МЕТОД ПОСТРОЕНИЯ НЕЙРОСЕТВОЙ МОДЕЛИ НАЛОГОВОГО КОНТРОЛЯ И СИНТЕЗА ОПТИМАЛЬНОГО ПЛАНА ВЫЕЗДНЫХ НАЛОГОВЫХ ПРОВЕРОК

Идея нейросетевого метода налогового контроля впервые была сформулирована в России в [6, с. 7]. Затем в течение 12 последних лет эта идея развивалась и совершенствовалась [7, с. 190—230], [25, с. 17—132], [59, с. 128—193], [26 , с. 37—383] в направлениях:

  • • регуляризации НСМ;
  • • обеспечения оптимального соотношения между устойчивостью модели и ее обобщающими свойствами;
  • • повышения общности модели в аспекте учета реальных сложных условий моделирования (триады «НЕ-факторов», см. параграф 1.5);
  • • согласования управления качеством предобработки данных и качеством их аппроксимации в нейросети;
  • • комплексирования нейросетевого метода с другими методами (нечеткого описания неопределенности, логистической «трансформации» для вероятности доначислений, байесовскими методами);
  • • разработки элементов теории оценки адекватности НСМ;
  • • оптимального выбора системы экономических показателей для повышения информативности НСМ и сокращения размерности факторного пространства.

Теоретическую базу гибридного метода синтеза оптимального плана выездных налоговых проверок составляют разработанные в главе 2 концепции 1—5, 7, 8.

Основой гибридного метода построения НСМ налогового контроля является модифицированный метод вложенных математических моделей (МВММ), подробно описанный в параграфе 3.7. Этот метод позволяет восстановить скрытую в данных зависимость моделируемого индикатора нарушения налогового законодательства Y, в частности отношения затрат к выручке, от ряда экономических показателей, например 16 факторов системы А.О. Недосекина 157, с. 2—17], приведенных в пункте 6.5.2 монографии.

Регуляризация НСМ, построенной по МВММ, осуществляется по квазибайесовскому методу из параграфа 3.6, который играет роль надстройки к основному методу в гибридной системе МВММ. Метод регуляризации и его предпосылки описаны в параграфах 3.1—3.6.

Как указывалось в главе 1 монографии, важным моментом для любого нового метода является оценка адекватности прикладной модели, получаемой на основе этого метода. Адекватность модели, получаемой с помощью гибридного МВММ, оценивалась по специально разработанному методу многоступенчатой оценки адекватности, описанному в параграфе 3.9. Этот метод оперирует с интегральными (выходными) характеристиками НСМ. В качестве таковых использовалась вероятность PGCV по (3.85) совпадения первоочередных последовательностей выездных налоговых проверок по оптимальным планам, вычисленным для различных нейросетей-гипотез hq(x,]VH) отфильтрованного байесовского ансамбля.

Для синтеза оптимального плана выездных проверок использовался простой метод отбора, основанный на ранжировании предприятий-на- логоплательщиков по У-критерию, учитывающему косвенно величину ожидаемых доначислений и их вероятность согласно (3.86).

Таким образом, в главах 2 и 3 был разработан весь комплекс взаимосвязанных концепций и реализующих их методов, входящих в гибридную систему МВММ и его надстроек. Однако в процессе разработки прикладных аспектов гибридной модели синтеза оптимальных планов выездных налоговых проверок возник ряд сложных вопросов, изложенных ниже.

 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ   ОРИГИНАЛ     След >