Налоговое прогнозирование

 Метод « налогового  калькулятора» как один из  методов детерминистического подхода  построения прогнозов налоговых  поступлений используется тогда, когда доступна база данных  с индивидуальными налоговыми  отчетами налогоплательщиков. Он  особенно распространен при моделировании подоходного налога и налога на прибыль. При построении налоговых калькуляторов обычно используются модель типичного налогоплательщика и модель агрегирования. Применение модели типичного налогоплательщика предполагает, во- первых, поиск типичного представителя для каждой группировочной категории; во- вторых, на основе индивидуальной налоговой декларации расчет текущих налоговых обязательств. Эта модель позволяет рассматривать влияние изменений налогового законодательства на разные категории налогоплательщиков.

С помощью модели агрегирования можно при наличии базы индивидуальных налоговых отчетов за несколько лет, значений темпов экономического роста и дефлятора прогнозировать суммарные налоговые поступления. Применение этой модели предполагает, во- первых, разбивку налогоплательщиков на несколько групп, каждой из которых присваиваются определенные веса; во- вторых, расчет налоговых обязательств для каждого отдельного налогоплательщика; в- третьих, построение прогноза налоговых поступлений на следующий период на основании значений темпов экономического роста и расчета индивидуальных налоговых обязательств по группам налогоплательщиков. Модель агрегирования используется для прогнозирования налоговых поступлений казначейством США. На основании модели агрегирования казначейство США рассчитывает также средние значения предельных налоговых ставок для определения выравнивающего действия налоговой системы.

 Прогнозы временных  рядов налоговых поступлений  осуществляются на основании  их собственной динамики с  использованием метода взвешенного  скользящего среднего ( ВСС), метода  двойного экспоненциального сглаживания, метода Хольта- Винтерса, модели  авторегрессии и скользящего  среднего ( ARMA). Все эти методы  и модели с одной переменной. Прогноз строится на основе  использования только предыдущего  значения переменной, в данном  случае показателя налоговых  поступлений. Эти простые модели  с одной переменной считаются  более надежными по сравнению со сложными структурными моделями. Например, модель временного ряда может использовать месячные данные о прошлых поступлениях подоходного налога и на основании прошлых закономерностей в поведении этой переменной она предскажет будущие значения поступлений из этого источника. Поэтому для использования моделей временных рядов необходимо иметь только прошлые значения самой прогнозируемой переменной. Сдвиги в динамике временных рядов, связанные с реформами в налоговом законодательстве ( структуре налога) или с какими-то иными крупными изменениями, могут быть учтены в модели с помощью специального статистического приема - учета так называемой фиктивной переменной.

 Суть прогнозирования  переменной по прошлой ее динамике  заключается в выявлении корреляции  будущих значений этой переменной  с ее прошлыми. Если такую корреляцию  можно определить и разложить  ее на составляющие, придав ей  структуру, то получатся достаточно  точные прогнозы. Наиболее простым  методом прогнозирования считается  метод ВСС. Метод двойного экспоненциального  сглаживания, в соответствии со  своим названием, предполагает применение  экспоненциального сглаживания  к изначальному ряду дважды  и продление временного ряда  вдоль линейного тренда. Более  сложным методом прогнозирования  на основе экспоненциального  сглаживания считается метод  Хольта- Винтерса.

 Наиболее часто используемой  моделью с одной переменной, в  частности, считается модель авторегрессии  и скользящего среднего ( ARMA)* .

 Обычно для случая  нормально распределенных данных  оценки коэффициента модели ARMA осуществляются  на основании метода максимального  правдоподобия.

 Следует отметить, что  очень часто используют чисто  авторегрессионые модели. Это правомерно  постольку, поскольку модель ARMA может  быть представлена в виде модели  чистой авторегрессии (в общем случае с бесконечным числом переменных). Параметры для таких моделей предлагается оценивать методом наименьших квадратов, а максимальный порядок лагов с помощью критерия Шварца. В условиях макроэкономической стабильности, как правило, авторегрессионые процессы и процессы скользящего среднего помогают достаточно хорошо описать динамику многих макроэкономических рядов, в том числе и рядов налоговых поступлений. Конечной целью моделирования динамики налоговых поступлений является построение прогнозов, поэтому использование модели ARMA наряду с другими моделями экстраполяции позволяет также по отдельному виду налога оценить уровень точности прогнозирования поступлений.[16]

 Прогнозы налоговых  поступлений с использованием  нескольких переменных создаются  потому, что информация в таком  многомерном временном ряде может  улучшить качество прогноза исследуемого  показателя. В частности, при прогнозе  налога на прибыль в качестве  переменных, связанных с налоговой  базой, можно использовать зарплату, прибыль, ставку процента. В настоящее  время существует несколько типов  моделей прогнозирования с несколькими  переменными: структурные эконометрические  модели; линейные и нелинейные  уравнения; модели, основанные на  построении опережающих экономических  индикаторов.

 Структурные эконометрические  модели представляют собой как  крупные системы одновременных  уравнений, так и небольшие эконометрические  модели ( типа соотношений для  кривой Филипса для отражения  зависимости изменения инфляции  от изменения уровня занятости  и др.). Определяющим в этих  моделях является использование  предположений экономической теории  для задания априорных ограничений.

 Типичным примером  замкнутых линейных уравнений, используемых  для прогнозирования, может служить  векторная авторегрессия. Модель  векторной авторегрессии имеет  три часто встречающихся представления: векторная авторегрессия в приведенной форме, в рекурсивной и структурной формах.

 Векторная авторегрессия  в приведенной форме обобщает  модель авторегрессии на случай  многомерной случайной величины.

 Основываясь на теории  одновременных уравнений, на компоненты  каждой матрицы при их оценке  необходимо наложить определенные  связи. В ресурсном представлении  векторной авторегрессии эти  связи накладываются механически: предполагается опосредованное  влияние компонент многомерного  временного ряда друг на друга, т. е. на первую компоненту не  влияет никакая другая, на вторую  компоненту влияет только первая, на третью - только первые две  и т. д. В противоположность этому  в структурной форме векторной  авторегрессии связи на компоненты  матрицы накладываются исходя  из результатов экономической  теории.

 Прогнозирование на  основе опережающих экономических  индикаторов предполагает создание  агрегатной величины, ход тренда  которой опережает во времени  ход исследуемого показателя. Как  известно из экономической теории, изменения одних переменных объективно  должны предшествовать изменениям  других. Выбирается несколько переменных, опережающих исследуемую величину. Далее из выбранных переменных  строится некоторый индекс, по  значению которого строится прогноз  исследуемого показателя.

 Типичным примером  прогнозных моделей с несколькими  переменными являются макроэкономические  модели налоговых поступлений.

 При построении прогнозных  значений налоговых поступлений, как правило, приходится предварительно  прогнозировать объясняющие переменные  с использованием различных методик, включая экономические методы, и  только потом прогнозировать  сами налоговые поступления. При  этом можно использовать прогнозы  объясняющих переменных, построенные  определенными организациями, или  же существующие экспертные оценки.

 Эконометрические модели, основанные на авторегрессионных  процессах, следует, на наш взгляд, рассматривать наряду с моделями  для процессов со стохастическим  трендом (TS- модели) и моделями для  процессов с детерминистическим  трендом (DS- модели).

 Модель оценки поступлений ( Revenue Estimating Model, REM) представляет собой  модель- калькулятор, для прогнозирования  налоговых поступлений исходя  из информации о налоговых  поступлениях за предыдущие месяцы. В REM- модели расчет прогнозных  значений проводится в постоянных  ценах и основывается на значениях  поступлений за соответствующий  период базового года с учетом  возможных изменений ставок и  базы налогов. Имевшие место изменения  учитываются простой корректировкой  на соответствующий множитель. Кроме  того, в REM- модели осуществляется  дополнительная корректировка прогнозных  значений на относительное изменение  поступлений текущего года по  сравнению с предыдущим годом. Чем ближе прогноз поступлений  к концу текущего года, тем  в большей степени он опирается  на информацию о поступлениях  те куше го года.

 Замечено, что TS- модели  по сравнению с DS- моделями дают  более качественный одношаговый  прогноз для поступлений по  подоходному налогу. Прогнозы подоходного  налога, полученные с помощью  этих эконометрических моделей (TS- и DS- моделей), лучше прогнозов, построенных  по модели оценки поступлений ( REM). Для прогноза поступлений  налога на прибыль эконометрические  модели (в данном случае TS- и DS- модели  считаются равнозначными) уступают REM- модели. Для прогноза поступления  налога на добавленную стоимость, как и в случае прогноза  подоходного налога, качество прогнозов  с применением TS- моделей также  считается несколько выше прогнозов  с применением DS- и REM- моделей. Для  расчета прогнозных значений  суммарных налоговых поступлений  в консолидированный бюджет Российской  Федерации REM- модель дает существенно  более качественный прогноз, чем  эконометрические модели. Наконец, для суммарных налоговых поступлений в федеральный бюджет Российской Федерации наилучшие характеристики дает прогноз на основе эконометрических моделей, а не REM- модели.

 Качество одношаговых  прогнозов налоговых обязательств  с помощью макроэкономических  моделей улучшится, если в уравнение  добавить значимые объясняющие  переменные.

 Среди рассмотренных  методов построения одношаговых  прогнозов налоговых обязательств  наиболее точные результаты дает  метод, в котором на каждом  шаге производится переоценка  коэффициентов уравнения.

 Наиболее точными считаются  результаты прогнозов налоговых  обязательств для налога на  прибыль и подоходного налога. Они не хуже прогнозов соответствующих  налоговых поступлений, полученных  на основании ARMA и REM- моделей.[5]

 Точный прогноз налоговых  поступлений в бюджетную систему  страны - это одно из главных  условий успешной работы налоговых  органов. В налоговых органах  наиболее часто приходится иметь  дело с текущим регулярным  прогнозом, используемым также при  формировании месячных заданий  подчиненным территориальным инспекциям. Прогнозные значения на окончание  предстоящего периода определяются  обычно по предыстории с помощью  различных типов прогнозов. Предшествующие  прогнозному значению величины  зависят в значительной степени  от ряда случайных событий. К  сожалению, в настоящее время  в территориальных налоговых  органах отсутствуют обоснованные  методы прогноза в условиях  случайных искажений анализируемой  информации, а применяемые методы  прогноза налоговых поступлений  не учитывают специфику работы  конкретных налоговых органов.

2. Налоговое планирование и прогнозирование  на примере акцизов

2.1. Объекты обложения  акцизами

В соответствии с федеральным законом 06. 12. 91 №1993-1 «Об акцизах» в РФ акцизами облагаются следующие товары: спирт этиловый из всех видов сырья; спиртосодержащая продукция (за исключением денатурированной); алкогольная продукция; пиво; табачные изделия; ювелирные изделия; нефть, включая стабилизированный газоконденсат; бензин автомобильный; легковые автомобили отдельные виды минерального сырья, в соответствие с перечнем, утвержденным Постановлением Правительства РФ от 03. 07. 97 №808 «О видах минерального сырья, подлежащего обложению акцизами»

 При этом не подлежат  обложению акцизами: коньячный спирт, спирт - сырец и виноматериалы, производимые  по государственным стандартам  и техническим условиям, утвержденным  уполномоченным федеральным органом  исполнительной власти на предприятиях, прошедших государственную регистрацию  согласно Постановлению Правительства  Российской Федерации от 23 июля 1996 г. N 874 "О введении государственной  регистрации этилового спирта  из пищевого сырья, алкогольной, алкогольсодержащей пищевой продукции  и другой спиртосодержащей продукции"; денатурированная спиртосодержащей  продукция ( денатурированный спиртосодержащая  продукция, которая содержит денатурирующие  добавки, не исключающие возможность  использования ее для производства  алкогольной и пищевой продукции, и изготовленная не в соответствии  с установленной федеральным  органом исполнительной власти  нормативной документацией, облагается  акцизами в общеустановленном  порядке); спиртосодержащие лекарственные, лечебно - профилактические, диагностические  средства, зарегистрированные уполномоченным  федеральным органом исполнительной  власти и внесенные в Государственный  реестр лекарственных средств, изделий  медицинского назначения, а также  средства, изготавливаемые аптечными  учреждениями по индивидуальным рецептам, включая гомеопатические препараты; спиртосодержащие препараты ветеринарного назначения, прошедшие государственную регистрацию в уполномоченном федеральном органе; парфюмерно - косметическая продукция, прошедшая государственную регистрацию; спиртосодержащие отходы, образующиеся при производстве спирта этилового из пищевого сырья, водок, ликероводочных изделий и подлежащие дальнейшей переработке, прошедшие государственную регистрацию ( спиртосодержащие отходы, не подлежащие дальнейшей переработке, облагаются акцизами в общеустановленном порядке); ювелирные изделия (за исключением обручальных колец), являющиеся предметами культа и религиозного назначения, предназначенные для использования в храмах, при священнодействии и ( или) богослужении; подакцизные товары, являющиеся продуктами переработки подакцизных видов минерального сырья, предусмотренные соглашениями о разделе продукции, если такие товары являются в соответствии с условиями указанных соглашений собственностью инвесторов.