| پیش بینی روند تصادفی و روند بلندمدت درآمدهای مالیاتی استان آذربایجان غربی |
| کد مقاله : 1115-TAXRESEARCH |
| نویسندگان |
|
احمد عزتی شورگلی *1، حبیب تربتی2، رضا محمدپور3، سمیه قاسمی4، فرزاد محمدی4 1استادیار موسسه غیرانتفاعی آفاق ارومیه- کارشناس اقتصاد وزارت امور اقتصادی و دارایی 2کارشناس ارشد اقتصاد و مدیر کل امور اقتصادی و دارایی استان آذربایجان غربی 3استادیار موسسه آموزش عالی آفاق، ارومیه، ایران 4دانشجوی کارشناسی ارشد رشته مهندسی مالی و مدیریت ریسک، موسسه آموزش عالی آفاق، ارومیه، ایران |
| چکیده مقاله |
| مطالعه حاضر با هدف بررسی و ارزیابی دقت مدل‌های پیشرفته در پیش‌بینی روند بلندمدت و تصادفی درآمدهای مالیاتی استان آذربایجان غربی انجام شده است. پیش‌بینی دقیق این درآمدها به دلیل تأثیر مستقیم بر برنامه‌ریزی بودجه‌ای و سیاست‌گذاری اقتصادی، از اهمیت بالایی برخوردار است. در این پژوهش از داده‌های ماهانه درآمدهای مالیاتی استان آذربایجان غربی طی بازه زمانی فروردین ۱۳۸۴ تا آذر ۱۴۰۳ استفاده شده است. سه روش اصلی شامل الگوی چرخشی مارکوف، مدل فضای حالت و یادگیری عمیق ماشین مبتنی بر تبدیل موجک برای پیش‌بینی روندهای بلندمدت و تصادفی به کار گرفته شدند. جهت استخراج شوک‌های تصادفی و تفکیک آن‌ها از روند بلندمدت از الگوی نوسانات تصادفی استفاده شده که در استخراج شوک‌ها و نوسانات تصادفی نسبت به الگوهای رقیب (بالاخص الگوهای ناهمسان واریانس شرطی) دارای برتری هستند. نتایج نشان داد که مدل ترکیبی یادگیری عمیق و تبدیل موجک با تجزیه داده‌ها به مؤلفه‌های فرکانسی و شناسایی الگوهای غیرخطی، بالاترین دقت را در پیش‌بینی روند بلندمدت (با خطای ۱.۹۲ درصد) و روند تصادفی (با خطای ۰.۲۷ درصد) دارا است. این مدل در مقایسه با روش‌های سنتی مانند الگوی چرخشی مارکوف و فضای حالت، عملکرد برتری را در بازتولید نوسانات تاریخی نشان داد. |
| کلیدواژه ها |
| درآمدهای مالیاتی، روند تصادفی، پیش بینی، موجک، یادگیری ماشین |
| وضعیت: پذیرفته شده |