Разработка принципов прогнозирования таможенных правонарушений и преступлений

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Санкт-Петербургский филиал Российской таможенной академии

Разработка принципов прогнозирования таможенных правонарушений и преступлений

Д.Н. Афонин, д--р мед. наук, профессор

Аннотация

В статье рассматривается возможность применения анализа динамических критериев анализа экономической устойчивости предприятий - участников внешнеэкономической деятельности для прогнозирования совершения ими таможенных преступлений и правонарушений. Автором построена математическая модель, которую можно использовать для категорирования участников внешнеэкономической деятельности. В основу модели положен анализ бухгалтерской отчетности ста предприятий, из которых одну половину составляли уполномоченные экономические операторами, а вторую - фирмы, которые были привлечены к административной или уголовной ответственности за нарушения таможенного законодательства.

Ключевые слова: участники внешнеэкономической деятельности, экономическая устойчивость, математическое моделирование, таможенные преступления, таможенные правонарушения.

Риск совершения участниками ВЭД преступлений и правонарушений в таможенной сфере напрямую связан с обстоятельствами, которые указывают на наличие недобросовестных действий со стороны данных участников ВЭД [1, 2].

Целью настоящей работы являлась разработка принципов использования динамических экономических показателей для определении риска совершения преступлений и правонарушений в таможенной сфере.

Для решения поставленной задачи нами были использованы динамические экономические показатели устойчивости предприятий, предложенные М.Бенишем [3]. В основу исследования легли данные бухгалтерских балансов 100 предприятий-участников ВЭД. При этом, 50 из анализируемых участников ВЭД являлись уполномоченными экономическими операторами, которые были взяты из реестра уполномоченных экономических операторов. Одним из условий включения компаний в данный реестр является отсутствие фактов привлечения в течение одного года до обращения в таможенный орган к административной или уголовной ответственности за правонарушения в сфере таможенного дела. Соответственно таких участников ВЭД можно назвать «добропорядочными» в таможенной сфере.

Второй половиной проанализированных участников ВЭД являлись фирмы «нарушители», которые в рассматриваемый период были привлечены к административной или уголовной ответственности за нарушения таможенного законодательства. Как правило, данные участники ВЭД привлекались к ответственности по статье 194 УК РФ «Уклонение от уплаты таможенных платежей, взимаемых с организации или физического лица» и по статье 226.1 УК РФ «Контрабанда сильнодействующих, ядовитых, отравляющих, взрывчатых, радиоактивных веществ, радиационных источников, ядерных материалов, огнестрельного оружия или его основных частей, взрывных устройств, боеприпасов, оружия массового поражения, средств его доставки, иного вооружения, иной военной техники, а также материалов и оборудования, которые могут быть использованы при создании оружия массового поражения, средств его доставки, иного вооружения, иной военной техники, а равно стратегически важных товаров и ресурсов или культурных ценностей либо особо ценных диких животных и водных биологических ресурсов», а также по статье КоАП РФ 14.10 «Незаконное использование средств индивидуализации товаров (работ, услуг)» и по статьям из Главы 16 КоАП РФ «Административные правонарушения в области таможенного дела (нарушение таможенных правил)». Пример судебного решения по делу в отношении участника ВЭД, который участвовал в выборке, представлен в приложении 3.

Из системы, предложенной М. Бенишем, было взято четыре основных динамических показателя: DSRI, GMI, SGI, SGAI. Выбор именно этих динамических показателей связан с тем, что они отображают основную финансовую информацию об участнике ВЭД, что является важным критерием для оценки риска совершения ими преступлений и правонарушений в таможенной сфере. А также вся необходимая информация об участнике ВЭД для расчета данных динамических показателей находится в открытом доступе.

Кроме того, для достоверности разрабатываемой модели были введены дополнительные показатели, которые также позволяют предположить о наличии или отсутствии преступлений и правонарушений в таможенной сфере. Этим показателям были даны обозначения PP и T, где PP - это динамический показатель, показывающий изменение чистой прибыли во времени (например, чистая прибыль текущего года делится на текущую прибыль предыдущего года), а T - временной показатель, отражающий время существования предприятия-участника ВЭД.

Для формирования необходимой для анализа базы данных экономических показателей рассматриваемых участников ВЭД были использованные данные с сайта Федеральной службы государственной статистики по форме запроса на предоставление данных бухгалтерской отчетности по запросам пользователей. Также для получения необходимой дополнительной информации о компании были использованы сведения о государственной регистрации юридических лиц, индивидуальных предпринимателей, крестьянских (фермерских) хозяйств с сайта Федеральной налоговой службы.

После подсчета всех необходимых показателей в программе Excel для построения регрессионной модели была использована программа статистического анализа STATISTICA 10.

Рассматриваемые показатели по 100 предприятиям-участникам ВЭД были перенесены в программу STATISTICA, а также был добавлен новый показатель - «отсутствие правонарушений и преступлений в таможенной сфере» (далее - OTS). Соответственно для добропорядочных участников ВЭД он равнялся единице, а для нарушителей - нулю. Таким образом, данный показатель выступил зависимой переменной для регрессионной модели, а все остальные, ранее рассчитанные показатели, выступили независимыми переменными (DSRI, GMI, SGI, SGAI, PP, T).

Для проверки адекватности регрессионной модели был проведен дисперсионный анализ, затем проведена оценка значимости уравнения регрессии на основе F-критерия Фишера, а также проведен многосторонний анализ остатков.

Прежде всего стоит обратить внимание на значение коэффициента детерминации. Значения коэффициента детерминации лежат в пределах от 0 до 1. В составленной модели RI = 0, 87. Это является очень хорошим значением, которое показывает, что построенная регрессионная модель объясняет более 87% разброса переменной OTS относительно среднего.

Далее были рассмотрены значение F-критерия и уровень значимости p. F-критерий используется для проверки гипотезы о значимости регрессии. В данном случае F-критерий принимает большое значение - 18,36 и уровень значимости p = 0,0000, которые показывают, что построенная регрессия высоко значима.

Множественная линейная регрессия предполагает линейную связь между переменными в уравнении, и нормальным распределением остатков. Если эти предположения нарушаются, окончательные заключения могут оказаться неточными. Нормальный вероятностный график остатков (рис. 1) наглядно показывает отсутствие больших отклонений от высказанных предположений.

Рис. 1. Вероятностный график остатков модели

Рис. 2. Диаграмма рассеяния остатков относительно удаленных остатков

прогнозирование таможенный правонарушение

Диаграмма рассеяния остатков относительно удаленных остатков для данной модели представлена на рис. 2. Единственный выброс несильно отличается от стандартизованных остатков, что говорит о том, что регрессионный анализ не искажен соответствующим наблюдением.

Таким образом, из проведенного анализа результатов построение регрессионной модели можно сделать вывод, что модель достаточно адекватно описывает проблемную область. Следовательно, ее можно использовать для прогнозирования правонарушений и преступлений в таможенной сфере на основе динамических экономических показателей, характеризующих экономическую устойчивость участников внешнеэкономической деятельности.

Библиографический список

1. Афонин П.Н., Лямкина А.Ю. Применение стандарта ISO 31010:2009 для повышения эффективности системы управления рисками при реализации таможенных услуг // Управление экономическими системами: электронный научный журнал. 2012. №3 (39). С. 91.

2. Афонин П.Н., Вакулина А.А., Топкова И.А., Яргина Н.Ю. Криминологическая методика оценки таможенных правонарушений с использованием программного комплекса выявления рисков (ПК ВТР) // Теоретические и прикладные аспекты современной науки. 2014. №2-1. С. 164-166.

3. Beneish M. The detection of earning manipulation // Financial Analysts Journal. 1999. №55 (5). pp. 24--36.

Размещено на Allbest.ru