C. Pérez López, M. J. Delgado Rodríguez, S. De Lucas Santos

Esta investigación tiene como finalidad estudiar el fraude fiscal en el Impuesto sobre la Renta de las Personas Físicas mediante el uso de técnicas de Machine Learning. Se utilizará una metodología generalizable para cuantificar la propensión al fraude en cualquier otro impuesto según las causas que lo determinan.

El hecho de disponer de grandes conjuntos de datos con información relativa a impuestos permite ampliar las posibilidades de análisis cuantitativo y utilizar las nuevas prestaciones que aportan el Big Data, la Minería de Datos y las técnicas de Machine Learning. En este trabajo se trata de mostrar el uso de las técnicas de Machine Learning aplicadas a las muestras de IRPF del IEF con la finalidad de estudiar las variables más incidentes que afectan al fraude fiscal en este impuesto.
Así mismo se utilizarán modelos predictivos de aprendizaje automático para cuantificar la probabilidad que tiene cualquier contribuyente de ser defraudador.

Palabras clave: Fraude Fiscal, Machine Learning, Modelos Predictivos, Data Mining, Big Data

Programado

AE-1 Aplicaciones de la Estadística
4 de septiembre de 2019  10:40
I2L5. Edificio Georgina Blanes


Otros trabajos en la misma sesión


Últimas noticias

Política de cookies

Usamos cookies solamente para poder idenfiticarte y autenticarte dentro del sitio web. Son necesarias para el correcto funcionamiento del mismo y por tanto no pueden ser desactivadas. Si continúas navegando estás dando tu consentimiento para su aceptación, así como la de nuestra Política de Privacidad.

Adicionalmente, utilizamos Google Analytics para analizar el tráfico del sitio web. Ellos almacenan cookies también, y puedes aceptarlas o rechazarlas en los botones de más abajo.

Aquí puedes ver más detalles de nuestra Política de Cookies y nuestra Política de Privacidad.