微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 携程网第二季净利润2300万美元 同比增长5.9%

携程网第二季净利润2300万美元 同比增长5.9%

2015-08-04 10:01
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-08-04 10:01 凤凰网

8月4日消息,携程网今天发布了截至6月30日的2015财年第二季度未审计财报。财报显示,按照美国通用会计准则(GAAP)计算,携程网第二季净营收为25.3亿元(人民币,下同)(约合4.08亿美元),同比增长47%;归属于携程网股东的净利润为1.43亿元(约合2300万美元),较去年同期的1.35亿元(约合2200万美元)增长5.9%。

携程网股价

第二季业绩要点:

——净营收为25.3亿元(约合4.08亿美元),同比增长47%

——按非美国通用会计准则(non-GAAP),净佣金收入为24.9亿元,同比增长45%

——住宿预订量同比增长55%,住宿预订业务营收为11亿元(约合1.78亿美元),同比增长47%

——交通票务预订量同比增长106%,交通票务营收为11亿元(约合1.70亿美元),同比增长45%

——毛利率为71%,较去年同期的72%下降1个百分点,较今年第一季度的70%增长1个百分点;

——归属于携程网股东的净利润为1.43亿元(约合2300万美元),较去年同期的1.35亿元(约合2200万美元)增长5.9%;不按美国通用会计准则,不计入股权激励支出,归属于携程网股东的净利润为2.96亿元(约合4800万美元),较去年同期的2.46亿元(约合4000万美元)增长20.3%

——每股美国存托股票(ADS)摊薄收益为0.90元(约合0.15美元)。按非美国通用会计准则,不计入股权激励支出,每股ADS摊薄收益为1.86元(约合0.30美元)

——股权激励支出为1.53亿元(约合2500万美元),在净营收中的占比为6%,对每股ADS收益的影响为0.96(约合0.15美元)

展望:

携程网预计,第三季净营收同比增长率大约在45%50%

股价表现:

携程网周一在纳斯达克交易所的开盘价为71.68美元。截至周一收盘,携程网股价下降0.13美元,收报71.45美元,跌幅为0.18%。截至美国东部时间周一18:40(北京时间周二6:40),携程网股价在盘后交易中下降1.70美元至69.75美元,跌幅为2.38%。过去52周,携程网股价最高为87.62美元,最低为40.74美元。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-