Determinación de morosidad impositiva en la provincia del Chaco utilizando modelos predictivos

El presente estudio se enfoca en la necesidad, por parte de la Administración Tributaria Provincial del Chaco, de anticiparse a la situación de mora de los contribuyentes en el pago de sus impuestos. Determinar tardíamente la morosidad, conlleva a intimaciones que generalmente terminan en planes con...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Quindt, Raúl Horacio
Formato: Tesis de maestría
Lenguaje:Español
Publicado: 2025
Materias:
MOROSIDAD
APRENDIZAJE AUTOMÁTICO
APRENDIZAJE SUPERVISADO
MODELOS PREDICTIVOS
BALANCE DE DATOS
ADMINISTRACIÓN FISCAL
IMPUESTOS
FINANZAS PÚBLICAS
MINERÍA DE DATOS
SISTEMAS DE INFORMACIÓN
Acceso en línea:https://ri.itba.edu.ar/handle/20.500.14769/4919
Aporte de:
Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA) de Instituto Tecnológico de Buenos Aires (ITBA)
id I32-R138-20.500.14769-4919
record_format dspace
spelling I32-R138-20.500.14769-49192026-01-15T14:38:53Z Determinación de morosidad impositiva en la provincia del Chaco utilizando modelos predictivos Quindt, Raúl Horacio MOROSIDAD APRENDIZAJE AUTOMÁTICO APRENDIZAJE SUPERVISADO MODELOS PREDICTIVOS BALANCE DE DATOS ADMINISTRACIÓN FISCAL IMPUESTOS FINANZAS PÚBLICAS MINERÍA DE DATOS SISTEMAS DE INFORMACIÓN El presente estudio se enfoca en la necesidad, por parte de la Administración Tributaria Provincial del Chaco, de anticiparse a la situación de mora de los contribuyentes en el pago de sus impuestos. Determinar tardíamente la morosidad, conlleva a intimaciones que generalmente terminan en planes con quita de intereses y bonificaciones especiales, lo cual implica una reducción en los recursos del estado provincial. Esto impacta directamente sobre las inversiones en materia de seguridad, administración de justicia, salud, educación y obras públicas. En este contexto, el objetivo principal de esta tesis es implementar una herramienta que, utilizando técnicas de aprendizaje automático, le permita al fisco determinar en forma predictiva qué tipo de contribuyentes o que actividades comerciales son las que podrían caer en deudas impositivas con la Administración Tributaria Provincial del Chaco. Para ello, se recaban datos históricos del fisco de la provincia, en base a las declaraciones juradas de actividades comerciales y sus posteriores pagos, se los prepara, y con ellos se entrenan seis modelos de aprendizaje automático supervisado, para luego evaluarlos a través de métricas de desempeño y determinar el más robusto y eficaz. Finalmente, a partir del análisis de importancia de características realizado sobre el mejor modelo, se identifican patrones relevantes asociados a la morosidad fiscal. 2025-04-15T16:27:55Z 2025-04-15T16:27:55Z 2024 Tesis de maestría https://ri.itba.edu.ar/handle/20.500.14769/4919 es application/pdf
institution Instituto Tecnológico de Buenos Aires (ITBA)
institution_str I-32
repository_str R-138
collection Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA)
language Español
topic MOROSIDAD
APRENDIZAJE AUTOMÁTICO
APRENDIZAJE SUPERVISADO
MODELOS PREDICTIVOS
BALANCE DE DATOS
ADMINISTRACIÓN FISCAL
IMPUESTOS
FINANZAS PÚBLICAS
MINERÍA DE DATOS
SISTEMAS DE INFORMACIÓN
spellingShingle MOROSIDAD
APRENDIZAJE AUTOMÁTICO
APRENDIZAJE SUPERVISADO
MODELOS PREDICTIVOS
BALANCE DE DATOS
ADMINISTRACIÓN FISCAL
IMPUESTOS
FINANZAS PÚBLICAS
MINERÍA DE DATOS
SISTEMAS DE INFORMACIÓN
Quindt, Raúl Horacio
Determinación de morosidad impositiva en la provincia del Chaco utilizando modelos predictivos
topic_facet MOROSIDAD
APRENDIZAJE AUTOMÁTICO
APRENDIZAJE SUPERVISADO
MODELOS PREDICTIVOS
BALANCE DE DATOS
ADMINISTRACIÓN FISCAL
IMPUESTOS
FINANZAS PÚBLICAS
MINERÍA DE DATOS
SISTEMAS DE INFORMACIÓN
description El presente estudio se enfoca en la necesidad, por parte de la Administración Tributaria Provincial del Chaco, de anticiparse a la situación de mora de los contribuyentes en el pago de sus impuestos. Determinar tardíamente la morosidad, conlleva a intimaciones que generalmente terminan en planes con quita de intereses y bonificaciones especiales, lo cual implica una reducción en los recursos del estado provincial. Esto impacta directamente sobre las inversiones en materia de seguridad, administración de justicia, salud, educación y obras públicas. En este contexto, el objetivo principal de esta tesis es implementar una herramienta que, utilizando técnicas de aprendizaje automático, le permita al fisco determinar en forma predictiva qué tipo de contribuyentes o que actividades comerciales son las que podrían caer en deudas impositivas con la Administración Tributaria Provincial del Chaco. Para ello, se recaban datos históricos del fisco de la provincia, en base a las declaraciones juradas de actividades comerciales y sus posteriores pagos, se los prepara, y con ellos se entrenan seis modelos de aprendizaje automático supervisado, para luego evaluarlos a través de métricas de desempeño y determinar el más robusto y eficaz. Finalmente, a partir del análisis de importancia de características realizado sobre el mejor modelo, se identifican patrones relevantes asociados a la morosidad fiscal.
format Tesis de maestría
author Quindt, Raúl Horacio
author_facet Quindt, Raúl Horacio
author_sort Quindt, Raúl Horacio
title Determinación de morosidad impositiva en la provincia del Chaco utilizando modelos predictivos
title_short Determinación de morosidad impositiva en la provincia del Chaco utilizando modelos predictivos
title_full Determinación de morosidad impositiva en la provincia del Chaco utilizando modelos predictivos
title_fullStr Determinación de morosidad impositiva en la provincia del Chaco utilizando modelos predictivos
title_full_unstemmed Determinación de morosidad impositiva en la provincia del Chaco utilizando modelos predictivos
title_sort determinación de morosidad impositiva en la provincia del chaco utilizando modelos predictivos
publishDate 2025
url https://ri.itba.edu.ar/handle/20.500.14769/4919
work_keys_str_mv AT quindtraulhoracio determinaciondemorosidadimpositivaenlaprovinciadelchacoutilizandomodelospredictivos
_version_ 1865139225281691648

Ejemplares similares