ردیابی استقرایی فرار مالیاتی: یک چارچوب ترکیبی مبتنیبر کشف جامعه و GraphSAGE
نویسندگان
1 دانشیار، عضو هیأت علمی گروه سیستم ها و اقتصاد، موسسه عالی آموزش و پژوهش مدیریت و برنامه ریزی، تهران، ایران
2 دانشیار، عضو هیأت علمی گروه مهندسی صنایع، دانشکده فنی و مهندسی، واحد علوم و تحقیقات دانشگاه آزاد اسلامی، تهران ، ایران.
3 استاد یار، عضو هیأت علمی گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه خاتم، تهران، ایران..
4 دانشجوی دکتری، مدیریت فناوری اطلاعات گرایش کسب و کار هوشمند، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
5 دانشیار، عضو هیات علمی گروه مهندسی صنایع، دانشکده فنی و مهندسی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
doi
10.22034/jmaak.2026.78986.4669چکیده
فرار مالیاتی یکی از مهمترین چالشهای نظام مالیاتی به شمار میرود و بخش قابلتوجهی از آن ناشی از معاملات اشخاص وابسته، جابهجایی سود، و رفتارهای شبکهای میان شرکتهاست. پیچیدگی ساختارهای مالکیتی، زنجیرههای تراکنشی چندلایه و روابط پنهان بین شرکتها باعث میشود روشهای سنتی شناسایی فرار مالیاتی توان کافی برای تحلیل الگوهای سازمانیافته نداشته باشند. در پاسخ به این خلأ، پژوهش حاضر یک چارچوب گرافمحور مبتنی بر کشف جامعه با الگوریتم لوین و شبکه عصبی گرافی GraphSAGE ارائه میکند تا بتواند ساختارهای پنهان تبانی، خوشههای غیرعادی و احتمال فرار مالیاتی در شبکهای شامل بیش از ۱۶۲ هزار شرکت ایرانی را شناسایی کند. دادههای پژوهش شامل ۳۳ شاخص مالی، بانکی و اطلاعات مالکیتی بوده و بیش از ۳۰۰ هزار رابطه تراکنشی و ساختاری میان شرکتها استخراج شد. نتایج نشان میدهد مدل پیشنهادی به AUC معادل ۰٫۹۵۷۹، دقت ۰٫۸۹۰۵ و امتیاز F1 برابر ۰٫۸۹۴۴ دست مییابد و قادر است جوامع پرریسک و الگوهای شبکهای مؤثر در فرار مالیاتی را با تفکیکپذیری بالا شناسایی کند. همچنین تحلیل جامعهای نشان میدهد بخش مهمی از روابط غیرعادی، در خوشههای متراکم شرکتهای وابسته و گروههای اقتصادی بروز میکند. بهطور کلی، یافتهها بیان میکند ترکیب کشف جامعه و GraphSAGE ابزاری کارآمد برای شناسایی الگوهای پیچیده فرار مالیاتی در دادههای بزرگ است و میتواند به بهبود فرآیندهای تحلیل ریسک در نظام مالیاتی کمک کند.
