基于粒子群优化偏最小二乘支持向量机的我国税收收入预测研究

作     者：侯利强 杨善林 王晓佳 

作者机构：合肥工业大学管理学院安徽合肥230009 

出 版 物：《中国管理科学》 (Chinese Journal of Management Science)

年 卷 期：2013年第21卷第S1期

页      面：1-7页

核心收录：

学科分类：02[经济学] 0202[经济学-应用经济学] 07[理学] 020203[经济学-财政学（含∶税收学）] 070104[理学-应用数学] 0701[理学-数学] 

基　　金：国家自然科学基金资助项目(71101041 71071045) 

主　　题：税收预测 偏最小二乘支持向量回归 粒子群 参数集 

摘      要：由于我国税收收入存在高度的非线性、耦合性和多因素影响的复杂性,故而对其进行预测是传统的预测方法难以胜任的。首先,本文对当前税收预测方法存在的不足进行了阐述,在此基础上,提出了偏最小二乘支持向量回归法(PLS-SVR)对我国税收收入进行预测的思路,并建立了相应的数学模型。其次,由于参数集(C,σ~2)直接影响支持向量技术的预测优劣,故笔者采用改进的粒子群算法对参数集进行全局寻优,这样既保证了处理非线性和多因素复杂性的优势,又确保了支持向量回归模型的稳定性与精确性。最后以我国近30年的税收收入为研究对象,经参数集寻优后的支持向量回归法的预测精度较其他预测方法的预测精度有着显著提高,说明了该模型的有效性与实用性。