Machine Learning Meets Tax Fraud: Insights from Slovakia
Jednou z najzaujímavejších tém v oblasti podnikových financií je odhaľovanie daňových podvodov. V práci sa zaoberáme unikátnym súborom údajov o výsledkoch kontrol slovenských daňových úradov, čím získavame cenné poznatky o overených prípadoch daňových manipulácií a vyhýbame sa problému nesprávnej kl...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | , , |
| Formato: | Capítulo de libro |
| Lenguaje: | inglés |
| Materias: | |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: | Jednou z najzaujímavejších tém v oblasti podnikových financií je odhaľovanie daňových podvodov. V práci sa zaoberáme unikátnym súborom údajov o výsledkoch kontrol slovenských daňových úradov, čím získavame cenné poznatky o overených prípadoch daňových manipulácií a vyhýbame sa problému nesprávnej klasifikácie, ktorý je v tomto prúde literatúry bežný. Aplikujeme umelé neurónové siete, náhodné lesy, XGBoost a podporné vektorové stroje, aby sme overili, do akej miery dokážeme klasifikovať daňových manipulátorov na základe verejne dostupných ukazovateľov finančných výkazov. Naše výsledky ukazujú, že model XGBoost preukázal najvyššiu účinnosť, pričom dosiahol skóre F1 0,75 v celej vzorke, mierne nižšie skóre v rámci odvetvových skupín a vynikajúce výsledky v sektore A – Poľnohospodárstvo so skóre F1 0,85. Naše výsledky naznačujú, že použitie dnes bežne známych metód strojového učenia spolu so štandardnými finančnými premennými môže poskytnúť užitočný nástroj na odhaľovanie daňových podvodov a ako také môže prispieť k vyššej efektivite daňových kontrol. |
|---|