中富转债,章鼓转债上市价格预测

2023-11-03 07:52

本文主要是介绍中富转债,章鼓转债上市价格预测,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

中富转债-123226

基本信息

转债名称:中富转债,评级:AA-,发行规模:5.2亿元。

正股名称:中富电路,今日收盘价:30.03元,转股价格:36.44元。

当前转股价值 = 转债面值 / 转股价格 * 正股价格 = 82.41元。

相似转债

转债名称转债最新价纯债溢价率发行规模评级
富仕转债125.44855.165.7AA-
明电转02123.0740.714.485AA-
国力转债122.57559.944.8A+
景23转债124.434.6811.54AA
华正转债126.89629.55.7AA+
世运转债122.20318.7810.0AA
明电转债119.99518.896.73AA-
超声转债111.6149.927.0AA
洁美转债129.331.36.0AA-
崇达转2109.355.8514.0AA
景20转债121.84919.917.8AA
兴森转债142.034.192.689AA
火炬转债139.08933.286.0AA
艾华转债121.33915.526.91AA
大族转债103.943-0.3223.0AA+

综合评定

根据相关性综合评定,给出的溢价率为:29.5%。

上市价格预估(溢价率):82.41 * (1 + 29.5%) = 106.72元。

上市价格预估(动态拟合):117.83元。

章鼓转债-127093

基本信息

转债名称:章鼓转债,评级:A+,发行规模:2.43亿元。

正股名称:山东章鼓,今日收盘价:10.02元,转股价格:10.35元。

当前转股价值 = 转债面值 / 转股价格 * 正股价格 = 96.81元。

相似转债

转债名称转债最新价纯债溢价率发行规模评级
铭利转债119.43137.3610.0AA-
华亚转债129.159.73.4A+
大元转债125.06939.774.5AA-
金沃转债117.10957.313.1A
泰福转债121.86363.263.3489A
华锐转债128.74356.094.0A+
申昊转债111.235.25.5A+
隆华转债119.05722.657.989283AA-
拓斯转债110.5738.046.7AA
锋龙转债130.01137.142.45A+
沪工转债114.56117.554.0A+
大业转债119.43911.55.0AA-

综合评定

根据相关性综合评定,给出的溢价率为:37.25%。

上市价格预估(溢价率):96.81 * (1 + 37.25%) = 132.87元。

上市价格预估(动态拟合):125.1元。

预测图

893dff61bf02dbfb5330e592a6aea5bc.jpeg

说明:
1、溢价率预测是根据同类型转债的中位数进行的预测。
2、动态拟合是根据目前债市的热度进行的预测。
3、转债第一天价格大概率落在这两个之间。
4、转债第一天价格同时受上市正股走势影响。

附录 可转债交易规则


可转债基本交易规则参见下表:

内容沪市深市
交易时间T+0,代码11开头T+0,代码12开头
最小报价单位0.001元0.001元
最小交易单位10张10张
开盘竞价集合竞价
9:15–9:20可下单,可撤单;
9:20–9:25可下单,不可撤单
集合竞价
9:15–9:20可下单,可撤单;
9:20–9:25可下单,不可撤单
收盘竞价连续竞价
14:57–15:00可下单,可撤单
集合竞价
14:57–15:00可下单,不可撤单
出价范围(新债)9:15–9:25:70~130,超出废单
9:25-15:00:当前价的±10%
-> 14:57前最高143
-> 14:57-15:00最高157.3
9:15–9:25:70~130,超出废单
9:25-15:00:当前价的±10%
-> 14:57前最高143
-> 14:57-15:00最高157.3
出价范围(非新债)前一日收盘价,涨跌±20%,超出废单前一日收盘价,涨跌±20%,超出废单
停牌规则(新债)涨跌±20%,熔断30分钟;
涨跌±30%,熔断至14:57分。
停牌期间,不可委托,不可撤卖,可撤买。
涨跌±20%,熔断30分钟;
涨跌±30%,熔断至14:57分。
停牌期间,可委托,可撤单。
出价范围(非新债)无,±20%涨跌幅限制无,±20%涨跌幅限制

最后

本文,

包括本文所有数据图表均由作者Python程序而来,实属不易!~~

请帮忙点赞,分享和在看,谢谢!~

如有低频量化的交流,请留言,谢谢!~

a7cc79a366304c00eca15d93c851446d.gif 4eb48967e816a75630e2dd2e3f6dff9d.gif

这篇关于中富转债,章鼓转债上市价格预测的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/336706

相关文章

驾驭冰雪 安全无忧,韩泰高性能冬季轮胎新品上市

- 韩泰轮胎推出冬季轮胎新产品Winter i*cept iZ3和SUV专用的Winter i*cept iZ3 X - 新轮胎采用了V型花纹,冰雪路面安全性极佳,而且具有操控性好、续航里程长的优点 - 新轮胎在位于北极圈以北300km的韩泰轮胎芬兰伊瓦洛测试场进行了严苛测试,确保极寒条件的安全性 2024年8月,韩泰轮胎正式在中国市场推出新一代高性能冬季轮胎Winter i*cept

Tensorflow lstm实现的小说撰写预测

最近,在研究深度学习方面的知识,结合Tensorflow,完成了基于lstm的小说预测程序demo。 lstm是改进的RNN,具有长期记忆功能,相对于RNN,增加了多个门来控制输入与输出。原理方面的知识网上很多,在此,我只是将我短暂学习的tensorflow写一个预测小说的demo,如果有错误,还望大家指出。 1、将小说进行分词,去除空格,建立词汇表与id的字典,生成初始输入模型的x与y d

临床基础两手抓!这个12+神经网络模型太贪了,免疫治疗预测、通路重要性、基因重要性、通路交互作用性全部拿下!

生信碱移 IRnet介绍 用于预测病人免疫治疗反应类型的生物过程嵌入神经网络,提供通路、通路交互、基因重要性的多重可解释性评估。 临床实践中常常遇到许多复杂的问题,常见的两种是: 二分类或多分类:预测患者对治疗有无耐受(二分类)、判断患者的疾病分级(多分类); 连续数值的预测:预测癌症病人的风险、预测患者的白细胞数值水平; 尽管传统的机器学习提供了高效的建模预测与初步的特征重

结合Python与GUI实现比赛预测与游戏数据分析

在现代软件开发中,用户界面设计和数据处理紧密结合,以提升用户体验和功能性。本篇博客将基于Python代码和相关数据分析进行讨论,尤其是如何通过PyQt5等图形界面库实现交互式功能。同时,我们将探讨如何通过嵌入式预测模型为用户提供赛果预测服务。 本文的主要内容包括: 基于PyQt5的图形用户界面设计。结合数据进行比赛预测。文件处理和数据分析流程。 1. PyQt5 图形用户界面设计

CNN-LSTM模型中应用贝叶斯推断进行时间序列预测

这篇论文的标题是《在混合CNN-LSTM模型中应用贝叶斯推断进行时间序列预测》,作者是Thi-Lich Nghiem, Viet-Duc Le, Thi-Lan Le, Pierre Maréchal, Daniel Delahaye, Andrija Vidosavljevic。论文发表在2022年10月于越南富国岛举行的国际多媒体分析与模式识别会议(MAPR)上。 摘要部分提到,卷积

多维时序 | Matlab基于SSA-SVR麻雀算法优化支持向量机的数据多变量时间序列预测

多维时序 | Matlab基于SSA-SVR麻雀算法优化支持向量机的数据多变量时间序列预测 目录 多维时序 | Matlab基于SSA-SVR麻雀算法优化支持向量机的数据多变量时间序列预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍 1.Matlab基于SSA-SVR麻雀算法优化支持向量机的数据多变量时间序列预测(完整源码和数据) 2.SS

力扣 | 递归 | 区间上的动态规划 | 486. 预测赢家

文章目录 一、递归二、区间动态规划 LeetCode:486. 预测赢家 一、递归 注意到本题数据范围为 1 < = n < = 20 1<=n<=20 1<=n<=20,因此可以使用递归枚举选择方式,时间复杂度为 2 20 = 1024 ∗ 1024 = 1048576 = 1.05 × 1 0 6 2^{20} = 1024*1024=1048576=1.05 × 10^

回归预测 | MATLAB实现PSO-LSTM(粒子群优化长短期记忆神经网络)多输入单输出

回归预测 | MATLAB实现PSO-LSTM(粒子群优化长短期记忆神经网络)多输入单输出 目录 回归预测 | MATLAB实现PSO-LSTM(粒子群优化长短期记忆神经网络)多输入单输出预测效果基本介绍模型介绍PSO模型LSTM模型PSO-LSTM模型 程序设计参考资料致谢 预测效果 Matlab实现PSO-LSTM多变量回归预测 1.input和outpu

时序预测|变分模态分解-双向时域卷积-双向门控单元-注意力机制多变量时间序列预测VMD-BiTCN-BiGRU-Attention

时序预测|变分模态分解-双向时域卷积-双向门控单元-注意力机制多变量时间序列预测VMD-BiTCN-BiGRU-Attention 文章目录 一、基本原理1. 变分模态分解(VMD)2. 双向时域卷积(BiTCN)3. 双向门控单元(BiGRU)4. 注意力机制(Attention)总结流程 二、实验结果三、核心代码四、代码获取五、总结 时序预测|变分模态分解-双向时域卷积

【销售预测 ARIMA模型】ARIMA模型预测每天的销售额

输入数据txt格式: 2017-05-01 100 2017-05-02 200 ……. python 实现arima: # encoding: utf-8"""function:时间序列预测ARIMA模型预测每天的销售额author:donglidate:2018-05-25"""# 导入库import numpy as np # numpy库from statsmode