Using data mining techniques to measure tax risk of value added taxes

In this paper using data mining to studied taxpayers risk value added taxes. the importance of assessing the taxpayers risk of value added taxes in order to formulate an effective plan for choosing taxpayers for tax audit with the goal of increasing efficiency and effectiveness, in the country's value added taxes system. In this research taxpayers are catogorized into three, risk_free , low_ risk and risk _averse groups. To assess tax risk two techniques, data mining machin backup vector and logistic regression have been used. The research community consist of large legal entities in Tehran.that wich have been subject to tax audit in value added taxes system in 2012 to 2015. In this research, variables are include corporate governance mechanisms, special corporate features, the nature of the activity of the pioneers of the control system and tax ratios wich are used to train and use the model. The research's results show two techniques LSVM ,Logistic, have a reliability of 70percent and a kind of integration into the results of these two techniques has been achieved nearly 83 percent of reliability has a higher potential.

Article Type:
Research/Original Article
Journal of Investment Knowledge, Volume:8 Issue: 32, 2019
347 - 363  
برخی از خدمات از جمله دانلود متن مقالات تنها به مشترکان مگیران ارایه می‌گردد. شما می‌توانید به یکی از روش‌های زیر مشترک شوید:
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 300,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!
  • دسترسی به متن مقالات این پایگاه در قالب ارایه خدمات کتابخانه دیجیتال و با دریافت حق عضویت صورت می‌گیرد و مگیران بهایی برای هر مقاله تعیین نکرده و وجهی بابت آن دریافت نمی‌کند.
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.