彩神走势图_彩神赔率

汽车服务商2022年业绩考：9家预计净利润同比下滑******

　　本报记者 龚梦泽

　　受疫情和多重外部因素影响，2022年汽车流通行业整体出现下跌，销量和利润双双下降。尽管从去年四季度开始，多家经销商业务情况有所回暖，但仍未能改变行业整体下滑的态势。

　　日前，各大汽车经销商集团和服务商陆续发布了2022年全年业绩预告。《证券日报》记者统计了9家头部企业的数据(包括7家A股上市汽车服务商和2家港股上市汽车经销商集团)，包括庞大集团、广汇汽车、永达汽车、广汇宝信、申华控股等净利润皆出现同比下滑。

　　同花顺iFind显示，在已公布业绩预告的9家企业中，按照预告净利润上限排名，大东方、阿尔特和上海物贸位居前三，分别达到了2.1亿元、1亿元和5330万元。

　　然而，即便盈利排名靠前，但从净利润变动情况来看，上述3家上市公司净利润同比均有不同程度下滑。其中大东方预计2022年净利润为1.5亿元至2.1亿元，下降幅度为76.58%至67.22%；阿尔特预计净利润8000万元至1亿元，下降幅度为61.04%至51.31%；上海物贸预计净利润5330万元，下降幅度为63.92%左右。

　　净利润榜单中，排在第四位的是浩物股份，2022年预告净利润上限仅为480万元，其也成为上述9家企业的盈亏分界。靠后的申华控股、广汇宝信和庞大集团预计2022年亏损至多为2亿元、7亿元和11亿元，其中申华控股净利润跌幅高达583.8%。

　　事实上，在过去一年中，受疫情等多重因素影响，汽车销售行业困难重重。根据中国汽车流通协会调研结果显示，2022年全年有约90%的经销商未完成销量目标，接近一半的经销商处于亏损状态。

　　作为曾经全国经销商的龙头，A股上市经销商广汇汽车成为目前亏损最大的汽车服务商。据公司业绩预告显示，广汇汽车预计2022年归属于上市公司股东的净利润为-22.8亿元到-26.7亿元。

　　记者查阅9家公司业绩预告发现，对于业绩变动的原因，多家公司均提及疫情影响。如阿尔特就表示，报告期内，疫情多月份多点散发，多地局部性反复封控，公司及客户员工陆续经历休假隔离期，因此项目执行进度及项目验收受到较大影响，导致报告期内净利润减少。

　　据广汇宝信透露，业绩转盈为亏的主要原因是2022年度受疫情及各地防控政策影响较为严重。尤其2022年下半年集团位于西北、华北、西南及东北等地区的经营网点，均受到零星、散发性疫情的反复冲击和各地区不同封控政策的影响，这对集团4S门店的正常运营产生阶段性的较大冲击。

　　广汇汽车则表示，随着各地防疫政策逐渐调整，叠加购置税减半政策结束，公司为加快资金和库存的周转效率，对疫情期间积攒的库存车辆实施了让利销售，进一步侵蚀了四季度及全年的毛利。

　　流通协会向《证券日报》记者表示，今年1月份、2月份车市有望恢复到疫情前2019年的水平，2月份或将出现补偿性消费，3月份将有明显起色，4月份国内车市有望出现大幅度同比正增长。

　　中国乘用车产业联盟秘书长张秀阳也表达了类似看法。他认为，汽车作为大宗消费品，兼具复苏弹性和长期成长逻辑。而从产业链视角来看，相比体量庞大的整车板块，汽车经销服务商作为汽车产业链“神经末梢”，对于经济周期更敏感，也有望率先带动销量回暖和盈利修复。(证券日报）

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）