Главная    Интернет-библиотека    Финансы    Финансовый учет, элементы налогообложения     Методы налогового прогнозирования на макроуровне

Методы налогового прогнозирования на макроуровне

20.10.2015

Методы налогового прогнозирования на макроуровне

Опубликовано в журнале "Управленческий учет" №6 год - 2011

Васильева М. В.,
д. э. н., зам. директора
Финансово-экономического института по учебной работе,
 ФГОУ ВПО «Госуниверситет – УНПК»

Неотъемлемым элементом изучения и использования всей системы общественных отношений является прогнозирование. Прогнозирование в налогообложении – особый компонент системы выработки и принятия решений в сфере налоговых отношений государства и налогоплательщиков.

Прогнозирование поступлений налогов и сборов является одной из действенных хозяйственных функций государства в условиях экономики рыночного типа (рис. 1).

Прогнозирование, в отличие от планирования, является опережающим отражением будущего. Прогнозирование представляет вид познавательной деятельности, направленный на определение тенденций динамики конкретного объекта или события на основе анализа его состояния в прошлом и настоящем.

Основная задача налогового прогнозирования – определение на заданный временной период экономически обоснованного размера поступлений налогов в соответствующий или консолидированный бюджет.


В рамках выполнения научно-исследовательской работы по гранту Президента Российской Федерации для поддержки молодых российских ученых МК-8323.2010.6 наименование темы: «Методология формирования системы налогового прогнозирования и планирования на базе интеграции учетных и аналитических процедур».


 

Для составления прогнозов используются два подхода – генетический и нормативно-целевой (рис. 2) [7].

Базой для налогового прогнозирования являются прогнозы социально-экономического развития страны, ее регионов, муниципальных образований на соответствующий период и статистическая информация по основным макроэкономическим показателям.

Прогнозирование налогов представляет собой сложный многоступенчатый и итеративный процесс, в ходе которого должен решаться обширный круг различных проблем, для чего необходимо использовать в сочетании самые разнообразные методы [3].

Под методами прогнозирования понимается совокупность приемов и способов мышления, позволяющих на основе анализа ретроспективных данных, внешних и внутренних связей объекта прогнозирования вывести суждения с определенной степенью достоверности относительно будущего развития объекта.

Первоначальный выбор метода прогнозирования основывается на свойствах прогноза и применимости метода исходя из располагаемой информационной базы (рис. 3) [1].

В классификации методов налогового прогнозирования в экономической литературе единого мнения не сложилось. Обычно выделяют два основных типа методов (рис. 4).

Под субъективными понимаются методы, в соответствии с которыми при построении прогнозов не производится точная спецификация модели исследуемого процесса.

Объективные методы исходят из жесткого определения модели, так что любой другой специалист может использовать разработанный метод и при этом получать те же прогнозы.

При прогнозировании с применением примитивных методов учитываются только сами исследуемые показатели: целью такого прогнозирования является выявление некоторых закономерностей развития процесса во времени.

Каузативные методы помимо исследуемого (результативного) показателя учитывают и другие переменные, которые могут влиять на его изменения.

В большинстве случаев объективные и каузативные методы позволяют получить более точные прогнозы по сравнению с субъективными и примитивными, в том числе в условиях быстрых изменений [1].

По мнению экономиста Ф. К. Садыгова, основные методы, используемые в налоговом прогнозировании, можно объединить в четыре группы (рис. 5).

Экспертный метод разработки прогнозных оценок исходит из экспертных расчетов возможного поступления конкретных налогов и сборов [6].

Указанный метод включает в себя определение налоговых баз по каждому налогу и сбору, мониторинг динамики их поступления за несколько периодов, расчет уровней собираемости налогов и сборов, объемов выпадающих доходов, состояние задолженности по налоговым платежам, оценку результатов изменения налогового законодательства и т. д.

Детерминистический подход построения прогнозов налоговых поступлений наиболее часто реализуется через условный метод прогнозирования налоговых поступлений и метод «налогового калькулятора» (рис. 6) [4].

Статистические модели прогнозирования налоговых поступлений ориентированы на учет прямых эффектов воздействия на налоговую базу, в частности изменения в налоговом законодательстве и налоговом администрировании.

С помощью динамических моделей учитывается не только прямой эффект воздействия налогооблагаемой базы на объем поступлений, но и косвенные эффекты, такие как реакция базы налогообложения на изменение структуры национальной экономики и др. Динамические модели рассматривают ожидаемую реакцию секторов экономики на изменение налогового  законодательства. Использование динамических моделей требует большого количества достоверной информации, что для большинства стран с рыночной экономикой является неосуществимым, в том числе для современной России.

Метод «налогового калькулятора» как один из методов детерминистического подхода построения прогнозов налоговых поступлений используется тогда, когда доступна база данных с индивидуальными налоговыми отчетами налогоплательщиков. Метод «налогового калькулятора» предполагает применение модели типичного налогоплательщика и модели агрегирования.

Преимущество детерминированных методов прогнозирования состоит в простоте их применения. Основной недостаток данной группы методов заключается в низкой адекватности реальной действительности, так как поступление налогов как экономический процесс носит вероятностный характер [7].

При применении трендовых методов прогноз строится на основе использования только предыдущего значения переменной, в данном случае показателя налоговых поступлений. Эти простые модели с одной переменной считаются более надежными по сравнению со сложными структурными моделями. Для использования моделей временных рядов необходимо иметь только прошлые значения самой прогнозируемой переменной. Сдвиги в динамике временных рядов, связанные с реформами в налоговом законодательстве (структуре налога) или с какими-либо иными крупными изменениями, могут быть учтены в модели с помощью специального статистического приема – учета «фиктивной переменной». Суть прогнозирования переменной по прошлой ее динамике заключается в выявлении корреляции будущих значений этой переменной с ее прошлыми значениями. Если такую корреляцию можно определить и разложить ее на составляющие, придав ей структуру, то получатся достаточно точные прогнозы. Прогнозы временных рядов налоговых поступлений осуществляются с помощью таких трендовых методов, как экстраполяция, метод взвешенного скользящего среднего, метод двойного экспоненциального сглаживания, метод Хольта–Винтерса, модель авторегрессии и скользящего среднего [4].

Наиболее простым методом является метод экстраполяции, продолжения в будущем тех тенденций, которые сложились в прошлом. Метод экстраполяции – это метод научного исследования, заключающийся в распространении тенденций, установленных в прошлом, на будущий период.

В зависимости от того, какие принципы и какие исходные данные положены в основу прогноза, существуют следующие методы экстраполяции: среднего абсолютного прироста, среднего темпа роста и экстраполяция на основе выравнивания рядов по какой-либо аналитической формуле.

Прогнозирование по среднему абсолютному приросту может быть выполнено в том случае, если есть уверенность считать общую тенденцию линейной, т. е. метод основан на предположении о равномерном изменении.

Прогнозирование по среднему темпу роста можно осуществлять в случае, когда есть основание считать, что общая тенденция ряда характеризуется показательной (экспоненциальной) кривой. Если же ряду динамики свойственна иная закономерность, то данные, полученные при экстраполяции на основе среднего темпа роста, будут отличаться от данных, полученных другими способами экстраполяции.

Наиболее распространенным методом прогнозирования является аналитическое выражение тренда.

В качестве базы для применения этого метода служит информация:
– о поступлении конкретных налогов и сборов за определенные периоды предыдущих лет;
– об объемах выпадающих доходов;
– о состоянии задолженности по налоговым платежам;
– анализ тенденций в развитии налогооблагаемой базы, структуры налогоплательщиков и т. д. [7].

При этом методе прогнозирования соответствующие показатели должны приводиться в сопоставимые условия. Особенно важно правильно оценить размеры дополнительных поступлений налогов и сборов и выпадающих доходов в результате определенных изменений в налоговом законодательстве.

Различают формальную и прогнозную экстраполяцию. Формальная экстраполяция базируется на предположении о сохранении в будущем прошлых и настоящих тенденций развития объекта прогноза. При прогнозной экстраполяции фактическое развитие увязывается с гипотезами о динамике исследуемого процесса с учетом изменений влияния различных факторов в перспективе.

На практике для того чтобы построить количественную модель, выражающую общую тенденцию изменения уровней динамического ряда во времени, используют аналитическое выравнивание ряда динамики.

Выбор типа модели зависит от цели исследования и должен быть обоснован в теоретическом анализе, а также в графическом изображении фактических уровней ряда динамики (линейной диаграмме).

Следует отметить, что методы экстраполяции применяются на начальном этапе прогнозирования для выявления тенденций изменения показателей.

Данные методы просты в реализации, но модели, построенные на основе этих методов, не учитывают влияние таких факторов, как: изменение налогового законодательства, реакция налогоплательщика на эти изменения, связи между налогооблагаемыми базами отдельных налогов. Данный метод применяется в совокупности с другими, более точными методами для прогнозирования налогооблагаемой базы по отдельным налогам.

Прогнозы налоговых поступлений с использованием моделей с несколькими переменными создаются потому, что информация в таком многомерном временном ряде может улучшить качество прогноза исследуемого показателя.

Типичным представителем прогнозных моделей с несколькими переменными являются макроэкономические модели налоговых поступлений. При построении прогнозных значений налоговых поступлений предварительно прогнозируются объясняющие переменные с использованием различных методик, включая экономические методы, а затем прогнозируются сами налоговые поступления [7].

При этом используется несколько типов моделей прогнозирования с несколькими переменными:
– структурные экономические модели;
– линейные и нелинейные уравнения;
– индикаторные модели [4].

В экономическом прогнозировании различают макромоделирование, представляющее собой укрупненное моделирование показателей экономики страны в целом, и микромоделирование, т. е. построение моделей для отдельного экономического субъекта.

При создании и использовании моделей можно выделить несколько этапов (рис. 7) [5].

Микроимитационное моделирование – это моделирование на основе аналитической вычислительной модели, основанной на использовании отчетных данных по налогоплательщикам. Налоговые органы могут применять микроимитационные модели для оценки изменения собираемости налогов по типам налогоплательщиков и для оценки ожидаемых налоговых поступлений в разрезе налогоплательщиков, отраслей и т. д.

Единого подхода к построению микроимитационных моделей не существует, однако все множество микроимитационных моделей можно условно разбить на два класса – статистические и динамические [5].

Статистические модели чаще всего используются для имитации возможных краткосрочных последствий конкретных, детально специфицированных изменений налоговых законов и фискального регулирования.

Динамические модели используются для долгосрочного прогнозирования.

Стандартная микроимитационная модель состоит из трех компонентов:
1) база данных микроэкономического уровня (это данные по налоговым декларациям юридических и физических лиц за ряд лет);
2) программа расчета налогов по этим данным («налоговый калькулятор», который по исходным данным рассчитывает причитающиеся налоги в условиях действующего и альтернативного законодательства; данная программа может быть дополнена блоком поведенческих реакций налогоплательщиков на изменения налогового законодательства);
3) программа представления результатов, которая формирует выходные данные, показывающие, сколько налогов предстоит заплатить различным группам налогоплательщиков.

Одним из последних достижений в области микроимитационного моделирования является развитие методологии выявления учета и использования в прогнозировании имеющихся обратных связей между налоговой сферой и экономическим поведением хозяйствующих субъектов. Проблемой является точная численная оценка таких обратных связей. Для этого необходима максимально подробная и точная исходная информация, позволяющая оценить реакцию экономического субъекта на изменение налоговой политики.

Если обратные связи выявлены и включены в микроимитационную модель, расчеты по ней производятся в таком порядке:
1) оценивается изменение налогов в результате предлагаемого изменения налогового законодательства;
2) задаются различные варианты поведения налогоплательщика и рассчитывается для каждого из вариантов изменение их налоговой базы;
3) это изменение распределяется между всеми налогоплательщиками в выборке, после чего вновь рассчитываются налоговые поступления.

Важным достоинством методов имитационного моделирования является возможность сравнительной оценки ожидаемых налоговых поступлений при различных вариантах управляющих воздействий со стороны государства, а также при различных сценариях микро- и макроэкономических условий деятельности налогоплательщиков и исполнения бюджетов.

Результаты расчетов могут быть наглядно сопоставлены между собой с использованием деловой графики. Основным недостатком данного метода налогового прогнозирования является то, что создать исходную информационную базу для осуществления моделирования, учитывающую влияние различных факторов и воздействий, в настоящее время практически невозможно. Поскольку российская статистическая база недостаточна для применения микроимитационных моделей, прогнозирование налоговых поступлений в бюджет РФ строится на основе авторегрессионных и структурных моделей [5].

Методика прогнозирования налогов и сборов в бюджетную систему России с использованием структурных моделей основывается на фактических данных о значениях показателей налоговой отчетности, т. е. о налоговых поступлениях прошедших периодов, о базе налога и ее компонентах, а также на прогнозных значениях макроэкономических показателей [4].

В качестве основы для построения данной модели используется ряд «Начислено к уплате в текущем году». Такой подход позволяет прогнозировать потенциальную возможность поступления налогов.

Достоинством применения структурной модели является возможность получения качественных среднесрочных прогнозов в условиях ограниченного объема статистической информации [1].

Помимо прогнозирования поступлений отдельных налогов, на макроуровне может производиться прогноз налоговых доходов в целом.

На практике чаще всего применяются два метода прогнозирования налоговых доходов – метод отношения налогов к ВВП и метод суммирования прогнозных сумм отдельных налогов [2].

Метод отношения налоговых доходов к ВВП заключается в том, что прогнозная сумма налоговых доходов определяется исходя из прогнозного значения ВВП (в текущих ценах) и прогнозного отношения налоговых доходов к ВВП (Kt):

Прогноз параметра Kt производится исходя из фактических отношений налоговых доходов к ВВП по данным Госкомстата РФ как соотношение фактических налоговых доходов в момент времени t и ВВП в этот же период.

При этом, если прогнозируется ежегодный рост ВВП, среднее значение Kt определяется без учета значений Kt в кризисные годы. Затем среднее значение Kt корректируется с учетом целей налоговой реформы и оценки степени их достижения, прогнозируемых изменений пропорций между открытой и теневой экономикой и других факторов.

Метод суммирования прогнозных сумм отдельных налогов производится в следующей последовательности:
1) прогнозируются суммы основных налогов исходя из прогнозов налогооблагаемой базы и эффективных налоговых ставок (при прогнозе эффективных ставок учитывается ожидаемое изменение уровня собираемости налогов). При прогнозе суммы n-го налога в t-м году используется следующая формула:

где Нt – прогнозируемая сумма n-го налога в t-м году;
НБt – прогнозируемая налоговая база n-го налога в t-м году;
Эt – прогнозируемая эффективная ставка n-го налога в t-м году.

2) определяется прогнозная сумма всех налоговых доходов путем суммирования прогнозных сумм основных налогов и деления этой суммы на прогнозную долю основных налогов в сумме всех налоговых доходов.

Прогноз налогооблагаемых баз проводится по отраслям, секторам экономики, отдельным товарам, крупнейшим налогоплательщикам.

При применении метода отношения налоговых доходов к ВВП, как и при применении данного метода, возникает проблема учета влияния налоговых реформ [2].

Учет влияния налоговых реформ на прогнозные суммы налоговых доходов облегчается, если ими предусмотрены количественные значения отдельных целей реформ и если эти реформы реализуются в установленные сроки. Однако дать количественную оценку влияния каждого изменения в налоговом законодательстве на каждый налог и его поступления практически невозможно. Поэтому применение данного метода эффективно только в условиях неизменности налогового законодательства.

Таким образом, налоговое прогнозирование на уровне государства и органов местного самоуправления служит основой для выработки прогноза социально-экономического развития страны, субъектов Российской Федерации и муниципальных образований на среднесрочный и долгосрочный периоды. В то же время результаты налогового прогнозирования зависят от качества прогноза основных показателей социально-экономического развития страны, правильности определения динамики рыночной конъюнктуры, обоснованности предполагаемых изменений, состояния денежного обращения, курса рубля и т. д., поэтому разрабатывается несколько вариантов социально-экономического развития страны в прогнозируемом периоде.

Выбор методов прогнозирования зависит от нескольких факторов: от требуемой точности и сложности прогноза, наличия и полноты исходных данных, задач и горизонта планирования.

При прогнозировании налоговых поступлений целесообразно применять комплексные методы, основанные на использовании нескольких методов и подходов к налоговому прогнозированию. Это объясняется тем, что на основе объединения различных моделей, рассчитанных с определенной вероятностью прогноза, можно построить общую модель, которая будет максимально учитывать все факторы, влияющие на прогнозную сумму налоговых поступлений.

При неизменности налогового законодательства эффективным методом является метод соотношения налоговых доходов с ВВП, а также методы тренда, которые просты в применении и не требуют больших затрат на их реализацию.

Таким образом, методы налогового прогнозирования являются одним из аспектов, раскрывающих теоретическую сущность налогового прогнозирования, а также инструментом практической реализации теории налогового прогнозирования. От правильного подбора методов налогового прогнозирования зависит точность конечного результата, а также возможность мобилизации потенциально возможных налоговых доходов в будущем.

Литература
1. Астафьева Е. Среднесрочное прогнозирование налоговых поступлений с использованием структурных моделей // Проблемы теории и практики управления. – 2007. – № 3. – С. 16–31.
2. Васильева М. В. Методология налогового прогнозирования в рыночной экономике // Экономические и гуманитарные науки. – № 9. – 2010. – С. 135–143.
3. Коростелкина И. А. Теоретико-методические рекомендации по расчету налогового бремени экономического субъекта // Управленческий учет. – № 8. – 2010.
4. Минаков А. В. Модели анализа и прогнозирования налоговой базы и налоговых поступлений // Экономический анализ: теория и практика. – 2005. – № 5. – С. 47–52.
5. Паскачев А. Б. Анализ и планирование налоговых поступлений: теория и практика / под ред. Ф. К. Садыгова. – М.: Изд-во экономико-правовой литературы. – 2004. – 316 с.
6. Пешкова Е. П. Моделирование прогноза налоговых поступлений в бюджет/Е. П. Пешкова, А. А. Пешкова, Л. В. Вардересян // Финансы и кредит. – 2008. – № 20. – С. 17–22.
7. Попова Л. В. Прогнозирование и планирование в налогообложении: учеб. пособие для вузов / Л. В. Попова, Н. Г. Варакса, М. В. Васильева. – Орёл : ОрелГТУ, 2007. – 264 с.

Также по этой теме: