發(fā)布時間：2020-11-04 22:41

　　 隨著社會經(jīng)濟的快速發(fā)展,大數(shù)據(jù)信息時代來臨,給人們的工作、生活的各個方面都帶了巨大的變化,而稅務(wù)工作也發(fā)生了巨大的變化,特別是2016年5月我國全面實現(xiàn)了“營改增”,將最開始試點范圍外剩余的行業(yè)也全部納入增值稅范疇,營業(yè)稅徹底離開了多年的舞臺,地稅的工作重心發(fā)生了巨大的改變。而“營改增”后由于納稅人對政策理解偏差,納稅遵從度偏低加上國地稅信息交換不及時帶來的監(jiān)管環(huán)節(jié)缺失都會帶來新的稅收風(fēng)險隱患,給地稅的風(fēng)險管理工作帶來新的困難。如果能在當(dāng)前的新態(tài)勢與新環(huán)境下,利用大數(shù)據(jù)技術(shù),對復(fù)雜多樣的涉稅信息進行分析處理,監(jiān)控稅收風(fēng)險,那么地稅部門既能有效的防止稅源流失,從源頭上遏制稅務(wù)犯罪,又能節(jié)約有限的人力資源,提高稅收征收管理的效率。本文采用案例研究的方法,以X區(qū)地稅局的稅收風(fēng)險為研究對象,針對X區(qū)地稅局存在的稅收風(fēng)險及其在稅收風(fēng)險預(yù)警方面存在的問題,分析大數(shù)據(jù)角度下稅收風(fēng)險預(yù)警。首先對大數(shù)據(jù)技術(shù)、稅收風(fēng)險管理和風(fēng)險預(yù)警等理論進行了闡述,同時參考了大量國內(nèi)外的研究現(xiàn)狀,為后面階段的研究提供了理論支撐。繼而通過對X區(qū)地稅局的稅收風(fēng)險管理現(xiàn)狀及問題的調(diào)查剖析,引入對數(shù)據(jù)的收集、挖掘、存儲、處理等大數(shù)據(jù)技術(shù)手段,針對風(fēng)險預(yù)警的問題,設(shè)計了稅收風(fēng)險的預(yù)警方案,建立了對應(yīng)的指標預(yù)警體系,并對風(fēng)險預(yù)警存在的問題提出了可行性建議。同時引入X區(qū)的Y房地產(chǎn)企業(yè),針對其在某新城項目開發(fā)的過程中可能存在的稅收風(fēng)險,利用預(yù)警指標對其進行了篩查、判別和等級排序,并提出了風(fēng)險應(yīng)對措施。最后得出研究結(jié)論。通過對X區(qū)地稅稅收風(fēng)險預(yù)警的研究,將大數(shù)據(jù)方法引入稅收風(fēng)險預(yù)警,能夠使地稅部門及時發(fā)現(xiàn)企業(yè)存在的稅收風(fēng)險,有效阻止國家稅源的流失,提高整個社會的納稅遵從度。而對大數(shù)據(jù)信息技術(shù)的應(yīng)用能夠有效的節(jié)約人力資源,極大的提高稅收征收管理的效率。Y房地產(chǎn)企業(yè)案例的引用,驗證了稅收風(fēng)險預(yù)警在現(xiàn)實案例中的可行性,有助于提高稅收征收管理的效率,具有較強的實踐意義。
【學(xué)位單位】：重慶理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：F812.42
【部分圖文】：

21圖 4.3 基于大數(shù)據(jù)的稅收風(fēng)險框架圖4.3 稅收風(fēng)險預(yù) 指標體系稅收風(fēng)險預(yù)警指標體系建立的原理是提取涉稅違法的主要因素、指標,將其量化然后代入相應(yīng)的數(shù)學(xué)模型實現(xiàn)數(shù)據(jù)化，并將相關(guān)數(shù)據(jù)信息因素與標準值進行比對，以此來評估涉稅違法的風(fēng)險程度、風(fēng)險點，然后做出相應(yīng)的應(yīng)對措施。4.3.1 分稅種風(fēng)險預(yù) 指標稅種類風(fēng)險是對稅收風(fēng)險進行預(yù)警的最重要指標，通過對企業(yè)各種稅種進行監(jiān)測評估，將企業(yè)實際報稅情況與事前設(shè)定的參考標準值進行比對，將異常情況量化為數(shù)字指標。監(jiān)控預(yù)警指標主要選擇增值稅、企業(yè)所得稅和其他稅種數(shù)據(jù)指標、關(guān)聯(lián)稅種比對數(shù)據(jù)指標等 4 個二級指標 N 個三級指標，且以增值稅、企業(yè)所得稅為主，
【參考文獻】

相關(guān)期刊論文 前10條

1 程平;萬家盛;;大數(shù)據(jù)下基于財務(wù)共享服務(wù)模式的A集團資金管理[J];會計之友;2017年06期

2 趙來元;高鴻彬;李媛;;基于主成分分析(PCA)的人臉識別算法研究[J];電子世界;2017年02期

3 李凱;趙濱濱;曹占峰;劉展展;曹云峰;;基于回歸分析和虛擬變量的短期用電量預(yù)測管理模型[J];電氣應(yīng)用;2017年02期

4 王宗杰;邢明峰;王洪泊;;基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的醫(yī)患關(guān)系風(fēng)險預(yù)警模型[J];北京工業(yè)大學(xué)學(xué)報;2017年01期

5 姜少寒;;大數(shù)據(jù)技術(shù)應(yīng)用及發(fā)展趨勢[J];價值工程;2016年33期

6 程繼紅;阮傳峰;崔嘉;齊玉東;;大數(shù)據(jù)分析技術(shù)在裝備監(jiān)測系統(tǒng)中應(yīng)用研究[J];計算機測量與控制;2016年09期

7 趙可;鮑新中;;考慮集團化經(jīng)營特征的企業(yè)財務(wù)困境風(fēng)險預(yù)警研究[J];數(shù)學(xué)的實踐與認識;2016年16期

8 顧翠伶;朱思峰;;基于正態(tài)模糊數(shù)回歸分析模型的構(gòu)建與評價[J];統(tǒng)計與決策;2016年13期

9 喬游;;淺析“互聯(lián)網(wǎng)+”背景下的稅收風(fēng)險管理[J];稅務(wù)研究;2016年05期

10 程平;陳珊;;大數(shù)據(jù)時代基于DBSCAN聚類方法的審計抽樣[J];中國注冊會計師;2016年04期

相關(guān)碩士學(xué)位論文 前2條

1 陳旭;一種改進的決策樹分類算法[D];華中師范大學(xué);2016年

2 王玉姣;納稅遵從風(fēng)險管理研究[D];西南財經(jīng)大學(xué);2013年

本文編號：2870711