MétaCan
Menu
Retour à la cohorte
Enregistrement W1547834325

Multilateral advance pricing agreements - A multifaceted approach to a global conundrum?

2013· article· en· W1547834325 sur OpenAlexaboutno aff
Michelle Markham

Notice bibliographique

RevueBond University Research Portal (Bond University) · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Taxation and Avoidance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTransfer pricingMultinational corporationNegotiationRevenueOrder (exchange)International tradeDispute resolutionBusinessEconomicsAccountingPolitical scienceFinanceLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

There is currently a revival of interest in multilateral advance pricing agreements (MAPAs), not only at the Organisation for Economic Cooperation and Development (OECD) level, but also among revenue authorities. The revenue authorities in the United States, Canada and the United Kingdom have recently demonstrated an interest in multilateral approaches to transfer pricing controversy resolution. This article examines this revived interest in MAPAs before going on to consider some past multilateral agreements, in order to gain valuable insights into the multilateral process going forward. The views of some of the main protagonists in these agreements are discussed, including reflections from the coordinator of the APA Programme in the UK until 2012, a competent authority negotiator in many of the world's past MAPAs. Current economic, fiscal and accounting developments have made transfer pricing a top priority concern for all multinational enterprises (MNEs), there has been an unprecedented rise in international collaboration between tax administrations, and MAPAs are the only transfer pricing controversy management tool to simultaneously offer multiple revenue authorities and MNEs prospective certainty. This article contributes to the study of tax law and policy in that it examines the advantages and disadvantages of prospective multiparty dispute resolution in this globally important area.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,098

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0060,026
Communication savante0,0270,031
Science ouverte0,0020,014
Intégrité de la recherche0,0080,011
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,038
Tête enseignante GPT0,252
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBond University Research Portal (Bond University)Même sujetCorporate Taxation and AvoidanceTravaux en français237 207