머신러닝을 활용한 국고잔액 예측 모형 개발

Q: 이 논문에서 정의한 국고잔액이란 무엇인가?

국가의 재정 활동에 수반되는 모든 현금을 의미하며, 여기에는 세입과 세출 그리고 기금 등이 모두 포함된다. 이는 머신러닝을 통해 예측 가능성을 분석하고자 하는 본 연구의 핵심 대상이자 분석 변수로 활용된다.

Q: 국고잔액의 세부 항목별 예측에 가장 효과적인 머신러닝 알고리즘은 무엇인가?

연구 결과, 세입과 소득세 예측에는 선형 회귀 알고리즘이 가장 우수한 성능을 보였으며, 부가가치세 예측에는 랜덤 포레스트 알고리즘이 가장 효과적인 것으로 나타났다. 이를 통해 재정 데이터의 특성에 따라 최적의 예측 모델이 다름을 확인하였다.

송석현

doi:10.25052/KSCM.2021.10.21.2.63

추천

검색

질문

자료유형: 학술저널

저자정보: 송석현 (감사원)

저널정보: 한국SCM학회 한국 SCM 학회지 한국SCM학회지 제21권 제2호

발행연도: 2021.10

수록면: 63 - 72 (10page)

DOI: 10.25052/KSCM.2021.10.21.2.63

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

The Government are always making various efforts to establish sound financial management and stable budget policies.. In particular, the work related to the fund plan and the operation plan of the treasury through manual work is subject to improvement, and a financial estimation system is needed to achieve it.. In this study, we wanted to analyze whether it is possible to predict the balance of the treasury by utilizing machine learning. First of all, we developed a forecasting model for treasury balances. In addition, to verify the applicability, the government balance predictability of machine learning techniques, performance verification, and major variable verification were performed. In detail, data collection and refinement, exploratory analysis, analytical model design and development, and analysis result review were studied. The analysis target data is 120 months of total data from 2010 to 2019, limited to income tax and value-added tax revenue forecasts, with monthly revenue volume and major taxes. This was predicted for 2019 tax revenue respectively. The application algorithms are Linear Regression, Random Forest, and Gradient Boosting. According to the analysis, Linear Regression was the best in revenue and income taxes, while Gradient Boosting was the best in VAT. In conclusion, it was analyzed that machine learning was applicable to treasury predictions. This will allow quick results, scientific analysis through the introduction of big data-based models, and the person in charge will be able to improve predictive power through new model tests. It is also expected that the government"s confidence in fiscal management will be improved.

#Machine Learning #Financial Estimation #Financial soundness #Treasury balance #Prediction #Algorithm

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2021-324-002142080

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)