短期借款

摘要： 根据非财务利益相关者理论,客户、供应商、员工等非财务利益相关者的行为对企业财务决策会产生重大影响。文章基于2003-2019年沪深A股上市公司客户—供应商数据从供应链的视角实证考察了客户财务杠杆对供应商资本结构的影响。研究发现,客户财务杠杆对供应商资本结构决策具有正向影响,当客户提高财务杠杆时,供应商也会增加举债,反之亦反,这一发现与讨价还价理论的预期一致;区分债权人的类别后发现,客户债权人不同时供应商的反应具有异质性,即客户商业信用杠杆与供应商资本结构呈正相关关系,而短期借款杠杆与供应商资本结构没有显著的相关性。进一步研究表明,客户与供应商不处于同一地区时、供应商信任水平较高且客户信任水平较低时、客户具有较强事前议价能力时,供应商会根据客户财务杠杆的变动对其资本结构做同方向的调整。

摘要： 最新颁布的《农民专业合作社会计制度》新增设了"应付利息""财务费用"等会计科目,进一步完善和细化了合作社借款的会计核算.合作社借款按照借款的期限不同,可分为短期借款与长期借款两大类.短期借款是指合作社为了补充经营所需的各项资金,从银行、信用社或其他金融机构,以及外部单位和个人借入的期限在1年内(含1年)的各种借款.长期借款是指合作社从银行等金融机构及外部单位和个人借入的期限在1年以上(不含1年)的各项借款.合作社发生的借款利息支出,按新会计制度要求,应列入财务费用,直接计入当期损益.现根据新会计制度要求,列举核算实例如下,以供参考.

摘要： 以短期资金支持长期投资的期限错配现象普遍存在于企业中,成为影响企业持续发展的重要因素。基于2013-2020年中国深交所上市公司机构投资者调研等数据,对企业投融资及期限配置行为进行了实证检验。研究发现,在投资端,机构投资者调研改善了企业投资,激励管理层进行更多长期投资;在融资端,机构投资者调研部分缓解了融资约束问题,使企业获得了更多的短期借款,但仍然无法有效支持企业从银行获得更多长期借款。中介机制检验发现,机构投资者调研能够降低企业信息不对称,提高信息披露质量,从而使企业获得更多的短期借款来部分满足正常投资需求。进一步研究表明,在金融发展水平高的地区、国有企业以及有基金参与调研的企业中,机构投资者调研使企业的投融资期限配置更为合理。因此,政府部门需要进一步深化金融改革,加强对机构调研质量的监督,引导银行等金融机构增加和改善金融供给,从而提高金融对实体经济的服务能力。

摘要： 4月30日,上交所向上纬新材料科技股份有限公司发出问询函。上纬新材于2021年4月30日披露《关于对外投资的公告》称,拟以人民币2.1亿元,认购安徽美佳新材料股份有限公司定向发行的5000万股股票,占美佳新材发行后股份总数的23.81%。公告显示,本次股份认购投资总额为2.1亿元。截至2021年一季度,上纬新材料货币资金(含募集资金)余额1.31亿元,短期借款1.14亿元。

摘要： 截至2019年末,宁夏新能源公司资金成本率4.75%,资金成本高,在集团公司排名靠后。公司借款余额44.47亿元,其中:长期借款38.67亿元,占比87%,短期借款5.8亿元,占比13%。借款结构不合理,长期借款比例过高。另外,资金管理较为粗放,资金收支情况预测与实际存在差异,资金预算准确度较低。为解决以上问题,华电国际宁夏新能源发电有限公司以降低企业资金成本是企业的长久目标,探索高效的资金管理模式,寻求降低资金成本的途径,在提高偿债能力和规避财务风险的前提下,节约财务费用,确保资金安全,提高资金运用效率,为企业创造更多效益。

摘要： 2012年9月5日,百洋股份(002696.SZ)在深交所上市,公司主要从事冷冻罗非鱼食品等水产品的生产和销售.尽管行业风险不算小,但百洋股份做得还算有声有色.2009年至2012年,其业绩如芝麻开花节节高.IPO募集资金52580万元到账后,百洋股份每年躺赚可观的利息收入,但其盈利能力却大不如前.业绩没能如期提升,钱却没少花,截至2016年年末,已累计使用募集资金总额5.05亿元.公司负债越来越多,短期借款从上市前的1.94亿元增加至2016年末的5.66亿元,利息支出越来越大.接下来,百洋股份还会继续守住主业的“一亩三分地”来经营?

摘要： 短期债务(主要含商业信用和短期借款)是企业特别是中小企业的主要筹资来源.已有研究证实内部控制显著提高商业信用规模,二者存在正向的关系.作为短期债务的另一筹资方式,本文通过实证验证了内部控制与银行短期借款负相关,内部控制能有效减少短期贷款数量,短期贷款与资产规模关系不大.

摘要： 当老大不如当老二。老大想要尊严和被尊重,老二却爱体面和不被误读。据诸葛找房数据研究中心统计,我爱我家日前发布的2019年半年度报告显示,2019年上半年公司整体经营业绩保持稳定增长,营业收入56.79亿元,同比增长6.55%,上半年公司盈利3.8亿元,同比增长15.88%;房产经纪业务实现收入31.79亿元,同比上涨13.8%。

摘要： 物业资产计划拆分上市,前10个月签约销售额几近追平上年全年,二级市场股价刷新历史纪录,时代中国控股(1233.HK)的好消息不断.与之相比,公司的债务看似问题不大.从账面上看,截至2019年上半年末,时代中国控股的计息银行及其他借款合计约为500亿元,其中一年内到期的借款刚过百亿元.同时,公司账面的现金及银行结存账面结余接近260亿元,即使扣除不到40亿元的受限制部分,仍足以覆盖短期借款,流动性看似不会明显紧张.

摘要： 在行业效益回暖,企业剥离负担和去杠杆等综合作用下,2017年以来,我国钢铁行业资产负债率呈下降趋势,2017年10月份降至70%后,资产负债率继续稳步下降,于2018年年底进一步降至65.0%,2019年5月份已降至64.0%。

摘要： 资本市场中存在的信息不对称严重影响了资源配置的效率，损害了银行等利益相关者的权益。信息披露作为一种旨在减轻信息不对称程度的机制，在上市公司和银行等利益相关者间架起了一座沟通的桥梁。高质量的信息披露能够有效降低银行的信贷风险，缓解公司所面临的债务融资约束。本文以2007－2009年深市A股上市公司为研究对象，采用静态和动态的研究方法，实证检验了上市公司信息披露水平对银行债务融资的影响。研究结果表明，信息披露水平的提高能显著降低企业的银行债务融资约束，信息披露质量越高的公司越容易获得银行借款；相对于长期借款而言，信息披露质量对新增短期借款具有更加显著的正相关性。

摘要： 本发明公开了一种改进双向长短期记忆网络的风电功率超短期预测方法，包括如下步骤：对训练样本进行数据预处理；采集风电场的历史风功率数据向量，选取数值天气预报中与风电功率数据相关性最大的数据，并进行归一化处理；在双向长短期记忆网络和全连接层之间融入注意力机制模型，利用训练集对改进双向长短期记忆网络算法模型进行训练和参数优化；将测试集输入改进双向长短期记忆网络模型建立风电功率超短期预测模型，计算风电功率一小时后输出值Ppre。本发明利用双向长短期记忆网络对历史功率数据以及数字天气预报的双向记忆性能，融入注意力机制，对双向长短期记忆网络的隐藏层输出进行加权，有效的提高了预测精度。

摘要： 本发明公开了一种基于长短期记忆网络的风电功率短期预测方法，包括长短期记忆神经网络训练算法、短期风电预测误差分布算法和风电机组发电功率短期预测模型设计。本发明从深度学习网络出发，建立基于长短期记忆网络算法(LSTM)风电功率预测模型，以高斯混合模型(GMM)分析短期风电功率预测的误差分布特点。本发明通过GMM模型可以得到二台机组不同的置信区间。证明了LSTM方法具有更高的精确度和更快的收敛速度，GMM方法对于风电调度具有实际应用价值。

摘要： 本发明公开了一种基于小波长短期记忆网络的超短期风电功率预测方法，根据历史数据生成输入变量，以所对应的风功率历史数据作为输出，得到训练样本；采用小波分析方法对训练样本进行三级小波分解，得到四个小波样本，利用长短期记忆网络模型对四个小波样本分别进行训练，得到训练后的小波长短期记忆网络预测模型；根据四个小波样本的待预测时刻的实际数据生成测试输入数据，并输入到预测模型，其输出即为待预测的时刻的超短期风电功率预测值。本发明将小波分析方法与长短期记忆深度网络结合，可以同时实现数据的平稳化处理与深度学习，提高了预测的精度，增强了模型的泛化能力。

摘要： 本发明提供一种基于长短期记忆神经网络(Long Short‑TermMemory，LSTM)的规模风电超短期功率预测误差修正方法，包括：首先利用改进的核密度估计得出误差的概率密度曲线；其次，采用LSTM对预测误差数据进行深度学习，以风电的预测误差为输入，以下一时刻的误差为输出，得到误差的预测值；最后，根据粒子群算法得到合适的置信区间对误差进行合理分层，根据分层区间和误差预测值，结合风电预测误差的时序特征，制订预测误差的分层补偿策略，得到一种具有较强泛化性的预测误差补偿模型。

摘要： 本发明公开了一种基于长短期记忆网络的短期负荷预测方法，采集短期负荷数据，将所采集的短期负荷数据作为训练样本进行VMD分解，得到n个随机分量IMF；对于分解出的n个分量，每个分量构建对应的WOA‑LSTM模型，利用WOA对模型中的LSTM参数寻优，找出最合适的参数；采用最优参数的LSTM分别对分量数据IMF进行训练，得到各个分量的预测结果；基于分别寻优后构建的LSTM模型，分别利用LSTM模型对短期负荷数据进行测，每个LSTM模型输出相应的预测结果；通过将所有预测结果进行相加得到最终的负荷预测结果。

摘要： 本发明公开了一种基于改进长短期记忆神经网络的短期光伏发电预测方法，该方法对短期光伏发电预测需要数据进行数据分析得到训练数据集；构建长短期记忆神经网络，并将训练数据集输入长短期记忆神经网络进行训练；采用麻雀算法优化长短期记忆神经网络参数，得到优化后的长短期记忆神经网络，优化后的长短期记忆神经网络输出短期光伏发电功率预测值。即通过历史多维度、多时间尺度、高关联的数据进行短期光伏发电功率预测，从而缓解配电网中光伏发电的不确定性；采用麻雀算法优化长短期记忆神经网络参数，进一步提高预测效果。通过本发明的实施，能够较好的利用气象数据并提高短期光伏功率的预测精度，实现电网的经济和稳定运行。

摘要： 本发明专利公开一种基于长短期记忆神经网络的燃气短期负荷预测方法，该方法运用主成分相关分析(PCCA)算法、小波阈值去噪(LMD)算法及局部均值分解优化(WTD)算法优化长短期记忆神经(LSTM)网络模型，并运用该种新的燃气负荷组合预测方法，对城市燃气负荷量进行预测分析，PCCA‑LMD‑WT D‑LSTM预测模型在城市燃气负荷预测中，采用该种模型获得的最终MAPE精度均属于高精度水平，该模型预测结果优于单一的LSTM模型、BPNN模型和GRU模型。本发明解决了传统循环神经网络中的长时期依赖问题，适用于数据长度大的时间序列预测，且稳定性更高，可靠性更强。

摘要： 本发明公开了一种改进双向长短期记忆网络的风电功率超短期预测方法，包括如下步骤：对训练样本进行数据预处理；采集风电场的历史风功率数据向量，选取数值天气预报中与风电功率数据相关性最大的数据，并进行归一化处理；在双向长短期记忆网络和全连接层之间融入注意力机制模型，利用训练集对改进双向长短期记忆网络算法模型进行训练和参数优化；将测试集输入改进双向长短期记忆网络模型建立风电功率超短期预测模型，计算风电功率一小时后输出值Ppre。本发明利用双向长短期记忆网络对历史功率数据以及数字天气预报的双向记忆性能，融入注意力机制，对双向长短期记忆网络的隐藏层输出进行加权，有效的提高了预测精度。

摘要： 本发明公开了一种基于深度长短期记忆网络的短期负荷预测方法，解决了现有技术的不足，该方法包括以下步骤：步骤10)，获取样本特征变量历史数据，建立历史样本数据集；步骤20)，建立预测模型嵌入维输入数据集；步骤30)，建立深度长短期记忆神经网络预测模型并初始化网络权重；步骤40)，更新训练步骤30)建立的深度长短期记忆神经网络预测模型内部状态参数；步骤50)，计算输出本轮负荷预测值；步骤60)，引入本轮负荷真实值，计算损失函数；步骤70)，更新深度长短期记忆神经网络网络权重；步骤80)，根据判别函数判别迭代是否结束；步骤90)，迭代结束，输出深度长短期记忆神经网络预测模型。

摘要： 本发明涉及一种基于长短期记忆网络的光伏发电功率短期预测方法，包括:使用Pearson相关系数确定与发电功率高度相关的天气数据特征，使用LSTM网络模型建立了输入天气数据特征与输出发电功率之间的非线性关系，并捕捉了时间序列的相关性，针对季节和天气类型划分原始输入数据集，提高模型预测精度，对基于季节和天气类型的LSTM模型预测结果进行线性拟合处理，进一步提高模型预测的准确度。