中石化2018年业绩增两成超600亿 公布联合石化套保核查情况

中新网1月25日电 25日,中国石油化工股份有限公司(以下简称中国石化)公布2018年度业绩快报公告,快报显示:中国石化2018年预计净利润同比增长22.04%,达624亿元人民币。

2018年原油市场跌宕起伏,布伦特和WTI原油期货价格在2018年10月3日分别创下每桶86.29美元和76.41美元的近四年高点,随后大幅下跌至每桶50.47美元和42.53美元的一年多来最低,下滑幅度超过40%。

面对严峻复杂的市场形势,中国石化充分发挥一体化优势,上游板块大幅减亏,炼油和销售板块继续实现较好业绩,化工板块毛利保持稳健,取得良好的经营业绩,2018年营业收入2.88万亿元,同比增长22.09%,基本每股收益0.515元,同比增长22.04%。同时,公司切实履行社会责任,加大对口支援、定点扶贫工作力度,助力打赢精准脱贫攻坚战,加快推进产供储销体系建设,千方百计拓展资源,积极保障民用天然气稳定供应。

2018年,中国石化取得一批新成果新进展。全新结构分子筛材料获得国际分子筛协会授予结构代码,实现我国企业在该领域零的突破。荣获国家技术发明二等奖1项,国家科技进步二等奖3项,全年申请专利7184件,获得授权专利5241件,均创历年新高,继续位居央企前列。

同日,中国石化公布所属全资子公司联合石化套保核查相关情况。经核查,联合石化在采购进口原油过程中,由于对国际油价趋势判断失误,部分套期保值业务交易策略失当,在油价下跌过程中部分原油套期保值业务的期货端产生损失,全年经营亏损约46.5亿元人民币。与国际标杆油价相比,2018年联合石化为中国石化所属炼油企业节省采购进口原油实货成本约64亿元人民币。目前,中国石化及联合石化生产经营情况一切正常。

中国石化在日常监管过程中发现联合石化套期保值业务出现财务指标异常后,立即停止相关交易,对主要负责人停职处理,并及时披露相关信息。同时,已责令联合石化深刻接受此次事件教训,加强市场研判,提高危机应对和风险管控能力,完善有关制度,严格执行纪律。并要求全系统企业举一反三,强化合规经营意识,识别防范风险,避免类似情况再次发生。中国石化表示,无论任何人有任何违规活动,都将依规严肃处理。

套期保值是国际石油公司的普遍做法,有助于平抑价格、对冲风险。作为全球最大的炼油商,中国石化2018年加工原油约2.46亿吨,进口原油比例约占85%,全年进口原油价值6000多亿元人民币。一直以来,套期保值业务都是中国石化控制原油采购成本、保证公司生产经营平稳运行的重要手段。联合石化主要从事原油及石化产品贸易,自2014年起以自负盈亏的方式为中国石化所属炼油企业采购进口原油。

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