版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、1基于SARIMA和二次曲線模型增值稅預(yù)測(cè)分析江西財(cái)經(jīng)大學(xué)涂小青、夏友亮、張運(yùn)金摘要摘要:增值稅稅收與一個(gè)國家的GDP有密切的關(guān)系,可以通過分析增值稅的稅收情況來反映經(jīng)濟(jì)的運(yùn)行情況。未來更好的把握稅收的收入情況,及時(shí)掌握國民經(jīng)濟(jì)的走勢(shì),有必要建立一個(gè)有效的預(yù)測(cè)模型來對(duì)稅收進(jìn)行預(yù)測(cè),及時(shí)為決策者提供可靠及時(shí)的數(shù)據(jù)。在增值稅的數(shù)據(jù)中即包含有隨機(jī)波動(dòng)的影響因素,有含有與時(shí)間相關(guān)的長(zhǎng)期趨勢(shì),通過兩個(gè)模型從不同的方面對(duì)稅收數(shù)據(jù)進(jìn)行擬合,最后綜合兩
2、個(gè)模型的預(yù)測(cè)優(yōu)勢(shì),做出最優(yōu)的預(yù)測(cè)。關(guān)鍵字:sarma二次曲線增值稅預(yù)測(cè)Abstract:ValueaddedtaxtaxacountrysGDPhascloserelationshipyoucananalyzetheVATtaxsituationtoreflecttherunningsituationoftheeconomy.Thefuturebettergraspofincometaxtograspthetrendofthenatio
3、naleconomyitisnecessarytoestablishaneffectivefecastmodeltopredictontaxesintimefthedecisionmakertimelydata.Inthevalueaddedtaxofdataisabouttheinfluencefactsofromfluctuationcontainsthelongtermtrendsrelatedwithtimethroughthe
4、twomodelsfromadifferentaspectoftaxdatafittingthelastcomprehensivetwomodelpredictionsadvantagemakethebestprediction.3ARIMA模型分為以下三種:1.自回歸模型(AR:Autoregressive)如果時(shí)間序列滿足tyttttyyy?????????11...其中是獨(dú)立同分布的隨機(jī)變量序列,且滿足:t?02?????tVar
5、以及E()=0t?則稱時(shí)間序列為服從p階的自回歸模型。ty自回歸模型的平穩(wěn)條件:滯后算子多項(xiàng)式ppBBB???????...)(1)(1的根均在單位圓外,即φ(B)=0的根大于1。2.移動(dòng)平均模型(MA:MovingAverage)如果時(shí)間序列滿足tyqtqttty???????????...11則稱時(shí)間序列為服從p階移動(dòng)平均模型;移動(dòng)平均模型平穩(wěn)條件:任何ty條件下都平穩(wěn)。3.混合模型(ARMA)如果時(shí)間序列滿足:tyqtqtttpt
6、pttyyy???????????????????.........1111則稱時(shí)間序列為服從(pq)階自回歸滑動(dòng)平均混合模型?;蛘哂洖閠yφ(B)=θ(B)tyt?二次曲線模型是趨勢(shì)外推法的一種,對(duì)于大量社會(huì)經(jīng)濟(jì)現(xiàn)象的發(fā)展主要是漸進(jìn)型的,其發(fā)展相對(duì)于世界具有一定的規(guī)律性。因此,當(dāng)預(yù)測(cè)對(duì)象依時(shí)間變化呈現(xiàn)某種上升或下降的趨勢(shì),并且無明顯的季節(jié)波動(dòng),又能找到一條合適的函數(shù)曲線反映這種變化趨勢(shì)時(shí),就可以用時(shí)間t為自變量,時(shí)序數(shù)值y為因變量,建
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- eviews面板數(shù)據(jù)模型詳解
- eviews面板數(shù)據(jù)之固定效應(yīng)模型
- 應(yīng)用eviews分析數(shù)據(jù)和預(yù)測(cè)
- 應(yīng)用eviews分析數(shù)據(jù)和預(yù)測(cè)
- 基于Bayes分析的ARMA模型對(duì)凈值的預(yù)測(cè).pdf
- eviews面板數(shù)據(jù)實(shí)例分析(包會(huì))
- eviews面板數(shù)據(jù)實(shí)例分析(包會(huì))
- 時(shí)間序列arma模型
- 運(yùn)用eviews進(jìn)行實(shí)證分析--基于論文的計(jì)量需求
- 基于ARMA模型的伊通河橋監(jiān)測(cè)數(shù)據(jù)建模與可靠度分析.pdf
- 基于arma模型的上證綜合指數(shù)分析
- 基于ARMA-GARCH模型的時(shí)序數(shù)據(jù)挖掘研究.pdf
- eviews6.0面板數(shù)據(jù)操作
- eviews殘差分析
- 基于eviews模型對(duì)居民消費(fèi)水平的變化闡述
- eviews圖像及結(jié)果分析
- 基于eviews軟件對(duì)a股市場(chǎng)的線性回歸分析
- ARMA模型、ARFIMA模型及其貝葉斯統(tǒng)計(jì)推斷與實(shí)證分析.pdf
- 基于ARMA模型的結(jié)構(gòu)識(shí)別.pdf
- 運(yùn)用多因素分析及非線性時(shí)序模型對(duì)金融數(shù)據(jù)的實(shí)證分析和診斷.pdf
評(píng)論
0/150
提交評(píng)論