تنبؤ التخلف الضريبي باستخدام التعلم الآلي القائم على تحويل الميزات

تقترح هذه الدراسة معالجة الأهمية الاقتصادية للضرائب الغير مدفوعة باستخدام نظام تلقائي للتنبؤ بالتخلف الضريبي. لقد تم إيلاء اهتمام قليل جدًا لتنبؤ التخلف الضريبي في الماضي. علاوة على ذلك، تميل الطرق الموجودة إلى تطبيق الأساليب الإحصائية التقليدية بدلاً من الأساليب المتقدمة لتحليل البيانات، بما في ذلك أساليب التعلم الآلي الحديثة. لذلك، لا يمكن أن تكتشف الدراسات الحالية معلومات التخلف الضريبي بفعالية في البيانات المالية الواقعية لأنها تفشل في أخذ في الاعتبار التحولات المناسبة للبيانات والعلاقات غير الخطية بين مؤشرات التحذير المالي وعادة التخلف الضريبي. للتغلب على هذه المشكلات، تطبق هذه الدراسة تقنيات متنوعة لتحويل الميزات وأساليب التعلم الآلي المتطورة. يتم التحقق من صحة نظام التنبؤ المقترح باستخدام مجموعة بيانات تُظهر التخلفات الضريبية وغير التخلفات في شركات محدودة المسؤولية الفنلندية. تقدم نتائجنا دليلاً على الدور الكبير لتحويل الميزات، مثل التحويل اللوغاريتمي وتحويل الجذر التربيعي، في تحسين أداء التنبؤ بالتخلف الضريبي. كما نظهر أن تعزيز التدرجات القصوى والغابات المطورة بشكل منهجي من عدة أشجار قرار تتفوق على أساليب التعلم الآلي الأخرى من حيث الدقة وغيرها من مقاييس أداء التصنيف. نظهر أن نسبة الأسهم، ونسبة السيولة، ونسبة الديون إلى المبيعات هي أهم مؤشرات التخلف الضريبي لتنبؤات السنة القادمة. لذلك، تسلط هذه الدراسة الضوء على الدور الأساسي لأنظمة التنبؤ بالتخلف الضريبي المصممة جيدًا، والتي تتطلب مجموعة من تحويل الميزات وطرق التعلم الآلي. إن التنفيذ الفعال لنظام تلقائي للتنبؤ بالتخلف الضريبي له تداعيات مهمة على إدارة الضرائب ويمكن أن يساعد المسؤولين في تحقيق تخصيصات ممكنة للنفقات الحكومية وتوسع الإيرادات.