Հարկային եկամուտների կանխատեսումն այլընտրանքային տվյալների միջոցով (ՀՀ օրինակով) / Тах revenue forecasting, using alternative data sources, application in Armenia

dc.contributor.authorՍառիկյան, Արսինե Արսենի / Sarikyan Arsine
dc.date.accessioned2025-03-11T06:05:46Z
dc.date.available2025-03-11T06:05:46Z
dc.date.issued2024
dc.descriptionԸ.00.08 «Տնտեսության մաթեմատիկական մոդելավորում» մասնագիտությամբ տնտեսագիտության թեկնածուի գիտական աստիճանի հայցման ատենախոսություն ; Երևան-2024 ; Ատենախոսության թեման հաստատվել է Հայաստանի պետական տնտեսագիտական համալսարանում ; Գիտական ղեկավար՝ Ա. Ա. Թավադյան ; Պաշտոնական ընդդիմախոսներ՝ Ա. Հ. Առաքելյան, Ե. Բ. Հակոբյան ; Առաջատար կազմակերպություն՝ Հայաստանի ազգային պոլիտեխնիկական համալսարան ; Սեղմագիր՝ 23 էջ։
dc.description.abstractՀետազոտության նպատակն է՝ մշակել Հայաստանում հարկային եկամուտների կանխատեսման նոր մեթոդաբանություն՝ կիրառելով ավանդական և այլընտրանքային տվյալների աղբյուրների վրա հիմնված մեքենայական ուսուցման մոդելներ / Цель данного исследования - разработать методологии прогнозирования налоговых поступлений в контексте Армении с использованием передовых методов машинного обучения / This research aims to advance tax revenue forecasting methodologies in the context of Armenia by leveraging cutting-edge machine learning techniques to develop robust forecasting models that account for tax fraud, which isthe same as the lost revenue
dc.identifier.urihttps://dspace.nla.am/handle/123456789/13181
dc.language.isoarm
dc.pagesՍեղմագիր՝ 23 էջ
dc.publication.placeԵրևան
dc.publisherԵրևանի պետական համալսարան
dc.subjectՏնտեսագիտություն / Economics
dc.titleՀարկային եկամուտների կանխատեսումն այլընտրանքային տվյալների միջոցով (ՀՀ օրինակով) / Тах revenue forecasting, using alternative data sources, application in Armenia
dc.typeAbstract
eperson.lastnameNM
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
abs11289_sarikyan_ocr.pdf
Size:
6.15 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description: