XiaoMi-AI文件搜索系统
World File Search System总资产
日本东京，2025 年 2 月 6 日
Yutaka Yagi 关于帝人集团 帝人 (TSE: 3401) 是一家技术驱动的全球性集团，拥有两大核心业务：高性能材料和医疗保健解决方案。帝人成立于 1918 年，是日本第一家人造丝制造商，目前在 20 个国家/地区拥有约 170 家公司，拥有 20,000 名员工。帝人致力于实现其宗旨，“共同开拓解决方案，打造健康地球”。帝人与员工和外部合作伙伴共同努力，实现其长期愿景，“成为一家支持未来社会的公司”。截至 2024 年 3 月 31 日的财年，帝人的综合销售额为 1,0328 亿日元（66 亿美元），总资产为 1,2510 亿日元（80 亿美元）。新闻联系人 企业传播部 帝人有限公司 pr@teijin.co.jp
摩根大通战略平衡SM指数
1 有关 Invesco S&P 500® 高股息低波动 ETF（股票代码：SPHD）的更多信息，请访问 invesco.com 2 该 ETF 寻求的投资结果通常与标准普尔 500 低波动高股息指数（“股票指数”）的价格和收益率相对应（扣除费用和开支之前）。该 ETF 通常会将其总资产的至少 90% 投资于构成股票指数的普通股。标准普尔® 编制、维护并计算股票指数，该指数由标准普尔 500 指数中交易的 50 只证券组成，这些证券历史上提供高股息收益率和低波动性。投资组合和股票指数每半年（一月和七月）重新平衡和重组一次。 3 每个行业最多 10 个。 4 按前 252 个交易日衡量。 5 最高 25% 的行业敞口；最高 3% 的证券权重。
Parametric Custom Core® 美国大盘股
资料来源：截至 2024 年 12 月 31 日的 Parametric、Bloomberg 和 FactSet。以上信息是对本文所含综合指数全球投资业绩标准 (GIPS ® ) 报告的补充，是本材料的组成部分。仅供说明之用；不构成买卖任何证券的要约。综合数据基于所示期间内有资格纳入综合指数的所有付费全权委托账户的总资产。业绩反映了股息和其他收益的再投资。不到一年期间的业绩尚未年化。Parametric 计算和报告的业绩、成本基础、未实现损益和已实现损益可能与基于某些证券的不同会计程序、报告日期或估值方法的官方托管报表不同。过去的表现并不代表未来的结果。不可能直接投资指数；它们不受管理，不反映费用、税金和开支的扣除。
伊顿万斯美国小型股策略
过往表现并非未来业绩的可靠指标。所有数据来源：Eaton Vance、Russell，截至 2024 年 12 月 31 日，除非另有说明。综合数据和其他统计数据基于所示期间内所有符合纳入此类综合指标的付费全权委托账户的总资产。业绩回报反映年平均回报率。少于 1 年的期间未按年计算。显示的综合结果是投资咨询/管理费的毛利和净额，包括业绩费（如适用），以美元报价，包括股息和收入的再投资。由于特定的投资准则和限制，每个投资组合可能有所不同。因此，个人结果会有所不同。请参阅材料末尾和 GIPS® 报告，了解重要的附加信息和披露。¹共同基金由 Eaton Vance Distributors, Inc. 分销。尽管这些基金采用类似的投资策略，但由于
Olam Group Limited 2021 年年度报告
资产负债表 总资产 32,060.7 26,702.6 20.1 总投资资本 19,012.1 16,665.7 14.1 总债务 16,710.2 14,159.4 18.0 现金及现金等价物 4,317.5 3,115.9 38.6 股东权益 6,771.2 5,962.5 13.6 现金流 息税前经营现金流 1,787.3 1,697.3 5.3 营运资本及税项变动后的净经营现金流 1,298.1 536.4 142.0 公司自由现金流 (602.8) (155.2) (288.4) 股东权益自由现金流 (1,030.5) (592.2) (74.0) 比率 净负债与股权比率（倍数）** 1.72 1.72 - 调整流动资产后的净负债与股权比率（倍数）** 0.75 0.63 0.12 期初股权回报率（%）^^ 11.7 3.4 8.3 期初股权回报率（不包括特殊项目）^^ 16.8 11.2 5.6 平均股权回报率（%）^^ 10.8 3.5 7.3 投资资本回报率（%） 5.8 3.7 2.1 平均投资资本息税前利润（%） 8.0 6.6 1.4 利息覆盖率（倍数）# 2.4 1.4 1.0
在印度开展业务 | EY
印度银行体系由 12 家公共部门银行、22 家私营部门银行、46 家外国银行、56 家地区性农村银行、1,485 家城市合作银行和 96,000 家农村合作银行组成。2018 财年至 2021 财年，各部门银行资产均有所增加。2021 财年，银行业（包括公共和私营部门银行）的总资产增加至 2.48 万亿美元。2016 财年至 2021 财年，银行信贷以 0.29% 的复合年增长率 (CAGR) 增长。截至 2021 财年，信贷总额激增至 14,876 亿美元。2016 财年至 2021 财年，存款以 12.38% 的复合年增长率增长，到 2021 财年达到 2.06 万亿美元。截至 2021 年 12 月 31 日，银行存款为 162.41 万亿印度卢比（2.17 万亿美元）。根据印度评级和研究公司的数据，预计 2022-23 年信贷增长率将达到 10%，这将是八年来的两位数增长。11
家庭葬礼偿付能力评估报告（“sar”）...
估值结果 按照中央基准，截至 2023 年 12 月 31 日，该计划的资产为 15,869,065 英镑，负债为 12,723,269 英镑。因此，该计划在年末有盈余 3,145,796 英镑，占负债的 24.7%。截至 2023 年 12 月 31 日，偿付能力比率（即总资产除以负债）为 125%。在 2024 年 4 月 9 日的受托人会议上，该计划的受托人同意提取 600,000 英镑。因此，提取后的盈余为 2,545,796 英镑（相当于负债的 20.0%）。因此，截至 2023 年 12 月 31 日，提款后的偿付能力比率为 120%。根据 FCA 规定，信托需要保持偿付能力超过 100%，并且能够在获得精算师批准的情况下，在偿付能力超过 110% 时提取盈余。值得注意的是，股票和替代品的价值下跌超过 21.4% 将导致提款后的盈余降至零以下。在受托人会议上，迈克尔·洛奇代表 Lodge Bros. Funerals) Limited 同意，如果偿付能力比率低于要求的 100%，将向信托注入资金。
Xinyi Group
Xinyi Group成立于1988年，总部位于中国香港，拥有四家上市公司：Xinyi Glass，世界领先的集成玻璃制造商（股票代码：00868.HK）； Xinyi Solar，世界领先的光伏玻璃制造商和PV Power Station Developer and构造函数（库存代码：00968.HK）； Xinyi电气存储，综合新能源解决方案的行业领先提供商（股票代码：08328.hk）; Xinyi Energy，领先的国内光伏电站运营商（库存代码：03868.hk）。我们的产品涵盖了高质量的浮子玻璃，汽车玻璃，节能建筑玻璃，光伏玻璃，新能量电站，光伏膜，锂电池，住宅和工业和商业能源存储系统，光伏电源站Xinyi太阳能和Xinyi Glass分别包括在Hang Seng指数组成部分中。到2024年6月，Xinyi集团拥有超过29,000名员工，总资产超过1370亿港元，销售网络涵盖了全球140多个国家和地区。
非固定财务报表2023
Assets Current Cash $ 23,188 $ 39,694 Investments (Note 3) 11,279 3,310 Accounts receivable 2,632 1,971 Amount due from National Diabetes Trust (Note 12) 1,114 693 Prepaid expenses 457 653 Total current assets 38,670 46,226 Long-term Investments (Note 3) 6,622 - Property and equipment (Note 4) 3,077 3,065无形资产（注5）989 1,247总资产$ 49,358 $ 50,633负债和筹款余额应付付款和应计费的负债$ 3,232 $ 2,485延期收入（注6）1,050 1,050 1,333 Research Lants -7,7,7,7,7,7,7,8） 11,538 9,668长期递延收入（注6）2,890 2,822员工未来福利（注8）915 860总负债15,343 13,343 13,350总基金余额（第6页）34,015 37,015 37,283总负债和资金余额均估计（注释49,358 $ 50,558 $ 50,558）董事长彼得·高级（Peter Senior），董事会主席劳拉·赛伦（Laura Syron），首席执行官
应用机器学习算法来预测流动性风险
摘要。流动性风险是巨大的财务威胁，其管理不善会导致重大财务损失。本研究研究了机器学习技术（例如KNN，SVM，决策树，RF和XGBOOST）在印度银行的流动性风险中的应用。2013 - 2022年的财务数据分析了31个商业银行。模型将财务比率用作预测因素，流动性风险由流动资产与总资产和贷款比率相关。尽管由于样本较小而导致的普遍性限制，但结果表现出诸如KNN和XGBoost等算法的潜力，以预测准确的流动性风险。该研究的发现表明，使用液体资产将液体资产用于总资产来替代流动性风险的模型给予了KNN的最佳结果，并分别给出了MAE和MSE评分0.129和0.027。当使用存款贷款以替代流动性风险时，DT是表现最好的算法，MAE和RMSE得分分别为0.191和0.231。还发现，与其他选定模型相比，MLP表现不佳。实际含义包括使用这些技术为印度银行开发流动性预警系统。