彩神彩票开户|ISO/安卓/推荐(2023已更新)

中新时评：外资进入中国的故事没有结束******

　　中新社北京12月28日电 题：外资进入中国的故事没有结束

　　中新社记者 夏宾

　　近年来，每隔一段时间外媒就会炒作“外资撤离中国”的言论，但在事实面前，这样的声音总显得那么“柔弱”。

　　看两组最新数据。一方面是外资加速布局中国市场。中国商务部称，今年1至11月，全国实际使用外资金额11560.9亿元(人民币，下同)，规模已超去年全年，按可比口径同比增长9.9%。韩德英日四国对华投资增长最高，其中韩国实际对华投资增长达122.1%。

　　总投资50亿元的现代汽车氢燃料电池动力系统项目基地落户广东、总投资20多亿元的西门子数控南京有限公司新工厂投运、欧莱雅“牵手”上海在华成立首家投资公司……今年以来，多家知名外企拿出真金白银，在华投项目、建新厂、扩产能。

　　另一方面是外资出手买进A股。进入11月，北向资金重新恢复净流入态势，截至12月22日，北向资金合计净流入922亿元，过去一年更是达到1017.87亿元。

　　事实上，对于任何一个开放的资本市场，外资出现阶段性有进有出是正常现象，A股同样如此，而站在更长的时间维度观察，短暂的净流出从未改变外资对A股的“长情”。

　　中国为何能保持外资流入的强劲势头？

　　一是容纳外资的潜力。简言之，中国市场利用外资的比例和中国资产在全球机构的配置，与中国经济的全球地位相比还存在较大差距。

　　富达国际全球首席投资官安德鲁·麦福睿直言，多元资产组合对投资者来说非常具有吸引力，相对于中国市场规模，中国资产在全球仍处于“低配”，且在未来仍有增长潜力。

　　据联合国贸易和发展会议统计，2021年中国外商直接投资达到创纪录的1810亿美元，位列全球第二。但中国FDI(外国直接投资)的流量和存量占GDP比重分别仅有1%和11.9%，这两项指标在全球吸引外资最多的前二十大经济体里，排在19位，作为世界第二大经济体的中国，对外资而言“蓝海”依旧。

　　二是引入外资的能力。栽好梧桐树，引得凤来栖。坚持扩大开放和改善营商环境，中国在政策支持、制度改革上联合发力，让外资入华更为高效便捷。

　　可以看到，中国今年进一步压减外商投资准入负面清单，逐步放宽重点领域准入门槛，持续减少市场准入限制；把沈阳、南京、杭州、武汉、广州、成都6个城市纳入服务业扩大开放综合试点；发布《鼓励外商投资产业目录(2022年版)》，进一步营造市场化、法治化、国际化的一流营商环境。

　　金融市场双向开放也始终在路上：拓宽沪深港通标的范围，正式启动互联互通下ETF交易；建立健全境外机构投资者参与交易所债券市场制度；正在研究制定外资适用特定短线交易制度的政策等。中国亮明开放态度，为外资进入资本市场注入信心、拓宽通道。

　　三是留住外资的魅力。希望搭上中国成长的“顺风车”才是外资“加码”的核心诉求，没有谁想错过中国经济向好前景背后的“掘金”机会。

　　当前，中国大部分经济数据已有所恢复，宏观基本面周期性向上的趋势逐渐确立，不少机构对中国明年GDP增速的预测也颇为“光明”。

　　国际货币基金组织预计，2023年中国GDP增速为4.4%，比2023年的全球平均预期增速高出1.7个百分点。国际金融论坛最新报告称，2023年全球经济增长将达2.8%，中国经济有望增长4.6%，明显高于全球经济增速。

　　必和必拓首席执行官迈克·亨利近日出席路透社举办的一场会议时称，中国具备未来20年经济持续增长所需的所有基本要素，而中国经济发展的内生动力将不断增强。

　　外媒唱衰中国经济却挡不住外资“用脚投票”迈向中国。正如摩根士丹利中国首席经济学家邢自强近期在展望中国经济前景时所言，中国吸引外资流入的故事并没有结束。(完)

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）