对“持有至到期投资——利息调整”的理解及核算过程

本文通过一个具体例子,详细解释了使用2089元买入面值为2000元的5年期债券作为持有至到期投资的核算过程,包括购买时的分录、利息收入的计算及摊余成本的确定。文中进一步阐述了票面利息与实际利息之间的差异,以及如何在各期中分别收回利息调整部分。

用一个例子来说明问题:
例如:用2089元买入面值为2000元的5年期的债券作为持有至到期投资,票面的年利率为5%,实际的内含的年利率为4%。具体的核算过程如下:

解析题面,由于我们高于面值买入,比面值多付了89元,但是当债券到期时,人家只给你会还你面值的部分2000本金,并不会给你2089元。这超出的89元,就是包含在你所收到的各项利息中的,也就是你所收到的真正的利息收入并非全是你投资的收益,这里面还包含有你多付出应该收回的部分,这部分就是利息调整部分,它要在各期中分别收回。也就是到期时,要将这89元都要收回才行。

我们在分步解析吧:购买时的分录:
借:持有至到期投资——成本     2000
持有至到期投资——利息调整     89
贷:银行存款                   2089

上述分录中的“持有至到期投资——成本(面值)”和“持有至到期投资——利息调整”(就是多出的部分),这两部分一起构成持有至到期投资的入账价值,到期后能收回的本金是面值部分2000元,而多付出的“利息调整”部分,必须在持有期间内得到补偿或收回,补偿或收回的方法,那就是只有在利息收入中得到补偿。那这样一来,人家按期付给的利息是票面利息。而到我们这里还要补偿或收回多付出的“利息调整”部分,所以我们的实际的利息收入(“投资收益”)=应予收到的票面利息—补偿或收回的“利息调整”。所以,在到期末应收利息时,就有以下分录:
借:应收利息     100    (2000×5%)
贷:持有至到期投资——利息调整   16.44 (100—83.56)
投资收益           83.56 (2089×4%)

上述分录中“应收利息”就是票面利息,“投资收益”就是我们实际的投资应得到的真实的回报,二者的差额就是我们多付的“利息调整”部分的补偿或收回。
至此我们已收回本金16.44,致使我们的投资本金2089元减小成了2072.56元了,我们这里的本金也称“摊余成本”,

下一期我们计算实际的利息收入(投资收益)时,将以“摊余成本”2072.56元为基础了。
到了下一期末,我们再记录利息收入时的分录为:
借:应收利息    100    (还是票面利息,各期都是一样的,就是应收到的)
贷:持有至到期投资——利息调整   17.10(100—82.90)
投资收益      82.90 (2072.56×4%=82.9024,这里出现了四舍五入的尾差)
这样又收回本金17.10,摊余成本为2055.46(2072.56—17.10),下期以此为计算投资收益的基础。

以此类摊:第三期应收回本金(利息调整):100—82.22=17.78元,摊余成本为2037.68(2055.46—17.78);
第四期收回本金(利息调整):100—81.51=18.49,摊余成本为2019.19(2037.68—18.49)

最后一期原则上也是用以上方法进行,但为了避免四舍五入形成的误差,不再按上述方法进行计算,而是用倒挤法进行调整,将剩下的未调整完的一次调整完,即89—16.44—17.10—17.78—18.49=19.19,也可以将2019.19中的19.19调整完即可。

对于摊余成本的确定,我给大家一个通用的公式:(适用于分期付息,到期还本)

本期末摊余成本=期初摊余成本-(票面利息-实际利息)

票面利息=面值×票面利率

实际利息=期初摊余成本×实际利息

友情提示:此公式同样适用于应付债券的摊余成本的计算,公式中的数据位置不要变更即可!


http://apps.hi.baidu.com/share/detail/5908564

【SCI复现】含可再生能源与储能的区域微电网最优运行:应对不确定性的解鲁棒性与非预见性研究(Matlab代码实现)内容概要:本文围绕含可再生能源与储能的区域微电网最优运行展开研究,重点探讨应对不确定性的解鲁棒性与非预见性策略,通过Matlab代码实现SCI论文复现。研究涵盖多阶段鲁棒调度模型、机会约束规划、需求响应机制及储能系统优化配置,结合风电、光伏等可再生能源出力的不确定性建模,提出兼顾系统经济性与鲁棒性的优化运行方案。文中详细展示了模型构建、算法设计(如C&CG算法、大M法)及仿真验证全过程,适用于微电网能量管理、电力系统优化调度等领域的科研与工程实践。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事微电网、能源管理相关工作的工程技术人员。; 使用场景及目标:①复现SCI级微电网鲁棒优化研究成果,掌握应对风光负荷不确定性的建模与求解方法;②深入理解两阶段鲁棒优化、分布鲁棒优化、机会约束规划等先进优化方法在能源系统中的实际应用;③为撰写高水平学术论文或开展相关课题研究提供代码参考和技术支持。; 阅读建议:建议读者结合文档提供的Matlab代码逐模块学习,重点关注不确定性建模、鲁棒优化模型构建与求解流程,并尝试在不同场景下调试与扩展代码,以深化对微电网优化运行机制的理解
个人防护装备实例分割数据集 一、基础信息 数据集名称:个人防护装备实例分割数据集 图片数量: 训练集:4,524张图片 分类类别: - Gloves(手套):工作人员佩戴的手部防护装备。 - Helmet(安全帽):头部防护装备。 - No-Gloves(未戴手套):未佩戴手部防护的状态。 - No-Helmet(未戴安全帽):未佩戴头部防护的状态。 - No-Shoes(未穿安全鞋):未佩戴足部防护的状态。 - No-Vest(未穿安全背心):未佩戴身体防护的状态。 - Shoes(安全鞋):足部防护装备。 - Vest(安全背心):身体防护装备。 标注格式:YOLO格式,包含实例分割的多边形坐标和类别标签,适用于实例分割任务。 数据格式:来源于实际场景图像,适用于计算机视觉模型训练。 二、适用场景 工作场所安全监控系统开发:数据集支持实例分割任务,帮助构建能够自动识别工作人员个人防护装备穿戴状态的AI模型,提升工作环境安全性。 建筑与工业安全检查:集成至监控系统,实时检测PPE穿戴情况,预防安全事故,确保合规性。 学术研究与创新:支持计算机视觉在职业安全领域的应用研究,促进AI与安全工程的结合。 培训与教育:可用于安全培训课程,演示PPE识别技术,增强员工安全意识。 三、数据集优势 精准标注与多样性:每个实例均用多边形精确标注,确保分割边界准确;覆盖多种PPE物品及未穿戴状态,增加模型鲁棒性。 场景丰富:数据来源于多样环境,提升模型在不同场景下的泛化能力。 任务适配性强:标注兼容主流深度学习框架(如YOLO),可直接用于实例分割模型开发,支持目标检测和分割任务。 实用价值高:专注于工作场所安全,为自动化的PPE检测提供可靠数据支撑,有助于减少工伤事故。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值