数字经济的关税税源风险及其识别模型研究

朱洪达 安芝 宋良荣

摘 要：美国以各种借口挑起贸易摩擦夸大其对华在货物贸易上的逆差而忽视其在服务贸易上持续存在较大顺差。信息技术革命使服务业的可贸易性越来越大，成为全球贸易新的增长点。在信息技术推动跨境服务贸易向数字贸易转化的背景下，关税税源呈现隐蔽化、分散化、微型化的变化趋势。传统关税管理对数字经济模式下的关税税源风险识别存在众多不足。基于关税税源风险的内涵，分析经济数字化发展进程中关税税源风险因素及识别关税税源风险的数据采集途径，从数字经济对税源风险识别的新要求出发，构建一套关税税源风险识别的理论模型及应用子模型，进而以计算机可利用的数据信息为引导，结合统计、概率、算法、最优化理论的思想动态优化风险识别模型，提高关税税源风险识别的精准度。同时要正确认识中美贸易摩擦本质，加强关键职业风险受理队伍建设，以集成思维助力关税税源风险受理数字化转型。

关键词：贸易摩擦; 数字经济;关税税源;风险管理

中图分类号：F810.42

文献标识码：A文章编号：1007-2101（2022）02-0100-10

一、引言

当前，我国正面临百年未有之大变局，外部环境的深刻复杂变化是主要特征之一。民粹主义、孤立主义、狭隘民族主义和贸易保护主义在全球范围沉渣泛起。美国政府频频动用经济、行政与司法等手段打压中国企业，借所谓自由航行、台海问题、香港问题以及涉藏、涉疆等问题对中国实施极限施压。在众多遏制中国崛起的手段中，美国政府无疑最偏爱关税大棒。有研究表明，“从关税对等的关系来看，中国自加入世贸组织至今，已经出色地完成了贸易自由化的承诺。……截至2020年1 月，中国算术平均关税降为7. 4%，贸易加权平均关税为3. 2%，与美国（2. 6%，2019 年）仅相差0. 6%”[1] 。可见中美关税税率已经差别不大，然而美国政府仍然以关税不对等为借口与中国大搞贸易摩擦。从商品大类的分类来看，中国对美出口主要集中在“高新技术产品、机电类产品、轻纺类产品、化工产品、贱金属、农产品以及矿产品等”。[2]而美国侧重对“中国制造2025”所列出的领域产品施加更高的关税，这也彰显了美国企图遏制中国制造转型升级的意图。因此，加强关税税源风险研究对我国具有重要的现实意义。

百年未有之大变局的特征之二是信息技术革命掀起了数字经济发展的浪潮 [3] 。数字经济的迅猛发展对传统经济及其商业模式带来了创新与挑战，特别是对国际贸易模式和传统的国际税收规则造成较大冲击[4] 。当今世界新一轮科技革命蓄势待发，互联网产业化、工业智能化正在成为人类社会继机械化、电气化、信息化之后的新一轮工业革命。物联网、互联网、云计算、大数据和人工智能等正在成为新的生产要素，数字化的技术、商品与服务正在加速向传统产业渗透（即产业数字化）[5] ，促使数字化贸易基础设施的升级，同时也提升了供应链效率，不断满足不同国家或地区消费者的多元化需求，实现数字贸易的全球化。

跨境数字贸易作为数字经济时代出现的新兴贸易方式在给我国国际贸易发展带来新机遇的同时，也对国际贸易监督管理部门带来了新的监管难题[6] 。随着全球经济数字化进程的加快，跨境数字产品交易越来越频繁，交易量也越来越大。根据美国商务部的数据，2016 年美国数字经济规模超过10 万亿美元，占GDP 的比重超过58%，2016 年美国数字化服务贸易所产生的顺差已经达到1 595 亿美元[7] 。同时，据美国经济分析局统计，2006—2019 年， 美国对华服务贸易增长了465%。同时据中国海关总署统计，仅2017 年美国对华服务贸易顺差达到540 亿美元[8] 。在美国对华服务贸易中，主要是以数字交换为手段的数字化产品和服务的贸易。面对此种新兴税源，如何在中性和公平对等原则下对跨境数字贸易实施税收征管，同时既保证国家关税收入不流失，促进跨境数字贸易健康有序发展，又能驳斥美国对我国所谓贸易不平衡与关税不对等的指责，这是当前亟需研究的重要课题。关税来源于税源，关税税源管理是关税征管工作的起点。囿于篇幅，本文討论的对象仅限于数字经济模式下关税税源风险因素及税源风险管理的关键点，即识别模型。

二、关税税源风险因素及博弈分析

世界各国都十分重视税源管理，它是税收征管的起点和基础，是掌握基本税源并对税源的现状、发展及变化进行监督与控制，以最大限度地缩小潜在税源与实际税收之间差距的一系列税收管理活动。在数字经济模式下，关税税源的确定具有很大的挑战性，因为当前国际税收体系的核心概念和原则早在数字经济出现之前就已经制定和设计好。在数字经济模式下，全球化的跨国公司能更方便地在不影响其实际运行的情况下，把利润转移到低税收的国家与地区[9] 。因此，税源管理问题日益受到各国政府的关注和重视。世界各国加强税源管理的目的是为了提高征税工作效率，合理避税，减少逃税，以确保税收公平和法律应用精度。面对数字贸易这种新兴税源的挑战，我们应以税源管理目标为导向，积极采取相应措施，改进税源管理方法，控制税源风险，改进税源监管方式以顺应数字经济的发展，从而缩小与美在服务贸易上的贸易不平衡，在美贸易摩擦中进一步获得主动权。

（一）关税税源风险的内涵

顾名思义，关税税源就是关税收入的源泉，指关税收入经济来源的最终出处[10] 。关税是一个国家经济技术战略的组成部分，现代关税的主要功能是保护国内产业和市场，因此关税的有效保护概念对于一个国家制定关税政策具有重要的指导意义。当前，大数据、云计算、物联网、移动互联等新技术日新月异，加快了国际贸易数字化进程，带动货物、服务、资本、信息和技术跨境流动规模持续增长。随着新型贸易业态的不断涌现，关税税源的来源、组成、结构也更为复杂，关税税源风险管理面临着新的挑战。

明确关税税源风险的内涵是识别、分析、监测、控制关税税源风险的首要前提。风险是不确定性对目标的影响，具体到海关而言，风险是不遵守海关法律的可能性。风险是一种客观存在，不可避免，因此，只能试图将风险降到最低程度，而不可能完全避免或者消除风险。从广义上说，关税税源风险是因为政治、经济、政策、贸易、汇率的不确定性变动造成的逃税、漏税、避税行为及市场连锁反应变动行为对关税征收工作造成的损害和关税税源遭受损失的可能性;从狭义上看，关税税源风险主要是指海关关税征收管理效率低下，从而未能使所有关税税源转化为税收而造成税收流失的可能性。

（二）关税税源的主要风险因素

关税税源风险的成因相当复杂。从宏观层面看，关税税源宏观风险因素与全球、国内和行业特定因素相关，主要有：（1）政策调整。关税税收的增长离不开国家经济发展大环境的影响，国际、国内经济增长的快慢，国内投资与消费需求，税源商品的国际市场价格，汇率变化等都会直接或间接地影响关税税收的增长。（2）经济形势。国内消费需求增长刺激本国进口贸易，可为关税税收提供稳定的税源和宽广的税基。（3）执法环境。例如国内经济的市场化程度、社会诚信机制、企业信誉度等。（4）贸易发展。进出口货值的高低往往决定着税收的多少。（5）货物与服务的构成比例。一般而言，实物货物海关容易监管，在数字经济背景下， 服务贸易额比例的提高增加了监管的风险。

从微观层面看，微观风险因素往往与个体组织的战略和战术选择相关，主要有：（1）价格因素。其风险表现在：海关难以掌握商品价格的利益分配，商品的处置有无特殊安排，境外企业是否存在转移定价、隐瞒特许权使用费，对境外企业为扩大在国内市场的占有份额向境内公司低价倾销或不计利润销售等情况。（2）商品因素。海关商品在进出口通关环节过程中承载了双重的利益关系，即合法利益和非法利益。合法利益代表遵守国际贸易法则和海关监管通关法规，合法获取商品贸易所带来的经济利益;非法利益则代表了违反海关监管通关法规获取的商品贸易所带来的经济利益。只要有海关商品的存在，就会有对非法利益诉求的存在，海关风险的产生也就不会停止。（3）企业因素。其主要涉及申报规范性、贸易管制执行、归类准确性、价格真实性、缴税信用、原产地申报、知识产权保护、加工贸易监管、企业内控机制、财务会计管理状况、计算机管理安全性等。（4）其他微观风险因素。如税率因素等。

在当今跨境数字贸易日益活跃的时代，关税税源风险因素正在发生新的变化。跨境数字产品贸易因其借助于互联网这类虚拟平台而不依托于有形载体，对关税税源风险的控制造成了巨大冲击。一方面，跨境数字产品贸易使得关税征收充满了不确定性而难以实施，具体表现为：纳税主体分散且虚拟化，纳税人之间的界限越来越模糊;纳税客体隐匿于数据流而难以分辨，使得税源的变化更加隐蔽;纳税地点易转移、纳税时间模糊难以统一。另一方面，跨境数字产品贸易将给传统的关税监管方式增加难度，具体表现为：（1）采取无纸化操作使得建立在纸质凭证、账簿、报表上的海关管理缺乏依据。（2）网上交易隐蔽性强使得海关很难跟踪每一笔跨境数字产品交易，避税、偷税、漏税而无从监管。（3）电子货币、第三方支付软件的大量使用使得海关很难监管跨境资金流动的目的与去向。（4）海关现在实行的以注册登记为基础的关税制度很难让小微型企业和自然人成为纳税主体，而建立在此基础上的分类风险管理制度也将成为无根之木。（5）成熟的互联网技术为“合理避税”提供了多种选择，使得海关防不胜防，如变传统货物贸易为数字产品贸易、变国际贸易为国内贸易、寻找避税港等[11] 。

（三）关税税源风险的博弈分析

在数字经济背景下，大量新型商业模式和经济实体涌现，使跨境贸易变得更加灵活多样，增加了跨境数字企业税收不遵从的动机，扩大了纳税人不遵从空间，海关与纳税人之间的博弈复杂性加剧，给企业税收遵从带来了新的风险与挑战。早期对税收遵从的研究最具代表性的是A-S模型（Allingham-Sandmo Model）[12]，即将遵从行为视为基于风险与不确定性的纯经济决策，以争取期望效用最大化为纳税决策目标。传统经济学模型探讨了稽查率、审计概率、罚金等以威慑理论为主要框架的模型，由于该类模型是建立在理性人假设基础上，前提条件过于严苛，与税收管理的实践产生了一定背离，促使学者们探索其他研究视角。丹尼尔·卡尔曼（Daniel Kahnemen）等将前景理論引入到税收遵从研究框架中，并将心理学、社会心理学等非理性因素考虑进去，较好地弥补了纯经济学角度分析纳税遵从问题的不足[13]。在纳税人追求利益最大化的前提下，当税负水平较高时，纳税人认为冒风险来逃税，或出于高收益逃税是值得的。海关通过各项监管规定要求纳税人如实合规申报，但由于纳税人存在相当的信息垄断力量，海关无法直观掌握纳税人的真实情况，因此海关与纳税人之间存在非合作博弈关系。非合作博弈是指在策略环境下，所有人的行动都是个别行动，强调个人理性和个人决策，在企业之间不能形成充分信赖和同盟的前提下，企业只能限于囚徒困境博弈中，往往选择坦白（例如，合规申报）而非抵赖（例如，伪报原产地），从而形成完全信息静态非合作博弈。进口企业作为纳税义务人，对税负水平高度敏感，尤其是在经济下行的情形下。从纯经济和理性的角度而言，如果伪报获得税款优惠大于海关审查补税或处罚的金额，则企业选择违规;反之，企业选择合理审查义务之上的如实申报。关税税源风险存在多重利益的博弈关系，其中核心博弈在于海关与进出口企业之间的博弈。为此，笔者对关税征纳双方进行博弈分析，研究冲突情形下的决策，预测相互作用的博弈双方的结果，其中一方的行动直接影响其他方的回报[14]。

以进口为例，假设在不存在关税税源风险时，商品价格为P0， 进口量为Q1， 关税税率为Q2，则关税税源为P0Q1Q2。在此，笔者使用成本收益模型做短期博弈分析，假设关税税源风险因素和海关监测都是理性存在，行政相对人有实报和伪报两种选择，在不被监测的情况下，前者相对后者所需付出的额外成本折合为T的金钱，T在付出的同时全部转化为政府公共收益;如果行政相对人选择伪报且被海关发现，则必须在补缴T成本的基础上支付折合为f（T）的罚金，罚金在付出的同时全部转化为政府公共收益;假设海关有直接认可申报属实和监测完全两种选择，简化起见，又假设监测准确率为100%，即瞒报行为在被全面监测时一定会被发现。在以上设定的基础上，再假设海关在当期对申报的查缉概率为π查缉，则查缉的概率“π查缉”和处罚的力度“f（T）”共同构成了短期内的行政“制度”。行政相对人对制度的反应可以由以下成本收益分析得出，行政相对人选择伪报的期望收益为：

如果海关监管力度小于式（4）的临界值，所有作为理性人的行政相对人都会选择瞒报（π伪报=100%）;反之，如果海关监管力度大于此临界值，所有行政相对人都会选择如实申报（π伪报=0）。如果海关希望行政相对人遵纪守法，那么监管力度应大于式（4）的临界值。在实际操作中，风险管理技术对海关监管概率具有放大效应，海关实际监管概率在风险管理技术的辅助下可集中于高风险货物，相当于放大了查缉覆盖率。放大效应会随着海关实际监管概率的增大而减少，当海关实际监管概率达到100%时，风险管理也就失去价值。换言之，当海关实际监管概率达到一定比例后将产生边际效应下降，因此过高的查缉概率除了受制于人力资源成本和通关时效之外，在经济上也较缺乏效率，违背风险管理的成本效益原则。

三、识别关税税源风险的信息来源

运用风险识别模型精准识别关税税源风险必须有真实、充分、相关的信息支持。识别关税税源风险的信息主要来源于海关税收监管、税收执法的管理过程、依据、结果等内部信息。（1）税收监管依据包括：海关管理的方法和政策、行政规则和规范的文件、相关的信息，以及根据内部管理系统的标准化管理作业等。（2）税收监管过程包括：通关监管、物流监控、加工贸易监管、税收监管、稽查监管、审价监管、归类监管等。（3）税收监管结果包括：海关稽查以及加工贸易、企业年审、减免税后续管理、免税品核销、行政处罚、刑事处罚等。（4）国际国内交流信息，包括：国际海关风险信息和国内海关风险信息。

风险信息具有可传递性、可识别性、可存储性等特点，同时也具有一定的价值性，但在很大程度上其价值的高低取决于识别主体的认知情况。识别关税税源风险的信息采集应遵循重要性原则，主要应采集的信息有：（1）市场因素。如市场政策差异，包括国内外自由贸易区、免税港、离境退税等市场因素导致同品名、同规格型号存在的市场政策差异。（2）外汇因素。汇率波动、外汇管制直接影响国际贸易收支。（3）政策因素。如政策调整、贸易管制、税收管理、原产地管理、退税政策、知识产权保护等方面政策实施等相关政策调整的变化。（4）企业因素。包括企业纳税的一般情况、信用管理、生产概况、进出口商品量、税收情况、减免税情况、保税加工、企业违法记录等。

经济数字化为商业经营提供了诸多全新的机会，数字技术可以使交易更加高速、资产配置更加自由化、供应商与消费者之间的关系变得更加密切。商业模式正在由线下互动的传统模式向依托平台进行线上多方互动的新型商业模式转变。数字化企业表现出以下特征：企业借助互联网平台可以在市场国没有任何实体存在的情况下经营，原有的与市场国的联系变得模糊，甚至消失;企业在价值创造中对无形资产十分依赖;数据和用户的参与发挥重要作用，以数据和用户为中心的商业模式在全球企业收入中所占的份额越来越大。尤其是跨国公司，可以在全球范围内任意选择价值创造地，在创新经济发展方式的同时也带来了很多避税空间。面对这一系列变化给关税税源管理带来的挑战，对涉税信息获取提出了新的更高的要求。为了实现高效率、高质量的税源管理，防范税源风险，海关有必要与税务机关、银行、第三方支付平台等多方形成合力，建立涉税数据共享平台，运用大数据技术广泛采集内部和外部的税源信息，并从海量数据中提取有价值的信息，利用数据分析、人工智能、模拟决策等先进工具，主动、精准识别和集中验证税源管理面临的风险[15]。

四、关税税源风险识别模型的构建

识别潜在风险是全面风险管理流程的起点，是在充分收集真实、相关信息的基础上，确定风险的类型、发生条件。其包括：（1）识别不利事件。即寻找关键风险区域，识别潜在的不利事件。（2）识别与事件相关的风险。即寻找可能引起不利事件的原因或来源。（3）识别相关意外事件。风险识别是进行有效风险管理的基础和关键，因为在这一阶段未被识别的风险没有包括在进一步的分析中。关税税源风险识别是运用适当的风险识别模型吸纳并加工处理海量的关税数据信息，发现存在的各种风险点并对风险点的重要性进行排序的过程。关税税源风险识别模型是关税风险管理的重要工具，是支撑风险识别、风险排序、风险应对等风险管理流程的关键环节。因此，关税税源风险识别模型的科学性、准确性决定关税征管资源能否得到合理有效配置，影响着关税税源风险管理的成效与结果。

（一）数字经济对税源风险识别的模型构建提出了更高要求

2021年2月，经济合作与发展组织税收征管论坛（OECD FTA）发布了《全面风险管理成熟度模型报告》（Enterprise Risk Management Maturity Model），以指导各国税务部门对自身风险管理水平进行系统评估。该报告为了进一步体现税务风险管理的全面性，为全面风险管理成熟度模型设置了八个维度：战略规划、风险治理、风险管理文化、风险识别、风险分析与评估、风险应对、审查和改进、信息传递和报告，并提出了全面风险管理成熟度模型，将税务风险管理成熟度设置为初始级、发展级、成熟级、领先级、超越级五个等级。其中，风险识别维度的成熟级要求税务部门使用标准化流程定期进行风险识别;领先级要求税务部门在各级管理部门以统一和标准化方式识别、确认风险，并将税务部门的风险识别融入到政府的整体风险识别管理体系之中;超越级要求税务部门通过广泛的内部与外部信息来源，利用数据分析、人工智能、模拟决策等先进工具，主動识别和集中验证实现税收管理目标面临的风险。当今，数字经济蓬勃发展、新技术不断涌现、应对气候变化以及新冠肺炎疫情仍在全球延续等对国际经济社会运行产生了持久影响，关税税源风险复杂多变，这就要求海关在全面风险管理框架下根据形势变化提升准确识别、精准分析和有效降低关税税源风险的能力[16]。

税源风险识别模型是发挥关税大数据价值的关键，也是关系到关税风险管理效能的核心。但是，现有税源风险识别模型主要是基于小样本，这种单一的传统风险判定模式，在税源风险识别方面过于依赖建模者的经验，识别精准度不高，无法充分利用税收大数据优势，难以满足大数据背景下的税源风险管理需要。我们知道，税源风险往往是由于税源的识别困难或者征纳双方的遵从矛盾而引起。数字经济行业的兴起虽然提供了丰富的税源基础，但同时也由于新型商业模式经营方式的多样化，跨地区和跨境交易频繁化，使得税源更加隐蔽化，税源识别的困难导致了税源风险的加剧。因此，海关面对复杂的跨境数字贸易大环境，在风险治理方面需要引入系统工程的理论与方法，开发基于大数据的税源风险识别统计分析模型，用来预测、发现和判别关税税源风险来源、风险范围、风险程度和风险走势，并发出相应的关税税源风险警示信号，提高税源风险管理质量。面对新形势、新挑战，很有必要充分利用关税大数据资源，积极探索更加科学、精准的关税税源风险识别模型。

（二）关税税源风险识别的理论模型

如前所述，当前有关税收风险识别的模型主要是基于小样本的典型调查，设计出一套风险指标，再结合风险指标预警值识别相应的风险，然后运用综合评价法对各个风险指标设置权重，计算出综合风险得分后进行风险排序。其公式为：风险得分 =∑指标权重×单项风险得分。由于指标设计主要依靠建模者的经验判断，对于新产业、新业态、新商业模式，建模者难以了解其风险特征，风险识别指标的针对性不强，风险识别度低，再加上因风险识别指标的参数设置主观性太强，不够科学，导致风险排序合理性差。因此，这种单一、传统的业务判定模式已经无法满足数字经济时代关税税源风险管理的要求[17]。

在全面风险管理框架下，风险识别指标体系应该是由若干相互关联、相互影响的风险特征指标构成的有机整体，能够全面地反映风险源的规律与特点。风险识别指标选择的准确性、针对性以及指标体系构建的科学性，将直接影响到有效识别风险源的能力。由于单个的方法根本就无法识别、确定所有风险，往往需要使用多种识别方法，运用模型工具将诸多识别方法的优势进行集成来提高风险识别的准确性。目前，海关识别风险的方法常用的有以下几类：监管过程分析法、案例分析法、业务专家调查法、数理统计分析法、监管环境分析法、动态数据监测法、环境分析法等。由于关税税源的波动不是取决于某一种因素或某几个指标，而是受多方面因素的影响，在国际贸易数字化过程中这些影响因素變得更加复杂多变。基于关税税源风险来源的复杂性和多样性，必须从不同维度、不同层次对关税税源风险源进行全面扫描，发挥海关大数据优势，运用统计分析模型进行横向识别、纵向识别、关联识别。

考虑到各种风险因素对关税税源风险的总体影响是非线性的，运用因子分析法分析各因素对关税税源波动的影响，选择宏观经济变量及微观经济变量开展分步骤分析相对比较合适。因子分析的目的在于，以多数变量综合的主要原因决定各变量的贡献率，加强共同的因子说明能力[18]。笔者运用因子分析法构建关税税源风险识别的理论分析模型，因子分析其实是一种广义的主成分分析，使用一个潜在“因素”，用以概括原来的变量信息。主分量分析作p个原始变量的m个线性组合，这些线性组合在原始变量的所有m个线性组合中可以有效地预测原始变量。因子分析对主分量分析进行了推广，它用潜在的m个“因子”来概括原始变量的信息，这些因子不一定是原始变量的线性组合。x作为p*1随机的向量，μ为平均值，Σ=（σij）为共分散矩阵，设模型有k个因子，则x为：

在式（5）中， f=k×p，u=p×1为随机矢量，Λ=p×k 未知的常数矩阵f，Λ作为共同的因素，u作为特殊的因素，被称为因子载荷矩阵，x是一个多元随机变数，f是一个随机的样品。

在式（6）中，Σ与Γ为变量组成协方差阵ψ，为特殊因子的协方差阵。共同因子模型的分解并不是唯一的，如果它是一个正交矩阵，那么则有：

在式（7）中，Γ'f是一个新的因素，ΛΓ是一个新的因子负荷矩阵。笔者使用这个功能来旋转所产生的因子模型，更容易解释风险因素的组成。

（三）关税税源风险识别的应用模型设计

1.宏观因素分析模型。影响海关税收增长的宏观因素有政策调整、经济形势、执法环境及贸易发展等四大因素。由于这些因素难以直接量化统计，可以用物价增长指数、国内生产总值、查获走私案值、进口总额来代替。海关税收作为国家对外贸易的涉外税收，势必受到国内政治经济增长的影响。一般来说，政治因素体现在经济发展中。经济增长是指一个国家或地区生产商品和劳务的能力增长。常用一个国家或地区一年内实现国内生产总值（GDP）的增长率来表示。国内生产总值单纯不影响海关税收，而是通过税率降低影响资本的再生，从而使得全社会生产率提高，间接影响海关税收的增加;物价增长指数单纯不影响海关税收，而是刺激进口，从而间接影响海关税收;外商投资企业投资总额直接影响海关关税税源;进口总额反映大宗贸易数据，作为贸易发展的部分状态，直接反映海关税收增减情况。

根据关税税源的定义，其计算公式为：

对关税税源识别模型各因素建立回归方程为：

TAX（RE）=α0+α1国内生产总值（GDP）+α2城市居民消费价格指数（CPI）+α3进口总额（IM）+α4上年度关税税收（TAXn-1）+α5关税水平（RATE）+α6汇率水平（Exchange）+α7城镇居民可支配收入（DPI）+α8进出口差额+ε1（9）

在式（9）中，为保持数据的平稳性，将国内生产总值、社会消费品零售总额、进口总额、上年度海关税收、城镇居民可支配收入、进出口差额等因素取对数;汇率水平取人民币对美元价。

2.微观因素分析模型。另一方面， 微观经济变量对数的差分对相关政策具有极强的弹性和敏感度，由于特定政策变化的直接和间接影响，对整体经济的整体性影响是快速的，对关税的变化状态产生直观反应，从而可以更为全面地评估关税政策的实施效果，更具实际研究意义。在统计分析中采用回归分析和因子分析相结合的方法对关税税源相关因素作综合分析，客观地分析各微观经济变量与我国关税增长之间的关系， 并根据数据来分析所处的状态特征，从而对影响海关关税的主要因素进行重点管理，降低海关征税风险，提高关税征管质量，进而提高海关关税工作的成效，为国家调整关税政策提供依据。据此，可以构建如下关税税源风险识别模型：

TAX（RE）=β0+β1进出境人员数（PEO）+ β2进出境货物重量（GOOD） +β3进出境邮件数量（EMS）+β4查获走私案值（S） +β5减免税金额（FT）+β6报关单数量（DEC）+ε2（10）

依据风险的本质特征，笔者定义对海关关税税源产生负数影响的因素为风险因子，海关关税税源风险可表示为以下函数：

在式（11）中，TAX（Re）是指特定环境下的关税税源风险;ae是指特定环境下的宏观因素变量;Se是指特定环境下的微观因素变量。设关税税源风险当量为R，其中G为前述的风险因子，w为对应的权重。

在式（12）中，所有权重确定方法均可用层次分析法，总的关税税源风险当量R可以表示为指标的逐层加权和，具体监测只需收集最基层指标的现实值，逐层代入公式中可得TAX（Re）。

4.旋转后的因子模型。计算因子载荷矩阵，根据载荷矩阵可以说明各公共因子在各变量上的载荷。为了便于公共因子对各变量的命名和解释，对初始因子载荷矩阵进行方差最大正交旋转，使因子载荷向0～1分化，得到旋转后的因子载荷矩阵。因子载荷矩阵旋转，增强公因子的解释能力。从公因子F旋转到公因子G，即：

对于旋转后的因子模型得到的公因子变量G即为对于关税税源影响突出的因素。结合实际关税税源风险不同纬度、不同层次的信息，即可得出实际结论。

五、相关对策建议

（一）正确认识中美贸易摩擦的本质，提高政治站位

美国现时常以关税不对等、贸易逆差、强迫外资企业出让技术以及指责中国对知识产权保护不力等诸多借口发动对华贸易摩擦。就关税不对等而言，据中国商务部2019年11月发布的《中国对外贸易形势报告（2019年秋季）》指出，2019年中国平均进口关税下降至5.8%左右的历史低位，……而根据WTO数据库统计，美国对世界其他国家平均关税率由2018年的3.24%，上升至2020年初的3.59%，上涨了10.8% [19]。就缩小贸易逆差、制造业回归美国而言，因为美国并没有对所有进口产品征收额外关税，而是只对中国出口的部分商品强加额外关税，其结果是美国会从其他国家进口中国商品的替代品，因此美国进口商品与服务并不会减少，在其出口额保持稳定的情况下，美国并不会降低其商品与服务的贸易逆差，制造业也不会回流美国。就强制技术转让的指责也是子虚乌有。外资公司并不是被强迫在中国市场投资，企业间的技术转让是市场行为 [20]。就知识产权保护而言，世界知识产权组织发布最新报告称，2020年全球专利申请量增长4%，达到27.59万件申请，创造了有史以来的最高数量。中国专利申请量同比增长16.1%，以68 720件稳居世界第一。一个申请专利世界第一的国家没有理由不重视知识产权保护。

中美之间的贸易竞争不仅是一种市场经济下的竞争行为，更是一种地缘政治竞争在经济领域的反应。美国挑起贸易摩擦是因为“中国制造2025中确定的行业都处于技术前沿，美国和其他工业化国家也希望在这些行业中占据主导地位。此外，由于中国制造业规模和制造业生产能力的多样性，中国高科技企业在竞争中占据有利的地位” [21]。由此可见，中美之间的贸易摩擦可能会持续很长时间。同时，随着数字经济的发展，服务的可贸易性越来越大，平均增速超過货物贸易。2017年，美国服务贸易的出口总额达到7 900亿美元，实现顺差2 551亿美元，而中国服务贸易的进口总额达到4 720亿美元 [22]。服务贸易向数字贸易的转化，致使关税税源呈现隐蔽化、分散化、微型化的变化趋势，传统关税管理在数据的采集、分析、挖掘及共享等方面显得十分乏力，关税税源风险识别面临严峻挑战。因而，此种研究具有很强的现实意义，可为减少中美贸易摩擦提供帮助。

（二）强化风险管理人才培养，建立一支关税职业风险管理队伍

人才是提升关税税源风险识别能力的保障。顺应全球经济数字化的发展浪潮，积极应对跨境贸易数字化的挑战，海关应培养一批掌握全面风险管理理论、关税理论及国际税收规则，既懂得关税业务又通晓计算机、概率论、数理统计，又能够借助大数据、人工智能进行联动分析、深挖数据背后的价值并严控关税风险的复合型人才。

在跨境数字贸易日益活跃的时代，关税税源呈现隐蔽化、分散化、微型化的变化趋势，在对国际税收规则形成冲击的同时，加大了税源风险识别的难度，税源监管面临严峻挑战。面对新的征管环境，海关有必要成立关税税源风险识别智库，由国际贸易、国际金融、跨境电商、国际税收、财务会计、数理统计、大数据、人工智能、计算机、外语以及海关业务骨干等方面的专家组成，运用好专家资源持续对关税管理人员进行培训和业务指导，使其能精准掌握关税税源发展变化的最新动向。

海关还应设置恰当的激励机制来留住已培养的高素质关税管理人才。可以设定一个比例，按关税管理人员对关税税源监控所挽回的损失给予其奖励。可以开展相关竞赛活动，增加关税管理人员在工作中的挑战性，调动全员积极性，做到人尽其才。随着关税税源管理数字化转型的推进，涉及内外部数据采集、数据存储、数据分析、数据应用等一系列工作，需要由专业化的团体来加强对涉税信息的整合和分析，从而保证关税风险管理工作的顺利开展。因此，可以借鉴国外关税风险管理的操作实践，可考虑建立一支精英队伍，从各个专业角度筛选人才，包括对注册会计师、律师、注册税务师、算法工程师、网络工程师等相关人员的聘用。

（三）以集成思维引领大数据风险管理工作，助力关税税源风险管理数字化转型

跨境数字贸易的虚拟化、无纸化特征，导致海关与纳税人之间涉税信息明显不对称，现行的海关征管模式很难掌握数字化新型商业模式的税源情况。随着数字经济的进一步发展，在线支付方式也愈发多样化，虚拟货币等最新技术在线上交易中的应用将对关税管理提出更大的挑战。在交易平台上的从业者数量庞大，买卖双方的匿名性、不固定性以及交易过程的无纸化、无痕化、无址化，增加了确定纳税人和应纳税额的难度。新型交易模型和支付方式的出现，使关税税源从集中式转变为相对分散式，使得海关在监管税源方面困难重重。因此，要想在全球经济数字化的大背景下实现有效的关税税源风险识别，就必须提高关税风险管理能力。基于集成的理念，以风险管理为导向构建起全覆盖的关税大数据平台，这是数字经济时代税源管理的基础性工作。

大数据不仅是一项新技术，更是一种全新的思维模式和工作方法，不但影响着我们生活的方方面面，也深刻地影响着政府治理水平和社会管理能力[16]。集成思想是现代系统管理领域的前沿理论，将大数据技术应用于风险管理是以大数据为依托，立足风险分析，致力于让数据说话，从而有效防控风险，提出有针对性的具体建议，实现关税管理质量的持续改进。

关税税源风险管理涵盖了两条线 ：一条是明线：风险管理流程;另一条是暗线：采集、储存、处理、分析、交换数据信息的治理流程。两条线相互交织共同推动税源风险管理工作向前发展。特别是随着大数据时代的到来，暗线的作用将会不断凸显。大数据风险管理是要对两条线进行深度的融合，实现数据信息集成、管理方法集成、管理资源集成。同时，随着大数据在海关系统的深度运用，加快了税源风险管理数字化转型的步伐，关税风险管理核心理念也由传统的依靠人力逐步向数据驱动转化。因此，为有效应对全球经济数字化给关税税源管理带来的严峻挑战，必须结合风险管理全流程实现税源风险识别、应对、过程监控的集成化。当然，风险管理的倍增性主要体现在风险识别上，提高风险识别命中率是税源风险管理数字化转型成功的关键。

（四）持续改进关税税源风险识别模型，提高风险识别精准度

如前所述，税源风险识别模型是税源风险管理的重要工具，是支撑风险识别、风险排序、风险应对等风险管理流程的关键环节。尽管本文针对基于小样本的单一、传统识别模型在大数据时代存在的问题，结合数字经济背景下关税税源呈现出的新特征，构建了一套关税税源风险识别的理论模型及相应的应用子模型，但由于海关数据政策性强，关键数据的保密性高，还有待获取这类数据对这套识别模型作进一步的实证检验。因此，关税税源风险识别模型是在运用中不断验证、不断完善并持续改进的模型。

我们正处在大数据驱动的大变革时代，海关集聚了海量的关税数据，亟需通过更深、更广的数据分析技术来发挥数据价值。运用大数据、人工智能、机器学习等技术进行关税税源风险识别，顺应了大变革时代背景下税源风险管理的迫切需求。这些技术以计算机可利用的数据信息为引导，利用计算机科学的概念框架，结合统计、概率、算法、最优化理论的思想来动态优化风险识别模型，这是风险预测、风险识别更精准的必然路径。

参考文献：

[1]马弘，秦若冰.贸易平衡与关税对等：中美经贸之辩[J].国际商务研究，2021（4）： 30-46.

[2]田开兰，杨翠红，祝坤福，等.两败俱伤：中美贸易关税对经济和就业的冲击[J].管理科学学报，2021（2）：14-27.

[3]郝东杰.聚焦数字经济 深化税收治理——2020年度“数字经济与税收治理”征文活动综述[J].税务研究，2021（6）：142-145.

[4]郑佩燕，刘军.数字经济国际税收规则变革趋势与中国应对举措[J].财政科学，2021（3）：55-62.

[5]夏鲁惠，何冬昕.我国数字经济产业从业人员分类研究[J].河北经贸大学学报，2020（6）：101-108.

[6]余燕.数字经济背景下我国税源监管问题研究[J].中国管理信息化，2020（7）：138-139.

[7]陳超凡，刘浩.全球数字贸易发展态势、限制因素以及中国的对策[J].理论学刊，2018（5）：48-55.

[8]LAWRENCE J.LAU.The China-U.S trade war and future economic relations[R].Hong Kong University Press： 2018.

[9]ANTONY TING，SIDNEY J.GARY.The rise of the digital economy： rethinking the taxation of multinational enterprises[J].Journal of International Business Studies，2019（9）：1656-1667.

[10]陆小晔，江伟杰.关税税源管理探究[J].上海海关学院学报，2009（增刊）：88-91.

[11]戴振华.论国际数字产品贸易的关税问题[J].理论观察，2015（8）：85-86.

[12]张斌.数字经济对税收的影响： 挑战与机遇[J].国际税收，2016（6）：30-32.

[13]余加喜，陈虎.论数字经济时代国内税法和国际税法的良性互动[J].税务研究，2020（1）：91-95.

[14]RUSSELL D W.In search of underlying dimensions： The use （and abuse） of factor analysis in Personality and Social Psychology Bulletin[J].Personality and Social Psychology Bulletin，2002，28 （12）： 1629-46.

[15]赵涛.数字化背景下税收征管国际发展趋势研究[J].经济研究参考，2020（12）：112-120.

[16]何振华，陈竹山，胡译颢.全面风险管理成熟度模型简介及启示[J].国际税收，2021（7）：59-63.

[17]姬颜丽，王文清.大数据背景下税收风险识别精准度存量研究——基于机器学习的视角[J].财政研究，2020（9）：119-129.

[18]范鑫.数字经济与出口：基于异质性随机前沿模型的分析[J].世界经济研究，2021（2）：64-76.

[19]鞠建东，王晓燕，李昕，等.关税争端对中美贸易差额、贸易条件与贸易结构的影响[J].国际经济评论，2021（2）：71-92.

[20]DAN CIURIAK.The US-China trade war： technological roots and WTO responses[J].Global Solutions Journal，2019（4）： 130-135.

[21]DEBORAH L.SWENSON，WING THYE WOO.The politics and economics of the U.S.-China trade war[J].Asian Economic Papers，2019（3）：1-28.

[22]马弘，秦若冰，美国经济的开放结构：兼论后危机时代美国贸易政策转向[J].当代美国评论，2020（1）：56-71.

[23]颜宝铜.基于集成理念的大数据时代税收风险管理探析[J].税务研究，2021（7）：98-103.

责任编辑：李金霞