Прогнозирование налоговой нагрузки сельскохозяйственных предприятий методами машинного обучения

Харитонова Анна Евгеньевна ORCID: 0000-0001-8480-6279 кандидат экономических наук доцент, Департамент налогов и налогового администрирования, Финансовый университет 127083, Россия, Москва, г. Москва, ул. Верхняя Масловка, 15 Kharitonova Anna Evgen'evna PhD in Economics Associate Professor, Department of Taxes and Tax Administration, Financial University 127083, Russia, Moscow, Moscow, Verkhnyaya Maslovka str., 15 kharitonova.ae@yandex.ru Другие публикации этого автора

Введение

Между налоговыми органами и налогоплательщиками часто возникает конфликт интересов, так как целью первых является обеспечение бюджетов всех уровней максимальными поступлениями от уплаты налогов, а вторых – минимизация налоговых обязательств для максимизации своих доходов ^[1]. Именно поэтому установление оптимальной налоговой нагрузки для организаций способствует развитию их деятельности и повышению ими налоговой дисциплины. С другой стороны, налоговая нагрузка является значимым индикатором состояния экономики. Высокая налоговая нагрузка может оказывать отрицательное влияние на экономическую активность и инвестиции, в то время как низкая налоговая нагрузка может привести к недофинансированию государственного бюджета. Величина налоговой нагрузки зависит от конкретной налоговой системы, политики и приоритетов государственного регулирования ^[2]. В этой связи задача любого государства – определить оптимальный уровень налоговой нагрузки, позволяющий обеспечить паритет интересов бюджета и бизнеса.

Прогнозирование налоговой нагрузки имеет большую актуальность в современном мире, особенно в условиях нестабильной экономической ситуации и частых изменений в налоговом законодательстве. Государственным органам и органам местного самоуправления прогнозные значения налоговой нагрузки позволяют грамотно планировать свои бюджетные доходы и расходы на будущий период. Это важно для разработки эффективных стратегий финансирования социальных программ, обороны, образования и других общественных нужд. Правительству и другим интересующимся сторонам – анализировать текущую ситуацию и принимать обоснованные решения по налоговой политике. Прогнозы помогают определить оптимальные ставки налогов, исследовать влияние изменений налогового законодательства и оценивать результативность налоговых стимулов и льгот. Кроме того, при сравнении фактических показателей налоговой нагрузки экономического субъекта со среднеотраслевыми налоговые службы выявляют потенциальные случаи недекларирования доходов или уклонения от уплаты налогов. Это способствует справедливому распределению налогового бремени и позволяет государству собирать необходимые доходы для обеспечения своих функций и обязательств. Актуальность оценки и прогнозирования налоговой нагрузки для предпринимателей обосновывается возможностью планирования своей деятельности и расчета бизнес-показателей. Знание предполагаемой налоговой нагрузки позволяет более точно оценивать финансовое состояние предприятия, проводить расчеты рентабельности, прогнозировать доходность и принимать обоснованные инвестиционные решения ^[3].

В целом, прогнозирование налоговой нагрузки является важным инструментом для государства, бизнеса и общества в целом. Оно позволяет выявлять потенциальные проблемы, предотвращать злоупотребления и оптимизировать состояние налоговой системы для обеспечения устойчивого экономического развития и социального благополучия.

Применение современных инструментов и программных средств для прогнозирования налоговой нагрузки повысит качество получаемых значений, сократит затраты времени на обработку данных и построение моделей и повысит эффективность экономической деятельности предприятий.

Литературный обзор

Современное состояние экономики требует повышения качества прогнозирования как на макроуровне, так и на уровне отдельного предприятия. В постпандемийных и санкционных условиях необходимо уметь качественно и оперативно прогнозировать риски для грамотного управления в условиях сложных обстоятельств и неопределенностей в экономической деятельности ^[9].

В условиях неопределенности и недостатка информации многие исследователи используют в своих работах экспертный метод. Так, Трещевский Ю.И., Кособуцкая А.Ю. и Опойкова Е.А. использовали экспертный метод прогнозирования влияния экономических антисанкционных мер на экономику региона^[10]. Также в работе Зуевой Т.И. применен экспертный метод при прогнозировании параметров инновационного развития предприятий ^[6]. Однако экспертные методы довольно сложно адаптировать при изменении условий и обновлении данных (особенно актуально для налоговой среды), что требует применения новых инструментов и средств анализа.

Для построение моделей прогнозирования традиционным является применение статистических методов. Так, Храмцова Т.Г. и Храмцова О.О. используют статистические методы для прогнозирования финансовых результатов предприятия.

Одним из наиболее популярных методов прогнозирования является корреляционно-регрессионный анализ. Например, Костина З.А. и Машенцева Г.А. использовали корреляционно-регрессионный анализ для прогнозирования налоговых доходов бюджета субъекта Российской Федерации ^[13], Кузина Е.И. – для прогнозирования налоговых поступлений Рязанской области ^[14].

Яблоков Д.Ю. сравнивает в своем исследовании эффективность прогнозирования методом ARIMA и с помощью нейронной сети и отдает предпочтение последнему с достаточной убедительностью ^[15]. Методы искусственного интеллекта активно применяются для прогнозирования банкротства предприятий и финансового состояния ^{[16, 17]}, а в работе Иваньковой С.С. используется модель дерева решений для оценки риска банкротства ^[18].

Методы искусственного интеллекта используются для прогнозирования и в аграрном секторе экономики. Возможности применения искусственного интеллекта и нейросетевых технологий в цифровой платформе прорывного развития российского АПК рассмотрены в работе Илышова А.П. и Толмачева О.М. ^[19]. Методы машинного обучения также применяются для прогнозирования уровня оснащенности сельскохозяйственных предприятий ^{[20, 21]}.

Тем не менее, как показал проведенный обзор литературы, сфера применения методов машинного обучения в прогнозировании налоговой нагрузки не изучена, отсутствует сопоставление результатов таких методов с классическим корреляционно-регрессионным анализом, чему и посвящена практическая часть исследования.

Материалы и методы исследования

Входной информацией для обработки послужили данные бухгалтерской отчетности по 20000 сельскохозяйственных предприятий России за 2021 год. Исходная размерность входных данных составила 20000 строк на 138 столбцов. В данных присутствуют пропущенные значения, качественные переменные и выбросы. На этапе предварительной обработки данных была проведена работа с пропущенными значениями. Для ряда показателей формы 1-2 бухгалтерской отчетности данные вносятся в обязательном порядке, поэтому пропуск означает, что этот показатель равен 0. Для оставшихся столбцов удалены показатели, у которых более 5% пропусков, далее удалены все строки в которых есть хотя бы 1 пропуск. В результате удаления из выборки исключены 2179 предприятий.

С точки зрения статистики целесообразно сравнивать единицы совокупности по относительным показателям. Данные, характеризующие экономическую деятельность, целесообразно соотнести с ресурсами предприятия. Для сельскохозяйственных предприятий целесообразно всего соотносить данные с площадью сельскохозяйственных угодий. Однако в исходных данных отсутствует данный показатель, поэтому соотнесем данные со среднегодовой численностью работников, а также досчитаем возможные относительные показатели деятельности предприятий:

- Налоговая нагрузка, %;

- Возраст компании, лет;

- Чистые активы на 1 работника, руб.;

- Кредиторская задолженность на 1 работника, руб.;

- Фондовооруженность, руб./чел.;

- Доля внеоборотных активов в общих;

- Коэффициент оборачиваемости совокупных активов;

- Коэффициент концентрации собственного капитала (автономии);

- Доля себестоимости как процент от выручки.

Перед выявлением факторов налоговой нагрузки проведена диагностика данных на наличие выбросов, это позволило сделать совокупность однородной. Так, по налоговой нагрузке выбросы не были выявлены (рисунок 1), однако по ряду других показателей выбросы присутствовали в данных. С помощью правила трех сигм удалены все предприятия, не попадающие в данный интервал.

Рисунок 1 – Графики диагностики выбросов в исходных данных

По результату избавления от пропущенных значений и выбросов в совокупности осталось 15015 предприятий.

В качестве методов исследования были использованы модели машинного обучения. Для решения задач регрессии в исследовании использованы следующие алгоритмы:

· Деревья решений;

· Случайный лес;

· Градиентный бустинг;

· Нейронные сети.

Дерево решений (Decision Tree) – двоичная рекурсивная непараметрическая процедура, позволяющая обрабатывать количественные и качественные входные и выходные величины в их исходной, необработанной форме ^[4]. Цель состоит в том, чтобы создать модель, которая предсказывает значение целевой переменной, изучая простые правила принятия решений, выведенные из характеристик данных. Каждый узел дерева - это проверка для различных условий по определенной переменной, ветви дерева - это результат проверки, а конечные узлы - это решение, принятое после вычисления всех атрибутов ^[5]. Для прогнозирования налоговой нагрузки дерево решений может быть использован как алгоритм поиска наиболее значимых факторов с целью получения наиболее точного прогноза.

Бустинг (AdaBoost) – это процедура построения алгоритмов, когда каждый следующий старается компенсировать недостатки предыдущих. Он создает модель прогнозирования в виде ансамблей слабых моделей прогнозирования, обычно деревьев решений; строит модель поэтапно, обобщает их, позволяя оптимизировать произвольную дифференцируемую функцию потерь ^[6]. Для целей прогнозирования налоговой нагрузки градиентный бустинг дает прогнозы высокого качества на основе нетривиальных разбиений, выработанных алгоритмом дерево решений.

Случайный лес (Random Forest) –это алгоритм, который объединяет несколько деревьев решений на основе идеи ансамблевого обучения. Для формирования каждого дерева в ансамбле реализуется процедура бэггинга – случайный отбор с повторениями элементов обучающей выборки в обучающую подвыборку ^{[7, 8]}. Объединение деревьев позволяет получить более точные и стабильные прогнозы налоговой нагрузки при нелинейных и нетривиальных зависимостях.

В качестве инструмента обработки данных был использован язык программирования Python с дистрибутивом Anaconda в среде Jupyter Lab. Для загрузки и анализа данных были использованы следующие пакеты: numpy , pandas, seaborn, matplotlib, sklearn и tensorflow.

Результаты исследования

Для определения взаимосвязей между признаками построим тепловую карту коэффициентов корреляции (рисунок 2). Прямая линейная зависимость факторов на налоговую нагрузку отсутствует, что также подтверждается построением множественной линейной модели регрессии, коэффициент детерминации для которой составляет лишь 21%. Таким образом, прогнозировать налоговую нагрузку по данной модели нельзя. Для возможности прогнозирования и выявления нелинейных взаимосвязей между признаками построим модели машинного обучения.

Рисунок 2 – Тепловая карта коэффициентов корреляции

Модель «Дерево решений» строит граф в виде структуры с узлами, в которых задаются условия, и листьях с возможными решениями. Для построения модели с наилучшими характеристиками был осуществлен подбор параметров с помощью функции GridSearchCV. В результате качество построенной модели оказалось недостаточно высоким. Коэффициент детерминации говорит о том, что всего 27,4% вариации налоговой нагрузки можно объяснить влиянием включенных в модель факторов. Также в качестве метрик качества построенных моделей рассмотрим среднюю ошибку и среднюю абсолютную ошибку. Средняя ошибка прогноза составила 0,04 при среднем значении признака 0,075. Средняя абсолютная ошибка между налоговой нагрузкой, предсказанными моделью, и фактической составляет 1,1%. Для целей прогнозирования данная модель не подходит из-за низкого коэффициента детерминации и высоких значений ошибок.

Модель «Случайный лес» строится на основе комитета деревьев решений и обычно показывает более высокое качество. Для построения модели с наилучшим качеством был также осуществлен подбор параметров. В результате коэффициент детерминации составил 43,4%, что говорит о том, что на 43,4% вариации налоговой нагрузки зависит от включенных в модель факторов. Средняя ошибка составила 0,03 при среднем значении признака 0,075, а средняя абсолютная ошибка между налоговой нагрузкой, предсказанными моделью, и фактической составляет 0,95%. В целом качество модели оказалось выше, чем по алгоритму «Дерево решений».

Для сравнения построим модель с помощью алгоритма градиентного бустинга, основанного на дереве решений. С целью поиска модели с лучшим качеством проводился побор параметров, в результате коэффициент детерминации составил 46,2%. Т.е. 46,2% вариации переменной (налоговой нагрузки) зависит от включенных в модель факторов. Сравним метрики качества построенных моделей (таблица 1). Наиболее высоким оказался коэффициент детерминации для модели градиентного бустинга, он выше модели «Случайный лес» на 2,9%. Также более высокое качество модели подтверждает средняя ошибка (0,033) и средняя относительная ошибка (0,847), которые ниже, чем по моделям «Дерево решений» и «Случайный лес». Для получения точных и достоверных прогнозов следует увеличивать коэффициент детерминации в моделях, однако по модели градиентного бустинга оценить возможные значения налоговой нагрузки возможно.

Таблица 1 – Оценка качества построенных моделей машинного обучения

По наилучшей модели из построенных сравним прогнозные значения налоговой нагрузки для трех случайно отобранных из выборки предприятий.Для первого предприятия прогнозируется налоговая нагрузка 7,6%, что выше фактического значения на 4,1%, т.е. погрешность достаточно высокая. Для второго предприятия прогнозируемая налоговая нагрузка составила 5,7% при фактическом уровне 3,9% (разность 1,8%). Для третьего предприятия прогноз составил 3,1% налоговой нагрузки, при фактическом уровне 6,7% (разность 3,1%). Таким образом следует отметить, что методы машинного обучения дают результаты лучше, чем традиционные регрессионные модели, однако для получения более качественных и достоверных прогнозов модели следует улучшать и дорабатывать. Одним из дальнейших путей повышения качества моделей может служить разделение предприятий на более однородные группы по результатам хозяйственной деятельности и построении моделей для каждой группы в отдельности. В целом использование методов машинного обучения является перспективным направлением для работы и использовании их в налоговом прогнозировании и выработке налоговой стратегии компании.

Выводы и предложенияВ процессе исследования проведена обработка данных 20000 сельскохозяйственных предприятий на языке программирования Python и построены модели прогнозирования налоговой нагрузки с помощью множественной линейной модели регрессии, дерева решений, случайного леса и градиентного бустинга. При сравнении моделей видно, что методы градиентного бустинга и случайного леса намного превосходят по метрикам качества модели линейной регрессии и дерева решений при одинаковом наборе входных предикторов. Таким образом можно отметить, что применение методов машинного обучения повышает качество прогнозирования, а потому они могут быть внедрены в деятельность предприятий.Возможности современных средств искусственного интеллекта позволяют при прочих равных условиях получать более достоверные и качественные прогнозы в сравнении с традиционными эконометрическими моделями. При этом использование специализированных на анализе языков программирования, таких как Python или R, позволят снизить затраты на предобработку данных и построение моделей, что позволит получать прогнозы для принятия оперативных решений для повышения экономической эффективности деятельности.Важно отметить, что представленный в настоящем исследовании методический подход может применяться не только экономическими субъектами при налоговом планировании и прогнозировании, но и налоговыми органами при определении критериев для выявления объектов пристального налогового контроля. В частности, построение моделей с применением методов машинного обучения позволит получить перечень зависимых индикаторов, которые могут быть рассмотрены налоговыми органами совместно с низким уровнем налоговой нагрузки при отборе организаций для целей выездного налогового контроля.