Анализ временных рядов и особенности малой открытой экономики при прогнозировании налоговых поступлений

Abstract

Данное исследование посвящено анализу статистических подходов, которые могут использоваться для прогнозирования бюджетных поступлений с учетом особенностей украинской экономики. В частности, рассмотрены такие современные модели анализа временных рядов, как ARIMA-модели и векторные авторегрессионные модели исправления ошибок (VECM), продемонстрированы результаты их использования для прогнозирования налоговых поступлений в консолидированный бюджет Украины. Раскрыто влияние особенностей украинской экономики на формирование прогностических моделей. Тот факт, что экономика Украины является малой и открытой, допускает гипотезу, что налоговые поступления, при неизменной налоговой политике, должны в значительной мере быть детерминированы внешними условиями торговли и мировой экономической динамикой. Анализ относительных среднеквадратических погрешностей прогноза налоговых поступлений свидетельствует о том, что учет переменных внешнеэкономической среды ощутимо повышает точность описания фактических данных внутри выборки и прогнозирования при использовании VECМ- и RW-моделей.

Presents the findings of the research of statistical approaches of tax revenue forecasting that can be used in Ukraine, given specifics of the national economy. In particular, there were considered such modern time-series methods as ARIMA and autoregression vector error correction model (VECM). Demonstrated are the results of their application for forecasting tax revenues to Ukraine’s consolidated budget. Revealed is the impact of Ukraine’s economy peculiarities on the formation of forecast models. The fact that Ukraine is a small and open economy makes it possible to assume that the tax revenues should be determined to a great extent by external terms of trade and the world economic dynamics. It is shown that taking into account external economic variables significantly improves the accuracy of the description of the actual data within the sampling when applying VECM- and RW- models.