پیش بینی سطح ریسک مالیاتی شرکت ها بابهره گیری ازالگوریتم های طبقه بندی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 769

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

OICONFERENCE01_069

تاریخ نمایه سازی: 16 شهریور 1395

چکیده مقاله:

شناخت دقیق میزان درآمد مالیاتی بالقوه افق روشنی جهت برنامه ریزی اقتصادی پیش رو سیاست گذاران اقتصادی می گذارد. یکی از تکنیک های موثر در این زمینه طبقه بندی مودیان که در تحقیق حاضر شرکت ها می باشند بر مبنای ریسک مالیاتی آن ها می باشد که در نتیجه با توجه به ریسک مالیاتی مودیان رفتاری متناسب با آن ها گردد. به منظور پیش بینی ریسک مالیاتی شرکت ها از تکنیکهای طبقه بندی بهره گرفته شد که با توجه به خطای امکان جایگزینی درخت تصمیم به عنوان الگوریتم برتر انتخاب گردید و در این راستا مدلی بر مبنای درخت تصمیم طراحی شد که با اطمینان %۸۰، قابلیت پیش بینی ریسک مالیاتی شرکت ها را دارا می باشد

نویسندگان

بابک سهرابی

استادمدیریت و فناوری اطلاعات دانشکده مدیریت دانشگاه تهران

ایمان رئیسی وانانی

استادیار مدیریت صنعتی دانشکده مدیریت و حسابداری دانشگاه علامه طباطبایی

وحیده قانونی شیشوان

کارشناسی ارشد مدیریت فناوری اطلاعات دانشکده مدیریت دانشگاه تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • دستگیر محسن، ایزدی نیا ناصر، عسکری علی، سید مهدی رمضانی.(394 ...
  • رادفر رضا، نظافیت نوید، یوسفعلی اصلی سعید.(393 1).طبقه بندی مشتریان ...
  • رمضانی مهدی، دستگیر محسن، عسکری علی، خانی عبداله.(392 1).حسابرسی مالیاتی ...
  • نخستین کنفرانس بین‌المللی پارادایم‌های نوین مدیریت - هوش تجاری و ...
  • سهرابی بابک، رئیسی وانانی ایمان، قانونی شیشوان وحیده.(1394). ارزیابی مالیات ...
  • ظهوریان ابوالفضل.(1389). انتخاب برای ممیزی مالیاتی بر مبنای ریسک. پژوهشنامه ...
  • First International Conference on Business and Organizational Intelligence 2016 ...
  • Adrian Gepp, Kuldeep Kumar.(2015). Predicting Financial Distress: A Comparison of ...
  • Alya Al Nasseri, Allan Tucker, Sergio de Cesare.(2015). Quantifying StockTwits ...
  • Ashish Kumar. Roheet B hatnagar, Sumit Srivastava(20 15). ARSkNN-A k-NN ...
  • Bin Liu, Guang Xu, Qian Xu, Nan Zhang.(2012). Outlier Detection ...
  • Gonzalez Pamela Castellon, D. Velasquez Juan..(2013). Charac terization and detection ...
  • Indry Dessy Nurpratami, Imas Sukaesih Sitanggang.(20 15). Classification rules for ...
  • Junoh, A. K, Mansor, M. N, Abu, S _ A, ...
  • J. Zaki Mohammmed , Meira Jr Wagner. (2014). Data mining ...
  • Laura Garach Morcillo , Francisco Javier Calvo Poyo, Griselda Lpez ...
  • Lior _ Oded Mai mo.(2008). Data Mining with Decision Trees: ...
  • Risk management Guide for tax administration. (2006).fiscalis risk analysis project ...
  • Wu, Roung-Shiunn and Ou, C.S and Chang She-I and Yen ...
  • نمایش کامل مراجع