税收风险识别模型建设存在的问题及对策

胡国庆

摘要：税收风险识别是税收风险管理的核心，税收风险识别模型是税收风险识别的基础和关键。本文对税收风险识别模型建设中存在的问题及成因进行深入分析，进而提出大数据时代做好税收风险识别模型构建工作的建议。

关键词：税收风险；识别模型；问题；对策

一、引言

随着税收征管改革的进一步深化，打造“以税收征管信息化平台为依托、以风险管理为导向、以分类分级管理为基础，推进征管资源合理有效配置，实现外部纳税遵从风险分级可控、内部主观努力程度量化可考”的现代税收征管方式，已成为各地税收征管体制改革的新方向。新的征管方式要求各级税务部门必须以风险管控为导向，运用风险管理的理论和方法，以信息管税为依托，在推行税源分类管理的基础上，有效识别和评估税收风险，就不同等级的税收风险制定不同管理策略，及时处理应对税收风险，提升税收治理现代化水平。税收风险识别模型的科学性和有效性程度如何，决定了税收风险识别成功与否，进而影响整个税收风险管理活动的成果。如何做好税收风险识别模型建设工作，逐渐成为当今国内税务部门在税收管理实践中急待解决的新问题。

二、税收风险识别模型建设现状及主要问题

税收风险识别模型是指税务部门依据纳税人申报数据、第三方交换数据以及国际情报交换等数据，结合纳税人税收风险特征，通过数据比较分析，提取的用于识别纳税人税收风险的若干风险指标集。根据对应税收风险领域不同，一般可分为行业税收风险识别模型和单税种税收风险识别模型。自2006年国家税务总局在税收风险管理国际研讨会上首次引入税收风险管理理念以来，全国大多数省份的国地税机关先后推行以税收风险管理为导向的税源专业化管理改革，省、市、县各级税务机关建设了大量税收风险识别模型，并自行开发税收风险管理平台，将模型部署在平台中，开展税收风险识别及应对工作。近年来，国家税务总局税收风险管理办公室也陆续筛选一些优秀风险模型，在全国税务系统验证、推广。总体而言，税收风险识别模型建设及应用工作取得了一定成效，但同时也存在以下问题：

（一）税收风险识别指标精准度不高。在税收风险管理实践中，通过税收风险模型识别出的税收风险点，多数能够在风险应对环节得到验证，并通过补缴税款等措施予以处理，但是也有相当一部分税收风险提示经查证并未导致税款流失，不是真正的税收风险。同时在应对过程中，往往会顺带发现很多未被模型识别出的税收风险，对于这类风险，目前仍需在应对环节通过人工分析识别。

（二）税收风险识别行业针对性不强。不同行业有其各自行业特点，其行业利润率、行业税负率等指标上也存在差异，目前虽已针对不同行业设置了行業税收风险识别模型，能够识别出一般性税收风险，但是多数税收风险指标未能真正贴近行业实质、触及行业深层问题，一些较大的税收风险依然潜伏在冰山下未能被及时发现。

（三）特定复杂事项税收风险识别度低。对于复杂的股权转让、经过恶意筹划的税收安排等涉税活动中存在的税收风险，一般在专项审计、反避税调查、大数据分析应用等环节中时有发现，但是对于这类税收风险基本尚未建成有效的税收风险识别模型，无法部署在税收风险管理系统中实现自动识别和排序推送。

（四）单税种税收风险识别有效性不一。目前已建成的各单税种税收风险识别模型中，对于城建税、房产税、土地使用税等相对简单的税种，其税收风险识别度相对较高，但是对于企业所得税、土地增值税等相对复杂的税种，由于其计税方式复杂，涉税事项和涉及环节较多，其税收风险识别度仍有待提升。

三、税收风险识别模型建设问题的主要成因

（一）风险管理组织体系不健全。目前全国税务系统尚未形成统一规范的风险管理模式，各地税收风险管理实践仍处于摸索阶段，缺乏成熟的工作标准和规范指引。税收风险管理主管机构承担的职责与其人员力量不相匹配，随着税收信息化程度的提高，越来越多的数据汇集在中央、省级层面，大量事项需要由更高层面直接处置。我国税务机关由于受机构编制及职数的限制，总局和省局均没有足够的人力，无法有效应对这些需要集中处理的工作事项。地方各级风险管理主管机构大多同时肩负很多其他职责，也缺少专司税收风险识别的人力保障。税收风险主管机构一般无权调动相关部门配合工作，难以形成合力，协同开展税收风险识别工作。

（二）行业经营规律掌握不透彻。税收风险识别工作是一项比较庞杂的工作，涉及众多行业。由于国内税收风险管理发展起步较晚，能够真正掌握某一行业运营规律、熟知行业内幕的税务干部较少，行业税收风险识别模型大多比较粗浅，模型设定的参考值与行业实际情况偏差较大，行业税收风险监管作用不明显，尚不能实现“建立一个模型，规范一个行业”的积极效用。

（三）涉税数据质量和利用率不高。税收风险识别模型构建离不开大量的基础数据，数据采集与分析贯穿于风险识别、风险应对、风险评价等风险管理环节，数据质量高低直接影响税收风险识别模型构建的成效。就目前情况而言，税务系统在数据收集及数据分析处理等方面均有待提升，一方面搜集来的数据质量参差不齐，数据准确度和可利用度较低，另一方面对现有的数据也未能充分挖掘利用其价值。

（四）风险识别指标提炼不成熟。在税收风险识别模型中，风险识别指标是非常重要的组成部分。税收风险指标的设计既要紧密结合纳税人经营常规，能够精准定位税收风险，又要基于现有数据和税收征管系统，便于被软件系统识别。对纳税人生产经营状况了解程度以及对税收基本规律的把握程度，直接制约着税收风险指标提炼是否成熟、参数设置是否恰当。当前各种宏观税收风险指标、行业及微观税收风险指标，均在一定程度上存在验证不足、预警值和指标权重设定不当等现象，需要进一步完善。

四、大数据时代提升税收风险识别模型有效性的对策

在大数据时代，需要采用新的思维模式重新审视税收风险管理工作，围绕问题产生原因寻找新的思路和方法。

（一）深入研究、全面剖析，摸清各行业内在规律。从西方发达国家的经验来看，税收风险识别模型建设非一日之功，必须基于大量的工作积淀之上。一要深入开展相关理论研究，借鉴内控理论和风险管理理论体系，紧扣税收工作实际开展系统研究，为税收风险识别模型构建提供理论指导。二要选好样本企业剖析，样本企业要有代表性，以便于获取详实资料，精准捕捉风险指标；样本数量要适中，样本过少则难以分析全面，样本过多则难以分析透彻。三要积极探索行业税收风险管理，在产业聚集区域试点设立行业税收风险管理机构，打破区域管理界限，分类汇集系统内的行业管理专家，让其专注行业研究，服务税收全局。

（二）广泛搜集、充分挖掘，发挥大数据分析优势。一要加强数据质量管理。按标准采集涉税数据，确保纳税人申报纳税信息、第三方采集信息的准确性与完整性；定期开展数据审计和数据清理，为开展税收风险识别提供高质量的数据源。二要广泛获取第三方涉税信息。大数据思维首先要求尽可能掌握更多的相关数据，当前应抓住《促进大数据发展行动纲要》和《政务信息资源共享管理暂行办法》颁布实施的重要机遇，积极搭建与其他政府部门的信息共享平台，力争全面、实时、准确地获取相关涉税数据，在此基础上不断丰富税收风险指标体系。三要注重数据相关性分析。牢牢掌握税收领域的“制数权”，在有效整合现有数据的基础上，不仅注重挖掘因果关系，更要挖掘税收风险的相关关系，寻找未知的税收风险指标。四要引入人工智能技术。利用机器学习等大数据分析方法，实现税收风险识别智能化，真正体现数据治税。

（三）动态校验、不断调整，持续优化风险指标集。随着对税收风险管理研究的不断深入以及对税收风险点的进一步挖掘和了解，不断完善税收风险特征库和税收风险指标体系。注重在税收风险管理实践中持续優化模型，将税收风险应对过程中产生的数据转化为校验资料，不断积累验证样本，通过回归分析等数据分析手段，及时修正指标预警值与权重，提升税收风险识别模型的精准度。

（四）上下联动、分工配合，组建风险专业化团队。一是重新梳理职责流程，建立分工协作机制。对各层级、各部门在模型建设的分工职责予和工作流程做出明确规定，由总局层面制定加强税收风险识别模型建设的总体规划设计，统筹税收风险识别模型构建工作，由省级税务部门负责协调落实，采取省局主办、市局承办、省（市）际联办等方式协作建模，充分发挥各层级比较优势。二是建立税收风险管理团队化运作机制。一方面加大对在岗人员的培训力度，提升综合素质与专业能力，做好税收风险管理人才储备；另一方面基于现有人力资源状况，组建税收风险管理团队，发挥人才聚集效应，集中优势兵力破解税收风险识别难题。三是积极探索重要事项上收、总部统筹处理的模式，顺应时代发展潮流，利用“金税三期”上线契机，发挥数据平台优势，设法突破编制职数限制，做大总局、省局机关力量，推行机关实体化运作，从机构上保障税收风险管理工作。