Ciudad de Panamá 29 al 31 agosto 2012 Seminario-Taller CIAT-CE “INTELIGENCIA FISCAL”

Administración Tributaria en Chile Ministerio de Hacienda Aplicación y fiscalización de todos los impuestos internos actualmente establecidos o que se establecieren, fiscales o de otro carácter en que tenga interés el Fisco. Recaudación y cobranza de todos los impuestos, el manejo de la cuenta única tributaria de los contribuyentes, entre otras actividades de cobro asociadas al Estado. Aplicación y fiscalización de todos los impuestos asociados al comercio con el exterior.

Estrategia del SII Servicio de Impuestos Internos Administrar con EQUIDAD y JUSTICIA Facilitar el Cumplimiento Tributario Velar por el Cumplimiento Tributario (focalizar el esfuerzo fiscalizador en contribuyentes con comportamiento tributario riesgoso)

Plan de Gestión del SII Acciones de Fiscalización focalizadas y aplicando inteligencia fiscal, detectando ámbitos con riesgo potencial de fraude. Fiscalización Proveer Servicios que faciliten el cumplimiento tributario de los contribuyentes, y que respondan a sus necesidades según sus características propias. Servicios Potenciar las líneas de Apoyo al interior del Servicio mediante el desarrollo de recursos humanos y tecnológicos. Apoyo Institucional

Introducción Nuevas Técnicas Figuras de Evasión más complejas Reinvención del Fraude Crecimiento Cantidad de información

Introducción Minería de Datos Declaraciones de Impuestos Declaraciones Juradas Trámites en Web y Plataforma Presencial Autorización y Emisión de Documentos Tributarios Conocimiento Procesable

Objetivo Predecir que contribuyentes, de los cuales no se tiene evidencia pasada de haber cometido fraude mediante la utilización de facturas falsas, tienen una mayor probabilidad de haber presentado declaraciones de impuestos en las cuales sus créditos fiscales se sustenten en facturas falsas.

Recaudación y Tipo de Impuesto

Evasión y Monto de fraude en FF Tasa de Evasión del IVA

Proceso Utilizado

Herramientas de Minería de Datos Utilizadas Primer Modelamiento: Redes Neuronales Artificiales Capa de entrada (Sensorial) Capa oculta (Procesamiento) Capa de salida

Construcción del Modelo: Vector Objetivo Se utilizó una base de datos obtenida con datos históricos de contribuyentes desde el año 2002 hasta el año Se obtuvieron casos de los cuales 832 correspondían a contribuyentes que, habiendo sido auditados arrojaron como resultado la utilización de Facturas Falsas (FF), los restantes fueron seleccionados como No Facturas Falsas (NFF). Se anualizó la información mensual y se trabajó con 13 variables

Información disponible en declaraciones de impuestos mensuales (IVA) y anuales (Renta). Para potenciar los datos faltantes de las declaraciones se rellenó usando información complementaria de la misma declaración, promedios provenientes del mismo tipo de contribuyentes (rubro – ciclo de vida – segmento). Se crearon variables conjugando información de los formularios de declaración, e.g.: Deb/Cred; RLI/Ing, Ing/Costo, etc. Construcción del Modelo: Tablón de Atributos

Construcción del Modelo: Resultados

>5000 UTM ¿Es Empresario individual? Nivel Ventas Anuales No Puede Puede ≤5000 UTM SiNo Árbol de decisión Algoritmo C5 -Conjunto de reglas de decisión. -Parte de una raíz y divide los elementos en categorías o pronósticos (hojas) -Son simples, pues las reglas son explicitas. -Algoritmos: -Chaid -Cart -C5 (entropía) Herramientas de Minería de Datos Utilizadas Segundo Modelamiento: Arboles de Decisión

Cambio en la perspectiva con la que se observo el problema: Ya no se intentaría clasificar al contribuyentes como usuario de Facturas Falsas, o no, sino la propia declaración, o sea, ya no se ve si el contribuyentes es evasor, o no, sino la conducta especifica, “¿Realizó maniobras fraudulentas en un tiempo especifico para disminuir su carga impositiva usando Facturas Falsas? De esta forma creció el numero de registros para usar en la etapa de modelamiento. Construcción del Modelo: Vector Objetivo

Solamente se utilizó información contenida en los Formularios (F29) de Declaración Mensuales: Débitos Fiscales Créditos Fiscales Remanentes de Créditos Fiscales Montos Pagados de Impuestos Retenciones Se descartó valores extremos. Se transformaron con el objetivo de eliminar diferencias intertemporales. Construcción del Modelo: Tablón de Atributos

El conjunto de entrenamiento contenía declaraciones mensuales de impuestos, de las cuales un 50% tiene facturas falsas. El conjunto de comprobación contenía declaraciones mensuales de impuestos, de las cuales un 30% tiene facturas falsas. Construcción del Modelo: Modelamiento

Construcción del Modelo: Resultados

-Piloto - Selección de contribuyentes: Coquimbo, Valparaíso y Metropolitana - 5 grupos - % PTs con alta probabilidad de hipótesis - (Monto IVA CF x PTs Hipótesis) / PTs Totales - Clasificación alternada: Grupo Tratamiento – Grupo Control - Evaluación: - Método diferencia simple - Evaluación Pre-Post - Diferencias en diferencias

- Modalidades de Fiscalización - Fiscalización Selectiva - Procesos Masivos de Fiscalización - Fiscalización Preventiva - Programa de Fiscalización: - Abril de Mix Fiscalización Selectiva – Procesos Masivos de Fiscalización

Cantidad% Notificados % Concurrentes ,93% Productivos ,15% Rendimiento Directo BrutoMonto CL$ Total$ Unitario por Notificado$ Unitario por Concurrente$ Unitario por Caso Productivo$

Grupo Tratamiento Grupo Fiscalizado Comparable Diferencia Cantidad de Contribuyentes Total Concurrentes Con Rendimiento Rendimiento Total$ $ Por Notificado$46.774$28.122$ Por Concurrente$73.161$49.584$ Por Caso Productivo$ $57.290$ Tasas Concurrentes Total Notificados 63,93%56,72%7,22% Casos Productivos Total Notificados 10,15%49,09%-38,94% Casos Productivos Total Concurrentes 15,87%86,55%-70,68%

Tener clara la problemática y el sujeto de estudio Una selección óptima mediante técnicas de minería de datos no asegura el éxito en la obtención de rendimientos en la fiscalización Se requiere una definición correcta del plan de trabajo Una adecuada aplicación de dichas verificaciones Es necesario medir los efectos de la aplicación del programa de fiscalización en una forma distinta a la clásica Un incremento en el pago promedio mensual del grupo de tratamiento respecto del grupo de control Realizar selecciones utilizando los métodos clásicos (hipótesis de fiscalización) complementado con técnicas de minería de datos.

- Se presenta un enfoque nuevo en nuestra administración tributaria, para enfrentar la selección de contribuyentes. - El caso particular de fraude tributario utilizando facturas falsas. - Un cambio de foco del contribuyente a su declaración mensual de IVA. - Muestra el cambio de conducta en los contribuyentes tratados, reflejado en un aumento en el pago promedio del IVA mensual. - Se expone finalmente una mejora en los niveles de cumplimiento.

Ciudad de Panamá 29 al 31 agosto 2012 Seminario-Taller CIAT-CE “INTELIGENCIA FISCAL” “Exportación de Desechos Metálicos”

Al igual que en la mayoría de los países el IVA grava, en general, las operaciones de Ventas y Prestaciones de Servicios. En Chile la tasa es el 19%. La Base imponible es el precio o valor del bien o la prestación, según corresponda. El art. 36 de la Ley sobre el Impuesto a las Ventas y Servicios faculta a los exportadores a recuperar el impuesto que se hubiere recargado al adquirir bienes o utilizado servicios destinados a su actividad (incluyendo los bienes importados). Mecánica del IVA en las Exportaciones

Del análisis de 22 contribuyentes exportadores de desechos metálicos se pretende identificar quienes presentan una alta probabilidad de solicitar devoluciones del Impuesto al Valor Agregado sin cumplen con los requisitos para realizarlo: Documentación materialmente falsa Documentación ideológicamente falsa Operaciones inexistentes Objetivo del Análisis

Confección de una tabla Cliente – Proveedor, utilizando la Declaración Jurada de Compras y Ventas. Conociendo a la Red Comercial: Etapa 1

Usando la información de Cliente – Proveedor se construyó mallas que relacionan a múltiples contribuyentes a través de sus relaciones comerciales Conociendo a la Red Comercial: Etapa 2

De los proveedores relevantes (34.000) se recopiló la siguiente información: Información Patrimonial Registro de conductas anómalas Emisores Electrónicos No Declarantes Emisores Electrónicos declarantes de F29 no informantes de Información Electrónica de Compras y Ventas Mandatarios Representantes Legales Contadores Trabajadores Familiares Domicilios ID de Cuentas Corrientes Bancarias Conociendo a la Red Comercial: Etapa 3

Anomalías: Nuestra área ha determinado un set de conductas anómalas a monitorear, se determinó que contribuyentes presentan dichas conductas y cuantas. DTE: Se determinó que contribuyentes siendo Emisores Electrónicos no han presentado sus declaraciones mensuales de impuestos o su declaración de compras y ventas electrónicas. Mandatarios, Representantes Legales y Contadores: Determinar que contribuyentes comparten Mandatario, Rep. Legal y/o Contador, y con cuantos, ya sea en una misma malla comercial o la de otro exportador. Fuentes de Información

Familiares y Trabajadores: Determinar que contribuyentes presentan Familiares o Trabajadores, que sean además: – Sus proveedores – Representantes Legales de sus proveedores – Dueños o socios de sus proveedores – Contadores de sus proveedores Domicilios: Determinar que contribuyentes comparten el mismo domicilio, y con cuantos, ya sea en una misma malla comercial o la de otro exportador. Cuentas Corrientes: Determinar que contribuyentes comparten la misma Cuenta Corriente Bancaria, y con cuantos, ya sea en una misma malla comercial o la de otro exportador. Fuentes de Información

Estrategias de Selección

Estrategia de Selección: Construcción de Malla Comercial Ideal Real

Variables TABLÓN PROVEEDOR

Estrategia de Selección: Construcción de Tabla Malla Comercial

Variables TABLÓN EXPORTADOR

Estrategia de Selección: Construcción de Tabla Resumen Malla Comercial

Selección Exportadores

Selección Proveedores Proveedores presentes en la malla comercial del exportador seleccionado. Proveedor que aporte riesgo en las variables seleccionadas. Ranqueados los proveedores por las variables utilizadas, se seleccionó de acuerdo a la capacidad de cobertura de la Unidad Fiscalizadora respectiva.