CC BY
8ПЕРВЫЕ ШАГИ В НАУКЕ
О. Л. Саламан
РАЗВИТИЕ НАУЧНО-МЕТОДИЧЕСКОГО АППАРАТА УПРАВЛЕНИЯ ТАМОЖЕННЫМИ РИСКАМИ В ПРОЦЕССЕ ТАМОЖЕННОГО КОНТРОЛЯ
В статье рассматривается система управления рисками в процессе таможенного контроля как эргатическая система. Проводится анализ областей принятия управленческого решения по отнесению декларации на товар к риску в соответствии с теорией дискрими-нантного анализа путем построения соответствующих графиков.
Ключевые слова: таможенный контроль; система управления рисками; таможенные риски; эргатическая система; риск; неопределенность; управленческое решение.
Возрастающий товаропоток, а вместе с ним и количество рисковых ситуаций, ограниченность ресурсного потенциала таможенных органов, необходимость выполнения контрольных показателей деятельности со вступлением России во Всемирную торговую организацию (далее - ВТО) обязывают таможенную службу совершенствовать свою деятельность [1]. Мероприятия, осуществляемые в этой связи, в большей степени направлены на дальнейшее развитие организационно-управленческой деятельности и таможенного контроля, наиболее важными направлениями которого являются: контроль таможенной стоимости; сосредоточение внимания на тщательном таможенном контроле в пунктах пропуска через государственную границу, включающем применение современных технических средств контроля и постконтроль товаров; приведение национальной системы управления рисками (далее - СУР) как к нормам Всемирной таможенной организации, так и к нормам ВТО, унификация ее на уровне государств - членов тройственного Таможенного союза.
Среди множества направлений развития организационно-управленческого механизма таможенных органов необходимо выделить также совершенствование СУР.
В современных условиях задача управления таможенными рисками в процессе таможенного контроля является одним из актуальных направлений деятельности таможенной службы. Это связано с тем, что международное законодательство в области таможенного дела предусматривает упрощение таможенных формальностей для участников внешнеэкономической деятельности (далее - ВЭД), наряду с минимальным, но, тем не менее, действенным контролем. Вместе с тем необходимо акцентировать внимание на наиболее рисковых поставках. Это дает основание рассматривать СУР как наиболее гибкий механизм, который учитывает накопленный опыт выявления таможенных рисков и позволяет прогнозировать
их наступление. Приступая к его рассмотрению, следует для начала определиться с элементами, на которых основан процесс осуществления таможенного контроля.
Так, к структурным элементам таможенного контроля относятся: должностные лица, выполняющие таможенный контроль; используемые технические средства; алгоритмы и программы, с помощью которых осуществляется таможенное оформление и контроль и ряд других. Основные структурные элементы данного процесса представляют собой единое целое и находятся в неразрывной связи и взаимодействии. При этом отношения должностного лица и технических средств, с помощью которых осуществляется таможенный контроль, строятся на принципах эргатических систем, иначе называемых «человек-техника», или «человек-машина». В общем виде применение СУР можно отобразить схемой, представленной на рис. 1. На схеме показаны пути автоматического принятия решения (далее - автомат) на отнесение декларации на товар (далее - ДТ) к риску и интуитивного решения должностного лица (далее - инспектора) на необходимость проведения такой меры по минимизации риска, как, например, таможенный осмотр или досмотр.
Рис. 1. Упрощенная схема применения СУР
Данная схема характеризуется следующими параметрами: ^тов - интенсивность потока товаров для таможенного контроля; Рухода А - вероятность ухода на автоматическое принятие решения по данному товару (партии товаров);
Рухода И - вероятность ухода на интуитивное принятие решения должностным лицом таможенного органа по данному товару (партии товаров);
- интенсивность прохождения товаров (партии товаров) при автоматическом принятии решения (^А > А,И);
- интенсивность прохождения товаров (партии товаров) при интуитивном принятии решения;
- поток товаров при выпуске;
- поток товаров, запрещенных к выпуску;
^сист - интенсивность выходного потока товаров после таможенного контроля (интенсивность системы).
В целях определения взаимодействия между инспектором и автоматической частью системы таможенного контроля рассмотрим существующие области,
полученные в результате моделирования с использованием метода дискрими-нантного анализа. Сущность данного методического подхода (применительно к таможенной специфике) и заключается в составлении обучающих выборок по декларациям «с риском» и «без риска» [2]. На основе статистических методов решается задача по определению принадлежности вновь поступившей декларации к одной из таких выборок. Настоящая статья развивает предложенные научные идеи. С использованием математического моделирования определяются границы области принятия решений по вновь поступившей ДТ таможенным инспектором. Рассмотрим подробнее сущность данного вопроса.
Поступаемая информация по каждой товарной партии хранится в соответствующих базах данных (далее - БД) на информационных порталах ФТС России. Анализ каждой ДТ в совокупности с анализом принятых решений по ней позволяет разделить всю исследуемую совокупность деклараций на ДТ «с риском» и ДТ «без риска» и сделать обучающие выборки. При этом числовые значения, характеризующие признаки ДТ, могут соответствовать трем типам переменных: количественным, ранговым и качественным [3, с. 243]. Необходимо, чтобы в расчетах участвовал один тип переменных (в работе О. В. Калининой [2] матрица значений признаков ДТ строилась по нескольким типам переменных, что, на наш взгляд, является не совсем корректным).
Для отнесения ДТ к рисковой и безрисковой выборке необходимо выделить наиболее значимые категории признаков, так называемые события-параметры. Таковыми являются: организационно-правовая форма, учредители, размер уставного капитала, результат финансовой деятельности предприятия за последние четыре квартала, результат проверки соблюдения правовых норм, общая сумма всех договоров, специализация на внешнеторговом рынке, номенклатура перемещаемых товаров, наличие значимых отличий в разности между весом брутто и нетто, совпадение страны происхождения и страны отправления. Каждая выбранная категория (обозначим ее через у, ] = 10) разделяется на необходимое количество элементов ]ПП1 = 44), однозначно характеризующих конкретный признак ДТ (количество ДТ обозначим через ц i = 1000 шт.). В качестве таких признаков, например, для категории «организационно-правовая форма участника ВЭД», могут выступать такие элементы, как ОАО, ЗАО и т.д. При этом в одной категории признаков может быть выбран только один элемент признака. В таблице ниже представлен пример обучающей выборки в агрегированном виде.
Таблица
Агрегированный вид обучающей выборки деклараций на товар
№ категории признака Признак (событие-параметр),}
¡1 ¡2 ¡3 ¡п
¡11 ¡12 ¡21 ¡22 ¡31 ¡32 }пт
1 1 0 0 0 1 0
2 0 1 0 1 1 0
/ 1 0 0 1 0 1
На основании проведенного исследования в работе [2, с. 103] и с учетом отнесения признаков ДТ к одному типу переменных с помощью математического моделирования (с использованием пакета прикладных программ MathLab) были получены и исследованы обучающие выборки ДТ «с риском» и ДТ «без риска».
Используя данные по обучающим выборкам и применяя метод дискриминант-ного анализа, можно построить функции плотности распределения для области «с риском» и области «без риска», общий вид которых представлен на рис. 2.
0,12
0,10
0,08
§ о,о е
Область неопределенности
0,04 0,02
0
Значения дискриминантной функции Aí
Рис. 2. Функции плотности распределения для ДТ «без риска» (X) и «с риском» (У) с обозначением области неопределенности
Из анализа данных, представленных на рис. 2, видно, что, рассчитав значение дискриминантной функции для новой ДТ, с определенной вероятностью можно говорить о ее принадлежности к одной из областей. Но при значениях, близких к пороговому («с»), рассчитанному в соответствии с формулой из работы [2, с.101], увеличивается вероятность совершения ошибочного решения.
При этом возможны два рода ошибок: ошибка первого рода, заключающаяся в принятии неправильного решения, и ошибка второго рода, заключающаяся в непринятии правильного решения. В области, где функции плотности вероятности распределения областей «с риском» и «без риска» имеют наименьшие различия, автором предлагается принимать управленческое решение инспектором, а не автоматической системой, потому что у инспектора вероятность совершения ошибки меньше, чем у «автомата» (см. рис. 2).
При принятии решения необходимо учитывать не только эту область, которую будем называть «областью максимальной неопределенности», но и те границы, которые попали в пересечения областей «с риском» и без него. Это обстоятельство справедливо для уменьшения ошибок, которые может допустить автомат при принятии решения по отнесению либо неотнесению ДТ к риску.
Однако область максимальной неопределенности нуждается в более детальном рассмотрении. Принимая данное утверждение во внимание, выведем формулы для дальнейших расчетов вышеуказанной области.
Для оценки эффективности распознавания ситуации «без риска» определим вероятность совершения ошибки второго рода у автомата (Рош 2 рода) - условную
вероятность принятия решения о безрисковости ДТ, когда имеет место наличие риска:
A
Рош. 2 рода = P(XY) = i f(Y)dAi , (1)
-ОТ
а также вероятность ложной тревоги (Рош 1 рода) - условную вероятность принятия автоматом решения о риске, когда фактически риска нет:
Рош. 1 рода = P(YX) = i f(X)dA , (2)
Ai
где Ai - значение дискриминатной функции;
A0 - пороговое значение дискриминатной функции из области «без риска»;
A1 - пороговое значение дискриминатной функции из области «с риском»;
f(X) - функция плотности распределения ДТ «без риска»;
f(Y) - функция плотности распределения ДТ «с риском».
С учетом нормального закона распределения значений дискриминантной функции Ai функция плотности распределения для ДТ «без риска» f(X) и ДТ «с риском» f( Y) имеет вид:
(A-Mx )2 (A-My )2
f(X)=-=L- • / 252 и f(Y)=-=L- • / 25> , -Jin- О x \ji%- о y
X y
где 8x by - дисперсия значений дискриминантной функции для ДТ «без риска» и ДТ «с риском»;
Mx, My - математическое ожидание дискриминантной функции для ДТ «без риска» и ДТ «с риском».
Как было показано ранее, область значений признака Ai делится на три области: (-»; A0), (A0; A1) и (A1; +<»). Областями автоматического принятия решения являются (-»; A0) и (A1; +<»). В случае же попадания признака в область (A0; A1) решение должен принимать инспектор.
Подобное разделение обязанностей между инспектором и автоматом (ЭВМ) имеет преимущество как перед инспекторским, так и перед автоматическим принятием решения. Качественно это можно объяснить следующим образом.
Автомат способен обрабатывать большие потоки данных, но достоверность обработки высока лишь в области существенного различия функции плотности вероятности распределения признаков. Однако процент попадания признаков в эти области может быть достаточно высоким. Поэтому инспектору поступает лишь часть от всего потока информации, которая может оказаться достаточно малой, чтобы инспектор, работая в комфортных временных условиях, мог реализовать свои возможности по достоверности принятия решений. Дело в том, что область (A0; A1) значений признака Ai, являясь областью неопределенности для автомата, может оказаться простой для принятия решения инспектором, поскольку он в отличие от автомата может использовать дополнительные опознавательные признаки, основываясь на своем профессиональном опыте, и т. д.
В целом в автоматизированной системе быстродействие автомата дополняется относительно высокой обнаружительной и опознавательной способностью инспектора, обладающего, однако, меньшей пропускной способностью. В количественном выражении в автоматизированной системе принятия решений зависимость между Рош 2 рода и Рош 1 рода удается существенно ослабить, т. е. повышать (в определенных пределах) вероятность правильных решений без роста вероятности неправильных. В случае вероятности правильного распознавания ошибок 2-го рода (Рош 2 рода) и вероятности неверного распознавания ошибок 1-го рода (Рош 1 рода) по ситуации (-<»; Л0) в схеме автоматизированной системы определяются в соответствии с выражениями:
Рош. 2 рода
= Р(Х|У) =
Рош. 2 рода АВТ + Рош. 2 рода ИНСП (3)
^ош. 1 рода P(Y\X) Рош. 1 рода АВТ + Рош. 1 рода ИНСП' (4)
Характерной особенностью инспектора является присущее ему низкое значение вероятности совершения ошибки за счет того, что он при принятии решения привлекает дополнительную информацию, помимо той, которая содержится в признаках ДТ.
Таким образом, представление СУР в процессе таможенного контроля на таможенном посту в качестве эргатической системы является, по мнению автора, приемлемой. Полученные в ходе проведенного исследования результаты однозначно свидетельствуют о необходимости разграничения области принятия решения между автоматом и должностным лицом таможенного органа. Причем последнее решение будет приниматься в условиях не столько риска, сколько неопределенности. Представленные формулы наглядно демонстрируют ошибки, которые может допустить автоматическая часть СУР. При этом основной акцент делается на принятие управленческого решения в области максимальной неопределенности именно инспектором ввиду наличия у него профессионального опыта, которым не обладает автоматическая часть СУР.
Использованные источники
1. Распоряжение Правительства РФ от 28.12.2012 № 2575-р «Стратегия развития таможенной службы Российской Федерации до 2020 года» [Электронный ресурс]. URL: http:// правительство.рф/gov/results/22312/.
2. Калинина О. В. Организационно-экономический механизм совершенствования таможенного сервиса внешней торговли в условиях риска: дис. ... канд. экон. наук. СПб.: Санкт-Петербургский торгово-экономический институт, 2006.
3. Дубров А. М, Мхитарян В. С., Трошин Л. И. Многомерные статистические методы. М.: Финансы и статистика, 2003.
и
