استفاده از تكنيك‌هاي داده‌كاوي براي سنجش ريسك مالياتي مؤديان ماليات بر ارزش افزوده

Using data mining techniques to measure tax risk of value added taxes

در اين مقاله با استفاده از تكنيك‌هاي داده‌كاوي ريسك مالياتي مؤديان در نظام ماليات بر ارزش افزوده مورد مطالعه قرار مي‌گيرد. اهميت ارزيابي ريسك مالياتي مؤديان ماليات بر ارزش افزوده به منظور تدوين طرح مؤثر انتخاب مؤديان براي حسابرسي مالياتي با هدف افزايش كارايي و اثر بخشي در نظام ماليات بر ارزش افزوده كشور مي‌باشد. مؤديان مالياتي در اين تحقيق به سه گروه مؤديان فاقد ريسك، با ريسك پايين و پر ريسك طبقه بندي شده‌اند به منظور ارزيابي ريسك مالياتي از دو تكنيك داده‌كاوي ماشين بردار پشتيبان و رگرسيون لجستيك استفاده شده است. جامعه آماري پژوهش شامل اشخاص حقوقي بزرگ در شهر تهران مي‌باشد كه در سال هاي 1390 تا 1393 مورد حسابرسي مالياتي در نظام ماليات بر ارزش افزوده قرار گرفته‌اند در اين تحقيق متغيرها شامل ساز و كارهاي حاكميت شركتي، ويژگي‌هاي خاص شركتي، ماهيت فعاليت مؤديان سيستم كنترلي مؤديان و نسبت‌هاي مالي مي‌باشد كه به منظور آموزش و آزمون مدل استفاده شده‌اند نتايج تحقيق نشان مي‌دهد دو تكنيك LSVM و Logistic از توان صحت ارزيابي 70% برخوردار هستند و نوعي ادغام در نتايج اين دو تكنيك توانسته است با كسب نزديك به 83% صحت ارزيابي از توان بالاتري برخوردار باشد.

In this paper using data mining to studied taxpayers risk value added taxes. the importance of assessing the taxpayers risk of value added taxes in order to formulate an effective plan for choosing taxpayers for tax audit with the goal of increasing efficiency and effectiveness, in the country's value added taxes system. In this research taxpayers are catogorized into three, risk_free , low_ risk and risk _averse groups. To assess tax risk two techniques, data mining machin backup vector and logistic regression have been used. The research community consist of large legal entities in Tehran.that wich have been subject to tax audit in value added taxes system in 2012 to 2015. In this research, variables are include corporate governance mechanisms, special corporate features, the nature of the activity of the pioneers of the control system and tax ratios wich are used to train and use the model. The research's results show two techniques LSVM ,Logistic, have a reliability of 70percent and a kind of integration into the results of these two techniques has been achieved nearly 83 percent of reliability has a higher potential.