被疑造假账,又一中概股翻车?

封面来源:《大空头》剧照

西雅图IT圈:seattleit

【今日作者】

Powerball选号机

身体和灵魂总有一个要

走在买PowerBall的路上

 电影 

《大空头》男主角现实版,备受争议的美国激进做空机构Citron Research本周二发布一份题为“GSX在线教育公司——2011年以来最明目张胆的中概股欺诈”的报告,直指公司财报上的收入有70%疑为虚假,此公司应该马上停止交易并且展开内部调查。

下图是报告的第一页,全文可戳原文链接。

这个故事的开头是不是看起来很眼熟?

我们先说说这个空头机构Citron Research,国内的报道里翻译成香橼,是一个多年如一日、不遗余力地做空中概股的机构。事实上,这个Research机构正经也只有一个员工,就是这位名叫Andrew Left的炒股个体户,一人分饰香橼的创始人、研究员、小编和网站运营等多个职位。

  • 左-安德鲁同学在投资界独树一帜,不是因为他专门做空,而是他打法剑走偏锋。

  • 早在98年他还给人打工时,就被美国期货协会以“发布虚假和误导信息欺诈客户”处罚禁止从业3年,还要参加道德培训课,这份处罚报告现在依然可以从美国期货协会网站查到。

  • 引用百度百科数据:自2001年复工后安德鲁更加发愤图强,20年期间发布了150多份上市公司的负面报告;要知道做空报告不比网上吵架造谣一张嘴,除了提供确切数据,还要证明数据的来源可靠。

  • 此外安德鲁对中概股爱的深沉黑的执著,打击中国企业20余次,造成15只中概股跌超三分之二,将包括“中国第一家在纽交所上市的软件企业”东南融通在内的7家公司打击到退市,也曾做空恒大地产,另其一夜之间市值蒸发80亿港元;曾被周鸿祎炮轰,还联合李开复等大厂高层建立了一个反Andrew联盟网站citronfraud.com,目前已停止维护。

值得一提的是,此前对瑞幸的调查并不是Andrew的成果,而且他不只是漏掉一条大鱼,在报告出来后Andrew还帮瑞幸辩护说这家咖啡店在国内的业务红红火火。

(两家空头MuddyWater和Citron就瑞幸在Twitter上对吵)

更有意思的是,在周二Citron发布的对另一家中概股——线上教育机构“跟谁学”的调查里还把瑞幸拿出来说事,顺带黑了一波“Chinese company”。

至于他是如何判断“跟谁学”的营收造假,报告里提到了根据跟谁学的课程数、用户数推算的收入与财报差距巨大;国内大媒体在线上教育的报道里从未提及此机构;以及上市一年内跟谁学的收入涨幅与行业大佬新东方、好未来和港股流通的新东方在线对比悬殊:

跟谁学很快发布回应,表示对方"对业务运营的无知令人发指",这份报告完全忽略了另一旗下品牌高途课堂的业务收入,“其试图误导投资者和公众的意图昭然若揭。”

(创始人兼CEO陈向东朋友圈回应)

截至周三晚上安德鲁尚未发布后续回应。

西雅图IT圈原创

仅有不到7%的公众号, 还在坚持原创

如果喜欢, 请分享我们的文章

每天加点料

哪位道友在此渡劫

看贫道降服你

投稿,转载,商业合作,请联系E-mail:

SeattleITquan@gmail.com

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