Журнал «Менеджмент и бизнес-администрирование»
№2 / 2024

Применение регрессионных моделей в прогнозировании государственных доходов

Борисова О.В.,

кандидат экономических наук, доцент, доцент кафедры корпоративных финансов и корпоративного управления факультета экономики и бизнеса, Финансовый университет при Правительстве Российской Федерации, Москва, Россия

Аннотация. Стремительная трансформация экономических процессов, политическая нестабильность, сильное санкционное давление выводят на первый план вопросы, связанные с прогнозированием размера бюджетных доходов. Выявление моделей, позволяющих оперативно и с высокой степенью вероятности провести расчеты, становится объективной необходимостью. Цель исследования состоит в определении перечня регрессионных моделей, которые целесообразно использовать для оперативного прогнозирования бюджетных доходов. Для ее реализации были выявлены наиболее часто используемые модели регрессионного анализа, проведено их сравнение, определены прогностические модели. Исследование базировалось на следующих методах: общенаучные, сравнения, измерения, сопоставления. В результате уточнен перечень корреляционно-регрессионных моделей, которые целесообразно использовать в прогностических целях, выявлены их достоинства, недостатки, особенности, уточнены основные предикторы и форма связи.

Ключевые слова: прогнозирование государственных доходов, регрессионные модели, AR, ADL, MIDAS.

The use of regression models in forecasting government revenues

Borisova O.V.,

Candidate of Economic Sciences, Docent, Associate Professor at the Department of Corporate Finance and Corporate Governance, Faculty of Economics and Business, Financial University under the Government of the Russian Federation, Moscow, Russia

Abstract. The rapid transformation of economic processes, political instability, and strong sanctions pressure bring to the fore issues related to forecasting the size of budget revenues. The identification of models that make it possible to carry out calculations quickly and with a high degree of probability becomes an objective necessity. The purpose of the study is to determine the list of regression models that it is advisable to use for operational forecasting of budget revenues. To implement it, the most frequently used regression analysis models were identified, their comparison was carried out, and predictive models were determined. The research was based on the following methods: general scientific, comparisons, measurements, comparisons. As a result, the list of correlation and regression models that are advisable to use for predictive purposes has been clarified, their advantages, disadvantages, features have been identified, the main predictors and the form of communication have been clarified.

Keywords: government revenue forecasting, regression models, AR, ADL, MIDAS.

DOI: 10.33983/2075-1826-2024-2-62-71

Библиографический список

Донец Е.И., Васева Г.С. Анализ и моделирование объема поступлений НДФЛ // Актуальные вопросы современной науки и инноватики: сборник научных статей по материалам II Международной научно-практической конференции. — Уфа, 2023. — С. 29–35.
Жуков П.Е. Как сбалансировать расходы и доходы федерального бюджета в современных условиях // Самоуправление. — 2023. — № 2 (135). — С. 58–61.
Караев А.К. Прогнозирование ежемесячных агрегированных доходов региональных бюджетов субъектов РФ (2013:01?2023:03) // Финансовая жизнь. — 2023. — № 3. — С. 43–47.
Косов М.Е. Управление доходами федерального бюджета РФ в современных экономических условиях // Аудиторские ведомости. — 2023. — № 4. — С. 99–105.
Стерник С.Г. Исследование аномалий в доходах федерального бюджета // Менеджмент и бизнес-администрирование. — 2023. — № 3. — С. 40–54.
Angelini E., Lalik M., Lenza M., Paredes J. Mind the gap: a multi-country BVAR benchmark for the Eurosystem projections. — Working Paper Series, European Central Bank, 2019, № 2227. — 27 p.
Ballarin G., Dellaportas P., Griliryeva L., Hirt M., Huellen S., Ortega J.-P. Reservoir Computing for Macroeconomic Forecasting with Mixed Frequency Data // ResearchGate [Электронный ресурс]. — URL: https://www.researchgate.net/publication/364957371_Reservoir_Computing_for_Macroeconomic_Forecasting_with_Mixed_Frequency_Data (дата обращения: 01.08.2023).
Carriero A.T., Clark and M. Marcellino. Large Vector Autoregressions with Stochastic Volatility and Flexible Priors. — Workings papers of Federal Reserve Bank of Cleveland, 2016. — 55 p.
Ghysels E. Macroeconomics and the reality of mixed frequency data // Journal of Econometrics. — 2016. — № 193 (2). — Pp. 294–314.
Ghysels E., Ozkan N. Real-time forecasting of the US federal government budget: A simple mixed frequency data regression approach // International Journal of Forecasting. — 2015. — № 31. — Pp. 1009–1020.
Wainwright M.J. Sharp thresholds for noisy and high-dimensional recovery of sparsity using l1-constrained quadratic programming (lasso) // IEEE Transactions on Information Theory. — 2009. — № 55 (5). — Pp. 2183–2202.
Yuehan Y., Yang H. Eigenvalue Condition and model selection consistency of lasso // Semantic Scholar [Электронный ресурс]. — URL: https://www.semanticscholar.org/paper/Eigenvalue-Condition-and-model-selection-of-lasso-Yang-Yang/6ec8eeb2d07963a351f1f059be593bd645427266#citing-papers (дата обращения: 22.09.2023).