مدلسازي غير خطي و پيش بيني ماليات براشخاص حقوقي

Nonlinear Modeling and Forecasting Tax of Legal Entities

مدلسازي غير خطي و پيش بيني ماليات بر اشخاص حقوقي سعيده حميدي علمداري كارشناس ارشد اقتصاد حميد خالوزاده دانشيار، گروه كنترل، دانشگاه صنعتي خواجه نصيرالدين طوسي محمد رضايي پور عضو هيات علمي موسسسه مطالعات و پژوهش هاي بازرگاني تاريخ دريافت: 7/7/88 تاريخ پذيرش: 7/9/89 صفحات: 139-115 هدف اصلي اين مقاله پيش بيني درآمدهاي ماليات بر اشخاص حقوقي ايران مي باشد. بدين منظور ابتدا ماهيت ساختاري سري زماني درآمدهاي ماليات بر اشخاص حقوقي ايران به تفكيك منابع وصولي ( دولتي و غير دولتي ) از جهت خطي، غير خطي، آشوبي و تصادفي بودن با استفاده از آزمون نماي لياپانوف مشخص شده است و در نهايت از الگوهاي سري زماني باكس – جنكينز و شبكه هاي عصبي با ساختارهاي متفاوت از نظر تعداد ورودي، خروجي و ميزان وقفه و تعداد نرونهاي لايه مياني، نوع يادگيري، نحوه آموزش، نوع توابع نرونهاي لايه مياني و ... استفاده شده است و پس از بررسي عملكرد اين دو روش در دوره آزمون (1387-1381) در نهايت مدلي با ساختار بهينه بر اساس ساختار چند ورودي – چند خروجي با قانون يادگيري پيشنهادي براي پيش بيني درآمدهاي ماليات بر اشخاص حقوقي به تفكيك منابع وصولي براي سالهاي 1393 – 1388 در يك بازه درآمدي، استفاده شده است. طبقه بندي JEL : G1, G2, كليد واژه ها: ماليات بر اشخاص حقوقي، آشوب، نماي لياپانوف، سري زماني باكس – جنكينز، شبكه عصبي مصنوعي

Economic Research Review 5 Nonlinear Modeling and Forecasting Tax of Legal Entities Saeedeh Hamidi Alamdari* M.S. in Economics Hamid Khaloozadeh** Associate Professor, K.N. Toosi University of Technology Mohammad Rezaei Poor*** The Faculty of Institute For Trade Studies and Research Received: 2009/9/29 Accepted: 2010/11/28 Abstarct This paper deals with forecasting the tax revenues of legal entities in Iran. For this purpose, the structural natures of time series of tax revenues for Iranian legal entities are detected. Based on the separation among the resources (government and NGOs), the linearity, nonlinearity, chaotic, and random behaviors are diagnosed via the Lyapunov exponential analysis. Using Box- Jenkins and Neural Networks models with different numbers of input, output, hidden layers, learning algorithm, learning rate and etc., the performance of each model are evaluated during the years of 1381- 1387. Finally, the optimal forecasting model is proposed as a multi input- multi output neural network structure with a novel algorithm. The performance of the proposed structure is evaluated during the years of 1388- 1393 in the forecasting process. JEL Classification: G1, G2 Key words: Legal Entities Tax, Chaos, Lyapunov Exponent, Box ! Jenkins Models, Artificial Neural Network. * Email: hamidi-saeedeh@yahoo.com ** Email: h_khaloozadeh@kntu.ac.ir *** Email: m_rezaeepoor59@yahoo.com