银行密谋盘外招:余额宝收益率或大幅下滑

业内专家建议将互联网理财产品对接的货币基金的银行存款纳入一般性存款管理,此举可能导致互联网理财产品如余额宝等的收益率大幅下滑,引发行业震动。

余额宝“吸血鬼”的论战尚未尘埃落定,传统金融机构已在酝酿新的“盘外招”。

多位银行界人士及金融专家近日表示,应当区别对待互联网理财产品对接的货币基金的银行存款。此举有可能导致余额宝及类似产品的收益率大幅下滑。

据《第一财经日报》报道,业内专家日前在中国银行业协会的一次会议上建议,为了维护金融市场公平竞争及国家金融安全,应该将货币基金存放银行的存款纳入一般性存款管理,不作为同业存款,按规定缴纳存款准备金,并遵守大额协议存款利息上浮限制;若提前提取,则按活期存款计算利息。

目前,主流互联网理财产品均对接货币基金,如余额宝对接的天弘增利宝,微信理财通对接的华夏财富宝,百度百赚利滚利版对接的嘉实活期宝等。如果上述建议被监管机构采纳,那么眼下风生水起的互联网理财产品将遭遇灭顶之灾,6%以上的收益率很可能成为绝唱。

协议存款

为了尽可能降低风险,货币基金的投资风格非常稳健,投资标的包括短期国债、央行票据、协议存款等。其中,与银行对接的协议存款占了很大比例,是货币基金的投资重点。

天弘基金官网公布的数据显示,天弘增利宝在2013年第四季度的资产组合中,银行存款和结算备付金合计占比高达92.21%。这部分存款的利息由银行与货币基金协商议定。银行利息与用户收益之间的利息差,就是天弘基金及其背后的阿里巴巴的套利空间。

2013年下半年以来,国内银行业遭遇“钱荒”,迫使各大银行高息招揽资金。流动性趋紧的外部金融环境,是去年6月上线的余额宝大获成功的重要条件。2014年以来,资金面日趋宽松,互联网理财产品的收益率也相应缓慢下滑,但目前普遍仍维持在6%以上。

另一方面,我国尚未放开存款利率,银行存款利率不得超过同档次基准利率的1.1倍。这意味着,活期存款利率几乎没有上调空间,在收益率上根本无法与货币基金相抗衡。

截至今年1月中旬,余额宝总规模超过2500亿元,7日年化收益率达6%以上,约为银行活期存款(基准利率仅为0.35%,部分银行上浮至0.385%)的17倍。另有市场传言称,截至今年2月,余额宝总规模实际上已突破4000亿元。可供对比的是,央行公布的数据显示,今年1月存款骤降9402亿元,大量短期存款一夜间流向他方。

山雨欲来

如果上述专家的建议被监管层采纳,则意味着互联网理财产品对接的货币基金将被拉回到与银行活期存款一样的起跑线上,可谓“一夜回到解放前”。

如果被纳入一般性存款管理,货币基金存放在银行里的钱将主要面对以下挑战:首先,大额协议存款的利率最多只能比基准利率高30%,半年期约为3.64%,一年期约为3.9%,此前则不受这一限制,仅由银行与基金协定。其次,如果货币基金提前提取,那么银行将按照活期存款利率支付利息,即0.35%。综合计算,余额宝及类似产品的收益率将有明显下滑,很难继续保持在6%的高位上。

支付宝近期发布的数据显示,余额宝加上增利宝,一年的管理费是0.3%,托管费是0.08%,销售服务费是0.25%,三者相加,阿里巴巴和天弘基金的收益是资金管理规模的0.63%。不算用户收益,这已经远远超过了活期存款0.35%的收益率。

也就是说,如果受到“特殊待遇”,原先的协议存款按活期存款获取利息,那么余额宝不光赚不到钱,甚至有可能倒贴巨额资金,整个体系也将随之土崩瓦解。转换存款类别,可谓对互联网理财货币基金的釜底抽薪。

此举将迫使被波及的货币基金寻找其他收益率更高的投资标的,与之伴随的将是更高的风险,进而导致对风险敏感的用户撤资离场。

尽管2013年被视为“互联网金融元年”,但这一金融创新在今年受到了前所未有的关注,赞扬和抨击兼而有之。支持者称互联网金融是伟大创新,并且倒逼金融改革;反对者则称其为”“吸血鬼”、“寄生虫”,甚至扣上了“危害国家金融安全”的大帽子。

2月21日,央视证券资讯频道执行总编辑、首席新闻评论员钮文新撰文炮轰余额宝是银行身上的“吸血鬼”,呼吁应“取缔余额宝”,舆论一时哗然。银行业人士和金融专家借道中国银行业协会,鼓吹“存款转型”,是互联网金融山雨欲来的又一黯淡注脚。

值得注意的是,央行和银监会尚未就互联网金融下发具有实质影响的监管文件。而中国银行业协会并非政府机构,仅为一家银行业自律组织,会员包括300多家银行及其他金融机构,主管单位是银监会。这家民间机构近期发声,或可被视为监管层的投石问路之举。

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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