Глава 3
Прогнозирование становится неотъемлемым элементом изучения и использования всей системы общественных отношений, начиная с функционирования хозяйствующих субъектов и заканчивая обществом в его глобальном масштабе. Сегодня нет ни одной составляющей хозяйственной жизни, которая бы остро не нуждалась в глубоких многовариантных прогнозах своего развития.
Налоговое прогнозирование представляет собой оценку налогового потенциала и поступлений налогов и сборов в бюджетную систему (консолидированный, федеральный и территориальные бюджеты) и основывается на социально-экономическом прогнозировании.[9]
Налоговое прогнозирование включает в себя определение налоговых баз по каждому налогу и сбору, мониторинг динамики их поступления за несколько периодов, расчет уровней собираемости налогов и сборов, объемов выпадающих доходов, состояние задолженности по налоговым платежам, оценку результатов изменения налогового законодательства и т. д.
В зависимости от поставленных целей налоговое планирование может проводиться различными методами. Однако все расчеты должны учитывать следующие составляющие:
- фоновый уровень поступлений;
- сезонную составляющую их изменений;
- событийную составляющую (например, варианты развития политической ситуации, изменений в налоговом законодательстве);
- остаточную составляющую, включающую возможные неучтенные факторы.
Наиболее простым является метод тренда, т. е. экстраполяции, продолжения в будущем тех тенденций, которые сложились в прошлом. Этот метод основывается на информации о поступлении конкретных налогов и сборов за определенные периоды предыдущих лет, об объемах выпадающих доходов, о состоянии задолженности по налоговым платежам, на анализе тенденций в развитии налогооблагаемой базы, структуры налогоплательщиков и т. д.
При этом методе планирования соответствующие показатели должны приводиться в сопоставимых условиях. Особенно важно правильно оценить размеры дополнительных поступлений налогов и сборов и выпадающих доходов в результате определенных изменений в налоговом законодательстве.
Следующим, более сложным методом является экспертный метод
разработки прогнозных оценок, который исходит из экспертных расчетов возможного поступления конкретных налогов и сборов.
Экспертный метод включает в себя определение налоговых баз по каждому налогу и сбору, мониторинг динамики их поступления за несколько периодов, расчет уровней собираемости налогов и сборов, объемов выпадающих доходов, состояние задолженности по налоговым платежам, оценку результатов изменения налогового законодательства и т. д.
Исходной составляющей налогового планирования является определение налоговой базы для каждого вида налога. Расчет налоговой базы проводится как на федеральном уровне, так и в региональном разрезе с учетом отраслевой структуры. Региональное налоговое планирование также основывается на результатах анализа исполнения текущих налоговых обязательств, мониторинга и прогноза макроэкономической ситуации в регионах.
При планировании поступлений по важнейшим налогам и сборам, как правило, следует применять все вышеперечисленные методы.
Важнейшее условие качественного перспективного планирования - это достоверная оценка поступлений налогов до конца текущего периода (месяца, квартала, полугодия, года), что в свою очередь требует использования сопоставимых фактических данных.
Налоговое планирование (прогнозирование) делится на текущее и перспективное. К текущему планированию относится оперативное и краткосрочное планирование сроком на 1 - 1,5 года. Планирование на среднесрочный (до 5 лет) и долгосрочный (до 10 лет) периоды относится к перспективному.
Перспективное прогнозирование учитывает всю совокупность налогов и сборов, осуществляется в целом по налоговым и неналоговым доходам и в большей степени зависит от макроэкономических параметров развития экономики.
Оперативное налоговое прогнозирование проводится на месяц или квартал, и его цель - разработать прогноз реальных поступлений налогов и сборов в этих периодах. Этот прогноз служит определенной базой для налогового планирования, поскольку в ходе оперативного прогнозирования выявляются уровни собираемости налогов и сборов, состояние задолженности по налоговым платежам, динамика выпадающих доходов и т. д.
Краткосрочное прогнозирование на очередной календарный год исходит из параметров социально-экономического развития страны .Эти показатели не разрабатываются, а критически оцениваются налоговыми органами.[6]
Прогнозирование поступлений налогов и сборов на текущий год имеет особое значение, поскольку нереальность годовых прогнозных оценок вызовет в последующем трудности в мобилизации налоговыми органами запланированных доходов в бюджетную систему либо, что бывает реже, при заниженном объеме ожидаемых налоговых поступлений неоправданно высокое перевыполнение установленных заданий отдельными субъектами.
Прежде чем приступить к оценке и прогнозу (планированию) налоговых поступлений, необходимо провести всесторонний и многофакторный анализ данных о налоговой базе, поступлениях в бюджетную систему, а также проанализировать тенденции, складывающиеся в социально-экономическом развитии. Данное требование относится ко всем без исключения налоговым платежам.
В налоговой практике существуют виды прогнозирования налоговых поступлений:
детерминистические прогнозы налоговых поступлений;
прогнозы временных рядов налоговых поступлений на основании их собственной динамики;
прогнозы с использованием моделей с несколькими переменными.
Детерминистический подход построения прогнозов налоговых поступлений наиболее часто реализуется через условный метод прогнозирования налоговых поступлений и метод «налогового калькулятора».
Условный метод используется для получения прогнозных значений агрегированных поступлений и основывается на получении оценок эластичности налоговых поступлений по базе налогообложения. Существует два типа условных методов прогнозирования: статистические и динамические модели прогнозирования налоговых поступлений.
Статистические модели прогнозирования налоговых поступлений ориентированы на учет прямых эффектов воздействия на налоговую базу, в частности изменения структуры налогов. Для составления прогнозов с помощью статистических моделей требуются данные о налоговых поступлениях и их базах по каждому из рассматриваемых типов налогов. В этих данных уже отразилась та часть изменения налоговых поступлений, которая была вызвана соответствующими изменениями совокупного дохода или объема расходов, и то, что было обусловлено изменениями в налоговом законодательстве и налоговом администрировании. Дифференциация этих эффектов является определяющим для статистических моделей прогнозирования налоговых поступлений. Разделить эти эффекты можно различными способами. В частности, можно использовать текущую стоимость налоговых ставок по базам налогообложения предшествующих периодов и получить скорректированные налоговые поступления для текущей структуры налогов. Такому подходу требуется детальная информация по базам налогообложения, поэтому для большинства развивающихся стран он неприемлем. Другой подход основан на построении скорректированных временных рядов налоговых поступлений с учетом изменений в налоговом законодательстве и налоговом администрировании, возникавших на всем временном интервале. При этом подходе, в отличие от первого, для построения скорректированных баз налогообложения необходима только информация, касающаяся объема поступления налогов и сборов. Эти скорректированные налоговые поступления в основном будут реагировать только на изменения объема налогооблагаемых доходов (или расходов), поскольку система налогообложения остается неизменной на исследуемом периоде.[ 5 ]
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.
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. Наиболее часто используемой моделью с одной переменной, в частности, считается модель авторегрессии и скользящего среднего (ARMA)* .
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.
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.
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.