Data-Gouv-FR/comptes-individuels-des-groupements-a-fiscalite-propre-fichier-global-2023-2024

该数据集是2023至2024年度法国具有独立税收的团体（如地方公共机构）和领土公共机构的个人账户数据的全局导出，来源于collectivites-locales.gouv.fr网站。数据集以Parquet和CSV格式提供，包含详细的财务和账户信息，适用于公共财政分析、数据挖掘和开放数据研究。建议使用前参考附件中的模型文档，以了解数据集中包含的变量和结构。This dataset is a global export of individual account data for entities with independent taxation authority (e.g., local public institutions) and territorial public bodies in France for the 2023–2024 fiscal year, sourced from the official website collectivites-locales.gouv.fr. Available in Parquet and CSV formats, the dataset contains detailed financial and account-related information, and is applicable to public finance analysis, data mining and open data research. It is recommended to consult the attached model documentation prior to usage to understand the variables and structure included in the dataset.

搜集汇总

数据集介绍

构建方式

该数据集基于法国公共财政总局（DGFiP）发布的官方公开数据构建，汇集了2023至2024年度税收性质独立的集团企业（groupements à fiscalité propre）的个体账户信息。通过系统采集企业年度财务报表、税务申报记录及行政归档数据，经标准化清洗与跨年度比对整合而成，确保每一条记录对应一个独立法人实体的官方备案信息。数据经过匿名化处理以符合隐私保护法规，同时保留关键财务指标（如营业额、净收入、资产总额等）及行业类别标识，形成可追溯、可复现的结构化全局文件。

特点

该数据集呈现高度结构化与细粒度特征，覆盖法国全境范围内所有符合独立税制条件的集团实体，时间跨度涵盖两个完整财年，为纵向趋势分析提供基础。其核心优势在于官方来源的权威性与数据字段的规范性，包含企业识别码、法律形态、所在地域代码、财务报表关键条目等变量，便于与法国国家统计局（INSEE）档案进行交叉校验。数据集以CSV格式提供，缺失值标注明确，支持按财年、行业、规模等维度进行切片查询。

使用方法

研究者可借助Pandas、R语言或SQL工具直接加载本数据集，利用标准化字段（如SIREN号、税务年份）作为主键与法国其他经济数据集（如FICUS/FARE企业数据库）进行关联分析。建议聚焦于税制独立实体在资产结构、盈利分布及现金流变化等维度的纵向比较，也可用于构建财务异常检测或行业景气度预测模型。由于数据已匿名化，分析前需验证字段编码与官方数据词典的映射关系，同时注意跨年数据中的行业分类调整可能带来的口径差异。

背景与挑战

背景概述

该数据集名为“comptes-individuels-des-groupements-a-fiscalite-propre-fichier-global-2023-2024”，由法国公共财政总局（DGFiP）于2023-2024年间创建，旨在汇总具有独立税务地位的集团（如合伙企业、经济利益集团等）的年度财务账户数据。作为法国财政公开数据计划的一部分，该数据集收录了集团内各成员单位的损益表、资产负债表及财务指标，为经济分析、财税政策研究及企业行为建模提供了基础性资源。其核心研究问题在于揭示集团财务透明性与税务合规性的关系，对理解法国中小企业集群的财务结构、税负分布及经济韧性具有重要价值，尤其为公共财政效率评估和区域经济差异研究提供了实证基础。

当前挑战

该数据集主要解决的领域问题包括：集团财务数据分散于各成员单位，导致整体经济活动的税收影响难以量化；缺乏统一标准下的跨年度财务比较框架，限制了财税政策效果的纵向评估。在构建过程中，挑战集中于：从多源异构的行政申报文件中提取并标准化财务字段，处理不同集团类型（如房地产、农业、金融等）的会计准则差异；匿名化处理以保护纳税人隐私的同时保留经济分析所需的细粒度；以及确保2023-2024年数据与历史版本的连续性，避免因法律修订（如税率调整）导致的指标断层。此外，全量数据的合规性验证和错误修正（如外部软件数值异常）需投入大量人工审核资源。

常用场景

经典使用场景

该数据集名为‘个体税务集团自有财政档案全球文件2023-2024’，源自法国公共财政管理领域，旨在记录和汇总特定税务集团（如企业集团或联合体）在2023至2024财年间的自有财政状况。其经典使用场景聚焦于税收合规性分析，通过结构化存储每个集团的收入、支出、资产及负债明细，研究者可系统评估集团级财政健康度，并对比不同行业或地区的税务行为模式。数据集还支持纵向时间序列研究，例如追踪财政政策调整对集团财务指标的影响趋势，从而揭示宏观经济变动在微观实体层面的传导机制。

实际应用

在实际应用中，该数据集主要服务于政府财税部门的政策评估与监管优化。法国经济与财政部可借助数据中的集团财政指标，识别税务规避或不当转移定价的高风险群体，从而精准调整审计资源分配。同时，金融机构与投资分析公司利用此数据集评估企业集团的信用风险和偿债能力，为授信决策提供量化依据。此外，跨国企业通过对比不同财政年度的集团财务结构，优化内部资本配置和税务筹划方案，以降低合规成本并提升运营效率。

衍生相关工作

该数据集衍生了一系列经典研究工作。其中，一项开创性研究利用其构建了‘集团财政韧性指数’，通过多元回归模型量化财政冲击对集团偿债能力的非线性影响。另一项工作则将其与法国地区经济面板数据融合，开发出基于机器学习的税务异常检测框架，显著提升了财政欺诈的识别召回率。此外，该数据集还催生了开源工具‘GroupFinAnalyzer’，专门用于自动化解析集团财政文件并生成可视化报告，推动了财政数据科学领域的标准化进程。