在线金融搜索平台“融360”周五发布了首份针对互联网理财市场的半年度报告,针对58家“宝宝”类产品和300家网贷平台进行监测和分析。报告显示,宝宝类产品推出时间集中在2013年和2014年,但是6月以后,伴随收益率的下降,宝宝类产品的推出速度也开始下降,预计不久将回落到3%~4%区间。
基金系宝类产品数量占半壁江山
根据余额理财产品发行机构的类型不同,宝宝类理财产品可分为:基金系、商业银行系、基金代销系、第三方支付系。
报告显示,从2013年6月13日余额宝正式上线以来,已经有56家机构推出了余额理财产品,这56家机构涵盖了第三方支付、基金公司、商业银行、移动运营商、基金代销机构、电商公司、搜索引擎等。2014年以来各类“宝宝”呈现出以下特点:第三方支付系“宝宝”数量增速最快;基金系宝类产品新增数量最多;银行系平均收益率最高。
其中,基金系宝类产品占据了半壁江山,银行系宝类产品位居第二,第三方支付系宝类产品排第三,代销系宝类产品排在最后。
支付系宝类产品吸存和规模最强
第三方支付系宝类产品虽然数量最少,但是在平均产品吸存规模和平均单只基金的规模上却排在首位。融360理财分析师张懿望认为,第三方支付系主要是有着大数据、大流量的互联网公司,比如淘宝、百度、腾讯等,还有新浪、网易等门户网站,他们的第三方支付用户有着强烈的余额理财需求,基金公司的货币基金产品正好能满足这种需求,而基金公司也看中了这些互联网公司的流量入口和庞大的用户信息,双方合作自然而然、水到渠成。
银行系宝宝收益率更具优势
而从最近一个月平均年化收益率来看,基金系第一、银行系第二、第三方支付系第三、代销系最后。但如果从近一年平均收益率来看的话,银行系超过基金系排名第一。在抢占理财市场一年之后,以余额宝为代表的互联网“宝宝”面临着收益率普遍下滑的局面,而另一方面,在互联网“宝宝”攻城略地的挑战下,银行系“宝宝”收益率后来居上,目前普遍高于互联网“宝宝”们,从长期来看,银行系宝宝的收益率水平更有竞争力。
跟宝类产品刚开始动辄7%、8%的高收益相比,现在收益率低于5%已成为普遍现象,6月份余额宝还一度接近“破4”的边缘。宝类产品挂钩的货币基金的主要投资标的是银行大额协议存款,今年上半年央行定向降准,银行间市场流动性整体平稳,资金面没有出现紧张局面,因此银行协议存款的利率比去年同期相比大幅下滑,这是导致宝类产品收益率下降的主要原因。未来监管层如果取消货币基金协议存款提前支取不罚息,预计宝宝类收益率将会进一步下降。
余额理财投资门槛和风险将增
融360理财分析师张懿望表示,宝类理财产品的收益率将一直处于下滑的趋势,预计在不久的将来跌至4%的临界点,最终回落到3%~4%的区间,加之银行存款利率的可能上升,将使宝宝类理财产品在收益上的竞争优势将不复存在。
其次,随着互联网金融监管的日益严格,众多银行大举调低银行卡转入宝宝类产品的资金限额,一定程度上会降低宝宝类产品的灵活性和收益性。
第三,随着协议存款提前支取不罚息特权被取消,货币基金的优势不再。货币基金是利率管制时代的阶段性产品,随着利率市场化改革的推进,货币基金将会逐步退出历史舞台,而宝宝类理财产品的投资标的物可能更多转向票据、保险、债券资产和非标资产,余额理财的投资门槛和风险也会增加。
好文章,需要你的鼓励
这项研究探索了如何通过"LLM情境调节"和"持续工作流程提示"技术来提高大型语言模型在验证化学分子式时的准确性。研究者发现,普通提示方法往往不可靠,因为LLM倾向于自动"纠正"错误而非指出它们。然而,通过精心设计的情境调节提示,研究成功引导Gemini 2.5 Pro不仅识别出文本中的错误,还发现了之前人工审阅未察觉的图像中的分子式错误。这一概念验证研究表明,即使不修改模型本身,也能通过适当的提示策略显著提高LLM在科学技术文档细节验证中的表现。
复旦大学研究团队开发的uLLSAM模型成功将多模态大语言模型(MLLMs)与分割一切模型(SAM)结合,解决了显微镜图像分析的跨域泛化难题。通过创新的视觉-语言语义对齐模块(VLSA)和语义边界正则化(SBR)技术,该模型在9个领域内数据集上提升了7.71%的分割准确度,在10个从未见过的数据集上也展现了10.08%的性能提升。这一统一框架能同时处理光学和电子显微镜图像,大大提高了生物医学图像分析的效率和准确性,为科研人员提供了强大的自动化分析工具。
斯坦福大学等机构研究团队利用强化学习训练大语言模型,使其能够优化汇编代码性能。研究构建了8,072个程序的数据集,并通过近端策略优化(PPO)训练模型生成既正确又高效的汇编代码。实验表明,训练后的Qwen2.5-Coder-7B-PPO模型实现了96.0%的测试通过率和1.47倍平均加速比,超越包括Claude-3.7-sonnet在内的所有其他模型。研究发现模型能识别编译器忽略的优化机会,如用单一指令替代整个循环,为性能敏感应用提供了有价值的优化途径。
这项研究提出了一种改进的声乐效果风格迁移方法,通过在推理时间优化过程中引入高斯先验知识,解决了传统ST-ITO方法忽视参数合理性的问题。研究团队基于DiffVox数据集构建了专业效果器参数分布模型,将风格迁移转化为最大后验概率估计问题。实验结果表明,该方法显著优于基准方法,参数均方误差降低了33%,并在主观听感测试中获得最高评分。这一创新为音频处理领域融合数据驱动和专业知识提供了新思路。