Тема 3. Общие методики оценки рисков и способы управления рисками. Методики оценки налоговых рисков налогоплательщиков и государства. Способы управления налоговыми рисками.

1. Общие методики оценки рисков

При оценке риска анализируют две его составляющие: вероятность наступления и характер ущерба (рис. 2). Вероятность наступления риска может быть определена объективным или субъективным методом. Объективный метод определения вероятности основан на вычислении частоты, с которой происходит рисковое событие. Субъективный метод определения вероятности основан на использовании различных предположений: суждений оценивающего, его личного опыта, оценки эксперта и т. п. Когда вероятность определяется субъективно, то различными субъектами анализа может устанавливаться разное ее значение для одного и того же события. Определение характера ущерба даже в случае субъективной оценки носит основанное на предположениях стоимостное выражение

В качестве субъективных методов анализа уровня рисков возможно применение таких качественных методов, как аналогии, «Due Diligence», «дерева решений», «Монте-Карло»

Рис. 2. Анализируемые составляющие налоговых рисков

1) метод аналогии, который заключается в сравнении вида, размера и причин возникновения или изменения конкретного анализируемого риска с аналогичной ситуацией. Сравнение про­водится с ситуацией в прошлом или существующей в аналогич­ных институциональных единицах в настоящем. Для этой цели используются результаты исследовательской и маркетинговой информации, а также результаты контент-анализа;

2) метод «Due Diligence» («должное внимание»), который ис­пользуется, главным образом, банками или небанковскими фи­нансовыми учреждениями, проводящими некоторые банковские операции. В основе метода лежит система сбора и анализа ин­формации об эффективности деятельности клиентов, учредите­лей и всех субъектов третьего уровня маркетингового анализа: посредников, поставщиков, конкурентов и всех видов контакт­ных аудиторий. (Методы, используемые для осуществления та­кого анализа, рассмотрены в п. 3.1 главы 3);

3) «дерево решений». Метод построения «дерева решений» ис­пользуется чаще всего для анализа риска, при котором можно выделить обозримое количество просчитываемых вариантов. Этот метод заключается в определении вероятности реализации определенного количества возможных сценариев, в определении количественных и качественных параметров риска для каждого сценария. Для проведения исследования методом «дерева реше­ний» необходимо иметь максимально возможный объем количе­ственной и качественной информации не только в статике, но и в динамике. Для сбора и оценки данных необходимо соблюдать следующую последовательность:

а) определение состава и продолжительности жизненного цикла процесса и/или конкретной финансовой операции;

б) определение ключевых внешних и/или внутренних собы­тий, которые могут оказать влияние на динамику уровня риска;

в) определение времени наступления этих событий;

г) определение возможных решений или вариантов действий, которые могут быть предприняты в результате наступления или ненаступления каждого ключевого события;

д) определение вероятности принятия каждого из возможных решений;

е) определение уровня риска при прохождении каждого из выявленных этапов процесса.

На основании полученного результата строится «дерево ре­шений». Его узлы представляют собой ключевые события, а стрелки (векторы) и соединяющие узлы — объективный про­цесс/конкретную финансовую операцию и т.д.

Для проведения анализа полученного «дерева решений», не­обходимо определить все возможные сценарии и в зависимости от ситуации выбрать оптимальный;

4) метод «Монте-Карло», который является методом форма­лизованного описания неопределенности, применяемым в наи­более сложных для прогнозирования ситуациях.

Толчком к использованию метода «Монте-Карло» в экономи­ческих исследованиях послужила работа известного математика, одного из основоположников кибернетики, Джона фон Неймана, который в конце 1940-х годов ввел этот термин. Название метода происходит от имени столицы княжества Монако, известной сво­ими игорными домами, в которых видное место занимает рулетка.

Метод основан на применении имитационных моделей, по­зволяющих создать множество сценариев, согласованных с за­данными ограничениями на исходные переменные. Имитацион­ное моделирование — это искусственный эксперимент, при котором вместо проведения натуральных испытаний (что прак­тически невозможно при анализе ожидаемого уровня почти всех видов рисков в финансовом секторе) проводятся опыты на ма­тематических моделях. Имитационное моделирование состоит из процесса разработки модели реальной системы и постановки эк­спериментов на этой модели для выявления поведения системы в целом, либо для оценки различных стратегий ее функциониро­вания, обеспечивающих достижение поставленной цели.

Достоинствами этого метода является то, что он наиболее пол­но отражает всю гамму неопределенностей, присущих конкрет­ной ситуации или операции, учитывает всю имеющуюся у ана­литика информацию о проекте, а также позволяет получать «интервальные», а не «точечные» характеристики показателей.

Необходимо отметить, что на практике данный метод может быть применен только с использованием ряда компьютерных программ, позволяющих описывать прогнозные модели с боль­шим количеством случайных сценариев. Точность расчетов ме­тодом «Монте-Карло» во многом определяется качеством про­гнозной модели. Для реализации самого метода необходимо соблюдать следующую последовательность действий:

1) создание прогнозной модели, которая, как правило, пред­ставляет собой математическую зависимость между конкретны­ми зависимыми и независимыми показателями;

2) выявление ключевых (значимых) факторов/показателей;

3) определение законов распределения вероятностей по зна­чимым факторам путем установления доверительных интервалов их минимальных, максимальных и оптимальных значений и про­гнозирования вида и параметров распределения вероятностей внутри доверительных интервалов;

4) выявление корреляционно-регрессионной зависимости между значимыми показателями/факторами и определение их степени с помощью соответствующих коэффициентов;

5) генерирование множества сценариев, основанных на заданных ограничениях;

6) анализ и корректировка полученных результатов.

Перечисленные методы применяют при отсутствии необходимой статистической информации, позволяющей определить вероятность наступления неблагоприятного налогового события (штрафов и пени).

К группе статистических методов относятся конкретные методы, которые исходят из математического понимания понятия «риск», и в процессе использования которых допускается, что любой риск имеет математико-статистически выраженную вероятность возникновения. Анализ проводится на базе статистической информации с активно выраженной динамикой, при этом существует возможность получения результатов с достаточно высокой точностью.

К группе статистических методов относятся математические методы, основанные на оценке вероятности и ущерба события, а также метод экспертных оценок.

Метод экспертных оценок представляет собой процедуру по­лучения оценки риска с помощью опросов специально отобран­ных экспертов относительно значений некоторых параметров и/ или показателей анализа. Примером такой оценки является оп­ределение уровня странового риска в соответствии с методикой БЕРИ. Для осуществления экспертной оценки формируется груп­па аналитиков различного направления, хорошо информирован­ных в области рассматриваемой проблемы. Члены экспертной группы отбираются по признакам их формального профессио­нального статуса и должностного положения, ученой степени, стажа практической и научной работы, а также результатам те­стирования и аттестации со стороны коллег и других специали­стов. Группа экспертов должна обеспечивать надежность и пол­ноту анализируемой информации, возможность ее проверки с точки зрения методологии ее формирования, создавать условия для статистической устойчивости анализируемых рядов динами­ки и гарантировать надежность самой процедуры оценки. Фор­ма опроса экспертов может быть анонимной, очной или заочной, индивидуальной или групповой.

Каждому эксперту предоставляется полный набор анализиру­емой информации, перечень возможных рисков и шкала оценки

вероятности их наступления (или ненаступления). Например, пред­лагается следующая шкала оценки какого-то конкретного риска:

0 — несущественный уровень риска;

25 — скорее всего рисковая ситуация не наступит, т.е. уро­вень риска сохраняет свой оптимальный уровень;

50 — рисковая ситуация не определена, и, вероятно, необхо­дима дополнительная информация;

75 — достаточно высокая вероятность наступления рисковой ситуации;

100 — рисковая ситуация наступит обязательно.

Затем экспертные оценки подвергаются анализу на их разли­чие и противоречивость. При этом максимально допустимая раз­ница между оценками конкретного вида риска двух экспертов не должна превышать определенного, заранее заданного значения вероятности наступления этого риска:

max /A_i – B_i/≤ K

где А, В — вектор оценок каждого из двух экспертов;

i — вид оцениваемого риска;

К — значение критерия.

Например, при наличии трех экспертов должно быть сдела­но три оценки: для попарного сравнения мнений первого и тре­тьего, первого и второго и второго и третьего экспертов.

Количественные методы анализа уровня всех видов рисков основаны на оценке показателей, оказывающих значимое влия­ние на уровень рисков. В процессе анализа с помощью количе­ственных методов получаем стоимостную оценку применения тех или иных мероприятий по оптимизации уровня конкретно­го риска в статике и динамике, в зависимости от внешней и внут­ренней конъюнктуры.

Иными словами, с помощью количественных методов осуще­ствляют анализ чувствительности уровня рисков к ряду факто­ров и показателей, оказывающих значимое влияние на их уровень в статике и динамике. Анализ чувствительности используется, глав­ным образом, для оценки изменения уровня рисков от того или иного внутреннего или внешнего фактора, а также для анализа изменения динамики этих факторов. Обычно анализируются не­сколько сценариев в зависимости от количества и набора факто­ров. Основными методами определения значимых факторов, ока­зывающих влияние на уровень риска, являются корреляционно-регрессионный анализ (КРА) и дисперсионный анализ.