[发明专利]一种基于风险分析及AI人工智能模型风险分析方法

权利要求书

1.一种基于风险分析及AI人工智能模型风险分析方法，其特征在于，包括如下步骤：

步骤1：建立税收风险特征库，根据现有人工经验，针对不同行业、不同税种的风险点建立风险指标模型，并汇集成税收风险特征库；

步骤2：建立自主学习方法，根据税收政策要求自主建立指标模型，并根据新税收政策自主提出新指标模型；

步骤3：建立指标优化机制，建立设置-验证-推广的指标优化机制，对人工智能系统提出的指标模型，在既往案例中自主验证有效性，或者指派风险应对人员进行验证，其评价结果决定该指标模型是否进入税收风险分析特征库。

2.根据权利要求1所述的一种基于风险分析及AI人工智能模型风险分析方法，其特征在于，建立风险特征库的步骤如下：

步骤1.1：根据企业所处行业、生产经营情况、遵从意愿、管理基础和遵从能力、财务会计核算规范度、近年来纳税申报数据、互联网第三方信息等，进行风险初评，制定风险点；

步骤1.2：提取出企业可能存在的若干风险点，按所涉交易事项或业务环节进行分类集成，根据是否申报、时间是否逾期、金额是否足额、填报数据错误数量、逾期时间标准差、金额缺少标准差、异常区间纳税户总和、异常区间纳税户变异系数等问题，取风险阀值，制定风险指标；

步骤1.3：运用审核、筛选、分析、比对、推理、计算、判断、定性、定量等方法，根据风险指标，对企业风险事项逐一做出初步判断，进行风险识别和评级，创建各类风险指标模型；

步骤1.4：结合税收数据库、各类风险指标模型以及风险评定等级制定税收风险特征库。

3.根据权利要求1所述的一种基于风险分析及AI人工智能模型风险分析方法，其特征在于，AI人工智能自主学习强化风险指标模型的过程如下：

步骤2.1：建立细分、整理、发布到知识库的流程，首先细分税收数据库各个行业的税种、问题类型、时间、地区、企业性质，进行细致的划分，进行系统化、合理化的分类，然后将各个区别特征归类整理综合，是否申报、时间是否逾期、金额是否足额、填报数据错误数量、逾期时间标准差、金额缺少标准差、异常区间纳税户总和、异常区间纳税户变异系数最后传输到税收风险特征库，为计算机语音自动应答提共依据；

步骤2.2：根据新的风险特征库，制定新的风险点，重新运用审核、筛选、分析、比对、推理、计算、判断、定性、定量等方法，根据新的风险指标，对企业风险事项逐一做出二次判断，重新进行风险识别和评级，创建新的各类风险指标模型，进一步强化各类风险指标模型。

4.根据权利要求1所述的一种基于风险分析及AI人工智能模型风险分析方法，其特征在于，建立指标优化机制的过程包括如下步骤：

步骤3.1：利用扫描仪或其他读取设备将检查人员手中已有的模型或风险评估的结论报告以标准格式分类扫描进智能库；

步骤3.2：归类从互联网爬取的税收政策和相关行业的经济数据；

步骤3.3：计算机根据分析的税收及行业平均数据自主根据当前模型适用的样本量设置阈值，阀值校验风险指标的偏离区间；

步骤3.4：根据偏离区间进行实时分层样本量的设置校验指标精准性，传输到风险特征数据库，进一步优化各类风险指标模型。

5.根据权利要求1所述的一种基于风险分析及AI人工智能模型风险分析方法，其特征在于，所述风险特征库包括数据质量管理机制和数据归集机制，数据质量管理机制通过数据纠错、动态维护、日清月结等措施，保障信息收集的准确性，数据归集机制通过按类分户、按户分类等归集方法，加强信息比对和验证，提高数据的有效性。

6.根据权利要求1所述的一种基于风险分析及AI人工智能模型风险分析方法，其特征在于，制定风险指标提取风险特征的风险分析是对收集的各类信息进行比较，通过推理统计等基本方法以及完整性、逻辑性、波动性、配比性、类比性、基准性等专门方法，分析不同行业、不同类型、不同规模企业的税收风险分布规律，归纳出与税收异常情况具有因果联系的风险特征。

7.根据权利要求1所述的一种基于风险分析及AI人工智能模型风险分析方法，其特征在于，图形化或者列表化显示风险特征库中风险特征、风险特征指标和风险特征指标阀值的关系，采用纵横关联分析表的形式表示：横向上，排列出纳税主体与资质相关、与内控制度相关、与历史相关、与时间相关、与特定规定相关、与特定对象相关等风险特征类别；纵向上，包括纳税人所在行业、投资主体以及生产经营、投资理财、资产管理、涉税行为等主体及行为特征。