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 руб

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

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

Предисловие	5

ВВЕДЕНИЕ	8

Раздел I
АНАЛИЗ СОВРЕМЕННОЙ СИСТЕМЫ НАЛОГООБЛОЖЕНИЯ:
ТЕОРИЯ, ПРАКТИКА, ПРОБЛЕМЫ

Глава 1
НАЛОГИ В ЭКОНОМИЧЕСКОЙ СИСТЕМЕ ОБЩЕСТВА	13
1.1. Экономическое содержание и предназначение налогов	13
1.2. Основные тенденции в развитии систем налогообложения за рубежом	18

Глава 2
НАЛОГОВАЯ СИСТЕМА РФ	24
2.1. Экономико-правовые особенности российской налоговой системы	24
2.2. Проблема собираемости налогов	27
2.3. Меры по снижению неплатежей. Обращение взыскания недоимки
на имущество организации	30
2.4. Необходимость реформирования российской системы налогообложения	33
2.5. Требования к построению налоговой системы РФ	34
2.6. Основные положения реформирования налоговой системы на основе
Налогового Кодекса РФ	40

Глава 3
ОРГАНИЗАЦИЯ КОНТРОЛЬНОЙ ДЕЯТЕЛЬНОСТИ НАЛОГОВЫХ ОРГАНОВ В СООТВЕТСТВИИ С НАЛОГОВЫМ КОДЕКСОМ РФ И ПУТИ ЕЁ СОВЕРШЕНСТВОВАНИЯ	45
3.1. Экономико-правовые аспекты налогового контроля	45
3.2. Стадии и формы налогового контроля	48
3.3. Налоговый контроль за соответствием цен
финансово-хозяйственных сделок рыночным ценам	51
3.4. Планирование выездных налоговых проверок как элемент
контрольной деятельности налоговых органов РФ и средство
повышения собираемости налогов	53

Глава 4
АНАЛИЗ ОПЫТА И ПУТЕЙ ПОВЫШЕНИЯ РЕЗУЛЬТАТИВНОСТИ РАБОТЫ НАЛОГОВЫХ ОРГАНОВ	62
4.1. Совершенствование организационной структуры налоговой
администрации	62
4.2. Использование автоматизированных информационных систем типа
АИС «Налог»	66
4.3. Необходимость создания и совместного использования
информационных потоков различных ведомств	72
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 ОБЯЗАТЕЛЬСТВ	88
5.1. Обоснование необходимости перехода к новым технологиям
налогового контроля	88
5.2. Организационно-функциональная структура системы
«налогоплательщик — налоговая инспекция»	92
5.3. Новая технология оценки величины налогового обязательства	94
5.4. Предпосылки создания новой технологии налогового контроля
и управления	96
5.5. Пути дальнейшего совершенствования предлагаемой системы
оценки величины налогового обязательства	100

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 СУНК	102
6.2. Структурные соображения при разработке моделей	106
6.3. Принципы взаимосвязанной разработки математической модели,
новой технологии проверок и структурно-функциональной схемы СУНК	109
6.4. Логическая структура анализа объекта (СУНК), требований, целей
математического моделирования и методов построения модели	118

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
объектов	131
7.2. Реализация принципа многоуровневой декомпозиции для разработки
экономико-математической модели и структурно-функциональной
общей схемы УМНС	140
7.3. Реализация принципа комбинации различных методов в составе
гибридного метода для разработки модели оптимизации плана
выездных проверок в СУНК	142
7.4. Реализация принципа обобщённого перекрёстного подтверждения
при построении нейросетевых моделей в СУНК	161
7.5. Реализация принципа поэтапного построения модели системы
налогового контроля и управления	165
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 схемы	180

Глава 8
ИНСТРУМЕНТАРИИ НЕЙРОСЕТЕВОГО МОДЕЛИРОВАНИЯ	187
8.1. Предпосылки использования нейросетевых моделей в экономике	187
8.2. Принцип работы нейросети. Алгоритмы обучения	189
8.3. Способы обеспечения и ускорения сходимости алгоритма обучения
нейросетей и улучшения их ассоциативных свойств	200

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 кластера	222
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.3.11	229
9.4. Построение альтернативной нейросетевой модели прогнозирования
объёма выручки для группы торговых предприятий	234
9.5. Подходы к учёту динамики сложного экономического объекта	246
9.6. Верификация нейросетевой модели выручки торговых предприятий
с использованием натурных экспериментов	250

Глава 10
МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ПО СИНТЕЗУ ОПТИМАЛЬНОГО ПЛАНА ДОКУМЕНТАЛЬНЫХ ПРОВЕРОК В УСЛОВИЯХ НЕОПРЕДЕЛЁННОСТИ	254
10.1. Расчёт оптимального плана документальных проверок
с использованием коэффициентов риска	254
10.2. Оптимизация документальных проверок	259
10.3. Алгоритм расчёта оптимального плана документальных проверок	260
10.4. Общий подход к принятию решения в условиях риска
и неопределённости	262

ЗАКЛЮЧЕНИЕ	274

ЛИТЕРАТУРА	277

ПРИЛОЖЕНИЕ 1	283
ПРИЛОЖЕНИЕ 2	322
ПРИЛОЖЕНИЕ 3	328

Книги на ту же тему

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

elapsed time 0.022 sec

/Экономика

ОГЛАВЛЕНИЕ

Книги на ту же тему