چکیده:
فرار مالیاتی یکی از دغدغههای مستمر نظامهای مالیاتی بخصوص در کشورهای در حال توسعه میباشد. پدیده فرار مالیاتی از این جهت قابل تأمل است که ضمن کاهش درآمدهای دولت و افزایش سطح شکاف مالیاتی نسبت درآمدهای مالیاتی به تولید ناخالص داخلی را تنزل میدهد. از آنجا که فناوری دادهکاوی از قابلیتهای پیشبینی و طبقهبندی فراوانی برخوردار است میتواند فرآیند تصمیمگیری در مسائل مالی را تسهیل نماید. لذا در این تحقیق سعی کردیم از الگوریتمهای هوش مصنوعی همچون الگوریتمهای شبکه عصبی مصنوعی، ماشین بردار پشتیبان و الگوریتم کلونی زنبور مصنوعی جهت تشخیص فرار مالیاتی استفاده کنیم. جامعه آماری پژوهش حاضر شامل 3600 مؤدی مالیاتی در سالهای مورد مطالعه (۱۳۸۱-۱۳۹۱) استان تهران میباشند. بنابراین با استفاده از الگوریتمهای ترکیبی در این تحقیق توانستیم با دقت ۸۵٫۵۹ درصد برای دادههای آموزشی و دقت ۸۳٫۷۹ درصد برای دادههای آزمایشی به تشخیص و طبقهبندی مودیان متلقب در پرداخت مالیات و مودیان با پرداخت بهموقع مالیات بپردازیم. بنابراین با توجه به نتایج بدست آمده در مییابیم که روش پیشنهادی در این تحقیق از توان بالایی در شناسایی مودیان متقلب از پرداخت مالیات برخوردار است.