基于支持向量机税收预测算法研究.docVIP

基于支持向量机税收预测算法研究 　　摘要：税收预测对财务预算和税收计划制定具有重要的意义。随着经济的快速发展，税务管理人员对税收预测精度和模型有效性提出了更高的要求。现有的税收预测模型主要用来验证模型的可行性，即主要目标是提高预测精度，没有充分考虑模型的实用性问题。该文从模型的预测精度和实用性角度研究税收预测问题，建立了基于网格搜索法优化的支持向量机税收?A测模型。文中应用GM（1，1）算法建立税收指标因子序列的预测模型，为税收预测模型提供更为全面的数据基础。对税收数据进行验证性实验结果表明，该方法预测精度提高了，绝对误差从6.9%降低到1.8%，并且实现了税收预测功能，证明了模型的可行性和实用性。 　　关键词：支持向量机；网格搜索法；GM（1，1）；指标因子；税收预测模型；验证性实验 　　中图分类号：TP312 文献标识码：A 文章编号：1009-3044（2018）02-0242-04 　　Tax Forecasting Algorithm Based on Support Vector Machine 　　JIA Xiao-guang 　　（Yanshan University， Qinhuangdao 066004， China） 　　Abstract： Tax forecasting has important significance to the financial budget and tax planning. With the rapid development of economy， the tax management personnel put forward higher requirements on the accuracy of tax forecasting and the validity of the model. The existing tax forecasting model is mainly used to verify the feasibility of the model， that is， the main goal is to improve the prediction accuracy， and not to fully consider the practicality of the model. In this paper， we studied the problems of tax forecasting Based on the forecast accuracy and practicability of the model and established the model of support vector machine Based on the optimization of the grid search method. The GM （1，1） algorithm is used to establish the forecast model of the tax index factor， which provides a more comprehensive data base for the tax revenue forecasting model. The validation experiment results show that the prediction accuracy of this method is improved， and the absolute error is reduced from 6.9% to 1.8%， and the function of tax forecast is realized. 　　Key words： support vector machine； grid search method； GM； index factor； tax forecast model； verification experiment 　　1 背景 　　税收预测是税收收入的出发点和税收宏观分析的基础，是在对税收历史数据收集、影响因素分析以及国家宏观经济调控的共同作用下工作的。预测结果能够帮助税务管理人员更有效、更好的安排税收计划和预见未来的税收情况，也是领导进行科学决策的重要依据。因此，税收预测具有很重要的研究价值。 　　自从学术界提出税收预测这一概念以来，学者们提出了很多税收预测模型，包括：回归分析模型、时间序列预测模型、神经网络预测模型、GM（1，1）预测模型和支持向量机预测模型等。2006年，李继嵬等人基于税收影响因素和数据特征将税收预测方法分为解释性的预测方法和时间序