В настоящее время в мировой практике при построении краткосрочных прогнозов используются методики, основанные на микроимитационном, макроэкономическом и экстраполяционном моделировании.
Микроимитационные модели строятся на большой выборке налоговых деклараций физических лиц конкретного периода, данные которых агрегируются посредством специально определенных весовых коэффициентов таким образом, чтобы отображать поведение и структуру всех налогоплательщиков рассматриваемой территории. На основе данных моделей осуществляется прогнозирование налоговых поступлений в США, Канаде, Великобритании, Франции и Германии.
Макроэкономические модели оценивают зависимость объема налоговых поступлений (или величины налоговой базы) от набора объясняющих переменных, в качестве которых используются макроэкономические показатели, характеризующие величину налоговой базы или влияющие на уровень собираемости налогов. Модели обычно оцениваются с помощью регрессионного анализа, затем прогнозы корректируются с учетом изменений в налоговом законодательстве.
К экстраполяционным моделям относятся все экономико-математические методы, в которых в качестве исходной информации используются значения исследуемого показателя за предыдущие периоды, т.е. прогноз строится исходя из динамики значений этого показателя в ретроспективном периоде. Даже если по соображениям экономической теории в модель должны быть включены и другие переменные, то зачастую выбор делается в пользу модели с одной переменной, которая более проста и надежна, обладает лучшей объясняющей способностью, чем сложные структурные модели.
Традиционно для прогнозирования социально-экономических показателей, в том числе фискальных, используются такие экстраполяционные модели, как экспоненциальное сглаживание, трендовые модели, авторегрессионные модели скользящего среднего.
В частности, авторегрессионные модели скользящего среднего построены на сочетании авторегрессионных процессов AR (моделей временных рядов, в которых текущее значение переменной задается функцией от прошлых значений самой этой переменной) и процессов скользящих средних МА (моделей временных рядов, в которых переменная задается функцией от прошлых ошибок). Как правило, в условиях макроэкономической стабильности авторегрессионные процессы и процессы скользящего среднего позволяют достаточно хорошо описать динамику многих макроэкономических рядов, в том числе и рядов налоговых поступлений.
Основной недостаток, ограничивающий применение методов экстраполяции, - их «автономность»: прогнозы базируются на предположении о неизменности выявленных тенденций в будущем и не учитывают сценарные условия социально-экономического развития. В то же время эти методы можно использовать для построения краткосрочных прогнозов налоговых доходов при условии последующей корректировки с учетом изменений в налоговом законодательстве и собираемости налогов.
Поскольку российская статистическая база недостаточна для применения микроимитационных моделей, прогнозирование налоговых поступлений в бюджет РФ строится на основе авторегрессионных и макроэкономических моделей.
Так для прогнозирования поступления налога на добычу полезных ископаемых (НДПИ) нами использовались данные ежемесячных налоговых поступлений за период с 2003-2006гг. в постоянных ценах декабря 2002 года, дефлированных с помощью индекса потребительских цен по данным Росстата. Для проверки существования единичного корня и наличия тренда во временных рядах использовался тест Дикки-Фуллера. Полученные модели налоговых поступлений значимы в соответствии с F-критерием, для всех моделей гипотеза о наличии автокорелляции остатков отвергается на основе теста множителей Лагранжа (LM-тест); выбор наилучшей модели осуществляется на основе информационных критериев Акаике (AIG) и Шварца (BIG). В случае анализа интегрированных авторегрессионных процессов с ошибками в форме скользящего среднего (ARIMA) для каждого из исследуемых временных рядов построены два типа эконометрических моделей - модели с детерменированным трендом (TS) и модели со стохастическим трендом (DS) независимо от спецификации конкретного временного ряда (TS или DS) на основе теста Дикки-Фуллера.
Прогнозирование налога на добычу полезных ископаемых показал: в динамике поступлений НДПИ сезонная составляющая выражена слабо. При проверке стационарности ряда относительно тренда (с включением от 1 до 3 лагов) на основе теста Дикки-Фуллера гипотеза о наличии единичного корня в рассматриваемом временном ряду на данном интервале не отвергается. При построении макроэкономической модели учитывались различия в методе оценки налоговой базы и величине налоговой ставки, применяемой к этой базе, для разных видов полезных ископаемых. Расчеты показали, что наиболее точные прогнозы НДПИ получены на основе TS-модели.
Работа представлена на VII научную международную конференцию «Экономические науки. Актуальные проблемы фундаментальных исследований», Хургада (Египет), 21-28 февраля 2008 г. Поступила в редакцию 05.02.2008.