周元園

摘 要：近年來，隨著我國經(jīng)濟的穩(wěn)定增長，促進(jìn)了計算機與互聯(lián)網(wǎng)技術(shù)的發(fā)展，推動了大數(shù)據(jù)時代的到來。大數(shù)據(jù)已經(jīng)被廣泛于醫(yī)療保險、基礎(chǔ)電信、交通管理、物流管理以及財政稅收當(dāng)中，其中財政稅收作為我國重要的財政來源，與國家的經(jīng)濟發(fā)展存在直接聯(lián)系，對稅收進(jìn)行預(yù)測可以幫助地方各級政府掌握經(jīng)濟的運行情況，有利于國家制定正確的稅收預(yù)算。不過，我國的稅收范圍比較大，所涉及的體系比較復(fù)雜，而且不同稅種與相關(guān)指標(biāo)之間存在一定聯(lián)系，給稅收預(yù)測工作人員帶來一定的工作難度。但是，工作人員可以借助大數(shù)據(jù)進(jìn)行相關(guān)數(shù)據(jù)的挖掘，運用多種預(yù)測方法，對營業(yè)稅、企業(yè)所得稅以及個人所得稅進(jìn)行預(yù)測，并將與稅種相關(guān)的經(jīng)濟指標(biāo)充分考慮在內(nèi)，主要包括了地區(qū)生產(chǎn)總值、工業(yè)投入、房地產(chǎn)開放、進(jìn)出口額、工業(yè)用電量以及居民消費價格總指數(shù)等，最終將相關(guān)數(shù)據(jù)預(yù)測結(jié)果輸出，并錄入應(yīng)用平臺中。工作人員可以將回歸方程的系數(shù)與常量錄入平臺中，在進(jìn)行下一期稅收收入計算時直接將經(jīng)濟指標(biāo)輸入，稅收數(shù)據(jù)就可預(yù)測出，在一定程度上提升了稅收預(yù)測的效率。

關(guān)鍵詞：財政 稅種 大數(shù)據(jù) 數(shù)據(jù)挖掘 預(yù)測分析

一、國內(nèi)外財政稅收現(xiàn)狀

稅收預(yù)測作為一種國家財政管理的重要手段，是國家進(jìn)行經(jīng)濟預(yù)算的第一步，對國家經(jīng)濟以及未來發(fā)展方向具有重要意義。因此，加拿大、西班牙以及意大利等發(fā)達(dá)國家對稅收預(yù)測投入了大量的研究，并取得了一定的研究成效建立了比較完善的稅收預(yù)測體系。比如，美國作為最先進(jìn)入稅收預(yù)測的國家，經(jīng)過了上百年不斷研究、分析以及完善，已經(jīng)建立了比較完善的稅收制度，在進(jìn)行稅收立法與財政支出時，美國會充分考慮稅收預(yù)測結(jié)果[1]。由此可見，稅收預(yù)測能夠關(guān)乎著政府的稅收，還對國家的支出政策具有關(guān)鍵作用。而經(jīng)濟合作組織以及發(fā)展組織為了更好的稅收管理，針對影響稅收的因素就行研究，詳細(xì)分析了相關(guān)因素對稅收的影響，并建立了完善的稅收風(fēng)險管理體系。在對稅收預(yù)測時可以借助稅收風(fēng)險管理體系，從而保證稅收預(yù)測數(shù)據(jù)的精確性，提升稅收預(yù)測的效率。

我國的稅收預(yù)測開始時間在上世紀(jì)八十年代，筆者將稅收預(yù)測發(fā)展史劃分為三個階段。第一階段，由于當(dāng)時還沒有進(jìn)入信息化時代，只能借助圖表進(jìn)行數(shù)據(jù)統(tǒng)計，導(dǎo)致統(tǒng)計數(shù)據(jù)的統(tǒng)計結(jié)果準(zhǔn)確性很低。第二階段，該時期已經(jīng)投入使用了計量經(jīng)濟學(xué)理論，并且開始使用簡單模型計算，利用回歸模型進(jìn)行數(shù)據(jù)分析。第三階段，越來越多的新型統(tǒng)計方法被廣泛應(yīng)用于數(shù)據(jù)分析工作中，使用較多的是神經(jīng)網(wǎng)絡(luò)。此外，為了統(tǒng)計數(shù)據(jù)更加科學(xué)、準(zhǔn)確性更高，運用了精準(zhǔn)度更高的統(tǒng)計軟件，主要有WEKA、EVIEW、MATLAB、SPSSSTATISTICS、SPSS MODELER、SAS 等。目前，我國各級地方政府為了對稅收預(yù)測進(jìn)行準(zhǔn)確分析、增強預(yù)測管理，對財政進(jìn)行嚴(yán)格監(jiān)控，并制定科學(xué)合理的財政制度。

二、預(yù)測分析方法研究分析

（一）時間序列方法對營業(yè)稅稅收年年度預(yù)測

針對部分地區(qū)的稅收年度預(yù)測可以運用時間序列方法進(jìn)行，該方法主要是通過對地區(qū)往年營業(yè)稅進(jìn)行年度序列分析，最終對下一年的營業(yè)稅進(jìn)行精準(zhǔn)預(yù)測。時間序列顧名思義只是相關(guān)指標(biāo)的時間有關(guān)系，在進(jìn)行預(yù)測時只需要考慮本序列營業(yè)稅的關(guān)系，其他影響因素不要考慮在內(nèi)。我們需要預(yù)測的是營業(yè)稅稅收的年度預(yù)測，時間粒度為年在進(jìn)行整理營業(yè)稅時需要按年進(jìn)行。然后開始借助SPSS STATISTICS對訓(xùn)練集進(jìn)行訓(xùn)練，定義日期粒度為年，不需考慮季節(jié)性因素。還要注意觀察在進(jìn)行序列集之間指標(biāo)數(shù)據(jù)在時間序列上是否具有趨勢走向。比如，北京市的營業(yè)稅年度預(yù)測分析為例，在2000年到2014年整體成呈現(xiàn)上升趨勢，2013年出現(xiàn)小幅下降，主要是由于國家提出將營業(yè)稅修改為增值稅的政策。從時間序列的分析來看，訓(xùn)練集的數(shù)據(jù)整體呈現(xiàn)上升趨勢。其次，根據(jù)營業(yè)稅的業(yè)務(wù)需求，采用合理的模型算法對訓(xùn)練結(jié)果進(jìn)行評估[2]。筆者采用專家建模器進(jìn)行數(shù)據(jù)預(yù)測，該模型主要包括了指數(shù)平滑與ARIMA模型，此次將模型的類型設(shè)置為所有模型，將預(yù)測時期設(shè)置為2013年～2016年，預(yù)測結(jié)果將會在模型中輸出。然后對每年時間序列的預(yù)測值與實際值進(jìn)行對比，研究發(fā)現(xiàn)誤差率達(dá)到了20%以上，表明時間序列算法誤差較大。

（二）神經(jīng)網(wǎng)絡(luò)方法對營業(yè)稅稅收年年度預(yù)測

為了預(yù)測數(shù)據(jù)的準(zhǔn)確性，筆者針對時間序列預(yù)測地區(qū)應(yīng)用神經(jīng)網(wǎng)絡(luò)預(yù)測方法進(jìn)行預(yù)測。該種預(yù)測方法主要是借助自變量進(jìn)行某年營業(yè)稅的預(yù)測。其次，通過模型訓(xùn)練會自動計算出2013年～2016年的預(yù)測值。而神經(jīng)網(wǎng)絡(luò)具有兩種算法模型，主要包括多層感知器與徑向基函數(shù)算法，筆者本次使用了多層感知器的計算方法，所得出的預(yù)測值也是呈現(xiàn)出上升趨勢，與實際情況相符合，經(jīng)過專家研究分析得出神經(jīng)網(wǎng)絡(luò)預(yù)測方法的誤差率在5%左右，比時間序列預(yù)測方法更有使用價值。

三、預(yù)測數(shù)據(jù)應(yīng)用

對營業(yè)稅通過合適的預(yù)測方法，將數(shù)據(jù)放在應(yīng)用平臺上，讓其具有使用價值。在預(yù)測數(shù)據(jù)的應(yīng)用中首先需要進(jìn)行數(shù)據(jù)準(zhǔn)備，該數(shù)據(jù)管理板塊主要具有非模型輸出預(yù)測管理功能，然后通過模型預(yù)測結(jié)果進(jìn)行數(shù)據(jù)挖掘，最終放在應(yīng)用平臺進(jìn)行展示。其次，進(jìn)行數(shù)據(jù)錄入，在數(shù)據(jù)管理板塊中選擇年度數(shù)據(jù)，在年度下拉選擇器中預(yù)測年限，稅種選擇“營業(yè)稅”，然后提交。最后，進(jìn)行數(shù)據(jù)展示，在數(shù)據(jù)展示板塊中，點擊“年度數(shù)據(jù)”，平臺將自動展示出預(yù)測值。通過對預(yù)測數(shù)據(jù)的應(yīng)用，對企業(yè)營業(yè)稅得出的預(yù)測數(shù)據(jù)進(jìn)行管理，最終實現(xiàn)研究目的。

結(jié)束語：綜上所述，財政稅收預(yù)測是國家財政管理的手段，對未來經(jīng)濟發(fā)展和政策決策有關(guān)鍵作用。因此，需要國家地方政府不斷深入理解稅收業(yè)務(wù)、提升模板算法、加強對數(shù)據(jù)工具的學(xué)習(xí)，掌握數(shù)據(jù)分析流程，保障財政稅收預(yù)測數(shù)據(jù)的準(zhǔn)確性。

參考文獻(xiàn)：

[1]李桂華.財政稅收體制改革對企業(yè)的影響[J].納稅，2019（20）：26.

[2]吳代敏.淺議新形勢下財政稅收稅種體制改革的創(chuàng)新[J].現(xiàn)代經(jīng)濟信息，2019（13）：248.