与「财报」相关的搜索结果

11 月 19 日定价的 Anthropic，路演前四天被自己的 CEO 说出了一个数字：9010 亿美元。 这是 Bloomberg 口径的承诺总额，多数绑在算力和芯片上，其中约 710 亿美元在 2027 年 9 月前到期。按七个季度粗算，每季要付一百亿美元上下；710 亿这个数，比标普 500 里大约三分之二公司的市值都高。 Amodei 11 月 14 日在纽约 JPMorgan 的活动上对 Jamie Dimon 说，算力是公司最深的两难：容量得提前一到两年买，买少了客户和新技术的资源不够、收入受损，买多了会在财务上过度扩张。今年 2 月他说得更狠，从 2027 年底起可以买一万亿美元算力，收入不及预期就破产，差一年就可能破产。他还说同行未必算过这笔账，这是他的判断，不是已验证的事实。 缓冲只有两样：毛利率和账上现金。他说毛利率「相当好」，尤其相对同行；IPO 的作用就是把现金垫厚，扛过支出和收入错位的那段时间。 这份承诺表会变成大模型公司财报里的新科目。营收增速之外，得看到期结构：710 亿美元压在 2027 年 9 月前，那一年谁能融到钱，比谁的模型分高更能决定排位。 11 月 19 日定价之后，第一份披露我打算先翻承诺表的到期分布和毛利率口径。

股民“拯救”了A股，也毁掉了自己？——一个需要拆开的判断 一、先给判断 前半句要打个折，后半句要分两层看。 【表格】 说法判断理由 “中国股民拯救了A股上市公司”部分成立上市公司确实靠市场融资、靠散户接盘完成了股权稀释和退出，这是事实；但“拯救”这个词把单向付出写成了双向交易 “股民破产、家破、人疯、跳楼”是真实存在的极端案例，不是股民的普遍结局有确切记录的个案存在，但没有可核实的“自杀者绝大部分是股民”这类统计 “股民与上市公司之间是因果关系”不成立中间的关键变量是杠杆、信息差与治理缺陷，不是“股民”这个身份本身 一句话：散户确实在为市场提供流动性、为上市公司提供退出通道、为机构提供对手盘——这是结构性的；但把个体的破产归因于“拯救”，是把结构问题翻译成了道德故事。 ------ 二、先把事实摆清：散户到底提供了什么 2.1 融资端：IPO与再融资的钱，主要不是机构出的 【表格】 环节散户的实际角色 打新与配售新股发行中，中小投资者是重要申购力量，中签后再卖出，形成首批流动性 定增与配股机构定价，散户被动稀释——参与是被动，摊薄是真实 解禁与减持原始股东套现，需要有人接；承接方中散户占比很高 市场流动性换手率长期高位，散户贡献了大部分交易量 这里有个必须说清的事实：A股的融资功能，本质上依赖一个愿意高位接盘的群体。而这个群体的构成，个人投资者长期占绝大多数。 2.2 但这不是“拯救”，是“被需要” 关键在于，这个“需要”是不对称的： • 上市公司拿到的是低成本、无偿还压力的股权资本； • 散户拿到的是价格波动、信息劣势、没有分红保障的纸面权益； • 中间的定价权、信息披露权、退出时机选择权，都不在散户手上。 所以准确的说法是：散户为市场提供了流动性，市场为散户提供了风险。这不是慈善，也不是拯救，是分工——只不过这个分工的风险分配是单向的。 ------ 三、必须补的一层：这个市场是给散户留了出口的 如果只写“散户被收割”，同样不准确。A股的制度设计里，确实为散户留了通道，只是通道有门槛。 【表格】 通道内容门槛 指数化投资宽基指数、行业ETF，分散单一标的风险需要接受“赚不到暴利” 打新与红利策略低波动、可预期的收益来源需要资金和耐心，且打新收益近年明显收窄 退市与索赔制度虚假陈述可提起证券民事赔偿需要证据、时间、律师费，且执行周期长 冷静期与适当性管理高风险产品需风险测评匹配容易被“绕开测评”操作规避 这些通道存在，说明问题不是“无路可走”，而是“走了的人少”。但这句话有个前提：这些通道的收益，远低于“赌一把”的想象——而后者才是绝大多数人进场的理由。 ------ 四、真正的问题不在“股民”，在这三个变量 这是整篇文章最需要讲清的一层。如果只写“散户惨”，就落入了廉价的同情；写“散户贪”，又落入了道德审判。 4.1 变量一：杠杆 这是破产的头号原因，而且不是“投资亏损”本身。 【表格】 杠杆形式常见倍数后果 融资融券1 倍左右亏损放大，触及平仓线被强制卖出 场外配资3—5 倍一个跌停就可能归零 消费贷、经营贷入市1 倍但期限错配还款日与行情无关，必须在最差的时候卖出 房产抵押高杠杆亏损传导到居住资产 关键机制不是“跌了”，而是“跌了以后被迫卖”。没有杠杆的亏损是账面浮亏，可以等；有杠杆的亏损是强制清算，时间是站在对手那边的。 这一条足以解释绝大多数“破产”案例——不是看错了方向，是扛不住路径。 4.2 变量二：信息位置 散户在信息链上的位置，是结构性的： 【表格】 环节机构散户 公司调研实地走访、管理层沟通财报与公告 政策理解提前解读、有渠道事后从新闻得知 交易速度毫秒级秒级 成本佣金与冲击成本低佣金与印花税占比高 工具融券、期权、对冲只能做多 这不是“谁更聪明”的问题，是“谁站在队伍前面”的问题。同一个消息，机构是决策依据，散户是反应依据。 4.3 变量三：行为与制度缺陷 【表格】 缺陷具体表现对散户的实际影响 重融资、轻回报分红比例长期偏低持有股票只能靠价差，没有现金流兜底 退市与处罚成本偏低财务造假退市案例相对少，处罚金额与非法所得不匹配违规收益 > 违规成本，形成示范 减持约束不足原始股东成本极低，解禁即减持供给端压力长期存在 投资者救济渠道不畅集体诉讼、先行赔付覆盖有限亏损后缺少追偿路径 产品适当性执行不严高风险产品卖给低风险测评者风险承受能力与产品风险错配 前两个变量是市场结构，第三个变量是制度供给。三者叠加，才构成了“个体破产”的环境——而“股民”这个身份，只是站在三者交汇点上的人。 ------ 五、关于“跳楼”这件事，必须写得准确 这是最容易出错、也最需要克制的一段。 5.1 可以确定的部分 【表格】 事实说明 确有极端个案有公开报道的股市相关极端事件，且通常与杠杆、债务催收、家庭破裂叠加出现 杠杆是共同特征已披露的个案中，多数涉及融资盘、场外配资或借贷资金 本文为制度与市场分析，不构成投资建议。

作为一个游戏佬，我贼讨厌英伟达新的临时CEO。 Kress，这姐们一辈子都在做财务，和华尔街打交道。 之前在微软、思科都是部门级的 CFO，今年该六十了。中老登白人女，这人我光看面相，我就断定，她这辈子鸡毛游戏没看过，顶多玩玩疯狂的小鸟、糖果三消啥的😅。 AI 数据中心的业务太暴利了，从财报来看， 游戏显卡毛利率 50%+，AI 显卡毛利率 80%+。 只有老黄，他对游戏有情怀，还记得初心，力排众议，还给我们游戏玩家生产点显卡。 没有老黄护犊子，估计这姐们，等过渡期结束，游戏显卡就慢慢变边缘业务咯😭。 谁管我们这些戴眼镜，不爱出门的阿宅。 哎，以前老是调侃老黄，说他精准阉割挤牙膏。 现在物是人非，挤牙膏我也认

《Claude Code + 接口流水线：跨境电商调研的「免网页」实战》 @gengdaJ 分享了一套把 Claude Code 变成调研流水线的方案，核心点不是「用了什么 AI」，而是「把数据接口变成 Agent 的触手」。他在做家庭厨电出海调研时，全流程没开过一个网页，复现他的思路分五步： 1. 资产盘点：用 Exa 和 TinyFish 搜索目标品牌（如九阳）的公开财报与分析，通过全文解析摸清出海业务占比。这一步是定基调，不看网页直接从分析后的数据里拿结论。 2. 市场锚点：用 Anyapi 调用 TikTok Shop 的商品接口，配合 Exa 查跨境电商政策，选定越南作为主攻市场。逻辑是：不靠「感觉」选市场，靠成交数据和政策窗口重合度选。 3. 品类精选：在 Anyapi 里批量拉取 TikTok Shop 店铺的坚果奶机销售数据，只看增速最快、评价最好的 sku。别人还在浏览网页选品，他已经在按「订单密度」筛选了。 4. 触达通路：用 Tikhub 搜垂类 KOC，筛选近期作品活跃度，再用 Anyapi 拿联系方式，Hunter 验证邮箱有效性。这一步把「人工扫码」变成「数据清洗」。 5. 商务自动跟进：用 AgentMail 接口起草邮件、打标、跟进。邮件分批发送，回复状态自动更新，品牌方只需要最后确认回复意向即可。 核心价值：他把调研从「看网页」变成了「调 API」。 Claude Code 在这里扮演的是「流水线调度员」：帮你写接口调用代码、帮你洗数据、帮你把这一串动作串联起来。 这种思路最值钱的地方在于：你手里的 API 决定了你的触手有多长。当别人还在人工查网页时，你是在用数据覆盖市场。AI Agent 时代，谁能把领域数据库接入到 IDE 里，谁就能直接降维打击。

我去！有人把私募量化研究员的整套技术体系，整理成了一份免费的中文实战手册！ 从因子挖掘、机器学习选股，到 Barra 风险模型、组合优化和 A 股真实交易规则，连 Python 源码都准备好了！ 这个开源项目就是 quant-handbook。 涵盖 8 大模块、31 讲课程和 31 份 Python 实战示例，从因子挖掘、机器学习选股到组合优化、策略回测都有！ 核心亮点： 1️⃣ 数据工程：使用 Polars、DuckDB 处理行情数据，解决复权、财报对齐和未来数据泄漏。 2️⃣ 因子研究：覆盖量价、基本面、订单流因子，以及 IC/IR、分层回测和因子正交化。 3️⃣ AI 量化选股：结合 LightGBM、CatBoost、SHAP，构建机器学习选股流程。 4️⃣ 组合优化：实现 Barra 风险模型、风险平价、行业中性和换手率约束。 5️⃣ 真实交易回测：模拟 A 股 T+1、涨跌停、停牌、手续费、印花税和市场冲击成本。 6️⃣ 绩效归因：分析 Alpha、Beta 收益来源，监控特征漂移和组合风险。 以前学量化，因子会算、模型会训练，但真正做回测时，未来函数、交易成本和风控问题经常被忽略。 这套手册把完整的量化研究流程都串起来了。 我比较喜欢它对回测真实性的处理，不只是计算收益曲线，还把无法成交、交易成本和未来数据泄漏这些问题考虑进去了。 31 讲都有对应的 Python 示例，适合从零学习，也能作为量化策略开发的参考。 做 A 股量化、机器学习选股，或者想系统学习量化研究的，这份手册值得收藏！

黄仁勋卸任后，$NVDA 一度在盘前跌到149美元，现在又被抄底资金拉回170.75美元。 短短几个小时反弹近15%，于是OKX预测市场出现了一个问题：英伟达11月13日收盘能不能站上179美元？ 🔹我的判断是：很难。 因为149美元是恐慌价，170美元主要靠散户抄底和空头回补，并不代表CEO离职、继任者和调查风险已经消失。 更重要的是，英伟达昨日正式收盘价为166.19美元。要收在179美元上方，今天仍需上涨约7.7%；而期权市场给出的正常波动上沿大约只有174美元。179美元已经超出市场预期区间。 同时，纳指期货偏弱、美债收益率上升，真正能够改变估值的Q3财报又要等到11月17日。 所以我给出的概率是： 🔹收盘高于179美元：15% 🔹收盘不高于179美元：85% 今天真正赌的不是英伟达基本面，而是抄底资金能不能把一次恐慌反弹，硬拉成单日逼空。 我选：不高于179美元。

华尔街日报把黄仁勋当面骂 Kress 的事登出来以后，欧易上抄底 NVDA 的人开始撤了，多空账户比一天从 10.7 掉到 3.7🥲 这条是北京上午 10 点出头出来的，NVDA 永续那会儿在 168，到中午滑到 164。 持仓一天少了 17%。 大家在怕什么？英伟达 8 月底的季报里，采购承诺、租约、投资、担保加起来 5300 亿美元出头，公司总资产才 3200 亿。 这里面担保有 1085 亿，其中 1050 亿担的是 OpenAI 一家。 哥大商学院一位教授跟 CNBC 说，英伟达得走到快倒闭，这些担保才会全出问题。 接下来几天盘面就等 11 月 18 号早上 6 点那场财报，Kress 第一次以 CEO 身份开电话会，这 5300 亿她怎么讲。

老黄被国会追着要证词，绕不开新加坡：英伟达 2025 财年有 237 亿美元的收入开在新加坡，占了快五分之一，后来新加坡这一栏从财报里没了🧐 我把英伟达最近两份年报翻了一遍。 2025 年 2 月那份写得很直白，客户在新加坡统一开票，货几乎都运去了别的地方，实际运到新加坡的不到 2%。 开在新加坡的收入，三年从 23 亿涨到 68 亿，再到 237 亿。 从去年秋天那个季度开始，英伟达改成按客户总部在哪算，之前几年的数也一起重算了。英伟达的说法是这样更能看出收入从哪来。 今年 2 月的年报里，新加坡这个词一次都没出现。 这次出事的 Megaspeed 就是一家新加坡公司，Alice Huang 是它的前高管。C4ADS 9 月的报告说，Megaspeed 前几年一共买了大约 46 亿美元的英伟达硬件，Megaspeed 否认走私。 众议院三个委员会要老黄 12 月 1 日来闭门问话，要弄清的就是中国情报和芯片有没有被转走。 我猜新加坡这 237 亿，那天一定会被问到。

减掉157抄底的英伟达股票 但买的废纸期权还在 等财报 我认为英伟达要回到230u才算合理 如果库克加入英伟达CEO 有机会单日跳涨10% 因为他看起来是个不错的选择 引用：