مقایسه درخت تصمیم(الگوریتم C5.0 و جنگل تصادفی) و ماشین بردار پشتیبان در اعتبارسنجی مودیان مالیاتی

امروزه روش حسابرسی مبتنی بر ریسک در نظام های نوین مالیاتی مورد تاکید است، لذا تبیین مدلی جامع جهت رتبه بندی ریسک مودیان یکی از گام های اساسی اجرای طرح جامع مالیاتی است. بنابراین در این مقاله برآنیم تا عملکرد الگوریتم های درخت تصمیم و ماشین بردار پشتیبان را در اعتبارسنجی مودیان مالیاتی مقایسه کنیم. جامعه آماری این پژوهش شرکت های پذیرفته شده در بورس اوراق بهادار تهران هستند که طی سالهای 1392 تا 1397 فعال بوده اند و برای انتخاب نمونه از روش غربالگری (حذفی (استفاده شده است. در این پژوهش ابتدا با استفاده از تکنیک دلفی و متاسنتز 164 مولفه موثر در اعتبارسنجی مودیان مالیاتی شناسایی گردید. سپس داده های مورد نیاز برای اندازه گیری متغیرهای پژوهش از سایت کدال و با بررسی پرونده های مالیاتی استخراج شد و درنهایت با استفاده از داده های جمع آوری شده به بررسی میزان دقت درخت تصمیم (الگوریتم  C5.0و جنگل تصادفی) و ماشین بردار پشتیبان در اعتبارسنجی مودیان مالیاتی پرداختیم. یافته ها نشان داد براساس نتایج حاصل از مقدار [1]AUC الگوریتمC5.0  و جنگل تصادفی برازش بهتری دارند با این وجود فرضیه پژوهش مبنی بر امکان پیش بینی ریسک مودیان مالیاتی با استفاده از الگوریتم SVM رد نمی شود.