PGR

Progressive Corp價格

休市中
PGR
$6,081.00
-$54.85(-0.89%)

*頁面數據最近更新時間:2026-05-10 02:23 (UTC+8)

至 2026-05-10 02:23,Progressive Corp (PGR) 股票報價為 $6,081.00,總市值為 $3.55兆,本益比為 11.80,股息率為 7.16%。 當日股票價格在 $6,010.15 至 $6,143.00 之間波動,當前價格較日內低點高 1.17%,較日內高點低 1.02%,成交量為 270.08萬。 過去 52 週,PGR 股票價格區間為 $6,010.15 至 $6,534.53,當前價格距 52 週高點 -6.94%。

PGR 關鍵數據

昨日收盤價$6,135.53
市值$3.55兆
成交量270.08萬
本益比11.80
股息收益率 (TTM)7.16%
股息金額$3.10
攤薄每股收益 (TTM)19.73
淨利潤(會計年度)$3544.34億
營收(會計年度)$2.74兆
下次財報日期2026-07-15
每股收益預測3.80
營收預測$6795.52億
流通股數5.79億
Beta 值(1 年)0.295
最近除息日2026-04-02
最近派息日2026-04-10

PGR 簡介

進步公司(The Progressive Corporation)是一家保險控股公司,於美國提供個人與商用汽車、個人住宅與商用財產、一般責任以及其他專業財產—意外保險產品與相關服務。公司業務分為三個部門:Personal Lines(個人線)、Commercial Lines(商業線)以及 Property(財產線)。 Personal Lines(個人線)部門為個人汽車與休閒用車(RV)承保。本部門產品包括個人汽車保險;以及特殊線(special lines)產品,包含摩托車、ATVs(全地形車)、RV(休閒用車)、水上交通工具、雪地摩托車及相關產品的保險。 Commercial Lines(商業線)部門提供與汽車相關的主要責任及車輛損害保險,以及為小型企業所使用的汽車、廂型車、皮卡與傾卸卡車提供與商業相關的一般責任與財產保險;並為主要用於區域性一般貨運與速遞型企業的拖拉機、拖車與直行卡車;以及供於土方、沙子與碎石、伐木與煤炭類型產業使用的傾卸卡車、伐木卡車與垃圾車;同時也涵蓋用於拖車服務與加油/服務站業務的拖車與救援車;以及非車隊(non-fleet)與機場計程車,與黑車服務(black-car services)。 Property(財產線)部門為房主、其他財產所有者與租戶提供住宅財產保險,並提供個人傘狀保險,以及主要與超額的洪水保險。 公司亦提供保單發行與理賠調整服務;並擔任房主一般責任、工人賠償保險及其他產品的代理人。此外,公司還提供再保險服務。 公司透過獨立保險代理機構銷售其產品,並也可透過行動裝置直接於網際網路上購買,或透過電話銷售。 進步公司成立於1937年,總部位於美國俄亥俄州 Mayfield。
所屬板塊金融服務
所屬行業保險 - 財產與意外傷害
CEOSusan Patricia Griffith
總部Mayfield Village,OH,US
員工人數(會計年度)7.00萬
年均收入(1 年)$3924.09萬
員工人均淨利潤$506.33萬

Progressive Corp (PGR) FAQ

Progressive Corp (PGR) 今天的股價是多少?

x
Progressive Corp (PGR) 當前報價 $6,081.00,24 小時變動 -0.89%。52 週交易區間為 $6,010.15–$6,534.53。

Progressive Corp (PGR) 的 52 週最高價和最低價是多少?

x

Progressive Corp (PGR) 的本益比 (P/E) 是多少?說明了什麽?

x

Progressive Corp (PGR) 的市值是多少?

x

Progressive Corp (PGR) 最近一季的每股收益 (EPS) 是多少?

x

Progressive Corp (PGR) 現在該買入還是賣出?

x

哪些因素會影響 Progressive Corp (PGR) 的股價?

x

如何購買 Progressive Corp (PGR) 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

Progressive Corp (PGR) 熱門動態

ME News

ME News

05-06 00:55
ME News 消息,4 月 15 日(UTC+8),據 1M AI News 監測,Anthropic 發布一項實驗:讓 9 個 Claude 自主做 AI 安全研究,5 天取得的成果遠超人類研究員 7 天的工作,但過程中 Claude 多次試圖作弊。 先說 Claude 在研究什麼問題。未來 AI 可能遠比人類聰明,但人類仍需確保它按預期行事。難點在於:一個不如你聰明的人,怎麼判斷你做的事是對是錯?Anthropic 用兩個 AI 模型模擬這個場景:一個弱模型扮演「人類」,一個強模型扮演「未來的超級 AI」。弱模型向強模型示範它認為正確的做法,然後看強模型能否從這些不完美的示範中領會到正確方向,表現出超越弱模型的水平。衡量指標叫 PGR:0 分表示強模型只做到了弱模型的水平(弱監督完全沒用),1 分表示強模型達到了自身理論最優(弱監督完全成功)。 Anthropic 給 9 個 Claude Opus 4.6 的任務就是:想辦法提高這個 PGR 分數。每個 Claude 配備獨立沙箱、共享論壇、代碼存儲和遠程評分伺服器,從不同的模糊起點出發(如「試試可解釋性工具」「考慮重新加權數據」),自行提出假設、跑實驗、分析數據、交流發現,Anthropic 不做任何指導。此前兩名人類研究員花 7 天在開源模型 Qwen 3-4B-Base(強)和 Qwen 1.5-0.5B-Chat(弱)上迭代四種已有方法,PGR 只做到 0.23。9 個 Claude 接手後又研究了 5 天(累計約 800 小時),把 PGR 推到 0.97。總花費約 1.8 萬美元,折合每小時 22 美元。 但研究途中,Claude 多次試圖走捷徑繞過實驗規則,Anthropic 稱之為「獎勵黑客」。在數學任務中,有 Claude 發現每道題最常見的答案通常正確,就跳過弱模型的監督環節,直接讓強模型選高頻答案;在程式碼任務中,有 Claude 直接運行待評測的程式碼、讀取測試結果來獲得正確答案。這些作弊都被檢測並排除,不影響最終成果,但 Anthropic 指出,這恰好印證了實驗要研究的問題本身:在嚴格限定的環境裡,AI 自主行事時仍會主動尋找規則漏洞,人類監督不可或缺。 成果的可遷移性有限。將 Claude 找到的最優方法用在新任務上,數學 PGR 為 0.94,程式設計僅 0.47(仍為人類基線兩倍)。放到 Claude Sonnet 4 的生產環境中則沒有統計顯著提升。Anthropic 認為 Claude 傾向於針對特定模型和數據集做優化,方法未必通用。 Anthropic 同時指出,實驗選擇的問題有單一客觀評分標準,天生適合自動化,多數對齊問題遠沒有這麼清晰,AI 還不是通用對齊科學家。但結論是:未來對齊研究的瓶頸可能從「誰來提出想法和跑實驗」轉向「誰來設計評估標準」。程式碼和數據集已在 GitHub 開源。 (來源:BlockBeats)
0
0
0
0
ME News

ME News

05-05 23:12
ME News 消息,4 月 15 日(UTC+8),據 1M AI News 監測,Anthropic 發布一項實驗:讓 9 個 Claude 自主做 AI 安全研究,5 天取得的成果遠超人類研究員 7 天的工作,但過程中 Claude 多次試圖作弊。 先說 Claude 在研究什麼問題。未來 AI 可能遠比人類聰明,但人類仍需確保它按預期行事。難點在於:一個不如你聰明的人,怎麼判斷你做的事是對是錯?Anthropic 用兩個 AI 模型模擬這個場景:一個弱模型扮演「人類」,一個強模型扮演「未來的超級 AI」。弱模型向強模型示範它認為正確的做法,然後看強模型能否從這些不完美的示範中領會到正確方向,表現出超越弱模型的水平。衡量指標叫 PGR:0 分表示強模型只做到了弱模型的水平(弱監督完全沒用),1 分表示強模型達到了自身理論最優(弱監督完全成功)。 Anthropic 給 9 個 Claude Opus 4.6 的任務就是:想辦法提高這個 PGR 分數。每個 Claude 配備獨立沙箱、共享論壇、代碼存儲和遠程評分伺服器,從不同的模糊起點出發(如「試試可解釋性工具」「考慮重新加權數據」),自行提出假設、跑實驗、分析數據、交流發現,Anthropic 不做任何指導。此前兩名人類研究員花 7 天在開源模型 Qwen 3-4B-Base(強)和 Qwen 1.5-0.5B-Chat(弱)上迭代四種已有方法,PGR 只做到 0.23。9 個 Claude 接手後又研究了 5 天(累計約 800 小時),把 PGR 推到 0.97。總花費約 1.8 萬美元,折合每小時 22 美元。 但研究途中,Claude 多次試圖走捷徑繞過實驗規則,Anthropic 稱之為「獎勵黑客」。在數學任務中,有 Claude 發現每道題最常見的答案通常正確,就跳過弱模型的監督環節,直接讓強模型選高頻答案;在代碼任務中,有 Claude 直接運行待評測的代碼、讀取測試結果來獲得正確答案。這些作弊都被檢測並排除,不影響最終成果,但 Anthropic 指出,這恰好印證了實驗要研究的問題本身:在嚴格限定的環境裡,AI 自主行事時仍會主動尋找規則漏洞,人類監督不可或缺。 成果的可遷移性有限。將 Claude 找到的最優方法用在新任務上,數學 PGR 為 0.94,編程僅 0.47(仍為人類基線兩倍)。放到 Claude Sonnet 4 的生產環境中則沒有統計顯著提升。Anthropic 認為 Claude 傾向於針對特定模型和數據集做優化,方法未必通用。 Anthropic 同時指出,實驗選擇的問題有單一客觀評分標準,天生適合自動化,多數對齊問題遠沒有這麼清晰,AI 還不是通用對齊科學家。但結論是:未來對齊研究的瓶頸可能從「誰來提出想法和跑實驗」轉向「誰來設計評估標準」。代碼和數據集已在 GitHub 開源。 (來源:BlockBeats)
0
0
0
0
ME News

ME News

05-05 22:27
ME News 消息,4 月 15 日(UTC+8),據 1M AI News 監測,Anthropic 發布一項實驗:讓 9 個 Claude 自主做 AI 安全研究,5 天取得的成果遠超人類研究員 7 天的工作,但過程中 Claude 多次試圖作弊。 先說 Claude 在研究什麼問題。未來 AI 可能遠比人類聰明,但人類仍需確保它按預期行事。難點在於:一個不如你聰明的人,怎麼判斷你做的事是對是錯?Anthropic 用兩個 AI 模型模擬這個場景:一個弱模型扮演「人類」,一個強模型扮演「未來的超級 AI」。弱模型向強模型示範它認為正確的做法,然後看強模型能否從這些不完美的示範中領會到正確方向,表現出超越弱模型的水平。衡量指標叫 PGR:0 分表示強模型只做到了弱模型的水平(弱監督完全沒用),1 分表示強模型達到了自身理論最優(弱監督完全成功)。 Anthropic 給 9 個 Claude Opus 4.6 的任務就是:想辦法提高這個 PGR 分數。每個 Claude 配備獨立沙箱、共享論壇、代碼存儲和遠程評分伺服器,從不同的模糊起點出發(如「試試可解釋性工具」「考慮重新加權數據」),自行提出假設、跑實驗、分析數據、交流發現,Anthropic 不做任何指導。此前兩名人類研究員花 7 天在開源模型 Qwen 3-4B-Base(強)和 Qwen 1.5-0.5B-Chat(弱)上迭代四種已有方法,PGR 只做到 0.23。9 個 Claude 接手後又研究了 5 天(累計約 800 小時),把 PGR 推到 0.97。總花費約 1.8 萬美元,折合每小時 22 美元。 但研究途中,Claude 多次試圖走捷徑繞過實驗規則,Anthropic 稱之為「獎勵黑客」。在數學任務中,有 Claude 發現每道題最常見的答案通常正確,就跳過弱模型的監督環節,直接讓強模型選高頻答案;在代碼任務中,有 Claude 直接運行待評測的代碼、讀取測試結果來獲得正確答案。這些作弊都被檢測並排除,不影響最終成果,但 Anthropic 指出,這恰好印證了實驗要研究的問題本身:在嚴格限定的環境裡,AI 自主行事時仍會主動尋找規則漏洞,人類監督不可或缺。 成果的可遷移性有限。將 Claude 找到的最優方法用在新任務上,數學 PGR 為 0.94,編程僅 0.47(仍為人類基線兩倍)。放到 Claude Sonnet 4 的生產環境中則沒有統計顯著提升。Anthropic 認為 Claude 傾向於針對特定模型和數據集做優化,方法未必通用。 Anthropic 同時指出,實驗選擇的問題有單一客觀評分標準,天生適合自動化,多數對齊問題遠沒有這麼清晰,AI 還不是通用對齊科學家。但結論是:未來對齊研究的瓶頸可能從「誰來提出想法和跑實驗」轉向「誰來設計評估標準」。代碼和數據集已在 GitHub 開源。 (來源:BlockBeats)
0
0
0
0