资格考试_第二章_证券投资基金概述

有些内容与后面的重复,在后面总结。

 

1.  证券投资基金在各国和地区不同称谓:

美国: 共同基金

英国、香港:单位信托基金

欧洲一些国家:集合投资基金或集合投资计划

日本、台湾:证券投资信托基金

2.  证券投资基金的特点:

         2.1集合理财、专业管理

         2.2组合投资、分散风险

         2.3利益共享、风险共担

         2.4严格监管、信息透明

         2.5独立托管、保障安全

3.  证券投资基金与其他金融工具的比较

         3.1基金与股票、债券的差异

3.1.1 反映的经济关系不同; 股票反映是所有权关系,债券反映的是债权债务关系,基金反映的是信托关系。

3.1.2 所筹资金的投向不同;股票、债券是直接投资工具,筹集的资金主要投向实业领域;基金是间接投资工具,投向有价证券等金融产品。

3.1.3 投资收益与风险大小不同

         3.2基金与银行存款的差异

3.2.1 性质不同; 基金是受益凭证;银行储蓄存款表现为银行的负债,是一种信用凭证,银行对存款者负有法定的保本付息责任。

3.2.2 收益与风险特性不同。

3.2.3 信息披露程度不同。

4.  契约型基金与公司型基金的区别

         4.1法律主体资格不同;契约型基金不具有法人资格;公司型基金具有。

         4.2投资者地位不同;

4.3 基金营运依据不同; 契约型基金依据基金合同营运基金;公司型基金依据投资公司章程营运。

 

与一般股份公司不同的是,公司型基金委托基金管理公司作为专业的投资顾问来经营与管理基金资产。

5.  开放式基金与封闭式基金比较:

项目

开放式基金

封闭式基金

存续期限

不确定

确定

交易方式

一般不上市,通过向基金管理公司和代销机构申购赎回

上市流通

交易价格

按照每日基金单位资产净值

根据市场行情变化

信息披露

每日公布基金单位资产净值,每季度公布资产组合,每6个月公布变更的招募说明书

每周公布基金单位资产净值,每季度公布资产组合

投资策略

强调流动性

全部资金可进行长期投资

规模

不固定

固定

 

6.  第一只公认的证券投资基金:英国 海外及殖民地政府信托

         第一只开放式公司型基金: 美国 马萨诸塞投资信托基金

7.  我国证券投资基金业发展历程

         7.1萌芽和早期发展时期(1985-1997):

                   中国概念基金/天骥基金

                   第一只投资基金: 淄博乡镇企业投资基金

         7.2证券投资基金试点发展阶段(1998-2002):

                   首两只封闭式基金: 基金开元/基金金泰

                   2001.9第一只开放式基金:  华安创新

                   第一只封转开: 兴业基金

         7.3行业快速发展阶段(2003-2008):

                   《证券投资基金法》于2004年6月1日施行

         7.4行业平稳发展及创新探索阶段(2008-):

                   修订后的《证券投资基金法》于2013年6月1日正式实施

8.  证券投资基金业在金融体系中的作用:

         为中小投资者拓宽了投资渠道;

         优化金融结构、促进经济增长

         有利于证券市场的稳定和健康发展

         完善金融体系和社会保障体系

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