October 27, 2025 Forward Looking Statements and Risk Factors This document contains "forward-looking statements" as defined in the Private Securities Litigation Reform Act of 1995. When Welltower uses words such as "may," "will," "intend," "should," "believe," "expect," "anticipate," "project," "pro forma," "estimate" or similar expressions that do not relate solely to historical matters, Welltower is making forward-looking statements. These statements include, among others, management's expectations regard ...

Q3 2025 Results Consolidated Revenue: €91.2 mOrganic Growth (i): +13.2%EBITDA Margin: 12.1%(i) on a like-for-like basis KEY FIGURESConsolidated revenue for Q3 2025 amounts to €91.2 m, representing a +13.2% increase on a like-for-like basis compared to Q3 2024. The EBITDA margin stands at 12.1 %, representing €11.0 m.As of 30 September 2025, consolidated revenue amounts to €267.0 m, an increase of +12.4% on a like-for-like basis compared to 30 September 2024. The EBITDA margin is 12.0%, representing €32.0 m ...

财务业绩发布安排 - 公司将于2025年11月19日市场收盘后发布2025年第三季度财务业绩 [1] - 业绩发布后将于2025年11月20日美国东部时间上午8:30举行电话会议 [1] 投资者交流信息 - 电话会议接入号码为1-877-407-9208（美国）或1-201-493-6784（国际） [2] - 电话会议主题为“ODDITY 2025年第三季度业绩电话会议” [2] - 电话会议实况及存档可在公司官网投资者关系部门网页获取 存档保留时间为电话会议结束后七天 [2] - 电话会议回放接入号码为1-844-512-2921（美国）或1-412-317-6671（国际） 回放访问码为13755969 [2] 公司业务概览 - 公司是一家消费者科技公司 致力于打造和规模化数字优先品牌以颠覆由线下主导的美容和健康行业 [3] - 公司通过其人工智能驱动的在线平台为约6000万用户提供服务 [3] - 公司业务模式为利用数据科学识别消费者需求 并开发美容和健康产品作为解决方案 [3] - 公司旗下品牌包括IL MAKIAGE和SpoiledChild [3] - 公司总部设于纽约 研发中心位于以色列特拉维夫 生物技术实验室位于波士顿 [3] 官方联系渠道 - 新闻垂询联系邮箱为press@odditycom [4] - 投资者关系联系邮箱为investors@odditycom [4]

作者专业背景 - 作者为一名系统性希腊银行的风险管理业务分析师，拥有金融和风险分析领域的深厚背景 [1] - 作者持有雅典大学应用风险管理硕士学位，并已完成ACA证书级别考试 [1] - 作者的专业知识涵盖金融分析、风险管理以及使用SQL、Python和机器学习工具进行数据分析 [1] 作者从业经历 - 作者曾在安永、普华永道、Alpha银行和希腊国家银行等领先公司担任不同职位，涉及鉴证、金融分析和贸易运营等领域 [1] 作者研究兴趣 - 作者主要关注领域包括风险管理、金融分析、数据科学以及经济因素对金融市场的影响 [1] - 作者旨在撰写与风险评估、金融建模和股票分析相关的主题 [1] 分析方法与动机 - 作者的投资分析方法侧重于数据驱动分析和长期价值创造 [1] - 作者在Seeking Alpha平台撰文的动机源于其热衷于将复杂的金融数据转化为对投资者具有可操作性的见解 [1] - 作者旨在提供关于市场趋势、风险管理实践和投资策略的深入分析，以支持明智的决策 [1]

行业概况 - Zacks定义的技术服务行业在Zacks行业排名中位列前24%，预计在未来3-6个月将跑赢市场 [1] - 年初至今，该行业已上涨32.9% [1][7] - 行业需求健康，在2025年前三季度表现繁荣，且势头预计将在第四季度延续 [1] 行业驱动因素 - 全球数字化转向为5G、区块链和人工智能等市场创造机会 [3] - 企业正加速采用生成式AI、机器学习、区块链和数据科学以获取竞争优势 [3] - 从传统平台向现代云基础设施的持续转型，推动了对支持多云软件解决方案的强劲需求 [3] - 企业软件需求提升，正提高生产力和改善决策过程 [4] - 行业参与者正将AI和机器学习融入其应用，以实现更动态和结果导向的成果 [4] 推荐股票概览 - 推荐五只技术服务类股票：AppLovin Corp (APP)、Skillsoft Corp (SKIL)、Acuity Inc (AYI)、Byrna Technologies Inc (BYRN) 和 MediaAlpha Inc (MAX) [2] - 每只股票目前均具有Zacks排名第1位或第2位 [2] AppLovin Corp (APP) - 公司致力于为移动应用开发者构建软件平台，以提升其应用在美国及国际市场的营销和变现能力 [7][8] - 作为领先的广告技术公司，其平台使开发者能够营销、变现、分析和发布其应用 [8] - 凭借新一代AI引擎Axon 2.0巩固了在移动广告领域的领导地位，该引擎自推出后极大提升了广告效果，帮助平台上的广告支出翻了两番 [9] - 广告支出的爆炸性增长使其游戏客户的广告支出达到约100亿美元的年化运行率 [7][9] - 计划于2025年10月推出自助推荐平台，并目标在2026年全面全球推广其Axon广告平台 [11] - 公司目标实现20-30%的同比增长，主要由游戏板块和AI驱动的广告变现推动 [11] - 当前季度预期营收和盈利增长率分别为15.2%和63.6% [12] Skillsoft Corp (SKIL) - 公司提供数字学习、培训和人才解决方案，通过智能学习体验和以学习者为中心的定制化方法实现技能发展 [13] - 下一季度预期营收增长率为-2%，预期盈利增长率为-53.1% [14] Acuity Inc (AYI) - 公司制造和分销照明灯具及相关组件，产品包括灯具、照明控制、建筑系统控制器、电源等 [15] - 业务分为两个部门：Acuity Brands Lighting and Lighting Controls以及Acuity Intelligent Spaces [16] - 当前季度预期营收和盈利增长率分别为19.5%和12.3% [17] Byrna Technologies Inc (BYRN) - 公司是一家非致命性技术公司，从事创新非致命性设备和弹药的开发与制造 [18] - 当前季度预期营收增长率为21.3%，预期盈利增长率为-23.5% [19] MediaAlpha Inc (MAX) - 公司提供一个实时程序化技术平台，专注于垂直搜索和元搜索 [20] - 当前季度预期营收增长率为-8.1%，预期盈利增长率超过100% [20]

分析师背景与研究方法 - 分析师具备金融与风险分析背景 专注于金融分析 风险管理和数据分析 使用SQL Python和机器学习工具 [1] - 分析方法基于数据驱动分析和长期价值创造 旨在将复杂的金融数据转化为对投资者有实际意义的见解 [1] - 分析领域涵盖风险评估 财务建模和股票分析 关注经济因素对金融市场的影响 [1] 披露信息 - 分析师当前在所提及公司LVMHF LVMUY LV:CA中无任何股票 期权或类似衍生工具头寸 [2] - 分析师可能在未来72小时内通过购买股票或看涨期权等方式建立上述公司的多头头寸 [2] - 分析文章代表分析师个人观点 且未因撰写该文章获得除Seeking Alpha平台以外的任何补偿 [2]

文章核心观点 - 文章作者为一名专注于风险管理和金融分析的专业人士 其分析基于数据驱动和长期价值创造的理念 [1] - 文章内容旨在将复杂的金融数据转化为对投资者具有实际意义的见解 提供关于市场趋势和投资策略的分析 [1] 作者背景与分析方法 - 作者在系统性希腊银行担任风险管理业务分析师 拥有金融和风险分析领域的深厚背景 [1] - 作者持有雅典大学应用风险管理硕士学位 并已完成ACA证书级别课程 [1] - 作者的专业技能包括使用SQL Python和机器学习工具进行数据分析 曾在EY PwC Alpha Bank和希腊国家银行等领先公司担任不同职务 [1] - 作者的主要兴趣领域包括风险管理 金融分析 数据科学以及经济因素对金融市场的影响 [1] 披露信息 - 作者在提及的公司中未持有任何股票 期权或类似衍生品头寸 [2] - 作者可能在未来72小时内通过购买股票或看涨期权等方式 在PYPL上建立有益的多头头寸 [2] - 文章代表作者个人观点 作者未因本文获得除Seeking Alpha以外的补偿 与提及股票的公司无业务关系 [2]

合作概述 - 印度理工学院马德拉斯分校宣布与美国跨国制造公司卡特彼勒建立“全球大学合作伙伴”关系以开展联合研究 [1] 合作领域与内容 - 合作将涉及先进制造、人工智能与数据科学、机械工程、自主采矿设备、燃气轮机与发动机以及电池和燃料电池等领域的研发 [2] - 合作内容包括人才发展活动以及为印度理工学院马德拉斯分校学生提供实习和全职就业机会 [2] 合作方观点 - 印度理工学院马德拉斯分校校长表示卡特彼勒是一家多学科公司，与学院多个院系相关，合作有望产出达到全球标准的激动人心的产品 [3] - 卡特彼勒印度公司工程副总裁兼国家经理表示合作旨在加强工程和技术领域的联合研究、咨询以及人才发展，符合公司的全球大学合作模式，并将巩固现有关系，为创新铺平道路 [3] 合作签署与时间 - 合作备忘录由卡特彼勒印度公司工程副总裁兼国家经理、印度理工学院马德拉斯分校校长、院长以及相关院系负责人等共同签署 [2] - 新闻发布于2025年9月22日 [3]

公司高层任命 - 公司宣布任命Santosh Sinha为人工智能与创新总监，Sundeep Tangirala为数据科学总监，两位均向首席战略官Chris Chan汇报 [1] - 公司董事长、总裁兼首席执行官Vincent J Delie Jr 表示，创新和数字技术是公司增长和卓越客户体验的重要驱动力，新任命将带来专业知识以扩展人工智能、数据科学和量化建模在战略规划和服务交付中的应用 [1] 新任高管背景 - Santosh Sinha - Santosh Sinha负责制定并执行公司的人工智能战略，重点关注道德和合规实践，并将识别高价值的创新机会并促进跨职能协作 [1] - Sinha拥有10年金融服务行业经验，背景包括共同创立一家科技初创公司以及担任美国政府的AI研究员 [1] - Sinha获得印度帕特纳大学计算机科学与工程学士学位、达拉斯大学战略领导力MBA学位以及首都技术大学数据科学/人工智能与商业分析博士学位，并担任《人工智能与知识工程杂志》的顾问委员会成员 [2] 新任高管背景 - Sundeep Tangirala - Sundeep Tangirala负责监督公司战略决策系统的性能以及监管和预测模型的开发与维护，领导一个团队为零售银行、批发银行、市场营销、信贷、风险管理等部门驱动收入、效率和流程改进 [3] - Tangirala拥有超过20年的技术经验，其中近15年在金融服务行业，此前在PNC银行担任高级副总裁兼数据与机器学习工程主管 [3] - Tangirala获得印度安娜大学计算机科学工程学士学位、英国米德尔塞克斯大学商业IT硕士学位以及康奈尔大学机器学习证书，并担任匹兹堡大学迪特里希文理学院定量经济学硕士项目顾问委员会成员 [4] 公司业务概况 - FNB公司是一家多元化的金融服务公司，总部位于宾夕法尼亚州匹兹堡，在七个州和哥伦比亚特区运营，市场覆盖匹兹堡、巴尔的摩、克利夫兰、华盛顿特区、北卡罗来纳州夏洛特等多个主要大都市区 [5] - 公司总资产近500亿美元，拥有约350个银行网点，遍布宾夕法尼亚州、俄亥俄州、马里兰州、西弗吉尼亚州、北卡罗来纳州、南卡罗来纳州、华盛顿特区和弗吉尼亚州 [5] - 公司通过其子公司网络提供全面的商业银行、消费银行和财富管理解决方案，商业银行解决方案包括公司银行、小企业银行、投资房地产融资等，消费银行提供存款产品、抵押贷款、消费贷款以及移动和网上银行服务，财富管理服务包括资产管理和私人银行 [6]

核心观点 - 数据与AI双引擎融合驱动是智能时代演进方向 数据驱动AI发展 AI推动数据进化[1] - 大模型发展面临数据墙困境 无标签语料贡献减弱 大规模数据训练性价比显著降低[1] - 数据产业正经历从劳动密集型向技术密集型和知识密集型重大转型[2] 数据质量提升方法 - 通过语法复杂度指标和累积分布采样筛选高质量语料 从100亿token财经语料中筛选20%高质量数据训练 领域问答任务准确率提升1.7%[1] - 数据质量分析需从体验质量入手 考虑人类体验和机器体验[2] - 高质量数据集应满足VALID²要求 包括鲜活度 真实性 大样本 完整性 多样性 高知识密度[2] 行业实践案例 - 动捕数据 自动驾驶标注 思维链数据集等高质量数据服务千行百业[2] - 语料数据在方法论 基础设施和行业生态三方面进行体系化重构探索[2] 学术研究进展 - 大模型数据科学需从专家经验阶段发展到量化科学直至自进化阶段[1] - 需要从海量杂乱数据中提取决定模型能力的关键成分[1] - 精炼数据和合成数据都需要质量优先原则[2]