 7o, IV, b” tornaram-se “Art 7o, IV, #”. Será essa base que utilizaremos para realizar a verificação do cumprimento dos limites.

Para que possamos realizar a análise será necessáro juntar a esta última base os limites de aplicação permitidos pela Resolução CMN n. 3.922/10. Vamos adicionar à base de dados os limites de aplicações permitidos pela Resolução CMN n. 3.922/10. Estes valores estão armazenados na planilha limites_cmn.xlsx. Vamos importar os dados:

setwd("..\\dados")
limites_cmn <- read_excel("limites_cmn.xlsx",  sheet="limites_Res4604")
limites_cmn$classificacao <- toupper(gsub('[[:punct:]]| |o', '', limites_cmn$ativo))

Vamos olhar o conteúdo do arquivo:

kable(limites_cmn)

categoria	tipo	tipo_ativo	desc_tipo_ativo	ativo	limite	limite_pl	classificacao
Renda Fixa	Títulos Públios	Titulos Tesouro Nacional	Títulos Públicos de Emissão do TN (SELIC)	Art 7o, I, a	100	NA	ART7IA
Renda Fixa	Títulos Públios	Operações Compromissadas	Operações Compromissadas	Art 7o, II	5	NA	ART7II
Renda Fixa	Fundos de Investimento	FI 100% Títulos Públicos	FI 100% Títulos TN	Art 7o, I, b	100	15	ART7IB
Renda Fixa	Fundos de Investimento	ETF 100% Títulos Públicos	ETF 100% Títulos Públicos	Art 7o, I, c	100	15	ART7IC
Renda Fixa	Fundos de Investimento	FI Renda Fixa - Referenciados RF	FI Renda Fixa Referenciado	Art 7o, III, a	60	15	ART7IIIA
Renda Fixa	Fundos de Investimento	FI de Índices Referenciados em RF Subindices Anbima	ETF - Renda Fixa Referenciado	Art 7o, III, b	60	15	ART7IIIB
Renda Fixa	Fundos de Investimento	FI de Renda Fixa	FI de Renda Fixa - Geral	Art 7o, IV, a	40	15	ART7IVA
Renda Fixa	Fundos de Investimento	Fi de Índices Referenciados em Renda Fixa	ETF - Demais Indicadores de RF	Art 7o, IV, b	40	15	ART7IVB
Renda Fixa	Outros	Certificado de Depósito Bancário - CDB	CDB - Certificado de Depósito Bancário	Art 7o, VI, a	15	NA	ART7VIA
Renda Fixa	Outros	Poupança	Poupança	Art 7o, VI, b	15	NA	ART7VIB
Renda Fixa	Outros	Letras Imobiliárias Garantidas	Letras Imobiliárias Garantidas	Art 7o, V, b	20	NA	ART7VB
Renda Fixa	Fundos de Investimento	FI em Direitos Creditórios - Aberto ou Fechado- Cota Sênior	FI em Direitos Creditórios - Cota Senior	Art 7o, VII, a	5	5	ART7VIIA
Renda Fixa	Fundos de Investimento	FI Renda Fixa Crédito Privado	FI Renda Fixa Crédito Privado	Art 7o, VII, b	5	5	ART7VIIB
Renda Fixa	Fundos de Investimento	Fundos de Debêntures de Infraestrutura	FI Debêntures de Infraestrutura	Art 7o, VII, c	5	5	ART7VIIC
Renda Variavel	Fundos de Investimento	FI Ações Referenciados	FI de Ações - Índices c/ no mínimo 50 ações	Art 8o, I, a	30	15	ART8IA
Renda Variavel	Fundos de Investimento	FI de Índices Referenciados em Ações	ETF - Índices de Ações (c/ no mínimo 50)	Art 8o, I, b	30	15	ART8IB
Renda Variavel	Fundos de Investimento	FI em Ações	FI de Ações - Geral	Art 8o, II, a	20	15	ART8IIA
Renda Variavel	Fundos de Investimento	ETF de Ações - Índices em geral	ETF - Demais Índices de Ações	Art 8o, II, b	20	15	ART8IIB
Renda Variavel	Fundos de Investimento	FI Multimercado - Aberto	FI Multimercado - Aberto	Art 8o, III	10	5	ART8III
Renda Variavel	Fundos de Investimento	FI em Participações - Fechado	FI em Participações	Art 8o, IV, a	5	5	ART8IVA
Renda Variavel	Fundos de Investimento	FI Imobiliários	FI Imobiliários	Art 8o, IV, b	5	5	ART8IVB
Renda Variavel	Fundos de Investimento	FI em Ações	FI Ações - Mercado de Acesso	Art 8o, IV, c	5	5	ART8IVC
Exterior	Fundos	NA	FIC e FIC FI - Renda Fixa - Dívida Externa	Art 9o A, I	10	NA	ART9AI
Exterior	Fundos	NA	FIC - Aberto - Investimento no Exterior	Art 9o A, II	10	NA	ART9AII
Exterior	Fundos	FI em Ações	Fundos de Ações - BDR Nível I	Art 9o A, III	10	NA	ART9AIII

Na tabela de limites existe uma pequena incorreção que iremos ajustar logo em seguida.

Os limites para os ativos “Art 7o, III, a” e “Art 7o, III, b” foram especificados em 60% e os limites dos ativos “Art 7o, IV, a” e “Art 7o, IV, b” em 40%. Ocorre que na verdade é a soma dos dois ativos que deve perfazer, respectivamente, 60% e 40% dos recursos do RPPS.

Importados os dados vamos juntá-los à base de dados:

dairLimitesAgregLiq <- dairLimitesAgregLiq %>%
                       left_join(limites_cmn[, c("classificacao", "limite", "limite_pl")],
                                 by="classificacao")

Como os ativos que “criamos” (ART7III# e ART7IV#) não constam da tabela de limites, precisamos inserir “manualmente”" os valores dos limites relativos às restrições impostas pela Resolução CMN n. 3.922/10, o que faremos a seguir:

dairLimitesAgregLiq <- dairLimitesAgregLiq %>%
  mutate(limite  = ifelse(classificacao == "ART7III#", 60,
                   ifelse(classificacao == "ART7IV#",  40, limite)))

A análise quanto aos limites deve levar em consideração o Nivel no qual o RPPS está classificado. Dependendo do Nível os limites de investimento são diferenciados. Os RPPS podem não estar classificados em nível algum, ou podem estar classificados como Nivel I, Nivel II, Nivel III ou Nivel IV.

Considerando que bem poucos RPPS estão classificados em algum desses quatro níveis não vamos, por hora, considerá-los em nossa análise. Posteriormente iremos considerar esta situação na análise.

Podemos agora fazer um gráfico para visualizarmos os percentuais aplicados pelos RPPS em cada tipo de ativo. Vamos dar uma olhada no município de São Gonçalo no RJ:

ENTE <- "São Gonçalo"
UF <- "RJ"

dairLimitesAgregLiq %>%
  filter(uf == UF, ente == ENTE) %>%
  ggplot(aes(x=competencia, y=pctVlrTotalAtivoLiq)) +
    geom_point() +
    facet_wrap( ~ classificacao) +
    geom_hline(aes(yintercept = limite), color="blue") +
    labs(title = "Evolucao do Percentual Aplicado por Tipo de Ativo",
         y = '% Aplicado', x=" ") +
    theme_bw() +
    theme(axis.text.x = element_text(angle = 90, vjust=0.5)) +
    scale_x_date(date_breaks="1 month", labels = date_format("%Y-%m"))

As linhas azuis indicam o limite permitido para cada tipo de ativo. Os pontos indicam os os percentuais que o RPPS possui aplicado em cada tipo de ativo.

É importante destacar que nossa análise levou em consideração a classificação dos ativos informada pelo RPPS ao preencher o DAIR. Não obstante, conforme visto, existem divergências entre a classificação de alguns fundos de investimentos realizada pelo RPPS e a classificação realizada pela SPrev. Assim, essa mesma análise poderia/deveria ser feita considerando-se a classificação dos fundos de investimentos realizada pela SPrev. Oportunamente incluiremos esta análise nesse documento.

Limite do Patrimônio Líquido dos Fundos de Investimentos

Além de restrições em relação percentual dos recursos do RPPS que podem ser aplicados em cada tipo de ativo, a Resolução CMN n. 3.922/10 impõe restrições de aplicação de recursos com base no valor do patrimônio líquido do Fundo de Investimento (Art. 14).

Neste tópico nosso objetivo verificar se esta restrição esta sendo cumprida pelo RPPS. Para esta verificação vamos partir da base de dados dairLimites.

Primeiro vamos filtrar a base para obter os registros para os quais existam informações na variável pl_fundo ou perc_pl_fundo.

dair_plfundo <- dairLimites %>%
                      filter(!is.na(pl_fundo), !is.na(perc_pl_fundo))

A variável perc_pl_fundo indica o percentual que o valor que o RPPS possui investido no fundo representa do PL do mesmo. Vamos considerar os valores do PL do fundo constante da base de dados, e portanto informadas pelo RPPS como corretad, não obstante considerarmos que para uma verificação mais precisa esses valores deveriam ser obtidos jundo à CVM.

Vamos incluir na base de dados uma nova coluna com o cálculo do percentual que o valor aplicado no fundo (vlr_total_atual) representa do PL do fundo (perc_pl_fundo). Naturalmente que essa nova variável e a variável perc_pl_fundo devem ser iguais.

dair_plfundo <- dair_plfundo %>%
                  mutate(pct_pl_fundo_calc = round(vlr_total_atual / pl_fundo * 100, 2))

Vamos verificar se existem divergêncas entre as duas variáveis:

dair_plfundo %>%
  filter((perc_pl_fundo - pct_pl_fundo_calc) != 0) %>%
  kable()

cnpj	uf	ente	competencia	segmento	tipo_ativo	limite_resol_cmn	ident_ativo	nm_ativo	qtd_quotas	vlr_atual_ativo	vlr_total_atual	perc_recursos_rpps	pl_fundo	perc_pl_fundo	classificacao	pct_pl_fundo_calc
3741683000126	MS	Mundo Novo	2018-04-01	Renda Vari?vel e Investimentos Estruturados	ETF - Índice de Ações (c/ no mínimo 50) - Art. 8º, I, b	30	07279657000189	AZ QUEST AÇOES FIC AÇOES	NA	95193.1	10.812224	1029249	3.06	398949720	ART8IB	353.34
3741683000126	MS	Mundo Novo	2018-05-01	Renda Vari?vel e Investimentos Estruturados	ETF - Índice de Ações (c/ no mínimo 50) - Art. 8º, I, b	30	07279657000189	AZ QUEST AÇOES FIC AÇOES	NA	95193.1	9.880622	940567	2.86	396266741	ART8IB	345.48

À exceção dos registros acima, não há divergências entre as variáveis pct_pl_fundo_calc e perc_pl_fundo.

Agora vamos juntar a essa base de dados os limites de PL permitidos para cada tipo de fundo. Estes valores, como já mostrado anteriormente, estão contidos na base de dados limites_cmn.

dair_plfundo <- dair_plfundo %>%
                        left_join(limites_cmn[,c("classificacao", "limite_pl")],
                                  by="classificacao")

Agora vamos criar uma nova variável que sinalizará se houve violação ao limite ou não e já faremos também o filtro para reter os registros em que houve violação dos limites.

dair_plfundo <- dair_plfundo %>%
                  mutate(estourou_limite_pl = ifelse((limite_pl - pct_pl_fundo_calc) < 0, 1, 0)) %>%
                  filter(estourou_limite_pl == 1) %>%
                  select(uf, ente, competencia, ident_ativo, nm_ativo, perc_pl_fundo, classificacao, limite_pl)

Vamos verificar quantos Entes estão na condição de terem violado essa regra.

dair_plfundo %>%
  distinct(uf, ente) %>%
  count()

# A tibble: 1 x 1
      n
  <int>
1   216

Vamos olhar a situação do município de Pinhais no estado do Paraná.

ENTE <- "Pinhais"
UF <- "PR"

dair_plfundo %>% 
  filter(uf == UF, ente == ENTE) %>%
  arrange(competencia, ident_ativo, perc_pl_fundo) %>%
  kable()

uf	ente	competencia	ident_ativo	nm_ativo	perc_pl_fundo	classificacao	limite_pl
PR	Pinhais	2018-04-01	05500127000193	Infinity Institucional FIM	7.10	ART8III	5
PR	Pinhais	2018-04-01	13608335000139	MULTINVEST FIA	18.52	ART8IIA	15
PR	Pinhais	2018-04-01	15188380000107	INFINITY IMAB 5+ TYGER FI RF	20.20	ART7IIIA	15
PR	Pinhais	2018-04-01	16720629000146	BRB QAM Fundo de Investimento em Participações Imobiliário Paraná I	24.91	ART8IVA	5
PR	Pinhais	2018-04-01	17013985000192	GBX Prime I FIDC	8.29	ART7VIIA	5
PR	Pinhais	2018-04-01	20468531000110	GBX Institucional Fundo de Investimento RF IMAB-5	23.73	ART7IIIA	15
PR	Pinhais	2018-04-01	23431871000165	TRX FUNDO DE INVESTIMENTO EM DIREITOS CREDITÓRIOS CORPORATIVO I	15.77	ART7VIIA	5
PR	Pinhais	2018-04-01	23948956000115	Multinvest Grau de Investimento Fundo de Investimento em Cotas de Fundos de Investimento Renda Fixa	17.95	ART7IIIA	15
PR	Pinhais	2018-05-01	05500127000193	Infinity Institucional FIM	6.12	ART8III	5
PR	Pinhais	2018-05-01	13608335000139	MULTINVEST FIA	17.61	ART8IIA	15
PR	Pinhais	2018-05-01	16720629000146	BRB QAM Fundo de Investimento em Participações Imobiliário Paraná I	24.76	ART8IVA	5
PR	Pinhais	2018-05-01	20468531000110	GBX Institucional Fundo de Investimento RF IMAB-5	23.73	ART7IIIA	15
PR	Pinhais	2018-05-01	23431871000165	TRX FUNDO DE INVESTIMENTO EM DIREITOS CREDITÓRIOS CORPORATIVO I	9.13	ART7VIIA	5
PR	Pinhais	2018-05-01	23948956000115	Multinvest Grau de Investimento FIC FI de RF	19.56	ART7IVA	15
PR	Pinhais	2018-06-01	09412687000147	Capitania multi crédito privado FIC FIM	5.79	ART8III	5
PR	Pinhais	2018-06-01	13608335000139	MULTINVEST FIA	15.35	ART8IIA	15
PR	Pinhais	2018-06-01	16720629000146	BRB QAM Fundo de Investimento em Participações Imobiliário Paraná I	24.99	ART8IVA	5
PR	Pinhais	2018-06-01	20468531000110	GBX Institucional Fundo de Investimento RF IMAB-5	23.73	ART7IIIA	15
PR	Pinhais	2018-06-01	23431871000165	TRX FUNDO DE INVESTIMENTO EM DIREITOS CREDITÓRIOS CORPORATIVO I	8.81	ART7VIIA	5
PR	Pinhais	2018-06-01	23948956000115	Multinvest Grau de Investimento FIC FI de RF	15.18	ART7IVA	15
PR	Pinhais	2018-07-01	09412687000147	Capitania multi crédito privado FIC FIM	5.68	ART8III	5
PR	Pinhais	2018-07-01	13608335000139	MULTINVEST FIA	15.26	ART8IIA	15
PR	Pinhais	2018-07-01	16720629000146	BRB QAM Fundo de Investimento em Participações Imobiliário Paraná I	24.61	ART8IVA	5
PR	Pinhais	2018-07-01	20468531000110	GBX Institucional Fundo de Investimento RF IMAB-5	23.73	ART7IIIA	15
PR	Pinhais	2018-07-01	23431871000165	TRX FUNDO DE INVESTIMENTO EM DIREITOS CREDITÓRIOS CORPORATIVO I	8.97	ART7VIIA	5
PR	Pinhais	2018-08-01	09412687000147	Capitania multi crédito privado FIC FIM	5.68	ART8III	5
PR	Pinhais	2018-08-01	16720629000146	BRB QAM Fundo de Investimento em Participações Imobiliário Paraná I	24.51	ART8IVA	5
PR	Pinhais	2018-08-01	20468531000110	GBX Institucional Fundo de Investimento RF IMAB-5	23.73	ART7IIIA	15
PR	Pinhais	2018-08-01	23431871000165	TRX FUNDO DE INVESTIMENTO EM DIREITOS CREDITÓRIOS CORPORATIVO I	11.99	ART7VIIA	5
PR	Pinhais	2018-09-01	09412687000147	Capitania multi crédito privado FIC FIM	5.68	ART8III	5
PR	Pinhais	2018-09-01	16720629000146	BRB QAM Fundo de Investimento em Participações Imobiliário Paraná I	24.99	ART8IVA	5
PR	Pinhais	2018-09-01	20468531000110	GBX Institucional Fundo de Investimento RF IMAB-5	23.73	ART7IIIA	15
PR	Pinhais	2018-09-01	23431871000165	TRX FUNDO DE INVESTIMENTO EM DIREITOS CREDITÓRIOS CORPORATIVO I	12.36	ART7VIIA	5
PR	Pinhais	2018-10-01	09412687000147	Capitania multi crédito privado FIC FIM	5.62	ART8III	5
PR	Pinhais	2018-10-01	16720629000146	BRB QAM Fundo de Investimento em Participações Imobiliário Paraná I	24.75	ART8IVA	5
PR	Pinhais	2018-10-01	20468531000110	GBX Institucional Fundo de Investimento RF IMAB-5	23.99	ART7IIIA	15
PR	Pinhais	2018-10-01	23431871000165	TRX FUNDO DE INVESTIMENTO EM DIREITOS CREDITÓRIOS CORPORATIVO I	12.91	ART7VIIA	5
PR	Pinhais	2018-10-01	23948956000115	Multinvest Grau de Investimento FIC FI de RF	15.02	ART7IVA	15
PR	Pinhais	2018-11-01	09412687000147	Capitania multi crédito privado FIC FIM	5.62	ART8III	5
PR	Pinhais	2018-11-01	16720629000146	BRB QAM Fundo de Investimento em Participações Imobiliário Paraná I	24.62	ART8IVA	5
PR	Pinhais	2018-11-01	20468531000110	GBX Institucional Fundo de Investimento RF IMAB-5	23.73	ART7IIIA	15
PR	Pinhais	2018-11-01	23431871000165	TRX FUNDO DE INVESTIMENTO EM DIREITOS CREDITÓRIOS CORPORATIVO I	13.25	ART7VIIA	5
PR	Pinhais	2018-11-01	23948956000115	Multinvest Grau de Investimento FIC FI de RF	15.80	ART7IVA	15
PR	Pinhais	2018-12-01	09412687000147	Capitania multi crédito privado FIC FIM	5.62	ART8III	5
PR	Pinhais	2018-12-01	16720629000146	BRB QAM Fundo de Investimento em Participações Imobiliário Paraná I	24.99	ART8IVA	5
PR	Pinhais	2018-12-01	17013985000192	GBX Prime I FIDC	5.22	ART7VIIA	5
PR	Pinhais	2018-12-01	20468531000110	GBX Institucional Fundo de Investimento RF IMAB-5	23.94	ART7IIIA	15
PR	Pinhais	2018-12-01	23431871000165	TRX FUNDO DE INVESTIMENTO EM DIREITOS CREDITÓRIOS CORPORATIVO I	11.46	ART7VIIA	5
PR	Pinhais	2018-12-01	23948956000115	Multinvest Grau de Investimento FIC FI de RF	18.63	ART7IVA	15
PR	Pinhais	2019-01-01	09412687000147	Capitania multi crédito privado FIC FIM	5.80	ART8III	5
PR	Pinhais	2019-01-01	16720629000146	BRB QAM Fundo de Investimento em Participações Imobiliário Paraná I	24.82	ART8IVA	5
PR	Pinhais	2019-01-01	20468531000110	GBX Institucional Fundo de Investimento RF IMAB-5	23.73	ART7IIIA	15
PR	Pinhais	2019-01-01	23431871000165	TRX FUNDO DE INVESTIMENTO EM DIREITOS CREDITÓRIOS CORPORATIVO I	15.77	ART7VIIA	5
PR	Pinhais	2019-01-01	23948956000115	Multinvest Grau de Investimento FIC FI de RF	23.63	ART7IVA	15
PR	Pinhais	2019-02-01	09412687000147	Capitania multi crédito privado FIC FIM	5.79	ART8III	5
PR	Pinhais	2019-02-01	16720629000146	BRB QAM Fundo de Investimento em Participações Imobiliário Paraná I	24.67	ART8IVA	5
PR	Pinhais	2019-02-01	20468531000110	GBX Institucional Fundo de Investimento RF IMAB-5	23.73	ART7IIIA	15
PR	Pinhais	2019-02-01	23431871000165	TRX FUNDO DE INVESTIMENTO EM DIREITOS CREDITÓRIOS CORPORATIVO I	14.20	ART7VIIA	5

summary(dair_plfundo$perc_pl_fundo)

     Min.   1st Qu.    Median      Mean   3rd Qu.      Max. 
        5         8        15    194620        21 398949720

A variável apresenta valores claramente fora do que seria razoável. Vamos identificar os RPPS para os quais o valor da variável perc_pl_fundo é maior do que 100%, o que é claramente um absurdo.

filter(dair_plfundo, perc_pl_fundo > 100) %>%
  kable()

uf	ente	competencia	ident_ativo	nm_ativo	perc_pl_fundo	classificacao	limite_pl
MA	Barreirinhas	2018-06-01	13077415000105	BB PREVID RF FLUXO	183.15	ART7IVA	15
MA	Chapadinha	2018-10-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVESTIMENTO EM COTAS DE FUNDO DE INVESTIMENTO.	2992.48	ART7IB	15
MA	Chapadinha	2018-11-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVESTIMENTO EM COTAS DE FUNDO DE INVESTIMENTO.	5658.87	ART7IB	15
MA	Chapadinha	2018-12-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVESTIMENTO EM COTAS DE FUNDO DE INVESTIMENTO.	6493.32	ART7IB	15
MA	Chapadinha	2018-04-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVESTIMENTO EM COTAS DE FUNDO DE INVESTIMENTO.	525.31	ART7IB	15
MA	Chapadinha	2018-05-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVESTIMENTO EM COTAS DE FUNDO DE INVESTIMENTO.	422.22	ART7IB	15
MA	Chapadinha	2018-06-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVESTIMENTO EM COTAS DE FUNDO DE INVESTIMENTO.	2363.62	ART7IB	15
MA	Chapadinha	2018-07-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVESTIMENTO EM COTAS DE FUNDO DE INVESTIMENTO.	705.07	ART7IB	15
MA	Chapadinha	2018-08-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVESTIMENTO EM COTAS DE FUNDO DE INVESTIMENTO.	246.86	ART7IB	15
MA	Chapadinha	2018-09-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVESTIMENTO EM COTAS DE FUNDO DE INVESTIMENTO.	146.45	ART7IB	15
MA	Monção	2018-10-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVEST. EM COTAS DE FUNDOS DE INVESTIMENTO	770.39	ART7IB	15
MA	Monção	2018-11-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVEST. EM COTAS DE FUNDOS DE INVESTIMENTO	1521.28	ART7IB	15
MA	Monção	2018-12-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVEST. EM COTAS DE FUNDOS DE INVESTIMENTO	1621.28	ART7IB	15
MA	Monção	2018-04-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVEST. EM COTAS DE FUNDOS DE INVESTIMENTO	29691.00	ART7IB	15
MA	Monção	2018-05-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVEST. EM COTAS DE FUNDOS DE INVESTIMENTO	295686.94	ART7IB	15
MA	Monção	2018-06-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVEST. EM COTAS DE FUNDOS DE INVESTIMENTO	472.10	ART7IB	15
MA	Monção	2018-07-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVEST. EM COTAS DE FUNDOS DE INVESTIMENTO	682.77	ART7IB	15
MA	Monção	2018-08-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVEST. EM COTAS DE FUNDOS DE INVESTIMENTO	559.87	ART7IB	15
MA	Monção	2018-09-01	04288966000127	BB RENDA FIXA CP SUPREMO SETOR PÚBLICO FUNDO DE INVEST. EM COTAS DE FUNDOS DE INVESTIMENTO	809.42	ART7IB	15
MA	Timbiras	2018-10-01	13077415000105	BB PREVIDENCIÁRIO RENDA FIXA FLUXO FUNDO DE INVESTIMENTO EM COTAS DE FUNDOS DE INVESTIMENTO	16134.80	ART7IVA	15
MA	Timbiras	2018-11-01	13077415000105	BB PREVIDENCIÁRIO RENDA FIXA FLUXO FUNDO DE INVESTIMENTO EM COTAS DE FUNDOS DE INVESTIMENTO	16234.79	ART7IVA	15
MA	Timbiras	2018-12-01	13077415000105	BB PREVIDENCIÁRIO RENDA FIXA FLUXO FUNDO DE INVESTIMENTO EM COTAS DE FUNDOS DE INVESTIMENTO	16234.79	ART7IVA	15
MA	Timbiras	2018-04-01	13077415000105	BB PREVIDENCIÁRIO RENDA FIXA FLUXO FUNDO DE INVESTIMENTO EM COTAS DE FUNDOS DE INVESTIMENTO	666.42	ART7IVA	15
MA	Timbiras	2018-05-01	13077415000105	BB PREVIDENCIÁRIO RENDA FIXA FLUXO FUNDO DE INVESTIMENTO EM COTAS DE FUNDOS DE INVESTIMENTO	912.38	ART7IVA	15
MA	Timbiras	2018-06-01	13077415000105	BB PREVIDENCIÁRIO RENDA FIXA FLUXO FUNDO DE INVESTIMENTO EM COTAS DE FUNDOS DE INVESTIMENTO	1192.46	ART7IVA	15
MA	Timbiras	2018-07-01	13077415000105	BB PREVIDENCIÁRIO RENDA FIXA FLUXO FUNDO DE INVESTIMENTO EM COTAS DE FUNDOS DE INVESTIMENTO	15834.86	ART7IVA	15
MA	Timbiras	2018-08-01	13077415000105	BB PREVIDENCIÁRIO RENDA FIXA FLUXO FUNDO DE INVESTIMENTO EM COTAS DE FUNDOS DE INVESTIMENTO	15919.16	ART7IVA	15
MA	Timbiras	2018-09-01	13077415000105	BB PREVIDENCIÁRIO RENDA FIXA FLUXO FUNDO DE INVESTIMENTO EM COTAS DE FUNDOS DE INVESTIMENTO	16034.64	ART7IVA	15
MS	Mundo Novo	2018-04-01	07279657000189	AZ QUEST AÇOES FIC AÇOES	398949719.53	ART8IB	15
MS	Mundo Novo	2018-05-01	07279657000189	AZ QUEST AÇOES FIC AÇOES	396266741.02	ART8IB	15
RS	Mampituba	2018-05-01	21007180000103	BANRISUL FOCO IDKA IPCA 2A	126.72	ART7IB	15
SP	João Ramalho	2018-04-01	13077415000105	BB FLUXO FIC RENDA FIXA PREVIDENCIÁRIO	1037071.89	ART7IVA	15
RS	Nova Santa Rita	2019-02-01	15570431000160	Banrisul FII Novas Fronteiras	856.19	ART8IVB	5

Artigo 15 da Resolução CMN n. 3.922/10

Outra alteração significativa promovida pela Resolução CMN nº 4.695/18 foi permitir novas aplicações de recursos dos RPPS apenas em fundos de investimento em que o administrador ou gestor seja instituição autorizada a funcionar pelo BACEN, obrigada a instituir comitê de auditoria e comitê de riscos, nos termos da regulamentação do CMN (art. 15, § 2º, I, § 8º da Resolução CMN nº 3.922/10).

Os dados relativos às instituições financeiras que atendem à este dispositivo da Resolução foram extraídos do seguinte documento: http://sa.previdencia.gov.br/site/2018/12/Instituicoes-financeiras-que-atendem-o-previsto-no-art.-15.pdf disponível para download no site da SPrev.

Outro documento expedido pela SPrev contendo esclarecimentos sobre o artigo 15 da Resolução CMN n. 3.922/10 é http://sa.previdencia.gov.br/site/2018/12/Esclarecimento-a-respeito-das-instituicoes-elegiveis_.pdf.

Um ponto que nos parece importante é que a exigência em questão foi introduzida com a edição da Resolução CMN n. 4.695/18, aprovada em reunião de 27.11.18. Assim, nos parece conveniente que a análise se dê com os dados do DAIR relativos aos meses de Dezembro de 2018 em diante.

Vamos filtrar a base de dados e extrair os registros relativos a fundos de investimentos e descartar colunas não necessárias a essa análise:

art_15 <- invest %>% 
              filter(competencia > ymd("2018-11-01"), grepl("\\d{14}", ident_ativo)) %>%
              select(uf, ente, competencia, ident_ativo, nm_ativo)

Como já sabemos, a base de dados do DAIR não traz informações sobre quem são os administradores e gestores do fundo de investimento. Não obstante, a base de dados de enquadramento dos fundos disponibilizada pela SPrev e já utilizada anteriormente (EnquadSPrev) contém essa informação. Assim, parece razoável juntar as duas bases de dados (art_15 e EnquadSPrev) de forma que a base de dados do DAIR passe a conter informação relativa ao administrador e gestor dos fundos:

art_15 <- art_15 %>%
             left_join(EnquadSPrev[,c("cnpj", "nm_fundo", "cnpj_admin", "cnpj_gestor")],
                       by=c("ident_ativo" = "cnpj"))

# são acrescentadas observações...

O passo seguinte é realizar o cruzamento da base de dados art_15 com a lista dos administradores e gestores que atendem ao disposto no artigo 15 da Resolução CMN n. 3.922/10.

Os dados dos administradores e gestores “permitidos” constam do arquivo AdministradorGestorFundos.xlsx gerado a partir do documento disponibilizado pela SPrev. Vamos importar esses dados:

setwd("..\\dados")
administrador_gestor <- read_excel("AdministradorGestorFundos.xlsx")

Vamos agora cruzar os dados deste arquivo (administrador_gestor) com os dados relativos aos fundos de investimentos constantes da base do DAIR (art_15). Antes, contudo, algumas modificações nas bases de dados serão necessárias.

Na base administrador_gestor vamos retirar a pontuação constante na variável CNPJ que identifica a instituição financeira.

administrador_gestor <- administrador_gestor %>%
                          mutate(CNPJ = gsub("[[:punct:]]", "", CNPJ))

Na base art_15 precisamos extrair a raiz do CNPJ e a pontuação nas variáveis cnpj_admin e cnpj_gestor.

art_15 <- art_15 %>%
            mutate(cnpj_admin  = gsub("(.*)/\\d{4}-\\d{2}", "\\1", cnpj_admin),
                   cnpj_admin  = gsub("[[:punct:]]", "", cnpj_admin),
                   cnpj_gestor = gsub("(.*)/\\d{4}-\\d{2}", "\\1", cnpj_gestor),
                   cnpj_gestor  = gsub("[[:punct:]]", "", cnpj_gestor))

Agora vamos identificar quais fundos possuem administrador ou gestor dentre os que são permitidos.

art_15 <- art_15 %>%
              mutate(adm_gest_permitido = ifelse(cnpj_admin  %in% administrador_gestor$CNPJ |
                                                 cnpj_gestor %in% administrador_gestor$CNPJ, 1, 0))

Vamos agora verificar se algum RPPS possui investimentos em fundos que não atendem ao artigo 15 da Resolução CMN n. 3922/10:

art_15 <- art_15 %>%
              filter(adm_gest_permitido == 0, !is.na(nm_fundo))

Vamos inspecionar a base de dados:

kable(head(art_15))

uf	ente	competencia	ident_ativo	nm_ativo	nm_fundo	cnpj_admin	cnpj_gestor
AM	Governo do Estado do Amazonas	2018-12-01	17253869000140	SAFRA CARTEIRA PREMIUM FI MULTIMERCADO	SAFRA CARTEIRA PREMIUM FUNDO DE INVESTIMENTO MULTIMERCADO	06947853	62180047
AM	Manaus	2018-12-01	11989256000190	BVA MASTER II FIDC MULTISETORIAL SENIOR	FIDC MULTISETORIAL MASTER II	27652684	22119959
AM	Manaus	2018-12-01	09315625000117	FI SECURITY REFERENCIADO DI LP	FUNDO DE INVESTIMENTO SECURITY RENDA FIXA REFERENCIADO DI LONGO PRAZO CRÉDITO PRIVADO	02201501	02295841
AM	Manaus	2018-12-01	10355516000102	TOP FI RENDA FIXA	TOP FUNDO DE INVESTIMENTO RENDA FIXA	02201501	22119959
AM	Manaus	2018-12-01	11902276000181	RECUPERAÇÃO BRASIL RF LP	FUNDO DE INVESTIMENTO RECUPERAÇÃO BRASIL RENDA FIXA LONGO PRAZO	15489568	02888152
AM	Manaus	2018-12-01	15350909000147	VITORIA REGIA FIRF LP	VITÓRIA RÉGIA FUNDO DE INVESTIMENTO DE RENDA FIXA LONGO PRAZO	02201501	22119959

Vamos obter uma lista dos fundos de investimento que estão nessa situação, qual seja, possuirem gestor e administrador que não estão entre os permitidos:

fundos_art_15 <- art_15 %>%
                    distinct(ident_ativo, nm_ativo)

Quantos são:

nrow(fundos_art_15)

[1] 1007

Quais RPPS tem aplicações neste tipo de fundo:

entes_art_15 <- art_15 %>%
                    distinct(uf, ente)

Quantos RPPS por UF?

entes_art_15 %>% 
  group_by(uf) %>% 
  count() %>% 
  arrange(desc(n)) %>%
  kable()

uf	n
SP	115
RS	66
MG	43
SC	41
RJ	39
PR	33
GO	26
CE	13
MS	13
MT	11
RO	11
PE	9
PA	8
ES	3
PB	3
AM	2
RN	2
TO	2
AP	1
BA	1
DF	1
MA	1
PI	1
RR	1
SE	1

Vamos verificar, por exemplo, se o RPPS de Belford Roxo no Estado do RJ investiu em algum desses fundos após novembro de 2018 ou se esses fundos já estavam na carteira do RPPS antes disso.

## Obs. Em Barueri identifiquei que um mesmo fundo aparece mais de uma vez em um mesmo mês... Existem outros casos

ENTE <- "Belford Roxo" 
UF <-  "RJ"

art_15 %>%
  filter(uf == UF, ente == ENTE) %>%
  group_by(uf, ente, nm_ativo, competencia) %>%
  distinct(ident_ativo) %>%
  select(uf, ente, competencia, ident_ativo, nm_ativo) %>%
  spread(key=competencia, value=ident_ativo) %>%
  kable()

uf	ente	nm_ativo	2018-12-01	2019-01-01	2019-02-01
RJ	Belford Roxo	AQUILLA FUNDO DE INVESTIMENTO IMOBILIÁRIO	13555918000149	13555918000149	13555918000149
RJ	Belford Roxo	ÁTICO GESTÃO EMPRESARIAL - FIP	18373362000193	18373362000193	18373362000193
RJ	Belford Roxo	ÁTICO FIDC IMOBILIÁRIOS	12053694000104	12053694000104	12053694000104
RJ	Belford Roxo	ÁTICO FLORESTAL - FIP	12312767000135	12312767000135	12312767000135
RJ	Belford Roxo	ÁTICO RENDA FI IMOBILIÁRIO - FII	14631148000139	14631148000139	14631148000139
RJ	Belford Roxo	CORAL FIDC MULTISETORIAL	11351413000137	11351413000137	11351413000137
RJ	Belford Roxo	FI MULTIMERCADO SCULPTOR CRÉDITO PRIVADO	14655180000154	14655180000154	14655180000154
RJ	Belford Roxo	FI RF MONTE CARLO INSTITUCIONAL IMA-B	15153656000111	15153656000111	15153656000111
RJ	Belford Roxo	FI SECURITY REFERENCIADO DI LP LP CRÉDITO PRIVADO	09315625000117	09315625000117	09315625000117
RJ	Belford Roxo	FIDC MULTISETORIAL MASTER II	11989256000190	11989256000190	11989256000190
RJ	Belford Roxo	FIRF CRÉDTIO PRIVADO PORTFÓLIO MASTER I	09613232000190	09613232000190	09613232000190
RJ	Belford Roxo	FUNDO DE INVESTIMENTO EM PARTICIPAÇÕES TURISMO BRASIL	12360621000165	NA	NA
RJ	Belford Roxo	PIATÃ FI RF PREVIDENCIÁRIO CRÉDITO PRIVADO	09613226000132	09613226000132	09613226000132

DIPR

Neste capítulo vamos tratar das possibilidades de análise relativa à base de dados do DIPR. Vamos trabalhar com as bases de dados DIPR-2018-30042019.xlsx e DIPR-2019-30042019.xlsx disponibilizadas pela SPrev que compreendem os exercícios de 2018 e 2019.

Como de costume, vamos realizar a importação dos dados. Como temos uma planilha Excel vamos utilizar a função read_excel() do pacote readxl.

setwd("..\\dados")
arquivos_dipr <- c("DIPR-2018-30042019.xlsx", "DIPR-2019-30042019.xlsx")
dipr <- lapply(arquivos_dipr,
               read_excel,
               sheet = "diprResultadoPrevidenciario",
               skip = 4, col_names = FALSE)
dipr <- do.call('rbind', dipr)

Como a planilha possui um cabeçalho contendo a denominação das colunas a importação foi feita sem os nomes das variáveis. Iremos, a seguir, fazer a inclusão do nome das mesmas:

names(dipr) <- c("ente", "uf", "competencia", "plano_segreg", "dt_info", "bc_pat_serv", 
  "bc_pat_serv_ug", "bc_pat_apo", "bc_pat_pen", "bc_serv", "bc_apo",
  "bc_pen", "ct_pat_serv", "ct_pat_serv_ug", "ct_pat_apo", "ct_pat_pen",
  "ct_serv", "ct_apo", "ct_pen", "deduc_pat", "deduc_pat_outros", "deduc_seg",
  "deduc_seg_outros", "aportes_amortiz", "aportes_insufin", "aportes_despadm",
  "aportes_pagtesouro", "aportes_outros", "parcelamentos", "bcug_pat", "bcug_serv",
  "bcug_serv_afast", "bcug_apos", "bcug_pen", "ctug_pat", "ctug_serv", "ctug_serv_afast",
  "ctug_apos", "ctug_pen", "rb_serv", "rb_apos", "rb_pen", "nb_serv", "nb_apos", "nb_pen",
  "nb_dep", "ing_contr", "ing_aportes", "ing_parc", "ing_acres_leg", "ing_contr_cedlic",
  "ing_comprev", "ing_aplicfin", "ing_ativos", "ing_outros", "desp_apo", "desp_pen_morte",
  "desp_auxdoenca", "desp_salmater", "desp_salfam", "desp_auxreclu", "desp_decjud",
  "desp_beneftesouro", "desp_despadm", "desp_invest", "desp_rest", "desp_comprev", 
  "desp_outras", "total_receita", "total_despesa", "resutado_final", "bcmil_pat_ativ",
  "bcmil_ativos", "bcmil_reserva", "bcmil_pen", "ctmil_pat", "ctmil_ativos", "ctmil_reserva",
  "ctmil_pen", "rbmil", "nbmil_ativos", "nbmil_reserva", "nbmil_pen", "nbmil_dep",
  "ingmil_contr", "ingmil_aportes", "ingmil_outras", "despmil_reseva", "despmil_penmorte",
  "despmil_outras", "resultado_final")

Realizada a importação dos dados, será necessário realizar um pré-processamento.

# Limpar alguns dados
dipr$ente <- gsub("^Governo do |Prefeitura Municipal d[eoa] ", "", dipr$ente)


# Função para converter para formato numerico
convnum <- function(x){
  x <- gsub("\\.", "", x)
  x <- gsub(",", ".", x)
  as.numeric(x)
}

# convertendo os dados...
dipr[,-c(1:5)] <- sapply(dipr[,-c(1:5)], convnum)

Importado o conjunto de dados, vamos salvá-lo no formato .Rds do R para uso posterior.

setwd("..\\dados-produzidos")
saveRDS(dipr, file = "dipr2018-2019_DtGer30042019.Rds")

Pendências na Entrega do DIPR

Para um efetivo acompanhamento da gestão dos RPPS é necessário identificarmos quais RPPS não estão encaminhando o DIPR à SPrev/ME com vistas à adoção das providências adequadas.

25.1 (…)

u) se há o envio tempestivo à Secretaria de Previdência (SPREV) do Ministério da Fazenda dos demonstrativos obrigatórios (DIPR, DRAA, DPIN, DAIR e demonstrativos contábeis).

Para executarmos esta verificação nossa estratégia será comparar os Entes que constam da base de dados do DIPR com uma relação que contenha todos os RPPS brasileiros. Nossa escolha para a obtenção dessa relação foi o a base de dados do Indicador de Situação Previdenciária - ISP contida no arquivo RESULTADO-ISP-2018.01.xlsx disponibilizado pela SPrev.

Infelizmente a base do DIPR não possui informação quanto ao CNPJ do Ente. Esta é uma variável importante quando queremos relizar o cruzamento entre as diversas bases de dados disponibilizadas pela SPrev bem como com outras bases de dados. Assim, o cruzamento será feito com base no nome do Ente, o que nos coloca a necessidade de garantir que o nome do ente esteja escrito da mesma maneira nas duas bases. Para tante algumas transformações deverão ser realizadas na variável que contém o nome dos Entes.

Vamos importar os dados do ISP:

setwd("..\\dados")
isp <- read_excel("RESULTADO-ISP-2018.01.xlsx")
isp <- isp[, -c(31, 32, 33, 34)]
names(isp) <- c("ENTE",    "UF", "REGIAO", "GRUPO", "ESCRITURA",    "APLICFIN",
                "CONTRIB", "COBSERVPUB", "CONCBENEF",   "EQUILATUAR",   "PARTSEG",  "PARCELTEMP",
                "REGRAS",    "UTILRECPREV", "CONF", "CLASSIF_CONF", "ENDIVID",  "SOLVFIN",
                "RAZAOAI", "COMPROMATUAR",  "SOLVATUAR",    "EQUIL",    "CLASSIF_EQUIL",
                "DRAA",    "DIPR",  "DPIN", "DAIR", "TRANSP",   "CLASSIF_TRANSP",   "ISP201801")

Como será necessário juntar essa base com a base do DIPR, vamos limpar um pouco a base de dados para tornar viável essa operação.

dipr$ente <- toupper(dipr$ente)
dipr$ente <- iconv(dipr$ente, from = "utf-8", to="ASCII//TRANSLIT")
dipr$ente <- paste(dipr$ente, dipr$uf, sep=" - ")

isp$ENTE <- gsub("^GOVERNO DO ", "", isp$ENTE)
isp$ENTE <- iconv(isp$ENTE, from = "utf-8", to="ASCII//TRANSLIT")

Agora vamos tentar juntar as bases e fazer a checagem. Vamos ver como estão os Entes do Estado do Mato Grosso.

uf <- "MT"

entrega_dipr <- isp %>%
  select(ENTE) %>%
  left_join(dipr[, c("ente", "competencia")], by=c("ENTE" = "ente")) %>%
  mutate(entregou = "X",
         competencia = factor(competencia, levels = unique(dipr$competencia), ordered = TRUE)) %>%
  filter(grepl(paste(uf, "$", sep=""), ENTE)) %>%
  distinct() %>%
  spread(key=competencia, value = entregou, fill = "-") %>%
  select(- `<NA>`)

kable(entrega_dipr)

ENTE	JAN/2018	FEV/2018	MAR/2018	ABR/2018	MAI/2018	JUN/2018	JUL/2018	AGO/2018	SET/2018	OUT/2018	NOV/2018	DEZ/2018	JAN/2019	FEV/2019
ACORIZAL - MT	-	-	-	-	-	-	-	-	-	-	-	-	-	-
AGUA BOA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
ALTA FLORESTA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
ALTO ARAGUAIA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
APIACAS - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
ARAGUAIANA - MT	X	X	X	X	X	X	X	X	X	X	-	-	-	-
ARAGUAINHA - MT	-	-	-	-	-	-	-	-	-	-	-	-	-	-
ARAPUTANGA - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
ARIPUANA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
BARAO DE MELGACO - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
BARRA DO BUGRES - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
BARRA DO GARCAS - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
CACERES - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
CAMPINAPOLIS - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
CAMPO NOVO DO PARECIS - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
CAMPO VERDE - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
CANARANA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
CARLINDA - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
CASTANHEIRA - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
CHAPADA DOS GUIMARAES - MT	-	-	-	-	-	-	-	-	-	-	-	-	-	-
CLAUDIA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
COCALINHO - MT	X	X	X	X	X	X	-	-	-	-	-	-	-	-
COLIDER - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
COLNIZA - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
COMODORO - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
CONFRESA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
CONQUISTA D’OESTE - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
COTRIGUACU - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
CUIABA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
CURVELANDIA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
ESTADO DO MATO GROSSO - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
FELIZ NATAL - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
GAUCHA DO NORTE - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
GENERAL CARNEIRO - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
GLORIA D’OESTE - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
GUARANTA DO NORTE - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
GUIRATINGA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
IPIRANGA DO NORTE - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
ITAUBA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
ITIQUIRA - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
JACIARA - MT	X	X	X	X	X	X	X	X	X	X	-	-	-	-
JAURU - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
JUARA - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
JUINA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
JURUENA - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
LAMBARI D’OESTE - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
LUCAS DO RIO VERDE - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
MARCELANDIA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
MATUPA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
MIRASSOL D’OESTE - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
NOBRES - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
NORTELANDIA - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
NOSSA SENHORA DO LIVRAMENTO - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
NOVA BRASILANDIA - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
NOVA CANAA DO NORTE - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
NOVA LACERDA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
NOVA MARILANDIA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
NOVA MONTE VERDE - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
NOVA MUTUM - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
NOVA NAZARE - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
NOVA OLIMPIA - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
NOVA SANTA HELENA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
NOVA UBIRATA - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
NOVA XAVANTINA - MT	X	X	X	X	X	X	X	X	X	X	-	-	-	-
NOVO HORIZONTE DO NORTE - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
NOVO MUNDO - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
PARANAITA - MT	X	X	X	X	X	X	X	X	X	X	-	-	-	-
PARANATINGA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
PEIXOTO DE AZEVEDO - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
PLANALTO DA SERRA - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
PONTAL DO ARAGUAIA - MT	X	X	X	X	X	X	X	X	X	X	-	-	-	-
PONTE BRANCA - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
PONTES E LACERDA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
PORTO ESPERIDIAO - MT	X	X	X	X	X	X	X	X	-	-	-	-	-	-
PORTO ESTRELA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
POXOREO - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
PRIMAVERA DO LESTE - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
QUERENCIA - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
RESERVA DO CABACAL - MT	X	X	X	X	-	-	-	-	-	-	-	-	-	-
RIBEIRAO CASCALHEIRA - MT	X	X	-	-	-	-	-	-	-	-	-	-	-	-
RIBEIRAOZINHO - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
RIO BRANCO - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
RONDONOPOLIS - MT	-	-	-	-	-	-	-	-	-	-	-	-	-	-
ROSARIO OESTE - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
SANTA RITA DO TRIVELATO - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
SANTA TEREZINHA - MT	X	X	X	X	X	X	X	X	X	X	-	-	-	-
SANTO AFONSO - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
SANTO ANTONIO DO LESTE - MT	X	X	X	X	X	X	X	X	X	X	-	-	-	-
SANTO ANTONIO DO LEVERGER - MT	X	X	X	X	-	-	-	-	-	-	-	-	-	-
SAO FELIX DO ARAGUAIA - MT	X	X	X	X	X	X	X	X	X	X	-	-	-	-
SAO JOSE DO POVO - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
SAO JOSE DO RIO CLARO - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
SAO JOSE DOS QUATRO MARCOS - MT	X	X	X	X	X	X	X	X	X	X	X	X	-	-
SINOP - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
SORRISO - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
TABAPORA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
TANGARA DA SERRA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
TAPURAH - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
TERRA NOVA DO NORTE - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
TORIXOREU - MT	X	X	-	-	-	-	-	-	-	-	-	-	-	-
VALE DE SAO DOMINGOS - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
VARZEA GRANDE - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
VERA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
VILA BELA DA SANTISSIMA TRINDADE - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X
VILA RICA - MT	X	X	X	X	X	X	X	X	X	X	X	X	X	X

O quadro acima nos fornece uma indicação de quais RPPS estão inadimplentes com a obrigação de encaminhamento do DIPR à SPrev. O quadro está ordenado por ordem alfabética, mas poderia ser ordenado por inadimplência, ou seja, RPPS com maior quantidade de inadimplência no período viriam primeiro.

Caso seja necessário exportar os dados para uma planilha do excel:

setwd("..\\dados-produzidos")
write_xlsx(entrega_dipr, "entrega_dipr_MT.xlsx")

Segregação de Massas

A base de dados do DIPR também nos fornece de imediato uma informação relevante: os RPPS com segregação de messas (dentre os que encaminharam o DIPR à SPrev/ME).

Vamos identificar quais RPPS do Estado do Rio de Janeiro possuem segregação de massas.

UF <- "RJ"
entes_segreg <- dipr %>%
                  mutate(periodo = as.Date(paste("01", competencia, sep = "/"), "%d/%b/%Y")) %>%        
                  group_by(ente) %>%
                  filter(uf == UF, periodo == max(periodo, na.rm = TRUE), plano_segreg == "Financeiro") %>%
                  select(ente) %>%
                  ungroup() %>%
                  arrange(ente)

No código acima olhamos o valor da variável plano_segreg no mês mais recente disponível na base de dados para cada Ente .

Os RPPS com segregação de massas no ERJ são os seguintes:

kable(entes_segreg)

ente
ANGRA DOS REIS - RJ
BARRA MANSA - RJ
CACHOEIRAS DE MACACU - RJ
CANTAGALO - RJ
CARMO - RJ
DUAS BARRAS - RJ
DUQUE DE CAXIAS - RJ
ESTADO DO RIO DE JANEIRO - RJ
ITATIAIA - RJ
MACAE - RJ
MARICA - RJ
MENDES - RJ
NITEROI - RJ
PINHEIRAL - RJ
PORCIUNCULA - RJ
RIO CLARO - RJ
SAQUAREMA - RJ
SUMIDOURO - RJ

Recebimento dos parcelamentos

O site da SPrev/ME disponibiliza um conjunto de dados específico para parcelamentos (PARCELAMENTOS_30042019.xlsx) contendo bastante informação sobre os Termos de Parcelamento de Dívidas dos Entes.

O DIPR fornece informações sobre o montante dos valores recebidos pela Unidade Gestora do RPPS oriundos de parcelamentos. Estes dados estão disponíveis nas variáveis parcelamentos e ing_parc.

Neste tópico nosso objetivo será tentar verificar se o Ente está pagando seus parcelamentos. Não é possivel, apenas com esses dados, verificar se todos os parcelamentos estão sendo pagos, se estão sendo pagos com os acréscimos legais, etc. Mas combinando os dados do DIPR com os dados do arquivo PARCELAMENTOS_30042019.xlsx talvez seja possível obter informações interessantes. Mas por ora vamos ficar apenas com os dados disponíveis no DIPR.

Vamos antes identificar no RJ quais RPPS receberam recursos oriundos de parcelamentos no período.

UF <- "RJ"
parcel_dipr <- dipr %>%
  filter(uf == UF, !is.na(parcelamentos) | !is.na(ing_parc)) %>%
  select(ente, competencia, plano_segreg, parcelamentos, ing_parc)

Vamos olhar o município de Pinheiral no RJ ver como está o recebimento de parcelamentos:

ENTE <- "PINHEIRAL - RJ"

dipr_parcelamentos <- parcel_dipr %>%
  filter(ente == ENTE)

Vamos dar uma olhada no conjunto de dados:

kable(dipr_parcelamentos)

ente	competencia	plano_segreg	parcelamentos	ing_parc
PINHEIRAL - RJ	JAN/2018	Financeiro	1687.47	1687.47
PINHEIRAL - RJ	JAN/2018	Previdenciário	20529.68	20529.68
PINHEIRAL - RJ	FEV/2018	Financeiro	1707.99	1707.99
PINHEIRAL - RJ	FEV/2018	Previdenciário	20782.40	20782.40
PINHEIRAL - RJ	MAR/2018	Financeiro	1721.45	1721.45
PINHEIRAL - RJ	MAR/2018	Previdenciário	20950.17	20950.17
PINHEIRAL - RJ	ABR/2018	Financeiro	1731.25	1731.25
PINHEIRAL - RJ	ABR/2018	Previdenciário	21068.98	21068.98
PINHEIRAL - RJ	MAI/2018	Financeiro	1743.14	1743.14
PINHEIRAL - RJ	MAI/2018	Previdenciário	21221.08	21221.08
PINHEIRAL - RJ	JUN/2018	Financeiro	1758.41	1758.41
PINHEIRAL - RJ	JUN/2018	Previdenciário	21409.25	21409.25
PINHEIRAL - RJ	JUL/2018	Financeiro	1788.86	1788.86
PINHEIRAL - RJ	JUL/2018	Previdenciário	21782.94	21782.94
PINHEIRAL - RJ	AGO/2018	Financeiro	1811.67	1811.67
PINHEIRAL - RJ	AGO/2018	Previdenciário	22507.85	22507.85
PINHEIRAL - RJ	SET/2018	Financeiro	1809.78	1809.78
PINHEIRAL - RJ	SET/2018	Previdenciário	22044.38	22044.38
PINHEIRAL - RJ	OUT/2018	Financeiro	1475.41	1475.41
PINHEIRAL - RJ	OUT/2018	Previdenciário	23171.94	23171.94
PINHEIRAL - RJ	NOV/2018	Financeiro	354.72	354.72
PINHEIRAL - RJ	NOV/2018	Previdenciário	22460.82	22460.82
PINHEIRAL - RJ	DEZ/2018	Financeiro	355.64	355.64
PINHEIRAL - RJ	DEZ/2018	Previdenciário	22518.98	22518.98
PINHEIRAL - RJ	JAN/2019	Financeiro	357.30	357.30
PINHEIRAL - RJ	JAN/2019	Previdenciário	22624.20	22624.20
PINHEIRAL - RJ	FEV/2019	Financeiro	358.96	358.96
PINHEIRAL - RJ	FEV/2019	Previdenciário	70191.27	70191.27

A base do DIPR contém informações sobre parcelamentos em duas variáveis: parcelamentose ing_parc. Assim foram selecionadas as duas apenas para efeito de comparação, ou seja, ver se os dois valores estão “batendo”.

# Gráfico dos dados acima.
#-------------------------
dipr_parcelamentos %>%           
  mutate(competencia = as.Date(paste("01", competencia, sep = "/"), "%d/%B/%Y")) %>%
  ggplot(aes(x=competencia, y=parcelamentos)) +
  geom_line() +
  geom_point(size=2) +
  facet_wrap(~ plano_segreg)

Recebimento das contribuições

Neste tópico nosso objetivo é verificar se as contribuições devidas estão sendo recebidas pelo RPPS. Vamos dar uma olhada no município de Porto Alegre no RS.

ENTE <- "PORTO ALEGRE - RS" 
teste <- function(x){!all(is.na(x))}

dipr_contribuicoes <- dipr %>%
  filter(ente == ENTE) %>%
  select(competencia, plano_segreg, ct_pat_serv, ct_pat_serv_ug, ct_pat_apo, ct_pat_pen, ct_serv, ct_apo, ct_pen) %>%
  select_if(teste) %>% 
  gather(key=tipo, value=contribuicao, -competencia, -plano_segreg)

Vamos dar uma olhada nos dados:

kable(dipr_contribuicoes)

competencia	plano_segreg	tipo	contribuicao
JAN/2018	Financeiro	ct_pat_serv	14743681.23
JAN/2018	Previdenciário	ct_pat_serv	11277159.96
FEV/2018	Financeiro	ct_pat_serv	13630951.27
FEV/2018	Previdenciário	ct_pat_serv	11021252.89
MAR/2018	Financeiro	ct_pat_serv	13645190.18
MAR/2018	Previdenciário	ct_pat_serv	11063673.48
ABR/2018	Financeiro	ct_pat_serv	13401438.77
ABR/2018	Previdenciário	ct_pat_serv	11093625.02
MAI/2018	Financeiro	ct_pat_serv	12980740.46
MAI/2018	Previdenciário	ct_pat_serv	11016261.69
JUN/2018	Financeiro	ct_pat_serv	12711227.70
JUN/2018	Previdenciário	ct_pat_serv	11004772.35
JUL/2018	Financeiro	ct_pat_serv	12554091.24
JUL/2018	Previdenciário	ct_pat_serv	10990582.70
AGO/2018	Financeiro	ct_pat_serv	12208294.63
AGO/2018	Previdenciário	ct_pat_serv	10989952.32
SET/2018	Financeiro	ct_pat_serv	11953218.87
SET/2018	Previdenciário	ct_pat_serv	10973447.48
OUT/2018	Financeiro	ct_pat_serv	11982903.13
OUT/2018	Previdenciário	ct_pat_serv	11134719.08
NOV/2018	Financeiro	ct_pat_serv	11730088.86
NOV/2018	Previdenciário	ct_pat_serv	11120274.04
DEZ/2018	Financeiro	ct_pat_serv	13332301.02
DEZ/2018	Previdenciário	ct_pat_serv	12002975.82
JAN/2019	Financeiro	ct_pat_serv	11884901.53
JAN/2019	Previdenciário	ct_pat_serv	11312612.14
FEV/2019	Financeiro	ct_pat_serv	12085991.18
FEV/2019	Previdenciário	ct_pat_serv	12089387.41
JAN/2018	Financeiro	ct_pat_apo	6328623.32
JAN/2018	Previdenciário	ct_pat_apo	41229.74
FEV/2018	Financeiro	ct_pat_apo	6427046.22
FEV/2018	Previdenciário	ct_pat_apo	48182.78
MAR/2018	Financeiro	ct_pat_apo	6352250.69
MAR/2018	Previdenciário	ct_pat_apo	47633.73
ABR/2018	Financeiro	ct_pat_apo	6573955.56
ABR/2018	Previdenciário	ct_pat_apo	43863.21
MAI/2018	Financeiro	ct_pat_apo	6534341.45
MAI/2018	Previdenciário	ct_pat_apo	58240.33
JUN/2018	Financeiro	ct_pat_apo	6623779.20
JUN/2018	Previdenciário	ct_pat_apo	56724.17
JUL/2018	Financeiro	ct_pat_apo	6743450.06
JUL/2018	Previdenciário	ct_pat_apo	69314.73
AGO/2018	Financeiro	ct_pat_apo	6790484.58
AGO/2018	Previdenciário	ct_pat_apo	74215.64
SET/2018	Financeiro	ct_pat_apo	6955831.01
SET/2018	Previdenciário	ct_pat_apo	73925.79
OUT/2018	Financeiro	ct_pat_apo	7070420.95
OUT/2018	Previdenciário	ct_pat_apo	79227.22
NOV/2018	Financeiro	ct_pat_apo	6946595.29
NOV/2018	Previdenciário	ct_pat_apo	80861.07
DEZ/2018	Financeiro	ct_pat_apo	7820161.86
DEZ/2018	Previdenciário	ct_pat_apo	136785.30
JAN/2019	Financeiro	ct_pat_apo	6841110.89
JAN/2019	Previdenciário	ct_pat_apo	81313.99
FEV/2019	Financeiro	ct_pat_apo	7408550.18
FEV/2019	Previdenciário	ct_pat_apo	80459.60
JAN/2018	Financeiro	ct_serv	9216219.96
JAN/2018	Previdenciário	ct_serv	6490567.16
FEV/2018	Financeiro	ct_serv	8669810.04
FEV/2018	Previdenciário	ct_serv	6385571.07
MAR/2018	Financeiro	ct_serv	8669710.32
MAR/2018	Previdenciário	ct_serv	6412475.79
ABR/2018	Financeiro	ct_serv	8527162.52
ABR/2018	Previdenciário	ct_serv	6430735.29
MAI/2018	Financeiro	ct_serv	8243400.43
MAI/2018	Previdenciário	ct_serv	6392616.92
JUN/2018	Financeiro	ct_serv	8072370.94
JUN/2018	Previdenciário	ct_serv	6379680.45
JUL/2018	Financeiro	ct_serv	7976096.30
JUL/2018	Previdenciário	ct_serv	6372044.13
AGO/2018	Financeiro	ct_serv	7760405.64
AGO/2018	Previdenciário	ct_serv	6370782.43
SET/2018	Financeiro	ct_serv	7596256.38
SET/2018	Previdenciário	ct_serv	6364136.24
OUT/2018	Financeiro	ct_serv	7601002.32
OUT/2018	Previdenciário	ct_serv	6454192.68
NOV/2018	Financeiro	ct_serv	7454927.51
NOV/2018	Previdenciário	ct_serv	6449223.40
DEZ/2018	Financeiro	ct_serv	8472652.89
DEZ/2018	Previdenciário	ct_serv	6956520.63
JAN/2019	Financeiro	ct_serv	7543092.81
JAN/2019	Previdenciário	ct_serv	6557478.42
FEV/2019	Financeiro	ct_serv	7683747.21
FEV/2019	Previdenciário	ct_serv	7009477.66

# Gráfico dos dados acima.
dipr_contribuicoes %>%
  mutate(competencia = as.Date(paste("01", competencia, sep = "/"), "%d/%B/%Y")) %>%
  ggplot(aes(x=competencia, y=contribuicao, group=tipo, color=tipo)) +
  geom_line() +
  geom_point(size=2) +
  facet_wrap(~ plano_segreg)

Evolução das Receitas e Despesas

Neste tópico nosso objetivo é apenas visualizar como as receitas e despesas do RPPS estão evoluindo no tempo. Para isso, vamos utilizar como exemplo o RPPS de Manaus, AM. As variáveis que nos interessam são: total_receita e total_despesa.

ENTE <- "MANAUS - AM"
dipr %>%
  filter(ente == ENTE) %>%
  select(ente, competencia, plano_segreg, total_receita, total_despesa) %>%
  mutate(competencia = as.Date(paste("01", competencia, sep = "/"), "%d/%B/%Y")) %>%
  ggplot(aes(x=competencia, y=total_despesa)) +
  geom_line() +
  geom_point() +
  facet_wrap(~ plano_segreg)

Para a receita o código é o mesmo:

dipr %>%
  filter(ente == ENTE) %>%
  select(ente, competencia, plano_segreg, total_receita, total_despesa) %>%
  mutate(competencia = as.Date(paste("01", competencia, sep = "/"), "%d/%B/%Y")) %>%
  ggplot(aes(x=competencia, y=total_receita)) +
  geom_line() +
  geom_point() +
  facet_wrap(~ plano_segreg)

Quantidade de Beneficiários

Outra análise que pode ser de interesse seria avaliar como a quantidade de beneficiários está evoluindo ao longo do tempo. Informações sobre a quantidade de beneficiários estão contidas nas variáveis nb_serv, nb_apos, nb_pen e nb_dep.

Se quisermos incluir dados dos militares, teremos que considerar as variáveis nbmil_ativos, nbmil_reserva, nbmil_pen e nbmil_dep.

No gráfico a seguir vamos ver a evolução da quantidade de servidores ativos (nb_serv):

ENTE <- "JAPERI - RJ" 

dipr %>%
  filter(ente == ENTE) %>%
  select(competencia, plano_segreg, nb_serv, nb_apos, nb_pen, nb_dep) %>%
  mutate(competencia = as.Date(paste("01", competencia, sep = "/"), "%d/%B/%Y")) %>%
  ggplot(aes(x=competencia, y=nb_serv, group=1)) +
    geom_line() +
    geom_point() +
  facet_wrap(~ plano_segreg)

COMPREV

Neste tópico nosso objetivo será obter uma relação dos RPPS de uma UF com os valores do COMPREV recebido. Uma análise adicional seria verificar se todos os RPPS que informaram ter recebido COMPREV estão regulares com o CRP.

Esta verificação pode auxiliar na Diretriz Atricon que oriente os TCs a verificar:

" g) se os regimes próprios têm viabilizado o exercício do direito de compensação financeira;“”
Na base do DIPR os valores recebidos relativos ao COMPREV constam da variável ing_comprev.

Vamos olhar os RPPS do Estado do Paraná (PR). No código abaixo os valores do COMPREV do plano financeiro e previdenciário serão caso o RPPS escolhido possua segregação de massas.

UF <- "PR"

recebe_comprev <- dipr %>%
  filter(uf == UF) %>%
  select(ente, competencia, ing_comprev) %>%
  mutate(competencia = as.Date(paste("01", competencia, sep="/"), "%d/%b/%Y")) %>%
  group_by(ente, competencia) %>%
  summarise(comprev = sum(ing_comprev, na.rm=TRUE)) %>%
  spread(key=competencia, value=comprev)

Vamos olhar os dados. Como são muitos RPPS, vamos ver os dados dos 10 primeiros.

kable(head(recebe_comprev, 10))

ente	2018-01-01	2018-02-01	2018-03-01	2018-04-01	2018-05-01	2018-06-01	2018-07-01	2018-08-01	2018-09-01	2018-10-01	2018-11-01	2018-12-01	2019-01-01	2019-02-01
ADRIANOPOLIS - PR	0.00	0.00	0.00	0.0	0.0	0.00	0.00	0.00	0.00	0.00	NA	NA	NA	NA
ALMIRANTE TAMANDARE - PR	0.00	0.00	0.00	0.0	351116.9	44924.63	44924.63	44341.73	44341.73	42633.35	88682.36	44052.05	NA	NA
ALTAMIRA DO PARANA - PR	0.00	0.00	0.00	0.0	0.0	0.00	0.00	0.00	0.00	0.00	0.00	0.00	NA	NA
ALTO PARANA - PR	4423.02	14096.92	13743.28	129343.6	15027.3	0.00	0.00	0.00	0.00	75136.50	15027.30	30054.60	14193.57	14680.23
AMAPORA - PR	0.00	0.00	0.00	0.0	0.0	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00
AMPERE - PR	0.00	0.00	0.00	0.0	0.0	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00
ANDIRA - PR	0.00	0.00	0.00	0.0	0.0	0.00	0.00	0.00	0.00	729290.83	59260.77	11964.24	NA	NA
ANGULO - PR	0.00	0.00	0.00	0.0	0.0	0.00	0.00	0.00	0.00	0.00	0.00	0.00	NA	NA
ARAPONGAS - PR	0.00	0.00	0.00	0.0	0.0	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00
ARAPOTI - PR	0.00	0.00	0.00	0.0	0.0	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00

Vamos excluir os Entes que cujos valores de COMPREV estejam zerados em todos os meses ou possuam NA.

recebe_comprev2 <- recebe_comprev %>%
  ungroup() %>%
  mutate(flag = apply(.[, -1], 1, function(x) all(x == 0 | is.na(x)))) %>%
  filter(!flag) %>%
  select(-flag)

kable(recebe_comprev2)

ente	2018-01-01	2018-02-01	2018-03-01	2018-04-01	2018-05-01	2018-06-01	2018-07-01	2018-08-01	2018-09-01	2018-10-01	2018-11-01	2018-12-01	2019-01-01	2019-02-01
ALMIRANTE TAMANDARE - PR	0.00	0.00	0.00	0.00	351116.92	44924.63	44924.63	44341.73	44341.73	42633.35	88682.36	44052.05	NA	NA
ALTO PARANA - PR	4423.02	14096.92	13743.28	129343.64	15027.30	0.00	0.00	0.00	0.00	75136.50	15027.30	30054.60	14193.57	14680.23
ANDIRA - PR	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	729290.83	59260.77	11964.24	NA	NA
BARRACAO - PR	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	16371.50	38437.18	19218.59	38437.18	19218.59	19877.59
BOA ESPERANCA - PR	0.00	0.00	0.00	0.00	0.00	0.00	184520.66	5143.13	5143.13	5143.13	5143.13	10286.26	5143.13	5319.50
BOA VENTURA DE SAO ROQUE - PR	968.40	96957.50	1955.44	1829.44	1829.44	1829.44	1829.44	1829.44	210.00	3658.88	NA	NA	NA	NA
CAFELANDIA - PR	5584.50	0.00	12021.29	4713.26	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00
CAMBARA - PR	0.00	0.00	0.00	0.00	0.00	0.00	195748.92	0.00	0.00	0.00	0.00	0.00	NA	NA
CAMBE - PR	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	2961599.95	19275.73	19936.65
CAMPO LARGO - PR	69295.07	70729.21	100244.20	97340.07	100244.20	100046.70	0.00	0.00	0.00	0.00	396539.18	198160.52	99080.26	102477.49
CAMPO MOURAO - PR	148325.28	183691.77	145986.34	147916.03	147916.03	147398.59	147418.85	147550.04	0.00	0.00	588568.01	146804.18	151408.03	170491.32
CANTAGALO - PR	379.20	387.04	42000.70	807.24	807.24	807.24	807.24	807.24	807.24	807.24	807.24	1614.48	807.24	834.92
CASCAVEL - PR	358557.09	307202.44	107138.80	298155.64	282175.64	304381.37	365823.74	526176.75	588554.50	339750.44	363982.99	641158.22	320570.27	330862.13
CERRO AZUL - PR	0.00	0.00	151271.31	0.00	0.00	0.00	0.00	0.00	121987.92	7175.76	7175.76	7175.76	NA	NA
CIANORTE - PR	175534.53	179166.49	178151.39	174548.46	178151.39	174761.42	177812.28	176920.39	175193.98	175118.29	175118.29	350236.58	470611.87	184104.59
COLOMBO - PR	471591.26	172693.27	182948.43	181641.72	180779.51	180310.63	0.00	363713.21	181029.66	181393.28	342976.80	363021.76	181279.04	187494.65
CORBELIA - PR	37055.76	37822.30	37822.30	37822.30	37822.30	37245.62	37822.30	37726.03	37519.77	37657.27	44115.75	75908.89	41689.62	39009.55
CRUZEIRO DO OESTE - PR	0.00	27668.48	12605.32	11199.38	0.00	25210.64	12605.32	0.00	0.00	0.00	0.00	0.00	NA	NA
CURITIBA - PR	1317446.69	1344699.81	0.00	0.00	1319070.69	1328419.83	1320969.61	1322966.31	1323016.21	1323970.78	1324853.13	2642742.12	1320051.80	1355393.99
DIAMANTE DO NORTE - PR	0.00	0.00	11223.68	11223.68	0.00	0.00	44667.21	44667.21	55505.74	100172.95	11223.68	22447.36	NA	NA
ESTADO DO PARANA - PR	7363869.10	9013479.46	8888642.99	8888077.77	8925224.06	8849126.87	8933547.52	8932222.72	8891785.04	8913805.30	NA	NA	NA	NA
FAZENDA RIO GRANDE - PR	11319.43	11553.62	11005.16	9268.38	11005.16	11005.16	0.00	0.00	11005.16	11005.16	0.00	0.00	11005.16	11382.50
FLORESTA - PR	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	324.54	649.08	NA	NA
FLORIDA - PR	3564.80	0.00	909.64	454.82	454.82	454.82	0.00	0.00	0.00	0.00	NA	NA	NA	NA
FOZ DO IGUACU - PR	981841.51	313175.73	498025.13	525267.68	497219.05	941744.24	586306.32	758246.92	524869.20	521649.00	573660.71	1073856.07	1125371.24	549739.43
FRANCISCO BELTRAO - PR	86897.60	86548.44	91993.97	93312.18	86074.80	86074.80	115599.09	95447.93	95060.67	95224.46	95224.46	190448.92	95224.46	98489.14
GUARANIACU - PR	16503.82	16845.30	16508.38	15166.35	16508.38	16508.38	16425.85	16790.13	0.00	0.00	0.00	207787.10	16790.13	17365.90
GUARAPUAVA - PR	16953.72	361795.62	20030.50	20030.50	20030.50	67788.48	0.00	178403.66	22086.01	22086.01	25126.59	42862.94	21431.47	20271.73
GUARATUBA - PR	0.00	0.00	0.00	0.00	0.00	17262.75	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00
IBAITI - PR	0.00	80440.48	0.00	0.00	102764.06	21615.35	0.00	0.00	0.00	0.00	0.00	0.00	21299.30	21260.55
IBIPORA - PR	43279.09	44174.33	44174.33	44174.33	44174.33	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00
INACIO MARTINS - PR	92159.51	0.00	0.00	0.00	0.00	0.00	0.00	3361.37	1513.70	3361.37	3361.37	6722.74	3361.37	3476.61
IPORA - PR	15296.85	15026.17	15026.17	14426.18	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00
IRATI - PR	0.00	0.00	0.00	0.00	0.00	0.00	540248.38	0.00	0.00	43703.82	14567.95	29135.90	NA	NA
IVATUBA - PR	0.00	0.00	0.00	0.00	4256.25	1418.75	1418.75	1418.75	0.00	0.00	1418.75	2837.50	1278.94	1322.78
JAPURA - PR	3997.20	9784.97	9784.97	9784.97	9784.97	9784.97	9809.05	9603.22	9603.22	9603.22	9603.22	19206.44	9603.22	9932.51
JARDIM OLINDA - PR	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	43538.69	NA	NA
JUSSARA - PR	0.00	0.00	0.00	0.00	0.00	145757.60	3559.35	0.00	7272.06	3636.03	3636.03	7272.06	3636.03	3760.70
LAPA - PR	70036.81	70036.81	70036.81	70036.81	70036.81	70036.81	70036.81	70036.81	71036.81	69783.76	138858.96	69429.48	71809.96	71809.96
LARANJEIRAS DO SUL - PR	12674.83	12937.04	49618.08	13322.48	0.00	0.00	39967.44	13322.48	13322.48	13322.48	13322.48	26644.96	13322.48	13779.26
LOANDA - PR	17083.20	17436.64	17436.64	17436.64	17436.64	17436.64	17101.11	0.00	34092.69	18012.79	18012.79	36025.58	18012.79	18630.38
LOBATO - PR	0.00	0.00	17910.10	1791.01	1791.01	1791.01	1791.01	1791.01	0.00	0.00	0.00	0.00	NA	NA
LONDRINA - PR	714722.88	729513.06	721813.78	720150.39	717769.61	711556.29	710556.81	708558.09	705860.97	707492.04	1901955.66	2480256.77	NA	NA
MANDAGUACU - PR	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	734727.95	0.00	23525.46	1158137.15	23798.05	24614.04
MARIA HELENA - PR	0.00	0.00	0.00	0.00	0.00	0.00	409418.52	7198.37	7198.37	7198.37	7198.37	14396.74	0.00	14538.06
MARIALVA - PR	0.00	292134.66	186836.20	143385.58	96339.07	67218.63	67218.63	0.00	67218.63	134603.62	191250.27	133764.14	66882.07	68151.91
MARILUZ - PR	0.00	0.00	0.00	0.00	0.00	0.00	120069.85	6598.87	9115.27	9115.27	9115.27	18230.54	9115.27	9427.81
MARINGA - PR	435306.67	499089.88	497180.21	438363.31	430473.98	884931.40	439904.11	1254629.34	444242.35	444187.79	443211.54	938251.79	496097.74	910426.81
MEDIANEIRA - PR	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	56070.40	56070.40	56070.40	112140.80	56070.40	57992.87
MOREIRA SALES - PR	1678.04	10169.17	10169.17	10169.17	10169.17	10169.17	10169.17	10169.17	10169.17	10169.17	10006.88	213588.97	9682.31	10014.30
NOVA AURORA - PR	75284.33	28043.69	28043.69	28043.69	28043.69	28043.69	28043.69	0.00	27659.65	27713.57	27659.65	55427.14	NA	NA
NOVA ESPERANCA - PR	76553.62	23608.11	23608.11	23608.11	23608.11	23608.11	0.00	51112.33	22667.69	23608.11	23608.11	47216.22	23608.11	24417.64
NOVO ITACOLOMI - PR	0.00	0.00	0.00	0.00	0.00	85931.31	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00
OURIZONA - PR	356455.12	9757.28	9757.28	9757.28	200765.93	0.00	0.00	0.00	0.00	0.00	0.00	95709.16	NA	NA
PALMEIRA - PR	23258.43	223615.08	0.00	12193.92	25689.57	24728.39	25689.57	25689.57	25689.57	25689.57	8676.63	50121.94	24927.90	25349.74
PALMITAL - PR	0.00	0.00	0.00	268170.47	3610.79	3610.79	0.00	7221.58	3610.79	3610.79	3490.16	6739.04	NA	NA
PALOTINA - PR	70116.12	71566.95	71566.95	0.00	0.00	0.00	271732.52	69447.23	66390.76	29307.44	NA	NA	NA	NA
PARANACITY - PR	0.00	0.00	0.00	0.00	672835.63	15724.65	15724.65	15755.38	0.00	0.00	0.00	0.00	NA	NA
PARANAVAI - PR	52526.96	52526.96	83970.29	52805.92	51754.18	52805.92	52805.92	52805.92	0.00	0.00	105136.46	52568.23	53990.58	54370.83
PEROLA - PR	24768.05	25280.50	25280.50	25280.50	25280.50	25004.78	24341.79	25083.65	25083.65	25083.65	NA	NA	NA	NA
PINHAIS - PR	95890.23	97874.33	97874.33	97874.33	97874.33	97874.33	97874.33	97874.33	97874.33	0.00	0.00	0.00	0.00	0.00
PINHAO - PR	3438.73	3509.87	3509.87	3509.87	3509.87	0.00	0.00	0.00	3417.32	3721.86	NA	NA	NA	NA
PITANGA - PR	2346.66	16769.24	4851.98	4851.98	4851.98	327514.97	822527.11	12325.87	105259.02	1965.95	11617.12	23234.24	1654081.83	0.00
PLANALTO - PR	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	362326.19	NA	NA	NA	NA
PRUDENTOPOLIS - PR	4453.87	0.00	0.00	2823.85	5067.55	5067.55	5067.55	5067.55	3705.34	0.00	NA	NA	NA	NA
RENASCENCA - PR	16786.06	14675.06	14675.06	14675.06	14675.06	14675.06	20613.62	22073.43	15367.22	15367.22	15367.22	0.00	0.00	0.00
RIO AZUL - PR	5173.83	5280.86	5280.86	5280.86	4848.44	3991.56	0.00	4809.13	9618.26	4809.13	4670.06	8783.82	4391.91	4083.57
RIO BONITO DO IGUACU - PR	937.79	0.00	1460.45	1460.45	1460.45	0.00	0.00	0.00	0.00	0.00	1460.45	2920.90	1460.45	0.00
RIO NEGRO - PR	0.00	0.00	6337.71	9318.27	9318.27	9318.27	9318.27	9318.27	7052.77	7350.42	9318.27	18636.54	9318.27	9637.80
RONCADOR - PR	0.00	84684.35	12461.71	12461.71	12461.71	12461.71	12461.71	12461.71	12461.71	12461.71	24923.42	12461.71	NA	NA
SAO JORGE DO PATROCINIO - PR	0.00	0.00	0.00	1468.56	1468.56	1468.56	1468.56	1468.56	1468.56	1468.56	1468.56	2937.12	NA	NA
TEIXEIRA SOARES - PR	11175.44	11175.44	11175.44	11175.44	4648.40	11034.11	18151.17	11213.91	11213.91	12531.80	25063.60	12531.80	12531.80	12961.48
TELEMACO BORBA - PR	12649.67	472301.87	13459.30	61389.78	61389.78	61389.78	59850.36	61389.78	61389.78	136925.35	179547.93	1287362.90	89047.01	91380.75
TERRA BOA - PR	0.00	0.00	0.00	0.00	27966.67	13110.46	13227.44	36075.11	13933.58	13933.58	0.00	0.00	NA	NA
TERRA ROXA - PR	23472.17	23957.67	22739.86	23530.33	23530.33	23530.33	23530.33	0.00	46805.30	23380.09	31986.82	44766.30	23580.87	24277.95
TIBAGI - PR	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	2050541.50	15741.73	15741.73	31483.46	15741.73	16281.47
TOLEDO - PR	326267.41	333018.55	330509.09	0.00	661574.73	432485.61	309735.61	330243.21	328269.48	328972.26	329355.07	657787.48	328893.74	339312.22
UMUARAMA - PR	7949.68	62340.31	62176.16	61716.59	61823.45	60599.68	61823.45	61823.45	61823.45	61823.45	61823.45	123646.90	NA	NA
UNIAO DA VITORIA - PR	2479.27	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00

Se quisermos exportar os dados:

setwd("..\\dados-produzidos")
write_xlsx(recebe_comprev2, "ReceitaCOMPREV-PR.xlsx")

Se quisermos ver a evolução temporal da receita de COMPREV de um determinado RPPS, por exemplo Alto Paraná - PR, podermos fazer da seguinte forma:

ENTE <- "ALTO PARANA - PR"

dipr %>%
  filter(ente == ENTE) %>%
  select(ente, competencia, ing_comprev) %>%
  mutate(competencia = as.Date(paste("01", competencia, sep="/"), "%d/%b/%Y")) %>%
  group_by(ente, competencia) %>%
  summarise(comprev = sum(ing_comprev, na.rm=TRUE)) %>%
  ggplot(aes(x=competencia, y=comprev, group=1)) +
  geom_line() +
  geom_point()

Como a quantidade de variáveis na base do DIPR é bem grande (91 variáveis) as possibilidades de análise são muitas mas o código aqui apresentado já dá uma boa ideia de como utilizar esses dados.

Parcelamentos de Débitos

O objetivo da análise é identificar os RPPS com parcelamentos ativos, a quantidade de parcelamentos ativos, o valor consolidado dos parcelamentos e o saldo a pagar.

Para isso, será utilizado o arquivo PARCELAMENTOS_30042019.xlsx disponibilizado pela SPrev/ME.

1. Importação dos dados:

Como de costume, o prmeiro passo é realizar a importação da base de dados.

# Entes com parcelamentos
#-------------------------------------------------------------------------------
setwd("..\\dados")
parcel <- read_excel("PARCELAMENTOS_30042019.xlsx", skip = 3, col_names = FALSE)
names(parcel) <- c("ente", "uf", "tipo", "situacao", "num_acordo", "rubrica",
                   "lei", "dt_consol", "dt_assin", "dt_venc_1a", "compet_ini",
                   "compet_fin", "vlr_consolid", "qtd_parc", "vlr_parc_ini",
                   "sd_estim_satualiz", "sd_estim_catualiz", "comp_indice",
                   "comp_tipo_juros", "comp_txjuros", "comp_multa", "parcvinc_indice",
                   "parcvinc_tipojuros", "parcvinc_txjuros", "parcvinc_multa",
                   "parcatraso_indice", "parcatraso_tipojuros",
                   "parcatraso_txjuros", "parcatraso_multa")

Vamos dar uma olhada na base de dados:

kable(head(parcel))

ente	uf	tipo	situacao	num_acordo	rubrica	lei	dt_consol	dt_assin	dt_venc_1a	compet_ini	compet_fin	vlr_consolid	qtd_parc	vlr_parc_ini	sd_estim_satualiz	sd_estim_catualiz	comp_indice	comp_tipo_juros	comp_txjuros	comp_multa	parcvinc_indice	parcvinc_tipojuros	parcvinc_txjuros	parcvinc_multa	parcatraso_indice	parcatraso_tipojuros	parcatraso_txjuros	parcatraso_multa
Abadia de Goiás	GO	P	Aceito	00198/2009	OUTR	LEI MUNICIPAL 239/2004 C/C PORTARIA 402/2008 E 83/2009	27/03/2009	27/03/2009	30/04/2009	02/2007	12/2008	216.084,06	240	900,35	108.042,00	237.692,40	SELIC	Simples	1,00	NA	SELIC	Simples	1,00	NA	SELIC	Simples	1,00	NA
Abadia de Goiás	GO	P	Aceito	01121/2016	CP60	Lei Municipal n. 636/2016, de 16 de dezembro de 2016	21/12/2016	21/12/2016	30/12/2016	02/2016	10/2016	585.393,82	60	9.756,56	312.209,92	399.628,70	IPCA	Simples	0,50	1,00	IPCA	Simples	0,50	NA	IPCA	Simples	1,00	2,00
Abadia de Goiás	GO	P	Aceito	00138/2017	CP60	Lei Municipal n. 636/2016, de 16 de dezembro de 2016	03/02/2017	06/02/2017	01/03/2017	10/2016	10/2016	45.123,45	60	752,06	26.322,10	32.902,62	IPCA	Simples	0,50	1,00	IPCA	Simples	0,50	NA	IPCA	Simples	1,00	2,00
Abadia de Goiás	GO	P	Aceito	00645/2017	CP60	Lei Municipal n. 636/2016, de 16 de dezembro de 2016	24/07/2017	24/07/2017	31/08/2017	02/2017	06/2017	461.544,36	60	7.692,41	307.696,40	369.235,68	IPCA	Simples	0,50	1,00	IPCA	Simples	0,50	NA	IPCA	Simples	1,00	2,00
Abadia de Goiás	GO	P	Aceito	01426/2018	CP60	Lei Municipal n. 636/2016, de 16 de dezembro de 2016	21/12/2018	21/12/2018	30/01/2019	02/2018	10/2018	1.172.611,97	24	48.858,83	1.026.035,43	1.056.816,49	IPCA	Simples	0,50	1,00	IPCA	Simples	0,50	NA	IPCA	Simples	1,00	2,00
Abadia de Goiás	GO	P	Aceito	00143/2019	CP60	Lei Municipal n. 636/2016, de 16 de dezembro de 2016	08/02/2019	11/02/2019	31/03/2019	11/2018	12/2018	396.962,34	22	18.043,74	378.918,54	382.707,73	IPCA	Simples	0,50	1,00	IPCA	Simples	0,50	NA	IPCA	Simples	1,00	2,00

Feita a importação, quase sempre será necessário realizar algum pré-processamento da base de dados. Aqui será necessário converter algumas variáveis para o formato numérico. Especificamente vamos converter as variáveis vlr_consolid e sd_estim_satualiz. Também faremos uma pequena redução no nome de alguns Entes.

# Converter dados para o formato numérico

convNum <- function(x){
  as.numeric(gsub(",", ".", gsub("\\.", "", x)))
}

colunas_converter <- c("vlr_consolid", "sd_estim_satualiz", "sd_estim_catualiz", "vlr_parc_ini")
parcel[, colunas_converter] <- sapply(parcel[, colunas_converter], convNum)

# Limpar os nomes dos entes:
parcel$ente <- gsub("^Governo do ", "", parcel$ente)

Vamos salvar a base no formato .Rds do R para uso posterior:

setwd("..\\dados-produzidos")
saveRDS(parcel, file="Parcelamentos_DtGer30042019.Rds")

2. Parcelamentos ativos

A variável situacao nos dá uma indicação da situação do parcelamento, muito provavelmente na data da geração da base de dados. Os valores possiveis dessa variável são:

unique(parcel$situacao)

[1] "Aceito"                   "Não aceito"               "Quitado"                  "Aguardando doc. assinado" "Aguardando análise"       "Repactuado"

para servos conservadores em relação o montante de dívida oriunda de parcelamentos que os Entes possuem com seus RPPS, vamos retirar da base os acordos de parcelamento quitados e não aceitos.

parcel <- parcel %>% 
            filter(!(situacao %in% c("Quitado", "Não aceito")))

3. Agregação dos parcelamentos

Vamos a seguir realizar uma agregação dos dados com vistas a mostrar, em relação aos Entes qual a situação em relação a quantidade e valor dos parcelamentos.

tab_parcelamentos <- parcel %>%
  group_by(ente) %>%
  summarise(qtd_acordos = n(),
            valor_consolidado = sum(vlr_consolid, na.rm=TRUE),
            sd_sem_atualiz = sum(sd_estim_satualiz, na.rm = TRUE),
            percentual = round(sd_sem_atualiz / valor_consolidado * 100, 2)) %>%
  arrange(desc(valor_consolidado))

kable(head(tab_parcelamentos))

ente	qtd_acordos	valor_consolidado	sd_sem_atualiz	percentual
Estado do Amapá	31	3447912889	2820625396	81.81
Estado do Tocantins	9	794717442	383913282	48.31
Curitiba	5	766061169	575421093	75.11
Florianópolis	24	765330461	518112744	67.70
Betim	13	635762214	451580074	71.03
Campos dos Goytacazes	15	558804387	382784397	68.50

Fluxo Atuarial

Os fluxos atuariais são objeto do Capítulo VII da Portaria 464 de 19.11.2018. Um primeiro aspecto importante a ser considerado é que os mesmos são parte integrante da avaliação atuarial (art. 10).

Estes fluxos tem por objetivo evidenciar as projeções de todas as receitas e despesas do RPPS. Sua estrutura deverá seguir modelos aprovados pela Secretaria de Previdência.

Os modelos do fluxo atuarial e orientações quanto ao preenchimento dos mesmos podem ser obtidos nos seguintes links:

Modelos de planilhas: http://sa.previdencia.gov.br/site/2015/04/Fluxos-atuariais-Para-o-site-em-abril_2015_.zip

Instruções de preenchimento dos fluxos atuariais: http://sa.previdencia.gov.br/site/2015/04/2015-_Instru%C3%A7%C3%B5es-de-Preenchimento-dos-Fluxos-Atuariais.xlsx

Também de interesse são as orientações contidas no documento INSTRUÇÕES GERAIS PARA DOWNLOAD, PREPARAÇÃO E TRANSMISSÃO DOS FLUXOS ATUARIAIS que pode ser baixado no seguinte link: http://sa.previdencia.gov.br/site/2015/01/Instru%C3%A7%C3%B5es-gerais-para-download-prepara%C3%A7%C3%A3o-e-transmiss%C3%A3o-dos-Fluxos-Atuariais-23_jan_20151.pdf

De acordo com este documento, “os valores da linha 157 estão arredondados na casa dos centavos, de forma que os valores dessa linha devem corresponder aos valores informados na aba ‘Resultados / Valores dos Compromissos’ do DRAA”.

É vedado fazer alterações na planilha, de forma que a construção de rotinas de verificação automatizada das mesmas pode ser elaborada sem maiores complicadores.

O layout dos fluxos atuariais é apresentado a seguir:

Para a execução deste procedimento, vamos utilizar os seguintes conjuntos de dados:

2019_FLX_CIVIL_PREV_GA_cnpj - Com cálculo Duração.xlsx
2019_FLX_CIVIL_PREV_GA_XXXXXXXXXXXXXX.csv
Comparativo de Receita Despesa.csv

Desses arquivos o primeiro e o terceiro estão disponíveis no site da SPrev. O segundo contém os dados do fluxo atuarial a ser examinado e não consta do site. Estes arquivos devem ser requisitados aos RPPS.

O arquivo 2019_FLX_CIVIL_PREV_GA_cnpj - Com cálculo Duração.xlsx será utilizado apenas para obtenção dos dos nomes das variáveis e os correspondentes códigos, o que pode ser feito da seguinte forma:

# Gerar um data frame com os nomes e os códigos das varíaveis

dicionario <- read_excel("2019_FLX_CIVIL_PREV_GA_cnpj - Com cálculo Duração.xlsx", sheet="Flx_CIVIL_PREV_GA", range="A7:BQ8")
dicionario <- t(dicionario)
dicionario <- data.frame(cod = dimnames(dicionario)[[1]], 
                       descr = unname(dicionario[, 1]))
dicionario$cod <- paste("V", dicionario$cod, sep = "")

Obtido o dicionário de dados, vamos dar uma olhada:

# Mostrar o dicionário
knitr::kable(dicionario)

cod	descr
V100101	Instante
V100201	Ano
V100301	Taxa de Juros (%)
V100401	Fator de Desconto
V109001	Base de Cálculo da Contribuição Normal
V111000	Benefícios Concedidos - Contribuições dos Aposentados
V111101	Benefícios Concedidos - Contribuições Futuras dos Aposentados - Aposentadorias Programadas
V111201	Benefícios Concedidos - Contribuições Futuras dos Aposentados - Aposentadorias Especiais de Professores
V111301	Benefícios Concedidos - Contribuições Futuras dos Aposentados - Outras Aposentadorias Especiais
V111401	Benefícios Concedidos - Contribuições Futuras dos Aposentados - Aposentadorias por Invalidez
V112000	Benefícios Concedidos - Contribuições dos Pensionistas
V119900	Benefícios Concedidos - Compensação Previdenciária a Receber
V121000	Benefícios a Conceder - Contribuições do Ente
V121100	Benefícios a Conceder - Contribuições Futuras do Ente - Aposentadorias Programadas
V121200	Benefícios a Conceder - Contribuições Futuras do Ente - Aposentadorias Especiais de Professores
V121300	Benefícios a Conceder - Contribuições Futuras do Ente - Outras Aposentadorias Especiais
V121400	Benefícios a Conceder - Contribuições Futuras do Ente - Aposentadorias por Invalidez
V121500	Benefícios a Conceder - Contribuições Futuras do Ente - Pensões Por Morte de Servidores em Atividade
V121600	Benefícios a Conceder - Contribuições Futuras do Ente - Pensões Por Morte de Aposentados
V121700	Benefícios a Conceder - Contribuições Futuras do Ente - Outros Benefícios e Auxílios
V122000	Benefícios a Conceder - Contribuições dos Segurados Ativos
V122100	Benefícios a Conceder - Contribuições Futuras dos Segurados Ativos - Aposentadorias Programadas
V122200	Benefícios a Conceder - Contribuições Futuras dos Segurados Ativos - Aposentadorias Especiais de Professores
V122300	Benefícios a Conceder - Contribuições Futuras dos Segurados Ativos - Outras Aposentadorias Especiais
V122400	Benefícios a Conceder - Contribuições Futuras dos Segurados Ativos - Aposentadorias por Invalidez
V122500	Benefícios a Conceder - Contribuições Futuras dos Segurados Ativos - Pensões Por Morte de Segurados em Atividade
V122600	Benefícios a Conceder - Contribuições Futuras dos Segurados Ativos - Pensões Por Morte de Aposentados
V122700	Benefícios a Conceder - Contribuições Futuras dos Segurados Ativos - Outros Benefícios e Auxílios
V123000	Benefícios a Conceder - Contribuições dos Aposentados
V123100	Benefícios a Conceder - Contribuições Futuras dos Aposentados - Aposentadorias Programadas
V123200	Benefícios a Conceder - Contribuições Futuras dos Aposentados - Aposentadorias Especiais de Professores
V123300	Benefícios a Conceder - Contribuições Futuras dos Aposentados - Outras Aposentadorias Especiais
V123400	Benefícios a Conceder - Contribuições Futuras dos Aposentados - Aposentadorias por Invalidez
V124000	Benefícios a Conceder - Contribuições dos Pensionistas
V124100	Benefícios a Conceder - Contribuições Futuras dos Pensionistas - Aposentadorias Programadas
V124200	Benefícios a Conceder - Contribuições Futuras dos Pensionistas - Aposentadorias Especiais de Professores
V124300	Benefícios a Conceder - Contribuições Futuras dos Pensionistas - Outras Aposentadorias Especiais
V124400	Benefícios a Conceder - Contribuições Futuras dos Pensionistas - Aposentadorias por Invalidez
V124500	Benefícios a Conceder - Contribuições Futuras dos Pensionistas - Pensões Por Morte de Segurados em Atividade
V129000	Benefícios a Conceder - Compensação Previdenciária a Receber
V130101	Plano de Amortização do Déficit Atuarial estabelecido em lei
V130201	Parcelamentos de Débitos Previdenciários
V139901	Valor Atual da Cobertura da Insuficiência Financeira (Outras Receitas)
V190000	(A) TOTAL DAS RECEITAS COM CONTRIBUIÇÕES E COMPENSAÇÃO PREVIDENCIÁRIA
V210000	Benefícios Concedidos - Encargos
V211001	Benefícios Concedidos - Encargos - Aposentadorias Programadas
V212001	Benefícios Concedidos - Encargos - Aposentadorias Especiais de Professores
V213001	Benefícios Concedidos - Encargos - Outras Aposentadorias Especiais
V214001	Benefícios Concedidos - Encargos - Aposentadorias por Invalidez
V215001	Benefícios Concedidos - Encargos - Pensões Por Morte
V219901	Benefícios Concedidos - Encargos - Compensação Previdenciária a Pagar
V220000	Benefícios a Conceder - Encargos
V221000	Benefícios a Conceder - Encargos - Aposentadorias Programadas
V222000	Benefícios a Conceder - Encargos - Aposentadorias Especiais de Professores
V223000	Benefícios a Conceder - Encargos - Outras Aposentadorias Especiais
V224000	Benefícios a Conceder - Encargos - Aposentadorias por Invalidez
V225000	Benefícios a Conceder - Encargos - Pensões Por Morte de Servidores em Atividade
V226000	Benefícios a Conceder - Encargos - Pensões Por Morte de Aposentados
V227000	Benefícios a Conceder - Encargos - Outros Benefícios e Auxílios
V229000	Benefícios a Conceder - Encargos - Compensação Previdenciária a Pagar
V239901	Outras Despesas
V240000	(B) TOTAL DAS DESPESAS COM BENEFÍCIOS DO PLANO
V250001	(C) INSUFICIÊNCIA OU EXCEDENTE FINANCEIRO (A-B)
V260001	(D) SALDO ACUMULADO DO EXERCÍCIO A VALOR ATUAL
V270001	(E) RENTABILIDADE ESPERADA (%)
V280001	(F) Rentabilidade dos Ativos que compõem os Recursos Garantidores
V290001	(G) EVOLUÇÃO DOS RECURSOS GARANTIDORES (Informar o valor acumulado na data da avaliação)
V310000	( H ) BENEFÍCIOS LÍQUIDOS A VALOR PRESENTE
V320000	( I ) BENEFÍCIOS LÍQUIDOS PONDERADOS PELO INSTANTE

Importação dos Dados

Os fluxos atuariais não estão, atualmente, disponíveis para download no site da Secretaria de Previdência do Ministério da Economia (SPrev/ME) nem no CADPREVWeb.

Conseguimos um exemplar que usaremos para demonstrar como realizar sua análise usando o R.

Vamos definir uma pequena função que calculará a o Fator de Desconto (V100401) a partir das Taxas de Juros (V100301) informadas no fluxo atuarial.

# Define uma função auxiliar para calcular as taxas de desconto
#--------------------------------------------------------------
calcula_tx_desconto <- function(i, postecipado = TRUE){
  #--------------------
  # i: Variável V100301
  #--------------------
  if(postecipado){
    desconto <- 1 / (1 + i)
  } else {
    desconto <- c(1, 1 / (1 + i[2:length(i)])) 
  }
  round(cumprod(desconto), 5)
}

Vamos iniciar a análise do fluxo atuarial importando os dados contidos no aquivo 2019_FLX_CIVIL_PREV_GA_XXXXXXXXXXXXXX.csv.

A importação do conteúdo do arquivo é feito da seguintes forma:

# Importação dos dados
setwd("..\\dados")
flx_orig <- read.csv2("2019_FLX_CIVIL_PREV_GA_XXXXXXXXXXXXXX.csv", skip = 5, header=FALSE)

# Coloca nomes nas colunas
colfluxo <- c(100101, 100201, 100301, 100401, 109001,   111000, 111101, 111201, 111301,
              111401,   112000, 119900, 121000, 121100, 121200, 121300, 121400, 121500,
              121600,   121700, 122000, 122100, 122200, 122300, 122400, 122500, 122600,
              122700,   123000, 123100, 123200, 123300, 123400, 124000, 124100, 124200,
              124300,   124400, 124500, 129000, 130101, 130201, 139901, 190000, 210000,
              211001,   212001, 213001, 214001, 215001, 219901, 220000, 221000, 222000,
              223000,   224000, 225000, 226000, 227000, 229000, 239901, 240000, 250001,
              260001,   270001, 280001, 290001)

if(ncol(flx_orig) == 67){
  names(flx_orig) <- paste("V", colfluxo, sep="")
} else { 
  names(flx_orig) <- paste("V", c(colfluxo, 310000, 320000), sep="")
}

Ao colocar os nomes das colunas estamos considerando a possibilide do fluxo atuarial conter ou não as variáveis V310000 e V320000 necessárias para o cálculo da Duração do Passivo, requisito introduzido com a Portaria MF 464/18.

Os comandos a seguir irão converter algumas variáveis numéricas que foram importadas como se fossem fatores.

# Conversão de variáveis para o formato numérico
numeros <- sapply(flx_orig, is.factor)
flx_orig[,numeros] <- sapply(flx_orig[,numeros], function(x) as.numeric(gsub(",", ".", gsub("\\.", "", x))))

Feita a importação dos dados, será necessário obter os dados contidos nas linhas denominadas ** Totais de Controle:** e Totais de Controle a Valor Atual: e posteriormente excluí-las da base de dados. Isso é feito com os comandos a seguir:

# Reter as linhas de controle "Totais de Controle" e "Totais de Controle a Valor Atual"
linhas_controle <- filter(flx_orig, !grepl("^\\d+", V100101))

# e excluílas da base de dados
flx_orig <- filter(flx_orig, grepl("^\\d+", V100101))

Feito isso, o próximo passo é realizar o “recálculo” de algumas variáveis conforme mostrado a seguir.

# Identifica se o fluxo é postecipado ou não.
postecipado <- ifelse(flx_orig$V100101[1] == 1, TRUE, FALSE)

# Obtém o ano do fluxo (ano inicial do fluxo...)
ano <- flx_orig$V100201[1]

# Recálculo de algumas variáveis...
flx_orig <- mutate(flx_orig,
                  V100401 = calcula_tx_desconto(i = flx_orig$V100301 / 100, postecipado = postecipado), 
                  V111000 = V111101 + V111201 + V111301 + V111401 ,
                  V121000 = V121100 + V121200 + V121300 + V121400 + V121500 + V121600 + V121700,
                  V122000 = V122100 + V122200 + V122300 + V122400 + V122500 + V122600 + V122700,
                  V123000 = V123100 + V123200 + V123300 + V123400,
                  V124000 = V124100 + V124200 + V124300 + V124400 + V124500,
                  V190000 = V111000 + V112000 + V119900 + V121000 + V122000 + V123000 + V124000 + V129000 + V130101 + V139901,
                  V210000 = V211001 + V212001 + V213001 + V214001 + V215001 + V219901,
                  V220000 = V221000 + V222000 + V223000 + V224000 + V225000 + V226000 + V227000 + V229000 + V239901,
                  V240000 = V210000 + V220000,
                  V250001 = V190000 - V240000)

Recalculadas as variáveis de interesse a partir dos dados informados no fluxo é necessário agora determinar o valor atual das mesmas e compará-las com os valores relativos aos Totais de Controle a Valor Atual que consta da planilha do fluxo atuarial o que mostramos no tópico a seguir.

Identificação de divergências

Neste tópico o objetivo é apresentar as análises de consistência que serão realizadas no fluxo atuarial.

Uma primeira análise básica é a revisão de cálculos. Nas planilhas modelo do fluxo atuarial, algumas células são editáveis e outras são automaticamente calculadas pela planilha em função dos valores fornecidos. Essa análise consistirá apenas em checar se os valores da linha que contém os Totais de Controle a Valor Atual guardam conformidade com os valores recalculados a partir dos dados da planilha. Trata-se apenas de conferência de cálculo.

A seguir ilustramos como realizar esta conferência.

# Codigos a serem conferidos:
#----------------------------
codigos <- c("V109001", "V111000", "V111101", "V111201", "V111301", "V111401", "V112000",
             "V119900", "V121000", "V121100", "V121200", "V121300", "V121400", "V121500",
             "V121600", "V121700", "V122000", "V122100", "V122200", "V122300", "V122400",
             "V122500", "V122600", "V122700", "V123000", "V123100", "V123200", "V123300",
             "V123400", "V124000", "V124100", "V124200", "V124300", "V124400", "V124500",
             "V129000", "V130101", "V130201", "V139901", "V190000", "V210000", "V211001",
             "V212001", "V213001", "V214001", "V215001", "V219901", "V220000", "V221000",
             "V222000", "V223000", "V224000", "V225000", "V226000", "V227000", "V229000",
             "V239901", "V240000", "V250001")

# Obtenção dos valores da linha de controle calculados
#---------------------------------------------
soma_calculado    <- apply(flx_orig[, codigos], 2, sum, na.rm=TRUE) 
soma_vp_calculado <- apply(flx_orig[, codigos], 2, function(x) sum(x * flx_orig$V100401, na.rm = TRUE)) 
soma_calc <- as.data.frame(rbind(soma_calculado, soma_vp_calculado))


# Obtenção das linhas contendo os valores da linha de controle da planilha de fluxo
soma_fluxo <- linhas_controle[, codigos]
row.names(soma_fluxo) <- c("soma_fluxo", "soma_vp_fluxo")


## IDENTIFICAÇÃO DOS CÓDIGOS COM DIVERGÊNCIAS
##-------------------------------------------
dados <- as.data.frame(cbind(t(soma_calc), t(soma_fluxo)))
dados <- transform(dados,
                    dif_soma = soma_calculado - soma_fluxo,
                    dif_vp   = soma_vp_calculado - soma_vp_fluxo)

dados <- subset(dados, dif_vp != 0)[, c("soma_vp_calculado", "soma_vp_fluxo", "dif_vp")]
dados$cod <- row.names(dados)

dados <- merge(dados, dicionario, by="cod")
dados <- dados[, c("cod", "descr", "soma_vp_calculado", "soma_vp_fluxo", "dif_vp")]

dados$dif_vp <- round(dados$dif_vp, 2)

A tabela a seguir apresenta os códigos das colunas para as quais os valores presente das variáveis recalculadas (soma_vp_calculado) diferem do valor presente apresentados no arquivo do fluxo atuarial (soma_vp_fluxo).

knitr::kable(dados, format.args = list(decimal.mark = ",", big.mark = "."))

cod	descr	soma_vp_calculado	soma_vp_fluxo	dif_vp
V109001	Base de Cálculo da Contribuição Normal	102.526.743,93	102.526.271,37	472,56
V119900	Benefícios Concedidos - Compensação Previdenciária a Receber	229.841,11	229.838,88	2,23
V121000	Benefícios a Conceder - Contribuições do Ente	19.199.591,41	19.199.502,91	88,50
V121100	Benefícios a Conceder - Contribuições Futuras do Ente - Aposentadorias Programadas	11.323.615,50	11.323.563,30	52,20
V121200	Benefícios a Conceder - Contribuições Futuras do Ente - Aposentadorias Especiais de Professores	4.930.717,44	4.930.694,72	22,72
V121400	Benefícios a Conceder - Contribuições Futuras do Ente - Aposentadorias por Invalidez	676.744,02	676.740,90	3,12
V121500	Benefícios a Conceder - Contribuições Futuras do Ente - Pensões Por Morte de Servidores em Atividade	807.622,14	807.618,42	3,72
V121600	Benefícios a Conceder - Contribuições Futuras do Ente - Pensões Por Morte de Aposentados	1.290.709,99	1.290.704,04	5,95
V121700	Benefícios a Conceder - Contribuições Futuras do Ente - Outros Benefícios e Auxílios	170.182,32	170.181,53	0,79
V122000	Benefícios a Conceder - Contribuições dos Segurados Ativos	9.908.542,97	9.908.500,68	42,29
V122100	Benefícios a Conceder - Contribuições Futuras dos Segurados Ativos - Aposentadorias Programadas	5.864.627,52	5.864.603,11	24,41
V122200	Benefícios a Conceder - Contribuições Futuras dos Segurados Ativos - Aposentadorias Especiais de Professores	2.553.674,28	2.553.663,26	11,02
V122400	Benefícios a Conceder - Contribuições Futuras dos Segurados Ativos - Aposentadorias por Invalidez	342.418,78	342.417,20	1,58
V122500	Benefícios a Conceder - Contribuições Futuras dos Segurados Ativos - Pensões Por Morte de Segurados em Atividade	408.640,46	408.638,58	1,88
V122600	Benefícios a Conceder - Contribuições Futuras dos Segurados Ativos - Pensões Por Morte de Aposentados	653.073,13	653.070,12	3,01
V122700	Benefícios a Conceder - Contribuições Futuras dos Segurados Ativos - Outros Benefícios e Auxílios	86.108,81	86.108,41	0,40
V129000	Benefícios a Conceder - Compensação Previdenciária a Receber	6.203.528,16	6.203.468,14	60,02
V130101	Plano de Amortização do Déficit Atuarial estabelecido em lei	3.485.348,78	3.485.303,50	45,28
V190000	(A) TOTAL DAS RECEITAS COM CONTRIBUIÇÕES E COMPENSAÇÃO PREVIDENCIÁRIA	39.026.852,43	39.028.227,15	-1.374,72
V210000	Benefícios Concedidos - Encargos	1.331.527,92	1.331.519,17	8,75
V211001	Benefícios Concedidos - Encargos - Aposentadorias Programadas	1.078.066,63	1.078.059,34	7,29
V214001	Benefícios Concedidos - Encargos - Aposentadorias por Invalidez	192.998,75	192.997,35	1,40
V215001	Benefícios Concedidos - Encargos - Pensões Por Morte	60.462,54	60.462,48	0,06
V220000	Benefícios a Conceder - Encargos	64.156.893,39	64.156.346,48	546,91
V221000	Benefícios a Conceder - Encargos - Aposentadorias Programadas	30.526.723,42	30.526.433,20	290,22
V222000	Benefícios a Conceder - Encargos - Aposentadorias Especiais de Professores	23.287.782,34	23.287.543,91	238,43
V224000	Benefícios a Conceder - Encargos - Aposentadorias por Invalidez	2.240.554,53	2.240.527,95	26,58
V225000	Benefícios a Conceder - Encargos - Pensões Por Morte de Servidores em Atividade	2.673.855,76	2.673.832,24	23,52
V226000	Benefícios a Conceder - Encargos - Pensões Por Morte de Aposentados	4.273.171,95	4.273.213,67	-41,72
V227000	Benefícios a Conceder - Encargos - Outros Benefícios e Auxílios	256.291,13	256.289,95	1,18
V229000	Benefícios a Conceder - Encargos - Compensação Previdenciária a Pagar	898.514,25	898.505,56	8,69
V240000	(B) TOTAL DAS DESPESAS COM BENEFÍCIOS DO PLANO	65.488.421,31	65.487.865,65	555,66
V250001	(C) INSUFICIÊNCIA OU EXCEDENTE FINANCEIRO (A-B)	-26.461.568,87	-26.459.638,50	-1.930,37

A tabela mostra diferencas desprezíveis. Para efeitos práticos pode-se, a meu ver, considerarmos que não há divergências. Parece razoável definirmos uma margem de tolerâncias para as divergências.

Conferência com o DRAA

Os dados apresentados no fluxo atuarial devem, também, guardar correspondência com os dados apresentados no DRAA. Assim, nesse tópico nosso objetivo é comparar os valores apresentados no fluxo atuarial com os apresentados no DRAA.

Os dados do DRAA serão obtidos do arquivo Valores_Compromissos.csv disponibilizado pela SPrev.

A seguir faremos a importação da base de dados e seleção dos registros relativos ao Ente e ano a que se refere o fluxo atuarial objeto de nossa análise.

setwd("..\\dados")

passivo <- read.csv2("Valores_Compromissos.csv", stringsAsFactors = FALSE)
names(passivo) <- c("cnpj", "uf", "ente", "ano", "dt_envio", "situacao_draa",
                    "tipo_plano", "tipo_massa", "codigo", "descr", "categoria",
                    "vlr_geracao_atual", "vlr_geracao_futura")

Feita a importação dos dados, será necessário realizar modificação no encoding das variáveis e converter variáveis para o formato numérico.

passivo[] <- sapply(passivo, iconv, from="utf-8", to="latin1")
passivo[,c("vlr_geracao_atual", "vlr_geracao_futura")] <- sapply(passivo[,c("vlr_geracao_atual", "vlr_geracao_futura")], function(x) as.numeric(gsub(",", ".", x)))

Agora precisamos recuperar nessa base de dados as informações relativas ao ente e ao ano do fluxo atuarial que estamos examinando. Isso pode ser feito da seguinte forma:

passivo_ente <- passivo %>%
  filter(uf=="XX", ano==2019, ente=="XX", tipo_plano == "Previdenciário") %>%
  select(codigo, descr, vlr_geracao_atual) %>%
  arrange(codigo)

Nota: Substituir XX pela uf e ente desejados. Essa informação não consta do código acima para não divulgar o RPPS cujo fluxo estamos analisando.

Vamos examinar parte dos dados:

kable(head(passivo_ente, 10), format.args = list(decimal.mark = ",", big.mark = "."))

codigo	descr	vlr_geracao_atual
109001	Valor Atual dos Salários Futuros	102.526.271,4
110000	VALOR ATUAL DAS CONTRIBUIÇÕES FUTURAS E COMPENSAÇÕES A RECEBER - BENEFÍCIOS CONCEDIDOS	229.838,9
111000	Benefícios Concedidos - Contribuições Futuras dos Aposentados	0,0
112000	Benefícios Concedidos - Contribuições Futuras dos Pensionistas	0,0
119900	Benefícios Concedidos - Compensação Previdenciária a Receber	229.838,9
120000	VALOR ATUAL DAS CONTRIBUIÇÕES FUTURAS E COMPENSAÇÕES A RECEBER - BENEFÍCIOS A CONCEDER:	35.311.471,7
121000	Benefícios a Conceder - Contribuições Futuras do Ente	19.199.502,9
122000	Benefícios a Conceder - Contribuições Futuras dos Segurados Ativos	9.908.500,7
123000	Benefícios a Conceder - Contribuições Futuras dos Aposentados	0,0
124000	Benefícios a Conceder - Contribuições Futuras dos Pensionistas	0,0

Agora temos que juntar estes dados ( DRAA ) com os dados relativos ao fluxo atuarial “conferido” e o “declarado”, que já foram obtidos anteriormente. Mas antes, será necessário uma pequena organização dos dados para que seja possível juntar as duas bases de dados.

soma_calc <- as.data.frame(t(soma_calc))
soma_calc$cod <- row.names(soma_calc)


soma_fluxo <- as.data.frame(t(soma_fluxo))
soma_fluxo$cod <- row.names(soma_fluxo)

dados_fluxo <- merge(soma_calc, soma_fluxo,
                    by.x="cod",
                    by.y="cod")

Vamos agora juntar os dados oriundos do fluxo atuarial com os dados oriundos do DRAA:

passivo_ente$codigo <- paste("V", passivo_ente$codigo, sep = "")

conferencia <- merge(passivo_ente, dados_fluxo[,c("cod", "soma_vp_calculado", "soma_vp_fluxo")],
                  by.x = "codigo",
                  by.y = "cod")

# Calcula diferenças entre o DRAA e Fluxo Atuarial
conferencia <- transform(conferencia,
                         dif = round(vlr_geracao_atual - soma_vp_calculado, 2))

Vamos olhar o resultado obtido:

# Apresentação do resultado (omitindo a variável "soma_vp_fluxo")
kable(conferencia[,c("codigo", "descr", "vlr_geracao_atual", "soma_vp_calculado", "dif")],
      format.args = list(decimal.mark = ",", big.mark = "."))

codigo	descr	vlr_geracao_atual	soma_vp_calculado	dif
V109001	Valor Atual dos Salários Futuros	102.526.271,37	102.526.743,93	-472,56
V111000	Benefícios Concedidos - Contribuições Futuras dos Aposentados	0,00	0,00	0,00
V112000	Benefícios Concedidos - Contribuições Futuras dos Pensionistas	0,00	0,00	0,00
V119900	Benefícios Concedidos - Compensação Previdenciária a Receber	229.838,88	229.841,11	-2,23
V121000	Benefícios a Conceder - Contribuições Futuras do Ente	19.199.502,91	19.199.591,41	-88,50
V122000	Benefícios a Conceder - Contribuições Futuras dos Segurados Ativos	9.908.500,68	9.908.542,97	-42,29
V123000	Benefícios a Conceder - Contribuições Futuras dos Aposentados	0,00	0,00	0,00
V124000	Benefícios a Conceder - Contribuições Futuras dos Pensionistas	0,00	0,00	0,00
V129000	Benefícios a Conceder - Compensação Previdenciária a Receber	6.203.468,14	6.203.528,16	-60,02
V130101	Valor Atual do Plano de Amortização do Déficit Atuarial estabelecido em lei	3.485.303,50	3.485.348,78	-45,28
V130201	Valor Atual dos Parcelamentos de Débitos Previdenciários	1.613,04	1.613,04	0,00
V210000	VALOR ATUAL DOS BENEFÍCIOS FUTUROS - ENCARGOS DE BENEFÍCIOS CONCEDIDOS	1.331.519,17	1.331.527,92	-8,75
V220000	VALOR ATUAL DOS BENEFÍCIOS FUTUROS - ENCARGOS DE BENEFÍCIOS A CONCEDER:	64.156.346,48	64.156.893,39	-546,91
V221000	Benefícios a Conceder - Encargos - Aposentadorias Programadas	30.526.433,20	30.526.723,42	-290,22
V222000	Benefícios a Conceder - Encargos - Aposentadorias Especiais de Professores	23.287.543,91	23.287.782,34	-238,43
V223000	Benefícios a Conceder - Encargos - Outras Aposentadorias Especiais	0,00	0,00	0,00
V224000	Benefícios a Conceder - Encargos - Aposentadorias por Invalidez	2.240.527,95	2.240.554,53	-26,58
V225000	Benefícios a Conceder - Encargos - Pensões Por Morte de Servidores em Atividade	2.673.832,24	2.673.855,76	-23,52
V226000	Benefícios a Conceder - Encargos - Pensões Por Morte de Aposentados	4.273.213,67	4.273.171,95	41,72
V227000	Benefícios a Conceder - Encargos - Outros Benefícios e Auxílios	256.289,95	256.291,13	-1,18
V229000	Benefícios a Conceder - Encargos - Compensação Previdenciária a Pagar	898.505,56	898.514,25	-8,69

Lembrando que as variáveis são:

vlr_geracao_atual - Valor atual obtido do DRAA
soma_vp_calculado - Valor atual recalculado a partir do fluxo
soma_vp_fluxo - Valor atual apresentado no fluxo

Análise de Razoabilidade

Outro grupo de análises refere-se a análises de razoabilidade. Estas análises consistirão basicamente em análises gráficas. O objetivo é tentar identificar comportamentos anômalos de algumas varáveis.

Exemplo: em se tratando de Geração Atual, que é um grupo fechado, é razoável que a variável V109001 (Valor Atual dos Salários Futuros ou Base de Cálculo da Contribuição Normal) apresente um comportamento decrescente ao longo dos anos, fato que deverá ser conferido no gráfico dessa variável que apresentamos a seguir juntamente com o gráfico de outras variáveis.

Valor atual dos salários futuros (V109001)

ggplot(flx_orig, aes(x=V100201, y=V109001 / 1e6)) +
  geom_line() +
  ylab("Valor Atual dos Salários Futuros \n(Em Milhões)") +
  xlab("Anos")

O gráfico se comporta como esperado.

(A) Total das receitas com contribuições e compensação previdenciária (V190000)

ggplot(flx_orig, aes(x=V100201, y=V190000 / 1e6)) +
  geom_line() +
  ylab("Total de Receitas com Contribuições e Comprev \n(Em Milhões)") +
  xlab("Anos")

Também esta variável se comporta conforme o esperado.

(B) Total das despesas com benefícios do plano (V240000)

ggplot(flx_orig, aes(x=V100201, y=V240000 / 1e6)) +
  geom_line() +
  ylab("Total das Despesas com Benefícios do Plano \n(Em Milhões)") +
  xlab("Anos")

(C) Insuficiência ou excedente financeiro (A-B) (V250001)

ggplot(flx_orig, aes(x=V100201, y=V250001 / 1e6)) +
  geom_line() +
  ylab("Resultado Financeiro \n(Em Milhões)") +
  xlab("Anos")

ISP - Indicador de Situação Previdenciária

Nosso objetivo neste tópico é mostrar algumas possibilidades de análise do Indicador de Situação Previdenciária - ISP.

Em particular uma análise possível é verificar a posiçao do indicador de um Ente em relação aos demais Entes do Estado.

A importação dos dados pode ser feita da seguinte forma:

setwd("..\\dados")
isp <- read_excel("RESULTADO-ISP-2018.01.xlsx")
isp <- isp[, -c(31, 32, 33, 34)]
names(isp) <- c("ENTE",    "UF", "REGIAO", "GRUPO", "ESCRITURA",    "APLICFIN",
                "CONTRIB", "COBSERVPUB", "CONCBENEF",   "EQUILATUAR",   "PARTSEG",  "PARCELTEMP",
                "REGRAS",    "UTILRECPREV", "CONF", "CLASSIF_CONF", "ENDIVID",  "SOLVFIN",
                "RAZAOAI", "COMPROMATUAR",  "SOLVATUAR",    "EQUIL",    "CLASSIF_EQUIL",
                "DRAA",    "DIPR",  "DPIN", "DAIR", "TRANSP",   "CLASSIF_TRANSP",   "ISP201801")

isp$ENTE <- gsub("^GOVERNO DO ", "", isp$ENTE)

Feita a importação dos dados, algumas análises com esse conjunto de dados são possíveis e serão aqui acrescidas à medida que o tempo permitir.

Podemos visualizar o indicador de um determinado RPPS em comparação com os dos demais RPPS de um mesmo Estado, ou comparar o indicador de um RPPS com os RPPS do mesmo porte.

Por exemplo, vamos ver como o RPPS do municipio de Campos dos Goytacazes no ERJ se compara com os demais RPPS do Estado do RJ com relação ao ISP:

ESTADO <- "RJ"
RPPS <- "CAMPOS DOS GOYTACAZES - RJ"

isp %>%
  filter(UF == ESTADO) %>%
  ggplot(aes(x=as.factor(UF), y=ISP201801)) +
  geom_boxplot() +
  labs(x="", y = "ISP") +
  geom_dotplot(binaxis = "y", stackdir="center", fill="lightgray", color="lightgray") +
  geom_point(y=isp$ISP201801[isp$ENTE == RPPS], color="blue", size=3, shape=8) +
  theme_bw()

Vê que o RPPS em questão está no quartil inferior da distribuição (marcado no gráfico com um asterisco azul).

Uma forma interativa de visualização do ISP pode ser obtida no seguinte site:https://marcosfs2006.shinyapps.io/Visualiza_ISP/

A Resolução Atricon 5/2018 orienta no sentido de se utilizar como referência o Indicador de Situação Previdenciária para efeito de definir os RPPS a serem avaliados nas Contas de Governo. (Item 24, m, III)

Este pode ser um ponto a ser desenvolvido posteriormente.

Análise de Dados Previdenciários - ADPrev

Marcos F Silva

23/09/2019