반응형

중도퇴사자 종합소득세 신고 후기 및 주의 사항

 

주의! 

잘못 신고 시 문제가 될 수 있다. (가산세, 세무조사 등)

중도퇴사자로 내가 경험한 이야기는 참고만 하자.

각자 상황에 따라 다를 수 있다.

필요할 경우 국세청에 문의해서 해결하자.

친절하고 전문적으로 잘 설명해준다.


작년 7월 31일까지 근무하고 퇴사했다.

중도퇴사자라고 한다.

그 이후 8월 1일부터 12월 31일까지 근로 소득이 없다.

백수라는 얘기다.

건강보험과 국민연금은 지역가입자로 전환되었다.

돈은 계속 나간다.

퇴사하면 회사에서 메일이 온다.

중도퇴사자는 이직, 재취업으로 연속 근무가 되면 현재 재직중 회사에서 연말정산을 한다.

만약 연말까지 근로소득이 없는 상태면 다음 해 5월 종합소득세 신고를 하면 된다.

 

원천징수영수증 체크사항

1. 퇴사 후 한 달 이내에 원천징수영수증 파일이 첨부된 메일이 온다.

원청징수영수증 상단 부분

2. 세대주 여부를 확인해 보자.

상단부 오른쪽 세대주 여부를 보니 세대주1인데 세대원2로 잘못되어 있다.

회사와 세무서에 전화해서 문의했다.

영수증에 잘못 표기되어도 종합소득신고 때 세대주로 선택되면 문제없다고 한다.

종합소득세 신고 -> 근로소득 신고 -> 정기신고 -> 기본사항에서 세대주 여부. 홈택스 화면

 

3. 중도퇴사 확인

과세년도(1.1~12.31) 사이 중간에 퇴사하면 중도퇴사자다.

위 이미지를 보면 연말정산 구분이 중도퇴사 2로 체크되어 있다.

4. 결정세액 확인

월급 받으면 공제했던 소득세와 지방소득세를 퇴사 시점에서 정산한다.

회사는 그 시점에 확인 가능한 인적 공제, 국민연금, 건강보험 등 적용해 세금 신고를 한다.

원천징수영수증 세액명세 예시

원천징수영수증 1장 하단의 세액명세를 잘 보자.

기납부세액 75번 소득세 3,000,000원과 지방소득세 300,000원은 급여에서 공제된 1~7월 합산금액이다.

73번 결정세액은 기본 공제(원천징수영수증 보면 확인됨) 후 실제 국세청에 납부한 세금이다.

원천징수영수증의 납부세액이 홈택스 종합소득세 신고 시 기납부세액으로 설정된다.

원천징수영수증 결정세액으로 설정됨. 다른 소득분의 기납부세액이 있으면 합산되서 보인다. 홈택스 화면

 

5. 차감징수세액 확인(납부/환급)

차감징수액이 위 이미지처럼 마이너스(-2,000,000원) 면 환급을 받는다.

마이너스가 없으면 더 내야 한다.

퇴사 후 한 달 내 급여통장으로 입금되었다.

금액이 차이 나서 물으니 건강보험 등 정산분이 있어서 차감하고 준 금액이라고 했다.

회사에서 꼭 받아야 한다.

 

회사는 근로자에게 급여에서 가져간(원천징수) 소득세 중 결정세액 금액은 국세청에 납부한다.

남은 돈(차감징수세액)이 있으면 회사가 가지고 있기 때문에 회사에서 받아야 한단다.

만약 플러스이면 추가 납부해야 할 금액이라 급여에서 공제하거나 추가 납부하라고 연락이 온다.

"회사에서 안 줬다고 종합소득세 신고 시 원천징수 차감징수세액을 포함해서 환급받으면 안 된다."

중복 환급으로 가산세까지 물리게 된다.

몇 년 전 경험한 부분이다. 

 

중도퇴사자 공제 시 주의사항

1. 퇴사 후 사용분에 대한 공제가 안 되는 부분이 있다.

보통 소비성 내역은 근로 기간 중에 사용한 내역만 공제가 된다.

신용카드, 현금영수증 등 사용액 공제, 주택마련저축(청약), 주택자금(이자분), 교육비, 의료비, 건강보험료, 고용보험료 등

위 내역은 과세기간(1.1~12.31) 내라도

"근로기간(재직 중)이 끝나고 퇴사 후(백수) 사용분은 공제 대상이 아니라고 한다".

7월 31일 퇴사라 7월까지 체크 함. 홈택스 화면

첫 문장을 보면 "근로기간 동안의"라는 문구로 정확하게 표현하고 있다.

교육비는 근로기간동안이라는 표현이 없다. 홈택스 화면

실수할 뻔했던 교육비 공제다.

어디를 봐도 근로 기간 중 사용분이라는 표현이 없다.

국세청에서 제공하는 동영상을 봐도 그런 내용이 없다.

내가 못 찾은 건가?

신용카드에서는 확실하게 근로기간 동안의 사용분이라고 명시되어 있다.

교육비, 의료비도 마찬가지로 근로기간 동안의 사용분만 공제해야 한다.

퇴사 후 이직, 재취업 등 근로자가 아닌 기간의 사용분은 포함하면 안된다고 한다.

나 또한 우연히 알게 되어 다행이지만 처음엔 몰랐고 전체를 선택해서 진행했었다.

 

2. 퇴사 후 사용분이 공제가 되는 부분

국민연금보험료(직장, 지역 포함), 퇴직연금(IRP) 입금, 기부금 등 미래의 투자에 대한 사용분

위 내역은 근로기간이 있었던 과세기간(1.1~12.31) 내 퇴사를 했더라도 납부한 금액 전액 공제가 된다고 한다.

 

3. 예외적 공제 금액, 퇴직정산보험료

중도 퇴사를 하면 퇴직정산보험료를 납부한다.

그런데 퇴사 후 납입(근로자 상태 아님)이 돼서 공제 여부에 확인이 필요했다.

근로 기간 내 발생한 보험료 정산인데 납부는 퇴사 후 백수일 때 냈기 때문이다.

여러 의견이 분분했다.

국민건강보험공단, 로그인 후 직장 보험료 조회에서 확인 가능. 건강보험 화면

근로 기간에 발생한 보험료지만 납부를 퇴사 후 근로 기간이 아닐 때 했다면 공제가 안된다고 했다.

말이 안 되잖아~

과세기간을 벗어났다면 모를까.

126(국세청 세법 담당)에 전화해서 확인했다.

처음 상담한 세법 담당자 왈, 퇴직정산보험료는 공제가 안된단다.

납부일 기준이라고..헉헉

다시 126에 전화해서 다른 세법 담당자와 통화했다.

퇴직정산보험료는 예외적으로 공제된단다. 아싸~

근거는 "상담1팀-468 게시 2006.4.12"에서 찾아볼 수 있단다.

혹시 신고 후 이 부분으로 국세청에서 연락이 오면 위 근거를 얘기하면 된다고 한다.

공제가 된다 안된다 의견이 있었지만 나는 마지막 국세청 세법 담당자께서 의견 주신대로 공제에 넣기로 했다.

건강보험료 연말정산분 불러올 때 퇴사월에 "퇴직정산보험료를 납부한 월(보통 다음 달)도 체크".

 

4. 국민연금 지역가입자 연금료 추가

"퇴사 후 지역가입자로 과세기간 내 납부한 국민연금보험료는 공제"된다고 했다.

 

 

하지만, 홈택스에서는 조회가 안되었다.

그래서 다시 문의했다.

국민연금공단에 가면 "소득공제용 납부확인서"를 보고 입력하면 된다고 한다.

추후 증빙자료를 제출하라고 하면 이 문서를 주면 된다고 한다.

 

5. 배우자가 100만 원 이하 기타 소득이 있는데 인적 공제가 중복 아닌가?

내가 신고할 때 배우자를 인적 공제한다.

그런데 배우자도 소액의 소득이 있어 신고해야 한다.

배우자가 본인분 소득신고를 하면 본인 공제는 기본이다.

그러면 나도 배우자 인적 공제를 하고 배우자도 기타 소득 신고 시 본인을 인적 공제 하는데

중복 공제 아닐까?

126에 확인해 보니 아니란다.

100만 원 미만의 소득이라 괜찮단다.

즉,

배우자 100만 원 이하 소득 신고 시 본인 인적공제 사용.

내가 종합소득신고 시 배우자를 인적공제에 추가.

중복 공제 아니라고 한다.

 

정리.

중도 퇴사로 인해 종합소득신고를 해 보니 난리가 아니었다.

몰라서 공제를 추가할 뻔했고.

공제가 가능한데 빠트릴 뻔했고

상담할 때마다 의견이 다르기도 했고.

좀 더 명확하고 쉽게 설명이 되면 좋겠다.

종합소득세 신고 시 어려움이 있거나 확인이 필요하면 꼭 상담을 받아보길 권한다.

이상 내가 중도퇴사자로 종합소득세 신고하면서 겪었던 경험을 공유했기에

나와 관련된 부분만 이야기 했고 신고 관련 전부를 설명한 건 아니다.

중도퇴사자로 종합소득세 신고 대상자라면 꼼꼼히 체크해서 잘 신고하길 바란다~

끝.

잘못된 내용이 있으면 댓글 부탁~.

 

 

반응형
반응형

딥러닝(Deeplearning)에서 손실 함수란?

딥러닝 스터디 중 손실 함수(loss function)를 알게 되었다.

머신러닝, 딥러닝에서 해당 모델의 성능을 평가할 사용하는 함수다.

모델이 예측, 인식한 값과 실제 값과의 오차를 알려준다.

손실 함수는 회귀와 분류 문제로 구분되어 있다.

용어도 어렵고 계산식도 한참을 봤다.

인공지능 학습이 쉽지 않을 거라 생각은 하고 있었다.

최대한 쉽게 이해하고 싶어 꼼꼼히 정리해 봤다.

손으로 숫자 5를 써서 딥러닝 학습을 통해 인식하고자 한다.

3같기도 한 숫자 5

숫자 5를 썼지만 학습 결과 5일 확률이 0.3 정도 나왔다 가정하자.

1을 기준으로 무려 0.7을 잘못 인식했다는 결과다.

숫자 5인데도 손으로 쓴 글씨라 0.3 정도만 인식했다는 의미다.

무려 0.7을 잘못 인식했다고 알려줘야 한다.

인식률을 높여 숫자 5로 인식하게 알려줘야 한다.

바로 손실 함수가 그 역할을 한다.

즉, '얼마나 잘못 예측했나'를 수치로 보여주는 함수가 손실 함수다.

 

회귀 문제

과거 거래량, 과거 주가, 경제 전망 등을 활용해서 앞으로의 주가를 예측한다.

예측하는 주가는 입력값에 따라 결정된다.

입력값의 종류와 값 범위에 따라 결괏값이 결정된다는 의미다.

회귀는 결괏값이 연속적이라는 특징이 있다.

주가가 0 또는 1처럼 둘 중 하나값이 아니다.

이런 경우를 분류문제라고 한다. 0 또는 1.

회귀는 입력값이 따라 연속적인 금액값 중 하나가 종속된다.

이번 포스팅에서는 회귀 문제에 대한 손실 함수를 먼저 확인해 보자.

사실 용어만 봐서는 감이 안 잡힌다.

손실 함수 중 회귀 문제는 평균 제곱 오차(Mean Squared Error, MSE)와 오차 제곱 합(Sum of Squared Errors, SSE).

우선 이 2개의 함수를 확인해 보겠다.

 

평균 제곱 오차(Mean Squared Error, MSE)

평균 제곱 오차(Mean Squared Error, MSE) 식.

우와~ 어려운 식이 나타났다.

∑ (이하 시그마)를 처음 본다면 당황스러울 수 있다.

어렵지 않다.

시그마는 우측 식을 i=1부터 n까지 순서대로 대입한 값을 전부 더한다는 의미다.

간략하고 쉬운 식을 보자.

시그마 예제 식

시그마 옆 i에 1부터 3까지 입력한다.

1 + 2 + 3으로 식이 만들어지고 결과는 6이 된다.

평균 제곱 오차(Mean Squared Error, MSE)의 경우는

다음 식을 i=1부터 n번째까지 값들을 위 예제 식처럼 쭈욱 더한다는 의미다.

그리고 1/n으로 나누는 의미다. 0.5를 곱해도 된다.

식에 대한 설명을 했다.

이제 딥러닝에서 평균 제곱 오차(Mean Squared Error, MSE)를 사용하는 예를 들어보자.

평균 제곱 오차(Mean Squared Error, MSE) 파이썬 코드

3번 라인은 mean_squard_error함수로 평균 제곱 오차(Mean Squared Error, MSE)를 구현했다.

np.mean이 수식의 복잡한 평균을 쉽게 구해준다.

t는 true value로 6번 라인 index 4번째가 1이다.

y는 추측값을 가정해서 만들어 봤고 8번 라인 index 4번째가 0.7로 높은 확률이 나왔다.

함수를 실행하면 결과는 0.011500000000000003가 나온다.

정말 작은 수이다.

만약 true value는 그대로인데 17번 라인을 보면 index 4번째가 0.1로 낮은 확률이 나왔다.

그 결과 함수를 실행하면 결과는 0.1315으로 0.7로 나온 경우보다 높은 값이 나왔다.

결론은 결과가 낮을수록 오차가 적다는 의미로 볼 수 있다.

결괏값을 보고 오차를 조정하면 된다.

 

오차 제곱 합(Sum of Squared Errors, SSE)

오차 제곱 합(Sum of Squared Errors, SSE)의 식.

(실제 값 - 예측 값)의 제곱을 2로 나눈 식이다.

약간 변형된 식을 보기도 한다.

오차 제곱 합(Sum of Squared Errors, SSE).

이 식은 시그마의 인수값이 다르다.

위 쪽에 인수값 n이 없고 아래 i만 있다.

i=1부터 n까지도 아니고 달랑 i 하나면 값을 하나만 받는다는 의미일까?

numpy.array를 실제값과 예측값에 할당하면 비록 배열 하나지만 내부의 많은 값을 활용할 수 있다.

예제 소스를 보자.

오차 제곱 합(Sum of Squared Errors, SSE) 파이썬 코드

4번 라인의 식을 보면 np.sum을 사용했다.

합계 구하고 반으로 나눴다.

식은 심플하다.

7번 라인 t는 index 4번째 값이 1이다.

9번 라인 y는 index 4번째 값이 0.7로 높은 확률이다.

결과는 0.057500000000000016로 아주 작은 값이 나왔다.

그렇다면 오차가 크면 어떨까?

18번 라인 y는 index 2번째 값이 0.7이고 매칭되는 index 4는 0.1로 낮은 확률이다.

결과는 0.6575로 0.7보다는 꽤 큰 값이 나왔다.

마찬가지로 결과 값이 0에 가까워질수록 오차가 없어진다는 의미고,

결과 값이 0보다 커질수록 오차도 커진다는 의미다.

제곱이라 오차가 커질수록 더 큰 차이가 나타난다.

정리.

손실 함수 중 회귀 문제를 다루는 함수 2 종류를 확인했다.

평균 제곱 오차(Mean Squared Error, MSE)와 오차 제곱 합(Sum of Squared Errors, SSE) 두 함수다.

손실 함수로 출력 값으로 정확도와 오차를 확인할 수 있다.

그 값을 활용해 신경망 성능을 향상할 수 있다.

오차를 줄여서 정답에 가까워져라~~~

지금까지 손실 함수 중 회귀 문제에 대해 정리해 봤다.

잘못된 정보는 댓글 바란다.

반응형