Октмо 105: Заполняем платежное поручение правильно | ФНС России
Реквизиты для оплаты ЕНП у всех организаций одинаковые, через УФК по Тульской области? В образце по заполнению платежки в поле 105 «ОКТМО» стоит 0, у меня программа требует заполнение этого поля (для оплаты ЕНП), как быть?
- 19 января 2023 г.
Да, верно перечислять ЕНП казначейский счет в УФК по Тульской области. Получателем (16) указывают «УФК по Тульской области (Межрегиональная ИФНС по управлению долгом)» и приводят его банковские реквизиты.
На специальной промостранице ФНС размещен образец заполнения платежного поручения на уплату ЕНП. Среди прочего, там указано, что в реквизите «ОКТМО» следует указывать «0». Налоговики рассказали, что делать, если такую платежку не проводит банк.
Сообщается, что если банк не принимает платежки, в которых в поле «ОКТМО» проставлен «0», в этом поле можно указать иное значение ОКТМО, состоящее из восьми знаков.
Перечисленные таким образом средства все равно будут приняты и учтены на ЕНС налогоплательщика в качестве единого налогового платежа.
Источник: Телеграм-канал ФНС
Как заполнить платежное поручение на уплату ЕНП
Рекомендуем заполнять его согласно информации, представленной на сайте ФНС России (https://www.nalog.gov.ru/rn77/ens/#block06ancor), поскольку в действующих правилах заполнения платежных поручений не предусмотрен порядок заполнения платежек при уплате налогов (взносов, сборов) посредством ЕНП.
Заполнить платежку на уплату ЕНП можно с помощью сервиса ФНС России «Уплата налогов и пошлин» (https://service.nalog.ru/payment/payment.html?payer=ul). После заполнения сведений платежное поручение будет сформировано в формате PDF.
Самостоятельно заполняйте платежное поручение по общим правилам с учетом реквизитов, указанных на сайте ФНС России (https://www.nalog.gov.ru/rn77/ens/#block06ancor).
Сведения о плательщике отразите с учетом следующих особенностей:
в поле 101 укажите «01»;
в поле 102 — КПП головной организации.
Сведения о получателе средств и его банковских реквизитах заполните так:
в поле 16 укажите «Управление Федерального казначейства по Тульской области (Межрегиональная инспекция Федеральной налоговой службы по управлению долгом)»;
в поле 61 — ИНН получателя «7727406020»;
в поле 103 — КПП получателя «770801001»;
в поле 13 — наименование банка получателя средств «ОТДЕЛЕНИЕ ТУЛА БАНКА РОССИИ//УФК по Тульской области, г. Тула»;
в поле 14 — БИК банка получателя «017003983»;
в поле 15 — номер счета банка получателя средств «40102810445370000059»;
в поле 17 — номер казначейского счета «03100643000000018500».
В поле 104 приведите КБК 18201061201010000510.
В полях 22, 105 — 109 укажите «0».
В поле 24 отразите назначение платежа «Единый налоговый платеж».
Если при заполнении платежки вы неправильно укажете номер счета Федерального казначейства или наименование банка получателя, платеж может не поступить в бюджет.
Подписаться на новости законодательства
Еще по этой теме
- Новости
- Мероприятия
- Записи мероприятий
8 декабря 2022 г.
ЕНП: утверждена форма уведомления об исчисленных суммах налогов с 1 января 2023 года
6 декабря 2022 г.
Как с 2023 года отражать в бухучете перечисление налогов через ЕНП и суммы, формирующие сальдо ЕНС?
8 декабря 2022 г.
ФНС ответила более чем на 30 вопросов по переходу на ЕНП
24 ноября 2022 г.
Как организациям платить НДФЛ с 1 января 2023 года?
18 ноября 2022 г.
Как с 1 января 2023 года будут взыскивать задолженность по налогам, пеням и штрафам?
27 февраля 2023 г.
Налоговая экспертиза «ЭЛКОДА». Дайджест главных налоговых новаций 2023 года
- Популярное
Гид по разделу «Образование»
Вы можете убедиться в качестве наших продуктов и услуг, ведь, как известно, лучше один раз увидеть, чем 100 раз услышать
КонсультантПлюс
получите бесплатный демо-доступ к интересующему вас комплекту СПС КонсультантПлюс и решите актуальную для вас проблему
Вебинар закажите доступ к записи вебинара на актуальную тему (на выбор для бухгалтера, кадровика, юриста, специалиста по госзакупкам, бюджетной организации) Семинарбесплатно посетите семинар на интересующую вас тему (на выбор из программы ближайших образовательных мероприятий для разных специалистов)
Курсы повышения квалификации ИПБРпосетите бесплатный семинар курсов повышения квалификации (на выбор из 11 спецкурсов ИПБР с нулевого уровня до аттестации ИПБР)
СБиС
Нажимая кнопку «Отправить», я принимаю условия
Пользовательского соглашения
и даю свое согласие на
обработку моих персональных данных.
Нажимая кнопку «Отправить», я принимаю условия
Пользовательского соглашения
и даю свое согласие на
обработку моих персональных данных.
Нажимая кнопку «Отправить», я принимаю условия
Пользовательского соглашения
и даю свое согласие на
обработку моих персональных данных.
- Вход
- Регистрация
Активация аккаунта
Забыли пароль?
Забыли пароль?
Нажимая кнопку «Зарегистрироваться», я принимаю условия Пользовательского соглашения и даю свое согласие на обработку моих персональных данных.
|
При электронном приеме и ручном вводе платежных документов (платежки расходные, заявки на кассовый расход) проверяется корректность заполнения налоговых реквизитов, в соответствии с требованиями приказа Минфина РФ № 107н. Контроль игнорирует проведенные платежки (с непустой датой проводки). Платеж должен быть оформлен по требованиям 107н, если в счете получателя (см графу «ЭД: Счет получателя» в списке документов) указан один из балансовых счетов согласно приложениям 1 и 4 приказа 107н: — 03100; — 03212, 03222, 03232, 03242, 03252, 03262 либо 03272; — 03214, 03224, 03234 либо 03254; — банковские счета, не входящие в состав единого казначейского счета, открытые в Банке России на балансовых счетах: 40503 — с отличительным признаком «4» в четырнадцатом разряде; 40603 — с отличительным признаком «4» в четырнадцатом разряде; 40703 — с отличительным признаком «4» в четырнадцатом разряде.
Согласно МЦОИ-15-1-9/2895 от 18 августа 2017 года : — контроль налоговых полей только при заполненном 101 поле. — для счетов получателя, перечисленных в приказе 107н, поле 101 должно быть заполнено. — для счетов получателя, не перечисленных в приказе 107н, контроль не осуществляется. — ИНН получателя 10 знаков при заполненном поле 101 . — платежи из бюджета в бюджет могут не соответствовать 107н .
При несоответствии требованиям выводится протокол, озаглавленный «Контроль полей 104-110 по приказу МФ 107н», с указанием некорректных налоговых реквизитов.
Требования к оформлению документа по 107н
Проверка правильности заполнения реквизитов, заполняемых и при неналоговых платежах:
В случае заполненного статуса плательщика (101 поле) проводятся следующие проверки:
При нарушении требований в протоколе сообщение: «Некорректный показатель налогового периода (107) …» .
|
В случае присутсвия кода дохода и отличия его размерности от 20 символов сообщение в протоколе: «Поле КБК (104) размерность значения отличная от 20 знаков. Значение поля …» .
При нарушении требования в протоколе сообщение: «Неизвестный показатель основания платежа (106) …».
ММ.ГГГГ.
Тилеграмма регионов России · GitHub
Это тайлеграмма регионов России с искаженной площадью по населению 2015 года. Я полагался на алгоритм искажения Гастнера и Ньюмана 2004 года. Каждый шестиугольник примерно равен 25 000 человек. Наведите указатель мыши на регионы, чтобы увидеть их названия и численность населения (на русском языке).
# (с) Дмитрий Скугаревский, ноябрь 2016 г.
#
# Использование этого исходного кода регулируется лицензией MIT.
# находится по адресу https://opensource.org/licenses/MIT
# Загрузить зависимости
пакеты <- c("maptools", "raster", "sp", "rgeos", "devtools")
если (длина (setdiff (пакеты, имена строк (installed.packages ()))) > 0) {
install.packages(setdiff(packages, rownames(installed.packages())))
}
lapply (пакеты, библиотека, символ. только = ИСТИНА)
# NB: раскомментируйте следующие две строки пакетов для установки
# пакеты с Github. Они требуют http://www.
fftw.org
# (например, brew install fftw)
#devtools::install_github("омегахат/Rcartogram")
#devtools::install_github("chrisbrunsdon/getcartr", subdir = "getcartr")
библиотека (Rcartogram)
библиотека (getcartr)
# Функция для загрузки и открытия заархивированного шейп-файла
# через http://thebiobucket.blogspot.ch/2013/09/batch-downloading-zip-shapefiles.html
url_shp_to_spdf <- функция (URL) {
требуют (картоинструменты)
wd <- getwd()
td <- tempdir()
установитьwd (тд)
temp <- tempfile(fileext = ".zip")
скачать.файл(URL, временный)
разархивировать (временный)
shp <- dir(tempdir(), "*.shp$")
y <- readShapePoly(shp)
разорвать связь (директор (тд))
установитьwd(wd)
возврат (г)
}
# Скачать шейп-файл границ регионов России
# в который включено население региона за 2015 год.
# Я агрессивно упростил это с помощью mapshaper и вручную
# (удаление островов Крайнего Севера, всех малых островов или озер
# не больше Севастополя по площади)
rus_bounds <- url_shp_to_spdf("http://donutholes.ch/test/rus_regions_simpl. shp.zip")
# Использовать проекцию Альберса Сибирь
WGS_84 <- CRS("+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0")
Albers_Siberia <- CRS("+proj=aea +lat_1=52 +lat_2=64 +lat_0=0 +lon_0=105 +x_0=18500000 +y_0=0 +ellps=krass +towgs84=23.92,-141,27,-80,9,-0,0,35,0,82,-0,12 +единицы=m +no_defs")
proj4string(rus_bounds) <- WGS_84
rus_bounds <- spTransform(rus_bounds, Albers_Siberia)
# Создать картограмму (требует времени и процессора, уменьшите разрешение
# на 512, чтобы получить разумное время вычислений за счет большей ошибки в областях формы)
rus_bounds_transf <- quick.carto(rus_bounds, rus_bounds$region_pop, res=3000, gapdens=2, blur=0)
# Хак для исправления возможных ошибок топологии
# (через http://gis.stackexchange.com/a/163480)
rus_bounds_transf <- gBuffer(rus_bounds_transf, byid = TRUE, width = -0.0001)
# Экспортируйте преобразованную форму сейчас, если вы чувствуете, что готовы исследовать ее
#writePolyShape(rus_bounds_transf, "rus_bounds_transf")
proj4string(rus_bounds_transf) <- Альберс_Сибирь
# Проверить, пропорциональна ли теперь площадь населению
## Корреляция между населением региона и площадью теперь превышает 0,9:
## cor(rus_bounds_transf@data$region_pop, gArea(rus_bounds_transf, byid = T))
## Разница в площади между Крымом и Москвой теперь почти соответствует разнице в населении:
## gArea(rus_bounds_transf, byid = T)[36]/gArea(rus_bounds_transf, byid = T)[54]
## rus_bounds_transf@data$region_pop[36]/rus_bounds_transf@data$region_pop[54]
# Также проверьте остатки преобразования
## disrep <- cart. resids(rus_bounds_transf, rus_bounds$region_pop)
## shs <- auto.shading(c(discrep,-discrep), n = 5, col = brewer.pal(5, "RdBu"))
## choropleth(rus_bounds_transf, discrep, shading = shs)
## choro.legend(600, 600, шс)
# Установить среднее количество людей на единицу преобразованной площади шейп-файла
pop_per_area <- mean(rus_bounds_transf@data$region_pop/gArea(rus_bounds_transf, byid = T))
# Установите площадь для шестиугольников так, чтобы каждый из них охватывал 25000 человек
hex_area <- 25000/pop_per_area
# Функция для создания шестиугольной сетки
# (через http://strimas.com/spatial/hexagonal-grids/)
make_grid <- function(x, cell_diameter, cell_area, clip = FALSE) {
если (отсутствует (диаметр_ячейки)) {
если (отсутствует (область_ячейки)) {
stop("Необходимо указать cell_diameter или cell_area")
} еще {
cell_diameter <- sqrt (2 * cell_area / sqrt (3))
}
}
ext <- as(extent(x) + cell_diameter, "SpatialPolygons")
проекция (расш.) <- проекция (x)
# генерируем массив центров шестиугольников
g <- spsample(ext, type = "hexagonal", cellsize = cell_diameter,
смещение = с (0,5, 0,5))
# преобразовать центральные точки в шестиугольники
g <- HexPoints2SpatialPolygons(g, dx = диаметр_ячейки)
# клип к границе изучаемой области
если (клип) {
g <- gIntersection(g, x, byid = T)
} еще {
г <- г [х, ]
}
# очистить идентификаторы функций
row. names(g) <- as.character(1:length(g))
возврат (г)
}
# Создаем шестиугольную сетку
source_hex_grid <- make_grid(rus_bounds_transf, cell_area = hex_area, clip = F)
# Добавляем атрибуты в сетку для создания конечного объекта
rus_hex <- SpatialPolygonsDataFrame(source_hex_grid, over(source_hex_grid, rus_bounds_transf))
proj4string(rus_hex) <- Альберс_Сибирь
# Определяем цветовую палитру
region_colors <- data.frame(REGION=levels(rus_hex$REGION),
color = brewer.pal(12, name = "Set3")[sample(1:12, 85, replace = T)]
)
# Добавляем цветовую палитру в сетку
rus_hex$color <- as.character(region_colors[match(rus_hex$REGION, region_colors$REGION), "color"])
# Экспортировать получившийся шейп-файл с шестиугольниками
writePolyShape(rus_hex, "rus_hex")
# Преобразование шейп-файла в TopoJSON с помощью
# https://github.com/topojson/topojson-1.x-api-reference/blob/master/Command-Line-Reference.md
система(paste0("cd ", getwd(), "; ",
"topojson --width 960 --height 550 --margin 10 -s .25 --shapefile-encoding utf8 --id-property SP_ID -p oktmo=OKTMO -p region=REGION -p население=region_pop -p color=color -o rus_hex. topojson rus_hex.shp"
)
)
fftw.org
# (например, brew install fftw)
#devtools::install_github("омегахат/Rcartogram")
#devtools::install_github("chrisbrunsdon/getcartr", subdir = "getcartr")
библиотека (Rcartogram)
библиотека (getcartr)
# Функция для загрузки и открытия заархивированного шейп-файла
# через http://thebiobucket.blogspot.ch/2013/09/batch-downloading-zip-shapefiles.html
url_shp_to_spdf <- функция (URL) {
требуют (картоинструменты)
wd <- getwd()
td <- tempdir()
установитьwd (тд)
temp <- tempfile(fileext = ".zip")
скачать.файл(URL, временный)
разархивировать (временный)
shp <- dir(tempdir(), "*.shp$")
y <- readShapePoly(shp)
разорвать связь (директор (тд))
установитьwd(wd)
возврат (г)
}
# Скачать шейп-файл границ регионов России
# в который включено население региона за 2015 год.
# Я агрессивно упростил это с помощью mapshaper и вручную
# (удаление островов Крайнего Севера, всех малых островов или озер
# не больше Севастополя по площади)
rus_bounds <- url_shp_to_spdf("http://donutholes.ch/test/rus_regions_simpl.
shp.zip")
# Использовать проекцию Альберса Сибирь
WGS_84 <- CRS("+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0")
Albers_Siberia <- CRS("+proj=aea +lat_1=52 +lat_2=64 +lat_0=0 +lon_0=105 +x_0=18500000 +y_0=0 +ellps=krass +towgs84=23.92,-141,27,-80,9,-0,0,35,0,82,-0,12 +единицы=m +no_defs")
proj4string(rus_bounds) <- WGS_84
rus_bounds <- spTransform(rus_bounds, Albers_Siberia)
# Создать картограмму (требует времени и процессора, уменьшите разрешение
# на 512, чтобы получить разумное время вычислений за счет большей ошибки в областях формы)
rus_bounds_transf <- quick.carto(rus_bounds, rus_bounds$region_pop, res=3000, gapdens=2, blur=0)
# Хак для исправления возможных ошибок топологии
# (через http://gis.stackexchange.com/a/163480)
rus_bounds_transf <- gBuffer(rus_bounds_transf, byid = TRUE, width = -0.0001)
# Экспортируйте преобразованную форму сейчас, если вы чувствуете, что готовы исследовать ее
#writePolyShape(rus_bounds_transf, "rus_bounds_transf")
proj4string(rus_bounds_transf) <- Альберс_Сибирь
# Проверить, пропорциональна ли теперь площадь населению
## Корреляция между населением региона и площадью теперь превышает 0,9:
## cor(rus_bounds_transf@data$region_pop, gArea(rus_bounds_transf, byid = T))
## Разница в площади между Крымом и Москвой теперь почти соответствует разнице в населении:
## gArea(rus_bounds_transf, byid = T)[36]/gArea(rus_bounds_transf, byid = T)[54]
## rus_bounds_transf@data$region_pop[36]/rus_bounds_transf@data$region_pop[54]
# Также проверьте остатки преобразования
## disrep <- cart.
resids(rus_bounds_transf, rus_bounds$region_pop)
## shs <- auto.shading(c(discrep,-discrep), n = 5, col = brewer.pal(5, "RdBu"))
## choropleth(rus_bounds_transf, discrep, shading = shs)
## choro.legend(600, 600, шс)
# Установить среднее количество людей на единицу преобразованной площади шейп-файла
pop_per_area <- mean(rus_bounds_transf@data$region_pop/gArea(rus_bounds_transf, byid = T))
# Установите площадь для шестиугольников так, чтобы каждый из них охватывал 25000 человек
hex_area <- 25000/pop_per_area
# Функция для создания шестиугольной сетки
# (через http://strimas.com/spatial/hexagonal-grids/)
make_grid <- function(x, cell_diameter, cell_area, clip = FALSE) {
если (отсутствует (диаметр_ячейки)) {
если (отсутствует (область_ячейки)) {
stop("Необходимо указать cell_diameter или cell_area")
} еще {
cell_diameter <- sqrt (2 * cell_area / sqrt (3))
}
}
ext <- as(extent(x) + cell_diameter, "SpatialPolygons")
проекция (расш.) <- проекция (x)
# генерируем массив центров шестиугольников
g <- spsample(ext, type = "hexagonal", cellsize = cell_diameter,
смещение = с (0,5, 0,5))
# преобразовать центральные точки в шестиугольники
g <- HexPoints2SpatialPolygons(g, dx = диаметр_ячейки)
# клип к границе изучаемой области
если (клип) {
g <- gIntersection(g, x, byid = T)
} еще {
г <- г [х, ]
}
# очистить идентификаторы функций
row.
names(g) <- as.character(1:length(g))
возврат (г)
}
# Создаем шестиугольную сетку
source_hex_grid <- make_grid(rus_bounds_transf, cell_area = hex_area, clip = F)
# Добавляем атрибуты в сетку для создания конечного объекта
rus_hex <- SpatialPolygonsDataFrame(source_hex_grid, over(source_hex_grid, rus_bounds_transf))
proj4string(rus_hex) <- Альберс_Сибирь
# Определяем цветовую палитру
region_colors <- data.frame(REGION=levels(rus_hex$REGION),
color = brewer.pal(12, name = "Set3")[sample(1:12, 85, replace = T)]
)
# Добавляем цветовую палитру в сетку
rus_hex$color <- as.character(region_colors[match(rus_hex$REGION, region_colors$REGION), "color"])
# Экспортировать получившийся шейп-файл с шестиугольниками
writePolyShape(rus_hex, "rus_hex")
# Преобразование шейп-файла в TopoJSON с помощью
# https://github.com/topojson/topojson-1.x-api-reference/blob/master/Command-Line-Reference.md
система(paste0("cd ", getwd(), "; ",
"topojson --width 960 --height 550 --margin 10 -s .25 --shapefile-encoding utf8 --id-property SP_ID -p oktmo=OKTMO -p region=REGION -p население=region_pop -p color=color -o rus_hex.
topojson rus_hex.shp"
)
)
Seite wurde nicht gefunden. — консолют
Основные (1)
Основные файлы cookie обеспечивают выполнение основных функций и необходимы для правильной работы веб-сайта.
Показать информацию о файлах cookie Скрыть информацию о файлах cookie
| Имя | Печенье Борлабс |
|---|---|
| Провайдер | Владелец этого веб-сайта, Выходные данные |
| Назначение | Сохраняет настройки посетителей, выбранные в окне файлов cookie Borlabs Cookie. |
| Имя файла cookie | borlabs-cookie |
| Срок действия файла cookie | 1 год |
Статистика (1)
Статистика
Статистические файлы cookie собирают информацию анонимно. Эта информация помогает нам понять, как наши посетители используют наш веб-сайт.
Показать информацию о файлах cookie Скрыть информацию о файлах cookie
| Принять | Гугл Аналитика |
|---|---|
| Имя | Гугл Аналитика |
| Провайдер | Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Ирландия |
| Назначение | Файл cookie Google, используемый для аналитики веб-сайта. Генерирует статистические данные о том, как посетитель использует веб-сайт. |
| Политика конфиденциальности | https://policies.google.com/privacy?hl=en |
| Имя файла cookie | _ga,_gat,_gid |
| Срок действия файла cookie | 2 года |
Маркетинг (2)
Маркетинг
Маркетинговые файлы cookie используются сторонними рекламодателями или издателями для отображения персонализированной рекламы.
Они делают это, отслеживая посетителей на веб-сайтах.
Показать информацию о файлах cookie Скрыть информацию о файлах cookie
| Принять | Пиксель Facebook |
|---|---|
| Имя | Пиксель Facebook |
| Провайдер | Meta Platforms Ireland Limited, 4 Grand Canal Square, Dublin 2, Ирландия |
| Назначение | Файл cookie Facebook, используемый для аналитики веб-сайта, таргетинга рекламы и измерения рекламы. |
| Политика конфиденциальности | https://www.facebook.com/policies/cookies |
| Имя файла cookie | _fbp,act,c_user,datr,fr,m_pixel_ration,pl,presence,sb,spin,wd,xs |
| Срок действия файла cookie | Сессия / 1 год |
| Принять | Тег статистики LinkedIn |
|---|---|
| Имя | Тег статистики LinkedIn |
| Провайдер | Компания LinkedIn в Ирландии без ограничений |
| Назначение | Тег LinkedIn Insight позволяет собирать информацию о посещениях этого веб-сайта. LinkedIn не передает никакой личной информации владельцу этого веб-сайта, а только предоставляет сводные отчеты об аудитории веб-сайта и эффективности рекламы. |
| Политика конфиденциальности | https://www.linkedin.com/legal/privacy-policy |
| Хост(ы) | px.ads.linkedin.com, snap.licdn.com, www.linkedin.com |
| Имя файла cookie | _ga, _gat; _lipt, bcookie, lang, lidc, |
| Срок действия файла cookie | 90 |
Внешние носители (3)
Внешние носители
Контент с видеоплатформ и социальных сетей по умолчанию заблокирован.
Если файлы cookie внешних носителей принимаются, доступ к этому содержимому больше не требует ручного согласия.
Показать информацию о файлах cookie Скрыть информацию о файлах cookie
| Принять | Фейсбук |
|---|---|
| Имя | Фейсбук |
| Провайдер | Meta Platforms Ireland Limited, 4 Grand Canal Square, Dublin 2, Ирландия |
| Назначение | Используется для разблокировки контента Facebook. |
| Политика конфиденциальности | https://www.facebook.com/privacy/explanation |
| Хост(ы) | .facebook.com |
| Принять | Карты Гугл |
|---|---|
| Имя | Карты Гугл |
| Провайдер | Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Ирландия |
| Назначение | Используется для разблокировки контента Google Maps. |
| Политика конфиденциальности | https://policies.google.com/privacy?hl=en&gl=en |
| Хост(ы) | .google.com |
| Имя файла cookie | НИД |
| Срок действия файла cookie | 6 месяцев |
Об авторе