“自我炒作”雄安新区 遭监管层严打

  4月7日,雄安新区指数再次大涨5.06%。与此同时,监管层对上市公司借雄安新区概念炒作股价行为的打击力度一丝都没有放松。中国证券报记者从接近监管层的人士处独家获悉,监管层对上述行为早已关注,并积极引导相关上市公司做好信息披露工作。所以,4月4日晚间多家上市公司才集体发布公告,“撇清”与雄安新区的关系,自我降温。

  不过,令人防不胜防的是,在监管层严堵上市公司利用发布公告炒作雄安新区概念的同时,不少上市公司转向互动易平台,通过给投资者“画饼”等手段炒作公司股价。对此,深交所连续两天,分别给数字政通和嘉寓股份发去关注函和监管函,严厉打击此类行为。业内人士指出,要加强上市公司在互动易平台上的行为规范,防止互动易平台变味儿。

  监管层打预防针防炒作

  值得注意的是,今年清明节假期的最后一天,也就是4月4日晚上,*ST冀装、冀东水泥、新兴铸管、河北宣工、京汉股份等不少上市公司一反常态地集体发布公告,“撇清”与雄安新区的关系。

  以河北宣工为例,公司4月4日晚间公告称,公司未在雄安新区开展业务和存在资产;近期公司生产经营情况正常,内外部经营环境未发生重大变化;国务院尚未出台关于设立雄安新区的实施细则,短期内对公司生产经营不会产生重大影响。

  连“最正宗雄安新区概念股”的华夏幸福4月4日晚间也发布了澄清公告,表示公司“白洋淀科技城”和“雄县产业新城”项目尚处于规划定位阶段,未接到相关政府就相关委托合作开发协议后续合作变动的通知,但可能存在政策变动带来的重大不确定性风险。

  在以往,A股一旦出现一个热点概念,很多上市公司便会发布公告,通过更名、战略合作甚至并购等形式,“强行”与热点扯上一星半点的关系。可这次面对雄安新区这样一个“千载难逢”的热点事件,上市公司却罕见地发布了撇清关系的公告,又是怎么回事?

  中国证券报记者从接近监管层的人士处独家获悉,原来监管层对此早已关注,并积极引导相关上市公司做好信息披露工作,所以才会有4月4日晚间多家上市公司集体发公告“撇清”与雄安新区关系的事情出现。

  “蹭热点”

  转向互动易平台

  在监管层的严防死守之下,清明节假期之后的3个交易日里,极少出现上市公司通过发布公告“蹭”雄安新区热点的现象。不过,令人防不胜防的是,互动易平台又成了很多上市公司疯狂炒作雄安新区概念的新舞台。

  近日,在互动易平台上,“雄安新区”成为投资者们提问涉及最多的词语,不少上市公司也乐此不疲,与投资者展开热烈互动,并通过“未来设置雄安总部”“未来积极布局雄安”等方式给投资者们“画大饼”,甚至放出消息收获涨停后,还煞有介事地停牌自查。

  以嘉寓股份为例,公司4月6日晚间公告称,因股票连续两天涨停,同时部分媒体出现公司涉及“雄安新区”概念的报道,为保护广大投资者的利益,公司股票自4月6日下午开市起停牌,待公司完成相关核查工作并披露澄清公告后复牌。

  可实际情况却是,早在4月4日晚间,公司在互动易平台上回复投资者关于雄安新区的提问时表示,公司计划专门设立嘉寓雄安新区区域总部,还拟将旗下智能制造企业“北京奥普科星技术有限公司”的生产研发中心落户到雄安新区。

  再以数字政通为例,4月5日,很多雄安新区概念股开盘即封涨停,而数字政通在当日上午却一直处于震荡状态。公司在互动易平台上回复投资者“未来将积极参与雄安新区智慧管网建设”后,公司股票临近午盘立马站上涨停板,此后又收获两个涨停。

  监管层加强打击力度

  业内人士指出,互动易平台是上市公司和投资者进行交流的平台,但很多公司却利用该平台主动散布消息,疯狂炒作雄安新区概念,扭曲了互动易平台的本来意义。对此,监管层正不断加强打击力度,严防该平台成为上市公司炒作股价的途径。

  嘉寓股份4月7日晚间公告称,公司收到深交所监管函。监管函表示,公司在互动易平台披露的计划专门设立嘉寓雄安新区区域总部、拟将旗下智能制造企业的生产研发中心落户到雄安新区等信息,未按照信息披露公告格式在证监会指定信披媒体及时、公平地披露信息。

  同时,深交所也给数字政通发去关注函,并直言“你公司通过互动易平台主动发布上述信息(未来将积极参与雄安新区智慧管网建设),并对股价造成了重大影响,请核实说明该行为是否符合《上市规则》的相关规定。”还要求公司对在天津及河北省区域的业务经营情况,最近三年收入和利润等情况作出说明。

  值得一提的是,近两年来,监管层加强了对上市公司通过发布公告“蹭热点”的整治,并使这一情况大为改观。以上市公司乱更名为例,2016年9月30日,上交所发布《上市公司变更证券简称业务指引》,严禁公司主动迎合市场热点概念,借简称变更炒作公司股价。

  上述业内人士指出:“在通过公告‘蹭热点’的道路被监管层基本堵死之后,要防止上市公司利用互动易平台回答投资者提问,以及自问自答的方式‘蹭热点’,甚至操纵股价的行为。要制定相应的规范,约束上市公司在互动易平台上的行为。”

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,它是由多个组成的网络结构,包括输入、隐藏和输出。每个由多个神经元组成,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,信息从输入流向隐藏,最终到达输出。 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