云计算概念股，股票中的AL？
"AL概念股"是指市场上受到人工智能、大数据、云计算等技术驱动，具有相应概念属性的股票，如科大讯飞、云从科技等。这类股票的投资热度通常与相关技术的发展和应用前景相关，具有较高的投资风险和机会。
投资者在选择AL概念股时需要深入了解公司的商业模式、盈利情况、行业竞争情况等多方面的信息。
常山北明是行业龙头吗？
是行业龙头。
常山北明全名石家庄常山纺织股份有限公司，是一家集生产、科研、贸易为一体的大型纺织上市公司。
纺织主业主导产品有环保型纱线、功能型面料以及高档品牌服装、家纺和产业用纺织品等。
软件主业致力于提供以云计算、大数据、电子商务和IT运维管理技术为核心的综合性IT解决方案和服务。
业务经营范围包括：计算机软件技术开发、技术服务、技术咨询、棉花、办公设备、电子元器件、通信设备、计算机及零配件、计算机软件、仪器仪表、光伏设备的批发零售、通信设备、计算机零配件的租赁、计算机系统集成、自营和代理各类商品及技术的进出口业务、天然纤维和人造纤维的纺织品、针织品、服装加工、家用服饰、纺织品、产业用纺织品的设计、开发、制造。
盘点哪些行业投资回报率高？
我认为股票市场的投资回报率就挺高的。
股票市场有熊必有牛，每一次熊市过后必有牛市的到来。而每一次熊转牛的期间优质个股的涨幅跨服至少在2-3倍以上。所以如果你会做股票投资，那么股票对于你而言，就是“取款机”。
2019年股市4月关注哪些板块？
眼光要放远一点儿，格局要放大一点，你才能在股市里赚到大钱！现在是2019年的4月，如果你只是关注4月哪些板块会涨，哪些板块有利好，那么大概率你就是韭菜，大概率会追涨杀跌，大概率赚不到什么钱！
所以说3年前的布局和选择，决定了你现在的生活；那么你现在的布局和选择，一定决定了你三年后的生活和样子！如果三年前你看到了熊市下跌，选择了轻仓或者空仓观望，那么现在就是有布局的资本。同样的，如果你看到了未来三年后的股市位置和情况，那么你就应该提前布局和制定策略，才能在3年后赚到大钱！
目前的市场机会还是很多的，但是只是盯着4月的机会，我认为则是很少！因为股市从2440点涨到了3200点，大部分的权重股和大白马股，券商股都有了一定的涨幅，上涨的时间也非常急促。那么从未来的几个月来看，回调是大概率的事件，震荡洗盘也是大势所趋！因此这里选择短线布局和投机，其实迎面并不大，反而容易追涨杀跌！
所以正确的策略，应该是布局于千里之外！因为现在指数虽然涨了800多点，但是个股的机会还是非常逗的！特别是那些前期滞涨的，但是还是处于底部区域的中小创个股，未来就算被大盘带动下跌回调，也是一次逢低吸纳，“捡便宜”的机会！
而在这些底部区域的中小创绩优股里，有一类个股值得我们注意！那就是2018年第四季度突然出现大肆亏损，但是原因是商誉计提的绩优股！这些个股采用的就是一个“大洗澡”的把戏，无论是长线投资的价值，还是从未来的年报行情来看，机会都是大于风险的！
什么是商誉计提？？有一种套路叫“商誉计提”利用商誉计提的机会，大幅度计提公司所有的潜在负面开支，顺便也把公司老总情人一百年的卫生纸费也计提进去了，做低股价。然后大股东以稳定股价为由抛出增持计划，再来一次精准的增持抄底。计提10-12亿，拿出1-2亿增持抄底，拿出1亿，做多下一年的业绩，造成业绩剧增10-100倍，进一步推升股价，3年后公司股价暴涨了5-10倍，然后高位套现，质押，再次套现20-40亿。这样一个来回，3年内，公司啥事不用干，就可以稳赚10-30亿。多好的玩法啊！这就是现在很多公司热衷于商誉计提的主因了。对于计提过的子公司孙公司，3年后还可以高溢价转让出去，再次爆赚10-20亿。所以4月涨幅较大的那些板块其实并没有太多的参与价值，因为市场热闹的地方从来不会有投资的价值存在，这里进入，无非就是一个高位接盘，为前期的疯狂买单的结局。而我们更应该找那些未来大概率上涨的板块，个股，做一个长远的考虑！
而商誉计提的、在底部区域里的、前期滞涨的中小创绩优股就是最好的选择。从辩证的角度来看，多挖掘这类故意利用商誉计提玩套路的公司，未来会是大牛股。
感谢⭐点赞和关注⭐。更多更好的逻辑期待与你分享！一家之言，仅供参考！真正的人工智能龙头除了科大讯飞？
在A股里，真正的人工智能龙头除了科大讯飞，还有哪几个？
首先，通过通达信行情软件找到人工智能板块的个股共有92只。如下图所示：其实人工智能板块里面有很多各种行业的个股在里面，目前人工智能只是一个概念板块。在挑选人工智能板块的核心个股之前，大家应该先认识一下什么叫人工智能。
其次，什么是人工智能？人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能亦称智械、机器智能，指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。通过医学、神经科学、机器人学及统计学等的进步，有些预测则认为人类的无数职业也逐渐被人工智能取代。
根据网络上的定义我们找到了一些简单的人工智能的介绍给股民投资者朋友看看：
人工智能的定义可以分为两部分，即“ 人工”和“ 智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。 关于什么是“智能”，就问题多多了。这涉及到其它诸如 意识（CONSCIOUSNESS）、 自我（SELF）、 思维（MIND）（包括无意识的思维（UNCONSCIOUS_MIND））等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要 元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究 课题。 人工智能在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。 著名的美国 斯坦福大学人工智能研究中心尼尔逊教授对 人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个 美国麻省理工学院的 温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的 智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。 人工智能是 计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（ 空间技术、 能源技术、 人工智能）。也被认为是二十一世纪三大尖端技术（ 基因工程、 纳米科学、 人工智能）之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。 人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与 思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、 模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。
欢迎关注 量化擒牛，专注量化策略挖掘和投资者教育，欢迎转发、评论、点赞。
例如繁重的科学和工程计算本来是要人脑来承担的，如今计算机不但能完成这种计算，而且能够比人脑做得更快、更准确，因此当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”，可见复杂工作的定义是随着时代的发展和技术的进步而变化的，人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，另一方面又转向更有意义、更加困难的目标。 通常，“机器学习”的数学基础是“统计学”、“信息论”和“控制论”。还包括其他非数学学科。这类“机器学习”对“经验”的依赖性很强。计算机需要不断从解决一类问题的经验中获取知识，学习策略，在遇到类似的问题时，运用经验知识解决问题并积累新的经验，就像普通人一样。我们可以将这样的学习方式称之为“连续型学习”。但人类除了会从经验中学习之外，还会创造，即“跳跃型学习”。这在某些情形下被称为“灵感”或“顿悟”。一直以来，计算机最难学会的就是“顿悟”。或者再严格一些来说，计算机在学习和“实践”方面难以学会“不依赖于量变的质变”，很难从一种“质”直接到另一种“质”，或者从一个“概念”直接到另一个“概念”。正因为如此，这里的“实践”并非同人类一样的实践。人类的实践过程同时包括经验和创造。 这是智能化研究者梦寐以求的东西。 2013年，帝金数据普数中心数据研究员S.C WANG开发了一种新的数据分析方法，该方法导出了研究函数性质的新方法。作者发现，新数据分析方法给计算机学会“创造”提供了一种方法。本质上，这种方法为人的“创造力”的模式化提供了一种相当有效的途径。这种途径是数学赋予的，是普通人无法拥有但计算机可以拥有的“能力”。从此，计算机不仅精于算，还会因精于算而精于创造。计算机学家们应该斩钉截铁地剥夺“精于创造”的计算机过于全面的操作能力，否则计算机真的有一天会“反捕”人类。 当回头审视新方法的推演过程和数学的时候，作者拓展了对思维和数学的认识。数学简洁，清晰，可靠性、模式化强。在数学的发展史上，处处闪耀着数学大师们创造力的光辉。这些创造力以各种数学定理或结论的方式呈现出来，而数学定理最大的特点就是：建立在一些基本的概念和公理上，以模式化的语言方式表达出来的包含丰富信息的逻辑结构。应该说，数学是最单纯、最直白地反映着（至少一类）创造力模式的学科。
所以介绍完了上面的这些内容，你对人工智能应该也又一定的了解了吧，再在人工智能里面找到值得投资像科大讯飞类似的股票是不是就容易很多了！
欢迎关注 量化擒牛，专注量化策略挖掘和投资者教育，欢迎转发、评论、点赞。
