محمد علی باقرپور ولاشانی؛ مصطفی باقری؛ حمید خادم؛ رضا حسینی پور
دوره 9، شماره 34 ، تیر 1390، ، صفحه 103-128
چکیده
مالیات به عنوان یکی از مهمترین منابع مالی دولت، نقش به سزایی در رشد اقتصادی و توزیع درآمد ایفا می کند.سازمان امور مالیاتی به عنوان متولی وصول قانونی درآمدهای مالیاتی کشور، با موضوع گریز مالیاتی مودیان مواجهمی باشد. انحراف مالیات ابرازی مودیان از مالیات قطعی شده آنان، می تواند مصداقی از گریز مالیاتی باشد که به نوبهخود تاثیرات مخربی ...
بیشتر
مالیات به عنوان یکی از مهمترین منابع مالی دولت، نقش به سزایی در رشد اقتصادی و توزیع درآمد ایفا می کند.سازمان امور مالیاتی به عنوان متولی وصول قانونی درآمدهای مالیاتی کشور، با موضوع گریز مالیاتی مودیان مواجهمی باشد. انحراف مالیات ابرازی مودیان از مالیات قطعی شده آنان، می تواند مصداقی از گریز مالیاتی باشد که به نوبهخود تاثیرات مخربی بر اقتصاد کشور وارد می کند. رویکرد سازمان امور مالیاتی جهت رویارویی با این چالش،استفاده از روش های سنتی ممیزی و زمانبر می باشد. استفاده از این رویکرد در بلندمدت موجب کاهش درآمدهایمالیاتی دولت و افزایش هزینه های آن می شود. پژوهش حاضر قصد دارد تا با استفاده از تکنیک های طبقه بندی دادهکاوی، تاثیر 32 متغیر مالی و غیرمالی را بر گریز مالیاتی شرکت های بورسی فعال در صنعت خودرو و ساخت قطعاتبررسی کند. نتایج پژوهش راهکارهایی به سیاستگزاران حوزه مالیاتی در خصوص قانونگذاری و چارچوبی را بهممیزان مالیاتی جهت رسیدگی کارا و اثربخش )خصوصا" حسابرسی مبتنی بر ریسک"( ارائه می دهد. نتایج حاصلهنشان می دهند که متغیرهای "نسبت دارایی ها به درآمد خالص"، "قدر مطلق نسبت هزینه بهره به درآمد خالص" و"استقلال هیات مدیره" رابطه مستقیم و متغیرهای "نسبت سود و زیان خالص به دارایی ها" و "عملکرد شرکت )سودیا زیان(" رابطه عکس با احتمال گریز مالیاتی مودیان مالیاتی دارند
محمود البرزی؛ احمد یقوب نژاد؛ حسین مقصود
دوره 6، شماره 22 ، تیر 1387، ، صفحه 119-137
چکیده
مدل سازی پیش بینی متغیرهای مالی و اقتصادی با توجه به رفتار متغیرها، روش های گوناگونی دارد. تحقیق حاضر، چگونگی پیش بینی بازده سهام در بورس اوراق بهادار تهران را با دو مدل آربیتراژ و شبکه های عصبی مصنوعی مورد آزمون قرار داده است. برای این منظور از اطلاعات روزانه شاخص بازده نقدی و قیمت به عنوان متغیر وابسته و از اطلاعات روزانه قیمت سکه ...
بیشتر
مدل سازی پیش بینی متغیرهای مالی و اقتصادی با توجه به رفتار متغیرها، روش های گوناگونی دارد. تحقیق حاضر، چگونگی پیش بینی بازده سهام در بورس اوراق بهادار تهران را با دو مدل آربیتراژ و شبکه های عصبی مصنوعی مورد آزمون قرار داده است. برای این منظور از اطلاعات روزانه شاخص بازده نقدی و قیمت به عنوان متغیر وابسته و از اطلاعات روزانه قیمت سکه بهار آزادی، حجم معاملات کل بازار و قیمت دلار به عنوان متغیرهای مستقل استفاده شده است. برازش مدل چندعاملی مبتنی بر رگرسیون چندمتغیره و مدل شبکه عصبی برمبنای پرسپترون چندلایه با الگورتیم آموزش پس انتشار خطاست.
نتایج به دست آمده حاکی از موفقیت دو مدل در پیش بینی شاخص بازده نقدی و قیمت و همچنین برتری عملکرد شبکه عصبی بر مدل چندعاملی است.