TY -的A2 - Chen Miaochao盟——张,帝盟——陈Yimao PY - 2021 DA - 2021/12/18 TI - Grey-Markov链模型的分析和应用税收预测SP - 9918411六世- 2021 AB -税收数据是一个典型的时间序列数据,这是受到经济和政治因素的相互作用和影响,并动态和高度非线性特征。正确的税收预测的关键是预测算法的选择。传统的税收预测方法,如因素评分法,因子回归方法,和系统调整方法,在实际工作有一定的指导作用,但仍有许多缺点,比如从样本数据的分布和大小限制,难以把握经济系统的非线性现象。Grey-Markov链模型的组合形成的灰色预测和马尔可夫链预测不仅可以揭示时间序列数据的总体发展趋势,但也预测其状态变化模式。基于之前的研究工作的总结和分析,阐述了税收预测的研究现状和意义,阐述了发展背景、现状,以及未来的挑战Grey-Markov链模型,介绍了灰色预测模型和马尔可夫链模型的基本原理,构造Grey-Markov链模型,分析了模型的残余误差和后验误差测试,进行Grey-Markov链模型的分析,进行灰色预测模型建设和政府部门,实现了转移概率矩阵的计算和确定税收预测价值,论述了应用Grey-Markov链的税收预测模型,最后进行了仿真实验和结果分析。研究结果表明,与单独的灰色预测相比,马尔可夫链预测,和其他常用的时间序列预测方法,Grey-Markov链模型增加税收的准确性预测平均2.3 - -13.1%。这表明Grey-Markov链的结合预测模型可以充分利用时间序列数据所提供的信息的税收分析和预测。它不仅可以避免的影响经济、政治、和人的主观因素,也有简单的计算,更高的精度,更强的实用性。本文的研究结果为进一步的研究提供一个参考Grey-Markov链模型的分析和应用的税收预测。SN - 2314 - 4629 UR - https://doi.org/10.1155/2021/9918411 - 10.1155 / 2021/9918411摩根富林明数学杂志PB - Hindawi KW - ER