머신러닝 방법론을 적용한 지방세수 예측 방안 연구
A Study on Local Tax Revenue Forecasting using Machine Learning Methodology
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
지방자치단체는 저출산･고령화로 인한 인구구조변동, COVID-19 발병, 전 세계적인 저성장 등 급변하는 환경변화에 직면하여 있다. 지방자치단체를 둘러싼 환경변화를 반영하면서도 안정적인 재정운영을 위해 세수 예측의 정확성이 주목받고 있다. 이에 본 연구는 1994년부터 2021년까지 지방세 징수액 자료를 수집하고, 다양한 알고리즘을 적용하여 2017년부터 2023년까지 총 지방세수를 예측하였다. 이를 실제 징수액 및 기존 추계방식과 비교하여 지방세수 예측에 머신러닝 방법론을 적용할 수 있는지, 적용할 수 있다면 가장 정확도가 높은 모델(알고리즘)이 무엇인지 살펴보았다. 정확성은 MAPE와 RMSE를 사용하여 평가하였다. 분석 결과, 신경망 기반 머신러닝 방법론의 예측정확도가 높음을 발견하였다. 이를 통해 지방세수 예측의 정확도와 신속성을 높이기 위해 머신러닝 방법론 적용의 유용성을 확인하였다. 그리고 데이터를 기반으로 다양한 머신러닝 방법론을 적용하여 지방세수 추계 오차를 줄이는 개선 방안을 모색했다는 점에서 연구의 의의를 찾을 수 있다.
Abstract
Local governments are confronted with rapidly changing environmental dynamics, including demographic shifts due to low birth rates and an aging population, the emergence of COVID-19, and global economic stagnation. The accuracy of tax revenue forecasting is gaining attention for stable financial management while reflecting the environmental changes surrounding local governments. In this study, we collected data on local tax collections from 1994 to 2021 and applied various algorithms to predict total local tax revenue from 2017 to 2023. The results were compared with actual collections and existing estimation methods to determine if machine learning methodologies can be applied to local tax revenue forecasting, and if so, which models (algorithms) have the highest accuracy. Accuracy was evaluated using MAPE and RMSE. We found that neural network-based machine learning methodologies are more accurate. This confirms the usefulness of applying machine learning methodologies to improve the accuracy and speed of local tax revenue forecasting. The significance of this study is that it explored improvement measures to reduce the error of local tax revenue estimation by applying various machine learning methodologies based on data.
참고문헌 (39)
- 고경희, "텐서플로우 순환신경망 라이브러리를 이용한 음식물 쓰레기 배출량 예측", 한국정보과학회 학술발표논문집, pp.1783~1785 (2021)
- 세수추계모형의 예측력 비교, "고영선", KDI, ~ (2000)
- 김병조, "행정-정책 의사결정에서 머신러닝(machine learning)방법론 도입의 정책적 함의 : 기계의 한계와 증거기반 의사결정(evidence-based decision-making)", 한국행정학보, 54(1), pp.261~285 (2020)
- 김재영, "지방세 세수 추계 개선 방안 연구-경기도 취득세ㆍ등록세를 중심으로", 현대사회와 행정, 14, pp.1~27 (2004)
- 서울시 세입예측을 위한 모형 연구, "김현아", 서울연구원, ~ (2002)
- 배상석, "우리나라 지방자치단체들의 세입추계오차에 관한 연구", 한국정책학회보, 22(1), pp.361~388 (2013)
- 배상석, "테일 오차분해기법을 사용한 지방정부 세입예측 오차에 관한 연구", 한국자치행정학보, 30(3), pp.95~121 (2016)
- 배인명, "지방자치단체의 재정건전성에 대한 연구", 정책분석평가학회보, 22(4), pp.261~284 (2012)
- 서울시 취득 세수의 예측오차 분석: 부동산 대책간의 영향을 중심으로, "박지현", 한국지방세연구원, ~, pp.수시과제 2021-04호 (2021)
- 송석현, "머신러닝을 활용한 국고잔액 예측 모형 개발", 한국 SCM 학회지, 21(2), pp.63~72 (2021)
- 중기 지방세수 추계모형 개발을 위한 연구, "이상훈", 한국지방세연구원, ~ (2012)
- 이석환, "지방세 세수예측방법의 비교평가 : 서울시를 중심으로", 한국공공관리학보, 32(2), pp.25~56 (2018)
- 이석환, "지방세 세수추계모형의 비교･ 평가: 서울시를 중심으로", 한국공공관리학회 학술대회, pp.77~102 (2016)
- 지방세수 예측을 위한 모형의 탐색 : 광역정부를 중심으로, "이영희", 한국지방행정연구원, ~ (1998)
- 이은국, "서울시 세입. 세출의 예측행태와 예측의 정확도를 위한 Box-Jenkins 모형 분석", 한국행정학보, 28(1), pp.263~284 (1994)
- 재정건전성의 법적 개념과 기준, "이진수", 한국법제연구원, ~ (2020)
- 구조변화를 고려한 세수추계 개선방안 모색, "이태석", Korea Development Institute(KDI), ~, pp.정책연구 2015-25 (2015)
- 자치분권시대 지방정부 세입운영의 효율화 방안: 세수예측방법을 중심으로, "이학연", 경기연구원, ~ (2021)
- 이현선, "지방세 추계모형 연구 : 지수평활법을 중심으로", 한국지방재정논집, 12(2), pp.65~90 (2007)
- 임성일, "지방재정분석 및 평가지표 실용성 검증", 한국지방재정논집, 9(2), pp.1~21 (2004)
- 정일환, "머신러닝 접근의 재정관리 : 세입추세 예측모형 연구", 국정관리연구, 16(4), pp.1~28 (2021)
- 머신러닝을 활용한 조세･재정정책의 평가와 설계, "정재현", 한국조세재정연구원, ~ (2020)
- 조임곤, "지방세 수입 예측기법의 탐색 및 활용", 한국행정학보, 35(4), pp.261~273 (2001)
- 조택희, "지방세 세수추정 모형에 관한 연구-충청북도의 경우를 중심으로", 한국동서경제연구, 17, pp.17~40 (2005)
- 최병호, "지방세수 추계 오차와 지방재정지출의 효율성", 한국지방재정논집, 21(3), pp.65~91 (2016)
- 최필선, "머신러닝 기법을 이용한 대졸자 취업예측 모형", 직업능력개발연구, 21(1), pp.31~54 (2018)
- 지방세 세수추계 개선방안, "한재명", 한국지방세연구원, ~, pp.수시과제 2022-06호 (2022)
- 허명순, "지방재정 건전성 측정방법: 재정압박 지수개발을 중심으로: 재정압박 지수개발을 중심으로", 한국지방재정논집, 16(1), pp.177~210 (2011)
- 행정안전부, "2022년 지방세 세수 추계 업무 매뉴얼", ~ (2022)
- Burkhead, J., "Governmental Budgeting" (1956), Hojn Wiley and Sons, Inc
- Beth Walter Honadle, "Fiscal Health for Local Government" (2003), Elsevier academic press
- Caiden, N., "Planning and budgeting in poor countries" (1980), Hojn Wiley and Sons, Inc
- Chung, I. H., "For Better or Worse? Revenue Forecasting with Machine Learning Approaches", Public Performance & Management Review, 45(5), pp.1133~1154 (2022)
- Evaluating Financial Condition, "Groves, Stanford M.", ICMA, ~ (1986)
- Hendrick, R., "Assessing and measuring the fiscal heath of local governments : Focus on Chicago suburban municipalities", Urban Affairs Review, 40(1), pp.78~114 (2004)
- Larkey, P. D., "Bias in the formulation of local government budget problems", Policy Sciences, 22(2), pp.123~166 (1989)
- Makridakis, S., "Statistical and Machine Learning forecasting methods : Concerns and ways forward", PloS one, 13(3), pp.e0194889~ (2018)
- Tax Analytics Artificial Intelligence and Machine Learning–Level 5, "Milner, C.", PWC Advanced Tax Analytics & Innovation, ~ (2017)
- Wasserbacher, H., "Machine learning for financial forecasting, planning and analysis : recent developments and pitfalls", Digital Finance, 4(1), pp.63~88 (2022)