Efeitos tributários e seus reflexos no rendimento sobre investimento de pessoa física nas criptomoedas: um comparativo entre o Brasil e países do G-20
Notice bibliographique
Résumé
As criptomoedas surgem cada dia com mais frequencia, e podem ser utilizadas desde para investimento ate para pagamentos, porem pelo fato desta ?moeda? nao ter nenhum orgao intermediario, demonstra necessidade de regulamentacao pelos paises e seus orgaos regulamentadores. A presente pesquisa objetiva analisar os reflexos tributarios nos rendimentos liquidos de pessoa fisica nas criptomoedas a partir do reconhecimento dado ou pela legislacao pertinente presente em cinco paises do G-20: o Brasil, o Canada, a Australia, o Reino Unido e os Estados Unidos, analisando as moedas digitais pela sua capitalizacao e tempo minimo de 4 anos no mercado, se encaixando para tal as seguintes moedas por ordem a Bitcoin, a Ethereum, a XRP, a Litecoin e a Monero. Para esse fim, o estudo utilizou a pesquisa documental e estudo de caso, de forma descritiva e por meio de elaboracao de pesquisa qualitativa. A partir disso, o estudo demonstrou que existe grande volatilidade nas criptomoedas e permitiu concluir que, apesar de ser a moeda pioneira, a Bitcoin nao foi a moeda mais rentavel do periodo de 2015 a 2018 e, da enfase a relevância do papel da tributacao no rendimento das moedas digital nos diferentes paises, que mesmo mantendo um padrao no reconhecimento das moedas digitais, apresentam divergencias nas aliquotas, refletindo diretamente na rentabilidade liquida das criptomoedas.(sic)
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».