恒生指数开盘涨0.4%，报28715.40点，现涨幅扩大至0.87%。恒生中国企业指数涨1.1%。手游板块、电商及互联网板块、双十一概念股等涨幅居前。

个股方面，腾讯涨超3.2%，报388.4港元，股价再创历史新高，总市值36893.6亿港元。该公司或将于周三（明日）发布“吃鸡”手游，近日将公布财报。

内资地产股集体上涨。融创中国涨4.20%，碧桂园涨2.18%，雅乐居集团涨1.96%，富力地产涨1.20%。

中国恒大开盘大涨，涨幅超过8%，最高触及30.65港元，逼近32.5港元历史高位，总市值突破4000亿港元。

恒大创大陆房企史上最大规模股权融资记录

昨日晚间中国恒大发布公告，宣布完成第三轮增资，成功获取600亿元，高于此前300-500亿的预期，占恒大地产扩股后约14.11%的权益。据此估算，恒大最新估值大约在4252亿港元左右，高于当前市值。

恒大此轮投资者包括山东高速、苏宁电器、深圳正威、嘉禹投资等。其中，苏宁电器以200亿元对恒大战略入股，获得恒大经扩大的4.7038%股权。

至此，恒大地产三轮增资累计引入了27家投资者，让出了经扩大的36.54%股权，同时获得总计1300亿元资金。这是国内房企史上最大规模的股权融资。

同时，恒大地产还做出了未来三年分别达到500亿、550亿、600亿元的利润承诺，三年合计1650亿元，较其去年公布的2017年至2019年888亿元的业绩承诺大幅提升。

数据显示，今年前10个月，恒大已实现销售4223亿元，今年销售突破5000亿元已几无悬念。若以中报14.5%的净利润率估算，已锁定1000亿元左右的净利润，占到未来三年承诺利润1650亿元的六成左右。

在备受关注的负债率方面，得益于三轮增资，恒大地产的净负债率将大幅降低近四成。

恒大还正实施多项举措，推动负债率持续下降。比如土地储备负增长，即土地储备每年下降5%-10%，相当于每年减少1000到2000万平米土地储备，以降低土地费用支出；以及扩大盈利规模，进一步增加净资产。

自2017年起，恒大就开始由以往高负债、高杠杆、高周转、低成本的“三高一低”发展模式向低负债、低杠杆、低成本、高周转的“三低一高”发展模式转型。

上述一系列消息意味着，恒大地产与深深房的重大重组事项又向前迈出了实质性的一步。恒大总裁夏海钧表示，第三轮战投引入完成以后，将尽快完成A股上市的申报工作。

腾讯即将发布新手游

腾讯于11月4日悄悄上线了一个网页，网页中间有一只巨大的鸡，中间显示倒计时，也就是说腾讯会在11月8号公布具体消息。媒体推测，腾讯将会推出一款大逃杀类手游，此前腾讯确实有过几次关于吃鸡游戏的问卷调查。

此外，市场普遍预计腾讯将在11月15日前公布季报。华尔街见闻提及，华尔街投行在季报发布前对该股纷纷表示看好。

华尔街见闻提及，摩根士丹利在最新报告中，维持对腾讯“增持”评级，并上调目标价从370港元至420港元，调升幅度为13.5%。该行表示，腾讯当前市盈率约为34倍(相对于2018非GAAP每股收益预测值)，其最新目标价中隐含的腾讯的市盈率为39倍，在历史波动范围内。

强劲的游戏收入和稳健的广告收入是大摩看多腾讯的主要理由。大摩预计，腾讯三季度游戏收入有望同比增长40%，其中手游收入预计将同比激增72%至170亿元人民币，创纪录新高。

今年底明年初，腾讯还有一批新的游戏计划上线，其中《王者荣耀》北美版《Arena of Valor》预计将于明年登陆，因此大摩对腾讯游戏业务前景表示乐观，预计2016年至2018年，腾讯手游收入复合年增长率约为48%。

今年以来，腾讯股价屡创新高，累计涨超105%。

腾讯分拆的阅文集团今日发布的公告显示，全球发售项下阅文最终发售价为每股55.00港元（不包括1.0%经纪佣金、0.0027%证监会交易征费及0.005%联交所交易费）。如果全球发售按每股阅文股份55.00港元的最终发售价进行，则紧随全球发售完成后，阅文的市值将约为498.53亿港元。

10月31日，阅文招股结束。上周媒体报道援引知情人士称，阅文定价为55港元，为区间上限，阅文在港IPO筹资11亿美元的目标已经达到。

11月8日，阅文将在香港联合交易所主板上市。

自10月26日开始招股以来，阅文就引得高度关注。机构投资者方面，据香港经济日报统计14家券商的资料显示，截至10月31日，阅文的认购资金暂共录得近1527亿元，相当于公开发售部分超购182倍。

不仅在机构投资者中阅文股票非常火热，在散户中阅文股票也倍受青睐，认购一度超过100倍。

在阅文火爆认购背后，一直尤其值得注意的现象是，从阅文开始接受散户认购开始，香港资金持续紧张。

26日当日，香港1个月期港元银行间同业拆借利率（Hibor）攀升4个基点至0.69286%，创9个月来最高水平。随后Hibor持续走高，31日甚至升至9年新高。

同样是在26日，作为联席保荐人的富途证券对用户表示，因阅文集团融资认购场面过于火爆，暂停杠杆申购。

阅文集团于2015年3月由腾讯文学与原盛大文学整合而成，旗下囊括QQ阅读、起点中文网等品牌。

公开资料显示，截至6月底，阅文平台上共有960万部作品，同时又640万名作家。在今年上半年，阅文获利2.135亿元人民币，但在去年同期，阅文亏损240万元。

资料显示，阅文集团此次上市所募集的资金30%将用于拓展在线阅读业务，30%用于支付潜在投资、收购及战略联盟，30%用于将网络文学作品改编为衍生娱乐产品，投资于改编电视剧及网络剧等，其余10%则用于营运资金及一般企业用途。

全球发行完成后，腾讯及其全资子公司将间接控股阅文集团52.66%。

为缓解现金流压力，各家人身险公司“各显神通”。除了增资、发债外，部分险企已明确，要采取与自身负债并不匹配的优质资产转让变现、大力发展期缴业务增加负债久期、优化资产配置等手段。事实上，在“偿二代”下，增资已非解决现金流问题的最佳配方，提升资产负债管理能力才是求解的关键。

个别险企业务现金流告负

面对满期给付和退保高峰期，前期中短存续期产品占比较大的人身险公司面临规模下滑带来的巨大给付压力，短期内现金流承压问题逐渐暴露。

记者从业内了解到，目前，保险公司的净现金流一般由三个细分指标构成：业务现金流、资产现金流、筹资现金流。

有保险公司财务负责人解释，如果险企业务现金流告负，说明主营业务已显疲态，保费收入减少或退保支出增加，业务结构同时面临调整的压力；资产现金流告负，说明险企在该阶段或有大额投资行为；而筹资现金流为负，则代表着时点性的融资能力降低。

上证报记者统计发现，截至目前，已有76家人身险公司披露了偿付能力报告，个别险企三季度存在现金流净流出的情况。不过，净现金流为负并非就会面临偿债危机。资产现金流告负可能只是险企在此时点卖出资产。如太平养老三季度末实际净现金流为-1.7亿元，该公司解释实际净现金流出现负值主要由于三季度发生一笔不动产投资的资金支付流出约1.6亿元。

不过，出现业务现金流出则需注意主营业务。如华汇人寿三季度业务现金流为-0.83亿元。对此，华汇人寿解释，主要原因是从2017年4月1日起部分产品停售导致新业务规模减少所致。

倒逼险企提升资产负债管理能力

如何解决现金流压力？对此，有保险公司负责人支招，除了股东增资、发债外，短期来看，可以通过“瘦身”来化解险企的现金流风险。

富德生命人寿表示，为维持公司现金流，控制流动性风险，公司将持续对资产进行优化，盘活存量资产；在现金流存在严重缺口等特殊情况下，可以提前退出非战略性的持有项目，以满足公司现金流需求，确保公司的流动性。

在保险业人士看来，由于在“偿二代”下，增资对防范流动性风险、对偿付能力充足率的改善作用，已经没有像“偿一代”时那么明显，优化资产配置、调整保费结构对险企长期现金流压力的缓解作用可能会更大。

君康人寿表示，目前该公司正积极调整业务结构，大幅降低短期万能险产品销售，主推中长期传统险产品，并着力发展期缴业务，不断增加负债久期。

值得一提的是，保监会即将建立的偿付能力数据非现场核查机制和现场检查机制也将倒逼险企主动提升资产负债管理能力。保监会表态，将每季度对核心偿付能力充足率低于60%或综合偿付能力充足率低于120%的险企进行检查。此外，为了掌握人身险市场运营状况，保监会也于近日向各人身险公司发出书面调研，其中，就包括业务现金流基本状况。

    从盘面上看，钢铁、白酒、芯片体居板块涨幅榜前列，银行、航运、保险居板块跌幅榜前列。

    消息面：

    1、吴晓求5日在中国金融管理论坛上表示，目前中国的金融资产结构发生了深刻变化，其中最显著的是证券化金融资产的规模越来越大，这是一个趋势。

    2、工信部副部长辛国斌表示，将从四方面推动智能网联汽车发展。

    3、上海市常务副市长周波今日在2017世界智能网联汽车大会上表示，上海的新能源汽车、智能网联汽车正在加快发展，上汽将于明年推出全铝车身的新能源汽车，另外激光雷达、毫米波雷达等关键零部件发展迅速。

    4、雄安新区设立以来，三县重拳治理“散乱污”，积极寻求解决农村垃圾处理对策。目前，运用低温裂解技术的垃圾处理器已经在雄安新区30多个村庄成功运营。

    5、央行副行长易纲表示，将不断完善市场准入负面清单，落实审批、监管等配套制度，以确保从2018年起正式实行全国统一的市场准入负面清单制度。

6日早盘，国泰航空等蓝筹股以及内险股、内房股领跌。午后，受腾讯及相关电脑软件、手游板块的带动，恒指持续拉升，尾盘一度翻红。最终收跌0.02%，报收28596.8点。国企指数跌0.67%，报收11524.64点。

腾讯创下历史新高，收涨2.45%，报377港元，创2014年6月以来新高。融创中国全天乏力，盘中一度跌超7%，收跌6.87%，报收34.55港元。 

尾盘腾讯、游戏股对恒指拉动作用明显。腾讯盘中涨幅一度超3%，收涨2.45%，报377港元。

消息面上，腾讯即将推出“大逃杀”类游戏，腾讯音乐等旗下公司或将于明年进行IPO。

恒生指数6日高开0.04%，报28616.35点；国企指数低开0.02%，报11600.19点；红筹指数高开0.21%，报4426.45点。大市成交额19.66亿。 

开盘后半小时，恒指即跌破1%，国企指数也跌破1%。北京时间10:20左右，恒指盘中跌破1.6%，国企指数跌破2%。

个股中，不少内资股领跌。融创中国跌超7%。据中国企业家杂志，对于外界评论的“融创投资乐视失败”说法，孙宏斌在5日称：“乐视才刚开始，我还没开始干活呢，你就说亏了，失败了，这不符合事实！”

板块中，半导体、页岩气等板块涨幅居前，航空、航空服务、内险股、蓝筹地产股等板块领跌。

蓝筹股几乎全线下挫。截至发稿，除中国石油股份和华润啤酒外，其他蓝筹股全线下跌。

香港建滔化工6日宣布，该公司与附属公司向卡塔尔航空以51.6亿港元的价格出售国泰航空约9.61%股份。完成交易后，卡塔尔航空将成为国泰航空第三大股东。消息传出后，国泰一度跌超5%，领跌蓝筹股。

以中国太保、中国人寿为代表的内险股高位回调，跌幅一度超3%。

国内消息面上，3日，发改委发布发布《企业境外投资管理办法（征求意见稿）》，拟将境内企业通过所控境外企业开展的境外投资纳入监管。

4日，央行行长周小川在《党的十九大报告辅导读本》中撰文指出，要守住不发生系统性金融风险的底线。

周小川指出：高杠杆是宏观金融脆弱性的总根源。健全金融监管体系，要发挥中央和地方两个积极性，全国一盘棋，监管无死角。同时他还指出，总体看，我国金融形势是好的，但当前和今后一个时期我国金融领域尚处在风险易发高发期，潜在风险和隐患正在积累，脆弱性明显上升，既要防止“黑天鹅”事件发生，也要防止“灰犀牛”风险发生。

此外，海外消息面上，美国发生严重枪击案、沙特掀起“反腐风暴”以及中东局势持续紧张等，都对市场信心造成影响。

匣子上的灯光闪烁，提醒体操运动员开始表演。 她纵身跳下，落地，转身向机器人法官致敬。 得分已在大屏幕上闪烁。

这不是电影《银翼杀手2049》里的场景，而是未来体操可能的场景。未来的体操比赛将人工智能纳入其评分系统。

2020东京奥运会或将引入AI

国际体操联合会（FIG）计划引进人工智能技术来助力2020年东京奥运会评分系统。 日本IT巨头富士通（Fujitsu）正在研发3D感官系统。富士通表示，该产品将使打分更容易，协助教练和运动员进行训练。

富士通专注于跟踪跳马项目，因为它由男性和女性共享，目前正在分析和收集常规数据以校准软件。 国际体操联合会希望裁判能够快速做出决定，确保记录运动员的细微动作，避免有争议的决定。

前任国际体操联合会主席Bruno Grande说，“裁判员必须每天工作八小时，心理能力是否能保持一致？ 不可能保持一致的标准。只有电脑能做到。”

但进展并不顺利。 虽然这项技术已经发展了多年，但是在奥运会这一最重要的赛事舞台上依赖于未经测试的平台，可能会引起人们的担忧。 黑客有机会抹黑运动，或操纵比赛结果；裁判员可能会被边缘化；而体操运动员的创造力则可能被束缚。

伟大的体操运动员NadiaComaneci在接受《卫报》采访时说，“体操运动员以锤炼技巧、寻找新角度和转弯点为目标而闻名。如果有运动员采用了一套电脑从未见过的动作，那将如何评判？”

技术协调员SteveButcher是FIG的项目负责人，他承认裁判对一种会改变“我们打分的方式”的技术感到有些紧张。 Butcher说，“事实证明裁判有时会有偏见。 这种程序可以帮助解决问题。这不是要取代裁判，至少目前不是。”

上个月在蒙特利尔举行的世界锦标赛上，运动员和裁判们对这项技术知之甚少，但这种技术已经开始以非官方的方式被运用。

英国奥运冠军MaxWhitlock表示：“评委们的工作非常难。”他对技术引进速度感到惊讶。 “这将是绝对完美的。 像这样的东西对于体操来说是如此的新鲜，它需要经过几年的测试。 这将是非常令人兴奋的。 但我们这一代可能用不到这项技术。”

测试从明年在卡塔尔多哈举行的世界锦标赛开始。 FIG主席MorinariWatanabe说：“我们必须为2020年做好准备，我们必须给体操运动员打正确的分数，我们不接受裁判打的不完整分数。” “一旦体操运动员看到了，他们会喜欢这项技术，这是一件好事，推动技术向前发展。”

AI评分系统：黑客操纵比赛结果的潜在风险

《奥林匹克运动网络安全：新机遇，新风险》这篇学术论文的作者认为，推动黑匣子记录体操运动员得分可能带来潜在的危害。 “在体操方面，你可以有10到100个独立的移动系统正在尝试打分。 如果算法被一小部分操纵，就会影响整体结果评分，而且很难发现。”加州大学伯克利分校长期网络安全执行总监Betsy Cooper说。

任何从外部来源给电脑传递信息的技术（如3D传感器）传递给计算机都有风险。 将这项技术与评委组成的评分小组进行整合，将有操纵得分的余地。

 “你可以操纵算法来改变分数，这很难被发现。 这是最令人不安的。 ”库珀说。

如果把体操放在技术前沿，花样滑冰等其他奥运项目也可以采用这种技术，或许风险是值得的。 也许这只是一个进化的问题。

“我不认为有可能取代法官。 体操太复杂了，每一套动作都有太多的技巧和细节。 但我喜欢这个关于技术的想法，“Comaneci说。 “可以试试，为什么不呢？ 这就是现在所有体育运动中发生的事情，科技正在改变我们的体验。”

谷歌的项目名叫AutoML，ML是机器学习“Machine Learning”的缩写。顾名思义，AutoML就是能够自己创建其他机器学习系统的机器学习系统。

谷歌大脑负责人Jeff Dean已经在多个场合公开宣传这一项目，相信AutoML将在不久后将为谷歌带来能够部分取代人开发AI的AI系统。

“我们希望AutoML的能力能抵上现在几个博士之和”

谷歌CEO Sundar Pichai在谷歌年度开发者大会I/O 2017展示了AutoML，“它的工作方式是，我们采用一组候选神经网络，然后用一个神经网络来遍历它们，直到我们找到最好的神经网络。”Pichai 解释说。“我们希望AutoML的能力能抵上现在几个博士之和，并且能在3到5年的时间里，为成千上万的开发人员设计出新的神经网络，满足他们的特殊需求。”

不止是谷歌，微软、亚马逊、Facebook这些巨头纷纷都在开发能够自己开发AI的AI上面投注努力，这正在形成一种趋势。

AI被视为未来核心技术之一，但据估计，全世界仅有约1万人具备开发复杂先进数学算法的教育、经验和能力，而这些算法是驱动AI创新的基础。谷歌、Facebook、微软等公司为了吸引顶尖AI人才，频频开出百万乃至千万美元年薪，加剧市场对AI人才的追捧。

现在，AI人才不仅从学术界流向工业界，更从小公司流向大公司，大有在几大AI巨头最终聚首的趋势。

然而，巨头饥渴还远远没有得到满足。例如Uber的AI实验室负责人在接受《卫报》采访时就表示，工业界招揽人才的步伐和频次只会加重。培养一个AI人才需要花费数年时间，工业界不愿意等待。于是，企业正在想方设法，开发各种工具，一切都是为了让创建AI软件变得容易。

“我们正在遵循计算机科学每一种新技术发展曾经走过的轨迹，”微软VP Joseph Sirosh说：“我们正在把很多苦活累活给省去。”

微软DeepCoder，让神经网络学习自动编程

2017年2月，微软研究院与剑桥大学宣布他们合作开发了一种新的算法，名叫DeepCoder。作者在论文“DeepCoder: Learning to Write Programs”中介绍，DeepCoder是一种能根据问题的输入输出自动编写解题程序的算法。

“我们使用神经网络的预测来增强编程语言社区的搜索技术，包括枚举搜索和基于SMT的求解器。我们从经验上表明，相比强大的非增强基线（strong non-augmented baselines）和一个递归神经网络方法，我们的方法速度提高了一个数量级。并且我们能够解决的问题，其难度与编程竞赛网站上最简单的问题相当。”

根据微软亚洲研究院机器学习组副研究员李亚韬发表在知乎上的解读，DeepCoder算法的框架中，神经网络负责完成两个任务：一是观察输入输出之间的关系，例如输入是否全是负数，输出是否从小到大有序等等，将其转换成机器理解的一组特征——以前是用手工方法列举这些规则，而DeepCoder使用神经网络将这一过程自动化；二是以观察到的特征作为输入，预测程序中可能有哪些语句，不像枚举法那样执行大量重复操作，生成无意义的程序，神经网络搜索会让解题效率大大提高。

DeepCoder解题过程示意图：每行代表一个程序，每列代表一种语句。红色越深代表其神经网络给出的预测值越高；绿色代表最终搜索得出的正确结果。

李亚韬副研究员表示，目前来看，包括DeepCoder在内的现有程序生成算法还不能独立处理较为复杂的问题。但从另一方面看，既然机器已经能够完成简单的编程任务，那么我们就可以利用它来辅助程序员的工作，或者帮助普通计算机用户来自动化一些工作流程。

谷歌AI设计的网络已经超越了人类设计的网络

正如上文所说，AutoML最开始是一个自动搜索神经网络的工作。谷歌大脑在他们发表在ICLR 2017 论文“Neural Architecture Search with Reinforcement Learning”中指出：深度网络已经成功将机器学习范式从特征设计转向网络结构设计。

AutoML改变网络结构设计：左边是人设计的网络，右边是机器设计的

在ICLR 2017上的那项工作中，谷歌大脑结合深度学习和强化学习，让AutoML自动生成CNN、RNN等网络结构，生成的网络泛化能力与人工设计的网络结构相当，但是规模要略小于人工网络，说明了方法的有效性。（值得一提，在CIFAR-10上生成CNN结构的实验中，谷歌大脑使用了800个GPU 来完成训练。有研究人员评论称，这样的工作正是谷歌应该做的，利用其优渥的、别处无法企及的硬件基础设施，得出更好、更小，需要的计算资源也更少的网络，能被其他研究人员和开发者使用。）

同时，为了让这种方法应用于ImageNet这样的大规模数据集，就在上周，谷歌大脑的研究人员对AutoML做了升级：重新设计搜索空间，让AutoML找到最好的层，然后多次堆叠，创建最终的网络；并将在CIFAR-10上最好的架构迁移到ImageNet图像分类和COCO物体检测上。

用这种方法，AutoML分别找到在CIFAR-10和ImageNet图像分类、COCO物体检测中的最佳层。这些层结合形成了一种新的网络结构NASNet（下图中红点），这个网络在ImageNet图像分类任务中，在验证集上的预测精度达到了82.7%，超过了之前所有的初始模型。

在上图中，谷歌大脑展示了在图像分类任务中与人类设计的、最先进的各种网络（黑点），与机器自己生成的NASNet在精度之间的差距。

至少在这项任务中，机器设计的网络领先。

AI取代AI研究员的那天终会到来

谷歌的设想是，类似AutoML这样的项目，将能帮助企业构建他们自己的AI系统，尤其是那些没有深厚AI经验和实力的企业。Jeff Dean预计，如今具备能自我开发AI系统的人才的公司，全球不超过1000家，但其他更多公司却拥有开发AI系统所需的数据。

“我们希望让解决机器学习问题的机构数量从几千家扩展到百万家。”Jeff Dean说。

谷歌还有其他巨头这样做，并不是单纯为了服务世界。谷歌正在大力投资云计算服务，而云也是谷歌预期中接下来几年自己的主要经济引擎。在招揽了大批顶尖AI人才后，谷歌云在这场以AI为核心的竞赛中拔得先机。

而AutoML无疑将成为谷歌更有力的工具。参与谷歌AutoML项目的研究人员Barret Zoph表示，AutoML自己学习搜索到的算法，有时候比有人类研究员开发的性能更佳。

这背后有一股更大的趋势，也被研究人员叫做让机器“学会学习”（learning to learn），或者“元学习”（meta-learning）。很多人都相信，这种方法将显著加速AI进步。

“最终计算机将代替我们发明算法，”伯克利教授Pieter Abbeel表示：“计算机发明的算法将能以很快的速度解决很多很多的问题——至少目标是如此。”

元学习并不会彻底取代AI研究人员，目前，谷歌的AI研究人员仍然负责重要的设计工作，AutoML的目标是让有限的AI专家能够服务于更多更广的项目。

但AI取代AI研究员的那天终会到来。CMU的Renato Negrinho也在研究类似AutoML的项目，他说“只是时间的问题”。