مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

3
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مدل سازی فرار مالیاتی معاملات اشخاص وابسته رویکرد هیبریدی گراف کاوی و شبکه عصبی عمیق

صفحات

 صفحه شروع 7 | صفحه پایان 52

چکیده

 فرار مالیاتی مبتنی بر معاملات وابسته یک استراتژی جدید در فرار مالیاتی است که از طریق معاملات قانونی, مانندمعاملات بین گروهی از شرکت ها که روابط تعاملی ناهمگن, پیچیده وپنهانی برای فرار مالیاتی دارند, انجام می شود. مطالعات موجود نمی توانند به طور موثر رفتارهای فرار مالیاتی اشخاص وابسته را شناسایی کنند, زیرا روش حسابرسی مبتنی بر یادگیری ماشین می تواند وضعیت مالی غیرعادی افراد را با دقت و کارایی بالا تشخیص دهد. با این حال, هنگام مواجهه با روابط تعاملی ناهمگن, پیچیده و پنهانی درمانده می شود و نمی تواند گروه های فرار مالیاتی دارای معاملات اشخاص وابسته را شناسایی کند. هیبرید رویکردهای گراف کاوی و شبکه عصبی عمیق, توانایی تشخیص ناهنجاری در ساختارهای سازمانی پیچیده را دارد. در این پژوهش تعداد1780شرکت دارای معاملات وابسته, شامل 523 شرکت واقع در مناطق آزاد تجاری و 1257 شرکت واقع در خارج از مناطق آزاد که دارای عضو هیأت مدیره مشترک و فعالیت اقتصادی تولیدی یا بازرگانی بوده اند, انتخاب شده اند. دراین پژوهش, داده های مالی و مالیاتی سال های 1395 تا 1399 ازاظهارنامه های مالیاتی و سامانه های سازمان امور مالیاتی کشور مورد استفاده قرار گرفته است. این پژوهش از نظر هدف, کاربردی می باشد. جهت برآورد مدل از نرم افزار پایتون و پکیج NetworkX بهره گرفته شده است. جهت پیش بینی فرار مالیاتی معاملات اشخاص وابسته از سه الگوریتم شبکه عصبی پیچشی (CNN), حافظه کوتاه مدت ماندگار(LSTM), و شبکه عصبی پرسپترون چند لایه(MLP) در حالت عمیق بهره گرفته شد. برای شناسایی گروه های مشکوک سه مرحله؛ اول: تشخیص تفاوت نرخ مالیات, تطبیق الگوی توپولوژیکی و شناسایی ناهنجاری بار مالیاتی؛ دوم: آزمایش های تجربی بر اساس داده های 16, 756 مبادله خرید و فروش معاملات وابسته درکشور؛ سوم: برآورد ضرایب و نحوه ارتباط مابین الگوی توپولوژیک دردو حالت حفظ سودوانتقال سودبراساس رویکرد گراف کاوی وشبکه عصبی عمیق صورت پذیرفته است. نتایج به دست آمده نشان می دهد که هر دو حالت حفظ سود و انتقال سود در فرار مالیاتی معاملات اشخاص وابسته وجود داشته است. با این وجود بر اساس نتایج, شدت رابطه حفظ سود در فرار مالیاتی معاملات اشخاص وابسته قوی تر از رابطه انتقال سود است و نیز رویکرد گراف کاوی نسبت به مدل های لاجیت, پرابیت و احتمال خطی از دقت بالاتری برخوردار بود.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button