• ВХОД
  •  

    Полное описание

    Бобков, Илья Алексеевич. Прогнозирование налоговых платежей на основе нейросетевого моделирования = Tax payment forecasting based on neural network modeling / И. А. Бобков, А. А. Бурдина, А. А. Нехрест-Бобкова. - DOI 10.56584/1560-8816-2023-2-138-143. - Текст : непосредственный // РИСК : Аналитический журнал. - 2023. - N 2. - С. 138-143. - Библиогр. в конце ст. - ISSN 0130-3848.

    ГРНТИ УДК
    28.23.37336.226.12:004.8
    06.73.15004.032.26-047.58

    Рубрики:
    Нейронные сети -- Моделирование
    Искусственный интеллект -- Применение в экономике
    Налоги -- Прогнозирование

    Кл.слова (ненормированные): действительные налоговые обязательства -- налоговые риски -- налоговые платежи -- налоговая безопасность -- прогнозирование -- нейронные сети -- семантический анализ -- NLP -- ВВП
    Аннотация: Основными направлениями деятельности ФНС России в 2023 г являются развитие инструментов риск-анализа и дистанционного автоматизированного контроля. Обосновано усиление мониторинга и контроля со стороны налоговых органов. Планируется сформировать комплексную интегрированную цифровую систему налогового контроллинга. проведен анализ поступлений налогов в бюджетную систему, прибыли организаций, ВВП, динамики количества организаций и ИП. Обосновано, что огромное количество нормативных правовых актов, изменений в области налогообложения, приводят к рискам и неопределённости, ведут к сокращению хозяйствующих субъектов, к сокращению ВВП и стратегическому риску для бюджета по собираемости налогов в будущем. Разработана нейросетевая модель прогнозирования собираемости налогов и ВВП на основе ретроспективной статистики.
    Доп. точки доступа:
    Бурдина, Анна Анатольевна
    Нехрест-Бобкова, Анна Александровна

    Экз-ры полностью 78b5ae42ccb88c6669f242d44db55478/2023/2
    Нет сведений об экземплярах
    Держатели документа:
    Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -266603-831253)

    Шифр в сводном ЭК: af57770a64e966043f5d3d7f9894ff0b




    Заказ фрагмента документа ₽