谁拥有美联储?

  许多年以来,究竟谁拥有美联储一直是一个讳莫如深的话题,美联储自己总是含糊其辞。和英格兰银行一样,美联储对股东情况严守秘密。众议员赖特·帕特曼(Wright Patman)担任众议院银行和货币委员会长达40年,在其中20年里,他不断地提案要求废除美联储,他也一直在试图发现究竟谁拥有美联储

  这个秘密终于被发现了。《美联储的秘密》(Secrets of Federal Reserve)一书的作者尤斯塔斯(Eustace Mullins)经过近半个世纪的研究,终于得到了12个美联储银行最初的企业营业执照(Organization Certificates),上面清楚地记录了每个联储银行的股份构成。

  美联储纽约银行是美联储系统的实际控制者,它在1914年5月19日向货币审计署(Comptroller of the Currency)报备的文件上记录着股份发行总数为203 053股,其中:
  ?洛克菲勒和库恩雷波公司所控制的纽约国家城市银行,拥有最多的股份,持有3万股。
  ?J.P.摩根的第一国家银行拥有1.5万股。

  当这两家公司在1955年合并成花旗银行后,它拥有美联储纽约银行近1/4的股份,它实际上决定着美联储的候选人,美国总统的任命只是一枚橡皮图章而已,而国会听证会更像一场走过场的表演。

  ?保罗·沃伯格的纽约国家商业银行拥有2.1万股。
  ?田罗斯柴尔德家族担任董事的汉诺威银行(Hanover Bank)拥有1.02万股。
  ?大通银行(Chase National Bank)拥有6 000股。
  ?汉华银行(Chemical Bank)拥有6 000股。

  这六家银行共持有40%的美联储纽约银行股份,到1983年,他们总共拥有53%的股份。经过调整后,他们的持股比例是:花旗银行15%,大通曼哈顿14%,摩根信托9%,汉诺威制造7%,汉华银行8%。

  美联储纽约银行的注册资本金为1.43亿美元,上述这些银行究竟是否支付了这笔钱仍然是个谜。有些历史学家认为他们只付了一半现金,另一些历史学家则认为他们根本没出任何现金,而仅仅是用支票支付,而他们自己所拥有的美联储的账户上只有几个数字的变动而已,美联储的运作其实就是“以纸张做抵押发行纸张”。难怪有的历史学家讥讽联邦储备银行系统既不是“联邦”,又没有“储备”,也不是银行。

  1978年6月15日,美国参议院政府事务委员会(Government Affairs)发布了美国主要公司的利益互锁问题的报告,该报告显示,上述银行在美国130家最主要公司里拥有470个董事席位,平均每个主要公司里有3.6个董事席位属于银行家们。

  其中,花旗银行控制了97个董事席位;J.P.摩根公司控制了99个;汉华银行控制了96个;大通曼哈顿控制了89个;汉诺威制造控制了89个。

  1914年9月3日,《纽约时报》在美联储出售股份的时候,公布了主要银行的股份构成:
  ?纽约国家城市银行发行了25万股票,詹姆斯·斯蒂尔曼拥有47 498股;J.P. 摩根公司14 500股;威廉·洛克菲勒1万股;约翰·洛克菲勒1 750股。

  ?纽约国家商业银行发行了25万股票,乔治·贝克拥有1万股;J.P. 摩根公司7 800股;玛丽·哈里曼5 650股;保罗·沃伯格3 000股;雅各布·希夫1 000股,小J.P. 摩根1 000股。

  ?大通银行,乔治·贝克拥有13 408股。
  ?汉诺威银行,詹姆斯·斯蒂尔曼拥有4 000股;威廉·洛克菲勒1 540股。

  从1914年美联储建立以来,无可辩驳的事实显示了银行家们操纵着美国金融命脉、工商业命脉和政治命脉,过去如此,现在仍然如此。而这些华尔街的银行家都与伦敦城的罗斯柴尔德家族保持着密切联系。

  银行家信托公司(Bankers Trust)的总裁本杰明·斯特朗被选为第一任美联储纽约银行董事会。“在斯特朗的控制下,联储系统与英格兰银行和法兰西银行形成了互锁(Interlocking)关系。本杰明·斯特朗作为纽约美联储银行董事于1928年突然死亡,当时国会正在调查美联储董事和欧洲中央银行巨头们的秘密会议,而这些秘密会议导致了1929年经济大衰退。”

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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