將未到期的商業(yè)匯票貼現(xiàn)是企業(yè)融通短期資金的一種常用方式。然而,對(duì)于商業(yè)匯票貼現(xiàn)業(yè)務(wù)的會(huì)計(jì)處理過程尚存在不一致的做法。主要差異就體現(xiàn)在帶息商業(yè)承兌票據(jù)貼現(xiàn)后的會(huì)計(jì)處理。本文基于票據(jù)貼現(xiàn)業(yè)務(wù)的本質(zhì),根據(jù)企業(yè)會(huì)計(jì)準(zhǔn)則和票據(jù)法的相關(guān)規(guī)定,對(duì)不同會(huì)計(jì)處理方法進(jìn)行對(duì)比分析,提出了應(yīng)按票據(jù)的到期值計(jì)量借款金額的觀點(diǎn),并且結(jié)合不同賬務(wù)處理方法對(duì)財(cái)務(wù)報(bào)表的影響,進(jìn)一步明確不同處理方法對(duì)會(huì)計(jì)信息質(zhì)量的影響。
【部分圖文】：

0582020年8月www.cnzgsl.comFinance圖1線性核函數(shù)回測(cè)曲線圖2多項(xiàng)式核函數(shù)回測(cè)曲線圖3高斯核函數(shù)回測(cè)曲線其中下方為滬深300指數(shù)走勢(shì)，上方為支持向量機(jī)模型策略走勢(shì)。通過不同核函數(shù)策略之間對(duì)比回測(cè)曲線可以發(fā)現(xiàn)，支持向量機(jī)模型在前期震蕩市場(chǎng)中，線性核和高斯核函數(shù)均能獲得明顯超額收益；在上漲市場(chǎng)中多項(xiàng)式核函數(shù)獲得超額收益的能力較強(qiáng)；在下跌市場(chǎng)中線性核和多項(xiàng)式核都出現(xiàn)不同程度的下跌，而高斯核函數(shù)很快的適應(yīng)市場(chǎng)行情，收益創(chuàng)出新高。由此可見，基于高斯核函數(shù)的支持向量機(jī)選股策略不僅能夠在短期投資中獲得極大收益，在長(zhǎng)期投資中穩(wěn)健獲利，而且能夠極好的適應(yīng)各種市場(chǎng)行情。5結(jié)語綜上所述，本文首先利用單因子模型從市場(chǎng)上12大類共計(jì)500多個(gè)因子中篩選出22個(gè)有效因子。然后，利用篩選出的有效因子構(gòu)建了基于不同核函數(shù)的支持向量機(jī)選股模型，并利用近年真實(shí)市場(chǎng)數(shù)據(jù)對(duì)該模型進(jìn)行了回測(cè)。從績(jī)效報(bào)告和回測(cè)曲線可以看出，基于高斯核函數(shù)的模型相比于其余兩種核函數(shù)表現(xiàn)更佳，能夠在不同的行情下獲得穩(wěn)健收益，以及較低的風(fēng)險(xiǎn)控制。參考文獻(xiàn)[1]歐陽中,王育齊,俞梅洪.基于不同核函數(shù)的支持向量機(jī)的分析與比較[J].福建電腦,2013(10).[2]劉佳祺,劉德紅,林甜甜.基于BP神經(jīng)網(wǎng)絡(luò)模型的股票價(jià)格研究[J].中國(guó)商論,2018(08).[3]謝翔.機(jī)器學(xué)習(xí)算法對(duì)中國(guó)A股的適應(yīng)性比較[D].廣州:暨南大學(xué),2017.[4]劉帥.量化投資:若干金融衍生品的定價(jià)模型及投資策略研究[D].上海:上海大學(xué),2016.[5]魏欣欣,徐悅,張?jiān)娧?股票基本面指數(shù)的優(yōu)化研究[J].中國(guó)商論,2019(14).[6]朱晨曦.我國(guó)A股市場(chǎng)多因子量化選股模型實(shí)證分析[D].北京:首都經(jīng)濟(jì)貿(mào)易大學(xué),2017.[7]陳陽.基于SVM的滬深300指數(shù)漲跌預(yù)測(cè)及量化策略研究[D]

0582020年8月www.cnzgsl.comFinance圖1線性核函數(shù)回測(cè)曲線圖2多項(xiàng)式核函數(shù)回測(cè)曲線圖3高斯核函數(shù)回測(cè)曲線其中下方為滬深300指數(shù)走勢(shì)，上方為支持向量機(jī)模型策略走勢(shì)。通過不同核函數(shù)策略之間對(duì)比回測(cè)曲線可以發(fā)現(xiàn)，支持向量機(jī)模型在前期震蕩市場(chǎng)中，線性核和高斯核函數(shù)均能獲得明顯超額收益；在上漲市場(chǎng)中多項(xiàng)式核函數(shù)獲得超額收益的能力較強(qiáng)；在下跌市場(chǎng)中線性核和多項(xiàng)式核都出現(xiàn)不同程度的下跌，而高斯核函數(shù)很快的適應(yīng)市場(chǎng)行情，收益創(chuàng)出新高。由此可見，基于高斯核函數(shù)的支持向量機(jī)選股策略不僅能夠在短期投資中獲得極大收益，在長(zhǎng)期投資中穩(wěn)健獲利，而且能夠極好的適應(yīng)各種市場(chǎng)行情。5結(jié)語綜上所述，本文首先利用單因子模型從市場(chǎng)上12大類共計(jì)500多個(gè)因子中篩選出22個(gè)有效因子。然后，利用篩選出的有效因子構(gòu)建了基于不同核函數(shù)的支持向量機(jī)選股模型，并利用近年真實(shí)市場(chǎng)數(shù)據(jù)對(duì)該模型進(jìn)行了回測(cè)。從績(jī)效報(bào)告和回測(cè)曲線可以看出，基于高斯核函數(shù)的模型相比于其余兩種核函數(shù)表現(xiàn)更佳，能夠在不同的行情下獲得穩(wěn)健收益，以及較低的風(fēng)險(xiǎn)控制。參考文獻(xiàn)[1]歐陽中,王育齊,俞梅洪.基于不同核函數(shù)的支持向量機(jī)的分析與比較[J].福建電腦,2013(10).[2]劉佳祺,劉德紅,林甜甜.基于BP神經(jīng)網(wǎng)絡(luò)模型的股票價(jià)格研究[J].中國(guó)商論,2018(08).[3]謝翔.機(jī)器學(xué)習(xí)算法對(duì)中國(guó)A股的適應(yīng)性比較[D].廣州:暨南大學(xué),2017.[4]劉帥.量化投資:若干金融衍生品的定價(jià)模型及投資策略研究[D].上海:上海大學(xué),2016.[5]魏欣欣,徐悅,張?jiān)娧?股票基本面指數(shù)的優(yōu)化研究[J].中國(guó)商論,2019(14).[6]朱晨曦.我國(guó)A股市場(chǎng)多因子量化選股模型實(shí)證分析[D].北京:首都經(jīng)濟(jì)貿(mào)易大學(xué),2017.[7]陳陽.基于SVM的滬深300指數(shù)漲跌預(yù)測(cè)及量化策略研究[D]

0582020年8月www.cnzgsl.comFinance圖1線性核函數(shù)回測(cè)曲線圖2多項(xiàng)式核函數(shù)回測(cè)曲線圖3高斯核函數(shù)回測(cè)曲線其中下方為滬深300指數(shù)走勢(shì)，上方為支持向量機(jī)模型策略走勢(shì)。通過不同核函數(shù)策略之間對(duì)比回測(cè)曲線可以發(fā)現(xiàn)，支持向量機(jī)模型在前期震蕩市場(chǎng)中，線性核和高斯核函數(shù)均能獲得明顯超額收益；在上漲市場(chǎng)中多項(xiàng)式核函數(shù)獲得超額收益的能力較強(qiáng)；在下跌市場(chǎng)中線性核和多項(xiàng)式核都出現(xiàn)不同程度的下跌，而高斯核函數(shù)很快的適應(yīng)市場(chǎng)行情，收益創(chuàng)出新高。由此可見，基于高斯核函數(shù)的支持向量機(jī)選股策略不僅能夠在短期投資中獲得極大收益，在長(zhǎng)期投資中穩(wěn)健獲利，而且能夠極好的適應(yīng)各種市場(chǎng)行情。5結(jié)語綜上所述，本文首先利用單因子模型從市場(chǎng)上12大類共計(jì)500多個(gè)因子中篩選出22個(gè)有效因子。然后，利用篩選出的有效因子構(gòu)建了基于不同核函數(shù)的支持向量機(jī)選股模型，并利用近年真實(shí)市場(chǎng)數(shù)據(jù)對(duì)該模型進(jìn)行了回測(cè)。從績(jī)效報(bào)告和回測(cè)曲線可以看出，基于高斯核函數(shù)的模型相比于其余兩種核函數(shù)表現(xiàn)更佳，能夠在不同的行情下獲得穩(wěn)健收益，以及較低的風(fēng)險(xiǎn)控制。參考文獻(xiàn)[1]歐陽中,王育齊,俞梅洪.基于不同核函數(shù)的支持向量機(jī)的分析與比較[J].福建電腦,2013(10).[2]劉佳祺,劉德紅,林甜甜.基于BP神經(jīng)網(wǎng)絡(luò)模型的股票價(jià)格研究[J].中國(guó)商論,2018(08).[3]謝翔.機(jī)器學(xué)習(xí)算法對(duì)中國(guó)A股的適應(yīng)性比較[D].廣州:暨南大學(xué),2017.[4]劉帥.量化投資:若干金融衍生品的定價(jià)模型及投資策略研究[D].上海:上海大學(xué),2016.[5]魏欣欣,徐悅,張?jiān)娧?股票基本面指數(shù)的優(yōu)化研究[J].中國(guó)商論,2019(14).[6]朱晨曦.我國(guó)A股市場(chǎng)多因子量化選股模型實(shí)證分析[D].北京:首都經(jīng)濟(jì)貿(mào)易大學(xué),2017.[7]陳陽.基于SVM的滬深300指數(shù)漲跌預(yù)測(cè)及量化策略研究[D]

本文編號(hào)：2848168