CrowdStrike Holdings (CRWD) 跑贏股市:原因如下
微軟被認爲在代理人工智能日益受到關注的情況下處於領先地位:摩根士丹利
帕洛阿爾託的估值已達到高位:買入、持有還是賣出股票?
其未來12個月的市銷率爲11.26,遠遠超過行業板塊平均水平的2.96。
Palantir股票在經歷了令人難以置信的2024年後,今年下跌。爲什麼傑弗瑞看淡。 -- Barrons.com
根據傑富瑞的分析師,Emily Dattilo表示Palantir Technologies在2024年取得了飛速的增長,但這家人工智能軟體公司的市盈率正在回歸理性。
揭穿人工智能的神話
人工智能(AI)正在迅速成爲日常生活的必需品,影響着人們購物、導航交通以及與數字系統的互動。
解讀CrowdStrike控股的期權活動:整體情況如何?
實力雄厚的投資者對CrowdStrike Holdings(納斯達克:CRWD)採取了看好的態度,這是市場參與者不應忽視的。我們在跟蹤公開的期權記錄。
以下是CrowdStrike股票去年上漲34%的原因
今日交易中10只帶有大戶警報的信息科技股
這種大戶警報可以幫助交易者發現下一個重大交易機會。
科技公司的股票因白宮決定限制AI芯片出口而下跌。
科技公司的股票因白宮決定限制AI芯片出口而下跌。
吉姆·克萊默表示CrowdStrike控股(CRWD)的基本面「優秀」,讚揚首席執行官的「道歉之旅」
我們最近發佈了吉姆·克萊默最新閃電環節的前10只股票名單。在這篇文章中,我們將看看CrowdStrike Holdings, Inc.(納斯達克:CRWD)在吉姆·克萊默最新閃電環節中的其他頂級股票中處於什麼位置。
CrowdStrike在溢價估值下交易:買入、賣出還是持有該股票?
CrowdStrike Holdings, Inc. (CRWD快速報價CRWD - 免費報告) 在估值上非常高,前瞻12個月的市盈率 (P/E) 爲81.68倍,遠高於ZacksInternet Plus-related-軟體行業的平均值35.37倍。其前瞻12個月的市銷率 (P/S) 爲18.29,也遠遠超過行業平均值3.01。
CrowdStrike Holdings, Inc.(納斯達克:CRWD)的業務尚未追趕上其股價
你可能認爲,CrowdStrike Holdings, Inc. (納斯達克:CRWD) 的市銷率爲23倍,這是一支完全應該避免的股票,因爲幾乎一半的美國軟件公司市銷率低於5.4倍,甚至市銷率低於2倍的情況也並不少見。然而,這個市銷率可能高是有原因的,需要進一步調查以判斷是否合理。
CrowdStrike Holdings, Inc. (納斯達克:CRWD) 是機構投資者的最愛,擁有73%的股份
查看CrowdStrike Holdings, Inc. (納斯達克:CRWD)的股東可以告訴我們哪個群體最強大。我們可以看到,機構在公司中擁有主要股份,達73%。換句話說,該群體面臨着最大的上行潛力(或下行風險)。
分析師:人工智能提高了CrowdStrike Holdings(CRWD)的「可計費機會」
我們最近發佈了10條最新的人工智能資訊,您不容錯過。在這篇文章中,我們將看看CrowdStrike Holdings, Inc. (納斯達克:CRWD) 在其他值得關注的最新人工智能資訊中的地位。
美股收盤 | 非農後減息預期降溫,三大指數齊跌;芯片股走低:英偉達跌3%;熱門中概股表現弱勢,拼多多跌逾5%
美國12月非農新增就業25.6萬人,超出預期的16.5萬人,失業率降至4.1%,低於預期和11月的4.2%。
羅森布拉特證券維持CrowdStrike(CRWD.US)買入評級,維持目標價385美元
羅森布拉特證券分析師Catharine Trebnick維持$CrowdStrike(CRWD.US)$買入評級,維持目標價385美元。根據TipRanks數據顯示,該分析師近一年總勝率為43.0%,總平均回報率為-5.6%。提示: TipRanks為獨立第三方,提供金融分析師的分析數據,並計算分析師推薦的平均回報率和勝率。提供的信息並非投資建議,僅供参考。本文不對評級數據和報告的完整性與準確性
CrowdStrike Holdings (CRWD)獲評新買入評級,這家科技巨頭
達美航空預計2025年每股收益將超過7.35美元,較2024年正常化每股收益基準同比增長超過10%,不包括第三季度CrowdStrike引發的停機造成的45美分影響 >DAL
達美航空預計2025年每股收益超過7.35美元,較2024年正常化的每股收益基準增長超過10%,不包括CrowdStrike造成的第三季度停機影響45美分。
達美航空2023年第四季度業績:關注假期季節的影響
埃隆·馬斯克同意我們已經耗盡了人工智能訓練數據
埃隆·馬斯克與其他人工智能專家一致認爲,剩下的真實世界數據很少,無法訓練人工智能模型。