鞍钢股份:投资者见面会纪要

STGCN实战:从零构建PyTorch时空图卷积网络预测城市交通流 本文详细介绍了如何使用PyTorch从零构建时空图卷积网络(STGCN)进行城市交通流预测。通过将交通网络建模为图结构,并融合时间卷积与空间图卷积,STGCN能有效捕捉交通流的时空依赖性。文章提供了从数据预处理、核心模块(TimeBlock与STGCNBlock)搭建、模型训练到实战技巧的完整指南,帮助开发者快速掌握这一前沿的交通速度预测技术。 阅读详情

鞍钢股份:投资者见面会纪要

来源: 中金公司研究部 发布时间: 2009年03月06日 15:20 作者: 罗炜

公司评级: 中性  评级变动: 维持(首次)评级  撰写时间: 

 

年初钢价上涨的持续性不足,但钢厂心理恢复。去年12月至今年春节前现货钢价持续上涨,钢厂连续上调1-3月出厂价。价格上涨的原因:1.去年四季度去库存,中间库存过低,年初补充库存;2.四季度钢价超跌,有反弹要求。下游实质性需求的恢复并不明显,近期价格持续下跌反映了市场需求不足。但是一季度钢厂的心理状况好于去年四季度,1.对政府通过投资拉动内需政策的预期,2.寄希望于钢铁产业振兴规划的执行,同时近期价格下跌对未来铁矿石谈判有利。预计未来价格继续下跌的空间不大。

近期下游行业订单状况。集装箱板由于中集大规模停产需求大幅萎缩;消费类行业订单普遍萎缩;汽车、家电行业尽管需求萎缩,但公司订单下降不大,去年下半年高档汽车面板下滑严重,但公司主要面向中低端汽车板,政府鼓励小排量汽车政策对公司有利;2008年出口约占产量的15%,预计09年下降50%左右;石化、造船、装备制造业订单相对稳定;重轨需求好,满负荷生产。

预期二季度钢铁需求将有所回升。政策拉动还未显现出来,北方由于天气原因,一季度基建基本停滞。基建拉动的订单需要一个过程,基建拉动的不仅仅是长材,也会带动桥梁板、工程用板、车厢用板等需求,铁路投资从土地平整—>隧道、桥梁、架线—>机车、车辆,不同阶段带动不同钢材需求。

 

公司热点问题:

开工率及库存水平。去年10-12月,公司炼铁、炼钢没有停产,生产负荷水平有所下降,轧钢有一条彩涂线停产,由于主要生产线没有停产,目前也不存在复产。鲅鱼圈新建钢厂(500万吨)两座高炉去年四季度投产一座,亏损严重,目前技术指标逐步提高,但仍亏损,另一座高炉尚无投产时间表。公司去年四季度记提减值准备约18亿元,主要是铁矿石和部分在产品,记提比较充分,目前库存处于较低水平。

盈利状况。去年11-12月是钢铁行业10多年来最艰难时期,经济的急转直下,伴随着下游去库存化,导致许多大钢厂库存上升,大钢厂清理库存进一步放大了过剩压力,目前看来这种极端状况不会再发生。但是目前钢铁行业1亿多吨的过剩产能,需要通过加大淘汰力度来消化,今年的盈利状况不可能预期太好。鞍钢由于铁矿石采购成本高于同行,同时鲅鱼圈钢厂新投产成本压力大,今年1月份仍处于亏损状态,预计2月份盈亏平衡。

铁矿石采购成本高于竞争对手,未来有调整可能。鞍钢75%的铁矿石由母公司供应,采购协议价为上一半年度中国进口平均CIF价基础上给与5%折扣。按照这一协议,鞍钢今年上半年矿石采购价约为123美元/吨(850元/吨,不含税),远高于目前95美元/吨的平均CIF价,这也是公司1月份亏损的一个主要原因。

※按照目前的钢材价格,按照这个鞍钢铁矿石关联交易价格,鞍钢的一季度将继续亏损。其亏损的幅度取决于年末库存的情况。

截至昨天,印度粉矿CIF国际现货参考价格已经跌破80美元/吨,在77-79美元/吨一线徘徊,与长协矿99美元/吨相比,两者价差再度拉大至20多美元。

昨天,唐山地区66%酸粉湿基铁矿石不含税市场价格价格在560-570元。沙河地区64%碱粉湿基不含税价格在660-670元。鞍山地区65-66%酸粉湿基不含税价格在510-520元,66%酸粉干基不含税价格降至550-560元。

按照这个铁矿石价格计算,铁矿石的差价大概在300元/吨,意味着钢材的成本比他人提高约460元/吨钢。这就是鞍钢亏损的主要原因。

但是,下半年就没了这个因素。

同时,这一条信息也证明了鞍钢的铁矿石关联交易价格是以半年为结算时间单位。

 

以往母公司考虑定价原则时是采购价介于宝钢和武钢之间,目前母公司铁矿石盈利,但上市公司亏损,考虑到市场形象,未来有加大优惠折扣率的可能。(详细内容请参见附件)  (来源:中金公司研究部)

 

从 Material Requirements Planning 看 SAP 物料计划的底层控制逻辑 文章摘要:SAP中的MRP(物料需求计划)不仅仅是运行一个程序(如MD01N),其关键在于主数据和组织层级的正确配置。MRP的核心是解决"何时需要多少物料"的问题,涉及采购、生产、库存等多种供应来源。物料主数据的MRP视图必须在组织层级(如工厂、存储位置)下维护,不同层级的计划逻辑可能完全不同。S/4HANA更强调MRP Area作为细分计划单位,取代传统存储位置MRP。实施时需注意MRP Profile的合理使用,避免批量错误,并特别关注物料生命周期管理(如停用物料和替代件),这些因素共同决定了MRP能否 阅读详情

相关推荐

codevs 1620 轮船问题 DP 解题报告

某国家被一条河划分为南北两部分,在南岸和北岸总共有N对城市,每一城市在对岸都有唯一的友好城市,任何两个城市都没有相同的友好城市。

Hawo11的博客 819

从国际投行看鞍钢股份的价值

 为了让持有鞍钢的朋友们放心,今天的我特意搜索了一点国际投行对于鞍钢的评论。说实话,我平常是不看那些评论的,因为我只相信自己。但是,我也知道,在这里有着很多人是相信国际投行的评论的,所以我就搜索一点让朋友们共享吧。 花旗建议沽售鞍钢 惟目标价上调至3.2元2006年08月07日 14:50 财华社花旗发表报告预期,今年上半年鞍钢纯利按年跌42%至30.1亿元人民币,毛利率由去年35.2%跌至21

1652

COMSOL实战:如何用有限元法(FEM)准确仿真电磁场问题?避坑指南

本文是一份COMSOL电磁场仿真实战指南,重点讲解如何运用有限元法(FEM)准确模拟电磁场问题。文章通过矩形波导和偶极子天线两大经典案例,详细剖析了从几何建模、物理场设置、网格剖分到结果验证的全流程,并提供了处理非线性材料、求解器收敛失败等高级问题的避坑技巧,旨在帮助工程师建立可靠的仿真工作流。

weixin_29297127的博客 514

鞍钢的机会 攀钢的利好

※呵呵,虽然我知道鞍钢攀钢两家的感情很不错,但还是想不到有如此之好,这是鞍钢的机会,攀钢的利好。可惜的是,按照目前的价格,鞍钢能顺利进入的可能性并不高,也许是空欢喜一场,但还是印证了两家的关系,门当户对、世家之交嘛,未来也许会有什么动作的。我刚才就说过,从国资委的计划来说,攀钢是需要找一个婆家的小女子,虽然看起来并不漂亮,但骨子里是个很不错的姑娘。从这一件事来看,宝钢武钢看不上攀钢(不愿意化彩礼

1063

【DDSCAT——离散偶极近似仿真程序05】模型设计Matlab代码:多核壳球 、多核壳圆柱

简洁明了,后面及部分给出的都是模型设计的Matlab代码,这些代码都来自于一篇文章:Chin C W S. Localized Surface Plasmon Resonance with the use of Silver and Titanium Oxide Nanostructures[J]. 2011. 一、设计多个核壳球形结构 1)Matlab代码 ...

XD_Yangf的博客 4263

Python实现安居客新房数据抓取简易版

本文介绍使用Python爬取安居客新房楼盘数据的方法,重点针对三四线城市。通过分析移动端H5页面结构,采用滚动加载方式获取推荐楼盘列表(class="recomm-list"),从中提取楼盘ID并拼接详情页链接。代码展示了如何解析HTML标签获取楼盘名称、状态、价格、户型等基本信息,并处理图片URL。爬取过程涉及一个一级页面和两个二级页面,同时提到可能遇到的验证码问题将在后续处理。核心代码使用BeautifulSoup解析HTML,requests发送请求,并将数据存入MySQL数据库。

qq_37604998的博客 478

最新鞍钢产能产量分析

老股民声明:我这里是价值投资者交流的地方,我的胡说八道只是在和价值投资的朋友们在交流。这里、鞍钢并不适合做短线的朋友,我也没能力回答你的走势啊、技术啊、明天怎么样啊,其他股票怎么样啊的问题。我的分析不构成对你的投资建议,如果你想买进,那么是你的事,希望你注意短线风险及大盘下跌的风险,毕竟每一次的调整有可能演变成中级调整,如果你短线套进去20%可和我没关系的。因为我有鞍钢,你完全可以理解为我是为了

2897

浅谈python反序列化漏洞

0x01 python序列化与反序列化 Python 的序列化和反序列化是将一个类对象向字节流转化从而进行存储和传输,然后使用的时候再将字节流转化回原始的对象的一个过程。python中的序列化操作是通过pickle模块,而该模块主要包含l dumps将dict转化为str格式,loads将str格式转化为dict格式。 dump和load与文件操作结合起来, pickle.dump(obj, f...

Lethe's Blog 3222

600231,凌钢股份,价值低估!

600231,凌钢股份,价值低估!短线品种。 老股民声明:我这里是价值投资者交流的地方,我的胡说八道只是在和价值投资的朋友们在交流。这里并不适合做短线的朋友,我也没能力回答你走势啊、技术啊、明天怎么样啊是问题。我的想法、说法不构成对你的投资建议,如果你想买进,那么是你的事,希望你注意短线风险及大盘下跌的风险,毕竟每一次的调整有可能演变成中级调整,如果你短线套进去20%可和我没关系的。因为我有凌钢

2145

微信小程序 - {“errMsg”:”requestPayment:fail banned”} 微信小程序调用wx.requestPayment支付失败返回错误(uniapp微信小程序微信支付报错)

{“errMsg”:”requestPayment:fail banned”},微信小程序调用wx.requestPayment报错requestPayment:fail banned,uni-app微信小程序wx.requestPayment支付报错requestPayment:fail banned,拉起小程序支付报错,iPhone苹果ios真机微信支付报错,Android安卓手机微信支付报错,支付报错,商户配置,签名验证,uniapp 小程序支付微信支付一场,设置过b2b类目,确认了商户号相关功能正常

🏆 前端领域优质创作者 3354

LeRobot 入门教程(十四)Meta-World 机器人多任务与元强化学习操作仿真基准平台

Meta-World是一个开源机器人操作模拟基准平台,专注于多任务与元强化学习研究。该平台提供50项多样化任务(MT50套件),采用标准化评估协议测试算法泛化能力。LeRobot平台支持Meta-World任务评估,提供预处理数据集和训练工具。用户可通过命令行快速训练SmolVLA策略,并评估模型在简单、中等、困难等不同难度任务上的表现。文章还提供了兼容性问题和实用技巧建议,如使用完整MT50任务集测试泛化能力、采用one-hot任务条件化等。这些资源为研究人员开展机器人多任务学习提供了标准化实验环境。

2506_90492529的博客 1023

鞍钢不愿意上涨的原因分析

鞍钢不愿意上涨的原因分析 虽然说鞍钢近阶段同样不断的创新高,但相对于她的潜质,相对于其他同类的钢铁股还是上涨比较少的。当然,罗马也不是一夜造成的,价值回归也不能一蹴而就,市场修复错误的过程是漫长的,我们需要的仅仅是耐心与时间。 因为我没事干,所以就分析一下鞍钢为什么不愿意积极上涨原因:1,主流资金担心公司股权融资的问题,怕上涨多了公司来一个定向增发。其实大多数人不知道,按照目前公司H股的比例,鞍

2599

STM32(HAL库)驱动OLED

通过STM32F103C8T6单片机采用HAL库方式对0.96寸OLED(IIC通讯)屏幕进行驱动。

weixin_44597885的博客 8807

鞍钢股份配股解读

 老股民提示:新朋友们,这里是价值投资园,是价值投资者交流的地方,在这里不适合希望赚大钱、做短线的朋友们。如果因为我而让你套进去,那么只能和你说一声抱歉!这不是我的本意。并希望你独立判断,因为只有你才能为你的人民币负责。在这里的我以及我的朋友们都是些笨蛋,一群不懂技术操作的人,如果你也愿意做个笨蛋,那么就过来参加交流吧。在你没买进我说的股票以前,请你慎重考虑,你完全可以理解为我为了出货而招募抬轿

1040

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

鞍钢股份年报初探

 鞍钢全年净利润完成68.45亿元或1.154元,其中第四季度完成16.93亿元或0.285元,相对于第三季度的净利润21.09亿元或0.355元降低不少。公司按国际标准净利润70.94亿元或1.196元,按国内标准净利润68.45亿元或1.154元。相差2.49亿元或0.042元。这是在内地为数不多的国际标准超过国内标准的公司之一。第三季度完成毛利39.80亿元,第四季度完成毛利31.68亿元

1133

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

鞍钢配股提示性公告

  为了尽可能的减少放弃鞍钢配股的朋友,希望管理员朋友把这个帖子进入博客导读的位置,谢谢!谢谢你的支持!     持有鞍钢还没有配股的朋友们请注意:今天是鞍钢配股的最后一天,你必须在今天配股成功,否则就是损失。你现在按照配股价15.40元的买进的鞍钢配股的东东是与目前36元的鞍钢同样的东东,所以,假如你放弃配股是一个损失。    具体的做法为:买进,代码080898,价格15.40元,数量:一般

402

关于鞍钢权证的公告

 关于延长“鞍钢JTC1”认购权证行权期的公告     受鞍钢集团公司委托,本公司现发布如下公告。    根据2005年12月1日《鞍山钢铁集团公司关于鞍钢新轧钢股份有限公司人民币普通股认购权证之上市公告书》,“鞍钢JTC1”认购权证将于2006 年12 月5 日存续期满,行权日为2006 年12 月5 日一天。    近日,公司获悉有部分投资者反映“鞍钢JTC1”认购权证行权期短。应广大投资者

532

新年思考之九,鞍钢(中)

老股民声明:我这里是价值投资者交流的地方,我的胡说八道只是在和价值投资的朋友们在交流。这里并不适合做短线的朋友,我也没能力回答你的走势啊、技术啊、明天怎么样啊是问题。我的思考不构成对你的投资建议,如果你想买进,那么是你的事,希望你注意短线风险及大盘下跌的风险,毕竟每一次的调整有可能演变成中级调整,如果你短线套进去20%可和我没关系的。因为我有鞍钢,你完全可以理解为我是为了卖出而寻找抬轿子的人,你

384

关于鞍钢权证行权的问题

 关于鞍钢权证行权的问题    我看见有些持有鞍钢权证的人还不知道怎么样行权,现在我就和你说:    首先要和你说的是,权证的行权与你平常的买进、卖出是不一样的,这一点有些证券公司的工作人员也许也是不知道的,所以有时候你询问证券公司的效果还是没有。权证行权在你平常所使用的委托系统的左面,有一个“权证行权”或者“行权”的项目,你在权证行权的时候不是“买入”也不是“卖出”而是“行权”,这一点请大家务

552

关于鞍钢的调换问题

 第142楼)回复:说说民生银行    虽说我今天卖了一半000898,买入了一点600016,但有一点不清楚,老师不是说鞍钢40元以上就可卖了吗?目前离40还远着那.目前卖掉只是出于两者的比较优势?假如我今天没看今日之博,我可能还在傻傻的坚守价值投资.水平差的我看来不能在股市里长呆了,最多到明年春天全身退出了.想想也是,股市赚钱的是少数,到时侯谁还顾的了谁,探讨归探讨,分析归分析,投石鸟入林,

806

新年思考之九,鞍钢(下)

老股民声明:我这里是价值投资者交流的地方,我的胡说八道只是在和价值投资的朋友们在交流。这里并不适合做短线的朋友,我也没能力回答你的走势啊、技术啊、明天怎么样啊是问题。我的思考不构成对你的投资建议,如果你想买进,那么是你的事,希望你注意短线风险及大盘下跌的风险,毕竟每一次的调整有可能演变成中级调整,如果你短线套进去20%可和我没关系的。因为我有鞍钢,你完全可以理解为我是为了卖出而寻找抬轿子的人,你

1232

关于鞍钢配股的几个问题

老股民提示:假如你不是短线高手,我不建议你追高买入鞍钢,因为假如不考虑鲅鱼圈项目的效益,鞍钢的估值在钢铁股中并不低估,追高买入有风险。假如你准备中长期投资,准备套进去的,那么买进是没问题的。 1,鞍钢配股登记日为10月9日,在国庆节以后就剩下二个交易日。所以,满仓鞍钢的朋友就得注意了,你必须在这二个交易日之中卖出一部分或筹措资金配股,这个配股权可不能放弃的,因为配股价相对便宜,否则你就不合算的。

491

闲来无事说鞍钢(3)

老股民提示:新朋友们,这里是价值投资园,是价值投资者交流的地方,在这里不适合希望赚大钱、做短线的朋友们。如果因为我而让你套进去,那么只能和你说一声抱歉!这不是我的本意。并希望你独立判断,因为只有你才能为你的人民币负责。在这里的我以及我的朋友们都是些笨蛋,一群不懂技术操作的人,如果你也愿意做个笨蛋,那么就过来参加交流吧。在你没买进我说的股票以前,请你慎重考虑,你完全可以理解为我为了出货而招募抬轿子

267

年中思考系列之一。鞍钢的不利因素

老股民提示:新朋友们,这里是价值投资园,是价值投资者交流的地方,在这里不适合希望赚大钱、做短线的朋友们,鞍钢也不适合做短线。如果因为我而让你套进去,那么只能和你说一声抱歉!这不是我的本意。并希望你独立判断,因为只有你才能为你的人民币负责。在这里的我以及我的朋友们都是些笨蛋,一群不懂技术操作的人,如果你也愿意做个笨蛋,那么就过来参加交流吧。在你没买进我说的股票以前,请你慎重考虑,你完全可以理解为我

582
上一篇: 招商的硬伤
下一篇: (转帖)贷款与评估
Labber
博客等级 码龄19年 26粉丝 1976原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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