❶ 優先股的價值與必要報酬率的關系
享有優先權的股票最低必要報酬率或最低要求的收益率,表示投資者對某資產合理要求的最低收益率
優先股的期望報酬率
1.優先股的期望報酬率優先股的期望報酬率式中：Dp——優先股每股年股息，Pp——優先股當前股價
2.永續債的期望報酬率永續債的期望報酬率式中：I——永續債每年的利息，Ppd——永續債當前價格優先股的估值公式當優先股存續期內採用相同的固定股息率時：V=D/r式中：V-優先股的價值；D-優先股每期股息；r-年折現率，一般採用資本成本率或投資的必要報酬率
❷ 電腦三屏顯示股票怎麼實現
用了智立升的，有專門為炒股研發的分屏軟體很不錯。
❸ OCTBB是什麼意思
根據以上所述可知，通過直接上市，可以最大限度地減少現有股份的縮股比例，同時，可以最大限度地保護現有股份持有人，不受原殼公司債務、不良資產的影響，以及殼公司股份持有人在本公司進入後，拋售股份等而傷害本公司股份持有人的利益。 但是，凡事有利就有弊，通過直接上市即初次公開上市(InitialPublicOffering或IPO)在美國證券市場發行股票，對公司的要求比較高，並要通過比較煩雜的審計、審核過程。因為在OTCBB直接上市手續較買殼上市煩雜，所需時間略微長一些，一般為6－9個月作業時間，買殼上市一般不會超過6個月。 為幫助國內民營企業進軍國際資本市場，我公司為有意在美國上市的企業提供免費咨詢和評估。 咨詢電話：010－51658696 ===================================== 美國的證券場外交易市場(OTCBB）介紹 2005-3-23 NASDAQ 文章來源:財富指數 美國的場外交易市場是美國多層次證券市場體系的基礎。美國場外交易市場孕育了NASDAQ，同時，NASDAQ的電子交易技術（ECNS）、創新交易制度和監管制度也推動了場外交易市場的發展。NASDAQ由全國證券交易商協會（NASD）的全資子公司那斯達克證券市場公司 （NasdqStockMarket,Inc）負責運作。NASD同時負責監管美國的兩個場外證券交易市場即場外交易電子報價板（OTCBB）和粉紙報價(Pink Sheets)。由於OTCBB市場直接使用NASDAQ的報價、交易和清算系統，同時接受NASD和美國SEC的監管，NASAQ在很大程度上影響著美國主流場外交易市場OTCBB的運作模式。 1．OTCBB簡介 美國場外交易電子報價板(OTCBB)是提供場外交易實時報價、最新成交價格和成交量信息的電子交易系統。在這一市場上進行交易的品種都是不能或不願在NASDAQ市場或其他美國全國性證券交易所交易的證券。在OTCBB交易的證券包括全國性、地區性發行的股票和國外發行的股票、權證、基金單位、美國存托憑證(ADRs)和直接私募計劃（DPPs）。 1990年6月, OTCBB開始試運作。作為市場體系改革的重要組成部分,OTCBB的職責是增加場外交易市場的透明度。1990年通過的低價股修正案促進了電子化系統的設立，此系統設計的目的是方便報價及最新交易資訊的披露。從1993年12月起，系統要求所有國內場外交易證券在成交後90秒內必須透過自動確認交易服務系統（ACTSM）披露交易信息。1997年4月，SEC批淮OTCBB修整後正式運作。1997年5月，直接私募（DDPs）成為OTCBB合法報價品種。1998年4月，所有在證券交易委員會登記注冊的外國證券及美國存托憑證（ADRs）也成為OTCBB合法報價品種。 1999年1月4日，為了提高市場透明度和減少市場欺詐行為，SEC通過OTCBB報價資格規則：未在OTCBB報價的證券將被要求向證券交易委員會、銀行業或保險業管理者提供最新財務報告以符合報價資格要求；已在OTCBB報價而未提供報告的公司，被依法授與一寬限期以滿足新要求，此類公司在1999年7月起至2000年6月前被逐步引入OTCBB。目前，所有在OTCBB報價的國內公司最新財務信息需公開披露。 2000年的第一季度，OTCBB股票的交易值比一年前飛漲了370%，達到創紀錄的691億美元。3月份，月交易量達到250億股。5月份全月的交易量約為818億美元。目前OTCBB的發行股數目達到5年來最低水平。1995年OTCBB有5,450間公司，1999年6月大約6,667間。NASD於1999年7月開始凈化在OTCBB報價的公司，大掃除計劃剔除那些未能滿足財政公開標準的公司，現在OTCBB的交易公司為3,943間。2000年7月以後在OTCBB報價的公司基本分為三類。第一種類型包括未能達到NASDAQ上市標準的新興成長型公司；第二種類型包括幾乎全控股的公司，特別是地區性的銀行和保險公司；第三種是那些處於破產程序中的公司。 OTCBB市場的特點是：1．OTCBB是為初具規模、又急需資金發展卻不能在NYSE和NASDAQ上市的高技術小公司提供的一條便捷的融資渠道。同NASDAQ一樣，OTCB
❹ 程序員演算法實現-買賣股票的最佳時機系列問題
主要思路：因為只有一股可以交易，所以我們可以枚舉 必須以i位置作為賣出時機的情況下，得到的最大收益是多少。如果我們得到每個i位置的最大收益，那麼最大收益必是所有位置的最大收益的最大值 。
使用兩個變數：
min變數：表示遍歷到的位置之前的最小值是什麼。
max變數：表示當前收集到必須以i位置賣出的最大收益是多少。
遍歷數組一遍，在遍歷到i位置的時候，min和max的更新邏輯如下：
遍歷完數盯扮組，返回max的值就是最終答案。完整代碼見：
主要思路：由於可以進行任意次的交易，但是任何時候最多隻能持有一股股票，所以我們可以把股票曲線的所有 上升段 都抓取到，累加收益就是最大收益。遍歷數組，遍歷到的位置減去前一個位置的值，如果是正數，就收集，如果是負數，就把本次收益置為0（就等於沒有做這次交易），這樣遍歷一遍數組，就不會錯過所有的收益。
設置一個變數max，初始為0，用於收集最大收益值，來到i位置，max更新邏輯如下：
完整代碼如下：
由本題可以簡單得出一個結論： 如果數組元素個數為N，則最多執行N/2次交易就可以抓取所有的上升段的值（極端情況下，當前時刻買，下一個時刻賣，保持這樣的交易一直到最後，執行的交易次數就是N/2） 。
主要思路：
在第2種情脊基況下，我們定義
其中dp[i][j]表示[0...i]范圍內交易j次獲得的最大收益是多少。如果可以把dp這個二維表填好，那麼返回dp[N-1][k]的值就是題目要的答案。
dp這個二維矩陣中，
第一行的值表示數組[0..0]范圍內，交易若干次的最大收益，顯然，都是0。
第一列的值表示數組[0...i]范圍內，交易0次獲得的最大收益，顯然，也都是0。
針對任何一個普遍位置dp[i][j]的值，
我們可以枚舉i位置是否參與交易，如果i位置不參與交易，那麼dp[i][j] = dp[i-1][j]，如果i位置參與交易，那麼i位置一定是最後一次的賣出時機。
那最後一次買入的時機，可以是如下情況：
最後一次買入的時機在i位置，那麼dp[i][j] = dp[i][j-1] - arr[i] + arr[i]
最後一次買入的時機在i-1位置，那麼dp[i][j] = dp[i-1][j-1] - arr[i-1] + arr[i]
最後一次買入的時機在i-2位置，那麼dp[i][j] = dp[i-2][j-1] - arr[i-2] + arr[i]
...
最後一次買入的時機在0位置，那麼dp[i][j] = dp[0][j-1] - arr[0] + arr[i]
完整代碼如下：
上述代碼中包含一個枚舉行為
增加了時間復雜度，我們可以優化這個枚舉。
我們可以舉一個具體的例子來說明如何優化，
比如，
當我們求dp[5][3]這個值，我們可以枚舉5位置是否參與交易，假設5位置不參與交易，那麼dp[5][3] = dp[4][3]，假設5位置參與交易，那麼5位置一定是最後一次的賣出時機。那最後一次買入的時機，可以是如下情況：
最後一次買入的時機在5位置，那麼dp[5][3] = dp[5][2] - arr[5] + arr[5]
最後一次買入的時機在4位置，那麼dp[5][3] = dp[4][2] - arr[4] + arr[5]
最後一次買入的時機在3位置，那麼dp[5][3] = dp[3][2] - arr[3] + arr[5]
最後一次買入的時機在2位置，那麼dp[5][3] = dp[2][2] - arr[2] + arr[5]
最後一次買入的時機在1位置，那麼dp[5][3] = dp[1][2] - arr[1] + arr[5]
最後一次買入的時機在0位置，那麼dp[5][3] = dp[0][2] - arr[0] + arr[5]
我們求dp[4][3]這個值，我們可以枚舉4位置是否參與交易，假設4位置不參與交易，那麼dp[4][3] = dp[3][3]，假設4位置參與交易，那麼4位置一定是最後一次的賣出時機。那最後一次買入的時機，可以是如下情況：
最後一次買凱野灶入的時機在4位置，那麼dp[4][3] = dp[4][2] - arr[4] + arr[4]
最後一次買入的時機在3位置，那麼dp[4][3] = dp[3][2] - arr[3] + arr[4]
最後一次買入的時機在2位置，那麼dp[4][3] = dp[2][2] - arr[2] + arr[4]
最後一次買入的時機在1位置，那麼dp[4][3] = dp[1][2] - arr[1] + arr[4]
最後一次買入的時機在0位置，那麼dp[4][3] = dp[0][2] - arr[0] + arr[4]
比較dp[5][3]和dp[4][3]的依賴關系，可以得到如下結論：
假設在求dp[4][3]的過程中，以下遞推式的最大值我們可以得到
dp[4][2] - arr[4]
dp[3][2] - arr[3]
dp[2][2] - arr[2]
dp[1][2] - arr[1]
dp[0][2] - arr[0]
我們把以上式子的最大值定義為best，那麼
dp[5][3] = Math.max(dp[4][3],Math.max(dp[5][2] - arr[5] + arr[5], best + arr[5]))
所以dp[5][3]可以由dp[4][3]加速得到，
同理，
dp[4][3]可以通過dp[3][3]加速得到，
dp[3][3]可以通過dp[2][3]加速得到，
dp[2][3]可以通過dp[1][3]加速得到，
dp[1][3]可以很簡單得出，dp[1][3]有如下幾種可能性:
可能性1，1位置完全不參與，則
可能性2，1位置作為最後一次的賣出時機，買入時機是1位置
可能性3，1位置作為最後一次的賣出時機，買入時機是0位置
此時，best的值為
然後通過dp[1][3]加速dp[2][3]，通過dp[2][3]加速dp[3][3]......，所以二維dp的填寫方式是按列填，
先填dp[1][0]，dp[1][2]一直到dp[1][k]，填好第一列；
然後填dp[2][0],dp[2][1]一直到dp[2][k]，填好第二列；
...
依次填好每一列，直到填完第N-1列。
枚舉行為被優化，優化枚舉後的完整代碼如下：
主要思路：上一個問題中，令k=2就是本題的答案。
主要思路：因為有了冷凍期，所以每個位置的狀態有如下三種：
定義三個數組，分別表示i位置這三種情況下的最大值是多少
顯然有如下結論：
針對一個普遍位置i
最大收益就是如上三種方式的最大值。完整代碼見：
由於三個數組有遞推關系，所以可以用三個變數替換三個數組，做空間壓縮，優化後的代碼如下：
主要思路：由於沒有冷凍期，所以在i位置的時候，狀態只有兩種
針對0位置
針對普遍位置i
完整代碼如下：
同樣的，兩個數組都有遞推關系，可以做空間壓縮，簡化後的代碼如下：
原文鏈接：買賣股票的最佳時機系列問題 - Grey Zeng - 博客園