论文部分内容阅读
近年来，很多大型企业都因为对税务风险的防控不实掉进“税务门”的丑闻，国外的安然、世界通讯、帕玛拉特等外国公司以及国内的国美、创维、苏宁、娃哈哈以及中国平安等很多知名的企业都曾深陷其中。假如企业的税务风险处理不当，则可能使企业遭受法律制裁、财务损失、声誉损害以及承担不必要的税款负担，严重时则可能进一步导致企业破产。因此，了解企业税务风险的形成原因并分析其主要的影响因素，对企业的税务风险进行测度和控制就显得十分必要。本文结合风险及风险管理理论，对税务风险的概念进行了界定，分析了企业税务风险的形成原因和特点，在此基础上，结合2009年国家税务总局颁发的《大企业税务风险管理指引（试行）》的指导文件，主要从企业经营理念、企业财务状况、企业经营状况、企业涉税机构状况、税收法律制度及执行以及其他外部影响因素这6大方面企业从分析了企业税务风险的影响因素，并设计了相关的调查问卷，对调查问卷进行分析之后，利用层次分析法得到了各个影响因素的权重，其中企业经营者理念对企业的税务风险影响所占权重最大，其次为企业涉税机构状况，再次是其他外部影响因素，接着依次是税收法律制度及执行、企业财务状况和企业的经营状况。在得到企业税务风险的各个影响因素的相对权重之后，采用粗糙集来对税务风险的各个影响因素进行知识约简和属性约简，删除冗余的数据，把粗糙集作为模型的前置系统进行属性约简，消除样本冗余，减少BP神经网络输入维数和隐含层神经元权值连接的个数，从而达到提高BP神经网络训练速度、运行速度和评价精度的目的。为接下来的BP神经网络的构建做相关的准备。在BP神经网络模型中，首先，设计调查问卷获得有关企业税务风险因素的相关知识，通过专家对影响企业税务风险的各个因素的信息进行初步的评价，并利用层次分析法将因素信息定量化处理；其次，利用粗糙集理论的相关软件LORETTA对定量化信息进行属性约简和知识约简，得到用于仿真训练的约简结果；再次，训练神经网络模型，确定神经网络模型的连续权值以及学习速度，最后，对训练好的神经网络模型进行测试，通过神经网络的学习，输出分类和预测的结果，然后，将预测结果转化为自然语言，形成对企业税务风险的测度，最终提出针对企业税务风险的相关建议。