作为澳大利亚最后一家汽车制造企业，霍顿的最后一辆汽车生产下线，标志着拥有150余年历史的澳大利亚汽车制造工业正式终结。

“路上会有人夸你的车”

“总算松了口气。”第二天，当第一财经记者找到家住墨尔本的澳籍华人张鹏（化名）时，他显得有些庆幸。“之前也不太了解，20日得知工厂关闭了很担心汽车的维修保养问题，赶紧问了好几家4S店。幸好，维修服务的4S店还是照常运行的。”

他在今年2月份的时候将开了多年的途观卖了，换了一款经典的HOLDENCommodoreV86.2L。而这一款霍顿汽车则是其就职的公司、澳大利亚最大的电信运营商Telstra租赁给他的。

事实上Commodore向来是霍顿最受欢迎的一款车型，没有之一。这款直译为“海军准将”的车型诞生于1978年，连续8年蝉联“澳大利亚最畅销中高档轿车”，至今已出了四代。这款车向新西兰、泰国、马来西亚、印度尼西亚、新加坡和中国香港等右舵国家（地区）市场的出口超过10万辆。

说起他的霍顿汽车，张鹏便一下来了精神，开始滔滔不绝：“我这款车是经典款，也是澳大利亚本土的最后一代，以后都会去韩国或者泰国生产了。路上时不时会遇到有人夸你的车，甚至很多车遇到我的时候会主动让路，可见当地人非常看重这个感情。”

霍顿在澳大利亚的历史不可谓不辉煌。巅峰时期，它曾占据澳大利亚市场50%的份额。

目前，由于这款车型的动力性能等原因，澳大利亚当地警车大量采用这款Commodore车型，其中包括便衣警察。

从辉煌到走下坡路，霍顿的挣扎困厄也必然有迹可循。

早在2013年底，通用就宣布了霍顿将于2017年在澳彻底停产的消息。当时的澳大利亚总理阿博特称当天为澳大利亚制造业的“最黑暗的一天”。

进入上世纪80年代之后，一项名为“巴顿汽车计划”的政策打开了澳大利亚汽车制造的潘多拉魔盒。随着日系品牌竞争力的逐渐强大，澳政府本欲通过降低汽车关税，换取在澳大利亚设厂的日系车企加强与霍顿的合作，从而提升澳大利亚汽车竞争力。

但事不遂人愿。人们很快发现，随着澳大利亚制造成本的一路走高，反而通过进口渠道向澳大利亚输出的产品竞争力更强，外资车企纷纷撤退，转移至成本更加低廉的新兴市场。据悉，日产和三菱分别于1990年和2008年关闭了澳大利亚生产线。失业工人大量涌向霍顿。为了保证足够的工作岗位，霍顿决定扩大生产。另一方面，霍顿进行了资本重组，分为“霍顿汽车公司”以及“霍顿发动机公司”。

很快，不堪重负的霍顿开始丧失自主研发能力，逐渐沦为一家贴牌车企。以1982年霍顿发布的Camira车型为例，其累计亏损5亿澳元，7年之后就草草停产。2003年，霍顿占据已久的澳大利亚本土销量冠军最终还是被丰田夺去。至此，霍顿汽车便正式走向衰落。

市场研究机构J.D.Power(君迪)澳大利亚高级区域经理LoiTruong在接受第一财经记者采访时表示，“澳大利亚停止制造汽车之后，对于霍顿而言，继续向澳大利亚进口带有‘霍顿’印记的车辆便显得尤为重要。”

尴尬的市场

“澳大利亚也许是世界上最独特的汽车市场之一。”LoiTruong表示。

6月27日，澳大利亚统计局（ABS）公布2016年人口普查统计报告。2016年澳大利亚常住人口为2340万。众所周知，汽车工业是规模经济。而消费者数量的孱弱正是其市场规模较小的原因之一。

另一方面，虽然市场容量不大，但其竞争却尤为激烈，一部分外资车企通过其较强的产品力逐渐蚕食了霍顿深耕多年的本土市场。LoiTruong透露，“单就乘用车而言，澳大利亚人仍有近60个品牌车辆可选，这十分令人惊讶。”

有意思的是，即便是市场占有率稳居第一的丰田，也处于入不敷出的尴尬位置，2017年10月上旬，丰田汽车关闭了运转了54年的澳大利亚工厂；此外，福特也于2016年关闭了其位于墨尔本的工厂。

事实上，各品牌的制造生产虽举步维艰，并逐渐撤出澳大利亚，但随后它们均转而以进口的方式继续输出市场——澳大利亚制造遭遇到前所未有的挑战：品牌尚在，制造已亡。

LoiTruong认为，澳大利亚制造业的劳动力成本过高。“进口车以更具竞争力的价格提供与对手相似的产品，这使得丰田和霍顿难以在澳大利亚继续生产。”

今天，我们为 TensorFlow 引入了“Eager Execution”，它是一个命令式、由运行定义的接口，一旦从 Python 被调用可立即执行操作，这使得 TensorFlow 的入门学习变的更简单，也使得研发工作变得更直观。

Eager Execution 的优点包括：

• 可以在即时的运行错误下进行快速调试，与 Python 工具进行整合
  

• 通过易于使用的 Python 控制流支持动态模型
  

• 为自定义和高阶梯度提供强大支持
  

• 适用于几乎目前所有的 TensorFlow 操作
  

目前 Eager Execution 仍处于试用阶段，因此我们也在寻求来自社区的反馈以指导我们的方向。

同时Google还举了一些使用 Eager Execution 的直观例子，例如使用两个矩阵相乘的代码是这样编写的：

import tensorflow as tf

import tensorflow.contrib.eager as tfe

tfe.enable_eager_execution()

x = [[2.]]

m = tf.matmul(x, x)

使用 print 或者 Python 调试器检查中间结果也非常直接。

print(m)

# The 1x1 matrix [[4.]]

梯度与自定义梯度

大多数 TensorFlow 用户对自动微分感兴趣。因为每次调用期间可能会产生不同的运算，因此我们将所有的正向运算录到一个“磁带”上，并在计算梯度时进行反向运算。计算了梯度之后，这个“磁带”就没用了。

这一API与 autograd 包非常类似，例子如下：

def square(x):
return tf.multiply(x, x)

grad = tfe.gradients_function(square)

print(square(3.))    # [9.]

print(grad(3.))      # [6.]

在这里，gradients_function 先调用了一个预先定义的 Python 函数 square() 作为参数，并返回一个 Python 可调用函数 grad 来计算相对于输入的 square() 的偏导数。如以上例子中当输入为 3.0 时， square() 的计算结果为9，而 grad(3.0) 为对 square() 进行偏导，其计算结果为 6。

同样，我们也可以调用 gradient_function 计算 square 的二阶导数。

此外，用户也可能需要为运算或函数自定义梯度。这一功能可能有用，例如，它可以为一系列运算提供了更高效或者数值更稳定的梯度。

以下是一个自定义梯度的例子。我们先来看函数 log(1 + e^x)，它通常用于计算交叉熵和对数似然。

def log1pexp(x):
return tf.log(1 + tf.exp(x))

grad_log1pexp = tfe.gradients_function(log1pexp)

# The gradient computation works fine at x = 0.

print(grad_log1pexp(0.)

)# [0.5]

# However it returns a `nan` at x = 100 due to numerical instability.print(grad_log1pexp(100.))

# [nan]

上述例子中，当 x=0 时，梯度计算表现良好。然而由于数值的不稳定性，当 x=100 时则会返回 `nan` 。使用上述函数的自定义梯度可用于分析简化梯度表达式。

使用 Eager 和 Graphs

Eager execution 使开发和调试互动性更强，但是 TensorFlow graphs 在分布式训练、性能优化和生产部署中也有着诸多优势。

当启用 eager execution 时，执行运算的代码同时还可以构建一个描述 eager execution 未启用状况的计算图。要将模型转换成图形，只需在新的 Python 进程中运行同样的代码即可。这一做法可以从检查点保存和修复模型变量值，这允许我们在 eager（命令式）和 graph（声明式）编程之间轻松转换。通过这种方式可以轻松地将启用 eager execution 开发出的模型导出到生产部署中。

在不久的将来，我们将提供工具来选择性地将模型的某些部分转换为图形。这样就可以融合部分计算（如自定义RNN单元的内部），以实现高性能并同时保持 eager execution 的灵活性和可读性。

新功能势必带来代码编写上的变化。Google还很贴心地给出了几个Tips：

• 与TensorFlow一样，我们建议，如果您还没有从队列切换到使用tf.data进行输入处理，请抓紧时间进行切换，它更容易使用，也会更快。 有关帮助参阅相关博客文章和文档页面。( https://developers.googleblog.com/2017/09/introducing-tensorflow-datasets.html )

• 使用面向对象层，如tf.layer.Conv2D（）或Keras层;；它们可以直接存储变量。

• 你可以为大多数模型编写代码，无论是执行和图形构建都是一样的。 但也有一些例外，例如使用Python控制流来改变基于输入的计算的动态模型。

• 一旦你调用了tfe.enable_eager_execution（），它就不能关闭。 要获取图形行为，请启动一个新的Python会话。

更多内容可参阅Google博客( https://research.googleblog.com/2017/10/eager-execution-imperative-define-by.html )。

SEC信披文件显示，Daniel Loeb执掌的Third Point今年第三季度加仓阿里巴巴210万股，增持比例46.67%，买入价格在140.99美元-180.07美元之间，平均买入价161.93美元。阿里周四收盘报185.13美元。

Third Point二季度大举建仓阿里巴巴，仓位450万股。彼时，阿里平均股价为123美元，市盈率在64.17左右。

截至三季度末，阿里巴巴是Third Point第二大重仓股，较二季度末的第四大地位显著提升，当前持股数量为660万股。

Third Point曾在7月解释过为何看好阿里巴巴：“我们相信，阿里巴巴拥有全球互联网行业中最好的商业模式，而且明显是正在发展壮大的中国电商市场中的赢家。”

年初至今，阿里巴巴的ADR（美股存托凭证）价格已经翻了一倍多。过去十年，该公司年均利润增幅在86%左右。

阿里巴巴：Third Point今年的福星

阿里巴巴是Third Point今年最成功的投资之一。该基金在上月下旬发布的致投资者信中表示，阿里巴巴是三季度让公司赚钱最多的五大持股之一。

Third Point三季度总投资回报率为14.5%，前三季度为23%，均大幅跑赢标普500指数（分别为4.5%和14.2%）。

截至三季度末，Third Point资产规模总计175亿美元。

事实上，这并非Third Point第一次交易阿里巴巴。该基金早在2014年四季度就曾入手，但在次年一季度便迅速悉数清仓所持价值10亿美元的阿里巴巴股票。

当年一季度，阿里股价因假货事件被美国投资者集体诉讼拖累而大跌20%，令Third Point盈利寥寥。

我们来看看风光问世的全球首只人工智能ETF基金AI Powered Equity ETF的表现。

这只人工智能ETF基金的创办者声称，基金不仅会超越人类经理人，更将击败大盘：“EquBot AI技术有能力模仿一整支股票分析师团队，而且7*24小时昼夜不停、全年无休，通过程序来消除人类分析上的错误和偏见。”该基金在IBM的AI平台Watson上运行模型。

这家EquBot公司的首席执行官、联合创始人Chida Khatua对自家的人工智能无比自信：“机器学习是人工智能最强大的应用之一，如同很多运用了算法程序的量化基金和其他工具一样，而他们有可能错失良机，有可能犯错。”

这都不算，公司另一个联合创始人、首席运营官Art Amador声称：“我们正在开创一个全新的投资类别，它将很快让投资者和咨询顾问在被动、主动和人工智能途径中多元化他们的投资组合。”

那么，两周过去了，这只号称能击败整个研究团队的人工智能ETF在真刀实枪的金融市场上的表现如何呢？

下图是这只EquBot AI ETF基金上市12个交易日以来的表现——很明显，惨输大盘，比标普500指数的表现足足低了3个点：

其实，它在刚问世时表现还是非常不错的。在10月18日之后的三个交易日内，这只AI ETF斩获了0.83%的回报率，而同期标普500指数上涨0.48%，纳斯达克综合指数涨幅为-0.42%。

美银美林首席投资策略师Michael Hartnett表示：“该基金的推出时机非常有利，科技基金获得了38周内最大的资金流入。”

当然，它才诞生两周，我们需要拿出耐心，观察它是否真的有潜力作出更好的选股决策。

华尔街见闻此前对这只基金有过介绍。AIEQ由旧金山EquBot公司推出，该公司是IBM全球创业者计划的一部分，并与ETF Managers Group合作，利用IBM Watson超级计算机进行大数据处理，并分析美国境内投资机会，对股票投资进行主动管理。

据媒体报道，AIEQ利用人工智能和机器学习，对全美6000多家上市公司进行分析，构建上百万份资料和众多金融模型，从当前经济形势、未来趋势以及公司重大事件等方面进行深度分析后，再挑选出包含70支股票的投资组合。

股票选好后，将由ETF Managers Group的一个基金经理团队对投资组合进行再权衡。

AIEQ当前的规模仅700万美元，但费率为0.75%，比被动ETF的平均费率0.58%要高，不过略低于主动性ETF平均0.85%的费用。

据了解，中铁总的改革计划将分为三步走，第一步是将包括中国铁路建设投资公司、中国铁道科学研究院等在内的非运输类企业进行公司制改革，第二步是让全国18家铁路局进行公司制改革，第三步则是对中铁总进行公司制改革。而从现阶段来看，改革的第二步即将完成。

据国家工商总局公告，中铁总所属的成都、南宁、西安、沈阳4个铁路局的名称变更已经通过核准。这是中铁总正式启动公司制改革之后，首批通过名称变更核准的4家铁路局。

除了上述4家铁路局名称核准通过外，在铁路系统内部发布的各种信息显示，济南、昆明、兰州、南昌、郑州、太原6家铁路局已公开使用“中国铁路***局有限公司”的名称，青藏铁路公司也已经使用“中国铁路青藏集团有限公司”的名称。也就是说，在中铁总旗下18家铁路局（公司）中，正式、非正式进行名称变更的铁路局总数已达到11家。

中国铁路总公司总经理陆东福表示，推进公司制改革，是消除制约国铁发展的体制弊端、实现从传统运输生产型企业向现代运输经营型企业转型发展的必然选择。

陆东福强调，推进这一改革，既为铁路发展搭建了新平台，注入了强大内生动力和市场活力，创造了难得历史机遇，但同样也提出了严峻挑战。因此，要牢牢把握公司制改革的基本原则，抓好公司制改革的重点任务，加快构建公司法人治理结构，建立以公司章程为核心的制度体系，以制度建设带动机制建设，推动形成符合《公司法》要求的决策机制、运行机制和监督机制。

业内人士认为，公司制是企业脱离政府管理走向市场的过程。中铁总只有先实现真正的公司制，完成市场化改革，在保证同股同权、有现代的公司治理以及严格的内外监督等条件下，才能有效推进混合所有制改革。

周三，中国央行公开市场实现净投放资金2200亿元，净投放力度明显增大。

周三，中国央行进行1600亿元7天逆回购操作、1400亿元14天期逆回购操作、300亿元63天期逆回购操作，中标利率分别为2.45%，2.6%和2.9%，同上一个交易日持平，另外，今日将有1100亿元逆回购到期。中国央行公开市场实现净投放资金2200亿元。

本周以来，央行净投放力度不小，但周三的净投放力度明显再次增大。

周二，中国央行开展了2800亿元逆回购操作，对冲当日到期的1400亿元逆回购之后，实现净投放1400亿元。周一，央行开展总额为1800亿元逆回购操作，由于当日有300亿元逆回购到期，当日公开市场实现净投放资金1500亿元。本周以来央行净投放累计达5100亿元。

中金所10年期国债期货主力合约T1803开盘上涨0.25%，5年期国债期货主力合约TF1803开盘上涨0.17%。

此前，中国10月经济及金融数据公布，均不及预期。

民生银行首席研究员温彬认为：

临近年末，尽管外汇占款有可能继续边际改善，但考虑到财政存款投放或将弱于去年以及美联储加息在即，年末流动性将承压，预计央行将加大公开市场操作，继续通过“逆回购+MLF”不同期限组合保持流动性充足和市场利率水平稳定。

中国经济数据全面回落，在昨日夜盘大幅下行之后，沪镍以及黑色系今日继续下跌。

截至目前，沪镍跌停，橡胶跌超6%，铁矿石跌4.2%，焦炭跌3.1%。

今日开盘，橡胶、沪镍期货主力延续夜盘跌势，开盘均大跌逾5%，铁矿石开盘跌超4%。焦炭、螺纹钢、沪铅、沪锌、焦煤开盘跌超2%，沪铜、热卷跌超1%。

国家统计局昨日公布的数据显示，1-10月，全国房地产投资增速再次放缓至8%以下，商品房销售面积和销售额增速也持续回落，降幅超2个百分点。

单月来看，据海通姜超团队测算，10月住宅销售量同比下降6%，创2015年3月来最大跌幅。

数据还显示，地产投资增速拐头向下。前10月全国房地产开发投资90544亿元，同比名义增长7.8%，增速比1-9月回落0.3个百分点。

在工业生产方面，10月规模以上工业增加值同比增速回落至6.2%，不及预期的6.3%。此外，前10月城镇固定资产投资与民间投资增速也双双回落。

在流动性层面，中国央行今日进行1600亿元7天逆回购操作、1400亿元14天期逆回购操作、300亿元63天期逆回购操作，鉴于今日将有1100亿元逆回购到期，央行公开市场今日净投放2200亿元。