CC BY
928
Коды классификатора JEL: G18, H56
КОМПЛЕКСНАЯ СИСТЕМА ОЦЕНКИ ТАМОЖЕННЫХ РИСКОВ КАК ОСНОВА ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ДЕЯТЕЛЬНОСТИ ТАМОЖЕННЫХ ОРГАНОВ РФ
СОЛОВЬЕВА И.В.
Соловьева И.в. Южное таможенное управление,
государственный таможенный инспектор отдела координации и применения системы управления рисками,
РГЭУ «РИНХ», соискатель, e-mail: innasolo@mail.ru
В статье обосновывается и раскрывается разработанный автором алгоритм комплексной оценки грузовой таможенной декларации с точки зрения таможенных рисков, базирующийся на методе распознавания образов. В качестве дополнения к балльному методу автором статьи предлагается использование методов оценки таможенных рисков с применением показателей вариации и метода экспертных оценок. В статье также приводится пример апробирования в 2005 году частного случая балльного метода оценки таможенного риска с применением коэффициентов контингенции и построением агрегированных факторов таможенного риска.
Ключевые слова: таможенный риск, метод экспертных оценок, коэффициент контингенции
С активизацией внешней торговли для таможенных служб различных государств на первый план вышли вопросы эффективного таможенного регулирования внешнеэкономической деятельности при максимальном содействии торговому обороту. Достичь этой цели можно за счет применения таможенными органами системы управления рисками (СУР). Основная задача которой состоит в контроле именно тех грузов и пассажиров, которые представляют наибольший риск несоблюдения таможенного законодательства.
Для разработки полноценной модели функционирования СУР зарубежным странам потребовались не только значительные финансовые затраты, но и временные: США - 25 лет, странам ЕС - более 10 лет. В результате, удалось создать трехуровневую модель управления рисками (МУР), включающую первый уровень - профили риска, второй - балльную оценку величин таможенного риска и третий - генератор случайных чисел.
Данная система является комплексной и позволяет с той или иной периодичностью контролировать различные товарные партии: как те, которые характеризуются высоким риском нарушения таможенного законодательства, так и те, которые по формальным признакам к ним не относятся.
Таможенная служба РФ находится на этапе формирования комплексной системы управления рисками. В настоящее время внедрены два из трех уровней МУР: первый (профили риска) и третий (генератор случайных чисел). Второй уровень европейской МУР (балльный метод оценки величин риска) в таможенную службу РФ до настоящего момента времени не внедрен, тогда как именно на этом уровне можно осуществить комплексную оценку и анализ таможенных рисков на основе информации, содержащейся в отдельных графах ГТД/ТД.
Необходимо отметить, что эффективное внедрение второго уровня МУР, через простое воспроизведение европейской модели балльного метода оценки величин риска с применением формализованных в ней методик и алгоритмов, в таможенной службе РФ не возможно. Связано это с тем, что в зарубежных странах:
- расчет величин риска проводится только четырем графам ГТД/ТД (из более чем 50 имеющихся): процедура, в соответствии с которой товар перемещается; страна происхождения товара; код товара; субъект ВЭД;
- изменения характера рисковых ситуаций практически не происходит - в подавляющем большинстве возникающие случаи нарушения таможенного законодательства являются «типовыми»;
- при выявлении средней степени риска перевод на более высокую или низкую степень реализуется через субъективный фактор - таможенного инспектора.
Учитывая российскую специфику перемещения товаров, имеющееся разнообразие характера рисковых ситуаций, балльный метод оценки степени риска требует максимальной включенности граф ГТД/ТД в процесс анализа, возможности использования мнений экспертов при возникновении новых рисковых ситуаций, перевода средней степени риска на более высокий или низкий уровни без участия человеческого фактора, а также возможности включения в балльный метод новых факторов риска.
С целью реализации указанных выше положений автором работы разработан алгоритм комплексной оценки ГТД/ТД с точки зрения таможенных рисков, базирующийся на методе распознавания образов.
Разработанный алгоритм функционирования балльного метода оценки таможенных рисков является более обоснованным, чем применяемый в зарубежных странах, поскольку:
- в его основе реализован подход выявления рисковых ситуаций на основе анализа большего числа граф ГТД/ТД. А именно, предложено анализировать не менее чем 15 граф ГТД/ТД, представленных двадцатью факторами риска;
Экономический вестник Ростовского государственного университета Ф 2008 Том 6 № 3 Часть 2
Экономический вестник Ростовского государственного университета Ф 2008 Том 6 № 3 Часть 2
- осуществлен перевод средней степени риска на высокий или низкий уровни без участия человеческого фактора;
- модель дополнена алгоритмами выявления новых факторов риска и оценки тех рисковых ситуаций, статистика возникновения которых отсутствует.
Предлагаемый нами балльный метод оценки таможенных рисков основан на методе распознавания образов, с помощью которого возможно:
1. создать образ нарушений таможенного законодательства;
2. произвести выбор информативных признаков (на основе граф ГТД);
3. определить решающие правила;
4. сформировать классификационную схему (зона низкого, среднего и высокого риска).
Результативным признаком будет выступать само нарушение таможенного законодательства.
В результате анализа граф с применением разработанного нами алгоритма будет получена итоговая балльная оценка риска по каждой ГТД/ТД. В дальнейшем, руководствуясь шкалой градации степени риска, такая декларация будет отнесена к одному из трех уровней риска: высокому, среднему, низкому.
Информативность тех или иных граф выражается в балльной шкале.
Выбор информативных признаков на основе граф ГТД/ТД должен осуществляться с учетом того, что мы располагаем приближенной гипотезой о мере влияния отдельных граф ГТД/ТД на изучаемый показатель (условную вероятность наличия нарушения таможенного законодательства). Таким образом, можно провести эмпирическую проверку информативности всего круга учитываемых граф относительно нарушения таможенного законодательства.
Для решения задачи прогнозирования наличия или отсутствия той или иной информации, содержащейся в отдельных графах ГТД/ТД, используется последовательная диагностическая процедура, основанная на теории информации.
Акцент в проводимом нами исследовании направлен, прежде всего, на то, чтобы создать образ нарушений таможенного законодательства и осуществить выбор информативных признаков на основе отдельных граф ГТД. При успешном завершении проводимой работы должны определиться те информативные признаки, наличие которых в отдельности или совокупности свидетельствовало бы о наличии таможенного риска (нарушении таможенного законодательства). В дальнейшем, определяются решающие правила, т.е. присваиваются баллы тем или иным графам. По полученной сумме баллов выявляются области - высокой вероятности нарушения таможенного законодательства, высокой вероятности отсутствия нарушения таможенного законодательства, промежуточная. Практически все поля электронной копии ГТД могут быть информативны для построения образа нарушения таможенного законодательства. В соответствии с вышеизложенным, на первом этапе анализа необходимо определить набор граф (признаков) ГТД/ТД, информативных с точки зрения таможенного риска, которые будут положены в основу проводимого статистического исследования.
В ходе предварительного анализа подтвердили свою значимость 20 факторов таможенного риска, представленные 15-тью графами ГТД/ТД1. При этом под фактором таможенного риска понимается показатель, свидетельствующий о потенциально возможном нарушении таможенного законодательства.
Для определения информативности граф ГТД/ТД (факторов таможенного риска) может быть использован показатель информативности [3], или мера Кульбака
7(х.) = 51е
Рл^Су)
рл(*„\
где РА(Ху) - вероятность наличия градации признака х^ при возникновении нарушения таможенного законодательства; (ху ), - вероятность наличия градации признака х~ при отсутствии нарушения тамо-
женного законодательства, i - номер признака; j - градация признака.
В качестве признака вступает фактор таможенного риска, представленный или соответствующими графами ГТД/ТД, или их соотношением.
Для оценки информативности J(Х1) признака х1 необходимо сложить соответствующие номерам
признака меры Кульбака :J (Х1) = Е ■> (х) . Чем выше информативность признака (градации призна-
/
ка), тем он эффективнее для выявления и прогнозирования наступления таможенного риска.
1 Каждый из факторов риска может быть разложен на составляющие его графы ГТД/ТД.
Для граф ГДТ/ТД, характеризуемых высокой степенью информативности, необходимо рассчитывать диагностический коэффициент, позволяющий оценить каждую из них с точки зрения наличия риска в баллах:
ЗД)
Рл(Ха)
ДК(ху) = 101В
Методика применения балльного метода заключается в непосредственном суммировании диагностических коэффициентов отдельных граф ГТД/ТД. Дальнейший этап научного статистического исследования состоит в определении соответствующих балльных пороговых границ для каждого уровня риска: низкого, среднего и высокого.
Предлагаем рассматривать ГТД/ТД как потенциально рисковую в том случае, если сумма диагностических коэффициентов достигает определенного положительного порога. Если сумма будет переходить некоторый отрицательный барьер, то ГТД/ТД предлагается оформлять без дополнительных таможенных формальностей, что будет свидетельствовать о низкой степени таможенного риска. В том случае, если по итогам суммирования диагностических коэффициентов ГТД/ТД присвоена средняя степень таможенного риска, таможенный инспектор должен будет принять решение о переводе данной декларации на уровень или низкого или высокого таможенного риска.
Для осуществления перевода средней степени риска может быть использован ряд статистических инструментов. К примеру, предлагаем обратиться к такой характеристике риска, как среднеквадратическое отклонение (о). Это позволит в разрезе определенных товарных позиций по ТН ВЭД России сформировать соответствующие справочники средних показателей (х ) тех или иных товаров: отношение веса нетто к брутто, индекс таможенной стоимости (ИТС), индекс таможенных платежей (ИТП) и т.д., а также определить соответствующие им среднеквадратические отклонения. Такие справочники позволят в оперативном режиме осуществлять перевод средней степени риска на высокий или низкий уровень в зависимости от сравнения полученных показателей по той или иной ГТД/ТД с общероссийскими или региональными.
Таким образом, суть статистического метода анализа рисковых ситуаций с применением среднеквадратического отклонения состоит в том, что бы определить среднюю величину характеристики того или иного признака, а также разброс значений вокруг нее. Когда разброс значений по отдельным объектам выходит за пределы X ± 3о , ситуация рассматривается как рисковая, анализируемым графам присваиваются высокие балльные показатели, средняя степень риска переводится на высокую. __
В том случае, если значения анализируемых признаков будут находиться в границах X ± 3о , то данным графам присваиваются низкие балльные показатели и средняя степень риска переводится на низкую. Отметим, что имеющаяся в таможенных органах информационная база позволяет в полной мере осуществить указанный статистический анализ, создавая предпосылки для активного применения данного метода оценки рисковых ситуаций.
Вместе с тем, зачастую встречаются ситуации, когда получить статистическую информацию о том или ином событии или невозможно, или с точки зрения временных, финансовых ресурсов нецелесообразно. В этом случае оценка таможенного риска может быть основана на использовании вероятностей, полученных в результате обработки мнений лиц, принимающих решение (экспертов). Кроме того, мнения экспертов могут быть также использованы при определении новых факторов таможенного риска. В этом случае предложенная открытая модель балльного метода оценки таможенного риска с применением ГТД/ТД будет на регулярной основе обновляться новыми факторами таможенного риска (наряду с обновлением факторов таможенного риска, основанных на статистических оценках рисковых ситуаций).
Определяемые экспертами вероятности представляют собой числовые оценки достоверности событий и выражают мнение работников таможенных органов, экспертов о шансах возникновения той или иной ситуации [2].
Прежде чем применять при выявлении или прогнозировании новых рисковых ситуаций мнения экспертов, они должны быть проверены на предмет согласованности их между собой, а также со статистическими оценками анализа рисковых ситуаций, выявленных в предыдущие периоды времени. Если указанная выше согласованность будет достигнута, то экспертные оценки могут быть использованы при анализе сложных рисковых ситуаций. Существующие способы определения достоверности экспертных оценок основаны на предположении, что в случае согласованности мнений экспертов достоверность оценок гарантируется.
Наиболее часто для этих целей используют коэффициент конкордации (согласия), величина которого позволяет судить о степени согласованности мнений экспертов и достоверности полученных оценок. В том случае, если по результатам произведенных расчетов величина коэффициента конкордации будет близка к 1, то связь между оценками различных экспертов оценивается как тесная.
Вместе с тем, для оценки достоверности экспертных оценок недостаточно определить коэффициент согласованности их мнений между собой, необходимо еще рассчитать согласованность оценок со статистическими рангами важности (диагностическими коэффициентами). Для определения согласованности экспертных оценок с полученными диагностическими коэффициентами предложено применение рангов коэффициентов корреляции Спирмена и Кендалла.
При этом следует учесть, что оценки, полученные с помощью коэффициентов Спирмена, всегда несколько выше оценок коэффициентов Кендалла для одной и той же совокупности данных.
Экономический вестник Ростовского государственного университета Ф 2008 Том 6 № 3 Часть 2
Экономический вестник Ростовского государственного университета Ф 2008 Том 6 № 3 Часть 2
В том случае, если полученное значение коэффициента Спирмена, отразит тесную связь между оценками, данными экспертами и оценками, полученными в результате обработки статистических данных, необходимость в расчете коэффициента Кендалла будет отсутствовать. В том случае, если полученные значения отразят слабую связь между явлениями, повторная оценка ситуации будет осуществлена с использованием коэффициента Кендалла.
Если в результате расчета указанных выше коэффициентов согласованность экспертных оценок со статистическими оценками будет признана слабой, рекомендуем применить метод, учитывающий компетентность экспертов.
В общем случае веса, приписываемые каждому эксперту, интерпретируются как вероятность формирования им достоверных оценок (баллов). Для вычисления компетентности каждого эксперта предлага-
Н_ (И + О + Z)
ем воспользоваться следующей формулой: Н _ —-, где Н - коэффициент компетентности
экспертов, D - количество баллов, присвоенных эксперту по критерию «наличие высшего образования», О - количество баллов, присвоенных эксперту по критерию «общий стаж работы», Ъ - количество баллов, присвоенных эксперту по критерию «стаж работы по специальности», Махзнач - максимальная сумма баллов по D, О, Ъ.
Если по итогам применения метода, учитывающего компетентность экспертов, согласованность экспертных оценок со статистическими вновь будет признана слабой, использовать мнения экспертов при прогнозировании выявления и оценки рисковых ситуациях не рекомендуется.
При средней или выше средней согласованности экспертных оценок со статистическими можно рекомендовать использование метода экспертных оценок для прогнозирования и оценок тех рисковых ситуаций, которые характеризуются отсутствием необходимой статистической информации, а также привлечением данных экспертов для выявления новых факторов таможенного риска с целью их последующего включения в балльный метод оценки таможенного риска.
Частный случай балльного метода оценки таможенного риска (метода распознавания образов) апробирован нами в 2005 году с применением коэффициентов контингенции и построением агрегированных факторов таможенного риска, наличие которых с большой долей вероятности свидетельствовало о наличии нарушения таможенного законодательства.
Общий алгоритм апробированного статистического метода построения оптимального агрегированного фактора для выявления нарушений таможенного законодательства представлен следующим образом:
1. Формирование статистического массива таможенных ревизий.
2. Представление выявленных нарушений в виде альтернативного признака (1 - есть нарушение, 0
- нет нарушения) для каждой таможенной ревизии.
3. Представление факторов риска в виде альтернативных признаков (1 - есть фактор, 0 - нет фактора) для каждой таможенной ревизии.
4. Вычисление коэффициента контингенции между каждым фактором и нарушением (чем ближе коэффициент контингенции к 1, тем сильнее связь между альтернативными признаками).
5. Вычисление условной вероятности выявления нарушения при наличии фактора (чем ближе эта условная вероятность к 100%, тем эффективнее фактор).
6. Вычисление условной вероятности наличия фактора при выявлении нарушения (чем ближе эта условная вероятность к 100%, тем чаще встречается фактор при выявлении нарушений).
7. Вычисление доли фактора (крайне редко встречающиеся факторы следует исключить из исследования).
8. На основе шагов 4-7 выявление значимых факторов риска.
9. Построение комбинаций значимых факторов риска (агрегированных факторов).
10. Исключение из агрегированного фактора дублирующих факторов.
11. Выбор агрегированного фактора в качестве стратегической области риска, если условная вероятность нарушения и коэффициент контингенции близки к 100% .
Для анализа тесноты связи факторов риска и результативного фактора в использовался коэффициент контингенции (Кк) [3]:
к _______________________________________
4 АЛ + М/+К)-(с1 + еУ(л+К)
где - d, f, д, h значения, представленные в таблице 1.
Коэффициент контингенции (Кк) показывает степень тесноты связи между явлениями - факторами риска и наличием нарушения таможенного законодательства (далее - нарушение). Кк принимает значения от -1 до +1, и чем ближе его значение к +1, тем сильнее связь между анализируемыми явлениями [5].
Важно отметить, что для анализа тесноты связи факторов и нарушения может использоваться и коэффи-
ээ
циент ассоциации Д. Юла. Вместе с тем, данный коэффициент нами использован не был, поскольку в качестве одного из показателей в таблице мог выступать ноль. В этом случае величина коэффициента ассоциации будет равна плюс/минус единице, что даст несколько преувеличенную оценку степени тесноты связи между признаками. Для того, чтобы этого избежать мы отдали предпочтение коэффициенту контингенции.
Таблица 1
Данные для расчета условных вероятностей и коэффициента контингенции
Количество случаев
Есть нарушение А Нет нарушения А Сумма
Есть фактор В d і d + f
Нет фактора В g
Сумма d+ g
В результате обработки статистического массива информации получаем следующие критерии значимости факторов риска:
1. Эффективность каждого фактора риска (условная вероятность возникновения нарушения при наличии этого фактора).
2. Коэффициент контингенции фактора риска с нарушением.
3. Условная вероятность возникновения фактора риска при наличии нарушения.
4. Доля фактора риска в общем объеме выборки.
На основе полученных критериев проводим анализ значимости факторов риска (чем ближе данные показатели к 1, тем значимее фактор). Расчеты критериев по всем факторам риска могут быть найдены в учебном пособии [4]. В результате анализа всех факторов риска в разрезе четырех вышеуказанных показателей оставляем 10 наиболее значимых факторов:
- стоимость доставки товара ниже, чем у идентичных товаров;
- отношение между ценой ввозимого товара и ценой идентичных товаров менее 55%;
- отношение между ценой ввозимого товара и ценой идентичных товаров между 55% и 70%;
- отношение таможенной стоимости и розничной цены товара менее 0,2;
- контрагент, производитель и отправитель товара, зарегистрированы в разных странах;
- товары группы "риска";
- отсутствие основных фондов;
- торгующая страна ОАЭ;
- страна производитель Китай;
- информация о нарушении из внешних источников.
Назовем случаи выявленных нарушений условно - «полем нарушения», а случаи наличия фактора риска - «областью фактора». Смысл модели состоит в обнаружении оптимальной группы факторов риска, области которых полностью перекрыли бы данное поле нарушений таможенного законодательства и при этом, по возможности, не выходили за его рамки. Если область фактора риска выходит за рамки поля нарушений, то это говорит о безрезультатных проверках. Если области факторов перекрываются, то это означает, что в ряде проверок факторы дублируют друг друга.
Далее, для выявления оптимальной факторной области риска, мы строили различные комбинации между двумя, тремя или четырьмя значимыми факторами. Будем говорить о наличии агрегированного фактора при наличии хотя бы одного из выбранной группы альтернативных факторов (логическая операция «или») (таблица 2). Наша задача - найти такой агрегированный фактор, область которого повторяла бы поле нарушений таможенного законодательства (т.е. присутствие этого фактора соответствовало бы наличию нарушения таможенного законодательства, а отсутствие - отсутствию нарушения).
Таблица 2
Пример построения агрегированного фактора риска
Фактор п Фактор m Фактор k Агрегированный фактор п, m, k
0 0 1 1
0 0 0 0
1 1 0 1
Эффективность агрегированных факторов оцениваем по показателям перечисленным выше. Для устранения дублирующих друг друга факторов таможенного риска мы вычисляли условные вероятности Ра (В) и РБ (А) для каждой пары факторов А и В. Например, при наличии фактора «отношение между
Экономический вестник Ростовского государственного университета Ф 2008 Том 6 № 3 Часть 2
Экономический вестник Ростовского государственного университета Ф 2008 Том 6 № 3 Часть 2
ценой ввозимого/идентичного товара менее 55%» у контрактодержателя в 100% случаев был выявлен фактор «отношение таможенной стоимости и розничной цены товара менее 0,2». Следовательно, одновременно указанные факторы не следует включать в агрегированный фактор.
В результате, мы получили 3 стратегические области риска:
Первая область риска.
- стоимость доставки товара ниже, чем у идентичных товаров;
- отношение между ценой ввозимого товара и ценой идентичных товаров 55-70%;
- информация о нарушении из внешних источников;
- контрагент, производитель и отправитель товара, зарегистрированы в разных странах Коэффициент контингенции агрегированного фактора и выявленных нарушений составляет 0,85 и говорит сильной связи между ними. Нарушение встречалось в 92% случаев, когда был фактор. А фактор в 97%.
Вторая область риска.
- стоимость доставки товара ниже, чем у идентичных товаров;
- отношение между ценой ввозимого товара и ценой идентичных товаров 55-70%;
- информация о нарушении из внешних источников;
- отношение таможенной стоимости и розничной цены товара менее 0,2.
Связь между агрегированным фактором и выявленными нарушениями сильнее, чем в предыдущем случае, поскольку значение коэффициента контингенции равно 0,87. Нарушение встречалось в 93% случаев, когда был фактор. А фактор в 97%, когда было нарушение.
Третья область риска.
- стоимость доставки товара ниже, чем у идентичных товаров;
- отношение между ценой ввозимого товара и ценой идентичных товаров 55-70%;
- отношение между ценой ввозимого товара/ ценой идентичных товаров менее 55%;
- информация о нарушении из внешних источников.
Второй и третий фактор можно объединить в один - «отношение между ценой ввозимого и идентичного товара менее 70%». Связь между третьим агрегированным фактором и выявленными нарушениями еще сильнее, и коэффициент контингенции составляет 0,9375. Условная вероятность наличия нарушения при наличии фактора равна 98%, а условная вероятность наличия фактора при выявленных нарушениях - 97%. Таким образом, третий агрегированный фактор самый значимый из всех.
В результате проведенных исследований мы выяснили, что в инспекционной работе можно параллельно использовать не менее трех оптимальных факторных областей риска. Алгоритм применения модели очень прост. Если у участника ВЭД выявлен хотя бы один из четырех модельных факторов риска, то следует рекомендовать проведение в отношении него таможенной ревизии.
В процессе выполнения работы, методами статистики нами было установлено, что многие факторы малоэффективны (например, «не оптимальный маршрут доставки товара»; «заявление в одной ГТД товаров, доставляемых в разных транспортных средствах»; «льготные товары»; «перегрузка товара с изменением вида транспорта» и т.д.). Очевидно, что учет статистически не эффективных факторов приводит к безрезультатным проверкам, не выявлению таможенных рисков.
Таким образом, предложенный алгоритм функционирования балльного метода оценки таможенных рисков может быть использован для совершенствования таможенного контроля с применением системы управления рисками.
Полагаем, что использование в деятельности таможенных органов РФ балльного метода оценки таможенных рисков позволит усовершенствовать процедуру таможенного оформления и таможенного контроля, улучшить качество оказываемых услуг участникам ВЭД, ускорить прохождение таможенных формальностей, минимизировать издержки при таможенном оформлении товара, повысить эффективность бизнеса, а также положительно сказаться на показателях государственного бюджета и процессе интеграции России во Всемирную торговую организацию.
ЛИТЕРАТУРА
1. Башина О.Э., Спирина А.А. Общая теория статистики. М.: «Финансы и статистика», 2000.
2. Елисеева И.И., Юзбашев М.М. Общая теория статистики. М.: «Финансы и статистика», 2000.
3. Кудрявцев О.Е., Соловьев В.В., Соловьева И.В. Выбор объектов таможенного аудита с использованием системы анализа и управления рисками: Пособие. Ростов н/Д: РИО Ростовский филиал РТА, 2005.
4. Кудрявцев О.Е. Математические методы оценки рисков: Учебное пособие. Ростов-на-Дону, РИО РФ РТА, 2006. С.: 4-36.
5. Ниворожкина Л.И., Морозова З.А. Вероятностные методы в экономике и бизнесе: Тексты лекций и задач. Ч.1. Ростов-на-Дону: РГЭА, 1996. С.53-54.
