一种改进的本量利分析法

1 引言

本量利分析法作为管理会计中的一项基础内容, 主要研究在变动成本计算模式的基础上, 以数学化的会计模型与图示来揭示销量、价格、成本和利润之间的相互关系, 目前, 无论在西方还是在中国, 本量利分析的应用都十分广泛。它与经营风险分析相联系, 可促使企业努力降低风险;与预测技术相结合, 企业可进行保本预测、确保目标利润实现的业务量预测等;与决策融为一体, 企业据此进行生产决策、定价决策和投资不确定性分析;企业还可以将其应用于全面预算、成本控制和责任会计。

2 本量利分析法的有关概念

2.1 本量利分析的基本概念

本量利分析所考虑的相关因素主要包括销售量、售价、销售收入、单位变动成本、固定成本、利润等, 其公式是:利润=销售收入-固定成本-变动成本= (销售单价×销售量) - (固定成本+单位变动成本×销售量) 当利润=0时, 销售量=固定成本/ (销售单价-单位变动成本) , 此销售量即为企业的保本销售量。本量利分析在企业经营活动中的主要表现在以下几个方面:

(1) 预测保本销售量和保本销售额。

(2) 预测目标利润和预测目标销售量或销售额。

(3) 售价、销售量、成本水平的变动对利润的影响。

2.2 本量利分析的局限性

在构建线性本量利分析的理论体系中, 推出设定“产销平衡”假设的原因在于使本量利分析与成本计算法无关, 而事实上是难以做到的。由于产量的变动会影响到生产成本的高低, 而销量的变动则影响到收入的多少及销售成本的多少, 因此, 有了产销平衡假设, 就可以使收入与成本相互配比, 而不管其是生产成本还是销售成本。自然成本也就只需要考“销量”因素, 而不需考虑“产量”因素。也就是说, 只要产销平衡, 存货计价不论是完全成本法, 还是变动成本法, 本量利分析的结果应是一致的。如果是产销不平衡, 就有必要进行完全成本法下的本量利分析和变动成本法下的本量利分析分别研究。在已构建线性本量利分析的理论体系中, 正是如此做的。

3 本量利分析法中收入模型与成本模型的研究现状

传统的本量利分析是假定销售与成本均呈线性变化, 成本和销售收入都随着销量的增长而成比例地增长。这是一种理想的状况, 是在假设产销量越大, 成本肯定越低, 而且假设销售价格一成不变, 销售收入也只受销量一种因素影响的前提下, 才能成立的一种线性关系。在实际经营活动中, 这种理想状况几乎是不可能出现的, 更多出现的是销售线和成本线都是非线性的。因此, 理想状况下的线性本量利分析模型和关系图只适用于理论原理的研究, 而对现实经营活动的指导意义将会大打折扣。

一部分学者提出一种非线性情况下本量利关系, 认为收入线和成本线在实际工作中呈曲线而不是直线, 此时, 会出现两个盈亏平衡点, 非线性的本量利分析会有一个盈利区域, 这个盈利区域在两个盈亏平衡点之间, 是个封闭的区域。此类方法是基于一般经济学规律总结出来的。然而, 现实中的市场经济瞬息万变, 从一个企业这样的微观角度来讲, 一般经济学规律的普适性不强。

4 收入线与成本线确定的思路改进

企业的历史收入线与成本线是最能反映企业自身管理水平、所处区域的经济环境、所在行业的风险性等各方面的因素。上述方法通过建立线性、非线性、不确定性等各类数学模型, 将企业未来自身管理水平、所处区域的经济环境、所在行业的风险性等各方面的因素融入所建数学模型, 从而预测企业未来的收入线与成本线, 即:从实际, 到模型, 再到实际。从信息传递的角度来看, 存在着多个信息传递环节, 从而增加信息失真的可能性, 影响预测结果的准确性。

本文提出一种新的确定收入线与成本线的思路, 即直接用企业上一年度或近几年度的真实的收入线与成本线, 对于企业上一年度或近几年度的真实的收入线与成本线无法覆盖到的范围, 由企业针对历史行为进行推演、模拟, 从而代替预测模型。次方法的优势在于改变了传统方法“从实际, 到模型, 再到实际”多环节分析, 直接采用“实际”, 既能打破“产销平衡”这一基本假设, 又能基于财务会计准确区分固定成本和变动成本, 按照实事求是的原则绘制成本线、收入线, 使得得到的未来年度的成本线、收入线能够更加真实反映企业实际的自身管理水平、所处区域的经济环境、所在行业的风险性等各方面的因素。

5 基于人工智能优化算法的最优利润分析

5.1 人工智能优化算法

随着计算机技术的飞速发展, 智能计算方法的应用领域也越来越广泛, 当前存在的一些智能算法有人工神经网络、遗传算法、模拟退火算法、群集智能、蚁群算法、粒子群优化算法等等。人工智能计算也有人称之为“软计算”, 是们受自然 (生物界) 规律的启迪, 根据其原理, 模仿求解问题的算法。从自然界得到启迪, 模仿其结构进行发明创造, 这就是仿生学。这是我们向自然界学习的一个方面。另一方面, 我们还可以利用仿生原理进行设计 (包括设计算法) , 这就是智能计算的思想。

5.2 粒子群优化算法

粒子群优化算法 (PSO) 是一种用于对连续非线性函数优化的人工智能优化算法, 是Kennedy和Eberhart受人工生命研究结果的启发, 于1995年提出的。作为一种基于群体智能的优化算法, 粒子群优化算法可用于求解各种非线性、不可微和多峰值的复杂优化问题, 并在科学和工程领域, 如:神经网络训练、函数优化、模式分类、模糊系统控制等研究领域广泛应用, 出现了很多的研究成果。

6 结语

综上所述, 本量利分析法在企业进行利润成本决策中一直是一种极其有效的方法, 也始终发挥着非常重要的作用。本文简要分析了针对本量利分析法“产销平衡”假设、线性假设、固定成本和变动成本不易区分等局限性, 提出一种新的即收入线与成本线确定思路, 同时提出引入以粒子群优化算法为代表的人工智能优化算法来计算最优利润点, 希望能够提供一种更为科学贴近实际的方法, 为企业提供更加准确的判断依据, 更好地提高企业的经济效益, 不断促进企业的发展。

摘要：本文简要分析了针对本量利分析法“产销平衡”假设、线性假设、固定成本和变动成本不易区分等局限性, 提出一种新的即收入线与成本线确定思路, 同时提出引入以粒子群优化算法为代表的人工智能优化算法来计算最优利润点。

关键词：本量利,分析,销售