336.221

прогнозування, податок на додану вартість, податкові надходження, ARIMA моделювання, регресія.

Досліджуємо питання моделювання та аналізу надходжень до бюджету податку на додану вартість із застосовуванням математичної моделі ARIMA за допомогою пакета STATISTIKA. На основі її використання формуються рекомендації для прогнозування надходжень даного податку на основі сформовано тенденцій його надходження. На підставі універсальної та не універсальної аргументації й імперичних даних розглянуто сплату даного податку суб’єктами господарювання.

Податок на додану вартість (надалі VAT) є вагомим показником бюджету країни. Достовірність та реальність запланованого показника VAT залежать від оцінювання стану, прогнозу, сезонності та тенденцій економічного, соціального розвитку. Сталий розвиток, незмінність податкового законодавства, форм і методів організації роботи з платниками податків, сприяють належному адмініструванню податків, ефективному та повному надходженні платежів до бюджету, рівня фінансової та податкової культури, інших факторів суспільно – економічного впливу. Це, у свою чергу, призводить до довіри підприємців, інвесторів до держави та бажанні працювати в ній.

Мета статті полягає у дослідженні питань аналізу, моделювання та прогнозування сплати VAT з товарів, робіт та послуг, що вироблені на митній території України. На макрорівні звернуто увагу на прогнозний обсяг податкових надходжень до бюджету. Уподатковому плануванні та прогнозуванні важливе місце слід приділити VAT. Повне та адекватне планування та прогнозування, аналіз його поступлень на практиці визначається загальним комплексним та окремим індивідуальним розумінням сутності, змісту та механізму адміністрування. Недостатня теоретична розробка питань прогнозування та контролю його сплати, відсутність системного підходу до дослідження даного процесу, на практиці унеможливлює прийняття ефективних управлінських рішень з питань податкових надходжень, на які реально може розраховувати держава для реалізації завдань бюджетної політики. Існуюча на сьогодні практика вимагає розробки теоретико – методологічних засад моделювання та податкового прогнозування VAT, його аналізу. Саме ці питання статті досліджуватимуться у статті.

1. J. A. Giesecke, Tran Hoang Nhi. A General Framework forMeasuring VAT ComplianceRates. URL: http://vuir.vu.edu.au/38907/1/g-206.pd.
2. Glenn P. Jenkins, Chun-Yan Kuo, Gangadhar P. Shukla. Tax analysis and revenue forecasting.
   Issues and Techniques. Harvard Institute for International DevelopmentHarvard University.
   June 2000. 187 p. URL: https://cri-world.com/publications/qed_dp_169.pdf.
3. James Giesecke, Nhi Hoang Tran. A general framework for measuring VAT compliance rates. Journal Applied Economics, Volume 44. 2012. Issue 15. P. 1867–1889. URL: https://doi.org/10.1080/ 00036846.2011.554382
4. Hovick Shahnazarian, Martin Solberger , Erik Spånberg. Forecasting and analysing corporate
   tax revenues in sweden using bayesian var models. Finnish Economic Papers 1/2017.
   Volume 28.URL: https://www. taloustieteellinenyhdistys.fi/wp-content/uploads/2017/10/FEP_1_17_4_
   Spanberg.pdf.
5. Dimitrios P. Louzis. Steady‐state modeling and macroeconomic forecasting quality. Jornal of applied econometrics. Volume 34, Issue2, March 2019, P. 285-314. First published: 05 September 2018. URL: https://doi.org/10.1002/jae.2657.
6. Alena Andrejovská, Veronika Puliková. Tax Revenues in the Context of Economic Determinants. Montenegrin Journal of Economics, Vol. 14, No. 1 (2018), р. 133–141. https://doi.org/10.14254/1800-5845/2018.14-1.10
7. Sabaj Ernil, Kahveci Mustafa. Forecasting tax revenues in an emergingeconomy: The case of Albania. University of Exeter, Istanbul University. Posted 08 Feb 2018, Paper No. 84404. URL: https://mpra.ub.uni-muenchen.de/84404/MPRA
8. R. Rudzkis, E. Maciulaityte. Econometrical Modelling of Profit Tax Revenue. Nonlinear Analysis: Modelling and Control, 2007. Vol. 12. No. 1. Р. 95–112 https://doi.org/10.15388/NA.2007.12.1.14724
9. Leal T., Perez J., Tujula M., Vidal J. Fiscal Forecasting: Lessons from the Literature and Challenges. ECB Working Paper Series. 2007. № 843
10. Nina Legeida, Dimitry Sologoub. Modeling Value Added Tax (VAT) Revenuesin a Transition Economy: Case of Ukraine. Institute for economic research and policy consulting. 2003. 22
11. Gamboa, Ana Ma. Sophia J. Development of Tax Forecasting Models: Corporateand Individual
    Income Taxes. Philippine Institute for Development Studies Discussion Paper Series. No. 2002-06.
    89 p.
12. Milton Soto-Ferrari, Odette Chams-Anturi, Juan P. Escorcia-Caballero, Namra Hussain,
    Muhammad Khan (2019). Evaluationof Bottom-up and Top-down Strategies for Aggregated
    Forecasts: State Space Models and ARIMA Application. Computational Logistics, pp. 413–427.
    DOI: 10.1007/978-3-030-31140-7_26.
13. Ümit Çavuş Büyükşahina Şeyda Erteki (2019). Improving forecasting accuracy of time series
    data using a new ARIMA-ANN hybrid method and empirical mode decomposition
    Neurocomputing. Volume 361. 7 October 2019, P. 151–163. URL: https://doi.org/10.1016/j.neucom. 2019.05.099.
14. J. H. Stock (2001). Time Series: Economic Forecasting. International Encyclopedia of the Social & Behavioral Sciences. 2001, P. 15721–15724. URL: https://doi.org/10.1016/B0-08-043076-7/00526-X
15. G. C. Tiao (2001) Time Series: ARIMA Methods. International Encyclopedia of the Social & Behavioral Sciences. 2001, P. 15704–15709. URL: https://doi.org/10.1016/B0-08-043076-7/00520-9.
16. Данілов О. Методологічний підхід до економіко –математичного моделювання податкової політики. 36. Наук. пр. УФЕІ. 1999. № 3 (6). С. 21.
17. Ніколаєв В. Прогнозування податкових надходжень в перехідній економіці: проблеми
    методології і організації: монографія / під ред. д. е. н. Ніколаєва В. П. К.: «МП Леся», 2006. 320 с.
18. Вітлінський В. В. Моделювання економіки. К.: КНЕУ. 2003. 408 с.
19. Лук’яненко І. Г. Системне моделювання показників бюджетної системи України: Принципи та інструменти: монографія. К.: Києво-Могилянська Академія, 2004. 584 с.
20. Скрипник А. В., Терещенко Л. А. Динаміка податкових надходжень та їх прогноз за допомогою моделі ARIMA. Моделювання та інформаційні системи в економіці. К.: КНЕУ, 2001. Вип. 66.
    С. 7–12
21. Мартиненко В. В. Особливості оптимізації прямого оподаткування з урахуванням ефекту Дюпюї-Лаффера. URL: https://doi.org/10.31499/2616-5236.3(6).2018.156321.
22. URL: https://index.minfin.com.ua/ua/economy/gdp/eximp/.
23. URL: https://tax.gov.ua/diyalnist-/pokazniki-roboti/nadhodjennya-podatkiv-i-zboriv--obovyaz/nadhod-jennya-podatkiv-i-zboriv/.
24. URL: http://www.ier.com.ua/ua/publications/working_paper?pid=1620.

1. J. A. Giesecke, Tran Hoang Nhi. A General Framework forMeasuring VAT ComplianceRates. URL: http://vuir.vu.edu.au/38907/1/g-206.pd.
2. Glenn P. Jenkins, Chun-Yan Kuo, Gangadhar P. Shukla. Tax analysis and revenue forecasting. Issues and Techniques. Harvard Institute for International DevelopmentHarvard University. June 2000. 187 p. URL: https://cri-world.com/publications/qed_dp_169.pdf.
3. James Giesecke, Nhi Hoang Tran. A general framework for measuring VAT compliance rates. Journal Applied Economics, Volume 44. 2012. Issue 15. P. 1867–1889. URL: https://doi.org/10.1080/ 00036846.2011.554382
4. Hovick Shahnazarian, Martin Solberger , Erik Spånberg. Forecasting and analysing corporate
   tax revenues in sweden using bayesian var models. Finnish Economic Papers 1/2017.
   Volume 28. URL: https://www. taloustieteellinenyhdistys.fi/wp-content/uploads/2017/10/FEP_1_17_4_
   Spanberg.pdf.
5. Dimitrios P. Louzis. Steady‐state modeling and macroeconomic forecasting quality. Jornal of applied econometrics. Volume 34, Issue2, March 2019, P. 285-314. First published: 05 September 2018. URL: https://doi.org/10.1002/jae.2657.
6. Alena Andrejovská, Veronika Puliková. Tax Revenues in the Context of Economic Determinants. Montenegrin Journal of Economics, Vol. 14, No. 1 (2018), р. 133–141. https://doi.org/10.14254/1800-5845/2018.14-1.10
7. Sabaj Ernil, Kahveci Mustafa. Forecasting tax revenues in an emergingeconomy: The case of Albania. University of Exeter, Istanbul University. Posted 08 Feb 2018, Paper No. 84404. URL: https://mpra.ub.uni-muenchen.de/84404/MPRA
8. R. Rudzkis, E. Maciulaityte. Econometrical Modelling of Profit Tax Revenue. Nonlinear Analysis: Modelling and Control, 2007. Vol. 12. No. 1. Р. 95–112 https://doi.org/10.15388/NA.2007.12.1.14724
9. Leal T., Perez J., Tujula M., Vidal J. Fiscal Forecasting: Lessons from the Literature and Challenges. ECB Working Paper Series. 2007. № 843
10. Nina Legeida, Dimitry Sologoub. Modeling Value Added Tax (VAT) Revenuesin a Transition
    Economy: Case of Ukraine. Institute for economic research and policy consulting. 2003. 22
11. Gamboa, Ana Ma. Sophia J. Development of Tax Forecasting Models: Corporateand Individual
    Income Taxes. Philippine Institute for Development Studies Discussion Paper Series.
    No. 2002-06. 89 p.
12. Milton Soto-Ferrari, Odette Chams-Anturi, Juan P. Escorcia-Caballero, Namra Hussain, Muhammad
    Khan (2019). Evaluationof Bottom-up and Top-down Strategies for Aggregated Forecasts: State Space Models and ARIMA Application. Computational Logistics, pp. 413–427. DOI: 10.1007/978-3-030-31140-7_26.
13. Ümit Çavuş Büyükşahina Şeyda Erteki (2019). Improving forecasting accuracy of time series data using a new ARIMA-ANN hybrid method and empirical mode decomposition Neurocomputing. Volume 361. 7 October 2019, P. 151–163. URL: https://doi.org/10.1016/j.neucom.2019.05.099.
14. J. H. Stock (2001). Time Series: Economic Forecasting. International Encyclopedia of the
    Social & Behavioral Sciences. 2001, P. 15721–15724. URL: https://doi.org/10.1016/B0-08-043076-7/00526-X
15. G. C. Tiao (2001) Time Series: ARIMA Methods. International Encyclopedia of the Social & Behavioral Sciences. 2001, P. 15704–15709. URL: https://doi.org/10.1016/B0-08-043076-7/00520-9.
16. Danilov O. (1999) Metodolohichnyy pidkhid do ekonomiko–matematychnoho modelyuvannya podatkovoyi polityky/ 36. Nauk. pr. UFEI. No. 3 (6), p. 21. [Іn Ukrainian].
17. Nikolayev V. (2006) Prohnozuvannya podatkovykh nadkhodzhen v perekhidniy ekonomitsi: problemy metodolohiyi i orhanizatsiyi. Pid red. d.e.n. Nikolayeva V.P.: Monohrafiya. K.: “MP Lesya”. 320 p. [Іn Ukrainian]
18. Vitlinskyy V. V. (2003) Modelyuvannya ekonomiky. K.: KNEU. 408 p. [Іn Ukrainian].
19. Lukyanenko I. H. (2004) Systemne modelyuvannya pokaznykiv byudzhetnoyi systemy Ukrayiny: Pryntsypy ta instrumenty: [monohrafiya] K.: Kyyevo-Mohylyanska Akademiya, 2004. 584 p. [Іn Ukrainian]
20. Skrypnyk A. V., Tereshchenko L. A. (2001) Dynamika podatkovykh nadkhodzhen ta yikh prohnoz za dopomohoyu modeli ARIMA. Modelyuvannya ta informatsiyni systemy v ekonomitsi. K.: KNEU. Vyp. 66. P. 7–12 [in Ukrainian].
21. Martynenko V. V. (2018) Osoblyvosti optymizatsiyi pryamoho opodatkuvannya z urakhuvannyam efektu Dyupyuyi-Laffera. URL: https://doi.org/10.31499/2616-5236.3(6).2018.156321.
22. URL: https://index.minfin.com.ua/ua/economy/gdp/eximp/
23. URL:https://tax.gov.ua/diyalnist-/pokazniki-roboti/nadhodjennya-podatkiv-i-zboriv--obovyaz/nadhodjennya -podatkiv-i-zboriv/.
24. URL: http://www.ier.com.ua/ua/publications/working_paper?pid=1620.