Journal of Economics, Entrepreneurship and Law Journal of Economics, Entrepreneurship and Law Экономика, предпринимательство и право 2222-534X BIBLIO-GLOBUS Publishing House 121853 10.18334/epp.14.10.121853 KMHSID Articles Статьи Research Article Data pre-processing and post-processing for forecasting the revenues of the federal budget of the Russian Federation Предобработка и постобработка данных для прогнозирования доходов федерального бюджета Российской Федерации Borisova Olga Viktorovna Борисова Ольга Викторовна

кандидат экономических наук, доцент, ведущий научный сотрудник доцент кафедры корпоративных финансов и корпоративного управления, Институт исследований социально-экономических трансформаций и финансовой политики

 OLVBorisova@fa.ru Yashchenko Aleksandr Igorevich Ященко Александр Игоревич

магистрант 2 курса стажер-исследователь,Институт исследований социально-экономических трансформаций и финансовой политики

 aiyashchenko@fa.ru The Financial University under the Government of the Russian Federation Финансовый университет при Правительстве Российской Федерации 31 10 2024 14 10 VOL 14, NO10 (2024) ТОМ 14, №10 (2024) 5443 5460 29 09 2024 09 10 2024 Copyright ©; 2024, Borisova O.V., Yashchenko A.I. Copyright ©; 2024, Борисова О.В., Ященко А.И. 2024 Borisova O.V., Yashchenko A.I. Борисова О.В., Ященко А.И. https://1economic.ru/lib/121853

Ever-changing macroeconomic conditions are driving government agencies and businesses to improve their forecasting systems. As a result, the requirements for data sets, their processing and the quality of selected models are increasing, which stimulates research in this direction. The purpose of the article was to clarify the process of pre- and post-processing of data used for forecasting the revenues of the federal budget of the Russian Federation. The main problems faced by analysts in forecasting indicators and transformation procedures are considered. The process of data transformation before and after forecasting is presented. The main methods of data transformation are identified. The results of the study were applied to the process of forecasting the revenues of the federal budget of the Russian Federation, which allowed to obtain a qualitative forecasting model. Application of the proposed procedure will allow for timely processing of data to update the forecasting model. The researches was carried out at the expense of budgetary funds under the Government (Public) RD Contract of the Financial University under the Government of the Russian Federation.

Постоянно изменяющиеся макроэкономические условия стимулируют государственные структуры и компании совершенствовать систему прогнозирования. В результате возрастают требования к наборам данных, их обработке, качеству выбираемых моделей, что стимулирует исследования в данном направлении. Показан процесс преобразования данных до и после прогнозирования. Выявлены основные процедуры, которые необходимо использовать для преобразования данных. Результаты исследования применялись в процессе прогнозирования доходов федерального бюджета РФ, что позволило получить качественную прогностическую модель. Применение предлагаемого авторами процесса позволит оперативно обрабатывать данные для обновления прогностической модели

 data pre-processing data post-processing federal budget revenues forecasting data analysis предобработка данных постобработка данных доходы федерального бюджета прогнозирование анализ данных финансирование Статья подготовлена по результатам исследований, выполненных за счет бюджетных средств по государственному заданию ФГОБУ ВО «Финансовый университет при Правительстве РФ» 1. Шашенко А.Н., Масленников С.Е., Ерохондина Т.А. Приведение нестационарных процессов к стационарному виду при анализе производственно-хозяйственной деятельности угледобывающих предприятий // Горный информационно-аналитический бюллетень. – 2001. – № 11. – c. 1-4. 2. Сысоева М.В., Диканев Т.В., Сысоев И.В. Выбор временных масштабов при построении эмпирической модели // Известия высших учебных заведений. Прикладная нелинейная динамика. – 2012. – № 2. – c. 54-62. – doi: 10.18500/0869-6632-2012-20-2-54-62. 3. Tawakuli A., Havers B., Gulisano V., Kaiser D., Engel T. Survey:Time-series data preprocessing: A survey and an empirical analysis // Journal of Engineering Research. – 2024. – № 1. – p. 38. 4. Krishnan S., Franklin M.J., Goldberg K., Wang J., Wu E. ActiveClean: An Interactive Data Cleaning Framework For Modern Machine Learning // Sigmod '16: Proceedings of the 2016 International Conference on Management of Data. 2016. – p. 2117 – 2120. 5. Krishnan S., Wang J., Franklin M.J., Goldberg K., Kraska T., Milo T., Wu E.. Sampleclean: Fast and reliable analytics on dirty data // IEEE Data Eng. Bull. – 2015. – № 38(3). – p. 59–75. 6. Huang Y., Milani M., Chiang F. Privacy-aware data cleaning-as-a-service // Information Systems. 2020. – p. 1-30. 7. Kirchner K., Zec J., Delibasic B. Facilitating data preprocessing by a generic framework: a proposal for clustering // Artificial Intelligence Review. – 2016. – № 3. – p. 271–297. 8. Ebin A., Sreekanth N., Sunil Kumar R.K., Nishanth T. Data Preprocessing Techniques for Handling Time Series data for Environmental Science Studies // International Journal of Engineering Trends and Technology. – 2021. – p. 196 – 207. 9. Batini C., Cappiello C., Francalanci C., Maurino A. Methodologies for data quality assessment and improvement // ACM Computing Surveys. – 2009. – № 41(3). – p. 1–52. – doi: 10.1145/1541880.1541883. 10. Осмоловская-Суслина А.Л., Борисова С.Р. Доходы региональных бюджетов в начале 2022 г.: основные тенденции и факторы риска // Финансовый журнал. – 2022. – № 6. – c. 25 – 43. 11. Федотов Д.Ю. Анализ прогнозирования налоговых доходов федерального бюджета России // Финансы и кредит. – 2017. – № 34(754). – c. 2016 – 2031. 12. Макаров А.В., Намиот Д.Е. Обзор методов очистки данных для машинного обучения // International Journal of Open Information Technologies. – 2023. – № 10. – c. 70 – 78. 13. Nwagwu H.C., Okereke G., Nwobodo C. Mining and visualising contradictory data // J Big Data 4. – 2017. – № 36. – p. 1 – 11. 14. Пильник Н.П., Поспелов И.Г., Станкевич И.П. Об использовании фиктивных переменных для решения проблемы сезонности в моделях общего экономического равновесия // Экономический журнал. – 2015. – № 2. – c. 249 – 270. 15. Сорокин А.А., Бородянский И.М., Дагаев А.В. Сравнительный анализ методов восстановления пропущенных данны // Известия ЮФУ. Технические науки. – 2020. – № 4(214). – c. 93 – 107. 16. Рыженкова К. В. Методы восстановления пропуска данных при проведении статистических исследований // Интеллект. Инновации. Инвестиции. – 2012. – № 3. – c. 127 – 133. 17. Петрушин В. Н., Рытиков Г. О. Формализация временного ряда методом двойного сглаживания // Cloud of Science. – 2014. – № 2. – c. 230 – 238. 18. Копырин А.С., Видищева Е.В. Технологии обработки и очистки данных, выявления и устранения шумов на временном ряду // Вестник Академии знаний. – 2020. – № 4 (39). – c. 220 – 228. 19. Серышева И.А. Фильтрация выбросов в задачах статической и динамической обработки данных в эталонах времени и частоты // Вестник ИрГТУ. – 2018. – № 10 (141). – c. 67 – 77. 20. Суворов Н.В., Балашова Е.Е. Модельный инструментарий прогнозно-аналитических исследований динамики межотраслевых связей отечественной экономики // Проблемы прогнозирования. – 2009. – № 6. – c. 16 – 33. 21. Федеральный бюджет РФ. Краткая информация об исполнении федерального бюджета. Министерство финансов Российской Федерации. [Электронный ресурс]. URL: https://minfin.gov.ru/ru/statistics/fedbud (дата обращения: 20.08.2024). 22. Бессонов В.А., Петроневич А.В. Сезонная корректировка как источник ложных сигналов // Экономический журнал высшей школы экономики. – 2013. – № 4. – c. 554 – 584. 23. Губанов В.А. Сравнение методов сезонной корректировки временных рядов // Научные труды: Институт народнохозяйственного прогнозирования РАН. – 2010. – № 8. – c. 149 – 170. 24. Староверова К.Ю., Буре В.М. Мера различия временных рядов, основанная на их характеристиках // Вестник СПбГУ. Серия 10. Прикладная математика. Информатика. Процессы управления. – 2017. – № 1. – c. 51 – 60. 25. Борисова О. В., Ященко А.И. Подход к прогнозированию макроиндикаторов в России // Менеджмент и бизнес-администрирование. – 2023. – № 3. – c. 75-83. – doi: 10.33983/2075-1826-2023-3-75-83. 26. Борисова О. В., Комиссарова А. В. Модели прогнозирования бюджетных доходов в России // Финансовая жизнь. – 2023. – № 3. – c. 53-58. 27. Энгл Р.Ф., Грэнджер К.У.Дж. Коинтеграция и коррекция ошибок:представление, оценивание и тестирование // Прикладная эконометрика. – 2015. – № 3(39). – c. 106 – 135. 28. Оруджев Э.Г-О, Гусейнова С.М-Г. Коинтеграционный анализ взаимовлияния ВВП Азербайджана, России, Беларуси и Казахстана // Известия СПбГЭУ. – 2020. – № 4 (124). – c. 31 – 40. 29. Мустафина Д.А., Буракова А.Е., Мустафин А.И., Александрова А.С. Обобщенная многомерная интерполяция методом наименьших квадратов // Вестник ПНИПУ. Электротехника, информационные технологии, системы управления. – 2018. – № 27. – c. 30 – 48. 30. Основные направления бюджетной политики на 2011 год и плановый период 2012 и 2013 годов. Информационная система Гарант.РУ. [Электронный ресурс]. URL: https://www.garant.ru/products/ipo/prime/doc/12077757/?ysclid=lzwunw94m0129805277 (дата обращения: 02.09.2024). 31. Основные направления бюджетной политики на 2012 год и плановый период 2013 и 2014 годов. Информационная система Гарант.РУ. [Электронный ресурс]. URL: https://www.garant.ru/products/ipo/prime/doc/12088755/?ysclid=lzwus38h7k668781433 (дата обращения: 02.09.2024). 32. Основные направления бюджетной политики на 2013 год и плановый период 2014 и 2015 годов. Информационная система КонсультантПлюс. [Электронный ресурс]. URL: https://www.consultant.ru/document/cons_doc_LAW_133448/769a44d734244dd3fac95f0 (дата обращения: 02.09.2024). 33. Основные направления бюджетной политики на 2014 год и плановый период 2015 и 2016 годов. Информационная система КонсультантПлюс. [Электронный ресурс]. URL: https://www.consultant.ru/document/cons_doc_LAW_149516/d20f3d089b1720 (дата обращения: 02.09.2024). 34. Основные направления бюджетной политики на 2015 год и плановый период 2016 и 2017 годов. Информационная система КонсультантПлюс. [Электронный ресурс]. URL: https://www.consultant.ru/document/cons_doc_LAW_165592/82ee8db30b (дата обращения: 02.09.2024). 35. Проект основных направлений бюджетной политики на 2016 год и плановый период 2017 и 2018 годов. Министерство финансов РФ. [Электронный ресурс]. URL: https://minfin.gov.ru/ru/document/?id_4=64713ysclid=lzwvhyl369119778143 (дата обращения: 02.09.2024). 36. Основные направления бюджетной политики на 2017 год и плановый период 2018 и 2019 годов. Министерство финансов РФ. [Электронный ресурс]. URL: https://minfin.gov.ru/common/upload/library/2019/10/main/ONBP_2017-2019.pdf? (дата обращения: 02.09.2024). 37. Основные направления бюджетной, налоговой и таможенно-тарифной политики на 2018 год и плановый период 2019 и 2020 годов. Министерство финансов РФ. [Электронный ресурс]. URL: https://minfin.gov.ru/ru/document/?id_4=119695ysclid=lzwvpk6kky2480045 (дата обращения: 02.09.2024). 38. Основные направления бюджетной, налоговой и таможенно-тарифной политики на 2019 год и плановый период 2020 и 2021 годов. Информационная система КонсультантПлюс. [Электронный ресурс]. URL: https://www.consultant.ru/document/cons_doc_LAW_308390/61fbf3c1dbd (дата обращения: 02.09.2024). 39. Основные направления бюджетной, налоговой и таможенно-тарифной политики на 2020 год и плановый период 2021 и 2022 годов. Информационная система КонсультантПлюс. [Электронный ресурс]. URL: https://www.consultant.ru/document/cons_doc_LAW_334706/257381c23 (дата обращения: 02.09.2024). 40. Основные направления бюджетной, налоговой и таможенно-тарифной политики на 2021 год и плановый период 2022 и 2023 годов. Информационная система КонсультантПлюс. [Электронный ресурс]. URL: https://www.consultant.ru/document/cons_doc_LAW_364178/0bd48 (дата обращения: 02.09.2024). 41. Основные направления бюджетной, налоговой и таможенно-тарифной политики на 2022 год и плановый период 2023 и 2024 годов. Информационная система КонсультантПлюс. [Электронный ресурс]. URL: https://www.consultant.ru/document/cons_doc_LAW_396691/bbd5875737 (дата обращения: 02.09.2024). 42. Основные направления бюджетной, налоговой и таможенно-тарифной политики на 2023 год и плановый период 2024 и 2025 годов. Информационная система КонсультантПлюс. [Электронный ресурс]. URL: https://www.consultant.ru/document/cons_doc_LAW_429950/bbd5875737c9c8f4955275 (дата обращения: 02.09.2024).