Эконометрические модели, основанные на авторегрессионных процессах, следует, на наш взгляд, рассматривать наряду с моделями для процессов со стохастическим трендом (TS-модели) и моделями для процессов с детерминистическим трендом (DS-модели).

Модель оценки поступлений (Revenue Estimating Model, REM) представляет собой модель-калькулятор, для прогнозирования налоговых поступлений исходя из информации о налоговых поступлениях за предыдущие месяцы. В REM-модели расчет прогнозных значений проводится в постоянных ценах и основывается на значениях поступлений за соответствующий период базового года с учетом возможных изменений ставок и базы налогов. Имевшие место изменения учитываются простой корректировкой на соответствующий множитель. Кроме того, в REM-модели осуществляется дополнительная корректировка прогнозных значений на относительное изменение поступлений текущего года по сравнению с предыдущим годом. Чем ближе прогноз поступлений к концу текущего года, тем в большей степени он опирается на информацию о поступлениях те куше го года.

Замечено, что TS-модели по сравнению с DS-моделями дают более качественный одношаговый прогноз для поступлений по подоходному налогу. Прогнозы подоходного налога, полученные с помощью этих эконометрических моделей (TS- и DS-моделей), лучше прогнозов, построенных по модели оценки поступлений (REM). Для прогноза поступлений налога на прибыль эконометрические модели (в данном случае TS- и DS-модели считаются равнозначными) уступают REM-модели. Для прогноза поступления налога на добавленную стоимость, как и в случае прогноза подоходного налога, качество прогнозов с применением TS-моделей также считается несколько выше прогнозов с применением DS- и REM-моделей. Для расчета прогнозных значений суммарных налоговых поступлений в консолидированный бюджет Российской Федерации REM-модель дает существенно более качественный прогноз, чем эконометрические модели. Наконец, для суммарных налоговых поступлений в федеральный бюджет Российской Федерации наилучшие характеристики дает прогноз на основе эконометрических моделей, а не REM-модели.

Качество одношаговых прогнозов налоговых обязательств с помощью макроэкономических моделей улучшится, если в уравнение добавить значимые объясняющие переменные.

Среди рассмотренных методов построения одношаговых прогнозов налоговых обязательств наиболее точные результаты дает метод, в котором на каждом шаге производится переоценка коэффициентов уравнения.

Наиболее точными считаются результаты прогнозов налоговых обязательств для налога на прибыль и подоходного налога. Они не хуже прогнозов соответствующих налоговых поступлений, полученных на основании ARMA и REM-моделей.[5]

Точный прогноз налоговых поступлений в бюджетную систему страны - это одно из главных условий успешной работы налоговых органов. В налоговых органах наиболее часто приходится иметь дело с текущим регулярным прогнозом, используемым также при формировании месячных заданий подчиненным территориальным инспекциям. Прогнозные значения на окончание предстоящего периода определяются обычно по предыстории с помощью различных типов прогнозов. Предшествующие прогнозному значению величины зависят в значительной степени от ряда случайных событий. К сожалению, в настоящее время в территориальных налоговых органах отсутствуют обоснованные методы прогноза в условиях случайных искажений анализируемой информации, а применяемые методы прогноза налоговых поступлений не учитывают специфику работы конкретных налоговых органов.