春节专属理财产品上新 低风险产品成主流******

　　春节前夕，银行、理财公司借势上架春节专属理财产品，也有部分银行主推风险较低的理财产品、保本的存款产品，期限大多较短，以满足投资者年终奖或闲置资金的理财需求。

　　业内人士建议，投资者在进行春节理财时，需结合自身风险偏好、投资需求、资金流动性等方面进行综合考虑，也需关注产品的起息日。

　　银行抢滩“春节档”理财

　　农历新年临近，不少投资者着手进行春节期间的理财规划，银行、理财公司也纷纷行动，针对投资者的理财需求，上架春节专属理财产品。

　　中国理财网显示，近期有多只“春节专享”“新春专享”“年终奖专享”理财产品发行。比如，1月19日，便有多款“新春专享”固收类封闭式理财产品同台竞技，发行机构包括宁银理财、嘉兴银行、乌鲁木齐银行等。这些产品风险等级以R2(中低风险)为主，时间期限涵盖3-6个月、6-12个月、1-3年。此外，民生理财、新疆银行发行的部分春节专属理财产品已结束募集。

　　除了上架春节专属理财产品之外，不少银行在春节期间也有主推的普通理财产品。固收类封闭式理财产品成为多家银行的主推产品之一。工商银行北京某支行理财经理向中国证券报记者推荐的两款产品均为固收类封闭式理财产品，持有期限分别为3个月和1年。建设银行北京某支行理财经理同样推荐了一款固定收益类理财产品，封闭期为30天。

　　保本类存款产品是银行主推的另一类产品。工商银行合肥某支行理财经理推荐了一款七天通知存款产品。据其介绍，存入20万元以下，年利率为1.1%，存入20万元以上，年利率为1.75%。“您可以根据资金需求自行设置到账时间，到期自动到账。如果未设置到账时间，想要支取时，提前7天通知银行即可，时间较为灵活。”该理财经理说。

　　近期热销的大额存单也受到理财经理的推荐。“目前大额存单额度比较紧俏，您想买的话，我可以先帮您申请额度，申请成功后您来网点办理。”工商银行北京某支行理财经理告诉中国证券报记者。

　　中低风险产品为主

　　春节期间，银行、理财公司的春节专属理财产品或主推的理财产品有何特点？中国证券报记者调研发现，期限较短、风险较低是大部分理财产品的共性。

　　短期理财产品的流动性较好，能够满足投资者的短期理财需求，是理财经理推荐的理由之一。“若购买这款30天封闭期的理财产品，一个月内不能赎回，过了封闭期后在工作日赎回，第二个工作日就可到账，比较适合短期理财。”建设银行北京某支行理财经理介绍。

　　工商银行合肥某支行理财经理也建议，春节期间理财可以选择期限较短的产品，后续若有长期投资需求，可以考虑五年期的趸交保险或周期长的定期产品。

　　在风险等级方面，上述提到的理财产品风险等级大多相对较低，以中低风险为主。一位理财经理表示，这主要是受到理财净值化的影响。

　　此外，与普通理财产品相比，春节主题理财产品的业绩比较基准相对较高。以新疆银行发行的金胡杨封闭净值型理财第143期(春节专享)理财产品为例，该产品业绩比较基准为3.9%，而该银行近期发行的金胡杨封闭净值型理财第141期理财产品的业绩比较基准为3.65%。

　　需关注产品起息日

　　业内人士认为，投资者进行春节理财时，不能仅考虑业绩比较基准，需结合自身风险偏好、投资需求、资金流动性等方面进行综合考虑，也需关注产品的起息日。

　　尽管春节主题理财产品业绩比较基准略高，但业内人士提示业绩比较基准并不代表实际收益率。融360数字科技研究院分析师刘银平表示，理财产品已经进入全面净值化时代，产品净值不断波动，业绩比较基准不代表实际投资收益率，即使业绩比较基准更高，也不意味着投资者能拿到更高的收益率。

　　中信银行理财专家建议，在考虑产品风险评级的基础上，更要重点关注产品的底层投资标的及投资比例，同时参考同系列产品历史运作业绩及净值波动情况，再做出最适合自己的投资选择。

　　春节期间产品是否有收益，也值得关注。刘银平表示，春节理财产品需要关注产品的起息日，很多产品在节假日期间无法购买或不能起息。“货币基金、银行现金管理类产品、短债基金、国债逆回购等产品需要在1月19日交易时段结束之前购买，才能享受春节长假期间的收益。”刘银平说。

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