Система классификации крипто-транзакций для налогового учёта

Разработка системы классификации крипто-транзакций

При 5000+ транзакций за год налоговая требует детальную отчётность. Каждая неправильно классифицированная транзакция — риск доначислений. Для трейдеров, стейкеров и участников DeFi разобраться в этом вручную почти невозможно. Мы разрабатываем систему, которая автоматически относит каждую операцию к нужному налоговому типу: trade, income, airdrop или staking reward. Результат — снижение ручного труда на 80–90% и полная уверенность в отчётности. Всё строится на rule engine для типовых случаев, ML fallback для сложных и manual review queue. Получите консультацию — оценим ваш проект бесплатно.

Как система классификации крипто-транзакций снижает налоговые риски?

Налоговые органы всё чаще запрашивают детализацию крипто-операций. В США IRS требует отдельно отчитывать airdrop и staking reward, в Германии — различать краткосрочные и долгосрочные холды. Ошибка в классификации может стоить тысяч долларов. Система использует комбинацию правил, проверяемых аудиторами, и ML-модели, обученной на реальных данных. Это обеспечивает точность свыше 95% для типовых случаев и снижает ручную работу на 80–90%.

Как мы строим систему: rule engine и ML fallback

Иерархия типов транзакций

enum TaxCategory { // Capital events BUY = "buy", SELL = "sell", SWAP = "swap", NFT_MINT = "nft_mint", NFT_SALE = "nft_sale", NFT_ROYALTY = "nft_royalty", // Income events STAKING_REWARD = "staking_reward", MINING_REWARD = "mining_reward", LENDING_INTEREST = "lending_interest", LIQUIDITY_FEES = "liquidity_fees", AIRDROP = "airdrop", HARD_FORK = "hard_fork", REFERRAL = "referral", PLAY_TO_EARN = "play_to_earn", // Non-taxable TRANSFER = "transfer", COLLATERAL_DEPOSIT = "collateral", COLLATERAL_RETURN = "collateral_return", WRAPPED_TOKEN_MINT = "wrap", WRAPPED_TOKEN_BURN = "unwrap", LP_DEPOSIT = "lp_deposit", LP_WITHDRAWAL = "lp_withdrawal", // Gas GAS_FEE = "gas_fee", UNCLASSIFIED = "unclassified", } 

Это базовая таксономия, покрывающая 99% операций. При необходимости добавляются кастомные категории под конкретный проект.

Движок классификации

class TransactionClassifier { async classify(tx: UnifiedTransaction, userContext: UserContext): Promise<ClassificationResult> { const rules = this.getRulesForContext(userContext); for (const rule of rules) { const result = await rule.apply(tx, userContext); if (result.matched) { return { category: result.category, confidence: result.confidence, ruleId: rule.id, metadata: result.metadata, }; } } return { category: TaxCategory.UNCLASSIFIED, confidence: 0, requiresManualReview: true, }; } } 

Правила применяются по приоритетам. Примеры правил:

const CLASSIFICATION_RULES: ClassificationRule[] = [ { id: "SELF_TRANSFER", priority: 100, apply: async (tx, ctx) => { if (tx.fromAddress && tx.toAddress) { const [from, to] = await Promise.all([ ctx.isUserAddress(tx.fromAddress), ctx.isUserAddress(tx.toAddress), ]); if (from && to) return { matched: true, category: TaxCategory.TRANSFER, confidence: 0.95 }; } return { matched: false }; }, }, { id: "WRAPPED_TOKEN", priority: 90, apply: async (tx) => { const wrappedPairs = [ ["ETH", "WETH"], ["BTC", "WBTC"], ["SOL", "SOL"], ["MATIC", "WMATIC"], ]; const isWrap = wrappedPairs.some( ([native, wrapped]) => (tx.assetIn === native && tx.assetOut === wrapped) || (tx.assetIn === wrapped && tx.assetOut === native) ); if (isWrap) return { matched: true, category: tx.assetIn.startsWith("W") ? TaxCategory.WRAPPED_TOKEN_BURN : TaxCategory.WRAPPED_TOKEN_MINT, confidence: 0.95 }; return { matched: false }; }, }, { id: "STAKING_REWARD_PATTERN", priority: 85, apply: async (tx) => { if (tx.type === "receive" && !tx.assetOut && tx.source === "staking") { return { matched: true, category: TaxCategory.STAKING_REWARD, confidence: 0.90 }; } const isStakingContract = await isKnownStakingContract(tx.fromAddress); if (tx.type === "receive" && isStakingContract) { return { matched: true, category: TaxCategory.STAKING_REWARD, confidence: 0.80 }; } return { matched: false }; }, }, { id: "AIRDROP_PATTERN", priority: 80, apply: async (tx) => { if (tx.type === "receive" && !tx.assetOut) { const isMassDistribution = await checkMassDistribution(tx.txHash, tx.assetIn); if (isMassDistribution) { return { matched: true, category: TaxCategory.AIRDROP, confidence: 0.75 }; } } return { matched: false }; }, }, { id: "CRYPTO_SWAP", priority: 50, apply: async (tx) => { if (tx.assetIn && tx.assetOut && !isFiat(tx.assetIn) && !isFiat(tx.assetOut) && tx.assetIn !== tx.assetOut) { return { matched: true, category: TaxCategory.SWAP, confidence: 0.85 }; } return { matched: false }; }, }, ]; 

ML-модель для неизвестных паттернов

Если ни одно правило не сработало, подключается ML-классификатор. Мы используем RandomForest, обученный на исторических данных. Вектор признаков включает сумму, типы отправителя/получателя (EOA vs контракт), отношение value in/out, время между транзакциями и другие метрики.

from sklearn.ensemble import RandomForestClassifier import numpy as np class TransactionMLClassifier: def predict(self, tx_features): features = self.extract_features(tx_features) prediction = self.model.predict([features])[0] confidence = max(self.model.predict_proba([features])[0]) return { "category": prediction, "confidence": confidence } 

ML-модель даёт гипотезу, но мы всегда даём пользователю возможность переклассифицировать транзакцию вручную.

Batch-классификация и review queue

async function processUnclassifiedTransactions(userId: string) { const unclassified = await db.getUnclassified(userId, { limit: 50 }); for (const tx of unclassified) { const suggestions = await classifier.getSuggestions(tx, { topN: 3 }); await db.updateTransactionSuggestions(tx.id, suggestions); } if (unclassified.length > 0) { await notifyUserReviewNeeded(userId, unclassified.length); } } 

Транзакции с confidence < 0.9 отправляются в очередь на проверку. Пользователь видит предлагаемые категории и утверждает/корректирует. По опыту, в очередь попадает не более 20% операций.

Сравнение rule-based и ML-подхода

Rule-based быстрее и точнее для типовых случаев, ML спасает для незнакомых. Вместе они покрывают 99% транзакций.

Примеры налоговой трактовки по типам транзакций

Этапы разработки

1. Аналитика — изучаем ваши данные, определяем полный список типов транзакций.
2. Проектирование — проектируем иерархию категорий, подготавливаем онтологию.
3. Реализация — пишем rule engine и ML-модуль, интегрируем с кошельками/биржами.
4. Тестирование — прогоняем на исторических данных, корректируем правила.
5. Деплой — разворачиваем систему, настраиваем review queue и уведомления.

Что входит в результат

• Rule engine с предустановленными правилами под вашу юрисдикцию.
• ML-модель, дообученная на ваших данных.
• Web-дашборд для просмотра и ручной классификации.
• REST API для интеграции с бухгалтерскими системами.
• Документация и обучение команды.
• Поддержка в течение 6 месяцев.

Как мы гарантируем точность?

У нас 10+ лет опыта в блокчейн-разработке. За плечами более 50 проектов по анализу данных и автоматизации. Каждая система перед сдачей проходит аудит на тестовых данных. Мы предоставляем гарантию на корректность классификации для транзакций с confidence > 0.95. В случае ошибок — бесплатная донастройка.

Сроки и стоимость

Сроки разработки: от 2 до 4 недель в зависимости от сложности интеграции. Стоимость рассчитывается индивидуально после анализа вашего объёма транзакций и требований к классификации. Закажите предварительную оценку — это бесплатно.

Свяжитесь с нами для бесплатной консультации. Получите демонстрацию системы — оценим ваш проект.