月税收收入预测方法之比较.pptxVIP

月度税收收入预测方法之比较潘雷驰导论常用方法的评价：1、季节模型2、指数平滑3、回归4、ARIMA5、BP神经网络6、支持向量机传统时间序列方法统计学方法机器学习方法一．数据的特征江苏地税1、4、7、10月 3、6、9、12月 2006年9月、10月、11月 “S”形 宁夏国税预测方法及其结果（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、二次指数平滑、多参数无季节趋势指数平滑和多参数有季节趋势指数平滑。因为月度收入数据的季节性和强烈的时间趋势，这里选用多参数有季节趋势指数平滑法，并使用乘积模型。我们使用2000年1月-2008年12月数据建立Holter-Winter季节乘积模型，利用2009年1月-4月数据验证模型的效果。计算软件是Eviews6.0。 表一 指数平滑方法预测结果时间实际值预测值误差率MAPE值2009年1月213082622158293.99%5.662009年2月126007812944722.73%2009年3月1160782130649412.55%2009年4月176383418232503.37%（二）ARIMA方法 在分析之前，首先对税收收入数据取自然对数，以平滑数据的波动。对数据平滑处理后绘制自相关分析图，以判定数据是否具有明显