7星彩2014031

構建我國稅收風險識別方法體系的思考

 趙連偉

 

摘 要: 稅源專業化管理是國家稅務總局為適應當前我國稅源管理所面臨的形勢和挑戰,探索推進的新一輪稅收管理體制改革。在以風險管理為核心的格局下,稅收風險識別方法體系是否科學、有效將直接決定著改革的成敗。本文分析和總結了稅收風險的衡量指標和風險識別的層次體系,在此基礎上提出構建稅收風險識別的主要方法體系,并就目前存在的一些問題提出了建議。 
關鍵詞: 財政稅收,稅收風險,識別方法,稅源專業化  
 
一、稅收風險識別概述
  
稅收風險管理不是一個新的概念.它是風險管理科學在稅收管理中的具體應用。在西方發達國家已經有了較為成熟的理論體系和豐富的實踐經驗,我國部分地區稅務部門也有對風險管理的初步探索。早在2006年,歐盟委員會組織德國、意大利、英國、瑞典等國的專家成立財政風險分析項目小組,編寫了《稅收風險管理指南》,把稅收風險管理的流程劃分為風險識別、風險分析、風險優先級別的確定、風險應對、風險管理效能評估等五個環節。作為風險管理流程的第一個環節,風險識別環節要確定稅務機關面臨的所有可能的風險來源,以及這些風險對稅務部門組織收入目標的危害程度。也就是說,在這個環節里,要為稅收管理的決策層提供一個各種潛在風險的列表,告訴決策層問題可能會出在哪里。風險識別環節得到的風險列表是下一環節分析的基礎,如果在這個環節某項稅收風險未能識別出來,稅務部門就不可能對該項風險進行應對,可見稅收風險識別環節至關重要。
在稅收管理中,稅收風險通常是指稅收流失發生的可能性,稅收風險識別的過程就是運用定性與定量的方法對所收集的資料進行分析,解決稅收風險的概率和稅收流失的嚴重程度等問題。根據這個定義,對稅收風險的度量有兩個指標可以使用:估測稅收風險發生的概率;對稅收風險發生可能造成的稅收流失的多少進行定量的分析和估算。通過估測稅收風險發生的概率,可以使得稅收管理人員能夠了解某種風險的危害;通過估算稅收流失,可以使稅收管理人員了解到稅收風險所帶來的損失后果,進而可以集中力量應對稅收流失較多的風險。
  
二、稅收風險識別層次體系
(一)宏觀層面的稅收風險識別
宏觀層面的稅收風險識別主要是從總體上描述各風險領域或守法水平不一的各個納稅人群體的風險情況。宏觀層面上的風險識別不用提供太多的細節,但又能發現一些問題,在稅收管理早期階段是非常有用的。宏觀層面的風險,通常按照不同的特征或行為把納稅人總體分成各子總體,以提高風險識別的精確度。比如二根據企業繳納的稅種.分為直接稅風險和間接稅風險,以至細分到度量每一稅種的風險;根據稅收管理的環節,可以分為稅收登記風險、未申報風險、低申報風險和入庫風險;根據企業經濟活動的行業,可以分為農業、工業、商業、服務業等行業稅收風險。另外,還可以根據企業的經濟重要程度進行分類,比如根據企業的營業收入、資產總額及職工人數,把企業分成大型、中型、小型和微型分別度量風險。對于稅收管理來說,通常是選擇企業納稅額作為重要分類指標,把企業分為重點稅源和一般稅源。對企業進行分類的標準可以選用其中的一個,也可以是多個標準組合起來,此亦為分類分級管理的基本原理之所在。
  
(二)微觀層面的稅收風險識別
微觀層面的稅收風險識別主要是通過多方收集的企業信息,建立一些風險指標,利用統計方法或數據挖掘等智能方法,識別單個納稅人的稅收遵從水平。這里的企業信息包括通過各種來源的數據,可以是征管信息系統中納稅人申報的數據,更多的是第三方提供的數據,還可以是互聯網提供的信息。大多數情況下,收集得到的各數據項本身并無價值,但它們通過相互比較或相互聯系的方式.指向某種風險,就可以產生價值。各數據項比較或聯系的結果得到的就是風險特征,或稱為風險指標。風險指標有時作為一種選擇準則,可以對其設定參數,然后使用納稅申報表中的數據與參數進行比較,可以確定該納稅人的某種風險。
  
三、稅收風險識別的方法體系
  
基于上述稅收風險識別的層次體系,借鑒國內外研究成果,可以構建我國稅收風險識別的方法體系。
  
(一)宏觀層面的稅收風險識別方法
  
對于宏觀層面的稅收風險,主要是以稅收流失指標來衡量。根據算法基于的數據,宏觀層面的稅收風險識別方法通常可分為自上而下的方法和自下而上的方法,但有時也采用專家意見法。
1.自上而下的方法。是從國民經濟核算數據等宏觀數據,以及其他有關消費支出的專項調查數據出發,按照現行的稅收制度,估算由一定的經濟總量和經濟結構客觀決定的理論稅收收入,理論稅收收入與實際稅收收入之間的差額即為稅收流失額。該方法主要用于估算增值稅、消費稅和營業稅等稅制設計相對簡單、與稅基對應的宏觀經濟數據比較全面且容易取得的間接稅流失。英國、瑞典等國近年來對增值稅等間接稅的流失估算使用的均是自上而下的方法。當前用于估算我國稅收流失的模型主要有投入產出模型和隨機邊界模型。
2.自下而上的方法。是從微觀企業數據人手,通過對樣本企業的審計和分析.得到樣本企業的稅收流失情況,運用統計推斷及技術調整方法,利用樣本企業流失情況對總體稅收流失情況進行推斷和估計。該方法主要應用于稅制設計較為復雜、稅基對應的宏觀經濟數據不易取得的所得稅等稅種。美國20世紀60年代啟動的“稅收遵從評估項目(TCMP)”和后來改進的”國家研究項目(NRP)”估算稅收流失以及英國估算直接稅的稅收流失主要使用這種方法。該方法的基本步驟如下:科學抽取樣本。根據稅收流失估算的目標,考慮不同規模、不同地區、不同行業、不同管理方式等情況設計抽樣方案。有時還可以結合納稅遵從情況,對于一些高風險的納稅人可加重抽樣的權重和次數。由有經驗的稅務人員對樣本企業進行全面審計,發現樣本企業的偷逃問題并記錄;或者基于匹配比對的原理,利用稅務部門現有的征管和稽查歷史數據,采取統計插值計算辦法,估算樣本偷逃數據。多渠道獲取第三方信息,確定放大乘數,將審計出的稅收流失通過放大乘數進行放大,得到總體稅收流失的估計值。
就上述兩種方法而言,各有優勢和劣勢。自上而下的方法采用的總量數據易于獲得.估算成本較小,且能夠快速得到結果,能大體掌握基本流失情況。但由于宏觀數據的局限性,很難再進一步細分作為代理稅基,因此很難發現流失更詳細的信息,也很難對稅收流失發生的原因作詳細分析。另外也有一些稅種的稅基很難找到合適的宏觀經濟指標作為代理稅基。自下而上的方法能夠根據微觀數據從不同的維度發現稅收流失的規律,刻畫有偷逃稅嫌疑的納稅人行為特征,從這一點來講彌補了自上而下方法的不足,但其最大的劣勢在于獲取需要的微觀數據較為困難,其估算的周期較長,估算成本較高。另外由于審計過程中人為因素較大,有時難以發現所有的偷逃稅款,因此可能會出現低估情況。
  
(二)微觀層面的稅收風險識別方法
  
一般情況下,要估計單個納稅人的稅收流失數額是十分困難的。對單個納稅人稅收風險的描述,通常是看該納稅人稅收流失的可能性有多大,可能性越大,該納稅人稅收風險也就越大。微觀層面的稅收風險識別可以表述為將特定群體中稅收高風險的單個納稅人標識出來,也就是說將特定群體的納稅人按稅收流失的可能性分為兩類:一類是可能性較大的,即稅收高風險的:另一類是可能性較小的,即稅收低風險的。基于此,微觀層面的稅收風險識別問題就轉化為了一個數學上的分類或聚類問題,即選擇合適的數據挖掘算法對特定群體的單個納稅人進行分類。稅收風險識別問題抽象為一個數學上的分類問題后,理論上來講,所有的數據挖掘算法都可以引入微觀層面的稅收風險識別中。
要建立一個好的稅收風險識別系統,一般有四個步驟:一是數據采集。數據是風險識別的基礎和前提,沒有充分的數據支持,不可能得到一個好的分類器。二是風險特征提取。判斷一個風險指標是否有效,就是看對來自于同一風險類別的不同樣本,其特征量是否非常相近,而對不同風險類別樣本,其特征量是否有很大的差異。當前有些智能的數據挖掘技術能夠幫助從一大堆可能的特征中選擇最有價值的風險特征。三是模型選擇和訓練。在模式分類系統中,通常要利用樣本的信息,根據風險特征提取器得到的特征值,對所選擇的模型進行訓練,這個過程稱之為學習。通過訓練樣本的學習,估計得到模型的未知參數,進而給被測對象一個風險類別標記。四是風險模型評價。在進行風險識別過程中,通常認為使用單一的風險指標進行分類誤差率較高,使用兩個或多個風險指標的組合后誤差率可能會降低。但所需要的風險指標也不是越多越好,過多的風險指標,可能會導致算法忽略重要的風險指標,過分復雜的模型也不一定能得到有效的分類結果。
根據訓練樣本是否帶有類別標記的信息,可以把微觀層面的稅收風險識別方法分為有監督學習方法和無監督學習方法。
1.有監督學習方法。對于給定的訓練樣本,如果每個樣本都有已知的類別標記,模型通過對這些帶有類別標記樣本的學習,確定模型結構及參數,然后對未知類別的樣本判斷其類別,這類的方法稱之為有監督學習方法。在數據挖掘算法中,有很多統計和智能的方法都屬于有監督學習方法,如判別函數法、人工神經網絡、支持向量機、決策樹以及遺傳算法等隨機方法。有監督的學習方法在國外應用比較多,比如德國在增值稅的風險管理中,首先建立了一個增值稅欺詐案件在線數據庫,一個循環騙稅等重大騙稅案件數據庫,同時建立一個覆蓋全國的增值稅信息系統,并在此基礎上利用人工神經網絡等智能方法開發風險管理系統,其主要目標是以系統化的方式自動識別出高風險的增值稅納稅人,這里的案件數據庫相當于有監督學習方法中使用的有風險類別標記的樣本。
2.無監督學習方法。有監督學習方法借助有類別標記的訓練樣本進行學習確定模型參數,當沒有有類別標記樣本可以用時,就必須根據未知樣本類別的數據集內部的特征,利用模型算法自動尋找分類的規律并進行分類,這類的方法稱之為無監督學習方法。常見的無監督學習方法有各種聚類算法、自組織特征映射算法、主成分分析方法以及綜合評價方法等。
就這兩類學習方法而言,在同等條件下,如果有有類別標記的樣本可用,有監督學習方法的識別精度要高于無監督學習方法。但是我國在稅收風險識別領域剛剛起步,還沒有建立欺詐案件數據庫用于智能方法的學習訓練,大多情況下,還必須使用無監督學習方法發現單個高風險的納稅人。
  
四、思考和建議
  
(一)以風險管理環節為導向,逐步理順稅收風險管理的工作機制
  
當前,各地區國、地稅部門都在結合自身實際,積極進行稅源專業化管理試點的探索,并取得較好的成效。稅源專業化管理試點工作由征管科技部門牽頭制定方案,并組織推進。但管理模式的變革是一項全局性的工作,對各個部門、各個層級的職能都有較大影響,因此不僅僅要各相關部門的密切配合,更需要引起各相關部門的高度重視、積極參與。在建立稅收風險管理運行機制的過程中,必然會涉及內部機構職能的重新調整和劃分,各相關部門要擯棄部門利益,本著一切有利于改革順利推進的原則,優化征管流程,調整崗位職責,逐步理順工作機制,重新配置管理資源。
  
(二)進一步明晰稅收風險管理與“四位一體”運行機制的關系
  
建立稅收分析、稅源監控、納稅評估和稅務稽查“四位一體”的運行機制,就是通過稅收分析為納稅評估確定疑點、指明方向:通過納稅評估引導納稅人遵從稅法,為稅務稽查提供稽查案源;通過稅務稽查查處案件,打擊涉稅違法犯罪,并向管理環節反饋查處結果;稅源監控通過對分析、評估、稽查反映的問題匯總歸納,調整稅源監控措施。可以看出,“四位一體”的運行機制基本可以與風險管理的環節相對應,已經初步具備了風險管理的思想和理念。稅收分析環節理解為識別各種稅收風險,稅源監控則可以和風險分析環節對應,理解為充分利用各種監控數據,對識別到的稅收風險進行詳細分析。需要指出的是,這里的納稅評估和稅務稽查是風險應對的兩個不同方式或不同層次。在現行的納稅評估管理辦法中,將納稅申報風險的識別、分析也納入納稅評估的基本程序,雖然表面上擴展了納稅評估的內涵,但實際上不利于按照風險管理環節建立運行機制。
  
(三)學習借鑒國外研究成果,結合我國稅收實際,大力加強稅收風險識別算法的研究
  
在我國稅收風險識別工作的起步階段,不管是基礎數據體系,還是理論方法體系,都還比較薄弱。發達國家雖然有很多的經驗和技術可供借鑒,但若要應用于我國稅收風險管理工作當中,還需要結合我國的稅制及數據基礎,對算法進行改進。要做好風險識別算法研究工作,一是要選調各個領域的專業化人才,組成稅收風險識別和分析團隊,針對本地區的稅收管理工作特點,研究適合本地區的稅收風險識別算法,并在此過程中逐步培養一支專業化的人才隊伍。對于有普遍適用意義的算法,可以進一步在全國推廣應用。二是要結合當前稅收數據基礎研究風險識別算法,也可以使用多種算法進行對比分析。只有當風險識別算法積累到一定程度后,稅收風險管理才能夠真正發揮其專業化管理的作用,否則專業化管理只是一句空話。
  
(四)著眼于建立健全風險識別分析體系,加強涉稅數據管理
  
對于當前我國稅收管理工作存在的一些難點和問題,其實質原因基本都可以歸結到征納雙方信息不對稱問題上來,國家稅務總局也因此確立了信息管稅的工作思路。對于數據的采集和積累工作,一方面要能夠滿足當前的稅收征收管理工作需要,另一方面要著眼于未來建立健全的風險識別和分析的方法體系。一是要加強與相關部門協調,建立健全數據共享機制,多方采集第三方數據。條件成熟時,要尋求通過立法,從法律層面強化第三方向稅務部門提供相關涉稅信息的義務。二是要加強稅務部門內部基礎涉稅數據的規范管理,整合現有的數據資源,逐步理順并建立統一完善的稅收數據管理機制,對數據采集、審核、存儲、應用、發布、維護等各個環節,明確各個部門的職責分工,為進行稅源專業化管理創造必要的數據條件。

0592-5902138

[email protected]

網站備案號:閩ICP備14000132號 | 版權所有:廈門同步天成軟件股份有限公司 Syncsoft @2016

7星彩2014031