XBRL分类使用样例-日本国税厅税务申报财务报表分类

我们知道XBRL技术的关键是建立符合各国会计准则的分类标准,XBRL国际组织目前已经制定了符合IAS的相关分类标准。具体到各国的XBRL分类标准,根据各国目前的XBRL进展情况而有所不同,但基本上主要的XBRL会员国都已经按照xbrl 2.0版本 完成了符合自己国家会计准则的分类标准。下面以日本为例,简单介绍一下分类表。

日本从2004年开始全面启用电子保税系统,并采用XBRL作为技术基础,这里介绍的分类标准就是XBRL JAPAN制定的有关税务申报财务报表的分类标准。

1、日本国税厅税务申报财务报表分类标准文档

(注:行号是为便于说明而附加的)

 

1           < ?xml version=”1.0”encoding=”UTF-8”?>

2           < ! –edited with XBRL.Taxonomy Editor0.94bà

3           -<Schema targetNamespace=http://www.xbrl-jp.org/taxonomy/jp/fr/ta/bs/2003-07-03

xmlns:xhtml=”http://www.w3.org/1999/xhtml” xhtml:link=http://www.wbrl.org/2001/XLink/xbrllinkbbase

xmlns:xlink=http://www.w3.org/1999/xlink xhtml:link=”http://www.wbrl.org/2001/instance

xmlns=http://www.w3.org/2001/XMLSchema xmlns:jp-ta-bs=http://www.xbrl-jp.org/taxonomy/jp/fr/ta/bs/2003-07-03

xmlns:jp-bs=http://www.xbrl-jp.org/taxonomy/jp/fr/common/bs/2003-07-03element Form Default=”qualified”>

4           -<annontation>

5           -<appinfo>

6            <link:linkbase Ref xlink:type=”simple”

xlink:acrole=”http://www.w3.org/1999/xlink/properties/linkbase

Xlink;actuate=”on Request”xlink:role=http://www.xbrl.org/linkprops/link Ref/definition

Xlink:href=”jp-ta-bs-2003-07-03_defination.xml”> Links for definition relationship

</link:link base Ref>

7            <link:linkbase Ref xlink:type=”simple”

xlink:acrole=”http://www.w3.org/1999/xlink/properties/linkbase

Xlink;actuate=”on Request”xlink:role=http://www.xbrl.org/linkprops/link Ref/calculation

Xlink:href=”jp-ta-bs-2003-07-03_calculation.xml”> Links for calculation relationship

</link:link base Ref>

8            <link:linkbase Ref xlink:type=”simple”

xlink:acrole=”http://www.w3.org/1999/xlink/properties/linkbase

Xlink;actuate=”on Request”xlink:role=http://www.xbrl.org/linkprops/link Ref/presentation

Xlink:href=”jp-ta-bs-2003-07-03_presentation.xml”> Links for presentation relationship

</link:link base Ref>

9           <link:linkbase Ref xlink:type=”simple”

xlink:acrole=”http://www.w3.org/1999/xlink/properties/linkbase

Xlink;actuate=”on Request”xlink:role=http://www.xbrl.org/linkprops/link Ref/label

Xlink:href=”jp-ta-bs-2003-07-03_label.xml”> Links for label relationship

</link:link base Ref>

10        </appinfo>

11        </annotation>

12        <import namespace=http://www.xbrl.org/2001/instance” schema location=”xbrl-instance.xsd”/>

13        <import namespace=http://www.xbrl-jp.org/taxonomy/jp/fr/common/bs/2003-07-03”

schema location=”jp-bs-2003-07.xsd”/>

14        <element name=”Cash hand” type=”xbrli:monetary Item Type” substitution Group=”xbrli:item”id=”Cash Hand”/>

15        ……

999 </schema>

2、日本国税厅税务申报财务报表分类标准文档说明

第1句 XML定义

第3句 对象名字空间制定

第4句 注释

第5句 应用程序信息

第6句 Definition Link (定义链接库)

第7句 Calculation Link(计算链接库)

第8句 Presentation Link(列表链接库)

第9句 Label Link (标签链接库)

第12-13句 导入外部技术规格 (引用链接库)

第14句开始 从现金开始定义资产负债表各项目的标签和属性

这样就构成了一个日本纳税申报财务报表的分类标准,除此之外,目前,XBRL JAPAN已经制定了上市公司财务报表分类标准,年度结算分类标准。

3、参考网站

1.  XBRL International 网站  www.xbrl.org

2.  XBRL JAPAN 网站 www.xbrl-jp.org

时间: 2024-08-28 06:35:06

XBRL分类使用样例-日本国税厅税务申报财务报表分类的相关文章

数据挖掘之分类算法---knn算法(有matlab样例)

knn算法(k-Nearest Neighbor algorithm).是一种经典的分类算法. 注意,不是聚类算法.所以这样的分类算法必定包含了训练过程. 然而和一般性的分类算法不同,knn算法是一种懒惰算法.它并不是 像其它的分类算法先通过训练建立分类模型.,而是一种被动的分类 过程.它是边測试边训练建立分类模型. 算法的一般描写叙述步骤例如以下: 1.首先计算每一个測试样本点到其它每一个点的距离. 这个距离能够是欧氏距离,余弦距离等. 2. 然后取出距离小于设定的距离阈值的点. 这些点即为依

Relation Extraction中SVM分类样例unbalance data问题解决 -松弛变量与惩罚因子

转载自:http://blog.csdn.net/yangliuy/article/details/8152390 1.问题描述 做关系抽取就是要从产品评论中抽取出描述产品特征项的target短语以及修饰该target的opinion短语,在opinion mining里面属于很重要的task,很多DM.NLP相关的paper在做这方面的工作.基本的思路是: (1)从sentence的parse tree(比如stanford parser)中选取候选target结点和候选opinion结点,然

PHPCMS中GET标签概述、 get 标签语法、get 标签创建工具、get 调用本系统演示样例、get 调用其它系统演示样例

一.get 标签概述 通俗来讲,get 标签是Phpcms定义的能直接调用数据库里面内容的简单化.友好化代码,她可调用本系统和外部数据,仅仅有你对SQL有一定的了解,她就是你的绝世好剑!也就是适合熟悉SQL语句的人使用.有了她,我们打造个性化的站点,能很方便的调用出数据库里面指定的内容.通过条件限制,我们能够调用出不同条件下的不同数据. 二.get标签样式 {get dbsource=" " sql=" "} {/get} 三.get 标签语法 1.get标签属性值

Sakila&mdash;&mdash;MySQL样例数据库解析

一.Introduction Sakila可以作为数据库设计的参考,也可作为实验数据.我是用作数据仓库和ODI学习的实验数据. The Sakila sample database was developed by Mike Hillyer, a former member of the MySQL AB documentation team, and is intended to provide a standard schema that can be used for examples i

VC6 鼠标钩子 最简单样例

Windows系统是建立在事件驱动的机制上的,说穿了就是整个系统都是通过消息的传递来实现的.而钩子是Windows系统中非常重要的系统接口,用它能够截获并处理送给其它应用程序的消息,来完毕普通应用程序难以实现的功能.钩子能够监视系统或进程中的各种事件消息,截获发往目标窗体的消息并进行处理.这样,我们就能够在系统中安装自己定义的钩子,监视系统中特定事件的发生,完毕特定的功能,比方截获键盘.鼠标的输入,屏幕取词,日志监视等等.可见,利用钩子能够实现很多特殊而实用的功能.因此,对于高级编程人员来说,掌

java 泛型深入之Set有用工具 各种集合泛型深入使用演示样例,匿名内部类、内部类应用于泛型探讨

//Sets.java package org.rui.generics.set; import java.util.HashSet; import java.util.Set; /** * 一个Set有用工具 * @author lenovo * */ public class Sets { public static<T> Set<T> union(Set<T> a,Set<T> b) { Set<T> result=new HashSet&

Neo4j简单的样例

系统环境: Ubuntu 04.10 x64 一:安装 下载最新版:neo4j-community-2.2.3-unix.tar.gz  解压 cd neo4j-community-2.2.3/bin ./neo4j start 启动之后.默认的webport是:7474 三:JAVA操作neo4j 以下样例演示了一个银行层级关系的样例 央行以下有四大行,四大行以下有各自的分行.各自的分行又有各自的支行 package com.lala.neo4j; import org.neo4j.graph

【scikit-learn】交叉验证及其用于參数选择、模型选择、特征选择的样例

?? 内容概要? 训练集/測试集切割用于模型验证的缺点 K折交叉验证是怎样克服之前的不足 交叉验证怎样用于选择调节參数.选择模型.选择特征 改善交叉验证 1. 模型验证回想? 进行模型验证的一个重要目的是要选出一个最合适的模型,对于监督学习而言,我们希望模型对于未知数据的泛化能力强,所以就须要模型验证这一过程来体现不同的模型对于未知数据的表现效果. 最先我们用训练精确度(用所有数据进行训练和測试)来衡量模型的表现,这样的方法会导致模型过拟合:为了解决这一问题,我们将所有数据分成训练集和測试集两部

随机森林(原理/样例实现/参数调优)

决策树 1.决策树与随机森林都属于机器学习中监督学习的范畴,主要用于分类问题. 决策树算法有这几种:ID3.C4.5.CART,基于决策树的算法有bagging.随机森林.GBDT等. 决策树是一种利用树形结构进行决策的算法,对于样本数据根据已知条件或叫特征进行分叉,最终建立一棵树,树的叶子结节标识最终决策.新来的数据便可以根据这棵树进行判断.随机森林是一种通过多棵决策树进行优化决策的算法. 2.案例: 图 1 是一棵结构简单的决策树,用于预测贷款用户是否具有偿还贷款的能力.贷款用户主要具备三个