Модели и технологии управления в системе налогообложения тема диссертации и автореферата по ВАК РФ 05.13.10, кандидат технических наук Орлова, Екатерина Владимировна

• Орлова, Екатерина Владимировна
• кандидат технических наук
• 2004

Оглавление диссертации кандидат технических наук Орлова, Екатерина Владимировна

Введение

1 УПРАВЛЕНИЕ В СИСТЕМЕ НАЛОГООБЛОЖЕНИЯ КАК 12 ПРЕДМЕТ НАУЧНОГО ИССЛЕДОВАНИЯ

Налоговая политика в системе государственного регулирования экономики

1.2 Обзор теоретических подходов к оценке и прогнозированию налогового 12 потенциала административно-террирориального образования

1.2.1 Понятия налогового и финансового потенциала. Налоговое 14 прогнозирование в системе управления налогообложением

1.2.2 Методы оценки налогового потенциала

1.3 Существующие методы и модели оптимального налогообложения

1.3.1 Модели социального благосостояния

1.3.2 Модель определения эффективности налоговой политики на основе 26 теории Лаффера

1.4 Анализ состояния бюджета административно-территориального 28 образования - г. Уфы

Выводы по главе

2 ИНТЕЛЛЕКТУАЛЬНАЯ ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ МОДЕЛИРОВАНИЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ СИСТЕМ

2.1 Особенности моделирования социально-экономических систем в 33 условиях неопределенности

2.2 Предлагаемый подход к моделированию

2.3 Информационная технология оценки налогового потенциала и 38 прогнозирования налоговых поступлений в бюджет административно-территориального образования

2.3.1 Принципы построения

2.3.2 Анализ данных о налоговых поступлениях в бюджет

2.3.3 Функциональная схема оценки и прогнозирования

2.4 Система управления процессом формирования эффективной налоговой нагрузки и налоговых ставок

Выводы по главе

3 МОДЕЛИ УПРАВЛЕНИЯ В СИСТЕМЕ НАЛОГООБЛОЖЕНИЯ

3.1 Нейросетевая модель классификация объектов налогообложения по 50 структуре налогооблагаемой базы

3.1.1 Разделение объектов на классы с помощью нейронной сети

3.1.2 Построение обобщенного описания класса с помощью теории 53 нечетких множеств

3.2 Метод прогнозирования налоговых поступлений

3.2.1 Ограниченность применения методов регрессионного анализа

3.2.2 Разработка интеллектуального метода прогнозирования

3.3 Моделирование эффективной налоговой нагрузки по группам 64 субъектов налогообложения

3.3.1 Теоретические основы моделирования

3.3.2 Область нечувствительности и определение ее границ 69 3.3.2 Модель определения оптимального уровня налоговой нагрузки по 74 видам налогов

Выводы по главе

4 РЕАЛИЗАЦИЯ РАЗРАБОТАННЫХ ТЕХНОЛОГИИ И МОДЕЛЕЙ 78 УПРАВЛЕНИЯ НАЛОГООБЛОЖЕНИЕМ

4.1 Реализация интеллектуальной информационной системы для оценки и прогнозирования налоговых поступлений для предприятия города Уфы

4.1.1 Нейросетевая модель классификации предприятий

4.1.2 Система оценки и прогнозирования налогового поступлений в бюджет г.Уфы

4.2 Сравнительный анализ нейросетевых и статистических методов для 90 классификации и прогнозирования

4.2.1 Классификация на основе кластер-анализа

4.2.2 Нейросетевой метод прогнозирования

132 »

4.2.3 Эконометрический метод прогнозирования

4.2.4 Сравнение результатов прогнозирования

4.3 Моделирование эффективной налоговой нагрузки

4.3.1 Анализ совокупной налоговой нагрузки по группам объектов

Выводы по главе

Введение диссертации (часть автореферата) на тему «Модели и технологии управления в системе налогообложения»

Повышение эффективности системы налогообложения с целью увеличения налоговых поступлений в бюджетную систему является важной научно-практической проблемой, в решении которой существенное значение имеет переход к обоснованной системе бюджетно-налогового прогнозирования и планирования и построение системы управления налоговой нагрузкой предприятий и территорий, учитывающей изменение экономических возможностей субъектов налогообложения.

Экономическая ситуация требует от налоговой системы одновременного решения двух противоречивых, но взаимосвязанных проблем. С одной стороны, требуется своевременное пополнение государственного бюджета и его сбалансированность по доходам и расходам, обеспечение в большом объеме финансирования федеральных и региональных потребностей. С другой стороны, существует необходимость повышения эффективности производства, в том числе за счет снижения уровня налогов, повышения жизненного уровня населения, создания благоприятных условий для наращивания оборотных средств, улучшения инвестиционной привлекательности предприятий.

Исследованиям способов оценки налогового потенциала региона посвящены работы Кадочникова П., Синельникова С., Мельника Д., Климовой Н.И. и др. Теоретические аспекты налогообложения в рамках экономики общественного сектора рассматриваются в работах Аткинсона Э.Б., Стиглица Дж. Э., Ауэрбаха А.Д., Граборова С.В., теоретические модели оптимального налогообложения в условиях уклонения от налогов описаны в работах Чандера П., Уильда Л., Миррлиса Д., Васина А.А., вопросам разработки систем налогового контроля посвящены работы Букаева Г.И., Бублика Н.Д., Горбаткова С.А., Голичева И.И., Черника Д.Г., модели эффективности налоговой политики описаны в работах Мовшовича С.М., Балацкого Е.В., Сидоровой Н.И., Дудорина В.И., зависимость величины налоговых поступлений от уровня налоговой нагрузки впервые была установлена Лаффером А.

Однако уровень теоретической и прикладной проработки указанных выше проблем и их отдельных аспектов не соответствуют запросам практики. Поэтому большое значение имеют исследования, направленные на создание, во-первых, системы оценки налогового потенциала и прогнозирования налоговых поступлений в бюджет, обеспечивающей достоверность и точность решений с целью обоснованного планирования доходной части бюджета, во-вторых, системы регулирования налоговой нагрузки с целью повышения уровня экономического роста предприятий при одновременном росте налоговых поступлений в бюджет.

В соответствии с изложенным, актуальными являются теоретическое обоснование, создание и апробация информационной технологии оценки налогового потенциала и прогнозирования налоговых поступлений и моделей управления в системе налогообложения и их реализация.

Цель работы

Целью работы является теоретическое обоснование и разработка моделей и технологий управления, а также применение полученных результатов для решения практических задач повышения эффективности функционирования системы налогообложения административно-территориального образования.

Реализация поставленной цели требует решения следующих задач исследования:

1. Разработка информационной технологии как совокупности моделей оценки налогового потенциала и прогнозирования налоговых поступлений в бюджет административно-территориального образования (АТО).

2. Обоснование и разработка системы управления формированием налоговой нагрузки и налоговых ставок с учетом противоречивых позиций интересов субъектов налогообложения и государства.

3. Разработка модели установления эффективной налоговой нагрузки по группам однородных субъектов налогообложения.

4. Разработка модели определения оптимальных налоговых ставок по видам налогов и группам субъектов налогообложения.

5. На основе полученных моделей разработка информационной системы оценки налогового потенциала и прогнозирования налоговых поступлений и системы регулирования налоговой нагрузки. Апробация на практических примерах достоверности предлагаемых моделей и технологий и исследование их эффективности.

Объектом исследования является система управления налогообложением административно-территориального образования.

Предметом исследования являются производственно-экономические и социальные отношения между субъектами налогообложения и государством.

Теоретические и методологические основы исследования

Работа основана на положениях и методах системного анализа, теории управления, методах искусственного интеллекта (нейронных сетях, теории нечетких множеств), эконометрических моделях, теории статистики, теории налогообложения.

На защиту выносятся следующие результаты:

1. Интеллектуальная информационная технология оценки налогового потенциала и прогнозирования налоговых поступлений в бюджет АТО, позволяющая получать достоверные и точные результаты и объединяющая модели:

- нейросетевая модель классификации схожих по производственно-экономическому содержанию субъектов налогообложения, объединенных в однородные группы по структуре налоговых платежей;

- модель прогнозирования налоговых поступлений в бюджет АТО, использующая дополнительную информацию о факторах экономической среды (курсы валют, цены на нефть, инфляция), институциональных факторах (налоговые ставки, ставки зачисления налогов по уровням бюджетов), общеэкономических показателях предприятия (себестоимость, прибыль, добавленная стоимость, среднегодовая стоимость имущества и др.), на основе теории нечетких множеств.

2. Функциональная схема системы управления процессом формирования налоговой нагрузки и налоговых ставок с учетом противоречивых позиций интересов субъектов налогообложения и государства.

3. Модель определения эффективного уровня налоговой нагрузки, позволяющая определять области допустимой налоговой нагрузки по группам однородных субъектов налогообложения.

4. Модель определения оптимального уровня налоговых ставок по видам налогов и группам однородных субъектов налогообложения.

5. Информационная система оценки налогового потенциала и прогнозирования налоговых поступлений в бюджет АТО и система управления процессом формирования налоговой нагрузки и налоговых ставок, а также результаты исследования эффективности управления в системе налогообложения, полученные с использованием разработанных систем.

Научная новизна результатов заключается:

1. В разработке интеллектуальной технологии оценки и прогнозирования налоговых поступлений в бюджет, построенной на основе нейросетевой модели классификации субъектов налогообложения и нечеткой модели прогнозирования налоговых поступлений в бюджет АТО, использующей дополнительную информацию о факторах экономической среды, институциональных факторах, общеэкономических показателях предприятия, и отличающейся полнотой анализа разнородных сведений о системе, ее элементах и внешней среде.

2. В предложенной системе управления налогообложением на основе установления дифференцированных налоговых шкал по видам налогов и группам однородных субъектов налогообложения, позволяющей устанавливать обоснованные налоговые ставки с учетом изменяющихся условий внешней и внутренней среды;

3. В предложенной модели определения эффективной налоговой нагрузки по группам предприятий, на основе исследования эластичностей производственной и налоговой функций, позволяющей определять области допустимой налоговой нагрузки по группам однородных субъектов налогообложения;

4. В разработке модели определения оптимального уровня налоговых ставок по видам налогов и группам однородных субъектов налогообложения.

Практическая значимость и внедрение результатов работы. Практическую значимость исследований определяют следующие результаты диссертации:

1. Информационная технология оценки и прогнозирования налоговых поступления в бюджет, построенная на основе нейросетевых моделей для классификации субъектов налогообложения и нечетких моделей для оценки влияния различных групп факторов на величину налоговых поступлений и отличающаяся обоснованностью получаемых результатов и более высокой точностью по сравнению с существующими методами.

2. Система управления налогообложением на основе установления дифференцированных налоговых шкал по видам налогов и группам субъектов налогообложения, позволяющая устанавливать обоснованные налоговые ставки удовлетворяющие интересам субъектов налогообложения и государства и с учетом изменяющихся условий внешней и внутренней среды.

3. Модель определения эффективной налоговой нагрузки по группам предприятий, на основе исследования эластичностей производственной и налоговой функций, позволяющая определять области допустимой налоговой нагрузки по группам однородных субъектов налогообложения.

4. Модель определения оптимального уровня налоговых ставок по группам однородных предприятий, позволяющая устанавливать оптимальные налоговые ставки, удовлетворяющие интересам субъектов налогообложения и государства.

5. Практическую значимость имеют результаты апробации предлагаемых теоретических положений, алгоритмов и моделей на и фактических данных о функционировании налоговой системы Республики Башкортостан и г.Уфы. Проведены экспериментальные исследования предложенных технологий и моделей управления в системе налогообложения и доказана достоверность предлагаемых теоретических положений, моделей и подтверждена их эффективность. Применение интеллектуальной информационной системы позволило повысить точность прогнозирования, а максимальная ошибка не превышает 6%; при этом ошибка прогноза на основе традиционных статистических методов составляет около 14%. Использование модели управления налоговой нагрузкой по группам объектов налогообложения позволит по исследуемым предприятиям города Уфы увеличить валовой продукт в среднем на 10%, а налоговые поступления в среднем на 22%

Публикации

Результаты исследований, отражающие основные положения диссертации, изложены в 14 печатных работах, в том числе 9 статьях и 5 тезисах докладов, общим объемом 4,85 п.л.

Структура и объем работы. Диссертационная работа состоит из введения, 4 глав, заключения, списка литературы и приложений. Работа содержит 136 страницы машинописного текста, 37 рисунков и 16 таблиц, 10 страниц приложений. Список литературы из 143 наименований.

Заключение диссертации по теме «Управление в социальных и экономических системах», Орлова, Екатерина Владимировна

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

1. Разработана интеллектуальная технология оценки налогового потенциала и прогнозирования налоговых поступлений в бюджет АТО, построенная на основе нейросетевых и нечетких моделях и отличающаяся обоснованностью получаемых результатов.

Предложена нейросетевая модель классификации схожих по производственно-экономическому содержанию субъектов налогообложения, объединенных в однородные группы по структуре налоговых платежей. Показано, что применение нейросетевой модели для классификации объектов обосновано на основе мер близости объектов внутри класса.

Предложена модель прогнозирования налоговых поступлений в бюджет административно-территориального образования, использующая дополнительную информацию о факторах экономической среды (курсы валют, цены на нефть, инфляция), институциональных факторах (налоговые ставки, ставки зачисления налогов по уровням бюджетов), общеэкономических показателях предприятия (себестоимость, прибыль, добавленная стоимость, среднегодовая стоимость имущества и др.), использующая теорию нечетких множеств и позволяющая учитывать неопределенность и неточность входной информации.

2. Разработана функциональная схема системы управления процессом формирования налоговой нагрузки и налоговых ставок с учетом противоречивых позиций интересов субъектов налогообложения и государства и позволяющая устанавливать обоснованные налоговую нагрузку и налоговые ставки, удовлетворяющие интересам субъектов налогообложения и государства и с учетом изменяющихся условий внешней и внутренней среды.

3. Разработана модель определения эффективной налоговой нагрузки по группам субъектов налогообложения на основе исследования эластичностей производственной и налоговой функций и позволяющая определять области допустимой налоговой нагрузки по группам однородных субъектов налогообложения.

4. Предложена модель определения оптимального уровня налоговых ставок по группам однородных предприятий, удовлетворяющие интересам субъектов налогообложения и государства.

5. Проведены экспериментальные исследования предложенных технологий и моделей управления в системе налогообложения и доказана достоверность предлагаемых теоретических положений, моделей и подтверждена их эффективность.

Показано, что применение интеллектуальной информационной системы позволило повысить точность прогнозирования, а максимальная ошибка не превышает 6%; при этом ошибка прогноза на основе традиционных статистических методов составляет около 14%.

Применение модели управления налоговой нагрузкой по группам объектов налогообложения позволит: а) при уменьшении налоговой нагрузки по первой группе предприятий с 23% до 22% увеличить валовой продукт группы на 14%, а налоговые сборы на 9%, б) при увеличении налоговой нагрузки с 7% до 8% во второй группе увеличить валовой продукт группы на 6%, налоговые сборы на 21%, в) при увеличении налоговой нагрузки с 4% до 5% в третьей группе увеличить валовой продукт группы на 10%, налоговые сборы на 37%.

114

Список литературы диссертационного исследования кандидат технических наук Орлова, Екатерина Владимировна, 2004 год

1. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. Учебник для вузов. — М.: ЮНИТИ, 1998. -1022с.

2. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях (Монография): Электронный ресурс Тюмень: ТГУ, 2000. -352с. // http://www.plink.ru.

3. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. М: Финансы и статистика, 2000. -368с.

4. Аткинсон Э.Б., Стиглиц Дж. Э. Лекции по экономической теории государственного сектора. Учебник. Пер с англ. под ред. JI.JI. Любимова. М.: Аспект-Пресс, 1995. - 831с.

5. Автоматизированная система учета, анализа и прогнозирования доходов бюджета // Информационные технологии. 2000. - №3. - С.37-47.

6. Аукуционек С., Батяева А. Какие налоговые реформы выгодны государству? // Вопросы экономики. -2001. -№3.-С.59-72.

7. Бесекерский В.А., Попов Е.П. Теория систем автоматического управления.-Изд.4-е, перераб. и доп. СПб.: Профессия, 2003. -752с.

8. Балацкий Е.В. Эффективности налоговой политики государства // Проблемы теории и практики прогнозирования. 2000. - №2. -С.32-45.

9. Берзин М.Ю. Состав и экономическое содержание функций налогов // Финансы и кредит. 2003. -№ 19. - С.75-86.

10. Богатин Ю.В. Экономическая оценка качества и эффективности работы предприятия. М: Изд-во стандартов, 1991. -214с.

11. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе STATISTIC А в среде WINDOWS. Основы теории и интенсивная практика на компьютере: Учебное пособие. -М: Финансы и статистика, 1999. -384с.

12. Брауг М. Экономическая мысль в ретроспективе. М.: Дело ЛТД, 1994. -213с.

13. Бриллинджер Д. Временные ряды. Обработка данных и теория. М: Мир, 1980.-537с.

14. Букаев Г.И., Бублик Н.Д., Горбатков С.А., Саттаров Р.Ф. Модернизациясистемы налогового контроля на основе нейросетевых информационных технологий. М.: Наука, 2002. -344с.

15. Бублик Н.Д., Голичев И.И., Горбатков С.А., Смирнов А.В. Теоретические основы разработки технологии налогового контроля и управления. -Уфа: РИО БашГУ, 2004. -336с.

16. Бюджетная система России: Учебник для вузов / Под ред. Г.Б. Поляка. -М.: ЮНИТИ-ДАНА, 2002. -373с.

17. Васин А.А., Васина П.А. Оптимизация налоговой системы в условиях уклонения от налогов: роль ограничений на штраф. М.: EERC,2002. -48с.

18. Введение в математическое моделирование: Учебное пособие / В.Н.Ашихмин и др. Под ред. П.В.Трусова. -М.: «Интермет Инжиниринг», 2003.-336с.

19. Вентцель Е.С. Теория вероятностей. М.: Наука, 1969. -363с.

20. Вентцель Е.С. Исследование операций. М.: Высшая школа, 2001. -208с.

21. Венсель В.В. Интегральная регрессия и корреляция: статистическое моделирование рядов динамики. М: Финансы и статистика, 1983. -233с.

22. Вишневский В., Липницкий Д. Оценка возможностей снижения налогового бремени в переходной экономике // Вопросы экономики. -2000. -№2.-С.107-116.

23. Вылкова Е.С. Расчет налогового бремени в современных российских условиях // Налоговый вестник. -2003. -№.12-С.36-39.

24. Габдрахманова Н.Т. Нейросетевое моделирование камеральных налоговых проверок торговых предприятий и оптимизация их постналогового дохода: Диссертация канд. техн. наук: 05.13.18/ УГАТУ. -УГ АТУ ,2003. -140с.

25. Галушкин А.И. Нейрокомпьютеры. Кн.З: Учебное пособие для вузов. -М.: ИПРЖР, 2000. -528с.

26. Галушкин А.И. Теория нейронных сетей. Кн.1: Учебное пособие для вузов. М.: ИПРЖР, 2000.-416с.

27. Гольдберг А., Юткина Т. Модели налогового регулирования субъектов сфер «бюджет» и «бизнес» // Налоги. 2000. - №1. - С.38-48.

28. Горский И.В. Налоговый потенциал в механизме межбюджетных отношений // Финансы. 1999. -№ 6. - С.27-30.

29. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере Новосибирск: Наука. Сибирская издательская фирма РАН, 1996. -276с.

30. Глазьев С.Ю., Жукова М.В. Бюджет 2004: все тот же вопрос выбора социально-экономической политики // Российский экономический журнал, 2003. №8. -С.3-15.

31. Граборов С.В. Границы применимости современной бюджетно-налоговой теории и мажоритарный подход // Экономика и математические методы, 2003. том 39, №4. - С.3-14.

32. Дидович А.П. Возможности формирования эффективного налогового механизма в регионе // Регион: экономика и социология, 2002. -№4. -С.114-123.

33. Дудорин В.И. Управление экономикой и глобальная информатизация. -М.: Менеджер, 2002. -181с.

34. Дьяконов В. MATHCAD 8/2000:специальный справочник. СПб.: Питер, 2000. -592с.

35. Ежов А.А., Шумский С.А. Нейрокомпьютинг и его приложения в экономике и бизнесе. М.:МИФИ, 1998. - 224с.

36. Занадворов B.C. Теория налогообложения: Учебное пособие. (Глава 4. Оптимальное налогообложение): Электронный ресурс. М: ВШЭ, 2003. -25с. // http://ecsocman.edu.ru.

37. Замков О.О., Черемных Ю.А., Толстопятенко А.В. Математические методы в экономике. Учебник. 2-е изд-е. М.: МГУ, Изд-во «Дело и сервис», 1999. -368с.

38. Имитационные системы принятия экономических решений / Сост. К.А.Багриновский, Т.И. Конник, М.Р. евинсон и др. М.: Наука, 1989. -165с.

39. Интеллектуальные системы управления с использованием нечеткой логики: Учебное пособие / В.И. Васильев, Б.Г. Ильясов. Уфа: УГАТУ, 1995.-80с.

40. Интеллектуальные системы управления с использованием нейронных сетей: Учебное пособие / В.И. Васильев, Б.Г. Ильясов, С.С. Валеев и др. -Уфа: УГАТУ, 1997. -92с.

41. Ильясов Б.Г., Исмагилова JI.A., Валеева Р.Г. Моделирование производственно-рыночных систем. Уфа: УГАТУ, 1995. -321с.

42. Ильясов Б.Г., Исмагилова J1.A., Валеева Р.Г., Сергеева И.Г., Афанасьев В.Ю. Система поддержки решений на основе нечеткой логики (программа для ЭВМ) // Св. №990006 об официальной регистрации программы для ЭВМ от 10.01.1999.

43. Ильясов Б.Г., Исмагилова JI.A., Валеева Р.Г., Сергеева И.Г., Гареев A.M. Система моделирования на нейронных сетях // Свидетельство об официальной регистрации программы для ЭВМ №990005, 1999.

44. Имитационные системы принятия экономических решений/ К.А.Багриновский, Т.И. Конник, М.Р. Левинсон и др. М: Наука, 1989. -165с.

45. Исмагилова JI. А. Автоматизированное управление производством как динамической системой, функционирующей в условиях рынка, на основе имитационного моделирования: Диссертация докт. техн. наук: 05.13.06. -Уфа: УГАТУ, 1998. -410с.

46. Исмагилова Л.А., Орлова Е.В., Афанасьев В.Ю. Информационная технология оценки и прогнозирования налогового потенциала // Экономика и управление. 2001. № 1. - С. 50-53.

47. Исмагилова Л.А., Орлова Е.В., Сергеева И.Г., Афанасьев В.Ю. Модели прогнозирования макроэкономических показателей на основе нейронных сетей // Управление экономикой: методы, модели, технологии: Сб. науч. тр. Уфа: УГАТУ, 2001. - Ч. III. - С. 147-153.

48. Исмагилова Л.А., Орлова Е.В., Сергеева И.Г., Афанасьев В.Ю. Интеллектуальная система анализа и управления процессамиформирования бюджета региона // Управление экономикой: методы, модели, технологии: Сб. науч. тр. Уфа: УГАТУ, 2002. - С. 307-310.

49. Исмагилова J1.A., Нураева Ф.Ш., Орлова Е.В. Статистический метод прогнозирования налогового потенциала в РБ // Саморазвитие регионов. Матер, междунар. науч.-практ. конф. Уфа: ИСЭИ РАН, 2002. - С. 130-136.

50. Исмагилова JI.A., Нураева Ф.Ш., Орлова Е.В. Совершенствование системы формирования доходного потенциала бюджета // Перспективы развития теории и практики управления потенциалом промышленного производства. Сб. науч. тр. Уфа: УГНТУ, 2002. - С. 45-48

51. Исмагилова JI.A., Орлова Е.В. Нейросетевые технологии в экономике: сравнение с классическими методами // Нейрокомпьютеры: разработка и применение. 2004. -Ш. С. 69-76.

52. Кадочников П., Луговой О., Синельников С., Шкребела Е. Моделирование динамики налоговых поступлений, оценка налогового потенциала территорий: Электронный ресурс, М.:ИЭПП, 1999. -42с. // http:// www.iet.ru.

53. Кашина Н.В. Налоговый потенциал в системе бюджетного прогнозирования.// Финансы 2002 - № 2. - С.78-79.

54. Кенделл М. Дж., Стюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976. -165с.

55. Кобринский Н.Е., Кузьмин В.И. Точность экономико-математических моделей. М: Финансы и статистика, 1981. -255с.

56. Коломиец А.Л. Анализ концептуальных подходов и методов оценки налогового потенциала регионов // Налоговый вестник. 2000. -№2. -С.25 -28.

57. Коломиец А.Л. О понятиях налогового и финансового потенциала региона // Налоговый вестник, 2000. -№1. -С. 3-5.

58. Коломиец А.Л., Новикова А.И. О соотношении налогового и финансового потенциала в региональном разрезе // Налоговый вестник, -2000. -№б. -С. 35-38.

59. Коломиец А.Л Об основных положениях определения налоговой нагрузки регионов РФ // Налоговый вестник, 2000. -№.7. -С. 54-57.

60. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия - Телеком, 2001. -382с.

61. Кугаенко А.А. Основы теории и практики динамического моделирования социально-экономических объектов и прогнозирования и развития. М.: Вузовская книга, 1998. - 392с.

62. Куликов А.Г., Павлов И.П. Графический метод расчета ВВП и поступления налогов в бюджет // Финансы. 2000. - № 5. - С.36-40.

63. Кушубакова Б.К. О методах прогнозирования доходов бюджета // Экономика и управление. 2003. - №3. - С.71-75.

64. Лебедев В.В. Математическое моделирование социально-экономических процессов. М.: Изограф, 1997. -224с.

65. Лопатников Экономико-математический словарь, М: Финансы и статистика, 1993. -450с.

66. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. -М.: Статистика, 1979. -290с.

67. Маглакелидзе Т. О налоговом федерализме // Налоговый вестник. -2003. -№1. -С.134-135

68. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс: Учеб.-4-е изд. М: Дело, 2000. -400с.

69. Матрусов Н.Д. Региональное прогнозирование и региональное развитие. -М.: Наука, 1999.- 221с.

70. Мельник Д.Ю. Налоговый менеджмент. М: Финансы и статистика, 1999.

71. Мовшович С.М. Моделирование влияния налогов на долговременный экономический рост // Экономика и математические методы. -1998. -т.34.вып. 1. -С.5-18.

72. Мовшович С.М. Игровая модель выбора стратегии налоговой инспекцией // Экономика и математические методы. -2003. -т.39.вып.2. -С.188-200.

73. Налоги / Под ред. Д.Г.Черника, М: Финансы и статистика, 1997. -400с.

74. Налоги и налогообложение / Под. ред. Романовского М.В., Врублевской О.В. СПб: Питер, 2000. -528с.

75. Налоговый кодекс Российской Федерации. Части 1,2. М.:ИНФРА-М, 2002. - 512с. /2002

76. Николаев М., Махотаева М. Концепция реформирования налоговой системы // Экономист. 2003. -№4. - С.49-53.

77. Орлова Е.В. Вопросы разработки методологии и технологии проектирования современных информационных систем // Интеллектуальные системы управления и обработки информации: Матер, междунар. молодежи, науч.- техн. конф. Уфа: УГАТУ, 1999. - С.25.

78. Орлова Е.В., Сергеева И.Г., Афанасьев В.Ю. Нейросетевая модель анализа инвестиционного потенциала // Математическое моделирование экономических систем и процессов: Матер, всерос. науч.- практ. конф. -Чебоксары: ЧГТУ, 2000. С. 72-74.

79. Орлова Е.В. Информационная технология оценки и прогнозирования налогового потенциала муниципального образования // Экономическая мысль XXI века: Сб. науч. тр. Выпуск I. Калининград: КГУ, 2001. - С. 27-29.

80. Пансков В.Г. Налоги и налогообложение в Российской Федерации: Учебник для вузов.-6-е издание. М.: Международный центр финансово-экономического развития,2004. -576с.

81. Паскачев А.Б., Саакян P.JL, Новикова А.И., Мельник А.Д. О налоговом паспорте субъектов РФ // Налоговый вестник. 1999. -№ 12 . -С.

82. Петров А.А. Экономика. Модели. Вычислительный эксперимент. М: Наука, 1996.-251с.

83. Построение систем учета, анализа и прогнозирования государственных финансов // Проблемы теории и практики управления. 2003. - №2. -С.

84. Потемкин В.Г. Начало работы с Matlab: Электронный ресурс, 2002 // http.V/www.matlab.ru/ml/book3/index.asp.

85. Проблемы налоговой системы в России: теория, опыт, реформа/ Под. ред. М.Алексеева, С.Синельникова: Электронный ресурс. М.: ИЭПП, 2000. -156с. // http://www.iet.ru.

86. Реш В.К., Алехин С.Н. К вопросу о разработке прогнозов в работе налоговых органов // Налоговый вестник. -2000. № 9. - С.25-26.

87. Розанов Ю.А. Теория вероятностей, случайные процессы и математическая статистика, М: Наука, 1985. - 320с.

88. Романов А.Н., Одинцов Б.Е. Советующие информационные системы в экономике: Уч. пос. для вузов. М.: ЮНИТИ-ДАНА, 2000. -487с.

89. Роулс Дж. Теория справедливости. Н.: НГУ, 1995. -230с.

90. Саакян Р.А., Мельник А.Д. Об основных аспектах расчета налоговой базы// Налоговый вестник. 1999. -№.10. -С. 26-29.

91. Саакян Р.А., Ананьеву Г. О налоговом прогнозировании и планировании // Налоговый вестник. -2000. -№12. -С.36-39.

92. Синельников С. Основные направления налоговой реформы: Электронный ресурс. М.: ИЭПП, 2001. -123с. // http://www.iet.ru.

93. Свинцова А.П. Об оценке налогового потенциала региона. // Финансы. -2001. -№ 3. -С.68-69.

94. Селиверстов В., Подпорина И., Игудин А., Богачева О., Дворецкая А. Формирование бюджетных и других финансовых ресурсов региональной политики для выравнивания региональной асимметрии: Электронный ресурс. М.: ИЭПП, 2.001. -237с. // http://www.iet.ru.

95. Сидорова Н.И. Возможности использования налоговых инструментов длярегулирования регионального развития // Проблемы прогнозирования. -2003 . -№1, С.96-107.

96. Советов Б.Я., Яковлев С.А. Моделирование систем: Учеб. для вузов по спец. «Автоматизированные системы обработки информации и управления». 2-е изд., перераб. и доп. М.: Высшая школа, 1998. -271с.

97. Соловьев И.И. Уклонение от уплаты налогов и оптимизация налогообложения // Налоговый вестник. -2001. -№9. -С. 130-136.

98. Социально-экономические проблемы России / Под ред. П.С. Филиппова, СПб: Норма, - 1999. - 320с.

99. Сио К.К. Управленческая экономика: Пер. с англ. М: ИНФРА-М, 2000. -671с.

100. Статистическое моделирование и прогнозирование / Под ред. А.Г. Гранберга, М: Финансы и статистика, 1990. -400с.

101. Статистический анализ экономических временных рядов и прогнозирование / Под ред. Ершова Э.Б., Френкеля А.А. М: Наука, 1973.-295с.

102. Стиглиц Д., Элерман Д. Макро и микроэкономические стратегии для России / Пер. с англ.: Электронный ресурс. М.: НЭП1, 2003- 50с. // http://www.eccar-russia.org.

103. Тодосейчук А.В. Модель эффективной налоговой системы // Экономика и коммерция. -1992. -№3. -С.18-23.

104. Трунин И. Оценка налогового потенциала субъектов Федерации и разработка методики распределения Фонда финансовой поддержки регионов на 2000 год : Электронный ресурс. М.: ИЭПП, 1999. -63с. // http://www.iet.ru.

105. Турчак Л.И. Основы численных методов: Учебное пособие. М.: Наука, 1987.-320с.

106. Тынкевич М.А. Справочное пособие по курсу «Численные методы анализа» для студентов специальности «Прикладная информатика в экономике»:Электронный ресурс- М.: МГУ, 2003 49с. // http:// www. exponenta.ru.

107. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика / Пер. с англ. М.: Мир, 1992. -240с.

108. Факторный, дискриминантный и кластерный анализ:Пер. С англ./Дж.-О.Ким, Ч.У.Мьюллер, У.Р.Клекка и др.; Под ред. И.С.Енюкова. -М.:Финансы и статистика, 1989. -215с.

109. Фишер С., Дорнбуш Р., Шмалензи Р. Экономика. М.: Дело, 1999. -864с.

110. Цыгичко В.Н. Прогнозирование социально-экономических процессов. -М: Финансы и статистика, 1986. -207с.

111. ПЗ.Четыркин Е.Н. Статистические методы прогнозирования. -М:Статистика, 1975. -200с.

112. Шелобаев С.И. Математические методы и модели в экономике, финансах, бизнесе: Учебное пособие для вузов. М.: ЮНИТИ -ДАНА, 2000. -367с.

113. Шалюхина М.Н. Налоговый потенциал региона: проблемы оценки, формирования и эффективного использования // Налоговый Вестник. -2001. №1. - С.31-34.

114. Экономико-математические методы и прикладные модели / Под. ред. В.В. Федосеева. -М.:ЮНИТИ, 1999. 391с.

115. Якобсон Л.И. Экономика общественного сектора. Основы теории государственных финансов. -М.: Наука, 1995. -276с.

116. Яндиев М.И. Прогнозирование доходов нуждается в усовершенствовании И Финансы 2001. - № 4. -С. 12-14.

117. Alfred L. Guiffrida and Rakesh Nagi (1998) Fuzzy set theory applications in production management research: a literature survey. Journal of Intelligent Manufacturing 9,39-56.

118. Auerbach Alan J. (2001) Perfect Taxation with imperfect competition. Working paper, University of California.

119. Andres Erosa (2001) Optimal taxation in infinitely-lived agent and overlapping generations models: A review; Economic Quarterly Federal Reserve Bank of Richmond, Richmond; Vol. 87, Iss. 2; 22 p.

120. Compson, Mochail and Jonh Navratin (1997) An improved method for estimating the total taxable resources of the states. Research paper # 9702. U.S. Department of the Treasury, 36p.

121. Christos T Papadas (2002) Neural network forecasts of input-output technology; Applied Economics, London; Sep 10, Vol. 34, Iss. 13; 1607p.

122. Clemens J. and Veldhuis N. (2004) Size of Government and Economic Growth. Statistical evidence for the relationship between government size and economic growth // http:// www.fcpp.org

123. Diamond P.A.(1998) Optimal income taxation: An example with a u-shaped pattern of optimal marginal tax rates; The American Economic Review, Nashville; Vol. 88, Iss. 1; 83-96.

124. Edwards J.(2001) Trade tax reform in a small open economy with distributional objectives and distortionary taxation; Topics in Economic Analysis & Policy, Berkeley,; Vol. 1, Iss. 1; 11-26.

125. Hoai An Le Thi (2002) Combination between global and local methods for solving an optimization problem over the efficient set; European Journal of Operational Research, Amsterdam; Vol. 142, Iss. 2; 258p.

126. Income taxes and the provision of public goods: existence of an optimum (2001), Econometrica, vol 69, #3, 771-784.

127. Ismagilova L.A., Orlova E.V. (2001) Simulation of the social economic systems under conditions of uncertainty and risk// Proc. of the 3th Int. Workshop on Computer Science and Information Technologies CSIT'2001. Vol.3.-P.298-301.

128. Ismagilova L.A., Orlova E.V. (2001) Tax potential estimations and forecasting using artificial intelligent methods // Proc. of the Neural Information Processing ICONIP2001, P. 781-786.

129. Ismagilova L.A., Orlova E.V. (2004) Modeling of effective tax burden fortVitaxpayer groups // Proc. of the 6 Int. Workshop on Computer Science and Information Technologies CSIT'2004, P. -263-268.

130. Jacco L Wielhouwer (2002) Optimal tax depreciation under a progressive tax system; Journal of Economic Dynamics & Control, Amsterdam; Vol. 27, Iss. 2; P.243.

131. Kleven H.J. (2000) Optimal taxation with household production; Oxford Economic Papers, Oxford; Vol. 52, Iss. 3; 584-595.

132. Lindsey L.B. (1997) Revenue maximizing taxation is not optimal, Joint economic committee report, USA, 7p.

133. Martin Gervais Housing taxation and capital accumulation II Review of economic studies, vol 49 #7, 1461-1489.

134. Milligan C.B., Marien J.G. (1998) Average marginal tax rates revisited: a comment, Department of economics, University of Chicago, 19p.

135. Michael S.Garver, (2002) Try new data-mining techniques. Marketing news, 3, P.31-33.

136. Pietsang Wu (2002) A fuzzy curved search algorithm for neural network learning; Computers & Industrial Engineering, New York; Vol. 43, Iss. 4; 693p.

137. Saes E. (2001) Using elasticities to derive optimal income tax rates, Review of economic studies, 68, 205-229.

138. Stephan S. (2001) Adding value is the name of the transfer pricing game, Corporate finance, 6, 22-29.

139. Steven Clark W. (2003) Using micro-data to assess average tax rates, OECD tax policy studies, 8, P. 1-44.

140. The representative tax system (1999); Discussion paper, federal-provincial relations division; Department of the finance of Canada.