天下彩票交流群|天下彩票客户端

改善优质房企资产负债表 房地产风险化解再提速******

　　事关房地产融资、结构性货币政策工具、重点领域金融服务等，再迎监管进一步发声。1月10日，人民银行、银保监会联合召开主要银行信贷工作座谈会，研究部署落实金融支持稳增长有关工作。其中，包括政策性和开发性银行、各国有商业银行、部分股份制商业银行主要负责人均参加了会议。

　　保持房地产融资平稳有序

　　会议要求，人民银行、银保监会、各主要银行要全面贯彻落实党的二十大和中央经济工作会议精神，保持对实体经济的信贷支持力度，加大金融对国内需求和供给体系的支持，做好对基建投资、小微企业、科技创新、制造业、绿色发展等重点领域的金融服务，保持房地产融资平稳有序，推动经济运行整体好转，为全面建设社会主义现代化国家开好局、起好步，提供有力的金融支持。

　　针对重点领域金融支持，会议指出，各主要银行要合理把握信贷投放节奏，适度靠前发力，进一步优化信贷结构，精准有力支持国民经济和社会发展重点领域、薄弱环节。

　　其中包括，要加强跟踪监测，及时跟进政策性开发性金融工具配套融资，延续发挥好设备更新改造专项再贷款和财政贴息政策合力，力争形成更多实物工作量；要继续用好碳减排支持工具、支持煤炭清洁高效利用专项再贷款、科技创新再贷款、交通物流专项再贷款等结构性货币政策工具，不断完善对重点领域和薄弱环节的常态化支持机制；用好普惠小微贷款支持工具等优惠政策，加力支持小微市场主体恢复发展；此外，当前还要全力支持重点医疗物资生产保供企业的合理资金需求。

　　资产负债表回归安全区间

　　值得一提的是，会议再次提及房地产问题时，基调仍与此前一致，要全面贯彻落实中央经济工作会议精神，坚持房子是用来住的、不是用来炒的定位，推动房地产业向新发展模式平稳过渡。

　　同时，要有效防范化解优质头部房企风险，实施改善优质房企资产负债表计划，聚焦专注主业、合规经营、资质良好、具有一定系统重要性的优质房企，开展“资产激活”“负债接续”“权益补充”“预期提升”四项行动，综合施策改善优质房企经营性和融资性现金流，引导优质房企资产负债表回归安全区间。

　　“此次会议最大的亮点在于，提出了资产负债表优化的四项行动，这也说明，资产负债表优化的工作正进入实质操作阶段。”上海易居房地产研究院研究总监严跃进说道，资产激活意味着要把房地产企业的各类资产进行盘活，包括待开发的土地和待出售的房产、预售资金的加快回笼、资产证券化的加快推进、REITs产品等模式的加快介入、现金流的持续改善等内容。

　　负债接续则意味着后续对于负债的工作要加快清理，包括负债的展期、债转股、资产出售以清偿债务等工作；权益补充意味着后续要鼓励各类优质企业积极做战略投资者，包括央国企、保险公司等企业，同时会强调对于企业资本金的注入和确保资金状况的稳健；预期提升意味着要不断修复投资者对于中国房企的看法，尤其是各类金融机构企业。严跃进认为，要不断减少企业违约的风险，同时强化今年房企销售的目标值，进而促进“金融-房企-销售市场”等渠道的顺畅。

　　加大住房租赁金融支持

　　会议还强调，要配合有关部门和地方政府扎实做好保交楼、保民生、保稳定各项工作，运用好保交楼专项借款、保交楼贷款支持计划等政策工具，积极提供配套融资支持，维护住房消费者合法权益。要落实好16条金融支持房地产市场平稳健康发展的政策措施，用好民营企业债券融资支持工具(“第二支箭”)，保持房企信贷、债券等融资渠道稳定，满足行业合理融资需求。

　　要因城施策实施好差别化住房信贷政策，更好支持刚性和改善性住房需求，加大住房租赁金融支持，做好新市民、青年人等住房金融服务，推动加快建立“租购并举”住房制度。

　　“会议释放继续落实好稳楼市一揽子政策措施，促进房地产平稳健康发展，有助于提振房地产信心。”光大银行金融市场部宏观研究员周茂华告诉北京商报记者，随着国内经济稳步复苏，就业和收入改善，稳楼市政策落地见效，市场信心回暖，楼市需求复苏向供给端传导，后续楼市需求有望加快恢复。

　　另外，业内也认为，满足合理的改善性需求，是下一步稳定房地产市场、扩大内需的重要方面。正如中国人民大学国家发展与战略研究院高级研究员、城市更新研究中心主任秦虹指出，2022年，影响房地产需求的三大因素，主要是正常市场总量下台阶、三年疫情影响导致老百姓失业和减薪，对收入预期的不稳定以及供给端风险不断爆雷。

　　在秦虹看来，随着近期密集出台的一系列关于房地产的融资支持性政策，2023年房地产企业有望回归常态。总体而言，房地产调控要做好保障性住房的建设，完善房地产市场的基础性制度；同时尽可能尊重市场，此外，也要支持新发展阶段房地产企业新模式形成，改变过去高负债、高杠杆、高周转的传统模式。

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）