ICL

ICL Group Ltd (ADRs)價格

ICL
$204.29
+$4.70(+2.35%)

*頁面數據最近更新時間:2026-05-11 18:05 (UTC+8)

至 2026-05-11 18:05,ICL Group Ltd (ADRs) (ICL) 股票報價為 $204.29,總市值為 $2576.11億,本益比為 32.60,股息率為 0.03%。 當日股票價格在 $200.50 至 $204.61 之間波動,當前價格較日內低點高 1.87%,較日內高點低 0.15%,成交量為 297.02萬。 過去 52 週,ICL 股票價格區間為 $159.17 至 $204.61,當前價格距 52 週高點 -0.15%。

ICL 關鍵數據

昨日收盤價$188.00
市值$2576.11億
成交量297.02萬
本益比32.60
股息收益率 (TTM)0.03%
股息金額$1.45
攤薄每股收益 (TTM)0.17
淨利潤(會計年度)$70.81億
營收(會計年度)$2241.28億
下次財報日期2026-05-13
每股收益預測0.10
營收預測$602.70億
流通股數13.70億
Beta 值(1 年)0.879
最近除息日2026-03-10
最近派息日2026-03-25

ICL 簡介

ICL集團有限公司及其子公司在全球範圍內經營專業礦物和化學品公司。它分為四個業務部門:工業產品、鹽鹼、磷酸鹽解決方案和創新農業解決方案(IAS)。工業產品部門利用鹽鹼生產過程的副產品溴溶液生產溴及溴基化合物;生產各種等級的鹽鹼、鹽、氯化鎂和氧化鎂產品;並生產和銷售含磷阻燃劑及其他磷基產品。鹽鹼部門從死海提取鹽鹼;開採和生產鹽鹼和鹽;生產多硫酸鹽;生產、推廣和銷售鎂及鎂合金,以及相關副產品,包括氯和硫酸鹽;並銷售鹽。磷酸鹽解決方案部門利用磷酸鹽商品生產專用產品;生產和銷售磷酸鹽基肥料,以及硫酸、綠色磷酸和磷酸肥料;並為各種工業終端市場製造熱磷酸,如口腔護理、清潔產品、油漆和塗料、水處理、瀝青改性、建築和金屬處理。它還開發和生產功能性食品成分和用於加工肉類、家禽、海鮮、乳製品、飲料和烘焙產品市場的磷酸鹽添加劑;並為食品配料行業生產牛奶和乳清蛋白。IAS部門主要開發、製造、推廣和銷售以氮、鹽鹼和磷酸鹽為基礎的肥料,包括水溶性專用、液體、可溶性和控釋肥料。其產品通過營銷公司、代理商和分銷商銷售。公司前身為以色列化學有限公司,於2020年5月更名為ICL集團有限公司。公司成立於1968年,總部位於以色列特拉維夫。
所屬板塊基本材料
所屬行業農業投入品
CEOElad Aharonson
總部Tel Aviv,None,IL

ICL Group Ltd (ADRs) (ICL) FAQ

ICL Group Ltd (ADRs) (ICL) 今天的股價是多少?

x
ICL Group Ltd (ADRs) (ICL) 當前報價 $204.29,24 小時變動 +2.35%。52 週交易區間為 $159.17–$204.61。

ICL Group Ltd (ADRs) (ICL) 的 52 週最高價和最低價是多少?

x

ICL Group Ltd (ADRs) (ICL) 的本益比 (P/E) 是多少?說明了什麽?

x

ICL Group Ltd (ADRs) (ICL) 的市值是多少?

x

ICL Group Ltd (ADRs) (ICL) 最近一季的每股收益 (EPS) 是多少?

x

ICL Group Ltd (ADRs) (ICL) 現在該買入還是賣出?

x

哪些因素會影響 ICL Group Ltd (ADRs) (ICL) 的股價?

x

如何購買 ICL Group Ltd (ADRs) (ICL) 股票?

x

風險提示

股票市場具有高風險和價格波動性。您的投資價值可能會增加或減少,且您可能無法收回全部投資金額。過往表現並非未來業績的可靠指標。在做出任何投資決策之前,您應仔細評估自身的投資經驗、財務狀況、投資目標和風險承受能力,並自行進行研究。如有需要,請諮詢獨立的財務顧問。

免責聲明

本頁面內容僅供參考,不構成投資建議、財務建議或交易推薦。Gate 不對因此類財務決策而造成的任何損失或損害承擔責任。此外,請注意 Gate 可能無法在某些市場和司法管轄區提供全部服務,包括但不限於美國、加拿大、伊朗和古巴。有關受限地區的更多資訊,請參閱《用戶協議》的相關條款。

其他交易市場

ICL Group Ltd (ADRs) (ICL) 熱門動態

MindsetExpander

MindsetExpander

2小時前
最近、AI的根本限制讓我深思。就像電影《記憶碎片》中的主角一樣,現在的大型語言模型(LLM)是否也陷入了一種前向性健忘症呢? 如果參數保持固定,模型就無法真正從新經驗中學習。它試圖通過聊天記錄或搜索系統來彌補,但這只不過是依賴外部記憶,內在化的能力仍然缺失。 a16z的分析指出,文脈內學習(ICL)只不過是搜索,並非真正的學習。由於缺乏壓縮,模型無法進行創造性發現或應對對抗性場景。例如,像費馬最後定理的證明這樣需要根本性新方法的問題,LLM只能組合現有知識。 研究者提出的解決方案有三條路徑。一是強化上下文層,例如多代理系統。二是模組化,像是適配器或壓縮的KV快取,將知識模組整合到現有架構中。三是權重更新,通過測試時訓練或元學習實現參數層面的深度學習。 然而,權重更新面臨許多挑戰。災難性忘記、時間上的解耦、安全性與對齊的退化。模型部署後的更新不僅是技術問題,還涉及審計能力和隱私問題。 未來的系統可能會呈現層次化:ICL負責快速適應,模組實現專業化,權重更新則促進深層內在化。擺脫前向性健忘,不僅僅是擴充文件櫃,而需要壓縮與抽象,以及真正的學習機制。 這個領域,創業公司紛紛加入,進行上下文管理、模組設計和參數優化等層面的實驗。雖然尚未出現決定性勝者,但未來幾年可能會迎來重大變革。
0
0
0
0