IPO-同业竞争

1、同业竞争的核查应当以 “实质重于形式”,结合历史沿革、资产、人员、主营业务(技术、商标商号、客户、供应商等),以及业务替代性,竞争性等多方面来论证。

2、从目前已经注册生效或上市的案例来看,从发行人与竞争方产品及业务不同的角度论证发行人与竞争方不存在同业竞争仍为主流方法

  • (1)产品工艺与技术分析,产品工艺与技术(包括但不限于产品原料、工艺、核心技术、竞争对手等方面)分析竞争方与发行人之间的业务的本质区别是说明不存在同业竞争问题的根本路径之一。
  • (2)销售市场与适用领域分析,销售市场与适用领域决定了产品的应用方向,如产品从结构本身即决定了其面向不同的适用领域,针对的是不同的销售群体,则产品相互替代的可能性较小。但若产品形态相同或相似,仅仅以区分市场与适用领域的划分则较难说明产品本身不存在替代性,《首发业务解答》中亦明确提出,不能简单以产品销售地域不同、产品的档次不同认定不构成同业竞争。
  • (3)客户、供应商重合度分析,客户、供应商重合度系反映发行人与竞争方竞争程度的重要指标,对于具有重合客户和供应商的,一般应当通过价格对比说明公允性,通过产品明细说明采购/销售的产品类型的区别,通过行业特性说明符合行业普遍情况。
  • (4)独立性分析,同业竞争往往暗藏独立性缺失风险,尤其是对于从集团公司分拆上市的企业而言,历史沿革往往与集团公司有一定程度的关联,发行人人员、技术、业务与集团公司之间混同的情况十分普遍,所以解决同业竞争问题首先需要减少发行人对集团公司的依赖。

3、存在同业竞争,但不会对发行人构成重大不利影响的论证路径,目前,注册制下通过论证“同业竞争不存在重大不利影响”的典型案例有铁科轨道(688569)、杭华股份、金龙鱼(300999)、和舰芯片。

  • 从业务开展模式论证同业竞争不存在重大不利影响,如发行人与竞争方虽产生同业竞争,但是其业务开展系通过招投标等公开方式进行,则能够较好的说明非公平竞争和利益输送可能性较低。
  • 从经营地域的天然区别论证同业竞争不存在重大不利影响

  • 从“市场划分”论证同业竞争不存在重大不利影响的可行性,仅通过市场分割协议、相关避免同业竞争的承诺等措施,不能达到论证效果。

4、解决同业竞争的手段

  1. 将竞争性业务并入上市主体
  2. 将竞争性业务转让给非关联第三方
  3. 停止竞争性业务
  4. 注销同业竞争企业
  5. 协议安排与承诺(委托经营、市场分割协议、承诺)

5、委托经营方式一般为国有企业因特殊原因无法在一定时间内彻底解决同业竞争问题时而做的过渡性安排。

6、单纯的市场分割方式已很难获得监管层认可。

7、第四条所说的承诺是一种解决同业竞争问题的过渡性措施,是指在存在同业竞争的情况下,所作出的在未来一定期限内解决同业竞争问题的承诺。在严格监管同业竞争的背景下,解决同业竞争的承诺将越来越成为特殊个案的特殊解决方式。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在风能领域,准确预测风速对于风电场的运行与管理至关重要。Matlab作为一个强大的数学计算和数据分析平台,被广泛应用于风速预测模型的构建。本文将深入探讨基于四种风速——随机风、基本风、阵风和渐变风的组合风速预测技术。 我们来理解这四种风速类型: 1. **随机风**:随机风是指风速呈现出随机性的变化,通常由大气湍流引起。在建模中,通常通过统计方法如高斯分布或Weibull分布来模拟这种不确定性。 2. **基本风**:基本风速是指在无特定扰动条件下的平均风速,它是长期观测结果的平均值,通常用于结构设计和风能评估。 3. **阵风**:阵风是短时间内风速显著增强的现象,对建筑物和风力发电机造成的主要威胁之一。阵风的预测涉及到风的脉动特性分析。 4. **渐变风**:渐变风是指风速随时间和空间逐渐变化的过程,常见于风向转变或地形影响下的风场变化。 在Matlab中,利用这四种风速类型进行组合预测,可以提高预测的准确性。预测模型可能包括以下几个步骤: 1. **数据收集与预处理**:收集历史风速数据,包括随机风、基本风、阵风和渐变风的数据,进行异常值检测、缺失值填充以及数据标准化。 2. **特征工程**:提取风速变化的相关特征,如平均值、标准差、极值、频率分布等,这些特征可能对预测有重要影响。 3. **模型选择**:可以选择多种预测模型,如时间序列分析(ARIMA、状态空间模型等)、机器学习算法(线性回归、决策树、支持向量机、神经网络等)或深度学习模型(LSTM、GRU等)。 4. **模型训练**:利用历史数据训练选定的模型,调整模型参数以优化性能,例如通过交叉验证来避免过拟合。 5. **模型验证与评估**:使用独立的测试集验证模型预测效果,常见的评估指标有均方误差(MSE)、平均绝对误差(MAE)和决定系数(R²)。 6. **组合预测**:结合四种风速的不同模型预测结果,可以采用加权平均、集成学习(如bagging、boosting)等方式,以提升整体预测精度。 7. **实时更新与动态调整**:实际应用中,模型需要不断接收新的风速数据并进行在线更新,以适应风场环境的变化。 通过以上步骤,可以构建一个综合考虑各种风速特性的预测系统,这对于风电场的功率输出预测、风电设备的维护计划以及电网调度都具有重要价值。然而,需要注意的是,每个风场的地理环境、气候条件和设备状况都有所不同,因此模型的建立应根据实际情况进行定和优
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值