Разработка и организация внедрения прогнозных технологий в управление деятельностью таможенных органов Текст научной статьи по специальности «Экономика и бизнес»

Внешнеторговая деятельность

УДК 338.27

разработка и организация внедрения прогнозных технологий в управление

деятельностью таможенных органов

И.Д. АХМАДУЛЛИНА, аспирант кафедры экономической теории Российская таможенная академия E-mail: i.akhmadullinal@gmail.com

В статье отмечается, что в настоящее время условия управления деятельностью таможенных органов существенно изменились. Это обусловлено созданием Таможенного союза, формированием единого экономического пространства и вступлением нашей страны в ВТО. В этой связи существующие подходы к прогнозированию таможенных платежей оказались недостаточно эффективными. Представлена необходимость их совершенствования за счет разработки и внедрения прогнозных технологий, в основу которых заложены эконометрические модели прогнозирования.

Ключевые слова: прогнозирование, прогнозные технологии, управление, таможенные платежи

Основу управления деятельностью таможенных органов составляет прогнозирование показателей эффективности деятельности таможенных органов с горизонтом от 1 года до 3 лет. Одним из ключевых показателей эффективности деятельности таможенных органов является показатель доходов, администрируемых таможенными органами (далее — таможенные платежи). От точности прогнозирования таможенных платежей зависит эффективность деятельности таможенных органов. Вместе с тем в настоящее время необходимая точность прогнозирования этого показателя не обеспечивается.

Установленное предельное значение средней относительной ошибки прогнозирования в та-

моженных органах составляет 10%. Это условие пока не соблюдается таможенными органами. Так, средняя относительная ошибка прогнозирования таможенных платежей в Федеральной таможенной службе (ФТС России) составляет 17,18% (рис. 1).

ФТС России является одним из ключевых администраторов доходной части федерального бюджета РФ (ФБ РФ). Динамика перечислений ФТС России в ФБ РФ в период с 2006 по 2012 г. отображена на рис. 2. Так, доля доходов, администрируемых ФТС России, в структуре доходов ФБ РФ по итогу 2012г. составила 50,66%.

Кроме этого, ФТС России участвует в процессе формирования проекта ФБ РФ на следующий финансовый год и плановый период. Взаимодействие ФТС России с другими ведомствами в этом процессе представлено на рис. 3.

Так как доходная часть ФБ РФ формируется в существенной мере за счет таможенных платежей, это не позволяет осуществлять качественное бюджетное планирование. Следовательно, эффективное прогнозирование таможенных платежей без разработки и внедрения прогнозных технологий в управление деятельностью таможенных органов не представляется возможным.

Под прогнозными технологиями в прогнозировании таможенных платежей понимается комплекс организационных мер, операций, приемов и методов, направленных на построение эконометричес-

7 000 -1

г 30%

о н

Факт, млрд руб Прогноз, млрд руб. -О— Относительная ошибка прогнозного значения,%

Рис. 1. Несоответствие прогнозных и фактических доходов, администрируемых ФТС России

2006

2007

Доходы от ФТС России, трлн руб.

2008 2009 2010

^■ФБ РФ, трлн руб.

2011

2012

Доля доходов ФТС России в ФБ РФ

Рис. 2. Динамика и доля перечислений ФТС России в ФБ РФ

Рис. 3. Взаимодействие ФТС России с другими ведомствами в процессе формирования проекта ФБ

ких моделей таможенных платежей с горизонтом прогнозирования от 1 года до 3 лет с номинальным качеством и оптимальными затратами, обусловленных текущим уровнем развития науки, техники и общества в целом.

Для решения этих задач была сформирована система факторов, влияющих на деятельность таможенных органов в части перечисления таможенных платежей в ФБ РФ (см. табл. 1).

Выбор этих факторов обусловлен тем, что они отражаются в прогнозе социально-экономического развития России и с учетом их значений таможенные органы в настоящее время осуществляют прогнозирование таможенных платежей. Сформированная система факторов является динамичной и позволяет дополнять ее новыми факторами в зависимости от внешних и внутренних условий деятельности таможенных органов, а также от прогнозируемого вида таможенного платежа.

Алгоритм выявления факторов, влияющих на перечисление таможенных платежей, отображен на рис. 4.

В соответствии с данным алгоритмом были выявлены два фактора, в наибольшей степени влияющие на деятельность таможенных органов в части перечисления таможенных платежей: ВВП России и стоимостной внешнеторговый оборот. Лепестковая диаграмма (рис. 5) отображает коэффициенты ранговой корреляции Спирме-на (коэффициенты факторов, влияющих на таможенные платежи).

Учет влияния этой системы факторов на таможенные платежи может быть реализован в прогнозных технологиях. В основу прогнозных технологий в прогнозировании таможенных платежей могут быть заложены регрессионные и адаптивные модели.

Регрессионные модели — это математические функции, предназначенные для аналитического выравнивания временного ряда, не противоречащие характеру его развития в периоде наблюдения и в периоде упреждения прогноза [1, с. 91]. Различают однофакторные (парные), а также двух- и

Таблица 1

Система факторов, влияющих на деятельность таможенных органов в части перечисления таможенных платежей в ФБ РФ

Показатель Содержание

1. Социально-экономические показатели развития 1.1. Реальные располагаемые денежные доходы населения. 1.2. Инвестиции в основной капитал. 1.4. Уровень базовой инфляции. 1.5. Ставка рефинансирования. 1.6. Индекс промышленного производства. 1.7. Индекс потребительских цен. 1.8. ВВП. 1.9. Индекс выпуска товаров и услуг по базовым видам экономической деятельности

2. Показатели внешней торговли 2.1. Стоимостной внешнеторговый оборот. 2.2. Средняя цена на нефть марки Urals. 2.3. Номинальный курс доллара США к рублю. 2.4. Экспорт России. 2.5. Импорт России

3. Показатели таможенного администрирования 3.1. Индекс таможенной стоимости. 3.2. Корректировка таможенной стоимости

Рис. 4. Комплексный алгоритм выявления факторов, влияющих на перечисление таможенных платежей

Рис. 5. Коэффициенты ранговой корреляции Спирмена (коэффициенты факторов, влияющих на таможенные платежи)

более факторные (множественные) регрессионные модели.

Построенная автором регрессионная модель зависимости таможенных платежей от ВВП и стоимостного внешнеторгового оборота имеет следующий вид:

У = -155,43 + 0,047 V + 6,28 д, где V — значение ВВП, соответствующее i-му наблюдению;

Q— значение стоимостного внешнеторгового оборота, соответствующее г-му наблюдению. Регрессионная модель зависимости таможенных платежей от стоимостного внешнеторгового оборота имеет следующий вид:

У = -1,1568 + 0,0826 д + 178,0912 д2.

20%

10%

Сравнение значений относительных ошибок регрессионных моделей прогнозирования таможенных платежей отображено на рис. 6. Средняя относительная ошибка прогнозирования оптимальной регрессионной модели составила 7,29%.

Однако в динамично изменяющихся внешних условиях регрессионные модели осуществляют прогноз согласно первоначально заданным параметрам и не способны адаптироваться к их изменениям. В связи с этим были рассмотрены адаптивные модели, которые позволяют учитывать изменения воздействующих факторов и обладают высокими показателями точности.

Адаптивные модели — это самокорректирующиеся экономико-математические модели, которые

0%

Предельное значение относительной ошибки

8,72% 7,29%

Относительная ошибка Относительная ошибка

парной регрессионной модели множественной

регрессионной модели

Относительная ошибка прогнозирования в ФТС России

Рис. 6. Сравнение значений относительных ошибок регрессионных моделей прогнозирования таможенных платежей

способны отражать изменяющиеся во времени условия, учитывать информационную ценность различных членов временной последовательности и давать достаточно точные оценки будущих членов данного ряда [2, с. 14]. Прогнозирование таможенных платежей осуществлялось на основе моделей Брауна, Хольта-Уинтерса и Тейла-Вейджа.

Модель Брауна учитывает предыдущее спрогнозированное значение, скорректированное на величину отклонения факта от прогноза, и определяется следующим соотношением [2, с. 76]:

y« = yt +а(У - ytX

где а = const (0< а < 1 — параметр адаптации модели (параметр сглаживания). Модель Хольта-Уинтерса учитывает наличие тенденций с сезонными изменениями и определяется следующим соотношением [2, с. 36]:

Yp (t + k) = a) + k b(t)] F(t + к - L), где YP(t) — расчетное значение таможенных платежей для t-го периода; к — период упреждения;

a(t), b(t) и F — коэффициенты модели; они адаптируются, уточняются по мере перехода от членов ряда с номером t — 1 к t; F(t + к — L) — значение коэффициента сезонности того периода, для которого рассчитывается экономический показатель; L — период сезонности.

Модель Тейла-Вейджа является усложненной моделью Хольта-Уинтерса, учитывающей аддитивную сезонность и линейный тренд, и может быть представлена в следующем виде [2, с. 37]:

X = ai,t + §vA +st,

ai,t = °1,i-1 + a2,t, где xt — среднее значение уровня временного ряда в момент времени t после исключения сезонных колебаний;

t — номер уровня ряда;

а1 { — значение уровня исследуемого временного ряда х( в момент V,

а2 ( — прирост уровня от момента t — 1 к моменту Р,

gvк — аддитивный коэффициент сезонности для у(-го месяца, к-го года;

е( — белый шум.

Сравнение значений относительных ошибок адаптивных моделей прогнозирования таможенных платежей представлено на рис. 7. Средняя относительная ошибка прогнозирования оптимальной адаптивной модели составила 1,7%.

Таким образом, предложенные модели удовлетворяют требованиям точности прогнозирования таможенных платежей и могут быть заложены в основу прогнозных технологий при их внедрении в управление деятельностью таможенных органов.

Внедрение прогнозных технологий в управление деятельностью таможенных органов — это практическая реализация фундаментальных и прикладных достижений, изобретений, результатов научных исследований в области прогностики в целях повышения эффективности управления этой деятельностью.

Организация внедрения прогнозных технологий в управление деятельностью таможенных органов представляет собой процесс формирования, согласования, утверждения и реализации планов внедрения.

План внедрения прогнозных технологий представляет собой последовательность взаимосвязанных по времени и исполнителям мероприятий, обеспечивающих внедрение рассматриваемых технологий в управление. Структурно план представлен в виде следующих этапов:

— предпроектное обследование;

— проектирование и планирование;

— внедрение и контроль;

— завершение проекта.

20%

0%

17,18%

Предельное значение относительной ошибки

4,54%

1,70%

2,10%

Относительная ошибка Относительная ошибка Относительная ошибка Относительная ошибка прогнозирования прогнозирования прогнозирования прогнозирования ФТС модели Брауна модели Хольта- модели Тейла-Вейджа

Уинтерса

Рис. 7. Сравнение значений относительных ошибок адаптивных моделей прогнозирования таможенных платежей

Таблица 2

Содержание плана внедрения прогнозных технологий в прогнозирование таможенных платежей

Этап Срок реализации этапа, мес. Задачи этапа Необходимые ресурсы

Предпроект-ное обследование 1 — 3 Обследование деятельности при прогнозировании таможенных платежей. Создание технического задания. Утверждение приказа об официальном запуске проекта Трудовые ресурсы: руководитель проекта; бизнес-аналитик. Вычислительные ресурсы: ПК (2 шт.)

Проектирование и планирование 4 — 6 Разработка общего плана проекта внедрения программного комплекса прогнозирования таможенных платежей. Организация рабочей группы. Создание технического проекта. Составление бюджета проекта. Составление плана по рискам. Составление календарного плана. Составление рабочей документации. Составление итогового плана Трудовые ресурсы: руководитель проекта; бизнес-аналитик; программист № 1; программист № 2; инженер по тестированию (на период 1,5-2 мес.). Вычислительные ресурсы: ПК (5 шт.)

Внедрение и контроль 2 — 4 Комплектация рабочих мест поставляемыми изделиями. Подготовка и обучение кадров. Проведение предварительных испытаний. Проведение опытной эксплуатации. Проведение приемочных испытаний. Выбор стратегии. Сервисное обслуживание Трудовые ресурсы: руководитель проекта; бизнес-аналитик; программист; тренер по обучению (в течение 2 мес.); системный администратор. Вычислительные ресурсы: ПК (5 шт.); сервер для развертывания приложений; Windows-сервер. Программные средства: клиентские лицензии (5 шт.); система защиты информации

Завершение проекта 1,5 — 2 Подготовка и презентация итогового отчета по проекту. Анализ итогового отчета по проекту. Официальное закрытие проекта. Архивация всех материалов проекта Трудовые ресурсы: руководитель проекта; системный администратор; тренер по обучению

Реализация плана заключается в выполнении мероприятий в рамках каждого этапа. Содержание, сроки исполнения и необходимые ресурсы для реализации каждого этапа представлены в табл. 2.

Проведенный анализ точности прогнозирования таможенных платежей в таможенных органах свидетельствует, что средняя относительная ошибка прогнозирования превышает установленное нормативное значение. Это не способствует повышению эффективности управления деятельностью таможенных органов и не позволяет осуществлять качественное бюджетное планирование доходной

части ФБ РФ. Решение этих задач обусловливает необходимость разработки и внедрения прогнозных технологий в прогнозирование таможенных платежей при осуществлении управления деятельностью таможенных органов.

Список литературы

1. Бородин С.А. Вводный курс эконометрики. М.: БГУ. 2000. 354 с.

2. ЛукашинЮ.П. Адаптивные методы краткосрочного прогнозирования временных рядов. М.: Финансы и статистика. 2003. 416 с.

Finance and credit ISSN 2311-8709 (Online) ISSN 2071-4688 (Print)

Foreign trade activity

DEVELOPMENT AND ORGANIZATION OF THE IMPLEMENTATION OF PREDICTIVE TECHNOLOGIES IN THE MANAGEMENT OF CUSTOMS AUTHORITIES

Irina D. AKHMADULLINA

Abstract

The article notes that in the present conditions the management of customs authorities has changed significantly. This is due to the creation of the Customs Union, the formation of a common economic space and our country's accession to the WTO. In this connection, the existing approaches to forecasting of customs payments were not efficient enough . The author says of the need for their improvement through the development and implementation of predictive technologies based on econometric models of forecasting .

Keywords: forecasting, forecast technologies, management, customs payments

References

1. Borodich S.A. Vvodnyi kurs ekonometriki [Introduction to econometrics]. Moscow, BSU Publ., 2000,354 p.

2. Lukashin Yu.P. Adaptivnye metody kratkosroch-nogo prognozirovaniya vremennykh ryadov [Adaptive methods of short-term forecasting of time series]. Moscow, Finansy i statistika Publ., 2003, 416 p.

Irina D. AKHMADULLINA

Russian Customs Academy, Lyubertsy, Moscow region, Russian Federation i . akhmadullina@gmail . com