مقايسه درخت تصميم(الگوريتم C5.0 و جنگل تصادفي) و ماشين بردار پشتيبان در اعتبارسنجي مؤديان مالياتي

امروزه روش حسابرسي مبتني بر ريسك در نظام هاي نوين مالياتي مورد تأكيد است، لذا تبيين مدلي جامع جهت رتبه بندي ريسك مؤديان يكي از گام هاي اساسي اجراي طرح جامع مالياتي است. بنابراين در اين مقاله برآنيم تا عملكرد الگوريتم هاي درخت تصميم و ماشين بردار پشتيبان را در اعتبارسنجي مؤديان مالياتي مقايسه كنيم. جامعه آماري اين پژوهش شركت هاي پذيرفته شده در بورس اوراق بهادار تهران هستند كه طي سالهاي 1392 تا 1397 فعال بوده اند و براي انتخاب نمونه از روش غربالگري (حذفي (استفاده شده است. در اين پژوهش ابتدا با استفاده از تكنيك دلفي و متاسنتز 164 مؤلفه مؤثر در اعتبارسنجي مؤديان مالياتي شناسايي گرديد. سپس داده هاي مورد نياز براي اندازه گيري متغيرهاي پژوهش از سايت كدال و با بررسي پرونده هاي مالياتي استخراج شد و درنهايت با استفاده از داده هاي جمع آوري شده به بررسي ميزان دقت درخت تصميم (الگوريتم  C5.0و جنگل تصادفي) و ماشين بردار پشتيبان در اعتبارسنجي مؤديان مالياتي پرداختيم. يافته ها نشان داد براساس نتايج حاصل از مقدار [1]AUC الگوريتمC5.0  و جنگل تصادفي برازش بهتري دارند با اين وجود فرضيه پژوهش مبني بر امكان پيش بيني ريسك مؤديان مالياتي با استفاده از الگوريتم SVM رد نمي شود.