“妖股”乐视

点击上方“CSDN”,选择“置顶公众号”

关键时刻,第一时间送达!

2018 区块链技术及应用峰会(BTA)·中国


倒计时4天


2018,想要 follow 最火的区块链技术?你还差一场严谨纯粹的技术交流会——2018 区块链技术及应用峰会(BTA)·中国将于 2018 年 3 月30-31日登陆北京喜来登长城饭店。追求专业性?你要的这里全都有:当超强嘉宾阵容遇上业界同好的脑洞大联欢,1+1=无限可能,目前门票火热进行中,就等你了!


抢票链接:

https://huiyi.csdn.net/activity/product/goods_list?project_id=3768


乐视网已经是一个妖股了,股价暴涨暴跌,我背不起这个锅。

—— 乐视白衣骑士孙宏斌

作者 | 张歆晨

本文经授权转自「第一财经」

昨天下午,在辞任乐视网董事长 10 天之后,融创中国董事会主席孙宏斌首次袒露了他作出这一抉择的初衷,他向我们表示,自己不愿意市场上有投机者利用他和融创的信用背书来肆意炒作股价,导致小股东们蒙受损失。

“乐视网已经是一个妖股了,股价暴涨暴跌,我背不起这个锅。”数据显示,自从乐视网复牌以来,机构已经悉数撤离,但散户的数量从最初的大约 18 万上下,在短期内猛增至 33 万左右。“虽然期间公司进行过许多风险提示,但市场上的投资者依然在没有对公司价值和逻辑足够了解的情况下,听从消息而冲进去。”

卸任乐视网的董事长后的孙宏斌一身黑色 T 恤,显得颇为轻松,自嘲“看开了嘛!”他以孙氏常有的洒脱开场,不再有 2017 年初刚接手乐视时的意气风发,也不再有 2017 年 8 月面对投资者时的沉重。

这一次,孙宏斌承认自己对于乐视的投资是失败了,并且承认目前摆在乐视网面前虽然有三条路可以走,但条条路都十分困难,且其结果都将是自己的投资血本无归。


小股东不应再盲目


从公开的资料看来,目前乐视上市体系乐视网的状况十分艰难,按照孙宏斌的话说,是“日子都过不下去了。”但在此背景下,依然有小股东前仆后继冲进市场,这被视作极为危险的行为。

基于对小股东负责任的态度,孙宏斌选择以辞职的方式来警示市场,同时也宣布了自己对于乐视前景的悲观态度。

“投资者以前的投资亏损跟我无关,但后来新进去的却不少是因为我和融创的存在,例如前不久有朋友跟我说,鉴于我买了乐视,所以他也冲了进去,这无疑是市场利用我的信用背书来对乐视的价值产生误判,如果因此导致股价大涨之后大跌,引起投资者损失,我是背不起这个锅的。”

从这个层面上看,为了避免市场上有人利用他个人和融创的信用背书来炒作乐视股价,是孙宏斌选择辞任董事长的最主要原因。资料显示,自从乐视网复牌以来,股价出现极大波动。3 月 14 日午间,深交所曾公告称,乐视网近期股票交易波动幅度较大,并于下午 13:00 开市起停牌。

也正是 3 月 14 日,乐视网发布公告,称孙宏斌已经从乐视网董事长职位上辞职。“将来我也是小股东,我亏得还比别人多。”

2017 年 1 月,孙宏斌旗下的融创中国 150 亿元投资乐视网、乐视影业和乐视致新分别 8.61%、15% 和 33.4959% 的股权,他本人则于当年 7 月 21 日当选乐视网董事长。据不完全统计,连同融创为乐视提供的担保,孙宏斌合计向“乐视系”投入的资金总额接近 200 亿。

辞职之后的孙宏斌,目前首先要做的,是让市场了解乐视网真实情况,避免散户盲目跟风被投机者散布的虚假消息所蒙蔽。“过去我是董事长很多话不能说,现在我也是散户,别人骂谁我也跟着骂谁,比人起诉谁我也跟着起诉谁,我亏得比别人多,更有资格骂。”

财务数据以及其他诸多资料显示,乐视网还是一堆烂摊子:2017 年净利润预亏 116 亿;关联欠款 75.31 亿元的关联欠款、债务违约、诉讼等。

乐视“死结”难解


目前,乐视网面临四面楚歌的窘迫境遇,如何重整主营业务让乐视网得以持续经营才是重中之重。

截至上周五收盘,乐视网市值 202 亿,但在孙宏斌看来,目前的乐视因为债务和经营的困境,真实价值几乎为零,甚至为负。“我们已经将该项投资归零了。”

从当前的政策以及客观情况来看,摆在乐视网面前只有三条路可走:

  • 一是破产重组,但需要监管机构多方支持,且周期长,而且即便重组,也需要不少于 100 亿的资金,目前的环境下没有任何资金可以进得来。

  • 二是卖资产还债,虽然公司已经经营困难,但可以维持当期利润,短期内勉强维持上市地位。

  • 三是退市

但无论哪种方式,在目前的现状下都并不容易。“第一条路重组而言,现实困难很大,涉及诉讼,周期长,而且时间拖得越长对投资者的影响越大。至于第二条路变卖资产,并不能解决长期现金流和利润的问题。”

在某种程度上看,乐视网已然陷入了进退维谷的尴尬局面之中。

面对这样的结果,孙宏斌表示颇为“遗憾”。“当初对于乐视的投资逻辑还是对的,因为大文娱依然是“美好生活”大背景下的趋势,而且当初算账时已经算好,融创投进去的钱本来是足够几家公司正常运转起来的,但后来资金调用上出了太多状况,关联公司抽取的资金回不来。”

所谓关联方挪用资金,乐视网曾发布公告披露:自 2016 年以来,公司通过向贾跃亭先生控制的关联方销售货物、提供服务等经营性业务及代垫费用等资金往来方式形成了大量关联应收和预付款项。截至 2017 年 11 月 30 日,上述关联方对上市公司的关联欠款余额达到 75.3 亿元。如果加上关联方对乐视影业的资金占用,该笔费用高达 92 亿。

愿赌服输


随着孙宏斌从乐视网董事长的位置上辞职,他个人对于乐视网的背书在一定程度上算是终结了,同时也流露出其“放弃”的当下心境。

对于当初的投资,孙宏斌总结称其间有几个失误:

  • 一是对于公司价值的判断有误,当初高估了它的真实价值;

  • 二是对于公司的财务状况也缺乏充分认识,当初以为关联方的资金可以收回来的,但却未能收回;

  • 三是对团队的判断也不足,虽然贾跃亭拉来许多牛人,但没有形成一个合力。

对于贾跃亭,孙宏斌依旧保持着善意的评价,称“他企业家精神值得称道,但到现在个人信用已经彻底没有了。另外,他对公司估值的判断一直有误,公司的价值没有他评估的那么高,不应该给那么高的估值。”

贾跃亭与孙宏斌

对于融创的投资者,孙宏斌透露出真诚的“认错”态度。“投资是有问题的,融创该亏的亏了,我们会总结经验教训。我们过去也有并购失败的,但也很多成功的案例。做生意有输有赢很正常。”

此前,孙宏斌曾经表示,如果做不好乐视将是他人生的遗憾,但如今,他已然坦然接受这一遗憾,称“人生没有遗憾也挺难的。融创投资的钱,基本上全亏了。以后如果乐视好起来,就算是挣的吧。”

不过,孙宏斌目前比较悲观的是乐视网,即上市体系,而新乐视文娱(原乐视影业)和新乐视智家(原乐视致新)却依然在推进相关工作。

据透露,曾对新乐视文娱(乐视影业)此前做了一次 10 亿的增资后,目前公司已基本维持正常运转,“这一块在五六月还会做一次增资,我也比较有信心。前景也是不错的。”

而新乐视智家(乐视致新)的状况相对复杂。据现有股权关系,乐视网持有乐视致新 40.31%的股权位居第一大股东,天津嘉睿持有乐视致新 33.49%股权为第二大股东,乐视控股持有乐视致新 18%的股份为第三大股东。

孙宏斌强调,无论新乐视文娱(原乐视影业)和新乐视智家(原乐视致新)未来的经营前景如何,都与乐视网没有太大关系,不会对乐视网的经营形成正面影响。

————— 推荐阅读 —————

点击图片即可阅读


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 1
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