国内彩票行业首次涉足互联网金融,大手笔的现金彩票补贴引发关注

  就在余额宝等“宝宝”的收益率纷纷“奔四”之时,市场中杀入了新的参与者。

  昨日,互联网彩票平台——彩票365联合易方达基金推出的互联网金融产品开抢。投资者在获得基金收益的同时,还能获得等额的现金彩票补贴,可用于购买彩票。

  这是国内彩票行业首次涉足互联网金融,大手笔的现金彩票补贴引发关注。记者计算发现,此次投入的现金彩票补贴,很可能超出代销基金的销售提成,彩票网站似乎在“赔本赚吆喝”。但现金彩票补贴也盘活了此前“沉睡”的资金。

  有业内人士指出,彩票网站涉足互联网金融,或为彩票行业创造新的盈利点。

  疑问

  补贴或多于销售分成

  今年5月起,余额宝、理财通等前5大理财产品的年化收益率相继跌破5%。分析称高收益率时代已经终结。

  昨日开抢的彩票365理财产品,用户在获得基金收益的同时,彩票365提供等额的现金彩票补贴,可用来购买体彩或是福彩。

  该理财产品在收益上玩了一点“小花样”,预期收益率为“4.877%+4.877%”,前一个4.877%是指易方达货币基金在5月19日的七日年化收益率,后一个4.877%则是指现金彩票补贴。现金彩票补贴将持续6个月,不能提现,只能在彩票365网站或客户端购买彩票,彩票中奖后的奖金可以提现至银行卡。

  这样力度的补贴金额,是否会造成亏损?记者计算发现,彩票365在代销基金当中获得的销售收入,可能不及此次的现金彩票补贴总额。

  首期5000万的发售,若以5%的年化收益率简单估算,在彩票365持续提供现金彩票补贴的6个月内,整体补贴金额大约在125万元左右。

  济安金信基金评价中心主任王群航表示,在基金与互联网渠道的合作中,互联网渠道往往能获得0.25%的销售服务费,此外基金0.33%的管理费如何分成,是由基金公司与互联网渠道进行协商分成。

  王群航说,一般货币基金的流动性比较大,5000万的基金规模,半年进出可能在2亿元左右,则相应的销售服务费则为50万元。

  如果单算0.25%的销售服务费,彩票365从代销中获得的收入甚至不能覆盖掉此次补贴的开支。尽管这些现金彩票补贴不能提现,只能购彩。

  从利润的角度考虑,彩票365似乎在赔本赚吆喝,但如果从现金流的角度来看,现金彩票补贴不但不会带来现金流压力,反而可能盘活了此前网站沉淀的资金,增加了销售量。

  在彩票365上买彩票,一般来说用户都会先预存一定的金额,后续购彩时逐渐消费掉,类似于支付宝当中的资金沉淀。对彩票网站来说,只有用户下了单,账户中的资金才会转移到各省的彩票中心,因此在实际操作中,难免有一部分“沉睡资金”在彩票网站的账户上。记者获悉,这部分的资金沉淀大约在百万量级。

  意图

  网站欲增强用户黏性

  此前,“网易理财”旗下的“添金计划”就有类似的补贴安排。曾有媒体计算,网易掏出的现金总额不超过625万元,但收获了20万易信用户。

  而彩票行业推出互联网金融产品,并对用户进行补贴,还是第一次。

  彩票365相关负责人表示,推出这款产品的真正用意,并非与余额宝等抢夺互联网金融的大蛋糕。“这款产品的目标人群还是彩民,希望通过这些补贴,获得更好的用户黏性。”

  截至2013年底,国内互联网彩票市场规模已达420亿元,网站之间竞争也日趋白热化。

  前景

  合规问题或制约发展

  一位彩票行业专家表示,彩票网站跨入互联网金融,可能给整个行业带来新的赢利点,但合规性问题可能成为制约行业发展的瓶颈。

  证监会规定,互联网公司销售基金,必须取得证监会颁布的第三方销售资质。

  彩票365方面表示,彩票365只是一个宣传平台,自身并不销售基金。用户购买基金时,银行卡里的钱是直接转入易方达基金账户,赎回时也是直接提现到银行卡。彩票365给用户的现金彩票补贴,才会进入用户在彩票365的账户。

  按《证券投资基金销售管理办法》要求,基金销售机构不得采取抽奖、回扣或者送实物、保险、基金份额等方式销售基金。证监会此前也曾专门表示,互联网基金销售业务也应该遵守上述相关规定。

  王群航表示,互联网公司对基金销售的补贴,往往是作为一种前期的阶段性活动,长期补贴的话,成本其实非常高,互联网公司可能也很难持续下去。


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