今天金融股是一片惨绿。表面看起来导火线是,证监会对某些券商违规的融资业务开了罚单。但更深层的背景远不止如此。
资金担忧的是,金融系统的改革再一次遇到难题。这个难题其实在股市开始急涨的第一天,大家早就心知肚明——钱,放出来了,却没有流向实体经济。在现有金融体系下,支流并不通畅,上面再怎么宽松,制造出来的只能是金融泡沫。泡沫也有个度,吹得太大,早晚得爆。
119只是个预警。
我们回头看看中国金融改革的真正目的:政府希望一手用行政和税收调控房地产,一手用较为宽松的货币政策,缓解融资难问题,引导钱进入实体经济,支撑经济顺利转型。但是,没想到改革的利好首先刺激了股市,钱从房地产出来后,股市赚钱效应被进一步放大,吸纳了大部分资金。
早在11月,融360就监测到了融资市场最真实的变化——一系列开明的金融措施实施后,社会真实融资利率却不降反升。各种理财产品回报上升、资金重回金融产品的怀抱,另一方面中小企业贷款条件和利率双双升高,反而是你去券商柜台开融资户的门槛从50万降低到了10万元。
这一背离初衷的结果,受困的仍然是中国金融体系的老问题——金融与实体经济的脱节。
有一个比喻非常形象,金融之于实体经济,就像血液之于身体一样重要。血液要能够高效率地分配到我全身的重要部位,身体才能健康。但就像身体的血管发生的问题类似,我认为整个金融市场和实体经济存在"互而不相联,联而不通,通而不畅"的问题。
以房贷为例,融360刚刚统计的《2014年全国房贷报告》发现,北京是全国房价最高的城市,相对而言,房贷利率却是最低的,三四线城市总体都要比一二线城市高。在现有金融体系下,钱还是很难到流到三四线城市,很难流到实体经济的毛细血管。就像上面说的,支流不通畅,上面再怎么宽松,制造出来的都只能是金融泡沫。
作为互联网金融的代表,融360希望能解决一些问题。融360作为一个金融搜索平台,过去三年通过我们申请到的房贷、车贷、经营贷、无抵押消费贷等累计18000亿元。形象地说,我们一直在帮助金融体系疏通“毛细血管”。
首先,融360一直专注于金融搜索,这是解决信息不对称的很好方式,对于互联互通是很有帮助。实际上,银行不是不知道实体经济的小微企业缺钱,也不是不愿意贷,而是认为风险高,沟通成本大,互联网金融能帮银行解决风险定价和服务的问题。
我们去年已经推出一系列适用于移动端的应用,用户从移动来的比例接近70%,铺设了线下的便利店,吸引了近千万级别的用户。这千万级别的用户,是之前传统金融很难覆盖或服务好的,而通过互联网和移动互联网方式,他们的金融需求得以解决。
短期看,互联网金融行业对传统金融行业会有一定的冲击,但是长期而言,这些创新终究会被传统金融企业吸收、演变,最终向健康的方向发展。
希望是,以后农民在田间炕头,小企业主在机器旁边,就能通过互联网金融的方式搜索、申请贷款,与富人和大企业一样,享受到最贴心、定制的服务。如此循环、健康的金融生态体系,才能让实体经济的繁荣。
这样,金融股带领的中国股市,才能在未来10年里得到真实可靠的上涨支撑。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。