Материал: Оптимизация и моделирование в автоматизированных системах

3.Скрупский, С.Ю. Автоматизация подготовки рабочих станций в локальных вычислительных сетях / С.Ю. Скрупский, А.Г. Маркин, Л.С. Скрупская // Радиоэлектроника, информатика, управление, №1 (22), 2010. С. 141–143.

4.Ваганов, М.Ю. Обнаружение вредоносных программ на основе анализа активности рабочей станции / М.Ю. Ваганов // Вестник Омского университета. №4. 2010. С. 134–136.

5.Галашина, Н.Е. Технологии обеспечения защиты вычислительных сетей с использованием вариабельных по составу средств / Н.Е. Галашина, В.А. Костеж, Л.Б. Левковец // Историческая и социально-образовательная мысль. Т.7. №3. 2015. С. 184–189.

6.Дагаев, А.Ф. Обеспечение информационной безопасности в вычислительной сети предприятия / А.Ф. Дагаев, А.Н. Самойлов, Е.А. Борисова // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. № 38. 2008. С. 7–13.

7.Скатков, А.В. Программная система учета интервального дрейфа системных характеристик при управлении вычислительным узлом / А.В. Скатков, К.С. Ткаченко // Автоматизация: проблемы, идеи, решения. 2015. С. 116–116.

8.Вентцель, Е.С. Теория вероятностей / Е.С. Вентцель. – М.: Наука,

1969. – 576 с.

9.Гнеденко, Б.В. Введение в теорию массового обслуживания / Б.В. Гнеденко, И.Н. Коваленко. – М.: Наука, 1966. – 432 с.

10.Клейнрок, Л. Вычислительные системы с очередями / Л. Клейнрок. – М.: Мир, 1979. – 600 с.

ФГАОУ ВО «Севастопольский государственный университет», Россия

УДК 519.866

Н.Е. Уминская, И.В. Затонская

ИНСТРУМЕНТЫ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ В ПРОГНОЗИРОВАНИИ ПОКАЗАТЕЛЕЙ РАЗВИТИЯ РЕГИОНА

Важной задачей каждого региона России в настоящее время является развитие сельского хозяйства. Агропромышленный комплекс страны должен обеспечить продовольственную безопасность в условиях экономических санкций. Решение данной задачи во многом зависит от размера прибыли, которая остается в организациях после уплаты налогов [4]. Налоговая система Российской федерации не обеспечивает необходимый уровень стабильности налоговой среды. В налоговое законодательство ежегодно вносятся изменения и поправки, которые способствуют налогоплательщикам разрабатывать схемы

100

ухода от уплаты налогов. Данный факт приводит к сокращению доходов в бюджеты всех уровней - федерального, регионального и местного [8].

Данные федеральной налоговой службы по Краснодарскому краю показывают, что с 2013 г количество налогоплательщиков, предоставивших налоговые декларации по единому сельскохозяйственному налогу. постепенно сокращается. Так в 2013 г. таких предприятий было 9306, в 2014 г. – 8965, в 2015 г. – 8982, в 2016 г. – 8957. Это может быть связано с возможностью использовать другой налоговый режим – упрощенную систему налогообложения, которая окажется более выгодной для организаций, индивидуальных предпринимателей и крестьянско-фермерских хозяйств. Уровень собираемости налога по Красно-

дарскому краю составил на 01.01.2016 г. - 13,6 %, на 01.01.2017 г. – 18,7 %, на

01.01.2018 г. – 15,6 % от общей суммы налогов и сборов в консолидированный бюджет.

На размеры сумм ЕСХН повлияла нарастающая убыточность сельхозтоваропроизводителей. К началу 2014 г. на грани банкротства находилось около 12 % субъектов отрасли [5]. В 2015 г. неоднозначная экономическая ситуация, связанная с девальвацией рубля, ростом процентных ставок по кредитам, ограничила возможности использовать заемные средства, импорт высокотехнологичных сельскохозяйственных машин и оборудования, сырья и материалов.

В сложившейся ситуации актуальным является прогнозирование поступлений в региональный бюджет в постоянно изменяющейся налоговой среде. Рассмотрим методы прогнозирования поступления налогов и сборов

врегиональный бюджет, которые чаще всего применяются на практике [6].

1.Метод отношения налогов к ВВП использует данные о перечислении налогов в прошлых периодах, налоговой базе и показателях отчетности текущего периода. Открытые источники информации являются базой построения модели. Использование ряда «Начислено к уплате в текущем году» позволит дать среднесрочный прогноз о пополнении бюджета.

где НДt – налоговый доход;

ВВПt – определяемый на основе прогноза валовой внутренний продукт ВВП в текущих ценах;

Кt – определяемое на основе прогноза отношение налоговых доходов к валовому внутреннему продукту (ВВП). Рассчитывается по статистическим данным как отношение фактических перечисленных налогов к ВВП в момент времени t.

2. Метод суммирования прогнозируемых сумм по отдельным видам налогов осуществляют в определенной последовательности: а) рассчитывается прогнозная сумма различных видов налогов, которая базируется на прогнозе

101

Эt – определяемая на основе прогноза ставка i-го налога в периоде t.

б) рассчитывается прогноз суммы всех налоговых доходов сложением прогнозных сумм различных видов налогов и деления этой суммы на прогнозную долю налога в сумме всех налоговых доходов. При этом, налогооблагаемая база может прогнозироваться по отраслям, по отдельным видам произведенной продукции, по хозяйствующим субъектам [2].

Рассмотренные методы прогнозирования могут быть использованы только в условиях неизменности налогового законодательства, так как не учитывают влияние налоговых реформ.

Налоговая политика предполагает стимулирующую функцию налогообложения, чтобы учесть факторы, влияющие на прогнозную сумму налоговых поступлений, рассмотрим экономико-математическую модель, которая позволит реализовать следующие соотношения: найти приемлемые пропорции между различными видами налогов; максимально увеличить сумму отчислений в бюджеты различных уровней [7].

Реализовать такие соотношения можно в следующей модели:

n

где n – количество видов налогов, отчисляемых в региональный бюджет; λj – приоритет j-го вида налога в налоговой политике региона;

хj – размер ставки j-го вида налога;

Zj – налогооблагаемая база региона по j-му виду налога; αj, βj – нижний и верхний уровень ставки j-го вида налога;

D – величина доходной части регионального бюджета, которая планирует-

в плановом периоде производят необходимую для региона продукцию [1]. Рассмотрим налог на прибыль и установим пределы налоговых ставок,

используя типичную задачу «компромисса», которая предполагает компромисс

от реализации продукции без НДС i-го субъекта;

Сi – затраты на производство и реализацию продукции i-го субъекта; Кi – капитал и резервы i-го субъекта;

102

α – норма прибыли на капитал (учитывает: реальную норму банковского процента, ожидаемый темп инфляции и риски потери капитала);

x – ставка налога на прибыль [1].

Если налог на прибыль линейно зависит от величины прибыли m-

хозяйствующих субъектов, то доход регионального бюджета составит

Пб = ( − ) ,

=1

чистая прибыль каждого хозяйствующего субъекта

ЧПi = (Bi – Ci)(1 – x)

αKi ) ,

x = min (1 - Bi−Ci

любой из m-хозяйствующих субъектов имеет прибыль на капитал не меньше, чем величина α. Общая прибыль субъектов примет максимальное значение, в бюджет поступит минимум доходов. В случае, если

а бюджет получит максимум доходов.

Однако с такой ставкой налога на прибыль хозяйствующие субъекты не заинтересованы осуществлять свою деятельность. Поэтому ставку налога на прибыль можно оптимизировать с использованием задачи целочисленного не-

законодательно;

уi – переменная, принимающая только два значения: 0 и 1;

zi – доля прироста чистой прибыли на капитал i-го хозяйствующего субъекта, недостающая до нижней границы искомой ставки налога на прибыль.

103

Литература

1.Глухов, В.В. Математические методы и модели для менеджмента / В.В. Глухов, М.Д. Медников, С.Б. Коробко. – 2-е изд., испр. и доп. – СПб.:

2005. – 528 с.

2.Затонская, И.В. Методические разработки для выполнения курсовой работы по дисциплине «Математическая экономика» / И.В. Затонская. – Краснодар, 2012.

3.Затонская, И.В. Методические разработки для лабораторных работ по решению распределительных задач о назначениях (для студентов экономических специальностей и направлений подготовки) / И.В. Затонская. – Краснодар, 2012.

4.Краскова, А.А. Оценка финансовых рисков аграрного предприятия по данным отчетности / А.А. Краскова, С.С. Затонская, И.В. Затонская // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2015. № 113. С. 90-104.

5.Машунин, Ю.К. Моделирование развития и организация управления экономикой региона в рыночных условиях / Ю.К. Машунин, И.А. Машунин // Региональная экономика: теория и практика. 2016. № 1 (45). С. 2-9.

6.Осенний, В.В. Симплексный метод учебно-методическое пособие для лабораторных работ и самостоятельного изучения / В.В. Осенний, А.Г. Бурда, Г.П. Бурда, Н.М. Гудимова, И.В. Затонская, С.И. Турлий. – Краснодар, 2015.

7.Региональная экономика и пространственное развитие. В 2 т. Т. 1. Региональная экономика. Теория, модели и методы: учебник для бакалавриата и магистратуры / под общ. ред. Л.Э. Лимонова. – М.: Издательство Юрайт, 2014.

–397 с.

8.Франциско, О.Ю. Игровые модели в экономике / О.Ю. Франциско, И.В. Затонская // Методические разработки для лабораторно-практических занятий и самостоятельной работы (научный редактор А.Г. Бурда). Краснодар, 2009.

ФГБОУ ВО «Кубанский государственный аграрный университет им. И.Т. Трубилина», Россия

УДК 004.009

И.С. Пыкин, А.В. Попов

БАЗА ДАННЫХ МОТОР-РЕДУКТОРОВ

Одним из основных элементов технологического оборудования являются мотор-редукторы. Современные мотор редукторы – это комбинация электродвигателя и редуктора одного из трех основных типов − цилиндрического, планетарного или червячного. Его назначение – это увеличение крутящего момента при уменьшении частоты вращения электродвигателя.

104