天空彩票app充值|天空彩票app开户

明天，悬念揭晓！******

　　文/王恩博

　　明天，全球的中国经济关注者将把目光投向北京西长安街11号。

　　1月17日上午10时，国务院新闻办公室将举行新闻发布会，介绍2022年国民经济运行情况。届时，中国全年GDP增速、人口总量、人均收入、就业情况等核心经济数据将公布。

　　在这个遭遇多重超预期因素冲击的年份，中国经济将如何交卷？从近期各方面陆续公布一些先行指标中，或能看出一些端倪。

　　外贸规模创历史新高

　　外贸是疫情以来中国经济增长的重要支撑。2022年，面对复杂严峻的国内外形势，中国外贸在2021年高基数基础上继续保持稳定增长，规模再创历史新高。

　　分季度看，2022年一、二季度进出口总值分别超过9万亿元和10万亿元，三季度更增至11.3万亿元，创季度规模历史高点，四季度继续保持11万亿元水平。

　　整体来看，去年中国外贸规模首次突破40万亿元关口、连续6年保持货物贸易第一大国地位、出口国际市场份额连续14年居全球首位。这份成绩单依然可以用“亮眼”形容。

　　不过，随着主要经济体持续收紧货币政策，国际需求明显走弱，中国外贸仍然面临挑战。中国银行研究院认为，2022年末中国出口增速有所放缓，国际需求走弱、疫情扰乱生产秩序是主要原因。

　　在国内经济恢复基础尚不牢固、外部环境动荡不安的背景下，2022年中国出口规模创历史新高，反映出口竞争力和韧性犹在。预计2023年全球经济衰退风险上升、外需不足将使出口增速承压，但供应链完整、稳定有望助力中国出口份额维持稳定。

　　金融数据平稳收官

　　金融数据方面，2022年也实现“平稳收官”。

　　2022年12月末，中国广义货币M2同比增长11.8%，增速比上月末低0.6个百分点，比上年同期高2.8个百分点，市场流动性继续保持合理充裕。

　　中国民生银行首席经济学家温彬分析称，2022年以来，在稳增长基调下，货币和财政政策持续协同发力，基础货币投放加大，市场流动性维持充裕，M2增速达到近6年来最高水平；后期伴随财政支出力度放缓等，M2增速虽有所回落，但仍维持在较高水平。

　　新增信贷数据也有积极表现。2022年12月份，中国人民币贷款增加1.4万亿元，同比多增2665亿元。去年全年，人民币贷款增加21.31万亿元，同比多增1.36万亿元。

　　展望2023年，温彬认为，信用扩张有望继续加力提效，在稳增长、扩内需诉求和海外加息约束弱化下，今年货币政策将维持稳健宽松格局，聚焦扩大有效需求和深化供给侧结构性改革；同时继续呈现总量型和结构性并举的特征，降准降息仍有空间，实体经济融资成本保持在较低区间，以巩固经济回稳向上基础。

　　2023年中国经济有望迎反弹

　　除了外贸和金融领域外，还有一些数据释放出积极信号。

　　中央财经委员会办公室分管日常工作的副主任韩秀文此前撰文透露，尽管2022年经济增长速度与预期目标存在差距，但其他多项指标较好完成，一些面向未来的结构性指标有突出表现。

　　例如，预计2022年经济总量超过120万亿元。产业升级取得积极进展，新能源汽车产销量和出口量均为世界第一，特别是出口达到70万辆、增长超过1倍。粮食产量连续八年保持在1.3万亿斤以上。在全球通胀创40多年新高的情况下，中国物价总水平保持平稳，居民消费价格上涨2%左右，粮食安全、能源安全和人民生活得到有效保障。

　　在此背景下，官方综合研判，2023年世界经济增速可能明显下滑，而中国经济有望总体回升，形成一个独立的向上运行轨迹。汇丰环球研究大中华区首席经济学家刘晶也表示，经济重启是2023年的关键主题，预计在短暂过渡期后，中国经济增长将从明年第二季度开始强劲反弹。

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）