设计一个有利于A股东的配股方案

老股民提出一种针对A股东有利的鞍钢配股方案,旨在通过详细计算展示该方案如何影响不同股东群体的利益,尤其是A股东的实际收益情况。

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的人,你可千万不能上当的。

 

设计一个有利于A股东的配股方案

9413及她的战友们添一把火

据说鞍钢准备配股融资,投资方向为营口500万吨钢材项目。

向全体股东实行103配股,配股价不低于最近一期经审计的每股净资产,暂定为6.00元。配股量177990万股,融资额106.794亿元。

公司目前的股本结构为总股本593299万股,其中集团持股398994万股或67.25%,A105304万股或17.75%,H89000万股或15.00%。

集团应配119698万股,A股东应配31591万股,H股东应配26700万股。

集团实际配股88107万股,向A股流通股东转让31591万股,转让比例为103,转让费0.20元。

集团配股所需资金52.8642亿元,由股份公司的应收款(46亿元)支付,剩下的现金支付。

A股东实际配股比例106,配股价6.10元。

H股东实际配股比例103,配股价6.00元。

假设A股价14元,H股价13元,A股价配股除权后为11.04元,H股价配股除权后为11.38元。

配股后总股本771289万股,其中集团487101万股或63.15%,A流通股168486万股或21.84%,H流通股115700万股或15.00%。

这个方案的缺点就是委屈了集团。

 

假设没配股公司07年的净利润为100亿元,配股后的净利润为103.61亿元。

计算一:在配股的情况下,净利润为100+3.61103.61亿元,总股本为771289万股,每股净利润为1.343元。

计算二:在没配股的情况下,净利润为100亿元,总股本为59.3299亿股,每股净利润为1.685元。

计算流通股市盈率:

计算一:在配股的情况下,每股净利润1.343元,市盈率为8.22倍(11.04/1.343)。

计算二:没配股的情况下,每股净利润1.685元,市盈率为8.31倍(14.00/1.685)。

 

如此,A流通股东就没吃亏了。吃亏的是集团与H股东。但鞍钢集团实际募集资金53亿元,总的来说,从国有企业的角度来说,鞍钢集团用4%的股权换来53亿元真金白银也没什么吃亏。

 

呵呵,请大家注意:这是我个人想当然的想法,可不是上市公司的意思。

 

基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了一种结合遗传算法的新颖优化方法,并通过Matlab代码实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在生产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系与实际应用场景,强调“借力”工具与创新思维在科研中的重要性。; 适合人群:具备一定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究的研究生及科研人员,尤其适合正在开展调度优化、路径规划或算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计与实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现与创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理与代码实现的对应关系,结合提供的网盘资源下载完整代码进行调试与复现,同时注重从已有案例中提炼可迁移的科研方法与创新路径。
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文提出了一种基于非支配排序的蜣螂优化算法(NSDBO),用于求解微电网多目标优化调度问题。该方法结合非支配排序机制,提升了传统蜣螂优化算法在处理多目标问题时的收敛性和分布性,有效解决了微电网调度中经济成本、碳排放、能源利用率等多个相互冲突目标的优化难题。研究构建了包含风、光、储能等多种分布式能源的微电网模型,并通过Matlab代码实现算法仿真,验证了NSDBO在寻找帕累托最优解集方面的优越性能,相较于其他多目标优化算法表现出更强的搜索能力和稳定性。; 适合人群:具备一定电力系统或优化算法基础,从事新能源、微电网、智能优化等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统的多目标优化调度设计;②作为新型智能优化算法的研究与改进基础,用于解决复杂的多目标工程优化问题;③帮助理解非支配排序机制在进化算法中的集成方法及其在实际系统中的仿真实现。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注非支配排序、拥挤度计算和蜣螂行为模拟的结合方式,并可通过替换目标函数或系统参数进行扩展实验,以掌握算法的适应性与调参技巧。
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