1分快3app下载 - 1分快3投注

来源：1分快3登录2024-02-05 17:48

1分快3app下载

31省份CPI出炉：20地稳在“1时代”，有你家乡吗******

　　中新经纬1月17日电 (王永乐)日前，国家统计局公布了31省份2022年12月居民消费价格指数(CPI)。中新经纬梳理发现，12月，21省份CPI同比涨幅高于上月。其中，重庆最高为涨2.7%，陕西最低涨1.0%。

图源：国家统计局网站

　　21地CPI涨幅扩大

　　国家统计局数据显示，2022年全年，全国CPI比上年上涨2.0%。12月，全国CPI环比持平，同比上涨1.8%。同比涨幅较11月扩大0.2个百分点，连续两个月处于“1时代”。

　　中新经纬梳理发现，31省份12月CPI同比均为上涨，涨幅高于或低于全国水平的省份分别为13个和14个，11月分别为11个和15个。从涨幅来看，海南等21省份涨幅高于11月，上月仅有海南涨幅扩大；3省份与11月持平，上月持平省份仅有西藏；7省份涨幅低于11月，上月则有29省份涨幅收窄。此外，值得注意的是，“2时代”省份较上月增加5地。

　　具体来看，重庆、新疆、广东、上海、福建、西藏、青海、江苏、江西、湖北、海南、山西、甘肃等13省份涨幅高于全国水平，其中重庆等11省份处于“2时代”，较上月增加了广东、上海等5省份；北京、辽宁、吉林、浙江涨幅与全国水平持平；天津、黑龙江、广西、四川、云南、宁夏、河北、山东、内蒙古、湖南、安徽、贵州、河南、陕西等14省份涨幅低于全国水平。

　　另外，从增减幅来看，海南继续居首，增加0.9个百分点，新疆降幅最大为0.6个百分点。

　　东北证券宏观报告指出，受疫情影响，12月CPI通胀较前月稍有回升，但回升幅度略低于市场预期。结构上，菜价与猪价对冲，食品仍是主要贡献力量，油价对CPI形成小幅拖累，核心CPI较前月略有升温。

　　未来CPI怎么走？

　　官方：有能力继续保持物价总体稳定

　　2022年，国内物价保持平稳运行态势。对于2023年物价，从官方和机构预测来看，高通胀风险不大。

　　针对2023年物价走势，国家发改委价格司司长万劲松1月12日表示，尽管国际大宗商品价格可能高位波动，输入性通胀压力仍然存在，但我国物价保持平稳运行具有坚实基础。粮食生产连续丰收，生猪产能合理充裕，重要民生商品供应充足，基础能源保障有力，保供稳价体系进一步健全，完全有信心、有能力继续保持物价总体稳定。

　　国盛证券首席经济学家熊园等发文指出，2023年通胀风险可控，CPI中枢可能升至2.1%左右，节奏上前高后低，1至2月可能阶段性升至3.0%左右。

　　文章同时列出两大不确定性因素：一是防疫政策优化之后，需求集中释放、叠加2022年偏松货币政策的滞后影响，服务价格有阶段性脉冲式上行风险；二是地缘政治不确定性仍强，全球能源危机、粮食危机仍有较强不确定性，可能增加我国输入型通胀压力。

　　平安证券报告预计，2023年上半年CPI的阶段性高点在一季度，可能会达到2.5%上下。超季节性因素中，可能猪价的影响最大，但涨幅也相对可控，上半年CPI可能仍然难以突破3.0%。

　　东方金诚首席宏观分析师王青认为，消费修复有可能带动CPI涨幅阶段性扩大，特别是与服务消费相关的文娱旅游、酒店、机票等价格可能出现较快上涨。预计2023年CPI涨幅中枢会有所抬高，全年累计涨幅有望达到2.5%左右，其中年初运行在2.0%或略高的温和区间。

　　“2023年猪周期将主要运行在价格下行阶段，前期美欧货币当局大幅收紧政策会带动 2023年海外通胀较快降温，这些因素都不支持国内CPI在2023年出现大幅上涨。”王青表示。

　　东北证券宏观报告预计，叠加基数影响测算，2023年CPI通胀全年呈V型走势，7月迎来年内低点，三四季度将趋势上行。其中需要注意两点：一是受猪价显著拖累，1月CPI同比较2022年12月难有显著抬升，而2月受基数影响将成为上半年通胀高点；二是核心CPI将趋势向上，但是供需矛盾转换需要时间，叠加2022年M1货币供给同比连续收缩，核心CPI上行节奏相对可控。(中新经纬APP)

　　(文中观点仅供参考，不构成投资建议，投资有风险，入市需谨慎。)

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）

[责编：天天中]

阅读剩余全文（）