高级会计师第三章预习课件.docx

高级会计师第三章预习课件.docx

《高级会计师第三章预习课件.docx》由会员分享，可在线阅读，更多相关《高级会计师第三章预习课件.docx（44页珍藏版）》请在冰豆网上搜索。

高级会计师第三章预习课件

第三章　企业预算管理

　　【思维导图】

第一节　预算管理概述

　　【知识点1】预算的特征

　　战略分析是企业长短期计划的基础，而长短期计划分别导出长短期预算。

（一）预算是以定量方式展现的计划。

（二）预算是特定期间的计划。

　　企业编制预算一般以年度为基础。

　　（三）预算目标必须与年度经营目标相一致。

　　（四）预算是对企业未来经营活动的安排，是企业的资源配置计划。

　　（五）预算是企业进行绩效评价和考核的一个重要依据。

　　【知识点2】预算结构

　　【知识点3】预算的作用

　　1.规划作用

　　2.沟通与协调作用

　　3.监控作用

　　4.绩效评估作用

　　分工——内部不同的责任单位——冲突

　　【知识点4】预算管理的组织体系

（一）预算管理决策机构

　　大型企业一般会组建由高级管理人员组成的预算管理委员会。

预算管理委员会是预算管理的决策机构，其成员包括企业总经理及其他高管，由董事会任命。

（二）预算管理日常工作机构

　　预算管理办公室是预算管理委员会的日常工作机构，在预算管理委员会的领导下工作，并向预算管理委员会报告工作。

预算管理办公室具体负责预算的编制、报告、执行和日常监控、调整、考核等。

　　（三）预算执行单位

　　预算的执行单位就是分别执行运营预算或财务预算并承担相应责任最小的组织单位。

第二节　预测与年度经营目标

　　【知识点1】预测技术

（一）回归分析

　　1.双变量回归分析

　　Y＝f（X）

　　2.多元回归分析

　　双变量回归分析的计算公式：

　　【例3－1】某制造型企业收集了过去半年的设备维护成本和设备运行时间的数据（如表3－1所示），试图发现前者与后者的相互关系。

如果七月份的设备运行时间为3100小时，该设备的维护成本为多少？

设备运行时间（小时）

设备维护成本（元）

一月

2100

13600

二月

2800

15800

三月

2200

14500

四月

3000

16200

五月

2600

14900

六月

2500

15000

　　设备维护成本为因变量Y，设备运行时间为解释变量X，对以上数据处理，结果如表3－2所示。

X千小时

Y千元

XY

X2

一月

2.1

13.6

28.56

4.41

二月

2.8

15.8

44.24

7.84

三月

2.2

14.5

31.9

4.84

四月

3

16.2

48.6

9

五月

2.6

14.9

38.74

6.76

六月

2.5

15

37.5

6.25

N＝6

∑X＝15.2

∑Y＝90

∑XY＝229.54

∑X2＝39.1

　　根据公式有：

　　b＝2.6（元/小时）

　　a＝8.41（千元），约为8400元。

　　Y＝8400＋2.6X

　　七月份设备维护成本的预测值

　　＝8400＋2.6×3100＝16460（元）。

　　【提示】此预测需要假设设备维护成本和设备运行时间存在线性关系，且在未来保持过去的趋势。

（二）时间序列分析

　　时间序列是一段时间间隔内所记录的一连串变量的数值。

　　时间序列由趋势、季节性差异、周期性差异和随机性差异等要素构成。

　　趋势（T）是时间序列所记录数值的长期走势。

　　时间序列的实际记录结果（Y）往往偏离趋势值，产生偏离的原因包括季节性差异、周期性差异和随机性差异。

　　季节性差异（SV）是由于不同的年份、不同的日期或不同时刻所导致的时间序列数据的短期震荡波动。

季节性差异并不局限于季节，只要是不同时间所形成的均可。

　　周期性差异（CV）是由于周期性循环所导致的中期变动。

　　随机性差异（RV）是由于非常随机的和不可预料的因素所导致的差异，例如罢工、恐怖活动和地震等。

　　时间序列通常采用移动平均法进行处理。

移动平均法是从N期的时间序列数据中选取M期数据作为样本值，求其M期的算术平均数，并不断地向后移动计算，所求的平均数对应m期间的中点。

使用移动平均法的目的是将时间序列中的差异去除掉，从而只留下代表趋势的一连串数据。

　　时间序列的研究方法包括加法模型和乘法模型。

　　1.加法模型

　　加法模型使用绝对数来表示差异，其计算公式为：

　　Y＝T＋SV＋CV＋RV

　　2.乘法模型

　　乘法模型使用相对数来表示差异，其计算公式如下:

　　Y＝T×SV×CV×RV

　　【例3－3】某企业某产品2005－2007年中12个季度的销售数量如表3－5所示，要求预测2008年第一季度的销售数量。

　　本例题只考虑季节性差异SV，不考虑周期性CV差异和随机性差异RV。

0501代表2005年第一季度，以此类推。

季度

0501

0502

0503

0504

0601

0602

0603

0604

0701

0702

0703

0704

销量

600

840

420

720

640

860

420

740

670

900

430

760

　　【加法模型】

　　首先求2008年第一季度的趋势值

　　步骤一：

进行移动平均（移动资料期为4）

　　其次，计算季节性差异。

　　①计算季节性差异（见上图）

　　②计算平均差异

一季度

二季度

三季度

四季度

合计

2005年

－230

62.5

2006年

－20

197.5

－248.75

62.5

2007年

－13.75

212.5

总计

－33.75

410

－478.75

125

平均差异

－16.875

205

－239.375

62.5

11.25

　　③进行调整，确保平均差异的合计数为0（因为四个季度的季节性差异合计数也应趋近于0），而上表中平均差异的合计数为11.25，不等于0，需要进行调整，将多出的11.25平均分配到每个季度，即11.25/4＝2.8125（万件）。

一季度

二季度

三季度

四季度

合计

平均数

－16.875

205

－239.375

62.5

11.25

调整

－2.8125

－2.8125

－2.8125

－2.8125

－11.25

调整后

－19.6875

202.1875

－242.1875

59.6875

0

四舍五入

－20

202

－242

60

0

　　【结论】计算08年1季度的季节性差异SV为－20

　　最后，进行预测。

　　预测值Y＝趋势值T＋季节性差异SV

　　＝706.25－20＝686.25

　　【乘法模型】

　　步骤一：

进行移动平均，求出趋势值和差异值

　　季节性差异＝实际记录值/趋势值

　　差异小于1，表示负差异，为淡季。

　　【提示】加法模型下：

季节性差异＝实际记录值－趋势值

　　步骤二：

计算出平均差异。

　　由于是用相对数表示，季节性差异应该趋近于1。

一季度

二季度

三季度

四季度

合计

2005年

0.646

1.095

2006年

0.97

1.298

0.628

1.092

2007年

0.98

1.309

总计

1.95

2.067

1.274

2.087

平均

0.975

1.3035

0.637

1.0935

4.009

　　步骤三：

进行调整（见表3－10），确保平均差异的合计数等于4（因为是4个季度，每个季度的季节性差异趋近于1，所以4个季度合计数应趋近于4）。

表3－9中合计数不等于4，需要进行如下调整：

将多出的0.009平均分配到每个季度，即0.009/4＝0.00225。

一季度

二季度

三季度

四季度

合计

平均数

0.975

1.3035

0.637

1.0935

4.009

调整

－0.00225

－0.00225

－0.00225

－0.00225

－0.009

调整后

0.97275

1.30125

0.63475

1.09125

4

四舍五入

0.97

1.3

0.64

1.09

4

　　步骤四：

进行预测，

　　趋势值＝706.25

　　季节性差异＝0.97

　　预测值＝706.25×0.97＝685.06

　　（三）指数平滑法

　　指数平滑法，实质上是一种加权平均法，是以事先确定的平滑指数α及（1－α）作为权重进行加权计算。

其计算公式如下：

　　如果α＝0.2，Y2＝18000，F2＝15000，则：

　　F3＝0.2×18000＋（1－0.2）×15000＝15600

　　（四）学习曲线模型

　　学习曲线理论认为，当人们从事一项新的任务、过程和活动时，在最初不可能立刻实现效率的最大化。

随着任务的不断重复，人们的经验和自信逐渐增加，最终会导致更高效和快速的生产，单位产品生产所用时间会逐渐减少。

但不会无休止地减少，学习过程最终会停止，从此效率无法继续提升，停留在一个稳定状态。

　　学习曲线模型中的一个重要变量是累计平均时间。

累计平均时间是指到目前为止（从第一个产品开始到现在为止）所生产的所有产品的平均时间。

学习曲线理论假设每当产量翻倍时，累计平均时间始终按照一个恒定的比率递减。

例如，每当产量增加1倍，累计平均时间减少20%。

　　【例3－5】假设某工厂某产品第一件生产所需手工组装时间为100小时，存在80%的学习曲线效果，即每当产量增加1倍，累计平均时间就减少20%，则计算结果如表3－12所示。

总产量

累计平均时间

总时间

增加时间

1

100

1×100＝100

100

2

100×80%＝80

2×80＝160

160－100＝60

4

80×80%＝64

4×64＝256

256－160＝96

8

64×80%＝51.2

8×51.2＝409.6

409.6－256＝153.60

　　学习曲线模型的计算公式为：

　　【例3－6】已知首件产品工时为10小时，存在80%的学习曲线率。

　　要求：

（1）计算100个产品总工时；

『正确答案』100个产品的总工时

　　＝100×（10×100log80%/log2）＝227.06（小时）

（2）计算第100个产品的工时；

『正确答案』

　　第100个产品的工时＝前100个产品的总工时－前99个产品的总工时

　　＝100×（10x100log80%/log2）－99×（10×99log80%/log2）

　　＝227.06－225.52＝1.54（小时）

　　（3）计算第71个至第100个产品的总工时；

『正确答案』

　　第71个