奧美股市

A. 江南春的解釋

杜牧

千里鶯啼綠映紅， 水村山郭酒旗風。
南朝四百八十寺， 多少樓台煙雨中。

這首《江南春》，千百年來素負盛譽。四句詩，既寫出了江南春景的豐富多彩，也寫出了它的廣闊、深邃和迷離。

「千里鶯啼綠映紅，水村山郭酒旗風。」詩一開頭，就象迅速移動的電影鏡頭，掠過南國大地：遼闊的千里江南，黃鶯在歡樂地歌唱，叢叢綠樹映著簇簇紅花；傍水的村莊、依山的城郭、迎風招展的酒旗，一一在望。迷人的江南，經過詩人生花妙筆的點染，顯得更加令人心旌搖盪了。搖盪的原因，除了景物的繁麗外，恐怕還由於這種繁麗，不同於某處園林名勝，僅僅局限於一個角落，而是由於這種繁麗是鋪展在大塊土地上的。因此，開頭如果沒有「千里」二字，這兩句就要減色了。但是，明代楊慎在《升庵詩話》中說：「千里鶯啼，誰人聽得？千里綠映紅，誰人見得？若作十里，則鶯啼綠紅之景，村郭、樓台、僧寺、酒旗，皆在其中矣。」對於這種意見，何文煥在《歷代詩話考索》中曾駁斥道：「即作十里，亦未必盡聽得著，看得見。題雲《江南春》，江南方廣千里，千里之中，鶯啼而綠映焉，水村山郭無處無酒旗，四百八十寺樓台多在煙雨中也。此詩之意既廣，不得專指一處，故總而命曰《江南春》……」何文煥的說法是對的，這是出於文學藝術典型概括的需要。同樣的道理也適用於後兩句。「南朝四百八十寺，多少樓台煙雨中。」從前兩句看，鶯鳥啼鳴，紅綠相映，酒旗招展，應該是晴天的景象，但這兩句明明寫到煙雨，是怎麼回事呢？這是因為千里范圍內，各處陰晴不同，也是完全可以理解的。不過，還需要看到的是，詩人運用了典型化的手法，把握住了江南景物的特徵。江南特點是山重水復，柳暗花明，色調錯綜，層次豐富而有立體感。詩人在縮千里於尺幅的同時，著重表現了江南春天掩映相襯、豐富多彩的美麗景色。詩的前兩句，有紅綠色彩的映襯，有山水的映襯，村莊和城郭的映襯，有動靜的映襯，有聲色的映襯。但光是這些，似乎還不夠豐富，還只描繪出江南春景明朗的一面。所以詩人又加上精彩的一筆：「南朝四百八十寺，多少樓台煙雨中。」金碧輝煌、屋宇重重的佛寺，本來就給人一種深邃的感覺，現在詩人又特意讓它出沒掩映於迷濛的煙雨之中，這就更增加了一種朦朧迷離的色彩。這樣的畫面和色調，與「千里鶯啼綠映紅，水村山郭酒旗風」的明朗絢麗相映，就使得這幅「江南春」的圖畫變得更加豐富多彩。「南朝」二字更給這幅畫面增添悠遠的歷史色彩。「四百八十」是唐人強調數量之多的一種說法。詩人先強調建築宏麗的佛寺非止一處，然後再接以「多少樓台煙雨中」這樣的唱嘆，就特別引人遐想。

這首詩表現了詩人對江南景物的贊美與神往。但有的研究者提出了「諷刺說」，認為南朝皇帝在中國歷史上是以佞佛著名的，杜牧的時代佛教也是惡性發展，而杜牧又有反佛思想，因之末二句是諷刺。其實，解詩首先應該從藝術形象出發，而不應該作抽象的推論。杜牧反對佛教，並不等於對歷史上遺留下來的佛寺建築也一定討厭。他在宣州，常常去開元寺等處遊玩。在池州也到過一些寺廟，還和僧人交過朋友。著名的詩句，象「九華山路雲遮寺，青弋江邊柳拂橋」，「秋山春雨閑吟處，倚遍江南寺寺樓」，都說明他對佛寺樓台還是欣賞流連的。當然，在欣賞的同時，偶而浮起那麼一點歷史感慨也是可能的。

B. 如何認識"一股獨大"問題

http://blog.sina.com.cn/u/1233721385

「一股獨大」一般指在上市公司股本結構中，某個股東能夠絕對控制公司運作。包括：占據51%以上的絕對控股份額；不佔絕對控股地位，只是相對於其它股東股權比例高(Shleifer & Vishny界定為20%)，但其它股東持股分散，而且聯合困難，使該股東仍然可以控制公司運作。
隨著ST猴王、ST幸福、大慶聯誼、濟南輕騎、春都、棱光實業等上市公司控股大股東利用關聯交易，拖欠上市公司巨額資金，侵佔上市公司利益的現象觸目驚心，上市公司國有股或國有法人股「一股獨大」的現象已成為人們關注的焦點。人們普遍認為，「一股獨大」導致第一大股東幾乎完全支配了公司董事會和監事會，形成一言堂，日常經營中一手遮天，產生造假、不分配、肆意侵吞上市公司資產等漠視投資者利益的行為。「一股獨大」是上市公司法人治理結構不平衡、不徹底、不完善的主要根源，也是我國證券市場資源配置效率低下等諸多弊端的源頭。
不少學者和人士對此憂心忡忡，有些人士舉證說，「在西方更為成熟的證券市場，很多大公司都是無人控股的，股權結構相當分散。西方國家的控股股東一般是相對控股，持股比例一般也不超過30%。」「美國上市公司最大的股東也不過擁有1%的股份，如果有誰擁有某一家上市公司1%的股票，就已經是大股東了，而且是相當大的大股東，大股東欺負小股東這種現象很少存在。」甚至說「美國公司之所以為全球最具活力和競爭力群體的一大因素，在於他們的股權結構具有足夠引起股東之間權力均衡的高度分散化所形成的合理的股權結構。」「企業上市後，股權結構仍然維持一股獨大狀態，會引發一系列影響企業優質、快速發展的問題。」
此外，隨著民營背景上市公司不斷增多，民營企業創始人「一股獨大」現象日益突出。2001年2月以來，已有4家家族持股高達50%～70%的企業上市。康美葯業家族持股66.38%，以2001年6月13日收盤價計算，市值20多億元；廣東榕泰67.19%，市值37億元；用友軟體大股東王文京直接持股比例為55.2%，市值40多億元，間接持股比例為75%；太太葯業大股東朱保國及其家族持股比例高達74.18%，市值82億元；潘廣通父子也持有天通股份24.9%的股份……。人們驚嘆這些創始人的「一夜暴富」。未來創業板上市公司中，類似的家族或民營創始人一股獨大的股權結構將大量出現。由於亞洲金融危機，家族控股的上市公司所產生的公司治理問題應引起高度重視。不少人士因此認為，民企上市公司「一股獨大」所引起的後果在某種意義上可能比國企上市公司更為嚴重。甚至提出「在通過資本市場選擇並扶植民營上市企業時，在審核中盡量挑選那些已順利完成民營企業發展初級階段，私人或家族控股比例不超過20%的民營公司。」
有人認為，股權結構優化是改善公司治理結構的前提條件。特別是近期Claessens、Djankov等1999年的一項關於亞洲地區家族通過復雜的金字塔股權結構控制上市公司、剝削小股東的大樣本實證研究報告受到國內證券監管部門的高度評價。在中國，也有相當一部分人認為，中國上市公司國有股「一股獨大」已經給中國上市公司脆弱的治理結構帶來種種弊端和負面影響，成為公司治理結構改革所要面對的核心問題。限制一股獨大，提倡減持國有股，使投資主體多元化和公司股權分散化，打破國有股或民營股一股獨大格局的呼聲甚高。
國外上市公司一股獨大鳳毛麟角？一股獨大是否公司治理有效的天敵，或者說完善公司治理是否一定要強制股權多元化？能夠找到合理的股權結構嗎？
股權結構與公司治理
1．一股獨大並非中國特有
考察國外成熟股票市場上市公司股權結構變化可以看到：一股獨大並非中國特有。上市後，風險投資短期內出售股份套現退出，導致股權分散，更凸現創始人一股獨大。例如，微軟上市時，蓋茨持股45%，另一位創始人Allen持股15%，蓋茨一股獨大。一般來說，企業上市後的相當長時期內，創始人在公司股權結構中所佔的比例都相當高。Hoderness和Sheehan(1988)發現，美國依然有相當多的上市公司最大股東持股份比例超過51%。Djankov、Mcliesh 等2001年對全球97個國家傳媒產業公司股權結構研究表明，在西方出版、傳媒上市公司中，家族仍然絕對控股。
股權分散是一個長期的歷史演變過程，往往上市後數十年，經過不斷增發新股和並購交易，才會出現創始人家族股權比例低和股權分散的格局，例如，蓋茨至今還持有微軟23.7%股份。隨著股票市場公司控制功能有效性的提高，包括收購控制權的職業投資者和金融技術，例如，LBO，過度分散股權結構會重新增加集中度,呈現集中、分散和集中的循環。
2．股權結構的法律意義與價值驅動意義
需要區別股權結構的法律意義與企業價值驅動意義。股權結構的法律意義表現為表決權分配，從企業價值驅動意義角度看，上市公司股東包括實業經營－價值創造型股東和價值評估型股東，前者對公司價值驅動貢獻甚大。實際上，西方資本市場投資者希望價值驅動力量強的創始人持絕對控股地位，甚至在合約中設定價值驅動型股東持股比例的低限，限制創始人減持股份。例如，美林證券在投資深圳太太葯業公司時，在合約中要求創始人朱保國家族的控股比例不能低於50%。
股權結構價值驅動意義上的分散是公司在產品市場競爭、資本市場評價和控制權市場環境下，為保持和增強競爭優勢，實現持續經營而進行的一種市場化選擇和商業運作手段，很難也不應該人為規定股權結構。例如，著名房地產開發商萬科深感土地儲備對房地產商持續發展和競爭的重要性，為獲得戰略資源，主動選擇華潤，替換和改組大股東結構。樂凱與富士和柯達的合資談判，旨在引入具有R&D能力的股東，因為樂凱屬於技術開發支持競爭優勢的企業，目前最稀缺的不僅僅是股權資金，更重要的是研發能力。上市融資並不能迅速有效地增強研發能力。股權結構合理化說法含糊，實踐中不存在法律和價值驅動意義上的最優或合理的股權比例結構。股權多元化既不是形成有效的公司治理的目的，也不是公司治理有效的手段或必要前提。公司很少純粹為了完善公司治理而進行股權多元化。
3．股權多元化與公司治理
主張股權多元化者假設多元化股權能夠形成股東民主主義，有助於對公司管理層和大股東進行制衡，減少和防止管理層浪費自由現金流的管理決策行為。但實際上，多元化股權結構中的機構投資者本身存在治理問題。近年來的實證研究表明，價值評估型的金融資本大股東，例如，機構投資者並不是天然的公司治理積極參與者，搭便車現象使單一外部股東缺乏公司治理積極性。他們自身也會進行參與治理的成本和效益分析，在流動變現－用腳投票和積極參與治理－用手投票之間存在機會主義決擇。例如，日本和德國銀行在非金融上市公司中持股和積極參與治理的模式曾被認為是有效的治理模式。但Prowse(1995)等學者研究表明，日本和德國的銀行對所投資的上市公司關注並不多，公司治理作用並不象以往實證研究結果所說的那樣顯著。國內不少上市公司前10名股東為證券投資基金，但在近年來發生的幾起控制權並購案，例如勝利股份、方正科技等，證券投資基金旗幟並不鮮明。
西方股票市場恰恰認為股權結構分散導致公司內部治理和控制系統失效，產生的管理層內部人控制問題(Jensen[1989])，即形成強管理人、弱股東的格局 (Roe[1994])。因此，除了增強管理層激勵外，主張將上市公司股權集中於少數股東，形成一股獨大的股權結構，增強大股東積極參與公司治理、限制管理層私人利益行為的經濟動力，解決外部分散的股東在公司治理方面的激勵和能力不足問題。
4．股權結構與經營業績和企業價值的相關分析問題
目前，有若干分析報告試圖通過統計分析說明國有股比重大對經營業績會計指標的負面影響。但迄今為止，國際上公司財務學術界關於股權結構對經營業績和企業價值的影響並無明確一致的實證結果。例如，Demsets 和 Lehn (1985)發現，股權集中度與企業經營業績財務指標(ROE)並無顯著相關關系。McConnell和Servaes(1990)發現，公司價值與股權結構之間具有非線性的函數關系。在控股股東控股比例小於40%時，公司托賓Q值隨控股比例的增大而增大；當控股比例達到40%-50%時，公司托賓Q值開始下降。簡單的統計回歸分析結果難以斷定國有股一股獨大對經營業績的負面效果。實際上，另有不同樣本的實證研究結果得出了不同的結果，即第一大股東國有或法人性質及其持股比例與上市公司經營業績和企業價值的關系並不顯著。例如，朱武祥 張帆(2000)對1994－1996年期間在上海和深圳證券交易所上市的217家A股公司的研究表明，第一大股東持股比例高低對上市前1年到上市後4年期間的總資產利息稅前收益率、凈資產稅前收益率和主營業務利潤率等業績指標中位數變化差異影響並不顯著。另外，朱武祥 宋勇(2001)以家電行業上市公司為樣本，發現家電行業上市公司股權結構與企業價值並無顯著關系。從個案角度看，不同股權集中度結構均有優質和劣質上市公司。例如，家電行業國有股控股、法人股控股、流通股比例超過非流通股的三類股權集中度結構中，分別有四川長虹、青島海爾、奧美的等名牌優質企業，也分別有ST黃河科技、ST雙鹿電器和第一家退市的水仙電器等劣質企業。不少股權分散，不是國有股一股獨大的上市公司，例如，鄭百文第一大股東只有14%，但公司治理問題並不比一股獨大的國有控股上市公司好。此外，國有控股的境外上市公司同樣一股獨大，但其投資、關聯交易和紅利分配行為比國內A股公司規范得多。
上證所研究中心2000年上市公司治理調查報告顯示，國內上市公司內部治理特徵相似，普遍是關鍵人控制模式，關鍵人往往是控股股東代表、公司最高級管理人員，大權獨攬。法人治理結構基本上有名無實，形同虛設。而且，國內上市公司多元、分散發起人股權結構的形成機制並非國外商業性選擇，而是原企業迎合股份有限公司設立要求，將客戶、供應商和下屬關聯企業拉入股份公司，甚至強制加盟，形成名義上多元、分散的法人持股結構，實際上為第1大股東控制的控股結構。例如，勝利股份1999年末10大股東中，除兩家投資基金外，其他大股東都直接或間接為勝利體系成員。因此，盡管勝利股份第一大股東持股僅為24%，但實際上「勝利體系」所控制的股權要遠遠高於此比例。因此，僅僅以上市公司名義上的股權比例來說明股權結構與經營業績的相關關系是不可靠的。
與股權分散一樣，「一股獨大」確實存在弊端，也能使上市公司內部治理系統失效。Shleifer和Vishny(1997)認為，「當大股東(不管是價值創造者股東，還是價值評估型的金融資本投資者)股權比例超過某一點，基本上能夠充分控制公司決策時，大股東可能更傾向利用企業獲取外部少數股東不能分享的私人利益。」實證研究表明，不管在發達國家還是發展中或者轉軌經濟國家，一旦上市公司大股東處於絕對控股地位，他們可以通過其它途徑獲取內部私人收益，例如，支付特殊紅利，進行關聯交易，或者通過合理利用會計准則的缺陷進行利潤管理，獲得內部控制利益，從而剝削中小股東。這表明一股獨大或股權高度集中的治理模式與股權分散一樣，都容易導致內部人控制，具有較高的社會成本。

政策意義
一股獨大本身並不是公司治理問題嚴重的惡源，股權分散和多元化並不能有效解決一股獨大引起的公司治理問題，同時會產生其它問題，例如，形成股權分散條件下的內部人控制格局，降低了大股東對公司價值驅動的激勵，增加了股東協調成本。不能因目前上市公司出現的大股東不規范甚至惡意行為而矯枉過正，簡單人為地強制股權分散或多元化打破一股獨大。關鍵是通過完善上市公司行為規范的法制硬約束環境，以及形成強大的對上市公司大股東、董事會和管理層及其相關中介機構行為公開評價和迅速採取行動的外部監控和威懾環境。包括：
1． 加強對上市公司及其相關中介機構行為規范的法律制度硬環境建設，增強監管的有效性。
例如，針對國內企業上市重組時不可避免的關聯交易格局設置規則。包括信息披露、對上市公司及中介機構的監管、公開評價和追究懲罰制度，增加大股東和管理層行為的透明度，形成上市公司大股東、中介機構守規行為的職業操守氛圍。針對一股獨大已經和可能形成的損害外部股東利益的行為，制定明確的行為規則。例如，由於國有企業資產存量特徵，上市重組後，關聯交易難以避免。可以通過界定關聯程度(嚴重關聯、輕度關聯與一般關聯)，分別採用不同規則來處理。例如，隨著獨立董事制度的實施，由獨立董事進行重大交易的程序監督。要求關聯交易價格按市場價格披露，資產置換估價由獨立董事聘請有資格的評估事務所來評估。對於大股東可能作出的對自己有利的投資或融資行為，可以通過提高對某些特定投資項目表決權的有效比例來規避，比如表決要徵得流通股一半以上股東同意，而不是簡單採取大股東迴避制度，形成讓小股東決定大股東命運的情形。針對上市公司隨意改變募集資金投向等行為，業內人士提出募集資金專戶管理的對策。
另外，特別需要加強對中介機構的公開評價和行為結果公布，使中介機構重視聲譽和品牌。國有控股的境外上市公司在並購、關聯交易等行為方面之所以相對規范，與關注聲譽的著名會計、法律中介機構盡職有關。
2．對家族或民營企業，改變公司業務重組規則。
西方家族企業上市時，股權結構比較簡單。例如，微軟公司的控股股東並不是微軟集團，戴爾的控股股東也不是戴爾集團，而是蓋茨和戴爾本人。亞洲地區的家族或民營企業往往業務多元化，容易形成家族集團控股、金字塔或相互持股循環的復雜的上市公司股權結構。因此，國內民營企業上市重組時，盡可能要求形成簡單的股權關系和結構，規避循環、多層的復雜股權關系，而不是簡單地限制家族股份比例。
3． 增強股票市場對上市公司治理質量的專業化評價能力和水平
眾所周知，在日益發達和競爭的傳媒業，傳媒刊載的評價顯著影響公眾對人物、事件的評價觀點。競爭性的商業化、專業化的職業咨詢評價機構不斷推出的業績、公司戰略和公司治理質量評價方法、專著和業界的咨詢實踐成果，通過權威媒體公布對上市公司治理產生評價影響。1995年，公司治理職業投資家Monks通過評估，認為Sears公司的業務戰略使股東價值貶值，應該重組。但他採用表決權徵集方式收購Sears公司股東表決權失敗。為此，Monks在《華爾街日報》整版刊登其對Sears公司董事會成員的評價結果，列出那些他稱為非業績資產的董事名單。Sears公司董事會深感難堪，產生巨大社會公眾評價壓力，最後接受了Monks提出的業務重組和董事會改革建議。
因此，不管什麼樣的股權結構，均應置身於股票市場評價之中。包括投資分析人士的投資分析、新聞媒體對大股東不當行為的詳細和深入報導，使上市公司在產品市場競爭和資本市場評價壓力中從企業價值驅動角度設計和動態選擇股權結構。

C. 借勢營銷專題：如何做熱點營銷

1、可以預見的熱點，
2、就是你沒有辦法預計的，突發事件的營銷
二、找到了熱點，你以為就萬事俱備了嗎？錯了。你才畫了張圖，離完工遠著呢。第二步我們要知道哪些熱點營銷，我們是要提前准備的，那些熱點營銷我們是要臨時做的，他們各自的目的在哪裡？

這個想起來似乎非常簡單，

1、需要提前計劃的，就是那些可以預見的熱點。雖然看起來很簡單，但是我想說沒那麼簡單，要知道我們利用這個熱點來做營銷的目的性非常強。

你是營銷產品的，這個熱點營銷的目的，就是要實打實的賣出產品的；

你是做自媒體的，那麼你這個熱點營銷，就要能看到真實的粉絲增長。

正是由於這種「可預見」的屬性使然，所有每一步我們都要做好周詳的計劃。
你要先知道你做這件事情的目的

（1）、首先要設定好轉化的渠道

你是准備通過熱點營銷，將客戶引導到線下，在通過線下的活動引導到店鋪進行消費。
我們在做可預見的熱點營銷之前，你一定要先仔細的考慮清楚，你到底要通過什麼的關聯方式來營銷；中間要通過幾層轉化；只有思考清楚這個問題，你才知道你要怎麼做？
熱點營銷，一步步的規劃不可少

（2）、其次就是你要明白你做這個熱點營銷的定位人群
如果你的客戶是喜歡運動的年輕人，那麼你的熱點營銷的設計，也應該是圍繞著他們愛運動，這個話題去研究的。

再比如說你的客戶是想給自己學習充電的職場人，然後你做的營銷是美食類的，那麼你的營銷就是無效的。

每次營銷，都要思考這是不是用戶關注的事情

（3）、設立好一個明確的時間表，要知道很多成功的營銷都是慢熱的

什麼時候在微信開始宣傳，什麼時候上廣告，廣告怎麼投放，通過哪些平台，預算多少，活動的優惠什麼時候上線，線下的准備工作要什麼時候到位，產品的預期銷量是多少，產品的儲備，這些都需要一個系統的時間表來指導你，讓你一步步的將你的想法變成現實
2、至於那些臨時的熱點，自然都是不需要提前計劃的或者說計劃周期極短的臨時事件

這些臨時熱點的營銷，由於具有突發性，更注重的是為自家的公眾號帶來粉絲。通過公眾號的營銷，成為潛在客戶。這就是突發熱點營銷的唯一目的，他最重視的就是文章的質量和目標人群的劃定。
短時間的熱點營銷，文章的質量決定了一切

三、找到了方法和操作，我們再來談談怎麼做才能，真正的做好熱點營銷

其實我們都知道現在談到任何營銷都必須注意的一個公司：「吸引眼球+情感說服=購買行為」。

如何才能吸引眼球呢？不同的商家擁有不一樣的玩法。

D. 金士力股票代碼是什麼

「金士力」為金士力佳友有限公司的保健品品牌。沒有上市。
天士力醫葯集團股份有限公司是天士力控股集團的核心企業，是我國中葯現代化的標志性企業，於2002年8月在上海證券交易所掛牌上市（600535）。下面有很多公司
摘錄一份2013年6月的天士力集團的主要子公司情況如下（不包括上市公司）
1）江蘇天士力帝益葯業有限公司主要經營業務為化學葯的生產及銷售。蒂清(替莫唑胺膠囊）是公司經過7年研製成的國家二類新葯,是目前國內唯一治療腦膠質瘤的口服膠囊制劑,針對性強、特異性高, 在體內不需經過肝臟代謝即可分解為葯物活性物質,口服後迅速吸收,具有100%的生物利用度及廣譜的抗腫瘤活性,同時價格遠遠低於國外同類產品,年銷售收入呈現30%的增長。公司前期投入的化學葯注射用鹽酸地爾硫卓已獲得生產批文,盡管地爾硫卓產品生產廠家眾多,競爭較為激烈,但作為心律失常主力葯品仍有較大的市場空間;另外公司的丹酚酸B產品已通過技術審評,上市准備工作取得順利進展。日前以14.5億元現金收購100%股權。
2） 天津天士力聖特製葯有限公司 集團控股100%。主要為緩控釋新型葯物制劑的開發和生產，產品為西替利嗪緩釋片、甲磺酸氨氯地平片等片劑產品和加巴噴丁緩釋膠囊、奧美拉唑膠囊等膠囊劑，年生產能力21.15億粒，產品全部出口。集團投資額為743萬美元。2010年虧損2272萬元。日前已按凈資產383萬收購100%股權。
3）天津貝特葯業有限公司 集團控股100%。主要為醫葯技術的開發。2011年虧損103萬元。
4）天津天士力健康醫療器械有限公司 集團控股40%。主要為醫療器械的開發與生產。2011年虧損186萬元。
5）江蘇天士力貝特製葯有限公司 1997年成立，集團控股95%。主要生產三、四類新葯有：血脂調節葯物阿貝他（苯扎貝特片）、肝病治療葯物水林佳（水飛薊賓膠囊）、治療失眠中葯制劑蘿藤安神片。目前為微利狀態。
6）河南普新生物工程有限公司 集團公司3家生物公司為上海天士力葯業有限公司（上市公司全資子公司）、天士力金納生物技術(天津)有限公司（上市公司控股55%）及河南普新生物工程有限公司。普新生物已涉足基因工程葯物和疫苗等領域,目前看尚處於起步階段。主要產品為疫苗(人用狂犬病疫苗(地鼠腎細胞) 人用狂犬病疫苗(Vero細胞)、凍幹人用狂犬病疫苗(地鼠腎細胞)的生產。是2009年集團公司收購河南省疾病預防控制中心的，普新生物的主打產品地鼠腎細胞狂犬疫苗在質量上處於國內領先地位,公司將藉助自身的品牌優勢,並將通過增加產能、降低成本等方式,將該產品大力推向市場。目前為微虧狀態。
7）天津天士力百樂量子生物科技有限公司 集團控股99%。主要從研究與生產醫學外用塗敷劑產品，其產品是改變人類用葯途徑，針對避免傳統醫葯對人體的不良反應現象，給予一種全新的治療思路。主要是對高血壓、失眠、前列腺、減肥、抗衰老、性功能調節、抗過敏、止疼、排毒養顏、抑鬱症等多種外用塗敷劑。業務尚為起步階段，目前微利狀態。
8）天士力高品制劑有限公司 主要產品：出口仿製化學葯。與英國公司合作。
9）貴州金士酒業 主要產品：國台酒。
10）天士力帝普洱銷售有限公司 主要產品：「帝普洱」普洱茶。
11）金士力佳友有限公司 主要產品：日化。
12）上海天士力我立得醫院 主要服務：微創脊柱手術。
13）世紀國熙生物醫葯研發有限公司 主要NKM細胞治療。

E. 什麼叫股票交叉盤直盤

一，直接盤中，往往按習慣分為歐洲貨幣與非歐洲貨幣，這兩大類的走勢亦不相同。
1，非歐洲貨幣。其中的代表是美元/日元，美元/日元在120以上時，操作起來較為容易，而在120以下時，操作價值就較小，其原因就是日本政府的干預。當操作要*猜測日本政府的意圖時，還有什麼意思呢？明明看起來應該是跌，但由於日本政府的干預又長期跌不下去。而且由於不知道日本政府的干預規模，止損也不好放。若放止損，擔心干預時被打上；不放止損，又擔心什麼時候走勢反轉。如果沒有其他選擇也就罷了，有其他好的選擇，為什麼還要抱住美元/日元不放呢？
2，
A， 瑞郎/美元是上面提到的各幣種中走勢最規律的一種。換句話說，瑞郎的走勢是最容易運用技術分析手段來判斷的。K線理論，形態理論，波浪理論等現存技術分析手段在分析瑞郎走勢時，比分析其他幣種應驗的幾率要大。但美元/瑞郎在操作上的具體問題是點值相對較小，波動相對較大，止損要放得大一些。因此，建議在有盈利，心理承受能力較強的情況下再考慮參與美元/瑞郎的交易。
B，歐元/美元是筆者偏愛的幣種。之所以偏愛歐元/美元，有這樣幾點理由：一是歐元的走勢基本上和瑞郎相反，也較有規律，運用技術分析手段較易判斷。而且在判斷歐元走勢時，可參照美元指數，瑞郎等的走勢，參照物較多，失誤率相對就較小。二是點值較大，波動相對瑞郎，英鎊來說較小，容易設置止損。三是干預的因素很少，易於自我判斷。因此，筆者認為進行外匯保證金交易，歐元/美元是較易入手的幣種。
C，英鎊/美元在大勢走向上與歐元基本相同，但由於貨幣流通量較歐元小，波動相對就較大，特別是當日上下波動較大，設置止損難度也就較大。但一旦判斷正確，盈利也較其他幣種可觀。因此筆者認為應在積累一定經驗和盈利的情況下，再開始英鎊/美元的交易。
二，交叉盤。其中的代表是英鎊/日元和歐元/日元。這兩個幣種也是很多在日公司的主交易幣種。
依筆者個人的看法，對於經驗不是很豐富的外匯投資者來說，根本就不應該考慮去碰交叉盤。理由如下：

一是交叉盤的波動，現存的各種技術分析手段在判斷交叉盤的走勢，在判斷交叉盤的走勢時，很大程度上要依靠判斷其他相關兩個幣種的走勢。比如在判斷英鎊/日元的走勢時，先要判斷清楚美元/日元和英鎊/美元的走勢，這樣的話，難度就等於加大了若干倍。如果真能判斷清楚其他兩個幣種的走勢，何必不直接交易那兩個幣種呢？

二是當日波動幅度過大，交叉盤當日波動200點是很平常的事。最近一段時間，英鎊/日元當日波動超過400點的時候就有數次。很少有外匯投資者能夠承受放置200點以上的止損。很多外匯投資者喜歡英鎊/日元，因為波動大。

三.是干預因素的存在。日銀在干預美元/日元時，對交叉盤的影響要大於直接盤。而且有時日銀也直接干預歐元/日元的匯率。

F. 醫療類股票暴漲，背後的原因是什麼

疫情防控還在進行。國外疫情還沒有完全過去。

疫情的爆發短期內會對股票市場形成沖擊(宏觀經濟因此受到影響)，短期內對交運，社會服務等消費人群聚集的行業產生情緒上的波動。然而這種短期內的影響將強化市場對逆周期操作的信心，所以全年繼續推薦高成長、高彈性、高估值的硬科技和新消費。醫療板塊是目前比較火熱的。

G. 內幕消息 九泰葯業對外公開轉賣改制 資產數億 收購成本千萬 很多不名真相職工原始股對外買賣。

背後有什麼交易吧，你們員工應該好好查查財務帳。

H. 奧美廣告公司有沒有在中國上市

問題偏遠了，奧美廣告是美國公司在美國上市。

I. 求問什麼是數據挖掘

數據挖掘相關的10個問題 NO.1 Data Mining 和統計分析有什麼不同？ 硬要去區分Data Mining和Statistics的差異其實是沒有太大意義的。一般將之定義為Data Mining技術的CART、CHAID或模糊計算等等理論方法，也都是由統計學者根據統計理論所發展衍生，換另一個角度看，Data Mining有相當大的比重是由高等統計學中的多變數分析所支撐。但是為什麼Data Mining的出現會引發各領域的廣泛注意呢？主要原因在相較於傳統統計分析而言，Data Mining有下列幾項特性： 1.處理大量實際數據更強勢，且無須太專業的統計背景去使用Data Mining的工具； 2.數據分析趨勢為從大型資料庫抓取所需數據並使用專屬計算機分析軟體，Data Mining的工具更符合企業需求； 3. 純就理論的基礎點來看，Data Mining和統計分析有應用上的差別，畢竟Data Mining目的是方便企業終端用戶使用而非給統計學家檢測用的。 NO.2 Data Warehousing 和 Data Mining 的關系為何？ 若將Data Warehousing（數據倉庫）比喻作礦坑，Data Mining就是深入礦坑采礦的工作。畢竟Data Mining不是一種無中生有的魔術，也不是點石成金的煉金術，若沒有夠豐富完整的數據，是很難期待Data Mining能挖掘出什麼有意義的信息的。 要將龐大的數據轉換成為有用的信息，必須先有效率地收集信息。隨著科技的進步，功能完善的資料庫系統就成了最好的收集數據的工具。數據倉庫，簡單地說，就是搜集來自其它系統的有用數據，存放在一整合的儲存區內。所以其實就是一個經過處理整合，且容量特別大的關系型資料庫，用以儲存決策支持系統（Design Support System）所需的數據，供決策支持或數據分析使用。從信息技術的角度來看，數據倉庫的目標是在組織中，在正確的時間，將正確的數據交給正確的人。 許多人對於Data Warehousing和Data Mining時常混淆，不知如何分辨。其實，數據倉庫是資料庫技術的一個新主題，利用計算機系統幫助我們操作、計算和思考，讓作業方式改變，決策方式也跟著改變。 數據倉庫本身是一個非常大的資料庫，它儲存著由組織作業資料庫中整合而來的數據，特別是指事務處理系統OLTP（On-Line Transactional Processing）所得來的數據。將這些整合過的數據置放於數據昂哭中，而公司的決策者則利用這些數據作決策；但是，這個轉換及整合數據的過程，是建立一個數據倉庫最大的挑戰。因為將作業中的數據轉換成有用的的策略性信息是整個數據倉庫的重點。綜上所述，數據倉庫應該具有這些數據：整合性數據（integrated data）、詳細和匯總性的數據(detailed and summarized data)、歷史數據、解釋數據的數據。從數據倉庫挖掘出對決策有用的信息與知識，是建立數據倉庫與使用Data Mining的最大目的，兩者的本質與過程是兩回事。換句話說，數據倉庫應先行建立完成，Data mining才能有效率的進行，因為數據倉庫本身所含數據是干凈(不會有錯誤的數據參雜其中)、完備，且經過整合的。因此兩者關系或許可解讀為Data Mining是從巨大數據倉庫中找出有用信息的一種過程與技術。 NO.3 OLAP 能不能代替 Data Mining？ 所謂OLAP（Online Analytical Process）意指由資料庫所連結出來的在線分析處理程序。有些人會說：「我已經有OLAP的工具了，所以我不需要Data Mining。」事實上兩者間是截然不同的，主要差異在於Data Mining用在產生假設，OLAP則用於查證假設。簡單來說，OLAP是由使用者所主導，使用者先有一些假設，然後利用OLAP來查證假設是否成立；而Data Mining則是用來幫助使用者產生假設。所以在使用OLAP或其它Query的工具時，使用者是自己在做探索（Exploration），但Data Mining是用工具在幫助做探索。 舉個例子來看，一市場分析師在為超市規劃貨品架櫃擺設時，可能會先假設嬰兒尿布和嬰兒奶粉會是常被一起購買的產品，接著便可利用OLAP的工具去驗證此假設是否為真，又成立的證據有多明顯；但Data Mining則不然，執行Data Mining的人將龐大的結帳數據整理後，並不需要假設或期待可能的結果，透過Mining技術可找出存在於數據中的潛在規則，於是我們可能得到例如尿布和啤酒常被同時購買的意料外之發現，這是OLAP所做不到的。 Data Mining常能挖掘出超越歸納范圍的關系，但OLAP僅能利用人工查詢及可視化的報表來確認某些關系，是以Data Mining此種自動找出甚至不會被懷疑過的數據模型與關系的特性，事實上已超越了我們經驗、教育、想像力的限制，OLAP可以和Data Mining互補，但這項特性是Data Mining無法被OLAP取代的。 NO.4 完整的Data Mining 包含哪些步驟？ 以下提供一個Data Mining的進行步驟以為參考： 1. 理解業務與理解數據； 2. 獲取相關技術與知識； 3. 整合與查詢數據； 4. 去除錯誤或不一致及不完整的數據； 5. 由數據選取樣本先行試驗； 6. 建立數據模型 7. 實際Data Mining的分析工作； 8. 測試與檢驗； 9. 找出假設並提出解釋； 10. 持續應用於企業流程中。 由上述步驟可看出，Data Mining牽涉了大量的准備工作與規劃過程，事實上許多專家皆認為整套Data Mining的進行有80﹪的時間精力是花費在數據前置作業階段，其中包含數據的凈化與格式轉換甚或表格的連結。由此可知Data Mining只是信息挖掘過程中的一個步驟而已，在進行此步驟前還有許多的工作要先完成。 NO.5 Data Mining 運用了哪些理論與技術？ Data Mining是近年來資料庫應用技術中相當熱門的議題，看似神奇、聽來時髦，實際上卻也不是什麼新東西，因其所用之諸如預測模型、數據分割，連結分析（Link Analysis）、偏差偵測（Deviation Detection）等，美國早在二次世界大戰前就已應用運用在人口普查及軍事等方面。 隨著信息科技超乎想像的進展，許多新的計算機分析工具問世，例如關系型資料庫、模糊計算理論、基因演算法則以及類神經網路等，使得從數據中發掘寶藏成為一種系統性且可實行的程序。 一般而言，Data Mining的理論技術可分為傳統技術與改良技術兩支。 傳統技術以統計分析為代表，統計學內所含序列統計、概率論、回歸分析、類別數據分析等都屬於傳統數據挖掘技術，尤其 Data Mining 對象多為變數繁多且樣本數龐大的數據，是以高等統計學里所含括之多變數分析中用來精簡變數的因素分析（Factor Analysis）、用來分類的判別分析（Discriminant Analysis），以及用來區隔群體的分群分析（Cluster Analysis）等，在Data Mining過程中特別常用。 在改良技術方面，應用較普遍的有決策樹理論（Decision Trees）、類神經網路（Neural Network）以及規則歸納法（Rules Inction）等。決策樹是一種用樹枝狀展現數據受各變數的影響情形之預測模型，根據對目標變數產生之效應的不同而建構分類的規則，一般多運用在對客戶數據的分析上，例如針對有回函與未回含的郵寄對象找出影響其分類結果的變數組合，常用分類方法為CART（Classification and Regression Trees）及CHAID（Chi-Square Automatic Interaction Detector）兩種。 類神經網路是一種模擬人腦思考結構的數據分析模式，由輸入之變數與數值中自我學習並根據學習經驗所得之知識不斷調整參數以期建構數據的型樣(patterns)。類神經網路為非線性的設計，與傳統回歸分析相比，好處是在進行分析時無須限定模式，特別當數據變數間存有交互效應時可自動偵測出；缺點則在於其分析過程為一黑盒子，故常無法以可讀之模型格式展現，每階段的加權與轉換亦不明確，是故類神經網路多利用於數據屬於高度非線性且帶有相當程度的變數交感效應時。 規則歸納法是知識發掘的領域中最常用的格式，這是一種由一連串的「如果…/則…（If / Then）」之邏輯規則對數據進行細分的技術，在實際運用時如何界定規則為有效是最大的問題，通常需先將數據中發生數太少的項目先剔除，以避免產生無意義的邏輯規則。 NO.6 Data Mining包含哪些主要功能？ Data Mining實際應用功能可分為三大類六分項來說明：Classification和Clustering屬於分類區隔類；Regression和Time-series屬於推算預測類；Association和Sequence則屬於序列規則類。 Classification是根據一些變數的數值做計算，再依照結果作分類。（計算的結果最後會被分類為幾個少數的離散數值，例如將一組數據分為 "可能會響應" 或是 "可能不會響應" 兩類）。Classification常被用來處理如前所述之郵寄對象篩選的問題。我們會用一些根據歷史經驗已經分類好的數據來研究它們的特徵，然後再根據這些特徵對其他未經分類或是新的數據做預測。這些我們用來尋找特徵的已分類數據可能是來自我們的現有的客戶數據，或是將一個完整資料庫做部份取樣，再經由實際的運作來測試；譬如利用一個大型郵寄對象資料庫的部份取樣來建立一個Classification Model，再利用這個Model來對資料庫的其它數據或是新的數據作分類預測。 Clustering用在將數據分群，其目的在於將群間的差異找出來，同時也將群內成員的相似性找出來。Clustering與Classification不同的是，在分析前並不知道會以何種方式或根據來分類。所以必須要配合專業領域知識來解讀這些分群的意義。 Regression是使用一系列的現有數值來預測一個連續數值的可能值。若將范圍擴大亦可利用Logistic Regression來預測類別變數，特別在廣泛運用現代分析技術如類神經網路或決策樹理論等分析工具，推估預測的模式已不在止於傳統線性的局限，在預測的功能上大大增加了選擇工具的彈性與應用范圍的廣度。 Time-Series Forecasting與Regression功能類似，只是它是用現有的數值來預測未來的數值。兩者最大差異在於Time-Series所分析的數值都與時間有關。Time-Series Forecasting的工具可以處理有關時間的一些特性，譬如時間的周期性、階層性、季節性以及其它的一些特別因素（如過去與未來的關連性）。 Association是要找出在某一事件或是數據中會同時出現的東西。舉例而言，如果A是某一事件的一種選擇，則B也出現在該事件中的機率有多少。（例如：如果顧客買了火腿和柳橙汁，那麼這個顧客同時也會買牛奶的機率是85%。） Sequence Discovery與Association關系很密切，所不同的是Sequence Discovery中事件的相關是以時間因素來作區隔（例如：如果A股票在某一天上漲12%，而且當天股市加權指數下降，則B股票在兩天之內上漲的機率是 68%）。 NO.7 Data Mining在各領域的應用情形為何？ Data Mining在各領域的應用非常廣泛，只要該產業擁有具分析價值與需求的數據倉儲或資料庫，皆可利用Mining工具進行有目的的挖掘分析。一般較常見的應用案例多發生在零售業、直效行銷界、製造業、財務金融保險、通訊業以及醫療服務等。 於銷售數據中發掘顧客的消費習性，並可藉由交易紀錄找出顧客偏好的產品組合，其它包括找出流失顧客的特徵與推出新產品的時機點等等都是零售業常見的實例；直效行銷強調的分眾概念與資料庫行銷方式在導入Data Mining的技術後，使直效行銷的發展性更為強大，例如利用Data Mining分析顧客群之消費行為與交易紀錄，結合基本數據，並依其對品牌價值等級的高低來區隔顧客，進而達到差異化行銷的目的；製造業對Data Mining的需求多運用在品質控管方面，由製造過程中找出影響產品品質最重要的因素，以期提高作業流程的效率。 近來電話公司、信用卡公司、保險公司以及股票交易商對於詐欺行為的偵測（Fraud Detection）都很有興趣，這些行業每年因為詐欺行為而造成的損失都非常可觀，Data Mining可以從一些信用不良的客戶數據中找出相似特徵並預測可能的詐欺交易，達到減少損失的目的。財務金融業可以利用 Data Mining來分析市場動向，並預測個別公司的營運以及股價走向。Data Mining的另一個獨特的用法是在醫療業，用來預測手術、用葯、診斷、或是流程式控制制的效率。 NO.8 Web Mining 和Data Mining有什麼不同？ 如果將Web視為CRM的一個新的Channel，則Web Mining便可單純看做Data Mining應用在網路數據的泛稱。 該如何測量一個網站是否成功？哪些內容、優惠、廣告是人氣最旺的？主要訪客是哪些人？什麼原因吸引他們前來？如何從堆積如山之大量由網路所得數據中找出讓網站運作更有效率的操作因素？以上種種皆屬Web Mining 分析之范疇。Web Mining 不僅只限於一般較為人所知的log file分析，除了計算網頁瀏覽率以及訪客人次外，舉凡網路上的零售、財務服務、通訊服務、政府機關、醫療咨詢、遠距教學等等，只要由網路連結出的資料庫夠大夠完整，所有Off-Line可進行的分析，Web Mining都可以做，甚或更可整合Off-Line及On-Line的資料庫，實施更大規模的模型預測與推估，畢竟憑借網際網路的便利性與滲透力再配合網路行為的可追蹤性與高互動特質，一對一行銷的理念是最有機會在網路世界裡完全落實的。 整體而言，Web Mining具有以下特性：1. 數據收集容易且不引人注意，所謂凡走過必留下痕跡，當訪客進入網站後的一切瀏覽行為與歷程都是可以立即被紀錄的；2. 以互動式個人化服務為終極目標，除了因應不同訪客呈現專屬設計的網頁之外，不同的訪客也會有不同的服務；3. 可整合外部來源數據讓分析功能發揮地更深更廣，除了log file、cookies、會員填表數據、線上調查數據、線上交易數據等由網路直接取得的資源外，結合實體世界累積時間更久、范圍更廣的資源，將使分析的結果更准確也更深入。 利用Data Mining技術建立更深入的訪客數據剖析，並賴以架構精準的預測模式，以期呈現真正智能型個人化的網路服務，是Web Mining努力的方向。 NO.9 Data Mining 在 CRM 中扮演的角色為何？ CRM（Customer Relationship Management）是近來引起熱烈討論與高度關切的議題，尤其在直效行銷的崛起與網路的快速發展帶動下，跟不上CRM的腳步如同跟不上時代。事實上CRM並不算新發明，奧美直效行銷推動十數年的CO（Customer Ownership）就是現在大家談的CRM—客戶關系管理。 Data Mining應用在CRM的主要方式可對應在Gap Analysis之三個部分： 針對Acquisition Gap，可利用Customer Profiling找出客戶的一些共同的特徵，希望能藉此深入了解客戶，藉由Cluster Analysis對客戶進行分群後再透過Pattern Analysis預測哪些人可能成為我們的客戶，以幫助行銷人員找到正確的行銷對象，進而降低成本，也提高行銷的成功率。 針對Sales Gap，可利用Basket Analysis幫助了解客戶的產品消費模式，找出哪些產品客戶最容易一起購買，或是利用Sequence Discovery預測客戶在買了某一樣產品之後，在多久之內會買另一樣產品等等。利用 Data Mining可以更有效的決定產品組合、產品推薦、進貨量或庫存量，甚或是在店裡要如何擺設貨品等，同時也可以用來評估促銷活動的成效。 針對Retention Gap，可以由原客戶後來卻轉成競爭對手的客戶群中，分析其特徵，再根據分析結果到現有客戶數據中找出可能轉向的客戶，然後設計一些方法預防客戶流失；更有系統的做法是藉由Neural Network根據客戶的消費行為與交易紀錄對客戶忠誠度進行Scoring的排序，如此則可區隔流失率的等級進而配合不同的策略。 CRM不是設一個（080）客服專線就算了，更不僅只是把一堆客戶基本數據輸入計算機就夠，完整的CRM運作機制在相關的硬軟體系統能健全的支持之前，有太多的數據准備工作與分析需要推動。