利用長短期記憶遞迴類神經網路建構地方政府稅收預測模型之研究——以土地增值稅為例   全文下載

賦稅收入為我國政府最主要歲入來源，如何有效估測賦稅收入，是政府編列歲入預算重要課題，以往有利用迴歸分析、時間序列等方法預測稅收之研究，其中多針對政府整體年收入，或以各項國稅為主，較少以地方政府及各月收入為單位進行預測；此外，隨著資訊科技發展推進硬體運算效能一日千里，近幾年興起類神經網路，其中遞迴式神經網路運用記憶單元傳遞資訊，在時間序列相關運用上取得重大進展，而其改良版本－長短期記憶遞迴類神經網路（Long Short-Term Memory recurrent neural network, LSTM-RNN）為最主要被運用架構。本文以臺北市、新北市等6個縣市土地增值稅之漲跌及高低作為預測目標，系統性地找出最適合運用於稅收預測之神經網路架構，並探討資料屬性對模型的影響，期能對政府稅收估測帶來助益。