商业汇票贴现业务的会计处理问题探讨
发布时间：2020-10-20 03:54
将未到期的商业汇票贴现是企业融通短期资金的一种常用方式。然而,对于商业汇票贴现业务的会计处理过程尚存在不一致的做法。主要差异就体现在带息商业承兑票据贴现后的会计处理。本文基于票据贴现业务的本质,根据企业会计准则和票据法的相关规定,对不同会计处理方法进行对比分析,提出了应按票据的到期值计量借款金额的观点,并且结合不同账务处理方法对财务报表的影响,进一步明确不同处理方法对会计信息质量的影响。
【部分图文】：
0582020年8月www.cnzgsl.comFinance图1线性核函数回测曲线图2多项式核函数回测曲线图3高斯核函数回测曲线其中下方为沪深300指数走势，上方为支持向量机模型策略走势。通过不同核函数策略之间对比回测曲线可以发现，支持向量机模型在前期震荡市场中，线性核和高斯核函数均能获得明显超额收益；在上涨市场中多项式核函数获得超额收益的能力较强；在下跌市场中线性核和多项式核都出现不同程度的下跌，而高斯核函数很快的适应市场行情，收益创出新高。由此可见，基于高斯核函数的支持向量机选股策略不仅能够在短期投资中获得极大收益，在长期投资中稳健获利，而且能够极好的适应各种市场行情。5结语综上所述，本文首先利用单因子模型从市场上12大类共计500多个因子中筛选出22个有效因子。然后，利用筛选出的有效因子构建了基于不同核函数的支持向量机选股模型，并利用近年真实市场数据对该模型进行了回测。从绩效报告和回测曲线可以看出，基于高斯核函数的模型相比于其余两种核函数表现更佳，能够在不同的行情下获得稳健收益，以及较低的风险控制。参考文献[1]欧阳中,王育齐,俞梅洪.基于不同核函数的支持向量机的分析与比较[J].福建电脑,2013(10).[2]刘佳祺,刘德红,林甜甜.基于BP神经网络模型的股票价格研究[J].中国商论,2018(08).[3]谢翔.机器学习算法对中国A股的适应性比较[D].广州:暨南大学,2017.[4]刘帅.量化投资:若干金融衍生品的定价模型及投资策略研究[D].上海:上海大学,2016.[5]魏欣欣,徐悦,张诗雅.股票基本面指数的优化研究[J].中国商论,2019(14).[6]朱晨曦.我国A股市场多因子量化选股模型实证分析[D].北京:首都经济贸易大学,2017.[7]陈阳.基于SVM的沪深300指数涨跌预测及量化策略研究[D]
0582020年8月www.cnzgsl.comFinance图1线性核函数回测曲线图2多项式核函数回测曲线图3高斯核函数回测曲线其中下方为沪深300指数走势，上方为支持向量机模型策略走势。通过不同核函数策略之间对比回测曲线可以发现，支持向量机模型在前期震荡市场中，线性核和高斯核函数均能获得明显超额收益；在上涨市场中多项式核函数获得超额收益的能力较强；在下跌市场中线性核和多项式核都出现不同程度的下跌，而高斯核函数很快的适应市场行情，收益创出新高。由此可见，基于高斯核函数的支持向量机选股策略不仅能够在短期投资中获得极大收益，在长期投资中稳健获利，而且能够极好的适应各种市场行情。5结语综上所述，本文首先利用单因子模型从市场上12大类共计500多个因子中筛选出22个有效因子。然后，利用筛选出的有效因子构建了基于不同核函数的支持向量机选股模型，并利用近年真实市场数据对该模型进行了回测。从绩效报告和回测曲线可以看出，基于高斯核函数的模型相比于其余两种核函数表现更佳，能够在不同的行情下获得稳健收益，以及较低的风险控制。参考文献[1]欧阳中,王育齐,俞梅洪.基于不同核函数的支持向量机的分析与比较[J].福建电脑,2013(10).[2]刘佳祺,刘德红,林甜甜.基于BP神经网络模型的股票价格研究[J].中国商论,2018(08).[3]谢翔.机器学习算法对中国A股的适应性比较[D].广州:暨南大学,2017.[4]刘帅.量化投资:若干金融衍生品的定价模型及投资策略研究[D].上海:上海大学,2016.[5]魏欣欣,徐悦,张诗雅.股票基本面指数的优化研究[J].中国商论,2019(14).[6]朱晨曦.我国A股市场多因子量化选股模型实证分析[D].北京:首都经济贸易大学,2017.[7]陈阳.基于SVM的沪深300指数涨跌预测及量化策略研究[D]
0582020年8月www.cnzgsl.comFinance图1线性核函数回测曲线图2多项式核函数回测曲线图3高斯核函数回测曲线其中下方为沪深300指数走势，上方为支持向量机模型策略走势。通过不同核函数策略之间对比回测曲线可以发现，支持向量机模型在前期震荡市场中，线性核和高斯核函数均能获得明显超额收益；在上涨市场中多项式核函数获得超额收益的能力较强；在下跌市场中线性核和多项式核都出现不同程度的下跌，而高斯核函数很快的适应市场行情，收益创出新高。由此可见，基于高斯核函数的支持向量机选股策略不仅能够在短期投资中获得极大收益，在长期投资中稳健获利，而且能够极好的适应各种市场行情。5结语综上所述，本文首先利用单因子模型从市场上12大类共计500多个因子中筛选出22个有效因子。然后，利用筛选出的有效因子构建了基于不同核函数的支持向量机选股模型，并利用近年真实市场数据对该模型进行了回测。从绩效报告和回测曲线可以看出，基于高斯核函数的模型相比于其余两种核函数表现更佳，能够在不同的行情下获得稳健收益，以及较低的风险控制。参考文献[1]欧阳中,王育齐,俞梅洪.基于不同核函数的支持向量机的分析与比较[J].福建电脑,2013(10).[2]刘佳祺,刘德红,林甜甜.基于BP神经网络模型的股票价格研究[J].中国商论,2018(08).[3]谢翔.机器学习算法对中国A股的适应性比较[D].广州:暨南大学,2017.[4]刘帅.量化投资:若干金融衍生品的定价模型及投资策略研究[D].上海:上海大学,2016.[5]魏欣欣,徐悦,张诗雅.股票基本面指数的优化研究[J].中国商论,2019(14).[6]朱晨曦.我国A股市场多因子量化选股模型实证分析[D].北京:首都经济贸易大学,2017.[7]陈阳.基于SVM的沪深300指数涨跌预测及量化策略研究[D]
本文编号：2848168
【部分图文】：
0582020年8月www.cnzgsl.comFinance图1线性核函数回测曲线图2多项式核函数回测曲线图3高斯核函数回测曲线其中下方为沪深300指数走势，上方为支持向量机模型策略走势。通过不同核函数策略之间对比回测曲线可以发现，支持向量机模型在前期震荡市场中，线性核和高斯核函数均能获得明显超额收益；在上涨市场中多项式核函数获得超额收益的能力较强；在下跌市场中线性核和多项式核都出现不同程度的下跌，而高斯核函数很快的适应市场行情，收益创出新高。由此可见，基于高斯核函数的支持向量机选股策略不仅能够在短期投资中获得极大收益，在长期投资中稳健获利，而且能够极好的适应各种市场行情。5结语综上所述，本文首先利用单因子模型从市场上12大类共计500多个因子中筛选出22个有效因子。然后，利用筛选出的有效因子构建了基于不同核函数的支持向量机选股模型，并利用近年真实市场数据对该模型进行了回测。从绩效报告和回测曲线可以看出，基于高斯核函数的模型相比于其余两种核函数表现更佳，能够在不同的行情下获得稳健收益，以及较低的风险控制。参考文献[1]欧阳中,王育齐,俞梅洪.基于不同核函数的支持向量机的分析与比较[J].福建电脑,2013(10).[2]刘佳祺,刘德红,林甜甜.基于BP神经网络模型的股票价格研究[J].中国商论,2018(08).[3]谢翔.机器学习算法对中国A股的适应性比较[D].广州:暨南大学,2017.[4]刘帅.量化投资:若干金融衍生品的定价模型及投资策略研究[D].上海:上海大学,2016.[5]魏欣欣,徐悦,张诗雅.股票基本面指数的优化研究[J].中国商论,2019(14).[6]朱晨曦.我国A股市场多因子量化选股模型实证分析[D].北京:首都经济贸易大学,2017.[7]陈阳.基于SVM的沪深300指数涨跌预测及量化策略研究[D]
0582020年8月www.cnzgsl.comFinance图1线性核函数回测曲线图2多项式核函数回测曲线图3高斯核函数回测曲线其中下方为沪深300指数走势，上方为支持向量机模型策略走势。通过不同核函数策略之间对比回测曲线可以发现，支持向量机模型在前期震荡市场中，线性核和高斯核函数均能获得明显超额收益；在上涨市场中多项式核函数获得超额收益的能力较强；在下跌市场中线性核和多项式核都出现不同程度的下跌，而高斯核函数很快的适应市场行情，收益创出新高。由此可见，基于高斯核函数的支持向量机选股策略不仅能够在短期投资中获得极大收益，在长期投资中稳健获利，而且能够极好的适应各种市场行情。5结语综上所述，本文首先利用单因子模型从市场上12大类共计500多个因子中筛选出22个有效因子。然后，利用筛选出的有效因子构建了基于不同核函数的支持向量机选股模型，并利用近年真实市场数据对该模型进行了回测。从绩效报告和回测曲线可以看出，基于高斯核函数的模型相比于其余两种核函数表现更佳，能够在不同的行情下获得稳健收益，以及较低的风险控制。参考文献[1]欧阳中,王育齐,俞梅洪.基于不同核函数的支持向量机的分析与比较[J].福建电脑,2013(10).[2]刘佳祺,刘德红,林甜甜.基于BP神经网络模型的股票价格研究[J].中国商论,2018(08).[3]谢翔.机器学习算法对中国A股的适应性比较[D].广州:暨南大学,2017.[4]刘帅.量化投资:若干金融衍生品的定价模型及投资策略研究[D].上海:上海大学,2016.[5]魏欣欣,徐悦,张诗雅.股票基本面指数的优化研究[J].中国商论,2019(14).[6]朱晨曦.我国A股市场多因子量化选股模型实证分析[D].北京:首都经济贸易大学,2017.[7]陈阳.基于SVM的沪深300指数涨跌预测及量化策略研究[D]
0582020年8月www.cnzgsl.comFinance图1线性核函数回测曲线图2多项式核函数回测曲线图3高斯核函数回测曲线其中下方为沪深300指数走势，上方为支持向量机模型策略走势。通过不同核函数策略之间对比回测曲线可以发现，支持向量机模型在前期震荡市场中，线性核和高斯核函数均能获得明显超额收益；在上涨市场中多项式核函数获得超额收益的能力较强；在下跌市场中线性核和多项式核都出现不同程度的下跌，而高斯核函数很快的适应市场行情，收益创出新高。由此可见，基于高斯核函数的支持向量机选股策略不仅能够在短期投资中获得极大收益，在长期投资中稳健获利，而且能够极好的适应各种市场行情。5结语综上所述，本文首先利用单因子模型从市场上12大类共计500多个因子中筛选出22个有效因子。然后，利用筛选出的有效因子构建了基于不同核函数的支持向量机选股模型，并利用近年真实市场数据对该模型进行了回测。从绩效报告和回测曲线可以看出，基于高斯核函数的模型相比于其余两种核函数表现更佳，能够在不同的行情下获得稳健收益，以及较低的风险控制。参考文献[1]欧阳中,王育齐,俞梅洪.基于不同核函数的支持向量机的分析与比较[J].福建电脑,2013(10).[2]刘佳祺,刘德红,林甜甜.基于BP神经网络模型的股票价格研究[J].中国商论,2018(08).[3]谢翔.机器学习算法对中国A股的适应性比较[D].广州:暨南大学,2017.[4]刘帅.量化投资:若干金融衍生品的定价模型及投资策略研究[D].上海:上海大学,2016.[5]魏欣欣,徐悦,张诗雅.股票基本面指数的优化研究[J].中国商论,2019(14).[6]朱晨曦.我国A股市场多因子量化选股模型实证分析[D].北京:首都经济贸易大学,2017.[7]陈阳.基于SVM的沪深300指数涨跌预测及量化策略研究[D]
本文编号：2848168
本文链接：https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/2848168.html
