如何使用递归神经网络进行纳税评估预警模型概述

　　纳税评估是一项重要而复杂的工作。针对目前尚无十分有效的纳税评估预警模型的情况，提出利用递归神经网络（RNN）建立纳税评估预警模型的方法，利用RNN的方法选出有涉税疑点的企业，解决了预警模型无疑点指向性的问题。通过建立行业的纳税评估预警模型，并进行验证分析，表明该方法可行。

　　纳税评估是对纳税人纳税能力的估测，并据此对纳税人实际缴纳税款的真实性做出评估。虽然，纳税人的真实纳税能力很难准确计算出来，但其纳税异常虚假情况却能通过纳税人相关纳税指标分析评估出来。纳税评估是一种在信息化条件下的风险审查纠错机制，是申报征收与税务稽査之间的一道屏障，也是构建税收征管体系架构之关键。纳税评估已经成为税务机关新时期强化税源管理、为纳税人提供深层次的服务、促进诚信纳税的一种具有综合效益的征管手段，运用科学、合理的评估手段，降低评估风险和成本，提高纳税评估工作的整体效率和效果，成为了纳税评估工作的关键问题

　　纳税评估在发达国家已形成成熟的系统理论，Allingham 和Sandmo 首次提出了“主动纳税行为评估”问题，建立了规范性计量经济模型［3］，其研究结果从理论上证明逃税规模与稽查处罚的概率存在负相关等有意义的结论，然而工作远未结束，这个数学模型方法的先行者受到很多批评，比如Graetz 等［4］，Alm等以及Frey 和Feld 等，其主要原因是依法纳税在理论上的评估和实际情况下的事实相差很大，所以这种经济模型对逃税的预测能力较弱，不具有实用价值。根据Graetz 和Wilde，Alm，McClelland 和Schulze 的研究结果，美国“风险厌恶Arrow-Pratt 测度”基本上只介于1 和2 中，但是实际观察到的依法纳税率却高达30%，存在很大的差距；而且，根据实证结果显示，多数情况下纳税人的营业收入申报额要高于模型的预测值，所以为了解决这个问题，很多专家把道德因素添加到此模型中，希望能得出更为合理的结论，但是在Andreoni 的文中，他指出这个问题没有得到很好的解决，仍然需要研究。