安徽省地方财政收入的组合预测模型研究

袁宏俊 胡凌云

（安徽财经大学，安徽 蚌埠 233030）

安徽省地方财政收入的组合预测模型研究

袁宏俊 胡凌云

（安徽财经大学，安徽 蚌埠 233030）

地方财政收入预测是加强宏观经济管理和提高决策水平的重要前提和基础。为了科学预测地方财政收入，创新预测的方法，文章结合地方财政收入的构成内容以及结构特点，分别采用指数预测方法、时间序列预测方法、回归预测方法建立三种单项预测模型，在此基础上构建地方财政收入的几何贴近度的最优组合预测模型，并对安徽省“十二五”期间的地方财政收入进行了预测。

地方财政收入；组合预测；几何贴近度；最优模型

一、引言

1994年分税制改革以来,我国的地方财政收入主要由一般预算收入和基金预算收入构成，受经济发展水平、财政收入政策等因素的影响，要科学预测地方财政收入，必须综合考虑各种因素。由于每种预测方法考虑因素的影响不尽相同，不同的因素都是从不同的角度提供各方面有用的信息，因此每种预测方法之间并不是相互排斥的，而是相互联系、相互补充的。在预测的过程中，如果想当然的认为某种单项预测方法的预测误差较大，就把该种预测方法弃之不用，可能造成部分有用的信息丢失，为了有效地利用各种预测方法所提供的信息，分散预测的风险，我们考虑将各单项预测方法通过加权平均系数有机的结合到一起，建立组合预测模型，更加有效地提高预测的精度和稳定性，并取得了大量的研究成果[1-4]。在财政收入的组合预测方面，孙元、吕林根据非负最优组合权重方法建立地方财政一般预算收入预测模型[5]。李凯扬、韩文秀通过满足各年增长率在各单项预测模型预测值增长率范围内，追求各期的组合预测值增长率最大化建立非负最优组合模型[6]。在此基础上，本文以安徽省为例，结合地方财政收入的构成内容以及结构特点，分别采用指数预测方法、时间序列预测方法、回归预测方法建立三种单项预测模型，以几何贴近度最大化作为目标函数建立新的地方财政收入的最优组合预测模型，综合评价指标表明所提出的财政收入预测方法结果明显优于各单项预测方法，最后用该方法对安徽省“十二五”期间的地方财政收入进行了预测。

二、地方财政收入组合预测的方法体系

2.1 单项预测方法的选择

（1）指数曲线预测模型（x1t）

曲线拟合法通过对历史数据的观察研究，选择最能描述观察数据的变化趋势的曲线作为预测模型。其优点是能较好地反映数据的变化趋势，短期预测准确性较高，缺点是仅依据历史数据预测，未考虑到其它因素的变化对待预测变量的影响，在进行较长时间的预测中，其预测精度较低，误差较大。图1显示的是安徽省1978-2009年的地方财政收入的趋势图，从图中可以看出，安徽省的地方财政收入与时间大致呈指数趋势。因此，可以选取指数模型建立安徽省地方财政收入曲线拟合模型。

图1 安徽省历年地方财政收入

利用matlab软件拟合方程，得指数模型为：

（2）时间序列预测模型（x2t）

时间序列预测模型主要考虑未来地方财政收入与目前的地方财政收入有直接的关系，从历史规律出发来预测未来的发展趋势，其缺点是未考虑未来地方财政收入受经济社会发展和地方财政收入政策的影响。由于序列非平稳，可采用对数处理后差分数据进行时间序列建模，根据自相关与偏相关图的特征，选择ARMA(1,1)模型进行拟合，得到时间序列模型如下：

（3）回归预测模型（x3t）

回归预测又称因果关系预测，是指利用与所要预测变量密切相关的变量的变动来解释预测变量的一种方法。该方法的优点是考虑了经济变量受其它变量的影响，不再是孤立对某一变量进行预测，其缺点是影响地方财政预测的因素较多，难以全面考察。最常用的地方财政收入回归模型是以单个地区生产总值指标作为解释变量的一元回归模型，本文正是采取上述回归预测方法对安徽省的地方财政收入水平进行回归分析。为使变量趋于平稳，对安徽省的地区生产总值和财政收入分别做对数处理后再做回归分析，得出回归方程如下：

2.2 基于几何贴近度的地方财政收入最优组合预测模型

组合预测值序列与实际值序列的几何贴近度Γ为L＝（l1，l2，…，lm）T的函数，记为 Γ（l1，l2，…，lm）。当从几何贴近度角度考察组合预测问题时，我们希望 Γ（l1，l2，…，lm）越大越好，Γ（l1，l2，…，lm）越大表示组合预测方法越有效。当组合预测值序列与实际值序列完全相同时，几何贴近度达到了最大值1。然而预测误差是不可避免的，因此，基于几何贴近度的最优组合预测模型为：

三、安徽省地方财政收入的预测

为了反映提出的地方财政收入的几何贴近度最优组合预测模型的有效性，现收集1978-2009年安徽省地方财政收入实际值，以及根据以上三种单项预测方法得到的各单项预测模型的预测值来进行实证分析，基础数据见表1。

代入到基于几何贴近度的最优组合预测模型（*）中，利用LINGO软件计算出最优权系数为：l1=0.0732，l2=0.5980，l3=0.3288。按照组合预测效果评价的原则，采用下列误差指标作为评价指标体系：

表2 各种方法预测效果评价指标体系

从表2各种预测方法预测效果评价结果可以看出，基于几何贴近度的最优组合预测模型的各误差指标均低于三种单项预测模型预测误差指标值，表明本文提出的地方财政收入的组合预测方法是合理的和有效的，并且能够有效提高预测精度。

在指数曲线预测方法、时间序列预测方法、回归预测方法等三种单项预测模型预测值的基础上，利用基于几何贴近度的地方财政收入最优组合预测模型，可以预测出安徽省2010-2015年的地方财政收入，见表3

表3 安徽省2010-2015年地方财政收入预测值（单位：亿元）

2011 700.54 1099.27 627.22 914.87 2012 789.47 1278.25 704.82 1053.93 2013 889.70 1486.42 792.02 1214.42 2014 1002.65 1728.54 890.00 1399.69 2015 1129.94 2010.14 1000.10 1613.61

四、结束语

组合预测方法比单项预测方法能分散预测风险，且更有效地提高预测的精度和稳定性。针对安徽省地方财政收入的预测，文中采用指数预测方法、时间序列预测方法、回归预测方法建立三种单项预测模型，以几何贴近度最大化作为目标函数建立新的地方财政收入的最优组合预测模型，综合评价结果表明所提出的财政收入预测结果明显优于各单项预测方法，从而创新了地方财政收入预测的方法，为安徽省经济发展规划的制定提供了较为科学的数据支持。

［1］Bates J.M.,Granger C.W.J.,Combination of Forecasts[J].Operations Research Quarterly,1969,20(4):451-468.

［2］唐小我,马永开,曾勇,杨桂元.现代组合预测和组合投资决策方法及应用研究[M].北京:科学出版社，2003.

［3］陈华友.组合预测方法有效性理论及其应用[M].北京:科学出版社，2008.

［4］胡彦,李秀美,陈华友.基于IOWA算子的税收组合预测模型[J].统计与决策，2009，(10):33-35.

［5］孙元,吕宁.地方财政一般预算收入预测模型及实证分析[J].数量经济技术经济研究，2007，(1):38-45.

［6］李凯扬,韩文秀.财政收入的组合预测[J].天津大学学报，2003，(1):100-103.

［7］袁宏俊,杨桂元.基于一种贴近度的IOWA算子的优性组合预测模型[J].统计与信息论坛，2010，25(2):32-37.

［8］岳红伟.几何贴近度[J].华北水利水电学院学报，2007，28(6):108-109.

A Combination Forecasting Model for Local Financial Revenue

Yuan Hong-jun，Hu Ling-yun
（Anhui University of Finance and Economics，Bengbu Anhui 233030，China）

Local financial revenue forecasting is an important prerequisite and foundation to strengthen macroeconomic management and improved decision-making.In order to scientifically predict local financial revenue and innovate the prediction methods,according to the composition of the local financial revenue structure,content and features,used index forecasting method,time series method and regression forecasting method to establish the three individual forecasting model,built on the local financial revenue optimal combination forecasting model of geometric approach degree,and Anhui Province"Twelve Five"during the local financial revenue is predicted.

local financial revenue;combination forecasting;geometric approach degree;optimal model

F810.7

A

1672-0547（2011）03-0034-03

2011-03-20

袁宏俊（1978-），男，安徽庐江人，安徽财经大学统计与应用数学学院讲师，硕士，研究方向:运筹与管理，预测和决策分析。

国家自然科学基金项目《诱导有序加权平均组合预测模型的构建及其有效性理论和应用研究》（编号：70571001），安徽省教育厅人文社会科学研究项目《组合预测方法及其在安徽经济发展预测中的应用研究》（编号：2009sk130），安徽省教育厅人文社会科学研究项目《基于多重分形分布下我国金融市场VaR值研究》（编号：2011sk177）成果。