Учебная работа № 82252. «Контрольная Субъекты и объекты налогового прогнозирования
Содержание:
«Введение
Субъекты и объекты налогового прогнозирования
Заключение
Список литературы
1. Васильева, М.В. Методы налогового прогнозирования на макроуровне / М.В.Васильева // Управленческий учет. – 2011. — №6 – С.63-73
2. Едронова, В.Н. Прогнозирование налоговых поступлений в субъекте Российской Федерации / В.Н.Едронова, Н.Н.Акимов // Финансы и кредит. – 2008. — №17. – С.51-54
3. Кузьменко, В.В. Методические проблемы прогнозирования налоговых доходов / В.В. Кузьменко // Экономика. – 2007. — №6. – С.19.
4. Основные направления налоговой политики в Российской Федерации. Режим доступа: http:/minfin.ru
5. Официальный сайт Федеральной налоговой службы Российской Федерации. Режим доступа: http:/nalog.ru
6. Пешкова, Е.П. Моделирование прогноза налоговых поступлений в бюджет / Е.П. Пешкова, А.А. Пешкова, Л.В. Вардересян // Финансы и кредит. – 2008. -№20. –С.17-22.
7. Сидорова, Е.Ю. Налоговое планирование: курс лекций / Е.Ю. Сидорова. – М.: Экзамен, 2006. – 221 с.
»
Выдержка из подобной работы:
….
Анализ методов прогнозирования и моделирование нейронных сетей для прогнозирования стоимости недвижимости
…..ческих взаимоотношений.
Развитие прогностики как
науки в последние десятилетия привело к созданию множества методов процедур
приемов прогнозирования неравноценных по своему значению. По оценкам
зарубежных и отечественных систематиков прогностики уже насчитывается свыше ста
методов прогнозирования в связи с чем перед специалистами возникает задача
выбора методов которые давали бы адекватные прогнозы для изучаемых процессов
или систем. Жесткие статистические предположения о свойствах временных рядов
ограничивают возможности классических методов прогнозирования.
С развитием теоретических
подходов для создания адекватных моделей поведения рынка недвижимости в
западных странах и США одновременно происходило активное внедрение новых
интеллектуальных компьютерных технологий в практику принятия финансовых и
инвестиционных решений. Вначале в виде экспертных систем и баз знаний а затем
с конца 80-х — нейросетевых технологий которые являются адекватным аппаратом
для решения задач прогнозирования.
Начало исследования
методов обработки информации называемых сегодня нейросетевыми было положено
несколько десятилетий назад. С течением времени интерес к нейросетевым
технологиям то ослабевал то вновь возрождался. Такое непостоянство напрямую
связано с практическими результатами проводимых исследований.
На украинском финансовом
рынке нейросетевые компьютерные технологии появились всего несколько лет назад.
Изучение литературы за этот период показало что ни в одном из источников не
содержится подробного описания эффективного
применения нейросетевых компьютерных технологий для прогнозирования рынка недвижимости
в среднесрочной перспективе. Большинство публикаций сводится к описанию
возможностей нейронных сетей и их потенциальных преимуществ перед другими
компьютерными технологиями. Причем большая часть выводов в этих работах сделана
на основе результатов применения нейросетей на западных рынках.
Основной вклад в развитие
теории нейрокомпьютинга и его применения в финансовой сфере внесли ученые стран
Запада и США. Это прежде всего: Д.-Э. Бэстенс П. Вербос Л. Вилентурф Д. Вуд
В. МакКаллох В. Пите М. Редмиллер Ф. Розенблат Дж. Хопфилд и др. Необходимо
отметить также работы отечественных ученых занимающихся разработкой и
внедрением нейросетевых технологий в области экономики таких как: А. Ежов Б.
Одинцов А. Романов С. Шумский и др.
На сегодняшний день
возможности нейросетевых технологий используются во многих отраслях науки
начиная от медицины и астрономии заканчивая информатикой и экономикой. Между
тем далеко не все потенциальные возможности нейросетевых методов изучены но
одними из их свойств являются возможности распознавания и классификации
образов работы с большими массивами зашумленных данных оценка стоимости
недвижимости аппроксимация и выявление неочевидных зависимостей в данных
финансовых временных рядов. На основе этих свойств нейросетевых архитектур
можно сделать вывод о значительном преимуществе их использования для анализа и
прогнозирования динамик финансовых рядов в частности рынка недвижимости.
Целью
исследования является анализ существующих методов прогнозирования и
моделирование нейронных сетей для прогнозирования стоимости недвижимости.
1. ПОСТАНОВКА
ЗАДАЧИ ИССЛЕДОВАНИЯ
В
различных областях человеческой деятельности часто »