盈彩网手机版-盈彩网注册

加仓权益资产 险资调研积极******

　　今年以来，保险机构调研较为积极。据Wind数据统计，截至1月18日，已有59家保险机构合计参与A股上市公司224次调研。从险资关注的行业来看，电子设备和仪器、家用电器、工业机械、电子元件等领域成为近期调研的重点。

　　业内人士表示，随着上市公司2022年年报的陆续披露，今年一季度在业绩和政策面上向好的行业会逐渐清晰，或迎来较好的调仓或加仓时间窗口。展望后市，多家机构给予中性偏乐观观点，建议把握疫情修复链、金融地产链、新能源领域的波段机会。

　　关注电子设备和仪器等领域

　　Wind数据显示，截至1月18日，开年以来共有59家保险机构合计调研194家A股上市公司，合计调研次数达224次。具体来看，中邮人寿、太平养老、国寿养老参与调研较为频繁，调研次数分别为21次、19次、16次，在保险机构中位列前三。

　　从险资关注的行业来看，电子设备和仪器、家用电器、工业机械、电子元件等领域成为险资近期调研的重点。个股方面，民德电子、火星人、苏州银行等上市公司得到保险机构较多关注。

　　从调研内容来看，企业的业绩指标、生产经营情况、行业动向、未来规划、客户关系等多个方面都是保险机构主要关心的问题。

　　例如，在对苏州银行的调研中，多家保险机构对银行业目前存在的存款定期化情况较为关心。苏州银行表示，针对存款定期化的变化趋势，该行不断优化对公开户、综合签约流程，强化基本账户开立意识，做大对公客户基盘。零售方面，该行将通过制定差异化的产品策略，实行多维度的产品定价，做好低成本存款产品营销，满足不同类型零售客户的金融储蓄需求。

　　优化资产配置结构

　　银保监会披露的最新数据显示，截至2022年11月末，保险资金运用余额为24.8万亿元，较2022年初增长6.8%。其中，股票和证券投资基金3.18万亿元，占比12.82%。某保险机构投研经理表示，2022年11月股市反弹，险资加大了权益类资产配置，股票和证券投资基金投资环比增长近10%，但配置占比仍处于相对较低水平，进一步提升空间较大。

　　目前已进入上市公司业绩密集披露期，多家保险机构表示，会根据公司的财报情况，做出标的选择与调仓动作。

　　也有部分险资人士透露，为避开今年年初的集中配置时点，去年四季度已提前加仓，以期获得相对同业较低的配置成本，在2023年实现收益优势。

　　在调研和加仓的对象选择上，某保险资管机构相关业务负责人对中国证券报记者表示：“年初这段时间，我们需在全年投研策略的基础上，通过现场调研、专家访谈、上市公司电话会议等方式，做好行业和个股的研究筛选，并根据投资计划与调研结果，结合市场走势、基本面的实际进行相互印证后，对个股进行相应的调整操作。”

　　对后市中性偏乐观

　　展望2023年，多位保险业内人士认为，权益类资产是诸多可配置大类资产中性价比较高的资产，今年险资对股票与证券投资基金的配置余额和占比均可能上升，投资收益率也有望改善。

　　市场方面，泰康资产研究部给予中性略偏乐观观点。泰康资产认为，疫情防控政策优化提振市场信心，利好中长期市场，经济将较快恢复；股市收益率与国债收益率之差仍超出历史平均水平，权益资产在大类资产配置中具备相对性价比优势。建议把握疫情修复链、金融地产链、新能源领域的波段机会。

　　中信建投认为，2023年A股多个板块有望在政策刺激、需求回暖及低基数背景下迎来改善。行业配置可优先聚焦“盈利周期反转”方向，例如，计算机、医药、餐饮链、电力板块；其次优选依旧高景气的风、光、储以及军工中的细分方向；另外，还可继续关注地产行业政策反转后业绩有望修复的地产链龙头。

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）