Включен в перечень ВАК по специальностямЭКОНОМИЧЕСКИЕ НАУКИ:5.2.1. Экономическая теория 5.2.3. Региональная и отраслевая экономика Реферирование и индексированиеРИНЦReferativny Zhurnal VINITI RAS Worldcat Google Scholar Электронные версии в PDFEastvieweLIBRARY.RU Biblioclub |
Методы нейросетевого моделирования ранжирования налогоплательщиков для определения кредитного риска
Доступна онлайн: 22.03.2015 Рубрика: МАТЕМАТИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ Страницы: 58-66
Предмет исследования - построение моделей кластеризации предприятий-налогоплательщиков в задачах налогового администрирования. При этом модель кластеризации рассматривается как инструмент поддержки принятия решения по кредитному риску финансовым регулятором. Задача оперативного и гибкого налогового администрирования является частью государственного налогового менеджмента. От эффективности решения этой задачи зависит, с одной стороны, увеличение наполнения бюджетов всех уровней, с другой стороны, сохранение экономической стабильности предприятий-налогоплательщиков. Цель авторского исследования - выработка правильных управленческих решений в указанных задачах. Методы исследования требуют знания достаточно достоверного финансово-экономического состояния налогоплательщиков. Задача исследования состоит в том, как по множеству экономических показателей, доступных налоговым органам, на основе математических моделей можно провести раннюю диагностику неблагоприятных тенденций развития предприятия, т.е. назревающего банкротства. Результатом вычислительного эксперимента может служить массив налоговых деклараций за некоторый предшествующий временной период по интересующему аналитика множеству объектов налогообложения. На основе такой модели налогоплательщики могут быть разделены на определенное количество кластеров в условиях поставленной задачи. Управленческие решения по налоговому администрированию будут более эффективны при одновременном учете интересов бюджета и сохранения экономической стабильности предприятий-налогоплательщиков, если в результате эксперимента регулятор имеет достоверную информацию о принадлежности конкретного предприятия к одному из предлагаемых в задаче кластеров. Правильно принятые решения по налоговому администрированию являются инструментами антикризисного управления. Многие модели предсказания банкротств убедительно демонстрируют свои способности к прогнозированию в задачах классификации задним числом (ex post). В нынешней кризисной ситуации, когда резервы выживания и кредитные резервы взаимосвязаны, эти модели работают плохо. Поэтому актуальна задача разработки новых моделей оценки кредитного риска, которые могли бы служить объективной научной основой принятия решений при распределении антикризисных кредитов, при предоставлении налоговых льгот, налоговых каникул и др. Ключевые слова: нейросетевые модели, кластеризация налогоплательщиков, лицо, принимающее решение, кластер, алгоритм ранжирования, кредитный риск Список литературы:
|
ISSN 2311-8725 (Online)
|
|