移动平均价（共9篇）
移动平均价 篇1
移动平均价在中国石油销售企业中应用的流程主要有采购流程、内部调拨流程、退货流程、销售流程,因为影响移动平均价的过程实质是采购流程或者类似于采购流程,所以本文主要讨论在采购流程中移动平均价在成本核算和成本控制的优缺点及应用中应该注意的事项和解决办法。
1 移动平均价应用原理
1.1 业务背景
以一家销售分公司为例:公司的经营的组织结构为:大区公司、销售分公司本部、二级分公司或配送中心、分公司下片区属经营部。图1是这家公司的物流和财务结算的层级关系。为了满足财务核算的需要,除了物流中心(实际的油库管理单位)设置了油库业务单元(这里说的业务单元也就是SAP工厂概念,本案例移动平均价的核算层级定义在工厂级别)外,省公司、二级分公司、经营部都设置的相应的虚拟油库业务单元,组织层级之间的调拨关系都是通过一购一销的模式来完成的,那么移动平均价变动或者异常都会影响这个组织单位的成本核算,因此熟悉移动平均价的在各种情况下的不同变化,是减少成本核算失真的有效途径。下面就针对购进过程移动平均价在各个情况下移动平均价的变化进行讨论。
1.2 移动平均价的计算逻辑
移动平均价公式如下:
移动平均价(Moving Average Price)=(收货前库存金额+本次收货金额)/
(收货前库存数量+收货后库存数量)
现举例说明:
初始移动平均价:6000/吨初始存货数量:100吨
采购价格:6800/吨采购数量:100吨
系统收货:收货数量:100吨
发票:6400/吨发票数量:100吨
1.2.1 先收货后收到发票(库存充足,发票校验在出库之前)
在移动加权平均法下,当先收货时,系统直接按照采购订单价格计入存货价值,收发票的时的价差,如果库存充足,既发票校验时的库存数量大于发票数量,则直接更新库存价值,相应的对方科目也是计入“GR/IR”的中间过渡科目。系统自动产生的会计分录如下:
收货时:
发票校验时:
出库时:
此时库存数量及移动平均价的变化如下表:
1.2.2 先收货后收到发票(库存充足,发票校验在出库之后)
此种情况更加符合实际的业务,因为企业往往是在月末才进行结算所以发票往往在月末收到。会计凭证如下:
收货时:
发票校验时:
出库时:
此时库存数量及移动平均价的变化如下表:
综合1、2可以看出1成本结转更合理,符合实际成本核算的要求,而2中当期成本结转虚高影响了当期利润,说明在价格发生变化较大且购进数量和库存数量相当时候要注意发票校验和当期出库次序对移动平均价的影响。
1.2.3 先收货后收到发票(库存不足)
当收货后,在收发票时如果库存不足,既库存数量小于发票数量,则收发票时会产生价差,系统通常会将差异的金额在“库存”和“采购价差”科目上按照比例分摊。仍沿用上述的例子数据,收货后收发票前销售出库150吨,自动产生相应的会计凭证如下:
收货时:
出库时:
发票校验时:
其中“采购价差”科目所分摊的差异=总差异*(发票数量-当前库存数量)/发票数量=(680000-640000)*(100-50)/100=20000
此时库存数量及移动平均价的变化如下表:
1.2.4 先收货后收到发票(收货时库存为负库存)
在移动平均价法下,对于先收货后收到发票还存在一种特殊情况,即在收货时库存不足,账面库存出现红字,虽然SAP公司不推荐开启负库存的功能,但在中国石油销售单位中这种现象很普遍,例如本案例:配送中心是实体油库管理单位,二级分公司在其层级上也要设置相应的虚拟库存,迎合财务核算是那个配送发来的油品;二级分公司先出库,到月末配送中心根据二级分公司汇总量进行调拨,这样大大简化配送业务的系统操作和单据数量。在这种情况下收货时,系统不完全直接按照采购订单价格计入存货价值,而是先按照负库存时的移动平均价先补齐负库存,与采购价格差异计入采购价差科目,直到补为零之后才开始按照采购价格计入存货价值。仍沿用上边的例子,收货前出库130吨,自动产生会计分录如下:
出库时:
收货时:
其中采购价差
发票校验时:(发票数量大于当前库存数量)
如果发票校验的时候也是负库存,则差异全部直接记入“采购价差”科目。
此时库存数量及移动平均价的变化如下表:
1.3 差异处理及优化
中国石油销售企业中通常这些过程产生的差异都进入当期的损益,直接影响当期的利润,因此移动平均价的差异直接影响各个单位当期利润考核。各个单位对这些过程产生的差异都是十分敏感,那么怎么避免这些差异呢?
1)首先对于系统的结算层级结构尽可能的少,最好能做到物流和商流层级结构统一。通过对各家单位实施过程来看,结构层级结构越少,成本差异就越少。举个最简单例子一批油品从省公司到二级分公司及下边经营部还没完成实际意义的销售,就由于出现以上问题造成成本差异,影响当期利润考核。
2)尽量不要开启负库存功能。如果不能避免,应该通过价格调整工具(如MR21或MR22等),在负库存量很小的情况下,最好能够在库存为零的时候进行移动平均价的调整,这种调整在价格发生变动较大的时候尤为重要。
3)取消虚拟库的核算模式,直接做跨公司销售或者油库到站的调拨。
4)尽量做到实时发票校验,或者月中分开校验,避免在月末集中做发票校验。
5)加强对系统内的业务单据冲销的管理,防止因为不正当的业务操作造成移动平均价失真,影响成本真实结转。
2 总结
中国石油销售ERP系统已经全面上线,进入后期运维和深化应用阶段,为了更好的顺利开展后期工作,熟悉SAP的移动平均价在中国石油销售企业中应用原理,更能有效的真实地反映物料成本,对成本进行有效的实时监控,简化会计处理工作,有利于部门业绩的考核,为企业的管理层提供更加精准有效的决策依据。
摘要：随着中国石油销售ERP系统全面推广的完成,标志着中国石油信息化建设已经进入一个崭新的阶段-运维和深化应用阶段。根据销售ERP的物流周转频繁的特点,在这一阶段中每一项应用的调整是否成功的关键因素之一就是能否满足销售ERP成本的准确核算和实时监控,而实现这一目标的有效手段就是移动平均价应用得是否真实合理,因此充分理解移动平均价在中国石油销售ERP系统的应用原理,对后期运维有很强的指导意义。
关键词：SAP,ERP,存货计价,移动平均价,中国石油
参考文献
[1]陈朝庆,兰英.谈ERP环境下的存货计价方法[J].财会月刊:会计版,2006(25).
[2]邓万强.SAP库存计价方法的研究与应用[J].电脑科学与技术,2009(26).
[3]SAP中移动平均价和标准价的计算方案[Z].2009.
[4]王纹,孙健.SAP财务管理大全[M].北京:清华大学出版社,2005.
[5]王天扬,王斌峰,倪寅凌,左贝.SAP最佳业务实践[M].上海:东方出版社,2009.
移动平均价 篇2
1、移动平均线正在逐步下降。
2、股价在移动平均线之下波动一阶段后，开始比较明显地向移动平均线挺升。
3、当靠近移动平均线时，股价马上回落下滑，此时就是卖出信号的出现。
4、如果股价下跌至相当的程度后才出现这种信号，那么宜作参考，不能因此而贸然卖出。如果股价下跌程度不太大时出现这种信号，就可看作卖出的时机已经到来。这种情况应该区别对待。
分析：
1、由图中可看到30日移动平均线一直向下移动。
移动平均价 篇3
长期以来，技术分析在学术研究领域并不被重视。有效市场假说更是从根本上否定了技术分析存在的基础。行为金融学兴起以后，市场上一些“异象”得到重视和重新审视，这些新的研究表明，投资者的习惯、能力等因素，会导致市场的“自我实现”，这就意味着技术分析可能会使得市场价格的走势会按照技术分析所预言的那样“自我实现”。
目前，国内外关于技术分析的文献基本上集中在股票市场上的是实证分析。Brock等检验了美国股票市场上區间突破技术（TRB）指出按这种规则进行投资，收益将是显著的。李莎、李红刚（2009）对移动平均等规则在中国和美国股票市场上的有效性进行了实证分析，得出在中国应用的收益率高于美国的结论。
但是这些研究几乎都存在一个缺陷：投资者在运用他们所验证的技术分析规则时候，交易规则并不一定像他们所假设的那样。例如，对移动平均线（MA）规则的实证分析中，现有的文献均认为假定了头寸的持有期，这些假设和实际的矛盾使得这些研究存在明显的不足。
虽然外汇市场上的技术分析和股票、期货市场上很相似，但是也不能因此武断地认为他们是完全一样的。例如，采用保证金交易、允许做空等，这些和国内股票市场都是有非常大不同的，技术分析方法在股票市场上的有效不一定意味着在外汇市场上同样有效。
二、研究方法和数据
（一）移动平均线策略（MA）
移动平均线法，又称为快慢平均线法，利用长期移动平均线和短期移动平均线的相互位置关系来指导交易。在一个上升市场的行情中，短期移动平均线会高于长期移动平均线，反之则反。因此当短期移动平均线自下往上穿越长期移动平均线时是一个买入信号（俗称金叉），当短期移动平均线自上往下穿越长期移动平均线时是一个卖出信号（俗称死叉）。在本文中，第t天短期移动平均线的值被定义为MAts=，t时期长期移动平均线的值被定义为：MAtl=。其中fx是第i日的汇率收盘价，S和L分别拜师短期和长期的天数。根据该指标的交易规则，定义交易信号如下：
其中，TS表示交易信号。识别买入信号有两个条件，一是多空反转，即(MAtL-MAtS)×(MAt-ls-MAt-lL)?燮0，二是短期移动平均线位于长期移动平均线之上，即MAts＞MAtS，同理定义和标识卖出信号。在其他条件下无交易，交易信号被标识为0。投资者在观测到交易信号后才会执行交易指令，因此以交易信号出现当天的收盘价作为买入（卖出）价。收益率Rt=lnfxi-lnfxj，其中fxi为建仓时的汇率价格，fxj为平仓时的汇率价格。对于买入指令，收益率为正代表交易盈利，对于卖出指令，收益率为负代表盈利交易。
（二）有效性检验的统计量
为了检验上述交易规则是否有效，借鉴Brock（1992）的研究结论，构造t统计量来检验不同策略下的收益率是否不同。
检验一：检验检测买点(卖点)的收益率与总体的收益率是否存在显著差异,其原假设为Ub-U=0。为此构造t统计量：
其中，Ub为买入点的日收益率，U为样本的日平均收益率，?啄为样本日收益的方差，Nb为买入点的个数，N为样本总数。
检验二：检验检测买卖点的收益率是否存在显著差异,其原假设为μb-μs=0。对应的统计量为:
其中，Us代表卖出点的日收益率，Ns为卖出点的个数，其余的同上。
（三）数据来源
本文选取2000~2010年欧元/美元的数据来检测技术分析的有效性。数据来源于MT4交易平台。
三、实证分析
根据移动平均线的交易规则，设置不同的数，检验不同参数下的获利能力，如下所示：
表明中线交易MA（10，50）买点在90%的置信度水平下显著，卖点在95%置信度水平下显著、MA（20，50）买卖点在99%的置信度水平下均显著、MA（20，100）在90%的水平下显著。除此以外，其余均不显著。
四、结束语
移动平均交易规则短线和长线获利能力并不显著，中线获利能力显著。这和分析区间内汇率价格波动的特点有关。说明运用技术交易规则在一定程度上是可以获得超额收益的。
参考文献：
[1]曾劲松.技术分析与中国股票市场有效性[J].财经问题研究,2005,(8).
[2]林玲，曾勇，唐小我．移动平均线规则检验[J]．电子科技大学学报，2000,(6)．
[3]Proefschrief Technical Analysis in FinancialMarkets[M]．PlL Ddissertation，University ofAmsterdam，2003．
关于移动平均线交易策略的研究 篇4
从1984年上海飞乐音响股份有限公司的股票得以发行至今, 中国股市已经走过了26个年头。今天, 越来越多的中国人选择股票投资作为个人财富保值增值的重要手段。
与此同时, 应投资者的决策需要, 各种投资理念也从国外流传进来。这些投资理念大致可以分为两大类, 一是买入持有型, 持有这种观点的主要代表人物有撰写《漫步华尔街》一书的伯顿·G·马尔基尔, 其基本观点是股票价格的波动是随机游走的, 是不可预测的, 所以通过分析试图预测股票走势往往是无效的, 最佳的方法是买入持有;二是主动操作型, 持这种方法的投资者认为分析是有作用的, 趋势是可预测的, 他们或者采用基本面分析, 或者采用技术分析, 或者把两种分析方法综合起来, 试图通过分析各种信息以预测股票走势, 从而充分利用有利的走势获利, 而又避开不利的走势。比起买入持有型, 主动操作型投资者在中国股市投资者中占了绝大多数。
由于技术分析方法容易理解、使用简单, 所以得到了广大主动操作型投资者的青睐。而移动平均线作为技术分析方法中的一个重要指标, 更是被广泛应用。如果说以移动平均线为基础的技术分析方法是前人在实践经验积累的基础上对股市运行规律的一个猜测, 那么这个猜测是不是有效的?这就成为一个研究中国股票市场时不能不回答的问题。
当然, 计算移动平均线的方法是多种多样的, 比较流行的方法有三种:简单算术平均值法、线性加权移动平均值法、以及指数加权移动平均值法。后两种方法的核心思路是给离现在更近的价格赋予更大的权重, 而后两种方法其实是基于简单算术平均值法, 是简单算术平均值法的变换, 其基本思想都蕴含在简单算术平均值法之中, 而且如果运用后两种方法, 如何赋权在目前还没有比较统一的意见, 且当前的诸多股票交易系统中的移动平均线都采用简单算术平均值法, 所以, 本文将集中分析简单算术平均值法下的移动平均线交易策略, 力求运用中国股市的历史数据说明以下两个问题, 一是移动平均线交易策略的收益如何、最优均线是几日均线, 二是与买入持有策略、随机买卖策略相比较, 基于最优均线的移动平均线交易策略有没有优势。
二、移动平均线交易策略的模型构建
要分析移动平均线交易策略, 我们就必须首先把该交易策略模型化, 明确其所涉及到的指标、参数以及买卖信号。
第一, 要运用移动平均线方法, 我们就必须明确定义移动平均线。
在这里, 我们直接采用简单线性加权法, 第t天的x日移动平均线的值为:
其中, It为第t天的收盘价。
第二, 要运用移动平均线方法, 我们就必须确定交易规则。
按照技术分析理论, 我们假设当收市价格向上穿越移动平均线, 升高到移动平均线值之上时, 就发出买入信号;当收市价格都向下穿越移动平均线, 降低到移动平均线值之下时, 就发出卖出信号。也就是说:
如果
如果
如果
如果
如果
如果
如果
三、最优移动平均线的确定
从原理上说, 我们可以任意采用2日均线直到无穷大日均线的任意移动平均线, 而作为理性交易者显然只会采用其中最优的一条移动平均线, 所以为了进一步讨论, 我们必须结合实际数据, 找到最优移动平均线。为了计算的方便, 我们假设:
第一, 所投资的金融工具是上证指数所对应的资产组合。
第二, 计算移动平均线的基础数据是上证指数的每日收盘价, 而开盘价、盘中价则完全不关心。
第三, 所有买卖信号均由前一个交易日的收盘价和移动平均线的关系决定, 所有交易都在当天开盘时按照开盘价成交。交易费用为单边6‰。
第四, 忽略因为股票交易单位是“手”, 所以买卖时常常因所剩资金不足以买卖1手股票而导致有剩余资金的情况, 同时也忽略所持仓位可以人为设定, 不一定不是空仓就是满仓。我们假设当买入时, 所有资金都转化成了股票, 当卖出时, 所有股票都转化成了资金。
第五, 市场只允许做多, 不允许做空。
第六, 投资者只关心大于480个交易日的长期收益。
第七, 考虑到1996年12月26日起, 中国股市开始实行涨跌停制度, 而之后交易制度没有重大调整, 所以, 我们选取1997年1月2日到2010年6月30日的3261个交易日的数据作为分析的基础。其中, 第1个交易日到第600个交易日的数据, 我们作为计算移动平均线的基础数据, 假设投资者在第601个交易日投入1单位资金开始交易。
第八, 因为3261÷13.5≈241.56, 又由于一般大家都把连续240个交易日视作一年, 所以我们假设年交易日为240日, 并以此为标准将所有收益率转化为年收益率。
运用matlab软件, 我们可以从第601个交易日开始到第3261个交易日的2661个连续交易日中, 任意抽取100个大于480个交易日的时间段作为投资区间样本, 计算分别采用2日均线到480日均线的移动平均线交易策略的期末收益, 这样, 我们就可以得到一个100×479的矩阵, 其中元素
其中, 在106日均线处, 有最大收益率均值24.27%, 其方差为0.0606。假设收益率服从正态分布, 则我们可以得出结论, 如果采用106日均线, 移动平均线交易策略的收益率大于零的概率为83.89%。所以, 我们可以认为106日均线为最佳均线。
四、买入持有策略、随机买卖策略和基于106日均线的移动平均线交易策略的比较
为进一步说明基于106日均线的移动平均线交易策略好不好和有多好这两个问题, 我们用买入持有策略和随机买卖策略下的收益率作为参照系来加以比较。我们可以随机选取100个480日以上的交易区间样本, 并计算在各个交易区间中采用不同策略的年收益率, 如图3所示, 其中, “△”表示买入持有策略的收益率, “*”表示随机买卖策略的收益率, “×” 表示基于106日均线的移动平均线交易策略的收益率。
分别分析三种策略下的收益率, 可以求出买入持有策略、随机买卖策略和基于106日均线的移动平均线交易策略的收益率的均值分别为:7.21%、4.45%和21.52%, 方差分别为0.0363、0.0331和0.0482。我们可以看出基于106日均线的移动平均线交易策略的收益率的均值显著高于后两种方法, 而三者的方差则没有太大差异。所以, 可以得出结论, 比起买入持有策略、随机买卖策略, 基于106日均线的移动平均线交易策略是有效的。
五、结论
通过上述分析, 我们可以得到这样的结论, 即中国股市中移动平均线交易策略是有效的, 能够获得高额收益, 再结合技术分析理论和有效市场理论, 我们可以得出以下推论:
第一, 中国股市的走势是有趋势的, 且趋势往往会持续相当一段时间。移动平均线能够反映股市趋势, 收盘价上穿或下穿移动平均线是反映股市趋势的有效指标。
第二, 因为仅仅采用过去的市场信息 (即收盘价) , 就可以获得高额收益, 那么, 中国股市并不满足弱有效市场假说的定义, 所以, 中国股市不是弱有效市场。
摘要：本文根据上证指数的历史数据, 测算了各个均线下移动平均线交易策略的收益率的均值和方差, 研究了买入持有策略、随机买卖策略和基于最优均线的移动平均线交易策略的收益特征, 并通过比较得出基于106日均线的移动平均线交易策略优于买入持有策略和随机买卖策略的结论, 而上述结论也从一个侧面论证了中国股市不满足弱有效市场假说的相关定义, 即中国股市不是弱有效市场。
关键词：移动平均线,交易策略,技术分析
参考文献
[1]罗伯特.D.爱德华兹, 约翰.迈吉.股市趋势技术分析 (第9版) [M].郑学勤, 朱玉辰, 译.北京:机械工业出版社, 2008.
[2]约翰.墨菲.期货市场技术分析[M].丁圣元, 译.北京:地震出版社, 2006.
[3]博迪, 莫顿.金融学[M].尹志宏, 译.北京:中国人民大学出版社, 2000.
移动平均价 篇5
烟草加香是烟草行业制丝生产过程的重要加工环节[1,2]。烟草加香是将调配好的香料溶液均匀喷洒在烟丝中的工艺过程。在卷烟烟丝中加入适当而且适量的烟用香精可以增强或改善烟草配方叶组的香味,修饰嗅香[3]。加香时应按照配方规定的加香比例施加香精, 加香均匀,加香精度0.5 %[4]。可见,控制加香过程中料液流量与混合丝流量匹配的稳定性, 保持加香均匀, 对稳定或提高卷烟品质,尤其对卷烟风格特征稳定性有重要影响。
2加香过程控制
目前, 卷烟生产企业烟草加香过程料液流量控制主要方式为: 根据电子皮带秤延时后的瞬时流量乘以加香比例即可得到设定的加香加料量,应用P ID运算调节加香加料泵的频率, 使实际值跟踪设定值[5]。从混合丝配比、加香工艺流程可知,虽然多丝掺配系统由控制秤( 叶丝主秤) 、配比秤等组成, 且烟丝流量为恒流量控制, 从理论上讲, 混合丝经加香计量秤计量后,流量应保持稳定,但由于叶丝相互缠绕和粘连,烟丝在传送带上分导布不均造成进料烟丝流量呈现无规律的波动[6],造成加香料液流量波动过大,导致料液施加不均。
为解决这一问题, 提高加香过程控制的稳定性和精度, 杨贵波[5]等提出采用动态存量替代电子秤的瞬时流量,曹琦等[6]提出无辨识自适应控制算法的解决方案, 但设置参数较复杂, 需反复调整、试验, 不便于实践应用。林天勤[7]、邓永生[8]等提出新增喂料机、计量管及部分辅联设备, 并采用恒流型电子皮带秤代替计量型电子皮带秤方式解决方案, 但有试验数据表明, 烟丝经过喂料机时, 烟丝结构会发生明显变化, 整丝率下降3.9%、 碎丝率上升57.1%, 对烟丝产生了直接造碎[9], 且投资大, 需占用较大的生产空间。
在烟草制丝过程中, 加香加料作为重要的工艺环节, 工艺任务、加工要求等相似, 具有可比性。采用 “水平对比法”, 对Q D厂加料、加香过程的变异系数进行比较, 加香过程的变异系数为2 . 5 2 % , 而加料过程的变异系数仅为0 . 7 0 %,加香过程料液流量波动远远超过加料过程,对产品的内在质量的一致性造成较大影响。
通过对加香过程进行分析, 加香过程料液流量控制方式为l=L×p儹別 ,式中, l为加香料液流量设定值, L为混合丝瞬时流量, p为加香比例,其中,加香比例p为配方加香比例p凷和加香修正比例p凷之和,而配方加香比例p凷根据生产牌号设定为常量,由此可知,影响料液流量的主要变量因素为混合丝瞬时流量L和加香修正比例p凷。通过对QD厂生产牌号A的混合丝流量波动进行统计分析, 混合丝的瞬时流量在9 5 4 9 10563kg/h范围内波动,波动幅度为1014kg/h,波动值达到1 0 . 0 % ,远超规范要求;加香修正比例调节范围为配方加香比例p凷±20%,波动达到40%,必将影响加香的均匀性。
针对现有加香过程存在的问题, 提高料液流量与混合丝流量匹配的稳定性我们提出了混合丝瞬时流量基于移动平均法的过程控制改进方案及调整加香修正比例范围, 以提高加香过程料液施加的稳定性, 保持加香均匀。
3加香过程控制改进
3.1优化控制模型
3.1.1建立基于“移动平均法”模型控制
进一步对加香控制过程进行分析, 在加香控制过程中, 料液施加的过程为压缩空气将其雾化, 并施加到相应的混合丝上,示意图见图1 ,阴影部分为双介质喷嘴雾化区域, 从图中可以看出加香料液雾化施加对应的混合丝为一“区域”, 而不是与混合丝流量相对应的一个“点”, 因此采用混合丝的瞬时流量对料液进行控制、调整是片面的, 料液并非完全施加到与瞬时混合丝流量相对应的混合丝上,现有控制模型存在一定缺陷。
为解决控制模型缺陷,通过采用混合丝瞬时流量的“移动平均流量”)替代混合丝的瞬时流量( L ),用于料液流量的控制,且将施加的料液流量与双介质雾化喷嘴的雾化区域内的混合丝流量相对应;同时,可有效降低因瞬时流量波动过大导致的加香料液流量波动,提高产品内在质量的稳定性。其中,“移动平均流量”)的计算方法为
( 1 ) 将混合丝的瞬时流量分别按时间顺序存入大小为n的先进先出队列,分别记为Lt+0、Lt+ 1……、 Lt + n- 1;且混合丝的瞬时流量的数据按采集周期进行更新,一般瞬时流量值采集周期≤1 s ;
(2) 可编程控制器PLC对取得的瞬时流量进行计算处理, 并得出混合丝的移动平均流量, 同时反馈给加香料液流量控制器。计算公式:
其中, L为混合丝移动平均流量,Lt+i为第t+i时间点的混合丝瞬时流量值, n为队列的大小。
通过现场调查, 结合加香机滚筒转速、喷嘴雾化直径、雾化角度, 测得混合丝经过雾化区域的时间为3 0 s 。应用移动平均流量控制模型的加香过程的控制流程见图2 。加香生产的初始阶段, 混合丝经加香主秤计量,混合丝瞬时流量由0 k g /h逐渐上升至正常流量约10000kg/h,初始阶段时间约为45s,在此阶段瞬时流量直接参与加香过程控制;45s后进入正常生产阶段, 在此阶段采用瞬时流量“移动平均值”参与加香过程控制。
3.1.2修改控制程序
控制流程确定后,修改了相应的PLC控制程序,运用R o k e w e l l控制程序中的“MAVE”模型,见图3 , “CJ1702_RUN”为加香秤运行信号,“1”为运行状态,“J X_O U T ”为混合丝瞬时流量, 当加香秤运行时, “M A V E ”根据瞬时流量输出3 0 s的移动平均值—— “CJ1702_AVE_FLOW”,用于控制加香的料液流量。
3.2优化加香修正比例
为降低加香修正比例系数波动范围较大引起料液流量的波动,通过优化加香系统的修正比例系数,以克服料液泵因本身特性带来的波动, 使料液均匀的施加到相应的混合丝上, 优化后的加香修正比例系数见表1。优化后的加香修正比例系数波动范围仅为0 . 1 ,既可保障加香精度满足工艺要求, 又可保障在加香过程中料液流量波动较小, 确保加香的均匀性。
3.3移动平均控制模型验证
自采用“移动平均流量”加香新控制模型建立后,对加香系统进行了验证,见图4,混合丝瞬时流量波动范围为8830-10590kg/h,“移动平均”流量波动范围为96209710kg/h,波动大小由1760kg/h降低至90kg/h,可见,采用该模型可有效降低加香过程控制中料液流量的波动。
3.4效果验证
对加香控制模型改进前后各牌号生产数据进行统计,见图5a、图5b。从图中可以看出,加香控制模型改造后,料液流量标准差加权平均值由1.64kg/h降低为0 . 5 1 k g / h ,变异系数加权平均值由2 . 5 2 % 降低为0 . 7 7 % ,有效的解决了加香料液流量标准差大的现象。
4结束语
采用基于“移动平均法”烟草加香过程控制改进, 已应用于青岛卷烟厂制丝线的加香控制过程,与原有的控制模式相比, 加香料液流量标准差加权平均值由1 .64kg/h降低至0.51kg/h,变异系数加权平均值由2. 52% 降低至0.77%,且该控制方案控制算法简单,易于工程实现, 控制系统具有良好的稳定性, 从而提高了加香过程的料液施加的均匀性,保证产品的内在质量的稳定性、一致性。
摘要：本文针对烟草制丝过程中混合丝加香料液流量标准差大的问题,通过建立基于移动平均法的控制模型,对加香过程进行改进,改进后有效降低了加香料液流量波动,提高了加香过程的料液施加的均匀性和产品的内在质量的稳定性、一致性。
移动平均价 篇6
尽管反卷积模糊消除算法能够取得良好的图像复原效果,但是当前的图像模糊消除算法大都集中于改善模糊消除效果,且都是非并行算法,忽略了算法的运行速度和计算代价,难以实现实时性; 且这些算法不稳定,难以克服解模糊问题,其复原图像的细节信息清晰度有待进一步提高。
对此,为了使得模糊消除算法能兼顾良好的模糊消除效果和算法运行的实时性,本文引入神经网络,以并行模式运行,大大提高了算法的计算速度,并基于突触权重系数,构造激活函数; 再嵌入人 工蜂群算 法 ( Artificial Bees Colony,ABC) ,并以神经网络的均方误差函数设计适应度方程,由ABC算法训练神经网络,找出神经网络的最优权重值与阈值,实现全局最小,获取自回归移动平均模型的参数; 引入自回归移动平均优化模型来同时识别模糊函数与模糊图像,对非线性模糊图像进行反卷积,有效解决了解模糊问题。最后借助MATLAB实验,通过与当前其他算法进行对比,测试了本文算法的相关性能。
1 基于自回归移动平均模型( ARMA)表示的模糊图像及其模糊消除
任何一幅图像都可视为随机变量数组的样本函数,这种特性有利于开发图像处理技术。一个2D线性随机系统可产生失真图像的数学模型,可作为自回归移动平均模型( Autoregressive Moving Average Model,ARMA) 的处理过程[7]; 其中,自回归( Auto-Regressive,AR) 模块决定了该系统的模糊函数。因此,盲图像反卷积问题可转变为ARMA的参数估算问题。确定ARMA的参数,有利于识别正确图像和模糊图像; 而ARMA参数的估算可通过神经网络,联合经典的优化算法来获取。
将正确图像可被建模成一个2D自回归过程
式中: x和y代表模型空间变量; l和m代表空间位移模型变量; f(x,y)代表正确图像的像素强度; α(l,m)代表模型参数v (x,y)代表建模误差,该误差为零均值的均匀噪声过程,与f (x,y)无关。
依据向量矩阵表示法,模型( 1) 可变为
式中: A代表参数矩阵,; v代表建模误差。
对于平滑 与均匀的 真实图像,只有3个AR系数{α(0,1),α(1,0),α(1,1)}可合理重塑图像。
然而在实际的应用中,模糊函数带有局部性,当前的模糊消除机制中都忽略这个局限性。该函数对真实图像的影响可建模成一个2D FIR滤波器。线性模糊函数模型如下
式中: 代表卷积运算; h(x,y)为模糊函数; η(x,y)代表图像的零均值高斯附加噪声; g(x,y)代表模糊图像。
结合式( 1) 和式( 2) ,则g(x,y)可表达为
再次利用向量矩阵表示法,则模型( 4) 可表示为
式中: H代表MR参数矩阵,; f代表正确图像的像素强度; η为附加高斯噪声。
重排式( 2) ,代入式( 5) ,可得
式中: I代表单位矩阵; A代表参数矩阵; η代表图像的零均值高斯附加噪声。
则根据式( 6) ,完整的基于ARMA模型的模糊图像如图1所示。从图1可知,盲图像反卷积问题就转变为AR参数a( l,m) ∈Ra和MR参数h( l,m) ∈Ra的估算问题。图1中Z1和Z2代表Z变换( Z-transformation) 。
因此,一旦模糊函数h( l,m) 被确定,则根据经典的线性图像复原技术就可得到真实图像。
然而,根据式( 6) 来估算a( l,m) 和h( l,m) 的缺陷就是计算复杂度高,估算算法不稳定,且没有唯一解。为此,本文引入二阶统计量方法[8],对模糊函数进行如下定义:
1) 该模糊函数值为正,则真实图像的均值保存在模糊过程中,即
通过这个定义,有效地解决了模糊解难题。
2) 模糊函数值是对称的,且为零相位。该定义有效解决了估算算法的不稳定性,且保证有唯一解。
3) 模糊函数有一个已知参数。可显著降低计算复杂度。其模糊消除机制见图2。
模糊消除步骤如下:
1) 设计神经网络模型;
2) 构造ABC算法的适应度方程,并对ABC算法进行初始化,再利用ABC算法训练神经网络;
3) 将步骤2) 得到的最优权重和阈值分别作为AR参数、MR参数;
4) 根据步骤3) ,构造ARMR模型,并对模糊图像与模糊函数进行识别;
5) 利用反卷积技术对模糊图像进行复原,消除模糊,见图3。
从图3可知,经过本文模糊消除机制处理后,图像及其细节非常清晰,见图3b; 对其局部( 虚线方框) 进行放大后,仍然是清晰可见,见图3c。
2 人工蜂群算法( ABC 算法)
在人工蜂群算法中,ABC殖民地不断搜索丰富的人工食物源 ( 对于一个特定的问题,找出最优解)[9]。为了应用ABC,首先将优化问题转变成找出最佳参数向量; 然后人工蜂群随机发现一个初始解向量的种群,通过反复应用一种策略来改进: 根据邻居搜索机制,向最优解靠近,放弃不良解。人工蜂群包括了3部分: 1) 雇佣蜂; 2) 跟随蜂; 3) 侦查蜂。
该算法的步骤如下:
1) 初始化阶段
由跟随蜂初始化所有食物源xij种群的向量; 并设置好控制参数; 由于每个食物源m代表优化问题的解向量,故每个食物xi都有n个变量( xij,i = 1,2,…,n) ,这些变量都是需要优化的,以减小目标函数。初始化方程如下
式中: lj和uj分别代表参数xmj的上、下边界; rand代表零均值的随机函数发生器。
2) 雇佣蜂阶段
雇佣蜂搜索拥有更多花蜜的食物源vi,这些花蜜是与它们记忆中食物源xi相邻的; 当它们找到一个相邻食物源时,开始估算它们的适应度。可根据如下函数来决定相邻食物源
式中: xij代表随机选择的食物源; i代表随机选择参数引擎;φij∈[- 1,1]为一致分布随机实数。
在产生新的食物源vi后,计算其适应度,并在vi与xi之间利用贪婪选择。适应度值计算方程如下
式中: fi为vi的成本; abs代表求取绝对值。
3) 跟随蜂阶段
非雇佣蜂包括两个: 跟随蜂和侦查蜂群。在ABC算法中,跟随蜂按照雇佣蜂提供的fitnessi获取概率值pi,并以此来择取食物源。因此,可使用基于选择机制的适应度值,如轮盘赌选择法。pi计算模型如下
式中: pi代表概率值; fitnessi代表适应度函数值。
在跟随蜂选择一个食物源xi后,通过式( 9) 来决定相邻食物源vi,并计算其相应的适应度值。由于在雇佣蜂阶段使用了贪婪选择机制,更多跟随蜂找到了更丰富的食物源,并因此产生正反馈行为。
4) 侦查蜂阶段
由于侦查蜂群的解是被抛弃的,因此雇佣蜂无法通过预先设定好的轨迹来改善它的解,特别是ABC算法的用户及其所谓的“限制”。侦查蜂以随机方式来搜索新解。如果侦查蜂的解xi被抛弃,则其根据式( 8) 来产生新的解。
3 ABC 算法优化神经网络( NN)
神经网络( Neutral Network,NN) 是一种并行结构的轻量非线性处理器。并行化、模块化以及动态自适应是其3个典型的计算特性; 其多层感知器( Multilayer Perception,MLP) 由不同的层构成: 1) 输入层; 2) 隐蔽层; 3) 输出层,见图4。
图4中的这些层都是基于一些与前反馈环节有关的神经处理单元来进行的,见图5。
上述单元都进行相同步骤: 1) 由式 ( 12) 输入总权重;2) 根据这些权重,构造激活函数,根据式( 13) 输出实际值yi。
对于输入层xij,其隐蔽层节点的输入值为
式中: yi代表处理单元的输出值; wij代表突触权重系数; bj代表模型( 13) 的阈值。
逆向传播机制BP( Back Propagation) 作为一个有效的学习规则,已经成功用于找出神经网络的最优权重和基础值; 使用ABC算法,通过所有的权重矩阵元素wij来定义每个食物源向量; 且其最优解为误差函数的适应度值。在BP和ABC算法同时达到相等的误差精度,ABC算法的计算复杂度更低,运行速度更快。因此,本文引入ABC算法,以训练神经网络,最大限度减小NN单元的均方误差函数,并用多层NN结构来表述能够同时识别模糊函数与模糊图像的ARMR模型。本文所采用的多层神经网络模型见图6。由于本文的NN结构的输入端为高斯噪音,故以均方误差函数来设计ABC算法的适应度
式中: N为训练标本; qi代表预期输出值; yi代表实际输出值;MSE代表均方误差函数。
具体训练步骤如下:
1) 选定训练样本N,根据式( 12) 计算各层间的突触权重系数wij。
2) 再根据式( 13) 计算样本的输出值yi。
3) 依据式( 14) 计算出MSE。
4) 利用ABC算法训练NN; 若MSE≤ε( e- 7) ,则训练结束,输出此时的权重wij和阈值bj; 否则返回步骤1) ,继续执行。
5) 将最优解wij和bj分别作为AR参数、MR参数。
经过ABC算法训练神经网络后,得到最佳的MSE,见图7。从图中可以看到,在迭代35次时,就开始收敛,稳定MSE为0. 87×10-7,误差非常小。
4 仿真结果与分析
为了凸显本文机制性能的优异性,将文献[10]、文献[11]视为对照组,分别记为A、B机制。在Inter 3. 5 GHz双核CPU、16 Gbyte的内存的私人机上进行实验。设置ABC算法的种群规模N = 50,选择概率值p = 0. 3,迭代次数113; 神经网络模型见图6。
实验对象见图8a所示,尺寸为228×228; 且向该图施加了30% 的高斯白噪声。从信噪比PSNR、计算效率以及局部放大细节清晰 视觉效果3方面来测 试。PSNR的计算模型[10]为
式中: PSNR为模糊消 除图像的 信噪比; MN为图像尺 寸S1( i,j) 代表正确图像在位置( i,j) 的灰度值; S2( i,j) 代表模糊消除图像在坐标( i,j) 的灰度值。
图8为不同模糊消除机制处理后的复原图像视觉效果。从图中可知,3种不同的模糊消除机制的去模糊效果相差无几,图像细节都清晰,没有明显的噪声。
为了量化3种不同机制的去模糊质量,本文测试它们的PSNR,结果见图9。从该图中可知,3种机制复原图像后的稳定PSNR都很接近,分别为32. 47 d B( 本文机制) 、32. 21 d B( A机制) 、32. 52 d B( B机制) ; 但是3种机制存的计算效率存在明显的差异,本文机制的运行速度最快,在13 s时,就进入了稳定状态; 而A、B机制分别需要25 s、32 s。主要原因是本本文机制设计了ARMR神经网络模型来同时识别模糊图像和模糊函数,以并行模式进行复原; 而其他两种机制过分专注于改善模糊消除效果,以单一通道进行复原。可见,本文模糊消除机制具有较快的计算效率。
另外,从图9中也可看到,本文机制的稳定性较好,在进入稳定PSNR前,其波动程度要显著低于A、B机制。这也表明本文模糊消除机制的稳定性较好。原因是本文机制对模糊函数进行了限制定义,使其函数值是对称的,且为零相位。
去模糊图像局部放大视觉效果如图10所示。放大位置如图10a虚线框框所示。从图中可以看到,本文机制的模糊消除效果最佳,局部放大后,图像边缘信息以及细节非常清楚,见图10b所示; 而经过A、B机制去模糊处理后,局部放大视觉相接近,去模糊质量较好; 通过对比图10c所示部分细节,可知A、B机制的模糊消除效果不如本文机制。
5 结论
针对当前的模糊消除机制专注于改善复原效果,而忽略了运行速度,导致计算效率较低,以及模糊消除机制不稳定等不足,本文引入神经网络和人工蜂群算法计算自回归移动平均模型的参数; 再将回归移动平均模型引入模糊图像; 并对模糊函数进行相关定义; 最终提出了基于自回归移动平均模型的图像模糊消除并行稳定机制。该机制以并行模式进行复原,兼顾了高的复原质量和高运行速度。仿真实验验证了本文模糊消除机制的优越性,结果表明: 与其他模糊消除算法相比,该机制的运行速度更快,时耗最短; 且模糊消除机制更稳定,去模糊效果更佳,复原图像的细节信息清晰可见。
摘要：为了克服图像模糊消除算法不稳定与解模糊等难题,保证复原图像的细节信息清晰完整,并提高算法的运行效率,获取实时性,提出了神经网络融合自回归移动平均模型的图像模糊消除并行稳定机制。引入神经网络,基于突触权重系数,构造激活函数;再嵌入人工蜂群算法(Artificial Bees Colony,ABC),并以神经网络的均方误差函数设计适应度方程,由ABC算法训练神经网络,利用优化后的神经网络来获取自回归移动平均模型的参数;再将自回归移动平均优化模型引入模糊图像,以同时识别模糊函数与模糊图像;并对模糊函数进行相关定义,以消除算法不稳定性与解模糊问题;再对模糊图像进行反卷积,消除模糊。借助仿真实验来测试该机制的相关性能,结果表明:与其他模糊消除算法相比,该机制的运行速度更快,时耗最短;且该机制更稳定,模糊消除效果更好,复原图像的细节信息清晰可见。
移动平均价 篇7
关键词：存货计价,移动加权平均法,EXCEL
2006年财政部发布新的企业会计准则，为真实反映存货的实际流转以及与国际会计准则接轨，取消了利用后进先出法确定发出存货的成本，规定企业在确定发出存货成本时，可采用个别计价法、月末一次加权平均法、移动加权平均法及先进先出法四种方法。在实际应用中，移动加权平均法受到普遍青睐，使用率较高。
一、传统移动加权平均法分析
传统移动加权平均法，是指以每批进货的实际成本加上上次结存存货的实际成本，除以每批进货数量加上上次结存存货的数量，计算出存货的加权平均单价，并作为下次进货前各次发出存货单价标准的一种方法。该方法下每购进一批存货，就要重新计算一次存货的加权平均单价。公式如下：
存货加权平均单价=(本批进货实际成本+原有结存实际成本)/(本批进货数量+原有结存数量)
本批发出存货实际成本=上次结存存货加权平均单价×本批发出存货数量
移动加权平均法弥补了月末一次加权平均法的不足，能及时地反映存货发出和结存成本。在手工环境下采用移动加权平均法确定存货成本的工作量大，一般借助计算机来进行。
然而，传统移动加权平均法存在数据关系不清晰的缺陷： (1) 发出存货金额不等于数量乘以单价。由于发出存货金额作了尾数调整，所以发出存货金额不等于数量乘以单价。 (2) 结存存货金额也不都等于数量乘以单价。在传统移动加权平均法的计算中，发出存货时，对发出金额进行了尾数调整，以保证结存的存货金额等于数量乘以单价。所以，在发出存货时，结存存货的金额等于数量乘以单价。但是，在购进存货时，结存存货的金额并不等于数量乘以单价。
下面结合实例来说明传统移动加权平均法存在的缺陷。
例：某企业甲材料期初结存及购进与发出的资料如下：9月1日，结存100件，单价10元，金额1 000元。9月8日，购进200件，单价10.5元，金额2 100元。9月10日，发出200件。9月18日，购进400件，单价11元，金额4 400元。9月20日，发出200件。9月30日，发出200件。
运用传统移动加权平均法，在EXCEL中计算结果如表1所示：
在表1中，由于尾数调整，K5和K7单元格中发出存货金额不等于发出数量乘以发出单价;发出存货时，N5、N7和N8单元格的结存存货金额等于结存数量乘以结存单价，而购进存货时，N4和N6单元格的结存存货金额并不等于结存数量乘以结存单价。
由于传统移动加权平均法数据关系不清晰，这就给利用计算机管理数据增加了一定困难。例如，在表1中利用EXCEL管理存货时，结存存货金额的计算就要先判断是购进还是发出存货，再设置不同的公式，操作比较麻烦。
二、新的移动加权平均法
1. 新算法设计。本算法的具体内容包括：
(1)每发生一笔业务时，无论是购进还是发出，都重新计算一次结存存货的加权平均单价，作为下次发出存货的单价标准。即当购进一批存货时，以本批进货的实际成本加上上次结存存货的实际成本，除以本批进货数量加上上次结存存货的数量，计算出存货的加权平均单价;当发出一批存货时，以上次结存的存货实际成本减去本批发出存货的实际成本，除以上次结存的存货数量减去本批发出存货的数量，计算出存货的加权平均单价。
(2)发出存货的单价以上次结存存货的加权平均单价计算。公式设置如下：结存存货加权平均单价=(上次结存存货实际成本+本批购进存货实际成本-本批发出存货实际成本)/(上次结存存货数量+本批购进存货数量-本批发出存货数量)。本批发出存货实际成本=上次结存存货加权平均单价×本批发出存货数量。其中，当发生购进存货业务时，公式中“本批发出存货实际成本”和“本批发出存货数量”数据为零;当发生发出存货业务时，公式中“本批购进存货实际成本”和“本批购进存货数量”数据为零。同时，“本批发出存货实际成本”不做尾数调整。
2. 新算法实例。仍以上述实例来说明。期初EXCEL数据输入，见表2。
设置公式步骤如下：第一步：在J4单元格中设置公式“=M3”，调用上次结存存货的加权平均单价作为发出存货单价。第二步：在H4单元格中设置公式“=F4*G4”，计算购进存货的实际成本。第三步：在K4单元格中设置公式“=I4*J4”，计算发出存货的实际成本。第四步：在N4单元格中设置公式“=N3+H4-K4”，计算本次结存存货实际成本。第五步：在L4单元格中设置公式“=L3+F4-I4”，计算本次结存存货数量。第六步：在M4单元格中设置公式“=ROUND (N4/L4, 2)”，计算本次结存存货的加权平均单价。
设置完成后，利用EXCEL自动填充功能，选中H4:N4，在其右下角按住鼠标向下拉动，即可完成其后发生的每一笔业务的所有公式设置，见表3。
当输入每笔购进或发出业务的基本数据之后，系统将自动生成结果。计算结果见表4。
从表3中可以明显看出，公式设置极为方便，便于实行计算机管理。同时，从表4中可以看出：
收入金额=收入数量×收入单价
发出金额=发出数量×发出单价
结存单价=结存金额/结存数量
数据关系统一而清晰。
参考文献
[1].杨佳琦.对发出存货成本几种计价方法的理解.现代审计与会计, 2010;6
[2].张晓荣.探讨新会计准则下企业存货计价方法的选择.中国总会计师, 2009;12
移动平均价 篇8
销售收入预测是企业根据过去的销售情况,结合对市场未来需求的调查,对预测期产品销售收入通过一定的分析方法进行的预计和测算,用以指导企业经营决策和产销活动。通过销售收入预测可以加强计划性,减少盲目性,取得较好的经济效益。
二、徐州市彩棉坊商贸有限公司某品牌彩棉内衣销售情况分析
徐州市彩棉坊商贸有限公司是一家“彩棉坊”连锁机构,下面是徐州市彩棉坊商贸有限公司某品牌彩棉内衣2004年—2007年销售额情况:
从表中我们可以看出,其销售额是逐年递增的。因此,销售收入预测将具有重要的参考价值。
三、移动平均季节预测模型在徐州彩棉坊商贸有限公司某品牌彩棉内衣销售收入预测中的应用
季节变动对彩棉内衣的销售有着很大的影响,每月的收入会呈现出明显的季节变动,从实际情况看,我们发现各年中的收入呈现出一、四季度收入高,二、三季度收入低的状况。
因此,我们可以采用平均移动季节模型来进行预测。预测模型为:为预测值,Yt为趋势值,i为季节比率。下面我们以徐州市彩棉坊商贸有限公司某品牌内衣实际销售情况为例,来说明一下移动平均季节模型预测法的具体应用。
第一步:根据2004年—2007年各季度销售额,计算趋势值,先计算四项移动平均值,再计算两项移动平均数,即为趋势值。同时计算出各年各季度长期趋势相对数。如表2:
第二步:计算季节比率。各年同季的长期趋势的相对数的简单算术平均数即为季节比率。
第三步:根据长期趋势数列配合直线趋势方程预测2008年某品牌彩棉内衣各季度销售额的长期趋势值。
经计算,2008年四个季度长期趁势预测值分别为:
Y19=4.78+0.5*19=14.28
Y20=4.78+0.5*20=14.78
Y21=4.78+0.5*21=15.28
Y22=4.78+0.5*22=15.78
第四步:根据季度模型预测2008年各季度销售额分别为:18.72万元、13.10万元、10.76万元、17.34万元。
综上所述,我们预测出了徐州彩棉坊商贸有限公司某品牌内衣2008年销售额为59.92万元,实际销售额为63.37万元,预测值较实际相差5.76%,属于允许的误差范围,由此证明了这种方法的可应用性。但是由于受金融危机影响,该公司2009年的实际销售额明显比预测值偏低。因此,今后在使用移动平均季节模型预测法时,要充分考虑其他因素的影响,比如政策性因素、经济形势因素和不确定因素的影响,提高预测的准确性。
参考文献
[1]黄良文:社会经济统计学原理[M].北京:中国财经经济出版社,1990.
[2]徐国祥:统计预测和决策[M].上海:上海财经大学出版社,2005.
移动平均价 篇9
一、模型采用的主要函数与工具简介
本文中模型所用到的主要函数包括: (1) OR (logical1, logical2…) , 在其参数组中, 任一参数值为TRUE, 即返回TRUE;只有当所有参数值均为FALSE时才返回FALSE。例:在某单元格输入“=OR (D4="", D4="入库") ”, 如果D4单元格为空值或“入库”字样, 结果为TRUE, 若为其他字符或公式, 结果为FALSE。 (2) if (Logical_test, value_if_true, value_if_false) , 判断Logical_test条件是否为真, 为真则执行value_if_true, 为假则执行value_if_false。例:A1单元格输入“50”, A2单元格输入“=if (A1>60, "及格", "不及格") ”, 结果A2单元格内的值为“不及格”。If函数非常有用, 适用于多种假设前提的分支处理, 并且常是多层if函数嵌套使用。 (3) sumproduct (array1, array2, array3…) , 返回相应的数组或区域乘积的和。例如:在A1:A3区域分别输入“1, 2, 3”, 在B1:B3区域内分别输入“2, 3, 4”, 在B4单元格内输入“=sumproduct (A1:A3, B1:B3) ”, B4单元格内的计算实质为“=A1*B1+A2*B2+A3*B3”, 结果值为“20”。 (4) ROW (reference) , 返回一个引用的行号。例:在某单元格内输入“=ROW (D4) ”, 结果为“4”。 (5) LARGE (array, k) , 返回数组中第K个最大值。例:在A1:B3区域分别输入“3, 4, 2, 5, 8, 10”, 在B4单元格内输入“=LARGE (A1:B3, 3) ”, 结果为“5”;若输入“=LARGE (A1:B3, 4) ”, 结果为“4”。 (6) offset (reference, rows, cols, height, width) , 以指定的引用为参照系, 通过给定偏移量返回新的引用。例:在某单元格内输入“=offset (E6, 1, 2) ”, 结果为E6单元格往下移一行, 往右移两列后的G7单元格内的值;若输入“=offset (E6, -1, -2) ”, 结果为E6单元格往上移一行, 往左移两列后的C5单元格内的值。 (7) sum (number1, number2…) , 计算单元格区域中所有数值的和。 (8) countblank (range) , 计算某区域中空白单元格的数目 (空白单元格包含值为空值的单元格, 不含值为零的单元格) 。
本文中模型所用到的主要Excel方法与工具包括: (1) 数据有效性工具。例:只允许A1:A10区域内通过下拉菜单选择“入库”或“出库”字样, 输入其他则不允许并显示警告文字。操作方法:选中A1:A10区域, 点击“数据”———“数据有效性”按钮——“数据有效性”命令, 在随后的窗体内选中“设置”标签并在“允许”格内选择“序列”, “来源”格内输入“出库, 入库”, 并在“忽略空值”和“提供下拉箭头”前的空格内打“√”, 最后同时按“Shift+Ctrl+Enter”三键完成该单元格区域有效性设置。 (2) 保护工作表。例:将A1:A10区域定为非锁定区域, 通过使用“保护工作表”方法, 非锁定区域为可输入区域, 而其他区域为不可选中及输入区域。操作方法:选定A1:A10区域, 点击鼠标右键并选择“设置单元格格式”命令, 选择“保护”标签, 去除“锁定”前空格内的“√”, 这样确定A1:A10区域为非锁定区。但要锁定或非锁定区域正式生效, 需要点击“审阅”菜单内的“保护工作表”命令, 在随后的窗体中选择“保护工作表及锁定单元格的内容”和“选定未锁定的单元格”, 这样工作表被保护, A1:A10区域为可输入区而其他则为冻结不可输入区。 (3) 单元格绝对引用与相对引用。例:在A4单元格内输入“=sum ($A1:A$3) ”, 复制A4单元格, 并粘贴至B5单元格, B5单元格的公式为“=sum ($A2:B$3) ”, 前面加“$”的为绝对引用, 不随移动复制位置的改变而改变。
二、存货先进先出法的模型设计
1. 本模型的设计核心。
先进先出法是以先入库的存货先发出这一假设为前提, 这样每批存货发出时的成本采用库存中最早入库的单价计算, 而每批存货发出后的结存成本则是按库存中最后的入库单价计算。根据这一特点, 本模型的设计核心是先通过函数计算出每批存货发出后的结存成本, 再用出库前的结存成本减去本次出库后的结存成本得出本次的出库成本。
2. 本模型的制作要点。
本模型制作样式如表1所示。在存货明细账表格中的每一格都由两单元格合并而成, 如“期初结存”D7单元格由原D7和D8两单元格合并而成, 其他类似。而辅助数据区O7:ALZ118内则不合并。在D9:D117摘要区域, 只允许通过下拉菜单选择输入“入库”或“出库”, 不允许输入其他。在E9:F117及H9:H117出入库数量和入库单价区域只允许输入大于等于零的小数 (含整数) , 不允许输入其他。设定B9:F117及H9:H117为非锁定区域, 这些区域允许输入数值变量, 其他区域为锁定区域不允许输入数值变量, 由本模型统一制作相应公式函数。在存货明细账表格第一行, 输入4月1日期初结存数据, 即结存数量为200, 单价为60, 金额为12 000。表1中7～12行的主要公式函数如下:G9单元格内公式为"=IF (OR (D9="出库", D9="") , "", E9*F9) ”;J9单元格内公式为“=IF (OR (D9="入库", D9="") , "", M7-M9) ”;K9单元格内公式为“=IF (D9="入库", K7+E9, IF (D9="", "", K7-H9) ) ”;N9单元格内公式为“=IF (D9="入库", ROW (D9) -7, "") ”;复制粘贴N9单元格后在N11单元格内公式为“=IF (D11="入库", ROW (D11) -7, "") ”;O9单元格内公式为“=IF (D9="出库", K9, "") ”;O10单元格内公式为“=IF (O9="", "", F7) ”;O11单元格内公式为“=IF ($D11="出库", IF ($K11
M9单元格内公式为“=IF (D9="入库", M7+G9, IF (D9="", "", SUMPRODUCT (O9:ALZ9, O10:ALZ10) ) ) ”。
P11单元格内公式为“=IF (O11="", "", IF ($K11>SUM ($O11:O11) , IF ($K11-SUM ($O11:O11)
表1中E7单元格内输入结存数量200, F7单元格内输入单价60, G7单元格内输入金额12 000。为了后续公式函数编制的方便, 在此将这三个数字设置为白色字体, 以避免视觉的影响。表1中, N列输入公式的作用是将入库记录按从小到大的顺序作上相应数字标记, 并且该标记也表示了从“期初结存”的第7行移动至标记行的移动行数。O列与P列公式看上去有些复杂, 但其实质是将每次出库后的结存数量按从最近入库数量至较远入库数量的顺序进行分解同时还列出对应单价。例如, 表1中4月3日出库后的结存数量350, 经公式处理后, 分解为最近的入库数量200及在上一批入库量中的150, 对应单价分别为58及60。将G9单元格复制粘贴至G11:G117区域, 同样, 将J9:K9及M9单元格复制粘贴至J11:K117及M11:M117区域。将N9单元格复制粘贴至N11:N117, 将P11:P12区域复制粘贴至Q11:ALZ12, 将O11:ALZ12区域复制粘贴至O13:ALZ118区域, 这样这些被粘贴区域也自动填上相应公式计算出结果值。在最后“期末结存”行, 在E119单元格输入“=SUM (E9:E118) ”, G119单元格输入“=SUM (G9:G118) ”, H119单元格输入“=SUM (H9:H118) ”, J119单元格输入“=SUM (J9:J118) ”, K119单元格输入“=K7+E119-H119”, M119单元格输入“=M7+G119-J119”。最后, 保护该工作表。
三、存货移动加权平均法的模型设计
1. 模型的计算公式。
移动加权平均法是指每入库一批存货, 就以原有存货数量和本批入库存货数量为权数, 计算一个加权平均单位成本, 并据以对其后发出存货进行计价的一种方法。该方法的计算公式如下:
移动加权平均单位成本= (原有存货成本+本批入库存货成本) / (原有存货数量+本批入库存货数量)
本批发出存货成本=本批发出存货数量×最近的移动加权平均单位成本
期末结存存货成本=本期结存存货的数量×期末移动加权平均单位成本
2. 移动加权平均法模型的设计要点。
移动加权平均法模型制作样式如表2所示。在存货明细账表格中的每一格都由两个单元格合并而成。表内明细账表格中的单元区域数据有效性设置及锁定与非锁定区域设置与前述类似。表内G9单元格内公式为“=IF (OR (D9="出库", D9="") , "", E9*F9) ”;I9单元格内公式为“=IF (D9="出库", L7, "") ”;J9单元格内公式为“=IF (D9="出库", H9*I9, "") ”;K9单元格内公式为“=IF (D9="入库", K7+E9, IF (D9="", "", K7-H9) ) ”;L9单元格内公式为“=IF (D9="入库", (M7+G9) /K9, IF (D9="出库", L7, "") ) ”;M9单元格内公式为“=IF (D9="", "", K9*L9) ”。将G9、I9:M9区域内的公式复制至G11:G117、I11:M117区域。“期末结存”所在的119行内公式与前述类似, L119单元格内公式为“=M119/K119”。最后保护整个工作表。
参考文献
[1].刘永泽, 陈立军.中级财务会计.大连:东北财经大学出版社, 2009