CN110968622A - 一种会计报告定制方法、平台和终端 - Google Patents

一种会计报告定制方法、平台和终端 Download PDF

Info

Publication number
CN110968622A
CN110968622A CN201911324831.3A CN201911324831A CN110968622A CN 110968622 A CN110968622 A CN 110968622A CN 201911324831 A CN201911324831 A CN 201911324831A CN 110968622 A CN110968622 A CN 110968622A
Authority
CN
China
Prior art keywords
accounting
report
user
preferences
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911324831.3A
Other languages
English (en)
Other versions
CN110968622B (zh
Inventor
沙亦鹏
王玉馨
陈思屹
佘媛婕
刘婧宜
张攸同
郑佳昀
叶明海
王伟榕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Kunbei Management Consulting Co Ltd
Tongji University
Original Assignee
Shanghai Kunbei Management Consulting Co Ltd
Tongji University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Kunbei Management Consulting Co Ltd, Tongji University filed Critical Shanghai Kunbei Management Consulting Co Ltd
Priority to CN201911324831.3A priority Critical patent/CN110968622B/zh
Publication of CN110968622A publication Critical patent/CN110968622A/zh
Application granted granted Critical
Publication of CN110968622B publication Critical patent/CN110968622B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/248Presentation of query results
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2457Query processing with adaptation to user needs
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/12Accounting

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

一种会计报告定制方法,该方法包括:获得会计报告使用者的偏好;根据所述会计报告使用者的偏好选择会计制度、会计政策和/或会计估计;根据所述会计制度、会计政策和/或会计估计生成数据处理规则;从经济活动产生的数据、文件和档案中提取业务特征数据;根据数据处理规则,使用所述业务特征数据生成会计报告。

Description

一种会计报告定制方法、平台和终端
技术领域
本发明属于人工智能会计技术领域,特别涉及一种会计报告定制方法、平台和终端。
背景技术
会计信息的质量要求是对会计报告提供高质量会计信息的基本规范,是使会计报告中所提供会计信息对投资者等使用者的决策具有参考价值而应该具备的基本要求,这些质量要求主要包括可靠性、相关性、可理解性、可比性、实质重于形式、重要性、谨慎性和及时性等。
以现有会计软件为核心的会计电算化系统,大大提高了会计核算的水平和质量:减轻会计人员的劳动强度,提高工作效率;缩短会计数据处理周期,提高会计数据的时效性;提高会计数据处理的正确性和规范性。虽然现有会计系统解决了可靠性、及时性等会计信息质量的要求,但是对于相关性、可理解性、可比性等要求,现在还需要依赖会计准则的约束以及会计人员的主观判断,这也是当前财务报表审计的重点与核心,尤其是公允性(如:会计政策、会计估计的选择)的审计。
对于大部分的会计主体在信息披露时,都选择从整体性上来反映会计主体的运营状况,通常选择报表作为会计信息的披露形式。会计信息在会计信息的核算过程中,会存在信息损失、降维的情况。例如:原始凭证(如:发票)所反映的信息,在进行会计核算时,就被降维成了会计分录、会计科目余额、报表科目等,信息损耗严重。会计信息的使用者在接受使用报表时,大部分的信息已被会计主体所加工。会计主体对于会计信息的加工需要遵守会计准则的规定,但是其中还存在着一些可以选择空间。目前的会计体系,是以会计主体为核心的会计体系,会计主体可以根据自身的业务特殊,以及披露的需要,选择相适应的会计制度、会计政策和会计估计,对不同的信息使用者披露统一的会计报告。对于同一经济业务,选择不同的会计制度、会计政策和会计估计(以下简称组合),就会出现不同的结果。虽然这些导致了组合需要被披露,但是会计报表的使用者的偏好与会计报表编制者的想法并不一致,导致决策的相关性差。同时,由于不同会计主体在选择组合上的差异,导致一些具有相似性的会计主体所披露的会计信息,在进行横向比较时,可比性较差。
因此,亟需建立以会计报告使用者为核心的会计报告体系,根据不同的使用者偏好自动产生个性化的会计报告,实现会计报告的“千人千面”,以提升会计报告的决策相关性以及可比性的信息质量要求。大数据和人工智能领域的现有技术,为实现这一目标提供了技术的支持。可以利用大数据的技术,采集以更低成本、更高效率、更加精准、更加丰富的方式采集、存储、处理更多、更有用的数据。人工智能的技术可以使得会计确认、计量、报告等处理工作更加智能化,感知会计信息使用者的偏好,根据偏好智能地定制会计信息。
发明内容
本发明实施例提供了一种会计报告定制生成方法,可对同一个财务数据集上,根据不同的财务报告使用者的兴趣和偏好,产生个性化的会计报告,提供个性化的财务分析,满足不同使用者的阅读目的,并加强会计信息在具有相似性的不同会计主体之间的横向可比性。
本发明实施例之一,一种会计报告定制方法,该方法包括以下步骤:
获得会计报告使用者的偏好;
根据所述会计报告使用者的偏好选择会计制度、会计政策和/或会计估计;
根据所述会计制度、会计政策和/或会计估计生成数据处理规则;
从经济活动产生的数据、文件和档案中提取业务特征数据;
根据数据处理规则,使用所述业务特征数据生成会计报告。
其中,偏好是指会计报告的使用者由于自身身份、所处地位、目前的需求等内部和外部条件,对会计信息具有不同程度的敏感性。会计信息的披露具体可包括交易细节、账户余额、报表等不同层次。对于某一特定会计报告使用者的偏好,存在最适合偏好的会计制度、会计政策和会计估计。但由于目前的会计报告都是由会计主体负责编制与披露,根据其需要选择会计制度、会计政策和会计估计,忽略了不同会计报告使用者偏好的需求。
会计制度是指由会计主体通过一定程序制定的会计行为准则和规范,是会计人员从事会计工作必须遵循的基本原则。例如规定会计凭证的种类和格式、会计科目的编号及其核算内容、会计报表的种类和编制方法、适用的会计准则、会计检查的程序和方法、会计工作岗位的职责等。以创业企业为例,可以依据自身偏好选择《小企业会计制度/准则》或《企业会计制度/准则》。
会计政策是指会计主体进行会计核算和编制会计报表时所采用的具体原则、方法和程序。包括发出存货成本的计量方法、长期股权投资的后续计量方法、投资性房地产的后续计量方法、固定资产的初始计量方法、无形资产的确认、非货币性资产交换的计量方法、收入的确认、借款费用的处理、合并政策。如会计主体可以在会计准则允许的范围内依据自身情况与特色具体选择存货成本的计量方法为先进先出法或单个计数法或后进先出法等。
会计估计是指在对会计主体的财务状况和经营成果进行定期确认和计量过程中,发生的交易或事项涉及的未来事项具有不确定性时,对其予以估计入账时采用的方法。需要进行会计估计的项目通常有:坏帐计提比例;固定资产的使用年限与净残值;无形资产的受益期限;或有损失等。如会计主体可以根据自身偏好选择不同的坏账计提比例。
根据会计信息使用者的偏好,存在最合适的会计制度、会计政策和会计估计的组合,以该组合编制会计信息、报告可以最大程度上满足会计信息使用者对于会计的需求,进而做出更好的决策。以存货发出成本计价方法和企业内归属于不同责任中心的财务报表使用者为例,归属于成本中心的财务报表使用者,如采购人员,对于成本更为敏感,在存货发出成本计价方法的选择上可能偏向于能够及时反映存货发出成本实际波动的方法,如先进先出法、个别计价法等;归属于利润中心的财务报表使用者,如销售人员,对于成本敏感度较低,利润为其主要关注点,在存货发出成本计价方法的选择上可能偏向于成本核算波动较为平缓的,如移动加权平均法、一次加权平均法等。
业务特征数据是指可以从原始凭证、公开信息和其他信息中提取和保存的业务基本属性、涉及到的业务主体基本属性、合同发票、成本费用等业务特征,为后续进行账务处理做准备。例如存货业务需要存储的业务特征包括但不局限于:1)业务的基本属性:可将业务划分为存货的外购、制造、消耗和销售等,也可以采用出入库的分类形式;2)存货的基本属性,如:存货类别,例如包括商品、产成品、半成品、在产品以及各种材料、燃料、包装物、低值易耗品;3)每笔业务的特征,以存货外购为例,对包括采购合同、发票、银行回执凭证等在内的相关原始凭证的保存和信息提取,记录交易主体(销售方),具体的存货种类(名称、型号),数量,价格,包括买价、运输费、装卸费、保险费、包装费、仓储费、运输途中的合理损耗、入库前的挑选整理费用、税金和其他费用在内的外购成本和费用。
会计处理规则是指满足所给的会计制度、会计政策和会计估计条件,基于业务特征数据,对每个会计科目进行核算并生成会计报告的方法。
与现有技术相比,本发明实施例的有益效果有:
(一)满足会计报告使用者的个性化需求。这一方法及系统,通过预处理原始凭证数据和测算使用者需求及会计政策条件,有针对性地生成财务报告,使个性化生成得到的财务报告与不同特征的财务报告使用者对财务报告的独特需求得以匹配,解决了报告信息的单一化与报告使用者的个性化产生矛盾进而导致财务工作成果与报告使用者需求不匹配的技术问题。
(二)实现会计信息系统的革新。这一方法及系统以业务的特征数据录入取代传统会计分录的存储,减少会计信息在存储和处理过程中的损耗,对数据的处理保留了更多的可能性。
(三)加强会计信息的横向可比性。通过预处理业务的特征数据和测算使用者需求及会计政策条件,有针对性地生成财务报告,进一步加强了会计信息在相似会计主体之间的横向可比性。
(四)促使财务报表审计的重点从公允性朝着其他方向发展。目前财务报表审计强调提供公允性,这一方法通过输出符合各种需求偏好的报表,削弱了会计制度、会计政策和会计估计的选择对于财务报表的必要性,从最大程度上减少了主要针对会计制度、会计政策和会计估计选择公允性审计的必要性。对于审计的重点与资源分配而言,可以将审计的重心向其他审计目标更加侧重于倾斜。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1根据本发明实施例之一的会计报告生成方法流程示意图。
图2是根据本发明实施例之一的会计报告中各折旧方法计算折旧额的对比示意图。
图3是根据本发明实施例之一的会计报告中不同折旧年限下的折旧额的对比示意图。
图4是根据本发明实施例之一的对于使用者特征挖掘会计报告使用者的特征类别的示意图。
具体实施方式
根据一个或者多个实施例,如图1所示。一种会计报告定制方法,该方法包括以下步骤:
获得会计报告使用者的偏好;
根据所述会计报告使用者的偏好选择会计制度、会计政策和/或会计估计;
根据所述会计制度、会计政策和/或会计估计生成会计数据处理规则;
从经济活动产生的数据、文件和档案中提取业务特征数据;
根据会计数据处理规则,使用所述业务特征数据生成会计报告。
优选的,所述从经济活动产生的数据、文件和档案包括原始凭证、原始会计凭证和/或公开信息。
优选的,从会计报告使用者的个人数据提取其人物特征,依所述人物特征描绘产生所述会计报告使用者的偏好。所述人物特征包括社会属性、地域、性别、投资偏好、消费偏好、年龄、生活习惯、行为偏好和/或文化背景。
优选的,通过基于机器学习生成的偏好模型依所述人物特征描绘产生所述会计报告使用者的偏好。
优选的,获得会计报告使用者偏好的方法还包括:
获得所述会计报告使用者的人物特征,所述人物特征提取自所述会计报告使用者的个人信息和行为事件,包括提取自行为事件中的行为数据;
将所述人物特征保存,使用数据挖掘算法,挖掘会计报告使用者的偏好。
优选的,选择会计制度、会计政策和/或会计估计的方法包括,
会计报告使用者根据自己的偏好,结合专业知识直接给出;或者
根据会计报告使用者偏好选择具有相近偏好的其他会计报告使用者使用过的会计制度、会计政策和会计估计来选择;或者
根据会计报告使用者过往使用过的偏好来选择;或者
根据会计原理对偏好进行分析,选择会计制度、会计政策和/或会计估计。
会计信息使用者的对于会计报告的偏好是客观存在。但是,局限于使用者的知识背景,偏好可以以会计制度、会计政策、会计估计的形式显化,但是大部分会计使用者的偏好是隐性的或者无法准确给出,可以通过数据挖掘的方法结合会计学的原理,将会计信息使用者的偏好显性地用会计制度、会计政策、会计估计表现。
根据一个或者多个实施例,一种基于大数据技术生成个性化财务报告的方法,包括:
提取业务特征、形成结构化的业务特征数据库,根据使用者特征及画像测算报告使用者的需求、进一步算出匹配需求的会计政策及估计条件,最终以业务特征数据为基础、根据给出的会计政策及估计条件生成自动化账务处理规则并进行全部业务的自动化账务处理、进一步生成财务报告。通过下述的步骤(1)得到业务特征数据库;通过步骤(2)挖掘出报告使用者的偏好;通过步骤(3)根据使用者偏好给出会计制度、会计政策与会计估计的组合;通过步骤(4)根据业务特征数据、以及步骤(3)中所给出的组合,制定计算机的自动化账务处理规则实现基础业务账务处理,最终生成符合使用者主体或其他利益相关方个性化偏好的财务报告。以下为步骤详解:步骤(1),通过原始凭证信息、公开信息和其他信息等信息来源获取提取业务特征所需的信息。若信息为标准化、可采集的信息,则采取自动采集的获取方式,若信息为非标准化或是不可采集的信息,则采取人为输入的获取方式,最终提取业务特征并形成结构化的业务特征数据库。
自动采集方式包括但不限于计算机自动读取,OCR图片文字识别读取和网络爬虫等方式。例如,针对标准化的发票形式原始凭证,计算机可以直接读取电子发票,也可以利用OCR图片文字提取技术等方式读取纸质发票,提取票头、字轨号码、联次及用途、客户名称、银行开户账号、商(产)品名称或经营项目、计量单位、数量、单价、金额,以及大小写金额、经手人、单位印章、开票日期、税种、税率、税额等信息。公开信息可以通过网络爬虫采集,例如针对钢材公允价值的获取,可以参考活跃市场的公开报价,从相关钢材价格信息披露网站和交易平台上抓取不同品类的价格信息;同理可以通过对标相类似的房产中介所列示的价值获取现有房产的可变现净值;也可以有针对性地从交易对手的报价中获得会计计量的参考来源,此时既可在各大交易平台抓取,也可以人工录入;使用给定的价值评估模型也是获取公允价值的一种方式。
人为输入方式指输入计算机无法通过学习读取的所需信息。例如针对定制化合同此类未经定义、非标准化的的原始凭证,其可能涉及特殊合同条例等需要人为判断的信息。例如针对需要专家评估的资产公允价值,其结果需要人为给定。对此类信息可采用人为输入的方式实现信息录入。
将提取出来的业务特征结构化保存,形成业务特征数据库。以存货的核算为例,对于每一笔业务,需要保留业务的特征,为后续进行账务处理做好准备。存货业务需要存储的业务特征包括但不局限于:1)业务的基本属性:可将业务划分为存货的外购、制造、消耗和销售等,也可以采用出入库的分类形式;2)存货的基本属性,如:存货类别,例如包括商品、产成品、半成品、在产品以及各种材料、燃料、包装物、低值易耗品;3)每笔业务的特征,以存货外购为例,对包括采购合同、发票、银行回执凭证等在内的相关原始凭证的保存和信息提取,记录交易主体(销售方),具体的存货种类(名称、型号),数量,价格,包括买价、运输费、装卸费、保险费、包装费、仓储费、运输途中的合理损耗、入库前的挑选整理费用、税金和其他费用在内的外购成本和费用。以上信息以业务特征存储在数据库中,以备后用。
以产成品(存货的一种形式)的销售活动为例,可以形成如下业务特征数据库:
Figure BDA0002328097950000071
Figure BDA0002328097950000081
步骤(2)对偏好进行分析,进而在步骤(3)中给出相关的会计制度、会计政策和会计估计,最终在步骤(4)中进行计算。针对提供给定会计政策和估计条件的报告使用者,直接跳转至步骤(4)进行最终的报告生成;对于不提供的使用者,可以主动分析其潜在的报告使用偏好。
首先要采集该报告使用者的表面特征,包括其个人静态特征信息和行为事件的数据,除个人基本信息外,行为事件的挖掘中重点监督其资金账户的交易数据,挖掘其特征,自动化处理文本信息,完成文本的分类和文本标签提取。这些表面特征的集合,即为使用者的画像,将这些表面特征保存。可以收集到的标签/变量,包括但不局限于下表所列变量:
Figure BDA0002328097950000091
得到这些使用者特征后,如图4所示,使用数据挖掘算法,挖掘财务报告使用者或各类利益相关方的特征类别,数据挖掘算法包括但不限于聚类算法、分类算法、关联分析算法、人工神经网络算法,特征包括但不限于社会属性、地域、性别、投资偏好、消费偏好、年龄、生活习惯。
数据挖掘的算法可以使用非监督学习的算法,如聚类算法。聚类分析的算法可以使用聚类算法中的k-means和余弦相似度的计算方法,把各项参数转换成n维向量进行分配初始簇中心、计算新簇中心、重新分配迭代直到不变的计算,聚类出使用者的标签,最后基于特征和标签绘制财务报告使用者画像。以下给出一具体实现方法。
设当前有5位使用者或其他利益相关方(编号pi,i=1~5),他们各存在前述收集而来的表面特征(实务中可列举无限多特征,此处以5个特征作为算例)。
Figure BDA0002328097950000101
易得这些使用者的特征向量:
Figure BDA0002328097950000102
如果使用K-means算法作为此次聚类分析的实现算法,可参考K-means算法常用的指标——欧式距离和余弦相似度。随机选取初始簇中心p1,p2,p3,计算新簇中心、重新分配迭代直到不变计算后,第二轮结果没有变化,停止迭代。就这样,我们把6个使用者成功分为了各自相似的3批:{p1,p5,p6}{p2,p4}{p3},换句话说就是3类使用者。假设我们已知p1,p2,p3三位使用者的偏好,假定p1为为激进型,p2为保守型,p3为中性,根据分类的结果可以推测出p4、p5的偏好有针对性的给p4、p5、p6使用者提供不同的会计制度、会计政策、会计估计的组合,生成不同类别的会计报告。
可以使用机器学习的算法,来预测报告使用者的偏好。例如,逻辑回归是经典的二分类算法,将归属于激进型和保守型的两种报告使用者的特征数据作为回归学习的训练集,对于每一个报告使用者,有使用者的特征数据和最终归类类别,为了根据使用者的特征数据将使用者偏好归类,可建立一个分类模型,根据使用者的特征数据,判断使用者属于激进型还是保守型偏好。可以对数据建立计量预测模型,如:
Preference=β01×age+β2×Sex+……+βn×第n个特征
可以利用Logit、Probit、Logistic、Tobit等对其中的参数(如:β1)进行估计,得到预测函数。在进行预测时,可以将实际的特征数据值带入,得到预测函数的结果为(0或1)或者(0-1区间内的任意数值)。可以通过设定阈值的方法,将这些结果分类,具体判断使用者为激进型还是保守型,。在机器学习中,函数的参数可以根据数据的更新迭代更新,以提升分类的准确度。
由此,便可以根据收集到的报告使用者特征数据代入函数中,对报告使用者进行保守型和激进型归类,并且有针对性地给两类使用者生成不同类别的会计报告。分类的结果不局限于保守型、积极型等。
步骤(3),根据使用者偏好给出会计制度、会计政策与会计估计。
在生成最终的财务报告之前,有部分业务需要单独给定会计政策和估计条件,换句话说,需要在符合会计准则和相关法律法规的范围内,针对财务报告使用者主体对财务报告的个性化偏好,测算出匹配需求的会计政策(例如存货的计价方法和固定资产的折旧方法等)及估计条件(例如折旧年限)。包括会计政策、会计估计以及其他在准则允许范围内有调节范围和变更空间的、影响到最终数字的账务处理方式。
根据一个或者多个实施例,给出会计制度、会计政策、会计估计的方法有:会计报告使用者根据自己的偏好,结合专业知识直接给出;或者
根据会计报告使用者偏好选择具有相近偏好的其他会计报告使用者使用过的会计制度、会计政策和会计估计来选择;或者
根据会计报告使用者过往使用过的偏好来选择;或者
根据会计原理选择最接近偏好或者偏好组合。
假定6个使用者成功分为了各自相似的3批:{p1,p5,p6}{p2,p4}{p3},换句话说就是3类使用者。假设我们已知p1,p2,p3三位使用者的偏好以及历史使用过的制度、政策、估计信息,p4、p5、p6则可参照p2、p1提供会计制度、会计政策、会计估计的组合。
也可以根据会计原理选择最接近制度、政策和估计的组合,对于有调节和变更空间的会计政策,以存货发出成本计价方法为例,存货的入帐价值,主要有购货价格、购货费用、税金等,其发出存货的价值主要由以下方法确定。
1、先进先出法。先进先出法是假定先收到的存货先发出或先收到的存货先耗用,先购入的存货成本在后购入存货成本之前转出。
2、一次加权平均法。加权平均法是根据期初存货结余和本期收入存货的数量及进价成本,期末一次计算存货的本月加权平均单价,作为计算本期发出存货成本和期末结存价值的单价,以求得本期发出存货成本和结存存货价值的一种方法。
3、移动加权平均法。移动加权平均法是指每次收货后,立即根据库存存货数量和总成本,计算出新的平均单价或成本的一种方法。
4、后进先出法。后进先出法是假定后收到的存货先发出或后收到的存货先耗用,并根据这种假定的存货流转次序对发出存货和期末存货进行计价的一种方法。
5、个别计价法。个别计价法是以每次(批)收入存货的实际成本作为计算各该次(批)发出存货成本的依据。即:每次(批)存货发出成本=该次(批)存货发出数量X该次(批)存货实际收入的单位成本。
采用该方法是假设存货具体项目的实物流转与成本流转相一致,按照各种存货逐一辨认各批发出存货和期末存货所属的购进批别或生产批别,分别按其购入或生产时所确定的单位成本计算各批发出存货和期末存货成本的方法。在这种方法下,是把每一种存货的实际成本作为计算发出存货成本和期末存货成本的基础。
6、成本与可变现净值孰低法。成本与可变现净值孰低法指对期末存货按照成本与可变现净值两者之中较低者计价的方法。即当成本低于可变现净值时,期末存货按成本计价;当可变现净值低于成本时,期末存货按可变现净值计价。
各种存货计价方法对期末资产价值及经营成果的影响包括:
先进先出法假定先购进的先发出,该法使存货接近于购货成本。在物价持续上升时,期末存货成本接近于市价,而发出成本偏低,会高估企业当期利润和库存存货价值;反之,会低估企业存货价值和当期利润;
加权平均法和移动平均法使得本期销货成本介于前期购货成本与本期购货成本之间,但这两种方法得到销售利润大于本期实际进货配比的销售利润;
个别计价法计算的期末存货及销售成本,均能以实际购货成本为基础,符合收益和费用相配比原则及期末资产真实性原则;
成本与可变现净值孰低法使存货符合资产的定义。当存货的可变现净值下跌至成本以下时,由此所形成的损失已不符合资产的定义,因而应将这部分损失从资产价值中抵消,列人当期损益。减少当存货的可变现净值低于其成本价时仍以其历史成本计价的现象。
以利润偏好程度为例,由计算机根据各类存货计价方法结果和报告使用者在利润偏好程度方面的分类结果来给定符合报告使用者差异化偏好的存货计价方法。在此例中,进一步地,以企业内归属于不同责任中心的财务报表使用者为例,归属于成本中心的财务报表使用者,如采购人员,对于成本更为敏感,在存货发出成本计价方法的选择上可能偏向于能够及时反映存货发出成本实际波动的方法,如先进先出法、个别计价法等;归属于利润中心的财务报表使用者,如销售人员,对于成本敏感度较低,利润为其主要关注点,在存货发出成本计价方法的选择上可能偏向于成本核算波动较为平缓的,如移动加权平均法、一次加权平均法等。由此,根据报表使用者对成本的差异化偏好及各个存货发出成本方法的计价结果,计算机给定适合该使用者偏好的会计政策。
对于有调节和变更空间的会计估计,以固定资产折旧方法为例。固定资产折旧方法,指将应提折旧总额在固定资产各使用期间进行分配时所采用的具体计算方法。折旧是指固定资产由于使用而逐渐磨损所减少的那部分价值。固定资产的损耗有两种:有形损耗和无形损耗。有形损耗,也称作物质磨损,是由于使用而发生的机械磨损,以及由于自然力的作用所引起的自然损耗。无形损耗,也称精神磨损,是指科学进步以及劳动生产率提高等原因而引起的固定资产价值的损失。一般情况下,当计算固定资产折旧时,要同时考虑这两种损耗。具体可采用的会计估计方法有:
1.年限平均法
年限平均法又称直线法,是最简单并且常用的一种方法。此法是以固定资产的原价减去预计净残值除以预计使用年限,求得每年的折旧费用。
2.工作量法
工作量法,又称变动费用法。是根据实际工作量计提折旧额的一种方法。它的理论依据在于资产价值的降低是资产使用状况的函数。根据企业的经营活动情况或设备的使用状况来计提折旧。假定固定资产成本代表了购买一定数量的服务单位(可以是行驶里程数,工作小时数或产量数),然后按服务单位分配成本。这种方法弥补了平均年限法只重使用时间,不考虑使用强度的特点。
3.双倍余额递减法
双倍余额递减法,是指在不考虑固定资产预计净残值的情况下,根据每期期初固定资产原价减去累计折旧后的金额(即固定资产净值)和双倍的直线法折旧率计算固定资产折旧的一种方法。
4.年数总和法
年数总和法,又称年限合计法,是将固定资产的原价减去预计净残值的余额乘以一个固定资产尚可使用寿命为分子、以预计使用寿命逐年数字之和为分母的逐年递减的分数计算每年的折旧额。
以固定资产折旧方法为例,计算机在给定的估计条件下(折旧年限、工作总量及净残值率等)可测算出各个固定资产折旧方法对应的不同折旧额,若财务报表使用者偏好加速折旧(相对激进)则为其匹配双倍余额递减法或年数总和法,若财务报表使用者偏好平均折旧(相对保守)则计算机为其匹配年限平均法或工作量法。由此,根据报表使用者对折旧的差异化偏好及各个固定资产折旧方法的折旧额,给定适合该使用者偏好的会计估计。
步骤(4)将步骤(1)、(2)、(3)相结合,根据业务特征、步骤(3)已给出的会计制度、会计政策和会计估计的组合、相关法律法规,制定计算机的自动化账务处理规则,把账务处理规则转换为计算机可以识别和运行的规则。在(1)中采集和录入的原始凭证以及提取和保存的业务特征拥有类似参数的地位,计算机自动根据原始凭证生成的业务特征,结合报告使用者步骤(2)、(3)、(4)中制定好的规则,进行账务处理,实现基础业务账务处理自动化。
以业务特征数据为基础,根据给出的会计政策及估计条件生成自动化账务处理规则并进行全部业务的自动化账务处理,进一步完成基础业务以外业务的差异化处理,最终生成符合使用者主体或其他利益相关方个性化偏好的财务报告。
在本实施例中,处理的结果以分录形式呈现。由于财务报表是一个公司整体的财务状况反映,其构成需要大量的会计科目、会计分录,进行过账等核算过程生成。由于其他科目、业务信息的缺失,无法给出完整的报表。会计分录可以反映出特定交易与特定科目局部的会计核算的效果。
以存货发出成本计价方法为例。例如,某工厂20X9年3月至5月A商品的期初结存和购销情况如下:
3月初,期初结存150件,单价60元,共计9000元;
3月8日,销售70件(70件全部为期初结存存货,当日该批存货成本低于可变现净值)。
4月初结存80件,全为期初存货;
4月15日,购进100件,单价62元,共计6200元;
4月20日,销售50件(50件全部为期初结存存货,当日该批存货成本低于可变现净值)。
5月初结存130件,30件为期初存货,100件4月15日购入;
5月24日,销售90件(90件全部为4月15日购进存货,当日该批存货成本高于可变现净值,可变现净值单价为58元)。
6月末结存40件,30件为期初存货,10件为4月15日购入。
其中,1)各个存货发出成本计价方法计算过程如下:
Figure BDA0002328097950000151
2)各个存货发出成本计价方法会计分录如下:
Figure BDA0002328097950000152
Figure BDA0002328097950000161
以固定资产折旧方法为例。例如,某工厂20X9年2月28日购入一台生产设备并于当日投入使用,原价为50000元,折旧年限以5年为例,可生产B商品总量以2000吨为例,报废时的净残值率以4%为例。(折旧年限、工作总量及净残值率等都是估计条件,可由计算机设定)。
该设备20X5年、20X6年、20X7年、20X8年和20X9年生产B商品情况如下:
20X5年该设备生产B商品520吨,20X6年该设备生产B商品480吨,20X7年该设备生产B商品460吨。20X8年生产540吨,20X9年生产360吨。
其中有,1)各个固定资产折旧方法折旧额计算过程如下:
Figure BDA0002328097950000171
如图2所示,是各折旧方法计算折旧额的对比示意图。
2)各个固定资产折旧方法折旧计提会计分录如下:
Figure BDA0002328097950000172
Figure BDA0002328097950000181
3)同种方法不同折旧年限折旧结果比较如下:
以年限平均法和年数总和法的8年折旧年限折旧结果与其5年折旧年限折旧结果的比较为例。
Figure BDA0002328097950000182
如图3所示,是不同折旧年限下的折旧额的对比示意图。
以固定资产的折旧为例,选择不同的会计政策,在不同的折旧年份对于利润的影响是不同的,但从总体来看,折旧之和是一定的。加速折旧的方法以及折旧年份较短会在短期之内对于利润呈现负相关、对长期影响则会减弱;平均折旧法则相对平稳。不同的会计信息,实质上都来源于同样的经济活动。会计报告的使用者可以根据其偏好选择相适应的会计信息。
应理解,在本发明实施例中,术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系。例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种会计报告定制方法,其特征在于,该方法包括以下步骤:
获得会计报告使用者的偏好;
根据所述会计报告使用者的偏好选择会计制度、会计政策和/或会计估计;
根据所述会计制度、会计政策和/或会计估计生成数据处理规则;
从经济活动产生的数据、文件和档案中提取业务特征数据;
根据数据处理规则,使用所述业务特征数据生成会计报告。
2.根据权利要求1所述的会计报告定制方法,其特征在于,所述从经济活动产生的数据、文件和档案包括原始凭证和/或公开信息。
3.根据权利要求1所述的会计报告生成方法,其特征在于,从会计报告使用者的个人数据提取其人物特征,依所述人物特征描绘产生所述会计报告使用者的偏好。
4.根据权利要求3所述的会计报告定制方法,其特征在于,所述人物特征包括社会属性、地域、性别、投资偏好、消费偏好、年龄、生活习惯、行为偏好和/或文化背景。
5.根据权利要求4所述的会计报告定制方法,其特征在于,通过基于机器学习生成的偏好模型依所述人物特征描绘产生所述会计报告使用者的偏好。
6.根据权利要求3所述的会计报告定制方法,其特征在于,获得会计报告使用者偏好的方法包括:
获得所述会计报告使用者的人物特征,所述人物特征提取自所述会计报告使用者的个人信息和行为事件,包括提取自行为事件中的行为数据;
将所述人物特征保存,使用数据挖掘算法,挖掘会计报告使用者的偏好。
7.根据权利要求1所述的会计报告定制方法,其特征在于,选择会计制度、会计政策和/或会计估计的方法包括,
会计报告使用者根据自己的偏好,结合专业知识直接给出;或者
根据会计报告使用者偏好选择具有相近偏好的其他会计报告使用者使用过的会计制度、会计政策和会计估计来选择;或者
根据会计报告使用者过往使用过的偏好来选择;或者
根据会计原理对偏好进行分析,选择会计制度、会计政策和/或会计估计。
8.一种会计报告定制平台,其特征在于,所述平台包括服务器,服务器具有存储器;以及
耦合到所述存储器的处理器,该处理器被配置为执行存储在所述存储器中的指令,所述处理器执行以下操作:
获得会计报告使用者的偏好;
根据所述会计报告使用者的偏好选择会计制度、会计政策和/或会计估计;
根据所述会计制度、会计政策和/或会计估计生成数据处理规则;
从经济活动产生的数据、文件和档案中提取业务特征数据,
根据数据处理规则,使用所述业务特征数据生成会计报告。
9.一种终端,其特征在于,所述终端向如权利要求8所述的会计报告定制平台发出请求,所述会计报告定制平台响应于该请求,向所述终端推送所述会计报告。
10.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时,实现如权利要求1至8中任一所述的方法。
CN201911324831.3A 2019-12-20 2019-12-20 一种会计报告定制方法、平台和终端 Active CN110968622B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911324831.3A CN110968622B (zh) 2019-12-20 2019-12-20 一种会计报告定制方法、平台和终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911324831.3A CN110968622B (zh) 2019-12-20 2019-12-20 一种会计报告定制方法、平台和终端

Publications (2)

Publication Number Publication Date
CN110968622A true CN110968622A (zh) 2020-04-07
CN110968622B CN110968622B (zh) 2024-04-02

Family

ID=70035524

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911324831.3A Active CN110968622B (zh) 2019-12-20 2019-12-20 一种会计报告定制方法、平台和终端

Country Status (1)

Country Link
CN (1) CN110968622B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111695721A (zh) * 2020-04-28 2020-09-22 胡立昂 一种会计信息可比性测定方法、应用方法及装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2604101A (en) * 1999-12-30 2001-07-16 Rutgers, The State University Of New Jersey Electronic document customization and transformation utilizing user feedback
JP2002132874A (ja) * 2000-10-27 2002-05-10 Nec Corp 双方向サービス・エージェントシステム及びそのサービス方法
CN102880683A (zh) * 2012-09-12 2013-01-16 济南政和科技有限公司 一种可行性研究报告的自动网络生成系统及其生成方法
CN106649223A (zh) * 2016-12-23 2017-05-10 北京文因互联科技有限公司 基于自然语言处理的金融报告自动生成方法
CN107851263A (zh) * 2015-07-16 2018-03-27 B2云 用于处理推荐请求的方法和推荐引擎
CN107924538A (zh) * 2015-08-13 2018-04-17 克罗诺斯咨询集团企业有限公司 财务信息报告系统
CN107995527A (zh) * 2017-11-27 2018-05-04 信利光电股份有限公司 一种基于智能电视的消费品广告推送方法及相关装置
CN108573516A (zh) * 2018-04-28 2018-09-25 掌阅科技股份有限公司 绘本文件的生成方法、计算设备及计算机存储介质
RU2682479C1 (ru) * 2018-04-19 2019-03-19 Акционерное общество "ЕвроСибЭнерго" Система формирования финансовой и управленческой отчетностей по международным стандартам финансовой отчетности (мсфо)
CN109800420A (zh) * 2018-12-19 2019-05-24 福建亿榕信息技术有限公司 一种可研评审报告自动生成方法及存储介质
US20190266196A1 (en) * 2018-02-28 2019-08-29 Confidentiality Corp Automatic document negotiation

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2604101A (en) * 1999-12-30 2001-07-16 Rutgers, The State University Of New Jersey Electronic document customization and transformation utilizing user feedback
JP2002132874A (ja) * 2000-10-27 2002-05-10 Nec Corp 双方向サービス・エージェントシステム及びそのサービス方法
CN102880683A (zh) * 2012-09-12 2013-01-16 济南政和科技有限公司 一种可行性研究报告的自动网络生成系统及其生成方法
CN107851263A (zh) * 2015-07-16 2018-03-27 B2云 用于处理推荐请求的方法和推荐引擎
CN107924538A (zh) * 2015-08-13 2018-04-17 克罗诺斯咨询集团企业有限公司 财务信息报告系统
CN106649223A (zh) * 2016-12-23 2017-05-10 北京文因互联科技有限公司 基于自然语言处理的金融报告自动生成方法
CN107995527A (zh) * 2017-11-27 2018-05-04 信利光电股份有限公司 一种基于智能电视的消费品广告推送方法及相关装置
US20190266196A1 (en) * 2018-02-28 2019-08-29 Confidentiality Corp Automatic document negotiation
RU2682479C1 (ru) * 2018-04-19 2019-03-19 Акционерное общество "ЕвроСибЭнерго" Система формирования финансовой и управленческой отчетностей по международным стандартам финансовой отчетности (мсфо)
CN108573516A (zh) * 2018-04-28 2018-09-25 掌阅科技股份有限公司 绘本文件的生成方法、计算设备及计算机存储介质
CN109800420A (zh) * 2018-12-19 2019-05-24 福建亿榕信息技术有限公司 一种可研评审报告自动生成方法及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111695721A (zh) * 2020-04-28 2020-09-22 胡立昂 一种会计信息可比性测定方法、应用方法及装置
CN111695721B (zh) * 2020-04-28 2023-05-02 广州智慧金财税科技有限公司 一种会计信息可比性测定方法、应用方法及装置

Also Published As

Publication number Publication date
CN110968622B (zh) 2024-04-02

Similar Documents

Publication Publication Date Title
US7693733B2 (en) Method of and system for analyzing, modeling and valuing elements of a business enterprise
US10839321B2 (en) Automated data storage system
US6321205B1 (en) Method of and system for modeling and analyzing business improvement programs
US8185486B2 (en) Segmented predictive model system
US7873567B2 (en) Value and risk management system
US20080027841A1 (en) System for integrating enterprise performance management
US8498915B2 (en) Data processing framework for financial services
US20160171398A1 (en) Predictive Model Development System Applied To Enterprise Risk Management
US20050144106A1 (en) Method of and system for defining and measuring the real options of a commercial enterprise
US20010041995A1 (en) Method of and system for modeling and analyzing business improvement programs
US20050119922A1 (en) Method of and system for analyzing, modeling and valuing elements of a business enterprise
US20010034628A1 (en) Detailed method of and system for modeling and analyzing business improvement programs
US20080004922A1 (en) Detailed method of and system for modeling and analyzing business improvement programs
WO2011152087A1 (ja) 経済活動指標提示システム
US20040215495A1 (en) Method of and system for defining and measuring the elements of value and real options of a commercial enterprise
CN101918973A (zh) 用于生成和维护金融基准的计算机系统和方法
KR102089666B1 (ko) 빅데이터를 활용한 판매자 신용 등급 자동집계 및 평가 방법 및 ai 자동 분류 서버
Nikumanesh et al. Customer's life–time value using the RFM model in the banking industry: a case study
WO2021257610A1 (en) Time series forecasting and visualization methods and systems
CN110968622B (zh) 一种会计报告定制方法、平台和终端
Mačerinskiene et al. The evaluation model of a commercial bank loan portfolio
KR102464994B1 (ko) Wms의 이커머스 물류 이동 프로세스에서 발생하는 데이터 기반의 신용 평가 방법 및 이러한 방법을 수행하는 장치
Boehmke Grabbing the Air Force by the tail: Applying strategic cost analytics to understand and manage indirect cost behavior
Biantara et al. Analysis of Accounting Data Mutation at Company Closing Times Listed in IDX of 2018
Hübscher et al. Calculating Planning Data and Its Plausibility

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Country or region after: China

Address after: 200092 Siping Road 1239, Shanghai, Yangpu District

Applicant after: TONGJI University

Applicant after: Shanghai kunbei Management Consulting Co.,Ltd.

Address before: 200331 5th floor, building 144, No.500 Zhennan Road, Putuo District, Shanghai

Applicant before: Shanghai kunbei Management Consulting Co.,Ltd.

Country or region before: China

Applicant before: TONGJI University

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant