基于图神经网络与知识图谱的跨境关联交易逃税识别模型.docxVIP

基于图神经网络与知识图谱的跨境关联交易逃税识别模型

一、跨境关联交易逃税治理的现实背景与识别痛点

（一）数字经济下跨境关联交易逃税的演化特征

随着全球数字经济的深度发展与跨境投资活动的日益频繁，企业的跨境经营网络不断延伸，关联交易的规模与复杂度持续提升，部分跨国经营主体利用不同税收管辖区的税制差异、跨境交易的信息不对称，通过精心设计的关联交易安排转移利润、逃避纳税义务，已经成为全球税收治理面临的共同挑战。据经济合作与发展组织的长期追踪测算，全球范围内每年因跨境关联交易中的利润转移行为导致的企业所得税流失规模超过两千四百亿美元，约占全球企业所得税总收入的一成左右，其中近六成的流失额与跨国企业利用复杂股权架构、关联交易定价操纵开展的恶意逃税行为直接相关（经济合作与发展组织，2015）。

从近年查处的跨境逃税案件来看，当前跨境关联交易逃税行为已经呈现出三个明显的演化趋势：一是交易链条嵌套化，逃税安排不再局限于简单的母子公司两方交易，而是通过设立在不同税收管辖区的多层中间实体拉长交易环节，通过无实质经营的中转主体拆分交易路径，阻断监管部门的追踪线索；二是交易标的无形化，越来越多的逃税安排通过专利、商标、特许经营权、集团内部服务等缺乏公开市场公允价格的无形资产或服务类交易转移利润，这类交易的价值评估弹性大，很难直接通过价格比对判断合理性；三是关联关系隐蔽化，大量逃税安排中的关联交易不再通过直