CN106447482A - 一种结合纳税信用等级和交易关系网络的税务稽查方法 - Google Patents
一种结合纳税信用等级和交易关系网络的税务稽查方法 Download PDFInfo
- Publication number
- CN106447482A CN106447482A CN201610828358.2A CN201610828358A CN106447482A CN 106447482 A CN106447482 A CN 106447482A CN 201610828358 A CN201610828358 A CN 201610828358A CN 106447482 A CN106447482 A CN 106447482A
- Authority
- CN
- China
- Prior art keywords
- suspicion
- taxpayer
- transaction
- summit
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/10—Tax strategies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明公开了一种结合纳税信用等级和交易关系网络的税务稽查方法,包括以下步骤:1)构建有向加权的交易关系网络;2)基于纳税信用等级和交易关系网络,通过纳税嫌疑的分裂、传递、组合三阶段步骤的迭代,以及加权平均得到纳税人的纳税嫌疑评分;3)基于纳税嫌疑评分排序得到有待税务稽查的问题纳税人。该方法综合纳税信用等级与交易关系网络信息,为税务稽查提供更具综合性的选案方法,克服了将纳税信用等级直接作为税务稽查选案参考指标时的片面性——仅考虑了纳税人的静态指标和历史违法违规行为,无法综合交易过程中的实时交易信息。
Description
【技术领域】
本发明涉及税务稽查领域,具体涉及一种结合纳税信用等级和交易关系网络的税务稽查方法。
【背景技术】
纳税信用等级是税务机关根据纳税人履行纳税义务情况,依据《纳税信用等级评定管理试行办法》规定的标准进行评定的基础上,就纳税人在一定周期内的纳税信用所评定的等级。纳税信用等级采用年度评价指标得分和直接判级相结合的评定办法:通常根据企业的税务登记情况,纳税申报情况,帐簿、凭证管理情况,税款缴纳情况,违反税收法律、行政法规行业处理情况这5方面评定指标对纳税人进行百分制扣分,在某些特殊违法情形下,直接评定纳税人等级。
纳税信用等级分为A、B、C、D四级,A到D级纳税信用等级逐级递减。考评分在95分以上的,为A级;考评分在60分以上95分以下的,为B级;考评分在20分以上60分以下的,为C级;考评分在20分以下的,为D级。纳税信用等级反映了纳税人存在偷逃漏税行为的嫌疑度,纳税信用等级越低,对应的嫌疑度越高,反之,嫌疑度越低。
纳税信用等级是税务部门衡量纳税人上一纳税周期纳税情况的辅助指标,在税务稽查选案过程中,仅仅用纳税信用等级来换算企业的嫌疑度是不完备的,因为纳税信用等级反映的是纳税人的静态指标和历史违法违规行为,考虑到与违法违规企业有着紧密交易关系的企业,他们在某种程度上同样存在嫌疑。举一个实际的例子,多家偷逃漏税企业与同一家纳税信用等级为A的企业间存在紧密的交易关系,通过实际稽查发现,该A级企业与这多家偷逃漏税企业之间确实存在潜在的偷逃漏税行为。因此,如何将纳税信用等级和企业之间的交易关系相结合,进行税务稽查选案,成为当前税务稽查领域一个亟待解决的问题。
【发明内容】
本发明的目的在于提供一种结合纳税信用等级和交易关系网络的税务稽查方法。该方法综合纳税信用等级与交易关系网络信息,为税务稽查提供更具综合性的选案方法,克服了将纳税信用等级直接作为税务稽查选案参考指标时的片面性——仅考虑了纳税人的静态指标和历史违法违规行为,无法综合交易过程中的实时交易信息。
本发明目的是通过以下技术方案来实现的:
一种结合纳税信用等级和交易关系网络的税务稽查方法,包括以下步骤:
1)构建有向加权的交易关系网络;
2)基于纳税信用等级和交易关系网络,通过纳税嫌疑的分裂、传递、组合三阶段步骤的迭代,以及加权平均得到纳税人的纳税嫌疑评分;
3)基于纳税嫌疑评分排序得到有待税务稽查的问题纳税人。
作为本发明的进一步改进,步骤2)包括以下步骤:
S101:纳税信用等级数值化后作为交易关系网络中顶点的权值;
S102:设计纳税嫌疑分裂函数,计算各交易边的嫌疑分裂值;
S103:设计纳税嫌疑传递函数,计算各交易边的嫌疑传递值;
S104:设计纳税嫌疑组合函数,计算各纳税人的嫌疑组合值;
S105:迭代纳税嫌疑的分裂、传递、组合三阶段,计算并记录每次迭代的顶点权值;
S106:将多次迭代的顶点权值的加权平均值作为纳税嫌疑评分。
作为本发明的进一步改进,步骤1)具体为:
基于有向图理论,将税务部门提供的电子发票信息中的销方纳税人和购方纳税人表示为交易关系网络中的顶点,将发票所反映的交易关系表示为交易关系网络中的交易关系边,将得到的交易关系网络表示为:
TRN=(V,E) (1)
其中,V表示所有销方纳税人及购方纳税人的顶点集合,每个顶点的格式为(Vid,Vweight),Vid是顶点的唯一编号,是指发票信息中的销方纳税人识别号与购方纳税人识别号,直接用Vid指代对应的顶点,Vweight是顶点的权值,表示纳税人的嫌疑值,暂未赋值;E表示所有交易关系边的集合,每条交易关系边的格式为(SrcID,DstID,Eweight),SrcID是交易关系边中源点的唯一编号,DstID是交易关系边中终点的唯一编号,Eweight是交易关系边的交易权值,取值为该交易关系边的交易金额占该交易关系边销方纳税人销售收入总额的比例,满足Eweight∈(0,1]。
作为本发明的进一步改进,步骤2)中,纳税嫌疑评分的计算,具体包括以下步骤:
S101:纳税信用等级数值化后作为交易关系网络中顶点的权值;
在交易关系网络中,用顶点的唯一编号Vid表示该顶点,对于任意纳税人i,i∈Vid,将其纳税信用等级数值化后的初始嫌疑值,赋值给步骤1)顶点权值Vweight;数值化操作,对于信用等级为X(X∈{A,B,C,D})的纳税人i,其对应的考评分区间为[LBound,UBound),数值化之后的结果表示如下:
其中,表示所有纳税人i的顶点初始权值,或初始嫌疑值;
S102:设计纳税嫌疑分裂函数,计算各交易边的嫌疑分裂值;
在交易关系网络中,规定纳税人按交易关系边的交易权重比将自身嫌疑传递给其他纳税人,即纳税嫌疑分裂函数的公式表示如下:
SSplitji=Vweightj×Eweightji (3)
其中,SSplitji表示纳税人j指向纳税人i所在交易边的嫌疑分裂值;
S103:设计纳税嫌疑传递函数,计算各交易边的嫌疑传递值;
纳税信用等级分为A、B、C、D四级,各等级按不同能力λ将嫌疑传递给与其相关联的其他纳税人,λ的范围是(0,1),且λA<λB<λC<λD,嫌疑传递率STransfer公式表示如下:
其中,STransferj表示纳税人j的嫌疑传递率;
嫌疑传递函数由S102中计算得到的嫌疑分裂值与嫌疑传递率相乘得到,公式表示如下
SSpreadji=SSplitji×STransferj (5)
其中,SSpreadji表示纳税人j指向纳税人i所在交易边的嫌疑传递值;
S104:设计纳税嫌疑组合函数,计算各纳税人的嫌疑组合值;
交易关系网络中,每个纳税人i的嫌疑来源有两种:
(1)所有指向纳税人i的其他纳税人传递的嫌疑总和,表示为其中,在交易关系网络中,用顶点的唯一编号Vid表示该顶点,对于任意纳税人j(j∈Vid),j∈In(i)表示在交易关系网络中任意指向纳税人i的纳税人j,即存在(j,i,Eweightji)∈E;
(2)纳税人i自身嫌疑转移情况,当纳税人i的出度为0时,自身嫌疑不再转移;当纳税人i的出度不为0时,则按纳税人i的嫌疑传递率STransfier进行转移,综合表示为α(1-STransferi)×Vweighti+STransferi×Vweighti;其中,α是一个条件布尔变量,当纳税人i的出度为0时,α取值为1,否则取值为0;STransferi表示纳税人i的嫌疑传递率;Vweighti表示纳税人i的嫌疑值;
两种嫌疑来源组合相加即可得到纳税人i的嫌疑组合值,纳税嫌疑组合函数表示如下:
其中,SCombinei表示纳税人i的嫌疑组合值;
S105:迭代纳税嫌疑的分裂、传递、组合三阶段,计算并记录每次迭代的顶点权值;
在点和边的权值均被赋值后的交易关系网络中,纳税人嫌疑的分裂、传递、组合过程为一次迭代,通过纳税嫌疑迭代函数多次迭代计算并记录每个顶点的新权值;
纳税嫌疑迭代函数表示如下:
其中,
其中,t表示迭代次数,t=1,2,……,n;表示t次迭代时所求纳税人i的嫌疑值;表示t次迭代时纳税人i的嫌疑组合值;表示t次迭代时纳税人j指向纳税人i所在交易边的嫌疑传递值;表示t次迭代时纳税人j指向纳税人i所在交易边的嫌疑分裂值;表示t-1次迭代时纳税人j的嫌疑值;
S106:将多次迭代的顶点权值的加权平均值作为纳税嫌疑评分;
纳税嫌疑评分的计算公式如下:
其中,CreditScorei表示纳税人i的纳税嫌疑评分;β表示嫌疑通过交易关系网络传递的权重比例;剩余的(1-β)表示嫌疑未传递权重比例;n为正整数。
作为本发明的进一步改进,步骤3)具体为:将所有纳税嫌疑评分由高至低进行排序,将超过嫌疑阈值的纳税人,标记为有待税务稽查的问题纳税人。
作为本发明的进一步改进,,嫌疑阈值设置为0.6。
与现有的计算机自动选案技术相比,本发明具有以下有益的技术效果:
本发明方法从纳税信用等级和交易关系网络的结合中识别可疑纳税人用以构建稽查选案。首先,构建有向加权的交易关系网络;然后,基于纳税信用等级和交易关系网络,通过纳税嫌疑的分裂、传递、组合三阶段步骤的迭代,以及加权平均得到纳税人的纳税嫌疑评分;最后,基于纳税嫌疑评分排序得到有待税务稽查的问题纳税人。该方法综合纳税信用等级与交易关系网络信息,为税务稽查提供更具综合性的选案方法,克服了将纳税信用等级直接作为税务稽查选案参考指标时的片面性——仅考虑了纳税人的静态指标和历史违法违规行为,无法综合交易过程中的实时交易信息。该方法的基本思想是,当纳税人间的交易比例越高,且自身信用等级越低时,将更容易将自身嫌疑传递给与其有交易关系的纳税人,以此增加稽查准确性。本发明的优点是综合性高、准确性好,通过将纳税信用等级与企业之间的交易关系网络相结合,可以检测出集团性质的偷漏税行为,更准确地确定稽查对象,减轻人工工作强度。
【附图说明】
图1为本发明的税务稽查方法的流程图;
图2为纳税嫌疑评分的计算过程示意图。
【具体实施方式】
下面结合附图,对本发明的具体实施方式进行详细阐述,但本发明不限于该实施例。为了使公众对本发明有彻底的了解,在以下本发明优选施例中详细说明具体的细节。
为了更清楚地说明本发明的技术方案,下面结合附图和具体实施例对本发明——一种结合纳税信用等级和交易关系网络的税务稽查方法进行详细描述。
如图1所示,本实施例中,税务稽查选案过程包括:
1.构建有向加权的交易关系网络
基于有向图理论,将税务部门提供的电子发票信息中的销方纳税人和购方纳税人表示为交易关系网络中的顶点,将发票所反映的交易关系表示为交易关系网络中的交易关系边,将得到的交易关系网络(Trade Relation Network,简称TRN)表示为:
TRN=(V,E) (1)
其中,V表示所有销方纳税人及购方纳税人的顶点集合,每个顶点的格式为(Vid,Vweight),Vid是顶点的唯一编号(发票信息中的销方纳税人识别号与购方纳税人识别号),直接用Vid指代对应的顶点,Vweight是顶点的权值,表示纳税人的嫌疑值,暂未赋值;E表示所有交易关系边的集合,每条交易关系边的格式为(SrcID,DstID,Eweight),SrcID是交易关系边中源点的唯一编号,DstID是交易关系边中终点的唯一编号,Eweight是交易关系边的交易权值,取值为该交易关系边的交易金额占该交易关系边销方纳税人销售收入总额的比例,满足Eweight∈(0,1]。
如图2所示,本实施例中,所构建的有向加权的交易关系网络中有三个顶点,分别表示为交易关系边共三条边,分别表示为(3,1,0.5)、(1,2,1.0)、(3,2,0.5)。
2.基于纳税信用等级和交易关系网络,通过纳税嫌疑的分裂、传递、组合三阶段步骤的迭代,以及加权平均得到纳税人的纳税嫌疑评分
纳税嫌疑评分的计算,具体包括以下步骤:
Step1:纳税信用等级数值化后作为交易关系网络中顶点的权值;
在交易关系网络中,用顶点的唯一编号Vid表示该顶点,对于任意纳税人i(i∈Vid)),将其纳税信用等级数值化后的初始嫌疑值,赋值给1中的顶点权值Vweight。所述数值化操作,对于信用等级为X(X∈{A,B,C,D})的纳税人i,其对应的考评分区间为[LBound,UBound),数值化之后的结果表示如下:
其中,表示所有纳税人i的顶点初始权值,即初始嫌疑值。
由《纳税信用等级评定管理试行办法》的规定可得四个等级对应的考评分区间为,A∈[95,100,)B∈[60,95),C∈[20,60),D∈[0,20),最终数值化后A等级为0.025,B等级为0.225,C等级为0.60,D等级为0.90。
如图2所示,本实施例中,顶点1的纳税信用等级为D级,将权值设置为0.90;顶点2的纳税信用等级为A级,将权值设置为0.025;顶点3的纳税信用等级为B级,将权值设置为0.225。经过Step1,TRN的顶点集合包含以下顶点:(1,0.90)、(2,0.025)、(3,0.225)。
Step2:设计纳税嫌疑分裂函数,计算各交易边的嫌疑分裂值;
在现实交易中,与违法违规纳税人有紧密交易关系的纳税人,他们在某种程度上同样存在嫌疑,嫌疑在交易关系网络中传递的表现形式为嫌疑分裂,纳税人按某一权重比将自身嫌疑传递给与其有直接交易关系的其他纳税人。
所述嫌疑分裂规律如下:
在交易关系网络中,规定纳税人按交易关系边的交易权重比将自身嫌疑传递给其他纳税人,即纳税嫌疑分裂函数的公式表示如下:
SSplitji=Vweightj×Eweightji (3)
其中,SSplitji表示纳税人j指向纳税人i所在交易边的嫌疑分裂值。
Step3:设计纳税嫌疑传递函数,计算各交易边的嫌疑传递值;
在现实交易中,嫌疑由违法违规纳税人向与其有紧密交易关系的其他纳税人传递。在交易关系网络中,各等级纳税人在纳税嫌疑分裂规律下按不同传递能力将自身嫌疑传递给与其有直接交易关系的其他纳税人。
所述嫌疑传递规律如下:
A、B、C、D四个等级的信用值由高到低,嫌疑值由低到高,因此其传递嫌疑的能力也由低到高,规定各等级按不同能力λ将嫌疑传递给与其相关联的其他纳税人,这里λ的范围是(0,1),且λA<λB<λC<λD,嫌疑传递率STransfer公式表示如下:
其中,STransferj表示纳税人j的嫌疑传递率。
嫌疑传递函数由Step2中计算得到的嫌疑分裂值与嫌疑传递率相乘得到,公式表示如下
SSpreadji=SSplitji×STransferj (5)
其中,SSpreadji表示纳税人j指向纳税人i所在交易边的嫌疑传递值。
Step4:设计纳税嫌疑组合函数,计算各纳税人的嫌疑组合值;
交易关系网络中,嫌疑通过上述交易边分裂规律、传递规律传递给其他纳税人,而每个纳税人i的嫌疑来源有两种:
(1)所有指向纳税人i的其他纳税人传递的嫌疑总和,表示为其中,在交易关系网络中,用顶点的唯一编号Vid表示该顶点,对于任意纳税人j(j∈Vid),j∈In(i)表示在交易关系网络中任意指向纳税人i的纳税人j,即存在(j,i,Eweightji)∈E;
(2)纳税人i自身嫌疑转移情况,当纳税人i的出度为0时,自身嫌疑不再转移;当纳税人i的出度不为0时,则按纳税人i的嫌疑传递率STransfier进行转移,综合表示为α(1-STransferi)×Vweighti+STransferi×Vweighti。其中,α是一个条件布尔变量,当纳税人i的出度为0时,α取值为1,否则取值为0;STransferi表示纳税人i的嫌疑传递率;Vweighti表示纳税人i的嫌疑值。
两种嫌疑来源组合相加即可得到纳税人i的嫌疑组合值,纳税嫌疑组合函数表示如下:
其中,SCombinei表示纳税人i的嫌疑组合值。
Step5:迭代纳税嫌疑的分裂、传递、组合三阶段,计算并记录每次迭代的顶点权值;
在点和边的权值均被赋值后的交易关系网络中,纳税人嫌疑的分裂、传递、组合过程称为一次迭代,通过纳税嫌疑迭代函数多次迭代计算并记录每个顶点的新权值。
纳税嫌疑迭代函数表示如下:
其中,
其中,t(t=1,2,……,n)表示迭代次数;表示t次迭代时所求纳税人i的嫌疑值;表示t次迭代时纳税人i的嫌疑组合值;表示t次迭代时纳税人j指向纳税人i所在交易边的嫌疑传递值;表示t次迭代时纳税人j指向纳税人i所在交易边的嫌疑分裂值;表示t-1次迭代时纳税人j的嫌疑值;。
如图2所示,本实施例中,n为正整数,这里设置为5。t=1,即第一次嫌疑分裂、传递、组合过程时,Step2中, Step3中,将λD设置为0.8,将λC设置为0.6,将λB设置为0.4,将λA设置为0.2, Step4中, Step5中,第一次迭代后,TRN的顶点集合中顶点权值变化为:(1,0.765)、(2,0.79)、(3,0.09)。
t=2时,即第二次嫌疑分裂、传递、组合过程,Step2中, Step3中,将λD、λC、λB和λA设置同t=1时, Step4中, Step5中,第二次迭代后,TRN的顶点集合中顶点权值变化为:(1,0.63)、(2,1.42)、(3,0.036)。
迭代过程如上所述计算,第三次迭代后,TRN的顶点集合中顶点权值变化为:(1,0.5112)、(2,1.9312)、(3,0.0144);第四次迭代后,TRN的顶点集合中顶点权值变化为:(1,0.41184)、(2,2.34304)、(3,0.00576);第五次迭代后,TRN的顶点集合中顶点权值变化为:(1,0.330624)、(2,2.673664)、(3,0.002304)。
Step6:将多次迭代的顶点权值的加权平均值作为纳税嫌疑评分。
纳税嫌疑评分的计算公式如下:
其中,CreditScorei表示纳税人i的纳税嫌疑评分;β表示嫌疑通过交易关系网络传递的权重比例;剩余的(1-β)表示嫌疑未传递权重比例;n为正整数。
如图2所示,本实施例中,将n设置为5,β设置为0.2,根据纳税嫌疑评分的计算公式,得到TRN中每个顶点的纳税嫌疑评分:顶点1为0.8259、顶点2为0.3863、顶点3为0.1859。
3.基于纳税嫌疑评分排序得到有待税务稽查的问题纳税人
将所有纳税嫌疑评分由高至低进行排序,将超过嫌疑阈值的纳税人,标记为有待税务稽查的问题纳税人,嫌疑阈值设置为0.6。
本实施例中,纳税嫌疑评分排序后为顶点1>顶点2>顶点3,只有顶点1的纳税嫌疑评分超过嫌疑阈值0.6,因此顶点1被标记为有待税务稽查的问题纳税人。
以上,仅为本发明的较佳实施例,并非仅限于本发明的实施范围,凡依本发明专利范围的内容所做的等效变化和修饰,都应为本发明的技术范畴。
Claims (6)
1.一种结合纳税信用等级和交易关系网络的税务稽查方法,其特征在于,包括以下步骤:
1)构建有向加权的交易关系网络;
2)基于纳税信用等级和交易关系网络,通过纳税嫌疑的分裂、传递、组合三阶段步骤的迭代,以及加权平均得到纳税人的纳税嫌疑评分;
3)基于纳税嫌疑评分排序得到有待税务稽查的问题纳税人。
2.根据权利要求1所述的一种结合纳税信用等级和交易关系网络的税务稽查方法,其特征在于,步骤2)包括以下步骤:
S101:纳税信用等级数值化后作为交易关系网络中顶点的权值;
S102:设计纳税嫌疑分裂函数,计算各交易边的嫌疑分裂值;
S103:设计纳税嫌疑传递函数,计算各交易边的嫌疑传递值;
S104:设计纳税嫌疑组合函数,计算各纳税人的嫌疑组合值;
S105:迭代纳税嫌疑的分裂、传递、组合三阶段,计算并记录每次迭代的顶点权值;
S106:将多次迭代的顶点权值的加权平均值作为纳税嫌疑评分。
3.根据权利要求1所述的一种结合纳税信用等级和交易关系网络的税务稽查方法,其特征在于,步骤1)具体为:
基于有向图理论,将税务部门提供的电子发票信息中的销方纳税人和购方纳税人表示为交易关系网络中的顶点,将发票所反映的交易关系表示为交易关系网络中的交易关系边,将得到的交易关系网络表示为:
TRN=(V,E) (1)
其中,V表示所有销方纳税人及购方纳税人的顶点集合,每个顶点的格式为(Vid,Vweight),Vid是顶点的唯一编号,是指发票信息中的销方纳税人识别号与购方纳税人识别号,直接用Vid指代对应的顶点,Vweight是顶点的权值,表示纳税人的嫌疑值,暂未赋值;E表示所有交易关系边的集合,每条交易关系边的格式为(SrcID,DstID,Eweight),SrcID是交易关系边中源点的唯一编号,DstID是交易关系边中终点的唯一编号,Eweight是交易关系边的交易权值,取值为该交易关系边的交易金额占该交易关系边销方纳税人销售收入总额的比例,满足Eweight∈(0,1]。
4.根据权利要求3所述的一种结合纳税信用等级和交易关系网络的税务稽查方法,其特征在于,步骤2)中,纳税嫌疑评分的计算,具体包括以下步骤:
S101:纳税信用等级数值化后作为交易关系网络中顶点的权值;
在交易关系网络中,用顶点的唯一编号Vid表示该顶点,对于任意纳税人i,i∈Vid,将其纳税信用等级数值化后的初始嫌疑值,赋值给步骤1)顶点权值Vweight;数值化操作,对于信用等级为X(X∈{A,B,C,D})的纳税人i,其对应的考评分区间为[LBound,UBound),数值化之后的结果表示如下:
其中,表示所有纳税人i的顶点初始权值,或初始嫌疑值;
S102:设计纳税嫌疑分裂函数,计算各交易边的嫌疑分裂值;
在交易关系网络中,规定纳税人按交易关系边的交易权重比将自身嫌疑传递给其他纳税人,即纳税嫌疑分裂函数的公式表示如下:
SSplitji=Vweightj×Eweightji (3)
其中,SSplitji表示纳税人j指向纳税人i所在交易边的嫌疑分裂值;
S103:设计纳税嫌疑传递函数,计算各交易边的嫌疑传递值;
纳税信用等级分为A、B、C、D四级,各等级按不同能力λ将嫌疑传递给与其相关联的其他纳税人,λ的范围是(0,1),且λA<λB<λC<λD,嫌疑传递率STransfer公式表示如下:
其中,STransferj表示纳税人j的嫌疑传递率;
嫌疑传递函数由S102中计算得到的嫌疑分裂值与嫌疑传递率相乘得到,公式表示如下
SSpreadji=SSplitji×STransferj (5)
其中,SSpreadji表示纳税人j指向纳税人i所在交易边的嫌疑传递值;
S104:设计纳税嫌疑组合函数,计算各纳税人的嫌疑组合值;
交易关系网络中,每个纳税人i的嫌疑来源有两种:
(1)所有指向纳税人i的其他纳税人传递的嫌疑总和,表示为其中,在交易关系网络中,用顶点的唯一编号Vid表示该顶点,对于任意纳税人j(j∈Vid),j∈In(i)表示在交易关系网络中任意指向纳税人i的纳税人j,即存在(j,i,Eweightji)∈E;
(2)纳税人i自身嫌疑转移情况,当纳税人i的出度为0时,自身嫌疑不再转移;当纳税人i的出度不为0时,则按纳税人i的嫌疑传递率STransferi进行转移,综合表示为α(1-STransferi)×Vweighti+STransferi×Vweighti;其中,α是一个条件布尔变量,当纳税人i的出度为0时,α取值为1,否则取值为0;STransferi表示纳税人i的嫌疑传递率;Vweighti表示纳税人i的嫌疑值;
两种嫌疑来源组合相加即可得到纳税人i的嫌疑组合值,纳税嫌疑组合函数表示如下:
其中,SCombinei表示纳税人i的嫌疑组合值;
S105:迭代纳税嫌疑的分裂、传递、组合三阶段,计算并记录每次迭代的顶点权值;
在点和边的权值均被赋值后的交易关系网络中,纳税人嫌疑的分裂、传递、组合过程为一次迭代,通过纳税嫌疑迭代函数多次迭代计算并记录每个顶点的新权值;
纳税嫌疑迭代函数表示如下:
其中,
其中,t表示迭代次数,t=1,2,......,n;表示t次迭代时所求纳税人i的嫌疑值;表示t次迭代时纳税人i的嫌疑组合值;表示t次迭代时纳税人j指向纳税人i所在交易边的嫌疑传递值;表示t次迭代时纳税人j指向纳税人i所在交易边的嫌疑分裂值;表示t-1次迭代时纳税人j的嫌疑值;
S106:将多次迭代的顶点权值的加权平均值作为纳税嫌疑评分;
纳税嫌疑评分的计算公式如下:
其中,CreditScorei表示纳税人i的纳税嫌疑评分;β表示嫌疑通过交易关系网络传递的权重比例;剩余的(1-β)表示嫌疑未传递权重比例;n为正整数。
5.根据权利要求1所述的一种结合纳税信用等级和交易关系网络的税务稽查方法,其特征在于,步骤3)具体为:将所有纳税嫌疑评分由高至低进行排序,将超过嫌疑阈值的纳税人,标记为有待税务稽查的问题纳税人。
6.根据权利要求5所述的一种结合纳税信用等级和交易关系网络的税务稽查方法,其特征在于,嫌疑阈值设置为0.6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610828358.2A CN106447482B (zh) | 2016-09-18 | 2016-09-18 | 一种结合纳税信用等级和交易关系网络的税务稽查方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610828358.2A CN106447482B (zh) | 2016-09-18 | 2016-09-18 | 一种结合纳税信用等级和交易关系网络的税务稽查方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106447482A true CN106447482A (zh) | 2017-02-22 |
CN106447482B CN106447482B (zh) | 2017-12-15 |
Family
ID=58169209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610828358.2A Active CN106447482B (zh) | 2016-09-18 | 2016-09-18 | 一种结合纳税信用等级和交易关系网络的税务稽查方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106447482B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292424A (zh) * | 2017-06-01 | 2017-10-24 | 四川新网银行股份有限公司 | 一种基于复杂社交网络的反欺诈和信用风险预测方法 |
CN107871277A (zh) * | 2017-07-25 | 2018-04-03 | 平安普惠企业管理有限公司 | 服务器、客户关系挖掘的方法及计算机可读存储介质 |
CN109242664A (zh) * | 2018-10-16 | 2019-01-18 | 西安交通大学 | 一种面向新设立企业的纳税风险预测方法 |
CN110503536A (zh) * | 2019-07-05 | 2019-11-26 | 方欣科技有限公司 | 一种基于区块链的信用驱动业务方法及装置 |
CN112527840A (zh) * | 2020-12-15 | 2021-03-19 | 航天信息股份有限公司 | 医药行业两票制监控方法、装置、可读介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101140646A (zh) * | 2007-11-05 | 2008-03-12 | 陆航程 | 基于epc、ebc物联网的“数据大跟踪”税控系统及其税控终端 |
CN101149860A (zh) * | 2007-09-30 | 2008-03-26 | 中商流通生产力促进中心有限公司 | 一种网络税控系统的税控数据申报、稽查处理方法 |
CN103383767A (zh) * | 2013-07-12 | 2013-11-06 | 西安交通大学 | 基于纳税人利益关联网络模型的偷漏税关联企业识别方法 |
CN105574761A (zh) * | 2015-12-11 | 2016-05-11 | 西安交通大学 | 一种基于Spark的纳税人利益关联网络并行生成方法 |
-
2016
- 2016-09-18 CN CN201610828358.2A patent/CN106447482B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101149860A (zh) * | 2007-09-30 | 2008-03-26 | 中商流通生产力促进中心有限公司 | 一种网络税控系统的税控数据申报、稽查处理方法 |
CN101140646A (zh) * | 2007-11-05 | 2008-03-12 | 陆航程 | 基于epc、ebc物联网的“数据大跟踪”税控系统及其税控终端 |
CN103383767A (zh) * | 2013-07-12 | 2013-11-06 | 西安交通大学 | 基于纳税人利益关联网络模型的偷漏税关联企业识别方法 |
CN105574761A (zh) * | 2015-12-11 | 2016-05-11 | 西安交通大学 | 一种基于Spark的纳税人利益关联网络并行生成方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292424A (zh) * | 2017-06-01 | 2017-10-24 | 四川新网银行股份有限公司 | 一种基于复杂社交网络的反欺诈和信用风险预测方法 |
CN107292424B (zh) * | 2017-06-01 | 2020-01-21 | 四川新网银行股份有限公司 | 一种基于复杂社交网络的反欺诈和信用风险预测方法 |
CN107871277A (zh) * | 2017-07-25 | 2018-04-03 | 平安普惠企业管理有限公司 | 服务器、客户关系挖掘的方法及计算机可读存储介质 |
CN109242664A (zh) * | 2018-10-16 | 2019-01-18 | 西安交通大学 | 一种面向新设立企业的纳税风险预测方法 |
CN109242664B (zh) * | 2018-10-16 | 2021-03-16 | 西安交通大学 | 一种面向新设立企业的纳税风险预测方法 |
CN110503536A (zh) * | 2019-07-05 | 2019-11-26 | 方欣科技有限公司 | 一种基于区块链的信用驱动业务方法及装置 |
CN112527840A (zh) * | 2020-12-15 | 2021-03-19 | 航天信息股份有限公司 | 医药行业两票制监控方法、装置、可读介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106447482B (zh) | 2017-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106447482B (zh) | 一种结合纳税信用等级和交易关系网络的税务稽查方法 | |
Trieschmann et al. | A multivariate model for predicting financially distressed PL insurers | |
US20070136187A1 (en) | Automated loan evaluation system | |
Chen et al. | XBRL adoption and bank loan contracting: Early evidence | |
CN103229200A (zh) | 交互式证书系统和方法 | |
Johnson et al. | Exploratory research applying Benford's law to selected balances in the financial statements of state governments | |
Heckman et al. | Racial Disparity and Employment Discrimination Law: An Economic Perspective | |
Morgan et al. | Subprime foreclosures and the 2005 bankruptcy reform | |
Buslepp et al. | Misclassification of audit-related fees as a measure of internal control quality | |
Jiang et al. | Digital trade barriers and export performance: Evidence from China | |
CN114971883A (zh) | 一种基于大数据的小微企业信贷风险评估分析系统 | |
Shakatreh et al. | Corporate tax features in Jordan affecting business decisions: Strengthening finance accountability in emerging economies | |
Hashim et al. | A Diagnostic Framework to Assess the Capacity of a Government's Financial Management Information System as a Budget Management Tool | |
CN114840579A (zh) | 一种医院内部审计系统 | |
Akhidime | Accountability and financial reporting in Nigeria public financial management: an empirical exploration | |
CN105427171A (zh) | 一种互联网借贷平台评级的数据处理方法 | |
Cornman et al. | Revenues and Expenditures for Public Elementary and Secondary Education: School Year 2014-15 (Fiscal Year 2015). First Look. NCES 2018-301. | |
Edwards | Fiscal Pressures, the Great Recession, and Monetary Sanctions in Washington Courts of Limited Jurisdiction | |
JP2003036346A (ja) | オペレーショナル・リスク評価方法及びそのシステム | |
Chircop et al. | Government procurement and wage theft | |
Kochanska | The ESRB macroprudential measures database | |
Chen et al. | Financial performance of township governments and its four budget cycles | |
Badu et al. | An empirical analysis of net interest cost, the probability of default and the credit risk premium: a case study using the Commonwealth of Virginia | |
Nyaruwata | Addressing over-indebtedness in South Africa: What role should supply-side and demand-side interventions play | |
Salmina et al. | Tax debt individual customers in the Russian Federation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |