Link logo

Please use this identifier to cite or link to this item: http://35.238.111.86//xmlui/handle/123456789/1474
Title: Tax evasion identification using open data and artifcial intelligence
Other Titles: Identificação de evasão fiscal utilizando dados abertos e inteligência artificial
Identificación de la evasión fiscal mediante datos abiertos e inteligencia artificial
Authors: XAVIER, Otávio Calaça
PIRES, Sandrerley Ramos
MARQUES, Thyago Carvalho
SOARES, Anderson da Silva
Keywords: Tax evasion
Neural networks
Artificial intelligence
Open data
Tax auditing
Evasão fiscal
Redes neurais
Inteligência artificial
Dados abertos
Auditoria fiscal
Evasión de impuestos
Redes neuronales
Datos abiertos
Auditoría de impuestos
Issue Date: 2022
Publisher: Revista de administração pública
Abstract: Tax evasion is the practice of the non-payment of taxes. In Brazil alone, it is estimated as 8% of GDP. Tus, governments must use intelligent systems to support tax auditors to identify tax evaders. Such systems seek to recognize patterns and rely on sensitive taxpayer data that is protected by law and difcult to access. Tis research presents a smart solution, capable of identifying the profile of potential tax evaders, using only open and public data, made available by the Brazilian internal revenue service, the administrative council of tax appeals of the State of Goiás, and other public sources. Tree models were generated using Random Forest, Neural Networks, and Graphs. Te validation afer fne improvements offered an accuracy greater than 98% in predicting tax evading companies. Finally, a web-based solution was created to be used and validated by tax auditors of the State of Goiás. A evasão fiscal é a consequência da prática da sonegação. Apenas no Brasil, estima-se que ela corresponda a 8% do PIB. Com isso, os governos necessitam de sistemas inteligentes para apoiar os auditores fiscais na identificação de sonegadores. Tais sistemas dependem de dados sensíveis dos contribuintes para o reconhecimento dos padrões, que são protegidos por lei. Com isso, o presente trabalho apresenta uma solução inteligente, capaz de identificar os perfis de potenciais sonegadores com o uso apenas de dados abertos, públicos, disponibilizados pela Receita Federal e pelo Conselho Administrativo Tributário do Estado de Goiás, entre outros cadastros públicos. Foram gerados três modelos que utilizaram os recursos Random Forest, Redes Neurais e Grafos. Em validação depois de melhorias finais, foi possível obter acurácia superior a 98% na predição do perfil inadimplente. Por fim, criou-se uma solução de software visual para uso e validação pelos auditores fiscais do estado de Goiás. La evasión fiscal es la consecuencia de la práctica de la defraudación tributaria. En Brasil, se estima que corresponde al 8% del PIB. Por lo tanto, los gobiernos necesitan y utilizan sistemas inteligentes para ayudar a los agentes de hacienda a identificar a los defraudadores fiscales. Dichos sistemas se basan en datos confidenciales de los contribuyentes para el reconocimiento de patrones, que están protegidos por ley. Este trabajo presenta una solución inteligente, capaz de identificar perfiles de potenciales defraudadores fiscales, utilizando únicamente datos públicos abiertos, puestos a disposición por la Hacienda Federal y por el Consejo Administrativo Tributario del Estado de Goiás, entre otros registros públicos. Se generaron tres modelos utilizando random forest y neural networks. En la validación después de finais mejoras, fue posible obtener una precisión superior al 98% en la predicción del perfil moroso. Finalmente, se creó una solución de sofware visual para uso y validación por parte de los auditores fiscales del estado de Goiás.
URI: http://35.238.111.86//xmlui/handle/123456789/1474
ISSN: 1982-3134
Appears in Collections:Periódicos Especializados Faculdade Link

Files in This Item:
File Description SizeFormat 
Taxevasionidentificationusingopendataartifcialintelligence.pdf841.65 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.