◆赖慧慧

内容提要：运用时间序列模型预测未来的税收变化，对税收收入的组织、规划和决策具有重要的意义。为探索一种更为有效的方法来提高季节性行业的消费税预测准确率，文章采用基于可分解（趋势+季节+节假日）的Prophet模型，对2014—2019年不同排量乘用车消费税数据进行训练和测试，并运用2019年7—12月的乘用车消费税数据进行推算预测和实证分析，三类不同排量乘用车预测的平均误差分别为24.97%、5.70%、39.85%；若剔除12月，则平均误差分别为2.86%、4.90%、8.48%。这就给分行业分品目的税收预测提供了一种新思路。

一、引言

税收预测是指运用统计学、经济学等原理和方法，通过分析一定阶段的税收历史数据，对未来税收收入的发展趋势及规律的预见和推断。从微观上看，税收预测有利于提高组织收入的科学性，堵塞征管漏洞，降低税收流失率；从宏观上看，精准的税收预测有利于完善财税体制，合理安排财政预算，有效发挥税收在国家治理中的基础性、支柱性和保障性作用。近年来，随着大数据技术的运用，大量数据模型被应用到税收预测中，但大多集中在宏观层面，即总体的税收收入、分税种收入等；在中观层面，即通过研究行业的运行规律来预测分行业、分品目税收收入的文献较少。随着税收信息化建设的不断推进，税务部门掌握了大量的税收历史数据，使得分行业分品目的税收预测成为可能。相比其他税种，消费税收入较为稳定，尤其是在汽车制造业，由于技术和投资壁垒高，企业进入和退出成本高昂，一旦建成投产，产能稳定，往往能成为当地重点税源企业，提供稳定而充足的税源。……