Совершенствование механизмов государственного финансового контроля

Отсутствие эффективного подхода к использованию государственных ресурсов сегодня является одной из ключевых проблем бюджетной политики. На протяжении последних нескольких лет отчетливо прослеживалась тенденция к росту объемов ежегодно выявляемых нарушений по отдельным группам контрольно-счетными органами, что, согласно оценкам экспертов, было связано не только с повышением эффективности работы контрольных органов, но и с общим ростом количества нарушений. Так, по итогам 2017 г. общая сумма выявленных нарушений составила 2,1 трлн руб. Для сравнения данная цифра примерно равна суммарным доходам региональных бюджетов Сибирского и Уральского федеральных округов (2,2 трлн руб.)¹. Наиболее существенные объемы приходились на нарушения ведения бухгалтерского учета, составление и представление отчетности; нарушения при формировании и исполнении бюджетов; а также нарушения при осуществлении государственных (муниципальных) закупок и закупок отдельными видами юридических лиц^{[1] [2]}. Также достаточно важно отметить, что согласно статистике проверок существенная доля нарушений приходится на несколько объектов, сами нарушения носят схожий характер и подлежат некоторой систематизации. Откуда можно предположить, что достаточно перспективным направлением является выстраивание автоматизированной системы выявления финансовых нарушений, учитывающей характер наиболее часто встречающихся нарушений и основную специфику объектов контроля.

В части использования технологии блокчейн для совершенствования механизмов государственного финансового контроля возможны два совершенно разных с технологической точки зрения подхода: модель последующего контроля и модель текущего и предварительного контроля.

1. Модель автоматизации последующего контроля. Опираясь на то, что каждая транзакция может быть записана в реестре в хронологическом порядке с указанием сторон, сумм и иных необходимых сведений возникает возможность не только отслеживать все операции каждого объекта контроля, но и выявить факторы, повлиявшие на отклонение от запланированных показателей. Обозначим основные характеристики данной модели на примере передачи субсидии на выполнение государственного задания учреждению (рис. 2.12). На первом этапе будет создан цифровой счет для учреждения, на который впоследствии будет перечислен объем субсидий в форме учетных единиц блокчейн-сети. После чего будет «заключен» смарт-контракт между учреждением и главным распорядителем бюджетных средств или органом, осуществляющим его функции и полномочия. Соответственно в смарт-контракте

2.5. Совершенствование механизмов государственного

финансового контроля

будут зафиксированы условия распоряжения бюджетными средствами. Например, одним из условий может стать целевое использование бюджетных средств. Для автоматического исполнения транзакции смарт- контракт должен будет удостовериться, что финансовая операция была проведена в соответствии с целевым назначением. Стоит помнить, что смарт-контракт — это всего лишь код, и для его правильной работы информация к нему должна поступать извне. Следовательно, использование средств учреждением будет сопровождаться предоставлением документации о достигнутых показателях. Таким образом, контроль за целевым характером использования будет проводиться в реальном времени, так как верификация блоков будет сразу же проводиться органами, ответственными за проверку этой информации. Блокчейн будет служить надежным инструментом для анализа динамики проведения расходов на цели выполнения государственного задания, а также оценки достаточности оставшихся средств для его завершения.

Рис. 2.12. Модель последующего контроля с использованием смарт-контрактов

В то же время формирование государственного задания в дальнейшем может происходить с учетом данных о «динамике количества потребителей услуг и работ, уровне удовлетворенности существующим объемом и качеством услуг и результатов работ», а также отчетов за прошедший период. В связи с этим учреждения также могут загружать в блокчейн данные о пользователях услуг путем создания специализированных интерфейсов для клиентов, через которые они смогут оставить базовую информацию о себе, а также дать оценку услугам или результатам работ.

Основными элементами модели для внедрения блокчейн в государственное финансовое управление в таком случае станут цифровой счет пользователя; смарт-контракт, сторонами которого являются учреждение и орган, ответственный за проверку целевого характера использования бюджетных средств учреждением. Смарт-контракт будет, с одной стороны, принимать сигнал о поступлении документации по совершенным финансовым операциям и достигнутым показателям, одобренный контролирующим органом, а с другой стороны, в случае нецелевого использования средств направлять уведомление о нарушении, формировать проект представления. Подобный механизм, помимо периодического проведения контроля, позволит отслеживать количество бюджетных средств, оставшихся на счете учреждения, динамику и направления их использования. Но наиболее важным аспектом будет являться возможность цифровиза- ции процедур по оценке эффективности путем сопоставления результатов деятельности объектов контроля и суммы израсходованных средств. Фактически для каждого объекта может быть сформирована своя «история результативности и эффективности».

2. Модель риск-ориентированного подхода в финансовом контроле. Текущий и предварительный контроль. Данная модель в отличие от предыдущей направлена на оперативное выявление случаев возможных нарушений. Извлечение и анализ информации из распределенного реестра в режиме реального времени, а также «рейтингование» направлений исполнения бюджетов в соответствии с рисками и ранее полученными результатами могут составить основу механизмов предварительного контроля. На сегодняшний день риск-ориентированный подход занимает особое место в государственном управлении. Однако практика выявления бюджетных рисков фрагментарна и представлена преимущественно описанием рисков реализации отдельных государственных программ. В связи с этим формирование системы предупреждения, выявления и ликвидации рисков — важная задача управления государственными финансами. Достаточно перспективным направлением в этой части является использование реестра и матрицы бюджетных рисков, с последующей разработкой мер реагирования на их основе^[3]. Вместе с тем логика развития бюджетного мониторинга предполагает постепенный переход к автоматизированному контролю бюджетных операций.

2.5. Совершенствование механизмов государственного

финансового контроля

Достаточно важно, что сочетание единой стандартизированной методологической базы оценки рисков и возможности получения информации обо всех совершенных операциях в режиме реального времени способно составить качественно новый механизм управления операционными рисками. Своевременное и точное выявление объектов контроля, характер деятельности которых предполагает высокую вероятность совершения финансовых нарушений, будет способствовать разработке наиболее эффективных мер по предупреждению данных нарушений. Так, для автоматизации контроля посредством анализа цепочек транзакций необходима система, гарантирующая выявление всех случаев возможных нарушений. В целях реализации вышесказанного каждой операции может быть присвоен маркер риска, рассчитываемый на базе реестра и матрицы рисков для каждого объекта. Также в реестр предлагается вносить информацию о сторонах сделки в форме присвоения номера в соответствии с классификацией агентов по правовому статусу и видам экономической деятельности (рис. 2.13).

Рис. 2.13. Модель проведения оперативного контроля с использованием риск-ориентированного подхода

Классификация агентов экономической деятельности по правовому статусу предполагает выделение четырех основных групп в соответствии с Гражданским кодексом Российской Федерации: физические, юридические лица, публично-правовые организации и иностранный сектор. Для группировки юридических лиц с целью контроля становится возможным применение общероссийского классификатора видов экономической деятельности. Данный классификатор используется при решении задач, связанных с регистрацией хозяйствующих субъектов, разработкой нормативных правовых актов, касающихся государственного регулирования отдельных видов экономической деятельности, осуществлением государственного статистического наблюдения, обеспечением потребностей органов государственной власти и управления в информации о видах экономической деятельности при решении аналитических задач.

Оценку рискованности транзакций предлагается осуществлять на основе: наличия в реестре сведений о прошлых финансовых нарушениях конкретного объекта, степени их существенности и вероятности возникновения; показателей кредиторской и дебиторской задолженностей; значений отклонений от средних сумм по операциям и т.д. Уже существующая российская практика показала, что подобный подход вполне возможен. Сегодня Банком России осуществляется постоянный мониторинг объемов задолженностей коммерческим банкам по кредитам, предоставленным физическим и юридическим лицам; задолженностей кредитных организаций по кредитам без обеспечения. Также фиксируется наличие кредиторской задолженности в целях проведения оперативного анализа финансового состояния. Коммерческие банки в свою очередь уделяют особое внимание не только финансовой отчетности клиентов, но и тем операциям, которые совершаются ими ежедневно. Так, на основе получаемых данных с применением машинного обучения команда Сбербанка научилась моделировать вероятность дефолта малых и средних предприятий. Базу для работы системы составило текстовой поле «Назначение платежа» каждой из транзакций, которое заполнялось бухгалтером при осуществлении переводов. Удалось выделить операции по выплате зарплаты, уплате налогов от оплаты товаров и услуг, уплате сумм поставщикам в счет погашения задолженностей и т.д.^[4] Подобный подход может быть использован и при выявлении рискованных транзакций путем присвоения соответствующих маркеров экономическим агентам и совершаемым ими операциям. Также необходимо фиксировать случаи явного несоответствия операций общепринятой рыночной практике. Особое внимание данному пункту сегодня уделяется Федеральным казначейством.

Сформированный подход к оценке транзакций позволит автоматически выявлять случаи финансового мошенничества. Например, осуществление операции на крупную сумму денежных средств лицом, замещающим государственную должность, может служить индикатором коррупционной составляющей; совершение операций, связанных с приобретением или продажей военного обмундирования, средств связи, лекарственных средств, совпадение личных данных лица, совершающего те или иные операции, с данными в Перечне организаций и физических лиц, в отношении которых межведомственным координационным органом принято решение о замораживании принадлежащих ему денежных средств, может свидетельствовать о наличии преступной схемы по финансированию терроризма.

Для разработки системы оценки транзакций необходимо определить точный набор критериев исходя из потребностей всех органов государственного финансового контроля. Присвоение весовых коэффициентов каждому из критериев позволило бы оптимизировать работу государственных органов, концентрируя внимание на наиболее проблемных сферах. Вместе с тем необходимо объединить веса воздействия риска с весами вероятности возникновения риска. Стоит отметить, что в целях прогнозирования финансовых нарушений на основе получаемых данных с применением нейросетей могут строиться специальные финансовые модели поведения объектов. В данном случае фактически будет поводиться аудит модели, где объектом выступает прогнозная информация. Подобный подход и может составить основу превентивного управления бюджетными рисками. На основе получаемой информации могут составляться планы работы контрольных органов в соответствии с приоритетными направлениями^[5].

В целом, объединяя предложения, описанные в настоящем параграфе и параграфе 2.3 «Автоматизация функций Федерального казначейства» может быть получен весьма существенный результат в части повышения эффективности работы органов государственного финансового контроля. А именно при введении в оборот национальной учетной единицы, внедрении единой системы оценки рискованных транзакций, организации децентрализованного бухгалтерского учета удастся выявлять в автоматическом режиме и предупреждать существенный объем нарушений. Большая часть нарушений ежегодно приходится на нарушения ведения бухгалтерского учета, нарушения при формировании и исполнении бюджетов и нарушения при осуществлении государственных (муниципальных) закупок. Согласно предварительному анализу последствий внедрения государственного распределенного реестра на примере результатов контрольных мероприятий за 2017 г. удалось установить, что возможно предотвратить либо автоматически выявить 86% нарушений по вышеназванным направлениям (рис. 2.14). В целом данная сумма эквивалентна более чем 50% объема ежегодно выявляемых нарушений контрольносчетными органами в денежном выражении.

Рис. 2.14. Ожидаемый результат внедрения государственного распределенного реестра, млрд руб. (на примере результатов мероприятий 2017 г.)

Приведенные данные были получены путем обработки результатов контрольных мероприятий 2017 г., сгруппированных в соответствии с Классификатором нарушений, выявляемых в ходе внешнего государственного аудита (контроля). Каждый из видов нарушений был отнесен в одну из пяти групп в соответствии с ожидаемым результатом: «полное предупреждение нарушений посредством смарт-контрактов», «автоматическое выявление нарушений», «автоматическое выявление при построении системы риск-ориентированного подхода», «частичная автоматизация выявленных нарушений», «нарушения, не связанные с движением денежных средств».

Так, автоматизация финансовых операций посредством смарт- контрактов позволит предупредить такие нарушения, как принятие бюд2.6. Развитие системы противодействия легализации средств, полученных преступным путем...

жетных обязательств в размерах, превышающих утвержденные бюджетные ассигнования и (или) лимиты бюджетных обязательств; неперечисление (несвоевременное или неполное перечисление) в бюджет доходов от использования имущества, находящегося в государственной (муниципальной) собственности, и платных услуг, оказываемых казенными учреждениями, средств безвозмездных поступлений и иной приносящей доход деятельности; нарушение руководителем экономического субъекта требований организации ведения бухгалтерского учета, хранения документов бухгалтерского учета и т.д. К нарушениям, которые подлежат частичной автоматизации, были отнесены преимущественно нарушения в части ведения бухгалтерского учета в результате того, что не все факты хозяйственной деятельности связаны с движением денежных средств. Например, полностью автоматизировать выявление нарушений при оформлении фактов хозяйственной деятельности первичными учетными документами не удастся.

В то же время были выделены группы нарушений, раскрытие которых возможно исключительно при обеспечении прозрачности финансовых потоков и при дополнительном использовании риск- ориентированного подхода. То есть выявление нарушений в части порядка и условий оплаты труда работников государственных бюджетных, автономных и казенных учреждений может быть произведено путем прямого анализа транзакций объекта, в то время как для раскрытия нецелевого использования бюджетных средств необходимо изучение операций контрагентов. Система оценки рискованных транзакций позволит выделять операции, которые не свойственны тому или иному объекту контроля на основе информации о прошлых операциях. С учетом того что имеют место и невыявленные нарушения, возможен существенно больший эффект в денежном выражении от использования современных технологий государственными контрольными органами. Прозрачным может стать процесс исчисления и сбора налогов, уплаты таможенных пошлин, операций с валютой и т.д.

• [1] http://budget.mosreg.ru/analitika/sravnenie-subektov-rf/fk_0001_0013_mosreg/ — Открытый бюджетМосковской области. Отдельные показатели исполнения бюджетов субъектов РФ (дата обращения:26.06.2018).
• [2] Варнавский А.В., Бурякова А.О. Перспективы использования технологии распределенных реестровдля автоматизации государственного аудита // Управленческие науки. 2018. № 8 (3).
• [3] Васюнина М.Л. Об управлении бюджетными рисками // Финансы и кредит. 2017. № 40. С. 2408—2419.
• [4] https://habrahabr.ru/article/318152/ — Блог компании Сбербанк. DS, ML и люди, которые этим занимаются. Взгляд Сбербанка, (дата обращения: 15.05.2018).
• [5] Варнавский А.В., Бурякова А.О. Перспективы использования технологии распределенных реестровдля автоматизации государственного аудита // Управленческие науки. 2018. № 8 (3).