外资机构观点趋于一致：看多中国经济 做多中国资产******

　　随着A股2023年强势开局，外资唱多热情持续高涨，继高盛之后，摩根士丹利也加入了再次看涨A股和人民币的队伍。

　　据证券时报记者了解，不少外资机构对中国资产的看法更加乐观，认为新年行情值得期待。

　　开年以来北向资金加速流入也证实了这一点。2023年以来，北向资金净流入额超330亿元，自2022年11月以来的净流入额已接近1300亿元。

　　上调中国股票市场评级

　　华尔街大行高盛刚发布策略报告，将明晟中国指数12个月目标从70点上调至80点，摩根士丹利紧随其后，也将明晟中国指数的年底目标上调至80点。

　　1月9日，摩根士丹利分析师Laura Wang等人在最新报告中指出，2023年中国GDP和企业利润将加速增长，中国股市将成为全球表现最佳的股市。摩根士丹利维持增配明晟中国指数，并将该指数年底目标位从70点上调至80点。

　　摩根士丹利研报指出，2023年中国的GDP和企业利润将加速增长，同时内外部风险均下降，这或将推动相关估值进一步上涨。

　　明晟中国指数最新收盘报70.42点，自去年10月底最低点46.92点以来，已经累计反弹50%。摩根士丹利将该指数目标点位上调至80点，认为该指数还有超过10%的上涨空间。

　　去年12月，摩根士丹利上调中国股票在全球新兴市场中的评级至“超配”，这是该机构对中国股市维持近两年谨慎态度后做出的首度上调。

　　在进一步上调明晟中国指数目标位时，摩根士丹利指出，其正在对中国股权风险溢价(ERP)重新评估，不少因素证明属于A股的牛市周期已经开启。

　　对于人民币走势，摩根士丹利同样乐观。它认为，人民币到2023年底将升至1美元兑6.65元人民币，较当前水平上涨1.8%。

　　摩根士丹利中国首席市场策略师王滢表示，摩根士丹利目前对欧美股市、尤其美国市场较为谨慎，中国股市将成为下一阶段全球股市的领跑者，全球新兴市场都将有不错表现。“我们对中国股票市场评级上调，不仅仅是基于抗疫政策的调整。根据我们的历史经验，有七个主要类别因子，会在不同时间对股市产生较大影响，可以帮助我们更好捕捉股市的拐点。”她说。

　　王滢进一步分析，“尽管宏观经济和估值两大因子并不突出，但其余五大因子正同时向好转变，包括全球收紧的流动性在明年会有明显改善；中国政策周期向好；强势美元告一段落，人民币有望重新升值；中美双边关系改善；中国的监管框架已经整体确立。”

　　看多中国资产再成共识

　　随着中国经济的复苏预期不断增强，A股市场与人民币汇率强势表现，外资“真金白银”加码买进中国资产。

　　Wind数据显示，2023年以来，北向资金已净买入335.20亿元，其中1月5日净买入127.53亿元，这也是自2022年12月1日以来，北向资金再度单日净买入超百亿。实际上，自2022年11月以来，北向资金就已呈现出加速流入的势头，期间净买入额达1286.28亿元。

　　人民币汇率在此期间也强势反弹。2023年首个交易日，在岸及离岸人民币兑美元汇率盘中双双升破6.9关口。随后，人民币汇率持续反弹走强，截至1月10日16时30分，在岸人民币兑美元收盘报6.7772，新年以来已反弹逾1800点，累计涨幅达2.61%。

　　北向资金与人民币汇率共振，反映了外资机构对中国资产的普遍看好。高盛1月9日发布报告称，中国股市在年内有望上涨15%，人民币则料将升至去年4月以来的最高位。

　　高盛的策略报告称，将明晟中国指数的12个月目标从70点上调至80点，强调主要理由是整体估值较低，以及房地产、互联网监管和政策刺激等领域的多个支撑点。

　　此外，高盛预计到今年年底人民币兑美元将升至6.5，此前的预估值为6.9。

　　高盛策略团队认为：“在2023年的全球背景下，中国在经济增长、政策和通胀周期方面看起来处于有利地位。当前的市场背景让我们相信，继续减持或做空中国股票面临的风险明显高于做多中国股票。”

　　除高盛外，美国银行、汇丰银行、先锋领航等外资机构也看好2023年中国资产表现。

　　美国银行投资策略分析师曾指出2023年的十大交易趋势，其中的一大趋势便是做多中国股票。“中国有很高的超额储蓄，对中国股票仍然是反向做多交易策略。”

　　汇丰银行预测2023年中国GDP同比增速为5.0%，并显著调高了2024年中国GDP增速预测，从4.8%上调至5.8%。

　　先锋领航在最新发布的分析报告中指出，当前中国正致力于优化疫情防控措施、促进疫苗和药品研发、改善医院设施，这些手段有助于稳定经济，预计2023年3月之后，中国的整体经济将看到更为明显的反弹，中国2023年全年GDP的增速有望达到4.5%左右。

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