Economic Research and Perspectives

Economic Research and Perspectives

Hybrid ARIMA- Neural Network Model to Forecast VAT on Gasoline Consumption in Iran

Authors
1 Faculty / Payame Noor University
2 Assistant Professor of Economics, Islamic Azad University, Science and Research Branch, Faculty of Management and Economics, Department of Economics, Tehran, Iran
Abstract
One of the major problems in budgeting is to predict the various kinds of future income precisely as possible. Since tax revenue is very important component in the combination of state income, the present paper considers the forecasting of VAT on gasoline consumption. The main purpose is to achieve an efficient method to forecast gasoline consumption and VAT on it in Iran. Hence, a Hybrid ARIMA- Neural Network model is used to forecast gasoline consumption. After confirming the good performance of this method compared with autoregressive integrated moving average processes(ARIMA), VAT on gasoline consumption is calculated by applying its tax rate. Results indicate that during the years 2013 to 2016, VAT on gasoline consumption will grow by 31.6 percent on average.
Keywords

ابونوری، عباسعلی و هیوا شیوه (1385) برآورد تابع تقاضای بنزین در ایران طی دوره (81-1347)؛ فصلنامه پژوهش نامه اقتصادی، دوره 6، شماره 3 (پیاپی 22).
افتخاری، حمید (1362) روش کاربردی پیش بینی و برآورد مصرف فرآورده‌های نفتی در داخل کشور در برنامه‌های میان مدت؛ پایان نامه کارشناسی ارشد، دانشکده اقتصاد دانشگاه شهید بهشتی.
امین ناصری، محمدرضا و احمد کوچک زاده (1385) بینی پیش ماهانه مصرف بنزین کشور با استفاده از شبکه های عصبی مصنوعی؛ نشریه فرایند نو، سال اول، شماره 5.
بغزیان، آلبرت و ابراهیم نصرآبادی (1385) پیش بینی مصرف فرآورده‌های نفتی: مقایسه سیستم معادلات اقتصادسنجی و شبکه‌های عصبی؛ فصلنامه مطالعات اقتصاد انرژی، سال 3، شماره 10.
جنتی، بهاره (1390) پیش‌بینی و تحلیل مصرف فرآورده‌های نفتی طی سال‌های 1391 الی 1394 با استفاده از مدل ARIMA؛ اولین کنفرانس بین المللی نفت، گاز، پتروشیمی و نیروگاهی، مرکز همایش‌های بین‌المللی هتل المپیک تهران.
دادگر، یدالله ؛ روح اله نظری و فاطمه مهربانی (1387) تأثیر سیاست های مالی و تکانه های قیمت بنزین بر توزیع درآمد و رفاه در ایران؛ فصلنامه رفاه اجتماعی، سال 7، شماره 28.
دهمرده، نظر و همکاران (1390) استفاده از رهیافت‌های شبکه عصبی و مدل های خودرگرسیونی در پیش بینی رشد اقتصادی ایران؛ فصلنامه تحقیقات توسعه اقتصادی، شماره نهم
عرب مازار، عباس و همکاران (1387) الگوهای پیش بینی درآمدهای مالیاتی؛ طرح پژوهشی سازمان امور مالیاتی کشور.
غلامی، الهام (1389) بررسی تأثیر هدفمندشدن یارانه ها بر درآمد مالیات بر ارزش افزوده؛ فصلنامه اقتصاد کاربردی، سال اول، شماره دوم.
کوچک زاده، احمد و محمدرضا امین ناصری (1384) پیش بینی ماهانه مصرف نفت سفید کل کشور با استفاده از شبکه عصبی بازگشتی؛ چهارمین کنفرانس بین‌المللی مهندسی صنایع، دانشگاه تربیت مدرس.
گجراتی، دامودار (1378) مبانی اقتصاد سنجی؛ ترجمه حمید ابریشمی؛ تهران: انتشارات دانشگاه تهران.
مستعلی مجدآبادی کهنه، مجتبی (1387) نظارت بر خط و خارج خط یک فرایند چند متغیره برای تشخیص شرایط نرمال و وجود خطا در فرایند؛ پایان نامه کارشناسی ارشد در رشته مهندسی برق- کنترل؛ دانشکده مهندسی، دانشگاه شیراز.
موسوی جهرمی، یگانه (1376) بررسی اقتصادی مالیات بر مصرف؛ رساله دکتری، دانشگاه آزاد اسلامی (علوم و تحقیقات تهران).
موسوی جهرمی، یگانه (1386) راه های فرار مالیاتی در نظام مالیات بر ارزش افزوده و راهکارهای جلوگیری از آن؛ طرح پژوهشی پژوهشکده امور اقتصادی.
نوفرستی، محمد (1378) ریشه واحد و همجمعی در اقتصادسنجی؛ موسسه خدمات فرهنگی رسا.
هژبر کیانی، کامبیز؛ غلامی، الهام و جواد نوبخت (1391) برآورد نرخ بهینه مالیات بر ارزش افزوده با استفاده از الگوی دایموند؛ فصلنامه تحقیقات اقتصادی، دوره 47، شماره دوم.
Granger, C.W.J. and Newbold, P. (1986) Forecasting Economic Time Series; Academic Press, 2nd. ed.
Hozhabr Kiani, kambiz and gholami, Elham (2012) Forecasting of the Value Added Tax Revenue from Gasoline Consumption in Iran; 1st. International Conference on Econometrics, Methods and Applications, Islamic Azad University of Sanandaj, Iran.
Khashei, Mehdi and Bijari, Mehdi (2011) A Novel Hybridization of Artificial Neural Networks and ARIMA Models for Time Series Forecasting; Applied Soft Computing, Vol. 11: 2664-75.
Liu, Rongrong et.al. (2012) A Comparison of  Models for Forecasting Petroleum Consumption in China; 9th OAPS Working Paper Series,  Paper No. 2012-037.
Wang, Xiping and Meng, Ming (2012) A Hybrid Neural Network and ARIMA Model for Energy Consumption Forecasting; Journal of Computers, Vol. 7, No.5.
Zhang, G.; E.B. Patuwo, and M.Y. Hu (1998) Forecasting with Artificial Neural Networks: the State of the Art; Int. J. Forecasting, No.14: 35-62.
Zheng, Li., etal. (2010) Forecasting Automobile Petrol Demand in Australia: An Evaluation of Empirical Models; Transportation Research Part A, No. 44: 16-38.