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
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
1. Березина А.Д., Грундел Л.П. Анализ налоговых рисков при формировании налоговой стратегии организации // Russian Economic Bulletin. 2022. Т. 5. № 3. С. 200–203.
2. Кузьмина А.А., Вариативность и результативность методов оценки регионального налогового потенциала // Мир экономики и управления. 2024. Т. 24. № 1. С. 71–81.
3. Налоговый контроль: правовые проблемы и риски / под ред. С. Г. Пепеляева; сост. С. А. Сосновский. – Москва : Статут, 2025. – 400 с.
4. Пименов Н. А.; Демин, С. С. Налоговое планирование: учебник для вузов. – 4–е изд., перераб. и доп. – Москва: Издательство Юрайт, 2025. – 137 с.
5. 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.
6. 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.
7. 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.
8. 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).
9. 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).
10. 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).
11. 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
