基于贝叶斯网络的海关税收风险识别模型研究

摘要

进入信息时代，对数据的分析与挖掘已成为一种新的增长驱动力量。海关掌握着国家合法进出口货物的全部数据，数据规模巨大且质量良好。如何通过分析这些数据获得其中隐含的信息，辅助提升海关监管效能，成为我国现代海关建设所面临的一个重要课题。传统的风险分析手段已不能满足时代对海关的要求。本文以海关税收风险为研究对象，尝试使用贝叶斯网络方法构建税收风险识别模型，是使用数据挖掘方法分析预测海关税收风险的一种尝试。
　　本文首先对国内外海关运用数据挖掘技术进行风险分析的研究情况进行了综述，然后分析了我国风险管理制度的发展沿革与风险分析方法的应用状况。本文使用专家调查法与统计学检验相结合的方法选定构建贝叶斯网络模型所使用的影响因素，然后利用SPSS Modeler18.0软件通过对数据进行机器学习，构建树扩展的朴素贝叶斯网络结构的风险识别模型。
　　本文通过对已建立模型的多种测试比较，发现该模型具有时效性与区域性的特点，在恰当选择训练集范围的前提下，该模型有较好的风险识别效果。最后，本文针对海关数据分析技术应用水平的提高提出了一些建议。

目录

声明

摘要

第1章绪论

1．1选题背景

1．2选题意义

1．2．1 理论意义

1．2．2现实意义

1．3国内外研究现状综述

1．3．1 国外研究现状

1．3．2 国内研究现状

1．3．3 国内外研究评述

1．4研究目标、研究内容和拟解决的关键性问题

1．4．2 研究内容

1．4．3 拟解决的关键性问题

1．5拟采取的研究方法、技术路线，可行性分析

1．5．1 拟采取的研究方法

1．5．2 技术路线

1．5．3可行性分析

第2章我国海关风险管理制度的发展与现状

2．1我国海关风险管理制度的发展历程

2．2海关税收风险识别方式发展情况分析

2．2．1 海关数据传输与存储的发展

2．2．2 我国海关风险分析方式的发展

第3章海关税收风险识别的相关理论

3．1海关风险管理相关理论

3．1．1 海关风险管理的概念

3．1．2 关于海关税收风险

3．2贝叶斯网络相关理论

3．2．1 贝叶斯网络的基本概念和原理

3．2．2 贝叶斯网络分类模型分析

3．2．3 贝叶斯网络建模的基本方法

3．2．4 贝叶斯网络建模流程

第4章构建基于贝叶斯网络的海关税收风险识别模型

4．1筛选建模的风险因素

4．1．1 数据分析对象的范围

4．1．2 德尔菲法初选风险因素

4．1．3 对风险因素的进一步筛选

4．1．4 风险因素筛选过程小结

4．1．5 指标分析

4．2构建贝叶斯网络模型

4．2．1数据的采集

4．2．2建立树扩展朴素贝叶斯(TAN)模型

4．2．3 建立Markov贝叶斯模型

4．2．4选择模型结构

4．3本章小结

第5章模型评估

5．1同一地区近似时段不同样本数量训练集所得模型比较

5．2同一地区不同时间段的训练集所得模型比较

5．3同一时段不同地区的测试集对同一模型比较

5．4本章小结

第6章总结与建议

6．1主要结论

6．2本文的局限

6．3对于提升海关数据挖掘应用水平的建议

参考文献

附录

致谢

个人简历