Планирование налоговых поступлений в бюджет

     При применении временных рядов прогноз строится на основе использования только предыдущего значения переменной, в данном случае показателя налоговых поступлений. Эти простые модели с одной переменной считаются более надежными по сравнению со сложными структурными моделями. Например, модель временного ряда может использовать месячные данные о прошлых поступлениях налога на прибыль и на основании прошлых закономерностей в поведении этой переменной она предскажет будущие значения поступлений из этого источника. Поэтому для использования моделей временных рядов необходимо иметь только прошлые значения самой прогнозируемой переменной. Сдвиги в динамике временных рядов, связанные с реформами в налоговом законодательстве (структуре налога)или с какими-то иными крупными изменениями, могут быть учтены в модели с помощью специального статистического приема - учета так называемой фиктивной переменной. Суть прогнозирования переменной по прошлой ее динамике заключается в выявлении корреляции будущих значений этой переменной с ее прошлыми. Если такую корреляцию можно определить и разложить ее на составляющие, придав ей структуру, то получатся достаточно точные прогнозы. Прогнозы временных рядов налоговых поступлений осуществляются с помощью метода взвешенного скользящего среднего, метода двойного экспоненциального сглаживания, метода Хольта-Винтерса, модели авторегрессии и скользящего среднего.

     Прогнозы  налоговых поступлений с использованием нескольких переменных создаются потому, что информация в таком многомерном временном ряде может улучшить качество прогноза исследуемого показателя. В частности, при прогнозе налога на прибыль в качестве переменных, связанных с налоговой базой, можно использовать зарплату, прибыль, ставку процента. Типичным примером прогнозных моделей с несколькими переменными являются макроэкономические модели налоговых поступлений. При построении прогнозных значений налоговых поступлений, как правило, приходится предварительно прогнозировать объясняющие переменные с использованием различных методик, включая экономические методы, и только потом прогнозировать сами налоговые поступления. При этом используется несколько типов моделей прогнозирования с несколькими переменными: структурные эконометрические модели, линейные и нелинейные уравнения, индикаторные модели.