亚美尼亚共和国：基于运营审计的企业所得税差距估算技术援助报告

亚美尼亚共和国 关于根据运营审计的国有企业所得税差距估计 2024年5月 由Soren Pedersen，Tobias Gabel Christiansen准备 会员 亚美尼亚、阿塞拜疆、格鲁吉亚、哈萨克斯坦、吉尔吉斯共和国、蒙古、塔吉克斯坦、土库曼斯坦、乌兹别克斯坦 合作伙伴瑞士、俄罗斯、中国、韩国、美国、亚洲开发银行、波兰 免责声明 本报告内容构成国际货币基金组织（IMF）工作人员向亚美尼亚当局（“TA 接收方”）提供的专业技术建议。在接收方请求技术援助的情况下，本报告（全部或部分）及其摘要可由IMF向IMF执行董事及其工作人员、以及其他TA接收方的机构或代理机构披露，并在他们请求的情况下，向世界银行工作人员以及其他有合法利益的提供技术和援助的捐助方披露，包括CCAMTAC指导委员会成员，除非TA接收方明确反对此类披露（见操作指南：技术援助信息传播 ). 本报告（全部或部分）或其摘要的发布或披露给国际货币基金组织（IMF）以外的各方，包括但不限 于TA接受国的机构或工具、世界银行工作人员、其他技术援助提供者和对CCAMTAC指导委员会成员等有合法利益者，需获得TA接受方和IMF财政事务部门的明确同意。 内容 推荐 __________________________________________________________________ 7执行摘要 _________________________________________________________________ 6缩写和首字母缩略词 _________________________________________________________ 4序言 ____________________________________________________________________________ 5 I. 引言 ______________________________________________________________________ 8 II. 主要发现 ____________________________________________________________________ 10 A.CIT差距结果___________________________________________________________________ 10B.运营审计_________________________________________________________________ 13C.机器学习模型 ____________________________________________________________ 14 III. 下一步骤______________________________________________________________________ 16 A. 成立数据分析团队_______________________________________________________ 16B. 测试机器学习模型 _____________________________________________________ 16C. 建议 ________________________________________________________________ 17 数据 图1. 前10大行业的中位数CIT差距（千AMD） __________________________________ 11 图2. 按营业额的中位数CIT差距（千AMD） _______________________________________ 12 图3. 按员工数量的中位数CIT差距（千AMD） ____________________________ 12 图4. 按企业年龄的中位数CIT差距（千AMD）_________________________________ 13 表格 表 1. 基于运营审计的 CIT 差额估计_____________________________________ 10 表 2. 2020 年、2021 年和 2022 年的收入年度命中率，平均更正___________________ 13 表 3. 网络营销与当前 SRC 策略的比较__________________________________ 15 附件 附件I. 补充材料 ________________________________________________________ 19 缩写和缩略语 AMD亚美尼亚德拉姆是亚美尼亚的货币。CCAMTAC高加索、中亚和蒙古区域能力发展中心CD能力发展CIT公司所得税客户关系管理（Customer Relationship Management）合规风险管理FAD国际货币基金组织财政事务部门国内生产总值（Gross Domestic Product，简称GDP）国内生产总值国际货币基金组织国际货币基金组织逆米尔斯比率IMR机器学习模型多层次营销（Multi-Level Marketing）《欧洲共同体经济活动统计术语》NACE个人所得税PIT亚美尼亚国家财政收入委员会源代码（Source Code）国际货币基金组织短期专家STX税务识别号码TIN增值税增值税 序言 应亚美尼亚国家收入委员会（SRC）的请求，由索伦·佩德森先生（FAD）和托比亚斯·加贝尔·克里斯蒂安森先生（FAD短期专家）组成的能力建设（CD）任务小组，于2024年3月11日至22日期间访问了亚美尼亚的耶烈万。此次任务由CCAMTAC资助，目的是根据运营审计估算公司所得税（CIT）差距，并为SRC提供机器学习模型（MLM）的结果，以选择未来审计的案件。 在访问叶里温之前，一个“数据需求文件夹”已被发送至SRC，且SRC已提供大部分所需数据。与SRC的工作人员举行了多次富有成效的工作坊和会议，以确保对SRC提供的数据进行评估的理解，并阐明其他技术问题。报告的发现基于SRC提供的数据。 国际货币基金组织团队对SRC表示衷心的感谢，感谢其在合作中的卓越表现、成果丰硕的工作坊和会议，以及在此次任务前后的出色支持。团队特别感谢开发与行政战略计划部门负责人阿森·萨里基扬先生、开发与行政战略计划部门副负责人姆基特·阿亚茨扬先生、收入评估与分析部门负责人马丁·桑多扬先生以及首席专家格里哥尔·哈科比扬先生提供的卓越支持。 本报告代表提交给阿绍特·H·穆拉德扬副董事长及阿森·萨拉坚发展与管理战略计划部门主任的最终草案报告版本，提交日期为2024年3月21日。报告包括以下内容：摘要以及以下部分：（一）引言（二）主要发现；以及（三）下一步行动。 摘要 这项任务由CCAMTAC资助，基于自下而上的方法，使用国家财政收入委员会（SRC）的运营审计数据，估算了亚美尼亚的企业所得税（CIT）差距。1CIT Gap估计为三年平均35.2%（或26.4%）。2关于2020年、2021年和2022年收入年度可能产生的CIT负债。 对于2020年、2021年和2022年，CIT差距预计分别占潜在CIT负债的38.8%、35.2%和32.8%。3除审计调整（这些调整对收入没有立即影响，其中审计调整导致减少损失或损失转结）外，整体差距为26.4%。按年份划分，分别为2020年的29.2%、2021年的26.4%和2022年的24.6%。 平均CIT差距测量为GDP的1.4%。对于2020年、2021年和2022年，CIT缺口分别为GDP的1.3%、1.4%和1.5%。排除对收入无即时影响的审计调整后，相应的数字为总体1.0%，2020年为0.9%，2021年为0.9%，2022年为1.0%。 在绝对值方面，总体估计的CIT差距为939亿AMD，其中2020年为831亿AMD，2021年为903亿AMD，2022年为1085亿AMD。排除对收入无即时影响的审计调整，总体CIT缺口为620亿AMD。对于2020年、2021年和2022年，CIT缺口分别为540亿AMD、596亿AMD和724亿AMD。 部署的机器学习模型（MLM）有潜力提高亚美尼亚的审计结果，并优化CIT审计的资源分配。一种多层次营销（MLM）也被开发出来，可用于识别新审计中的高风险案例。4 MLM预测，对风险最高的前10%的企业进行审计，其收入可能比SRC现有的风险模型高出三倍。当审计除前10%以外的纳税人时，MLM与当前SRC策略相比，平均CIT更正率也更高。 作为下一步，一致同意对SRC分析师进行培训，以在2023年CIT回报中应用MLM选择案例进行审计。. 也同意作为下一步，测试多层次营销（MLM）与当前选择策略的效果。 此练习的结果可用于SRC的合规风险管理（CRM）工作。如果MLM的测试结果显示在审计结果方面更为有效，那么MLM的结果应被用于SRC未来CRM工作中的高风险案例审计选择。这将提高未来审计的效率，并有可能增加审计所收集的收益。 推荐 I. 引言 1. 此任务由CCAMTAC资助，基于自下而上的方法，利用运营审计数据估算CIT差距。在亚美尼亚，根据法律规定，禁止进行随机审计，而随机审计是理想工具，可用于从下而上的方法测量公司所得税缺口。由于缺乏随机审计，国家收入委员会（SRC）要求使用运营审计来衡量公司所得税缺口。 2. 使用运营审计来衡量CIT差距需要对受审公司的非随机选择进行考虑。在未对未随机选择的案例进行校正的情况下，CIT差距将被高估。这种偏差被称为“样本选择偏差”，是由于案例的非随机选择而产生的。James J. Heckman设计的方法被用来校正样本选择偏差。.5 3. 因此，使用 Heckman 样本选择模型估计了CIT差距。. Heckman方法是一种两阶段程序。在第一阶段，它估计一家公司被选中进行审计的概率。这是通过使用概率单位模型来完成的6并且，SRC使用25个独立的风险评分来定位CIT审计。第二阶段使用公司特征（例如，CIT申报的行数、行业、员工数量等）和一个考虑选择过程的回归器，来模拟审计结果（即，未发现税款）。（更多详情见附件I）。 4. Heckman两步估计器在估计CIT差距的适用性取决于审计的进行方式。如果审计仅关注企业特定部分，它们可能会遗漏未披露的税款，导致低估的企业所得税（CIT）差距。此外，当审计目标特定公司，例如特定行业或企业类型时，获得可靠的估计变得具有挑战性。这种困难源于审计公司在之间所需的增加外推。 关于税收，对于剩余的全体人口，最后，必须采取预防措施，因为即使是经过最严格的审计，不合规的一部分也可能难以发现。这种可能性可能导致对公司所得税（CIT）差距的低估。 五年CIT差距估计值连续三年获得。这些估计涵盖了2020年、2021年和2022年收入年份的最新可用数据。由于每年审计数量有限，年度估计的不确定性更高。 6. 除了CIT Gap估计外，一种多级营销网络（MLM）也被开发出来。.d有可能开发一个多级营销（MLM）系统来选择未来审计的案例，因为用于Heckman方法和开发MLM的数据是相同的。 尽管多层次营销（MLM）看起来很有希望，但它必须在新税申报书中对2023年度的收入进行测试。在根据新的MLM优先安排未来审计之前，应将新模型与SRC现有的模型进行对比测试，以选择2023年收入年度提交的CIT纳税申报表上的审计。 该测试应比较根据每个模型从审计中未披露的税款，因为这根据SRC是成功的主要标准。 8. 本次练习的结果可用于SRC的合规风险管理（CRM）工作中。如果多级营销测试确认了初步结果，即多级营销在审计结果方面更有效，则应利用多级营销的结果在SRC未来的CRM