太平洋保险集团A+H上市方案生变 年内先登A股

9月12日,中国太平洋保险集团(下称太保)发布公告,称拟首次公开发行A股并上市,并已接受中金公司和瑞银 证券 的上市辅导。

其实早在2001年,市场即传出太保有意整体上市的计划。虽然几年来一直以上市为目标,却由于种种原因“只打雷不下雨”而慢慢淡出视野。

太保集团最初拟定A+H同步上市的计划,但由于在引进战略投资者的协议上出现了问题,整体上市一延再延。

今年4月,凯雷投资集团有限公司和美国保德信保险公司股份问题得以顺利解决,太保复旦金融 学院 也得以迎刃而解,太保上市跨越三道门槛,终于有了实质进展。

据太保内部人士透露,由于行情生变,太保集团改变原定计划,此次IPO将先登陆A股而后再赴香港上市。

分析人士表示,太保选择中金公司和瑞银证券做A股上市辅导,就是为之后H股的进一步融资做好准备。

太保集团此次公告称拟发行的规模还未确定,但有消息称,太保曾经在其“十一五”发展规划中表示,2007年如果成功上市将募集资金100亿左右。

随着各项 工作 逐渐收尾,分析人士估算太保集团上市的时间已经非常临近,不出意外的话,最早下个月即将登陆A股。

如果不出意外,太保集团将成为继 中国人寿(行情 股吧)、 中国平安(行情 股吧)之后第三家登陆A股的保险公司。保监会此前曾鼓励有资质的保险公司上市,据太保相关人士透露,保监会主席吴定富在会见太保集团负责人时充分肯定了太保集团的上市工作。

此次太保上市恰逢天时地利人和。在太保的公告上,太保声明为提高股票发行上市透明度,防范、化解证券市场风险, 保护 投资者合法权益,愿接受社会各界和公众的舆论监督,并将有关联系方式和举报电话进行了公告。

根据中国保监会的统计,截止到2007年7月末,太保寿险累计完成保费收入276.53亿元,同比增长28.5%,太保财险累计完成保费收入148.31亿元,同比增长38.6%。整体业绩有很大提升。

太保集团6年谋划上市一波三折,此次底气十足,其上市令人期待。 

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