呂明

（國家稅務總局稅務干部學院，江蘇 揚州 225007）

一、我國金融業(yè)宏觀稅負變動情況

世界各國普遍存在稅收流失問題。所謂稅收流失，是指理論稅收收入與實際稅收收入之間的差額，即稅收流失=理論稅收收入-實際稅收收入。理論稅收收入是指在特定的經(jīng)濟總量和經(jīng)濟結(jié)構(gòu)之下，由特定稅收制度客觀決定的稅收收入，也就是稅收收入能力。而實際稅收收入則受到征管資源投入、征收效率、征收努力程度等因素的限制。如果理論稅收收入能力較強，而征管資源投入不足、征收效率低下或征收努力程度不夠，則會產(chǎn)生稅收流失問題。文章選取小口徑宏觀稅負的計算方法來計算金融業(yè)稅負，即金融業(yè)稅負為金融業(yè)稅收與金融業(yè)增加值的比值。運用國家統(tǒng)計局網(wǎng)站公布的現(xiàn)價GDP（國內(nèi)生產(chǎn)總值）、金融業(yè)增加值數(shù)據(jù)，及《中國稅務年鑒》中各項稅收數(shù)據(jù)與金融業(yè)稅收數(shù)據(jù)，計算2010年至2019年間金融業(yè)宏觀稅負。

2010年至2015年間，金融業(yè)增加值與國內(nèi)生產(chǎn)總值的比值不斷上升，與此同時金融業(yè)稅負也同步上升，從2010年的24.18%上升至2015年的32.78%；2016年至2018年，金融業(yè)增加值占GDP 的比重連續(xù)下降，期間金融業(yè)稅負也呈現(xiàn)同樣的變動趨勢，從2015年最高的32.78%下降至2018年的25.08%；2019年，金融業(yè)增加值占GDP 的比重再次攀升，但2019年金融業(yè)稅負（26.03%）雖然比2018年略有提升，然而仍未恢復到2017年（26.29%）及以前年度水平。雖然2016年營改增以及2019年以來大規(guī)模減稅降費使我國宏觀稅負出現(xiàn)明顯下降，然而營改增是結(jié)構(gòu)性減稅措施，金融業(yè)營改增后名義稅率由5%提升至6%；而2020年政府工作報告指出2019年大規(guī)模減稅降費使制造業(yè)和小微企業(yè)受益最多。金融業(yè)增加值占現(xiàn)價GDP 比重與金融業(yè)稅負變動趨勢不同步，顯示2019年我國金融業(yè)存在著較大的稅收流失風險。

二、我國金融業(yè)2019 年稅收收入流失規(guī)模測算

（一）包含常數(shù)項的回歸方程

經(jīng)濟決定稅收，文章運用回歸分析方法，借助Eviews 軟件建立金融業(yè)稅收收入與金融業(yè)增加值之間的一元線性回歸方程，以2010年至2018年金融業(yè)增加值和金融業(yè)稅收收入為樣本，對金融業(yè)2019年理論稅收收入進行預測，以金融業(yè)2019年理論稅收收入預測值與實際稅收收入之間的差額測算2019年金融業(yè)潛在稅收流失金額。文章運用Eviews 軟件對金融業(yè)增加值與金融業(yè)稅收的協(xié)整關系進行檢驗，檢驗結(jié)果表明，不存在協(xié)整關系的原假設對應的Prob.**值為0.000 3（小于0.05），拒絕原假設，表明在5%顯著性水平下，金融業(yè)增加值與金融業(yè)稅收存在協(xié)整關系，可以建立回歸方程。預測金融業(yè)稅收收入的回歸方程表達為：

Yt=αXt+β

其中，Yt為因變量（金融業(yè)稅收收入）t期值，Xt為自變量（金融業(yè)增加值）t 期值，α 為回歸系數(shù)，β 為常數(shù)項。

運用Eviews 工具線性回歸法建立一元回歸方程為：

回歸系數(shù)α 的檢驗結(jié)果顯著，說明金融業(yè)增加值與金融業(yè)稅收之間存在明顯的線性相關關系；調(diào)整后R2為0.89，顯示該回歸方程的擬合程度較好，即用于預測金融業(yè)稅收的準確性較高。運用該方程預測2019年金融業(yè)稅收應為21 365.42億元，2019年我國金融業(yè)實際完成的稅收收入為19 848.98億元（數(shù)據(jù)來源于《中國稅務統(tǒng)計年鑒》），之間存在差額1 516.44億元，即金融業(yè)2019年存在潛在稅收流失金額為1 516.44億元。

（二）不包含常數(shù)項的回歸方程

建立線性回歸方程時一般包含常數(shù)項，但由于常數(shù)項不是重要觀測變量，所以當常數(shù)項檢驗結(jié)果不顯著的時候，一般也可以寫入回歸方程之中。但是在模型中，常數(shù)項為0（即不含常數(shù)項）也有實際意義，例如，在沒有金融業(yè)存在也沒有任何金融活動的極端情況下就不會有金融業(yè)稅收收入?；貧w方程（1）中存在常數(shù)項T 統(tǒng)計值檢驗結(jié)果不顯著的問題，因此可以考慮去掉常數(shù)項重新建立回歸方程：

回歸結(jié)果顯示，回歸系數(shù)α 的檢驗結(jié)果顯著，說明金融業(yè)增加值與金融業(yè)稅收之間存在明顯的線性相關關系；調(diào)整后的R2為0.90，顯示回歸方程（2）對觀測值的擬合程度較方程（1）的擬合程度有所提高。運用不包含常數(shù)項的回歸方程預測金融業(yè)2019年稅收收入為21 458.08億元，則金融業(yè)2019年存在潛在稅收流失金額為1 609.1億元（21 458.08-19 848.98）。

（三）與指數(shù)平滑法預測結(jié)果進行平均

通常，線性回歸法更多考慮的是長期因素而容易忽略短期趨勢，指數(shù)平滑預測法則更多考慮的是近期因素卻容易忽略周期性，因此可以對指數(shù)平滑法的預測數(shù)和線性回歸法的預測數(shù)進行平均來預測金融業(yè)2019年的稅收收入。指數(shù)平滑法的基本公式為：

St=a*Yt+（1-a）*St-1

其中：St為t 時刻的平滑值；Yt為t 時刻的實際值；St-1為t-1時刻的平滑值；a 為平滑常數(shù)，其取值范圍為［0，1］。

文章借助Eviews 軟件運用指數(shù)平滑法對金融業(yè)2019年稅收收入進行預測，預測結(jié)果為19 717億元。指數(shù)平滑預測結(jié)果與回歸方程（1）預測結(jié)果的平均值=（19 717+21 365.42）/2=20 541.21（億元），此結(jié)果下，2019年金融業(yè)的稅收流失金額=20 541.21-19 848.98=692.23（億元）。指數(shù)平滑預測結(jié)果與回歸方程（2）預測結(jié)果的平均值=（19 717+21 458.08）/2=20 587.54（億元），此結(jié)果下，2020年金融業(yè)的稅收流失金額=20 587.54-19 848.98=738.56（億元）。

三、優(yōu)化金融業(yè)稅收收入風險預警機制的建議

（一）建立科學明晰的金融交易稅法規(guī)則體系

當前，仍有許多金融交易存在著稅收征免的不確定性，應通過完善金融業(yè)相關的稅制立法，作為促進金融業(yè)發(fā)展創(chuàng)新的稅收頂層設計。財稅主管部門應盡快梳理關于金融業(yè)的各類稅收政策條款，對不同稅種各項政策中涉及金融企業(yè)、金融業(yè)務的征稅范圍、稅收優(yōu)惠適用范圍等問題統(tǒng)一口徑，增強金融稅收政策執(zhí)行的公平性與規(guī)范性。應不斷消除現(xiàn)存的金融稅制要素政策真空領域，可在現(xiàn)行稅制規(guī)則原理基礎上，結(jié)合金融業(yè)經(jīng)營特殊性，按照從一般到特殊、從傳統(tǒng)到新興的邏輯，逐步明確金融業(yè)務的征稅規(guī)則，不斷健全金融業(yè)稅收法治規(guī)則體系。借助不斷優(yōu)化金融活動與金融交易的稅收制度供給，為金融業(yè)提供確定、清晰的稅制規(guī)則，可以為納稅人金融稅制遵從及稅務部門的金融業(yè)稅收風險管理營造更加良好的稅收法治環(huán)境。

（二）深化金融業(yè)納稅能力估算研究

開展金融業(yè)納稅能力估算是從宏觀層面對金融業(yè)稅收收入流失風險進行預警分析的基礎。納稅能力估算是對金融業(yè)稅收的總量分析，只有掌握一定時期之內(nèi)金融業(yè)的潛在稅收規(guī)模，才能從整體上評估金融業(yè)是否存在稅收收入流失風險，也才有可能通過有針對性的改進稅收征管做到“應收盡收”。根據(jù)經(jīng)濟學的生產(chǎn)理論，生產(chǎn)要素的投入量決定產(chǎn)出水平。經(jīng)濟決定稅收，如果將稅收作為金融企業(yè)的一項產(chǎn)出，可以從投入—產(chǎn)出的角度出發(fā)，通過研究一定時期之內(nèi)金融業(yè)的生產(chǎn)要素投入量與稅收總額之間的關系，估算金融業(yè)的納稅能力。金融業(yè)的納稅能力指的是金融業(yè)投入的各類生產(chǎn)要素與稅收制度所決定的創(chuàng)造和提供稅收的規(guī)模。研究金融業(yè)生產(chǎn)要素投入量與稅收產(chǎn)出之間的關系時，投入的生產(chǎn)要素應當包括金融企業(yè)投入的資金規(guī)模、固定資產(chǎn)凈值、勞動力、運營成本等。

（三）改進金融業(yè)稅收風險預警指標體系建立機制

應整合稅收風險管理工作涉及的各個部門及人員的職責和權(quán)限，重新調(diào)整和劃分各層級稅收風險識別職能，建立自上而下、逐級統(tǒng)一的稅收風險識別層級，以及跨部門的稅收風險識別整合機制。國家稅務總局重點開展金融業(yè)宏觀稅收流失風險識別，測算金融業(yè)潛在稅收收入流失金額，并通過整合大企業(yè)稅收管理、稅收征管、稅務稽查、稅收大數(shù)據(jù)與風險管理部門資源，建立跨部門的包括金融業(yè)在內(nèi)的稅收風險管理工作組，在充分融合數(shù)據(jù)優(yōu)勢與稅收風險管理經(jīng)驗的基礎上，建立具有科學性、指向性，且全面系統(tǒng)的金融業(yè)微觀稅收預警指標體系。省、市、縣級稅收風險識別機構(gòu)應用預警指標體系開展本地區(qū)金融企業(yè)稅收風險識別工作，并根據(jù)指標體系預警提示，查找本地區(qū)金融企業(yè)經(jīng)營過程中發(fā)生稅收風險的環(huán)節(jié)和具體風險點，綜合確定對應事項的風險等級并推送至相應風險應對部門。負責風險應對的部門可結(jié)合納稅評估與稅務稽查反饋，評估金融業(yè)稅收風險預警指標體系的適用性，為不斷完善金融業(yè)稅收風險預警指標體系提供建議。同時，金融企業(yè)各地分管稅務機關應建立信息溝通機制，互通金融業(yè)稅收風險信息，通過緊密協(xié)作，促進金融業(yè)稅收風險管理的橫向聯(lián)動。

（四）完善金融業(yè)稅收大數(shù)據(jù)采集

隨著稅收風險精準監(jiān)管模式的逐步確立，應加強對金融業(yè)稅收大數(shù)據(jù)的采集。稅務部門可以依托信息化手段，如運用網(wǎng)絡爬蟲等軟件，設定相應的關鍵詞，重點監(jiān)控金融企業(yè)的股權(quán)變化、土地房屋等資產(chǎn)處置信息，并對上海證券交易所、深圳證券交易所等網(wǎng)站咨詢進行監(jiān)控搜索，對企業(yè)定期公告（如年報）建立常態(tài)化分析機制，以金融企業(yè)經(jīng)營相關信息，結(jié)合企業(yè)所得稅年度納稅申報表信息，運用指標模型開展比對分析，精準鎖定金融企業(yè)的稅收流失風險。稅務部門還可以通過與其他行政機關建立合作關系，獲取金融企業(yè)呈送外部監(jiān)管部門（如人民銀行、銀保監(jiān)會/局、證監(jiān)會/局）的定期報送信息。除此以外，法院判決書、車輛管理、房地產(chǎn)登記管理等部門也存在大量金融企業(yè)涉稅信息，如果可以通過信息技術將稅務部門采集第三方信息的格式、方法、步驟標準化，則可為金融業(yè)稅收風險預警分析提供更充分的數(shù)據(jù)來源。

（五）加強金融業(yè)稅收風險管理專業(yè)化人才隊伍建設

在國家稅務總局層面，應定期更新包含金融業(yè)在內(nèi)的千戶集團稅收風險分析應對指引，更好地指導基層稅務機關稅收風險分析應對實踐。在省級稅務機關層面，可以依托經(jīng)濟發(fā)達省份與欠發(fā)達省份之間的結(jié)對幫扶制度開展相互掛職鍛煉，使經(jīng)濟欠發(fā)達省份可以在借鑒經(jīng)濟發(fā)達省份做法的基礎上，完善金融業(yè)稅收風險分析應對工作機制。除此以外，各級稅務機關可以依托國家稅務總局稅務干部學院等干部培訓院校、三大國家會計學院以及國內(nèi)財稅金融專業(yè)排名靠前的知名院校，定期組織開展分行業(yè)稅收風險管理培訓，幫助稅務干部了解金融企業(yè)各經(jīng)營環(huán)節(jié)常見稅收風險點及應對方法，建立開展包括金融業(yè)稅收風險預警分析在內(nèi)的稅收風險管理工作思路，從而不斷提升金融業(yè)稅收風險管理工作的綜合能力。

四、結(jié)語

金融業(yè)是我國重點稅源行業(yè)之一。由于受到金融企業(yè)經(jīng)營模式特殊性、金融交易稅法規(guī)則復雜性、金融企業(yè)稅收遵從差異性等因素的影響，經(jīng)實證檢驗，我國金融業(yè)的確存在稅收流失問題。開展金融業(yè)稅收收入風險預警方法研究，建立金融業(yè)稅收流失風險預警體系，對金融業(yè)稅收與經(jīng)濟的關系進行科學評價，尋找金融業(yè)稅收負擔的合理區(qū)間，不僅有助于稅務系統(tǒng)組織收入工作的健康可持續(xù)開展，更有助于把握經(jīng)濟與金融業(yè)稅收的變動規(guī)律，科學預測未來發(fā)展趨勢，促進我國金融業(yè)良性健康發(fā)展。應建立科學明晰的金融交易稅法規(guī)則體系、深化金融業(yè)納稅能力估算研究、改進金融業(yè)稅收風險預警指標體系建立機制、完善金融業(yè)涉稅數(shù)據(jù)采集、加強金融業(yè)稅收風險管理專業(yè)化人才隊伍建設，不斷深化和完善金融業(yè)稅收風險預警工作機制，實現(xiàn)對金融業(yè)稅收風險的精準監(jiān)管。