|
||||||
|
Журнал «Менеджмент и бизнес-администрирование»
№3 / 2025 Повышение точности прогнозов доходов государственного бюджета посредством предварительной обработки данных: обзор литературыПонкратов В.В. кандидат экономических наук, директор Института исследований социально-экономических трансформаций и финансовой политики, Финансовый университет при Правительстве Российской Федерации, Москва, Россия Гуева Л.Х. младший научный сотрудник Института исследований социально-экономических трансформаций и финансовой политики, Финансовый университет при Правительстве Российской Федерации, Москва, Россия Караев А.К. доктор технических наук, профессор, главный научный сотрудник Института исследований социально-экономических трансформаций и финансовой политики, Финансовый университет при Правительстве Российской Федерации, Москва, Россия Поздняев А.С. кандидат экономических наук, научный сотрудник Института исследований социально-экономических трансформаций и финансовой политики, Финансовый университет при Правительстве Российской Федерации, Москва, Россия Аннотация. Прогнозирование доходов является важным компонентом финансового планирования как государственных, так и местных органов власти, а точность прогнозов доходов бюджетов всех уровней (местных, региональных и федерального уровней) критически и напрямую влияет на бюджетирование, политические решения и общую экономическую стабильность. В многочисленных исследованиях в вопросах выявления наилучшей модели прогнозирования доходов бюджетов усилия сосредоточены на различиях между методами машинного обучения и традиционными подходами, не учитывая различий в предварительной обработке данных, перед применением моделей прогнозирования, вследствие чего методы машинного обучения не всегда обеспечивают более высокую точность прогнозирования. Предварительная обработка данных оказывает наибольшее влияние на точность прогнозирования, и в моделях прогнозирования необходимо учитывать уникальные характеристики временных рядов, чтобы повысить точность прогнозов. Выводы из полученных результатов заключаются в том, что для достижения высокой точности прогнозов доходов бюджетов важен не только выбор модели прогнозирования, но и методы и технологии предварительной обработки данных, а также тщательно изученное взаимодействие между методами предварительной обработки данных и методами прогнозирования. Ключевые слова: доходы бюджета, прогноз доходов, технологии машинного обучения, предварительная обработка данных. Improving the accuracy of state budget revenue forecasts through data pre-processing: Literature review Ponkratov V.V. PhD in Economics, Director of the Institute for Research on Socioeconomic Transformations and Financial Policy, Financial University under the Government of the Russian Federation, Moscow, Russia Gueva L.Kh. Junior Researcher, Institute for Research on Socioeconomic Transformations and Financial Policy, Financial University under the Government of the Russian Federation, Moscow, Russia Karaev A.K. Doctor of Engineering Sciences, Professor, Chief Researcher, Institute for Research on Socioeconomic Transformations and Financial Policy, Financial University under the Government of the Russian Federation, Moscow, Russia Pozdnyaev A.S. PhD in Economics, Researcher, Institute for Research on Socioeconomic Transformations and Financial Policy, Financial University under the Government of the Russian Federation, Moscow, Russia Abstract. Revenue forecasting is an important component of financial planning for both state and local governments, and the accuracy of budget revenue forecasts at all levels (local, regional, and federal) critically and directly affects budgeting, political decisions, and overall economic stability. Numerous studies on identifying the best budget revenue forecasting models focus on the differences between machine learning and traditional approaches, without taking into account the differences in data pre-processing before applying forecasting models, as a result of which machine learning methods do not always provide higher forecasting accuracy. Data pre-processing has the greatest impact on forecasting accuracy, and forecasting models need to take into account the unique characteristics of time series to improve forecast accuracy. The conclusions from the obtained results are that in order to achieve high accuracy of budget revenue forecasts, not only the choice of forecasting model is important, but also the methods and technologies of data pre-processing, as well as a carefully studied interaction between data pre-processing methods and forecasting methods. Keywords: budget revenues, revenue forecast, machine learning technologies, data preprocessing. DOI: 10.33983/2075-1826-2025-3-139-147 Библиографический список
|
||||||