・42・《数量经济技术经济研究》2007年第1期
Kc…,)_e冲(一亭)(4)
进行映射。同时选择Vapnik提出的£一insensitive损失函数
L‘y卜m(z)一y卜e…砒P二±。},,、foI厂(z)一yJ<£1(5)
在本例中对总税收利用SVIⅥ模型进行估计的含义则转化为以下对于(zi,yi)…(z女,弘)∈R,y∈R求最优的函数厂(z),用以表示z与y之间的依赖关系,引入RBF核函数后,模型化为:
厂一伽…j5(z)+6(6)
在
95(硼)一专lf叫||2+÷∑Iyi一厂(zi)J。(7)
一凡i一1
最小情况下的最优解。
本文主要通过以下步骤选择相应参数,建立相应的模型:①将样本分为两个部分,前一部分作为训练样本,后一部分作为测试样本;②固定RBF核中的参数盯一口,;③采用网格法,从(2一,2一,2~,2~,…,215)中依次选取C,从(o.00001,o.o001,o.001,o.01,o.1,o.2,o.5)中依次选取£,组成参数对(C,e),利用线性规划支持向量机算法对训练集作训练,用剩下的测试样本进行测试,得到各种组合下MSE最小的C和P值;④改变RBF核中的参数d一口。;⑤重复步骤3,计算得到最小的MSE;⑥重复以上步骤,直至选择到试算范围内较小的MsE。
在以上参数选择中应当注意的是,RBF核参数盯不应过大也不应过小,过大会造成回归效果较差,而过小则会造成过拟合,从而使得模型的外推能力较差。
在前面多元回归的基础上,将自变量的样本数据分为两个部分输人支持向量机,按照上述步骤选择参数进行建模过程,得到相应的参数为:
口一18000f一32768P—O.00001
模型的拟合曲线如图3所示。
图3一般预算收入SVM拟合效果
(4)一般预算收入组合预测模型。利用以上所建立的三种模型,得到各模型对样本期数据的拟合值,如表2。
地方财政一般预算收入预测模型及实证分析・43・
表2一般预算收入模型比较结果
年份实际值指数模型拟合值回归模型拟合值SⅥ订模型拟合值199494.6394.6300038.0048693.8989
1995116.8214124.7984106.4691116.82
1996139.6293144.4381163.4507145.7738
1997157.3296162.9951207.5159174.9066
1998198.1028177.2478243.2412208.2639
1999245.4721222.7655284.0379245.47
2000342.7745284.490l347.3952303.4024
2001500.6948408.1581429.9069371.3838
2002566.8522615.4992538.8902497.3243
2003706.5607697.5634705.1156714.3655
2004901.048823.6071905.8707963.8005
首先通过各预测模块得到拟合值与实际值,将拟合值减去实际值得到第i年每种预测模
广21474.062823059.1151125865.323525]
E3一I3059.11511212557.1149312693.00518
5865.32352512693。0091827552.21162
其中e。表示的是第i种方法与第J种方法的误差组合信息。按照本模型的设定,第1种表3一般预算收入组合预测结果
2005年2006年2007年2008年2009年2010年
1096.9381310.2611537.3311783.5262054.1992357.1573.其他四种主要税种的预测
按照上述一般预算收入预测模型相同的方法,对增值税、营业税、企业所得税、个人所
增值税于一o.7205A+o.2795于回+o九
营业税于一o.0833j‰+91677回+o丸
企业所得税于一o.0812丸+o.5159于回+o.4029九个人所得税于一o.4939A+o.432‰+o.0741九
块的拟合误差,再将三种模块的拟合误差两两组合相乘得到拟合误差组合序列,最后将每一列的误差加和得到组合预测误差信息矩阵:得税进行组合预测得到的组合预测模型分别为:
・44・《数量经济技术经济研究》2007年第1期
根据以上模型得到各分税种的2005~2010年的预测值,如表4。
表42005—2010年各税种组合预测结果
税种200520062007200820092010
增值税198.39221.04242.94264.79286.22307.73
营业税340.96396.74461.27518.98584.14642。87
企业所得税223.14258.74290.53317.58339.521356.51个人所得税67.0132277.157887.7670798.59593109.6807120.8434
三、模型评价
由于本文建模期间无法得到2005年的分项统计数据,因此在结论中也利用往年数据预测了2005年的地方财政收入,预测值为1096.938。近期浙江省统计局网站上公布2005年浙江省地方财政收入达到1066.6亿元,可以看出预测结果较好,与实际值的误差仅为30亿元,相对误差率为2.8%。
将三种单项预测方法以及组合预测方法在5大预测模块中的拟合误差总结如表5。其中对于模型优劣度的评价采用均方误差(MeanSquareError),以MSE表示,其定义式如下:
一一丢挚㈣
表5预测方法拟合误差比较
MSE一般预算收入增值税营业税企业所得税个人所得税
指数平滑2147.40643.9113790.810661415.16750.47624
回归模型1255.71170.7881721.580971074.15448.00158
SVM2755.221288.9941224.56151590.668116.3245
组合预测1081.439.2490921.005091269.08344.77343
在使用MSE方法对单项模型进行评价时,一般所遵循的准则是MSE最小的方法最优(李宝仁,2005)。MSE方法主要关注的是有没有大的预测失误,并倾向于否定容易产生大的预测失误的方法。
通过比较表格中的数据可以看到,五大模块中组合预测模型的MsE最小,除了在企业所得税预测中高于多元回归模型以外,在另外四大模块中皆有最佳表现。唐小我、马永开(2003)在《现代组合预测和组合投资决策方法及应用》中对各种组合预测权重选择方法进行仿真研究后发现,非负权重最优预测,特别是用于有一种单项预测的性能明显超出其他单项预测的情况。在本文模型构建过程中,结合上文在单项预测模型分析评价的基础上,可以看到在某一种单项预测模型表现良好的情况下,组合预测模型的MsE普遍低于单项预测模型,而在各模型表现相差不大时,如企业所得税预测模型中,组合预测模型的MSE并没有普遍优于其他单项预测模型。笔者所构建的模型从一个侧面也证实了作者的这一结论。
综合以上对组合预测模型的表现分析,可以认为组合预测模型总体表现较为优秀,对模型预测精度的改进贡献较大,而本文所引入的非负权重组合预测模型也较适合一般预算收入
地方财政一般预算收入预测模型及实证分析
作者:
作者单位:
刊名:
英文刊名:
年,卷(期):
引用次数:孙元, 吕宁浙江大学管理学院数量经济技术经济研究THE JOURNAL OF QUANTITATIVE & TECHNICAL ECONOMICS2007,24(1)4次
参考文献(7条)
1.Mahmoud E Accuracy in Forecasting:A Survey 1984
2.Reddick C G An Empirical Excamination of Revenue Forecasting Techniques in Local Governments 2004
3.唐小我.马永开.曾勇.杨桂元 现代组合预测和组合投资决策方法及应用 2003
4.李应红.尉询楷.刘建勋 支持向量机的工程应用 2004
5.李秉样 基于模糊神经网络的企业财务危机非线性组合预测方法研究[期刊论文]-管理工程学报 2005(01)
6.赵海青 神经网络优选组合预测模型在电力负荷预测中的应用[期刊论文]-运筹与管理 2005
7.李宝仁 经济预测:理论、方法及应用 2005
相似文献(1条)
1.学位论文 吕宁 地方财政一般预算收入预测模型研究——以浙江省为例 2006
地方财政收入不仅是国家财政收入的重要组成部分,也是各级地方政府行使其财政职能的重要保障,建立科学合理的地方财政收入预测模型,提高预测精确性,为政府编制预算、制定财政支出计划提供更有利的数据支持,是地方政府的一项重要工作。
目前我国地方政府构建地方财政收入预测模型的水平参差不齐;由于产业结构和经济发展水平的限制,各地方政府财政收入预测模型之间也不具有共享性;而浙江省在财政收入预测模型的研究方面较少有研究成果,研究空白较多。
因此本论文结合地方财政收入的构成内容以及结构特点,在充分考虑经济决定财政及其他各种因素对财政收入影响的前提下,按照定性与定量分析相结合的原则,使用传统的时间序列方法、多元回归方法以及基于学习理论的SVM方法分别对一般预算收入以及其中的主要税种建立单项预测模型,最后引入组合预测方法将上述三种方法有效结合,在浙江省实际数据的支持下建立了较为完整的地方财政一般预算收入预测模型,预测出浙江省“十一五”期间的地方财政一般预算收入。
本研究主要的贡献在于以定性与定量结合的实证方法建立了地方财政收入预测模型,在地方财政收入预测模型的研究方面作出了重要尝试,并得到一定的经验和成果,对于浙江省以及其他各地方政府建立财政收入预测模型有一定的参考价值。通过对模型构建中的主要预测方法进行了比较分析,得到结论认为比起复杂的预测模型,简单的指数平滑模型成本较小且表现并没有显著低于复杂预测模型;回归模型表现稳定,能够有效弥补指数模型对结构变化不敏感的缺陷;在时间序列结构表现不稳定时,引入多种预测方法能够有效的利用各种信息,降低模型预测误差。
引证文献(4条)
1.刘晓凤 我国社会保障支出预测研究——基于ARMA模型的分析[期刊论文]-金融教学与研究 2009(1)
2.王波.郭夜白.高来斌.仲崇文 最优加权预测在吉林省粮食产量预测中的应用[期刊论文]-吉林农业大学学报2008(5)
3.张红芹.王波.高来斌 组合预测模型在农业经济研究中的应用——以吉林省粮食产量为例[期刊论文]-安徽农业科学 2008(22)
4.郝硕博.李上炸 地方财政的税源结构及变动趋势实证研究[期刊论文]-税务研究 2008(6)
本文链接:http://d.g.wanfangdata.com.cn/Periodical_sljjjsjjyj200701005.aspx
下载时间:2010年6月1日
・42・《数量经济技术经济研究》2007年第1期
Kc…,)_e冲(一亭)(4)
进行映射。同时选择Vapnik提出的£一insensitive损失函数
L‘y卜m(z)一y卜e…砒P二±。},,、foI厂(z)一yJ<£1(5)
在本例中对总税收利用SVIⅥ模型进行估计的含义则转化为以下对于(zi,yi)…(z女,弘)∈R,y∈R求最优的函数厂(z),用以表示z与y之间的依赖关系,引入RBF核函数后,模型化为:
厂一伽…j5(z)+6(6)
在
95(硼)一专lf叫||2+÷∑Iyi一厂(zi)J。(7)
一凡i一1
最小情况下的最优解。
本文主要通过以下步骤选择相应参数,建立相应的模型:①将样本分为两个部分,前一部分作为训练样本,后一部分作为测试样本;②固定RBF核中的参数盯一口,;③采用网格法,从(2一,2一,2~,2~,…,215)中依次选取C,从(o.00001,o.o001,o.001,o.01,o.1,o.2,o.5)中依次选取£,组成参数对(C,e),利用线性规划支持向量机算法对训练集作训练,用剩下的测试样本进行测试,得到各种组合下MSE最小的C和P值;④改变RBF核中的参数d一口。;⑤重复步骤3,计算得到最小的MSE;⑥重复以上步骤,直至选择到试算范围内较小的MsE。
在以上参数选择中应当注意的是,RBF核参数盯不应过大也不应过小,过大会造成回归效果较差,而过小则会造成过拟合,从而使得模型的外推能力较差。
在前面多元回归的基础上,将自变量的样本数据分为两个部分输人支持向量机,按照上述步骤选择参数进行建模过程,得到相应的参数为:
口一18000f一32768P—O.00001
模型的拟合曲线如图3所示。
图3一般预算收入SVM拟合效果
(4)一般预算收入组合预测模型。利用以上所建立的三种模型,得到各模型对样本期数据的拟合值,如表2。
地方财政一般预算收入预测模型及实证分析・43・
表2一般预算收入模型比较结果
年份实际值指数模型拟合值回归模型拟合值SⅥ订模型拟合值199494.6394.6300038.0048693.8989
1995116.8214124.7984106.4691116.82
1996139.6293144.4381163.4507145.7738
1997157.3296162.9951207.5159174.9066
1998198.1028177.2478243.2412208.2639
1999245.4721222.7655284.0379245.47
2000342.7745284.490l347.3952303.4024
2001500.6948408.1581429.9069371.3838
2002566.8522615.4992538.8902497.3243
2003706.5607697.5634705.1156714.3655
2004901.048823.6071905.8707963.8005
首先通过各预测模块得到拟合值与实际值,将拟合值减去实际值得到第i年每种预测模
广21474.062823059.1151125865.323525]
E3一I3059.11511212557.1149312693.00518
5865.32352512693。0091827552.21162
其中e。表示的是第i种方法与第J种方法的误差组合信息。按照本模型的设定,第1种表3一般预算收入组合预测结果
2005年2006年2007年2008年2009年2010年
1096.9381310.2611537.3311783.5262054.1992357.1573.其他四种主要税种的预测
按照上述一般预算收入预测模型相同的方法,对增值税、营业税、企业所得税、个人所
增值税于一o.7205A+o.2795于回+o九
营业税于一o.0833j‰+91677回+o丸
企业所得税于一o.0812丸+o.5159于回+o.4029九个人所得税于一o.4939A+o.432‰+o.0741九
块的拟合误差,再将三种模块的拟合误差两两组合相乘得到拟合误差组合序列,最后将每一列的误差加和得到组合预测误差信息矩阵:得税进行组合预测得到的组合预测模型分别为:
・44・《数量经济技术经济研究》2007年第1期
根据以上模型得到各分税种的2005~2010年的预测值,如表4。
表42005—2010年各税种组合预测结果
税种200520062007200820092010
增值税198.39221.04242.94264.79286.22307.73
营业税340.96396.74461.27518.98584.14642。87
企业所得税223.14258.74290.53317.58339.521356.51个人所得税67.0132277.157887.7670798.59593109.6807120.8434
三、模型评价
由于本文建模期间无法得到2005年的分项统计数据,因此在结论中也利用往年数据预测了2005年的地方财政收入,预测值为1096.938。近期浙江省统计局网站上公布2005年浙江省地方财政收入达到1066.6亿元,可以看出预测结果较好,与实际值的误差仅为30亿元,相对误差率为2.8%。
将三种单项预测方法以及组合预测方法在5大预测模块中的拟合误差总结如表5。其中对于模型优劣度的评价采用均方误差(MeanSquareError),以MSE表示,其定义式如下:
一一丢挚㈣
表5预测方法拟合误差比较
MSE一般预算收入增值税营业税企业所得税个人所得税
指数平滑2147.40643.9113790.810661415.16750.47624
回归模型1255.71170.7881721.580971074.15448.00158
SVM2755.221288.9941224.56151590.668116.3245
组合预测1081.439.2490921.005091269.08344.77343
在使用MSE方法对单项模型进行评价时,一般所遵循的准则是MSE最小的方法最优(李宝仁,2005)。MSE方法主要关注的是有没有大的预测失误,并倾向于否定容易产生大的预测失误的方法。
通过比较表格中的数据可以看到,五大模块中组合预测模型的MsE最小,除了在企业所得税预测中高于多元回归模型以外,在另外四大模块中皆有最佳表现。唐小我、马永开(2003)在《现代组合预测和组合投资决策方法及应用》中对各种组合预测权重选择方法进行仿真研究后发现,非负权重最优预测,特别是用于有一种单项预测的性能明显超出其他单项预测的情况。在本文模型构建过程中,结合上文在单项预测模型分析评价的基础上,可以看到在某一种单项预测模型表现良好的情况下,组合预测模型的MsE普遍低于单项预测模型,而在各模型表现相差不大时,如企业所得税预测模型中,组合预测模型的MSE并没有普遍优于其他单项预测模型。笔者所构建的模型从一个侧面也证实了作者的这一结论。
综合以上对组合预测模型的表现分析,可以认为组合预测模型总体表现较为优秀,对模型预测精度的改进贡献较大,而本文所引入的非负权重组合预测模型也较适合一般预算收入
地方财政一般预算收入预测模型及实证分析
作者:
作者单位:
刊名:
英文刊名:
年,卷(期):
引用次数:孙元, 吕宁浙江大学管理学院数量经济技术经济研究THE JOURNAL OF QUANTITATIVE & TECHNICAL ECONOMICS2007,24(1)4次
参考文献(7条)
1.Mahmoud E Accuracy in Forecasting:A Survey 1984
2.Reddick C G An Empirical Excamination of Revenue Forecasting Techniques in Local Governments 2004
3.唐小我.马永开.曾勇.杨桂元 现代组合预测和组合投资决策方法及应用 2003
4.李应红.尉询楷.刘建勋 支持向量机的工程应用 2004
5.李秉样 基于模糊神经网络的企业财务危机非线性组合预测方法研究[期刊论文]-管理工程学报 2005(01)
6.赵海青 神经网络优选组合预测模型在电力负荷预测中的应用[期刊论文]-运筹与管理 2005
7.李宝仁 经济预测:理论、方法及应用 2005
相似文献(1条)
1.学位论文 吕宁 地方财政一般预算收入预测模型研究——以浙江省为例 2006
地方财政收入不仅是国家财政收入的重要组成部分,也是各级地方政府行使其财政职能的重要保障,建立科学合理的地方财政收入预测模型,提高预测精确性,为政府编制预算、制定财政支出计划提供更有利的数据支持,是地方政府的一项重要工作。
目前我国地方政府构建地方财政收入预测模型的水平参差不齐;由于产业结构和经济发展水平的限制,各地方政府财政收入预测模型之间也不具有共享性;而浙江省在财政收入预测模型的研究方面较少有研究成果,研究空白较多。
因此本论文结合地方财政收入的构成内容以及结构特点,在充分考虑经济决定财政及其他各种因素对财政收入影响的前提下,按照定性与定量分析相结合的原则,使用传统的时间序列方法、多元回归方法以及基于学习理论的SVM方法分别对一般预算收入以及其中的主要税种建立单项预测模型,最后引入组合预测方法将上述三种方法有效结合,在浙江省实际数据的支持下建立了较为完整的地方财政一般预算收入预测模型,预测出浙江省“十一五”期间的地方财政一般预算收入。
本研究主要的贡献在于以定性与定量结合的实证方法建立了地方财政收入预测模型,在地方财政收入预测模型的研究方面作出了重要尝试,并得到一定的经验和成果,对于浙江省以及其他各地方政府建立财政收入预测模型有一定的参考价值。通过对模型构建中的主要预测方法进行了比较分析,得到结论认为比起复杂的预测模型,简单的指数平滑模型成本较小且表现并没有显著低于复杂预测模型;回归模型表现稳定,能够有效弥补指数模型对结构变化不敏感的缺陷;在时间序列结构表现不稳定时,引入多种预测方法能够有效的利用各种信息,降低模型预测误差。
引证文献(4条)
1.刘晓凤 我国社会保障支出预测研究——基于ARMA模型的分析[期刊论文]-金融教学与研究 2009(1)
2.王波.郭夜白.高来斌.仲崇文 最优加权预测在吉林省粮食产量预测中的应用[期刊论文]-吉林农业大学学报2008(5)
3.张红芹.王波.高来斌 组合预测模型在农业经济研究中的应用——以吉林省粮食产量为例[期刊论文]-安徽农业科学 2008(22)
4.郝硕博.李上炸 地方财政的税源结构及变动趋势实证研究[期刊论文]-税务研究 2008(6)
本文链接:http://d.g.wanfangdata.com.cn/Periodical_sljjjsjjyj200701005.aspx
下载时间:2010年6月1日