彩神彩票app_平台推荐官方版v2.9.1(2023已更新)

银行加大消费贷推广力度 利率最低降至4%以下******

　　本报记者 李 冰 余俊毅

　　下调消费贷利率、推出利率优惠券、举办抽奖活动……春节前后，不少银行加大消费贷优惠力度。

　　近日，《证券日报》记者通过探访银行网点、电话咨询、App查询等途径了解到，消费贷成银行信贷“开门红”重头戏。金融机构纷纷降低消费贷、信用贷产品利率，大力营销推广个人消费贷业务。部分银行消费贷利率降至4%左右。

　　优惠活动种类繁多

　　年初，通常是银行信贷投放的关键节点。步入2023年，金融业持续加大对国内需求和供给体系的支持力度，信贷“开门红”情况受到普遍关注。

　　记者多方走访观察到，春节前后，银行消费贷产品利率正在降低。部分银行消费贷利率已下调至4%以下，并在还款方式、期限上进行了“让步”；有银行利率优惠甚至持续到2023年3月底。

　　以国有大行来看，工、农、中、建四大国有行的消费贷产品利率均在4%以下。其中，工商银行融e借额度最高可至100万元、年化利率最低3.7%、年限最长为5年；中国银行随心智贷额度最高30万元，年利率最低3.95%，年限最长为3年；建设银行建易贷额度最高30万元，年化利率最低3.95%，年限最长为3年；农业银行网捷贷额度最高30万元、年利率最低可至3.65%、年限为1年。

　　除国有大行外，部分中小银行也推出了各种类型的个人贷款业务，年化利率普遍在3.6%左右。

　　从多位用户反馈的情况及记者实际操作来看，大多银行放款较快，几乎“秒到账”。举例来看，某银行推出了闪电贷，并开展年化利率优惠券活动，符合活动条件的客户，可获得6.6折、8.5折、9.5折不等的利率折扣券。若使用6.6折优惠券贷款20万元，则年利率可低至3.8%，期限3年，并可以使用先息后本组合还款方式。

　　虽然各大银行推出了各式各样的个人消费贷优惠活动，但这并不意味着其放松了贷款的申请门槛和审批风控力度。比如某农商行推出了工薪快贷产品，年利率低至3.6%，贷款对象仅限当地缴存公积金单位职工。

　　另外记者注意到，大多消费贷款均标注了资金不能用于购买理财、房产以及炒股等非消费领域。且为避免消费者产生误解，消费贷款的推广界面往往会提示，“产品利率以实际办理利率为准”等。

　　某股份行客户经理告诉《证券日报》记者，“我们会运用科技手段，针对不同的贷款客户，实施差异化额度、利率定价。此外信贷审批手续及风控措施并未放松，只是效率较以往有所提高。”

　　零壹研究院院长于百程告诉《证券日报》记者，“2023年春节时间较早，春节前后是用户消费的黄金期，也是临时性资金需求的高峰，消费信贷的需求比较旺盛，因此银行在信贷‘开门红’加码营销，往往能事半功倍。”

　　银行存款利率走低

　　在个人信贷利率下调的同时，银行的存款利率也在走低。目前银行的定期存款及大额存单利率已经进入了“2时代”。

　　记者走访多家银行网点了解到，目前银行大额存单的利率普遍在3%以下，且额度较少。定存方面，银行的定期存款利率略高于大额存单，但也普遍在3.8%以下。

　　同时，今年1月中旬，部分中小银行还下调了存款利率。比如，某股份行表示，将对人民币存款挂牌利率进行调整，个人存款方面，定期整存整取二年、三年、五年利率分别由2.73%、3.5%、3.85%调整为2.7%、3.35%、3.7%。

　　在业内人士看来，中小银行降低存款利率是为了主动管理负债成本，调整负债结构，缓解利差收窄和盈利压力。并且，存贷款利率的下调一定程度上也会影响银行的利润。

　　星图金融研究院研究员黄大智对《证券日报》记者表示，“去年以来，银行纷纷下调存款利率，这一定程度上来自于银行资产端利率的下降，要求银行降低负债成本，更好的服务实体经济。在存款利率下调后，银行净息差压力已得到一定缓解。但需注意，存款类产品作为居民资产配置中最重要的一类产品，短期内利率继续下行的空间会十分有限。”

　　此外，光大证券首席银行业分析师王一峰预计，1月份银行信贷投放“量增价减”，信用扩张好于预期。考虑到1月份春节效应后，2月份、3月份信贷投放将与市场自发需求修复关联度更高，同时，结合银行“早投放、早受益”的固有思维，一季度信用扩张有望实现累计同比多增。(证券日报)

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）