پیش بینی عوامل موثر بر کاهش فرار مالیاتی در شرکت های بازرگانی با استفاده از شبکه عصبی پرسپترون چندلایه بهینه شده با الگوریتم کلونی زنبور عسل

فرار مالیاتی یکی از چالش های اساسی نظام مالیاتی کشورهاست که باعث کاهش درآمدهای دولت و اختلال در توزیع عادلانه ثروت می شود. این پژوهش به پیش بینی عوامل موثر بر کاهش فرار مالیاتی در شرکت های بازرگانی عضو بورس اوراق بهادار تهران (با تمرکز بر شرکت های فلزات و معادن و پتروشیمی) می پردازد. از یک شبکه عصبی پرسپترون چندلایه با ۱۵ نورون در لایه پنهان و بهینه سازی وزن ها با الگوریتم کلونی زنبور عسل استفاده شده است. متغیرهای ورودی شامل ۱۰ شاخص مالی و غیرمالی موثر بر فرار مالیاتی هستند و خروجی به صورت باینری (۱=تاثیرگذار، ۰=بی تاثیر) تعریف شده است. نتایج نشان می دهد که ترکیب شبکه عصبی و کلونی زنبور عسل دقت پیش بینی بالاتری نسبت به روش های سنتی دارد.

کلیدواژه ها:

فرار مالیاتی ، شبکه عصبی مصنوعی ، الگوریتم کلونی زنبور عسل ، شرکت های بازرگانی