Информатизация налоговых систем

Информатизация налоговых систем

В.М. Казиев, О. Л. Шандиров, К. В. Казиев.

Системные аспекты и анализ

Наличие развивающейся адекватной системы социально-экономических, правовых, технологических, гуманитарных связей и отношений — необходимая предпосылка построения информационного общества. При этом одной из важнейших социально-экономических систем является налоговая [1, 8, 11, 13]. Уровень экономического развития общества определяется как развитием средств производства и производственных процессов, так и развитием информационных процессов и отношений в налоговых системах, причем их состояние решающим образом воздействует на эволюцию производственных и непроизводственных сфер, а также на все общество в целом.

Информатизация налоговых систем — это процесс превращения их в управляемые, самоорганизующиеся системы на основе средств описания и изучения, технологий их актуализации, направленных как на получение информации, знаний (это их внутренняя сущность), так и на использование информации, знаний, принятие на их основе решений в различных социально-экономических областях (это их внешняя сущность).

При информатизации налоговых систем решается целый ряд задач. В их числе компьютерная и технологическая поддержка деятельности налоговых служб, в частности, компьютеризация, развитие систем и средств связи налоговых служб, использование типовых компьютерных сетей и корпоративных открытых информационных систем для оперативного учета, контроля и делопроизводства. При этом компьютеризация — не самоцель, а необходимое инструментальное обеспечение для постановки и решения проблем информатизации и делопроизводства.

Еще один пласт задач — автоматизация работ по налогообложению (ведение баз данных по налогооблагаемым лицам, налоговому законодательству, действиям налоговой службы и др.) и подготовка (переподготовка) кадров для ее поддержки, разработка и использование АРМ работника налоговой службы. Здесь автоматизация служит средством необходимой методологической и технологической поддержки.

Решаются также задачи разработки и использования экономико-математических моделей и расчетов для оперативного и долгосрочного прогнозирования экономических ситуаций, например, динамики сбора налогов и ставок налогообложения, оптимальных и предельных ставок налогообложения и др. При этом моделирование является средством необходимой экономико-математической поддержки предсказуемости и устойчивости системы.

В процессе информатизации достигается интеллектуальное обеспечение принятия решений в различных социально-экономических ситуациях и оценки динамической тяжести налогового бремени, финансовых последствий решений в системе налогообложения, инфологическая и компьютерная поддержка принятия таких решений. Оно служит необходимой поддержкой ЛПР и является условием жизнеспособности системы.

В число важнейших задач информатизации входят также обеспечение информационной безопасности налоговых систем и учреждений, моделирование и прогнозирование информационной опасности и несанкционированного доступа к данным. Обеспечение этих функций является необходимым условием надежности и помехоустойчивости системы.

В процессе информатизации налоговой системы необходимо создать программно-алгоритмическую и техническую базу разработки и внедрения перспективных вычислительных сред, корпоративных систем и сетей. Предстоит также создать качественные и гибкие налоговые информационные потоки и структуры, системы на основе внедрения новых информационных технологий и информационного реинжиниринга. Одновременно следует обеспечить информационную безопасность налоговых систем и повысить налоговую, информационную грамотность населения.

Любое экономическое решение должно быть основано на фундаментальных принципах системного анализа, информатики, теории управления и учитывать поведение человека и организационно-рыночной структуры в окружающей среде, рациональные и экономически обоснованные формы мотивации и нормы поведения в этой среде. В налоговых системах часто отсутствует системный подход: одни виды налогов стимулируют одни виды деятельности, а другие — совершенно иные, отсутствует единый источник налоговых платежей, имеются косвенные налоги (НДС, акцизы), отдельные виды налогов несопоставимы и т. п. Системный подход к взиманию налогов означает единый источник налогов — прибыль, причем с учетом меры влияния налоговых составляющих прибыли на саму прибыль, а также с учетом отчислений во внебюджетные фонды. Необходима единая налоговая правовая база, система мер, способствующих росту ответственности за налоговые правонарушения, а также сокращающих риск и повышающих инвестиционную активность и устойчивость предпринимательской деятельности. Важным фактором системности экономических решений, особенно, в налоговой политике, является понимание того, что экономические ценности актуализируемы лишь с учетом культурных, религиозных, политических и других ценностей и институтов общества — каждое общество само (иногда неявно) устанавливает место экономических ценностей в системе других ценностей, упорядочивая их (например, с помощью налоговых норм и прав) в структуры и законы.

Основные системно-информационные цели налоговой системы:

актуализация и поддержка правовых актов и законов о налогах и платежах;

учет платежей и плательщиков, правильности и своевременности платежей в бюджет;

взаимодействие с исполнительными, финансовыми органами;

правильное применение штрафных санкций, учет скрытых (заниженных) прибылей и потерь в теневой экономике;

представление отчетности и документации вышестоящим органам и др.

Основные системно-информационные функции налоговой системы:

обеспечение учета налогоплательщиков и налогов по категориям, видам платежей и т. п.;

анализ динамики налоговых платежей и их прогнозирование по всем основным и отслеживаемым факторам;

проведение налогового мониторинга;

анализ экономической деятельности предприятий региона;

организация и проведение необходимых налоговых мероприятий;

внедрение систем и сред с использованием новых информационных технологий, систем принятия и поддержки решений;

совершенствование функционирования налоговых систем и систем налогообложения и др.

Развитие налоговой системы определяется целью и ресурсами системы, а изменение внутрисистемной информации происходит таким образом, чтобы уменьшалась энтропия системы (в соответствии с информационной синергетикой).

При формировании федеральной и региональной налоговой политики необходимо учитывать, что сфера производства, распределения и потребления товаров и услуг невозможна без сферы производства, распределения и потребления знаний и профессионализма, а уровень развития общества зависит от качества, количества и адекватности информационных потоков и магистралей для решения социально-экономических проблем.

Политика информатизации, инвестиционная и налоговая политика тесно взаимосвязаны и в информационном обществе взаимно определяют друг друга.

Новые информационные технологии в налоговых системах: проблемы, примеры и опыт применения модельных решений.

Самые прогрессивные информационные технологии не могут развиваться и даже функционировать в условиях слаборазвитой и негибкой, неэффективной экономики, низкой квалификации и недостаточного профессионализма работников. Для нормального развития таких технологий необходимо также четкое понимание социально-экономических систем (их целей, ресурсов, моделей), ведущих к эффективному производству и бизнесу, рациональному распределению и потреблению, целенаправленным и ресурсообеспеченным процессам в обществе.

Чаще всего в налоговых системах актуализируются следующие новые информационные технологии:

моделирование и вычислительный эксперимент;

базы данных и автоматизированные информационные системы (АИС);

базы знаний, экспертные и интеллектуальные системы (в том числе часто — эвристические процедуры и системы);

интеллектуальные среды планирования и управления;

телекоммуникационные средства доступа и сжатия информации;

автоматизированные системы (контроля, управления и т. д.), АРМы;

компьютерные, виртуальные организационные системы;

интегрированные пакеты прикладных программ;

мультимедийные, гипертекстовые, гипермедийные и WWW-технологии;

технологии когнитивные и визуализации;

объектно-ориентированные технологии;

средо-ориентированные технологии;

CASE-технологии;

нечеткие и нейро-ориентированные технологии.

Рассмотрим примеры, демонстрирующие имеющийся у авторов опыт их использования, а также перспективы применения и направление вектора информационного реинжиниринга налоговых систем. Выберем для этой цели часто применяемые в таких системах технологии.

Экономико-математическое и компьютерное моделирование, вычислительный эксперимент. Для решения актуальных задач управления и планирования используются математическое, в частности, имитационное моделирование и вычислительный налоговый эксперимент. Перечень решаемых задач постоянно расширяется, а сами модели усложняются.

Актуальной задачей в налоговых системах является анализ и, хотя бы краткосрочное, прогнозирование темпов сбора налогов. Рассмотрим следующую модельную задачу: построить математическую и компьютерную модель и провести вычислительные эксперименты для анализа динамики задолженности и налогособираемости, а также выявления факторов, влияющих на эту динамику.

Смысл используемых ниже переменных: х1 — коэффициент абсолютной ликвидности; х2 — коэффициент текущей ликвидности; х3 — дебиторская задолженность; х4 — кредиторская задолженность; х5 — превышение кредиторской задолженности над дебиторской; х6 — коэффициент финансовой зависимости; х7 — коэффициент соотношения привлеченных и собственных средств; х8 — кредиторская задолженность перед бюджетом; х9 — кредиторская задолженность по социальному страхованию и внебюджетным платежам; х10 — коэффициент собираемости налоговых платежей; х11 — коэффициент собираемости налога на прибыль. Эти коэффициенты определяются в соответствии с известными финансовыми и нормативно-справочными материалами и по данным республиканской налоговой базы данных (БД УМНС РФ по КБР).

Были проведены различные (отсеивающие, классифицирующие, регрессионные и корреляционные) вычислительные эксперименты с использованием БД УМНС РФ по КБР. План экспериментов определялся экономическими соображениями, а также целями и рекомендациям отдела анализа УМНС РФ по КБР. Большинство экспериментов было направлено на выявление факторов, оказывающих наибольшее влияние на сбор налогов (на коэффициент сбора налогов) за различные месяцы, кварталы и годы, на оценку налогового потенциала предприятий, их финансовой самостоятельности и устойчивости. В частности, осуществлялись эксперименты по нахождению эмпирических зависимостей вида: x10 = f (x1, x2, x3, x4, x6, x8, x9), x10 = f (x3, x4, x6, x7, x8), x10 = f (x1, x2, x6, x7), x10 = f (x3, x4, x8), x10=f (x1, x2, x3, x4, x5, x6, x7, x8, x9), x10 = f (x1, x2, x6), x10 = f (x3, x4, x8, x9), x10 = f (x3, x4, x8), x6 = f (x3, x4, x8, x9), x10 = f (x1, x2, x6), x6 = f (x1, x2, x3, x4, x5, x7, x8, x9, x10, x11), x10 = f (x1, x2, x3, x4, x5, x6, x7, x8, x9, x10), x6 = f (x1, x2, x3, x4, x7, x8, x10), x10 = f (x1, x2, x3, x4, x6, x7, x8), x6 = f (x1, x2), x6 = f (x1, x2, x10, x11).

Важные эксперименты ставили целью нахождение эмпирической зависимости вида х6 = f (x1, x2, x3, x4, x7, x8, x10). Она позволяет статистически оценить финансовую зависимость предприятий района, их налоговый потенциал. Например, в результате обработки данных из БД УМНС РФ по КБР по Баксанскому району КБР была найдена линейная зависимость вида:

x6 = 0.85 278 + 0.1 021×1 + 0.0001×2 — 0.5×3 + 0.2×4 + 1.25×7 — 0.12×8+0.281×10 .

Коэффициент множественной корреляции значим и составляет 0.98. Вычислены доверительные интервалы коэффициентов связи и значимость. Построена также общая корреляционная таблица 95%-ной значимости, которая позволяет оценить тесноту связей указанных выше факторов и определить основные управляющие и управляемые параметры налоговой системы, осуществить краткосрочное планирование и управление.

Аналогичные зависимости были получены и использованы для других районов и городов КБР. Не приводя их из-за однотипности, отметим основные результаты анализа проведенных экспериментов:

наиболее адекватные результаты получены для экспериментов типа x6 = f (x1, x2, x3, x4, x5, x7, x8, x9, x10, x11) и x6 = f (x1, x2, x3, x4, x7, x8, x10);

по каждому району и городу для экспериментов указанных двух типов найдена регрессионная зависимость с высокой степенью адекватности; коэффициент множественной корреляции равен 0.96 — 1.0, а относительная погрешность составляет в среднем 5 — 9%; эксперименты других типов дают худшие результаты и требуют использования нелинейного регрессионного анализа и более сложных методов, что, однако, не представляет принципиальных трудностей;

использованная авторская программа (возможно использование известных мощных пакетов анализа, например, MATHCAD, STATISTICA, но этот путь требует согласования входных и выходных спецификаций пакета и БД УМНС РФ по КБР) работает качественно, например, имевшиеся колебания параметров (от 7814.612 до 0) «ухвачены» и отражены в модели, а вычисленные доверительные интервалы коэффициентов зависимостей можно использовать для определения предельных прогнозных значений функции отклика;

по указанным зависимостям можно оценивать (прогнозировать на короткий срок, например месяц, квартал) сбор налогов и финансовую активность предприятий при тех или иных значениях остальных значимых факторов, т. е. можно проводить имитационные расчеты и планирование;

необходимо построить более сложные и адекватные модели (отследить динамику за длительный период) и провести налоговый информативный мониторинг.

В региональной системе налогообложения очень важно использовать методы анализа экономического и финансового состояния предприятий и фирм, позволяющие получать сравнительные оценки экономической или финансовой устойчивости предприятий и их налогоплатежеспособности. Такой анализ необходим и для выработки соответствующих рекомендаций по изменению порядка уплаты налогов, их структуры и др.

В настоящее время в стране и, в частности, в КБР растет удельный вес убыточных предприятий. Как показывают данные по республике за 1998 г., самые большие убытки в размере 70,1% наблюдаются в промышленности. Проводимые эксперименты, анализ их результатов позволяют оценить потенциал производителей.

Сложность и многообразие, слабая структурированность и плохая формализуемость экономических и политических механизмов, определяющих работу предприятий, не позволяют преобразовать процедуры принятия решений в налоговой системе в эффективные математические модели [7] и алгоритмы прогнозирования. Поэтому часто эффективно использование хотя и простых полуэмпирических (подобных описанным выше), но гибких, надежных и технологичных процедур принятия решения. Кроме того, в силу динамичности процессов, происходящих в налоговых системах, их плохой формализуемости и структурируемости, недостатка информации, дороговизны и сложности проведения налогового мониторинга, имитационное моделирование зачастую является основным источником получения информации о системе.

Имитационная модель может быть прогнана с различными ставками налогообложения, что позволит выработать оптимальную для бюджета ставку (она отличается от максимальной ставки), в частности, соответствующую той или иной кривой Лаффера. Эти кривые демонстрируют, что с ростом ставки налогообложения сбор налогов в бюджет увеличивается лишь до определенного значения, а затем уменьшается. Может иметь место оптимальная ставка налогообложения, максимизирующая инвестиции в экономику, и она меньше ставки, максимизирующей поступления налогов в бюджет. Высокие налоги ведут к спаду производства, деловой активности, сокрытию доходов, инфляции.

Рассмотрим еще одну, пока лишь исследованную математически, и не доведенную до практического использования (из-за необходимости идентификации модели), но достаточно актуальную задачу — моделирование возможности снижения налогового бремени [6].

В последнее время все острее ощущается необходимость прогнозирования воздействия уровня налогообложения на деятельность хозяйствующего субъекта. В частности, необходимо определить ту предельную норму, превышение которой влечет потери общества и государства. Определение совокупной величины налоговых сборов таким образом, чтобы она, с одной стороны, максимально соответствовала государственным расходам, а с другой — оказывала слабо отрицательное воздействие на деловую активность, относится к числу главных задач государственного управления. В России, в отличие от большинства развитых стран, значительная часть доходов поступает в государственный бюджет в виде налогов с юридических лиц. При таких условиях важно смоделировать, как снижение налогового бремени влияет на деятельность и платежи предприятий в бюджет.

Итак, наша задача заключается в том, чтобы определить потенциальную возможность увеличения собираемости налогов в зависимости от поведения различных факторов, влияющих на этот процесс. Объектом исследования будут способы увеличения объемов выпуска и факторы, на это влияющие. Поэтому в качестве налоговой базы принимаются объемы выпуска продукции.

Пусть Q — исходная налоговая база (объем выпуска в денежной форме), В — доход бюджета, Т — налоговая ставка. Сформулируем многокритериальную оптимизационную задачу нахождения максимума прироста общего объема выпуска продукции.

,.

где n — количество рассматриваемых предприятий, DQi — прирост объема выпуска i-го предприятия. Для простоты рассмотрим аддитивный вариант — максимальный прирост общего объема выпуска продукции есть сумма максимальных приростов выпуска продукции каждого предприятия:

Используя производственные функции типа Кобба-Дугласа, прирост объемов выпуска по каждому предприятию будем выражать в виде:

где m — количество факторов, yi (t) — i-й фактор, уimax — максимальное значение, уimin — минимальное значение, уiopt — оптимальное значение i-го фактора, t — время расчетного периода, ai (t) — важность фактора уi и она является весовой функцией каждого i-го фактора.

Так как величина начальной налоговой ставки оказывает непосредственное влияние на деятельность предприятия, в качестве фактора у0 принимается величина ставки налогообложения Т0 в начальный момент времени t0 = 0. При этом 0 Ј Т0 < 1.

Оптимальными значениями i-го фактора будем считать экспертные оценки, характеризующие оптимальные значения по каждому i-му фактору, или данные, выбираемые из статистических материалов, баз данных или же получаемые в результате решения более простых оптимизационных задач. Для нашей задачи актуальна следующая интерпретация: фактор у1(t) — величина изменения налоговой ставки DТi (0Ј DТiЈ 1 — Т0); фактор у2(t) — коэффициент рентабельности продукции R (в долях единицы), аЈ RЈ b; фактор у3(t) — удельный вес условно-постоянных расходов L в их общей величине (в долях единицы), cЈ LЈd (0.