奥美股市

A. 江南春的解释

杜牧

千里莺啼绿映红， 水村山郭酒旗风。
南朝四百八十寺， 多少楼台烟雨中。

这首《江南春》，千百年来素负盛誉。四句诗，既写出了江南春景的丰富多彩，也写出了它的广阔、深邃和迷离。

“千里莺啼绿映红，水村山郭酒旗风。”诗一开头，就象迅速移动的电影镜头，掠过南国大地：辽阔的千里江南，黄莺在欢乐地歌唱，丛丛绿树映着簇簇红花；傍水的村庄、依山的城郭、迎风招展的酒旗，一一在望。迷人的江南，经过诗人生花妙笔的点染，显得更加令人心旌摇荡了。摇荡的原因，除了景物的繁丽外，恐怕还由于这种繁丽，不同于某处园林名胜，仅仅局限于一个角落，而是由于这种繁丽是铺展在大块土地上的。因此，开头如果没有“千里”二字，这两句就要减色了。但是，明代杨慎在《升庵诗话》中说：“千里莺啼，谁人听得？千里绿映红，谁人见得？若作十里，则莺啼绿红之景，村郭、楼台、僧寺、酒旗，皆在其中矣。”对于这种意见，何文焕在《历代诗话考索》中曾驳斥道：“即作十里，亦未必尽听得着，看得见。题云《江南春》，江南方广千里，千里之中，莺啼而绿映焉，水村山郭无处无酒旗，四百八十寺楼台多在烟雨中也。此诗之意既广，不得专指一处，故总而命曰《江南春》……”何文焕的说法是对的，这是出于文学艺术典型概括的需要。同样的道理也适用于后两句。“南朝四百八十寺，多少楼台烟雨中。”从前两句看，莺鸟啼鸣，红绿相映，酒旗招展，应该是晴天的景象，但这两句明明写到烟雨，是怎么回事呢？这是因为千里范围内，各处阴晴不同，也是完全可以理解的。不过，还需要看到的是，诗人运用了典型化的手法，把握住了江南景物的特征。江南特点是山重水复，柳暗花明，色调错综，层次丰富而有立体感。诗人在缩千里于尺幅的同时，着重表现了江南春天掩映相衬、丰富多彩的美丽景色。诗的前两句，有红绿色彩的映衬，有山水的映衬，村庄和城郭的映衬，有动静的映衬，有声色的映衬。但光是这些，似乎还不够丰富，还只描绘出江南春景明朗的一面。所以诗人又加上精彩的一笔：“南朝四百八十寺，多少楼台烟雨中。”金碧辉煌、屋宇重重的佛寺，本来就给人一种深邃的感觉，现在诗人又特意让它出没掩映于迷蒙的烟雨之中，这就更增加了一种朦胧迷离的色彩。这样的画面和色调，与“千里莺啼绿映红，水村山郭酒旗风”的明朗绚丽相映，就使得这幅“江南春”的图画变得更加丰富多彩。“南朝”二字更给这幅画面增添悠远的历史色彩。“四百八十”是唐人强调数量之多的一种说法。诗人先强调建筑宏丽的佛寺非止一处，然后再接以“多少楼台烟雨中”这样的唱叹，就特别引人遐想。

这首诗表现了诗人对江南景物的赞美与神往。但有的研究者提出了“讽刺说”，认为南朝皇帝在中国历史上是以佞佛著名的，杜牧的时代佛教也是恶性发展，而杜牧又有反佛思想，因之末二句是讽刺。其实，解诗首先应该从艺术形象出发，而不应该作抽象的推论。杜牧反对佛教，并不等于对历史上遗留下来的佛寺建筑也一定讨厌。他在宣州，常常去开元寺等处游玩。在池州也到过一些寺庙，还和僧人交过朋友。著名的诗句，象“九华山路云遮寺，青弋江边柳拂桥”，“秋山春雨闲吟处，倚遍江南寺寺楼”，都说明他对佛寺楼台还是欣赏流连的。当然，在欣赏的同时，偶而浮起那么一点历史感慨也是可能的。

B. 如何认识"一股独大"问题

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

“一股独大”一般指在上市公司股本结构中，某个股东能够绝对控制公司运作。包括：占据51%以上的绝对控股份额；不占绝对控股地位，只是相对于其它股东股权比例高(Shleifer & Vishny界定为20%)，但其它股东持股分散，而且联合困难，使该股东仍然可以控制公司运作。
随着ST猴王、ST幸福、大庆联谊、济南轻骑、春都、棱光实业等上市公司控股大股东利用关联交易，拖欠上市公司巨额资金，侵占上市公司利益的现象触目惊心，上市公司国有股或国有法人股“一股独大”的现象已成为人们关注的焦点。人们普遍认为，“一股独大”导致第一大股东几乎完全支配了公司董事会和监事会，形成一言堂，日常经营中一手遮天，产生造假、不分配、肆意侵吞上市公司资产等漠视投资者利益的行为。“一股独大”是上市公司法人治理结构不平衡、不彻底、不完善的主要根源，也是我国证券市场资源配置效率低下等诸多弊端的源头。
不少学者和人士对此忧心忡忡，有些人士举证说，“在西方更为成熟的证券市场，很多大公司都是无人控股的，股权结构相当分散。西方国家的控股股东一般是相对控股，持股比例一般也不超过30%。”“美国上市公司最大的股东也不过拥有1%的股份，如果有谁拥有某一家上市公司1%的股票，就已经是大股东了，而且是相当大的大股东，大股东欺负小股东这种现象很少存在。”甚至说“美国公司之所以为全球最具活力和竞争力群体的一大因素，在于他们的股权结构具有足够引起股东之间权力均衡的高度分散化所形成的合理的股权结构。”“企业上市后，股权结构仍然维持一股独大状态，会引发一系列影响企业优质、快速发展的问题。”
此外，随着民营背景上市公司不断增多，民营企业创始人“一股独大”现象日益突出。2001年2月以来，已有4家家族持股高达50%～70%的企业上市。康美药业家族持股66.38%，以2001年6月13日收盘价计算，市值20多亿元；广东榕泰67.19%，市值37亿元；用友软件大股东王文京直接持股比例为55.2%，市值40多亿元，间接持股比例为75%；太太药业大股东朱保国及其家族持股比例高达74.18%，市值82亿元；潘广通父子也持有天通股份24.9%的股份……。人们惊叹这些创始人的“一夜暴富”。未来创业板上市公司中，类似的家族或民营创始人一股独大的股权结构将大量出现。由于亚洲金融危机，家族控股的上市公司所产生的公司治理问题应引起高度重视。不少人士因此认为，民企上市公司“一股独大”所引起的后果在某种意义上可能比国企上市公司更为严重。甚至提出“在通过资本市场选择并扶植民营上市企业时，在审核中尽量挑选那些已顺利完成民营企业发展初级阶段，私人或家族控股比例不超过20%的民营公司。”
有人认为，股权结构优化是改善公司治理结构的前提条件。特别是近期Claessens、Djankov等1999年的一项关于亚洲地区家族通过复杂的金字塔股权结构控制上市公司、剥削小股东的大样本实证研究报告受到国内证券监管部门的高度评价。在中国，也有相当一部分人认为，中国上市公司国有股“一股独大”已经给中国上市公司脆弱的治理结构带来种种弊端和负面影响，成为公司治理结构改革所要面对的核心问题。限制一股独大，提倡减持国有股，使投资主体多元化和公司股权分散化，打破国有股或民营股一股独大格局的呼声甚高。
国外上市公司一股独大凤毛麟角？一股独大是否公司治理有效的天敌，或者说完善公司治理是否一定要强制股权多元化？能够找到合理的股权结构吗？
股权结构与公司治理
1．一股独大并非中国特有
考察国外成熟股票市场上市公司股权结构变化可以看到：一股独大并非中国特有。上市后，风险投资短期内出售股份套现退出，导致股权分散，更凸现创始人一股独大。例如，微软上市时，盖茨持股45%，另一位创始人Allen持股15%，盖茨一股独大。一般来说，企业上市后的相当长时期内，创始人在公司股权结构中所占的比例都相当高。Hoderness和Sheehan(1988)发现，美国依然有相当多的上市公司最大股东持股份比例超过51%。Djankov、Mcliesh 等2001年对全球97个国家传媒产业公司股权结构研究表明，在西方出版、传媒上市公司中，家族仍然绝对控股。
股权分散是一个长期的历史演变过程，往往上市后数十年，经过不断增发新股和并购交易，才会出现创始人家族股权比例低和股权分散的格局，例如，盖茨至今还持有微软23.7%股份。随着股票市场公司控制功能有效性的提高，包括收购控制权的职业投资者和金融技术，例如，LBO，过度分散股权结构会重新增加集中度,呈现集中、分散和集中的循环。
2．股权结构的法律意义与价值驱动意义
需要区别股权结构的法律意义与企业价值驱动意义。股权结构的法律意义表现为表决权分配，从企业价值驱动意义角度看，上市公司股东包括实业经营－价值创造型股东和价值评估型股东，前者对公司价值驱动贡献甚大。实际上，西方资本市场投资者希望价值驱动力量强的创始人持绝对控股地位，甚至在合约中设定价值驱动型股东持股比例的低限，限制创始人减持股份。例如，美林证券在投资深圳太太药业公司时，在合约中要求创始人朱保国家族的控股比例不能低于50%。
股权结构价值驱动意义上的分散是公司在产品市场竞争、资本市场评价和控制权市场环境下，为保持和增强竞争优势，实现持续经营而进行的一种市场化选择和商业运作手段，很难也不应该人为规定股权结构。例如，著名房地产开发商万科深感土地储备对房地产商持续发展和竞争的重要性，为获得战略资源，主动选择华润，替换和改组大股东结构。乐凯与富士和柯达的合资谈判，旨在引入具有R&D能力的股东，因为乐凯属于技术开发支持竞争优势的企业，目前最稀缺的不仅仅是股权资金，更重要的是研发能力。上市融资并不能迅速有效地增强研发能力。股权结构合理化说法含糊，实践中不存在法律和价值驱动意义上的最优或合理的股权比例结构。股权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。公司很少纯粹为了完善公司治理而进行股权多元化。
3．股权多元化与公司治理
主张股权多元化者假设多元化股权能够形成股东民主主义，有助于对公司管理层和大股东进行制衡，减少和防止管理层浪费自由现金流的管理决策行为。但实际上，多元化股权结构中的机构投资者本身存在治理问题。近年来的实证研究表明，价值评估型的金融资本大股东，例如，机构投资者并不是天然的公司治理积极参与者，搭便车现象使单一外部股东缺乏公司治理积极性。他们自身也会进行参与治理的成本和效益分析，在流动变现－用脚投票和积极参与治理－用手投票之间存在机会主义决择。例如，日本和德国银行在非金融上市公司中持股和积极参与治理的模式曾被认为是有效的治理模式。但Prowse(1995)等学者研究表明，日本和德国的银行对所投资的上市公司关注并不多，公司治理作用并不象以往实证研究结果所说的那样显著。国内不少上市公司前10名股东为证券投资基金，但在近年来发生的几起控制权并购案，例如胜利股份、方正科技等，证券投资基金旗帜并不鲜明。
西方股票市场恰恰认为股权结构分散导致公司内部治理和控制系统失效，产生的管理层内部人控制问题(Jensen[1989])，即形成强管理人、弱股东的格局 (Roe[1994])。因此，除了增强管理层激励外，主张将上市公司股权集中于少数股东，形成一股独大的股权结构，增强大股东积极参与公司治理、限制管理层私人利益行为的经济动力，解决外部分散的股东在公司治理方面的激励和能力不足问题。
4．股权结构与经营业绩和企业价值的相关分析问题
目前，有若干分析报告试图通过统计分析说明国有股比重大对经营业绩会计指标的负面影响。但迄今为止，国际上公司财务学术界关于股权结构对经营业绩和企业价值的影响并无明确一致的实证结果。例如，Demsets 和 Lehn (1985)发现，股权集中度与企业经营业绩财务指标(ROE)并无显著相关关系。McConnell和Servaes(1990)发现，公司价值与股权结构之间具有非线性的函数关系。在控股股东控股比例小于40%时，公司托宾Q值随控股比例的增大而增大；当控股比例达到40%-50%时，公司托宾Q值开始下降。简单的统计回归分析结果难以断定国有股一股独大对经营业绩的负面效果。实际上，另有不同样本的实证研究结果得出了不同的结果，即第一大股东国有或法人性质及其持股比例与上市公司经营业绩和企业价值的关系并不显著。例如，朱武祥 张帆(2000)对1994－1996年期间在上海和深圳证券交易所上市的217家A股公司的研究表明，第一大股东持股比例高低对上市前1年到上市后4年期间的总资产利息税前收益率、净资产税前收益率和主营业务利润率等业绩指标中位数变化差异影响并不显著。另外，朱武祥 宋勇(2001)以家电行业上市公司为样本，发现家电行业上市公司股权结构与企业价值并无显著关系。从个案角度看，不同股权集中度结构均有优质和劣质上市公司。例如，家电行业国有股控股、法人股控股、流通股比例超过非流通股的三类股权集中度结构中，分别有四川长虹、青岛海尔、奥美的等名牌优质企业，也分别有ST黄河科技、ST双鹿电器和第一家退市的水仙电器等劣质企业。不少股权分散，不是国有股一股独大的上市公司，例如，郑百文第一大股东只有14%，但公司治理问题并不比一股独大的国有控股上市公司好。此外，国有控股的境外上市公司同样一股独大，但其投资、关联交易和红利分配行为比国内A股公司规范得多。
上证所研究中心2000年上市公司治理调查报告显示，国内上市公司内部治理特征相似，普遍是关键人控制模式，关键人往往是控股股东代表、公司最高级管理人员，大权独揽。法人治理结构基本上有名无实，形同虚设。而且，国内上市公司多元、分散发起人股权结构的形成机制并非国外商业性选择，而是原企业迎合股份有限公司设立要求，将客户、供应商和下属关联企业拉入股份公司，甚至强制加盟，形成名义上多元、分散的法人持股结构，实际上为第1大股东控制的控股结构。例如，胜利股份1999年末10大股东中，除两家投资基金外，其他大股东都直接或间接为胜利体系成员。因此，尽管胜利股份第一大股东持股仅为24%，但实际上“胜利体系”所控制的股权要远远高于此比例。因此，仅仅以上市公司名义上的股权比例来说明股权结构与经营业绩的相关关系是不可靠的。
与股权分散一样，“一股独大”确实存在弊端，也能使上市公司内部治理系统失效。Shleifer和Vishny(1997)认为，“当大股东(不管是价值创造者股东，还是价值评估型的金融资本投资者)股权比例超过某一点，基本上能够充分控制公司决策时，大股东可能更倾向利用企业获取外部少数股东不能分享的私人利益。”实证研究表明，不管在发达国家还是发展中或者转轨经济国家，一旦上市公司大股东处于绝对控股地位，他们可以通过其它途径获取内部私人收益，例如，支付特殊红利，进行关联交易，或者通过合理利用会计准则的缺陷进行利润管理，获得内部控制利益，从而剥削中小股东。这表明一股独大或股权高度集中的治理模式与股权分散一样，都容易导致内部人控制，具有较高的社会成本。

政策意义
一股独大本身并不是公司治理问题严重的恶源，股权分散和多元化并不能有效解决一股独大引起的公司治理问题，同时会产生其它问题，例如，形成股权分散条件下的内部人控制格局，降低了大股东对公司价值驱动的激励，增加了股东协调成本。不能因目前上市公司出现的大股东不规范甚至恶意行为而矫枉过正，简单人为地强制股权分散或多元化打破一股独大。关键是通过完善上市公司行为规范的法制硬约束环境，以及形成强大的对上市公司大股东、董事会和管理层及其相关中介机构行为公开评价和迅速采取行动的外部监控和威慑环境。包括：
1． 加强对上市公司及其相关中介机构行为规范的法律制度硬环境建设，增强监管的有效性。
例如，针对国内企业上市重组时不可避免的关联交易格局设置规则。包括信息披露、对上市公司及中介机构的监管、公开评价和追究惩罚制度，增加大股东和管理层行为的透明度，形成上市公司大股东、中介机构守规行为的职业操守氛围。针对一股独大已经和可能形成的损害外部股东利益的行为，制定明确的行为规则。例如，由于国有企业资产存量特征，上市重组后，关联交易难以避免。可以通过界定关联程度(严重关联、轻度关联与一般关联)，分别采用不同规则来处理。例如，随着独立董事制度的实施，由独立董事进行重大交易的程序监督。要求关联交易价格按市场价格披露，资产置换估价由独立董事聘请有资格的评估事务所来评估。对于大股东可能作出的对自己有利的投资或融资行为，可以通过提高对某些特定投资项目表决权的有效比例来规避，比如表决要征得流通股一半以上股东同意，而不是简单采取大股东回避制度，形成让小股东决定大股东命运的情形。针对上市公司随意改变募集资金投向等行为，业内人士提出募集资金专户管理的对策。
另外，特别需要加强对中介机构的公开评价和行为结果公布，使中介机构重视声誉和品牌。国有控股的境外上市公司在并购、关联交易等行为方面之所以相对规范，与关注声誉的著名会计、法律中介机构尽职有关。
2．对家族或民营企业，改变公司业务重组规则。
西方家族企业上市时，股权结构比较简单。例如，微软公司的控股股东并不是微软集团，戴尔的控股股东也不是戴尔集团，而是盖茨和戴尔本人。亚洲地区的家族或民营企业往往业务多元化，容易形成家族集团控股、金字塔或相互持股循环的复杂的上市公司股权结构。因此，国内民营企业上市重组时，尽可能要求形成简单的股权关系和结构，规避循环、多层的复杂股权关系，而不是简单地限制家族股份比例。
3． 增强股票市场对上市公司治理质量的专业化评价能力和水平
众所周知，在日益发达和竞争的传媒业，传媒刊载的评价显著影响公众对人物、事件的评价观点。竞争性的商业化、专业化的职业咨询评价机构不断推出的业绩、公司战略和公司治理质量评价方法、专著和业界的咨询实践成果，通过权威媒体公布对上市公司治理产生评价影响。1995年，公司治理职业投资家Monks通过评估，认为Sears公司的业务战略使股东价值贬值，应该重组。但他采用表决权征集方式收购Sears公司股东表决权失败。为此，Monks在《华尔街日报》整版刊登其对Sears公司董事会成员的评价结果，列出那些他称为非业绩资产的董事名单。Sears公司董事会深感难堪，产生巨大社会公众评价压力，最后接受了Monks提出的业务重组和董事会改革建议。
因此，不管什么样的股权结构，均应置身于股票市场评价之中。包括投资分析人士的投资分析、新闻媒体对大股东不当行为的详细和深入报导，使上市公司在产品市场竞争和资本市场评价压力中从企业价值驱动角度设计和动态选择股权结构。

C. 借势营销专题：如何做热点营销

1、可以预见的热点，
2、就是你没有办法预计的，突发事件的营销
二、找到了热点，你以为就万事俱备了吗？错了。你才画了张图，离完工远着呢。第二步我们要知道哪些热点营销，我们是要提前准备的，那些热点营销我们是要临时做的，他们各自的目的在哪里？

这个想起来似乎非常简单，

1、需要提前计划的，就是那些可以预见的热点。虽然看起来很简单，但是我想说没那么简单，要知道我们利用这个热点来做营销的目的性非常强。

你是营销产品的，这个热点营销的目的，就是要实打实的卖出产品的；

你是做自媒体的，那么你这个热点营销，就要能看到真实的粉丝增长。

正是由于这种“可预见”的属性使然，所有每一步我们都要做好周详的计划。
你要先知道你做这件事情的目的

（1）、首先要设定好转化的渠道

你是准备通过热点营销，将客户引导到线下，在通过线下的活动引导到店铺进行消费。
我们在做可预见的热点营销之前，你一定要先仔细的考虑清楚，你到底要通过什么的关联方式来营销；中间要通过几层转化；只有思考清楚这个问题，你才知道你要怎么做？
热点营销，一步步的规划不可少

（2）、其次就是你要明白你做这个热点营销的定位人群
如果你的客户是喜欢运动的年轻人，那么你的热点营销的设计，也应该是围绕着他们爱运动，这个话题去研究的。

再比如说你的客户是想给自己学习充电的职场人，然后你做的营销是美食类的，那么你的营销就是无效的。

每次营销，都要思考这是不是用户关注的事情

（3）、设立好一个明确的时间表，要知道很多成功的营销都是慢热的

什么时候在微信开始宣传，什么时候上广告，广告怎么投放，通过哪些平台，预算多少，活动的优惠什么时候上线，线下的准备工作要什么时候到位，产品的预期销量是多少，产品的储备，这些都需要一个系统的时间表来指导你，让你一步步的将你的想法变成现实
2、至于那些临时的热点，自然都是不需要提前计划的或者说计划周期极短的临时事件

这些临时热点的营销，由于具有突发性，更注重的是为自家的公众号带来粉丝。通过公众号的营销，成为潜在客户。这就是突发热点营销的唯一目的，他最重视的就是文章的质量和目标人群的划定。
短时间的热点营销，文章的质量决定了一切

三、找到了方法和操作，我们再来谈谈怎么做才能，真正的做好热点营销

其实我们都知道现在谈到任何营销都必须注意的一个公司：“吸引眼球+情感说服=购买行为”。

如何才能吸引眼球呢？不同的商家拥有不一样的玩法。

D. 金士力股票代码是什么

“金士力”为金士力佳友有限公司的保健品品牌。没有上市。
天士力医药集团股份有限公司是天士力控股集团的核心企业，是我国中药现代化的标志性企业，于2002年8月在上海证券交易所挂牌上市（600535）。下面有很多公司
摘录一份2013年6月的天士力集团的主要子公司情况如下（不包括上市公司）
1）江苏天士力帝益药业有限公司主要经营业务为化学药的生产及销售。蒂清(替莫唑胺胶囊）是公司经过7年研制成的国家二类新药,是目前国内唯一治疗脑胶质瘤的口服胶囊制剂,针对性强、特异性高, 在体内不需经过肝脏代谢即可分解为药物活性物质,口服后迅速吸收,具有100%的生物利用度及广谱的抗肿瘤活性,同时价格远远低于国外同类产品,年销售收入呈现30%的增长。公司前期投入的化学药注射用盐酸地尔硫卓已获得生产批文,尽管地尔硫卓产品生产厂家众多,竞争较为激烈,但作为心律失常主力药品仍有较大的市场空间;另外公司的丹酚酸B产品已通过技术审评,上市准备工作取得顺利进展。日前以14.5亿元现金收购100%股权。
2） 天津天士力圣特制药有限公司 集团控股100%。主要为缓控释新型药物制剂的开发和生产，产品为西替利嗪缓释片、甲磺酸氨氯地平片等片剂产品和加巴喷丁缓释胶囊、奥美拉唑胶囊等胶囊剂，年生产能力21.15亿粒，产品全部出口。集团投资额为743万美元。2010年亏损2272万元。日前已按净资产383万收购100%股权。
3）天津贝特药业有限公司 集团控股100%。主要为医药技术的开发。2011年亏损103万元。
4）天津天士力健康医疗器械有限公司 集团控股40%。主要为医疗器械的开发与生产。2011年亏损186万元。
5）江苏天士力贝特制药有限公司 1997年成立，集团控股95%。主要生产三、四类新药有：血脂调节药物阿贝他（苯扎贝特片）、肝病治疗药物水林佳（水飞蓟宾胶囊）、治疗失眠中药制剂萝藤安神片。目前为微利状态。
6）河南普新生物工程有限公司 集团公司3家生物公司为上海天士力药业有限公司（上市公司全资子公司）、天士力金纳生物技术(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药物和疫苗等领域,目前看尚处于起步阶段。主要产品为疫苗(人用狂犬病疫苗(地鼠肾细胞) 人用狂犬病疫苗(Vero细胞)、冻干人用狂犬病疫苗(地鼠肾细胞)的生产。是2009年集团公司收购河南省疾病预防控制中心的，普新生物的主打产品地鼠肾细胞狂犬疫苗在质量上处于国内领先地位,公司将借助自身的品牌优势,并将通过增加产能、降低成本等方式,将该产品大力推向市场。目前为微亏状态。
7）天津天士力百乐量子生物科技有限公司 集团控股99%。主要从研究与生产医学外用涂敷剂产品，其产品是改变人类用药途径，针对避免传统医药对人体的不良反应现象，给予一种全新的治疗思路。主要是对高血压、失眠、前列腺、减肥、抗衰老、性功能调节、抗过敏、止疼、排毒养颜、抑郁症等多种外用涂敷剂。业务尚为起步阶段，目前微利状态。
8）天士力高品制剂有限公司 主要产品：出口仿制化学药。与英国公司合作。
9）贵州金士酒业 主要产品：国台酒。
10）天士力帝普洱销售有限公司 主要产品：“帝普洱”普洱茶。
11）金士力佳友有限公司 主要产品：日化。
12）上海天士力我立得医院 主要服务：微创脊柱手术。
13）世纪国熙生物医药研发有限公司 主要NKM细胞治疗。

E. 什么叫股票交叉盘直盘

一，直接盘中，往往按习惯分为欧洲货币与非欧洲货币，这两大类的走势亦不相同。
1，非欧洲货币。其中的代表是美元/日元，美元/日元在120以上时，操作起来较为容易，而在120以下时，操作价值就较小，其原因就是日本政府的干预。当操作要*猜测日本政府的意图时，还有什么意思呢？明明看起来应该是跌，但由于日本政府的干预又长期跌不下去。而且由于不知道日本政府的干预规模，止损也不好放。若放止损，担心干预时被打上；不放止损，又担心什么时候走势反转。如果没有其他选择也就罢了，有其他好的选择，为什么还要抱住美元/日元不放呢？
2，
A， 瑞郎/美元是上面提到的各币种中走势最规律的一种。换句话说，瑞郎的走势是最容易运用技术分析手段来判断的。K线理论，形态理论，波浪理论等现存技术分析手段在分析瑞郎走势时，比分析其他币种应验的几率要大。但美元/瑞郎在操作上的具体问题是点值相对较小，波动相对较大，止损要放得大一些。因此，建议在有盈利，心理承受能力较强的情况下再考虑参与美元/瑞郎的交易。
B，欧元/美元是笔者偏爱的币种。之所以偏爱欧元/美元，有这样几点理由：一是欧元的走势基本上和瑞郎相反，也较有规律，运用技术分析手段较易判断。而且在判断欧元走势时，可参照美元指数，瑞郎等的走势，参照物较多，失误率相对就较小。二是点值较大，波动相对瑞郎，英镑来说较小，容易设置止损。三是干预的因素很少，易于自我判断。因此，笔者认为进行外汇保证金交易，欧元/美元是较易入手的币种。
C，英镑/美元在大势走向上与欧元基本相同，但由于货币流通量较欧元小，波动相对就较大，特别是当日上下波动较大，设置止损难度也就较大。但一旦判断正确，盈利也较其他币种可观。因此笔者认为应在积累一定经验和盈利的情况下，再开始英镑/美元的交易。
二，交叉盘。其中的代表是英镑/日元和欧元/日元。这两个币种也是很多在日公司的主交易币种。
依笔者个人的看法，对于经验不是很丰富的外汇投资者来说，根本就不应该考虑去碰交叉盘。理由如下：

一是交叉盘的波动，现存的各种技术分析手段在判断交叉盘的走势，在判断交叉盘的走势时，很大程度上要依靠判断其他相关两个币种的走势。比如在判断英镑/日元的走势时，先要判断清楚美元/日元和英镑/美元的走势，这样的话，难度就等于加大了若干倍。如果真能判断清楚其他两个币种的走势，何必不直接交易那两个币种呢？

二是当日波动幅度过大，交叉盘当日波动200点是很平常的事。最近一段时间，英镑/日元当日波动超过400点的时候就有数次。很少有外汇投资者能够承受放置200点以上的止损。很多外汇投资者喜欢英镑/日元，因为波动大。

三.是干预因素的存在。日银在干预美元/日元时，对交叉盘的影响要大于直接盘。而且有时日银也直接干预欧元/日元的汇率。

F. 医疗类股票暴涨，背后的原因是什么

疫情防控还在进行。国外疫情还没有完全过去。

疫情的爆发短期内会对股票市场形成冲击(宏观经济因此受到影响)，短期内对交运，社会服务等消费人群聚集的行业产生情绪上的波动。然而这种短期内的影响将强化市场对逆周期操作的信心，所以全年继续推荐高成长、高弹性、高估值的硬科技和新消费。医疗板块是目前比较火热的。

G. 内幕消息 九泰药业对外公开转卖改制 资产数亿 收购成本千万 很多不名真相职工原始股对外买卖。

背后有什么交易吧，你们员工应该好好查查财务帐。

H. 奥美广告公司有没有在中国上市

问题偏远了，奥美广告是美国公司在美国上市。

I. 求问什么是数据挖掘

数据挖掘相关的10个问题 NO.1 Data Mining 和统计分析有什么不同？ 硬要去区分Data Mining和Statistics的差异其实是没有太大意义的。一般将之定义为Data Mining技术的CART、CHAID或模糊计算等等理论方法，也都是由统计学者根据统计理论所发展衍生，换另一个角度看，Data Mining有相当大的比重是由高等统计学中的多变量分析所支撑。但是为什么Data Mining的出现会引发各领域的广泛注意呢？主要原因在相较于传统统计分析而言，Data Mining有下列几项特性： 1.处理大量实际数据更强势，且无须太专业的统计背景去使用Data Mining的工具； 2.数据分析趋势为从大型数据库抓取所需数据并使用专属计算机分析软件，Data Mining的工具更符合企业需求； 3. 纯就理论的基础点来看，Data Mining和统计分析有应用上的差别，毕竟Data Mining目的是方便企业终端用户使用而非给统计学家检测用的。 NO.2 Data Warehousing 和 Data Mining 的关系为何？ 若将Data Warehousing（数据仓库）比喻作矿坑，Data Mining就是深入矿坑采矿的工作。毕竟Data Mining不是一种无中生有的魔术，也不是点石成金的炼金术，若没有够丰富完整的数据，是很难期待Data Mining能挖掘出什么有意义的信息的。 要将庞大的数据转换成为有用的信息，必须先有效率地收集信息。随着科技的进步，功能完善的数据库系统就成了最好的收集数据的工具。数据仓库，简单地说，就是搜集来自其它系统的有用数据，存放在一整合的储存区内。所以其实就是一个经过处理整合，且容量特别大的关系型数据库，用以储存决策支持系统（Design Support System）所需的数据，供决策支持或数据分析使用。从信息技术的角度来看，数据仓库的目标是在组织中，在正确的时间，将正确的数据交给正确的人。 许多人对于Data Warehousing和Data Mining时常混淆，不知如何分辨。其实，数据仓库是数据库技术的一个新主题，利用计算机系统帮助我们操作、计算和思考，让作业方式改变，决策方式也跟着改变。 数据仓库本身是一个非常大的数据库，它储存着由组织作业数据库中整合而来的数据，特别是指事务处理系统OLTP（On-Line Transactional Processing）所得来的数据。将这些整合过的数据置放于数据昂哭中，而公司的决策者则利用这些数据作决策；但是，这个转换及整合数据的过程，是建立一个数据仓库最大的挑战。因为将作业中的数据转换成有用的的策略性信息是整个数据仓库的重点。综上所述，数据仓库应该具有这些数据：整合性数据（integrated data）、详细和汇总性的数据(detailed and summarized data)、历史数据、解释数据的数据。从数据仓库挖掘出对决策有用的信息与知识，是建立数据仓库与使用Data Mining的最大目的，两者的本质与过程是两回事。换句话说，数据仓库应先行建立完成，Data mining才能有效率的进行，因为数据仓库本身所含数据是干净(不会有错误的数据参杂其中)、完备，且经过整合的。因此两者关系或许可解读为Data Mining是从巨大数据仓库中找出有用信息的一种过程与技术。 NO.3 OLAP 能不能代替 Data Mining？ 所谓OLAP（Online Analytical Process）意指由数据库所连结出来的在线分析处理程序。有些人会说：「我已经有OLAP的工具了，所以我不需要Data Mining。」事实上两者间是截然不同的，主要差异在于Data Mining用在产生假设，OLAP则用于查证假设。简单来说，OLAP是由使用者所主导，使用者先有一些假设，然后利用OLAP来查证假设是否成立；而Data Mining则是用来帮助使用者产生假设。所以在使用OLAP或其它Query的工具时，使用者是自己在做探索（Exploration），但Data Mining是用工具在帮助做探索。 举个例子来看，一市场分析师在为超市规划货品架柜摆设时，可能会先假设婴儿尿布和婴儿奶粉会是常被一起购买的产品，接着便可利用OLAP的工具去验证此假设是否为真，又成立的证据有多明显；但Data Mining则不然，执行Data Mining的人将庞大的结帐数据整理后，并不需要假设或期待可能的结果，透过Mining技术可找出存在于数据中的潜在规则，于是我们可能得到例如尿布和啤酒常被同时购买的意料外之发现，这是OLAP所做不到的。 Data Mining常能挖掘出超越归纳范围的关系，但OLAP仅能利用人工查询及可视化的报表来确认某些关系，是以Data Mining此种自动找出甚至不会被怀疑过的数据模型与关系的特性，事实上已超越了我们经验、教育、想象力的限制，OLAP可以和Data Mining互补，但这项特性是Data Mining无法被OLAP取代的。 NO.4 完整的Data Mining 包含哪些步骤？ 以下提供一个Data Mining的进行步骤以为参考： 1. 理解业务与理解数据； 2. 获取相关技术与知识； 3. 整合与查询数据； 4. 去除错误或不一致及不完整的数据； 5. 由数据选取样本先行试验； 6. 建立数据模型 7. 实际Data Mining的分析工作； 8. 测试与检验； 9. 找出假设并提出解释； 10. 持续应用于企业流程中。 由上述步骤可看出，Data Mining牵涉了大量的准备工作与规划过程，事实上许多专家皆认为整套Data Mining的进行有80﹪的时间精力是花费在数据前置作业阶段，其中包含数据的净化与格式转换甚或表格的连结。由此可知Data Mining只是信息挖掘过程中的一个步骤而已，在进行此步骤前还有许多的工作要先完成。 NO.5 Data Mining 运用了哪些理论与技术？ Data Mining是近年来数据库应用技术中相当热门的议题，看似神奇、听来时髦，实际上却也不是什么新东西，因其所用之诸如预测模型、数据分割，连结分析（Link Analysis）、偏差侦测（Deviation Detection）等，美国早在二次世界大战前就已应用运用在人口普查及军事等方面。 随着信息科技超乎想象的进展，许多新的计算机分析工具问世，例如关系型数据库、模糊计算理论、基因算法则以及类神经网络等，使得从数据中发掘宝藏成为一种系统性且可实行的程序。 一般而言，Data Mining的理论技术可分为传统技术与改良技术两支。 传统技术以统计分析为代表，统计学内所含序列统计、概率论、回归分析、类别数据分析等都属于传统数据挖掘技术，尤其 Data Mining 对象多为变量繁多且样本数庞大的数据，是以高等统计学里所含括之多变量分析中用来精简变量的因素分析（Factor Analysis）、用来分类的判别分析（Discriminant Analysis），以及用来区隔群体的分群分析（Cluster Analysis）等，在Data Mining过程中特别常用。 在改良技术方面，应用较普遍的有决策树理论（Decision Trees）、类神经网络（Neural Network）以及规则归纳法（Rules Inction）等。决策树是一种用树枝状展现数据受各变量的影响情形之预测模型，根据对目标变量产生之效应的不同而建构分类的规则，一般多运用在对客户数据的分析上，例如针对有回函与未回含的邮寄对象找出影响其分类结果的变量组合，常用分类方法为CART（Classification and Regression Trees）及CHAID（Chi-Square Automatic Interaction Detector）两种。 类神经网络是一种仿真人脑思考结构的数据分析模式，由输入之变量与数值中自我学习并根据学习经验所得之知识不断调整参数以期建构数据的型样(patterns)。类神经网络为非线性的设计，与传统回归分析相比，好处是在进行分析时无须限定模式，特别当数据变量间存有交互效应时可自动侦测出；缺点则在于其分析过程为一黑盒子，故常无法以可读之模型格式展现，每阶段的加权与转换亦不明确，是故类神经网络多利用于数据属于高度非线性且带有相当程度的变量交感效应时。 规则归纳法是知识发掘的领域中最常用的格式，这是一种由一连串的「如果…/则…（If / Then）」之逻辑规则对数据进行细分的技术，在实际运用时如何界定规则为有效是最大的问题，通常需先将数据中发生数太少的项目先剔除，以避免产生无意义的逻辑规则。 NO.6 Data Mining包含哪些主要功能？ Data Mining实际应用功能可分为三大类六分项来说明：Classification和Clustering属于分类区隔类；Regression和Time-series属于推算预测类；Association和Sequence则属于序列规则类。 Classification是根据一些变量的数值做计算，再依照结果作分类。（计算的结果最后会被分类为几个少数的离散数值，例如将一组数据分为 "可能会响应" 或是 "可能不会响应" 两类）。Classification常被用来处理如前所述之邮寄对象筛选的问题。我们会用一些根据历史经验已经分类好的数据来研究它们的特征，然后再根据这些特征对其他未经分类或是新的数据做预测。这些我们用来寻找特征的已分类数据可能是来自我们的现有的客户数据，或是将一个完整数据库做部份取样，再经由实际的运作来测试；譬如利用一个大型邮寄对象数据库的部份取样来建立一个Classification Model，再利用这个Model来对数据库的其它数据或是新的数据作分类预测。 Clustering用在将数据分群，其目的在于将群间的差异找出来，同时也将群内成员的相似性找出来。Clustering与Classification不同的是，在分析前并不知道会以何种方式或根据来分类。所以必须要配合专业领域知识来解读这些分群的意义。 Regression是使用一系列的现有数值来预测一个连续数值的可能值。若将范围扩大亦可利用Logistic Regression来预测类别变量，特别在广泛运用现代分析技术如类神经网络或决策树理论等分析工具，推估预测的模式已不在止于传统线性的局限，在预测的功能上大大增加了选择工具的弹性与应用范围的广度。 Time-Series Forecasting与Regression功能类似，只是它是用现有的数值来预测未来的数值。两者最大差异在于Time-Series所分析的数值都与时间有关。Time-Series Forecasting的工具可以处理有关时间的一些特性，譬如时间的周期性、阶层性、季节性以及其它的一些特别因素（如过去与未来的关连性）。 Association是要找出在某一事件或是数据中会同时出现的东西。举例而言，如果A是某一事件的一种选择，则B也出现在该事件中的机率有多少。（例如：如果顾客买了火腿和柳橙汁，那么这个顾客同时也会买牛奶的机率是85%。） Sequence Discovery与Association关系很密切，所不同的是Sequence Discovery中事件的相关是以时间因素来作区隔（例如：如果A股票在某一天上涨12%，而且当天股市加权指数下降，则B股票在两天之内上涨的机率是 68%）。 NO.7 Data Mining在各领域的应用情形为何？ Data Mining在各领域的应用非常广泛，只要该产业拥有具分析价值与需求的数据仓储或数据库，皆可利用Mining工具进行有目的的挖掘分析。一般较常见的应用案例多发生在零售业、直效行销界、制造业、财务金融保险、通讯业以及医疗服务等。 于销售数据中发掘顾客的消费习性，并可藉由交易纪录找出顾客偏好的产品组合，其它包括找出流失顾客的特征与推出新产品的时机点等等都是零售业常见的实例；直效行销强调的分众概念与数据库行销方式在导入Data Mining的技术后，使直效行销的发展性更为强大，例如利用Data Mining分析顾客群之消费行为与交易纪录，结合基本数据，并依其对品牌价值等级的高低来区隔顾客，进而达到差异化行销的目的；制造业对Data Mining的需求多运用在品质控管方面，由制造过程中找出影响产品品质最重要的因素，以期提高作业流程的效率。 近来电话公司、信用卡公司、保险公司以及股票交易商对于诈欺行为的侦测（Fraud Detection）都很有兴趣，这些行业每年因为诈欺行为而造成的损失都非常可观，Data Mining可以从一些信用不良的客户数据中找出相似特征并预测可能的诈欺交易，达到减少损失的目的。财务金融业可以利用 Data Mining来分析市场动向，并预测个别公司的营运以及股价走向。Data Mining的另一个独特的用法是在医疗业，用来预测手术、用药、诊断、或是流程控制的效率。 NO.8 Web Mining 和Data Mining有什么不同？ 如果将Web视为CRM的一个新的Channel，则Web Mining便可单纯看做Data Mining应用在网络数据的泛称。 该如何测量一个网站是否成功？哪些内容、优惠、广告是人气最旺的？主要访客是哪些人？什么原因吸引他们前来？如何从堆积如山之大量由网络所得数据中找出让网站运作更有效率的操作因素？以上种种皆属Web Mining 分析之范畴。Web Mining 不仅只限于一般较为人所知的log file分析，除了计算网页浏览率以及访客人次外，举凡网络上的零售、财务服务、通讯服务、政府机关、医疗咨询、远距教学等等，只要由网络连结出的数据库够大够完整，所有Off-Line可进行的分析，Web Mining都可以做，甚或更可整合Off-Line及On-Line的数据库，实施更大规模的模型预测与推估，毕竟凭借网际网络的便利性与渗透力再配合网络行为的可追踪性与高互动特质，一对一行销的理念是最有机会在网络世界里完全落实的。 整体而言，Web Mining具有以下特性：1. 数据收集容易且不引人注意，所谓凡走过必留下痕迹，当访客进入网站后的一切浏览行为与历程都是可以立即被纪录的；2. 以交互式个人化服务为终极目标，除了因应不同访客呈现专属设计的网页之外，不同的访客也会有不同的服务；3. 可整合外部来源数据让分析功能发挥地更深更广，除了log file、cookies、会员填表数据、线上调查数据、线上交易数据等由网络直接取得的资源外，结合实体世界累积时间更久、范围更广的资源，将使分析的结果更准确也更深入。 利用Data Mining技术建立更深入的访客数据剖析，并赖以架构精准的预测模式，以期呈现真正智能型个人化的网络服务，是Web Mining努力的方向。 NO.9 Data Mining 在 CRM 中扮演的角色为何？ CRM（Customer Relationship Management）是近来引起热烈讨论与高度关切的议题，尤其在直效行销的崛起与网络的快速发展带动下，跟不上CRM的脚步如同跟不上时代。事实上CRM并不算新发明，奥美直效行销推动十数年的CO（Customer Ownership）就是现在大家谈的CRM—客户关系管理。 Data Mining应用在CRM的主要方式可对应在Gap Analysis之三个部分： 针对Acquisition Gap，可利用Customer Profiling找出客户的一些共同的特征，希望能藉此深入了解客户，藉由Cluster Analysis对客户进行分群后再透过Pattern Analysis预测哪些人可能成为我们的客户，以帮助行销人员找到正确的行销对象，进而降低成本，也提高行销的成功率。 针对Sales Gap，可利用Basket Analysis帮助了解客户的产品消费模式，找出哪些产品客户最容易一起购买，或是利用Sequence Discovery预测客户在买了某一样产品之后，在多久之内会买另一样产品等等。利用 Data Mining可以更有效的决定产品组合、产品推荐、进货量或库存量，甚或是在店里要如何摆设货品等，同时也可以用来评估促销活动的成效。 针对Retention Gap，可以由原客户后来却转成竞争对手的客户群中，分析其特征，再根据分析结果到现有客户数据中找出可能转向的客户，然后设计一些方法预防客户流失；更有系统的做法是藉由Neural Network根据客户的消费行为与交易纪录对客户忠诚度进行Scoring的排序，如此则可区隔流失率的等级进而配合不同的策略。 CRM不是设一个（080）客服专线就算了，更不仅只是把一堆客户基本数据输入计算机就够，完整的CRM运作机制在相关的硬软件系统能健全的支持之前，有太多的数据准备工作与分析需要推动。