- Autor
- Grytskiv Andriy V. (Ternopil National Economic University, Ukraine), Masliy Vadym V. (Ternopil National Economic University, Ukraine)
- Tytuł
- Methods of fuzzy logic as an instrument for forecasting of tax revenues
Metoda logiki rozmytej jako narzędzie do prognozowania dochodów podatkowych - Źródło
- Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Ekonometria (32), 2011, nr 196, s. 9-19, tab., rys., bibliogr. 21 poz.
Research Papers of Wrocław University of Economics. Econometrics - Słowa kluczowe
- Dochód podatkowy, Logika, Prognozowanie, Logika rozmyta
Tax revenue, Logic, Forecasting, Fuzzy logic - Uwagi
- summ., streszcz.
- Abstrakt
- Jednym z głównych kierunków wzrostu efektywności pracy organów finansowych dotyczących procesu budżetowania jest poprawa prognozowania wpływów z podatków. Naukowo udowodniona prognoza odgrywa istotną rolę nie tylko w kształtowaniu dochodowej części budżetów na dowolnym poziomie w średnim okresie, ale ma również zasadniczy wpływ na podejmowanie decyzji dotyczących zarządzania w trakcie ich realizacji. Wśród istotnych cech procesów ekonomicznych w gospodarce Ukrainy możemy wyróżnić nie kompleksowość informacji wstępnych, ograniczoność danych (krótkie próby), brak danych dotyczących charakteru relacji pomiędzy zmiennymi wejściowymi i wyjściowymi oraz brak rozkładu normalnego wśród danych statystycznych. Te cechy ograniczają zastosowanie klasycznych metod analizy statystycznej, między innymi modelu ARIMA oraz innych ekstrapolacyjnych modeli autoregresji z jedną zmienną. Co więcej, wymagają opracowania nowych, nietradycyjnych rozwiązań i metod opartych na idei sztucznej inteligencji, do których możemy zaliczyć metody logiki rozmytej. W niniejszej pracy zostało przedstawione zmodyfikowane podejście do prognozowania wpływów podatkowych, które polega na wykorzystaniu rozmytych szeregów czasowych. Zaprezentowano główne terminy dotyczące rozmytych szeregów czasowych, dokonano przeglądu najbardziej znanych metod prognostycznych z wykorzystaniem rozmytych szeregów czasowych, opisano zmodyfikowane podejście prognozowania oraz dokonano analizy otrzymanych wyników. (abstrakt oryginalny)
Updating of forecasting for tax revenues is one of the most important directions to increase the efficiency of fiscal bodies’ operations within the budget process. Scientifically substantiated forecasting plays an important role both in the formation of middle-term budget revenues on different levels and is of major influence upon managerial decision-making being under way. The article deals with the comprehensive research of modified approach to forecasting budget revenues volumes based on the usage of obscure time rows (OTR). The authors presented the main terms dealing with obscure time rows, made a digest of the major known methods of OTR forecasting, described the modified approach to forecasting, and analyzed the obtained results. (original abstract) - Dostępne w
- Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu - Pełny tekst
- Pokaż
- Bibliografia
-
- Chen S.M., Forecasting enrollments based on fuzzy time series, ”Fuzzy Sets and System” 1996, No. 81, p. 311-319.
- Chen S.M., Hsu C.C., A new method to forecast enrollments using fuzzy time series, ”Journal of Applied Science and Engineering” 2004, No. 2, p. 234-244.
- Дуброва Т.А., Статистические методы прогнозирования: Учеб. пособие для вузов, М.: ЮНИТИ-ДАНА 2003, p. 206.
- Федоров Ю.В., Применение метода нечетких множеств в прогнозирование доходов населения, ”Региональная экономика. Теория и практика” 2006, No. 6, p. 43-47.
- Федоров Ю.В., Принятие решений в управлении социально-экономическим развитием города, М.: Издательство ЛКИ, Lvov 2007, p. 184.
- Hguen H.T., Sugeno M., Tong R., Yager R.R., Theoretical aspects of fuzzy control, John Wiley & Sons, New York 1995, p. 359.
- Hwang J.R., Chen S.M., Lee C.H. A new method for handling forecasting, problem based on fuzzy time series, Proc. 7th Internat. Conference on Information Management, Chungli 1996.
- Hwang, J.R., Chen S.M., Lee C.H., Handling forecasting problems using fuzzy time series, ”Fuzzy Sets and System” 1998, No. 100, p. 217-228.
- Mamdani E.H., Application of fuzzy algorithms for the control of a simple dynamic plant, Proc. IEEE 121, 1974, p. 1585-1588.
- Мамедова М.Г., Джабраилова З.Г. Нечеткая логика в прогнозировании демографических аспектов рынка труда, ”Искусственный интеллект” 2005, No. 3, p. 450-460.
- Mendel J.M., Uncertain Rule-Based Fuzzy Logic Systems: Introduction and New Directions, Prentice Hall, New York 2001, p. 500.
- Mudi R.K. A self-tuning fuzzy PI controller ” Fuzzy Sets and Systems” 2000, No 115, p. 327-378.
- Naeeni, A.F. Advanced Multi-Agent Fuzzy Reinforcement Learning, Master Thesis in Computer Engi¬neering, No. E3098D Alireza Ferdowsizadeh Naeeni, Dalarna University, Dalarna 2004, p. 99.
- Показники виконання Державного бюджету України, // www.minfin.gov.ua/file/link/77659/file/3_07_Derg_budget.pdf.
- Song Q., Chissom B. S., Forecasting enrollments with fuzzy time series – part 1, ”Fuzzy Sets and Sys¬tem” 1993, No. 54, p. 1.
- Song Q., Chissom B.S,. Fuzzy time series and its models, ”Fuzzy Sets and System” 1993, No. 54,p. 269-277.
- Song, Q., Chissom, B.S., Forecasting enrollments with fuzzy time series – part 2, ”Fuzzy Sets and Sys¬tem” 1994, No. 62, p. 1-8.
- Sugeno M., Industrial Applications of Fuzzy Control, [in:] Industrial Application of Fuzzy Control, ed. M. Sugeno, North-Holland, Amsterdam 1985, p. 269.
- Заде Л., Понятия лингвистической переменной и его применение к принятию приближенных решений, Пер. с англ. – М., Мир 1976, p. 195.
- Zadeh L.A., Fuzzy Sets, ”Information and Control” 1965, No. 8, p. 338-353.
- Zimmerman H.J., Fuzzy Set Theory and its Applications, Kluwer, Dordrecht 1991, p. 315.
- Cytowane przez
- ISSN
- 1899-3192
1507-3866 - Język
- eng
