我国税收收入预测及方法选择
----基于多模型动态分析法
注：本文数据均由公开渠道收集整理。
摘要：本文结合我国税收收入历年数据和重点税源企业历史入库数据，利用随机森林方法选择变量,建立人工神经网络、支持向量机、多元自适应回归样条三种预测模型，通过对模型进行评估，选择最优模型对税收收入进行预测，最后提出了存在的问题和进一步改进的思路。
一、引言
2014年，因为经济运行受全球影响，存在下行的压力，税收减收因素较多，税收收入形势比较严峻，所以必须加强对税收收入信息的分析监控，增强应对税收风险的能力。同时，税收收入预测是税务各级部门制定相关征管、稽查策略的重要参考，以适应纳税人规模的不断扩大和专业化管理的逐步深入的需要。因此，迫切需要建立一套税收收入预测模型。
目前现行的税收预测模型包括回归、时间序列、人工神经网络等。这些模型的建立或是关注税收收入与相关经济要素，或是发掘税收收入自身的规律特点，有各自的适用范围和优势。但随着数据挖掘和机器学习的理论的进一步发展，各种税收预测模型有较大需要细化提高的空间，同时也存在若干难点，总结为如下两方面：
首先，预测模型需要创新研究。现行的税收预测往往基于指数平滑法、时间序列法等较为传统的预测模型，虽然时间序列法以税种自身的发展变化为重点，在这方面有着天然的优势。但是随着大数据的出现、数据挖掘的发展和机器学习的深入，涌现出支持向量机、组合建模等先进的建模的理论，需要我们引入到税收收入预测中来。
其次，模型参数需要自适应调节。比如人工神经网络具有较好的容错和容差能力，但在神经网络结构上有很多人为因素，且模型的复杂性使
----基于多模型动态分析法
注：本文数据均由公开渠道收集整理。
摘要：本文结合我国税收收入历年数据和重点税源企业历史入库数据，利用随机森林方法选择变量,建立人工神经网络、支持向量机、多元自适应回归样条三种预测模型，通过对模型进行评估，选择最优模型对税收收入进行预测，最后提出了存在的问题和进一步改进的思路。
一、引言
2014年，因为经济运行受全球影响，存在下行的压力，税收减收因素较多，税收收入形势比较严峻，所以必须加强对税收收入信息的分析监控，增强应对税收风险的能力。同时，税收收入预测是税务各级部门制定相关征管、稽查策略的重要参考，以适应纳税人规模的不断扩大和专业化管理的逐步深入的需要。因此，迫切需要建立一套税收收入预测模型。
目前现行的税收预测模型包括回归、时间序列、人工神经网络等。这些模型的建立或是关注税收收入与相关经济要素，或是发掘税收收入自身的规律特点，有各自的适用范围和优势。但随着数据挖掘和机器学习的理论的进一步发展，各种税收预测模型有较大需要细化提高的空间，同时也存在若干难点，总结为如下两方面：
首先，预测模型需要创新研究。现行的税收预测往往基于指数平滑法、时间序列法等较为传统的预测模型，虽然时间序列法以税种自身的发展变化为重点，在这方面有着天然的优势。但是随着大数据的出现、数据挖掘的发展和机器学习的深入，涌现出支持向量机、组合建模等先进的建模的理论，需要我们引入到税收收入预测中来。
其次，模型参数需要自适应调节。比如人工神经网络具有较好的容错和容差能力，但在神经网络结构上有很多人为因素，且模型的复杂性使