论文部分内容阅读
摘 要：由于纳税工作涉及到的数据信息量十分庞大，因此在处理过程中容易遗漏一些重点信息，进而使纳税风险无法得到有效控制，而当前大数据的应用越来越普遍，因此就可将大数据思维应用到选案过程中，建立完善的数据库系统，并且在算法方面进行改进与创新，进而及时发现纳税中的问题。本文就以神经网络模型为例，对其在选案中的具体应用进行了详细探讨。
关键词：大数据思维；纳税评估；应用
引言
为了维护自身利益，部分企业会存在偷税漏税等行为，因此税务机关必须加大监管力度，准确识别风险，并对风险进行有效控制，检测出在纳税方面存在疑点的人员。由于大数据处理效果较好，因此就可借助计算机不断进行算法的完善，本文就具体分析了这一问题。
一、大数据思维
政府在进行税收征集与管理的过程中纳税评估是其中一个十分关键的环节，其能够有效保障税收的质量，降低税务风险。近年来，大数据时代的到来对各行各业的生产模式都造成了一定的影响，并且当前已经应用到了纳税评估过程中。在大数据模式下，必须建立完善的数据平台，只有在此基础上才能进行纳税评估，通过这种方法使得纳税途径较广，涉及到许多部门，包括金融及行政领域，但目前在数据收集过程中还较为混乱，精确度不高，因此还必须扩大数据库系统的范围，使其能够涵盖微信支付等多个平台[1]。另外，选案是纳税评估过程中的一个最为关键的环节，大数据在对纳税工作产生影响的同时也不可避免地使选案的方式发生了转变。目前主要采用要通过峰值法进行选案的，但该方法具有一定的局限性，仅能分析一些简单的指标，并且其中掺杂了过多的主观判断。因此，必须通过大数据进行选案方式的改进，有效提高税收效率，充分发挥大数据思维的价值。另外，在大数据的影响下，目前国际上多个国家的选案方式都有所转变，当前最为典型的有两种分析方法，第一是新加坡的审计法，其能够将搜集到的纳税信息与相关纳税人员的资料进行比较与分析，进而在此基础上判断纳税的合理性，但在应用该方法时必须确保信息的全面性与准确性。第二是美国的模式分析法，其主要是通过统计方法来实现的，这种方法目前在许多国家已经得到了广泛应用，并且也成为了我国选案改进的一个主要方向，但还必须对该方法进行调整，使其顺利实现机器算法，本文就以人工神经网络模型為例，对其是否适用于选案过程进行了分析，并详细探讨了模型建立的整个过程。
二、适用性
神经网络模型的研究始于上世纪四十年代，并且在八十年代之后研究范围逐步扩大。与此同时，算法也在逐步改善的过程中，当前应用最为广泛的是BP算法，该算法包括三层不同的结构，分别是输入、中间和输出三个层级，其能够及时发现输入与输出量之间的差异和关系，进而不断调整误差，使模型更加准确[2]。该算法与纳税评估选案的处理方式和过程有着较多契合之处，因此在选案过程中就可将此模型作为依据，通过设置变量检测纳税的可靠性。具体来说，网络模型在选案中的可靠性与适用性主要体现在以下几个方面。第一，BP算法采用的是分布存储的方式，并且网络能够通过联想寻找到匹配信息，当信息出错时，网络可自动进行恢复，这样能够使纳税信息中的误差及时得到解决；第二，神经网络并行处理的方式能够同时处理大量的数据信息，并且处理速度十分之快；第三，网络是由多个神经元连接而成的，其本身就较为复杂，因此能够处理事税务信息间的复杂关系，进而有效保障纳税的质量。
三、指标选择
BP算法不仅包括三个不同的层级，同时还包括中间层变量，因此就可选取一些纳税指标体系，并将其作为中间变量，这样就能够及时发现纳税过程中所存在的问题。本文主要选择的是某软件制造行业的纳税数据，并且对企业的纳税风险进行了预测与评估，同时还去除了一些财务数据缺失较大的企业，之后利用excel对数据进行了处理，进而在此基础上得到了相应的指标值。
四、数据预处理
预处理的目的在于解决数据缺失而引起的失衡问题，因为不同企业在纳税风险方面各有差异，数据的不稳定性可能会对模型的处理结果造成影响，导致系统自动忽略掉一些小概率的样本[3]。另外，在本次数据处理中，高风险的企业所占比例较小，仅有百分之二左右，因此必须对这些数据进行预处理，否则机器的判断结果就会受到影响。当前在处理时主要采取的方法是重复采样法，其能够根据数据的特征进行分组处理，进而确保机器能够检测出一些特殊样本，进而有效评估纳税风险。
五、应用及展望
在对数据进行分组处理以后，通过BP算法测试表明系统稳定性较强，能够准确识别不同风险等级的数据。尽管本次检测局限于部分企业，但其能够涵盖多数纳税企业的风险特征，但在系统建立的过程中，需要及时更新数据，并在此基础上不断完善系统。从目前的研究现状来看，这一方面的研究较为局限，这主要是由于相关人员无法同时兼备技术操作与纳税处理的能力[4]，因此还必须对人员进行培训，扩大其知识面。另外，在模型建立的过程中还必须适当进行调整，首先需要扩大企业的范围，确保系统能够容纳更多不同风险等级的企业。第二，应当对不同算法的适用性进行对比与分析，进而选择出最为合理的算法。只有这样，才能使大数据在选案中充分发挥其作用，确保纳税的合理性。
六、结语
总而言之，通过大数据能够建立更加完善的数据库系统，并且准确收集纳税人的相关信息，但在处理过程中还必须不断对模型进行完善，确保其能够识别不同风险等级的数据，这样才能够准确检测出纳税过程中的存在问题并加以处理，本文就对此进行了深入探究。
参考文献
[1]李选举.探税收稽查选案模型研究[J].财政研究，2013，（8）：19-21.
[2]彭世仪，周武阳.Logit模型在纳税评估中的应用[J].统计与决策，2015，（5）：28-29.
[3]赵科.人工神经网络与纳税评估[J].中国科技信息，2012，（22）：63-65.
[4]周庄，余元全.基于贝叶斯分类器的纳税评估模型研究[J].经济问题，2014，（6）：40-42.
作者简介
王嘉琪（1994——）女 汉族，河南省许昌市禹州市人，本科 学士学位，学校：河南牧业经济学院 专业：会计学（注册会计师方向）
（作者单位：河南牧业经济学院）
关键词：大数据思维；纳税评估；应用
引言
为了维护自身利益，部分企业会存在偷税漏税等行为，因此税务机关必须加大监管力度，准确识别风险，并对风险进行有效控制，检测出在纳税方面存在疑点的人员。由于大数据处理效果较好，因此就可借助计算机不断进行算法的完善，本文就具体分析了这一问题。
一、大数据思维
政府在进行税收征集与管理的过程中纳税评估是其中一个十分关键的环节，其能够有效保障税收的质量，降低税务风险。近年来，大数据时代的到来对各行各业的生产模式都造成了一定的影响，并且当前已经应用到了纳税评估过程中。在大数据模式下，必须建立完善的数据平台，只有在此基础上才能进行纳税评估，通过这种方法使得纳税途径较广，涉及到许多部门，包括金融及行政领域，但目前在数据收集过程中还较为混乱，精确度不高，因此还必须扩大数据库系统的范围，使其能够涵盖微信支付等多个平台[1]。另外，选案是纳税评估过程中的一个最为关键的环节，大数据在对纳税工作产生影响的同时也不可避免地使选案的方式发生了转变。目前主要采用要通过峰值法进行选案的，但该方法具有一定的局限性，仅能分析一些简单的指标，并且其中掺杂了过多的主观判断。因此，必须通过大数据进行选案方式的改进，有效提高税收效率，充分发挥大数据思维的价值。另外，在大数据的影响下，目前国际上多个国家的选案方式都有所转变，当前最为典型的有两种分析方法，第一是新加坡的审计法，其能够将搜集到的纳税信息与相关纳税人员的资料进行比较与分析，进而在此基础上判断纳税的合理性，但在应用该方法时必须确保信息的全面性与准确性。第二是美国的模式分析法，其主要是通过统计方法来实现的，这种方法目前在许多国家已经得到了广泛应用，并且也成为了我国选案改进的一个主要方向，但还必须对该方法进行调整，使其顺利实现机器算法，本文就以人工神经网络模型為例，对其是否适用于选案过程进行了分析，并详细探讨了模型建立的整个过程。
二、适用性
神经网络模型的研究始于上世纪四十年代，并且在八十年代之后研究范围逐步扩大。与此同时，算法也在逐步改善的过程中，当前应用最为广泛的是BP算法，该算法包括三层不同的结构，分别是输入、中间和输出三个层级，其能够及时发现输入与输出量之间的差异和关系，进而不断调整误差，使模型更加准确[2]。该算法与纳税评估选案的处理方式和过程有着较多契合之处，因此在选案过程中就可将此模型作为依据，通过设置变量检测纳税的可靠性。具体来说，网络模型在选案中的可靠性与适用性主要体现在以下几个方面。第一，BP算法采用的是分布存储的方式，并且网络能够通过联想寻找到匹配信息，当信息出错时，网络可自动进行恢复，这样能够使纳税信息中的误差及时得到解决；第二，神经网络并行处理的方式能够同时处理大量的数据信息，并且处理速度十分之快；第三，网络是由多个神经元连接而成的，其本身就较为复杂，因此能够处理事税务信息间的复杂关系，进而有效保障纳税的质量。
三、指标选择
BP算法不仅包括三个不同的层级，同时还包括中间层变量，因此就可选取一些纳税指标体系，并将其作为中间变量，这样就能够及时发现纳税过程中所存在的问题。本文主要选择的是某软件制造行业的纳税数据，并且对企业的纳税风险进行了预测与评估，同时还去除了一些财务数据缺失较大的企业，之后利用excel对数据进行了处理，进而在此基础上得到了相应的指标值。
四、数据预处理
预处理的目的在于解决数据缺失而引起的失衡问题，因为不同企业在纳税风险方面各有差异，数据的不稳定性可能会对模型的处理结果造成影响，导致系统自动忽略掉一些小概率的样本[3]。另外，在本次数据处理中，高风险的企业所占比例较小，仅有百分之二左右，因此必须对这些数据进行预处理，否则机器的判断结果就会受到影响。当前在处理时主要采取的方法是重复采样法，其能够根据数据的特征进行分组处理，进而确保机器能够检测出一些特殊样本，进而有效评估纳税风险。
五、应用及展望
在对数据进行分组处理以后，通过BP算法测试表明系统稳定性较强，能够准确识别不同风险等级的数据。尽管本次检测局限于部分企业，但其能够涵盖多数纳税企业的风险特征，但在系统建立的过程中，需要及时更新数据，并在此基础上不断完善系统。从目前的研究现状来看，这一方面的研究较为局限，这主要是由于相关人员无法同时兼备技术操作与纳税处理的能力[4]，因此还必须对人员进行培训，扩大其知识面。另外，在模型建立的过程中还必须适当进行调整，首先需要扩大企业的范围，确保系统能够容纳更多不同风险等级的企业。第二，应当对不同算法的适用性进行对比与分析，进而选择出最为合理的算法。只有这样，才能使大数据在选案中充分发挥其作用，确保纳税的合理性。
六、结语
总而言之，通过大数据能够建立更加完善的数据库系统，并且准确收集纳税人的相关信息，但在处理过程中还必须不断对模型进行完善，确保其能够识别不同风险等级的数据，这样才能够准确检测出纳税过程中的存在问题并加以处理，本文就对此进行了深入探究。
参考文献
[1]李选举.探税收稽查选案模型研究[J].财政研究，2013，（8）：19-21.
[2]彭世仪，周武阳.Logit模型在纳税评估中的应用[J].统计与决策，2015，（5）：28-29.
[3]赵科.人工神经网络与纳税评估[J].中国科技信息，2012，（22）：63-65.
[4]周庄，余元全.基于贝叶斯分类器的纳税评估模型研究[J].经济问题，2014，（6）：40-42.
作者简介
王嘉琪（1994——）女 汉族，河南省许昌市禹州市人，本科 学士学位，学校：河南牧业经济学院 专业：会计学（注册会计师方向）
（作者单位：河南牧业经济学院）