انتخاب برای حسابرسی مالیاتی با استفاده از الگوریتم‌های داده‌کاوی

با تصویب قانون مالیات های مستقیم در سال 1394 و اصلاح ماده 97 آن، سازمان امور مالیاتی کشور مکلف است اظهارنامه مالیاتی تسلیمی اشخاصی که شروع سال مالی آنها از 27/05/1397 و به بعد می باشد را بپذیرد و صرفاً تعدادی از آنها را براساس شاخص های ریسک انتخاب و مورد حسابرسی قرار دهد. یکی از روش های تعیین مودیان پرریسک مالیاتی استفاده از روش های داده کاوی می باشد که به موجب آن می توان براساس اطلاعات هر مودی، مودیان پرریسک را تعیین نمود. در این تحقیق، اطلاعات اظهارنامه‌های مالیاتی اشخاص حقوقی از سال 1393 تا 1395 برای ارزیابی ریسک مورداستفاده قرار گرفته است. الگوریتم‌های مورد استفاده در این پژوهش، روش‌های دسته‌بندی ماشین بردار پشتیبان، شبکه عصبی، درخت تصمیم و نزدیک‌ترین همسایه بوده است. نتایج پژوهش موید آن است که الگوریتم شبکه عصبی به عنوان بهترین الگوریتم برای برآورد ریسک اظهارنامه، معرفی می‌شود. 

tax audit selection by using of data mining algorithms

since the direct taxes law was approved in 2014, and its article 97 was amended, the state tax affairs organization has been required to accept tax returns from individuals whose financial year begins on 29/07/2018, and to select and audit only a few of those returns, based on risk indicators. using data mining methods, it is possible to determine high-risk taxpayers based on their information. in this way, high-risk taxpayers can be identified. during this study, tax returns information for legal entities from 2014 to 2016 was used in order to assess the level of risk.. finally, the success of the methods has been evaluated. the algorithms used are vector machine classification methods, neural network support, decision tree and nearest neighbor. the results of the research confirm that the neural network algorithm is introduced as the best algorithm for estimating the risk of the statement.