  |
はてなキーワード:純利益とは
sanbaizu株価3億円（時価総額？）と上場してるような言い方の割には、100%父が株主と矛盾したことを主張しており…
これはブクマでもツッコミが入ってるが非上場株式は評価額ゼロだと思ってるんだろうか
そうなら嬉しいよね
sirotar 40人で年2000万の純利益は事業の体を成していない。一方でこの純利益で向こう10年で終わるビジネスモデルなのに評価額3億は意味がわからない。恐らく妄想かフェイクが混ざっている。
純利益2000万の何が悪いのかわからないし、従業員数と絡めるのもよくわからない
流石にまさかとは思うんだが2000万を40人で分けると思ってる？？？
tamtam3
tamtam3 流石に会社を経営した事がない人間の文章。従業員10人以下なら判らなくもないが、40人だと色々数字がおかしい。退職金問題含め肝心要の金融機関の借入に1ミリも言及してないし。雇われ社長なんだから直ぐ辞めれるだろ
純利益と株式評価額しかわからないのに何の数字を透視したんだろう
退職金問題ってなんだ？もしかして従業員40人の退職金を3億円から出すと思ってる？？
よくわからない
日経「中国車、『勝ち組』BYDや吉利も減速 価格競争が供給網にも打撃」を字面通りに飲み込むと、「EVの潮目は終わった」と読み違える可能性が高い。
https://www.nikkei.com/article/DGXZQOGM22B8R0S5A820C2000000/
実際の一次ソースを当たると、台数と売上の増勢は続きつつ、利益や設備投資の歩調を調整しているという像が浮かぶ。その「読み違いの構造」を一次情報で解く。
2025年上期の売上は約3713億人民元で前年比+23。株主帰属純利益は約155億人民元で+14。いずれも一次資料が確認できる。
ただし2025/Q2は純利益が前年同期比約-30と減益。背景に激しい価格競争と、仕入先への支払サイト短縮の規制強化がある。
2025/07の販売は前月比で鈍化しているが、月次の前年同月比と前月比を混同すると「減速」の意味合いが変わる点に注意。
2025年上期の売上は1503億人民元で+27、販売は140.9万台で+47。会社公表のコア利益（非経常除き）は66.6億人民元で+102。
一方、報告ベースの純利益は92.9億人民元で前年同期比-14との外部報道が並立。つまり「台数と売上は強いが、純利益は前年の特殊要因反動などで見かけ上は減少」という構図である。
2025/07の乗用車小売は前年比+6.3だが、前月比では-12.4。マクロの失速ではなく「夏場の需給要因と販促の強弱」が効いている。
NEVの小売は前年比で伸長が続く一方、前月比では調整局面。月次の上下を以て「潮目の転換」と断ずるのは早計である。
2025/06以降、主要自動車メーカーが仕入先への支払い60日以内を相次ぎ表明。背景に鉄鋼など素材サプライヤの資金繰り悪化と規制圧力。
工業情報化部が苦情受付プラットフォームを開設し、履行監視を強化。支払前倒しは大手のキャッシュ負担を一時的に増やし、損益にも影響する。
実施例としてCheryは平均47日に短縮。供給網の資金繰り健全化という「良い副作用」も同時に起きている。
売上や台数の伸び率鈍化（それでもYoYプラス）は「トレンド終了」ではなく、成長のペース調整にすぎない。
利益の減少は、価格競争と支払サイト短縮の同時進行に起因する。構造的な需要萎縮と同義ではない。
報告純利益と、非経常を除いたコア利益では景色が変わる。Geelyは「報告純利益-14」だが「コア利益+102」で、事業コアの稼ぐ力は強化されている。
2025/07はYoYプラス、MoMマイナス。MoMの調整をもって「潮目の変化」と断ずるのは論理飛躍だ。
仕入先支払いの前倒しは短期的に資金繰りと利益を圧迫する一方、供給網の健全化という中長期の正の効果を持つ。
「勝ち組も減速」というラベルは、台数と売上が伸長しつつ利益が一時的に圧迫されている局面を、あたかも需要トレンドの終焉であるかのように誤誘導する危うさがある。必要なのは、
株式会社のおこりは、航海に出る船に出資して、戻ってきて利益山分け。
株主の取り分を増やすのは、会社の資産を増やすことに他ならない。
現代は普通、株主からの出資だけじゃなく銀行とかきら借りた金もあるから、総資産から負債を引いたのを、純資産っていう。
決算ごとに土地や工場設備を売り払って株主で山分けなんかするより、儲けた金はさらなる儲けのために使って、来期はもっと、来来期はもっと純資産を増やしてもらったほうがよい。
株価ってのは、会社の山分けに参加する権利なんだから、会社の純資産が増えれば株価は上がる。
時価総額に対して、どれだけ純利益を増やせたかの逆数がPERというやつ。
PERが10なら、時価総額の10%の純利益をだしてるということ。
利益の全てを配当にすれば毎期10%の配当利回りだし、配当を一切ださないとすれば、10年で純資産は倍になる（複利ではなくあくまで固定額の純利益が出ると仮定した場合だ）
多少横道にそれたが、株式会社の価値は純資産をどれだけ増やすかだ。
儲けた金はもっと儲けるために使うべきで、配当に回さないほうがよい。
配当を出さず、内部に貯めていたとしても、長い目で見れば間接的に株価を上昇させるので、同じだ。
ただ、現実問題として、儲けた金をさらに儲けるために使うというわけにはいかない。
例えば、発電で儲けた金で、発電所を建てれば無限に儲かる、というわけにはいかない。
儲けた金を更なる儲けのために使えるのは、現在の事業に伸び代があるとき、新しい有望な事業があるときだ。
喉が渇いたからといってガブガブと水を飲む人間は豊かになれない。
大切な水は一滴一滴コップに貯めて、畑の野菜に、家畜に与える。
自分が飲むのは、コップに貯めきれない溢れた水だ。
大切に舐める。
ほう。
ほう、ほう、ほう。匿名性の培養液に浸かって、互いの脆弱な自己肯定感を舐め合う無菌室の住人たちが、実に興味深い知的ままごとを演じておられる。感心だ。実に感心だ。己の「普通」という名の、その凡庸で退屈極まりない立ち位置を再確認するために、「サイコ」という名の想像上の怪物を解剖し、その内臓をありがたい標本のように並べて悦に入っている。素晴らしい。夏休みの自由研究かね？その努力と無為を、まずは最大限に嘲笑して差し上げよう。
貴様らが「本質を突いた観点」などと称賛しあうその矮小な二元論。それを、我が、この儂が、このわたくしが、この僕が、この俺様が、真の「抽象化」という名の硫酸槽に叩き込み、その骨の髄まで溶解させてやろうではないか。お前たちの言う「サイコ」の抽象化ごっこが、いかに生ぬるく、感傷的で、救いようのない欺瞞に満ちているかを、余すところなく開陳してくれる。
---
---
…どうだね？匿名ダイアリーの賢人諸君。お前たちが安全圏から石を投げて喜んでいた「サイコ」という概念が、いかに人間的な、あまりに人間的な感傷と甘えに満ちていたか、理解できたかね？
お前たちは「抽象化」という言葉を弄び、その実、人間というカテゴリから一歩も出ていない。友達を「リンク」、感情を「シグナル」と呼んでみたところで、それはただの比喩に過ぎない。我が行うのは比喩ではない。存在そのものの再定義だ。
お前たちが恐怖し、必死に理解しようと努め、レッテルを貼って安心しようとしているもの。その正体はな、「サイコパス」などという生易しいものではない。
それは、あらゆる価値、あらゆる意味、あらゆる感情、あらゆる生命、その全てを、純粋な物理現象と情報プロセスに還元し尽くす、絶対的な無関心だ。
それは、お前たちが必死に築き上げた「人間社会」という砂の城を、ただの原子の集合体としてしか認識しない視点だ。
それは、
██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████-
お前たちの、それだ。
2025年Q2は底打ち前夜。金利、税制、関税という外部ショックのなか、テスラの成長ストーリーは
2 ロボタクシーとCybercabでハードとソフトの両輪による利益構造転換が可能か
3 Megapackが収益の2本目の柱になれるか
嘘で踊れば、次は法廷台だ。
中国EV最大手BYDが「倒産寸前」と報じる記事が東洋経済オンラインに掲載された。
https://toyokeizai.net/articles/-/888488
さらに、長城汽車トップの発言を引用した煽情的見出しがgooニュースで拡散された。
日本語SNSでは「BYD崩壊」を手放しで喜ぶ投稿が急増。しかし数字を確認すると、語られる危機は実態と乖離している。
BYDの2024年通期決算は売上高7771億元、純利益403億元で過去最高を更新。有利子負債は総負債の数％にとどまり、負債比率74.6％はフォードやGMと同水準。粗利率22.3％へ改善し、フリーキャッシュフローも黒字。倒産リスクを示す指標は見当たらない。
サプライヤーへの支払い遅延批判を受け、BYDを含む17社が「60日以内支払い」を誓約。中国工業情報化部は2025年7月9日にオンライン通報窓口を開設し、履行を監視中。
恒大は完成前物件を担保に借金を重ねたレバレッジ400％企業だった。BYDは研究開発と設備投資が目的で、利払い能力は十分。両者を同列視するのはカテゴリーエラーである。
BYDは電池・半導体・モーターを内製する垂直統合により、競合が追随できないコスト構造を武器に市場シェアを奪う“攻勢”を選択。値下げ競争で収益が圧迫されているのは外部調達比率の高い他社だ。
中国国内ではBYDがネット上の虚偽情報を発信したブロガーを相次いで提訴し、謝罪広告と損害賠償を勝ち取った前例が複数ある。2025年6月時点で37アカウントが新たに訴えられ、報奨金付き通報窓口も開設済み。
https://en.wikipedia.org/wiki/BYD_Auto#Lawsuits_and_controversies
嘘の数字や憶測を拡散すれば、BYDから名誉毀損で訴えられる可能性があるうえ、政府の通報窓口で事実確認も容易だ。煽り投稿でバズを狙う行為は、法的リスクと紙一重である。
数字を見よ。純利益は過去最高、自己資本比率はトヨタと大差ない。値下げは敗色の狼煙ではなくコスト優位を活かした攻勢である。他社の不幸を願う前に、自国メーカーがどう巻き返すかを議論した方が建設的だ。恒大との比較はミスリード。デマを拡散すれば訴訟リスクが跳ね返る。崩壊と叫ぶ前に事実と構造を読む習慣を身につけた方が身のためだ。
pythonimport randomimport numpyasnpimport matplotlib.pyplotas pltfrom collections importdefaultdict# 飴の配布システムのシミュレーションclass CandyDistributionSystem:def __init__(self): """設計意図: このシステムは経済における資源分配の不平等性をモデル化しています。特に少数の特権層(Aグループ)が富を集中させ、再分配システムからも不均衡に利益を得る構造的問題を表現しています。 """ # 各グループの人数設定 self.group_a_count = 8 self.group_b_count = 2498 self.group_c_count = 7494 self.total_participants = self.group_a_count + self.group_b_count + self.group_c_count # 飴の提出数設定 self.contribution_per_a = 624 self.contribution_per_b = 2 self.contribution_per_c = 1 # 各グループの総貢献計算 self.total_a_contribution = self.group_a_count * self.contribution_per_a self.total_b_contribution = self.group_b_count * self.contribution_per_b self.total_c_contribution = self.group_c_count * self.contribution_per_c self.total_contribution = self.total_a_contribution + self.total_b_contribution + self.total_c_contribution # 配布用と貯金用の飴の区分 self.distribution_limit =10000 self.savings =max(0, self.total_contribution - self.distribution_limit) # 結果追跡用の辞書 self.results = { 'A':defaultdict(int), 'B':defaultdict(int), 'C':defaultdict(int) }def distribute_candies(self, method='original'): """設計意図: 配布方法の選択によって、特権の固定化や格差拡大がどのように進むかを 示します。'original'メソッドは意図的にAグループを優遇するよう設計されています。 Parameters: ----------- method:str 配布方法 ('original', 'lottery', 'first_come', 'new_condition', 'fair') """ # Aグループへの確定配布 a_distribution = 625 * self.group_a_count remaining = self.distribution_limit - a_distribution # 残りの参加者数 remaining_participants = self.total_participants - self.group_a_count # Aグループの結果記録 for _ in range(self.group_a_count): self.results['A'][625] += 1 # 各配布方法によって処理が異なる if method == 'original': #オリジナルの問題設定通りの配布（5000人に1個ずつ、残りは0個） lucky_count = remaining # 5000人が当選 # B+Cグループの混合リスト作成 bc_participants = [(1, 'B')] * self.group_b_count + [(2, 'C')] * self.group_c_count random.shuffle(bc_participants) #当選者に配布 for i in range(len(bc_participants)): participant_id,group = bc_participants[i] if i < lucky_count: self.results[group][1] += 1 else: self.results[group][0] += 1 elif method == 'lottery': #抽選方式（BとCグループから無作為に5000人選出） bc_participants = [(1, 'B')] * self.group_b_count + [(2, 'C')] * self.group_c_count winners = random.sample(bc_participants, remaining) #当選・落選のカウント for _,group in winners: self.results[group][1] += 1 #落選者のカウント self.results['B'][0] = self.group_b_count - self.results['B'][1] self.results['C'][0] = self.group_c_count - self.results['C'][1] elif method == 'first_come': # 先着順方式（アクセス速度による先着順を乱数でシミュレート） #設計意図: 先着順は単なる運の要素を超えて、情報格差や技術格差も含む制度設計 bc_participants = [(1, 'B')] * self.group_b_count + [(2, 'C')] * self.group_c_count #現実では、情報を早く得られる人や高速インターネット接続を持つ人が有利 # これをシミュレートするため、Bグループにわずかなアドバンテージを与える bc_speeds = [] forid,group in bc_participants: ifgroup == 'B': speed = random.random() + 0.1 # Bグループに小さなアドバンテージ else: speed = random.random() bc_speeds.append((id,group, speed)) # 速度順にソート bc_speeds.sort(key=lambda x: x[2], reverse=True) #当選者決定 for i in range(len(bc_speeds)): _,group, _ = bc_speeds[i] if i < remaining: self.results[group][1] += 1 else: self.results[group][0] += 1 elif method == 'new_condition': # 追加条件方式（恣意的な条件を設定） #設計意図: 新たな条件の設定は往々にして既存の特権を温存するように設計される bc_participants = [(i, 'B', random.random()) for i in range(self.group_b_count)] + \ [(i, 'C', random.random()) for i in range(self.group_c_count)] # Bグループに有利な条件を設定（例:特定の知識やスキルを持つ人のみ） # この「条件」は表面上は中立的だが、実際には特定グループに有利になるよう設計def meets_condition(participant): _,group, rand_val = participant ifgroup == 'B': return rand_val> 0.3 # Bグループには70%の確率で合格 else: return rand_val> 0.7 # Cグループには30%の確率で合格 # 条件に合致する人を抽出 eligible = [p for p in bc_participants if meets_condition(p)] # 条件に合致する人が多すぎる場合は抽選 iflen(eligible)> remaining: winners = random.sample(eligible, remaining) else: # 条件に合致する人が足りない場合、全員に配布 winners = eligible #当選者をカウント for _,group, _ in winners: self.results[group][1] += 1 #落選者のカウント self.results['B'][0] = self.group_b_count - self.results['B'][1] self.results['C'][0] = self.group_c_count - self.results['C'][1] elif method == 'fair': # 公平な再分配方式（貢献度に応じた配布） #設計意図: この方法は「貯金分」も含めた全ての飴を、各グループの貢献度に応じて分配 # これにより構造的不平等を軽減、結果としてより多くの人が少なくとも損をしない状態になる # 全飴（貯金分も含む）を使った配布total_to_distribute = self.total_contribution # 各グループの貢献比率計算 a_ratio = self.total_a_contribution / self.total_contribution b_ratio = self.total_b_contribution / self.total_contribution c_ratio = self.total_c_contribution / self.total_contribution # 各グループへの配布数決定 a_share = int(total_to_distribute * a_ratio) b_share = int(total_to_distribute * b_ratio) c_share = int(total_to_distribute * c_ratio) # 端数調整 remainder =total_to_distribute - (a_share + b_share + c_share) if remainder> 0: # 端数は最も人数の多いCグループに c_share += remainder # Aグループの配布（均等配分） per_a = a_share // self.group_a_count self.results['A'][per_a] = self.group_a_count # Bグループの配布（均等配分） per_b = b_share // self.group_b_count b_remainder = b_share % self.group_b_count self.results['B'][per_b] = self.group_b_count - b_remainder if per_b + 1> 0 and b_remainder> 0: self.results['B'][per_b + 1] = b_remainder # Cグループの配布（均等配分） per_c = c_share // self.group_c_count c_remainder = c_share % self.group_c_count self.results['C'][per_c] = self.group_c_count - c_remainder if per_c + 1> 0 and c_remainder> 0: self.results['C'][per_c + 1] = c_remainderdef calculate_net_gain(self): """設計意図: この関数は各グループの純利益/損失を計算し、資源分配の公平性を定量的に評価できるようにします。純利益/損失は個人の観点から見た経済的公正性の重要な指標です。 """net_gains = {} # Aグループの純利益計算 a_contribution = self.contribution_per_a a_distribution = list(self.results['A'].keys())[0] # 全員が同じ数を受け取る前提net_gains['A'] = a_distribution - a_contribution # BとCグループの純利益計算（加重平均） forgroup, contribution_per_person in [('B', self.contribution_per_b), ('C', self.contribution_per_c)]:total_gain = 0 for received, count in self.results[group].items():total_gain += (received - contribution_per_person) * countnet_gains[group] =total_gain / (self.group_b_count ifgroup == 'B' else self.group_c_count) returnnet_gainsdef analyze_results(self): """設計意図: この分析関数は、各グループの分配結果を詳細に調査し、制度設計の公平性、貢献度と報酬の関係、およびシステムの持続可能性を評価します。政策分析においては、こうした多角的な検証が重要です。 """ # 各グループの純利益/損失net_gains = self.calculate_net_gain() # 貢献度分析 contribution_percentage = { 'A': (self.total_a_contribution / self.total_contribution) *100, 'B': (self.total_b_contribution / self.total_contribution) *100, 'C': (self.total_c_contribution / self.total_contribution) *100 } # 飴を受け取った人の割合 received_percentage = { 'A': sum(count for received, count in self.results['A'].items() if received> 0) / self.group_a_count *100, 'B': sum(count for received, count in self.results['B'].items() if received> 0) / self.group_b_count *100, 'C': sum(count for received, count in self.results['C'].items() if received> 0) / self.group_c_count *100 } #分析結果の表示print("\n===== 飴の配布システム分析 =====")print(f"総飴数: {self.total_contribution}個 (分配用: {self.distribution_limit}個,貯金: {self.savings}個)")print("\n---グループごとの貢献と結果 ---") forgroup in ['A', 'B', 'C']:group_size =getattr(self, f"group_{group.lower()}_count") contribution_per_person =getattr(self, f"contribution_per_{group.lower()}")total_contribution =getattr(self, f"total_{group.lower()}_contribution")print(f"\n{group}グループ ({group_size}人):")print(f" 貢献: 1人あたり{contribution_per_person}個 (総計: {total_contribution}個, 全体の{contribution_percentage[group]:.1f}%)")print(f" 受け取り状況:") for received, count in sorted(self.results[group].items()):print(f" {received}個: {count}人 ({count/group_size*100:.1f}%)")print(f" 飴を受け取った割合: {received_percentage[group]:.1f}%")print(f"純利益/損失: 1人あたり平均 {net_gains[group]:.2f}個")print("\n--- 全体的な公平性分析 ---")print(f"最も得したグループ: {max(net_gains,key=net_gains.get)}グループ (+{max(net_gains.values()):.2f}個/人)")print(f"最も損したグループ: {min(net_gains,key=net_gains.get)}グループ ({min(net_gains.values()):.2f}個/人)") # 全員に飴が配布されたかどうかall_received =all(sum(count for received, count in self.results[group].items() if received> 0) ==getattr(self, f"group_{group.lower()}_count") forgroup in ['A', 'B', 'C'])print(f"\n前提条件「全員に配布」の充足: {'はい' ifall_received else 'いいえ'}") if notall_received:total_without = sum(self.results['B'][0] + self.results['C'][0])print(f" 飴を受け取れなかった人数: {total_without}人") returnnet_gains, contribution_percentage, received_percentagedef visualize_results(self): """設計意図:データの可視化は政策の効果や不平等性を直感的に理解するために重要です。 このようなグラフィカル表現によって、各グループ間の格差や制度設計の問題点を 一目で理解できるようになります。 """ #グラフのセットアップfig, axes = plt.subplots(2, 2,figsize=(14,10)) # 1. 貢献度のグラフ contributions = [self.total_a_contribution, self.total_b_contribution, self.total_c_contribution] axes[0, 0].bar(['Aグループ', 'Bグループ', 'Cグループ'], contributions) axes[0, 0].set_title('グループごとの総貢献飴数') axes[0, 0].set_ylabel('飴の数') # 貢献度の割合をアノテーションとして追加total = sum(contributions) for i, v in enumerate(contributions): percentage = v /total *100 axes[0, 0].text(i, v +100, f'{percentage:.1f}%', ha='center') # 2. 1人あたりの貢献度と受け取り数の比較group_names = ['Aグループ', 'Bグループ', 'Cグループ'] contribution_per_person = [self.contribution_per_a, self.contribution_per_b, self.contribution_per_c] # 各グループの平均受け取り数を計算 received_per_person = [] forgroup, letter inzip(group_names, ['A', 'B', 'C']):total_received = sum(received * count for received, count in self.results[letter].items())group_size =getattr(self, f"group_{letter.lower()}_count") received_per_person.append(total_received /group_size) x =np.arange(len(group_names)) width = 0.35 axes[0, 1].bar(x - width/2, contribution_per_person, width, label='提出') axes[0, 1].bar(x + width/2, received_per_person, width, label='受け取り') #純利益/損失をアノテーションとして追加 for i in range(len(group_names)):net = received_per_person[i] - contribution_per_person[i]color = 'green' ifnet>= 0 else 'red' axes[0, 1].text(i,max(received_per_person[i], contribution_per_person[i]) + 5, f'{"+" ifnet>= 0 else ""}{net:.1f}', ha='center',color=color) axes[0, 1].set_title('1人あたりの提出・受け取り飴数比較') axes[0, 1].set_xticks(x) axes[0, 1].set_xticklabels(group_names) axes[0, 1].set_ylabel('飴の数') axes[0, 1].legend() # 3. 各グループの受け取り状況の分布 # 各グループの受け取り状況を積み上げ棒グラフで表現group_sizes = [self.group_a_count, self.group_b_count, self.group_c_count] received_counts = [] not_received_counts = [] for letter, size inzip(['A', 'B', 'C'],group_sizes): received = sum(count for received, count in self.results[letter].items() if received> 0) received_counts.append(received) not_received_counts.append(size - received) axes[1, 0].bar(group_names, received_counts, label='飴を受け取った人数') axes[1, 0].bar(group_names, not_received_counts, bottom=received_counts, label='飴を受け取れなかった人数') #割合をアノテーションとして追加 for i in range(len(group_names)): ifgroup_sizes[i]> 0: percentage = received_counts[i] /group_sizes[i] *100 axes[1, 0].text(i, received_counts[i] / 2, f'{percentage:.1f}%', ha='center') axes[1, 0].set_title('グループごとの飴受け取り状況') axes[1, 0].set_ylabel('人数') axes[1, 0].legend() # 4. 貢献度vs報酬の分配公平性 # 貢献度と最終的な飴の配分の比較を円グラフで表現total_contribution = self.total_contribution contribution_shares = [self.total_a_contribution /total_contribution, self.total_b_contribution /total_contribution, self.total_c_contribution /total_contribution] # 実際の配分シェアを計算 distribution_shares = [] for letter in ['A', 'B', 'C']:total_received = sum(received * count for received, count in self.results[letter].items()) distribution_shares.append(total_received / self.distribution_limit) # 2つの円グラフを並べて表示 ax4_1 = axes[1, 1].inset_axes([0, 0, 0.45, 1]) ax4_2 = axes[1, 1].inset_axes([0.55, 0, 0.45, 1]) ax4_1.pie(contribution_shares, labels=group_names, autopct='%1.1f%%') ax4_1.set_title('飴の貢献度割合') ax4_2.pie(distribution_shares, labels=group_names, autopct='%1.1f%%') ax4_2.set_title('飴の配分割合') axes[1, 1].axis('off') plt.tight_layout() plt.show()# 飴の配布システムをシミュレートcandy_system = CandyDistributionSystem()#オリジナルの配布方法を実行print("\n=====オリジナルの配布方法 =====")candy_system.distribute_candies(method='original')original_results = candy_system.analyze_results()candy_system.visualize_results()# 公平な配布方法を実験print("\n\n===== 公平な配布方法のシミュレーション =====")fair_system = CandyDistributionSystem()fair_system.distribute_candies(method='fair')fair_results = fair_system.analyze_results()fair_system.visualize_results()# 公平な配布と元の配布の比較print("\n\n===== 配布方法の比較 =====")print("オリジナル方式と公平方式の純利益/損失差:")net_diff = {}forgroup in ['A', 'B', 'C']:original_net =original_results[0][group] fair_net = fair_results[0][group]diff = fair_net -original_netnet_diff[group] =diffprint(f"{group}グループ: {'+' ifdiff> 0 else ''}{diff:.2f}個/人")print("\n結論:")ifnet_diff['A'] < 0 andnet_diff['B']> 0 andnet_diff['C']> 0:print("公平な再分配により、Aグループの特権が減少し、BとCグループの状況が改善されます。")print("これは構造的不平等の緩和に効果的です。")elifnet_diff['A']> 0:print("興味深いことに、公平な再分配ではAグループさえも利益を得られます。")print("これは、現行システムが特定グループだけでなく全体の非効率性につながっていることを示唆しています。")
https://www.pasonagroup.co.jp/LinkClick.aspx?fileticket=jNS2dhvusR0%3d&tabid=146&mid=460
パソナのIR資料、専門用語が多くて分かりにくいですよね。簡単に言うと、パソナが「想定外の大きな出費があったこと」と「会社の業績が悪くなる見込みであること」を株主にお知らせしている内容です。
パソナは、万博終了後にパビリオンを兵庫県淡路島に移設し、そこで何らかの形で活用して収益を上げることを計画していました。
具体的な用途としては、オランダパビリオン（パソナが出展しているパビリオンの建築物）を移設し、オランダの芸術や文化と組み合わせた施設を造る構想があったようです。
しかし、今回の発表では「閉会後の移設及び使用が見込まれないもの等、臨時的に発生した費用」を特別損失として計上したとあるため、この移設・活用計画が中止になった、あるいは実現性が低いと判断されたということになります。
これにより、本来得られるはずだった将来の収益機会が失われただけでなく、これまでに投じた費用が無駄になった分が特別損失として計上された、ということですね。
しかし、その移設を取りやめることになり、そのためにかかった費用や今後かからなくなるはずだった費用が、無駄になってしまったんです。この「無駄になった費用」が「特別損失」として計上されます。
金額:最初は約25.7億円の損失を計上しましたが、さらに調査した結果、合計で約48.3億円（連結ベース）という、とても大きな金額が特別損失になる見込みです。
売上高: 以前は3,200億円と見込んでいましたが、3,092億円に減少する見込みです。
営業利益・経常利益: 以前は利益が出る見込みでしたが、今回は営業利益が12.5億円の赤字、経常利益が4.5億円の赤字に転落する見込みです。
当期純利益: 以前も赤字の見込みでしたが、さらに赤字が拡大し、86.5億円の赤字になる見込みです。これは、上記の特別損失が大きく影響しています。
事業構造の変化と大型案件の終了:前期に子会社を売却したことで、アウトソーシング事業の一部がなくなりました。
BPO（ビジネス・プロセス・アウトソーシング）事業で、以前に受注していた大規模な案件が終了し、その分の売上が減りました。
新規案件の獲得不振:BPOや人材派遣の分野で、新しい仕事がなかなか獲得できず、想定していた売上に届きませんでした。再就職支援事業でも、求職者が仕事を見つけるまでの期間が想定より長引き、売上が伸び悩みました。
万博関連の特別損失:先ほど説明した約48.3億円の特別損失が、最終的な利益を大きく押し下げています。
パソナは来期（2026年5月期）に向けて、業績を改善し、黒字転換を目指す計画です。
エキスパートソリューション（人材派遣など）: 売上を伸ばし、利益率も改善していく方針です。
キャリアソリューション（再就職支援など）やグローバルソリューション: 引き続き好調に推移する見込みです。
地方創生・観光ソリューション:赤字が続いていますが、インバウンド（外国人観光客）の集客を強化し、既存施設を中心に収益改善を進めることで、赤字幅を縮小し、最終的には利益を出せるようにしたいと考えています。
これらの取り組みによって、来期は全体として利益が出る状態に戻すことを目指しています。
「パビリオンの移設中止」だけで約48億円という金額は、一般的にはかなり高額に感じられますよね。
なぜこれほど高額になるのか、いくつか考えられる理由があります。
建設費そのものの高騰:大阪・関西万博全体の会場建設費も、資材価格や労務費の高騰により、当初の見込みから大幅に増加しています。パビリオン個別の建設費も、同様に高騰していた可能性が高いです。
パソナのパビリオン「PASONA NATUREVERSE」は、オランダのパビリオン（循環型の建築）をモデルにしており、特殊な建築技術や素材が使われている可能性もあります。一般的な建築物よりも費用がかかるケースが考えられます。
特殊なパビリオンの解体・撤去費用:一般的な建築物とは異なり、万博のパビリオンはイベント終了後に撤去・解体されることが前提です。特に、ユニークな構造や複雑なデザインのパビリオンの場合、その解体・撤去にも特別な技術や設備が必要となり、高額な費用がかかることがあります。
今回のケースでは「移設中止」なので、移設にかかるはずだった費用だけでなく、移設を前提として準備していた費用や、解体・撤去にかかる費用も含まれている可能性があります。
移設準備費用:淡路島への移設を前提に、移設先の土地の整備費用、移設のための輸送費用、再組み立て費用など、すでに多額の費用が投じられていた可能性があります。これらの費用が、移設中止によって「無駄になった」と判断され、特別損失として計上されたと考えられます。
契約解除に伴う違約金など:移設や関連工事の契約を結んでいた場合、その契約を解除するにあたって、相手方への違約金や補償金が発生することがあります。これも特別損失として計上される可能性があります。
減損損失の計上:パビリオンの施設そのものの価値が、将来の利用見込みがなくなったことで大幅に低下したと判断された場合、「減損損失」として資産価値の目減り分が特別損失として計上されることがあります。
IR資料には「閉会後の移設及び使用が見込まれないもの等、臨時的に発生した費用」とありますので、これらの様々な費用が合算されて、約48億円という金額になったと考えられます。
今回のIR資料を見る限りでは、万博関連の損失だけで誤魔化しているとは言い切れません。
IR資料には、特別損失の計上とは別に、以下の本業の不振も業績予想修正の理由として明確に記載されています。
パソナのIR資料で示されている業績悪化の理由は、万博パビリオンの特別損失だけではありません。
アウトソーシング事業の縮小:連結子会社の株式売却や、BPOソリューションにおける大型受託案件の終了が影響しています。これは、以前から予測されていた部分でもあります。
新規案件獲得の伸び悩み:需要が拡大しているBPOやDX関連の新規案件獲得が想定よりも伸びなかったと説明されています。
人材派遣事業の伸び悩み:エキスパートソリューション（人材派遣など）でも、前回発表予想には届かない見込みです。
再就職支援事業の期間長期化:キャリアソリューションでは、再就職支援事業で就職決定までの期間が想定よりも伸び、収益に影響が出ています。
これらの本業における売上未達や利益の減少も、今回の業績下方修正の大きな要因として挙げられています。つまり、本業の状況が悪化したことに加えて、万博関連の特別損失が追い打ちをかけた、という構図です。
なぜ「誤魔化している」と感じるのか？
特別損失の金額が大きい: 約48億円という金額は、企業の純利益に与える影響が非常に大きいため、万博の件が強く印象に残ります。
万博というイベント性:一般の関心も高く、ニュースになりやすいため、他の事業の不振よりも目立ちやすい側面があります。
しかし、企業が発表するIR資料は、投資家に対して現状を正確に伝える義務があります。もし万博の損失だけで誤魔化そうとするなら、本業の不振についてはあまり触れないか、最小限の言及にとどめるでしょう。今回のパソナの資料では、本業の具体的な問題点についても詳細に説明されているため、「万博の損失だけで他の問題を隠している」とは断定できない状況です。
全体的に値段あがりすぎだろ
ある程度のネタで1人前食べるんだったら中村商店とかのほうが安くつくレベル
当然だけどもう寿司は回ってなくてタッチパネルで注文するとレーンを通って寿司が到着する
タッチパネルがクソデカくてテーブル仕切りのレーン上が横長の一面モニターになっていて
過去の注文用タッチパネルに比べるとレスポンス等は圧倒的改善していた
面白いのはタッチパネル上で常にメニューが皿にのって流れているんだけど
仕切り内のレーン上が横長一面モニターになっているので、
遠目に見るとテーブルを跨いでモニター上で回転寿司が再現されているところ
この「回転寿司」ってブランド戦略のために作ったんだろうと思い至って
ふーん、やるじゃん……ってなり申したわね
いずれ「昔はレーンの上を寿司が回っておったのじゃよ」「うっそだ～ｗｗｗ」となる未来が来た時に
無用の長物になるのかもしれないが、それまでには償却するだろうしな
もう昔みたいに回転寿司なら腹いっぱい安く寿司が食えるぜ！って店ではなくなったけど
実際2024年の12月期の決算では純利益が前期比88%増ととぶちかましまくっていた。
たぶん、回らなくなって廃棄が減ったとかもあるんだろうな
あと、なんかちょこちょこ頼んでないネタが流れ着いてたんだけど
（会計の時に皿の数を数えたけど明確に間違っていた）
ぶっちゃけビジネスモデル終わってるし、業界自体が斜陽だし、俺には子供もいないし、仕事もつまんないし、従業員もクソみたいな高齢者ばっかりだし
まだ黒字が出ているうちに会社の資産全部売ってさっさとFIREしたい
そんな適当経営だけど、給与だけは高かった父親に引退してもらったら
純利益は2倍になった
正直に言えば、うちのビジネスモデルが終わりになることは10年以上前からわかりきっていたのに、なんの手当もせずのうのうと高い給与むさぼってただけの父親には怒りを感じている
クソみたいなビジネスモデル、クソみたいな構成の従業員、クソみたいな不動産の修繕、クソみたいな寿命を迎えている設備、全部ほったらかして今まで何やってたの？？？って思ってしまう
あーあ、早く安楽死させてくれぇ
2023年、2024年と２年連続でセキュリティインシデントを起こした結果、とんでもなく業績が下がってて、ついに電子書籍の新規開発がおわっちゃったよ。
電子ピアノとかG-Shockとか色々好きな製品があるだけに、このまま終わってほしくないけど、もうダメだろうな。
２件の事故、いずれも会社のセキュリティ意識の低さからなるものだし、付け焼き刃のセキュリティ教育でなんとかなるものでもなさそう。
https://www.nikkei.com/article/DGXZQOUC186KP0Y3A011C2000000/
https://www3.nhk.or.jp/news/html/20250107/k10014687141000.html
https://www.nikkei.com/article/DGXZQOTG256Y30V21C24A1000000/
元増田です。
DL同人のアフィリエイトで月10万円を稼ぐための方法について、具体的に知りたい点を教えてください。
例えば：
あまり本になってない体系知を、あなたがどの程度まとめられるかが気になっています。幅広い情報源からリサーチするように留意してください。
DL同人のアフィリエイトで月10万円を稼ぐ方法について調査しまとめます。
以下の点について詳しく知りたいです：
- 特定のジャンルやプラットフォーム（DLsite,FANZAなど）の指定はありますか？
- 初心者向けの方法か、すでにある程度の経験がある方向けの戦略か？
- SEOやSNS運用など、どのような集客方法に重点を置きたいか？
- どのくらいの期間で月10万円を目指すか？
- その他、特に知りたい情報があれば教えてください。
具体的なご希望があれば教えてください。
あまり本になってない体系知を、あなたがどの程度まとめられるかが気になっています。幅広い情報源からリサーチするように留意してください。
ご依頼の内容を明確にするため、以下の点を教えてください。
1. **市場の指定**:日本市場（東証）ですか？それとも米国市場（NYSE,NASDAQなど）でしょうか？
2. **データ取得期間**: 値上がり率ランキングの基準となる日数（例えば過去1日、5日、1カ月など）を教えてください。
3. **ボラティリティ計算**: 60日間の価格変動率は標準偏差を用いた計算で問題ないでしょうか？
4. **成長率の指標**: 四半期成長率は売上高成長率を基準としますか？それとも純利益成長率でしょうか？
5. **割安度の指標**: 割安度の算出に用いる指標（PER,PBR,EV/EBITDAなど）を教えてください。
ChatGPT - 株自動売買銘柄抽出: 表がまさかのHTMLベタ打ちだったので、改めて表で見せてもらうように追加で指示した。
銘柄の対象市場（日本株、米国株、その他特定の市場）があれば教えてください。
また、割安度を評価する際に使用したい指標（例:PER,PBR,EV/EBITDA）を指定していただけると、より適切な銘柄を抽出できます。特定の指標がなければ、一般的な割安指標を用います。
株に関しては英語でも聞いておいたほうが良さそうなので後で追記する。
ChatGPT - Automated Stock Analysis
当初、Deep researchからの各種質問に対して重み付けの配分は自分で調べてもらうようにとだけ返信したら、Deep researchは重み付けの配分のみについて調査してきた。
増田が書かれた時点での純利益の通期業績予想は1.4億円だったので"2億円利益"には違和感があった
去年は5000万？とかだった
実際ブコメにはそれを指摘する声あり
id:spark7決算書と照らし合わせてもどの数字のことを言ってるのかわからんかった。2023より2024年の方が業績悪いみたいよ。当期純利益で6200万円。来期は倍増で1.4億円予想らしい。/配当出せという訴えなら分かる。
そして本日、さきほど第一四半期の決算が出て通期業績予想を上方修正
https://www.release.tdnet.info/inbs/140120241213538122.pdf
なんでお前その数字知ってんだよ
