


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。
 0赞
 0赞好文章,需要你的鼓励
 推荐文章
 推荐文章
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。