انتخاب برای ممیزی مالیاتی بر مبنای ریسک

با توجه به مشکلاتی از قبیل حجم انبوه و رو به افزایش اظهار نامه های مالیاتی، عدم پیش ممیزی برای حسابرسی مالیاتی، محدودیت زمانی جهت رسیدگی به اظهار نامه ها، نبود معیار های مدون جهت رسیدگی، محدودیت نیروی انسانی، وجود قضاوت سلیقه ای گسترده در تشخیص مالیاتی و عدم ارائه اظهارنامه توسط برخی از مودیان در سیستم مالیاتی کشور نیاز است تا رویکرد جدیدی در راستای بر طرف ساختن مسائل فوق اتخاذ گردد. در این تحقیق تلاش خواهد شد تا با استفاده از کارآمدترین روش ها و تکنیکهای روز دنیا (نظریه آشوب و نظریه شبکه عصبی مصنوعی) امکانی فراهم شود تا سازمان امور مالیاتی کشور به صورت رایانه ای بتواند ریسک اظهارنامه های مالیاتی مودیان را ارزیابی و بر اساس سیاستهای کلی سازمان و درجه ریسک اظهارنامه ها، اظهارنامه هایی که بیشترین ریسک را در خود دارند را انتخاب و برای ممیزی مالیاتی به کارشناسان امور مالیاتی ارجاع نماید. در این راستا، سعی می گردد تا با توجه به «آشوبناک بودن» سری زمانی متغیر از روش پیش بینی با مدل غیر خطی شبکه عصبی استفاده شود.