减持计划 - 2025年10月21日至2026年1月20日计划减持不超8175140股，占总股本1.06%[3] 减持情况 - 2025年11月4日至2026年1月16日减持5056478股，占总股本0.65%[3][5] - 减持后股东合计持股比例由13.63%降至12.98%[3][5] - 宿迁市新星投资、卢秀强减持后占比分别降至5.40%、1.18%[5] 其他 - 减持方式为集中交易和大宗交易，与计划一致且未履行完毕[5][6] - 本次变动无违规情况[6]

珠海港收购秀强股份的战略意义与成效 - 收购秀强股份有利于加快公司在新能源产业的布局和延伸，进一步拓宽新能源业务范围，构建新的发展空间，提升持续盈利能力 [1] - 公司在控股秀强股份后，秀强股份资产规模与经营业绩稳步提升 [1] 秀强股份的经营与投资者回报策略 - 秀强股份始终注重与股东分享发展成果，严格遵循监管要求，结合自身发展情况及资金安排，坚持以稳健经营、现金分红等多种方式积极回馈投资者 [1] - 未来仍将积极稳健发展主业，提高核心竞争力及长期投资价值，并持续向投资者传递经营成果 [1]

公司股东信息 - 公司于2025年12月31日的股东户数为35,359户 [2]

培训概况 - 2025年12月29日光大证券对秀强股份相关人员培训[2] - 地点为公司会议室和线上视频会议[2] - 培训人员是刘合群[2] 培训对象与形式 - 对象包括全体董事等部分中层以上管理人员[2] - 形式是现场授课和远程会议结合[2] 培训内容与效果 - 内容含法规更新、违规案例及资金使用注意事项[2] - 参与人员加深业务规则理解，明确行为规范[4] - 有助于提高公司规范运作和信息披露质量[4]

公司事项 - 现场检查对应期间为2025年，检查时间为2025年12月28日[2] - 秀强股份2025年10月23日通过部分募集资金投资项目延期议案[7] - 报告签字盖章时间为2026年1月7日[8]

现金管理操作 - 2025年10月14日买5亿产品，12月30日赎回收益116.67万元[1] - 2026年1月6日买1亿产品，4月8日到期，年化0.80%-1.60%[2] - 2026年1月6日买4亿产品，7月24日到期，年化1.00%-2.15%[2] - 授权2026年使用不超5亿闲置资金现金管理[1] - 截至公告日未到期余额5亿[2] 管理策略与监督 - 选安全性高、流动性好、低风险保本型产品[4] - 财务部核对余额、核算、跟踪资金运作[4] - 审计委员会、独立董事监督，必要时聘请机构审计[4] 影响与风险 - 金融市场受宏观经济影响，收益不可预期[3] - 不影响募投项目，可提高资金效率获回报[6]

公司业务与产品应用 - 公司玻璃深加工产品暂未应用于航天航空领域 [1]

量化模型与构建方式 1. **模型名称**：GAN_GRU模型[4][13] **模型构建思路**：利用生成式对抗网络（GAN）模型对量价时序特征进行增强处理，再利用门控循环单元（GRU）模型对处理后的时序特征进行编码，最终输出股票的未来收益预测值作为选股因子[4][13] **模型具体构建过程**： * **数据准备**：使用18个量价特征，包括日频特征（如前收盘价、开盘价、收盘价、最高价、最低价、成交量、成交金额、涨跌幅、振幅、换手率、均价）和月频特征（如月成交金额、月涨跌幅、月振幅、月换手率、月收盘最高价、月收盘最低价、月日均换手率）[17][19] * **特征采样**：对每只个股，取过去400天内的18个量价特征，每5个交易日进行一次采样，采样形状为40（天）* 18（特征），用以预测未来20个交易日的累计收益[18] * **数据处理**：每次采样的40天内，每个特征在时序上进行去极值和标准化处理；同时，每个特征在个股层面上进行截面标准化[18] * **GAN特征生成**： * **生成器（G）**：采用LSTM模型，输入原始量价时序特征（形状为(40, 18)），输出增强后的时序特征（形状仍为(40, 18)）[33][37] * **判别器（D）**：采用CNN模型，用于区分真实量价特征与生成器生成的特征[33] * **对抗训练**：生成器与判别器交替训练。生成器的目标是让判别器无法区分其生成的特征与真实特征，其损失函数为： $$L_{G}\,=\,-\mathbb{E}_{z\sim P_{z}(z)}[\log(D(G(z)))]$$ 其中，\(z\) 表示随机噪声，\(G(z)\) 表示生成器生成的数据，\(D(G(z))\) 表示判别器判断生成数据为真实数据的概率[24][25] 判别器的目标是准确区分真实数据与生成数据，其损失函数为： $$L_{D}=-\mathbb{E}_{x\sim P_{d a t a}(x)}[\log\!D(x)]-\mathbb{E}_{z\sim P_{z}(z)}[\log(1-D(G(z)))]$$ 其中，\(x\) 表示真实数据，\(D(x)\) 表示判别器对真实数据的输出概率[27] * **GRU收益预测**：将GAN生成器输出的增强特征，输入到一个两层GRU网络（GRU(128, 128)）中，后面再接一个多层感知机（MLP(256, 64, 64)），模型最终输出的预测收益（pRet）即为GAN_GRU因子[22] * **模型训练**：采用半年滚动训练方式，训练时间点为每年的6月30日及12月31日，使用过去数据训练模型并用于未来半年的预测[18] * **股票筛选**：选取全市场股票，剔除ST及上市不足半年的股票[18] **模型评价**：该模型结合了GAN的数据增强能力和GRU的时序建模能力，旨在挖掘更深层次的量价时序规律以预测股票收益[4][13] 量化因子与构建方式 1. **因子名称**：GAN_GRU因子[4][13] **因子构建思路**：GAN_GRU模型最终输出的股票未来收益预测值，直接作为选股因子使用[4][13][22] **因子具体构建过程**：如上述模型构建过程所述，经过GAN特征生成和GRU模型预测后，得到每只股票的未来收益预测值（pRet），即为因子值[22]。在因子测试前，会对该因子值进行行业和市值中性化处理，并进行标准化[22] 模型的回测效果 1. GAN_GRU模型（因子）[41][42] * IC均值：0.1119***[41][42] * ICIR（未年化）：0.89[42] * 年化收益率：37.40%[42] * 年化波动率：23.39%[42] * 信息比率（IR）：1.60[42] * 最大回撤率：27.29%[42] * 年化超额收益率：22.42%[41][42] * 换手率：0.83X[42] * 最新一期IC（截至2025年12月29日）：0.0331***[41][42] * 近一年IC均值（截至2025年12月29日）：0.0669***[41][42] 因子的回测效果 1. GAN_GRU因子[41][42] * IC均值：0.1119***[41][42] * ICIR（未年化）：0.89[42] * 年化收益率：37.40%[42] * 年化波动率：23.39%[42] * 信息比率（IR）：1.60[42] * 最大回撤率：27.29%[42] * 年化超额收益率：22.42%[41][42] * 换手率：0.83X[42] * 最新一期IC（截至2025年12月29日）：0.0331***[41][42] * 近一年IC均值（截至2025年12月29日）：0.0669***[41][42]

（文章来源：证券日报） 证券日报网讯 12月24日，秀强股份在互动平台回答投资者提问时表示，公司募投项目相关信息请以公 司在指定信息披露媒体发布的公告为准。公司将严格按照监管法规要求，在定期报告及相关公告中持续 披露相关内容。 ...

公司战略与主业聚焦 - 公司坚持稳健发展，聚焦港航物流与新能源两大主业 [1] - 公司以价值管理为主线开展各项工作，强化资本市场沟通，持续传递公司价值 [1] 控股子公司经营表现 - 公司在控股秀强股份后，秀强股份资产规模与经营业绩稳步提升 [1] 投资者回报与公司治理 - 公司争取以更好的业绩回报投资者 [1] - 秀强股份注重与股东分享发展成果，严格遵循监管要求，结合自身发展情况及资金安排，坚持以稳健经营、现金分红等多种方式积极回馈投资者 [1] 未来发展展望 - 秀强股份未来仍将积极稳健发展主营业务，提高核心竞争力及长期投资价值，持续向投资者传递经营成果 [1]