“互聯(lián)網(wǎng)+”背景下高新技術企業(yè)的稅收風險預警——基于智能優(yōu)化算法的研究

1、人工智能的發(fā)展離不開大數(shù)據(jù)技術，而大數(shù)據(jù)技術的發(fā)展是國家信息化進程和“互聯(lián)網(wǎng)+”發(fā)展規(guī)劃中的重要內(nèi)容。隨著大數(shù)據(jù)技術的發(fā)展，國家稅收征收系統(tǒng)也在不斷地進行更新和迭代。2011 年 5 月，麥肯錫全球研究所根據(jù)研究成果進行了一次預測，指出如果能夠?qū)⒋髷?shù)據(jù)技術科學合理地運用到公共服務領域中，歐洲政府不僅可以有效地遏制偷逃稅收的行為，而且每年可以減少 1 000 億歐元的政府支出。2008 年 12 月，經(jīng)濟合作與發(fā)展組織（OECD）構建了包

2、含五個步驟的稅收遵從風險模型，步驟主要為：識別和評估風險、分析遵從行為、制定、計劃和執(zhí)行戰(zhàn)略。納稅遵從風險一直是稅務工作的核心問題，其具體要求又可細分為及時申報、準確申報和按時繳款。由此可見，借助大數(shù)據(jù)、機器學習、智能算法等新興技術提升稅務系統(tǒng)風險防范、預警、決策板塊功能，是可望突破的領域。一、研究背景 一、研究背景近年來，創(chuàng)新創(chuàng)業(yè)政策的大力推行使得企業(yè)申報高新技術企業(yè)資質(zhì)熱情高漲。國家為了加強對科技型中小企業(yè)的支持，鼓勵其創(chuàng)造新技術、

3、新業(yè)態(tài)、新供給，促進經(jīng)濟轉(zhuǎn)型升級，進一步加大了對高新技術企業(yè)的政策扶持力度。隨著有關政策的實施，在高新技術企業(yè)優(yōu)惠政策執(zhí)行中，納稅人、稅務機關均面臨著應對涉稅風險的挑戰(zhàn)。為了能獲得 3 年 15%的企業(yè)所得稅稅收優(yōu)惠，有些企業(yè)在明知自身條件不達標的情況下通過第三方服務機構包裝申報材料，企圖通過認定而達到偷稅、逃稅的目的。2009 年 6 月 24 日，時任國家審計署審計長劉家義在工作匯報中指出，通過抽查享受高新技術企業(yè)稅收優(yōu)惠的 116

4、 戶企業(yè)后發(fā)現(xiàn)，其中有 85 家企業(yè)不符合條件（其中也包括了知名企業(yè)），共計享受稅收優(yōu)惠高達 36.31 億元。如果這類企業(yè)順利地被認定為高新技術企業(yè)，那么無疑會侵蝕國家的稅基，同時也給其自身帶來了巨大的稅務風險。2017 年，北京市科學技術委員會通知取消北京炎炎互動數(shù)碼科技有限公司在內(nèi)的 34 家企業(yè)的高新技術企業(yè)資稅額的目標，但是也指出了爬蟲技術的弊端在于信息來源相對比較窄，只能有效地爬取上市公司公開的財務信息且信息源也不穩(wěn)定。（三

5、）風險預警與機器學習算法機器學習領域有關算法被廣泛地運用在大數(shù)據(jù)分析過程中，其原理涉及多種理論，比如逼近論、概率論和統(tǒng)計學等，機器學習是一門致力于研究如何使用計算機模擬和實現(xiàn)人類行為的學科。傳統(tǒng)的風險評估通常基于小樣本數(shù)據(jù)設立指標體系，根據(jù)綜合評價方法設置指標評價權重，給出評價分；而后期的風險評估通常會借助基于大數(shù)據(jù)的機器學習算法進行分析，并且內(nèi)核的算法在不斷進行優(yōu)化。蔣盛益 等（2010）通過結合多種機器學習算法構建了上市公司財務風險

6、預警模型，從 29 個指標中篩選出 9 個指標進行建模，結果表明，眾多算法中有四種算法預測性能良好，能夠比較好地預測上市公司的財務危機。丁嵐 等（2017）以邏輯斯蒂（Logisitic）回歸、決策樹、支持向量機（SVM）作為一級學習器，以 SVM 作為二級學習器，構建了基于 Stacking 集成策略的評估模型，預測互聯(lián)網(wǎng)金融點對點借貸平臺（P2P）中借款人的違約風險，并且采用十折嵌套交叉驗證方法克服了交叉學習現(xiàn)象，通過實際交易數(shù)據(jù)驗

7、證發(fā)現(xiàn)基于Stacking 集成策略的預測模型能夠顯著降低兩類錯誤比例，提高預測正確率。綜上可知，利用機器學習進行風險預測已經(jīng)成為一種可以被接受和認可的方法，其作用逐漸得到彰顯并進入到實用階段。但是，當前具體應用于稅務風險評估模型中的機器學習算法只有一些相對單一的算法，比如關聯(lián)規(guī)則算法、神經(jīng)網(wǎng)絡算法等，并沒有采用集成策略或使用智能優(yōu)化之后的算法改進單一算法的模型的正確性和效率。針對高新技術企業(yè)的稅收風險，盡管有學者進行了理論性的探討，但

8、如何運用比較前沿的智能優(yōu)化算法進行風險預警的研究尚不多見，本文打算從這一角度進行探索性構想。三、智能優(yōu)化算法的理論基礎 智能優(yōu)化算法的理論基礎智能優(yōu)化算法，也被稱作智能算法，主要用來解決最優(yōu)化問題。優(yōu)化算法是一種以數(shù)學為基礎的、用于求解各種優(yōu)化問題的應用性技術。在經(jīng)濟學、管理學、計算機和機器人等眾多學科中出現(xiàn)了許多復雜的組合優(yōu)化問題，面對這些大型問題，牛頓法、單純性法等傳統(tǒng)的優(yōu)化方法無法在短時間內(nèi)完成搜索，容易造成搜索的“組合爆炸”。受