税收收入预测方法讲义.ppt

税收收入预测方法,计划财务科邹玉燕2011年9月,1.税收预测方法概论2.月（季）税收收入预测3.年度税收收入预测4.小结,什么是税收收入预测,税收收入预测有广义和狭义两个概念从狭义上说是对一个国家（地区）在未来某一时期可能的税收收入的测算，是根据相关的历史资料和数据对未来税收收入趋势的推测。从广义上讲，税收收入预测还应包括税收收入测算和税收收入估算。前者是指在税收政策、制度或征管方式发生变化和调整的情况下对税收收入量的影响的推算。后者是通过摸清税源或税基的特征，按现行税收政策的征收要求对税收收入能力加以推断。,税收收入预测的困难,经济因素：经济波动、结构调整政策因素：税制、税率的改变征管因素,预测模式,预测方法,单一模型预测：使用单一的预测方法来进行税收收入预测混合模型预测：将多种预测方法结合使用，进行税收收入预测分类预测：可以对各税种、各行业的税收收入进行单独的收入预测，再综合为总收入的预测值,常用统计学方法,季节比率法线性回归预测法：利用与税收具有线性趋势的一个或多个影响因素，进行一元或多元线性回归。非线性预测法：对于一些不具有线性关系的影响因素，用线性回归显然是不合理的，此时，可以采用非线性预测，例如对数回归。时间序列预测法：根据历史资料，利用时间序列模型建立税收收入的趋势模型。在趋势比较明显而且稳定的情况下，用作短期预测的效果较好，但不宜用作长期预测。,常用机器学方法,神经网络模型：人工神经网络是对人脑或自然神经网络若干基本特性的抽象和模拟。人工神经网络以对大脑的生理研究成果为基础，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能。支持向量机模型：将实际问题通过非线性变换转换到高维的特征空间，在高维空间中构造线性决策函数来实现原空间中的非线性决策函数，巧妙地解决了维数问题，并保证了有较好的推广能力，而且算法复杂度与样本维数无关,季节比率法,分析判断月（季）地税收入是否呈季节性变动,方法、步骤,整理被研究现象若干年的月度资料或季度资料，编制成平行的时间数列动计算各年同期的平均数（如果是月度资料，计算各年同一月份的平均数；如果是季度资料，则计算各年同一季度的平均数）计算各年总的月（或季）平均数将各年同月（或季）的平均数与总的月（或季）平均数对比，即得各月（或季）的季节比率,季节比率法预测案例1,以20012011上半年全市地税收入季度数据，预测2011年三、四季地税收入为例，说明季节比率的测定方法。,季节比率法案例,预测结果1,以2011年一季度（138482万元）预测三季度地税收入=一季度地税收入/一季度季节比率三季度季节比率=138482106.57%129.8%=168668万元类似，四季度地税收入=98446亿元预计2011年全年地税收入：540666万元,预测结果2,以2011年二季度（135070万元）预测三季度地税收入=二季度地税收入/二季度季节比率三季度季节比率=13507098.48%129.8%=178027万元类似，四季度地税收入=103908万元预计2011年全年地税收入：555487万元,季节比率法预测案例2,以20052011上半年丰城地税收入季度数据，预测2011年三、四季地税收入为例，说明季节比率的测定方法,季节比率法预测案例,预测结果1,以2011年一季度（22149万元）预测三季度地税收入=一季度地税收入/一季度季节比率三季度季节比率=2214980.26%77.3%=21332万元类似，四季度地税收入=36764万元预计2011年全年地税收入：106995万元,预测结果2,以2011年二季度（26750元）预测三季度地税收入=二季度地税收入/二季度季节比率三季度季节比率=26750115.46%77.3%=17909万元类似，四季度地税收入=30865万元预计2011年全年地税收入：97673万元,时间序列法,时间序列同一现象在不同时间上的相继观察值排列而成的数列排列的时间可以是年份、季度、月份或其他任何时间形式,时间序列分类,平稳序列基本上不存在趋势的序列，各观察值基本上在某个固定的水平上波动。或虽有波动，但并不存在某种规律，而其波动可以看成是随机的非平稳序列有趋势的序列：线性的，非线性的有趋势、季节性和周期性的复合型序列,随机时间序列模型的建模理论和方法以平稳性为基础，非平稳性时间序列可以通过一次或多次差分的方式变成平稳性时间序列。,现实生活中，多数时间序列是非平稳的。受各种因素影响，时间序列很难长期停留在同一水平上。,时间序列法案例,以20012010年全市地税收入年度数据，利用移动平均法预测2011年全是地税收入。,时间序列法案例,时间序列法案例,预测结果,2011年全市地税收入预测完成313920万元预测误差50851万元2011年全市地税收入预测范围为：31392050851,季节性ARIMA模型,在某些时间序列中，存在明显的周期性变化。这种周期是由于季节性变化（包括季度、月度、周度等变化）或其他一些固有因素引起的。这类序列称为季节性序列。比如一个地区的气温值序列（每隔一小时取一个观测值）中除了含有以天为周期的变化，还含有以年为周期的变化。在经济领域中，季节性序列更是随处可见。如季度时间序列、月度时间序列、周度时间序列等。,统计软件,SASSPSSS-PlusSYSTATSTATAEviewR（已成为主流软件）,预测方法的选择,哪些方法好？没有标准答案需要具体问题具体分析选择哪种方法取决于数据针对某个层级/税种比较有效的方法，并不一定必然地适用于其他层级/税种,季节比率,优点：简单、实用缺点跨年度预测不准确适用问题周期性明显的数据（月（季）税收数据），而且稳定,时间序列,优点：能找到数据本身的变化趋势适合周期性明显的数据短期预测效果好缺点：要求较多数据适用问题：趋势比较明显，而且稳定,线形回归,优点：模型简洁，参数经济意义清晰参数估计简单理论成熟、丰富缺点：线性假设在实际问题中几乎不成立多重共线性问题适用问题：解释变量少、线性关系强、多重共线性不明显,神经网络,优点：拟合度高非线性缺点：黑盒子，模型无法解释容易过拟合适用问题：高度非线性关系的数据,预测结果的调整,主观调整：专家经验其他辅助信息自适应调整：对过去数年数据进行事后预测，根据预测精度的误差趋势，计算调整参数,预测不等于决策,预测模型不是一成不变的预测模型需要人的干预预测模型需要不断的改进没有万能的预测方法预测不是替决策者作出决策预测结果是供决策者参考的,税收预测的发展,目前我们主要是从历史税收数据出发预测税收收入。以后，要将经济因素、税制的改变、征收力度的加强等考虑进去。其中有些因素是可以量化的，有些是难以量化的。如何为这些影响因素建立合适的数学模型，并用于税收收入预测是下一步需要重点考虑的研究方向。,税收预测的发展,税收收入预测是一个复杂系统，而我国的税收收入预测则是一个更为复杂的问题。西方国家的税收制度已经非常成熟、稳定，而且有较长的历史数据积累。我国的税收制度还在不断完善和改进中，历史数据也不十分完整。这就需要我们长期地跟踪研究、进一步收集数据、不断改进模型和方法。,总结,谢谢大家！,