Journal of Applied Research Journal of Applied Research Журнал прикладных исследований 2712-7516 2949-1878 110230 10.26118/3619.2025.89.93.015 НАУЧНЫЕ СТАТЬИ SCIENTIFIC ARTICLES НАУЧНЫЕ СТАТЬИ Integrated tax risk index: methodology for calculation using artificial intelligence technologies Разработка интегральной модели оценки налогового риска на основе методов искусственного интеллекта Семиколенова Марина Николаевна Semikolenova Marina Nikolaevna Волкова Алина Алексеевна Volkova Alina Alekseevna Национальный исследовательский технологический университет «МИСиС» National University of Science and Technology "MISIS" 27 12 2025 27 12 2025 11 99-107 15 12 2025 https://zhpi.ru/en/nauka/article/110230/view

Современное налоговое администрирование находится в фазе перехода от формальных проверочных процедур к интеллектуальным аналитическим моделям, основанным на цифровых данных и технологиях искусственного интеллекта. Цель исследования – разработка методики построения интегрального индекса налогового риска, обеспечивающего точную, динамичную и интерпретируемую оценку поведения налогоплательщиков. Предложена трехуровневая модель, включающая поведенческий, сетевой и семантический анализ, что позволяет учитывать как количественные, так и смысловые признаки риска. Индекс калибруется на реальных исходах и использует методы объяснимого искусственного интеллекта для раскрытия вклада каждого фактора. Научная новизна заключается в объединении разнотипных источников информации в единую аналитическую конструкцию, адаптирующуюся к изменениям законодательства и данных. Практическая значимость состоит в возможности применения разработанной модели в налоговом мониторинге и корпоративном комплаенсе для раннего выявления отклонений и повышения точности управленческих решений

Modern tax administration is undergoing a transition from formal inspection procedures to intelligent analytical models based on digital data and artificial intelligence technologies. The purpose of the study is to develop a methodology for constructing an integrated tax risk index that ensures accurate, dynamic, and interpretable assessment of taxpayer behavior. The proposed three-level model combines behavioral, network, and semantic analyses, allowing for the integration of both quantitative and contextual indicators of risk. The index is calibrated on real outcomes and employs explainable AI techniques to interpret the contribution of each factor. Scientific novelty lies in integrating heterogeneous sources of information into a unified analytical framework adaptable to changes in legislation and data structures. Practical significance is determined by the applicability of the proposed model in tax monitoring and corporate compliance systems for early detection of deviations and enhancing the accuracy of decision-making

 налоговый риск; интегральный индекс; риск–ориентированный подход; интерпретируемость модели; объяснимый искусственный интеллект; поведенческий анализ; сетевой анализ контрагентов; семантический анализ (правовой контекст); обнаружение аномалий; калибровка вероятностей; пороговая оптимизация полезности; налоговый мониторинг tax risk; integrated index; risk-based approach; explainable artificial intelligence; behavioral analysis; counterparty network analysis; semantic analysis (legal context); tax monitoring

Березина А.Д., Грундел Л.П. Анализ налоговых рисков при формировании налоговой стратегии организации // Russian Economic Bulletin. 2022. Т. 5. № 3. С. 200–203. Berezina A.D., Grundel L.P. Analiz nalogovyh riskov pri formirovanii nalogovoy strategii organizacii // Russian Economic Bulletin. 2022. T. 5. № 3. S. 200–203. Кузьмина А.А., Вариативность и результативность методов оценки регионального налогового потенциала // Мир экономики и управления. 2024. Т. 24. № 1. С. 71–81. Kuz'mina A.A., Variativnost' i rezul'tativnost' metodov ocenki regional'nogo nalogovogo potenciala // Mir ekonomiki i upravleniya. 2024. T. 24. № 1. S. 71–81. Налоговый контроль: правовые проблемы и риски / под ред. С. Г. Пепеляева; сост. С. А. Сосновский. – Москва : Статут, 2025. – 400 с. Nalogovyy kontrol': pravovye problemy i riski / pod red. S. G. Pepelyaeva; sost. S. A. Sosnovskiy. – Moskva : Statut, 2025. – 400 s. Пименов Н. А.; Демин, С. С. Налоговое планирование: учебник для вузов. – 4–е изд., перераб. и доп. – Москва: Издательство Юрайт, 2025. – 137 с. Pimenov N. A.; Demin, S. S. Nalogovoe planirovanie: uchebnik dlya vuzov. – 4–e izd., pererab. i dop. – Moskva: Izdatel'stvo Yurayt, 2025. – 137 s. Рубан-Лазарева Н.В. Налоговые риски в контексте достижения национальных целей развития России на 2024 год // Экономика. Налоги. Право. 2024. Т.17. № 1. С. 145–157. Ruban-Lazareva N.V. Nalogovye riski v kontekste dostizheniya nacional'nyh celey razvitiya Rossii na 2024 god // Ekonomika. Nalogi. Pravo. 2024. T.17. № 1. S. 145–157. Тагильцева А.В., Семиколенова М.Н. Управление налоговыми рисками в системе экономической безопасности организации В книге: Современные аспекты учета, анализа и аудита. Материалы Всероссийской научно-практической конференции. Красноярск, 2025. С. 80–84. Tagil'ceva A.V., Semikolenova M.N. Upravlenie nalogovymi riskami v sisteme ekonomicheskoy bezopasnosti organizacii V knige: Sovremennye aspekty ucheta, analiza i audita. Materialy Vserossiyskoy nauchno-prakticheskoy konferencii. Krasnoyarsk, 2025. S. 80–84. Chau G., Leung P. A critical review of Fischer tax compliance model: A research synthesis // Journal of Accounting and Taxation, 1 (2) (2009), pp. 034–040. Chau G., Leung P. A critical review of Fischer tax compliance model: A research synthesis // Journal of Accounting and Taxation, 1 (2) (2009), pp. 034–040. Lundberg S. M., Lee S.–I. A Unified Approach to Interpreting Model Predictions // Advances in Neural Information Processing Systems 30 (NIPS 2017). URL: https://arxiv.org/pdf/1705.07874 / (дата обращения: 17.10.2025). Lundberg S. M., Lee S.–I. A Unified Approach to Interpreting Model Predictions // Advances in Neural Information Processing Systems 30 (NIPS 2017). URL: https://arxiv.org/pdf/1705.07874 / (data obrascheniya: 17.10.2025). OECD. Tax Administration 2023: Comparative Information on OECD and other Advanced and Emerging Economies. Paris: OECD, 2023. URL: https://www.oecd.org/en/publications/tax–administration–2023_900b6382–en.html / (дата обращения: 17.10.2025). OECD. Tax Administration 2023: Comparative Information on OECD and other Advanced and Emerging Economies. Paris: OECD, 2023. URL: https://www.oecd.org/en/publications/tax–administration–2023_900b6382–en.html / (data obrascheniya: 17.10.2025). Ribeiro M. T., Singh S., Guestrin C. «Why Should I Trust You?»: Explaining the Predictions of Any Classifier. KDD 2016. URL: https://arxiv.org/pdf/1602.04938 / (дата обращения: 10.10.2025). Ribeiro M. T., Singh S., Guestrin C. «Why Should I Trust You?»: Explaining the Predictions of Any Classifier. KDD 2016. URL: https://arxiv.org/pdf/1602.04938 / (data obrascheniya: 10.10.2025). Zheng Qinghua Yiming Xu, Huixiang Liu, Bin Shi, Jiaxiang Wang, Bo Dong. A Survey of Tax Risk Detection Using Data Mining Techniques //Engineering, Volume 34, 2024, Pages 43–59 Zheng Qinghua Yiming Xu, Huixiang Liu, Bin Shi, Jiaxiang Wang, Bo Dong. A Survey of Tax Risk Detection Using Data Mining Techniques //Engineering, Volume 34, 2024, Pages 43–59