Geum.ru

Н. В. Карасева московский инженерно-физический институт (государственный университет) применение технологии имитационного моделирования для анализа рисков при таможенном оформлении вдоклад

Вид материалаДоклад
Подобный материал:

УДК 004(06) Информатика и процессы управления


Н.В. КАРАСЕВА

Московский инженерно-физический институт (государственный университет)


ПРИМЕНЕНИЕ ТЕХНОЛОГИИ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ДЛЯ АНАЛИЗА РИСКОВ

ПРИ ТАМОЖЕННОМ ОФОРМЛЕНИИ


В докладе исследуется возможность применения имитационного моделирования для анализа рисков при таможенном оформлении, на примере использования метода Монте-Карло.


Одной из основных задач федеральной таможенной службы (ФТС) является предотвращение ввоза контрафактных товаров. В связи с этим чрезвычайно актуальной становится задача выявления групп "товаров риска", контрафактный ввоз которых приводит к наиболее существенным потерям таможенных платежей. ФТС собирает подробную информацию по грузовым таможенным декларациям.

В данной работе исследуется возможность применения имитационного моделирование рисков по методу Монте-Карло для количественной оценки риска при таможенном оформлении. Математическая модель некоторого процесса, в том числе и таможенного оформления, может быть представлена функциональной зависимостью между совокупностью входных переменных Xi (i=1,2…n) (номенклатура товара, вес товара, стоимость товара и т.д.) и одной или несколькими выходными (зависимыми) переменными Y:

Y=f(X1,X2…Xk) (1)

Имитационное моделирование представляет собой анализ выходных зависимых переменных моделей, в которых одна или несколько входных переменных представляются случайными [1]. С помощью имитационного моделирования Монте-Карло математическая модель определения выходного показателя подвергается ряду имитационных итераций, осуществляемых с помощью вычислительной техники. В процессе проведения имитация строится ряд сценариев, с использованием входных данных, которые изначально неопределенны и представляют собой случайные величины [2].

На первом этапе определяются математические отношения между числовыми переменными, которые относятся к прогнозу выбранного показателя. В качестве одной из моделей для анализа рисков при таможенном оформлении используется модель расчета расхождения за счет занижения цены – расхождение данных ФТС и стран Европейского союза за счет занижения цены [3]. Общий алгоритм расчета данного показателя следующий:


СostRF(импорт)/NettoRF(импорт)-СostEC(экспорт)/NettoEC(экспорт)

R=-----------------------------------------------------------------------------------------(2)

NettoEC(экспорт)*NettoRF(импорт)


На следующем этапе генерируется большой объем случайных сценариев, каждый их которых отображает конкретную поставку товара с имитацией фактов занижения таможенной стоимости. Распределения входных вероятностных переменных модели определяют выбор значений из определенных диапазонов, с помощью которого задается вес всем возможным результатам. Необходимо установить корреляции в системе случайных переменных. Например, при перевозке одних групп товаров совместно с другими, с целью сокрытия более дорогого товара. При моделирование коррелированных переменных одна выбирается случайным образом, а другая согласно диапазону значений, выбор которого зависит от первой переменной. Для определение параметров корреляции могут быть использованы методы регрессионного анализа. Завершающей стадией анализа рисков является обработка и анализ результатов, полученных в процессе прогонов имитационной модели. Каждый прогон представляет вероятность события, равную P = 100/K, где P - вероятность единичного прогона, %, k – количество прогонов. Например, если количество случайных прогонов равно 10000, то вероятность одного прогона составляет P = 100/10000 = 0,01 %. В частности в качестве меры риска занижения цены при таможенном оформлении товаров, можно использовать вероятность получения положительных значений R расхождения за счет занижения цены. Такая вероятность оценивается как произведение количества результатов с отрицательным значением и вероятности единичного прогона. Например, если из 10000 прогонов отрицательные значения R окажутся в 6765 случаях, то мера риска составит 67.7%.


Список литературы

  1. Компьютерная поддержка решений, учебник для вузов. Матвеев Л.А. С.-Петербург: «Специальная Литература», 1998.
  2. Имитационное моделирование. Теория и технологии. Рыжиков Ю.И., С.-Петербург, «Корона принт», 2004.
  3. Основы таможенного дела, учебник. Драганов В.Г. М.: «Экономика», 1998.




ISBN 5-7262-0633-9. НАУЧНАЯ СЕССИЯ МИФИ-2006. Том 12