چکیده:
امروزه دانش بهعنوان یک منبع ارزشمند و استراتژیک و نیز یک دارایی برای ارزیابی و پیشبینی مطرح است و ارائه این راهکارها در زمینه کشف فرار مالیاتی شرکتها امروزه به بحث داغی تبدیل شده است و راهکارهای مختلفی در این زمینه ارائه شده است. هدف از این تحقیق ارائه مدل جدید برای تشخیص مؤدیان که دارای فرار مالیاتی هستند، میباشد. ایده اصلی مقاله از مقایسه نسبتهای مالی شرکت مورد نظر با نسبتهای سال گذشته و همچنین برآورد مالیات سال مورد رسیدگی از روی مالیات سال قبل گرفته شده است. الگوریتمی که در این تحقیق از آن استفاده شده مبتنی بریک الگوریتم ترکیبی است که از ترکیب الگوریتم درخت تصمیمID3 و شبکه بیزین تشکیل شده است. نتایج حاصل از اجرای مدلها نشان میدهد که که الگوریتم پیشنهادی با 60.58% دقت، دارای بالاترین دقت صحت و با 43.76% اشتباه دارای کمترین میزان اشتباه میباشد. که از الگوریتم هایID3 و الگوریتم بیزین که الگوریتمهای پایه روش پیشنهادی میباشند، نیز بسیار بهتر عمل میکند.
Nowadays, knowledge is a valuable and strategic source as well as an asset for evaluation and forecasting. Presenting these strategies in discovering corporate tax evasion has become an important topic today and various solutions have been proposed. In the past, various approaches to identify tax evasion and the like have been presented, but these methods have not been very accurate and the overhead of calculations has also been high. Hence, in this study, a solution is proposed that is based on a combination of the three methods of ID3, Bayesian network and SVM algorithm. In this research, the hybrid RAF set algorithm and hierarchical decision algorithm are used for pre-processing and selecting effective data. The proposed solution in Visual Studio environment using C # programming language and help from Veka library has been compared with popular methods such as ID3, Bayesian and SVM and it is found that this method has much higher accuracy than other methods. The case has been investigated and this indicates the robustness of the proposed method compared to the methods investigated.
خلاصه ماشینی:
ir ١- مقدمه مالیات به دلیل اهمیت آن در جبران مخارج عمومی و آثار اقتصادی که به همراه دارد، همواره مورد توجه تمام دولت ها بوده است و مطالعات متعددی پیرامون این موضوع و ابعاد مختلف آن ، توسط پژوهش گران انجام گرفته است که فرار مالیاتی یکی از موارد مهم در این پژوهش ها می باشد و برای کشف و شناسایی آن روش های بسیاری ارائه می شود.
این الگوریتم ها بدین دلیل انتخاب شدند که هر یک به تنهایی دارای مزایا و معایبی می باشند ولی با ادغام آنها، معایب این روش ها پوشانده می شود و به دقت بالاتری دست یافته و همچنین برای انتخاب ویژگی نیز از الگوریتم مجموعه راف ترکیب شده با تحلیل سلسله مراتبی استفاده شده است که از مجموعه تمام نسبت های مالی تنها بتوان ویژگی ها و یا همان نسبت های مالی مؤثرتر را شناسایی نمود.
عبدلی و همکاران (١٣٩٤) بر اهمیت مسائل اجرایی مالیات ستانی پرداخته اند و با توجه به وجود اطلاعات نامتقارن در زمینه مالیات بر درآمد، برای جلوگیری از فرار مالیاتی (و افزایش درآمد مالیاتی دولت بدون گسترش پایه ها و افزایش نرخ های مالیاتی ) مکانیسم حسابرسی خاصی را معرفی نموده و با استفاده از نظریه بازی ها و روش میدانی مورد تحلیل نظری و تجربی قرار داده اند.
رحیمی کیا و همکاران (١٣٩٤) فرار مالیاتی را با استفاده از سیستم هوشمند ترکیبی مورد بررسی قرار دادند که نتایج نشان داد استفاده از شبکه عصبی دارای دقت بالاتری بوده و این تفاوت از لحاظ آماری معنادار می باشد.
(رجوع شود به تصویر صفحه) این دو پارامتر برای روش های مورد بررسی در این تحقیق محاسبه و در جدول (٧) نشان داده شده اند.