Обзор используемых ИС

Самые прогрессивные информационные технологии не могут развиваться и даже функционировать в условиях слаборазвитой и негибкой, неэффективной экономики, низкой квалификации и недостаточного профессионализма работников. Для нормального развития таких технологий необходимо также четкое понимание социально-экономических систем (их целей, ресурсов, моделей), ведущих к эффективному производству и бизнесу, рациональному распределению и потреблению, целенаправленным и ресурсообеспеченным процессам в обществе.

Чаще всего в налоговых системах актуализируются следующие новые информационные технологии:

1. моделирование и вычислительный эксперимент;

2. базы данных и автоматизированные информационные системы (АИС);

3. базы знаний, экспертные и интеллектуальные системы (в том числе часто – эвристические процедуры и системы);

4. интеллектуальные среды планирования и управления;

5. телекоммуникационные средства доступа и сжатия информации;

6. автоматизированные системы (контроля, управления и т.д.), АРМы;

7. компьютерные, виртуальные организационные системы;

8. интегрированные пакеты прикладных программ;

9. мультимедийные, гипертекстовые, гипермедийные и WWW-технологии;

10. технологии когнитивные и визуализации;

11. объектно-ориентированные технологии;

12. средо-ориентированные технологии;

13. CASE-технологии;

14. нечеткие и нейро-ориентированные технологии.

Рассмотрим примеры, демонстрирующие имеющийся у авторов опыт их использования, а также перспективы применения и направление вектора информационного реинжиниринга налоговых систем. Выберем для этой цели часто применяемые в таких системах технологии.

Экономико-математическое и компьютерное моделирование, вычислительный эксперимент. Для решения актуальных задач управления и планирования используются математическое, в частности, имитационное моделирование и вычислительный налоговый эксперимент. Перечень решаемых задач постоянно расширяется, а сами модели усложняются.

Актуальной задачей в налоговых системах является анализ и, хотя бы краткосрочное, прогнозирование темпов сбора налогов. Рассмотрим следующую модельную задачу: построить математическую и компьютерную модель и провести вычислительные эксперименты для анализа динамики задолженности и налогособираемости, а также выявления факторов, влияющих на эту динамику.

Смысл используемых ниже переменных: х₁ - коэффициент абсолютной ликвидности; х₂ - коэффициент текущей ликвидности; х₃ - дебиторская задолженность; х₄ - кредиторская задолженность; х₅ - превышение кредиторской задолженности над дебиторской; х₆ - коэффициент финансовой зависимости; х₇ - коэффициент соотношения привлеченных и собственных средств; х₈ - кредиторская задолженность перед бюджетом; х₉ - кредиторская задолженность по социальному страхованию и внебюджетным платежам; х₁₀ - коэффициент собираемости налоговых платежей; х₁₁ - коэффициент собираемости налога на прибыль. Эти коэффициенты определяются в соответствии с известными финансовыми и нормативно-справочными материалами и по данным республиканской налоговой базы данных (БД УМНС РФ по КБР).

Были проведены различные (отсеивающие, классифицирующие, регрессионные и корреляционные) вычислительные эксперименты с использованием БД УМНС РФ по КБР. План экспериментов определялся экономическими соображениями, а также целями и рекомендациям отдела анализа УМНС РФ по КБР. Большинство экспериментов было направлено на выявление факторов, оказывающих наибольшее влияние на сбор налогов (на коэффициент сбора налогов) за различные месяцы, кварталы и годы, на оценку налогового потенциала предприятий, их финансовой самостоятельности и устойчивости. В частности, осуществлялись эксперименты по нахождению эмпирических зависимостей вида: x₁₀ = f(x₁, x₂, x₃, x₄, x₆, x₈, x₉), x₁₀ = f(x₃, x₄, x₆, x₇, x₈), x₁₀ = f(x₁, x₂, x₆, x₇), x₁₀ = f(x₃, x₄, x₈), x₁₀=f(x₁, x₂, x₃, x₄, x₅, x₆, x₇, x₈, x₉), x₁₀ = f(x₁, x₂, x₆), x₁₀ = f(x₃, x₄, x₈, x₉), x₁₀ = f(x₃, x₄, x₈), x₆ = f(x₃, x₄, x₈, x₉), x₁₀ = f(x₁, x₂, x₆), x₆ = f(x₁, x₂, x₃, x₄, x₅, x₇, x₈, x₉, x₁₀, x₁₁), x₁₀ = f(x₁, x₂, x₃, x₄, x₅, x₆, x₇, x₈, x₉, x₁₀), x₆ = f(x₁, x₂, x₃, x₄, x₇, x₈, x₁₀), x₁₀ = f(x₁, x₂, x₃, x₄, x₆, x₇, x₈), x₆ = f(x₁, x₂), x₆ = f(x₁, x₂, x₁₀, x₁₁).

Важные эксперименты ставили целью нахождение эмпирической зависимости вида х₆ = f(x₁, x₂, x₃, x₄, x₇, x₈, x₁₀). Она позволяет статистически оценить финансовую зависимость предприятий района, их налоговый потенциал. Например, в результате обработки данных из БД УМНС РФ по КБР по Баксанскому району КБР была найдена линейная зависимость вида:

x₆ = 0.85278 + 0.01021 x₁ + 0.0001 х₂ – 0.000005 х₃ + 0.00002 х₄ + 1.000025 х₇ – 0.000012 х₈+0.000281 х₁₀ .

Коэффициент множественной корреляции значим и составляет 0.98. Вычислены доверительные интервалы коэффициентов связи и значимость. Построена также общая корреляционная таблица 95%-ной значимости, которая позволяет оценить тесноту связей указанных выше факторов и определить основные управляющие и управляемые параметры налоговой системы, осуществить краткосрочное планирование и управление.

Имитационная модель может быть прогнана с различными ставками налогообложения, что позволит выработать оптимальную для бюджета ставку (она отличается от максимальной ставки), в частности, соответствующую той или иной кривой Лаффера. Эти кривые демонстрируют, что с ростом ставки налогообложения сбор налогов в бюджет увеличивается лишь до определенного значения, а затем уменьшается. Может иметь место оптимальная ставка налогообложения, максимизирующая инвестиции в экономику, и она меньше ставки, максимизирующей поступления налогов в бюджет. Высокие налоги ведут к спаду производства, деловой активности, сокрытию доходов, инфляции.

Экспертные системы используются также в качестве помощника (или инструментария) налогоплательщика. Примером может служить система “Советник” индивидуального (домашнего) пользования. Она разработана в Екатеринбурге (http://www.metatron.ru) и предназначена для решения задач автоматизации заполнения налоговой декларации, ведения книги доходов и расходов, уменьшения налоговых платежей законными методами, легализации доходов, расчета налоговых последствий операций с активами, поддержки законодательной базы по налогообложению и юридической поддержки на всех этапах.