富翁彩票|富翁彩票

私募备案拟定新规严把行业“入口关”：大中型机构未受影响******

　　记者 昌校宇

　　1月10日，中国证券投资基金业协会(以下简称“中基协”)发布的《私募投资基金登记备案办法(征求意见稿)》(以下简称《办法》)及配套指引征求意见结束。

　　对于业界高度关注的私募基金管理人实缴资本和基金产品初始实缴募集资金规模等条款，接受《证券日报》记者采访的专家、业内人士表示，《办法》相关要求有助于加速行业出清、扶优限劣，对具有一定规模的机构影响不大，更多是约束行业内浑水摸鱼、相对不正规的机构的行为。

　　适度提高管理人登记要求

　　《办法》从基本经营、出资人和从业人员等方面出发，适度提高私募基金管理人登记要求。其中，私募基金管理人实缴资本高于1000万元(创投除外)、出资人必须以自有资金出资且有资产管理等相关经验、从业人员兼职限制等条款被市场热议。

　　清华大学全球私募股权研究院研究部总监李诗林对《证券日报》记者表示，私募基金管理人自身的治理结构、财务能力及从业人员专业化水平是确保私募基金规范运作的核心要素，从长远看，严把行业“入口关”，有利于提升行业规范化与专业化水平。

　　李诗林进一步表示，“至于已完成备案登记的存量私募基金管理人，是否需要按新的要求进行规范，《办法》暂未明确规定，有待协会后续做进一步说明。”

　　对于《办法》对管理人登记提出更高要求，多家具有一定规模的私募证券、私募股权、创业投资基金管理人均表态，目前影响不大。

　　衍盛资产董事长、投资总监章友对《证券日报》记者表示，《办法》立足于保护投资者和规范市场证券投资、研究活动，提出一些规范性要求，其中不乏较多执行性强的意见。从长期看，将倒逼从业人员提高业务素质、机构提高管理规范程度。

　　章友进一步介绍，对于目前已具备一定规模(中等以上)的私募来说，绝大多数的投研和管理体系已相对成熟，受影响不大。《办法》更多是约束行业内浑水摸鱼、相对不正规的机构。

　　除了明确管理人登记标准，《办法》还总结备案常见问题，明确基金备案最低规模要求等，引导私募基金回归本质。

　　就私募基金初始实缴募集资金规模的规定，蒙玺投资认为，“这对私募基金管理人的募资能力提出更高要求。目前来看，对公司业务整体影响较小。”

　　北京利物投资管理有限公司创始人、合伙人常春林建议，小型私募应在符合法律法规相关要求下，合规运营，形成差异化竞争优势和品牌优势，持续为投资人带来合理回报，尽快跨过初创期。

　　李诗林认为，对于产品初始备案资金的要求，初衷是打击一些“买壳”“卖壳”的虚假私募行为，同时也为了保证私募基金管理人设立以后能够维持基本业务收入。不过，预计业内针对这一条款会反馈一些不同意见，特别是对私募股权基金与创业投资基金来说，在实践中，这些基金投资项目从项目接洽、投资协议谈判到完成投资交割等流程、周期较长，因此，这些基金往往是在投资项目确定以后再通知投资者实际缴付出资，而非一开始就将大量资金置于私募基金账上。此外，当前我国正鼓励私募股权及创投基金加大对处于种子期、初创期项目的投资，这些投资往往不需要太多资金，基金规模过大，反而可能会妨碍这些基金对早期项目的投资。因此，建议监管层面再汇集行业内多方面反馈意见，在规范与发展之间寻求适度平衡。

　　《办法》或于上半年落地

　　值得肯定的是，《办法》在基础自律规则层面对实践中出现的新问题作出回应，进一步提升规则的科学性、透明度和有效性，为私募基金行业高质量发展保驾护航。

　　常春林预计，“《办法》或于今年上半年正式落地。”

　　华北地区某小型私募透露，“相关意见已匿名通过券商上报。由于业务实操存在特殊情况，希望监管层面对于初创机构发展中的共性情况，政策预留空间。”

　　中基协数据显示，截至2022年末，存续私募证券投资基金92754只，规模5.56万亿元；存续私募股权投资基金31550只，规模10.94万亿元；存续创业投资基金19354只，规模达2.83万亿元。

　　常春林预计，未来3年至5年，私募基金行业将迎来高速发展期，投资策略也更加多元化。私募基金管理人“二八分化”将更明显，头部、中部私募或占据超过80%的管理规模，尾部私募管理规模占比将逐渐缩小，不具特色、不能够为投资者带来价值的“伪”私募将逐渐被市场淘汰。

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）