短期投资跌价准备

摘要： 一、资产负债表的审查rn（一）资产类科目的审查rn1.短期投资。应考虑是何种投资,并结合期初数和期末数的变化,看其本期是否增加或减少投资成本;此外,对提取短期投资跌价准备的企业,还应注意其转让投资确认收益时,是否按转让比例结转了跌价准备;

摘要： 财政部在《股份有限公司会计制度有关会计处理问题补充规定》（以下简称《补充规定》）中规定：“公司（无论是境外上市公司、香港上市公司、境内发行外资股的公司，还是其他上市公司和非上市的股份有限公司），均应按照（（股份有限公司会计制度》中对境外上市公司、香港上市公司、境内发行外资股的公司规定的提取坏账准备、短期投资跌价准备、存货跌价准备，以及长期投资减值准备的要求，计提相关资产的损失准备”。

摘要： 一、新旧资产减值准则的变化分析1资产减值范围与现行制度不同。（1）现行制度的相关规定。现行的《企业会计制度》规定计提“八项”资产减值准备：坏账准备、存货跌价准备、短期投资跌价准备、长期投资减值准备、委托收款减值准备、固定资产减值准备、委托收款减值准备。

摘要： 一、从资产的定义的角度分析谨慎性原则的运用1．新制度针对我国企业当前普遍存在的资产虚增现象，进一步扩大了谨慎性原则的实用范围。借鉴国际会计准则，在原来《股份有限公司会计制度》规定计提的应收账款坏账准备、存货跌价准备、短期投资跌价准备、长期投资跌价准备等四项准备的基础上，又增加了固定资产减值准备、在建工程减值准备、无形资产减值准备和委托贷款减值准备这四项减值准备。而且，在会计政策的选择方面企业自主选择的余地更大，如对于坏账准备，

摘要： 企业会计制度规定：企业应定期或至少每年年度终了，对各项资产进行全面检查，并根据谨慎性原则的要求，合理地预计各项资产可能发生的损失，对可能发生的各项资产损失计提资产减值准备。但准则在计提具体内容上没有明确的计算程序，因此留给企业很大的选择空间，上市公司的利润操纵行为也难以遏制。目前，八项准备中频繁被部分企业当作调节企业利润粉饰会计报表的主要是坏账准备、存货跌价准备、短期投资跌价准备及长期投资减值准备这几项。

摘要： 新《会计制度》规定“企业除应计提应收账款坏账准备、短期投资跌价准备、存货跌价准备和长期投资减值准备外，同时计提固定资产减值准备、无形资产减值准备,在建工程减值准备、委托贷款减值准备”。可见，国家对企业资产质量计价的规范性提高了。

摘要： 自财政部于1999年发布《（股份有限公司会计制度）有关会计处理问题补充规定》，要求计提包括坏账准备、短期投资跌价准备、存货跌价准备和长期投资减值准备在内的四项准备之后，2000年颁布的《企业会计制度》又将计提减值准备的范围扩大到固定资产、无形资产、在建工程和委托贷款。但在2006年新的《企业会计准则》颁布之前，我国还没有统一的资产减值会计准则，

摘要： 原《企业会计准则》规定计提八项减值准备：坏账准备、存货跌价准备、短期投资跌价准备、长期投资减值准备、委托贷款减值准备、固定资产减值准备、无形资产减值准备和在建工程减值准备，初步建立了资产减值的理念及其确认和计量原则，对财务报表中真实反映资产状况起到一定的作用，但对于资产减值缺乏详细的讲解。而新准则对资产减值作了较为详细的规定，规定适用的资产范围主要是用权益法核算的固定资产、

摘要： 资产减值准备的计提直接计入当期损益，增加当期费用，减少资产，减少当期利润。如果少计或不计资产减值准备就会减少当期费用，增加资产，从而虚增当期利润。目前，八项准备中频繁被部分企业当作调节企业利润、粉饰会计报表的利器的主要项目是坏账准备、短期投资跌价准备、存货跌价准备及长期投资减值准备这几项。

摘要： “短期投资”是原《企业会计准则——投资》规范的内容。新企业会计准则取消了投资准则，规范为长期股权投资准则和有关“金融工具”方面的准则。与此相应，“短期投资”和“短期投资跌价准备”科目被取消，其核算内容由金融工具确认和计量准则规范，会计科目被“交易性金融资产”、“可供出售金融资产”和“可供出售金融资产减值准备”科目取而代之。那么交易性金融资产和可供出售金融资产是两种什么性质的资产？应以怎样的方法来进行会计处理呢？本文对此做出分析。

摘要： 本发明涉及压缩空气准备装置、压缩空气供应系统和准备模块以及用于运行压缩空气准备装置的方法、控制模块以及车辆。压缩空气准备装置（30）具有压缩空气输入端（1），压缩机（2）可以联接该压缩空气输入端。压力管路（3）与压缩空气输入端（1）连接，系统压力管路（5）通过止回阀（4）联接该压力管路（3）。在压力管路（3）中布置有干燥装置（11）。依赖于排气控制阀（23）的切换位置可以与系统压力管路（5）连接的再生路径（22）在干燥装置（11）和止回阀（4）之间汇入压力管路（3）中。压缩空气向压缩空气输入端（1）的馈送可以用可电操纵的馈送控制阀（17）控制。为了以很小的成本使得多样化且有效率的压缩空气准备成为可能，按照本发明设置：再生路径（22）的通过性既与馈送控制阀（17）的位置也与排气控制阀（23）的位置紧密联系。

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： 本发明公开了一种在线监控短期投资系统，包括管理平台模块、代收股金模块、收益结算模块、收银监管模块、会员客户端模块。本发明还公开了该在线监控短期投资系统的工作方法。本发明的实施，能够一定程度上刺激市场、拉动内需、盘活实体企业。对于实体企业，尤其是生存困难的小微企业，借助本发明可以获取免费的广告推广营销服务，节约推广成本；实体企业还可以自行决定融资股份比例，并与抢股成功的股东会员分摊用工成本、营业成本，降低营业风险。本发明节约了人力成本，通过收银监管模块指派收营员监管当天营业额收入，实体企业可以节约监管期间的人力成本。同时本发明的实施也为广大百姓提供创业投资盈利的机会，生活尤其是消费生活的引导。为实体企业与百姓架起互助互利、互相扶持的桥梁。

摘要： 本发明提供一种长短期策略多因子量化投资方法及装置，能够投资收益。所述方法包括：获取股票历史数据；确定对股票收益影响大的若干个股票影响因子作为长、短期策略预测模型的影响因子组合；根据股票历史数据中相邻两日收盘价格计算股票收益率，根据收益率确定股票标签；根据确定的影响因子组合对应的历史数据和股票标签，分别构建长、短期策略训练集；根据构建的长期策略训练集训练长期策略预测模型，并根据构建的短期策略训练集训练短期策略预测模型；根据训练好的长、短期策略预测模型确定预测日当天量化投资的最佳投资股票组合。本发明涉及金融投资领域。

摘要： 本发明涉及压缩空气准备装置、压缩空气供应系统和准备模块以及用于运行压缩空气准备装置的方法、控制模块以及车辆。压缩空气准备装置（30）具有压缩空气输入端（1），压缩机（2）可以联接该压缩空气输入端。压力管路（3）与压缩空气输入端（1）连接，系统压力管路（5）通过止回阀（4）联接该压力管路（3）。在压力管路（3）中布置有干燥装置（11）。依赖于排气控制阀（23）的切换位置可以与系统压力管路（5）连接的再生路径（22）在干燥装置（11）和止回阀（4）之间汇入压力管路（3）中。压缩空气向压缩空气输入端（1）的馈送可以用可电操纵的馈送控制阀（17）控制。为了以很小的成本使得多样化且有效率的压缩空气准备成为可能，按照本发明设置：再生路径（22）的通过性既与馈送控制阀（17）的位置也与排气控制阀（23）的位置紧密联系。

摘要： 本发明公开了一种油品交易网站中成品油跌价宝的使用方法，跌价宝有两种价格，分别是挂钩商品价格和跌价宝结算价格；跌价宝本身具有一定的费用，具体费用根据挂钩商品的品种和数量不同而不同；客户能够选择购买任意份数的跌价宝；跌价宝的开始价格以客户订单付款确认时对应的国际原油盘中的价格为基点；在约定期限内，如果国际原油的价格高于基点价格，则客户只需支付该品种跌价宝的基本费用；如果国际原油的价格低于订单中原油的约定价格，则按照该档对应的结算价格结算。跌价宝是一种期权产品，属于有一定费用前提下的低风险产品，其目的在于在油价有可能下跌但又具有不确定性时，如果油价最后上涨，那么客户的风险仅是支付固定的费用即可。

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。