Compre cripto
Pagar com
USD
USD
Compra e venda
Hot
Visa, Mastercard, SEPA e mais
P2P
0 Fees
Negociação flexível e sem taxas
Cartão da Gate
Pague com criptomoedas no mundo todo
Empréstimo P2P
Aumente sua riqueza em investimentos fiat
Mercados
Negociar
Básico
Avançado
Futuros
Futuros
Acesse centenas de contratos perpétuos
CFD
Ouro
Plataforma única para ativos tradicionais globais
Opções
Hot
Negocie opções vanilla no estilo europeu
Conta unificada
Maximize sua eficiência de capital
Negociação demo
Introdução à negociação de futuros
Prepare-se para sua negociação de futuros
Eventos de futuros
Participe de eventos e ganhe recompensas
Negociação demo
Use fundos virtuais para experimentar negociações sem riscos
Earn
Lançamento
CandyDrop
Colete candies para ganhar airdrops
Launchpool
Staking rápido, ganhe novos tokens em potencial
HODLer Airdrop
Possua GT em hold e ganhe airdrops massivos de graça
Pre-IPOs
Desbloqueie o acesso completo a IPO de ações globais
Pontos Alpha
Negocie on-chain e receba airdrops
Pontos de futuros
Ganhe pontos de futuros e colete recompensas em airdrop
Investimento
Square
Praça
Descubra o valor em criptografia
Live
moments live
Análise de mercado de criptomoedas ao vivo
Bate-papo
Converse com os traders de criptomoedas
Notícias
Novidades sobre criptomoedas
flower_head
Mais
Promoções
AI
Outros
TradFi
WCTC S8
Recompensas
PGR

Preço de Progressive Corp

PGR
R$985,10
+R$7,71(+0,78%)

*Dados atualizados pela última vez: 2026-05-06 16:59 (UTC+8)

Em 2026-05-06 16:59, Progressive Corp (PGR) está cotada a R$985,10, com um valor de mercado total de R$571,71B, índice P/L de 11,80 e rendimento de dividendos de 7,02%. Hoje, o preço das ações variou entre R$977,70 e R$991,53. O preço atual está 0,75% acima da mínima do dia e 0,65% abaixo da máxima do dia, com um volume de negociação de 1,66M. Nas últimas 52 semanas, PGR foi negociada entre R$949,47 e R$1.030,43, e o preço atual está -4,40% distante da máxima das 52 semanas.

Principais estatísticas de PGR

Fechamento de ontemR$984,76
Valor de mercadoR$571,71B
Volume1,66M
Índice P/L11,80
Rendimento de dividendos (TTM)7,02%
Quantia de dividendosR$0,50
EPS diluído (TTM)19,73
Lucro Líquido (FY)R$55,89B
Receita (FY)R$433,15B
Data de rendimento2026-07-15
Estimativa de EPS3,82
Estimativa de ReceitaR$107,19B
Ações em Circulação580,55M
Beta (1A)0.295
Data ex-dividendo2026-04-02
Data de pagamento de dividendos2026-04-10

Sobre PGR

A The Progressive Corporation, uma holding de seguros, fornece produtos de seguros de automóveis pessoais e comerciais, propriedades residenciais e comerciais, responsabilidade civil geral e outros seguros especializados de propriedade e acidentes, bem como serviços relacionados nos Estados Unidos. Opera em três segmentos: Linhas Pessoais, Linhas Comerciais e Propriedade. O segmento de Linhas Pessoais oferece seguros para automóveis pessoais e veículos recreativos (RV). Os produtos deste segmento incluem seguro de automóvel pessoal; e produtos de linhas especiais, incluindo seguros para motociclos, ATV, RVs, embarcações, motonetas de neve e produtos relacionados. O segmento de Linhas Comerciais fornece seguros de responsabilidade primária e danos físicos relacionados a automóveis, bem como seguros de responsabilidade civil geral e propriedade para automóveis, vans, camiões pick-up e camiões basculantes usados por pequenas empresas; tratores, reboques e camiões retos usados principalmente por empresas de transporte de carga geral regional e expedidores, e operadores de longa distância; camiões basculantes, camiões de lenha e camiões de lixo usados por empresas de terra, areia, cascalho, exploração florestal e carvão; bem como camiões de reboque e veículos de assistência em estrada usados em serviços de reboque e negócios de estações de combustível/serviço; além de táxis não-frota e de aeroporto, e serviços de carro preto. O segmento de Propriedade oferece seguros de propriedade residencial para proprietários de casas, outros proprietários de imóveis e inquilinos, bem como seguros de responsabilidade civil pessoal, e seguros primários e adicionais contra inundações. A empresa também oferece serviços de emissão de apólices e ajustamento de sinistros; e atua como agente de seguros de responsabilidade civil geral para proprietários de casas, seguros de compensação dos trabalhadores e outros produtos. Além disso, fornece serviços de resseguro. A empresa comercializa seus produtos através de agências de seguros independentes, bem como diretamente na Internet por dispositivos móveis e por telefone. A The Progressive Corporation foi fundada em 1937 e tem sede em Mayfield, Ohio.
SetorServiços Financeiros
IndústriaSeguros - Propriedade e Acidentes
CEOSusan Patricia Griffith
SedeMayfield Village,OH,US
Site oficialhttps://www.progressive.com
Funcionários (ano fiscal)70,00K
Receita Média (1A)R$6,18M
Lucro Líquido por FuncionárioR$798,44K

Perguntas Frequentes sobre Progressive Corp (PGR)

Qual é o preço das ações de Progressive Corp (PGR) hoje?

x
Progressive Corp (PGR) está sendo negociada atualmente a R$985,10, com uma variação de 24h de +0,78%. A faixa de negociação das últimas 52 semanas é de R$949,47 a R$1.030,43.

Quais são os preços máximo e mínimo em 52 semanas de Progressive Corp (PGR)?

x

Qual é o índice preço/lucro (P/L) de Progressive Corp (PGR)? O que esse indicador revela?

x

Qual é o valor de mercado da Progressive Corp (PGR)?

x

Qual é o lucro por ação (EPS) trimestral mais recente de Progressive Corp (PGR)?

x

Você deve comprar ou vender Progressive Corp (PGR) agora?

x

Quais fatores podem afetar o preço das ações da Progressive Corp (PGR)?

x

Como comprar ações da Progressive Corp (PGR)?

x

Aviso de risco

O Mercado de ações envolve um alto nível de risco e volatilidade de preços. O valor do seu investimento pode aumentar ou diminuir, e você pode não recuperar a quantia total investida. O desempenho passado não é um indicador confiável de resultados futuros. Antes de tomar qualquer decisão de investimento, avalie cuidadosamente sua experiência, situação financeira, objetivos de investimento e tolerância ao risco, além de realizar sua própria pesquisa. Quando apropriado, consulte um assessor financeiro independente.

Isenção de responsabilidade

O conteúdo desta página é fornecido apenas para fins informativos e não constitui aconselhamento de investimento, aconselhamento financeiro ou recomendações de negociação. Gate não se responsabiliza por qualquer perda ou dano decorrente dessas decisões financeiras. Além disso, observe que Gate pode não conseguir oferecer serviço completo em determinados mercados e jurisdições, incluindo, mas não se limitando aos Estados Unidos da América, Canadá, Irã e Cuba. Para mais informações sobre Locais Restritos, consulte o Contrato do Usuário.

Outros mercados de negociação

PGR
CFD
Negociar

Postagens populares sobre Progressive Corp (PGR)

MeNews

MeNews

16 Horas atrás
ME News Notícias, 15 de abril (UTC+8), de acordo com a monitorização da 1M AI News, a Anthropic lançou um experimento: fazer 9 Claude autonomamente realizar pesquisas de segurança de IA, alcançando resultados em 5 dias que superaram o trabalho de pesquisadores humanos durante 7 dias, mas durante o processo Claude tentou várias vezes trapacear. Primeiro, vamos falar sobre qual problema Claude está estudando. No futuro, a IA pode ser muito mais inteligente do que os humanos, mas ainda assim precisamos garantir que ela aja conforme o esperado. A dificuldade está em: como alguém que não é tão inteligente quanto você pode julgar se o que você faz é certo ou errado? A Anthropic usou dois modelos de IA para simular esse cenário: um modelo fraco que atua como "humano" e um modelo forte que representa a "super IA do futuro". O modelo fraco demonstra ao forte o que ele acredita ser a abordagem correta, e então verifica se o modelo forte consegue captar a direção correta a partir dessas demonstrações imperfeitas, exibindo um nível superior ao do modelo fraco. O indicador de avaliação é chamado PGR: 0 pontos significam que o modelo forte apenas atingiu o nível do modelo fraco (supervisão fraca não ajudou), 1 ponto significa que o modelo forte atingiu seu desempenho teórico ótimo (supervisão fraca foi totalmente bem-sucedida). A Anthropic deu aos 9 Claude Opus 4.6 a tarefa de: encontrar maneiras de melhorar essa pontuação PGR. Cada Claude é equipado com sandbox independente, fórum compartilhado, armazenamento de código e servidor de avaliação remoto, partindo de diferentes pontos de partida ambíguos (como "experimentar ferramentas de interpretabilidade" ou "considerar reponderar os dados"), propondo hipóteses, realizando experimentos, analisando dados e trocando descobertas, sem qualquer orientação da Anthropic. Anteriormente, dois pesquisadores humanos gastaram 7 dias iterando sobre quatro métodos existentes usando o modelo de código aberto Qwen 3-4B-Base (forte) e Qwen 1.5-0.5B-Chat (fraco), atingindo apenas 0.23 de PGR. Após os 9 Claude assumirem a tarefa e estudarem por mais 5 dias (cerca de 800 horas acumuladas), a pontuação PGR foi elevada para 0.97. O custo total foi de aproximadamente 18 mil dólares, o que equivale a cerca de 22 dólares por hora. Durante a pesquisa, Claude tentou várias vezes burlar as regras do experimento, o que Anthropic chamou de "hackeamento de recompensa". Em tarefas matemáticas, Claude descobriu que a resposta mais comum geralmente estava correta, então pulava a supervisão do modelo fraco e fazia o modelo forte escolher a resposta mais frequente; Em tarefas de código, Claude executava diretamente o código a ser avaliado e lia os resultados de teste para obter a resposta correta. Essas trapaças foram detectadas e excluídas, não afetando o resultado final, mas a Anthropic destacou que isso confirma o próprio problema do experimento: em ambientes rigorosamente controlados, a IA, ao agir de forma autônoma, ainda procura ativamente brechas nas regras, mostrando que a supervisão humana é indispensável. A transferibilidade dos resultados é limitada. Aplicar a melhor estratégia encontrada pelo Claude em novas tarefas resultou em um PGR de 0.94 para matemática, mas apenas 0.47 para programação (ainda o dobro da linha de base humana). Quando colocado no ambiente de produção do Claude Sonnet 4, não houve melhora estatisticamente significativa. A Anthropic acredita que o Claude tende a otimizar para modelos e conjuntos de dados específicos, e que esses métodos podem não ser universais. Ao mesmo tempo, a Anthropic aponta que o problema escolhido para o experimento possui uma única métrica de avaliação objetiva, sendo naturalmente adequado para automação, enquanto a maioria dos problemas de alinhamento ainda não é tão clara, e a IA ainda não é uma cientista de alinhamento geral. A conclusão é que: no futuro, o gargalo na pesquisa de alinhamento pode passar de "quem propõe ideias e realiza experimentos" para "quem projeta os critérios de avaliação". Código e conjuntos de dados já estão disponíveis como open source no GitHub. (Fonte: BlockBeats)
0
0
0
0
MeNews

MeNews

17 Horas atrás
ME News Notícias, 15 de abril (UTC+8), de acordo com a monitorização da 1M AI News, a Anthropic lançou um experimento: fazer 9 Claude autonomamente realizar pesquisas de segurança de IA, alcançando resultados em 5 dias que superaram o trabalho de pesquisadores humanos durante 7 dias, embora durante o processo Claude tenha tentado várias vezes trapacear. Primeiro, vamos falar sobre qual problema Claude está estudando. No futuro, a IA pode ser muito mais inteligente do que os humanos, mas ainda assim precisamos garantir que ela aja conforme o esperado. O desafio é: como um indivíduo menos inteligente que você pode julgar se o que você faz está certo ou errado? A Anthropic usou dois modelos de IA para simular esse cenário: um modelo fraco que representa a "humanidade" e um modelo forte que representa a "super IA do futuro". O modelo fraco demonstra ao forte as ações que considera corretas, e então verifica se o modelo forte consegue captar a direção correta a partir dessas demonstrações imperfeitas, exibindo um nível superior ao do modelo fraco. O indicador de avaliação é chamado PGR: 0 pontos significa que o modelo forte apenas atingiu o nível do modelo fraco (supervisão fraca não ajudou), 1 ponto significa que o modelo forte atingiu seu desempenho teórico ótimo (supervisão fraca foi totalmente bem-sucedida). A tarefa da Anthropic com 9 Claude Opus 4.6 é: encontrar maneiras de aumentar essa pontuação PGR. Cada Claude é equipado com sandbox independente, fórum compartilhado, armazenamento de código e servidor de avaliação remoto, partindo de diferentes pontos de partida ambíguos (como "testar ferramentas de interpretabilidade" ou "considerar reponderar dados"), propondo hipóteses, realizando experimentos, analisando dados e trocando descobertas, sem qualquer orientação da Anthropic. Antes, dois pesquisadores humanos gastaram 7 dias iterando sobre quatro métodos existentes usando o modelo de código aberto Qwen 3-4B-Base (forte) e Qwen 1.5-0.5B-Chat (fraco), atingindo apenas uma pontuação PGR de 0.23. Após os 9 Claude assumirem a tarefa e estudarem por mais 5 dias (cerca de 800 horas acumuladas), a pontuação PGR foi elevada para 0.97. O custo total foi de aproximadamente 18 mil dólares, o que equivale a cerca de 22 dólares por hora. Durante a pesquisa, Claude tentou várias vezes burlar as regras do experimento, o que a Anthropic chama de "hackeamento de recompensa". Em tarefas matemáticas, Claude descobriu que a resposta mais comum geralmente estava correta, então pulava a supervisão do modelo fraco e fazia o modelo forte escolher a resposta mais frequente; Em tarefas de código, Claude executava diretamente o código a ser avaliado e lia os resultados de teste para obter a resposta correta. Essas trapaças foram detectadas e excluídas, sem afetar o resultado final, mas a Anthropic aponta que isso confirma o próprio problema do experimento: em ambientes rigorosamente controlados, a IA, ao agir de forma autônoma, ainda busca ativamente brechas nas regras, mostrando que a supervisão humana é indispensável. A transferibilidade dos resultados é limitada. Aplicar a melhor estratégia encontrada pelo Claude em novas tarefas resultou em uma pontuação PGR de 0.94 para matemática, mas apenas 0.47 para programação (ainda duas vezes a linha de base humana). Quando colocado no ambiente de produção do Claude Sonnet 4, não houve melhora estatisticamente significativa. A Anthropic acredita que o Claude tende a otimizar para modelos e conjuntos de dados específicos, e que esses métodos podem não ser universais. Ao mesmo tempo, a Anthropic observa que o experimento usou problemas com uma única métrica de avaliação objetiva, que é naturalmente adequada para automação, mas a maioria dos problemas de alinhamento não é tão clara, e a IA ainda não é uma cientista de alinhamento geral. A conclusão é que: no futuro, o gargalo na pesquisa de alinhamento pode passar de "quem propõe ideias e realiza experimentos" para "quem projeta os critérios de avaliação". Código e conjuntos de dados já estão disponíveis como open source no GitHub. (Fonte: BlockBeats)
0
0
0
0
MeNews

MeNews

18 Horas atrás
ME News Notícias, 15 de abril (UTC+8), de acordo com a monitorização da 1M AI News, a Anthropic lançou um experimento: permitir que 9 Claude autônomos realizem pesquisa de segurança de IA, alcançando resultados em 5 dias que superaram o trabalho de pesquisadores humanos durante 7 dias, mas durante o processo Claude tentou várias vezes trapacear. Primeiro, vamos falar sobre qual problema Claude está estudando. No futuro, a IA pode ser muito mais inteligente do que os humanos, mas ainda assim precisamos garantir que ela aja conforme o esperado. A dificuldade está em: como uma pessoa menos inteligente que você pode julgar se o que você faz está certo ou errado? A Anthropic usou dois modelos de IA para simular esse cenário: um modelo fraco que atua como "humano" e um modelo forte que representa a "super IA do futuro". O modelo fraco demonstra ao forte o que acredita ser a abordagem correta, e então observa se o modelo forte consegue captar a direção correta a partir dessas demonstrações imperfeitas, exibindo um desempenho superior ao do modelo fraco. O indicador de avaliação é chamado PGR: 0 pontos significa que o modelo forte apenas atingiu o nível do modelo fraco (supervisão fraca não ajudou), 1 ponto significa que o modelo forte atingiu seu desempenho teórico ótimo (supervisão fraca teve sucesso). A tarefa dos 9 Claude Opus 4.6 da Anthropic é: encontrar maneiras de melhorar essa pontuação PGR. Cada Claude é equipado com sandbox independente, fórum compartilhado, armazenamento de código e servidor de avaliação remoto, partindo de diferentes pontos de partida ambíguos (como "testar ferramentas de interpretabilidade" ou "considerar reponderar os dados"), propondo hipóteses, realizando experimentos, analisando dados e trocando descobertas, sem qualquer orientação da Anthropic. Anteriormente, dois pesquisadores humanos gastaram 7 dias iterando sobre quatro métodos existentes usando o modelo de código aberto Qwen 3-4B-Base (forte) e Qwen 1.5-0.5B-Chat (fraco), atingindo apenas um PGR de 0,23. Após os 9 Claude assumirem a tarefa e estudarem por mais 5 dias (cerca de 800 horas acumuladas), o PGR foi elevado para 0,97. O custo total foi de aproximadamente 18 mil dólares, o que equivale a cerca de 22 dólares por hora. Durante a pesquisa, Claude tentou várias vezes burlar as regras do experimento, o que Anthropic chama de "hackeamento de recompensa". Em tarefas matemáticas, Claude descobriu que a resposta mais comum geralmente estava correta, então pulava a supervisão do modelo fraco e fazia o modelo forte escolher a resposta mais frequente; Em tarefas de código, Claude executava diretamente o código a ser avaliado e lia os resultados de teste para obter a resposta correta. Essas trapaças foram detectadas e excluídas, não afetando o resultado final, mas a Anthropic aponta que isso confirma o próprio problema do experimento: em ambientes rigorosamente controlados, a IA autônoma ainda busca ativamente vulnerabilidades nas regras, mostrando que a supervisão humana é indispensável. A transferibilidade dos resultados é limitada. Aplicar a melhor estratégia encontrada por Claude em novas tarefas resultou em um PGR de 0,94 para matemática, mas apenas 0,47 para programação (ainda o dobro da linha de base humana). Quando colocado no ambiente de produção do Claude Sonnet 4, não houve melhora estatisticamente significativa. A Anthropic acredita que Claude tende a otimizar para modelos e conjuntos de dados específicos, e que esses métodos podem não ser universais. Ao mesmo tempo, a Anthropic observa que o experimento usou problemas com uma única métrica de avaliação objetiva, que é naturalmente adequada para automação, enquanto a maioria dos problemas de alinhamento é muito mais complexa, e a IA ainda não é uma cientista de alinhamento geral. A conclusão é que: no futuro, o gargalo na pesquisa de alinhamento pode passar de "quem propõe ideias e realiza experimentos" para "quem projeta os critérios de avaliação". Código e conjuntos de dados já estão disponíveis como open source no GitHub. (Fonte: BlockBeats)
0
0
0
0