全球瞩目!2023年巴菲特股东大会来袭,六大前瞻要点抢先看
2023年11月20日 每日一猜答案:。 答案:ABC。 每日一猜答案分析:
2021巴菲特预言,巴菲特年会2021,巴菲特年会2020,巴菲特2022华盛证券
编者按:齐聚奥马哈!今年的巴菲特股东大会将于5月的第一个星期六举行。届时,巴菲特可能会对美国通胀、银行危机、投资日本、人工智能等话题发表看法。
一年一度的投资圈盛宴来了!伯克希尔哈撒韦将于美东时间5月5日至5月7日在奥马哈举行年度股东大会,今年计划将会回答更多的问题,在这里,投资者们可以和巴菲特直接对话。
每年的5月份,数万投资人都会来到美国内布拉斯加州小城奥马哈,也就是巴菲特的故乡,伯克希尔的总部,共享投资盛宴。本次股东大会,沃伦・巴菲特将继续携手老搭档查理?芒格就市场表现、经济前景、公司治理、投资机会等方面分享自己的观点。与此同时,被指定为巴菲特“接班人”的格雷格・阿贝尔和伯克希尔的高管阿吉特・贾恩也将一道出席。
眼下,距离2023年巴菲特股东大会还有不到半个月的时间,今年的股东大会将会有哪些要点可以关注?以下是可能会聊到的话题。
2023年股东大会看点
- 对于美国通胀、美联储加息以及中国市场的看法
巴菲特一直以来对美联储的看法都较为正面,尽管美联储已经连续第9次加息。他称如果自己当联储主席的话,应该是不会像鲍威尔那样出色的。此前,外界一些评论经常批评美联储将利率维持在低位的时间过长,导致美国当前的通胀高烧不退。巴菲特指出,通货膨胀对一个国家来说是持续的威胁,目前为止美国做得不错。但他警告称,通胀和衰退都会威胁到投资者,衰退会变成萧条,届时重新整顿经济会难得多。
中国市场每次股东大会都是热议话题,巴菲特和芒格不止一次表达过对中国经济的看好,虽然伯克希尔投资中国股票数量不多,但两次出手都获得了10倍甚至30倍的回报。结合今年以来外资大量涌入抢筹中国优质资产,投资者们也十分关注两位老人的观点,从中来寻找投资机会。
除了有关中国的话题外,大家可以期待巴菲特和芒格分享他们对于全球局势、未来市场的看法,以及应对可能的经济挑战的计划。
- 如何看待美国中小银行破产危机和对银行股的抛售?
在2008年金融危机时,巴菲特出手拯救崩溃边缘的银行,后来,他将这一事件称为“美国经济的珍珠港事件”。近期硅谷银行和的倒闭危机,让投资者对欧美银行体系稳定性的担忧蔓延。对此,巴菲特表示,人们不应该对银行业或美国银行存款的安全性感到恐慌。他指出,陷入困境的银行不是价值股,政府不会拯救陷入困境的银行的股东。
不过,他已经卖出了之前持有的大部分银行股,包括富国银行、高盛和摩根大通等。他还认为美国银行的倒闭潮并未结束。因此,这一次的股东大会,这位奥马哈先知可能会对银行系统再次发表自己的看法。
- 加大对日本的投资,为何如此看好日本股市的前景?
此前,巴菲特访问日本,并在采访中谈到已将其在日本五家公司中每家的股份提高至7.4%,并补充说会考虑进一步投资。据悉,这五家公司是日本著名的五大商社,其财团控制了日本接近99%的大型生产企业及贸易公司,投资领域涉及全球的石油、天然气及矿产资源。
现在,伯克希尔哈撒韦在日本拥有的股票比在美国以外其他任何国家都要多。晨星亚洲股票研究主管Lorraine Tan表示,巴菲特的兴趣“提醒人们,日本股市存在有吸引力且价格合理的投资机会”。此外,伯克希尔也己成为最大的日元债券外国发行人之一。那么,本次大会上,巴菲特可能继续就投资日本的话题进行深入探讨。
- 重仓股持仓转向以及关于西方石油、台积电的投资逻辑
从持仓来看,伯克希尔逐渐进军科技领域,对IBM 、惠普 、台积电等科技企业进行了大量投资,最引人注目的可能对苹果的重仓,占投资组合的38.9%。在接受CNBC采访时,巴菲特还明确表示,伯克希尔不会出售苹果股票。对于台积电,继第三季度新晋加仓后,伯克希尔第四季度又闪电卖出了的大部分股份。巴菲特对此解释称看好其优秀的管理,不过伯克希尔有更好的地方配置资本。这不免让人浮想联翩,股神究竟将目光转向了哪里?
在石油和天然气价格疲软之际,伯克希尔凶猛加仓西方石油,截至今年3月中旬,伯克希尔已经取得了西方石油23%左右的股权。得益于对西方石油等石油股的押注,伯克希尔哈撒韦股价去年全年上涨4%,大幅跑赢标普500指数。有市场分析认为,伯克希尔的最终目标可能是收购西方石油的多数股权。除了大量买入西方石油以外,巴菲特还长期持有另一只能源股雪佛龙。如此大手笔的操作,是不是表明了他长期看好传统能源股的态度呢?只能等到股东大会上,期待股神为此解答。
- ChatGPT曾令巴菲特“印象深刻” !谈及人工智能,看法是否发生改变?
自2月份以来,以ChatGPT为代表的人工智能备受关注,也在资本市场掀起了一波投资浪潮。巴菲特形象地比喻为,这是令人震惊的发明,就像1945年我们造出来原子弹一样。一直以来对投资新兴科技股票不感兴趣的巴菲特,前段时间被问到对于ChatGPT的看法时,竟然意外的答道,ChatGPT是一项卓越的发明,虽然他不知道这是不是有益的。随着,各大科技巨头的纷纷入局,人工智能这条赛道的大战愈演愈烈。市场调查公司CBInsights的报告显示,仅在今年第一季度共有34家人工智能初创公司被收购,为去年同期的两倍。巴老爷子会不会选择在这风口上采取行动呢?
- 聊退休、接班人,谈及公司未来的治理
92岁的巴菲特现在还是精力满满,在接受日本之行的采访中,全程精神矍铄、条理清晰,甚至没有表现出想要放弃最高CEO职位的迹象。不过,他在此前发表过,卸任后阿贝尔有望成为公司CEO的言论。巴菲特对阿贝尔的行事风格表示赞赏,还希望继任者能长期留任,而不是75岁之前退休。巴菲特说,负责几十项非保险业务的阿贝尔是伯克希尔拥有的一个巨大优势,他在做事方面更加强硬,因此伯克希尔的管理层得到了极大的改善。
对于伯克希尔的业绩情况,巴菲特近期表示,更加看好保险业务。他特别谈到,去年伯克希尔以约120亿美元收购保险公司 Alleghany 后,获得了八项非保险运营业务,每年税前利润高达数亿美元。但他也透露,伯克希尔的几家子公司正面临着愈加困难的环境。巴菲特一直强调公司治理的重要性,坚持通过透明的公司治理来保护伯克希尔哈撒韦和股东的利益。他曾对外承诺,对管理风险有充分的信心,自己99%的净资产都在伯克希尔。在今年的股东大会上,股东们可以期待更多关于伯克希尔治理和运营分享。
以下是伯克希尔官方公布并推荐的行程,时间为美国中部时间,与北京时间相差13个小时:
全国气象站点矢量数据在哪下载 气象历史数据获取网站
气象站点气象数据如何整理,中国气象站点数据,全国气象站点站号,气象站数据查询(1)中国地面气候资料日值数据集(V3.0)数据说明
"中国地面气候资料日值数据集(V3.0)"数据是按年-月存放的, 每年每月的所有站点数据每一项气象要素都放在一个文本文件中,全国站点空间位置以及每个文本的详细内容如下:
(1)SURF_CLI_CHN_MUL_DAY-TEM-12001-【【QQ微信】】.TXT
气温数据TEM, 包括站点编号(sid), 纬度(lat), 经度(long), 高程(elev), 年(year), 月(month),日(day), 平均气温(tmean), 最高气温(tmax), 最低气温(tmin)
(2)SURF_CLI_CHN_MUL_DAY-RHU-13003-【【QQ微信】】.TXT
湿度数据RHU, 包括站点编号(sid), 纬度(lat), 经度(long), 高程(elev), 年(year), 月(month),日(day), 平均相对湿度(rhmean), 最小相对湿度(rhmin)
(3)SURF_CLI_CHN_MUL_DAY-WIN-11002-【【QQ微信】】.TXT
风速数据WIN, 包括站点编号(sid), 纬度(lat), 经度(long), 高程(elev), 年(year), 月(month),日(day),日平均风速、日最大风速、最大风速的风向、日极大风速、极大风速的风向
(4)SURF_CLI_CHN_MUL_DAY-SSD-14032-【【QQ微信】】.TXT
日照数据SSD, 包括站点编号(sid), 纬度(lat), 经度(long), 高程(elev),年(year), 月(month),日(day), 日照时数(dh)
(5)SURF_CLI_CHN_MUL_DAY-PRE-13011-【【QQ微信】】.TXT
降水数据PRE, 包括站点编号(sid), 纬度(lat), 经度(long), 高程(elev), 年(year), 月(month),日(day), 20-8 时降水量、8-20 时降水量、20-20 时降水量
(6)SURF_CLI_CHN_MUL_DAY-E【【微信】】【【QQ微信】】.TXT
蒸发数据EVP, 包括站点编号(sid), 纬度(lat), 经度(long), 高程(elev), 年(year), 月(month),日(day), 小型蒸发量(evp1), 大型蒸发量(evp2)
(7)SURF_CLI_CHN_MUL_DAY-PRS-10004-【【QQ微信】】.TXT
气压数据PRS, 包括站点编号(sid), 纬度(lat), 经度(long), 高程(elev), 年(year), 月(month),日(day), 平均气压(pmean), 最高气压(pmax), 最低气压(pmin)
(8)SURF_CLI_CHN_MUL_DAY-GST-12030-0cm-【【QQ微信】】.TXT
地温数据GST, 包括站点编号(sid), 纬度(lat), 经度(long), 海拔(elev), 年(year), 月(month),日(day), 平均地表气温(stmean), 最高地表气温(stmax), 最低地表气温(stmin)
#特征值说明#:
①台站海拔高度 +【【QQ微信】】 当台站海拔高度为估测值时,在估测数据基础上加【【QQ微信】】
②各要素项 32766 数据缺测或无观测任务
③气压日极值 +20000 气压极值取自定时值,在原值上加20000
④日最小相对湿度 +300 最小相对湿度取自定时值,在原值上加300
⑤风速 +1000 当风速超过仪器测量上限时,在上限数据基础上加1000
⑥风向 1-17 用数字表示风向方位,17表示静风;+100 当表示风向为八风向时,在原值上加100;90X 风向出现X个时,风向数据用个数X表示;95X 风向至少出现X个时,风向数据用个数X表示
⑦降水量 32700 表示降水"微量";32XXX XXX为纯雾露霜;31XXX XXX为雨和雪的总量;30XXX XXX为雪量(仅包括雨夹雪,雪暴)
⑧蒸发量 32700 表示蒸发器结冰; +1000 蒸发器中注入的水全部蒸发,在注入的水量数据基础上加1000
⑨ 0cm地温 +10000 实际温度(零上)超仪器上限刻度,在上限数据基础上加10000; -10000 实际温度(零下)超仪器下限刻度,在下限数据基础上减10000
文本文件的原始数据单位:
气温(0.1°C), 湿度(1%), 风速(0.1m/s), 日照(0.1h), 降水量(0.1mm), 蒸发量(0.1mm), 气压(0.1hPa), 纬度(度分), 经度(度分), 高程(0.1m)
标准数据单位:
气温(°C), 湿度(1%), 风速(m/s), 日照(h), 降水(mm), 蒸发(mm), 气压(hPa), 纬度(°), 经度(°), 高程(m)
Matlab:中国地面气象日值数据集提取所需省份全部站点数据代码结构:(1)Input:8个变量,每年12个月,每年96个txt文件;(2)目标:多年循环,提取所需站点;(3)Output:一个子变量一个表,全年数据放入一个sheet中,不同年份放入不同sheet中输入数据命名基本为默认:
%%%%
% @LastEditors : 地理遥感生态网平台
% @Date : 2021-12-01 20:00
% @LastEditTime : 2021-12-07 22:00
% @Description : 全系列标准化气象数据的处理txt2excel;注意对每个输出结果进行检查
% @Objective : 按类输出所需省份全部年份n个气象站点数据
%%
clear;
clc;
%% 0. 前期输入输出&定义
% 输入txt根路径
txt_Path='D:\科研数据\metadata\2010_2017\';
% 输出xls根路径
xls_Path='D:\科研数据\metadata\xls2010_2017\';
% 预分配中间变量内存,列数根据元数据类别数目确定(注意按需修改)
A11=zeros(68,11);%3 RHU相对湿度;5 EVP蒸发;
% 按年读取全部txt文件
% year by year
for yy = 2010:2017
year = num2str(yy);
txt_file=【【微信】】(txt_Path,year,'\');
txt_list=dir(strcat(txt_file,'*.txt'));%列出路径下所有txt文件
% 判别平闰年,确定月天数,计算doy
if (mod(yy,4)==0 && mod(yy,100)~=0 || mod(yy,400)==0)
mon2day=[31 29 31 30 31 30 31 31 30 31 30 31]; % 闰年各月天数
else
mon2day=[31 28 31 30 31 30 31 31 30 31 30 31]; % 平年各月天数
end
doy=sum(mon2day);
% 根据doy预分配输出数据和表头(注意按需修改)
evp_d20=zeros(66,4+doy);
evp_E601=zeros(66,4+doy);
title{1,1}='station';
title{1,2}='lat';
title{1,3}='lon';
title{1,4}='altitude';
for dd=1:doy
title{1,4+dd}=strcat('doy',year,num2str(dd,'d'));
end
%% 1. 集成EVP结果
% month by month
i=1;
m=1;%第1个变量,排序根据txt_list来确定
m1=1+12*(m-1);%每个变量的第1个txt
m0=12*(m-1);
m12=12*m;%每个变量的第12个txt
for mm=m1:m12
e【【微信】】=txt_list(mm).name;
evp_mm=load(【【微信】】(txt_file,e【【微信】】));%原始txt文件读成表
n=1;
ss_1=53*mon2day(mm-m0)+1;%51053第1天
ss_2=(53+68-1)*mon2day(mm-m0)+1;%52313第1天
% day by day
for dm=0:(mon2day(mm-m0)-1)%1个月每天的循环
for ss=(ss_1+dm):mon2day(mm-m0):(ss_2+dm)%68个站点提取同一天
A11(n,:)=evp_mm(ss,:);
n=n+1;
end
A11(61,:)=[];% delete 51886 剔除不需要的站点
A11(66,:)=[];% delete 52267 注意上一个删除后位次67需减去1
evp_d20(:,1:3)=A11(1:66,1:3);
evp_E601(:,1:3)=A11(1:66,1:3);
evp_d20(:,4)=A11(1:66,4)*0.1;%altitude,0.1米
evp_E601(:,4)=A11(1:66,4)*0.1;%altitude,0.1米
evp_d20(:,4+i)=A11(:,8)*0.1;%小型蒸发量,0.1mm
evp_E601(:,4+i)=A11(:,9)*0.1;%大型蒸发量,0.1mm
i=i+1;
clear A11;
n=1;
end
end
% 经纬单位(度、分),转换为度
lat_int=floor(evp_d20(:,2)*0.01);
lat_decimal=(evp_d20(:,2)*0.01-lat_int).*100/60;
lat=lat_int+lat_decimal;
lon_int=floor(evp_d20(:,3)*0.01);
lon_decimal=(evp_d20(:,3)*0.01-lon_int).*100/60;
lon=lon_int+lon_decimal;
evp_d20(:,2)=lat;
evp_E601(:,2)=lat;
evp_d20(:,3)=lon;
evp_E601(:,3)=lon;
% 质量控制,剔除异常值(matlab固有bug,查找替换不完全,采用excel查找替换)
% evp_d20(evp_d20(:,5:end)==evp_d20(1,274))=nan;
% % evp_d20(evp_d20(:,5:end)>32765)=nan;
% evp_E601(evp_E601(:,5:end)==e【【微信】】,5))=nan;
% check1=find(evp_d20==3276.6);
% check2=find(evp_E601==3276.6);
% 输出,sheet名改为年份,所有年份,全年存在一个excel表中
writecell(title,strcat(xls_Path,'EVP_d20.xlsx'),'Sheet',year,'Range','A1');
writematrix(evp_d20,strcat(xls_Path,'EVP_d20.xlsx'),'Sheet',year,'Range','A2');
writecell(title,strcat(xls_Path,'E【【微信】】.xlsx'),'Sheet',year,'Range','A1');
writematrix(evp_d20,strcat(xls_Path,'E【【微信】】.xlsx'),'Sheet',year,'Range','A2');
clear doy title;
end
通过这样就可以得到逐年的所需站点的数据集了,方便又快捷!如果对您有帮助的话请点赞转发支持下!
数据来源请引用:中国日值气象站点数据集.地理遥感生态网科学数据注册与出版系统
赶紧三连关注下, 获取途径如下: