|
Библиотека
|
ваш профиль |
Статья опубликована с лицензией Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0) – Лицензия «С указанием авторства – Некоммерческая».|
Налоги и налогообложение
Правильная ссылка на статью:
Кричевский Е.Н. Развитие научно-методических подходов по определению угроз возможной несостоятельности юридических лиц для целей налогового администрирования // Налоги и налогообложение. 2025. № 3. С. 1-21. DOI: 10.7256/2454-065X.2025.3.74243 EDN: IRWYZS URL: https://nbpublish.com/library_read_article.php?id=74243
Развитие научно-методических подходов по определению угроз возможной несостоятельности юридических лиц для целей налогового администрирования
DOI: 10.7256/2454-065X.2025.3.74243EDN: IRWYZSДата направления статьи в редакцию: 27-04-2025Дата публикации: 07-05-2025Аннотация: Данная статья представляет собой исследование возможности совершенствования научно-методических подходов к определению ситуации, не только начавшегося банкротства несостоятельных организаций, но и ситуации ему предшествующей. В работе рассматриваются современные методы прогнозирования банкротства, а также предложена авторская методика по выявлению «предбанкротства» для целей налогового администрирования. Цель представленного исследования заключается в совершенствовании научно-методических подходов к определению ситуации предшествующей наступлению несостоятельности (банкротства) юридических лиц для целей налогового администрирования. Результаты исследования направлены в первую очередь на повышение эффективности налогового администрирования несостоятельных организаций, путем комплекса превентивных мероприятий налоговых органов, направленных на финансовое оздоровление организаций, выявление проблемных налогоплательщиков, имеющих риск возникновения несостоятельности (банкротства), а также предоставление возможности добровольно реструктурировать активы и обязательства организаций. Вместе с тем, перспективы для дальнейших исследований заключаются в адаптации зарубежных нейросетей по прогнозированию банкротств организаций. Основа методологии исследования сформирована на базе общенаучных и специальных методов исследования, включающих методы сравнительного анализа, метода обобщения результатов при формулировании выводов и представлении приоритетных направлений, метод системного анализа и экспертной оценки. Новизна настоящего исследования заключается в разработке алгоритма определения контрольных соотношений, позволяющих выявить возможную несостоятельность юридических лиц для целей налогового администрирования. Международный опыт прогнозирования банкротства организаций показал, что российская практика нуждается в адаптации зарубежных инструментов выявления угроз несостоятельности. В частности, наблюдается тренд по созданию технологий искусственного интеллекта и нейронных сетей по прогнозированию банкротств предприятий. В свою очередь, многие отечественные модели не учитывают специфику учета для малого и среднего бизнеса, а также вовсе не учитывают наличие налоговой составляющей в причинах возникновения банкротства организаций. Кроме того, в настоящее время финансовая (бухгалтерская) отчетность организаций не администрируется на предмет возможной несостоятельности (банкротства). Так, для целей совершенствования налогового администрирования разработана методика определения контрольных соотношений на предмет возможной несостоятельности. Вместе с тем, для качественной оценки финансового состояния организаций и вероятности угроз возникновения банкротства организаций, следует использовать показатели налогового и бухгалтерского учета в совокупности. Ключевые слова: институт банкротства, несостоятельность, предбанкротство, налоговое администрирование, должник, прогнозирование, кредиторы, нейросеть, конкурсная масса, методологияAbstract: This article is a study of the possibility of improving scientific and methodological approaches to determining the bankruptcy of insolvent organizations. The paper discusses modern methods of bankruptcy forecasting, as well as the author's methodology for identifying "pre-bankruptcy" for tax administration purposes. The purpose of the presented research is to improve scientific and methodological approaches to determining the situation preceding the onset of insolvency (bankruptcy) of legal entities for the purposes of tax administration. The novelty of the present study lies in the development of an algorithm for determining control ratios that make it possible to identify the possible insolvency of legal entities for tax administration purposes. The object of the study is the economic relations formed during the bankruptcy procedure of insolvent organizations.The basis of the research methodology is formed on the basis of general scientific and special research methods, including methods of comparative analysis, a method of summarizing results when formulating conclusions and presenting priority areas, a method of system analysis and expert assessment. The research results are primarily aimed at improving the efficiency of tax administration of insolvent organizations through a set of preventive measures by tax authorities aimed at financial recovery of organizations, identifying problematic taxpayers at risk of insolvency (bankruptcy), as well as providing an opportunity to voluntarily restructure the assets and liabilities of organizations. At the same time, the prospects for further research lie in adapting foreign neural networks to predict corporate bankruptcies and create domestic ones. Keywords: bankruptcy institute, insolvency, pre-bankruptcy period, tax administration, debtor, forecasting, creditors, neural network, bankruptcy estate, methodologyАктуальность исследования. Проблематика определения возможной угрозы несостоятельности юридических лиц имеет высокую значимость в условиях современной экономики. Своевременная идентификация финансовых трудностей позволяет налоговым органам принимать превентивные меры и минимизировать риски бюджетной системы. Разработка научно обоснованных методов оценки угроз несостоятельности помогает повысить эффективность налогового контроля и снизить уровень налогового долга. Это особенно важно в условиях роста числа корпоративных банкротств и увеличения объема налоговой задолженности. Исследование направлено на совершенствование методических подходов налогового администрирования юридических лиц, что способствует повышению прозрачности и стабильности экономической среды. Новизна настоящего исследования заключается в разработке алгоритма определения контрольных соотношений, позволяющих выявить возможную несостоятельность юридических лиц для целей налогового администрирования. Цель представленного исследования заключается в совершенствовании научно-методических подходов к определению ситуации предшествующей наступлению несостоятельности (банкротства) юридических лиц для целей налогового администрирования. Объектом исследования являются экономические отношения, формирующиеся в процессе процедуры банкротства несостоятельных организаций. Основа методологии исследования сформирована на базе общенаучных и специальных методов исследования, включающих методы сравнительного анализа, метода обобщения результатов при формулировании выводов и представлении приоритетных направлений, метод системного анализа и экспертной оценки. Обзор научной литературы. Угрозы возникновения несостоятельности (банкротства) происходят не одномоментно и за несколько отчетных периодов до наступления банкротства в рамках Федерального закона «О несостоятельности (банкротстве)» от 26.10.2002 № 127-ФЗ (далее – Закон №127-ФЗ). Однако, магистральной целью налогового администрирования является не скорейшая ликвидация юридического лица и погашение налоговых обязательств должника, путем реализации конкурсной массы. Магистральной целью налогового администрирования несостоятельных организаций (банкротов) является скорейшее финансовое оздоровление хозяйствующего субъекта и соблюдение налогоплательщиками положений Налогового кодекса Российской Федерации и Закона №127-ФЗ. Так, существует возможность достичь формирования баланса интересов должника, государства и всех кредиторов в процедуре банкротства до ее наступления. Современными учеными-экономистами разработан достаточно большой пул научно-методических исследований по выявлению и прогнозированию угроз несостоятельности (банкротства). Так, Е.П. Наймович, В.А. Кузнецова, в своем исследовании отмечают, что главной задачей менеджера является постоянный контроль риска наступления банкротства компании, принимая своевременные решения по снижению этого риска [8]. Е.А. Беляева и Я.А. Манойленко, анализируя тему прогнозирования возможного банкротства предприятий, утверждают, что главной проблемой является несовершенство методологии западных методик в коэффициентном анализе финансового состояния предприятия для формирования выводов оценочных значений и моделей и интегральных оценок, которые не приспособлены к условиям России [2]. Следует отметить, что помимо несовершенства методологии западных методик оценки финансового состояния предприятий, которые не приспособлены к экономическим условиям Российской Федерации, следует учитывать разную направленность концепций института банкротства в целом. Вместе с тем, страны Западной Европы и США имеют больше прогосударственную направленность. Однако в Российской Федерации институт банкротства придерживается прокредиторской концепции, вместе с тем, прогосударственная направленность сохраняется. О.В. Ковалева и О.В. Обухов анализируя подходы к прогнозированию банкротства предприятий малого и среднего бизнеса отмечают, что в традиционных моделях неудача способности прогнозирования финансовых переменных высока для годичного периода, но после этого быстро снижается. Кроме того, разработка эффективной модели прогнозирования на более длительный период является очень сложной задачей из-за нестабильности финансовых коэффициентов и колебаний наряду с экономическим циклом [6]. Следует согласиться с мнением авторов, ведь, для российского института банкротства необходимо учитывать представленную налогоплательщиками как налоговую, так и бухгалтерскую отчетность. Следовательно, качественно оценить текущее положение дел и проанализировать перечень коэффициентов можно только после представления налогоплательщиком годовой финансовой (бухгалтерской) отчетности. Такого же мнения придерживаются Е.В. Иванова и Т.И. Ефремкова, авторы в основу разработанной концепции модели оценки риска банкротства для организаций малого бизнеса, заложили идею использования ограниченного набора показателей, которые могут быть получены или рассчитаны на основе данных бухгалтерской отчетности (преимущественно баланса и отчета о финансовых результатах), в частности таких, как финансовый рычаг, показатели рентабельности (коэффициент генерирования активов, рентабельность активов и рентабельность текущих активов) и показателей деловой активности (оборачиваемость активов и отношение дебиторской задолженности к обязательствам) [4]. В данной статье автор придерживается следующего мнения. В Российской Федерации малый и средний бизнес чаще всего применяет упрощенную систему налогообложения (ввиду налоговых послаблений и благоприятных финансовых условий), а следовательно, не у всех есть обязанность по ведению и представлению бухгалтерской отчетности. Следует согласиться с утверждением О.Е. Бехтиной, что на сегодняшний день не существует единой общепризнанной методологии прогнозирования банкротства. Все основные методики направлены на установление факта несостоятельности предприятия, когда все признаки банкротства уже слишком явно проявили себя [3]. По мнению автора, для целей качественного анализа по выявлению угроз возникновения несостоятельности (банкротства) следует использовать показатели, отраженные как в налоговой (финансовой) отчетности, так и в бухгалтерской отчетности. Кроме того, следует отметить исследование С.В. Лаптевой, в рамках которого произведена попытка обоснования необходимости комплексной оценки банкротства предприятий, заключающаяся в использовании комплекса количественных и качественных методов диагностики финансового состояния предприятия [7]. М.С. Хахалева, проводя сравнительный анализ методов диангностики банкротства и финансовой несостоятельности, приходит к выводу, что для получения репрезентативной и всесторонней диагностики банкротства следует использовать несколько моделей, что также позволит выявить причину неустойчивости финансового состояния предприятия [11]. Российскими учеными-экономистами посвящено множество трудов, в части анализа MDA-моделей и Logit-моделей, а также анализу адаптации зарубежных моделей для отечественной практики. Так, Е.А. Федорова, С.Е. Довженко и Я.В. Тимофеев, отвечая на вопрос, какая модель лучше прогнозирует банкротства российских предприятий, пришли к выводу, что западные модели показывают низкую прогностическую возможность ввиду специфики российской экономики и предприятий. Кроме того, по мнению авторов, основная проблема заключается в том, что с помощью современных нелинейных методов отсутствует возможность в получении формализованной формулы оценки вероятности банкротства [10]. Также следует отметить работы современных отечественных ученых, посвященные построению многофакторных моделей и анализу финансовой устойчивости предприятий. Например, многофакторные модели О.П. Зайцевой и Г.В. Савицкой [5,9]. В настоящее время активно применяются механизмы использования нейросетей, в том числе в прогнозировании банкротства. Так, Н.В. Апатовой и В.Б. Поповым, выбраны методы искусственного интеллекта, позволяющие построить обучаемую нейронную сеть и сделать ее универсальной для прогнозирования банкротства любого производственного предприятия [1]. Вместе с тем, зарубежными учеными-экономистами разработано множество различных моделей оценки финансового положения организаций и методик прогнозирования банкротства организаций. Анализируя зарубежный опыт методических и практических подходов прогнозирования возможной несостоятельности юридических лиц, следует выделить Э. Альтмана, Р. Лиса, Р. Тафлера, У. Бивера, Дж. Фулмера, Г. Тишоу. Кроме того, широко применяются многофакторные MDA-модели (У. Бивер, Р. Тафлер, Р. Лис, Э. Альтман, Г. Тишоу, Дж. Фулмер и др.), как основа дискриминантного анализа, рамках прогнозирования угроз банкротства организаций. У. Бивер, является одним из первопроходцев, кто превознёс интерес современных ученых к вопросам прогнозирования банкротства, используя финансовую отчетность организаций [13]. Э. Альтман, использовал множественный дискриминантный анализ (Z-Score Model), в котором учитывается пять факторов прогнозирования банкротства [12]. В модели Дж. Фулмера используется девять факторов для прогнозирования банкротства [15]. Р. Тафлер, в своем исследовании разработал модель, состоящую из 80 финансовых показателей, а за основу были взяты промышленные и строительные предприятия [19]. Как отмечалось ранее, вопрос применения технологий искусственного интеллекта в прогнозировании банкротства организаций широко используется, как зарубежными, так и отечественными учеными. Так, К. Цай и Дж. Ву, проводили исследование в части прогнозирования банкротства с использованием «многослойной сети персептронов» (MLP) [20]. Аналогичное исследование провели А. Касгари, М. Дивсалар, М. Джавид и С. Эбрагимян, сравнив точности классификации моделей MLP и статистической модели бинарного выбора (Probit) [16]. Авторы пришли к выводу, что модель MLP обладает значительно лучшими характеристиками, чем Probit и другие модели, встречающиеся в литературе по прогнозированию банкротства. М. Ким и Д. Канг, разработали нейронную сеть, а в качестве объясняющих факторов используются три простых, не связанных между собой и легкодоступных коэффициента: «собственный капитал/совокупные активы» для определения платежеспособности, «коэффициент текущей ликвидности» и «чистый доход/совокупные активы» для определения прибыльности [17]. Б. Чакрабарти, А. Джайн, П. Нагпал и К. Р. Джитендра разработали пространственно-временную контекстно-зависимую иерархическую модель для прогнозирования корпоративного банкротства, которая может предсказывать банкротство с помощью ежедневных новостных статей компании и ключевых финансовых показателей для прогнозирования банкротства [14]. С. Тантанонгсаккун и Д. Питт, в своем исследовании по сравнению моделей корпоративного банкротства в Австралии рассматривают насколько эффективно показатель вероятности дефолта (DLI), рассчитанный на основе модели Мертона, может предсказать корпоративное банкротство в Австралии в 1990-2003 годах. Кроме того, сравниваются показатели модели Мертона и трех наиболее популярных моделей банкротства, то есть Альтмана (1968), Змиевского (1984) и Шамуэя (2001) [18]. Ян Цзыцзян, Ю. Вэньцзе и Цзи Гуоли, представили новый метод прогнозирования банкротства. Предлагаемый метод сочетает в себе выбор признаков на основе метода частичных наименьших квадратов (PLS) с методом опорных векторов (SVM) для объединения информации. PLS позволяет успешно идентифицировать сложную нелинейность и корреляции между финансовыми показателями [22]. Результаты экспериментов демонстрируют ее превосходную прогностическую способность. С одной стороны, предложенная модель позволяет выбирать наиболее релевантные финансовые показатели для прогнозирования банкротства и в то же время определять роль каждой переменной в процессе прогнозирования. С другой стороны, высокий уровень точности прогнозирования предлагаемой модели может принести пользу финансовым организациям благодаря таким мероприятиям, как одобрение кредита и управлением кредитным портфелем. Следует отметить исследование М. Вана, значимость которого, заключается в оптимизации модели Transformer (модель изучения глубоких нейронных сетей) с помощью алгоритмов оптимизации «роевого интеллекта» (Swarm intelligence), которые не только повышают точность прогнозирования банкротства предприятий, но и расширяют возможности обобщения модели, предоставляя финансовым учреждениям и инвесторам более надежные инструменты оценки рисков [21]. Учитывая отечественный и международный опыт методических подходов по определению и прогнозированию угроз возникновения банкротств организаций, следует отметить: - в настоящее время большинство исследований направлено на выявление угроз несостоятельности малого и среднего предпринимательства, не учитывающее организации с более крупной капитализацией и находящиеся на общей системе налогообложения; - большинство зарубежных методик имеют отраслевые ограничения; - за последние 5 лет наблюдается тренд развития применения технологий искусственного интеллекта и нейросетей как в налоговом администрировании, так и в институте банкротства; - отечественные методические подходы и действующие методические рекомендации Министерства экономического развития Российской Федерации для целей оценки финансового состояния организаций используют показатели налогового учета и не учитывают показатели бухгалтерского учета; - институт банкротства в Российской Федерации в отличии от западного стремится учитывать интересы всех участников в процедуре банкротства, а не только государственные или частные. Результаты исследования. По данным Единого федерального реестра юридических значимых сведений о фактах деятельности юридических лиц индивидуальных предпринимателей и иных субъектов экономической деятельности, количество корпоративных банкротств в 2024 году увеличилось. Таблица 1 – Количество всех процедур банкротства в отношении организаций
Вместе с тем, с каждым годом доля реабилитационных процедур сокращается. Данные обстоятельства еще раз доказывают необходимость совершенствования научно-методических подходов к определению угроз возникновения банкротства в Российской Федерации, а также разработке комплекса мер налоговых органов, направленных в первую очередь на финансовое оздоровление неплатежеспособных организаций и повышение эффективности налогового администрирования. Кроме того, для определения дальнейшего развития методических подходов, связанных с определением угроз возникновения несостоятельности (банкротства) организаций, необходимо провести оценку деятельности ФНС России, представляющей интересы Российской Федерации в процедуре банкротства, как кредитора (табл. 2). Таблица 2 – Итоги деятельности ФНС России по обеспечению процедур банкротства
Так, в 2024 году в процедурах банкротства погашено 252,1 млрд руб., что на 26,5% больше, чем в предыдущем году. Вместе с тем, наблюдается тенденция развития согласительных процедур и предоставление мер поддержки. Например, с 01.04.2022 года по 01.01.2025 поддержано 8,3 тыс. предприятий, а общий объем предоставленных мер поддержки составил более 1 трлн руб. Размер долга путем заключения мировых соглашений и предоставления рассрочек с 01.04.2022 вырос в два раза (+104,3%) по сравнению с аналогичным периодом. Несмотря на позитивную динамику, как отмечалось выше, количество корпоративных банкротств находится на крайне высоком уровне. Кроме того, развитие согласительных процедур, сохранение бизнеса и рабочих мест является одним из ключевых направлений, включенных в План деятельности ФНС России на 2024 год и плановых период 2025-2029 гг. В настоящее время процедура по выявлению ранних признаков угрозы возникновения неплатежеспособности закреплена только в отношении кредитно–финансовых организаций и администрируется Центральным Банком Российской Федерации. Ранее, данная процедура и нормативные показатели критериев были установлены и для хозяйствующих субъектов Постановлением Правительства Российской Федерации от 20.05.1994 № 498 «О некоторых мерах по реализации законодательства о несостоятельности (банкротстве) предприятий», однако, в 2003 году данное Постановление утратило силу. Далле, значения показателей, характеризующих наличие угрозы несостоятельности (банкротства), а также процедуры их администрирования никак не устанавливались и централизованно не регулировались. Кроме того, Министерством экономического развития Российской Федерации разработана методика проведения анализа финансового состояния заинтересованного лица в целях установления угрозы возникновения признаков его несостоятельности (банкротства) в случае единовременной уплаты этим лицом налога, сбора, страхового взноса, пеней, штрафов, процентов (Приказ Минэкономразвития России от 14.03.2023 №169). Однако, в данной методике приводится лишь последовательность действий по отсрочке/рассрочке уплаты налога. Кроме того, в расчёт данной методики идут показатели налогового учета. Следует отметить, что критерии оценки признаков несостоятельности (банкротства) каждая саморегулируемая организация арбитражных управляющих разрабатывает и применяет самостоятельно, как правило, базируясь на нормах отменённого Постановления Правительства №498. Это означает, что реальный анализ финансового положения организаций (с признаками несостоятельности) начинает осуществляться только после начала процедуры банкротства, когда возможности исправления ситуации уже в значительной степени упущены. В статье, рассматривается вопрос администрирования не только в стадии начавшегося банкротства, но и ситуации ему предшествующей, то-есть предбанкротства. Для целей налогового администрирования в настоящей статье дефиниция «предбанкротство» рассматривается, как угроза непрерывности функционирования хозяйствующего субъекта, а также финансовые, операционные и прочие события, способные оказать существенное влияние на прекращение деятельности организации в обозримом будущем. К факторам, способным привести к угрозе банкротства организации следует отнести: - снижение стоимости чистых активов или их отрицательную величину; - наличие кредитов с истекающим сроком погашения, при отсутствии перспектив их погашения; - отсутствие спроса на производимую продукцию или услуги организации вследствие изменений предпочтений потребителей, появления аналогов на рынке и снижении покупательной способности потребителей; - невозможность погашения кредиторской задолженности в установленные сроки; - несоблюдение законодательных требований стоимости чистых активов в соотношении с объявленным капиталом общества; - несоблюдение и систематическое нарушение налогового законодательства и положений Закона №127-ФЗ; - ужесточение требований банков к заемщикам, повышение ключевой ставки и недоступность кредитов; - некачественный налоговый менеджмент внутри организации; - неправильно составленная учетная политика организации, отсутствие четкой стратегии учета. Так, арбитражными управляющими, в соответствии с Постановлением Правительства РФ от 25.06.2003 №367 «Об утверждении Правил проведения арбитражным управляющим финансового анализа», применяется следующий набор показателей, которые могут быть применены автоматизированными системами контроля ФНС России в части выявления предбанкротства. Так, для целей совершенствования налогового администрирования в части выявления угроз несостоятельности (банкротства) организаций, предлагается использовать показатели, которые уже используются арбитражными управляющими для целей проведения финансового анализа. Таблица 3 – Показатели, доступные для анализа в автоматических системах ФНС России на предмет выявления состояния предбанкротства
Принимая во внимание, указанные в табл. 3 показатели финансового анализа организаций, для целей совершенствования методики определения угрозы предбанкротства организаций разработаны контрольные соотношения, которые могут быть применены ФНС России для целей налогового администрирования на предмет предбанкротства организаций. Таблица 4 – Алгоритм контрольных соотношений по определению угроз предбанкротства организаций для целей налогового администрирования
Для целей качественного определения наступления предбанкротства, предлагается соблюдение отдельно взятых показателей, а также автоматическое ранжирование того или иного неблагоприятного фактора (т.к. несоблюдение каждого из приведенных показателей в отдельности, не гарантирует приближение состояния предбанкротства. Таблица 5 – Уровень ранга, определяющий вероятность наступления предбанкротного состояния организации
Как отмечалась ранее, контрольные соотношения могут быть применены автоматизированными информационными системами контроля ФНС России. Вместе с тем, для качественного определения вероятности предбанкротного состояния у организаций, контрольные соотношения следует применять в момент представления налогоплательщиком годовой финансовой (бухгалтерской отчетности). Тогда, процедура может быть реализована. Для апробации предложенного подхода, автором статьи произведено тестирование алгоритма контрольных соотношений по строкам финансовой (бухгалтерской) отчетности. Следует отметить, что построить качественную и репрезентативную выборку в разрезе хозяйствующих субъектов с угрозой предбанкротного состояния, а также в отношении которых процедура банкротства еще не началась – крайне проблематично. Однако, в качестве примера можно привести те хозяйствующие субъекты, которые выпустили облигации и не исполнили свои обязательства по оплате купонов или погашению самих обязательств (допустивших технический дефолт), но не вступивших в процедуру банкротства. Данная общедоступная информация размещается на Московской бирже MOEX. Так, для целей тестирования, указанного выше алгоритма, представлены сведения о эмитентах, допустивших технический дефолт, но не вступивших в процедуру банкротства по состоянию на 30.04.2025. Таблица 6 – Сведения об эмитентах, допустивших технический дефолт, по состоянию на 30.04.2025 г.
В рамках анализированной выборки можно сделать вывод, что у всех субъектов, ранг показателя превышает 3 (табл. 5). Иными словами, хоть они еще и не признаны банкротами, их финансовые показатели находятся в зоне риска, а это означает, что субъекты уже находятся в предбанкротном состоянии. В качестве примера, следует проанализировать бухгалтерскую отчетность объекта №1 ООО «КВС», допустившего дефолт по состоянию 19.12.2024. Таблица 7 – Анализ бухгалтерского баланса Объекта №1 по состоянию на 19.12.2024 г.
Как видно из представленного баланса ООО «КВС», по состоянию на 30.09.2024 стоимость чистых активов организации не только ниже объявленного уставного капитала, но и является отрицательной величиной, что при наличии большой кредиторской задолженности соответствует предложенному выше рангу 3, т.е. общество находится в предбанкротном состоянии. Кроме того, наблюдение за финансовым состоянием объекта №1 было продолжено и установлено, что на 31.12.2024 года показатели общества ухудшились и, хотя банкротство организации по состоянию на отчетную дату не объявлено, но его восстановление становится маловероятным. Процедура практического применения разработанного подхода (алгоритма) ФНС России. Для выявления угроз несостоятельности (банкротства) юридических лиц в рамках налогового администрирования отчетности организаций, в уже действующие аналитические системы ФНС России (АИС «Налог–3) достаточно включить проверку контрольных соотношений по строкам финансовой (бухгалтерской) отчетности, представленных в табл. 4. Кроме того, отсутствие необходимости ручного ввода данных налоговыми инспекторами обеспечивается благодаря автоматической обработке контрольных соотношений в АИС «Налог–3», позволяющей присваивать ранг к указанным в табл. 4 коэффициентам с учетом проверки контрольных соотношений по строкам финансовой (бухгалтерской) отчетности, представленной налогоплательщиками. Кроме того, информация о выявленных угрозах предлагается направлять налогоплательщикам в автоматическом режиме в формате Exсel. Так, результатом выявления угроз несостоятельности (банкротства) организаций аналитическими системами ФНС России, при помощи разработанного подхода (алгоритма) является комплекс мероприятий налоговых органов, направленных на развитие согласительных процедур, а также предоставление отсрочки (рассрочки) по уплате налогов, побуждению налогоплательщиков к налоговой реконструкции, сохранению жизненного цикла предприятий, уменьшению количества корпоративных банкротств в Российской Федерации и сохранению рабочих мест. Учитывая изложенное, предлагается следующий комплекс мероприятий налоговых органов, направленных на предупреждение налогоплательщиков о наличии угроз несостоятельности (банкротства) и развитии практики согласительных процедур: - уведомление о вызове в налоговый орган генерального директора и главного бухгалтера проверяемой организации; - проведение комиссии с предоставлением отчета о наличии угроз несостоятельности; - направление автоматического информационного письма налогоплательщику по результатам проверки контрольных соотношений по строкам финансовой (бухгалтерской) отчетности, представленных в табл. 4. - обсуждение с налогоплательщиком возможности предоставления отсрочки (рассрочки) по уплате налоговой задолженности; - побуждение налогоплательщика к налоговой реконструкции; - предоставление инвестиционного налогового кредита. Внедрение разработанного подхода (алгоритма) контрольных соотношений на предмет угроз несостоятельности (банкротства) организаций в автоматизированные аналитические системы ФНС России, способствует формированию баланса интересов государства и бизнеса, сокращению количества корпоративных банкротств, а также развитию согласительных процедур, как одного из ключевых социально-значимых положений плана деятельности ФНС России на 2024 год и плановый период 2025-2029 гг. Вывод. Международный опыт прогнозирования банкротства организаций показал, что российская практика нуждается в адаптации зарубежных инструментов выявления угроз несостоятельности. Зарубежные модели прогнозирования банкротства открывают для российской практики новые возможности цифровизации, как ключевого инструмента в налоговом администрировании. В частности, наблюдается тренд по созданию технологий искусственного интеллекта и нейронных сетей по прогнозированию банкротств предприятий. В свою очередь, многие отечественные модели не учитывают специфику учета для малого и среднего бизнеса, а также вовсе не учитывают наличие налоговой составляющей в причинах возникновения банкротства организаций. Кроме того, в настоящее время финансовая (бухгалтерская) отчетность организаций не администрируется на предмет возможной несостоятельности (банкротства). Так, для целей совершенствования налогового администрирования разработана методика определения контрольных соотношений на предмет возможной несостоятельности. Вместе с тем, для качественной оценки финансового состояния организаций и вероятности угроз возникновения банкротства организаций, следует использовать показатели налогового и бухгалтерского учета в совокупности. Тестирование алгоритма контрольных соотношений по отчетности хозяйствующих субъектов, допустивших технический дефолт (по данным Московской биржи – MOEX), показало его работоспособность. Разработанный алгоритм, способствует формированию баланса интересов государства и бизнеса, сохраняя возможность бизнесу продолжать свой жизненный цикл и исчислять налоговые платежи в бюджет Российской Федерации в соответствии с положениями Налогового кодекса Российской Федерации. Библиография
1. Апатова Н.В., Попов В.Б. Прогнозирование банкротства предприятий с использованием искусственного интеллекта // Научный вестник: Финансы, банки, инвестиции. 2020. № 2. С. 119.
2. Беляева Е.А., Манойленко Я.А. Прогнозирование возможного банкротства предприятий // E-Scio. 2022. № 9 (72). С. 4. 3. Бехтина О.Е. Современные проблемы прогнозирования банкротства предприятий // Вестник ВУиТ. 2017. № 1. С. 2. EDN: YGRURP. 4. Иванова Е.В., Ефремкова Т.И. Методологические предпосылки развития модели прогнозирования банкротства // Вестник Алтайской академии экономики и права. 2020. № 4-3. С. 336-343. DOI: 10.17513/vaael.1092. EDN: OERCSN. 5. Зайцева О.П. Антикризисный менеджмент в российской фирме // Сибирская финансовая школа. 1998. № 11-12. С. 1-35. EDN: SHTMTJ. 6. Ковалева О.В., Обухов О.В. Подходы к прогнозированию банкротства предприятий малого и среднего бизнеса // Российские регионы в фокусе перемен: сборник докладов. Екатеринбург: УрФУ, 2022. Т. 2. С. 78-82. EDN: RAJEJN. 7. Лаптева С.В. MDA-модели в комплексной оценке риска банкротства российских предприятий // Вестник ВУиТ. 2018. № 1. С. 54-62. EDN: YLHJBB. 8. Наймович Е.П., Кузнецова В.А. Риск банкротства в условиях рыночной нестабильности // Актуальные проблемы авиации и космонавтики. 2022. № 3. С. 220-222. 9. Савицкая Г.В. Анализ хозяйственной деятельности предприятия: учебное пособие. 7-е изд., испр. - Минск: Новое знание, 2002. С. 135-153. EDN: NHYMMG. 10. Федорова Е.А., Довженко С.Е., Тимофеев Я.В. Какая модель лучше прогнозирует банкротство российских предприятий? // Экономический анализ: теория и практика. 2014. № 41 (392). С. 28-35. EDN: SXMPMT. 11. Хахалева М.С. Сравнительный анализ методов диагностики банкротства и финансовой несостоятельности // E-Scio. 2021. № 3 (54). С. 480-491. 12. Altman, E.I. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy // Journal of Finance. 1968. Vol. 23. No. 4. P. 589-609. 13. Beaver, W.H. Financial ratios as predictors of failure // Journal of Accounting Research. 1966. Vol. 4. P. 71-111. 14. Chakrabarti, B., Jain, A., Nagpal, P., & others. A spatiotemporal context aware hierarchical model for corporate bankruptcy prediction // Multimedia Tools and Applications. 2024. Vol. 83. P. 28281-28303. 15. Fulmer, J.G., Moon, J.E., Gavin, T.A., & Erwin, M.J. A bankruptcy classification model for small firms // Journal of Commercial Bank Lending. 1984. Vol. 66. No. 11. P. 25-37. 16. Kasgari, A., Divsalar, M., Javid, M., & Ebrahimian, S. Prediction of bankruptcy Iranian corporations through artificial neural network and Probit-based analyses // Neural Computing and Applications. 2013. Vol. 23. No. 3-4. P. 927-936. 17. Kim, M., & Kang, D. Ensemble with neural networks for bankruptcy prediction // Expert Systems with Applications. 2010. Vol. 37. No. 4. P. 3373-3379. 18. Tanthanongsakkun, S., Pitt, D., & Treepongkaruna, S. A comparison of corporate bankruptcy models in Australia: The Merton vs. accounting-based models // Asia-Pacific Journal of Risk and Insurance. 2009. Vol. 3. No. 2. Article 4. 19. Taffler, R.J. The assessment of company solvency and performance using a statistical model // Accounting and Business Research. 1983. Vol. 15. No. 52. P. 295-308. 20. Tsai, C., & Wu, J. Using neural network ensembles for bankruptcy prediction and credit scoring // Expert Systems with Applications. 2008. Vol. 34. No. 4. P. 2639-2649. 21. Wang, M. Improving transformer for enterprise bankruptcy prediction based on swarm intelligence optimization algorithm // Advances in Economics, Management and Political Sciences. 2025. Vol. 173. P. 142-149. 22. Yang, Z., You, W., & Ji, G. Using partial least squares and support vector machines for bankruptcy prediction // Expert Systems with Applications. 2011. Vol. 38. No. 7. P. 8336-8342. References
1. Apatova, N.V., & Popov, V.B. (2020). Predicting bankruptcy of enterprises using artificial intelligence. Scientific Bulletin: Finance, Banks, Investments, (2), 119.
2. Belyaeva, E.A., & Manoilenko, Y.A. (2022). Predicting possible bankruptcy of enterprises. E-Scio, (9), 4. 3. Bekhtina, O.E. (2017). Modern problems of predicting bankruptcy of enterprises. Bulletin of VUIT, (1), 2. EDN: YGRURP. 4. Ivanova, E.V., & Efremkova, T.I. (2020). Methodological prerequisites for the development of a bankruptcy prediction model. Bulletin of Altai Academy of Economics and Law, (4-3), 336-343. https://doi.org/10.17513/vaael.1092 EDN: OERCSN. 5. Zaitseva, O.P. (1998). Crisis management in a Russian firm. Siberian Financial School, (11-12), 1-35. EDN: SHTMTJ. 6. Kovaleva, O.V., & Obukhov, O.V. (2022). Approaches to predicting bankruptcy of small and medium-sized enterprises. In Russian Regions in Focus of Changes: Collection of Reports (Vol. 2, pp. 78-82). UrFU. 7. Lapteva, S.V. (2018). MDA models in comprehensive risk assessment of bankruptcy of Russian enterprises. Bulletin of VUIT, (1), 54-62. EDN: YLHJBB. 8. Naimovich, E.P., & Kuznetsova, V.A. (2022). Bankruptcy risk in conditions of market instability. Actual Problems of Aviation and Cosmonautics, (3), 220-222. 9. Savitskaya, G.V. (2002). Analysis of business activity of an enterprise: A textbook (7th ed., revised). New Knowledge, 135-153. EDN: NHYMMG. 10. Fedorova, E.A., Dovzhenko, S.E., & Timofeev, Y.V. (2014). Which model predicts bankruptcy of Russian enterprises better? Economic Analysis: Theory and Practice, (41), 28-35. EDN: SXMPMT. 11. Khakhalova, M.S. (2021). Comparative analysis of methods for diagnosing bankruptcy and financial insolvency. E-Scio, (3), 480-491. 12. Altman, E.I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. Journal of Finance, 23(4), 589-609. 13. Beaver, W.H. (1966). Financial ratios as predictors of failure. Journal of Accounting Research, 4, 71-111. 14. Chakrabarti, B., Jain, A., Nagpal, P., & others. (2024). A spatiotemporal context aware hierarchical model for corporate bankruptcy prediction. Multimedia Tools and Applications, 83, 28281-28303. 15. Fulmer, J.G., Moon, J.E., Gavin, T.A., & Erwin, M.J. (1984). A bankruptcy classification model for small firms. Journal of Commercial Bank Lending, 66(11), 25-37. 16. Kasgari, A., Divsalar, M., Javid, M., & Ebrahimian, S. (2013). Prediction of bankruptcy in Iranian corporations through artificial neural network and Probit-based analyses. Neural Computing and Applications, 23(3-4), 927-936. 17. Kim, M., & Kang, D. (2010). Ensemble with neural networks for bankruptcy prediction. Expert Systems with Applications, 37(4), 3373-3379. 18. Tanthanongsakkun, S., Pitt, D., & Treepongkaruna, S. (2009). A comparison of corporate bankruptcy models in Australia: The Merton vs. accounting-based models. Asia-Pacific Journal of Risk and Insurance, 3(2), Article 4. 19. Taffler, R.J. (1983). The assessment of company solvency and performance using a statistical model. Accounting and Business Research, 15(52), 295-308. 20. Tsai, C., & Wu, J. (2008). Using neural network ensembles for bankruptcy prediction and credit scoring. Expert Systems with Applications, 34(4), 2639-2649. 21. Wang, M. (2025). Improving transformer for enterprise bankruptcy prediction based on swarm intelligence optimization algorithm. Advances in Economics, Management and Political Sciences, 173, 142-149. 22. Yang, Z., You, W., & Ji, G. (2011). Using partial least squares and support vector machines for bankruptcy prediction. Expert Systems with Applications, 38(7), 8336-8342.
Результаты процедуры рецензирования статьи
В связи с политикой двойного слепого рецензирования личность рецензента не раскрывается.
Методология исследования базируется на анализе и синтезе данных, в т.ч. с использованием таблиц. При этом данные таблицы носят констатационный характер. Например, автор в таблице 2 приводит показатели, доступные для анализа в автоматических системах ФНС России на предмет выявления состояния предбанкротства. Что автор думает по этому поводу? Как по мнению автора они должны быть уточнены? Актуальность исследования вопросов, связанных с развитием научно-методических подходов по определению угроз возможной несостоятельности юридических лиц для целей налогового администрирования, не вызывает сомнения. Данная тема важна и для модернизации подходов к разработке и реализации бюджетной политики, и для стимулирования социально-экономического развития посредством активизации деятельности юридических лиц. Научная новизна в представленном на рецензирование материале не обнаружена. При доработке статьи крайне важно обозначить свою авторскую позицию относительно рассматриваемых вопросов, это серьёзно повысит востребованность статьи у потенциальной читательской аудитории. Стиль, структура, содержание. Стиль изложения является научным. Структура статьи автором сформирована. При этом представляется важным добавить раздел «Обсуждение полученных результатов исследования». Также в содержательном плане в части «результаты исследования» рекомендуется представить также и оценку приведённой методики: возможно, автор считает целесообразным её уточнить и модернизировать с учётом современных вызовов и задач, стоящих при разработке и реализации бюджетной политики. Библиография. Библиографический список состоит из 22 наименований. Обращает на себя внимание преобладающее количество в нём зарубежных научных публикаций. В связи с этим было бы ценно в тексте статьи обозначить сравнение отечественной и зарубежной научной мысли, в том числе показав наличие существующего научного пробела в отечественной научной литературе по тем проблемным аспектам, которые поднимаются за рубежом. Также в библиографическом списке есть научные публикации, вышедшие в 20 веке. Было бы интересно показать эволюцию научной мысли и факторы, повлиявшие на неё. Это будет пользоваться спросом у потенциальной читательской аудитории. Апелляция к оппонентам. Несмотря на сформированный список источников, какой-либо научной дискуссии в тексте статьи не обнаружено. При проведении доработки очень важно показать своём мнение, а также обеспечить его сравнение и оценку с тем, что уже приведено в изученных источниках. Выводы, интерес читательской аудитории. С учётом вышеизложенного заключаем о том, что статья требует проведения доработки, после проведения повторного рецензирования исправленных материалов может быть решён вопрос об опубликования данной статьи. Качественная доработка обеспечит востребованность статьи у потенциальной читательской аудитории. Представляется важным в тексте статьи отразить потенциальную читательскую аудиторию.
Результаты процедуры повторного рецензирования статьи
В связи с политикой двойного слепого рецензирования личность рецензента не раскрывается.
Цель исследования сформулирована автором, она состоит в совершенствовании научно-методических подходов к определению ситуации предшествующей наступлению несостоятельности (банкротства) юридических лиц для целей налогового администрирования. В статье выделены разделы с подзаголовками, что соответствует представленным требованиям журнала «Налоги и налогообложение». В вводном разделе «Актуальность исследования» автор обосновывает актуальность, цель, объект и научную новизну исследования, характеризует информационную базу исследования и используемые в исследовании методы. Раздел «Обсуждение полученных результатов исследования» фактически представляет собой литературный обзор и посвящен описанию результатов отечественных и зарубежных исследований в области диагностики и предупреждения банкротства бизнеса. Автору необходимо скорректировать название данного раздела, поскольку обсуждения полученных результатов в нем по тексту отсутствует. Раздел «Результаты исследования» является основным и отражает авторские результаты, а также их апробацию. В разделе «Выводы» автор подводит итоги исследования, заключая, что «для качественной оценки финансового состояния организаций и вероятности угроз возникновения банкротства организаций, следует использовать показатели налогового и бухгалтерского учета в совокупности,… для формирования баланса интересов государства и бизнеса». В статье отсутствует необходимый для подобного рода исследований анализ статистических данных по финансовым последствиям банкротства организаций, в т.ч. динамике налоговой задолженности организаций - банкротов. В исследовании использованы известные общенаучные методы: анализ, синтез, сравнение, восхождение от абстрактного к конкретному, логический метод и т.д., а также специфические экономические методы исследования – коэффициентный и индексный методы, анализ бухгалтерской отчетности организаций. Автор активно использует возможности иллюстрации результатов исследования. Статья содержит 6 таблиц. Выбранная тема исследования актуальна. Число банкротств юридических лиц в России растет, как растет и сумма их финансовых последствий, в т.ч. в части задолженности по налогам и сборам. Своевременная превентивная идентификация потенциальных банкротств помогает органам власти своевременно реагировать на проблемы налогоплательщиков, разрабатывая меры поддержки бизнеса, планы финансового оздоровления и антикризисного управления. Это обусловливает актуальность и значимость разработки полноценных инструментов идентификации признаков банкротства. Статья обладает практической значимостью в части предложений по установлению соотношении финансовых коэффициентов для целей совершенствования методики определения угрозы предбанкротного состояния организаций. Эти предложения могут быть применены ФНС России для целей налогового администрирования. Научная новизна исследования по определению автора состоит в «разработке алгоритма определения контрольных соотношений, позволяющих выявить возможную несостоятельность юридических лиц для целей налогового администрирования». Вместе с тем алгоритм в его классическом понимании как определенный порядок действий или последовательность шагов в статье не представлен. В связи с этим текст статьи требует дополнения соответствующим алгоритмом, например, в виде схемы. Стиль статьи является научным и в целом соответствует требованиям журнала. Библиография представлена 22 источниками, что соответствует требованиям журнала. Библиография сформирована, в первую очередь, отечественными и зарубежными исследованиями. Однако, по тексту статьи ссылки на источники отсутствуют, что не соответствует требованиям журнала «Налоги и налогообложение». К преимуществам статьи следует отнести следующее. Во-первых, актуальность и значимость выбранного направления исследования. Во-вторых, наличие разработанных авторских предложений по развитию диагностики предбанкротного состояния организаций по соотношениям и коэффициентам, рассчитываемым по бухгалтерской и налоговой отчетности. В-третьих, наличием научной новизны. В-четвертых, иллюстрацией результатов исследования с помощью таблиц. Что повышает восприятия результатов исследования читателями журнала. К недостаткам отнесем следующее. Во-первых, необходимость дополнения текста статьи описанием разработанного авторского алгоритма идентификации пребанкротного состояния для обоснования научной новизны. Во-вторых, отсутствие ссылок на источники по тексту статьи. В-третьих, отсутствие данных по финансовым последствиям банкротства организаций, в т.ч. динамике налоговой задолженности организаций - банкротов. Заключение. Представленная статья посвящена проблемам определения признаков предбанкротного состояния бизнеса в целях обеспечения превентивных мер воздействия и недопущения банкротства. Статья при условии устранения замечаний может быть принята к публикации в журнале «Налоги и налогообложение».
Результаты процедуры окончательного рецензирования статьи
В связи с политикой двойного слепого рецензирования личность рецензента не раскрывается.
Методология исследования базируется на применении общенаучных и специальных методов исследования, включающих методы сравнительного анализа, метода обобщения результатов при формулировании выводов и представлении приоритетных направлений, метод системного анализа и экспертной оценки. Актуальность работы обусловлена тем, что своевременная идентификация финансовых трудностей позволяет налоговым органам принимать превентивные меры и минимизировать риски бюджетной системы, а разработка научно обоснованных методов оценки угроз несостоятельности помогает повысить эффективность налогового контроля и снизить уровень налогового долга, что особенно важно в условиях роста числа корпоративных банкротств и увеличения объема налоговой задолженности. Позиционируемая авторами научная новизна работы состоит «в разработке алгоритма определения контрольных соотношений, позволяющих выявить возможную несостоятельность юридических лиц для целей налогового администрирования». В тексте структурно выделены следующие разделы: Актуальность исследования, Обзор научной литературы, Результаты исследования, Вывод и Библиография. В публикации приведен обзор научно-методических исследований по выявлению и прогнозированию угроз несостоятельности (банкротства); обобщен отечественный и международный опыт методических подходов по определению и прогнозированию угроз возникновения банкротств организаций; проанализировано изменение количества всех процедур банкротства в отношении организаций в Российской Федерации за период с 2019 по 2024 г.; приведены итоги деятельности Федеральной налоговой службы России по обеспечению процедур банкротства; рассмотрены вопросы администрирования в стадии банкротства и предбанкротства. Авторами рассмотрены показатели, доступные для анализа в автоматических системах ФНС России на предмет выявления состояния предбанкротств; приведены алгоритмы расчетов контрольных соотношений по определению угроз предбанкротства организаций для целей налогового администрирования; предложено определять уровень ранга для оценки вероятности наступления предбанкротного состояния организации. Заслуживает внимания проведенное в исследовании тестирование алгоритма контрольных соотношений по строкам финансовой (бухгалтерской) отчетности на материалах конкретных восьми организаций. Библиографический спис; ок включает 22 источника – научные публикации российских и зарубежных авторов по рассматриваемой теме на русском и иностранных языках. В тексте публикации имеются адресные отсылки к списку литературы, подтверждающие наличие апелляции к оппонентам. В качестве замечания стоит отметить, что, по мнению рецензента, выражение «эффективность банкротства» является неудачным, поскольку категория эффективности ориентирована на достижение преследуемых целей, а цель процедур банкротства всё-таки не сводится к получению максимальных поступлений на один рубль долга в банкротстве, поэтому авторам предлагается найти подходящую замену этому словосочетанию, или же, напротив, акцентировать внимание читателей на этом и привести более детальное и обстоятельное обоснование правомерности применения этого термина. Тема статьи актуальна, соответствует тематике журнала «Налоги и налогообложение», содержит элементы научной новизны, имеет практическую значение, рекомендуется к опубликованию. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
© 1998 – 2025 Nota Bene. Publishing Technologies. NB-Media Ltd.
Рус
