7月27日,A股再度大跌,創(chuàng)年內(nèi)最大日跌幅,同時創(chuàng)下8年來最大單日跌幅。股市大起大落,投資者的資金避險需求增加,“寶寶”們備胎效應凸顯。其中,余額寶用戶數(shù)量持續(xù)增加,存量用戶數(shù)每日凈新增10萬以上,據(jù)筆者了解,7月上半月,余額寶規(guī)模持續(xù)出現(xiàn)凈流入;招財寶用戶量也月新增近百萬。
有業(yè)內(nèi)人士分析,股市受挫后,許多投資者會把資金從股市轉(zhuǎn)向具有“避風港”屬性的貨幣基金和固定收益類產(chǎn)品,兩者之間存在“蹺蹺板”效應。
昨日,A股重現(xiàn)“千股齊跌”,截至收盤時,兩市25股漲停,逾1800股跌停。其中,滬指報3725.56點,跌345.35點,跌幅8.48%;深成指報12493.05點,跌1025.47點,跌幅7.59%;創(chuàng)業(yè)板指[-6.51%]報2683.45點,跌214.38點,跌幅7.40%。這創(chuàng)下2007年2月27日以來A股最大單日跌幅,同時也是1996年12月26日漲停板制度實施以后的第四大跌幅。“股票大起大落,心臟實在受不了”,有股民這樣哭訴。6月中旬A股下跌,根據(jù)中登公司公布數(shù)據(jù)顯示,以6月26日期末持倉人數(shù)5076.6萬進行計算,近一個月來人均虧損近41.30萬元,截至7月8日,21.2973萬個持有市值50萬~500萬元的個人賬戶“消失”,500萬元以上賬戶也“消失了”近3萬個。而在本輪反彈的第十三個交易日,股市昨日再度下跌。
不少人難忍股市過山車式的震蕩,開始重回寶寶類和固定收益類產(chǎn)品的懷抱。
據(jù)了解,在股市震蕩期間,投資者用腳投票理性面對投資需求,余額寶用戶數(shù)量持續(xù)增加,存量用戶數(shù)每日凈新增10萬以上,在7月上半月出現(xiàn)凈流入;招財寶用戶量也月新增近百萬。
來自招財寶官方的數(shù)據(jù)顯示,2014年4月,招財寶平臺正式上線運營,到2015年4月,平臺累計成交量超過1000億。此后更是開始高歌猛進,累計成交量于7月17日突破2000億。從1000億到2000億,招財寶只用了兩個多月,從0到1000億招財寶用了一年時間。
而根據(jù)招財寶7月26日最新數(shù)據(jù)顯示,其累計成交額超2156億,這就意味著短短10天,招財寶成交額又增加150多億,整個7月成交額接近500億。
作為余額寶的“兄弟品牌”,二者定位不同。余額寶對接的是貨幣基金產(chǎn)品,定位于現(xiàn)金管理工具;而招財寶的定位是一個服務于金融機構(gòu)和投資者的開放平臺,即“售賣定期理財產(chǎn)品的B2C平臺”。在“招財寶”平臺上,投資者可以購買到由各類金融機構(gòu)或已獲得金融監(jiān)管機構(gòu)認可的機構(gòu)發(fā)布的理財產(chǎn)品,以及中小企業(yè)或個人融資者發(fā)布的借款產(chǎn)品。有分析認為,隨著股市震蕩行情持續(xù),余額寶、招財寶的“備胎”效應或?qū)⑷找嫱癸@。 (文/江南子)
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機制和漸進式訓練,能夠?qū)碗s指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學習外觀和運動信息,顯著解決了當前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓練數(shù)據(jù)集和MM-AlignBench評測基準,通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預報,準確性超越傳統(tǒng)方法90%的指標。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學習40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學領(lǐng)域帶來了效率和精度的雙重突破。