автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Модели и технологии управления в системе налогообложения

На правах рукописи

ОРЛОВА Екатерина Владимировна

МОДЕЛИ И ТЕХНОЛОГИИ УПРАВЛЕНИЯ В СИСТЕМЕ НАЛОГООБЛОЖЕНИЯ

Специальность 05.13.10 - Управление в социальных и экономических системах

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Уфа 2004

Работа выполнена на кафедре экономики предпринимательства Уфимского государственного авиационного технического университета

Научный руководитель:

д-р техн. наук, проф. ИСМАГИЛОВА Лариса Алексеевна

Официальные оппоненты: д-р техн. наук, проф.

КОСТРОВ Алексей Владимирович

канд. техн. наук, доц. ЧЕРНЯХОВСКАЯ Лилия Рашитовна

Ведущая организация:

Институт социально-экономических исследований Уфимского научного центра Российской академии наук

Защита состоится «25» ноября 2004 г. в 10- часов на заседании диссертационного совета Д-212.288.03 при Уфимском государственном авиационном техническом университете по адресу: 450000, г. Уфа, ул. К.Маркса, 12.

С диссертацией можно ознакомиться в библиотеке Уфимского государственного авиационного технического университета.

Автореферат разослан «1 » октября 2004 г.

Ученый секретарь диссертационного совета д-р техн. наук, проф.

В.В. МИРОНОВ

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы

Повышение эффективности системы налогообложения с целью увеличения налоговых поступлений в бюджетную систему является важной научно-практической проблемой, в решении которой существенное значение имеет переход к обоснованной системе бюджетно-налогового прогнозирования и планирования и построение системы управления налоговой нагрузкой предприятий и территорий, учитывающей изменение экономических возможностей субъектов налогообложения.

Экономическая ситуация требует от налоговой системы одновременного решения двух противоречивых, но взаимосвязанных проблем. С одной стороны, требуется своевременное пополнение государственного бюджета и его сбалансированность по доходам и расходам, обеспечение в большом объеме финансирования федеральных и региональных потребностей. С другой стороны, существует необходимость повышения эффективности производства, в том числе за счет снижения уровня налогов, повышения жизненного уровня населения, создания благоприятных условий для наращивания оборотных средств, улучшения инвестиционной привлекательности предприятий.

Исследованиям способов оценки налогового потенциала региона посвящены работы Кадочникова П., Синельникова С, Мельника Д., Климовой Н.И. и др. Теоретические аспекты налогообложения в рамках экономики общественного сектора рассматриваются в работах Аткинсона Э.Б., Стиглица Дж. Э., Ауэрбаха А.Д., Граборова СВ., теоретические модели оптимального налогообложения в условиях уклонения от налогов описаны в работах Чандера П., Уильда Л., Миррлиса Д., Васина А.А., вопросам разработки систем налогового контроля посвящены работы Букаева Г.И., Бублика Н.Д., Горбаткова С.А., Голичева И.И., Черника Д.Г., модели эффективности налоговой политики описаны в работах Мовшовича СМ., Балацкого Е.В., Сидоровой Н.И., Дудорина В.И., зависимость величины налоговых поступлений от уровня налоговой нагрузки впервые была установлена Лаффером А.

Однако уровень теоретической и прикладной проработки указанных выше проблем и их отдельных аспектов не соответствуют запросам практики. Поэтому большое значение имеют исследования, направленные на создание, во-первых, системы оценки налогового потенциала и прогнозирования налоговых поступлений в бюджет, обеспечивающей достоверность и точность решений с целью обоснованного планирования доходной части бюджета, во-вторых, системы регулирования налоговой нагрузки с целью повышения уровня экономического роста предприятий при одновременном росте налоговых поступлений в бюджет.

В соответствии с изложенным, актуальными являются теоретическое обоснование, создание и апробация информационной технологии оценки налогового потенциала и прогнозирования налоговых поступлений и моделей управления в системе налогообложения и их

Цель работы

Целью работы является теоретическое обоснование и разработка моделей и технологий управления, а также применение полученных результатов для решения практических задач повышения эффективности функционирования системы налогообложения административно-территориального образования.

Реализация поставленной цели требует решения следующих задач исследования:

1. Разработка информационной технологии как совокупности моделей оценки налогового потенциала и прогнозирования налоговых поступлений в бюджет административно-территориального образования (АТО).

2. Обоснование и разработка системы управления формированием налоговой нагрузки и налоговых ставок с учетом противоречивых позиций интересов субъектов налогообложения и государства.

3. Разработка модели установления эффективной налоговой нагрузки по группам однородных субъектов налогообложения.

4. Разработка модели определения оптимальных налоговых ставок по видам налогов и группам субъектов налогообложения.

5. На основе полученных моделей разработка информационной системы оценки налогового потенциала и прогнозирования налоговых поступлений и системы регулирования налоговой нагрузки. Апробация на практических примерах достоверности предлагаемых моделей и технологий и исследование их эффективности.

Объектом исследования является система управления налогообложением административно-территориального образования.

Предметом исследования являются производственно-экономические и социальные отношения между субъектами налогообложения и государством.

Теоретические и методологические основы исследования

Работа основана на положениях и методах системного анализа, теории управления, методах искусственного интеллекта (нейронных сетях, теории нечетких множеств), эконометрических моделях, теории статистики, теории налогообложения.

На защиту выносятся следующие результаты:

1. Интеллектуальная информационная технология оценки налогового потенциала и прогнозирования налоговых поступлений в бюджет АТО, позволяющая получать достоверные и точные результаты и объединяющая модели:

- нейросетевая модель классификации схожих по производственно -экономическому содержанию субъектов налогообложения, объединенных в однородные группы по структуре налоговых платежей;

- модель прогнозирования налоговых поступлений в бюджет АТО, использующая дополнительную информацию о факторах экономической среды (курсы валют, цены на нефть, инфляция), институциональных факторах (налоговые ставки, ставки зачисления налогов по уровням бюджетов), общеэкономических показателях предприятий (себестоимость, прибыль, добавленная стоимость, среднегодовая стоимость имущества и др.), на основе теории нечетких множеств.

2. Функциональная схема системы управления процессом формирования налоговой нагрузки и налоговых ставок с учетом противоречивых позиций интересов субъектов налогообложения и государства.

3. Модель определения эффективного уровня налоговой нагрузки, позволяющая определять области допустимой налоговой нагрузки по группам однородных субъектов налогообложения.

4. Модель определения оптимального уровня налоговых ставок по видам налогов и группам однородных субъектов налогообложения.

5. Информационная система оценки налогового потенциала и прогнозирования налоговых поступлений в бюджет АТО и система управления процессом формирования налоговой нагрузки и налоговых ставок, а также результаты исследования эффективности управления в системе налогообложения, полученные с использованием разработанных систем.

Научная новизна результатов заключается:

1. В разработке интеллектуальной технологии оценки и прогнозирования налоговых поступлений в бюджет, построенной на основе нейросетевой модели классификации субъектов налогообложения и нечеткой модели прогнозирования налоговых поступлений в бюджет АТО, использующей дополнительную информацию о факторах экономической среды, институциональных факторах, общеэкономических показателях предприятия, и отличающейся полнотой анализа разнородных сведений о системе, ее элементах и внешней среде.

2. В предложенной системе управления налогообложением на основе установления дифференцированных налоговых шкал по видам налогов и группам однородных субъектов налогообложения, позволяющей устанавливать обоснованные налоговые ставки с учетом изменяющихся условий внешней и внутренней среды;

3. В предложенной модели определения эффективной налоговой нагрузки по группам предприятий, на основе исследования эластичностей производственной и налоговой функций, позволяющей определять области допустимой налоговой нагрузки по группам однородных субъектов налогообложения;

4. В разработке модели определения оптимального уровня налоговых ставок по видам налогов и группам однородных субъектов налогообложения.

Практическая значимость и внедрение результатов работы. Практическую значимость исследований определяют следующие результаты диссертации:

1. Информационная технология оценки и прогнозирования налоговых поступления в бюджет, построенная на основе нейросетевых моделей для классификации субъектов налогообложения и нечетких моделей для оценки влияния различных групп факторов на величину налоговых поступлений и отличающаяся обоснованностью получаемых результатов и более высокой точностью по сравнению с существующими методами.

2. Система управления налогообложением на основе установления дифференцированных налоговых шкал по видам налогов и группам субъектов налогообложения, позволяющая устанавливать обоснованные налоговые

ставки, удовлетворяющие интересам субъектов налогообложения и государства, с учетом изменяющихся условий внешней и внутренней среды.

3. Модель определения эффективной налоговой нагрузки по группам предприятий, на основе исследования эластичностей производственной и налоговой функций, позволяющая определять области допустимой налоговой нагрузки по группам однородных субъектов налогообложения.

4. Модель определения оптимального уровня налоговых ставок по группам однородных предприятий, позволяющая устанавливать оптимальные налоговые ставки, удовлетворяющие интересам субъектов налогообложения и государства.

5. Практическую значимость имеют результаты апробации предлагаемых теоретических положений, алгоритмов и моделей на фактических данных о функционировании налоговой системы Республики Башкортостан и г.Уфы. Проведены экспериментальные исследования предложенных технологий и моделей управления в системе налогообложения и доказана достоверность предлагаемых теоретических положений, моделей и подтверждена их эффективность. Применение интеллектуальной информационной системы позволило повысить точность прогнозирования, а максимальная ошибка не превышает 6%; при этом ошибка прогноза на основе традиционных статистических методов составляет около 14%. Использование модели управления налоговой нагрузкой по группам объектов налогообложения позволит по исследуемым предприятиям города Уфы увеличить валовой продукт в среднем на 10%, а налоговые поступления в среднем на 22%

Публикации

Результаты исследований, отражающие основные положения диссертации, изложены в 14 печатных работах, в том числе 9 статьях и 5 тезисах докладов, общим объемом 4,85 п.л. и на следующих научно-технических конференциях;

— международная молодежная научно-техническая конференция «Интеллектуальные системы управления и обработки информации», Уфа, 1999;

— международная конференция «Нейросетевая обработка информации», Шанхай (Китай), 2001;

— российская научно-методическая конференция с международным участием «Управление экономикой: методы, модели, технологии», Уфа, 2002;

— VI международная конференция «Компьютерные науки и информационные технологии CSIT'2004», Будапешт (Венгрия), 2004.

Структура и объем работы. Диссертационная работа состоит из введения, 4 глав, заключения, списка литературы и приложений. Работа содержит 136 страницы машинописного текста, 37 рисунков и 16 таблиц, 10 страниц приложений. Список литературы из 143 наименований.

ОСНОВНЫЕ ПОЛОЖЕНИЯ РАБОТЫ

Во введении обосновывается актуальность, излагаются цели и задачи исследования, раскрывается научная новизна, вклад автора в научные исследования и практическая ценность работы.

В первой главе рассматривается налоговая политика в системе государственного регулирования экономики. Кратко изложены содержание, цели, задачи, а также методы и инструменты налоговой политики.

Анализируются известные подходы и методы оценки налогового потенциала региона, разработанные отечественными и зарубежными специалистами, такие так: метод репрезентативной налоговой системы, метод, основанный на применении макроэкономических показателей.

Отмечено, что использование метода репрезентативной налоговой системы для оценки налогового потенциала российских регионов не представляется возможным ввиду ограниченности статистических данных о величине налоговой базы в регионах, а также недостоверности этих данных. Использование методов оценки с помощью макроэкономических показателей в чистом виде для всего объема налоговых платежей, поступающих в бюджеты субъектов Федерации, также представляется малоэффективным вследствие высокой степени межрегиональной дифференциации структуры налоговых доходов, сложности российской налоговой системы, несовершенства статистической отчетности в России.

Проведен обзор методов и моделей оптимального налогообложения. Это модели общественного благосостояния, в основе которых лежит концепция Парето-эффективности. Группа этих моделей является теоретическими и труднореализуемыми на практике. Рассмотрен подход к определению эффективности налоговой политики на основе теории Лаффера. Установлено, что модели эффективности, основанные на использовании агрегированных макроэкономических показателях, как ВВП, не являются достаточно точными, так как при агрегировании данных различия между налогоплательщиками по показателю налоговой нагрузки теряются.

Выявленные недостатки и проблемы применения рассмотренных методов и моделей оценки налогового потенциала и оптимизации налоговой нагрузки обуславливают необходимость разработки новой интеллектуальной технологии оценки налогового потенциала и прогнозирования налоговых поступлений АТО и моделей управления налогообложением на основе регулирования налоговой нагрузки и налоговых ставок.

Во второй главе разрабатываются теоретические основы для эффективного моделирования экономических систем, которые предполагают разработку интегрированной многоэтапной информационной технологии анализа разнородных сведений о системе, ее элементах и внешней среде.

Выделяется четыре категории сведений, характерных для социально-экономической системы, которые должны учитываться при моделировании:

1) данные официальной статистики о функционировании системы внутрисистемного и внесистемного уровней за несколько временных периодов;

2) статистические данные об изменении основных экономических показателей в регионе, в стране и в мире (рост цен, уровень инфляции, курсы валют);

3) знания экспертов об основных закономерностях функционирования моделируемой системы, а также об аналогичной экономической ситуации;

4) знания о законах и закономерностях экономического развития общества на региональном, государственном и мировом уровне.

Смысл этой классификации в том, что такой подход интегрирует сведения о функционировании системы, отражая все основные процессы, формирующие свойства системы, в том числе неопределенность и риск поведения. Каждая категория информации предполагает свои методы и модели обработки данных, соответствующие характеру данных, а поэтому наиболее эффективные.

Моделирование социально-экономической системы предполагает разработку структуры информационной технологии, отражающей особенности данных, использующей математические и эвристические методы обработки данных и знаний, определяющей последовательность анализа и способы получения результатов.

Технология анализа данных в общем виде представлена как:

м{Е,} Л{е^М^ : {о,Л, С, V}, (О

где {£/}— множество данных об элементах Е1 системы; /е/- подмножество элементов, сгруппированных по принципу общности свойств; Ый '- технологии анализа данных, алгоритмы, схемы классификации данных; О- критерии или цели анализа; Я — правила отбора экономических объектов; С — действия по управлению, возможные в сложившейся ситуации; V - оценки показателей функционирования и развития системы.

Информационная технология управления включает в зависимости от особенностей решаемых задач локальные технологии анализа данных

Количество технологий соответствует четырем категориям сведений, используемых при решении задач анализа, планирования и прогнозирования социально-экономических систем.

Предложенный подход к построению информационной технологии как определенной структуры локальных технологий анализа разнородных сведений о системе позволяет моделировать гетерогенные по природе социально-экономические системы, учитывая неопределенность и риск и обеспечивая высокую степень адекватности моделей.

Особенность решения задачи оценки налогового потенциала и прогнозирования налоговых поступлений в бюджет состоит в том, что необходимо рассматривать разнородные по финансово-экономическим, технико-экономическим и организационным показателям предприятия, разные условия функционирования схожих предприятий в разных административно-территориальных образованиях, а также разные условия дифференциации налоговых изъятий.

Используются следующие системные принципы построения системы оценки налогового потенциала и прогнозирования налоговых поступлений:

1) принцип классификации налогоплательщиков по структуре налоговых обязательств, отражающих структуру уплаченных налогов; такой принцип

позволяет сгруппировать предприятия, находящиеся в схожих условиях хозяйствования и, следовательно, имеющие похожие тенденции развития;

2) принцип обобщения описания каждого из классов некоторой обобщенной характеристикой, который позволяет заменить решение общей задачи оценки и прогнозирования решением нескольких подзадач, более точно отражающих специфику налогообложения разнородных предприятий;

3) принцип использования объективных знаний о закономерностях изменения внешнеэкономических факторов и об их влиянии на налогооблагаемые базы и на величину налоговых поступлений.

На основе сформулированных принципов решаются задачи классификации предприятий, анализа факторов внешней среды, оценки и прогнозирования.

Информационные технологии, основанные на нейронных сетях и нечетких множествах, позволяют получать качественно новые результаты при решении таких задач как классификация, прогнозирование, принятие решений и т.п. и, поэтому могут быть применены для решения задачи оценки налогового потенциала и прогнозирования налоговых поступлений в бюджет АТО.

Разработанная информационная технология представлена в виде связанных информационными потоками этапов обработки данных. Функциональная схема информационной технологии представлена на рисунке 1.

Рис. 1. Функциональная схема информационной технологии оценки и прогнозирования налоговых поступлений в бюджет

Реализация информационной технологии осуществляется за несколько этапов, каждый из которых предполагает решение одной из самостоятельных подзадач. При этом методы решения изменяются при переходе от одного этапа к другому и соответствуют особенностям подзадач.

Система управления формированием налоговой нагрузки и налоговых ставок рассматривается с позиций противоречивых позиций интересов субъектов налогообложения и государства и представлена на рисунке 2.

Рис. 2. Функциональная схема системы управления формированием налоговой нагрузки и налоговых ставок

В третьей главе разрабатываются модели и методы управления в системе налогообложения. Это: 1 - модель классификации субъектов налогообложения по структуре уплаченных налогов; 2 — метод прогнозирования налоговых поступлений; 3 - модель гибкого формирования налоговой нагрузки субъектов налогообложения, 4 - модель оптимизации налоговых ставок.

Классификация субъектов налогообложения (предприятий) по признаку однородности структуры уплаченных налогов осуществляется с помощью нейронной сети.

Нейросетевая модель Мт имеет вид:

Мт = {1п{5,ндс,нп,ни,пн,др},Ьауег{(2,10)1(з,10)},Ои1{5,2/(г2, гЗ,г4,г5}}, (2)

где ндс, нп, ни, пн, др - исходные значения основных налогов, пронормированных на интервале (0,1); 21,22,23,24,25 - классы однородных по структуре уплаченных налогов предприятий; количество классов определяется видами налогов (5 видов), принятыми в качестве основных; Ьауег{(2,10), (3,10)} - два скрытых слоя нейронной сети, содержащих по 10 нейронов. Тип активационной функции нейросетевого отображения - гиперболический тангенс.

В результате классификации определены группы предприятий со схожими налоговыми возможностями, то есть с похожим финансово-экономическим портретом. При этом объем уплаченных налогов зависит от производственных

мощностей и размеров предприятий. В группе есть как крупные так и мелкие предприятия.

Обобщения показателей и построение осредненной, наиболее вероятной, характеристики каждого класса позволяет решить задачу прогнозирования обосновано, поскольку изучаются однородные субъекты налогообложения с наиболее близкими законами развития.

Для решения задачи прогнозирования уровня налоговых поступлений разрабатывается многоуровневая модель представления и анализа информации не только о фактической величине собранных за предыдущий период налогах, но и дополнительной информации о внешней среде. Внешней средой для экономических субъектов являются экономические, социальные и политические процессы, а также принципы и нормы налогового регулирования. Такая информация используется для компенсации неопределенности данных, выявления закономерностей развития социально-экономической среды и установления зависимости между внешними факторами, показателями финансово-хозяйственной деятельности экономических объектов и структурой их налоговых обязательств. Дополнительные сведения предоставляются в виде трех групп факторов прямо или косвенно влияющих на налоговую базу и величину собранных налогов.

К первой группе относятся «внутренние», или общеэкономические, факторы, определяющие показатели предприятий, такие как себестоимость, прибыль, добавленная стоимость, среднегодовая стоимость имущества, среднесписочная численность работников, дебиторская задолженность и др., непосредственно определяющие налогооблагаемую базу. Внутренние факторы коррелируют между собой, имеют высокую степень значимости в системе налогообложения, определяются показателями финансово-хозяйственной деятельности экономических субъектов, а значит, могут быть определены.

Ко второй группе факторов относятся «внешние» факторы, или факторы экономической среды, такие как инфляция, курс доллара, цены на нефть, изменение которых за достаточно длительный период времени определяется по данным статистической отчетности.

К третьей группе факторов относятся «институциональные» факторы, связанные с изменением налоговой системы и межбюджетных отношений. Институциональные факторы детерминировано влияют на величину налогов, но могут изменяться достаточно редко и только в фиксированные моменты времени.

Для расчета прогнозного значение налогов в зависимости от изменения факторов используется метод, основанный на теории нечетких множеств. Предпочтение отдано именно этому подходу к прогнозированию, поскольку теория нечетких множеств оперирует не только точными числовыми, но и лингвистическими значениями и позволяет учитывать неоднозначность, неопределенность ситуаций и субъективность решений при формулировке модели прогнозирования.

Для вычисления прогнозных значений изменения каждого вида налога в зависимости от изменений внешней среды строится база знаний, в которой

описываются экономические закономерности влияния выделенных групп факторов, характеризующих налогооблагаемую базу, на величину налогов. При этом на величину каждого из налогов влияет множество факторов и их взаимосвязь, что отражается при построении формул логической импликации «если-то». Правила {Rules} строятся на базе экспертных оценок, законов развития экономических систем и эвристических рассуждений.

Математическая модель с использованием теории нечетких множеств представлена в виде:

М = {f, Inference, DF}, (3)

где F - фаззификация, т.е. процесс перехода от «четкого» значения к его «нечеткой» интерпретации посредством функций принадлежности; Inference -метод логического вывода; DF - дефаззификация, или процесс перехода от «нечеткого» значению к «четкому».

В основе моделирования налоговой нагрузки лежит предположение о том, что объем производства X, отражаемый величиной ВВП, зависит от уровня налогового бремени в:

в = Т/Х (4)

где Т— сумма налоговых поступлений, получаемых с каждой группы субъектов налогообложения^ — объем производимой продукции в группе; в — совокупная налоговая нагрузка в группе.

Придерживаясь научной теории Лаффера о нелинейной зависимости налоговых доходов от уровня налоговой нагрузки, постулируется, что объем производства также нелинейно связан с величиной налоговой нагрузки. Производственная функция Х{в) и налоговая функция аппроксимируются нелинейными функциями.

Производственная функция аппроксимируется квадратичным полиномом:

Х{в)^ав2+Ьв (5)

тогда в соответствии с (4) налоговая функция имеет вид:

Т{9)=а93+Ъв2 (6)

Идентификация функций х[в) и позволяет рассчитать точки Лаффера первого и второго рода. Точкой Лаффера первого рода является такая точка в * , при которой производственная кривая X - Х{в) достигает локального максимума, т. е. когда выполнены условия: ; d2х{в*)/dO2 <0. Точкой Лаффера второго рода называется такая точка в**, при которой фискальная кривая достигает локального максимума, т.е.

когда выполнены условия: </7"(0**)/fi?<? = 0; d2T{e**)/d&2 <0. Экономически точка Лаффера первого рода определяет предел налогового бремени, при котором производственная система не переходит в режим рецессии. Точка Лаффера второго рода показывает величину налогового бремени, за пределами которой увеличение массы налоговых поступлений становится невозможным.

Особенности изучаемых процессов состоят в том, что: 1) точки Лаффера, а также уровень фактического налогового бремени являются, динамическими величинами; 2) отсутствуют длинные (достаточные для проведения корректных эконометрических расчетов) и «хорошие» в статистическом смысле динамические ряды, необходимые для идентификации моделей.

Поэтому для определения параметров производственной и налоговой функций применяется метод точечно-кусочной аппроксимации, основанный на интервальной аппроксимации. В этом случае для каждой отчетной точки (года) строится своя функция с соответствующими значениями входящих в нее параметров. Поскольку число параметров функции больше одного, то для их однозначной оценки используется информацию о приростах переменных во времени. Для этого используется дифференциал функции (5):

с1Х/¿0- 2а0 + Ь. (7)

Система уравнений (5), (7) достаточна для оценки параметров а и Ь. Уравнение (5) воспроизводит «точечные» свойства производственной системы, а уравнение (7) - «интервальные». Получаемая сумма налогов полностью детерминируется активностью производственной системы и уровнем фискального давления.

Конструктивный анализ системы налогообложения предполагает рассмотрение трех параметров: фактической величины налоговой нагрузки в и точек Лаффера в*, в**. Возможны три варианта соотношения между этими величинами с выделением трех зон (см. рисунок 3): зона I - б_< в* < в* * , зона II - в* <0 <9** , зона III - 0>0**>0*

Рис. 3. Схематический вид производственной и налоговой кривых

Решается задача о нахождении такой области изменения налоговой нагрузки, удовлетворяющего интересам налогоплательщика и государства. Такая область названа областью нечувствительности, т.е. интервал изменения (повышения) налоговой нагрузки, в пределах которого сохраняется устойчивое развитие производственной и налоговой функций. 3 качестве показателей

чувствительности используются функции эластичности производственной и налоговой функций по совокупной налоговой ставке:

Ъ г м Зав2 +Ъв ав^ (8)

Область нечувствительности покрывает зону I, так как увеличение налоговой нагрузки не приводит к ухудшению значений функций Х(в) и Т[в), поэтому нижняя граница области нечувствительности - 0{ =0. Для определения верхней границы &ь этой области проведен графический анализ функций эластичности и функций абсолютных приростов /}Х(0), А1\0) и

показан на рисунке 4.

Рис. 4. Функции абсолютных приростов ЛХ(в), ЛТ(9) и функции эластичности Ед(Х), Ед(Т)

Алгоритм определения верхней границы области нечувствительности показан на рисунке 5.

Рис. 5. Алгоритм определения верхней границы области нечувствительности на основе исследования эластичности функций

Для каждой группы налогоплательщиков отдельно строятся зависимости производственной и налоговой функций от совокупного налогового бремени. В качестве характеристики, отражающей воспроизводственные возможности, принимается показатель выручки. Каждый класс объектов имеет характерные особенности и различия в структуре уплаченных налогов, поэтому для определенного класса существует отличный от других уровень эффективной совокупной налоговой нагрузки. Изменение совокупной налоговой нагрузки возможно путем изменения этой нагрузки по каждому виду налогов.

Тогда задачу поиска оптимальных ставок налогов по группам субъектов налогообложения и видам налогов можно формализовать следующим образом: На множестве заданных функций

найти максимум суммы: , (10)

при ограничениях: £&„(<>)> Тют(1)

Ти

И]

где 1 - число групп; 1-вид налога; 8 - число объектов в группе; Х9(в), Тв(в)~ производственная и налоговая функции для агрегированной налоговой ставки в группе 1 по налогу у; - минимально необходимое значения налоговых сборов в бюджет; К„,,„и) - минимальное значение посленалогового дохода для 5-го объекта налогообложения; ац,Ьц ~ параметры модели.

Целевая функция (10) определяет максимум суммы налогооблагаемых бах по всем видам налогов. Первое ограничение в (11) отражает ограничение на минимальное значение налоговых сборов как суммы налоговых поступлений по всем видам налогов. Второе ограничение в (11) определяет минимально необходимую сумму средств, остающихся в распоряжении хозяйствующих субъектов после уплаты всех налогов.

Определение области оптимума налоговой нагрузки в общем виде представлено на рисунке 6. Величина Тт,п определена в законе о государственном бюджете на следующий финансовый год. Величину можно характеризовать как уровень дохода, обеспечивающий финансовую устойчивость субъекта налогообложения, оценка которого представляет самостоятельную задачу.

Рис. 6. Определение области оптимума налоговой нагрузки

Четвертая глава посвящена разработке информационной системы, анализу алгоритмов и моделей управления в системе налогообложения.

В соответствии с представленными моделями в главе 2 последовательно разработана интеллектуальная информационная система оценки налогового потенциала и прогнозирования налоговых поступлений, реализующая нейросе-тевую модель Ыяя (2) для классификации предприятий, нечеткую модель (3) для прогнозирования налоговых поступлений. Ядром информационной системы являются зарегистрированные программные продукты №1'Мгогх и AFLogic. Проведены эксперименты по моделированию налоговой нагрузки по группам налогоплательщиков с использованием модели (4)-(7) и с использованием модели (9)-(11) по видам налогов и группам налогоплательщиков. Все эксперименты проведены на основе данных о налоговых сборах с предприятий г.Уфы.

Показано, что применение интеллектуальной информационной системы позволило повысить точность прогнозирования, а максимальная ошибка не превышает 6%; при этом ошибка прогноза на основе традиционных статистических методов составляет около 14%.

Применение модели управления налоговой нагрузкой по группам объектов налогообложения позволит: а) при уменьшении налоговой нагрузки по первой группе предприятий с 23% до 22% увеличить валовой продукт группы на 14%, а налоговые сборы на 9%, б) при увеличении налоговой нагрузки с 7% до 8% во второй группе увеличить валовой продукт группы на 6%, налоговые сборы на 21%, в) при увеличении налоговой нагрузки с 4% до 5% в третьей группе увеличить валовой продукт группы на 10%, налоговые сборы на 37%.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Разработана интеллектуальная технология оценки налогового потенциала и прогнозирования налоговых поступлений в бюджет административно-территориального образования, построенная на основе нейросетевых и нечетких моделях и отличающаяся обоснованностью получаемых результатов.

Предложена нейросетевая модель классификации схожих по производственно-экономическому содержанию субъектов налогообложения, объединенных в однородные группы по структуре налоговых платежей. Показано, что применение нейросетевой модели для классификации объектов обосновано на основе мер близости объектов внутри класса.

Предложена модель прогнозирования налоговых поступлений в бюджет АТО, использующая дополнительную информацию о факторах экономической среды (курсы валют, цены на нефть, инфляция), институциональных факторах (налоговые ставки, ставки зачисления налогов по уровням бюджетов), общеэкономических показателях предприятий (себестоимость, прибыль, добавленная стоимость, среднегодовая стоимость имущества и др.), использующая теорию нечетких множеств и позволяющая учитывать неопределенность и неточность входной информации.

2. Разработана функциональная схема системы управления процессом формирования налоговой нагрузки и налоговых ставок с учетом противоречивых позиций интересов субъектов налогообложения и государства и позволяющая устанавливать обоснованные налоговую нагрузку и налоговые ставки, удовлетворяющие интересам субъектов налогообложения и государства и с учетом изменяющихся условий внешней и внутренней среды.

3. Разработана модель определения эффективной налоговой нагрузки по группам субъектов налогообложения на основе исследования эластичностей производственной и налоговой функций и позволяющая определять области допустимой налоговой нагрузки по группам однородных субъектов налогообложения.

4. Предложена модель определения оптимального уровня налоговых ставок по группам однородных предприятий, удовлетворяющие интересам субъектов налогообложения и государства.

5. Проведены экспериментальные исследования предложенных технологий и моделей управления в системе налогообложения и доказана достоверность предлагаемых теоретических положений, моделей и подтверждена их эффективность.

СПИСОК ПУБЛИКАЦИЙ

1. Орлова Е.В. Вопросы разработки методологии и технологии проектирования современных информационных систем // Интеллектуальные системы управления и обработки информации: Матер, междунар. молодежи, науч.-техн. конф. - Уфа: УГАТУ, 1999. - С.25.

2. Орлова Е.В., Сергеева И.Г., Афанасьев В.Ю. Нейросетевая модель анализа инвестиционного потенциала // Математическое моделирование экономических систем и процессов: Матер, всерос. науч.- практ. конф. -Чебоксары: ЧГТУ, 2000. - С. 72-74.

3. Исмагилова Л.А., Орлова Е.В., Афанасьев В.Ю. Информационная технология оценки и прогнозирования налогового потенциала // Экономика и управление. 2001.-№ 1.-С. 50-53.

4. Орлова Е.В. Информационная технология оценки и прогнозирования налогового потенциала муниципального образования // Экономическая мысль XXI века: Сб. науч. тр. Выпуск I. - Калининград: КГУ, 2001. - С. 27-29.

5. Исмагилова Л.А., Орлова Е.В., Сергеева И.Г., Афанасьев В.Ю. Модели прогнозирования макроэкономических показателей на основе нейронных сетей // Управление экономикой: методы, модели, технологии: Сб. науч. тр. - Уфа: УГАТУ, 2001. - Ч. III. - С. 147-153.

6. Исмагилова Л.А., Орлова Е.В. Моделирования социально-экономических систем в условиях неопределенности и риска // Сб. науч. тр. CSIT'2001. - Уфа: УГАТУ, 2001- вып. 3. - С. 298-301. (Статья на английском языке).

7. Исмагилова Л.А.,,Орлова Е.В. Оценка налогового потенциала и прогнозирование налоговых поступлений с использование м методов искусственного интеллекта // Сб. науч. тр. ICONIP 2001. - Шанхай: ФУ, 2001. - С. 781-786. (Статья на английском языке).

8. Исмагилова Л.А., Орлова Е.В., Сергеева И.Г., Афанасьев В.Ю. Интеллектуальная система анализа и управления процессами формирования бюджета региона // Управление экономикой: методы, модели, технологии: Сб. науч. тр. - Уфа: УГАТУ, 2002. - С. 307-310.

9. Орлова Е.В. Информационная технология для оценки и прогнозирования социально-экономических систем // Актуальные проблемы трудоустройства и адаптации к рынку труда выпускников учреждений профессионального образования: Матер, межрег. науч.-практ. конф.-Уфа: УГАТУ, 2002.- С. 19-21.

10. Орлова Е.В. Прогнозирование занятости выпускников вузов с использованием информационной технологии // Актуальные проблемы трудоустройства и адаптации к рынку труда выпускников учреждений профессионального образования: Матер, межрег. науч.-практ. конф. - Уфа: УГАТУ, 2002. -С.106--108.

11. Исмагилова Л.А., Нураева Ф.Ш., Орлова Е.В. Статистический метод прогнозирования налогового потенциала в РБ // Саморазвитие регионов. Матер, междунар. науч,-практ. конф. - Уфа: ИСЭИ РАН, 2002. - С. 130-136.

12. Исмагилова Л.А., Нураева Ф.Ш., Орлова Е.В. Совершенствование системы формирования доходного потенциала бюджета // Перспективы развития теории и практики управления потенциалом промышленного производства. Сб. науч. тр. - Уфа: УГНТУ, 2002. - С. 45-48

13. Исмагилова Л.А., Орлова Е.В. Нейросетевые технологии в экономике: сравнение с классическими методами // Нейрокомпьютеры: разработка и применение. 2004. -№9. - С. 69-76.

14. Исмагилова Л.А., Орлова Е.В. Моделирование эффективной налоговой нагрузки по группам субъектов налогообложения // Сб. науч. тр. CSIT'2004. - Уфа: УГАТУ, 2004. - С. 263-268. (Статья на английском языке).

Диссертант

Орлова Е.В.

ОРЛОВА ЕКАТЕРИНА ВЛАДИМИРОВНА

МОДЕЛИ И ТЕХНОЛОГИИ УПРАВЛЕНИЯ В СИСТЕМЕ НАЛОГООБЛОЖЕНИЯ

Специальность 05.13.10 - Управление в социальных и экономических системах

Автореферат диссертации на соискание ученой степени кандидата технических наук

Подписано к печати 12.10.04 г. Формат 60x84 1/16. Бумага офсетная. Печать плоская. Гарнитура Таймс. Усл.печл. 1,0. Усл.кр.-отг. 1,0. Уч.-изд.л. 0,9. Тираж 100 экз. Заказ № 556.

Уфимский государственный авиационный технический университет Центр оперативной полиграфии

Республики Башкортостан, 450000, Уфа-центр, ул. К. Маркса, 12

№ 21513

РНБ Русский фонд

2005-4 19959

Введение

1 УПРАВЛЕНИЕ В СИСТЕМЕ НАЛОГООБЛОЖЕНИЯ КАК 12 ПРЕДМЕТ НАУЧНОГО ИССЛЕДОВАНИЯ

Налоговая политика в системе государственного регулирования экономики

1.2 Обзор теоретических подходов к оценке и прогнозированию налогового 12 потенциала административно-террирориального образования

1.2.1 Понятия налогового и финансового потенциала. Налоговое 14 прогнозирование в системе управления налогообложением

1.2.2 Методы оценки налогового потенциала

1.3 Существующие методы и модели оптимального налогообложения

1.3.1 Модели социального благосостояния

1.3.2 Модель определения эффективности налоговой политики на основе 26 теории Лаффера

1.4 Анализ состояния бюджета административно-территориального 28 образования - г. Уфы

Выводы по главе

2 ИНТЕЛЛЕКТУАЛЬНАЯ ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ МОДЕЛИРОВАНИЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ СИСТЕМ

2.1 Особенности моделирования социально-экономических систем в 33 условиях неопределенности

2.2 Предлагаемый подход к моделированию

2.3 Информационная технология оценки налогового потенциала и 38 прогнозирования налоговых поступлений в бюджет административно-территориального образования

2.3.1 Принципы построения

2.3.2 Анализ данных о налоговых поступлениях в бюджет

2.3.3 Функциональная схема оценки и прогнозирования

2.4 Система управления процессом формирования эффективной налоговой нагрузки и налоговых ставок

Выводы по главе

3 МОДЕЛИ УПРАВЛЕНИЯ В СИСТЕМЕ НАЛОГООБЛОЖЕНИЯ

3.1 Нейросетевая модель классификация объектов налогообложения по 50 структуре налогооблагаемой базы

3.1.1 Разделение объектов на классы с помощью нейронной сети

3.1.2 Построение обобщенного описания класса с помощью теории 53 нечетких множеств

3.2 Метод прогнозирования налоговых поступлений

3.2.1 Ограниченность применения методов регрессионного анализа

3.2.2 Разработка интеллектуального метода прогнозирования

3.3 Моделирование эффективной налоговой нагрузки по группам 64 субъектов налогообложения

3.3.1 Теоретические основы моделирования

3.3.2 Область нечувствительности и определение ее границ 69 3.3.2 Модель определения оптимального уровня налоговой нагрузки по 74 видам налогов

Выводы по главе

4 РЕАЛИЗАЦИЯ РАЗРАБОТАННЫХ ТЕХНОЛОГИИ И МОДЕЛЕЙ 78 УПРАВЛЕНИЯ НАЛОГООБЛОЖЕНИЕМ

4.1 Реализация интеллектуальной информационной системы для оценки и прогнозирования налоговых поступлений для предприятия города Уфы

4.1.1 Нейросетевая модель классификации предприятий

4.1.2 Система оценки и прогнозирования налогового поступлений в бюджет г.Уфы

4.2 Сравнительный анализ нейросетевых и статистических методов для 90 классификации и прогнозирования

4.2.1 Классификация на основе кластер-анализа

4.2.2 Нейросетевой метод прогнозирования

132 »

4.2.3 Эконометрический метод прогнозирования

4.2.4 Сравнение результатов прогнозирования

4.3 Моделирование эффективной налоговой нагрузки

4.3.1 Анализ совокупной налоговой нагрузки по группам объектов

Выводы по главе

Повышение эффективности системы налогообложения с целью увеличения налоговых поступлений в бюджетную систему является важной научно-практической проблемой, в решении которой существенное значение имеет переход к обоснованной системе бюджетно-налогового прогнозирования и планирования и построение системы управления налоговой нагрузкой предприятий и территорий, учитывающей изменение экономических возможностей субъектов налогообложения.

Экономическая ситуация требует от налоговой системы одновременного решения двух противоречивых, но взаимосвязанных проблем. С одной стороны, требуется своевременное пополнение государственного бюджета и его сбалансированность по доходам и расходам, обеспечение в большом объеме финансирования федеральных и региональных потребностей. С другой стороны, существует необходимость повышения эффективности производства, в том числе за счет снижения уровня налогов, повышения жизненного уровня населения, создания благоприятных условий для наращивания оборотных средств, улучшения инвестиционной привлекательности предприятий.

Исследованиям способов оценки налогового потенциала региона посвящены работы Кадочникова П., Синельникова С., Мельника Д., Климовой Н.И. и др. Теоретические аспекты налогообложения в рамках экономики общественного сектора рассматриваются в работах Аткинсона Э.Б., Стиглица Дж. Э., Ауэрбаха А.Д., Граборова С.В., теоретические модели оптимального налогообложения в условиях уклонения от налогов описаны в работах Чандера П., Уильда Л., Миррлиса Д., Васина А.А., вопросам разработки систем налогового контроля посвящены работы Букаева Г.И., Бублика Н.Д., Горбаткова С.А., Голичева И.И., Черника Д.Г., модели эффективности налоговой политики описаны в работах Мовшовича С.М., Балацкого Е.В., Сидоровой Н.И., Дудорина В.И., зависимость величины налоговых поступлений от уровня налоговой нагрузки впервые была установлена Лаффером А.

Однако уровень теоретической и прикладной проработки указанных выше проблем и их отдельных аспектов не соответствуют запросам практики. Поэтому большое значение имеют исследования, направленные на создание, во-первых, системы оценки налогового потенциала и прогнозирования налоговых поступлений в бюджет, обеспечивающей достоверность и точность решений с целью обоснованного планирования доходной части бюджета, во-вторых, системы регулирования налоговой нагрузки с целью повышения уровня экономического роста предприятий при одновременном росте налоговых поступлений в бюджет.

В соответствии с изложенным, актуальными являются теоретическое обоснование, создание и апробация информационной технологии оценки налогового потенциала и прогнозирования налоговых поступлений и моделей управления в системе налогообложения и их реализация.

Цель работы

Целью работы является теоретическое обоснование и разработка моделей и технологий управления, а также применение полученных результатов для решения практических задач повышения эффективности функционирования системы налогообложения административно-территориального образования.

Реализация поставленной цели требует решения следующих задач исследования:

1. Разработка информационной технологии как совокупности моделей оценки налогового потенциала и прогнозирования налоговых поступлений в бюджет административно-территориального образования (АТО).

2. Обоснование и разработка системы управления формированием налоговой нагрузки и налоговых ставок с учетом противоречивых позиций интересов субъектов налогообложения и государства.

3. Разработка модели установления эффективной налоговой нагрузки по группам однородных субъектов налогообложения.

4. Разработка модели определения оптимальных налоговых ставок по видам налогов и группам субъектов налогообложения.

5. На основе полученных моделей разработка информационной системы оценки налогового потенциала и прогнозирования налоговых поступлений и системы регулирования налоговой нагрузки. Апробация на практических примерах достоверности предлагаемых моделей и технологий и исследование их эффективности.

Объектом исследования является система управления налогообложением административно-территориального образования.

Предметом исследования являются производственно-экономические и социальные отношения между субъектами налогообложения и государством.

Теоретические и методологические основы исследования

Работа основана на положениях и методах системного анализа, теории управления, методах искусственного интеллекта (нейронных сетях, теории нечетких множеств), эконометрических моделях, теории статистики, теории налогообложения.

На защиту выносятся следующие результаты:

1. Интеллектуальная информационная технология оценки налогового потенциала и прогнозирования налоговых поступлений в бюджет АТО, позволяющая получать достоверные и точные результаты и объединяющая модели:

- нейросетевая модель классификации схожих по производственно-экономическому содержанию субъектов налогообложения, объединенных в однородные группы по структуре налоговых платежей;

- модель прогнозирования налоговых поступлений в бюджет АТО, использующая дополнительную информацию о факторах экономической среды (курсы валют, цены на нефть, инфляция), институциональных факторах (налоговые ставки, ставки зачисления налогов по уровням бюджетов), общеэкономических показателях предприятия (себестоимость, прибыль, добавленная стоимость, среднегодовая стоимость имущества и др.), на основе теории нечетких множеств.

2. Функциональная схема системы управления процессом формирования налоговой нагрузки и налоговых ставок с учетом противоречивых позиций интересов субъектов налогообложения и государства.

3. Модель определения эффективного уровня налоговой нагрузки, позволяющая определять области допустимой налоговой нагрузки по группам однородных субъектов налогообложения.

4. Модель определения оптимального уровня налоговых ставок по видам налогов и группам однородных субъектов налогообложения.

5. Информационная система оценки налогового потенциала и прогнозирования налоговых поступлений в бюджет АТО и система управления процессом формирования налоговой нагрузки и налоговых ставок, а также результаты исследования эффективности управления в системе налогообложения, полученные с использованием разработанных систем.

Научная новизна результатов заключается:

1. В разработке интеллектуальной технологии оценки и прогнозирования налоговых поступлений в бюджет, построенной на основе нейросетевой модели классификации субъектов налогообложения и нечеткой модели прогнозирования налоговых поступлений в бюджет АТО, использующей дополнительную информацию о факторах экономической среды, институциональных факторах, общеэкономических показателях предприятия, и отличающейся полнотой анализа разнородных сведений о системе, ее элементах и внешней среде.

2. В предложенной системе управления налогообложением на основе установления дифференцированных налоговых шкал по видам налогов и группам однородных субъектов налогообложения, позволяющей устанавливать обоснованные налоговые ставки с учетом изменяющихся условий внешней и внутренней среды;

3. В предложенной модели определения эффективной налоговой нагрузки по группам предприятий, на основе исследования эластичностей производственной и налоговой функций, позволяющей определять области допустимой налоговой нагрузки по группам однородных субъектов налогообложения;

4. В разработке модели определения оптимального уровня налоговых ставок по видам налогов и группам однородных субъектов налогообложения.

Практическая значимость и внедрение результатов работы. Практическую значимость исследований определяют следующие результаты диссертации:

1. Информационная технология оценки и прогнозирования налоговых поступления в бюджет, построенная на основе нейросетевых моделей для классификации субъектов налогообложения и нечетких моделей для оценки влияния различных групп факторов на величину налоговых поступлений и отличающаяся обоснованностью получаемых результатов и более высокой точностью по сравнению с существующими методами.

2. Система управления налогообложением на основе установления дифференцированных налоговых шкал по видам налогов и группам субъектов налогообложения, позволяющая устанавливать обоснованные налоговые ставки удовлетворяющие интересам субъектов налогообложения и государства и с учетом изменяющихся условий внешней и внутренней среды.

3. Модель определения эффективной налоговой нагрузки по группам предприятий, на основе исследования эластичностей производственной и налоговой функций, позволяющая определять области допустимой налоговой нагрузки по группам однородных субъектов налогообложения.

4. Модель определения оптимального уровня налоговых ставок по группам однородных предприятий, позволяющая устанавливать оптимальные налоговые ставки, удовлетворяющие интересам субъектов налогообложения и государства.

5. Практическую значимость имеют результаты апробации предлагаемых теоретических положений, алгоритмов и моделей на и фактических данных о функционировании налоговой системы Республики Башкортостан и г.Уфы. Проведены экспериментальные исследования предложенных технологий и моделей управления в системе налогообложения и доказана достоверность предлагаемых теоретических положений, моделей и подтверждена их эффективность. Применение интеллектуальной информационной системы позволило повысить точность прогнозирования, а максимальная ошибка не превышает 6%; при этом ошибка прогноза на основе традиционных статистических методов составляет около 14%. Использование модели управления налоговой нагрузкой по группам объектов налогообложения позволит по исследуемым предприятиям города Уфы увеличить валовой продукт в среднем на 10%, а налоговые поступления в среднем на 22%

Публикации

Результаты исследований, отражающие основные положения диссертации, изложены в 14 печатных работах, в том числе 9 статьях и 5 тезисах докладов, общим объемом 4,85 п.л.

Структура и объем работы. Диссертационная работа состоит из введения, 4 глав, заключения, списка литературы и приложений. Работа содержит 136 страницы машинописного текста, 37 рисунков и 16 таблиц, 10 страниц приложений. Список литературы из 143 наименований.

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

1. Разработана интеллектуальная технология оценки налогового потенциала и прогнозирования налоговых поступлений в бюджет АТО, построенная на основе нейросетевых и нечетких моделях и отличающаяся обоснованностью получаемых результатов.

Предложена нейросетевая модель классификации схожих по производственно-экономическому содержанию субъектов налогообложения, объединенных в однородные группы по структуре налоговых платежей. Показано, что применение нейросетевой модели для классификации объектов обосновано на основе мер близости объектов внутри класса.

Предложена модель прогнозирования налоговых поступлений в бюджет административно-территориального образования, использующая дополнительную информацию о факторах экономической среды (курсы валют, цены на нефть, инфляция), институциональных факторах (налоговые ставки, ставки зачисления налогов по уровням бюджетов), общеэкономических показателях предприятия (себестоимость, прибыль, добавленная стоимость, среднегодовая стоимость имущества и др.), использующая теорию нечетких множеств и позволяющая учитывать неопределенность и неточность входной информации.

2. Разработана функциональная схема системы управления процессом формирования налоговой нагрузки и налоговых ставок с учетом противоречивых позиций интересов субъектов налогообложения и государства и позволяющая устанавливать обоснованные налоговую нагрузку и налоговые ставки, удовлетворяющие интересам субъектов налогообложения и государства и с учетом изменяющихся условий внешней и внутренней среды.

3. Разработана модель определения эффективной налоговой нагрузки по группам субъектов налогообложения на основе исследования эластичностей производственной и налоговой функций и позволяющая определять области допустимой налоговой нагрузки по группам однородных субъектов налогообложения.

4. Предложена модель определения оптимального уровня налоговых ставок по группам однородных предприятий, удовлетворяющие интересам субъектов налогообложения и государства.

5. Проведены экспериментальные исследования предложенных технологий и моделей управления в системе налогообложения и доказана достоверность предлагаемых теоретических положений, моделей и подтверждена их эффективность.

Показано, что применение интеллектуальной информационной системы позволило повысить точность прогнозирования, а максимальная ошибка не превышает 6%; при этом ошибка прогноза на основе традиционных статистических методов составляет около 14%.

Применение модели управления налоговой нагрузкой по группам объектов налогообложения позволит: а) при уменьшении налоговой нагрузки по первой группе предприятий с 23% до 22% увеличить валовой продукт группы на 14%, а налоговые сборы на 9%, б) при увеличении налоговой нагрузки с 7% до 8% во второй группе увеличить валовой продукт группы на 6%, налоговые сборы на 21%, в) при увеличении налоговой нагрузки с 4% до 5% в третьей группе увеличить валовой продукт группы на 10%, налоговые сборы на 37%.

114

1. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. Учебник для вузов. — М.: ЮНИТИ, 1998. -1022с.

2. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях (Монография): Электронный ресурс Тюмень: ТГУ, 2000. -352с. // http://www.plink.ru.

3. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. М: Финансы и статистика, 2000. -368с.

4. Аткинсон Э.Б., Стиглиц Дж. Э. Лекции по экономической теории государственного сектора. Учебник. Пер с англ. под ред. JI.JI. Любимова. М.: Аспект-Пресс, 1995. - 831с.

5. Автоматизированная система учета, анализа и прогнозирования доходов бюджета // Информационные технологии. 2000. - №3. - С.37-47.

6. Аукуционек С., Батяева А. Какие налоговые реформы выгодны государству? // Вопросы экономики. -2001. -№3.-С.59-72.

7. Бесекерский В.А., Попов Е.П. Теория систем автоматического управления.-Изд.4-е, перераб. и доп. СПб.: Профессия, 2003. -752с.

8. Балацкий Е.В. Эффективности налоговой политики государства // Проблемы теории и практики прогнозирования. 2000. - №2. -С.32-45.

9. Берзин М.Ю. Состав и экономическое содержание функций налогов // Финансы и кредит. 2003. -№ 19. - С.75-86.

10. Богатин Ю.В. Экономическая оценка качества и эффективности работы предприятия. М: Изд-во стандартов, 1991. -214с.

11. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе STATISTIC А в среде WINDOWS. Основы теории и интенсивная практика на компьютере: Учебное пособие. -М: Финансы и статистика, 1999. -384с.

12. Брауг М. Экономическая мысль в ретроспективе. М.: Дело ЛТД, 1994. -213с.

13. Бриллинджер Д. Временные ряды. Обработка данных и теория. М: Мир, 1980.-537с.

14. Букаев Г.И., Бублик Н.Д., Горбатков С.А., Саттаров Р.Ф. Модернизациясистемы налогового контроля на основе нейросетевых информационных технологий. М.: Наука, 2002. -344с.

15. Бублик Н.Д., Голичев И.И., Горбатков С.А., Смирнов А.В. Теоретические основы разработки технологии налогового контроля и управления. -Уфа: РИО БашГУ, 2004. -336с.

16. Бюджетная система России: Учебник для вузов / Под ред. Г.Б. Поляка. -М.: ЮНИТИ-ДАНА, 2002. -373с.

17. Васин А.А., Васина П.А. Оптимизация налоговой системы в условиях уклонения от налогов: роль ограничений на штраф. М.: EERC,2002. -48с.

18. Введение в математическое моделирование: Учебное пособие / В.Н.Ашихмин и др. Под ред. П.В.Трусова. -М.: «Интермет Инжиниринг», 2003.-336с.

19. Вентцель Е.С. Теория вероятностей. М.: Наука, 1969. -363с.

20. Вентцель Е.С. Исследование операций. М.: Высшая школа, 2001. -208с.

21. Венсель В.В. Интегральная регрессия и корреляция: статистическое моделирование рядов динамики. М: Финансы и статистика, 1983. -233с.

22. Вишневский В., Липницкий Д. Оценка возможностей снижения налогового бремени в переходной экономике // Вопросы экономики. -2000. -№2.-С.107-116.

23. Вылкова Е.С. Расчет налогового бремени в современных российских условиях // Налоговый вестник. -2003. -№.12-С.36-39.

24. Габдрахманова Н.Т. Нейросетевое моделирование камеральных налоговых проверок торговых предприятий и оптимизация их постналогового дохода: Диссертация канд. техн. наук: 05.13.18/ УГАТУ. -УГ АТУ ,2003. -140с.

25. Галушкин А.И. Нейрокомпьютеры. Кн.З: Учебное пособие для вузов. -М.: ИПРЖР, 2000. -528с.

26. Галушкин А.И. Теория нейронных сетей. Кн.1: Учебное пособие для вузов. М.: ИПРЖР, 2000.-416с.

27. Гольдберг А., Юткина Т. Модели налогового регулирования субъектов сфер «бюджет» и «бизнес» // Налоги. 2000. - №1. - С.38-48.

28. Горский И.В. Налоговый потенциал в механизме межбюджетных отношений // Финансы. 1999. -№ 6. - С.27-30.

29. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере Новосибирск: Наука. Сибирская издательская фирма РАН, 1996. -276с.

30. Глазьев С.Ю., Жукова М.В. Бюджет 2004: все тот же вопрос выбора социально-экономической политики // Российский экономический журнал, 2003. №8. -С.3-15.

31. Граборов С.В. Границы применимости современной бюджетно-налоговой теории и мажоритарный подход // Экономика и математические методы, 2003. том 39, №4. - С.3-14.

32. Дидович А.П. Возможности формирования эффективного налогового механизма в регионе // Регион: экономика и социология, 2002. -№4. -С.114-123.

33. Дудорин В.И. Управление экономикой и глобальная информатизация. -М.: Менеджер, 2002. -181с.

34. Дьяконов В. MATHCAD 8/2000:специальный справочник. СПб.: Питер, 2000. -592с.

35. Ежов А.А., Шумский С.А. Нейрокомпьютинг и его приложения в экономике и бизнесе. М.:МИФИ, 1998. - 224с.

36. Занадворов B.C. Теория налогообложения: Учебное пособие. (Глава 4. Оптимальное налогообложение): Электронный ресурс. М: ВШЭ, 2003. -25с. // http://ecsocman.edu.ru.

37. Замков О.О., Черемных Ю.А., Толстопятенко А.В. Математические методы в экономике. Учебник. 2-е изд-е. М.: МГУ, Изд-во «Дело и сервис», 1999. -368с.

38. Имитационные системы принятия экономических решений / Сост. К.А.Багриновский, Т.И. Конник, М.Р. евинсон и др. М.: Наука, 1989. -165с.

39. Интеллектуальные системы управления с использованием нечеткой логики: Учебное пособие / В.И. Васильев, Б.Г. Ильясов. Уфа: УГАТУ, 1995.-80с.

40. Интеллектуальные системы управления с использованием нейронных сетей: Учебное пособие / В.И. Васильев, Б.Г. Ильясов, С.С. Валеев и др. -Уфа: УГАТУ, 1997. -92с.

41. Ильясов Б.Г., Исмагилова JI.A., Валеева Р.Г. Моделирование производственно-рыночных систем. Уфа: УГАТУ, 1995. -321с.

42. Ильясов Б.Г., Исмагилова J1.A., Валеева Р.Г., Сергеева И.Г., Афанасьев В.Ю. Система поддержки решений на основе нечеткой логики (программа для ЭВМ) // Св. №990006 об официальной регистрации программы для ЭВМ от 10.01.1999.

43. Ильясов Б.Г., Исмагилова JI.A., Валеева Р.Г., Сергеева И.Г., Гареев A.M. Система моделирования на нейронных сетях // Свидетельство об официальной регистрации программы для ЭВМ №990005, 1999.

44. Имитационные системы принятия экономических решений/ К.А.Багриновский, Т.И. Конник, М.Р. Левинсон и др. М: Наука, 1989. -165с.

45. Исмагилова JI. А. Автоматизированное управление производством как динамической системой, функционирующей в условиях рынка, на основе имитационного моделирования: Диссертация докт. техн. наук: 05.13.06. -Уфа: УГАТУ, 1998. -410с.

46. Исмагилова Л.А., Орлова Е.В., Афанасьев В.Ю. Информационная технология оценки и прогнозирования налогового потенциала // Экономика и управление. 2001. № 1. - С. 50-53.

47. Исмагилова Л.А., Орлова Е.В., Сергеева И.Г., Афанасьев В.Ю. Модели прогнозирования макроэкономических показателей на основе нейронных сетей // Управление экономикой: методы, модели, технологии: Сб. науч. тр. Уфа: УГАТУ, 2001. - Ч. III. - С. 147-153.

48. Исмагилова Л.А., Орлова Е.В., Сергеева И.Г., Афанасьев В.Ю. Интеллектуальная система анализа и управления процессамиформирования бюджета региона // Управление экономикой: методы, модели, технологии: Сб. науч. тр. Уфа: УГАТУ, 2002. - С. 307-310.

49. Исмагилова J1.A., Нураева Ф.Ш., Орлова Е.В. Статистический метод прогнозирования налогового потенциала в РБ // Саморазвитие регионов. Матер, междунар. науч.-практ. конф. Уфа: ИСЭИ РАН, 2002. - С. 130-136.

50. Исмагилова JI.A., Нураева Ф.Ш., Орлова Е.В. Совершенствование системы формирования доходного потенциала бюджета // Перспективы развития теории и практики управления потенциалом промышленного производства. Сб. науч. тр. Уфа: УГНТУ, 2002. - С. 45-48

51. Исмагилова JI.A., Орлова Е.В. Нейросетевые технологии в экономике: сравнение с классическими методами // Нейрокомпьютеры: разработка и применение. 2004. -Ш. С. 69-76.

52. Кадочников П., Луговой О., Синельников С., Шкребела Е. Моделирование динамики налоговых поступлений, оценка налогового потенциала территорий: Электронный ресурс, М.:ИЭПП, 1999. -42с. // http:// www.iet.ru.

53. Кашина Н.В. Налоговый потенциал в системе бюджетного прогнозирования.// Финансы 2002 - № 2. - С.78-79.

54. Кенделл М. Дж., Стюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976. -165с.

55. Кобринский Н.Е., Кузьмин В.И. Точность экономико-математических моделей. М: Финансы и статистика, 1981. -255с.

56. Коломиец А.Л. Анализ концептуальных подходов и методов оценки налогового потенциала регионов // Налоговый вестник. 2000. -№2. -С.25 -28.

57. Коломиец А.Л. О понятиях налогового и финансового потенциала региона // Налоговый вестник, 2000. -№1. -С. 3-5.

58. Коломиец А.Л., Новикова А.И. О соотношении налогового и финансового потенциала в региональном разрезе // Налоговый вестник, -2000. -№б. -С. 35-38.

59. Коломиец А.Л Об основных положениях определения налоговой нагрузки регионов РФ // Налоговый вестник, 2000. -№.7. -С. 54-57.

60. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия - Телеком, 2001. -382с.

61. Кугаенко А.А. Основы теории и практики динамического моделирования социально-экономических объектов и прогнозирования и развития. М.: Вузовская книга, 1998. - 392с.

62. Куликов А.Г., Павлов И.П. Графический метод расчета ВВП и поступления налогов в бюджет // Финансы. 2000. - № 5. - С.36-40.

63. Кушубакова Б.К. О методах прогнозирования доходов бюджета // Экономика и управление. 2003. - №3. - С.71-75.

64. Лебедев В.В. Математическое моделирование социально-экономических процессов. М.: Изограф, 1997. -224с.

65. Лопатников Экономико-математический словарь, М: Финансы и статистика, 1993. -450с.

66. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. -М.: Статистика, 1979. -290с.

67. Маглакелидзе Т. О налоговом федерализме // Налоговый вестник. -2003. -№1. -С.134-135

68. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс: Учеб.-4-е изд. М: Дело, 2000. -400с.

69. Матрусов Н.Д. Региональное прогнозирование и региональное развитие. -М.: Наука, 1999.- 221с.

70. Мельник Д.Ю. Налоговый менеджмент. М: Финансы и статистика, 1999.

71. Мовшович С.М. Моделирование влияния налогов на долговременный экономический рост // Экономика и математические методы. -1998. -т.34.вып. 1. -С.5-18.

72. Мовшович С.М. Игровая модель выбора стратегии налоговой инспекцией // Экономика и математические методы. -2003. -т.39.вып.2. -С.188-200.

73. Налоги / Под ред. Д.Г.Черника, М: Финансы и статистика, 1997. -400с.

74. Налоги и налогообложение / Под. ред. Романовского М.В., Врублевской О.В. СПб: Питер, 2000. -528с.

75. Налоговый кодекс Российской Федерации. Части 1,2. М.:ИНФРА-М, 2002. - 512с. /2002

76. Николаев М., Махотаева М. Концепция реформирования налоговой системы // Экономист. 2003. -№4. - С.49-53.

77. Орлова Е.В. Вопросы разработки методологии и технологии проектирования современных информационных систем // Интеллектуальные системы управления и обработки информации: Матер, междунар. молодежи, науч.- техн. конф. Уфа: УГАТУ, 1999. - С.25.

78. Орлова Е.В., Сергеева И.Г., Афанасьев В.Ю. Нейросетевая модель анализа инвестиционного потенциала // Математическое моделирование экономических систем и процессов: Матер, всерос. науч.- практ. конф. -Чебоксары: ЧГТУ, 2000. С. 72-74.

79. Орлова Е.В. Информационная технология оценки и прогнозирования налогового потенциала муниципального образования // Экономическая мысль XXI века: Сб. науч. тр. Выпуск I. Калининград: КГУ, 2001. - С. 27-29.

80. Пансков В.Г. Налоги и налогообложение в Российской Федерации: Учебник для вузов.-6-е издание. М.: Международный центр финансово-экономического развития,2004. -576с.

81. Паскачев А.Б., Саакян P.JL, Новикова А.И., Мельник А.Д. О налоговом паспорте субъектов РФ // Налоговый вестник. 1999. -№ 12 . -С.

82. Петров А.А. Экономика. Модели. Вычислительный эксперимент. М: Наука, 1996.-251с.

83. Построение систем учета, анализа и прогнозирования государственных финансов // Проблемы теории и практики управления. 2003. - №2. -С.

84. Потемкин В.Г. Начало работы с Matlab: Электронный ресурс, 2002 // http.V/www.matlab.ru/ml/book3/index.asp.

85. Проблемы налоговой системы в России: теория, опыт, реформа/ Под. ред. М.Алексеева, С.Синельникова: Электронный ресурс. М.: ИЭПП, 2000. -156с. // http://www.iet.ru.

86. Реш В.К., Алехин С.Н. К вопросу о разработке прогнозов в работе налоговых органов // Налоговый вестник. -2000. № 9. - С.25-26.

87. Розанов Ю.А. Теория вероятностей, случайные процессы и математическая статистика, М: Наука, 1985. - 320с.

88. Романов А.Н., Одинцов Б.Е. Советующие информационные системы в экономике: Уч. пос. для вузов. М.: ЮНИТИ-ДАНА, 2000. -487с.

89. Роулс Дж. Теория справедливости. Н.: НГУ, 1995. -230с.

90. Саакян Р.А., Мельник А.Д. Об основных аспектах расчета налоговой базы// Налоговый вестник. 1999. -№.10. -С. 26-29.

91. Саакян Р.А., Ананьеву Г. О налоговом прогнозировании и планировании // Налоговый вестник. -2000. -№12. -С.36-39.

92. Синельников С. Основные направления налоговой реформы: Электронный ресурс. М.: ИЭПП, 2001. -123с. // http://www.iet.ru.

93. Свинцова А.П. Об оценке налогового потенциала региона. // Финансы. -2001. -№ 3. -С.68-69.

94. Селиверстов В., Подпорина И., Игудин А., Богачева О., Дворецкая А. Формирование бюджетных и других финансовых ресурсов региональной политики для выравнивания региональной асимметрии: Электронный ресурс. М.: ИЭПП, 2.001. -237с. // http://www.iet.ru.

95. Сидорова Н.И. Возможности использования налоговых инструментов длярегулирования регионального развития // Проблемы прогнозирования. -2003 . -№1, С.96-107.

96. Советов Б.Я., Яковлев С.А. Моделирование систем: Учеб. для вузов по спец. «Автоматизированные системы обработки информации и управления». 2-е изд., перераб. и доп. М.: Высшая школа, 1998. -271с.

97. Соловьев И.И. Уклонение от уплаты налогов и оптимизация налогообложения // Налоговый вестник. -2001. -№9. -С. 130-136.

98. Социально-экономические проблемы России / Под ред. П.С. Филиппова, СПб: Норма, - 1999. - 320с.

99. Сио К.К. Управленческая экономика: Пер. с англ. М: ИНФРА-М, 2000. -671с.

100. Статистическое моделирование и прогнозирование / Под ред. А.Г. Гранберга, М: Финансы и статистика, 1990. -400с.

101. Статистический анализ экономических временных рядов и прогнозирование / Под ред. Ершова Э.Б., Френкеля А.А. М: Наука, 1973.-295с.

102. Стиглиц Д., Элерман Д. Макро и микроэкономические стратегии для России / Пер. с англ.: Электронный ресурс. М.: НЭП1, 2003- 50с. // http://www.eccar-russia.org.

103. Тодосейчук А.В. Модель эффективной налоговой системы // Экономика и коммерция. -1992. -№3. -С.18-23.

104. Трунин И. Оценка налогового потенциала субъектов Федерации и разработка методики распределения Фонда финансовой поддержки регионов на 2000 год : Электронный ресурс. М.: ИЭПП, 1999. -63с. // http://www.iet.ru.

105. Турчак Л.И. Основы численных методов: Учебное пособие. М.: Наука, 1987.-320с.

106. Тынкевич М.А. Справочное пособие по курсу «Численные методы анализа» для студентов специальности «Прикладная информатика в экономике»:Электронный ресурс- М.: МГУ, 2003 49с. // http:// www. exponenta.ru.

107. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика / Пер. с англ. М.: Мир, 1992. -240с.

108. Факторный, дискриминантный и кластерный анализ:Пер. С англ./Дж.-О.Ким, Ч.У.Мьюллер, У.Р.Клекка и др.; Под ред. И.С.Енюкова. -М.:Финансы и статистика, 1989. -215с.

109. Фишер С., Дорнбуш Р., Шмалензи Р. Экономика. М.: Дело, 1999. -864с.

110. Цыгичко В.Н. Прогнозирование социально-экономических процессов. -М: Финансы и статистика, 1986. -207с.

111. ПЗ.Четыркин Е.Н. Статистические методы прогнозирования. -М:Статистика, 1975. -200с.

112. Шелобаев С.И. Математические методы и модели в экономике, финансах, бизнесе: Учебное пособие для вузов. М.: ЮНИТИ -ДАНА, 2000. -367с.

113. Шалюхина М.Н. Налоговый потенциал региона: проблемы оценки, формирования и эффективного использования // Налоговый Вестник. -2001. №1. - С.31-34.

114. Экономико-математические методы и прикладные модели / Под. ред. В.В. Федосеева. -М.:ЮНИТИ, 1999. 391с.

115. Якобсон Л.И. Экономика общественного сектора. Основы теории государственных финансов. -М.: Наука, 1995. -276с.

116. Яндиев М.И. Прогнозирование доходов нуждается в усовершенствовании И Финансы 2001. - № 4. -С. 12-14.

117. Alfred L. Guiffrida and Rakesh Nagi (1998) Fuzzy set theory applications in production management research: a literature survey. Journal of Intelligent Manufacturing 9,39-56.

118. Auerbach Alan J. (2001) Perfect Taxation with imperfect competition. Working paper, University of California.

119. Andres Erosa (2001) Optimal taxation in infinitely-lived agent and overlapping generations models: A review; Economic Quarterly Federal Reserve Bank of Richmond, Richmond; Vol. 87, Iss. 2; 22 p.

120. Compson, Mochail and Jonh Navratin (1997) An improved method for estimating the total taxable resources of the states. Research paper # 9702. U.S. Department of the Treasury, 36p.

121. Christos T Papadas (2002) Neural network forecasts of input-output technology; Applied Economics, London; Sep 10, Vol. 34, Iss. 13; 1607p.

122. Clemens J. and Veldhuis N. (2004) Size of Government and Economic Growth. Statistical evidence for the relationship between government size and economic growth // http:// www.fcpp.org

123. Diamond P.A.(1998) Optimal income taxation: An example with a u-shaped pattern of optimal marginal tax rates; The American Economic Review, Nashville; Vol. 88, Iss. 1; 83-96.

124. Edwards J.(2001) Trade tax reform in a small open economy with distributional objectives and distortionary taxation; Topics in Economic Analysis & Policy, Berkeley,; Vol. 1, Iss. 1; 11-26.

125. Hoai An Le Thi (2002) Combination between global and local methods for solving an optimization problem over the efficient set; European Journal of Operational Research, Amsterdam; Vol. 142, Iss. 2; 258p.

126. Income taxes and the provision of public goods: existence of an optimum (2001), Econometrica, vol 69, #3, 771-784.

127. Ismagilova L.A., Orlova E.V. (2001) Simulation of the social economic systems under conditions of uncertainty and risk// Proc. of the 3th Int. Workshop on Computer Science and Information Technologies CSIT'2001. Vol.3.-P.298-301.

128. Ismagilova L.A., Orlova E.V. (2001) Tax potential estimations and forecasting using artificial intelligent methods // Proc. of the Neural Information Processing ICONIP2001, P. 781-786.

129. Ismagilova L.A., Orlova E.V. (2004) Modeling of effective tax burden fortVitaxpayer groups // Proc. of the 6 Int. Workshop on Computer Science and Information Technologies CSIT'2004, P. -263-268.

130. Jacco L Wielhouwer (2002) Optimal tax depreciation under a progressive tax system; Journal of Economic Dynamics & Control, Amsterdam; Vol. 27, Iss. 2; P.243.

131. Kleven H.J. (2000) Optimal taxation with household production; Oxford Economic Papers, Oxford; Vol. 52, Iss. 3; 584-595.

132. Lindsey L.B. (1997) Revenue maximizing taxation is not optimal, Joint economic committee report, USA, 7p.

133. Martin Gervais Housing taxation and capital accumulation II Review of economic studies, vol 49 #7, 1461-1489.

134. Milligan C.B., Marien J.G. (1998) Average marginal tax rates revisited: a comment, Department of economics, University of Chicago, 19p.

135. Michael S.Garver, (2002) Try new data-mining techniques. Marketing news, 3, P.31-33.

136. Pietsang Wu (2002) A fuzzy curved search algorithm for neural network learning; Computers & Industrial Engineering, New York; Vol. 43, Iss. 4; 693p.

137. Saes E. (2001) Using elasticities to derive optimal income tax rates, Review of economic studies, 68, 205-229.

138. Stephan S. (2001) Adding value is the name of the transfer pricing game, Corporate finance, 6, 22-29.

139. Steven Clark W. (2003) Using micro-data to assess average tax rates, OECD tax policy studies, 8, P. 1-44.

140. The representative tax system (1999); Discussion paper, federal-provincial relations division; Department of the finance of Canada.