从王宝强离婚股权之争看国内公司持股平台

近日王宝强离婚新闻可谓出尽风头,除了关注扑朔迷离的婚外情之外,人们对王宝强巨额财产的分割问题也产生了浓厚兴趣。因为依据现有法律,婚内出轨并不能作为少分或不分资产的有力依据,很多人觉得王宝强这回可能要大放血了。

但是傻根王宝强并不傻,而且可以说是相当精明,这得从今年三月开始说起。此前王宝强2010年8月注册的公司宝亿嵘公司,由王宝强妻子马荣占有90%股份,拥有绝对控制权,但是王宝强先是取得马蓉在宝亿嵘公司90%股份,之后成立了持股平台公司---共青城宝亿嵘投资管理合伙企业(有限合伙),然后由这家公司持有宝亿嵘公司95%的股份,并由王宝强作为持股平台共青城宝亿嵘投资管理合伙企业(有限合伙)的普通合伙人(GP),拥有决策权。而王宝强妻子马蓉仅作为这家公司的有限合伙人(LP),不拥有决策权。至此,能带来巨额收益的宝亿嵘公司与王宝强的妻子马蓉就没有直接关系了,王宝强与妻子马蓉需要分割的也就只剩下投股平台公司的股权了,这样对于王宝强来说,由于是该有限合伙企业的拥有决策权的普通合伙人(GP),因此占握了主动。

我们知道,创业是一条不归路,中间凶险无数,其中非常重要的一条就是合伙人的反目,这方面的案例比比皆是。为了避免这一情况的发生,有一些企业采用股份代持的办法,但是由于很多情况,合伙人不是直接出资,所以代持协议是以股份转让的形式出现的,通常在法律上只代表有转让意向,不具有法律效力,一旦出现争议,被代持人很难维权。

针对上面的困境,王宝强的处理方式,是很值得创业者们学习的。首先,由实体企业创始人与其他联合创始人、核心管理团队、核心员工一起,创建有限合伙企业,由创始人和联合创始人担任普通合伙人(GP),具有决策权,其他人员作为有限合伙人(LP),只享有收益权,不具有决策权。然后由这个有限合伙企业投资成立实体公司。架构如下所示:


但是在上述构架中,创始人和联合创始人会对有限合伙企业承担无限责任,如果这个合伙企业仅作为实体公司的持股平台,那么问题不大。但是如果有限合伙企业做其他投资业务,那么作为普通合伙人来讲,风险就会比较大。

针对这种情况,通常的解决方案再成立一个壳公司。就是有限合伙企业的普通合伙人一起再成立一个有限责任公司,由该公司作为有限合伙企业的普通合伙人,具体架构如下所示:


在这种情况下,不仅可以保证创业者对公司的控制,还可以保证实体公司不会因为股东之间出现矛盾而出现的各种问题。

另外,值得注意的是,通过将有限合伙企业和壳公司注册到税赋较低的地区,还可以产生合理避税的效果。

来自:http://blog.csdn.net/yt7589/article/details/52316776

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值