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
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。