یک استرتژی جدید به عنوان شناسایی گروه های مشکوک به فرار مالیاتی مبتنی بر معاملات وابسته(معامله با اشخاص وابسته) در داده های بزرگ

سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 192

فایل این مقاله در 65 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MAEBC03_017

تاریخ نمایه سازی: 7 شهریور 1401

چکیده مقاله:

در این مقاله ، ما یک شبکه مرتبط با منافع گروه های وابسته (APIRN) را برای مدل سازی گروه های وابسته ، روابط مربوط به منابع و خصوصیات آنها برای شناسایی ATTE.، پیشنهاد می دهیم ، فرار مالیاتی مبتنی بر معاملات وابسته (ATTE) یک استراتژی جدید در فرار مالیاتی است که از طریق معاملات شبه قانونی بین گروهی از شرکت ها که برای فرار از مالیات روابط تعاملی ناهمگن ، پیچیده و پنهانی دارند، انجام می شود. مطالعات موجود نمی توانند به طور موثری رفتارهای ATTE را تشخیص دهند زیرا (i) آنها فقط برای تعیین وضعیت مالی غیر عادی افراد عملکرد خوبی دارند و در شناسایی روابط تعاملی بین شرکت ها ناکارآمد هستند ، (ii) هدف آنها شناسایی ATTE از منظر ویژگی های ساختاری است که منجر به نرخ مثبت کاذب ضعیفی می شود و (iii) تعداد کمی از آنها در اغلب بخش های شرکت عملکرد خوبی دارند. شناسایی موثر گروه های مشکوک با توجه به ویژگی های ساختاری گروه های ATTE و ویژگی های تجاری ابزار ATTE (BC-ATTEM) همچنان یک مسئله مفتوح است. سپس ، ما الگوهای رفتاری ATTE را از طریق انتزاع الگوی توپولوژیکی حاصل از APIRN و استنباط نظری BC-ATTEM شناسایی می کنیم. ما همچنین بر اساس موارد فوق ، یک روش ترکیبی ، یعنی ۳TI ، برای شناسایی گروه های مشکوک ATTE از طریق سه مرحله پیشنهاد می دهیم: تشخیص تفاضل نرخ مالیات ، تطبیق الگوی توپولوژیک و شناسایی بار مالیاتی غیر عادی.

نویسندگان

نعمت اله عالی پور

دانشجوی دکتری تخصصی حسابداری دانشگاه آزاد اسلاامی واحد شهرکرد ،رئیس گروه حسابرسی مالیاتی استان خوزستان

مهسا زنگنه

کارشناسی ارشد مدیریت دولتی ،گرایش سیستم های اطلاعاتی ،دانشگاه آزاد اسلامی واحد باغ ملک