论文部分内容阅读
科学、准确的税收预测是建立现代税收管理体系的出发点，对于准确编制税收计划具有重要意义。然而，由于影响税收收入的影响因素较多，且存在共线性、非线性等特征，税收收入时间序列数据还存在不确定因素，对税收收入进行准确预测存在一定难度。为了解决这一问题，对基于自回归移动平均模型(ARMA)的税收收入预测方法进行了设计。本文主要工作包括: 1)对税收预测理论进行了分析。给出了税收预测的定义，分析了税收预测特点。对税收预测的作用进行了介绍，并着重给出了税收预测需要注意的问题。 2)采用了智能集成ARMA时间序列预测方法。为了提高税收收入预测的准确性，采用智能集成ARMA模型概括税收收入时间序列的变化规律，以多种群粒子群优化算法优化调整ARMA模型中包括的未知参数的方法，从而使所建立的ARMA模型与实际数据均方根误差最小化，以提高税收收入预测的精度。 3)给出了税收分析平台上时间序列ARMA模型的应用研究。给出了以Oracle数据库以及Eviews分析工具为软件基础平台，通过动态链接库以及C语言API实现ARMA预测方法的平台架构设计。 4)对税收分析平台上时间序列ARMA模型的应用进行了研究，并给出了界面设计。