Resumen

Los datos fiscales son datos típicos de series temporales, que están sujetos a la interacción e influencia de factores económicos y políticos y tienen características dinámicas y altamente no lineales. La clave para una correcta previsión fiscal es la elección del algoritmo de previsión. Los métodos tradicionales de previsión fiscal, como el método de puntuación de factores, el método de regresión de factores y el método de ajuste del sistema, tienen un cierto papel orientador en el trabajo real, pero aún tienen muchas deficiencias, como la limitación de la distribución y tamaño de los datos de muestra y la dificultad para comprender los fenómenos no lineales en el sistema económico. El modelo de cadena de Grey-Markov formado por la combinación de la previsión de Grey y la previsión de cadena de Markov no solo puede revelar la tendencia general de desarrollo de los datos de series temporales, sino también predecir sus patrones de cambio de estado. Basándose en el resumen y análisis de trabajos de investigación anteriores, este documento expone el estado

• Materias:Internet de las cosas Algoritmo iterativo Algoritmo de evaluación Viga viscoelástica Lenguaje de programación
• Subjects:Internet of things Iterative algorithm Evaluation algorithm Viscoelastic beam Programming language
• Palabras claves:Datos fiscales; Algoritmo de pronóstico; Modelo de cadena de Markov gris; Datos de series temporales; Sistema económico; Pronóstico fiscal
• Keywords:Tax data; Forecasting algorithm; Grey-markov chain model; Time series data; Economic system; Tax forecasting