МЕТОДИЧЕСКИЕ ПОДХОДЫ К МОДЕЛИРОВАНИЮ ПАРАМЕТРОВ ТЕНЕВОЙ ЭКОНОМИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ НА МИКРОУРОВНЕ

Фесина Е.Л., полный профессор кафедры экономико-математического моделирования ИУЭиФ К(П)ФУ, GPhD в области экономики,
д.э.н., профессор, Россия

Ключевые слова: теневая экономика, скрытая прибыль, фиктивная деятельность, финансовые санкции, экономические преступления.
Проблем теневой деятельности и разработка системы мер по нейтрализации ее влияния на экономическую систему региона привлекает к себе всеобщее внимание. Однако исследования в этой области обычно ограничиваются расчетом величины теневой экономики на федеральном уровне. Констатация этого явления происходит с большим временным лагом, а с учетом значительной задержки официальной статистической информации полученная картина теневой экономики может не соответствовать реальной действительности. Действующие в государственных контролирующих органах методики анализа социально-экономической ситуации позволяют определить теневую составляющую только в тех сферах экономики, где выявляется наибольшее количество нарушений. Однако мировой и отечественный опыт показывает, что такой подход к оценке теневой экономики является необоснованным. В соответствии с ним теневизированной признается та сфера экономики, в которой благодаря существующей системе учета и контроля выявление нарушений и преступлений действующего законодательства достигается ценой наименьших усилий. Это приводит к стимулированию мер и средств по принципу наименьшего сопротивления, без учета сфер экономики, которые действительно заслуживают самого пристального внимания со стороны государственных правоохранительных органов. Другим существенным недостатком в методических подходах к оценке масштабов теневой экономики является использование обобщенных методик расчета ее показателей без учета структурных особенностей этого явления [1]. Между тем, исследование отдельных форм теневой экономической активности является весьма актуальным как для целей анализа, как их природы и характера, так и для принятия по отношению к ним действенных мер по нейтрализации.
В современных условиях хозяйствования выделяют два типа теневой экономики [2]. Теневая экономика первого типа представляет собой самостоятельный сектор экономики с индивидуальной производственной функцией отличной от официальной экономики. Теневая экономика второго типа является скрытым вариантом официальной экономики с идентичной производственной функцией. В российских условиях развивается тип теневой экономики. Предпочтение теневой деятельности официальной обусловлено экономической целесообразностью. Понятие «целесообразность» в данном контексте означает оптимальное соотношение прибыльности, рискованности и полезности [3]. Решение об экономической целесообразности теневой деятельности принимается под влиянием сложного комплекса экономических, социальных, правовых и психологических факторов. Для каждого субъекта соотношение степени влияния перечисленных факторов индивидуально и зависит от особенностей психологического восприятия, имеющихся возможностей и ресурсов, но каждый из них максимизирует свою прибыль]. Государство, в свою очередь, регулирует эти факторы в целях наполняемости бюджета и максимизации рисков теневой деятельности.

В этих условиях поведение каждого хозяйствующего субъекта определяется состоянием внешней экономической среды, создающей макроэкономические ограничения; внутренними финансовыми и производственными возможностями, представляющими собой микроэкономическ5ие ограничения его деятельности. Непосредственными условиями экономической целесообразности осуществления теневой экономической деятельности хозяйствующими субъектами являются величина риска и потенциальных налоговых затрат. Величина риска осуществления теневой деятельности выражается в вероятности понести наказание и размер финансовых санкций в результате этого наказания. Причем как первое, так и второе дифференцируются в зависимости от конкретного вида теневой деятельности. Величина риска непосредственно влияет на эффективность хозяйственной деятельности. Для моделирования ключевых параметров теневой экономики целесообразно разделить риск, связанный с фиктивной и скрытой экономической деятельностью. Это обусловлено, во-первых, тем, что предпосылки для осуществления обоих видов теневой деятельности значительно отличаются, также как и размер риска. В свою очередь усреднение параметров теневой деятельности при учете единой универсальной величины риска может привести к искажению конечных результатов. Во-вторых, схемы, используемые для осуществления фиктивной и скрытой экономической деятельности различны.
Моделирование теневой экономической деятельности на микроуровне позволяет получить оценку ее параметров и выявить их динамику. Для наглядного представления индикаторов, характеризующих тенденцию изменения скрытой прибыли, построена линейная аналитическая функция, характеризующая зависимость уровней ряда динамики от времени. В расчетах использовались экспертные оценки, полученные от респондентов в результате проведения неформализованных интервью по совокупности 20 крупных хозяйствующих субъектов в сфере промышленного производства Республики Татарстан за 2000-2014 гг. В связи с закрытым характером информации о ненаблюдаемых явлениях и процессах расчеты велись на основе нормированных данных.
Для набора переменных между которыми предполагается полиномиальная зависимость целесообразно использовать функцию, которая создает различные полиномы второго порядка в зависимости от расположения кривой путем локального приближения теоретических уровней к эмпирическим. Специально встроенная функция с использованием пакета MathСad позволяет выполнить такие расчеты путем исследования исходных данных в малой окрестности точки, представляющей наибольший интерес. Для окрестности размера точек равного 0,55 и 2,0 получена соответственно интерполяция функций f1 и f2. При этом значения вектора функции f1 оказались достаточно близки к эмпирическим данным. Они наилучшим образом сгладили их колеблемость по сравнению с вектором функции f2.
Результаты расчетов показали, что коэффициент корреляции между вектором скрытой прибыли и вектором функции f1 составил 0,849, что свидетельствует об очень тесной связи. При окрестности размера, равным 2,0, получена интерполяция функции f2. При этом значения вектора функции f1 оказались достаточно близки к эмпирическим данным. Они наилучшим образом сгладили их колеблемость по сравнению с вектором функции f2. Коэффициент корреляции между вектором скрытой прибыли и вектором функции f2 составил 0,709, что свидетельствует о более слабой связи.
Сравнительный анализ тесноты связи разных видов зависимостей позволил выбрать наиболее предпочтительную функцию приближения эмпирических данных к теоретическим. Это позволило оценить значения функций в точках, находящихся вне области исходных данных и получить интерполируемые показатели. Сравнительная характеристика интерполируемых фактических значений скрытой прибыли (Т) и функций f1 и f2, полученных для разных окрестностей точек на основе параболического тренда представлена в таблице 1.
Таблица 1
Сравнительная характеристика интерполируемых фактических значений скрытой прибыли и функций f1 и f2 , норм. ед.
Год 22000 22001 22002 22003 22004 22005 22006 22007 22008 22009 22010 22011 22012 22013 22014
Т (интер.), норм. ед 0.202 0.583 0.604 0.395 0.357 0.228 0.136 0.664 0.33 0.478 0.663 0.634 0.675 0.679 0.864
f1 0.28 0.461 0.527 0.475 0.299 0.245 0.313 0.385 0.472 0.517 0.578 0.653 0.692 0.749 0.823
f2 0.436 0.405 0.382 0.368 0.363 0.367 0.381 0.404 0.437 0.481 0.535 0.599 0.673 0.756 0.848

Таким образом, результаты анализа показали, что проверка критерия «восходящих и нисходящих» серий выявила наличие трендовой компоненты во временном ряду скрытой прибыли, а показатель тесноты связи оказался достаточно высоким для полиноминальной зависимости. Однако получить адекватный прогноз с помощью полиномов порядков выше второго практически невозможно.
С помощью полинома второй степени получены также экстраполируемые значения скрытой прибыли за 2015-2020 гг. Определен доверительный интервал (0,807; 0,839), в который с заданной вероятностью (р=0,9) вошли значения скрытой прибыли.
Сравнительная характеристика эмпирических значений скрытой прибыли (Т), теоретических и интерполируемых ее значений полученных из уравнения параболического тренда представлена в таблице 2.
Таблица 2
Сравнительная характеристика эмпирических, теоретических и экстраполируемых значений скрытой прибыли, норм. ед.
Год 22010 22011 22012 22013 22014 22015 22016 22017 22018 22019 22020
Т (эмпир), норм. ед., 00.663 0.0634 00.675 00.679 00.864 — — — — — —
Т (теор.), норм.
ед., 00.543 0.0604 00.673 00.752 00.84 00.938 10.044 10.159 10.283 10.417 10,.559

Данные таблицы 2 свидетельствуют о наличии трендовой компоненты во временном ряду скрытой прибыли. Таким образом, адекватный прогноз значений скрытой прибыли можно получить с помощью полинома второго порядка.
Список литературы:
1. Vorontsova V.L., Gorskaya T.Uy. Approximate Methods of the Decision Differential the Equations for Continuous Models of Economy // Asian Social Science, 2015. Vol.11. №11. P. 214-220.
2. Фесина Е.Л. Проблемы реализации статистических моделей выбора налогоплательщиков в условиях функционирования теневой экономики // Интеграл. 2007. № 4 (36). С. 56-57.
3. Фесина Е.Л. Повышение эффективности формирования решений налоговых органов в условиях активизации процессов по уклонению от уплаты налогов // Интеграл. 2007. № 5 (37). С. 78-79.

No Comments

Post a Comment