A carregar...
Publicação
Estudo de incumprimento da situação contributiva e fiscal das empresas utilizando redes neuronais
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 2.18 MB | Adobe PDF |
Orientador(es)
Resumo(s)
O objectivo principal desta dissertação de Mestrado prende-se com o desenvolvimento de um modelo de risco de incumprimento contributivo e fiscal das empresas junto do Estado. Para tal utilizaram-se dados contabilísticos, financeiros e económicos das mesmas. Esta temática, de relevante importância para as empresas, investidores, trabalhadores, Estado e para a consolidação da economia, não tem sido alvo de grande atenção nem por parte dos académicos, nem por parte da sociedade civil.
Na construção do modelo recorreu-se a uma técnica no domínio das Redes Neuronais, conhecida por Multilayer Perceptron Backpropagation, com o algoritmo de aprendizagem do gradiente descendente, através de uma amostra de 1000 empresas, sendo as variáveis independentes obtidas da base de dados da Informa D&B, nomeadamente dados do balanço e da demonstração de resultados, para o período de 2011 a 2015. Tendo em conta os dados consolidados do grupo de treino e do grupo de teste, a percentagem de erro global do modelo é de 6,6%, o que significa que o modelo não só é robusto e de qualidade, como também se comprova que o uso das Redes Neuronais tem um grande potencial, designadamente na generalização de padrões e em termos de capacidade preditiva.
The main aim of this Master's thesis is the development of a Model of companies' tax and social security non-compliance risk. For this purpose, accounting, financial and economic data were used. This thematic of great importance for companies, investors, their workers, State and for the consolidation of the economy, has not generated until now a huge attention among academics and the civil society. In the construction of the model we used a technique in the field of Neural Networks, known as Multilayer Perceptron Backpropagation with the gradient descending learning algorithm, moreover we delimited a sample of 1,000 firms in which the independent variables were taken from Informa D&B database (balance sheet and income statement) presented in the period from 2011 to 2015. Taking into account the consolidated data of the training group and the test group, the overall error percentage of the model is 6,6%, which means that the model is not only robust but has quality, this also proves the use of Neural Networks has great potential, particularly in generalizing patterns and predictive capacity.
The main aim of this Master's thesis is the development of a Model of companies' tax and social security non-compliance risk. For this purpose, accounting, financial and economic data were used. This thematic of great importance for companies, investors, their workers, State and for the consolidation of the economy, has not generated until now a huge attention among academics and the civil society. In the construction of the model we used a technique in the field of Neural Networks, known as Multilayer Perceptron Backpropagation with the gradient descending learning algorithm, moreover we delimited a sample of 1,000 firms in which the independent variables were taken from Informa D&B database (balance sheet and income statement) presented in the period from 2011 to 2015. Taking into account the consolidated data of the training group and the test group, the overall error percentage of the model is 6,6%, which means that the model is not only robust but has quality, this also proves the use of Neural Networks has great potential, particularly in generalizing patterns and predictive capacity.
Descrição
Mestrado em Contabilidade, Fiscalidade e Finanças Empresariais
Palavras-chave
Incumprimento contributivo e fiscal risco redes neuronais Multilayer Perceptron Backpropagation Tax and social security non-compliance risk neural networks
Contexto Educativo
Citação
Mendes, Bruno Miguel de Magalhães Soares (2017). "Estudo de incumprimento da situação contributiva e fiscal das empresas utilizando redes neuronais". Dissertação de Mestrado, Universidade de Lisboa. Instituto Superior de Economia e Gestão.
Editora
Instituto Superior de Economia e Gestão