این مقاله علمی پژوهشی (isi) به زبان انگلیسی همراه با ترجمه تخصصی از نشریه الزویر مربوط به سال ۲۰۱۹ دارای ۲۵ صفحه ی انگلیسی با فرمت PDF و ۶۸ صفحه ترجمه فارسی به صورت فایل WORD قابل ویرایش می باشد در ادامه این صفحه لینک دانلود رایگان مقاله انگلیسی ، بخشی از ترجمه فارسی مقاله و لینک خرید آنلاین ترجمه ی کامل مقاله موجود می باشد.
کد محصول: H628
سال نشر: ۲۰۱۹
نام ناشر (پایگاه داده): الزویر
نام مجله: Information Sciences
نوع نگارش مقاله: علمی پژوهشی (Research articles)
تعداد صفحه انگلیسی: ۲۵ صفحه PDF
تعداد صفحه ترجمه فارسی: ۶۸ صفحه WORD
قیمت فایل ترجمه شده: ۴۵۰۰۰ تومان
عنوان کامل فارسی:
مقاله انگلیسی ترجمه شده ۲۰۱۹ : شناسایی گروه های مشکوک به فرار مالیاتی مبتنی بر معاملات وابسته(معامله با اشخاص وابسته) در داده های بزرگ
عنوان کامل انگلیسی:
Identifying suspicious groups of affiliated-transaction-based tax evasion in big data
برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید
وضعیت ترجمه: این مقاله به صورت کامل و تخصصی ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)
مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه) بر روی دکمه ذیل کلیک نمایید
چکیده فارسی:
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. 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. 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. آزمون های آزمایشی که بر اساس دو سال داده مالیاتی در دنیای واقعی از استانی در چین انجام شده است ، نشان می دهد که ۳TI می تواند گروه های مشکوک ATTE را با دقت بالاتر و تعمیم پذیری بهتر نسبت به مطالعات موجود شناسایی کند. علاوه بر این ، ما نتایج جذاب متعددی را شناسایی می کنیم و بر اساس تجزیه و تحلیل نتایج تجربی خود ، دستورالعمل های مفیدی برای بازرسی ATTE ارائه می دهیم.
واژه های کلیدی: استخراج نمودار ، معاملات وابسته ، فرار مالیاتی ، کلان داده ها
۱.مقدمه
مالیات یکی از مهمترین انواع درآمدهای مالی است و ابزاری است که دولت می تواند تخصیص منابع مالی و توزیع درآمد را تنظیم کند ]۱۱،۱۵،۱۷،۱۸،۳۸[.با این حال ، تعداد زیادی از کسب و کارها ، به ویژه شرکت های غول پیکر با شرکت های تابعه لایه ای ، تلاش می کنند درآمد مشمول مالیات خود را کاهش دهند و پولهای سخت به دست آمده خود را از ماموران مالیاتی پنهان کنند. در عمل ، دو روش ممکن برای پرداخت کمتر مالیات وجود دارد: اجتناب از پرداخت مالیات و فرار مالیاتی . اگرچه به نظر مشابه می رسند ، اما از نظر رویه هایی که به کار می روند تفاوت دارند. اجتناب از مالیات به حداقل رساندن قانونی مالیات از طریق روش هایی است که در قانون مالیات مشخص شده است. در مقابل ، فرار مالیاتی عملی غیرقانونی در کاهش مالیات از طریق عدم گزارش درآمد ، گزارش هزینه هایی که از نظر قانونی مجاز نیستند ، یا اینکه عدم پرداخت بدهی های مالیاتی شخصی، می باشد، که باعث از دست رفتن قابل توجه درآمد ملی می شود]۴۳[…
۸.نتیجه گیری
در این مقاله یک رویکرد جدید و ترکیبی ، یعنی ۳TI ، برای شناسایی گروه های مشکوک ATTE پیشنهاد شده است. این رویکرد از طریق تطبیق الگوی توپولوژیکی و ادغام و استباط داده ها بر اساس شواهد برای پردازش داده های مالیاتی ناهمگن برای شناسایی گروه های ATTE براساس ویژگی های ساختاری و BC-ATTEM بکار گرفته می شود. ۳TI از نظر دقت تشخیص در بخشهای مختلف صنعت از سایر روشهای تشخیص ATTE کارآمدتر است. علاوه بر این ، تبیین قابل قبولی از رفتارهای ATTE ارائه می دهد…
Abstract
Affiliated-transaction-based tax evasion (ATTE) is a new strategy in tax evasion that is carried out via legal-like transactions between a group of companies that have heterogeneous, complex and covert interactive relationships to evade taxes. Existing studies cannot effectively detect ATTE behaviors since (i) they perform well only for determining the abnormal financial status of individuals and ineffectively address the interactive relationships among companies, (ii) they aim at detecting ATTE from the perspective of structural characteristics, which leads to a poor false-positive rate, and (iii) few of them perform well in most sectors of companies. Effectively detecting suspicious groups according to both structural characteristics of ATTE groups and business characteristics of ATTE means (BC-ATTEM) re- mains an open issue. In this paper, we propose an affiliated-parties interest-related net- work (APIRN) for modeling affiliated parties, interest-related relationships, and their properties for identifying ATTE. Then, we identify the behavioral patterns of ATTE via topological pattern abstraction from APIRN and theoretical inference of BC-ATTEM. Based on the above, we further propose a hybrid method, namely, 3TI, for identifying ATTE suspicious groups via three steps: tax rate differential detection, topological pattern matching and tax burden abnormality identification. Experimental tests that are based on two years of real- world tax data from a province in China demonstrate that 3TI can identify ATTE suspicious groups with higher accuracy and better generality than existing works. Moreover, we identify various interesting implications and provide useful guidance for ATTE inspection based on an analysis of our experimental results.
Keywords: Graph mining, Affiliated transaction, Tax evasion, Big data
۱.Introduction
Tax is one of the most important types of fiscal revenue and a means with which the government can regulate the allocation of financial resources and income distribution [11,15,17,18,38] . However, countless businesses, especially giant corporations with layered subsidiaries, attempt to lower their taxable income and shield more of their hard-earned money from the tax administration. In practice, there are two possible ways to pay less in taxes: tax avoidance and tax evasion. Although they sound similar, they differ in terms of the procedures that are employed. Tax avoidance is the legitimate minimization of taxes via methods that are specified in the tax law. In contrast, tax evasion is an illegal practice of reducing taxes by not reporting income, reporting expenses that are not legally allowed, or not paying individually owed taxes, which causes a significant loss of national revenue [43] . The phenomenon of tax evasion is particularly severe in developing countries and, thus, has attracted the attention of tax authorities for a long time [11] . For example, it was reported that tax revenue loss in China accounted for 9.99% of its gross national product ($9 trillion) in 2013 [26] …
۸.Conclusions
This paper proposed a novel and hybrid approach, namely, 3TI, for detecting ATTE suspicious groups. It applies topological pattern matching and data fusion and inference based on evidence to process heterogeneous tax data to detect ATTE groups based on both structural characteristics and BC-ATTEM. 3TI outperforms other ATTE detection methods in terms of detection accuracy in various sectors of industry. In addition, it provides a satisfactory explanation of ATTE behaviors…
مقالات مرتبط با این موضوع |