天下彩票注册网-天下彩票走势图

四措并举 改善优质房企资产负债表******

　　王丽新

　　日前，央行、银保监会联合召开主要银行信贷工作座谈会，提及“引导优质房企资产负债表回归安全区间”。从中央经济工作会议提出“有效防范化解优质头部房企风险”，到此次的“改善优质头部房企资产负债表”，同时继续强调落实保交楼金融支持、“金融16条”、差别化住房信贷政策等内容，可见政策层面对优质头部房企的深切关注。在笔者看来，接下来，地产金融支持性政策将在多维度快速展开，一方面会真正覆盖到有优质资产却被“误伤”的房企，使其迎来弹性扩表的机会；另一方面，资本市场将更好地发挥资源配置功能，“改善优质房企经营性和融资性现金流”，既要多措并举引导合规房企获得融资性现金流，也要恢复企业内生造血能力，稳住经营性现金流，最终实现保优质主体的目标。笔者认为，会议提到的四项举措可有效改善整个行业的资产负债表。

　　举措之一是“资产激活”，这与保交楼行动目标一致，主要针对出险房企及潜在出险房企，助其盘活资产，回归正常经营。具体而言，一可通过保交楼专项借款等增量资金支持存量项目复产复工；二当支持对房企间项目收并购，引导需求端政策配合来增强项目去化和处置资产力度；三是远期或可期待支持发行商业地产类ABS、REITs等方式盘活持有型物业，释放房企此前沉淀大量资金的重资产项目的流动性。

　　举措之二是“负债接续”，这与当下房企已经在落实的债转股、存量债券展期等缓解房企债务压力的方向一致，主要缓解未出险房企短期还债压力，防止出险房企数量增加。比如当下内房股采用较多的支持房企在发生债务违约前置换要约，以新债换旧债以及合理展期，给予房企“以时间换空间”的机会。

　　举措之三是“权益补充”即股权融资支持，这是改善优质房企资产负债表的最有效手段，也是加速行业风险出清的“助推器”。上市房企股权融资开闸优势有三，一是没有债务利息，融资成本低；二是不会新增有息债务，剔除预收账款后的资产负债率不会提升，避免重走“高杠杆、高负债、高周转”的“旧三高”老路，为行业高质量发展夯实基础；三是股权融资直接拉升权益资本，能优化资产负债结构，引新股东入局后，若资源能与房企现有业务整合发展，可助推房地产业向新发展模式平稳过渡。

　　举措之四是“预期提升”，这与“稳销售、增信心、扩投资”一脉相承，是行业复苏的持续动力。供给侧方面支持房企融资，目的也是引导企业经营现金流回归常态。结合近期多部门的积极表态，预计需求端利好政策还将进一步释放，尤其可能聚焦在激活换房等改善性需求的购买力方面，使其成为楼市销售的新生力军。交易增加，企业资金状况得到改善，交付的项目逐步增多，购房者消除担忧，市场有望联动好转，实现良性循环。

　　当然，改善房地产行业资产负债表不能一蹴而就。可喜的是，积弊已久的“旧三高”时代已经远去，“第三支箭”落地的广度和力度不断提升，随着居住消费需求不断升级，房地产行业开发与运营并重的新时代将来临。

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）