高测股份做什么的(许志扬是谁?高测股份***董事)

许志扬是谁?高测股份***董事

许志扬：男，1968年出生，***国籍，无境外永久居留权，硕士。曾任山东青岛会计师事务所部门主任和山东德盛有限责任会计师事务所副主任会计师；2007年11月至今任信永中和会计师事务所（特殊普通合伙）合伙人。2017年10月至今任青岛高测科技股份有限公司***董事。2018年10月至今任本公司***董事。

股票实训总结十篇

关键词：山西票号；职员控制；人身股

中图分类号：F272.92文献标识码：A文章编号：1001-828X（2012）11-00-01

山西票号的职员管理非常严格，其严密的制度很好地防范了操作风险和道德风险，票号在选拔、培养、激励和约束人才等方面都建立了一系列规章制度，对现代人力资源管理来说有着重大的传承意义。

一、新员工选拔机制

对企业的管理归根结底是对人的管理，对人才的选拔则是人事管理的第一道关，山西票号视人事管理为票号经营的第一要义，票号选拔新员工，一般有以下程序：（1）有影响的人士推荐；（2）查三代；（3）笔试；（4）面试；（5）殷实商铺担保，签订保荐书；（6）吃苦精神考验；（7）“请进”。小伙计们一旦入号，便安心为票号服务，尽量发挥自己的才能，以期得到提升。票号以道德信义为根据，对普通伙计和经理人的选拔都是非常严格的，票号对于经理人员的选拔注重的首先是诚信，然后是能力。

激励机制中最有效的是报酬激励机制。在山西票号，“人身股”制度则是较为有特色的报酬激励机制。又称顶身股，或顶生意。在山西票号中，经理人员和普通员工都可以成为顶身股者，普通员工顶身股是山西票号的特殊制度。

1.“人身股”的条件。票号的主要员工可以顶多少股份由财东根据员工的任职时间、能力、贡献大小来决定。一般是大掌柜（总经理）最高，二掌柜以下数量不等，最低的是部分普通员工顶零点几厘。票号将“顶身股”的资格与数量同员工的工作能力挂钩，使得各级员工为获得人身股而努力工作，为票号创造更多的利润。

2.“人身股”的分红。获得“顶身股”的机会后，其名字及顶股数便可记入万金账，在大账期（会计年度）结束时，员工的“人身股”与财东的资本股一起参加分红。票号的员工们在通过自己的努力为票号创造财富之后，就能获得非常丰厚的回报。所以晋中民谚说：“生子有才可做商，不羡七品空堂皇，好好写字打算盘，将来住上茶票庄”。当时晋商已经把劳动力当做资本，顶身股制一方面增强了票号内部从东家、掌柜到小伙计的凝聚力，另一方面也很好地控制了操作风险。

3.“人身股”的考核与晋升。每到大账期，都要进行人事考核，“结利疲账定功过”，有功者，增加人身股厘数，记入“万金账”。这种对劳动资本的衡量和考核对员工起到了激励的作用。

4.“人身股”的继承和退出。实物资本股是永远不清退的，但可以转让。而人身股不能转让，享有人身股的职工退休以后，其原有股份照常分红，***之后仍可以享受一个或两个会计年度的分红，被称为“故股”，但是家属子女不能继承；总之，“人身股”制度的核心是物化劳动与活劳动共同享有企业利润，较好地解决了共同富裕的问题。

1.伦理、宗法约束。票号雇佣员工，一般只用东家原籍本地人，乡里乡亲，相互了解，若作弊，老板也很容易找到他的家族追究，这就是一种利用宗法关系的社会约束。票号对于经理层以及普通员工的道德约束是潜移默化的，贯穿于票号的经营理念当中，票号的经营强调诚、信、仁、义。无论是谁一旦做出有违伦理道德之事，不仅本人就是其下一代也永远无法在商界做事。当然，对于选定的经理和员工，财东给予充分的信任，票号的经理人一旦选定以后，其权利近乎“独裁”，东家不参与经营，为大掌柜及经理人的工作提供了方便。

2.行规号规约束。严格的行会行规与商号的号规是晋商企业的内控制度。比如，票号各分号与总号之间的关系、业务经营原则、对工作人员的具体要求等，规定非常细致、严密。同时，还会根据业务发展的需要和内外部形势的变化不断进行调整、增删。对于员工的约束规定不准携带家属、不准嫖*宿娼、不准参与，不准吸食鸦片、不准舞弊营私、不准假公济私、不准私蓄放贷、不准贪污盗窃、不准懈怠号事，不准打架斗殴。

3.利益约束。在“人身股”制度中，员工顶股的数额并不是一成不变的，一个账期结束之后财东要对经理、职工的工作成绩做一评判，然后决定他在下个大账期的顶股数。另外，退休职工享受的“人身股”和***职工家属享受的“故股”，从外表看是一种照顾，实质上也是一种约束，从成本角度出发，加大了违规者的违规成本，兢兢业业为票号服务则可为自己和家人带来丰厚的收获，一旦违规则会一无所获。

总之，票号建立在伦理道德基础之上的约束机制，与激励机制很好地配合，共同作用于增强票号各级员工的凝聚力，使得票号不断发展壮大。

1.技术培训。小伙计入票号后一般要经历三年的训练，票号对于员工的培训，全部在总号进行，训练结束之后，再由总号派往各分号，参与培训的员工。票号对于新进职员实行学徒制，对于学员的培训大致可以分为三个阶段。第一阶段是为掌柜“提三壶”（茶壶、水壶、***壶），打水、扫地、干杂活，伺候掌柜，不设坐位。晚上练习打算盘、写字，掌柜考察是不是忠诚克勤，有无出息，适合不适合做票号生意；第二阶段由掌柜口传训练背记“平砝银色折”，做一些抄写或帮账之事。第三阶段就可以在柜上跟着师傅（老职工）学习做生意。另外，票号也十分重视提高员工的语言文化水平，由于票号的分号遍及各地，包括蒙古、俄罗斯等，所以员工通晓所在地的语言是非常重要的。

2.业务培训。除了对小伙计的技术培训之外，掌柜还会教授小伙计一些与业务相关的知识，例如，“银色歌”、“平砝歌”等，这些知识对于票号平常的业务往来非常重要，所以伙计们必须将这些知识熟记于心，除此之外，掌柜还让小伙计做一些抄写、帮账之类的事，也增强了他今后处理各项业务的能力。

3.道德教育。包括票号在内的山西商人，从几千年传统文化中得出最有价值的传家宝是“信义为上，利从义生”。票号对于人才的培养，从一开始就立足于商业伦理道德的教育。山西票号对于新员工的训练极为重视，不仅在技术方面有基本的要求，而且对入号学徒一般都要进行精神道德、伦理价值观念的培养教育，要求新员工“重信用，除虚伪，节，敦品行，贵忠诚，鄙利己，奉博爱，薄嫉恨，喜辛苦，戒奢华”。

总之，可以肯定，山西票号在人力资源管理上设置的选拔机制、激励机制、约束机制和训育机制，是票号的高效执行力的动力和源泉，也是现代企业管理的起源。同时，对21世纪的现代化企业人力资源管理有着很好的鉴借意义。

参考文献：

[1]***人民银行山西省分行，山西财经学院编写组，黄鉴晖.山西票号史料（增订本）[M].太原：山西经济出版社，2002.

[2]卫聚贤.山西票号史[M].北京：经济管理出版社，2008.

关键词:价值投资;聚类分析;RBF神经网络

1.引言

随着我国股票市场的不断发展,越来越多的投资理念充斥着市场,成为投资者进行投资决策的依据,但其中的许多投资理念来自国外比较成熟的证券市场。这些理念对于***的股票市场是否有效呢?本文试图运用RBF神经网络理论检验价值投资理念在***股票市场的有效性。

1.1价值投资理念

价值投资理念,就是通过对股票内在价值的分析,与股票目前的价格相比较,从而决定买卖股票的一种投资理念。价值投资的实质就是通过对公司基本面的分析而采取相应投资策略的一种投资决策方法。

1.2国内外研究动态

国外对价值投资理论研究的主要是对价值投资能否取得超额收益与超额收益的来源,而由于这一理念在国外提出的较早,并且价值投资的理念在实践中已被广大的投资者所接受并认可,甚至已经创造出惊人的成绩,所以,在国外,对价值投资理念在股票市场的有效性研究很少。

而在国内,对于价值投资理念在***股市是否适用的问题上,形成了两种相反的观点。孙友群等人分析了我国的宏观经济状况和上市公司的微观状况,认为价值投资在***股市具有极大的应用可能性和可行性。林斗志认为我国股市股票内在价值对股票价格的决定作用呈增强趋势,价值投资理念在市场中逐步形成,但市场还不够稳定,受非理性因素的冲击较大。但是同时也有部分学者认为价值投资理念在***行不通。

本文利用神经网络这一研究非线性问题的工具来研究价值投资理念在***股票市场的有效性问题。

股票市场是一个混沌的市场,具有很强的非线性特征:(1)对影响股市波动相同的因素来说,根据其对股市造成影响的时间不同,每次该项因素对股市影响的程度也不同,这与线性系统的特征是不相符的,这也就说明了股票市场的非线性性。(2)股票市场波动的突发性和剧烈程度,足以说明股票市场的非线性性。

通过以上可以看出股票市场存在非线性的特征,利用一般的线性分析工具来研究股票市场对研究结果将会造成很大的偏差,但神经网络理论作为一种处理非线性问题的,以其自身的特点,可以很好的将其运用于解决此类问题。

人工神经网络是由大量神经元的信息处理单元构成,其主要原理是模拟生物神经元之间的激励过程,通过这一复杂的过程来完成一系列的相关任务。神经网络具有以下显著特点:

(1)、具有自适应性,有强大的自主学习能力,可以通过训练样本并根据样本信息及周围环境变化改变自身的网络结构,从而使自身能够以最有效的形式来模拟训练样本所隐含的环境。

(2)、能从训练样本中获取知识,并具有很好的记忆特征,可以用于处理一些环境复杂,推理并不明确的问题。

(3)、在非线性时间序列预测中,人工神经网络实现了非线性关系的隐式表达,不需要建立复杂系统的显示关系式,这也就是说我们可以在不知道具体函数关系式的前提下运用人工神经网络进行预测。

(4)、神经网络的容错性强,可以处理信息不完全的预测问题。

(5)、由于神经网络具有一致***近的能力,训练后的神经网络在样本点上输出期望值(误差在允许范围内),在非样本点上表现出神经网络的联想记忆功能。

RBF是一种三层前向网络,包括输入层、隐含层和输出层,它的主要特点是隐含层神经元的输出函数是具有径向基对称的基函数。第一层为输入层,由大量输入数据组成,第二层为隐含层,隐含层由许多类似高斯函数的函数构成,对输入端进行加工,而输出层一般是简单的线性函数。

RBF网络一般采用Gause函数作为基函数,被定义为:

其中,Ci和σi(i=1,2,……n,n为隐含层节点个数)分别是隐含层第i个单元径向基函数中心和宽度。

由以上可知,神经元的权值Ci确定函数的中心,例如,当输入X与Ci重合时,函数输出达到最大值,当输入X距离Ci越远时,输出就越小。σi决定了函数的宽度,当σi越大,则输入X在远离Ci时衰减的速度就越快。Gause函数这样的结构也就意味着只有当输入接近RBF网络的接受域时,网络才会作出响应。

在RBF网络中,输入层至输出层所有权重固定为1,隐含层RBF网络的中心及半径通常是先确定,只有隐含层和输出层之间的权重值可调。RBF网络的隐含层执行一种固定不变的非线性变换,将输入空间的Rm映射到新的空间Rn,输出层在新的空间实现线性组合。这就是RBF网络的主要工作原理,其实质就是把在原来空间的非线性问题通过空间变换,转换成在一个新的空间里的线性问题。

由于RBF网络的这种组织结构以及其能够很好解决非线性问题等特征,决定了RBF网络不但具有一般神经网络可以以任意精度***近任意函数这样的一个特点,而且,它还具有很强的聚类分析能力,这一点是本文之所以选用该网络研究股票市场有效性的原因所在。

本文选取了在我国沪市和深市上市的商业百货行业的企业作为研究对象,选取了该行业全部的26家上市公司,分别搜集它们2004年1季度到2010年1季度的各个季度的财务报表。

为了能对上市公司做出整体的价值评估,本文分别从五个方面对上市公司作出评价,包括从盈利能力、营运能力、成长能力、偿债能力和现金流量获取能力这五个方面做出评价。分别用净资产收益率来衡量企业的盈利能力,总资产周转率衡量企业的营运能力,净利润增长率衡量企业的成长能力,速动比率衡量企业的偿债能力,每股现金净流量衡量企业的现金获取能力。本文之所以选取这些数据作为研究对象基于以下几点原因:

首先,选取商品百货行业是由于该行业的上市公司在财务指标方面有较大的共性,各个公司的差距不是特别明显,这就有利于下面RBF网络对它们的处理,提高了研究的准确度。

其次,关于财务指标的选取方面我们除对现金流量的衡量外全部采用比率指标去衡量,这也就避免了因不同公司的规模大小有区别而产生较大的差异。而对于每股现金净流量这一指标,由于商品百货行业自身的经营特点,它们的现金流量一般相对于其它行业来说都是比较大,并且在该行业内由于上市公司的经营状况基本类似,该行业的现金流量的状况在很大程度上和整个***的宏观经济状况有关,所以每股的现金净流量在该行业的上市公司之间差别不大。

以上所有财务数据均由新浪财经提供,对于获取的数据,我们进行相关整理,对由于不同原因缺失的相关数据利用插值法填充,保证数据的完整性,为进行下一步的分析做好基础。

在利用RBF网络训练过程中,要求训练的数据量较大。一般来说,参加训练的数据量越大,所得到的训练后的网络模拟的效果就越好。所以,为了满足预测效果的要求,必须寻找多个公司作为训练样本,要求进行训练的上市公司的财务数据必须十分相似,这才能保证结果的准确度。为此,我们采取聚类分析的方法,从这26家公司当中选出相似程度最大的4家公司作为最终的研究样本。

通过利用SPSS统计软件,按照上述方法对这26家公司的每季度的5种财务指标和股票收盘价的均值进行聚类,其结果如图1所示:

从图1中可以看出,新世界、百联股份、南京新百、大连友谊这四家公司在第一步聚类的过程中就被归为同一类,所以它们的相似程度最大,并且这四家公司同属于国内二线城市的大型商业百货集团,可见我们聚类分析的结果是成功的。

在研究中我们已获取的数据是根据聚类的结果得出的这四家公司的季度财务指标,还有我们根据计算所得到的这些上市公司每个季度股票收盘价的平均值,而我们的目标是利用训练好的网络对股票的价格进行预测。如果我们的预测值与实际值的误差在可以接受的范围之内,则说明利用财务数据对股票价格进行预测是可行的,也就说明了价值投资理念在我国股票市场是行之有效的;反之,则得出相反的结论。

根据我们已知的信息和需要解决的问题,我们分别把每个季度的5个财务指标作为网络的输入端,相对应的输出端为该公司下一个季度股票收盘价格的平均值,这样我们就做到了用当期的财务状况去判断该公司的股票价格对这些信息反应的有效性,并且利用了RBF网络的“黑箱型”这一功能,可以很好地模拟财务状况和股票价格这二者之间的关系。

在确定了最基本的输入与输出端之后,再来看一下调用RBF网络的函数,本文采用的是newrb(P,T,goal,spread,MN,DF),其中P代表输入,T代表输出,goal是为训练精度,也就是我们所允许的最大误差。为了使模拟的效果尽可能达到最好,本文设定为0.00001,spread为径向基层的散布常数,本文设定为4。而newrb这一函数的最大特点是可以根据所设定的训练精度,通过添加隐含层的神经元个数循环训练,直到训练的结果达到我们的要求为止,这是本文选取该函数最为重要的原因。

通过以上的说明,RBF的基本网络结构已经形成,利用已获取的85组数据作为我们的研究对象,从中随机挑选82组数据作为训练样本,剩余3组数据用于预测与检验。图2和图3就是我们的训练样本的情况。

由图2所示,纵轴表示对神经网络训练的误差精度,横轴表示网络中样本的数量,所以从图2中可以看出,对样本训练的结果达到了我们对训练精度的要求,训练后的网络误差在0.00001以下。由图3所示,横轴代表训练样本的个数(或者我们可以认为是训练样本的编号),纵轴代表训练样本的数值,其中绿色的圆圈代表的是每一个训练样本的实际值,而红色的线代表的是对神经网络进行训练后所得到的预测线(拟合曲线),从图中可以看出样本的真实值基本上都在拟合曲线上,所以网络的拟合效果较好,训练的结果满足我们的要求。在得到了训练好的神经网络之后,接下来所要做的就是对网络的具体运用,也就是利用神经网络对没有参与训练的样本进行预测。

利用随机抽取的三组数据进行预测,并将其预测值与实际值进行比较,结果如下表所示:

由上表可知,预测的误差在3%左右,这就说明了利用当期的财务指标去判断未来的股票走势是比较准确的,同时也显示出了价值投资理念对我国股票市场带来的重要意义:

首先,说明了价值投资理念对于我国的股票市场来说是有效的,即广大的投资者在可以根据上市公司公开的各种财务报表来判断这一个公司的投资价值,从而对自己的买卖行为进行决策。

其次,价值投资理念为广大的投资者提供了一个行之有效的投资方法,避免了投资者在投资于股票市场的盲目性。

最后,价值投资理念在我国股票市场的推行有利于我国股票市场的发展,进一步降低了我国股票市场的投机性,对形成一个真正稳定、有效的投资市场有着重要的意义。

参考文献:

[1]孙友群,陈小洋,魏非.价值投资与***股市对接的思考[J].财经理论与实践,2002(2)

[2]林斗志.价值投资在我国股市表现的实证分析[J].财经科学,2004(1)

[3]李雪婷.论价值投资理论的原理及在***股市的应用合理性分析[J].***商界,2009(11)

[4]任秋娟.基于巴菲特投资理论的***证券市场价值投资研究[J].现代商贸工业,2010(4)

[5]苑迪.基于动态神经网络的股价预测模型研究[D].湖南大学,2009

[6]庞素林.信用评价与股市预测模型研究及应用[M].北京:科学出版社,2005

模型设定变量为从宏观实体经济发展和流通中的货币供应量两个因素来解释股票价格的波动。在一些国内外的文献中，将宏观经济变量选取为国内生产总值(GDP)、国民生产总值(GNP)、工业增加值或细化为通货膨胀率和流通中的货币MI、M2、汇率等等。但是从数据的可得性和客观性上来考虑，模型设定为用GDP来代表宏观实体经济的发展状况，而将广义的货币M2来代表流通中的货币量，对于我们要研究的股票价格，则用上证指数来代表。通过选取2005～2009年这一经济周期的数据，本文主要研究了在整个经济周期中这两因素对股票的影响。由于统计口径的不一致和数据本身的经济意义的不同，并且数据本身有存量(M2、上证指数)和流量(GDP)之分，为了更准确地反映模型本身的优良性、宏观实体经济和流通中的货币对股票价格的解释力度，特将获得的季度GDP数据平滑成月度，然后将其转化成存量变量。

一般统计的数据由于统计口径的不同，会存在异方差性，即对于不同的样本点，随机干扰项的方差不再是常数而是互不相同的，而且在以时间序列数据为样本的模型中也经常出现序列相关性，所以计量上通常会采取最小二乘法(OLS)，但不再适用，同时从经济意义上考虑，GDP和M2有一定的线相关性，因此，为了消除异方差性、缓和序列相关性和多重共线性，采用广义最小二乘(GLS)来做回归。一般来讲，实体经济都会滞后金融市场6～9个月，所以在建立模型的过程中，引入滞后变量(GDP)，分别滞后3个月、6个月、9个月，并在EViews软件环境下做GLS回归分析，结果如图l所示。格指数；GDP为国内生产总值；GDP(一n)为滞后n期的国内生产总值M2货币供应量。

从EViews拟合出来的线性模型可以看出，R2和调整的R2分别为0．75和0．72，表明方程(1)拟合性良好，同时F值27．14通过了方程总体线性的显着性检验，变量t的检验绝对值都显着地大于2，表明式(1)左边的变量都对股票价格有显着的解释作用。但是此模型的D．W值为0．4，表明模型仍存在序列相关性，是此模型的不足之处。

从式(1)可以看出，股票价格指数与同期GDP、6个月前的GDP成负相关，与3个月前的GDP和9个月前的GDP、M2成负相关。可以表明股票价格的确滞后于实体经济，M2对股票价格有显着影响。GDP、GDP(一3)、GDP(一6)、GDP(一9)、M2从对数角度讲，每增加一个单案管理工作又具备一定的计算机水平的综合人才。现在档案管理人员的业务比较熟练，但是在计算机和网络的使用方面还有欠缺，所以应该对档案管理人员进行计算机相关培训，使他们掌握计算机技术和知识结构的更新，还要组织档案业务知识的专业培训，提高他们的档案管理水平，在档案管理部门建设一支能够适应信息化管理要求的高素质人才队伍，更好的完成档案管理工作。新晨

随着社会和科技的发展，我们在档案的信息化管理工作中已经取得了一定的成就，但是真正实现档案的信息化管理是一个长期的过程，我们还有很多工作要做。所以我们应该不断努力，开拓进取，灵活创新，使档案的管理工作适应社会经济的发展，使档案工作为***的各项事业提供更加优质、更加高效的服务。

我们的实习是分三个部分的，分组进行，每组4个人。我们组按从理财团队到综合柜台部，再到运行部的顺序，像各个击破一样掌握不同的部门工作职责。

第一周我们是在理财团队，开始并不知道理财团队具体是做什么的，以为是直接接受客户的委托进行具体的理财项目，以满足客户的要求。进到这个部门在杜老师的带领下，在刘波哥哥和王生阳哥哥的帮助下，我们才知道部门的宗旨是从基本面和技术面上对股市进行分析，以便给客户一些投资上的建议。当然我们作为初学者不能给投资者进行分析，不过我们能在股市方面开始有了些自己的认识，加上老师们的讲解，股市这个原本对于我们来说很神秘的市场开始变得清晰化。我们知道了股市要受到宏观经济消息的影响，分析股票时要对这只股票的公司进行了解，还要对行业的发展有所看法，一些公司发生的大事都能影响股票的价格。这也就是常说的基本面。此外，从日线图，线图等方面分析就是属于技术指标了。不过这只能给股票的购买者一些参考，具体的选股以及合适时机就要自己琢磨了。当然我们也还没有学到那么精通的地步，因为那些前辈都是通过很长的时间自己总结分析得到些自己对股票的思路和见解。用前辈的话说，股票是门美丽的艺术，艺术不是所有的人都能理解透彻的。我们毕竟还是处于最初接触股市的状态，还有很多需要学习。

在理财团队实习期间，杜老师每天在晨会后都会给我们开个小会，听取一下部门其他人员对晨会消息面的理解，我想这个小会给了我们一个很好的工作开始。可以让我们这些新来的人知道今天会有哪些板块可能涨跌，这样就便于我们有目的性的关注某个行业。在下午收市的时候杜老师还会给我吗开个总结的小会，总结一天股市的变化，给第二天的开市做一些预期。这样我们经常可以听到一些股市中的专业术语，对股市也有更多的了解。

公司在每天下午四点还对新进人员进行培训，在一些我们不太熟悉，或者需要注意的方面给我们强化训练。毕竟我们还在校园生活中，职场的要点我们还有很多都还不了解，还有很多我们要去学习，这是其他公司很难提供的培训，这也让我感觉到公司以职员为重的理念，公司进步，职员也一同进步。

本次实训中，通过股票模拟实训交易深切体会到股市存在的风险。真是印证了那句“股市多风险，入市需谨慎”。股票的风险是多样的，所谓风险，是指遭受***失或***害的可能性。就证券投资而言，风险就是投资者的收益和本金遭受***失的可能性。从风险的定义来看，证券投资风险主要有两种：一种是投资者的收益和本金的可能性***失；另一种是投资者的收益和本金的购买力的可能性***失。从风险与收益的关系来看，证券投资风险可分为市场风险和非市场风险两种。市场风险是指与整个市场波动相联系的风险，它是由影响所有同类证券价格的因素所导致的证券收益的变化。经济、**、利率、通货膨胀等都是导致市场风险的原因。市场风险包括购买力风险、市场价格风险和货币市场等。非市场风险是指与整个市场波动无关的风险，它是某一企业或某一个行业特有的那部分风险。例如，管理能力、劳工问题、消费者偏好变化等对于证券收益的影响。由于市场风险与整个市场的波动相联系，因此，无论投资者如何分散投资资金都无法消除和避免这一部分风险；非市场风险与整个市场的波动无关，投资者可以通过投资分散化来消除这部分风险。不仅如此，市场风险与投资收益呈正相关关系。投资者承担较高的市场风险可以获得与之相适应的较高的非市场风险并不能得到的收益补偿。

虽然投资证券有一定的风险，但通过专业性的分析大多数是可避免的。例如，较好的掌握如何分析k线图。如果我们将每天的k线都画在一张图上，则称之为日k线图，同样也可以画出周k线图和月k线图。在电脑软件的帮助下，在计算机中我们还可以看到5分钟、15分钟、30分钟和60分钟的k线图。通过对k线图的实体是阴线还是阳线，上、下影线的长短等的分析，常可以用来判断多空双方力量的对比和后市的走向。一般来说，阳线说明买方的力量强过卖方，经过一天多空双方力量的较量，以多方的胜利而告终。阳线越长，说明多方力量胜过空方越多，后市继续走强的可能性就越大。相反，若是收成阴线表示卖方力量强过买方力量，阴线越长，说明空方力量胜过多方越多，后市走弱的可能性就越大。

买股心得：

本次实训中，通过股票模拟实训交易深切体会到股市存在的风险。真是印证了那句“股市多风险，入市需谨慎”。股票的风险是多样的，所谓风险，是指遭受***失或***害的可能性。就证券投资而言，风险就是投资者的收益和本金遭受***失的可能性。从风险的定义来看，证券投资风险主要有两种：一种是投资者的收益和本金的可能性***失；另一种是投资者的收益和本金的购买力的可能性***失。从风险与收益的关系来看，证券投资风险可分为市场风险和非市场风险两种。市场风险是指与整个市场波动相联系的风险，它是由影响所有同类证券价格的因素所导致的证券收益的变化。经济、**、利率、通货膨胀等都是导致市场风险的原因。市场风险包括购买力风险、市场价格风险和货币市场等。非市场风险是指与整个市场波动无关的风险，它是某一企业或某一个行业特有的那部分风险。例如，管理能力、劳工问题、消费者偏好变化等对于证券收益的影响。由于市场风险与整个市场的波动相联系，因此，无论投资者如何分散投资资金都无法消除和避免这一部分风险；非市场风险与整个市场的波动无关，投资者可以通过投资分散化来消除这部分风险。不仅如此，市场风险与投资收益呈正相关关系。投资者承担较高的市场风险可以获得与之相适应的较高的非市场风险并不能得到的收益补偿。

虽然投资证券有一定的风险，但通过专业性的分析大多数是可避免的。例如，较好的掌握如何分析k线图。如果我们将每天的k线都画在一张图上，则称之为日k线图，同样也可以画出周k线图和月k线图。在电脑软件的帮助下，在计算机中我们还可以看到5分钟、15分钟、30分钟和60分钟的k线图。通过对k线图的实体是阴线还是阳线，上、下影线的长短等的分析，常可以用来判断多空双方力量的对比和后市的走向。一般来说，阳线说明买方的力量强过卖方，经过一天多空双方力量的较量，以多方的胜利而告终。阳线越长，说明多方力量胜过空方越多，后市继续走强的可能性就越大。相反，若是收成阴线表示卖方力量强过买方力量，阴线越长，说明空方力量胜过多方越多，后市走弱的可能性就越大。

买股心得：

[作者简介]黄梅，重庆市女劳教所会计师，研究方向为财务管理；(重庆400021)

唐德祥，重庆工学院经济与贸易学院副教授，研究方向为证券投资；

邓成超，重庆工学院教务处副研究员，研究方向为教育管理。(重庆400050)

一、引言

股票价格运动预测，一直是投资界和理论界倍感兴趣和努力探索的问题。但是，股票市场是一种影响因素众多的复杂系统，导致股价运动规律难以测定和预测结果难尽人意。有效市场理论认为，证券价格在市场有效条件下随机游走，是不可预测的。然而，大量研究发现股价运动存在着某种规律，具有一定的可预测性，所以国内、外学者对股价预测的研究从未间断过。由于传统时间序列预测技术很难揭示股价运动内在规律，近年来发展并形成了一些非线性动态系统的预测新理论，如机器学习理论、混沌和分形理论、系统理论等方法。

支持向量机(SupportVectorMachine，SVM)是近年来发展起来的一种新型机器学习方法，目前国外对支持向量机的研究方兴未艾、发展迅猛，已经成功应用于人脸识别、语音识别、医疗诊断、数据挖掘等方面。国内对支持向量机的研究是最近几年开始的，然而在经济管理中的应用研究(特别是复杂的股票市场)甚少。本文目的在于运用支持向量机通过上市公司年报信息对其股价运动趋势进行预测，从而对股票投资决策和股市政策制定起到一定的参考作用。

传统机器学习方法(如神经网络等)的重要理论基础是传统统计学的样本数目趋于无穷大的渐近理论，采用经验风险最小化(ERM)准则，结果不可避免地产生经验依赖性、*部最优解和“过拟合”现象，从而导致学习性和推广性弱化等缺陷。针对此缺陷，以研究小样本机器学习规律的统计学习理论(SLT)应运而生。20世纪60、70年代，Vapnik等人系统地研究了机器学习问题，尤其是在有限样本情况下的统计学习问题，于1995年形成了较为成熟的理论框架《统计学习理论的本质》，其核心概念是VC维(VC维越大则学习机器越复杂)，并由此得出了统计学习的一致性、收敛速度、泛化能力等重要结论。

对于有限样本的两分类问题，预测函数集中所有函数的经验风险Remp(w)和实际风险R(w)之间以至少1-η的概率满足：R(w)≤Remp(w)+(h/n)，其中w为机器学习参数，h是函数集的VC维，n是样本数，为置信函数。可见，学习机器的实际风险R(w)是由经验风险Remp(w)(训练误差)和置信范围(h/n)两部分组成。传统的经验风险最小化(ERM)准则因无法计算期望风险，只有通过样本定义经验风险，并设计算法使其最小化。针对该缺陷，

统计学习理论提出了结构风险最小化(SRM)准则，目标是使经验风险与置信范围之和最小化，并采用有序风险最小化策略，来实现实际风险R(w)最小化。

支持向量机采用结构风险最小化准则，具有良好推广性和分类精确性，在小样本学习中优势更为突出，能够较好地解决小样本、非线性和高维数等实际问题，可以广泛应用于模式识别、回归分析和函数***近等领域，其基本思想是：通过输入训练样本，寻找尽可能将两类样本正确分类(分类识别标号分别为“+1”和“-1”)，同时使分类间隔最大的分类超平面作为最优分类超平面，同时将最优化问题转化为存在全*唯一最优解的凸二次规划问题，再将得到的最优分类超平面转化为分类符号函数以实现对预测样本的正确分类。支持向量机包括模式识别模型和回归估计模型。由于本文是运用公司年报信息对股票价格运动趋势进行预测，所以属于模式识别问题。

支持向量机的模式识别模型一般分为三种情形：①样本集线性可分情形；②样本集线性不可分情形；③样本集非线性情形。由于现实社会经济现象的复杂性，其关系一般表现为非线性情形，它通过非线性变换将输入空间变换到一个高维特征空间，并构建最优分类超平面，通过引入核函数(KernerFunction)方法来避免“维数灾难”。目前主要常用4类核函数K(xi，xj)：①线性核函数：K(xi，xj)=xiTxj；②多项式核函数：K(xi，xj)=(γxiTxj+r)d，γ>0；③径向基核函数(RBF)：K(xi，xj)=exp(-γxi-xj2)，γ>0；④两层神经网络核函数(Sigmoid)：K(xi，xj)=tanh(γxiTxj+r)。其中，γ、r、d是对应核函数的参数，可以根据测试要求进行调试。

样本输出集{xj}的股价运动趋势识别标号确定：根据上市公司年报信息披露前、后股票价格是否发生显著变化来确定股价运动趋势的识别标号，如果股票价格在年报信息披露前后显著上升，则识别标号取“+1”；反之，识别标号取“-1”。本文利用Wilcoxon符号平均秩方法对股价是否显著变动进行检验，检验时间取年报披露日的前、后各20天。

样本设定：基于代表性考虑，本文选择2004年7月1日起正式生效的上证180指数的样本股。前面股价运动趋势检验中，在10%显著性水平下有149支股票通过了显著性检验，故样本{xik，xjk}的总容量i=149。为了对比研究需要，本文选择了两组样本：第一组样本输入集{xi}是前面的13个信息识别指标，即输入集维数m=13；第二组样本输入集{xi}是在前面13个指标遴选出投资者最关注的3个信息识别指标(每股收益、每股净资产和每股未分配利润)，即输入集维数m=3，与其对应的样本输出集{yi}形成两组样本{xik，yik}(k=1，2)。与此同时，为了检验支持向量机对小样本的适应性，再在两组样本基础上对每组样本细分成6小组进行对比实验，分组方法以样本股代码顺序为准，分别取占总样本20%、33.3%、40%、50%、60%和80%的样本股为训练样本，对应剩余的80%、66.7%、60%、50%、40%和20%的样本股为预测样本，由此在两组样本基础上再次形成了6个小组。

(二)支持向量机的核函数和对应参数选择及其预测结果

最优核函数的选择：本文运用的支持向量机实验软件是Libsvm-2.8。基于各个核函数都与惩罚因子C有关，所以我们先固定C=100，反复调试各个核函数中的其它对应参数，来对比不同核函数对年报信息的识别效果。对比实验结果显示：径向基核函数(RBF)的平均正确识别率最高，因此我们选择径向基核函数作为最优核函数。

最优核函数(RBF)的最优参数选择及预测结果：在径向基核函数(RBF)中涉及两个最重要参数：一是惩罚因子C，一是参数γ。为了解决训练样本的“过拟合”问题，我们利用交叉比对过程(CrossValidation)来实现最优惩罚因子C和参数γ的自动搜索，交叉比对过程由网格搜索法(grid-search)来实现。上表对应列出其最优参数、CV率及样本正确预测(识别)率。

本文通过支持向量机技术对股权属性、董事会特征与绩效识别的实证支持，得出以下结论与政策建议：

第一、支持向量机在股票价格运动趋势预测中的实证效果良好，各组样本(不论训练样本占总样本比例大与小)的平均正确识别率基本都在80%以上，表现出支持向量机对有限样本的良好泛化能力(特别是对小样本的适应性)，从而印证了公司年报信息是投资者的重要投资决策依据。因此，证券监管部门要不断完善股市的信息披露制度，保护投资者利益；

第二、通过训练样本和预测样本实验结果的对比分析发现，训练样本正确识别率均高于预测样本正确识别率，说明支持向量机的推广能力有待进一步改善。支持向量机的识别效果取决于核函数及其最优参数的选择，因此应针对金融应用领域对支持向量机作进一步深入研究，以便为投资决策发挥更大作用；

第三、通过两组样本(输入集维数分别为m=3和m=13)的对比研究发现，3个信息识别指标比13个信息识别指标的识别效果更好，证实我国投资者对公司发展前景判断的片面性。因此，要大力开展投资者教育，增加投资知识存量，构建股票市场的理性微观基础；

第四、通过分析少数错误识别结果的信息识别指标发现，这些财务指标存在着一定的异常值，这些异常值往往与公司经营的微观因素有关。因此，构建更全面、更科学股价运动的信息识别指标体系，进一步改善支持向量机的预测效果；

第五、支持向量机在股价运动趋势预测中存在着一定的误识率，证明由于信息不对称某些上市公司的年报信息存在着一定程度的粉饰和虚假，误导投资决策行为。同时也证实我国股票市场存在着一定程度的违规或非法行为，干扰了支持向量机的识别能力。因此，证券监管部门要不断完善证券市场的规章制度，促进股市健康发展。

参考文献：

[1]Fama，Eugene：EfficientCapitalMarket--AReviewofTheoryandEmpiricalWork[J]，TheJournalofFinance，1970，volume25(May)，383-417.

[2]Burton：EfficientMarketHypothesis，Finance，EditedByJohnEatwell，MurrayMilgate，OeterNewman，MacmillanPressLimited，1987.

[3]Williaml，Russell，Ragysajm：ForecastingtheNYSEcompositeindexwithtechnicalanalysis，patternrecognizer，neuralnetwork，andgeneticalgorithm：Acasestudyinromanticdecisionsupport[J].DecisionSupportSystems，2002(32)，361-377.

[4]张学工.关于统计学理论与支持向量机[J].自动化学报，2000，(1).

[6]VapnikVN.：TheNatureofStatisticalLearningTheory[M]：SpringerVerlag.1995

[7]张学工，译.统计学理论的本质[M].北京：清华大学出版社，2000.

通过实验结果表明，本文运用的模型在真实的市场中在预测准确性和累计回报方面获得了很好地表现。

一、简介

市场上有很多的工具和统计值来分析股票的趋势，这些工具和统计指标能够让我们在每天变化的股票价格中找到潜在的价值和模式。举个例子，有很多的技术指标描述市场趋势，像简单移动平均等。与此同时，我们缺少使用各种不同的工具和统计值的知识。尽管我们对使用其中的一些技术指标有一定的了解，但是每个技术指标都会有自己的*限性，不能够将所有影响股票价格的因素都考虑在内。人们目前在找到一个最优的各种指标的结合来做出买入、持有、卖出的策略时有很大的难度。

从有效市场理论的角度看，股票预测几乎是不可能的。股票价格已经反应了到目前为止市场上的大量公共信息。为了让这个问题看上去能够解决，本篇论文会将问题*限在二元分类。尽管要预测出精确的上涨、下跌的比例和交易量是困难的，只是预测股票价格是上升还是下降看上去是合理的。

由此本文提出二元股票事件模型。具体做法如下：首先、本文的工作将从市场上收集数据开始，在收集了部分股票一定时间段内的股票数据之后。根据常用的技术指标，从原始数据中算出他们的值。其次，基于这些技术指标的结合设计出二元事件模型。这是一个二元值向量代表在一个特定的时刻一个预先设计的股票事件是否发生。举个例子，假设一个二元股票事件，定义为事件s，发生在2013年的12月14号，这个BSEM模型（事件s，20131214）的值是1。同样的方式、向量的每一个值应该是1或0，根据在特定时刻它是否发生。最后，获得一系列的二元股票事件包括n天m个特征来描述m个二元股票事件的发生。其次、设计出每个二元股票事件的类标签。最后、根据数据挖掘中常用的数据分类算法对模型进行分类。

总共20家A股上市公司从2013年1月1号到2015年8月31号，共12723条交易记录。数据来源是国泰安CSMAR数据库。

在原始特征集产生之前，先讨论训练集的类标签的产生。从基本上来说，预测股票趋势就是预测从现在开始k天内的股票趋势。因此，我们需要计算一个目标类标签y，用来表示今天的价格和在k天之后的价格的差别。本文中，定义的目标类标签，它是当天的收盘价和k天之后的开盘价和最高价之间的平均值。本文中选择在未来某一天的开盘价和最高价之间的平均值作为类标签的理由是基于通常的市场交易策略。举个例子，如果我们产生了一个向上的趋势的预测信号，它意味着明天的价格会涨。从交易的视角来看，我们会基于预测信号在当天的收盘价上购买一只股票。然后我们会在尽可能高的价位上卖掉股票。所以，本文认为可能的卖出价格区间会由当天的开盘价和当天的最高价决定。如果价格低于当天的开盘价，交易员会马上卖掉股票。

简单起见，本论文只考虑二元分类问题就像上升和下降。为了做到这一点，将上升和下降的比率转化为1或者0，并且将每天的用这种标签注释。

为了追踪股票价格的变动趋势，很多股票分析家会运用移动平均线法。移动平均线简称均线，它是将某一段时间的收盘价之和除以该周期。最流行的移动平均是简单移动平均（SMA）和指数移动平均（EMA）。SMA和EMA是从上文的原始数据中根据给定的时间段k，计算出给定时间段内的平均值。举个例子，SMA（5）是通过计算最后五天的价格的平均值得到的，同时EMA（5）是在考虑到随着时间的推移价格权重呈指数级降低计算出的。

根据上文中的基于原始数据的技术指标集，从大智慧软件中得到这些股票对应指标集的数据值。

在真实的股票投资中，股票分析员不会使用技术指标的数值来做出投资决策。他们会更关注于一些特定的预先设定的事件的发生。举个例子，当5天移动平均线突破了10天移动平均线，这叫做黄金交叉或者令人兴奋的突破，它是一个很强的购买一只股票的信号。再举一个例子，如果一只股票价格的上升伴随着显著增大的交易量，它也是一个强烈的购买信号。这样的角度看的话，一个特定股票事件的出现比一些枯燥的数值的变化在预测未来股票的趋势中更有意义。

二元股票事件模型代表了一个输入事件的发生。举个例子，如果一个输入事件是一个5天的简单移动平均线上升超过一个10天的简单移动平均线，那么这个事件就被记录为1，否则它就是0。

基于上述的股票事件集和上文中得到基于原始数据的指标集，得到二元股票事件模型。

本论文基于特征集的二元股票事件模型的评测标准是预测的准确度。本文用到的数据集从源头上来说是一个临时的数据集，它是不断随着接下来股票市场每天的报价而变动的。然而，一个二元股票事件模型的特征集只是集中于昨天和今天的差别；使用五重交叉验证是没有问题的。换句话来说，在数据集中的每一行是由离散值组成的，所以划分它是容易的。

在实验中，预测结果是一个二元分类。因此，预测准确度是这样计算的：正确的上升趋势预测和正确的下降趋势预测与所有的预测结果的数量的商。

本文所有的测试运行环境如下：

处理器：Intel（R）Core（TM）2DuoCPUT5870@2.00GHz

安装内存（RAM）：3.00GB。

本文选用这20只股票的2013-2014年的二元股票事件模型作为训练集，2015年01-08月份的二元股票事件模型作为测试集。使用贝叶斯分类器运算结果是75.4%。

本文的原始数据集是由股票市场20只股票2013、2014、2015-01到2015-08的每天的交易报价组成的，因此我们将它划分成五块来做回归测试。我们用五层交叉验证来学习我们的模型。为了精确定位回归测试，本文评估使用的数据不是来自于训练数据使用的部分，都来自于测试数据使用的部分。

由程序计算浦发银行（600000）在2015年一月份到八月份之间的回报率为50.8%。

本文的研究从找到各种不同技术指标之间的最佳的结合开始的。为了解决这个问题，本文提出了建立二元股票事件模型的方法。基于原始股票数据，计算不同股票的各个技术指标数值。再通过各个技术指标数值构建二元股票事件集，从而构建二元股票事件模型。由此，基于这个模型，本文产生了一个二元股票事件模型的特征集作为训练数据。接下来，本文通过贝叶斯分类器成功地获得了很高的预测精度。

[1]邓乃扬，田英杰.数据挖掘中的新方法――支持向量机[M].北京：科学出版社，2004.

【论文摘要】文章就近年来散户投资股票所犯的习惯性错误进行梳理分析，根据自己的实践经验总结出散户朋友十种典型错误，为散户朋友们今后的投资提供一些参考。

近些年来，“炒股”成了我们生活的重要话题。从2007年10月开始，A股市场一路下行，累计跌幅已超过60%。在日常的股票投资活动中，笔者发现多数散户投资者多多少少都会犯一些这样那样的错误，导致投资***失。在散户投资的众多误区中，笔者根据自己的实践经验总结出散户朋友的十种典型错误，为散户朋友们今后的投资提供一些参考。

一、买入价本位思想

即无论何时、何种市况，都是以自己的买入价作为卖出或是继续持有的标准。散户朋友们这一错误具体表现为缺乏行之有效的“止赢止***”方法和原则。小赚不跑，小亏不出，大亏认赔，亏了不忍心割肉,放手让亏***持续扩大，这是很多散户投资者容易犯的错误。今年以来，A股市场的大幅下跌，有的投资者甚至自作聪明，为摊薄成本向下买入摊平，结果越套越深。“会买的是徒弟，会卖的是师傅，会割肉的是爷爷”是投资高手总结的经验。割肉一方面是为了保存资金实力，另一方面就是提高资金的使用效率，是综合考虑了资金的时间成本和机会成本的。“买入价本位思想”是散户朋友投资理念狭隘的体现，也是散户投资者易犯的常见错误。

投资过于分散，表面上看起来可以分散风险，但是对于一般的散户来说，其实是一种极其分散精力的行为和一种缺乏信心的表现。我有一位朋友只有7万块钱，持有10只股票。这位朋友以为分散持股可以东方不亮西方亮，殊不知一匹再大的黑马有再大的力气，也拉不动装着9头瘸驴的车。投资过于集中，只买一只，违背了把“鸡蛋放在同一篮子”一***俱***的教训。乔治.索罗斯说的好：“承担风险无可指责，但同时记住千万不能孤注一掷!”根据笔者的经验，持股适度按股票行业和地域分配比较好，3-6只股票适宜，持仓要讲究立体性，投资和投机结合，短线和中长线结合。

三、依据所谓专家、朋友、小道消息或者是媒体的建议作为买卖的标准

在股票市场，我的经验是不要轻易相信股评专家等人的结论，他们的话只能参考。他们说的涨、跌和你所理解的涨跌不同。大多数情况下一般股民理解的都是短期行为，而证券研究报告说的却是中长期。缺乏主见和自己的投资标准，人云亦云，没有正确判断风险和市场的能力，只能让自己永远停留在业余水平。沃伦.巴菲特说：“风险来自你不知道自己正在干什么”，正确的做法应如江恩所说：“顺应趋势，花全部的时间研究市场的正确趋势，如果保持一致，利润就会滚滚而来!”成为股市赢家需要建立自己正确的投资哲学与方法，不能有不劳而获的思想。不要把“***是政策市”等作为不学无术的借口，炒股实战技巧需要反复总结和摸索，不断地深入学习和领悟，才能为炒股赢利奠定坚实的基础。

四、买卖时只喜欢限价交易，而不会利用非现价（市价）交易

有的散户往往会因为一、两分钱的便宜而因此误了最佳进入时机，这是典型的“拣芝麻丢西瓜”、“占小便宜吃大亏”的失败投资者。短线投资高手利用信息炒作波段，看准时机，利用市价果断成交，快进快出，往往受益匪浅。当然资历尚浅的散户投资朋友是不能理解其中的奥妙的。

五、不敢买正在创新高的股票或板块，而喜欢买处于长期下跌趋势的股票

比如2007年6-10月，有色、煤炭、钢铁等资源型股票天天新高，但很多散户朋友在此类股票面前望而却步。以笔者周边的股票投资者为例，90%的人不会也不敢买那些正在创新高的股票，缺乏赚大钱的气魄和思想。***人威廉.欧奈尔说：“主流类中的股票，常能涨得惊天动地，但其他平庸个股，连一丝涟漪都不会起！”这类投资者不敢买入高价股，只喜欢买便宜股，他们不知道高价有高价的理由和“强者恒强”的道理。

笔者身边很多散户朋友买卖股票就是典型的T+1，今天买明天卖，追涨杀跌，总想在最短的时间内，不费力气赚大钱。这种急功近利的思想，普遍存在于大多数的散户投资者思维当中。忍耐是一种等待，是庄家酝酿盈利的一种高超手段。很多好股票就是忍出来或捂出来的，对那些优质、成长性好和垄断行业的股票可以有长期投资的思想。万科董事长王石有个朋友叫刘元生，从万科创业起即买入其原始股持有到现在，400万元变为6.32亿元股票。巴菲特的一生中重仓过13只股票，7只股票赚了270亿美金。巴菲特最骄人的业绩是持有《华盛顿邮报》股票30年，股票价值增长128倍。

很多股民朋友将人性的贪婪这一缺点在投资股票时进一步放大，表现得淋漓尽致。典型的是自己的账户资金升值已达20%、50%或更多，但还是不死心，不平仓，挣多了还想再挣更多。跌了甚至到深套以后，从恐惧、谩*、后悔到连死了的心都有。比如经历2007年5月30日的风暴之后，笔者周边的很多散户朋友的市值大幅缩水，更别说今年以来的大跌，散户朋友跌的面目全非，中间永远不止***。但到现在上证指数2300点，周边散户在恐惧中抛售所有股票，把股票卖在地板价上。反复的追涨杀跌，陷入无休止的***性循环，最终心灰意冷，以大幅的亏***离场而去。股民朋友炒股投资,就一定要克服人性贪婪和不冷静的心态这两个缺点。

很多散户朋友喜欢把小道消息和电视上的股评当饭吃，不擅长学习是散户朋友投资股票的大敌。“股票是经济的睛雨表”，制约股票的涨跌因素相当复杂，股票供求、通货膨胀率、国内外的**、军事、经济、自然等因素的变化，都会直接影响股票的升降。这要求散户投资者要兢兢业业，勤勤恳恳，认真学习，不断进步，做好功课。投资总有失误甚至犯错误的时候，重要的是我们应该懂得怎样在失败当中吸取教训，更重要的是不要让同样的错误多次发生。“成功的方法在于发现和改正自己的问题，把自己的弱点变成长处”。投资的成功是建立在已有的知识和经验基础上的。***投资大师杰姆.罗杰斯说：“决定命运的不是股票市场，也不是上市公司本身，而是投资者本人的学习、经验和判断”。

如很多朋友毫无道理的笃信大盘暴跌时，**一定会出面救市；奥运会前股票一定涨；市盈率低的股票就是好股票；ST股票绝对不能买等等。把这些无稽之谈当成投资宝典，其实是误入歧途而毁己不倦。股票的投资经验需要时间积累和总结，或者前辈们反复总结出来的精华散户朋友可以借鉴和参考（仅此而已），如买进有信心、持股要耐心、卖股靠决心；短线炒消息，中线炒题材，长线炒业绩；买股要慢，卖股要快，持股要稳。不要在大涨后追高买进，不要在大跌后低位杀出；不要在利好公布后买进，不要在利空公布后卖出，不要买进有明显缺陷的股票等等，这些都是股民高手朋友们结合***股市特点总结出来的精华，散户朋友当可以学习和引以为鉴。

赚了嫌少，后悔自己没有在股市高点获利了结；亏了闷闷不乐，不敢坦然面对和接受自己的错误和失败。在股市投资，这些朋友是以健康受***和心灵受折磨为代价来投资的。不论盈亏，“知足者常乐，而贪婪者常悲”。炒股要有平常心，要有纯净的境界，证监会尚**说的好，炒股要三闲：闲钱、闲时间和闲心态，这是散户投资者投资股票的一个真理。

在股票投资的误区中，以上十点是散户最容易犯的错误。当然，仁者见仁，智者见智。但对于想靠炒股致富的散户朋友来说，如果不注意克服以上十种错误，则对炒股非常不利。实际上，我们要通过炒股发现自己的人性缺点，然后逐一克服，不断提升自己的素养，这样我们的炒股水平和生活质量才会大大提高，财源就会滚滚而来。

关键词：**股市；上证综指；Logit回归模型

中图分类号：F83

文献标识码：A

doi：10.19311/ki.1672-3198.2016.08.051

随着援疆政策的实施以及“丝绸之路经济带”战略构想的提出，**经济的发展取得了巨大进步。自1994年2月**首家公司新宏信（今宏源证券）在深圳证券交易所挂牌交易以来，经过20多年的发展，**上市公司已达43家，总市值已超过7000多亿。**板块股市的表现可以从侧面反映**经济的发展状况，因此了解**板块股票价格走势情况，具有重要的现实意义。

在股票价格预测方面，有两种方法较为常用。一种是神经网络预测法，另一种是支持向量机。在神经网络预测方面，李响（2008年）利用神经网络对单个股票价格走势进行了预测。林倩瑜、冯少荣、张东站（2010年）把神经网络和模式识别两种方法相结合。刘海h、白艳萍（2011年）把AR模型和神经网络相结合。薛佳佳（2012年）把灰色GM（1，1）模型和神经网络模型相结合。

在支持向量机预测方面，杨新斌、黄晓娟（2010年）利用支持向量机对股价预测进行仿真实验，实证结果表明支持向量机在预测精度上要优于神经网络。王晴（2010年）把自回归模型与支持向量机相结合。杨震（2012年）把统计学与支持向量机结合。龙真真、张正文（2014年）把SVM模型和支持向量机结合。李坤、谭梦羽（2014）将小波分解与支持向量机方法相结合。

Logit模型在社会学中应用较多，但也有学者开始把Logit模型应用到股市中。程海波（2009年）利用Logit模型对上市公司财务指标和超额收益率进行了研究，结果表明，以上市公司财务指标为变量，预测股票是否存在超额收益率具有良好的效果。易宁明、周文强、何鸣（2011年）运用Loigt模型检验了技术交易规则在***股票市场上的有效性。

本文借鉴学者们的理论成果和方法，在构建二元Logit模型的基础上，利用上证综指大盘数据对**板块股票价格走势进行预测。以期为**上市公司以及投资者们在关注**股市时提供科学依据。

本研究所用数据来源于数据库，所用数据主要是上证综合指数收盘价、交易金额、交易总手、**板块43只股票收盘价，数据时间跨度是从2015年1月5号到5月29号，数据形式为每天每五分钟交易数据。

**总共有43家上市公司，第一产业有13家，占总行业的30.23%，第二产业有24家，占55.18%，第三产业6家，占13.95%，综合类一家，占2.33%。由此可知，**作为我国欠发达地区，经济的发展主要还是依靠第二产业和第一产业。

***股市从2015年1月5号到5月29号，这段期间处于大牛市。其中上证综指收盘价从1月5号的3258.63一路飙升到5月29号的4607.93点。交易金额和交易总手也是大幅上涨。

本研究主要利用大盘数据预测**板块股票价格整体走势，为了衡量**板块股票价格的整体增降，我们选取了**43只股票每五分钟的最高价和最低价求其平均值，然后对43只股票每五分钟股价的平均值求其上四分位点，利用下一期上四分位点除以上一期上四分位点得到的值代表**板块整体股价的增与降，大于1代表**板块整体股价在增，小于等于1代表**板块整体股价在降，把增的记为1，降的记为0，使其成为二元变量，作为因变量，用Y表示。上证综指交易总手、交易交额、收盘价三个方面的数据分别滞后一阶、二阶和三阶，构造了9个自变量。其中交易总手滞后一阶、二阶和三阶用变量X11、X12、X13表示，交易金额滞后一阶、二阶和三阶用变量X21、X22、X23表示，收盘价滞后一阶、二阶和三阶用变量X31、X32、X33表示。每个自变量的取值小于下四分位点记为1，大于下四分位点小于上四分位点记为2，大于上四分位点记为3。

Logit模型根据因变量的取值情况，可以大致分为两类，一类是二元Logit模型，另一类是多元Logit模型。本研究分析的是**板块股票的整体走势，升取值为1，降取值为0，满足了二元Logit回归模型的要求。二元Logit模型核心思想是要判断一种现象是否发生的概率大小。因变量可以取0或1，当取1时，就是对象发生的概率，取0时，也就是对象不发生的概率。

Logit模型的一般表达式为：

由上式可知回归方程的因变量是某个具体选择概率比的对数。Logit函数具有以下两个重要特点：第一个是当Xi的取值较小且逐步减小时，Pi趋近0的速度会越来越慢；反过来随着Xi的取值较大且逐步增大时，Pi接近1的速度也越来越慢。而当Xi取值中等且增加较快时，Pi的变化会比较快。Pi与Xi之间应呈非线性关系。第二个是Pi的变化始终在0和1之间。

本文基于R软件，利用逐步回归法建立Logit回归模型，在模型中，不显著的自变量直接去除。最终模型回归结果如公式2所示：

其中模型的LRchi2统计量为86.67，模型的PsendoR2统计量为0.345，这说明本研究建立的模型统计是显著的。

（1）通过公式2可知，表示上证指数交易金额滞后一阶和滞后二阶的变量X21和X22对因变量Y的发生概率的影响是显著的，但回归系数符号相反，分别为-0.034和0.034。从数值来看，这说明交易金额滞后一阶和二阶对因变量Y的发生概率影响不大。表示上证综指收盘价滞后一阶和滞后二阶的变量X31和X32对因变量Y的发生概率的影响是显著的，但回归系数符号相反，分别为0.17和-0.18。从数值上看，上证综指收盘价对**股票价格的影响要大于交易金额。

（2）为了利用此模型对**板块股票价格进行预测，首先检验此模型预测的准确性。对训练样本进行准确率测度。训练样本数总共4974个，代表**整体股票上升的有4889，占总样本的98.27%，代表**整体股票下降的有185个，占样本总量的3.72%。最终预测结果显示，股票上升被误判为下降的有1089个，下降的被误判为上升的有93个，总误判率为23.76%。但是在股票投资中，以风险较小化的投资思想。投资者主要规避的看涨的股票反而降。通过以上可知，把股价降的判断为增的有93个，占总样本的1.86%，这说明此模型犯错几率较小。

（3）在测试样本中选取一个时间点，以此时间点为基准，往后每五分钟一个测试点，总共选取10个测试点。统计结果显示，处了第一个测试点被完全误判，其余测试点被误判的概率都小于50%。其中对第四个测试点（基准点下20分钟）预测的准确率最高，准确率为75%。

通过模型预测结果可知，本文所建立的二元Logit模型对**板块股票价格走势的预测精度达到了预期目的。

[1]李响.基于BP神经网络的股价预测[J].大连海事大学学报，2008，（S1）：114-116.

[2]林倩瑜，冯少荣，张东站.基于神经网络和模式匹配的股票预测研究[J].计算机技术与发展，2010，（05）：17-20+25.

[3]刘海h，白艳萍.时间序列模型和神经网络模型在股票预测中的分析[J].数学的实践与认识，2011，（04）：14-19.

[4]薛佳佳.基于差值灰色RBF网络模型股票指数预测[J].统计与决策，2012，（22）：77-79.

[5]杨新斌，黄晓娟.基于支持向量机的股票价格预测研究[J].计算机仿真，2010，（09）：302-305.

[6]王晴.组合模型在股票价格预测中应用研究[J].计算机仿真，2010，（12）：361-364.

[7]杨震.基于后效时间长度的股票价格预测[J].计算机仿真，2012，（02）：378-381.

[8]龙真真，张正文.基于模糊核超球的快速分类算法在股票预测中的应用[J].计算机系统应用，2014，（01）：197-201+148.

[9]李坤，谭梦羽.基于小波支持向量机回归的股票预测[J].统计与决策，2014，（06）：32-36.

时间：2023-03-3103:12:29版权声明举报文章-->

时间：2023-03-3103:12:29 阅读：0

推荐度:

股票股票交易股票交易论文股票价格股票回购股票市场股票投资股票投资报告股票投资理论股票投资论文图书资产管理教育数字化

货币政策投资者情绪与股票市场研究2022-01-2010:21:36

股票质押回购业务风险管理研究2022-01-0408:40:04

A股创业板股票投资价值实证分析2022-08-2011:53:21

金融科技对股票市场羊群效应的影响2022-05-1702:58:02

股票市场相关性研究2022-05-1702:52:19

股票市场风险识别度量与预警机制2022-05-1702:43:19

主管：天津出版传媒集团有限公司

级别：省级期刊

影响因子：--

主管：机械工业信息研究院

级别：部级期刊

影响因子：0.04

主管：***人民大学

级别：部级期刊

影响因子：--

主管：***工商银行股份有限公司

级别：部级期刊

影响因子：0.23

周报|协同合力共谋切片未来!高测股份举办2023第一届切片技术研讨峰会

NEWS

高测股份周报

 关键词:技术研讨

时间:2023.7.22

一周要闻

■高测股份举办2023第一届切片技术研讨峰会

■高测股份举办2023年安全活动颁奖仪式

■超去年全年!高测股份2023年金刚线出货量突破3300万公里

详细内容

▼

高测股份举办2023第一届切片技术研讨峰会

切片机未来如何适应硅片切割的细线化和薄片化？如何构筑设备竞争力？细线化切割现状及未来趋势是什么？如何有效推进金刚线、装备、切片的数据及技术协同，降低切片成本？......7月15日，由切割服务产品线/技术中心承办的高测股份2023第一届“切片技术领先的机会与挑战”技术研讨峰会在乐山顺利召开。

会议聚焦切片机领先性、金刚线领先性、切割工艺领先性、切割材料领先性及协同创新领先性等开展研讨。

会上首先由技术中心及研发中心各部门人员做主题演讲，内容专业且有深度，给参与者带来了丰硕的成果和宝贵的收获；在圆桌论坛环节，大家围绕各项议题展开研究讨论，技术中心与研发中心高效协同联动，共同为切片技术的提升贡献智慧和力量，为行业的高质量发展出谋划策。

一直以来，高测股份都将技术研发作为立足之本，通过不断地技术迭代升级，打造优质产品，推动行业降本增效。未来，高测股份将持续跟踪业内前沿的技术、工艺，不断探索更多先进解决方案，为行业发展贡献技术力量。

高测股份举办2023年安全活动颁奖仪式

安全是一切发展的前提和根本，为加强企业安全发展，强化全员安全知识及意识，增强员工应急能力，在过去的一个多月里，高测股份深入组织开展了各项“安全生产月”系列活动，包括多项安全知识培训以及多项应急演练等，其中推出的“消防技能竞技赛”“安全知识竞赛”等项目，结合线上线下等模式，激励员工积极参与，获得员工一致好评。最终，诸多表现优异的员工脱颖而出，斩获奖项。

7月18日，安全生产活动颁奖仪式在总部办公楼一楼大厅成功举办，多名在“安全生产月”活动中表现优异的员工受表彰，收获丰富的活动奖品。

此次活动不仅提升了员工的安全知识水平，同时也锻炼了员工的应急技能，使“人人讲安全，个个会应急”的安全主题深入人心。接下来，高测股份将继续做好“安全生产月”活动成果转化，不断夯实安全生产工作基础，为公司高质量发展提供坚实的安全保障。

超去年全年!高测股份2023年金刚线出货量突破3300万公里

7月21日9时17分，随着发货车的顺利驶出，高测股份2023年金刚线出货量正式突破3300万公里，仅仅7个月，金刚线出货量已超去年全年，预计年内出货量可达6000万公里以上。

-END-

高测股份简介

高测股份聚焦高硬脆材料切割领域，以一根金刚线切割十行百业。公司2006年成立，2020年科创板上市。目前，公司将金刚线切割技术成功应用于光伏、半导体、碳化硅、蓝宝石、磁性材料行业，横向做广做强、纵向做深做透，持续不断为客户创造价值。

高测股份：力争成为具备全球竞争力的高硬脆材料切割方案提供商

经营篇

发展篇

行业篇

发行篇

END

ＣＡＥ行业中，元计算科技发展有限公司是做什么的？

是主要从事多场耦合分析。使用FEPG软件进行分析是由中科院数学院开发的软件。对数学基础要求比较高。他们官网www.yuanjisuan.cn

恩捷股份现在的市值高吗？恩捷股份有什么价值多少？恩捷股份集团最新消息？

全球市场电动化产生了共鸣，欧洲、***、***都在新能源车补贴、税收优惠和碳排惩罚等方面摆出了各自的策略，所以全球新能源汽车目前处于增长的状态，同时锂电池的需求量也增大了。而隔膜的技术难点高，属于锂电材料中技术壁垒最高的一环，其龙头企业恩捷股份有何投资机会值得大伙选择？在开始分析恩捷股份前，这份锂电材料龙头股名单先为大家奉上，点击就能阅读：宝藏资料！锂电材料行业龙头股一览表一、公司角度公司介绍：恩捷股份主营业务为提供多种包装印刷产品、包装制品及服务；锂电池隔离膜、铝塑膜、水处理膜等领域。主要有三类产品：一是膜类产品，主要包括锂离子隔离膜、BOPP薄膜；二是包装印刷产品，主要包括烟标和无菌包装；三是纸制品包装，主要包括特种纸产品和转移膜等。恩捷股份的主营业务是锂电池隔膜，为全球领先的锂电池隔膜行业领航者。简单了解公司基础概况后，那么下面大伙一块来了解一下公司独特的投资价值。亮点一：极高的技术壁垒锂离子电池隔膜是锂电池四大关键组件中技术壁垒最难操作的组件，整个过程工艺复杂，流程繁多，上游需要向各个设备生产厂家专门定制购买，下游需要得到客户认证（认证时间一年到两年不等），再加上锂电池行业发展日新月异，需要持续投入研发以获得更高性能的复合隔膜，这代表了，企业倘若具备先发优势，在短期里超越是几乎不可能的。而恩捷股份在2018年收购上海恩捷，2018-2020年这几年间就分别并购了江西通瑞、苏州捷力和纽米科技这几家公司，以非常快的速度成为了全球***法隔膜领域里的领头羊，在国内肯定是龙头企业无疑了，市场地位其它企业无法比拟。亮点二：产能全球第一，深度绑定国内外大客户2020年恩捷股份已储备33亿平***法隔膜有效产能，现在是隔膜供应方面的全球第一企业，能满足世界各地的中高端锂电池客户的需求，同时恩捷股份已是全球领先动力电池厂商CATL、松下、LG以及三星等核心供应商。在2021年***电池领头羊UltiumCells,LLC也成为了恩捷股份的客户之一，恩捷股份的客户版图进一步扩张，全球龙头地位再获巩固。碍于文章字数受限，关于恩捷股份更具体的信息和可能出现风险的地方，我都给大伙整理好在下面这篇文章中了，点击该链接便能知道：【深度研报】恩捷股份点评，建议收藏！二、行业角度锂电池隔膜是锂电池里边最关键的一份材料，锂电池市场规模的大小决定了隔膜市场的规模大小，因为当前新能源车在各国被普及，新能源车正在迎来快速发展，使得锂电池隔膜也相应迎来高增长。随着现在的锂离子电池在应用方面的范围越来越大，例如能量储存、可穿戴式智能设备等等一系列，这会使锂离子电池隔膜产业发展的速度加快。总而言之，恩捷股份身为行业领跑者，具有很大的优势，未来能够充分受益于行业发展的巨大机会，对公司未来表现寄予厚望。但是文章难免会存延迟性，如果想更准确地知道恩捷股份未来行情，点一下链接即可，有专业的投顾帮你分析股票，看下恩捷股份估值有没有高估：【免费】测一测恩捷股份现在是高估还是低估？应答时间：2021-10-04，最新业务变化以文中链接内展示的数据为准，请点击查看

高测是什么意思？

水平仪的测量测定地面点高程的工作，称为高程测量。高程测量是测量的基本工作之一。高程测量按所使用的仪器和施测方法的不同，可以分为水准测量、三角高程测量、GPS高程测量和气压高程测量。水准测量是目前精度最高的一种高程测量方法，它广泛应用于***高程控制测量、工程勘测和施工测量中。

韦尔股份潜力怎样？韦尔股份做什么的？韦尔股份分红股票涨吗？

芯片被"卡脖子"始终是我国半导体行业发展不快的一个原因，伴随着我国芯片产业的持续发展，***利好政策的陆续发布，该领域已经收到广大资本市场的的关注。今天就来给大家解读一下一个我国自主研发芯片的优质企业--韦尔股份。在还没分析韦尔股份之前，我整理好的芯片行业龙头股名单分享给大家，点击就可以领取：宝藏资料：芯片行业龙头股名单一、从公司角度来看公司介绍：韦尔股份的主营业务为半导体分立器件和电源管理IC等半导体产品的研发设计，而且还有半导体产品在分销的业务，产品广泛应用于移动通信、车载电子、安防、网络通信、家用电器等领域。韦尔股份现在已经经历了多年的技术演进以及自主研发，在CMOS图像传感器电路设计、封装、数字图像处理和配套软件领域积累了较为显著的技术优势。简单介绍了韦尔股份的公司情况后，再来了解一下公司在哪些地方有竞争力？优势一、国内CIS图像传感器龙头韦尔股份是国内CIS图像传感器的领导者，全球上的份额已经排名第三，公司2018年收购***豪威的同时切入了CIS图像传感器赛道，主要是开展CMOS图像传感器、半导体分销和原半导体设计等业务。手机领域：全球手机CIS市场的第三大厂商韦尔，市占率达到10%，高端技艺渐渐和索尼、三星一致，叠加安卓机高像素渗透率提升与国产替代机遇，市占率在2025年的时候有可能提升至15%，21-25年手机端收入CAGR可能会大于7%。汽车领域：韦尔可以称得上是全球车载CIS第二大厂商，全球市场占有率比20%高，已覆盖各大主流车企，相比第一大厂商安森美公司，韦尔的产品定位更高端、CIS技术更领先，到了21-25年，公司车用CIS业务收入CAGR预计会超过30%。优势二、设计业务和分销业务齐头并进韦尔股份所具有的平台优势，会逐渐凸显出公司的芯片设计业务领域均具备国内领先实力。分销业务基本是使用技术分销，销售网络和供应链体系也较为完整，公司分销业务规模领先于大部分企业。公司近几年不断提高研发投入，抢占对重大产品市场，收买Synaptics的TDDI业务，对屏下光学领域进行整体布*，整合效果良好。公司设计与分销业务协同效应较高，帮助公司增长业务，成长空间日益拓展，有希望在未来成为平台型半导体的领先公司。由于篇幅有限制，韦尔股份的深度报告以及风险提示等信息，我整理在下面的研报里，点击链接就能看到：【深度研报】韦尔股份点评，建议收藏！二、从行业角度来看芯片半导体行业：宏观周期上，由于存在***为首的技术反锁，国内政策是支持周期的。从产业链上剖析，上游原材料、生产设备、耗材，紧缺+国产替代+供货不足；中游制造端，国产厂商突围+扩产降本；下游需求端，终端产品正常换代+新能源汽车新需求暴涨+人工智能+云技术。芯片半导体迎来了比较罕见的全产业链供需共振。目前行业所处的阶段是：由周期底部往上的加速，是整个周期曲线之中导数最大的一个位置了，所以说关于芯片半导体即将迎来高速发展。三、总结从整体上来说，我认为韦尔股份公司在芯片设计行业，表现的还是非常优秀的，目前行业处于上升阶段，凭借这个机会，有可能得到高速发展。但是文章难免有滞后的情况，如果想获得韦尔股份未来行情的准确信息，可以进入下面的链接，会为你配置专业的投顾来诊股，看下韦尔股份现在行情是否到买入或卖出的好时机：【免费】测一测韦尔股份还有机会吗？应答时间：2021-11-29，最新业务变化以文中链接内展示的数据为准，请点击查看

什么是高科技股？

简单地说就是指那些产品和服务具有高技术含量，在行业领域领先的企业的股票。比如：从事电信服务、电信设备制造、计算机软硬件、新材料、新能源、航天航空、有线数字电视、生物医*制品的服务与生产等等的公司通称为科技行业。

高测股份

编辑｜Lady呱呱

高测股份

实控人全额认购定增完成，硅片价格近底需重新审视切片代工逻辑，公司盈利有望超预期，建议重点关注！！

2023年6月21日，公司发布公告，定增募资已完成，募资总额9.16亿元，发行数量为1821.27万股，增发价格为50.27元/股，由公司实控人、董事长张顼先生全额认购。截至6月20日收盘，公司每股价格为48.77元/每股，即便不考虑张顼先生的资金成本，此增发价仍高于现价，体现了公司对于未来发展的信心。

之前大家过于担忧公司切片代工模式盈利的持续性，我们再次强调，公司切片代工业务盈利的底层逻辑为切割设备、切割耗材、切割工艺的技术融合优势所给客户带来的经济性、给公司带来的技术溢价，而不单单是出售剩余片这一表面现象。近期硅片价格快速下降，甚至***近二线企业成本线附近，在此背景下，根据我们了解，公司的代工费仍有上调，充分体现出客户端对于切片代工业务经济性的高度认可及高测切片实力的肯定。据我们测算，公司即便在现阶段硅片价格水平下，仍能维持较高盈利水平。后续随着硅片价格企稳，公司切片代工业务的较高盈利水平同样有望维持。

耗材与设备业务齐头并进。2023年1-3月份，公司金刚线产量1382.11万公里，产能利用率91.99%；出货量1079.29万公里。2023年一季度自产自用耗材数量262.43万公里，预计23年出货超5000万公里。且公司23Q1金刚线毛利率为52.2%，处于行业领先水平。切割设备方面，公司23Q1新签8亿，同比增长120%+；4-5月的合计新签量已经超过Q1的新签量。随着公司新一代切割设备的推出，公司订单有望维持高增。

根据我们对公司切割设备在手订单、金刚线及切片代工产能的最新判断，预计2023-2025E净利润12.49、17.63、24.91亿元，当前股价对应PE分别为12/9/6倍，维持“买入”评级，当下重点推荐！！

欢迎各位领导联系交流公司近期情况及观点

【免责声明】本文摘自网络，版权归原作者所有，仅用于技术分享与交流，非商业用途！对文中观点判断均保持中立，若您认为文中来源标注与事实不符，若有涉及版权等请告知，将及时修订删除，谢谢大家的关注！

编者注：在新能源的道路上，不论你同行与否，不论你觉得这条路上有多少满意或者不满意的事情，也不论你觉得身边人都是普通人或者英雄，但最终这群人的奋斗都会让***的科技横扫这个世界。

浅尝江湖水，深品其中意，再闻已是江湖人——《锂电江湖》

●【JH-4104】钠离子电池：成本驱动，部分性能占优

●【JH-4073】国轩高科：铁锂电池龙头全球化布*，技术研发行业领先

●【JH-4061】华友钴业：锂电材料龙头企业，全力打造产业生态闭环

●【JH-4037】湖南裕能：磷酸铁锂行业龙头，携手大客户协同发展

●【JH-4007】工商业储能行业深度报告：工商业储能经济性提升，需求爆发可期

●【JH-3994】钠电池深度：吐故“钠”新，分庭抗“锂”

●【JH-3981】氢能源行业在商用车领域的应用分析

●【JH-3980】2023年锂离子电池行业市场前景及投资研究报告

●【JH-3861】储能行业蓝皮书

●【JH-3819】46系大圆柱锂电设备行业研究：规模化量产拐点已现，大圆柱电池产能规划全梳理

●【JH-3818】2022年国内动力电池市场回顾

●【JH-3792】电动两轮车：格*优化，盈利有望改善

●【JH-3790】4680大圆柱电池将带来哪些设备投资机会？

●【JH-3769】二次电池储能的电化学基础与发展前沿（110页PPT）

●【JH-3616】单车价值量拆分

●【JH-3609】新能源汽车动力电池技术未来展望

●【JH-3589】有色金属行业研究框架

●【JH-3588】锂离子电池行业简析报告

●【JH-3581】蜂巢能源，高性能叠片电池的发展之路

●【JH-3568】***新能源汽车产业发展趋势研判

●【JH-3567】中创新航企业研究报告

☟

☟