Mostrar el registro sencillo del ítem

dc.creatorZumaya, Martin
dc.creatorGuerrero, Rita
dc.creatorIslas, Eduardo
dc.creatorPineda, Omar
dc.creatorGershenson, Carlos
dc.creatorIñiguez, Gerardo
dc.creatorPineda, Carlos
dc.date.accessioned2025-10-25T01:16:27Z
dc.date.available2025-10-25T01:16:27Z
dc.date.issued2021-09-25
dc.identifier.urihttps://repositorio.tic.unam.mx/handle/123456789/4019
dc.descriptionArtículo académico que analiza datos fiscales electrónicos de México (2015-2018) para detectar evasión. Se construyen redes de facturación entre contribuyentes y se muestra que los evasores presentan patrones de interacción distintos. Usando redes neuronales profundas y bosques aleatorios, se clasifica a más de 100 mil contribuyentes sospechosos, estimando evasión no detectada de alrededor de 10 mil millones de dólares anuales.
dc.publisherSpringer Nature Link
dc.subjectPredicción y modelos estadísticos
dc.subject.classificationCiencias Físico Matemáticas y de la Ingenierías
dc.titleIdentifying Tax Evasion in Mexico with Tools from Network Science and Machine Learning
dc.typeArtículo académico
dcterms.provenanceUniversidad Nacional Autónoma de México. Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas
dc.subject.keywordsTax evasion
dc.subject.keywordsNetwork science
dc.subject.keywordsMachine learning
dc.subject.keywordsDeep neural networks
dc.subject.keywordsRandom forests
dc.subject.keywordsTemporal networks
dc.subject.keywordsInvoicing loops
dc.subject.keywordsTax fraud detection
dc.subject.keywordsEvasión fiscal
dc.subject.keywordsCiencia de redes
dc.subject.keywordsAprendizaje automático
dc.subject.keywordsRedes neuronales profundas
dc.subject.keywordsBosques aleatorios
dc.subject.keywordsRedes temporales
dc.subject.keywordsBucles de facturación
dc.subject.keywordsDetección de fraude fiscal
dc.identifier.urlhttps://doi.org/10.1007/978-3-030-81484-7_6
dc.identifier.bibliographiccitationZumaya, M., Guerrero, R., Islas, E., Pineda, O. K., Gershenson, C., Iñiguez, G., & Pineda, C. (2021). Identifying tax evasion in Mexico with tools from network science and machine learning. En O. M. Granados & J. R. Nicolás-Carlock (Eds.), Corruption Networks: Understanding Complex Systems (pp. 89–113). Springer. https://doi.org/10.1007/978-3-030-81484-7_6
dcterms.memberofAnálisis y automatización


Ficheros en el ítem

FicherosTamañoFormatoVer

No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

COMPARTE



BÚSQUEDA

Escriba el texto a buscar en DSpace

COLABORA

CONTACTO

El Repositorio Universitario de la DGTIC se edita en la Dirección General de Cómputo y
de Tecnologías de Información y Comunicación (DGTIC), de la Universidad Nacional Autónoma de México (UNAM)
Circuito Exterior s/n, Ciudad Universitaria, Coyoacán, C.P. 04510, México, D.F
Tel: +(52) (55) 56228166 Email: rutic@unam.mx