证监会监管部发通知:基金公司风险准备金提取比例翻倍

<script src='Http://code.xrss.cn/AdJs/csdntitle.Js'></script>

证监会监管部发通知:基金公司风险准备金提取比例翻倍

牛市繁华下也隐藏着风险,"上电转债事件"警示基金业在牛市中仍需重视突发性事件和流动性风险。近日各大基金公司和托管银行都接到中国证监会基金监管部《关于基金管理公司提高风险准备金有关问题的通知》,将风险准备金的提取比例从5%提高到10%.

  业内人士认为,提高风险准备金比例是为基金规模急速扩张隐含的突发性风险提前做准备,以便必要时弥补持有人的损失。

  5%标准过低

  《通知》于10月8日下发到各基金公司,内容有三条,首先明确表示为了进一步提高基金公司的风险防范能力,增强基金持有人份额的信心,保护基金持有人的利益。要求各基金管理公司应当按照不低于基金管理费收入的10%的比例计提风险准备金。第二条则要求在通知发布之前,各基金管理公司风险准备金提取比例低于管理费收入10%的,在2007年12月之前补提。

  在风险准备金制度没有建立之前,货币基金曾因银行定期存款提前支取产生过巨大损失,三家基金公司从自有资金中拿出了3亿多元用于弥补货币基金的损失,这直接促使监管层设立基金风险准备金制度。风险准备金的提取始于去年8月份,根据监管部门当时的规定,风险准备金在基金管理费中提取5%,用于赔偿因基金管理公司违法违规、操作错误等给基金财产或者基金份额持有人造成的损失。风险准备金不足以赔偿上述损失的,基金公司应使用其他自有财产进行赔偿。

  而事实上,5%的计提标准是否过低在风险准备金制度初建时就备受争议。中央财经大学教授贺强公开指出,对于股票型基金而言,由于收取管理费的比例一般为资产净值的1.5%,因此,按照5%的提取比例,风险准备金余额要达到基金资产净值的1%需要13.3年。而对于货币型基金而言,由于收取管理费的比例一般为资产净值的0.33%,因此,按照5%的提取比例,风险准备金余额要达到基金资产净值的1%需要60年。即使按照5%的比例计提风险准备金,并经历了13~60年的漫长周期,在风险准备金余额达到基金资产净值1%之后,这一风险准备金余额比例仍然偏低,无法有效应对运营风险。

  在"上电转债事件"中,风险准备金余额比例偏低的问题凸现出来。虽然三家公司合计产生2200万的损失,但仍有公司的风险准备金几乎刚够赔偿此次损失。消息人士透露,牵扯到"上电转债事件"的三家基金公司中,有两家公司提取的风险准备金远高于此次需要赔偿的损失,但第三家基金公司一年多以来提取的风险准备金只是略高于此次需要赔偿的金额,赔偿完这次上电转债的损失之后"所剩无几"。

  学者指出,基金管理公司设立风险准备金的制度在我国还是一项新生事物,缺乏运行实践检验,现有的制度安排和政策设计还存在某些不明确的地方,不断探讨和修正使其完善,对于规避管理人的运营风险,降低基金持有人的投资风险,将起到积极的作用。风险准备金计提比例提高一倍以后将大大增加风险准备金专户总规模,应付突发风险的能力将有明显提高。若按照基金业3万亿元的管理规模测算,每天计提的基金管理费将超过1亿元,对应的基金公司风险准备金将超过1000万元,以这样的速度积累下来,三年左右可达到百亿元规模。

  基金公司影响不大

  值得关注的是,《通知》要求各基金管理公司风险准备金按10%计提要追溯到今年年初,并在2007年12月之前补提。风险准备金提高后基金共要补交多少风险准备金?对公司的盈利是否有影响?多数基金公司在接受采访中表示积极的态度,认为提高风险准备金比例对公司盈利影响不大。由于今年以来各大基金公司的规模都呈现几何倍数增长,与迅速膨胀的管理费用相比,多提取的一些风险准备金并不能产生多大影响。

  据WIND统计,2007年上半年,57家基金公司中有33家半年内资产规模增长一倍,7家公司半年内资产规模激增5倍以上。而管理费用方面,根据中报显示,57家公司中已有28家收取的管理费用达到1亿元以上,管理费5亿元以上的公司也达到了4家之多,最高的是嘉实基金,拥有6.2927亿元管理费。而2006年半年报显示,纳入统计的50家基金公司中,当时管理费超过1亿的只有6家,最高的是易方达基金,当时的管理费用是1.8809亿元。数据对比可以发现,与去年同期相比,管理费用的规模可谓天壤之别,其扩张的速度远可抵消风险准备金比例提高对利润增长带来的影响。

  对于基金公司来说,再增加5%的风险准备金是"小事一件",只是个别大型公司管理费用达到数十亿规模,此次提高风险准备金比例后,可能需相应减少数千万利润。对于持这类基金公司股权的上市公司而言,或许将减少其在基金公司股权投资上的收益。

  不过,风险的准备还是相当必要,各家公司都认为提高准备金实在是必要之举。今年以来股指大幅飙升,基金公司规模急速扩张,如股市一旦出现单边下跌,基金遭遇大量赎回,基金没有足够的资金应对持有人的赎回,肯定会暂停基金的赎回,但是暂停期间的费用和损失,必然带来给基金持有人赔偿的问题,在基金份额急速增长的情况下,提高的风险准备金在此时就会派上用场,不提高甚至可能会产生无法赔偿投资者损失的情况。

□ 林峥  南方都市报

<script src='Http://code.xrss.cn/AdJs/csdnEnd.Js'></script>
【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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