CC BY
22
Эффективности налогового контроля придается большое значение практически во всех развитых странах. С этой целью органами налогового контроля проводится аналитическая работа — выявляются стереотипные комбинации данных, обеспечивающих целевой отбор; используются автоматизированные системы отбора с применением сложных математических методов оценки и отбора; обеспечивается достоверность данных о налогоплательщике посредством разработки доступных для понимания форм деклараций и четких требований к их заполнению, одинаково понимаемых налогоплательщиками и налоговыми органами; выделяются четкие цели и ключевые направления контроля.
На основании изучения зарубежного опыта налогообложения можно прийти к выводу, что в практике создания и функционирования эффективной системы налогового контроля западных стран немало ценного и полезного. Но при использовании их опыта необходимо принимать во внимание и объективные условия, в которых создается и функционирует система налогового контроля: конкретное состояние экономики в каждой стране, уровень накопленных богатств и даже психологические установки и традиции населения.
Процесс реформирования налоговой системы России не завершен, и наиболее активно этот процесс затрагивает именно систему налогового контроля. Однако нерешенными и достаточно актуальными остаются такие аспекты организации налогового контроля, как:
— совершенствование правового обеспечения налогового контроля;
— создание эффективной единой информационно-аналитической базы налогоплательщиков и объектов налогообложения;
— совершенствование системы взаимодействия налоговых органов с налогоплательщиками и обеспечение эффективной обратной связи и т. д.
ЛИТЕРАТУРА
1. Кашин В.А. Налоговая доктрина и налоговое право. URL: http://www.lawmix.ru/comm/5907/
2. Попонова Н.В. Налоговый контроль во Франции // Финансы. 2000. № 10.
3. Попонова Н.А. Об особенностях налогового контроля в развитых странах. Выступление на «круглом столе» «Роль налогов в экономическом и социальном развитии России» 10 декабря 2003 г. // Вопросы теории и практики современного налогообложения: сборник научных статей преподавателей кафедры «Налоги и налогообложение» Финансовой академии при Правительстве РФ / под ред. проф. Л.И. Гончаренко. М.: ФА, 2004. 376 с.
4. Титова Г.Г. Налогообложение в Швеции // Аудиторские ведомости. 2000. № 11.
5. Энциклопедический словарь экономики и права. URL: http://dic.academic.ru/
ВС. КУФЕНКО
Вадим Сергеевич КУФЕНКО — аспирант кафедры банковского дела СПбГУЭФ.
В 2008 г. окончил СПбГУЭФ. Автор 8 публикаций.
Область научной специализации — банки, банковское дело. ^ ^ ^
ЭФФЕКТИВНОСТЬ ОПЕРАЦИЙ РЕПО: ЭМПИРИЧЕСКИЙ АНАЛИЗ ДАННЫХ 2006-2010 гг.*
Данное исследование вызвано объективной необходимостью эмпирического анализа эффективности применения ЦБ РФ инструментов денежно-кредитной политики по регулированию ликвидности на денежном рынке.
ГРНТИ 06.73.55 © В.С. Куфенко, 2011 Публикуется по рекомендации д-ра экон. наук, проф. Г.Н. Белоглазовой.
Следует проследить влияние некоторых детерминантов ставок межбанковского рынка. Используя специально разработанные эконометрические модели с инструментальными переменными, получим поэтапную оценку актуальности и эффективности такого наиболее востребованного инструмента регулирования ликвидности, как операции РЕПО [3]. Совокупный объем операций прямого РЕПО Банка России за 2010 г. составил 2,0 трлн руб., а в кризисном 2009 г. — более 30,0 трлн руб. [2, с. 41]. Вопросы выявления факторов влияния на ставки межбанковского рынка представляют интерес для многих авторов, среди которых можно выделить, в частности, К.Н. Корищенко [1, с. 190], отметившего влияние сроков налоговых платежей на ставки межбанковского рынка. Основной задачей нашего исследования является эконометрическая оценка актуальности и эффективности операций РЕПО в контексте краткосрочной ликвидности на межбанковском рынке.
Широкий диапазон существующих эконометрических инструментов позволяет выбрать альтернативный подход к решению поставленных задач. При изучении операций РЕПО в качестве детерминанта ликвидности на межбанковском рынке мы также можем исследовать и детерминанты самих операций РЕПО, тем самым ответив на вопрос, чем руководствуется ЦБ РФ при проведении данных операций. В первом случае будет проанализирована эффективность операций РЕПО, во втором — их актуальность. Для данных целей предлагается наиболее подходящая, по нашему мнению, двухэтапная модель (1) с использованием интертемпоральных эффектов, или лагов, где инструментальная модель включает результаты первого этапа.
_Модель (1)_
ln miacr1dt = C + Д ln miacr1dtl + Д ln supply + ut
ln supplyt = C + Д ln miacrld+ Д ln demandt + ut ln miacrld = C * +Д * ln miacrld tX + Д *2 ln supply + u *
(1.1) Базовая модель:
(1.2) I этап:
(1.3) Инструментальная модель:
где: ln miacrld — ставка МИАКР по кредитам со сроками 1 день текущего периода; ln miacr1dt_x — ставка МИАКР по кредитам со сроками 1 день, лаг первого порядка; ln supply — объем средств, привлеченных ЦБ по операциям РЕПО в текущем периоде; ln demand — рыночный объем спроса на операции РЕПО в текущем периоде; Д и C — коэффициенты и константа;
Д * и C * — коэффициенты и константа после использования инструментальных переменных в первом этапе.
Данные для исследования были получены на сайте ЦБ РФ [5] и включают временной период с 12 января 2006 г. по 23 декабря 2010 г.
Отдельно отметим, что вариация ставок по операциям РЕПО недостаточна для проведения качественного эконометрического анализа. В модели (1) рассмотрен количественный аспект регулирования ликвидности.
По базовой модели (1.1) результаты теста Breusch-Pagan/Cook-Weisberg на гетероскедастичность указывают на наличие динамической вариации ошибок, которая снижает качество результатов по Методу наименьших квадратов (OLS) и создает помехи при установлении статистической значимости переменных (см. табл. 1).
__Таблица 1
Результаты
Arellano-Bond (lag3) (тест на автокорреляцию) 0.5079 (lag1)
Breusch-Pagan / Cook-Weisberg (тест на гетероскедастичность) 0.0000
Angrist-Pischke (тест на наличие скрытых инструментов) 0.0000
Kleibergen-Paap (тест на недостаточную идентификацию) 0.0000
Stock-Yogo (наличие слабых инструментов) L.lnmiacrld
Соответственно, для данного исследования был выбран Обобщенный метод моментов ^ММ): оценка коэффициентов получена с помощью двухэтапного Обобщенного метода моментов (GMM2S), толерантного к ге-тероскедастичности [6, с. 183-194]. Данная методология позволяет получить результаты, отображенные в табл. 2, с наименьшей погрешностью.
Таблица 2
Результаты расчетов по моделям
Переменные (1.1) ln miacr1dt (1.2) First ln supply (1.3) IV ln miacr1dt
ln miacr1dtЛ 0.667*** (0.0786) 8.484 0.128 (0.0803) 1.597 0.660*** (0.0812) 8.119
ln demand 1.010*** (0.0265) 38.06
ln supplyt -0.0343*** (0.0116) -2.951 -0.0400*** (0.0125) -3.209
Константа (С) 0.724*** (0.174) 4.160 -0.812*** (0.287) -2.828 0 779*** (0.195) 4.000
Наблюдения R-квадрат Центр. .R-квадрат 172 0.516 172 0.897 172 0.515
Обозначения статистической значимости:
*** p < 0.01, ** p < 0.05, * p < 0.1.
После корректировки на гетероскедастичность, результаты базовой модели (1.1) указывают на существенное прямое влияние предыдущих значений ставок по межбанковским кредитам с коэффициентом 0.667 и т-статистикой 8.484. Эффект простых ожиданий участников межбанковского рынка статистически значим на всех уровнях: 1, 5 и 10 %. Данный результат свидетельствует о доминировании роли ставок прошлых периодов в определении ставок последующих периодов.
Базовая модель (1.1) позволяет оценить эффективность объемов привлечения по операциям РЕПО по отношению к ликвидности на межбанковском рынке: существенная обратная связь с коэффициентом -0.0343 и т-статистикой -2.951 статистически значима на всех уровнях, однако данный эффект уступает влиянию ставок прошлого периода. В целом, можно утверждать, что с ростом объемов привлечения средств ЦБ РФ по операциям РЕПО ставка МИАКР по однодневным кредитам, согласно модели (1.1), будет снижаться, способствуя увеличению ликвидности. Аналогично, согласно модели (1.1), при сокращении объемов привлечения ликвидность будет сокращаться, вызывая рост ставок. Механизм обратной взаимосвязи проиллюстрирован на рисунке.
time
Inmiacrld - Insupply
Рис.
Изложенное выше позволяет сделать заключение о высокой эффективности количественного регулирования ликвидности с помощью операций РЕПО, однако данный эффект проигрывает эффекту простых ожиданий по
своей статистической значимости. Для уточнения данных результатов необходима инструментальная регрессия и первый этап (1.2), объясняющий логику принятия решений ЦБ РФ по объему привлечения.
Результаты первого этапа (1.2) подтверждают актуальность операций РЕПО и объемов привлечения: очевидно, что объемы привлечения имеют существенную прямую связь с объемом спроса по данным операциям. Коэффициент данного эффекта составляет 1.010 при т-статистике 38.06, что является статистически значимым на всех уровнях. Существенная связь с динамикой межбанковской ставки МИАКР по однодневным кредитам прошлого периода отсутствует. Дополнительные критерии Stock-Yogo по выявлению статистической значимости инструментов [4] позволяют сделать вывод о том, что данная переменная является слабым инструментом (см. табл. 1), в то время как значимость динамики объемов спроса на операции РЕПО превосходит все критические значения и является сильным инструментом. Таким образом, ЦБ РФ оперативно реагирует на объем спроса участников рынка РЕПО, повышая объемы привлечения при росте спроса, и наоборот.
Инструментальная модель (1.3) является завершающим этапом вычислений, позволяя получить коэффициенты с поправкой на результаты первого этапа. После проведения первого этапа расчетов с учетом вариации привлеченных средств по операциям РЕПО, объясненной инструментальными переменными, влияние лага динамики ставки МИАКР по однодневным кредитам снизилось: коэффициент данной переменной снизился с 0.667 до 0.660. Данный факт означает, что использование инструментальной переменной спроса на операции РЕПО незначительно снижает эффект простых ожиданий участников межбанковского рынка.
Обратная связь объемов привлечения по операциям РЕПО с динамикой ставок МИАКР по однодневным кредитам, напротив, усилилась: с -0.0343 до -0.0400. Таким образом, спрос на операции РЕПО имеет обратную связь с динамикой ставок МИАКР по однодневным кредитам. Поскольку во всех моделях в качестве независимых переменных используются лаги первого порядка, то мы можем предположить, что банки, обращаясь к ЦБ за ликвидностью, тем самым стабилизируют ситуацию на межбанковском рынке. Рост спроса на ликвидность ЦБ и оперативное и адекватное реагирование монетарных властей в ответ на динамику спроса, согласно модели (1.3), приводит к снижению однодневных ставок и, как следствие, к улучшению ситуации с ликвидностью на межбанковском рынке. Данный эффект имеет место только при адекватном и своевременном реагировании ЦБ на спрос по операциям РЕПО, что подтверждено результатами по модели первого этапа (1.2).
В заключение необходимо сделать три важных вывода:
1) ЦБ РФ оперативно реагирует на потребности банков в рефинансировании посредством операций РЕПО, о чем свидетельствуют коэффициенты по модели первого этапа (1.2);
2) объем средств, привлеченных по операциям РЕПО, имеет существенную обратную связь с краткосрочной ставкой по однодневным кредитам МИАКР (как показано в модели (1.3)), таким образом, можно заявить о высокой эффективности операций РЕПО в отношении к регулированию ликвидности на межбанковском рынке;
3) наличие существенного эффекта «простых ожиданий», определяющих динамику процентных ставок на межбанковском рынке, является стимулом для дальнейшего изучения детерминантов межбанковских процентных ставок.
Исходя из результатов эмпирического анализа, можно утверждать, что более гибкое регулирование объемов по привлеченным средствам, а также использование таргетирования процентных ставок, принимая во внимание «простые ожидания» участников рынка, могут существенно увеличить эффективность операций РЕПО.
ЛИТЕРАТУРА
1. Корищенко К.Н. Проблемы перехода к инфляционному таргетированию в России. СПб.: Изд-во СПбГУЭФ, 2006. 247 с.
2. Отчет о развитии банковского сектора и банковского надзора в 2010 году. М.: ЦБ РФ, 2011.
3. Регламент проведения в Системе электронных торгов ММВБ по сделкам с государственными ценными бумагами аукционов по реализации Обеспечения по сделкам РЕПО с блокировкой Обеспечения. М.: Банк России, ММВБ, 2003. Сентябрь.
4. AndrewsD.W.K., StockJ.H. Inference with Weak Instruments. Cowles Foundation for Research in Economics. Yale University, 2005.
5. URL: http://www.cbr.ru (дата обращения: 30.04.2011).
6. Wooldridge J.M. Econometric Analysis of Cross Section and Panel Data. London, 2001.
М.В. МАКЕЕНКО
Мария Владимировна МАКЕЕНКО — аспирантка кафедры экономики предприятия и производственного менеджмента СПбГУЭФ. В 2007 г. окончила СПбГУЭФ. Автор 5 публикаций.
Область научной специализации — инвестиционный и инновационный менеджмент.
^ ^ ^
ОПТИМИЗАЦИЯ ХОЗЯЙСТВЕННОЙ ДЕЯТЕЛЬНОСТИ ЭКОНОМИЧЕСКИХ СУБЪЕКТОВ
НА ОСНОВЕ PSO-МЕТОДА*
Многие практические задачи хозяйственной деятельности и ряд важных вопросов экономической теории связаны с определением наилучшего, оптимального варианта решения. Таковы, например, задачи выбора оптимальной производственной программы предприятия, транспортные задачи рационального распределения грузопотоков или целый комплекс проблем, связанных с оптимальным планированием народного хозяйства.
Понятие оптимальности и процесса оптимизации — центральный, осевой момент не только в экономике, инженерном деле, менеджменте и бизнесе, оно также используется и во многих социальных и биологических науках.
Согласно общепринятому определению оптимизация (от лат. optimum — наилучшее): 1) процесс нахождения экстремума (глобального максимума или минимума) определенной функции или выбора наилучшего (оптимального) варианта из множества возможных; 2) процесс приведения системы в наилучшее состояние по выбранному критерию [3].
В первом определении оптимизации имеется в виду анализ состояния исследуемой системы с точки зрения критерия оптимальности. Таким образом, под оптимизацией понимается целенаправленная деятельность, заключающаяся в получении наилучших результатов при соответствующих условиях, ограничениях и критериях.
Второе определение оптимизации означает процесс перевода изучаемой системы в искомое оптимальное состояние. Оптимизация — это целенаправленная деятельность, выполняемая с помощью аналитических, численных или экспериментальных средств, направленная на создание оптимальной системы или улучшение имеющейся.
Предлагается следующее определение оптимизации: это целенаправленная деятельность хозяйственных субъектов, выполняемая с помощью математических, аналитических или графических методов, направленная на получение наилучших результатов при соответствующих условиях, ограничениях и критериях для создания или улучшения имеющейся экономической системы.
В зависимости от постановки любая из задач оптимизации может решаться различными методами, и, наоборот, любой метод может применяться для решения многих задач.
Классификация методов оптимизации, наиболее востребованных в экономике и менеджменте, представлена на рисунке.
Особый интерес представляет агентное моделирование как один из динамично развивающихся методов оптимизации. Среди агентных методов моделирования выделяются мультиагентное и одноагентное моделирование. Мультиагентные методы могут быть использованы для решения таких проблем, которые сложно или невозможно решить с помощью одного агента или монолитной системы. Мультиагентная, или многоагентная, система — это система, образованная несколькими взаимодействующими интеллектуальными агентами [2].
ГРНТИ 06.81.12 © М.В. Макеенко, 2011 Публикуется по рекомендации канд. экон. наук, проф. С.Г. Овчинниковой.
