点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
国是访问｜全球都在通胀，明年中国能稳住物价吗？******
文/刘文文
今年以来，全球通胀高企，美欧等主要经济体CPI涨幅明显。在此形势下，中国物价水平备受关注。近日召开的中央经济工作会议要求，突出做好稳增长、稳就业、稳物价工作，及时有效缓解结构性物价上涨给部分困难群众带来的影响。
当前中国稳物价的成绩如何？较其他经济体有何差别？目前影响中国物价波动的国内外因素有哪些？如何预防这些因素的潜在性冲击？
中新社国是直通车专访中国宏观经济研究院综合形势室主任、研究员郭丽岩，就上述问题进行分析。
现将访谈实录摘要如下：
中国稳物价成效显著
国是直通车：当前，全球性通胀越发严峻，尤其发达经济体通胀粘性特征愈发明显。在您看来，当前国内外物价运行水平有何不同？与国外相比，中国稳物价的成绩如何？
郭丽岩：在美欧等经济体通胀“高烧不退”的背景下，中国持续稳定物价运行的努力与成效令全球瞩目。1-11月份，中国CPI同比上涨2%，持续运行在合理区间，剔除食品和能源的核心CPI一直在1%左右的相对低位。
中国能够维持相对较低且基本稳定的物价水平，在当前是十分难得的宏观经济治理绩效，这与美欧等经济体陷入高通胀甚至是恶性通胀形成鲜明对比。
今年以来，美欧等经济体的CPI连创40年来的历史新高，虽然近期有所回落，但美国、英国、欧元区11月份CPI仍在7.1%、10.7%、10%的高位运行。此外，土耳其、阿根廷等新兴市场经济体更是出现了持续的恶性通胀。
国是直通车：今年以来，中国在保供稳价方面采取了哪些举措？取得了哪些成绩？
郭丽岩：中国之所以能够保持物价基本稳定的主要原因和经验，就是坚持以人民为中心的发展思想，强化粮食、能源产供储销体系建设，加大保供稳价工作力度，切实兜住兜牢民生底线。
首先是重要民生商品的保供稳价，不断完善价格调控机制。压实“菜篮子”市长负责制，充分发挥地方工作主动性。在提升本地自主保障能力的同时，促进产销衔接，强化主产区和主销区之跨区合作，共担保供稳价责任。产地采购、道路运输、终端配送各环节保通保畅。健全成品粮油、猪肉、北方城市冬春耐储蔬菜等储备并充实在库，增强储备调节能力。例如，9月份以来，连续多批次投放中央猪肉储备，并指导地方同步加大投放，促进价格向合理区间回归。
其次是基础能源的保供稳价，立足国情，以煤炭为“锚”，构建保供稳价体系，有序释放煤炭优质产能，健全煤炭产供储销体系，完善煤电价格形成机制，强化市场预期管理，压实各部门、地方和企业保供稳价责任，有力维护了能源领域产业链供应链稳定运行。此外，今年阶段性调整价格补贴联动机制，降低启动条件，扩大保障范围，1-11月份，各地累计发放价格临时补贴50亿元左右，有效保障了困难群众基本生活。
国是直通车：在您看来，未来一段时间内，影响中国物价波动的国内外因素有哪些？
郭丽岩：客观而言，中国在稳物价方面也面临一些不稳定、不确定因素，主要是外部输入性压力。
尽管近期国际大宗商品价格有所回落，但部分品种仍在高位波动。乌克兰危机仍在发酵，国际流动性环境发生变化，主要经济体利率、汇率变化快，国际市场部分区域能源、粮食等供应缺口仍然较大，各种扰动因素交叠，供求基本面偏紧甚至供求错配的个别品种仍有阶段性反弹空间。此外，受不利天气影响，蔬菜等食品价格可能出现阶段性波动。
中国稳物价底气能力增强
国是直通车：考虑到上述因素，您认为如何预防这些潜在冲击，防止未来物价发生大幅波动？今年中国物价整体水平将如何？能否有效控制通胀？
郭丽岩：针对上述挑战，要时刻保持高度警惕，增强全链条全过程防范市场价格异常波动风险的能力。
就输入性因素而言，密切跟踪监测预警国际大宗商品市场动向与价格走势。尤其是强化对国际油气、粮食、黑色和有色金属等价格异常波动的预警，加强对国内外主要期货和现货市场供求关系的联动分析，从而为国内分类施策和精准调控夯实基础。
就不利天气等突发事件而言，提升预警灵敏度和应急处置能力，压实“产供储销”全链条联动责任，强化跨区调运和余缺互济，协同运用各级各类储备进行更加精准的市场化调节。
总体上看，当前稳定物价总水平的基础坚实，今年能够实现3%左右的年度CPI预期目标，展望明年，稳物价的底气和能力进一步增强。
首先，中国经济长期向好的基本面没有变，产业体系韧性足，市场潜力空间大，能够对冲和化解不利冲击。
其次是中国坚决不搞“大水漫灌”强刺激，能够为实体经济提供更有力和更高质量的支持。
特别是粮油肉蛋奶蔬果等重要民生商品保供稳价调控机制不断完善，调控能力不断提升，有底气、有能力保持物价总水平基本稳定。
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） [责编：天天中] 阅读剩余全文（）  视觉焦点
至尊彩票地图 |
)