財政稅收分稅種預測分析方法研究與應用

周元園

摘 要：近年來，隨著我國經濟的穩定增長，促進了計算機與互聯網技術的發展，推動了大數據時代的到來。大數據已經被廣泛于醫療保險、基礎電信、交通管理、物流管理以及財政稅收當中，其中財政稅收作為我國重要的財政來源，與國家的經濟發展存在直接聯系，對稅收進行預測可以幫助地方各級政府掌握經濟的運行情況，有利于國家制定正確的稅收預算。不過，我國的稅收范圍比較大，所涉及的體系比較復雜，而且不同稅種與相關指標之間存在一定聯系，給稅收預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據進行相關數據的挖掘，運用多種預測方法，對營業稅、企業所得稅以及個人所得稅進行預測，并將與稅種相關的經濟指標充分考慮在內，主要包括了地區生產總值、工業投入、房地產開放、進出口額、工業用電量以及居民消費價格總指數等，最終將相關數據預測結果輸出，并錄入應用平臺中。工作人員可以將回歸方程的系數與常量錄入平臺中，在進行下一期稅收收入計算時直接將經濟指標輸入，稅收數據就可預測出，在一定程度上提升了稅收預測的效率。

關鍵詞：財政 稅種 大數據 數據挖掘 預測分析

一、國內外財政稅收現狀

稅收預測作為一種國家財政管理的重要手段，是國家進行經濟預算的第一步，對國家經濟以及未來發展方向具有重要意義。因此，加拿大、西班牙以及意大利等發達國家對稅收預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測體系。比如，美國作為最先進入稅收預測的國家，經過了上百年不斷研究、分析以及完善，已經建立了比較完善的稅收制度，在進行稅收立法與財政支出時，美國會充分考慮稅收預測結果[1]。由此可見，稅收預測能夠關乎著政府的稅收，還對國家的支出政策具有關鍵作用。而經濟合作組織以及發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，詳細分析了相關因素對稅收的影響，并建立了完善的稅收風險管理體系。在對稅收預測時可以借助稅收風險管理體系，從而保證稅收預測數據的精確性，提升稅收預測的效率。

我國的稅收預測開始時間在上世紀八十年代，筆者將稅收預測發展史劃分為三個階段。第一階段，由于當時還沒有進入信息化時代，只能借助圖表進行數據統計，導致統計數據的統計結果準確性很低。第二階段，該時期已經投入使用了計量經濟學理論，并且開始使用簡單模型計算，利用回歸模型進行數據分析。第三階段，越來越多的新型統計方法被廣泛應用于數據分析工作中，使用較多的是神經網絡。此外，為了統計數據更加科學、準確性更高，運用了精準度更高的統計軟件，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測進行準確分析、增強預測管理，對財政進行嚴格監控，并制定科學合理的財政制度。

二、預測分析方法研究分析

（一）時間序列方法對營業稅稅收年年度預測

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

（二）神經網絡方法對營業稅稅收年年度預測

為了預測數據的準確性，筆者針對時間序列預測地區應用神經網絡預測方法進行預測。該種預測方法主要是借助自變量進行某年營業稅的預測。其次，通過模型訓練會自動計算出2013年～2016年的預測值。而神經網絡具有兩種算法模型，主要包括多層感知器與徑向基函數算法，筆者本次使用了多層感知器的計算方法，所得出的預測值也是呈現出上升趨勢，與實際情況相符合，經過專家研究分析得出神經網絡預測方法的誤差率在5%左右，比時間序列預測方法更有使用價值。

三、預測數據應用

對營業稅通過合適的預測方法，將數據放在應用平臺上，讓其具有使用價值。在預測數據的應用中首先需要進行數據準備，該數據管理板塊主要具有非模型輸出預測管理功能，然后通過模型預測結果進行數據挖掘，最終放在應用平臺進行展示。其次，進行數據錄入，在數據管理板塊中選擇年度數據，在年度下拉選擇器中預測年限，稅種選擇“營業稅”，然后提交。最后，進行數據展示，在數據展示板塊中，點擊“年度數據”，平臺將自動展示出預測值。通過對預測數據的應用，對企業營業稅得出的預測數據進行管理，最終實現研究目的。

結束語：綜上所述，財政稅收預測是國家財政管理的手段，對未來經濟發展和政策決策有關鍵作用。因此，需要國家地方政府不斷深入理解稅收業務、提升模板算法、加強對數據工具的學習，掌握數據分析流程，保障財政稅收預測數據的準確性。

參考文獻：

[1]李桂華.財政稅收體制改革對企業的影響[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新[J].現代經濟信息，2019（13）：248.