小米彩票app - 小米彩票客户端

外资机构眼中，2023年中国的投资机会在哪？******

　　(投资中国)外资机构眼中，2023年中国的投资机会在哪？

　　中新社北京1月12日电 (记者 夏宾)2023年开年，中国各大部委负责人密集发声，各地方紧锣密鼓地谋划提振经济良方，展望中国经济形势也成为近期外资机构的重点议题。他们眼中中国的投资机会在哪？

　　多个机构认为，房地产市场改善和消费提振有助于拉动经济。富兰克林邓普顿环球投资首席投资官Manraj Sekhon说，中国经济政策的转折点始于去年10月放宽房地产业信贷准入。中国政府对防疫政策的优化也催化了转折。政策重心重新聚焦于促进增长和提振消费信心。对市场而言，这次转向是至关重要的。

　　瑞士百达财富管理亚洲宏观经济研究主管陈东认为，2023年中国经济将温和反弹。

　　他认为，2022年底中国政府出台了一系列旨在为房地产开发商提供信贷支持的新措施。这些措施是自2021年底房地产持续探底以来最强有力的政策支持。尽管由于结构性原因楼市不太可能出现大规模反弹，但可能有助于在未来几个月稳定房地产行业。

　　瑞银亚洲经济研究主管、首席中国经济学家汪涛表示，2023年，中国经济有望走出疫情影响，消费出现复苏。在过去三年，中国民众储蓄率增长3至5个百分点。走出疫情后，人们可以把积压的储蓄释放出来，一些前期待释放的需求也会逐步释放出来，这将成为今年消费反弹最主要的动力。

　　她也预计，2023年中国房地产活动会企稳，对经济的负面影响减小。预计房地产销售量和新开工面积在最近一两个月将会见底，今年三四月份(扣除季节性因素后)开始环比出现反弹。今年全年，房地产销售量和新开工面积从当前的低谷逐渐回升，环比增长或将达到两位数。

　　2022年表现不佳的中国股票市场，今年能否打一场“翻身仗”？先锋领航量化股权团队另类投资与多资产策略主管徐飞认为，在股市方面，尽管美股估值相较2022年更具吸引力，但是仍然略高于先锋领航模型估算的公允价值。相比之下，中国股票目前尤其具有吸引力。

　　高盛策略报告将明晟(MSCI)中国指数的12个月目标从70点上调至80点，主要理由是整体估值较低，以及房地产、互联网监管等领域的多个支撑点。摩根士丹利也将MSCI中国指数的2023年年底目标上调至80点。

　　摩根士丹利中国首席市场策略师王滢认为，2023年中国GDP和企业利润将加速增长，中国股市有望将成为全球表现最佳的股市。其研究报告称，2023年中国的GDP和企业利润将加速增长，同时内外部风险均下降，这或将推动股票估值进一步上涨。

　　在进一步上调MSCI中国指数目标位时，摩根士丹利称，正在对中国股权风险溢价(ERP)重新评估，不少因素证明属于A股的牛市周期已经开启。

　　高盛策略团队认为，在2023年的全球背景下，中国在经济增长、政策和通胀周期方面看起来处于有利地位。“当前的市场背景让我们相信，继续减持或做空中国股票面临的风险明显高于做多中国股票。”

　　2022年，中美10年期国债利率出现罕见倒挂，扰动金融市场。瑞银证券中国利率市场策略分析师夏愔愔近期在一场研讨会上预计，2023年随着中美利差倒挂修复，美元相对于其他货币的强势会逆转，境外机构配置人民币债券需求有望恢复。

　　夏愔愔认为，2023年上半年，中国经济增速有望反弹，国债收益率有可能进一步提高，国债收益率和政策利率之间的利差可能进一步扩大，高点会触及3.25%左右；在今年下半年，中国国债收益率可能有机会再度下降，在年底可能还会进一步走低，预计大概会在2.9%左右。(完)

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）