奧緯咨詢公司昨日發(fā)布《剖析中國影子銀行:風(fēng)險評估及政策應(yīng)對》報告(下稱“報告” )估算,2013年中國影子銀行規(guī)模大約31萬億人民幣,低于目前普遍認為的40至60萬億規(guī)模。
相較于市場預(yù)測,奧緯在估算方法上排除了不少重復(fù)計算的部分。奧緯合伙人、大中華區(qū)業(yè)務(wù)負責(zé)人盛海諾指出,比如非信貸中介產(chǎn)品就包括表外銀行理財產(chǎn)品等,被高估的這一部分就占比約7.9萬億元。
從目前影子銀行規(guī)模及不良貸款角度看,盛海諾稱,中國影子銀行對金融市場而言,負面影響有限。中國金融體系整體風(fēng)險可控,大規(guī)模信貸危機的機率不大。
在不同情況下,中國影子銀行不良貸款率據(jù)估算在 10.0%-23.9%。其中,僅 22% 至 44% 會轉(zhuǎn)移到商業(yè)銀行體系,進而導(dǎo)致銀行不良貸款率最多提高約 1.8%-4.3%。盡管如此,中國銀行業(yè)的壞賬比率較國際而言,也算較低水平。
但不容忽視的是,影子銀行中不良貸款具有傳染蔓延效應(yīng),因此,監(jiān)管層應(yīng)該防范不良貸款出現(xiàn)而升級。
隨著經(jīng)濟放緩,如何避免影子銀行負面影響的傳導(dǎo),是一個亟需監(jiān)管層注意的核心問題。奧緯合伙人、公司和機構(gòu)銀行業(yè)務(wù)及財富和資產(chǎn)管理業(yè)務(wù)全球負責(zé)人艾宏德(Christian A. Edelmann)認為,“當(dāng)下中國經(jīng)濟增長趨緩與影子銀行規(guī)模膨脹問題相互疊加,這一現(xiàn)實為決策者應(yīng)對中國經(jīng)濟結(jié)構(gòu)性失衡及確保金融系統(tǒng)體系的全局性解決方案帶來了挑戰(zhàn)與機遇。”
報告建議,中國金融監(jiān)管層應(yīng)該多做努力,以規(guī)避影子銀行的風(fēng)險。比如,通過重新設(shè)計監(jiān)管框架來消除監(jiān)管套利活動;在商業(yè)銀行和非銀行的影子銀行活動間建立信貸“防火墻”;明確銀行信貸債務(wù),以避免無合同限制風(fēng)險通過“剛性兌付”向銀行蔓延;增加非銀行借貸的透明度等。
目前國際上對中國金融體系存在一些悲觀的看法,比如,經(jīng)濟下行情況下高負債及信貸泡沫將導(dǎo)致危機,并可能沖擊全球金融體系。對此,奧緯的看法有所不同。報告分析認為,在國家層面相比美國,中國金融體系總體穩(wěn)固。即使計入了全部毛負債,不論從中央還是地方政府層面,凈資產(chǎn)都是正值。
其中,中國的國家主權(quán)資產(chǎn)負債表中,凈資產(chǎn)達87萬億人民幣,相當(dāng)于 GDP的184% 。在企業(yè)層面,一些機構(gòu)或?qū)<覔?dān)心中國快速增長的企業(yè)負債率,同時卻忽略了企業(yè)的高存款率。在個人層面,中國家庭負債率低,不易產(chǎn)生美國那樣的次貸危機。同時對于全球其他各國而言,中國是凈債權(quán)國,因此,中國境內(nèi)潛在債務(wù)問題對全球金融體系造成直接系統(tǒng)性影響的可能性很小。
奧緯同時認為,中國金融體系高度依賴銀行貸款的局面正在改變。未來影子銀行的發(fā)展將主要向互聯(lián)網(wǎng)金融、新型銀行和資本市場創(chuàng)新轉(zhuǎn)變。其中,中國互聯(lián)網(wǎng)金融是全球最有活力的市場,這對于中國本土及國際金融企業(yè)來說,都是一個值得重點關(guān)注及發(fā)展的領(lǐng)域。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。
關(guān)注科技創(chuàng)新、技術(shù)投資。
以文會友,左手硬核科技,右手浪漫主義。