CC BY
83
Экономический вестник Ростовского государственного университета Ф 2008 Том 6 №1 Часть 2
10976,3 трлн.руб.; 2005 год - 13667,8 трлн.руб.; 2006 год - 15500,0 трлн.руб. Если сопоставить эти два динамических ряда, то можно выявить определенную закономерность в соотношениях располагаемого дохода домашних хозяйств на макроуровне и реальными денежными доходами на микроуровне, которые в принципе должны составлять общую сумму доходов всей макроэкономической системы (по аналогии с суммой добавленных стоимостей по видам экономической деятельности или по секторам).
Таким образом, в заключение проведенного исследования можно сделать следующие выводы:
- ВВП является главным экономическим показателем активности страны и одновременно это главный показатель характеристики всей макроэкономической системы. ВВП рассчитывается тремя методами, один из которых, называется распределительный и характеризует совокупные доходы всех институциональных единиц;
- в Российской Федерации на протяжении ряда лет (с 1993 года) дается общая характеристика ВВП, как равенство объема производства и оказания услуг и общих доходов страны. Это равенство между валовой добавленной стоимостью, плюс чистые налоги и доходами общества, т.е. реализована основная идея концепция Хикса;
- в российской практике не решен ряд значимых проблем трансформации теории доходов связанных с расчетами валовой прибыли и валовых смешанных доходов. Между теорией и российской практикой оценки доходов населения существует противоречие, связанное с непониманием основных положений теории Дж. Хикса;
- несмотря на очевидные сложности прямых расчетов валовой прибыли валовых смешанных доходов и трудности в преодоление противоречий между теорией и практикой в оценке доходов, в ближайшее время необходимо решить эти проблемы.
ЛИТЕРАТУРА
1. Национальные счета России. М.: Росстат, 2007.
2. Основы национального счетоводства: Учебник / Под ред. Ю.Н. Иванова. М.: ИНФРА-М, 2005.
3. Российский статистический ежегодник. М.: Росстат, 2006.
4. ХиксДж.Р. Стоимость и капитал. М.: Прогресс, 1993.
5. Экономическая статистика / Под ред. Ю.Н. Иванова. М.: ИНФРА-М, 2006.
СОЛОВЬЁВА И.В.
СОВЕРШЕНСТВОВАНИЕ СИСТЕМЫ УПРАВЛЕНИЯ ТАМОЖЕННЫМИ РИСКАМИ НА ОСНОВЕ СТАТИСТИЧЕСКИХ МЕТОДОВ ОЦЕНКИ РИСКОВЫХ СИТУАЦИЙ
Основы философии таможенного контроля с применением системы анализа и управления рисками (далее - СУР) были сформулированы Киотской конвенцией в 1999 году [5, р. 1-30]. В таможенных органах РФ принципы функционирования СУР были заложены в конце 2003 года - в приказе ГТК РФ от 26.09.2003 г. № 1069 «Об утверждении Концепции системы управления рисками в таможенной службе Российской Федерации». Сегодня в таможенных органах РФ СУР реализуется посредством внедрения общероссийских, региональных, зональных профилей риска, создания «зеленого сектора таможенного контроля», разработки целевых методик выявления и анализа риска и дополнительных других мероприятий.
Профили риска являются ключевым звеном в этом процессе. Они, как правило, распространяют свое действие на таможенные процедуры, возникающие до выпуска товаров и транспортных средств в соответствии с тем или иным таможенным режимом. Прямыми мерами по минимизации профилей риска предусматривается реализация комплекса мероприятий, направленных на снижение/предотвращение риска.
В настоящее время в РФ утверждено 322 профиля риска, из которых действует 95. При этом, такая мера по минимизации риска, как проведение таможенных ревизий, предусмотрена не более, чем в 5 процентах от общего количества действующих профилей риска.
Очевидно, что этого явно не достаточно, для того, чтобы сделать избирательным и, вместе с тем, высоко результативным, подход к выбору объекта таможенных ревизий.
В настоящее время пока не разработана соответствующая методология формирования статистических выборок с применением системы анализа и управления рисками (далее - СА и УР) для выбора объектов таможенных ревизий, увеличения результативности постконтрольных мероприятий.
В условиях все более очевидной необходимости широкого применения таможенного контроля после выпуска товаров, который связан, прежде всего, с деятельностью таможенной инспекции указанная проблематика становится весьма актуальной.
В связи с этим, общая цель нашего исследования состоит в выработке такого алгоритма, с помощью которого можно было определить оптимальный набор факторов риска, при наличии которых высок таможенный риск.
Под таможенным риском принято понимать вероятность нарушения таможенного законодательства [4].
Существуют две основных количественных характеристики риска применительно к сфере таможенного дела:
1. Риск как вероятность. Напомним, что вероятность - это количественная характеристика события относительно возможности того, что оно произойдет. Вероятность принимает значения в промежутке от 0 до 1 (чем ближе к единице, тем вероятнее событие).
Наряду с таможенным риском можно рассматривать и отрицательные последствия нарушения таможенного законодательства. Зная соответствующие вероятности нарушений можно оценить математическое ожидание потерь. Для каждого вида рисковой ситуации может быть определена пороговая граница математического ожидания потерь, всякое превышение которой позволит говорить о наличии риска и необходимости контрольных мероприятий.
Возможны два способа оценки значений вероятностей возникновения таможенных рисков:
а) использование статистических данных о частотах появления рисковых ситуаций (см., напр., [1]). Такая вероятность называется статистической (объективной) и вычисляется по формуле:
N.
Р. =-.
} N
где Р} - вероятность ситуации SJ; N.. - количество случаев, в которых появилась ситуация SJ; N - общее количество случаев.
б) использование субъективных оценок лица, принимающего решение. Такая вероятность является субъективной.
2. Риск как среднеквадратическое отклонение (о). Среднеквадратическое отклонение характеризует изменчивость ожидаемого результата финансовой операции, связанной с таможенной деятельностью (например, вариацию таможенных платежей), и вычисляется по формуле:
£(х, - — )2 N I
I I
где х. - значение количественного признака для каждой ситуации SJ; хр - среднее ожидаемое значение количественного признака; N. - число случаев наблюдения ситуации S. (частота).
Чем больше среднеквадратическое отклонение, тем сильнее разброс значений количественного признака и больше риск.
Предложенная нами методика может быть использована для оценки таможенных рисков, а также других рисков представляющих собой вероятности неблагоприятных событий. В основе проведенного нами анализа лежит сбор статистической информации о наличии/отсутствии тех или иных факторов риска при организации и проведении таможенных ревизий.
Экономический вестник Ростовского государственного университета Ф 2008 Том 6 №1 Часть 2
Экономический вестник Ростовского государственного университета Ф 2008 Том 6 №1 Часть 2
зав
Авторами была собрана статистическая информация по 18 типовым факторам риска** и пяти, разработанным самостоятельно:
- стоимость доставки товара ниже, чем у идентичных товаров;
- учредитель и управленец одно лицо;
- отсутствие основных фондов;
- место фактического нахождения не совпадает с госрегистрацией;
- система налогообложения участника ВЭД (традиционная, упрощенная, единый налог на вмененный доход).
На предмет выявления наличия/отсутствия вышеназванных факторов риска проанализированы 99 ревизионных мероприятий, проведенных службой таможенной инспекции Южного таможенного управления.
После сбора всей необходимой информации проведено качественное изучение всех факторов риска, посредством определения наиболее значимых из всей совокупности рассматриваемых.
Для того, что бы осуществить анализ факторов, выделить группу наиболее значимых, необходимо представить все факторы риска в виде альтернативных признаков, принимающих значение 1 или 0 (есть признак или его нет).
Например, атрибутивный фактор вид транспорта преобразуется в четыре альтернативных: авиа, авто, железнодорожный и водный транспорт; а такой количественный фактор, как размеры уставного капитала, в три альтернативных: нет, до 1 млн рублей включительно, больше 1 млн рублей. Каждый альтернативный фактор сравнивается с результативным альтернативным фактором (наличием/отсутствием нарушения таможенного законодательства).
В связи с большим разнообразием таких атрибутивных факторов риска как страна - производитель, торгующая страна, отправитель товара и т.д., в расчетную выборку попадали только те из них, доля которых по сравнению с остальными аналогичными факторами была наиболее значимой.
Например, для фактора риска «страна производитель» были оставлены градации - Китай, Турция, Испания; для фактора «торгующая страна» - Китай, Турция, ОАЭ; для фактора «страна отправитель» - Турция, Украина, Китай. Каждая из градаций была преобразована в альтернативный фактор риска.
В результате, для анализа были подготовлены 58 альтернативных факторов риска.
Прежде, чем перейти к изучению тесноты связи факторов риска и нарушения таможенного законодательства, напомним некоторые моменты из теории вероятности.
Каждому фактору А. можно приписать некоторое число - его вероятность Р(А.). По определению, о < р(А}) < 1, причем вероятность невозможного события равна 0, вероятность достоверного события равна 1.
Введем обозначения для условных вероятностей. Пусть А и В - зависимые случайные события, тогда обозначим через РА(В) - вероятность события В при условии, что произошло событие А и РВ(А) - вероятность события А при условии, что произошло событие В.
Пусть т2 - количество объектов таможенных ревизий, соответствующих фактору А, т2 -фактору В, т12 - факторам А и В одновременно. Тогда
Р[АВ)_ тп
Ра (В) = Рв (А) =
Р(А) ті
Р( АВ) ш12
Р(В) Ш2
В нашей работе мы подбираем оптимальные наборы факторов риска высоко коррелирующие с нарушением таможенного законодательства.
Для анализа тесноты связи факторов риска и результативного фактора в настоящей работе использовался коэффициент контингенцииК. Пирсона (Кк) [2]:
г ____________DH-FG_________
к VcD+Fy(F7яЯD7GЙG7tf)
В соответствии классификатором типовых критериев отнесения товаров, внешнеэкономических операций и лиц к группам риска.
где D, ¥, G, Н - значения, представленные в таблице 1.
Коэффициент контингенции К. Пирсона (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.
Важно отметить, что для анализа тесноты связи факторов и нарушения может использоваться и коэффициент 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 К. Пирсона.
Таблица 1
Таблица для расчета условных вероятностей и коэффициента контингенции
Количество случаев
Есть нарушение А Нет нарушения А Сумма
Есть фактор В й Р Р+Р
Нет фактора В 0 Н
Сумма Р+О
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.
Самым важным является первый показатель. 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 [3]. В результате анализа всех факторов риска в разрезе четырех вышеуказанных показателей оставляем 10 альтернативных 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.
В результате проведенного анализа, предложенный нами фактор риска «стоимость доставки товара ниже, чем у идентичных товаров» - оказался наиболее значимым, поскольку, во-первых, имеет самую сильную связь с результирующим показателем; во-вторых, вероятность возникновения нарушения при его наличии составляет 100%; в-третьих, его доля равна 41,41%; в-четвёртых, при наличии нарушения вероятность его возникновения самая большая и равна 80%.
Интерес представляет фактор риска «торгующая страна ОАЭ» - вероятность выявления нарушения при наличии этого фактора составляет 100%, но коэффициент контингенции равный 0,29 - не очень высок, т.е. связь с результативным признаком, является слабее средней.
Следует обратить внимание, что при наличии фактора риска «страна производитель Китай» статистическая вероятность нарушения составила 84% при коэффициенте континген-ции 0,289.
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
Экономический вестник Ростовского государственного университета Ф 2008 Том 6 №1 Часть 2
Экономический вестник Ростовского государственного университета Ф 2008 Том 6 №1 Часть 2
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, построим 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»). 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 т Фактор к Агрегированный фактор п, т, к
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 и для каждой пары факторов А и В. Например, при наличии фактора «отношение между 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%, когда было нарушение.
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 приходим к выводу, что в инспекционной работе можно параллельно использовать не менее трех оптимальных факторных областей риска. Отметим, что необходимо провести апробацию каждой из трех моделей и выбрать наиболее удобную с практической точки зрения. Алгоритм применения модели очень прост. Если у участника ВЭД выявлен хотя бы один из четырех модельных факторов риска, то следует рекомендовать провести таможенную ревизию.
Сформулируем теперь общий алгоритм статистического метода построения оптимального агрегированного фактора для выявления нарушений таможенного законодательства.
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.
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 близкими к 100%.
Процесс выбора объекта таможенных ревизий, с учетом найденных нами стратегических областей риска, может быть автоматизирован с помощью базы данных электронных копий грузовых таможенных деклараций (таблицы DCLTOVAR, DCLHEAD, DCLRISKM). Для этого инспектору необходимо сформировать в MS Access запрос на выборку контракто-держателей, попадающих в стратегическую факторную область риска. В результате будут выявлены те участники ВЭД, в отношении которых целесообразно провести таможенные ревизии.
В настоящее время с целью выбора объектов проверки используются «Таблицы рисков», подготавливаемые отделами таможенной статистики. В них по каждому участнику ВЭД указывается общее количество факторов риска. Считается, что, чем больше факторов таможенного риска имеется у того или иного участника ВЭД, тем больше вероятность проведения результативной проверки. Однако, как показывает наше исследование, наличие большого количества факторов таможенного риска в отношении предполагаемого объекта таможенных ревизий еще не говорит о высоком таможенном риске. 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. С другой стороны, выявлен ряд факторов, дублирующих друг друга.
По итогам работы приходим к выводу, что эффективных факторов, на которые следует обращать внимание при принятии управленческих решений, достаточно мало.
Полагаем, что предложенный нами алгоритм выявления оптимального набора факторов, указывающих на высокий таможенный риск, может быть использован и при решении задач, связанных с другими видами рисков.
литература
1. Башина О.Э., Спирина A.A. Общая теория статистики. М.: Финансы и статистика, 2000.
2. Елисеева И.И., ЮзбашевМ.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: Учеб. пособие. Ростов н/Д.: РИО Ростовский филиал РТА, 2005.
Экономический вестник Ростовского государственного университета Ф 2008 Том 6 №1 Часть 2
Экономический вестник Ростовского государственного университета Ф 2008 Том 6 №1 Часть 2
4. Приказ ГТК России «Концепция системы управления рисками в таможенной службе Российской Федерации» № 1069 от 26.09.2003 // «TKS.RU - всё о таможне. Таможня для всех
- российский таможенный портал» (http://www.tks.m/cgi-bin/text.pl?file=200310060007 &id=law).
5. Kysto Соnvention. General Annex. Chapter 6. Guidelines on Customs Controls, 1999.
СУЧКОВА Е.Д.
СЛИЯНИЯ И ПОГЛОЩЕНИЯ КАК ФАКТОРЫ ИНВЕСТИЦИОННОИННОВАЦИОННОГО ПРОЦЕССА В ДИНАМИКЕ ЭКОНОМИЧЕСКОГО РОСТА НА ПОСТСОВЕТСКОМ ПРОСТРАНСТВЕ
На постсоветском пространстве важнейшую роль в стимулировании инвестиционно-инновационного процесса выполняет Российская Федерация. Мощный экономический потенциал и научно-техническая база, доставшиеся ей в наследство от СССР, наличие значительных сырьевых, энергетических, финансовых и иных ресурсов, большая емкость внутреннего рынка делают ее потенциально привлекательной для международных инвестиций и притока мигрантов из бывших советских республик. На российский рынок ориентирована пятая часть экспорта Украины и Узбекистана, до 10% совокупного экспорта Азербайджана, Казахстана, Таджикистана и Туркменистана [3].
В 90-е годы вследствие общих стагнационных процессов в экономике, когда произошло резкое сокращение государственного финансирования науки и НИОКР и, как следствие, отток квалифицированных специалистов, ученых в западные страны, были утеряны ведущие позиции в области научно-технического лидерства и конкурентоспособности в мировой экономике.
Ответственность государства за будущее страны, за ее оборонный потенциал, социальное развитие и качество жизни населения диктуют необходимость ускоренного инновационного развития экономики. Ряд законов и государственных актов последних лет таких, как Федеральный Закон Российской Федерации «О науке и государственной научно-технической политике», Федеральный Закон Российской Федерации «Об инновационной деятельности и государственной инновационной политике в Российской Федерации», Федеральной Стратегии «Об основах политики РФ в области развития науки и технологий на период 2010 г. и дальнейшую перспективу» закрепляют ориентиры научно-технического развития на ближайшие годы.
Государственное регулирование инновационной деятельности в России осуществляется по следующим направлениям: аккумуляция и финансирование научных исследований и инноваций; стимулирование инновационной активности и конкуренции в высокотехнологических отраслях экономики; создание правовой базы для инновационных процессов; подготовка кадров для инновационной деятельности; формирование научно-инновационной инфраструктуры; повышение общественного статуса инновационной деятельности; региональное регулирование инновационных процессов; регулирование международных аспектов инновационной деятельности.
В динамике инвестиционно-инновационного процесса рыночно трансформированной постсоветской экономики выделают несколько этапов: период демонтажа плановой социалистической экономики 1991-1994 гг.; период перехода экономики от плановой к рыночной, который характеризуется установлением макроэкономической стабилизации 1994-1999 гг.; период устойчивого роста сложившейся в основном рыночной экономики 1999-2007 гг.
Инвестиционно-инновационные процессы в трансформационных экономиках постсоветского пространства явились важнейшими факторами преобразования плановой экономики в рыночную. Вместе с тем под воздействием государственного регулирования происходило формирование национальных инновационных систем (НИС). На всех этапах рыночной трансформации они являлись объектом государственного регулирования и формировались на основе стратегических отраслей национальных экономик.
