月度税收收入预方法之比较.doc

月度税收收入预测方法之比较 内容提要：文章对江苏地税税收收入分别使用多参数含季节趋势的指数平滑方法、含季节调整的ARIMA方法、BP神经网络方法和支持向量机方法建立月度税收收入预测模型。通过预测精度的比较，我们发现，在利用月度税收收入时间序列自身进行预测时，多参数含季节趋势的指数平滑方法、含季节调整的ARIMA方法预测精度接近并且优于BP神经网络方法和支持向量机方法。 关键词： 月度 税收 预测 中图分类号：F810.42 文献标识码：A 文章编号： 在税收收入预测中月度预测一直是各级税务部门预测工作的难点，因为月度税收数据通常有比较剧烈的波动并存在明显的时间趋势，仿佛是股指图。在对月度税收收入预测中，根据影响税收收入变化的经济因素建立回归方程的方法通常不可取，因为提前获知月度经济数据无法实现。因此利用税收数据自身进行税收收入预测是可行的办法。这些方法包括：1、传统的时间序列预测方法，例如季节模型和指数平滑方法；2、统计方法，例如对时间项或者自回归项进行回归和ARIMA方法；3、机器学习方法，例如：BP神经网络和支持向量机方法。在使用季节模型的时候，需要将月度的时间序列数据中包含的季节因子、循环变动因子和不规则变动因子加以剔除，获得时间序列数据的长期趋势，根据长期趋势曲线的形态对时间项回归，然后综合季节因子、循环变动因子和不规则变动因子的影响获得预测值，如果长期趋势线复杂，月度数据波动过大，预测的效果不理想。对时间项和自回归项建立回归方程的方法比较适合月度数据虽有波动但波动不大的预测，单纯依赖时间项和自回归项很难拟合出呈现“锯齿状”波动的月度收入曲线。因此，实际中比较可行的方法是多参数含季节趋势的指数平滑方法、含季节调整的ARIMA方法、BP神经网络方法和支持向量机方法。因此有必要对这四种方法进行比较，根据这四种模型的预测精度，选择在实际税收预测中，简便易行且效果理想的方法。以下我们以江苏省地方税务局2000年1月—2008年12月的月度税收收入合计数进行建模，并使用2009年1月—4月的实际数据验证预测模型的精度。 一．数据的特征 月度税收收入数据的合计数包括营业税、企业所得税、个人所得税等全部地方税种的月度税收收入，月度税收收入数据的变化形态见下图： 图一 月度税收收入变动趋势 从图一中可以看出，月度税收收入通常是三个月为一个最小波动周期，1、4、7、10月的税收收入在年度中通常是四个最高值，这与金融保险业营业税和企业所得税季缴因素有关。第二列峰值出现在“3、6、9和12月”，这与收入的“首季开门红、双过半和完成全年收入计划”组织形式非常吻合。“季缴因素”和“收入组织”因素相比较，“季缴因素”影响更大。在年度之间，税收收入呈现出上行的时间趋势。特别是2006年9月、10月、11月对江苏地税来说具有里程碑意义，这三个月中，江苏省地税收入从在百亿元水平下摆动，一举突破百亿元大关，并稳稳地站在百亿元水平之上。如果以三个月为一周期进行移动平均，再以十二个月为周期进行第二次移动平均，可以比较清楚地看出税收收入数据的长期变化趋势，如图二所示。 图二 月度税收收入长期趋势 从图二中能够看出，月度税收收入长期趋势呈现出“S”形，在2003年以前缓慢增长，在2003年—2007年底进入高速增长时期，2008年以后增速减缓。这一变化趋势与我国经济增长周期比较吻合，我国2003年—2007年是改革开放以来第二个经济增长率每年在两位数以上，并连续保持五年的时间区间。 税收月度收入在我国其他地区也同样表现出这一特征，这里使用宁夏区国税月度收入加以验证。月度税收收入变动趋势如图三所示： 图三 宁夏国税月度税收收入变动趋势 从图三中可以看出，即使是国税月度税收收入也表现出以三个月为一个最小波动周期的特点，1、4、7、10月的税收收入在年度中通常是四个最高值，第二列峰值出现在“3、6、9和12月”。与江苏不同的是，宁夏税收收入增长更加平缓，没有出现江苏2006年9-11月的跳跃式增长。 税收收入长期趋势如图四所示： 图四 宁夏国税月度税收收入长期趋势 从图四中能够看出，宁夏国税的月度税收收入长期趋势也呈现出“S”形，在2005年以前缓慢增长，在2005年—2008年第一季度进入高速增长时期，2008年以后增速减缓。这从税收数据说明，宁夏经济快速增长期可能短于江苏。 这里使用了国税、地税，东部和西部地区的月度税收收入数据进行对比，我们发现月度税收收入数据特征鲜明，在不同区域表现基本一致。这也为下面以江苏数据为例说明月度预测方法奠定了基础。 预测方法及其结果 （一）指数平滑方法 指数平滑方法可以通过调整对时间序列中包含的短期趋势的估计，自动追踪数据的变化，实现对短期变动趋势的预测。该方法又包括：一次指数平滑