基于综合差异率的新纳税评估模型构建

纳税评估是一个比较复杂且有争议的问题。本文提出了一个新纳税评估模型,并通过计算新的数据指标即综合差异率来进行新的循环性的纳税评估,以期为有关方面提供参考。

行业纳税评估模型构建问题研究

纳税评估是国际通行的做法,它具有先进性和前瞻性,然而由于种种原因实践中纳税评估的成效还未能充分发挥,其中最突出的问题是纳税评估对象确定不够准确。如何构建行业纳税评估模型:确立行业纳税评估模型构建原则,确定行业纳税评估模型构建程序;明确行业纳税评估模型应包括的要素。

基于数据仓库技术的企业纳税评估模型构建

本文借助具有集成、面向对象功能的数据仓库技术构建企业纳税监控系统,同时以其中的一个子系统作为研究对象,并利用数据挖掘技术,构建了企业纳税评估模型,以此加强对企业纳税的监控。

含山县国税局纳税评估模型应用情况调研

通过提取该县局2012年至2014年纳税评估户数、评估税款、有问题户比例等数据列举了以评估模型在工作中所取得的成绩;通过走访一线评估人员列举了模型在实际工作存在模型固化、缺少第三方信息、取户质量不高等缺点。通过调研,提出模型指标分析应由静态化分析转为动态化监控、加强第三方信息数据在模型分析筛选阶段的应用、取户标准应兼顾数量与实效等模型优化的建议。

关于我国纳税评估模型发展的研究

纳税评估模型构建和应用的发展应与时俱进,不断更新,通过建立科学的模型指标体系、搭建信息化的平台、第三方涉税信息多渠道的采集、打造专业化的团队和加强人员培训来促进其发展。

基于概率神经网络和K-means算法的纳税评估

纳税评估工作是一项难于建立准确数学模型的复杂系统,同时又是一个典型的模式识别问题。用神经网络方法进行纳税评估有其独特的优越性。运用PNN算法很大程度地依赖于训练样本对象的选取。选取的这些样本能否反映总体的信息特征决定了分类器的识别效果。文章运用K-means算法对纳税人信息样本进行聚类,找出聚类中心点,以此为基础来选择样本作为PNN的训练样本,从而达到对PNN算法的优化。研究结果表明这种改进后的PNN算法分类效果好,对于纳税评估有其应用价值。