Реферат: Информатизация налоговых систем
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, уi max - максимальное значение, уi min - минимальное значение, уi opt - 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 DТi Ј 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<a,b,c,d<1).
Следует отметить, что расчетный период не должен быть длительным. Условия кривой Лаффера предусматривают падение доходов бюджета на некотором промежутке времени, длительность которого зависит также от степени адаптируемости предприятия к данной экономической ситуации. Если степень адаптируемости невысока и до начала действия условий Лаффера проходит слишком много времени, то существует опасность того, что последующий рост производства и, соответственно, налоговых отчислений, не сможет компенсировать потери от длительного временного лага.
Как правило, параметр 
(t) имеет большое значение и априори неизвестен, или же его определение сопряжено с трудностями, например, с дорогостоящим экономическим мониторингом и с необходимостью обучения модели. В этих условиях необходимо решить задачу идентификации параметра (t) по минимально достаточным для идентификации дополнительным данным экспериментального, априорного характера.
Компьютерное моделирование, вычислительный эксперимент, системы поддержки принятия решений в налоговых системах позволяют отсеять ошибки стратегии и тактики налогообложения, не пропускать их в законодательные акты, в практику. Из-за длительности и сложности, а также плохой структурированности процессов в этих системах математическое и компьютерное моделирование часто может стать наиболее рациональным, адекватным и эффективным орудием исследования этих систем и управления процессами. Математическое и компьютерное имитационное моделирование могут быть использованы для решения, в частности, таких важных проблем выработки налоговой политики, как:
согласования объемов импорта и экспорта;
максимизации возвращения в страну капитала;
увеличения декларирования доходов в частном секторе;
реструктуризации низкоэффективных налогов;
дифференциации налогов;
ограничения воздействия инфляции и изменений курса рубля на ставку и технику налогообложения, динамику поступлений налогов (например, уменьшения промежутка времени между производством товаров и услуг и уплатой соответствующих им налогов); введение льгот на налогообложение и др.
База знаний и экспертная система. Рассмотрим (модельную) базу знаний и экспертную систему “Налоговая среда”, которая позволит оценивать (качественно) социально-экономическое и налоговое состояние некоторой среды по задаваемым пользователем (налоговым экспертом) количественным оценкам тех или иных ее параметров, выбираемым из базы знаний системы. Для каждого входного фактора в диалоговом режиме задаются относительные (от 0 до 1) оценки влияния этого фактора (вес фактора). После анализа этих данных (этой налоговой обстановки) система на основе базы знаний принимает решение о состоянии социально-экономической среды, используя удельную количественную оценку (от 0 до 1) и 10-бальную качественную систему влияния (до 0,1 – максимальное отрицательное воздействие, до 0,2 – значительное отрицательное, до 0,3 – выраженное отрицательное, до 0,4 – некоторое отрицательное, до 0,5 – слабое отрицательное, до 0,6 – слабое положительное, до 0,7 – некоторое положительное, до 0,8 – выраженное положительное, до 0,9 – значительное положительное, до 1,0 – максимальное положительное). База знаний может быть основана на нечетких данных и выводах (на нечетких и эвристических средствах и технологиях). Такие системы могут стать ядром АРМа налогового работника.
Работу модельной экспертной системы иллюстрирует приведенный ниже сценарий диалога (моделируется гипотетическая налоговая ситуация). Входные параметры – экспертные оценки факторов налоговой системы. Выходные параметры – качественно-количественная(ые) оценка(и) общего состояния налоговой системы.
Протокол диалога с экспертной системой
Состояния входных параметров:
1. Уровень контроля налоговых органов: 0.7
2. Удельный вес привлеченных средств: 0.31
3. Удельный вес собственных средств: 0.78
4. Оценка кредиторской задолженности: 0.3