Tesis:
Análisis de fraude en multigrafos : el caso del fraude tributario
- Autor: GONZÁLEZ GARCÍA, Ignacio Miguel
- Título: Análisis de fraude en multigrafos : el caso del fraude tributario
- Fecha: 2021
- Materia: Sin materia definida
- Escuela: E.T.S. DE INGENIEROS DE TELECOMUNICACION
- Departamentos: INTELIGENCIA ARTIFICIAL
- Acceso electrónico: https://oa.upm.es/69639/
- Director/a 1º: VEGA REDONDO, Fernando
- Director/a 2º: MATEOS CABALLERO, Alfonso
- Resumen: El objetivo de esta tesis ha consistido en probar la rigurosa aplicabilidad de las técnicas de machine learning (M.L) para la creación de modelos causales en el ámbito tributario. De forma más específica, se ha investigado la posibilidad de aplicación de modelos causales en el análisis de riesgos y las ventajas de la utilización de multigrafos que representan redes sociales. Consta de dos partes, una teórica y otra empírica. La primera de ellas tiene tres objetivos. El primero es la justificación de la metodología empleada en la tesis y la legitimidad de su propio objetivo, la investigación causal. Se aborda detalladamente el problema de la fundamentación de la causalidad en las ciencias sociales y se particulariza para el ámbito tributario. A continuación, se proponen las categorías más adecuadas para este propósito, basadas en una metafísica del proceso que toma como concepto básico el acontecimiento. Por último, se realiza una introducción a las técnicas que son aplicadas en la segunda parte que no forman parte del dominio ordinario del machine learning para hacer la tesis autocontenida, con especial atención a los modelos de ecuaciones estructurales (SEM) en su interpretación causal y al Social Network Analysis, justificando el uso combinado de las herramientas de ambas teorías. En la segunda parte, empírica, se presentan y resumen las investigaciones realizadas durante la tesis. En su redacción se han perseguido también tres objetivos. El primero es la presentación del estado del arte en la disciplina, donde se incluyen los resultados de actividades previas realizadas por el autor de la tesis en su ámbito profesional. El segundo es la presentación de las investigaciones realizadas durante y para la elaboración de la tesis, donde se han incluido exclusivamente aquellas que han sido presentadas en congresos o publicadas en revistas con índices de impacto adecuados. El tercero y último es justificar que la síntesis de SEM y SNA es posible y eficaz. ----------ABSTRACT---------- The objective of this thesis has been to test the rigorous applicability of machine learning (M.L) techniques for the creation of causal models in the tax field. It consists of two parts, one theoretical and one empirical. The first one has three objectives. The first is the foundation of the methodology used in the thesis. The problem of the foundation of causality in the social sciences is approached in detail and it is particularized for the tax field. We propose categories based on a “Metaphysics of the process” that takes the event as its basic concept. Finally, we introduce the theoretical concepts of structural equation models (SEM) in its causal interpretation and to Social Network Analysis, justifying the combined use of the tools of both theories. In the second part, empirical, we present the investigations carried on during the period of the thesis. We have pursued three objectives. The first is the presentation of the state of the art in the discipline, which includes the results of previous activities carried out by the author of the thesis in its professional field. The second includes the summary presentation of the research carried out where exclusively those that have been presented at conferences or published in journals with adequate impact indices. The third and last is to justify that the synthesis of SEM and SNA is possible and efficient.