Тип работы:
Предмет:
Язык работы:


ПРОГНОЗИРОВАНИЕ ВЕЛИЧИНЫ ПОСТУПЛЕНИЙ НАЛОГА НА ПРИБЫЛЬ ОРГАНИЗАЦИЙ В КОНСОЛИДИРОВАННЫЙ БЮДЖЕТ РОССИЙСКОЙ ФЕДЕРАЦИИ

Работа №189910

Тип работы

Бакалаврская работа

Предмет

экономика

Объем работы58
Год сдачи2022
Стоимость4300 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
10
Не подходит работа?

Узнай цену на написание


Введение 3
1 Налог на прибыль организаций в налоговой системе Российской Федерации 5
1.1 Расчет налоговой базы по налогу на прибыль организаций 5
1.2 Налоговый и отчетный период в РФ 12
1.3 Льготы по налогу на прибыль и другие налоговые режимы 15
1.4 Контроль уплаты налога на прибыль организаций и ответственность за нарушение
налогового законодательства 17
1.5 Необходимость прогнозирования поступлений налога на прибыль 22
2 Обзор и применение методов прогнозирования поступлений налога на прибыль в бюджет Российской Федерации 25
2.1 Построение модели SARIMA 25
2.2 Построение модели на основе внешних факторов 36
Заключение 46
Литература 48


В условиях современного развития экономики России проблема прогнозирования поступлений в бюджет и его планирование становится все более и более насущной, так как от решения данной проблемы зависит не только политическая и экономическая стабильность в обществе, но и дальнейшее развитие и процветание страны.
Актуальность работы заключается в том, что на основании точного прогноза величины поступлений налога на прибыль организаций в консолидированный бюджет РФ может проводится эффективная бюджетная политика государства, так как доходная часть бюджета будет более точно определена. Построенную модель смогут применить бюджетные организации, а также Правительство РФ.
Объект исследования - налог на прибыль организаций в РФ.
Предмет исследования - экономико-математические методы прогнозирования величины отчислений налога на прибыль в региональный и федеральный бюджет.
Цель работы - получение прогнозных значений поступлений налога на прибыль в консолидированный бюджет РФ посредством применения эконометрических методов.
Задачи работы:
1) Изучить налоговую систему Российской Федерации по начислению и уплате налога на прибыль организаций
2) Изучение статистических данных о поступлениях налога на прибыль;
3) Сбор необходимых данных;
4) Рассмотрение эконометрических методов прогнозирования временных рядов;
5) Выбор наилучшей модели для прогнозирования без учета внешних макроэкономических факторов;
6) Рассмотрение набора макроэкономических показателей, влияющих на поступления налога на прибыль;
7) Построение модели, учитывающей внешние макроэкономические факторы;
8) Обобщение результатов, формулирование выводов о полученном прогнозе.
В ходе решения поставленных в работе задач применялись следующие методы исследования:
1) Анализ и обобщение теоретических материалов по теме исследования;
2) Эконометрические модели для прогнозирования временных рядов, содержащих сезонную компоненту;
3) Статистический анализ основных макроэкономических показателей, влияющих на поступления налога на прибыль;
4) Построение экономико-математической модели на основе макроэкономических показателей;
5) Анализ и обобщение полученных результатов
Практическое значение исследования состоит в том, что полученные результаты могут быть использованы для прогнозирования и составления бюджета РФ в будущие периоды.
В работе были рассмотрены методы прогнозирования величины поступлений налога на прибыль в бюджет РФ.
В первой главе рассматривалась база по начислению налога на прибыль, методы ее расчета, способы уплаты налога на прибыль и методы государственного налогового контроля по своевременной и полной уплате налога.
Во второй главе разработаны две экономико-математические модели для прогнозирования величины налога на прибыль - с учетом внешних факторов и без него, были сделаны выводы о качестве полученных моделей, а также получен прогноз поступлений налога до марта 2023 года включительно.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


Таким образом, основные задачи преддипломной практики были выполнены: проанализированы принципы формирования налоговой базы по налогу на прибыль, проведено построение прогнозной модели, анализ ее применимости на практике и получение прогноза.
SARIMA обучалась на месячных данных, имевших явную сезонность. Все предпосылки модели были выполнены, что говорит о возможности применять разработанную модель для оценки поступлений налога на прибыль организаций в бюджет РФ и составления бюджета на их основе. Я бы рекомендовал использовать модель SARIMA, так как исследуемый экономический показатель имеет подходящую для данной модели структуру, соответственно полученный прогноз наиболее вероятно будет ближе к действительности.
Однако построенная модель неустойчива к изменениям в налоговом кодексе РФ, внешнеполитической обстановке, значительным сдвигам в экономике и т.п. так как перечисленные события могут сильно повлиять на поступления налога на прибыль, в то время как построенная модель делает прогноз лишь на основе предыдущих значений исследуемого показателя, никак не учитывая реальные события, происходящие в мире, поэтому использование прогнозной модели будет наиболее эффективно с привлечением экспертных оценок, таких как ожидаемый уровень инфляции и примерная степень роста/сокращения налоговых поступлений в прогнозируемом периоде.
Построение модели, полностью основанной на внешних факторах воздействия, представленных основными макроэкономическими показателями, отражающими наиболее весомые отрасли деятельности, от которых поступило больше всего налога на прибыль организаций, нельзя назвать успешным - коэффициент детерминации, который выступает основным показателем качества линейных регрессионных моделей, крайне низок для месячных данных - в лучшем случае более 60% изменчивости объема налоговых поступлений остается необъясненным. Также существует проблема прогноза самих независимых переменных: индексов производства и добычи полезных ископаемых и так далее; при добавлении лага в объясняющие экономические показатели качество модели падает еще сильнее, что делает ее не пригодной для прогнозирования величины поступлений налога на прибыль в консолидированный бюджет РФ.
Налог на прибыль является одним из важнейших источников дохода субъектов Российской Федерации - его прогнозирование на уровне консолидированного позволит оценить финансовую самообеспеченность регионов и рассчитать предполагаемый необходимый уровень поддержки от правительства. С такой точки зрения наиболее ценным представляется прогнозирование налога по месяцам, так как многие государственные расходы имеют такую же периодичность, например, зарплаты государственных работников.
Построенная модель SARIMA рекомендуется к применению, однако она может быть улучшена, путем ее расширения до класса SARIMAX, где X - exogenous, внешние факторы, например, уже предложенные в работе индексы, оборот оптовой торговли и т.п. Добавление дополнительных переменных может повысить точность модели на обучающей выборке, однако из-за роста количества оцениваемых параметров может теряться генерализуемость модели - необходимо заново подбирать оптимальные гиперпараметры и проверять оценки коэффициентов на тестовом наборе данных.
Последние события февраля-марта 2022 года еще не успели повлиять на поступления налога на прибыль, так как март является лишь крайней точкой оплаты суммы налога, формирующейся на протяжении налогового периода, однако, уход некоторых компаний с рынка РФ, месячная инфляция в 7%, санкции, введенные против структурно-значимых банков и т.д. обязательно повлияют на всю экономическую систему РФ и, соответственно, на отчисления налога на прибыль, так что даже в случае серьезных расхождений будущих значений поступлений налога и представленных в работе прогнозных, полученная разница может интерпретироваться в качестве влияния спецоперации на величину отчислений налога на прибыль в консолидированный бюджет.



1. Налоговый кодекс Российской Федерации (часть вторая)" от 05.08.2000
[Электронный ресурс]. Режим доступа:
http://www.consultant.ru/document/cons_doc_LAW_28165/043b3ec883ce309e856dd0c833f5b8b8 17c276e9 (дата обращения: 08.05.2022).
2. Абдраимова, Б. К. Анализ поступления налога на прибыль в государственный бюджет Кыргызской Республики / Б. К. Абдраимова, М. У. Солтогулова // Вестник Кыргызского государственного университета имени И. Арабаева. - 2019. - № 3. - С. 120-129.
3. Алехин, Б. И. Государственные финансы : учебник для вузов / Б. И. Алехин. — Москва : Издательство Юрайт, 2021. — 184 с.
4. Гаджиев, Н. Г. Модели для прогнозирования объемов налоговых поступлений в бюджет (на материалах Республики Дагестан) / Н. Г. Гаджиев, З. Н. Исмиханов, Т. Н. Гаджиев // Региональная экономика: теория и практика. - 2007. - № 4. - С. 112-116.
5. Грошев, А. Р. Оценка влияния макроэкономических факторов на налоговые поступления в бюджет и построение модели прогнозирования доходов бюджета / А. Р. Грошев, А. С. Каратаев, Г. Е. Каратаева // Инновационное развитие экономики. - 2016. - № 3¬1(33). - С. 42-73.
6. Данилов, В. И. Оптимизация процесса бюджетного прогнозирования посредством внедрения новых методов прогнозирования налоговых поступлений в бюджет /
B. И. Данилов, О. А. Барашков // Актуальные вопросы экономических наук. - 2010. - № 14. -
C. 281-287.
7. Демидова, О. А. Эконометрика : учебник и практикум для среднего профессионального образования / О. А. Демидова, Д. И. Малахов. — Москва : Издательство Юрайт, 2021. — 334 с.
8. Леухин, Р. С. Краткосрочное прогнозирование поступлений в бюджет с использованием комбинации прогнозов / Р. С. Леухин // Научно-исследовательский финансовый институт. Финансовый журнал. - 2019. - № 3(49). - С. 9-21.
9. Машинное обучение: сайт - 2019. - URL: http://www.machinelearning.ru(дата обращения: 12.05.2022).
10. Менкенов, А. С. Эконометрический метод прогнозирования налоговых поступлений на макроуровне / А. С. Менкенов // Современные тенденции развития науки и технологий. - 2016. - № 11-9. - С. 96-100.
11. Министерство финансов Российской Федерации [Электронный ресурс]: офиц. сайт. - URL: https://minfm.gov.ru/ru/statistics/(дата обращения 01.05.2022).
12. Налоги и налоговая система Российской Федерации: учебник и практикум для вузов / Л. И. Гончаренко [и др.] ; ответственный редактор Л. И. Гончаренко. — 2-е изд., перераб. и доп. — Москва: Издательство Юрайт, 2021. — 470 с.
13. Пантелеева, О. Б. Применение метода математического прогнозирования в сфере налоговых поступлений в бюджет Российской Федерации / О. Б. Пантелеева, Л. А. Старовойтова, Д. В. Афанасьева // Заметки ученого. - 2020. - № 12. - С. 258-263.
14. Прогнозирование величины налоговых поступлений в региональный бюджет Республики коми / Д. А. Паршукова, Ю. Ю. Мелехова, Н. В. Козлова [и др.] // Форум молодых ученых. - 2018. - № 12-3(28). - С. 670-675.
15. Статистический пакет программ STATA [Электронный ресурс]: офиц. сайт. - URL: https://www.stata.com/manuals/(дата обращения 27.04.2022).
16. Федеральная Налоговая Служба [Электронный ресурс]: офиц. сайт. - URL: https://nalog.ru(дата обращения 17.05.2022)
17. Федеральная служба государственной статистики [Электронный ресурс]: офиц. сайт. - URL: https://rosstat.gov.ru(дата обращения 23.04.2022).
18. Федотов, Д. Ю. Анализ прогнозирования налоговых доходов федерального бюджета России / Д. Ю. Федотов // Бухгалтерский учет в бюджетных и некоммерческих организациях. - 2018. - № 4(436). - С. 23-36.
19. Хасанова, В. И. Исследование зависимости налоговых поступлений в бюджет Российской Федерации от социально-экономических факторов / В. И. Хасанова // Шаг в науку. - 2016. - № 1. - С. 69-71.
20. Хомутенко, А. В. Прогнозирование объема поступлений налога на прибыль предприятий в государственный бюджет Украины методом корреляционно-регрессионного анализа / А. В. Хомутенко, Ю. И. Бзовая // Научный вестник Одесского национального экономического университета. - 2017. - № 1-2(243-244). - С. 133-145.
21. Центральный банк Российской Федерации [Электронный ресурс]: офиц. сайт. - URL: https://cbr.ru(дата обращения 17.05.2022)
22. Чимитдоржиева, Е. Ц. Прогнозирование поступлений налога на прибыль в консолидированный бюджет региона / Е. Ц. Чимитдоржиева // Международный журнал гуманитарных и естественных наук. - 2019. - № 5-4. - С. 149-152.
23. Чимитдоржиева, Е. Ц. Статистический анализ факторов, влияющих на неравномерность поступления налоговых доходов в консолидированные бюджеты регионов РФ / Е. Ц. Чимитдоржиева // Вестник Бурятского государственного университета. Экономика и менеджмент. - 2017. - № 4. - С. 108-115.
24. Я. Р. Магнус, Эконометрика: Начальный курс — Москва: Издательство Дело, 2004. — 575 с.
25. Abdul Q. Impact of Inflation on Taxes in Pakistan: An empirical study of 2000-2010 period / Q. Abdul, Patoli, Tayyab Zarif // IBT Journal of Business Studies (JBS), 2012, vol. 8, issue 2, 31-41
26. An Roinn Airgeadais, Tax Forecasting Methodological Review 2019, [Электронный ресурс] - URL: www.gov.ie/finance/(дата обращения 01.02.2022).
27. Ann D. Parcell, Challenges and Uncertainties in Forecasting Federal Individual Income Tax Receipts — National Tax Journal, 1999, Vol. 52 no. 3.
28. Haonan Zhang, Modeling and forecasting regional GDP in Sweden using
autoregressive models [Электронный ресурс] - URL:
http://www.statistics.du.se/essays/BI_D13_HaonanZhang.pdf/ (дата обращения 07.05.2022).
29. Jeffrey Wooldridge, Introductory Econometrics: A Modern Approach, 5th edition, 2016.
30. Jeffrey Wooldridge, Introductory Econometrics: A Modern Approach (Upper Level Economics Titles)
31. Matplotlib documentation [Электронный ресурс] - URL: https:// matplotlib.org(дата обращения 15.03.2022).
32. Michael L. Bagshaw, Univariate and multivariate ARIMA versus Vector Autoregression forecasting, Working Paper 8706 of the Federal Reserve Bank of Cleveland.
33. Olawale Luqman Samuel, The impact of value added tax on revenue generation in Nigeria, Department of Accounting, Banking & Finance.
34. Pandas documentation [Электронный ресурс] - URL: https://pandas.pydata.org/docs/(дата обращения 03.02.2022).
35. Python documentation [Электронный ресурс] - URL: docs.python.org/3/(дата обращения 02.02.2022).
36. Sabaj, Ernil, Forecasting tax revenues in an emerging economy: The case of Albania, MPRA Paper № 84404 [Электронный ресурс] - URL: https://mpra.ub.uni-muenchen.de/84404/(дата обращения 28.04.2022).
37. Shapiro S. S., Wilk M. B. An analysis of variance test for normality. — Biometrika, 1965, 52, №3 — p. 591-611
38. Scikit-learn documentation [Электронный ресурс] - URL: https://scikit- learn.org/stable/(дата обращения 20.03.2022).
39. Statsmodels documentation [Электронный ресурс] - URL: www.statsmodels.org/stable/index.html(дата обращения 24.02.2022).


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ