Tax reform as a constrained optimization problem: a piecewise-linear framework and software implementation

Sintesi Tecnica: La Riforma Fiscale come Problema di Ottimizzazione Vincolata

Enunciato del Problema
I codici d'imposta sul reddito nei paesi sviluppati si sono evoluti in sistemi complessi e interagenti di scaglioni, benefici e detrazioni. Questa complessità crea un "gap di implementazione" in cui i principi teorici di tassazione ottimale (ad es., Mirrlees, 1971; Saez, 2001) divergono nettamente dalla realtà statutaria. Un sintomo primario è l'emergere di "picchi di aliquota marginale" — aliquote fiscali effettive superiori all'80% per le famiglie a basso e medio reddito a causa della simultanea riduzione dei benefici. Questi picchi smorzano gli incentivi al lavoro e sono spesso sottoprodotti non intenzionali di riforme storiche fatte ad hoc.

Gli strumenti esistenti per la politica fiscale affrontano tre limitazioni:

1. Modelli di microsimulazione (ad es., EUROMOD, TAXSIM) valutano proposte fornite dagli analisti ma non possono generarle.
2. Modelli di tassazione ottimale numerica ottimizzano programmi astratti e regolari sotto ipotesi stilizzate, ignorando le specifiche regole statutarie di un codice reale.
3. Approcci di apprendimento per rinforzo (Reinforcement Learning) restituiscono politiche "black-box" senza certificare l'ottimalità o identificare l'infeasibilità.

Di conseguenza, gli sforzi di riforma spesso si affidano ad aggiustamenti incrementali piuttosto che a una riprogettazione sistematica, fallendo nel soddisfare gli obiettivi dichiarati di efficienza, equità e semplicità.

Metodologia: Un Framework Lineare a Tratti
Gli autori propongono di inquadrare la riforma fiscale come un problema di ottimizzazione vincolata. L'intuizione centrale della modellazione è che, sotto quattro ipotesi moderate, qualsiasi codice fiscale sul reddito può essere ridotto a una funzione continua, lineare a tratti e a dimensione finita per ogni gruppo di contribuenti.

• Ipotesi:

  1. Additività: La pressione fiscale totale è la somma delle pressioni delle singole regole.
  2. Input Scalare: Ogni regola applica tasse su un singolo input (es. il reddito).
  3. Linearità a Tratti: La pressione marginale è costante sugli intervalli; la pressione assoluta è una funzione continua e lineare a tratti.
  4. Eterogeneità dei Gruppi: L'idoneità e i parametri dipendono dalle caratteristiche dei contribuenti, partizionando la popolazione in gruppi finiti.

• Formulazione Matematica:
  L'onere fiscale totale $f_k(x_i)$ per un contribuente $i$ nel gruppo $k$ è espresso come:
  $$f_k(x_i) = \sum_{j} \sum_{b \in \mathcal{B}_{j,k}} \alpha_{j,b,k} g_b(x_{ij}; \Phi_{j,k}) + Z_k$$
  dove $\alpha$ sono le aliquote marginali, $g_b$ sono le funzioni di scaglione definite da un insieme di supporto $\Phi$ (soglie), e $Z_k$ è un trasferimento lump-sum.

• Struttura di Ottimizzazione:

  • Variabili Decisionali: I parametri legislabili del codice: aliquote ($\alpha$), soglie di scaglione ($\Phi$) e trasferimenti lump-sum ($Z$).
  • Vincoli: Requisiti politici e distributivi, tra cui:
    • Garanzie sul Reddito: Limiti alle variazioni del reddito netto (es. nessun nucleo familiare perde più del $x\%$).
    • Vincoli Marginali: Tetti alle aliquote fiscali marginali effettive.
    • Vincoli di Bilancio: Limiti alla perdita o al guadagno di entrate totali.
    • Protezione delle Regole: Vincoli rigidi per mantenere intatte specifiche regole pregresse.
  • Obiettivi: Minimizzare la perdita di entrate, minimizzare la complessità del sistema (conteggio pesato delle regole attive), o minimizzare i gap di povertà.

• Estensioni:

  • Complessità: Modellata tramite un obiettivo di cardinalità pesata (minimizzazione delle regole attive) utilizzando variabili binarie, trasformando il problema in un Programma Lineare Intero Misto (MILP).
  • Scaglioni Dinamici: Trattare i punti di soglia come variabili decisionali per selezionare la griglia di supporto ottimale.
  • Risposte Comportamentali: Incorporare l'elasticità del reddito imponibile. Ciò introduce un prodotto di variabili decisionali (aliquota $\times$ risposta al reddito), risultando in un Programma Quadraticamente Vincolato Intero Misto (MIQCP) non convesso. Gli autori forniscono anche un algoritmo iterativo a punto fisso (Algoritmo 1) come alternativa basata solo su LP.
  • Certificazione di Infeasibilità: Se i vincoli sono in conflitto, il solver restituisce un Sottosistema Infattibile Irriducibile (IIS), fornendo un certificato che nessun modello soddisfa l'insieme specifico di impegni.

Contributi Chiave

1. Risultato di Modellazione: Una dimostrazione (Proposizione 1) che i codici statutari che soddisfano le quattro ipotesi si riducono a una singola funzione lineare a tratti per gruppo, consentendo di inquadrare la riforma come un Programma Lineare (LP) o MILP.
2. Recupero Inverso: Un metodo (Proposizione 2) per recuperare i parametri dell'attuale sistema dalle oneri fiscali osservati, con condizioni per l'identificabilità univoca.
3. Framework di Riforma-Ottimizzazione: Una libreria di vincoli e obiettivi che permette ai decisori politici di cercare nello spazio dei codici implementabili candidati ottimali o di ricevere un certificato di infeasibilità.
4. Caso di Studio: Una ricostruzione quasi completa del codice fiscale olandese (15 regole, 13.500 contribuenti pesati) che dimostra la generazione di riforme certificate.
5. Implementazione Software: Il rilascio di TaxSolver, un pacchetto Python open-source e indipendente dal solver.

Risultati: Il Caso Olandese
Il framework è stato applicato al sistema fiscale olandese, caratterizzato da elevati picchi di aliquota marginale (>80%) per molte famiglie. Gli autori hanno generato candidati di riforma che:

• Smussavano le Aliquote Marginali: Limitavano la pressione marginale al 55–80%, eliminando i picchi causati dalla simultanea riduzione dei benefici.
• Proteggevano le Famiglie: Garantivano che il reddito netto di nessun nucleo familiare scendesse al di sotto del 95% del suo livello attuale.
• Riducevano la Complessità: Dimezzarono approssimativamente il numero di regole attive (da un peso di complessità di 89 a circa 32–39) tramite una procedura lessicografica a due stadi (prima minimizzando la perdita di entrate, poi minimizzando il numero di regole entro un limite di entrate residue).
• Fattibilità di Bilancio: Operavano entro una banda di budget del $\pm 1,5\%$, con un obiettivo secondario che permetteva un ulteriore 1% di margine per acquistare semplicità.

Lo studio ha dimostrato che il framework può produrre riforme "certificate" — proposte statutarie complete che sono provabilmente ottimali all'interno dello spazio modellato — o identificare quando specifici obiettivi politici (ad es., estremi limiti di aliquota combinati con una rigorosa protezione del reddito) sono mutuamente incompatibili.

Significato
Il documento si pone come un ponte tra la teoria della tassazione ottimale e la realtà politica della riforma statutaria. Trattando il codice statutario stesso come la variabile decisionale anziché uno schema astratto, la metodologia offre un modo trattabile per navigare il "gap di implementazione". Fornisce un meccanismo rigoroso per:

• Generare proposte di riforma che soddisfino vincoli politici stringenti (ad es., "nessun nucleo familiare perde reddito") piuttosto che limitarsi a ottimizzare una funzione di benessere.
• Certificare l'ottimalità o l'infeasibilità, andando oltre le ricerche euristiche che non possono provare che una soluzione sia la migliore o che un problema sia insolubile.
• Quantificare il compromesso tra la complessità del sistema e i risultati fiscali, permettendo ai decisori politici di "acquistare" esplicitamente la semplicità attraverso perdite di entrate controllate.

Gli autori osservano che la metodologia è attualmente in uso attivo presso il Ministero delle Finanze olandese, sviluppata in stretta collaborazione con gli autori, validandone l'utilità pratica in un ambiente politico reale.