Контрольная работа: Бюджетное планирование и прогнозирование

Контрольная работа: Бюджетное планирование и прогнозирование

Вариант 8

Ответить подробно на теоретические вопросы

1.  Моделирование прогноза налоговых поступлений в бюджет

прогнозирование бюджетный налог планирование

Основную часть консолидированного бюджета РФ составляют средства, полученные от налоговых поступлений. При этом широко распространена точка зрения, согласно которой уровень налоговых изъятий в России крайне высокий и препятствует экономическому росту. В наступившем году вступают в силу пакет либеральных поправок в Налоговый кодекс, оценим последствия проведенной реформы[1].

Прогноз именно налогов надежнее тем, что доход зависят от легче предполагаемых изменений экономических условий, тогда как расходы - от политических решений, которые подвергаются партийным и другим внеэкономическим влияниям. Прогнозирование предусматривает оценки ожидаемых поступлений по каждому из налогов за определенный период с учетом влияния изменений их параметров (высота ставок, льготы и др.).

Кроме того, на прогностические расчеты государственных доходов влияет и обратная зависимость экономики от уровня налогов. Так, макроэкономические показатели инвестиций и личного потребления реагируют на общую норму налогообложения, а на микроуровне потребления отдельных налогооблагаемых товаров и услуг зависит от высоты конкретных налоговых ставок.

Самый простой метод прогнозирования налоговых поступлений - экстраполяция современных тенденций в налогообложении на определенный будущий период.

Однако такие оценки неточные через предположение, что доходы в будущем будут такие же, как в прошлом, независимо от изменений базы налогообложения или налоговой системы. Поэтому для надежности прогнозов необходимо применять методы, которые увязывают налоговые доходы с их базой, и наоборот, учитывать изменения параметров налогов, которые вызывают изменения базы налогообложения. При этом динамика доходов в течение определенного периода может зависеть как от автоматических, так и дискреционных эффектов. Первые отражают увеличение поступлений в бюджет благодаря расширению базы налогов, например в связи, с расширением производства. Вторые объясняются изменениями налогового законодательства (высоты ставок, перечняльгот и т. п.).

В странах ОЭСР распространены три основных метода прогнозирования бюджетных поступлений из отдельных налогов с последующим определением суммы полученных прогнозов:

- детализированное моделирование;

- применение фактической налоговой ставки;

- определение эластичности.

Каждый из этих методов имеет свои недостатки и преимущества.

Метод моделирования открывает репрезентативная выборка реальных налоговых деклараций, на основе которой на компьютере моделируется существующая совокупность налогоплательщиков. Прогнозирования налоговых поступлений осуществляется исходя из перспективной оценки базы соответствующего налога через пропорциональное распределение этой базы между представленными в модели разными категориями плательщиков. Затем исходя из действующего законодательства становится возможным расчет суммы налога, надлежащей к уплате каждым из включенных в выборку групп плательщиков, а также подсчет общей суммы налоговых поступлений.

Альтернативный метод фактической налоговой ставки заключается в использовании данных о действующих налоговых ставках, льготах и освобождение от налога для определения средней ставки относительно базы налогообложения. Поступления прогнозируются умножением оценочной базы налогообложения на среднюю налоговую ставку. Этот метод удобен для прогнозирования акцизов и налога на добавленную стоимость как структурно более простых от налогов на доходы и прибыли.

Например, представим страну, в которой на все товары, кроме продовольствия, действует 15-процентная ставка налога на добавленную стоимость. Доля продовольствия (нулевая ставка) составляет 40% общей стоимости потребления. Тогда средняя ставка налога на добавленную стоимость по расчету (0 • 0,4 0,15 • 0,6) равняется 9%. На основе прогноза о будущем уровень потребления можно рассчитать ожидаемые поступления налога, умножив показатель удельного веса потребления в ВВП на 0,09. Эксперты МВФ считают метод фактической ставки единственно возможным в том случае, когда вводится новый налог и, соответственно, отсутствуют данные за предыдущие годы.

Самый распространенный третий метод прогнозирования - определение эластичности как количественной зависимости между ежегодным приростом поступлений от определенного налога и расширением его базы (т.е. отношение процентного изменения налоговых поступлений в процентном изменении налоговой базы). Определив коэффициент эластичности по данному налогу и рассчитав темпы роста его базы, прогноз поступления можно вычислить умножением темпов роста базы на коэффициент эластичности.

В таком случае для расчетов используют показатели эластичности, полученные на основе эмпирического опыта (так называемый метод априори). Так, относительно номинального значения национального продукта (как базы налогообложения) коэффициент эластичности для большинства налогов, как правило, меньше единицы. Применению пропорциональным ставкам, что чаще всего касается налога на добавленную стоимость и акцизов на товары (кроме предметов роскоши), соответствует коэффициент эластичности, равный единицы.

Для налогов по прогрессивной шкале ставок (налог на личные доходы и на прибыль корпораций) уровень эластичности обычно больше единицы. А по очень высокой прогрессии ставок коэффициент эластичности прибыльных налогов в отношении дохода (прибыли) может достигать 1,5 и даже выше в условиях инфляции, поскольку последнее номинальное повышает дохода каждого плательщика продвигает его в высший разряд шкалы налоговых ставок.

В современных рекомендациях МВФ для стран с переходной экономикой фигурируют более сложные эконометрические модели прогнозирования налоговых поступлений и соответственно определение коэффициентов эластичности с базой налогообложения и эластичности самой базы по валовым продуктам, предложенные четверть века назад английскими экономистами Ш. Чандом и А. Тайтом для развивающихся стран.

По их заключению, если по прогрессивной шкале налоговых ставок статистические расчеты показывают низкую эластичность налога за базой, то либо структура базы меняется за счет увеличения количества плательщиков, которые платят налог по более низким ставкам, налоговая служба действует неэффективно. Кроме того, Чанд и Тайт призвали подходить к результатам прогнозирования «с позиций здравого смысла».

Подобное предупреждения не может не означать, что в случае несоответствия формализованных прогнозных расчетов налоговых поступлений реалиям (обстоятельствам, интересам), такие прогнозы нуждаются в коррекции, если ими не можно пренебречь полностью.

На конец января 2009 года министр финансов Алексей Кудрин оценил общий размер уже осуществленных антикризисных мер примерно в 2,1 трлн. рублей. Из этой суммы примерно 1 трлн. рублей приходится на снижение налогов, т.е. на недополученные бюджетом средства. За январь-июль 2009 года в федеральный бюджет РФ поступило 1 трлн. 656,4 млрд. рублей администрируемых Федеральной налоговой службой доходов, что в 1,6 раза меньше, чем за аналогичный период прошлого года. Всего в бюджетную систему страны за 7 месяцев 2009 года 4 трлн. 811,5 млрд. налоговых рублей, что на 23,8% меньше, чем за январь-июль 2008 года.

Дефицит бюджета на 2009 год, по самой скромной оценке, составит 6,1% от ВВП. Финансироваться он будет за счет средств Резервного фонда и Фонда национального благосостоянии, но приходится задуматься о продолжении кризиса и в 2010 году. Сокращать бюджетный дефицит за счет внешних заимствований российские власти не намерены. Как поясняет Кудрин, рост госдолга приведет к повышению процентов по внешним займам для российских компаний, из-за чего их положение еще больше усугубится. В связи с чем, в вопросе налогообложения возникла проблема выбора между концепциями финансовой стабилизации и экономического роста. Снижение налогов в период кризиса, теоретически является объяснимым и неоспоримым шагом, однако на практике все обстоит гораздо сложнее.

Для того, чтобы снизить вероятность неподкрепленного ничем дефицита, необходимо произвести точные расчеты доходов бюджета и прогноз на определенную перспективу. Во многом ориентируясь именно на это, рассчитать приемлемо ли для современной ситуации введение той или иной реформы. В условиях кризиса особое значение приобретает среднесрочное и краткосрочное прогнозирование, которое является единственным доступным и относительно правдивым источником информации, необходимой для принятия текущих управленческих решений. Это касается как микропроцессов на отдельном предприятии, так и макроэкономики в рамках всего государства, в том числе и прогнозов налоговых поступлений.

На сегодняшний день прогнозирование налоговых поступлений проводится на основе макроэкономических показателей[2] и ведущую роль при определении величины налоговых доходов государства играют экономические факторы, воздействующие на изменения базы налогообложения и на величину эффективной ставки: месячный реальный ВВП (оценка влияния экономической активности), индекс потребительских цен (используется в качестве дефлятора), динамика инфляции, совокупная дебиторская задолженность за вычетом просроченной задолженности покупателей (характеризует динамику расчетов между предприятиями).

Методика, основанная на анализе макроэкономических показателей является обоснованно эффективной в стабильных условиях, но приобретает множество ограничений и оговорок при резких изменениях ситуации на рынке. Так, например, даже в условиях стабильной экономики месячные и годовые оценки ВВП многократно пересматриваются, причем их корректировки составляет до 20 - 25%, сумма месячных данных может сильно расходится с годовой оценкой.

В современных условиях оценка ВВП условна и осуществлять прогноз на основании данного показателя можно только с очень широким доверительным интервалом. Во-вторых, механизмы взаимосвязи между налоговой базой, эффективной ставкой налога и инфляцией для разных налогов различны, что приводит к неодинаковой степени чувствительности отдельных налогов к инфляционным процессам, а значит, интегральный эффект определить очень сложно, особенно в периоды высокой или скачкообразной инфляции. Показатель же дебиторской задолженности наоборот потерял за счет изменения законодательства свою значимость: даже при значительном росте совокупной дебиторской и просроченной дебиторской задолженностей во время кризиса, задолженность перед бюджетом может увеличиться весьма незначительно.

В условиях нестабильности целесообразно использовать не экономические, а статистические методы анализа, причем именно микроэкономических процессов. Работа с большим объемом явлений более надежна, так как в таком случае значительно уменьшается влияние поведения и состояния конкретного объекта и нивелируется ошибка итогового по всей совокупности прогноза. Приближенную оценку налоговых обязательств, причитающихся к уплате в будущем периоде, можно получить суммированием поступлений налогов и прироста недоимки за указанный период от каждого отдельного налогоплательщика. Возникает вопрос о технической и технологической возможностях проведения прогноза подобным образом.

1. Исходные данные для осуществления прогноза

В первую очередь необходимо отметить, что прогнозирование на основе микропоказателей требует изменения подхода к самой организации этого процесса. В настоящее время прогнозирование происходит по уже обобщенным показателям на уровне инспекции или даже региональном уровне. Разработка прогноза осуществляется на основании показателей налоговой отчетности о базе налогообложения, о поступлении и задолженности по налогам, показателей социально-экономического развития региона, полученных от УФНС России по субъекту РФ, статистических органов, а также из других внешних источников.[3]

Данная статья предлагает разрабатывать прогнозы на уровне инспекций, но не по всем поступлениям в рамках инспекции, а по каждому отдельному налогоплательщику. Источник информации для осуществления такого прогноза – налоговые декларации. Указанные документы и сведения являются закрытыми и запрещены к распространению, но налоговые инспекции располагают данными по плательщикам, которые им подотчетны и могут применять их для внутреннего пользования.

Отсутствие необходимости предварительного сбора и обработки информации, так как достаточно единственного источника – налоговых деклараций, которые кроме прочего уже обработаны и занесены в базу данных инспекции (система ЭОД), положительно характеризует выдвинутое в статье предложение.

Для анализа и прогноза налоговых поступлений принято рассматривать не совокупное поступление всех налогов, а поступления по отдельным видам. Такой подход позволяет провести не только общую оценку наполняемости бюджета, но и проанализировать эффективность работы налоговой системы, выявить проблемы, расставить приоритеты и предложить доступные пути решения. Количество информации, подлежащей обработке можно значительно снизить путем отказа от прогнозирования поступлений тех налогов, доля которых в общей сумме невелика.

Практически по всем видам налогов и сборов наблюдается спад, что дает общую отрицательную динамику, о которой было сказано ранее. Степень влияния кризисных явлений на поступления администрируемых ФНС доходов проанализирована на основе сравнения показателей за первые 7 месяцев 2008 и 2009 годов. Поступления налога на прибыль организаций в федеральный бюджет в январе-июле 2009 года по сравнению с аналогичным периодом прошлого года снизились в 3,9 раза. Поступления единого социального налога сократились на 3,3%. Сокращение налога на добавленную стоимость на товары (работы, услуги), реализуемые на территории РФ составило 19,8%, НДС на товары, ввозимые на территорию РФ из Республики Беларусь в январе-июле 2009 года в 1,4 меньше, чем в 2008. Поступления по сводной группе акцизов в федеральный бюджет снизились в 1,6 раза. Налога на добычу полезных ископаемых – в 2 раза. Страховых взносов, зачисляемых в Пенсионный фонд РФ на 3% больше, в Фонд социального страхования на 9,2% меньше, в Федеральный фонд обязательного медицинского страхования 3,7% больше, в территориальные фонды обязательного медицинского страхования на 2,7% больше.

При этом необходимо отметить, что в рассматриваемых периодах, как и в более широких временных рамках, соотношение долей различных налоговых поступлений в совокупном объеме примерно одинаковое.. Так основная масса администрируемых ФНС доходов федерального бюджета обеспечена поступлениями НДС (на июль 2009 года - 31%), НДПИ (29%), ЕСН (18%) и налога на прибыль (8%).

Поскольку сумма поступлений от перечисленных четырех видов платежей составляет более 70% от общей суммы налоговых поступлений, то можно провести анализ динамики обязательств по уплате основных налогов, а затем моделировать динамику налоговых суммарных поступлений и обязательств с использованием полученных результатов. Полученную прогнозную сумму поступлений налогов и сборов необходимо согласно используемой в настоящее время методике скорректировать на коэффициент собираемости, который намечается с определенным ростом к предыдущим периодам и с учетом ранее сложившейся динамики данного коэффициента. К прогнозной сумме в счет текущих начислений прибавляются дополнительные поступления: поступления в счет погашения недоимки прошлых периодов, поступления по реструктурированной задолженности, поступления по результатам контрольной работы налоговых органов, штрафов, пеней и т.д.

2. Методологическая база построения прогнозов

Прогнозирование налоговых поступлений предлагается производить с использованием адаптивных методов[4]. Адаптивное прогнозирование – одно из современных направлений статистического анализа и прогнозирования временных рядов. Необходимость решения соответствующих задач с помощью данных методов возникает именно в условиях нестабильности и кардинально меняющейся динамики.

Предпосылкой использования адаптивных методов является существование наряду с детерминированными (предопределенными) и случайными величинами (статистически устойчивыми) неопределенных величин. Математическая модель может содержать величины только первых двух видов, а неопределенные величины, с которыми приходится иметь дело на практике, необходимо приближенно представить через их комбинацию, что значительно затрудняет экономическое прогнозирование.

Экономическое прогнозирование характеризует будущее развитие, исходя из гипотезы, что основные факторы и тенденции прошлого периода сохранятся на период прогноза или что можно обосновать и учесть направление их изменений в рассматриваемой перспективе, то есть оно опирается на инерционность экономических систем. Макроэкономические характеристики обладают наибольшей инерционностью, однако в современных условиях подвижность и этих явлений значительно возрастает, о чем уже было сказано ранее. В условиях кардинальных изменений, происходящих в хозяйстве приходится имеет дело с новыми экономическими явлениями с короткими статистическими рядами или со старыми явлениями, претерпевающими коренные изменения, поэтому при построении моделей встает вопрос о преемственности данных. Устаревшие данные при моделировании могут оказаться бесполезными и даже вредными.

Направленное развитие экономической системы происходит через единичные явления в условиях изменяющейся среды и обычно предполагается стохастическим процессом. Экономические процессы, как правило, являются нестационарными (не обладают свойством неизменности основных характеристик: математического ожидания, дисперсии, автокорреляционной функции) и чем больше период прогноза, тем больше возможностей для изменения тенденций экономического развития, особенно в современных условиях, так как в исследуемом периоде могут произойти непредви-денные, непредсказуемые события, существенно деформирующие изучаемый процесс.

Таким образом, адаптивные методы прогнозирования играют важную роль для увеличения точности прогнозов экономического развития в изменяющихся условиях, в условиях неопределенности или неполной информации. Отличие адаптивных моделей от других прогностических моделей состоит в том, что они отражают текущие свойства ряда и способны непрерывно учитывать эволюцию динамических характеристик. Цель адаптивных методов заключается в построении самокор-ректирующихся экономико-математических моделей, которые способны отражать изменяющиеся во времени условия, учитывать информационную ценность различных членов временной последовательности и давать достаточно точные оценки будущих членов данного ряда. Именно поэтому такие модели предназначаются прежде всего для краткосрочного прогнозирования в статистическом смысле, они оказываются весьма грубыми при прогнозировании на большое число шагов вперед. Эксперимент Ч. Нельсона, в котором сравнивалась точность прогнозов, полученных на основе эконометрической модели, состоящей из нескольких уравнений, и достаточно простых адаптивных моделей, применявшихся для прогнозирования нескольких временных рядов подтверждает это.

Адаптивное прогнозирование не требует большого объема информации, оно базируется на интенсивном анализе информации, содержащейся в отдельных временных рядах. На временной ряд воздействуют в разное время различные факторы, одни из которых по тем или иным причинам ослабляют свое влияние, другие воздействуют активнее. То есть реальный процесс протекает в изменяющихся условиях, составляющих его внешнюю среду, к которой он приспосабливается, адаптируется, а модель, в свою очередь, адаптируется к ряду. Неоднородность временных рядов и их связей находит отражение в адаптивной эволюции параметров или даже структуры моделей. Поскольку рассматриваются варьирующие, нестационарные ряды, модель будет всегда находиться в движении.

Последовательность процесса адаптации выглядит следующим образом. Пусть модель находится в некотором исходном состоянии и по ней делается прогноз. По истечению одного шага моделирования анализируем, насколько далек полученный результат от фактического значения ряда. Ошибка прогнозирования через обратную связь поступает на вход системы и используется моделью в соответствии с ее логикой для перехода из одного состояния в другое с целью лучшего согласования своего поведения с динамикой ряда. На изменения ряда модель должна отвечать компенсирующими изменениями. Затем делается прогноз на следующий момент времени, и весь процесс повторяется. Таким образом, адаптация осуществляется итеративно с получением каждой новой фактической точки ряда.

Логика механизма адаптации задается априорно, а затем проверяется эмпирически. Быстроту реакции модели на изменения в динамике процесса характеризует так называемый параметр адаптации. Процесс обучения модели состоит, в выборе наилучшего параметра адаптации. По тому, насколько хорошо модель поддается обучению, можно судить о ее способности адекватно отражать закономерности временного ряда. После выбора параметра адаптации самообучение модели происходит в процессе переработки новых статистических данных.

Адаптивные метода прогнозирования весьма разнообразны и отличаются различной степенью теоретической проработки математического аппарата, к ним относятся такие методы, как процесс Тейла и Вейджа, аппроксимация полиномиальных трендов с помощью многократного сглаживания, обобщенная модель Брауна, модель Бокса-Джикинса и т.д. Наиболее простыми и распространенными приемом адаптивного прогнозирования являются метод экспоненциального сглаживания. Для более сложных процессов модель может быть развита путем включения в нее большего количества полиномиальных членов.

Страницы: 1, 2, 3