格隆汇1月7日丨龙源技术(300105.SZ)在投资者互动平台表示，公司的节能技术可应用于燃气发电场 景。龙源技术深耕能源节能与环保领域，是国内知名的燃煤电站节能环保服务企业，目前已构建起覆盖 等离子体点火、低氮燃烧、综合节能改造、低碳能源综合利用等多领域的核心业务体系，公司技术方案 已在多类火电机组中积累应用经验。 ...

格隆汇1月5日丨龙源技术(300105.SZ)公布，根据《企业会计准则》及公司会计政策、会计估计等相关 规定，为客观、公允地反映公司的财务状况和经营状况，公司对合并报表范围内各子公司的2025年12月 末所属资产进行了初步减值测试。本着谨慎性原则，拟对其中可能存在减值迹象的相关资产计提减值准 备，预计2025年度计提各类资产减值损失合计9,976.60万元，本次计提资产减值损失情况未经会计师事 务所审计。 ...

股票代码：300105 股票简称：龙源技术 编号：临2026-001 烟台龙源电力技术股份有限公司 关于拟计提资产减值损失的提示性公告 本公司及董事会全体成员保证信息披露的内容真实、准 确、完整，没有虚假记载、误导性陈述或重大遗漏。 一、计提资产减值损失情况概述 本公司以预期信用损失为基础，对应收账款、其他应收 款、长期应收款等进行减值测试并确认减值损失。经初步测 试，2025 年度公司拟计提信用减值损失 9,611.85 万元，其中 公司以分期收款方式承揽的"寿光市蔬菜废弃物能源化、资源 化煤炭替代综合利用项目"、"文水县畜禽粪污资源化利用项 目"产生的应收款项进行单项计提信用减值损失 10,074.77 万 元。 （二）资产减值损失 本公司对存货、合同资产、固定资产等长期资产，在资 产负债表日有迹象表明发生减值的，估计其可收回金额，进 行减值测试。对存货资产，在资产负债表日，存货成本高于 其可变现净值的，计提存货跌价准备。经初步测试，2025 年 度公司拟计提资产减值损失 364.75 万元。 三、计提资产减值损失对公司的影响 2025 年度，本公司合并报表范围内拟计提信用减值损失 和资产减值损失合计 9 ...

股票代码：300105 股票简称：龙源技术 编号：临 2025-066 烟台龙源电力技术股份有限公司 2025 年第五次临时股东会决议公告 本公司及董事会全体成员保证信息披露的内容真实、准确、完整， 没有虚假记载、误导性陈述或重大遗漏。 特别提示 1、本次股东会未出现否决议案的情形。 2、本次股东会不涉及变更以往股东会已通过的决议的情形。 3、本次股东会以现场表决与网络投票相结合方式召开。 一、会议召开和出席情况 （一）会议召开情况 1、会议时间： 现场会议时间为：2025年12月31日下午14:30。 通过深圳证券交易所交易系统进行网络投票的时间为：2025年12 月31日上午9:15-9:25、9:30-11:30，下午13:00-15:00； 通过深圳证券交易所互联网投票系统投票的时间为：2025年12 月31日9:15至当日下午15:00。 2、会议地点：中国（山东）自由贸易试验区烟台片区烟台开发 区白云山路2号公司本部会议室。 3、会议方式：现场投票和网络投票相结合方式。 4、会议召集人：公司董事会。 决程序符合有关法律、行政法规、部门规章、规范性文件和《公司章 程》的规定。 （二）会议出席情况 1 ...

北京市环球律师事务所 关于 烟台龙源电力技术股份有限公司 2025 年第五次临时股东会 之 法律意见书 二零二五年十二月 北京市环球律师事务所 关于 烟台龙源电力技术股份有限公司 2025 年第五次临时股东会 之 法律意见书 GLO2025BJ（法）字第 12219 号 致：烟台龙源电力技术股份有限公司 北京市环球律师事务所（以下简称"本所"）作为烟台龙源电力技术股份 有限公司（以下简称"公司"）的法律顾问，接受公司委托，指派本所朱志平 律师和庄绵绵律师（以下简称"本所律师"）现场列席公司2025年第五次临时 股东会（以下简称"本次股东会"）并对本次股东会相关事项进行见证。 本所律师根据《中华人民共和国公司法》（以下简称《公司法》）、《中 华人民共和国证券法》（以下简称《证券法》）、中国证券监督管理委员会颁 布的《上市公司股东会规则》（以下简称《股东会规则》）、《深圳证券交易 所上市公司自律监管指引第2号——创业板上市公司规范运作（2025年修订）》 （以下简称《指引》）及《深圳证券交易所创业板上市公司自律监管指南第1 号——业务办理（2025年修订）》（以下简称《指南》）等法律、法规、部门 规章、规范性文件 ...

Quantitative Models and Construction Methods 1. Model Name: GAN_GRU - **Model Construction Idea**: The GAN_GRU model combines Generative Adversarial Networks (GAN) for feature generation and Gated Recurrent Unit (GRU) for time-series feature encoding to construct a stock selection factor[4][13][14] - **Model Construction Process**: 1. **GAN Component**: - The generator (G) learns the real data distribution and generates realistic samples from random noise \( z \) (Gaussian or uniform distribution). The generator's loss function is: $$ L_{G} = -\mathbb{E}_{z\sim P_{z}(z)}[\log(D(G(z)))] $$ where \( D(G(z)) \) represents the discriminator's probability of classifying generated data as real[24][25][26] - The discriminator (D) distinguishes real data from generated data. Its loss function is: $$ L_{D} = -\mathbb{E}_{x\sim P_{data}(x)}[\log D(x)] - \mathbb{E}_{z\sim P_{z}(z)}[\log(1-D(G(z)))] $$ where \( D(x) \) is the probability of real data being classified as real, and \( D(G(z)) \) is the probability of generated data being classified as real[27][29][30] - GAN training alternates between optimizing \( G \) and \( D \) until convergence[30] 2. **GRU Component**: - Two GRU layers (GRU(128, 128)) are used to encode time-series features, followed by a Multi-Layer Perceptron (MLP) with layers (256, 64, 64) to predict returns. The final output \( pRet \) is used as the stock selection factor[22] 3. **Feature Input and Processing**: - Input features include 18 price-volume characteristics (e.g., closing price, turnover, etc.) sampled over the past 400 days, with a shape of \( 40 \times 18 \) (40 days of features)[18][19][37] - Features undergo outlier removal, standardization, and cross-sectional normalization[18] 4. **Training Details**: - Training-validation split: 80%-20% - Semi-annual rolling training (June 30 and December 31 each year) - Hyperparameters: batch size equals the number of stocks, Adam optimizer, learning rate \( 1e-4 \), IC loss function, early stopping (10 rounds), max training rounds (50)[18] 5. **Stock Selection**: - Stocks are filtered to exclude ST stocks and those listed for less than six months[18] - **Model Evaluation**: The GAN_GRU model effectively captures price-volume time-series features and demonstrates strong predictive power for stock returns[4][13][22] --- Model Backtesting Results 1. GAN_GRU Model - **IC Mean**: 0.1119*** (2019-2025)[4][41] - **ICIR (non-annualized)**: 0.89[42] - **Turnover Rate**: 0.83X[42] - **Recent IC**: 0.0331*** (December 2025)[4][41] - **1-Year IC Mean**: 0.0669***[4][41] - **Annualized Return**: 37.40%[42] - **Annualized Volatility**: 23.39%[42] - **IR**: 1.60[42] - **Maximum Drawdown**: 27.29%[42] - **Annualized Excess Return**: 22.42%[4][42] --- Quantitative Factors and Construction Methods 1. Factor Name: GAN_GRU Factor - **Factor Construction Idea**: The GAN_GRU factor is derived from the GAN_GRU model, leveraging GAN for price-volume feature generation and GRU for time-series encoding[4][13][14] - **Factor Construction Process**: - The GAN generator processes raw price-volume time-series features (\( Input\_Shape = 40 \times 18 \)) and outputs transformed features with the same shape (\( Input\_Shape = 40 \times 18 \))[37] - The GRU component encodes these features into a predictive factor for stock selection[22] - The factor undergoes industry and market capitalization neutralization and standardization[22] - **Factor Evaluation**: The GAN_GRU factor demonstrates robust performance across various industries and time periods, with significant IC values and excess returns[4][41] --- Factor Backtesting Results 1. GAN_GRU Factor - **IC Mean**: 0.1119*** (2019-2025)[4][41] - **ICIR (non-annualized)**: 0.89[42] - **Turnover Rate**: 0.83X[42] - **Recent IC**: 0.0331*** (December 2025)[4][41] - **1-Year IC Mean**: 0.0669***[4][41] - **Annualized Return**: 37.40%[42] - **Annualized Volatility**: 23.39%[42] - **IR**: 1.60[42] - **Maximum Drawdown**: 27.29%[42] - **Annualized Excess Return**: 22.42%[4][42] 2. Industry-Specific Performance - **Top 5 Industries by Recent IC (October 2025)**: - Social Services: 0.4243*** - Coal: 0.2643*** - Environmental Protection: 0.2262*** - Retail: 0.1888*** - Steel: 0.1812***[4][41][42] - **Top 5 Industries by 1-Year IC Mean**: - Social Services: 0.1303*** - Steel: 0.1154*** - Non-Bank Financials: 0.1157*** - Retail: 0.1067*** - Building Materials: 0.1017***[4][41][42] 3. Industry-Specific Excess Returns - **Top 5 Industries by December 2025 Excess Returns**: - Banking: 4.30% - Real Estate: 3.51% - Environmental Protection: 2.18% - Retail: 1.76% - Machinery: 1.71%[2][45] - **Top 5 Industries by 1-Year Average Excess Returns**: - Banking: 2.12% - Real Estate: 1.93% - Environmental Protection: 1.50% - Retail: 1.46% - Machinery: 1.23%[2][46]

证券日报网讯12月29日，龙源技术（300105）发布公告称，公司召开职工代表大会，经全体与会代表一 致同意，选举王新光先生为公司第六届董事会职工董事，任期至第六届董事会届满之日止。 ...

特此公告。 烟台龙源电力技术股份有限公司董事会 二〇二五年十二月二十九日 附件 王新光先生简历 股票代码：300105 股票简称：龙源技术 编号：临2025-065 烟台龙源电力技术股份有限公司 关于选举职工董事的公告 本公司及董事会全体成员保证信息披露的内容真实、准 确、完整，没有虚假记载、误导性陈述或重大遗漏。 烟台龙源电力技术股份有限公司（以下简称"公司"） 根据《中华人民共和国公司法》等法律、法规，以及《深圳 证券交易所创业板股票上市规则》《深圳证券交易所上市公 司自律监管指引第 2 号——创业板上市公司规范运作》等部 门规章、规范性文件，以及《公司章程》的有关规定，于近 期召开职工代表大会，经全体与会代表一致同意，选举王新 光先生为公司第六届董事会职工董事（简历详见附件），任 期至第六届董事会届满之日止。 上述职工董事符合《中华人民共和国公司法》《公司章 程》等有关董事任职的资格和条件。本次职工董事选举产生 后，公司第六届董事会中兼任高级管理人员的董事以及由职 工代表担任的董事总计未超过公司董事总数的二分之一，符 合相关法律法规及《公司章程》的规定。 王新光先生，1971 年出生，中国国籍，大学本科 ...

证券日报网讯12月15日，龙源技术（300105）发布公告称，公司将于2025年12月31日召开2025年第五次 临时股东会。 ...

证券日报网讯 12月15日晚间，龙源技术发布公告称，公司第六届董事会第十四次会议审议通过《关于 调整董事会战略与ESG委员会成员的议案》《关于审议公司2026年度日常性关联交易的议案》《关于修 订、废止部分治理制度的议案》等多项议案。 （编辑 任世碧） ...