Yleiset veronkiertonormit OECD:n malliin perustuvissa Suomen verosopimuksissa
Bibliographic record
Abstract
Kansainvälisessä verotuksessa kaksinkertaista verotusta poistetaan valtioiden välisillä verosopimuksilla. Suomen verosopimukset pohjautuvat OECD:n malliverosopimukseen. Veronvälttämisen ja voitonsiirtojen vastaisen BEPS-hankkeen suositusten seurauksena viimeisimpään eli vuoden 2017 malliverosopimukseen on otettu mukaan veronkiertoa estäviä sopimusmääräyksiä, mukaan lukien artiklan 29(9) veronkiertoa estävä yleislauseke. Tällä yleisellä veronkiertolausekkeella pyritään estämään kaikenlainen verosopimusetujen väärinkäyttö, jolla pyritään saamaan verosopimusten tarkoituksen vastaisia veroetuja. Vaikka malliverosopimuksen yleinen veronkiertolauseke on uusi, on ongelmaan pystytty puuttumaan aikaisemminkin verosopimusetujen väärinkäytön kiellon periaatetta soveltamalla, tai usein myös kansallisia veronkiertolausekkeita soveltamalla. Malliverosopimuksen yleinen veronkiertolauseke ei välttämättä muutakaan vallitsevaa oikeustilaa merkittävästi. Se kuitenkin selventää tilannetta vahvistamalla jo aiemmin sovelletut vakiintuneet periaatteet. Suomella on tällä hetkellä voimassa 76 laajaa verosopimusta. Verosopimuksia ei päivitetä kovinkaan usein, vaikka malliverosopimus muuttuisikin. Monet verosopimukset ovat kymmeniä vuosia vanhoja, ja tästäkään syystä eivät sisällä yleistä veronkiertolauseketta tai välttämättä mitään muutakaan veronkiertoa estävää normistoa. Suomen verosopimuksista yleinen veronkiertolauseke on sovellettavissa vasta muutamaan sopimusvaltioon. Tilanne kuitenkin tulee muuttumaan nopeasti MLI-yleissopimuksen tullessa voimaan. Kyseisen monenkeskisen yleissopimuksen tarkoituksena on nimenomaan se, että sopimusvaltioiden verosopimuksiin voidaan joutuisalla aikataululla soveltaa BEPS-hankkeen suositusten mukaisia veronkiertoa estäviä toimia. Suomen verosopimuksista suurimmassa osassa on mainittu yhdeksi tarkoitukseksi veronkierron estäminen, tai sopimuksessa jopa on tähän liittyen erityisiä määräyksiä, mutta on vielä useita verosopimuksia, joissa mitään veronkierron estämistarkoitusta ei ole mainittu. Tällaisiin sopimuksiin ei välttämättä voida soveltaa kansallisia veronkiertoa estäviä normeja tai yleisiä periaatteita sopimusetujen väärinkäytöstä. Veronkierron torjunnan näkökulmasta erityisesti tällaiset verosopimukset tulisi pyrkiä saamaan yleisen veronkiertolausekkeen piiriin, joko MLI-sopimuksen kautta tai päivittämällä itse verosopimuksiin viimeisimmän malliverosopimuksen mukaiset veronkiertoa estävät määräykset. Veronkiertämistä estävän normiston kehittelyn sijaan suositeltavampaa voisi olla puuttua niihin verosopimusten ja verojärjestelmien ominaisuuksiin, jotka mahdollistavat verojen välttelyn. Jos valtioiden välillä veropohjat olisivat yhdenmukaisemmat tai jos verosopimusten edut olisivat nykyistä yhdenmukaisemmat, veronkiertomahdollisuudetkin vähenisivät merkittävästi ja myös tarve moninaisille veronkiertoa estäville normeille.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.094 | 0.028 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".