• 项目
首页>>文章列表 >>金融科技
文章列表

7月经济数据全线回落 工业增加值增速放缓至6.4%

继6月意外走高后,中国7月规模以上工业增加值增速大幅放缓,受东部地区和制造业增加值回落幅度较大影响。同时公布的一系列7月零售、固定投资和房地产开发投资等数据也出现不同程度放缓。

国家统计局今日公布数据显示,中国7月规模以上工业增加值同比 6.4%,预期 7.1%,前值 7.6%。中国1-7月规模以上工业增加值同比 6.8%,预期 6.9%,前值 6.9%。

7月零售、固定投资投资和房地产开发投资也均出现放缓:

  • 中国7月社会消费品零售总额同比 10.4%,预期 10.8%,前值 11%。中国1-7月社会消费品零售总额同比 10.4%,预期 10.5%,前值 10.4%。
  • 中国1-7月城镇固定资产投资同比 8.3%,预期 8.6%,前值 8.6%。
  • 中国1-7月份房地产开发投资同比增长7.9%,1-6月增速为8.5%。

国家统计局称7月份工业产出放缓受到天气和去产能影响,统计局表示,中国下半年投资将基本持稳,经济将继续平稳运行,出口将继续保持稳中向好趋势。中国下半年经济增速即使有所放缓也是正常波动。

国信宏观固收认为,展望8月,房地产严控下销售逐渐降温,预计工业增速会进一步回落。整体来看,虽然6月经济数据全面上冲,但是7月又快速回落,而且多数指标回落幅度超过6月增幅,目前绝对水平创年内新低。展望后期,虽然经济韧性尚可,但是更具前瞻指标的房地产销售面积增速大幅回落,本轮经济回暖的周期性因素动能在加速衰减。

数据公布后,创业板反弹,涨幅扩大至2%。期货、周期股回落,债市微涨。 澳元小幅回落:



工业增加值增速放缓 与发电量增速出现背离

兴业研究宏观团队点评7月数据时表示,7月工业增加值当月同比增速大幅回落至6.4%,大致与4月持平。这和本月出口增速大幅回落至4月水平的事实相符。如果从地区分布和从行业分布看,本月东部地区和制造业增加值回落幅度较大。这些现象都折射出目前经济对出口的依赖度极高。此外,本月房地产销售和新开工大幅回落值得关注,地产投资高峰可能已过。

值得注意的是,7月工业增加值增速与发电量增速出现背离。中国7月份发电量同比增长8.6%至6047亿千瓦时,6月同比增长5.2%。

分三大门类看,7月份,采矿业增加值同比下降1.3%,制造业增长6.7%,电力、热力、燃气及水生产和供应业增长9.8%。

分经济类型看,7月份,国有控股企业增加值同比增长6.7%;集体企业下降3.6%,股份制企业增长6.7%,外商及港澳台商投资企业增长6.7%。

分行业看,7月份,41个大类行业中有37个行业增加值保持同比增长。其中,农副食品加工业增长6.0%,纺织业增长4.3%,化学原料和化学制品制造业增长2.3%,非金属矿物制品业增长3.4%,黑色金属冶炼和压延加工业增长2.1%,有色金属冶炼和压延加工业增长1.1%,通用设备制造业增长11.5%,专用设备制造业增长11.9%,汽车制造业增长11.8%,铁路、船舶、航空航天和其他运输设备制造业增长3.3%,电气机械和器材制造业增长11.7%,计算机、通信和其他电子设备制造业增长11.8%,电力、热力生产和供应业增长9.7%。


分地区看,7月份,东部地区增加值同比增长6.4%,中部地区增长7.9%,西部地区增长5.9%,东北地区增长0.6%。

分产品看,7月份,596种产品中有398种产品同比增长。其中,钢材9667万吨,同比增长2.7%;水泥21283万吨,下降0.9%;十种有色金属447万吨,同比持平;乙烯148万吨,增长1.0%;汽车207.3万辆,增长4.3%;轿车86.6万辆,下降3.7%;发电量6047亿千瓦时,增长8.6%;原油加工量4550万吨,增长0.4%。

7月份,工业企业产品销售率为97.9%,比上年同期提高0.3个百分点。工业企业实现出口交货值10621亿元,同比名义增长8.6%。


消费驱动日本二季度GDP初值增长4% 连续六季度增长

受国内私人消费和全球经济复苏的拉动,日本二季度GDP增长大幅超预期增长,实现2008年金融危机以来日本最长的增长周期。

据周一日本内阁府公布的数据,二季度日本实际GDP年化增长初值为4%,大幅高于预期值2.5%和前值1.0%,也成为九个季度以来的最快GDP增速。

除了前几个季度的外贸拉动,本季度内需成为推动日本经济增长的重要动力。另外,由于中美等日本主要贸易伙伴的需求旺盛,出口仍然是日本经济增长的重要因素。

“日本经济正在复苏的轨道上。”日本第一生命人寿保险首席经济学家Yoshiki Shinke说。而要实现经济的可持续增长,安倍内阁经济再生担当(国务大臣级别)茂木敏充表示,日本需要进行供给侧改革。


内需成拉动经济增长主要动力

日本的私人消费大约占GDP的60%左右,二季度私人消费增长了0.9%,高于前值0.3%,和预期值0.5%,成为带动日本经济快速增长的重要因素。

茂木敏充在数据公布后称:“消费和资本支出均十分强劲,他们构成了国内需求的大部分。总体而言,我们看到今天的数据表现不错。”他还表示,日本目前没有必要制定新的经济刺激方案。

安倍政府上台四年多来,日元持续疲软,企业利润迅速增加,日本经济增速超过预期。


Shinke认为,前几个季度拉动日本经济增长的外需可能会放缓,但是包括私人消费、企业投资和公共投资在内的内需将成为拉动日本经济增长的主要动力。

此前,日本公布的一季度实际GDP 年化增长初值为2.2%,但受个人消费低迷等因素影响,经季节调整后,终值大幅下调至1.0%。

连续六个季度的扩张是金融危机以来日本最长的复苏周期。此前,日本在2005年至2006年曾实现连续六个季度的经济增长,再之前,日本曾于1999年至2001年实现连续八个季度的经济增长。

此外,据日本内阁府的数据,日本二季度实际GDP季环比初值1.0%,预期0.6%,前值0.3%。

日本二季度名义GDP季环比初值1.10%,预期0.7%,前值-0.3%。

日本二季度实际GDP平减指数同比初值-0.4%,预期-0.5%,前值-0.8%。


日元反应平淡 日经开盘下挫

日本二季度GDP数据公布后,日元兑美元小幅下行。


不过日经225指数开盘跌0.9%,报19545.58点。



日高官:需进行供给侧改革实现可持续增长

日本经济再生担当、前经济产业大臣茂木敏充表示,对日本经济正处于逐步复苏趋势的看法不变。日本经济增长受内需推动。消费数据乐观但支出仍乏力,在指导政策时应密切关注。

他还称,日本经济需要进行供给侧改革来实现可持续增长。

在今天的数据公布前,日本瑞穗银行研究部的高级研究员Hidenobu Tokuda在接受路透社采访时说:“在全球经济复苏的背景下,本财年日本经济将极有可能持续增长。消费者的消费情绪正在好转,对耐用品等商品的消费有提振作用。”


安倍政府上台四年多来一直希望将日本经济增速提高至快速档位,但在日本人口下降、人口老龄化以及通货紧缩的背景下能取得经济的连续增长,也让包括《纽约时报》在内的西方主流媒体感到费解。

不过,美国Quartz网此前曾报道,安倍政府上台以来,一直大力推动就业,尤其是55岁以上妇女的就业率已经从其上任之初的55%左右上升到接近65%。这也成为推动近年来日本经济持续增长的重要原因。

创业板大幅反弹 期货、周期股回落 债市微涨

IBM秀出并行训练肌肉:256个GPU还有95%的拓展效率

IBM 研究院上传了一篇论文到 arXiv,介绍了自己几乎能够达到理想性能的分布式深度学习软件,它不仅带来了优秀的沟通开销,让64台IBM服务器上的256个英伟达GPU发挥出了95%的拓展效率,训练时间和模型准确率也分别创下了新纪录。完成这项研究的团队负责人 IBM Fellow Hillery Hunter 也为此撰写了一篇文章,介绍了这个软件的更多信息。


编译如下:

深度学习是一种广泛使用的人工智能方法,它可以让计算机理解和提取画面和声音中的含义,人类世界对世界的大多数体验也就是来自这两种感官的。这样的技术有潜力给生活中的方方面面带来突破,小到手机上的app,大到医学图像诊断。但是如何提升深度学习的准确率和如何构建大规模的实用深度学习系统这两个技术问题一直横亘在人们面前,比如大型的、复杂的深度学习模型所需的训练时间就需要几天甚至几周。

IBM 研究院中的一支团队就一直专注于解决这样的问题,他们的目标是降低用大规模数据集训练大型模型所需的时间,最好能把训练时间从几天、几小时,缩短到几分钟、几秒,同时还要提高模型的准确率。这是非常宏大的挑战,他们依靠在数量众多的服务器和英伟达GPU上运行分布式深度学习来应对挑战。


大多数热门的深度学习框架都可以方便地从单个GPU拓展到同一个服务器内的多个GPU上,但是继续拓展到多个服务器之间就不行了。IBM团队(Minsik Cho, Uli Finkler, David Kung等人)就在这里施展拳脚,他们重新编写了软件和算法,让大规模、复杂的计算任务可以在几十个服务器中的上百个GPU之间自动并行并优化。

IBM Fellow Hillery Hunter主导开发的新软件让GPU的处理速度提升到了前所未有的水平


在 ImageNet-22K 中比微软更快、更强

IBM 的软件除了能够让不同服务器之间的训练过程完全同步之外,它们的沟通开销也非常小。从结果上看,当深度学习算法拓展到了超过100个英伟达GPU上以后,它在具有750万图像的 ImageNet-22K 数据集的图像识别测试中创造了33.8%准确率的新纪录,这项测试此前的最好结果是来自微软的29.8%。在这项测试中得到4%的准确率提升是非常难得的,以往的各项研究所能带来的提升往往都不到1%。IBM 开发出的分布式深度学习(distributed deep learning,DDL)方法不仅让他们在准确率上得到了惊人的提升,在装着上百个英伟达GPU的几十台服务器上训练一个 ResNet-101 神经网络需要的时间也只需要不到7个小时;微软训练同一个模型花了10天。正是靠着 DDL 代码和算法解决了本来强大的深度学习框架在拓展性方面的诸多问题,IBM 才能够达成这样的成果。

模型训练之后的测试就是在极限状况下考察模型的表现,即便 33.8% 的准确率乍一听不是很诱人,它也比以往的结果有着显著提高。对于任意一张测试图像,这个训练后的人工智能模型从在2万2千个物体种类中选出它判断的可能性最高的类别,所选结果的准确率就是这个33.8%。IBM 的这项技术可以让其它用来执行具体任务的人工智能模型,比如医学图像的癌细胞检测,拥有更精确的诊断,而且可以在短短几个小时内重新训练完毕。


“盲人摸象”

Facebook 2017年6月的一篇论文中介绍了他们用较小的模型(ResNet 50)在较小的数据集(ImageNet-1k)上取得的优异成绩。文中他们也这样描述了所遇到的问题:“深度学习需要大规模的神经网络和大规模的数据集。然而它们带来的结果是更长的训练时间,这就对研究和开发过程都造成了很大阻碍。”

但是滑稽的是,在多个服务器上对深度学习问题做协作计算和优化,随着GPU越来越快变得越来越难。这种现象给深度学习系统带来的功能损失就推动着 IBM 团队开发新的 DDL 软件,来让热门开源软件 Tensorflow、Caffe、Torch、Chainer 上的大规模神经网络也可以高速、高准确率地处理大规模数据集。


IBM 的研究员用盲人摸象的故事来形容他们要解决的问题:“每个盲人都摸到了大象身上的一小部分,但只能摸到一个部分,比如肚子或者象牙。然后他们就根据自己那一小部分的经验来描述整个大象,他们的意见也就完全统一不起来”。现在,在最初的意见冲突之后,如果给他们足够的时间,他们其实可以互相之间分享信息,足够多的小块信息拼起来就可以对整个大象有不错的整体感知。

并行训练就跟这个类似,如果用一组 GPU 分别处理深度学习训练问题中的一部分,目前来讲整个并行训练过程还是要花几天或者几个星期,那么把这些训练结果同步起来并不算难。但是随着 GPU 变得越来越快,它们学习的速度也快多了,每个GPU和其它GPU分享学习结果的所需的速度已经不是传统软件可以提供的了。这就对系统网络带来了很大的压力,同时也是一个麻烦的技术问题。简单点说,更聪明、更快的学习者(GPU们)需要更好的沟通方式,不然它们之间无法同步,大多数的时间就会浪费在等待别人的学习结果中——这样一来更多、更快的GPU可能就不会带来更高的性能,性能降低都是有可能的。

IBM 通过 DDL 软件近乎完美地解决了这种拓展带来的性能损失问题,最显著的体现指标就是拓展效率,换句话说就是随着GPU数目的增加,实际系统和理想系统之间的差距有多大。这个指标也从侧面反映了学习过程中这256个GPU之间互相沟通得到底好不好。


在 ImageNet-1K 中比 Facebook 更高效

此前256个GPU协作的最好结果是 Facebook AI 研究院中的一支团队达成的,他们用了一个较小的深度学习模型 ResNet 50,用到的数据集也是较小的 ImageNet-1K,其中有大概一百三十万张图像;更小的模型和更少的数据都可以降低计算复杂度。选择了较大的8192的batch size之后,在一个具有256块英伟达P100 GPU的服务器集群上通过Caffe2深度学习软件达到了89%的拓展效率。IBM 用同样的数据集也训练了一个 ResNet 50 模型,通过 DDL 软件,他们用 Caffe 获得了高达95%的拓展效率,如下图。它运行在一个有64台“Minsky” Power S822LC服务器的集群上,每个服务器上有4块P100 GPU。

在大模型、大数据集的 ImageNet-22K 中的750万张图像训练 ResNet 101模型任务中,在选择了 5120的batch size以后,IBM 也达到了88%的拓展效率。

IBM 的团队还创造了一项新纪录,此前 Facebook 保持了用 ImageNet-1K 数据集训练 ResNet 50 模型只需要1个小时的记录,IBM 借助 DDL 把基于 Torch 的模型拓展到了256块GPU上,训练所需时间随之刷新到了50分钟。Facebook 的模型是基于 Caffe2的。


对开发者和数据科学家来说,IBM 研究团队的 DDL 软件提供了整套的 API 可供各种深度学习框架调用,以便拓展到多台服务器上。在 PowerAI 企业级深度学习软件第4版中就会带有一个 DDL 的技术预览版,从而给任何需要训练深度学习模型的企业提供这样的集群拓展特性。在给人工智能大家庭提供了这样的 DDL特性以后,IBM 的研究团队希望更多的人在掌握了计算机集群的力量以后也可以达成更高的模型准确率。

按不住的香港房价:中国买家纷纷离场 记录高位能持续到何时?

中国监管部门加强对中国企业海外投资管制造成的冲击下,中国的企业巨头们大幅削减海外投资,而其中反应最为强烈的,是对海外房地产投资的回落。

随着“富得流油”的中国买家从房地产市场的“不辞而别”,房地产分析师纷纷预计在纽约、伦敦和香港这些报价最贵的房地产市场,将会迎来房价的大幅下滑。


据摩根士丹利统计,美国和香港是中国海外房地产投资最为青睐的目标

然而今年上半年,这些市场的房地产价格仍在继续攀升。即使是在香港这个对大陆撤资“春江水暖鸭先知”的地方,价格业已攀升至历史新高。

中原地产的中原城市领先指数 (Centa-City Leading Index) 现有房屋价格截止7月30日已飙升至纪录高位160.3。该指数今年上涨了11%,而在过去五年中上涨了逾50%。


中原城市领先指数往年走势图


五年来房价的快速上涨,导致人口稠密的香港迅速成为全球最昂贵的房地产市场。

香港政府周五(8月11日)表示,

以住房抵押贷款占收入比例作为衡量标准的香港住房负担能力比率,上一季度恶化至67%左右,高于去年同期的56%。

遏制飞涨的香港房价,是香港金管局乃至新任行政长官林郑月娥的首要任务。房价一直被视作造成香港不平等的主要因素;根据Demographia的数据,目前中位数收入的家庭需要18年才负担得起家庭住房。每次房屋拍卖都面临超额认购的绝望局面。


早在今年5月,金管局现任总裁陈德霖就曾对香港房地产市场中存在的类泡沫行为发出警告,称目前暴涨的房地产市场需求,不禁令人联想起二十年前香港房地产泡沫破灭前夕时的景象。陈德霖告诫财力有限的人士不要抱有房价会无限期上涨的预期,停止房地产投机行为。

随着富裕的外来买家纷纷离场,当地市场的需求仍能维持一段时间的价格稳定。香港第二季度住宅交易量猛增43%至18892户,进一步推涨房地产价格。

然而对投资者而言,没有了愿意支付所谓“中国溢价”的大陆买家,处于记录高位的香港房价还能持续到何时?

Uber董事会大乱斗 软银见机欲购入股权

据新浪科技14日早间报道,Uber董事会发布声明,希望早期投资者Benchmark与联合创始人特拉维斯·卡兰尼克(Travis Kalanick)解决好纠纷,让员工集中精力工作,同时也让公司好招募新CEO。不仅是Uber高层出现矛盾纠纷。另据外媒消息,日本软银集团也有计划购入Uber股权。


董事会对起诉案“失望”

上周四,Uber早期投资者Benchmark向特拉华衡平法院起诉前CEO特拉维斯·卡兰尼克(Travis Kalanick)欺诈,指控其涉嫌欺诈、违反合同、违背信托责任。该公司认为卡兰尼克没有向董事会披露“恶劣的管理不善”,包括“普遍存在的性别歧视和性骚扰”。

Benchmark的诉讼导致部分投资者今天早些时候呼吁特拉维斯让出董事会席位,甚至让出足够多的股份,从而不再享有董事会投票权。

Benchmark及卡兰尼克均为Uber董事会成员。其中,卡兰尼克拥有Uber 10%的股份,16%的投票权,而Benchmark拥有13%的股份,20%的投票权。


Uber今日通过其联合创始人兼董事长嘉利特·坎普(Garrett Camp)的名义,代表卡兰尼克和Benchmark之外的董事发表声明。声明指出,他们对股东之间的纠纷引起的诉讼表示“失望”,希望双方能够通过合作方式尽快解决好矛盾,从而让员工能够集中精力工作。声明还表示,公司董事会促进双方协调矛盾。

坎普还就卡兰尼克再次出任CEO一事进行了否认,并表示已经有新CEO人选。

近一年来,Uber一直经历着严重的人事动荡。发酵至今,已处于没有首席执行官、首席运营官、首席财务官、总工程师、自动驾驶部门主管、人工智能实验室主管、地图部门副总裁、全球汽车项目副总裁、亚洲业务总裁等十余位重要高管的无人驾驶状态。

7月28日,据媒体报道,通用电气即将离职的首席执行官伊梅尔特(Jeffrey Immelt)已确认出现在Uber新的CEO候选人名单中。61岁的伊梅尔特上个月表示,自己在经过了16年的动荡后将卸任通用电气总裁兼首席执行官。


软银接洽中小投资者欲购入Uber股权

13日上午消息,知情人士透露软银已经开始接触Uber的中小投资者,打算绕过Benchmark收购Uber。

据Recode报道,软银曾打算收购Uber,但是由于价格分歧较大,双方目前还未达成一致。消息人士称,软银曾提出以450亿美元的估值收购Uber,而Benchmark则公开表示,他们对Uber的估值高达1000亿美元。

另外,软银方面也表达了对Uber投资的兴趣,所以如果能从现有投资者购买股权,软银方面也很乐意。目前,软银正在寻找中小投资者,欲从这些卖家手中获得股权。

单边暴涨行情结束?美股科技龙头股空头仓位大增

标普500科技股指数上周遭遇下挫,但2017年初至今累计涨幅已达21%,带动美股大盘走势迅猛上涨。所谓的“FAANG”组合——脸谱 (Facebook),苹果 (Apple),亚马逊 (Amazon),奈飞 (Netflix)和谷歌 (Google)——又是在科技股当中的佼佼者。

然而随着股票估值的飞涨,投资者们开始担忧这样的空前盛况是否可以持续,有些甚至开始针对这些龙头股融券做空。科技股在带头领涨的同时,往往也是大盘下跌的“急先锋”,若科技股出现回调,并非意外。


根据金融分析公司S3 Partners的数据显示,目前美股市场上空头仓位最多的20支股票当中,科技板块占了一半。十大科技龙头股的空仓头寸过去一个月增加了14亿美元,至410亿美元。

谷歌、苹果、奈飞、亚马逊、英特尔和脸谱均名列空头仓位最多的前十名。IBM、微软、Priceline和英伟达位列前20。若把全美被做空最多的电动车生产商特斯拉算作科技股的话,美股科技龙头股的空头仓位将超500亿美元。


“五千亿市值的公司如雨后春笋般出现,市场从未见过如此繁荣景象,多多少少有点不真实。”专注于科技公司的对冲基金Cadian Capital创始人Eric Bannasch指出,大多数科技公司还是在稳健增长的,但对于目前市场的怀疑、特别是针对特斯拉的担忧,Bannasch表示可以理解。

对冲基金行业的传奇人物Dan Loeb麾下管理108亿美元资金的Third Point上周五(8月11日)将手中持有的Snap公司(开发图片社交应用软件Snapchat的科技公司)股份全数抛售。自今年三月空开上市以来,Snap股价已经缩水逾50%。

虽然空头仓位不断攀升,但年初以来美国科技股表现亮眼,累计上涨23%,是标普500指数中表现最好的行业,而据S3数据,做空十大科技龙头股的投资者,年内累计已损失77亿美元。

而光是特斯拉一家公司,就让市场空头损失了45亿美元。特斯拉创始人“钢铁侠”马斯克4月曾在推特上公开挑衅市场空头,讽刺做空者的日子不好过(“stormy weather in Shortville”),甚至还调侃这些市场空头就差把自己做成巫毒娃娃天天拿针扎了。