دوره 8، شماره 30 - ( 10-1396 )                   سال8 شماره 30 صفحات 169-147 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Asadi M, Hamidi Alamdari S, Khaloozadeh H. Tax Revenues Forecasting By Applying PSO Optimization Algoritm. jemr 2017; 8 (30) :147-169
URL: http://jemr.khu.ac.ir/article-1-1133-fa.html
اسدی مرتضی، حمیدی علمداری سعیده، خالو زاده حمید. پیش‌بینی درآمدهای مالیاتی با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات (PSO). تحقیقات مدلسازی اقتصادی. 1396; 8 (30) :147-169

URL: http://jemr.khu.ac.ir/article-1-1133-fa.html

پیش‌بینی درآمدهای مالیاتی با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات (PSO)
مرتضی اسدی* 1، سعیده حمیدی علمداری2 ، حمید خالو زاده3
1- دانشگاه خوارزمی ، asadi@ues.ac.ir
2- دانشگاه خوارزمی
3- دانشگاه خواجه نصیرالدین طوسی
چکیده:   (6201 مشاهده)
پیش بینی درآمدهای مالیاتی قابل حصول در منابع مختلف مالیاتی، علاوه بر تخصیص بهینه منابع محدود سازمانی در جهت وصول مالیات، دولت را در انجام برنامه¬ریزی¬های دقیق مالی کمک می¬نماید. این مقاله با استفاده از الگوریتم¬ تکاملی ازدحام ذرات و نسخه بهبودیافته آن به پیش¬بینی درآمدهای مالیاتی کشور به تفکیک منابع وصولی (مالیاتهای¬کل، کالا وخدمات، اشخاص حقوقی، درآمد و ثروت) برای سالهای 95-1392 می¬پردازد. به این منظور از داده¬های درآمدهای مالیاتی سالهای 86-1350 برای آموزش شبکه استفاده شده و سپس با استفاده از الگوریتم تکاملی ازدحام ذرات و ازدحام ذرات بهبود یافته پارامترهای این مدل بهینه شده است. از داده¬های سالهای 91-1387 برای آزمون مدل استفاده شده که نتایج تاییدی بر عملکرد مدل مورد استفاده بوده و در نهایت پیش¬بینی برون¬نمونه¬ای درآمدهای مالیاتی به تفکیک منابع وصولی برای سالهای 95-1392 با استفاده از نرم افزار  MATHLAB انجام شده است.
واژه‌های کلیدی: مالیات، پیش‌بینی، مدلسازی شبکه‌های عصبی، بهینه‌سازی، الگوریتم ازدحام ذرات (PSO)
متن کامل [PDF 569 kb]   (2235 دریافت)    
نوع مطالعه: توسعه ای | موضوع مقاله: بخش عمومی
دریافت: 1395/8/6 | پذیرش: 1396/9/4 | انتشار: 1396/12/15
فهرست منابع
1.  Hamidi ,S. (2006), Modeling and Forecasting Business Tax in Iran, Application of Neutral Nets, Graduate Dissertation, Ferdousi University , Mashhad , Iran
2.  Hamidi ,S , Khaloozade, H. (2010), Non Linear Modeling for forcasting Personal Tax , An application of Neutral Nets, Economic Research Centre, Ministry of Economics ,Iran
3.  Hamidi ,S , Khaloozade, H. Asadollahzade ,R. (2009), Forcasting Tax Revenues in fifth development plan, Tax Research center , Tehran, Iran
4.  Khaloozade, H. Khaki, A (2004). A survey of Stock Market Forecasting Methods, A non Linear Neural Nets , Journal of Economic Research, No.63 , pp43-85.
5.  Khaloozade, H., Hamidi ,S , Zaer, A. (2009), Non linear Modeling and Forecasting of Various Tax Revenues, The Second Tax Conference , Iran Tax Administration.
6.  Hamidi ,S , Zaer, A. Gholami,E. (2009), Methods of Tax Forecasting , Tax Research Centre , Iran Tax Administration.
7.  Arabmazar , A. Hamidi ,S , Zaer, A. Gholami,E. (2009), An Estimation of Tax Capacity, Tax Research Centre , Iran Tax Administration.
8.  Falahi, M.A. ,Khaloozade, H., Hamidi ,S ,(2007),Non Linear Modeling and Forecasting of Iran Business Tax , Journal of Economic Research, No.63 , PP. 143-167
9.  Ghetmiri , M.A., Islamlooian ,K. ,(2007) Iran Tax Capacity Estimation , Case of Selected Developing Countries, Research Project sponsored by Iran Tax Administration.
10.  Aminrashti,N. Rezaiee,G. (2010) Forcasting of Direct Tax Revenue In fifth Development Plan , Tax Journal , No.6 , PP. 67-82
11.  Monjazeb, M.R., Soleimani, P.(2006) Economic Research Letter , No.16 , pp.139-162
12.  Farzbod, J. Mollaiipour ,M. , Salimifar,M. (2002), Tax Potentiality of Khorasan , , Province, Case of Spare Parts, Economic Magazine , No.4-5, pp.7-11.
13.  Samati,M., Teyebi,S.K., Heidari,S. (2009), Impact of Government Revenue on Inflation and Real Growth of Iran Economy , Tax Journal , Iran Tax Administration , No.2 , pp.17-32
14.  Sarlak, A. ,(2007) Estimation of Tax Capacity in Markazi Province of Iran, Economic Magazine No. 61, pp15-40.
15.  Lezgi, F., Amini A. , Shomali ,L , Najafi A. (2009),, Forcast of Tax Revenue in Ghazvin Province , Journal of Research and Economic Policy, No.47 pp.121-153
16.  Abraham, B. and Ledolter, J. [1983]. Statistical Methods for Forecasting. Wiley, Hoboken, NJ.
17.  Durbin, J. and Watson, G. S. [1950]. Testing for serial correlation in least squares regression I. Biometrika, 37, 409--438. [DOI:10.2307/2332391]
18.  Chen, An-S. and Mark T. Leung (2004), "Regression Neural Network for error Correction in Foreign Exchange Forecasting and Trading", Elsevier, pp.1049-1068. [DOI:10.1016/S0305-0548(03)00064-9]
19.  Diebold, F.X. (1998),. "The Past, Present and Future of Macroeconomic Forecasting". Journal of Economic Perspectives, 12, 175-192 [DOI:10.1257/jep.12.2.175]
20. ♣ Fllareiov, G.F and E.O. Averehenkov; "Using Neural Nets for Time Series Forecasting "; IEEE, pp. 249-253, 1999.
21.  Fllareiov, G.F. and E.O. Averehenkov (1999), "Using Neutral Nets for Time Series Forecasting", IEEE, pp. 249-253.
22. ♣ Garliauskas, A.; "Neural Network Chaos and Computational Algorithms of Forecast in Finance "; IEEE, pp. 638-643, 1999.
23.  H. Choi, S. Ohmori, K. Yoshimoto and H. Ohtake, "Improvement of Particle Swarm Optimization" the 8th IEEE International Conference on Supply Chain Management and Information Systems, pp. 6-9 2010.
24.  J. Kennedy and R. Mendes, "population Structure and Particle Swarm Performance" in Proceeding of IEEE International Conference on Evolutionary Computation, pp. 1671-1676, 2002.
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به فصلنامه تحقیقات مدلسازی اقتصادی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Economic Modeling Research

Designed & Developed by : Yektaweb