КнигоПровод.Ru29.03.2024

/Экономика

Модернизация системы налогового контроля на основе нейросетевых информационных технологий — Букаев Г. И., Бублик Н. Д., Горбатков С. А., Саттаров Р. Ф.
Модернизация системы налогового контроля на основе нейросетевых информационных технологий
Научное издание
Букаев Г. И., Бублик Н. Д., Горбатков С. А., Саттаров Р. Ф.
год издания — 2001, кол-во страниц — 344, ISBN — 5-02-008420-4, тираж — 1000, язык — русский, тип обложки — твёрд. 7Б, масса книги — 580 гр., издательство — Наука
цена: 799.00 рубПоложить эту книгу в корзину
Р е ц е н з е н т ы:
д-р экон. наук Н. И. Климова
д-р ф.-м. наук М. Д. Рамазанов
д-р тех. наук Г. Н. Зверев

Формат 70x100 1/16. Печать офсетная
ключевые слова — налог, нейросет, стохастическ, умнс, сунк, экономико-математическ, предпринимател, камеральн, аудит, прогнозирован, финансово-экономич, кластер, нейропакет, неопределённост, риск

Книга посвящена проблемным вопросам совершенствования системы налогового контроля.

В ней обоснован принципиально новый подход к оценке величины налоговых обязательств хозяйствующих субъектов с помощью новейших нейросетевых моделей (технологий) путём вычисления объективно обусловленного эталонного значения обобщающего результативного показателя деятельности налогоплательщика, которое тесно коррелируется с величиной его налогового обязательства. Данный подход позволяет оптимизировать выбор объектов налогового контроля, повысить показатели собираемости налогов, существенно не увеличивая затраты на проведение контроля.

Для студентов вузов, аспирантов, научных работников, магистров, управленческих работников, занимающихся проблемами налогового контроля, математического моделирования сложных стохастических экономических объектов.


В книге предложены и обоснованы новая технология и организация проведения налогового контроля в системе региональных управлений Министерства по налогам и сборам Российской Федерации (УМНС РФ), основанные на применении новейших информационных нейросетевых моделей, использование которых позволяет создать новую систему управления налоговым контролем (СУНК), существенно повысить результативность налоговых проверок на региональном уровне.

Региональные УМНС РФ являются основными звеньями налоговой системы РФ, которые управляют сбором налогов, налоговым контролем за полнотой их исчисления и своевременностью перечисления в бюджет, а также составлением налоговых отчётов.

Совершенствование СУНК затрагивает две сферы налогообложения: экономико-правовую и организационно-информационную.

Поскольку экономико-правовые аспекты налогообложения широко освещены в новейшей литературе, в нашей книге они не рассматриваются.

Главное внимание в книге уделено совершенствованию организационно-информационного обеспечения СУНК на базе нейросетевых экономико-математических моделей, повышающего объективность результатов налоговых проверок региональных УМНС без существенного увеличения издержек на исполнение налогового законодательства как для государства, так и для налогоплательщиков. До настоящего времени данный вопрос в отечественной научной литературе не рассматривался. Материал книги создаёт научно-методологическую базу для дальнейшего решения проблем СУНК.

Авторы книги, сознавая всю сложность поставленной задачи, постарались максимально аргументированно развить идеи нейросетевых технологий организации и результативного функционирования СУНК, синтезировав для этого методологию налогообложения и налогового контроля с методами нейросетевого экономико-математического анализа. Авторы выражают надежду на то, что налоговая практика подтвердит максимальную продуктивность предлагаемой СУНК. Уже сегодня апробация СУНК даёт обнадёживающие результаты.

Первая часть книги содержит аналитический материал о состоянии систем зарубежного и отечественного налогообложения, применяемых технологиях управления этими системами, включая налоговый контроль. Полученные результаты свидетельствуют о бесперспективности «затратного пути» совершенствования СУНК в рамках действующего ныне в России законодательного регламента.

Центральная идея разработанной СУНК заключается в доказательстве целесообразности и практической возможности замены технологии экспертной (субъективной) оценки величины налоговой базы отдельного налогоплательщика и вытекающих из неё величин налоговых обязательств по принципу самоначисления на нейросетевую технологию расчёта объективно обусловленного эталона этих величин по репрезентативной группе однородных объектов.

Предложена новая концепция расчёта вменённого дохода и адекватной ему величины единого налога для субъектов малого предпринимательства, применяющих эту систему налогообложения согласно действующему законодательству.

В отличие от компьютерных технологий камеральной проверки типа «Аудитор», нейросетевая технология СУНК использует расширение вектора входных факторов на основе информации в первичных документах налогоплательщика и сложившегося в регионе уровня рыночных цен сделок. С позиций Налогового кодекса РФ нейросетевая технология расчёта величин налоговой базы и адекватных ей налоговых обязательств является источником дополнительной информации, свидетельствующей о состоянии налоговой дисциплины в регионе. Владея такой информацией, контролирующие органы системы МНС РФ могут оперативно регулировать план налоговых проверок, а в случае подтверждения фактов сокрытия объектов налогообложения предъявлять налогоплательщикам повышенные налоговые обязательства. При этом налогоплательщик вправе доказать несостоятельность предъявляемых к нему требований о доначислении сумм налогов, полученных с применением нейросетевой модели.

Книга раскрывает также концептуальные основы и принципы построения нейросетевых экономико-математических моделей, способы повышения их адекватности задачам управления сложными хозяйственными системами, включая рост вычислительной эффективности.

Помимо повышения объективной результативности камеральных налоговых проверок, в числе прикладных задач эффективного управления налоговым контролем, решаемых с помощью предлагаемого в книге метода экономико-математического нейросетевого моделирования, могут решаться задачи прогнозирования налогового потенциала как по отдельно взятому налогоплательщику, так и по отрасли, региону.

Основные идеи книги апробированы на реальных моделях торговых предприятии.

При работе над книгой авторы использовали идеи и соображения, возникшие в ходе обсуждения проблемы СУНК на совместных семинарах представителей Уфимского филиала Всероссийского заочного финансово-экономического института (УФ ВЗФЭИ) и УМНС Республики Башкортостан (РБ), а также был учтён зарубежный опыт управления налоговым контролем. В книге отражены результаты многолетних научных исследований её авторами методов математического моделирования развития сложных стохастических систем.

Авторы надеются, что книга окажется полезной в смежных с налоговой областях знания, например при оценке банковских и финансовых рисков, а также при построении математических моделей управления различными сложными экономическими объектами…

ПРЕДИСЛОВИЕ

ОГЛАВЛЕНИЕ

Предисловие5
 
ВВЕДЕНИЕ8
 
Раздел I
АНАЛИЗ СОВРЕМЕННОЙ СИСТЕМЫ НАЛОГООБЛОЖЕНИЯ:
ТЕОРИЯ, ПРАКТИКА, ПРОБЛЕМЫ
 
Глава 1
НАЛОГИ В ЭКОНОМИЧЕСКОЙ СИСТЕМЕ ОБЩЕСТВА13
1.1. Экономическое содержание и предназначение налогов13
1.2. Основные тенденции в развитии систем налогообложения за рубежом18
 
Глава 2
НАЛОГОВАЯ СИСТЕМА РФ24
2.1. Экономико-правовые особенности российской налоговой системы24
2.2. Проблема собираемости налогов27
2.3. Меры по снижению неплатежей. Обращение взыскания недоимки
на имущество организации30
2.4. Необходимость реформирования российской системы налогообложения33
2.5. Требования к построению налоговой системы РФ34
2.6. Основные положения реформирования налоговой системы на основе
Налогового Кодекса РФ40
 
Глава 3
ОРГАНИЗАЦИЯ КОНТРОЛЬНОЙ ДЕЯТЕЛЬНОСТИ НАЛОГОВЫХ ОРГАНОВ В
СООТВЕТСТВИИ С НАЛОГОВЫМ КОДЕКСОМ РФ И ПУТИ ЕЁ
СОВЕРШЕНСТВОВАНИЯ
45
3.1. Экономико-правовые аспекты налогового контроля45
3.2. Стадии и формы налогового контроля48
3.3. Налоговый контроль за соответствием цен
финансово-хозяйственных сделок рыночным ценам51
3.4. Планирование выездных налоговых проверок как элемент
контрольной деятельности налоговых органов РФ и средство
повышения собираемости налогов53
 
Глава 4
АНАЛИЗ ОПЫТА И ПУТЕЙ ПОВЫШЕНИЯ РЕЗУЛЬТАТИВНОСТИ РАБОТЫ
НАЛОГОВЫХ ОРГАНОВ
62
4.1. Совершенствование организационной структуры налоговой
администрации62
4.2. Использование автоматизированных информационных систем типа
АИС «Налог»66
4.3. Необходимость создания и совместного использования
информационных потоков различных ведомств72
4.4. Развитие налогового администрирования (на примере
информатизации контрольной деятельности региональных УМНС)78
 
Раздел II
МЕТОДОЛОГИЯ ОЦЕНКИ
ВЕЛИЧИНЫ НАЛОГОВОГО ОБЯЗАТЕЛЬСТВА НА
ОСНОВЕ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ
 
Глава 5
НОВАЯ СИСТЕМА ОЦЕНКИ ВЕЛИЧИНЫ НАЛОГОВЫХ ОБЯЗАТЕЛЬСТВ88
5.1. Обоснование необходимости перехода к новым технологиям
налогового контроля88
5.2. Организационно-функциональная структура системы
«налогоплательщик — налоговая инспекция»92
5.3. Новая технология оценки величины налогового обязательства94
5.4. Предпосылки создания новой технологии налогового контроля
и управления96
5.5. Пути дальнейшего совершенствования предлагаемой системы
оценки величины налогового обязательства100
 
Глава 6
МЕТОДОЛОГИЯ РАЗРАБОТКИ ЭКОНОМИКО-МАТЕМАТИЧЕСКОЙ МОДЕЛИ
И СТРУКТУРНО-ФУНКЦИОНАЛЬНОЙ СХЕМЫ СИСТЕМЫ УПРАВЛЕНИЯ
НАЛОГОВЫМ КОНТРОЛЕМ
102
6.1. Общие положения системного экономико-кибернетического подхода
к синтезу структуры СУНК102
6.2. Структурные соображения при разработке моделей106
6.3. Принципы взаимосвязанной разработки математической модели,
новой технологии проверок и структурно-функциональной схемы СУНК109
6.4. Логическая структура анализа объекта (СУНК), требований, целей
математического моделирования и методов построения модели118
 
Глава 7
РЕАЛИЗАЦИЯ ПРИНЦИПОВ РАЗРАБОТКИ ЭКОНОМИКО-МАТЕМАТИЧЕСКОЙ
МОДЕЛИ И СТРУКТУРНО-ФУНКЦИОНАЛЬНОЙ СХЕМЫ УМНСР
131
7.1. Реализация принципа вложенных математических моделей (ВММ)
для построения обобщённой (базовой) нейросетевой модели сложных
объектов131
7.2. Реализация принципа многоуровневой декомпозиции для разработки
экономико-математической модели и структурно-функциональной
общей схемы УМНС140
7.3. Реализация принципа комбинации различных методов в составе
гибридного метода для разработки модели оптимизации плана
выездных проверок в СУНК142
7.4. Реализация принципа обобщённого перекрёстного подтверждения
при построении нейросетевых моделей в СУНК161
7.5. Реализация принципа поэтапного построения модели системы
налогового контроля и управления165
7.6. Использования методов кластерного анализа при построении
нейросетевых моделей (принцип 7 однородности базовой модели)166
7.7. Реализация системного принципа взаимосвязанной разработки
общей модели СУНК и её новой структурно-функциональной схемы180
 
Глава 8
ИНСТРУМЕНТАРИИ НЕЙРОСЕТЕВОГО МОДЕЛИРОВАНИЯ187
8.1. Предпосылки использования нейросетевых моделей в экономике187
8.2. Принцип работы нейросети. Алгоритмы обучения189
8.3. Способы обеспечения и ускорения сходимости алгоритма обучения
нейросетей и улучшения их ассоциативных свойств200
 
Глава 9
ПРИМЕРЫ ПОСТРОЕНИЯ ПРИКЛАДНЫХ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ВЫРУЧКИ
ДЛЯ ГРУППЫ ТОРГОВЫХ ПРЕДПРИЯТИЙ. ВЫЧИСЛИТЕЛЬНЫЕ ЭКСПЕРИМЕНТЫ
ПО АПРОБАЦИИ СПОСОБОВ ПОВЫШЕНИЯ КАЧЕСТВА МОДЕЛЕЙ
222
9.1. Постановка задач моделирования выручки. Выбор входных факторов
и выходного показателя. Образование кластера222
9.2. Цифровые эксперименты по корреляционному и факторному анализу
модели выручки (на примере 13 предприятий района № 2 г. Уфы)225
9.3. Практическое построение нейросетевой модели выручки для группы
из 38 торговых предприятий районов № 1, 2, 3 г. Уфы с помощью
нейропакета Brain Макег Рго.3.11229
9.4. Построение альтернативной нейросетевой модели прогнозирования
объёма выручки для группы торговых предприятий234
9.5. Подходы к учёту динамики сложного экономического объекта246
9.6. Верификация нейросетевой модели выручки торговых предприятий
с использованием натурных экспериментов250
 
Глава 10
МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ПО СИНТЕЗУ ОПТИМАЛЬНОГО ПЛАНА
ДОКУМЕНТАЛЬНЫХ ПРОВЕРОК В УСЛОВИЯХ НЕОПРЕДЕЛЁННОСТИ
254
10.1. Расчёт оптимального плана документальных проверок
с использованием коэффициентов риска254
10.2. Оптимизация документальных проверок259
10.3. Алгоритм расчёта оптимального плана документальных проверок260
10.4. Общий подход к принятию решения в условиях риска
и неопределённости262
 
ЗАКЛЮЧЕНИЕ274
 
ЛИТЕРАТУРА277
 
ПРИЛОЖЕНИЕ 1283
ПРИЛОЖЕНИЕ 2322
ПРИЛОЖЕНИЕ 3328

Книги на ту же тему

  1. Нейросетевые системы управления, Терехов В. А., Ефимов Д. В., Тюкин И. Ю., 2002
  2. Автоматизация синтеза и обучение интеллектуальных систем автоматического управления, Макаров И. М., Лохин В. М., ред., 2009
  3. Интеллектуальные методы в менеджменте, Кричевский М. Л., 2005
  4. Нейросетевые системы управления, Терехов В. А., Ефимов Д. В., Тюкин И. Ю., 2002
  5. Нечёткие модели и сети, Борисов В. В., Круглов В. В., Федулов А. С., 2007
  6. Интеллектуальные информационные системы в экономике: учебное пособие. — 2-е изд., стереотип., Романов В. П., 2007
  7. Налоговая система России: общее и особенное, Лыкова Л. Н., 2006
  8. Искусственный интеллект и интеллектуальные системы управления, Макаров И. М., Лохин В. М., Манько С. В., Романов М. П., 2006
  9. Анализ данных на компьютере: учебное пособие. — 4-е изд., перераб., Тюрин Ю. Н., Макаров А. А., 2008
  10. Непараметрические коллективы решающих правил, Лапко В. А., 2002
  11. Стохастические модели обучаемости, Буш Р., Мостеллер Ф., 1962
  12. Нейронное программирование диалоговых систем, Толкачёв С. Ф., 2006
  13. Экономико-математические методы. Вып. III: Экономико-математические модели народного хозяйства, 1966
  14. Экономико-математические методы и модели: компьютерное моделирование: Учебное пособие, Орлова И. В., Половников В. А., 2007
  15. Стохастическая финансовая математика (Труды математического института им. В. А. Стеклова, т. 237), Ширяев А. Н., ред., 2002
  16. Интервалы неопределённости экономики, Тавадян А. А., 2012
  17. Теория риска. Выбор при неопределённости и моделирование риска, Шоломицкий А. Г., 2005
  18. Пенсионные системы и пенсионные реформы, Дмитриева О. Г., сост., 2015
  19. Комплексный анализ финансовой деятельности банка, Петров А. Ю., Петрова В. И., 2007

© 1913—2013 КнигоПровод.Ruhttp://knigoprovod.ru