انتخاب براي مميزي مالياتي بر مبناي ريسك

Risk-based Tax Audit Selection

با توجه به مشكلاتي از قبيل حجم انبوه و رو به افزايش اظهار نامه هاي مالياتي، عدم پيش مميزي براي حسابرسي مالياتي، محدوديت زماني جهت رسيدگي به اظهار نامه ها، نبود معيار هاي مدون جهت رسيدگي، محدوديت نيروي انساني، وجود قضاوت سليقه اي گسترده در تشخيص مالياتي و عدم ارايه اظهارنامه توسط برخي از موديان در سيستم مالياتي كشور نياز است تا رويكرد جديدي در راستاي بر طرف ساختن مسايل فوق اتخاذ گردد. در اين تحقيق تلاش خواهد شد تا با استفاده از كارآمـدترين روش ها و تكنيكهاي روز دنيا (نظريه آشوب و نظريه شبكه عصبي مصنوعي) امكاني فراهم شود تا سازمان امور مالياتي كشور به صورت رايانه اي بتواند ريسك اظهارنامه هاي مالياتي موديان را ارزيابي و بر اساس سياستهاي كلي سازمان و درجه ريسك اظهارنامه ها، اظهارنامه هايي كه بيشترين ريسك را در خود دارند را انتخاب و براي مميزي مالياتي به كارشناسان امور مالياتي ارجاع نمايد. در ايــن راستا، ســعي مي گردد تا با توجه به "آشوبناك بودن" سري زماني متغير از روش پيش بيني با مدل غير خطي شبكه عصبي استفاده شود.

Due to the problems such as large and increasing volume of tax returns, lack of pre-assessment, time limit and lack of standards for tax auditing, limited manpower, the arbitrary judgment in this field and failure to provide tax returns by some taxpayers, a new approach is needed to solve these problems. The present research aims to apply the most efficient up-to-date methods and techniques of the world (chaos theory and artificial neural network theory) by which Iranian National Tax Administration (INTA) would be capable of computerized assessment of tax returns on the basis of the difference percentage between declared and forecasted pre-tax incomes and select tax returns with the greatest risks and refer them to the tax auditors for auditing. In this regard, the chaotic time series variable would be forecasted by artificial neural network non-linear model. The required data has been gathered through a library method. Parsportfolio Data Management Software has been used for collecting the data of companies listed in Tehran Stock Exchange. Meanwhile, the research has used the statistics published by Iranian Statistics Centre (ISC), Central Bank of Islamic Republic of Iran (CBI) and (INTA).